図面 (/)

技術 レーザ加工機の焦点位置ずれを学習する機械学習装置及び機械学習方法、並びに焦点位置ずれを補正するレーザ加工システム

出願人 ファナック株式会社
発明者 渡邊一樹
出願日 2019年4月19日 (1年10ヶ月経過) 出願番号 2019-080447
公開日 2020年10月29日 (3ヶ月経過) 公開番号 2020-175425
状態 未査定
技術分野
  • -
主要キーワード 反射光検出装置 条件グループ 加工行程 学習サイクル 光検出データ 測定基準面 学習データセット 反射光センサ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2020年10月29日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題

集光光学系を有するレーザ加工機焦点位置ずれ補正精度を向上させる。

解決手段

機械学習装置10は、データ取得部34と学習部36とを備える。データ取得部34は、レーザ加工機に与えられる集光光学系の焦点位置指令のデータD1と、当該焦点位置指令を含む加工指令に従ってレーザ発振器からレーザ光が出力されたときに検出される光の物理量の検出データD2とを、学習データセットDSとして取得する。学習部36は、学習データセットDSを用いて、検出された光の物理量と、被加工物と集光光学系の実効的集光位置との位置関係との、相関性を表す学習モデルMを生成する。加工工程の実行時には、学習時と同様にして光の物理量を検出することで、その検出値と学習モデルMとから、被加工物と実効的集光位置との加工工程実行時の位置関係を、加工条件や被加工物の違いも考慮したうえで推定できる。

概要

背景

レンズミラー保護窓等の集光光学系を有するレーザ加工機において、レーザ光照射に伴う熱等の外乱により集光光学系の焦点距離が変化し、現実集光したレーザ光集光点の位置(本願で集光光学系の実効的集光位置と称する)が、計算で求められる設計上の焦点の位置(本願で集光光学系の焦点位置と称する)からずれる場合がある。加工工程の実行に際して集光光学系の実効的集光位置が焦点位置からずれていると、被加工物と実効的集光位置との位置関係加工プログラムで定めた目標位置関係から乖離し、レーザ加工品質に影響を及ぼすことが懸念される。

レーザ加工機における実効的集光位置の焦点位置からのずれ(本願で焦点位置ずれと称する)を補正する技術は従来知られている(例えば特許文献1〜3参照)。

特許文献1には、「被加工面(4a)上のレーザ光(3)の光径又は光面積を求め、上記光径又は光面積が所定の基準値からずれている場合は、レーザ光(3)の焦点位置が基準となる設定位置からずれているとして、そのずれ量に応じて、レーザヘッド(2)と被加工物(4)とを相対移動させる」、「上記被加工面14a上に照射されたレーザ光13をカメラ16によって撮影し、この撮影されたレーザ光13がカメラ画面のどの位置に写し出されているかによって、上記作動距離と焦点距離とのずれ、すなわちレーザ照射位置と焦点位置とのずれを検出し、これを基に作動距離を制御するように構成している。」と記載されている。

特許文献2には、「レーザ加工機のレーザ発振器550から出力したレーザ光線は、出力鏡560を経てミラー570に反射され、レーザ加工工具60に導入される。加工レンズ62で集光されたレーザ光線は、反射板M1で反射され、反射光検出装置580で検知される。反射光の出力と加工レンズ62の汚れによる、焦点位置の変化とを検知することにより焦点の自動調整が達成される。」と記載されている。

特許文献3には、「小開口を有する測定基準面に対して、前記小開口をレーザ光軸が通過するように加工ヘッドを位置させ、前記測定基準面またはその前側もしくは後側に焦点を合わせてレーザを照射し、前記測定基準面の前記小開口の周囲の少なくとも一部から放射される放射光のレベルを測定し、その測定値から焦点シフト量を求め、前記レーザの焦点位置を補正する」と記載されている。

概要

集光光学系を有するレーザ加工機の焦点位置ずれの補正精度を向上させる。機械学習装置10は、データ取得部34と学習部36とを備える。データ取得部34は、レーザ加工機に与えられる集光光学系の焦点位置指令のデータD1と、当該焦点位置指令を含む加工指令に従ってレーザ発振器からレーザ光が出力されたときに検出される光の物理量の検出データD2とを、学習データセットDSとして取得する。学習部36は、学習データセットDSを用いて、検出された光の物理量と、被加工物と集光光学系の実効的集光位置との位置関係との、相関性を表す学習モデルMを生成する。加工工程の実行時には、学習時と同様にして光の物理量を検出することで、その検出値と学習モデルMとから、被加工物と実効的集光位置との加工工程実行時の位置関係を、加工条件や被加工物の違いも考慮したうえで推定できる。

目的

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

該当するデータがありません

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

集光光学系を有するレーザ加工機被加工物を加工するときの、被加工物と集光光学系の実効的集光位置との位置関係を学習する機械学習装置であって、前記レーザ加工機に与えられる前記集光光学系の焦点位置指令のデータと、前記焦点位置指令を含む加工指令に従ってレーザ発振器からレーザ光が出力されたときに検出される光の物理量の検出データとを、学習データセットとして取得するデータ取得部と、前記学習データセットを用いて、前記物理量と前記位置関係との相関性を表す学習モデルを生成する学習部と、を備える機械学習装置。

請求項2

前記物理量は、被加工物に照射された前記レーザ光の反射光の光強度、又は被加工物への前記レーザ光の照射により発生する発生光の光強度である、請求項1に記載の機械学習装置。

請求項3

前記学習部は、前記焦点位置指令のデータを教師データとして、前記検出データと前記教師データとの相関性を求めることにより前記学習モデルを生成する、請求項1又は2に記載の機械学習装置。

請求項4

前記データ取得部は、所定時間に渡って検出された前記光の時系列データを前記検出データとして取得する、請求項1〜3のいずれか1項に記載の機械学習装置。

請求項5

前記学習部は、前記時系列データに対して正規化平滑化フーリエ変換関数近似及び微分のうちいずれかの処理を行ったデータを前記検出データとして用いる、請求項4に記載の機械学習装置。

請求項6

前記データ取得部は、前記光における複数の異なる部位で検出された複数のデータを前記検出データとして取得する、請求項1〜5のいずれか1項に記載の機械学習装置。

請求項7

前記データ取得部は、予め定めた波長の前記光において検出されたデータを前記検出データとして取得する、請求項1〜6のいずれか1項に記載の機械学習装置。

請求項8

レーザ発振器、該レーザ発振器が出力したレーザ光を集光する集光光学系、及び該集光光学系の焦点位置を移動制御する焦点位置制御部を備えるレーザ加工機と、請求項1〜7のいずれか1項に記載の機械学習装置と、焦点位置指令を含む加工指令に従って前記レーザ発振器から前記レーザ光が出力されたときに感知される光の物理量を検出する光検出器と、前記学習部が生成した前記学習モデルと前記光検出器が検出した前記物理量とを用いて、被加工物を加工する間の被加工物と前記集光光学系の実効的集光位置との位置関係を推定する位置関係推定部と、前記位置関係推定部が推定した前記位置関係に基づいて、前記レーザ加工機に与えられる前記焦点位置指令を補正する位置指令補正部と、を備えるレーザ加工システム

請求項9

前記位置関係推定部が前記位置関係を推定したときの前記焦点位置指令と前記実効的集光位置との差が、予め定めた閾値を超えるときに、報知動作を行う報知部をさらに備える、請求項8に記載のレーザ加工システム。

請求項10

前記報知部と前記レーザ加工機の周辺機器との通信確立するネットワークをさらに備える、請求項9に記載のレーザ加工システム。

請求項11

被加工物の加工用指令値よりも低エネルギーとなる学習用又は推定用の指令値を前記加工指令として前記レーザ発振器に与える指令部をさらに備える、請求項8〜10のいずれか1項に記載のレーザ加工システム。

請求項12

前記焦点位置制御部は、前記指令部が前記学習用又は推定用の指令値を前記レーザ発振器に与える間、前記集光光学系の焦点位置を移動させる、請求項11に記載のレーザ加工システム。

請求項13

集光光学系を有するレーザ加工機で被加工物を加工するときの、被加工物と集光光学系の実効的集光位置との位置関係を学習する機械学習方法であって、プロセッサが、前記レーザ加工機に与えられる前記集光光学系の焦点位置指令のデータと、前記焦点位置指令を含む加工指令に従ってレーザ発振器からレーザ光が出力されたときに検出される光の物理量の検出データとを、学習データセットとして取得し、前記学習データセットを用いて、前記物理量と前記位置関係との相関性を表す学習モデルを生成する、機械学習方法。

請求項14

前記学習データセットを取得する前に前記レーザ加工機で被加工物の表面を予め加工し、加工した該表面に対して前記レーザ光を照射したときの前記検出データを用いて前記学習モデルを生成する、請求項13に記載の機械学習方法。

請求項15

形状、表面状態材質又は温度が異なる複数種類の被加工物を用いて前記学習モデルを生成する、請求項13又は14に記載の機械学習方法。

技術分野

0001

本発明は、レーザ加工機焦点位置ずれを学習する機械学習装置及び機械学習方法に関する。本発明はまた、焦点位置ずれを補正するレーザ加工システムに関する。

背景技術

0002

レンズミラー保護窓等の集光光学系を有するレーザ加工機において、レーザ光照射に伴う熱等の外乱により集光光学系の焦点距離が変化し、現実集光したレーザ光集光点の位置(本願で集光光学系の実効的集光位置と称する)が、計算で求められる設計上の焦点の位置(本願で集光光学系の焦点位置と称する)からずれる場合がある。加工工程の実行に際して集光光学系の実効的集光位置が焦点位置からずれていると、被加工物と実効的集光位置との位置関係加工プログラムで定めた目標位置関係から乖離し、レーザ加工品質に影響を及ぼすことが懸念される。

0003

レーザ加工機における実効的集光位置の焦点位置からのずれ(本願で焦点位置ずれと称する)を補正する技術は従来知られている(例えば特許文献1〜3参照)。

0004

特許文献1には、「被加工面(4a)上のレーザ光(3)の光径又は光面積を求め、上記光径又は光面積が所定の基準値からずれている場合は、レーザ光(3)の焦点位置が基準となる設定位置からずれているとして、そのずれ量に応じて、レーザヘッド(2)と被加工物(4)とを相対移動させる」、「上記被加工面14a上に照射されたレーザ光13をカメラ16によって撮影し、この撮影されたレーザ光13がカメラ画面のどの位置に写し出されているかによって、上記作動距離と焦点距離とのずれ、すなわちレーザ照射位置と焦点位置とのずれを検出し、これを基に作動距離を制御するように構成している。」と記載されている。

0005

特許文献2には、「レーザ加工機のレーザ発振器550から出力したレーザ光線は、出力鏡560を経てミラー570に反射され、レーザ加工工具60に導入される。加工レンズ62で集光されたレーザ光線は、反射板M1で反射され、反射光検出装置580で検知される。反射光の出力と加工レンズ62の汚れによる、焦点位置の変化とを検知することにより焦点の自動調整が達成される。」と記載されている。

0006

特許文献3には、「小開口を有する測定基準面に対して、前記小開口をレーザ光軸が通過するように加工ヘッドを位置させ、前記測定基準面またはその前側もしくは後側に焦点を合わせてレーザを照射し、前記測定基準面の前記小開口の周囲の少なくとも一部から放射される放射光のレベルを測定し、その測定値から焦点シフト量を求め、前記レーザの焦点位置を補正する」と記載されている。

先行技術

0007

特開2002−239768号公報(請求項1、段落0003)
特開2005−334928号公報(要約)
特開2016−002580号公報(請求項1)

発明が解決しようとする課題

0008

集光光学系を有するレーザ加工機で被加工物を加工するときの、被加工物と集光光学系の実効的集光位置との位置関係を、加工条件や被加工物の違いも考慮したうえで推定できるようにすることで、レーザ加工機の焦点位置ずれの補正精度を向上させる。

課題を解決するための手段

0009

本開示の一態様は、集光光学系を有するレーザ加工機で被加工物を加工するときの、被加工物と集光光学系の実効的集光位置との位置関係を学習する機械学習装置であって、レーザ加工機に与えられる集光光学系の焦点位置指令のデータと、焦点位置指令を含む加工指令に従ってレーザ発振器からレーザ光が出力されたときに検出される光の物理量の検出データとを、学習データセットとして取得するデータ取得部と、学習データセットを用いて、光の物理量と位置関係との相関性を表す学習モデルを生成する学習部と、を備える機械学習装置である。

0010

本開示の他の態様は、レーザ発振器、レーザ発振器が出力したレーザ光を集光する集光光学系、及び集光光学系の焦点位置を移動制御する焦点位置制御部を備えるレーザ加工機と、上記一態様による機械学習装置と、焦点位置指令を含む加工指令に従ってレーザ発振器からレーザ光が出力されたときに感知される光の物理量を検出する光検出器と、学習部が生成した学習モデルと光検出器が検出した光の物理量とを用いて、被加工物を加工する間の被加工物と集光光学系の実効的集光位置との位置関係を推定する位置関係推定部と、位置関係推定部が推定した位置関係に基づいて、レーザ加工機に与えられる焦点位置指令を補正する位置指令補正部と、を備えるレーザ加工システムである。

0011

本開示のさらに他の態様は、集光光学系を有するレーザ加工機で被加工物を加工するときの、被加工物と集光光学系の実効的集光位置との位置関係を学習する機械学習方法であって、プロセッサが、レーザ加工機に与えられる集光光学系の焦点位置指令のデータと、焦点位置指令を含む加工指令に従ってレーザ発振器からレーザ光が出力されたときに検出される光の物理量の検出データとを、学習データセットとして取得し、学習データセットを用いて、光の物理量と位置関係との相関性を表す学習モデルを生成する、機械学習方法である。

発明の効果

0012

一態様に係る機械学習装置によれば、集光光学系を有するレーザ加工機で被加工物を加工するときの、被加工物と集光光学系の実効的集光位置との位置関係を、加工条件や被加工物の違いに応じて検出される光の物理量と関連付けて学習できる。加工工程の実行に際しては、学習時と同様にして光の物理量を検出することで、その検出値と学習部が生成した学習モデルとから、被加工物と実効的集光位置との光検出時(つまり加工工程実行時)の位置関係を、加工条件や被加工物の違いも考慮したうえで推定できる。

0013

他の態様に係るレーザ加工システムによれば、加工工程の実行に際して、位置関係推定部が推定した位置関係に基づいて位置指令補正部が焦点位置指令を補正するから、機械学習装置による上記効果と相乗して、レーザ加工機の焦点位置ずれの補正精度を向上させることができる。その結果、レーザ加工機によるレーザ加工の品質の劣化が防止され、また集光光学系の構成部品寿命延長される。

0014

さらに他の態様に係る機械学習方法によれば、機械学習装置による上記効果と同等の効果が生じる。

図面の簡単な説明

0015

一実施形態による機械学習装置を示す機能ブロック図である。
レーザ加工システムの全体構成を概略で示す図である。
一実施形態による機械学習方法を示すフローチャートである。
他の実施形態による機械学習装置を示す機能ブロック図である。
光検出データの一例を示す図である。
光検出データの他の例を示す図である。
光検出データのさらに他の例を示す図である。
光検出データのさらに他の例を示す図である。
光検出データのさらに他の例を示す図である。
光検出データのさらに他の例を示す図である。
光検出データのさらに他の例を示す図である。
光検出データのさらに他の例を示す図である。
光検出データのさらに他の例を示す図である。
光検出データのさらに他の例を示す図である。
ニューロンを説明する図である。
ニューラルネットワークを説明する図である。
一実施形態によるレーザ加工システムを示す機能ブロック図である。
他の実施形態によるレーザ加工システムを示す機能ブロック図である。
さらに他の実施形態によるレーザ加工システムを示す機能ブロック図である。

実施例

0016

以下、添付図面を参照して本開示の実施の形態を説明する。全図面に渡り、対応する構成要素には共通の参照符号を付す。

0017

図1は、一実施形態による機械学習装置10を機能ブロックで示す。図2は、機械学習装置10を備えるレーザ加工システム12の全体構成を概略で示す。まず図2を参照して、レーザ加工システム12の基本的な構成を説明する。

0018

レーザ加工システム12は、機械学習装置10と、レーザ加工機14と、光検出器16とを備える。レーザ加工機14は、レーザ発振器18と、レーザ発振器18が出力したレーザ光Lを集光する集光光学系20と、レーザ発振器18を発振制御するとともに集光光学系20の焦点位置を被加工物Wに対して移動制御する制御装置22と、制御装置22からの指令により集光光学系20と被加工物Wとを相対的に移動させる駆動機構24とを備える。レーザ加工機14はさらに、集光光学系20を収容する加工ヘッド、加工ヘッドにアシストガスを供給するガス供給機構、被加工物Wを搭載するワークテーブル等の、図示しない構成要素を備えることができる。

0019

レーザ発振器18は、例えばファイバレーザ方式の共振部(図示せず)を備える。共振部で増幅されたレーザ光Lは、例えば光ファイバからなる伝送手段26を介して加工ヘッドに導入される。なおレーザ発振器18は、CO2レーザ等の様々な発振方式を採用でき、また伝送手段26は、導光管反射鏡等を用いた様々な構成を有することができる。

0020

集光光学系20は、加工ヘッドに内蔵されるレンズ28及び保護窓30を含む。伝送手段26が光ファイバからなる場合、集光光学系20は、光ファイバの末端に取り付けられるコリメータ等の光学部品32をさらに含む。伝送手段26としての反射鏡等も集光光学系20の一部と見なすことができる。

0021

駆動機構24は、例えば加工ヘッドとワークテーブルとを、被加工物Wの表面に沿った方向へ相対移動させたり、互いに接近及び離反する方向へ択一的に移動させたりすることができる。また駆動機構24は、加工ヘッド内で集光光学系20の例えばレンズ28を移動させることもできる。駆動機構24は例えば、直交3軸座標系における少なくとも3個の制御軸(X軸、Y軸、Z軸)を有することができる。この場合、個々の制御軸は、集光光学系20(又は加工ヘッド)と被加工物W(又はワークテーブル)とのいずれか一方又は双方に設定できる。

0022

制御装置22は、例えば数値制御装置の構成を有する。制御装置22は、与えられた加工プログラムPを解釈して、レーザ発振器18や駆動機構24等の制御対象に指令を送り、レーザ発振器18に所望の発振条件(出力、周波数パルス幅等)でレーザ光を発振させたり、集光光学系20を所望の作動条件(焦点位置、集光径、加工速度、アシストガス圧等)で作動させたりすることができる。制御装置22は例えば、直交3軸座標系における焦点位置指令により、駆動機構24の少なくとも3個の制御軸(X軸、Y軸、Z軸)をそれぞれに動作させることで、集光光学系20の焦点と被加工物Wの表面とを3次元的に相対移動させることができる。また焦点位置指令は、被加工物Wに対する相対位置の指令値であることができ、或いは任意の位置に原点を定義した絶対位置の指令値であることができる。

0023

光検出器16は、レーザ発振器18から出力されたレーザ光Lが集光光学系20を通して被加工物Wに照射されたときに、レーザ加工機14及び被加工物Wを含む加工環境において感知される光を検出する。光検出器16の検出対象となる光は、被加工物Wに照射されたレーザ光Lの反射光であることができ、また被加工物Wへのレーザ光Lの照射により発生する発生光(例えばプラズマ熱放射等)であることができる。光検出器26が測定する光の物理量Qは、放射束(W)、放射エネルギー(J)、光量(lm・s)、照度(W/m2)等で表される光強度であることができ、また光周波数関数としてのスペクトル光強度分布)であることができる。光検出器16がレーザ光Lの反射光を検出する構成では、光検出器16は例えば、レーザ発振器18を保護する目的でレーザ加工機14に装備されている反射光センサ流用することができる。

0024

レーザ加工機14では、レーザ光照射に伴う熱等の外乱により集光光学系20の焦点距離が変化し、集光光学系20の現実の実効的集光位置Fが設計上の焦点位置からずれる場合がある。加工工程の実行に際して集光光学系20の実効的集光位置が焦点位置からずれていると、被加工物Wと実効的集光位置Fとの位置関係Rが加工プログラムPで定めた目標位置関係から乖離し、レーザ加工の品質に影響を及ぼすことが懸念される。

0025

機械学習装置10は、集光光学系20を有するレーザ加工機14で被加工物Wを加工するときの、被加工物Wと集光光学系20の実効的集光位置Fとの位置関係Rを、いわゆる機械学習により自ら学習するものであって、種々の学習アルゴリズムを定義するソフトウェアを実行するための、電算機のプロセッサ(例えば中央処理装置(CPU))等のハードウェアを備える。機械学習装置10が学習する位置関係Rは、レーザ加工機14の焦点位置ずれの現在状態を表す指標に相当する。この位置関係Rを光の物理量Qと関連付けた学習モデルMを機械学習装置10が生成することで、加工工程の実行に際して学習モデルMに基づき焦点位置ずれを高精度に推定、補正することが可能になる。以下、図1及び図2を参照して機械学習装置10の構成を説明する。

0026

図1に機能ブロックで示すように、機械学習装置10は、レーザ加工機14に与えられる集光光学系20の焦点位置指令のデータD1と、当該焦点位置指令を含む加工指令に従ってレーザ発振器18からレーザ光Lが出力されたときに検出される光の物理量Qの検出データD2とを、学習データセットDSとして取得するデータ取得部34と、学習データセットDSを用いて、検出された光の物理量Qと位置関係Rとの相関性を表す学習モデルMを生成する学習部36とを備える。機械学習装置10はパーソナルコンピュータ等の電算機の構成を有することができる。或いは前述した制御装置22に機械学習装置10を組み込むこともできる。

0027

データ取得部34は、例えば電算機のプロセッサ(その一機能)として構成でき、或いは、例えば電算機のプロセッサを機能させるためのプログラム(その一部)として構成できる。データ取得部34が取得する学習データセットDSのうち、焦点位置指令のデータD1(以下、焦点位置指令データD1とも称する)は、制御装置22に与えられる加工プログラムPから取得される。焦点位置指令データD1は、焦点位置ずれを生じていないと想定される集光光学系20を備えたレーザ加工機14に対して指令される焦点位置(相対位置又は絶対位置)の指令値に相当する。

0028

また学習データセットDSのうち、光の物理量Qの検出データD2(以下、光検出データD2とも称する)は、焦点位置指令データD1の焦点位置指令を含む加工指令の下でレーザ光Lが被加工物Wに照射されたときに加工環境において感知される光の実測値として、光検出器16から取得される。光検出データD2は、加工プログラムPで指令されるレーザ発振器18の発振条件(出力、周波数、パルス幅等)、集光光学系20の作動条件(焦点位置、集光径、加工速度、アシストガス圧等)といった加工条件の違いや、被加工物Wの種類(形状、表面状態材質、温度等)の違いに応じた、様々に異なる値(物理量Q)として光検出器16から取得される。

0029

学習部36は、例えば電算機のプロセッサ(その一機能)として構成でき、或いは、例えば電算機のプロセッサを機能させるためのプログラム(その一部)として構成できる。学習部36は、機械学習と総称される任意の学習アルゴリズムに従い、被加工物Wと集光光学系20の実効的集光位置Fとの位置関係Rを学習するための演算処理を行う。

0030

前述したように、データ取得部34が取得する光検出データD2は、焦点位置を含む加工条件や被加工物Wの種類に応じた光の物理量Qを表すものである。特に、焦点位置指令データD1と光検出データD2とは、線形的な相関性を有すると考えられている。また焦点位置以外の加工条件や被加工物Wの種類も、光検出データD2と何らかの相関性を有することが想定される。学習部36は、焦点位置指令データD1と、当該焦点位置指令に呼応して検出された光検出データD2とから、両データD1、D2の相関性を学習する。この学習サイクルを、多種多様な加工条件の下で多種多様な被加工物Wに対し反復実行することにより、学習部36は、光の物理量Qと位置関係Rとの相関性を表す学習モデルMを生成することができる。

0031

例えば、材質や寸法が同一の被加工物Wに対して同一の加工条件でレーザ光を照射した場合であっても、被加工物Wの被照射面の形状や状態や温度が異なると、検出される光の物理量Qも異なるものとなる。また実質的に同一種類の被加工物Wに対し様々に異なる加工条件でレーザ光Lを照射すると、焦点位置が同じであっても様々に異なる光の物理量Qが検出される。したがって、形状、表面状態、材質、温度等が異なる複数種類の被加工物Wに対してレーザ発振器18の発振条件や集光光学系14の作動条件が様々に異なる複数の加工条件でレーザ光Lを照射して取得された多種多様な学習データセットDSを用いることで、信頼性の高い学習モデルMを生成することが可能になる。

0032

仮に学習開始時に光の物理量Qと位置関係Rとの相関性が実質的に未知であったとしても、学習部36は、学習を進めるに従い徐々に相関性を解釈する。光の物理量Qと位置関係Rとの相関性が、ある程度信頼できる水準まで解釈されると、学習部36が生成する学習モデルMは、現在状態の(つまり熱等の外乱により焦点距離が変化している可能性の有る)集光光学系20を備えたレーザ加工機14に対して、加工プログラムPで指令される焦点位置の現在状態の(つまり補正前の)指令値を、どの程度補正するべきかという行動の選択を行うために使用できるものとなる。つまり学習部16は、学習アルゴリズムの進行に伴い、光の物理量Qと位置関係Rとの相関性を表す学習モデルMを、最適解に徐々に近づけることができる。なお、焦点位置指令データD1が相対位置の指令値であるか絶対位置の指令値であるかに関わらず、学習部36が学習する位置関係Rは、被加工物Wと実効的集光位置Fとの相対位置で表現されるものであってもよいし、実効的集光位置Fの絶対位置で表現されるものであってもよい。

0033

図3は、機械学習装置10が実行する一実施形態による機械学習方法をフローチャートで示す。図示の学習フローでは、ステップS1で、形状、表面状態、材質、温度等の現在状態が異なる複数種類の被加工物Wから、学習対象とする被加工物Wを選択する。選択する被加工物Wは、加工工程の実行により現実にレーザ加工される被加工物Wでもよいし、学習用別途用意した被加工物Wでもよい。ステップS2で、レーザ加工機14が対応可能な加工条件(レーザ発振器18の発振条件、集光光学系20の作動条件)を満たす様々な加工指令から、学習対象の被加工物Wをレーザ加工するための加工指令を選択する。選択する加工指令は、加工工程の実行により被加工物Wを現実にレーザ加工するための加工指令でもよいし、学習用に別途用意した加工指令でもよい。ステップS1及びS2の選択行為は、レーザ加工システム12で機械学習装置10により学習を行う操作者随意に行うことができる。

0034

選択した加工指令に従い、ステップS3で、レーザ発振器18にレーザ光Lを発振させ、集光光学系20を通して学習対象の被加工物Wにレーザ光Lを照射させる。ステップS3は、レーザ加工システム12の操作者が、学習対象の被加工物Wをワークテーブルに載置し、選択した加工指令を記述する加工プログラムPを制御装置22に与えることで実行される。ステップS4で、レーザ加工機14に与えられる集光光学系20の焦点位置指令のデータD1と、焦点位置指令を含む加工指令に従ってレーザ発振器18からレーザ光が出力されたときに検出される光の物理量Qの検出データD2とを、学習データセットDSとして取得する。ステップS4では、機械学習装置10のデータ取得部34が、加工プログラムPから焦点位置指令データD1を取得するとともに、光検出器16から光検出データD2を取得する。

0035

取得した学習データセットDSを用いて、ステップS5で、光の物理量Qと位置関係Rとの相関性を表す学習モデルMを生成する。ステップS5では、機械学習装置10の学習部36が、学習アルゴリズムに従い焦点位置指令データD1と光検出データD2との相関性を学習し、その結果として学習モデルMを生成する。ステップS6で、学習モデルMを生成するための学習データセットDSが充足しているか否か、すなわち学習モデルMが信頼水準に到達しているか否かを、操作者が判断する。学習データセットDSが充足していると判断した場合、学習フローを終了する。

0036

学習データセットDSが充足していないと判断した場合、ステップS7で、加工指令を変更するか否かを操作者が判断する。加工指令を変更すると判断した場合、ステップS2に戻り前回とは別の加工指令を選択して、以降の学習フローを継続する。加工指令を変更しないと判断した場合、ステップS8で、被加工物Wを変更するか否かを操作者が判断する。被加工物Wを変更すると判断した場合、ステップS1に戻り、前回とは別の被加工物Wを選択して、以降の学習フローを継続する。被加工物Wを変更しないと判断した場合は、学習モデルMが信頼水準に到達していない状態で学習フローを終了する。

0037

上記学習フローは少なくとも、複数の異なる焦点位置指令データD1を含む複数の異なる学習データセットDSを用いて実行される。異なる焦点位置指令データD1の個数又は位置間ピッチは、学習モデルMの要求される信頼性(精度及び確度)に応じて設定される。個々の焦点位置指令データD1に組み合わされる光検出データD2の個数(焦点位置以外の加工条件や被加工物Wの違いに応じたもの)は、学習モデルMの要求される信頼性に加え、学習に許容される時間やコストを考慮して決定される。

0038

上記したように、機械学習装置10によれば、集光光学系20を有するレーザ加工機14で被加工物Wを加工するときの、被加工物Wと集光光学系20の実効的集光位置Fとの位置関係Rを、加工条件や被加工物Wの違いに応じて検出される光の物理量Qと関連付けて学習できる。加工工程の実行に際しては、学習時と同様にして光の物理量Qを検出することで、その検出値と学習部36が生成した学習モデルMとから、被加工物Wと実効的集光位置Fとの光検出時(つまり加工工程実行時)の位置関係Rを、加工条件や被加工物Wの違いも考慮したうえで推定できる。したがって、レーザ光照射に伴う熱等の外乱に起因して集光光学系20に焦点位置ずれが生じている場合、学習モデルMから推定した位置関係Rに基づいて、焦点位置ずれを相殺するように、加工工程における焦点位置指令を補正することができる。焦点位置指令を適正に補正することができれば、レーザ加工機14によるレーザ加工の品質の劣化が防止される。また、焦点位置ずれを解消して目標通りの実効的集光位置Fでレーザ加工を継続することで、集光光学系20の構成部品(特にレンズや保護窓)の汚損過熱を軽減でき、構成部品の寿命を延長できる。

0039

加工工程の実行に際し、学習モデルMを生成する際(つまり学習用)の加工指令(焦点位置指令を除く)と同じ加工指令で、学習用の被加工物Wと同じ被加工物Wを加工する場合は、学習モデルMを用いることで、加工工程実行時の位置関係Rを正確に推定できる。現実の加工工程における加工指令や被加工物Wが学習用のものと異なる場合であっても、前述した学習フローの反復実行により学習モデルMの信頼性を向上させることで、加工工程実行時の位置関係Rの推定が可能になる。

0040

学習モデルMの信頼性を向上させる方策の一つが、前述したように形状、表面状態、材質、温度等が異なる複数種類の被加工物Wを学習用に用いることである。他の方策として、学習データセットDSを取得する前にレーザ加工機14で被加工物Wの表面を予め加工し、加工した表面に対してレーザ光Lを照射したときの光検出データD2を用いて学習モデルMを生成することができる。この方策によれば、被加工物Wの表面状態を予め表面処理によって均一化することになるので、光検出データD2におけるノイズが低減されて学習モデルMの信頼性が向上する。

0041

学習モデルMの信頼性を向上させるさらに他の方策として、多種多様な加工条件や被加工物Wを予めある程度類似した加工条件や被加工物Wにグループ分けして複数の条件グループを設定し、個々の条件グループで学習を実行することによりそれぞれに対応する複数種類の学習モデルMを生成することができる。加工工程の実行に際しては、当該加工工程における加工条件や被加工物Wが属する条件グループに対応した学習モデルMを、複数種類の学習モデルMから選択して用いることで、加工工程実行時の位置関係Rを正確に推定できる。

0042

上記構成を有する機械学習装置10では、学習部36が実行する学習方法は特に限定されず、例えば教師あり学習教師なし学習強化学習等の、機械学習として公知の学習方法を採用できる。教師あり学習は、入力データとそれに対応する出力データ(一般に教師データやラベル等と呼称される)との既知の学習データセットが予め大量に与えられ、それら既知の学習データセットから入力データと出力データとの相関性を暗示する特徴を識別することで、新たな入力に対する所要の出力を推定するための相関性モデル(機械学習装置10では学習モデルM)を生成する手法である。これに対し、教師なし学習や強化学習は、入力と出力との関係が未知の状態から学習が開始される。

0043

図4は、教師あり学習を実行する本開示の他の実施形態による機械学習装置40を機能ブロックで示す。以下、図4及び図2を参照して機械学習装置40の構成を説明する。なお機械学習装置40は、学習方法として教師あり学習を実行する点以外は、前述した機械学習装置10と同様の構成を有するものであって、対応する構成の説明を適宜省略する。

0044

機械学習装置40は、レーザ加工機14に与えられる集光光学系20の焦点位置指令のデータD1と、当該焦点位置指令を含む加工指令に従ってレーザ発振器18からレーザ光Lが出力されたときに検出される光の物理量Qの検出データD2とを、学習データセットDSとして取得するデータ取得部42と、学習データセットDSを用いて、検出された光の物理量Qと位置関係Rとの相関性を表す学習モデルMを生成する学習部44とを備える。学習部44は、焦点位置指令データD1を教師データD1とする既知の学習データセットDSから、光検出データD2と教師データD1との相関性を学習する。この学習サイクルを多種多様な既知の学習データセットDSで反復実行することにより、学習モデルMが生成される。

0045

学習部44は、現時点で生成されている学習モデルMと、次に取得する既知の学習データセットDSから識別される教師データD1と光検出データD2との相関性特徴とを対比して、両者の誤差Eを計算する誤差計算部46と、誤差Eを縮小するように学習モデルMを更新するモデル更新部48とを備える。学習部44は、モデル更新部48が学習モデルMの更新を繰り返すことによって位置関係Rの学習を深化させ、生成する学習モデルMの信頼性を向上させる。図3に示す学習フローでは、ステップS5で、学習部44が学習モデルMの更新を実行する。

0046

教師あり学習を実行する機械学習装置40によれば、前述した機械学習装置10が生ずる効果に加えて、既知の学習データセットDSを用いることで学習効率が向上し、信頼性の高い学習モデルMを迅速に生成できる効果が得られる。なお図2のレーザ加工システム12は、機械学習装置10に代えて機械学習装置40を備えることができる。

0047

機械学習装置40は、教師あり学習の代わりに半教師あり学習を実行することもできる。半教師あり学習では、教師データD1と光検出データD2との既知の学習データセットDSに基づき、教師データD1とは異なる焦点位置指令データD1を別の光検出データD2に意図的に対応付けて、新たな学習データセットDSとする。予め用意する既知の学習データセットDSの数が少ない場合にも、位置関係Rの学習を深化させることができる。或いは、学習の初期段階は学習部44が教師あり学習を実行し、学習がある程度進行した段階で、教師あり学習で得た学習モデルMを初期値として学習部44が教師なし学習や強化学習を実行するように構成することもできる。

0048

機械学習装置10、40において、データ取得部34、42は、所定タイミングで検出された光の瞬時値のデータを光検出データD2として取得でき、また所定時間に渡って検出された光の時系列データを光検出データD2として取得できる。光検出データD2として光の時系列データを取得することで学習精度が向上する。

0049

図5A図5Eは、データ取得部34、42が取得する時系列データとしての光検出データD2を例示する。各図において、横軸は時間であり、縦軸は光強度である。また図5A図5Eの検出データD2は、異なる焦点位置指令データD1(又は教師データD1)に対応して実測された光強度(光の物理量Q)を表す。焦点位置以外の加工条件や被加工物Wの種類は同一である。例えば焦点位置指令が、被加工物Wの被照射面に対する焦点の相対位置の指令値である場合、個々の光検出データD2に対応する焦点位置指令データD1(又は教師データD1)は、図5A:+2.0mm、図5B:+1.0mm、図5C:0.0mm、図5D:−1.0mm、図5E:−2.0mmである。正の符号は、集光光学系20から見て焦点位置が被加工物Wの被照射面の手前にあることを意味し、負の符号は、集光光学系20から見て焦点位置が被加工物Wの被照射面よりも奥にあることを意味する。図5Cは、レーザ光Lが被加工物Wの被照射面で集光したときの検出データD2を示す。

0050

図示のように、焦点位置指令データD1(又は教師データD1)と光検出データD2とは、1対1の線形的な相関性を有する。図5A図5Eの光検出データD2を見比べると、所定時刻に検出された光の瞬時値のデータを光検出データD2として取得した場合は、両データD1、D2の1対1の相関性が不明瞭になる可能性が有る。これに対し、所定時間に渡る光の時系列データを光検出データD2として取得すれば、図5A図5Eから理解されるように、焦点位置指令データD1(又は教師データD1)毎に光検出データD2の波形の違いが明らかであるから、両データD1、D2の1対1の相関性が明確に解釈される。その結果、学習部36、44による学習精度が向上し、信頼性の高い学習モデルMを生成することが可能になる。

0051

加工工程の実行に際し、被加工物Wにレーザ光Lを照射した結果としての光の物理量Qの検出データD2が、例えば図5Aに示す光検出データD2と実質的に同じであった場合、光検出時(つまり加工工程実行時)の被加工物Wと実効的集光位置Fとの位置関係Rは、+2.0mm(相対位置)として推定される。このときの焦点位置指令が+1.0mm(相対位置)であったとすると、その後の焦点位置指令を−1.0mmだけ補正することで、加工行程中の実効的集光位置Fを焦点位置指令に正確に合致させることができる。

0052

光検出データD2として光の時系列データを取得する場合、学習部36、44は、時系列データに対して正規化平滑化フーリエ変換関数近似及び微分のうちいずれかの処理を行うことができる。このような前処理を行うことで、学習部36、44は学習に適した光検出データD2を用いて学習モデルMを生成できるから、学習効率が向上する。

0053

機械学習装置10、40において、データ取得部34、42は、レーザ光Lが被加工物Wに照射されたときに加工環境で感知される光における複数の異なる部位で検出された複数のデータを、光検出データD2として取得することができる。例えばレーザ加工システム12において、複数の異なる位置に光検出器16を設置して、被加工物Wに照射されたレーザ光Lの反射光や、被加工物Wへのレーザ光Lの照射により発生する発生光(プラズマ、熱放射等)を、異なる位置で同時に検出するように構成できる。同一の光の異なる部位を同時に検出した複数の光検出データD2を取得することで、学習精度が向上する。

0054

図6A図6Eは、データ取得部34、42が取得する時系列データとしての光検出データD2であって、同じ光を2箇所で同時に検出した検出データD2(各図の検出データ1及び2)を例示する。各図において、横軸は時間であり、縦軸は光強度である。また図6A図6Eの光検出データD2は、異なる焦点位置指令データD1(又は教師データD1)に対応して実測された光強度(光の物理量Q)を表す。焦点位置以外の加工条件や被加工物Wの種類は同一である。例えば焦点位置指令が、被加工物Wの被照射面に対する焦点の相対位置の指令値である場合、個々の光検出データD2(検出データ1及び2)に対応する焦点位置指令データD1(又は教師データD1)は、図6A:−2.0mm、図6B:−1.0mm、図6C:0.0mm、図6D:+1.0mm、図6E:+2.0mmである。正の符号は、集光光学系20から見て焦点位置が被加工物Wの被照射面の手前にあることを意味し、負の符号は、集光光学系20から見て焦点位置が被加工物Wの被照射面よりも奥にあることを意味する。図6Cは、レーザ光Lが被加工物Wの被照射面で集光したときの検出データD2を示す。

0055

図示のように、焦点位置指令データD1(又は教師データD1)と光検出データD2(検出データ1及び2)とは、1対1の線形的な相関性を有する。図6A図6Eの光検出データD2を見比べると、所定時刻に2箇所同時に検出された光の瞬時値のデータを光検出データD2(検出データ1及び2)として取得した場合であっても、両データD1、D2の1対1の相関性を解釈できる。さらに、所定時間に渡る2箇所同時検出の光の時系列データを光検出データD2(検出データ1及び2)として取得すれば、図6A図6Eから理解されるように、焦点位置指令データD1(又は教師データD1)毎に光検出データD2の波形の違いが明らかであるだけでなく、2箇所で同時に検出した光検出データD2(検出データ1及び2)同士の波形の違いも明らかであるから、両データD1、D2の1対1の相関性が、1箇所検出の図5A図5Eの光検出データD2よりも一層明確に解釈される。その結果、学習部36、44による学習精度が向上し、信頼性の高い学習モデルMを生成することが可能になる。同じ光における同時検出部位の数が増えるほど学習精度の向上が期待される。

0056

加工工程の実行に際しては、被加工物Wにレーザ光Lを照射したときに学習時と同様に2箇所同時に検出した光の物理量Qの検出データD2が、例えば図6Aに示す光検出データD2と実質的に同じであった場合、光検出時(つまり加工工程実行時)の被加工物Wと実効的集光位置Fとの位置関係Rは、−2.0mm(相対位置)として推定される。このときの焦点位置指令が0.0mm(相対位置)であったとすると、その後の焦点位置指令を+2.0mmだけ補正することで、加工行程中の実効的集光位置Fを焦点位置指令に正確に合致させることができる。

0057

機械学習装置10、40において、データ取得部34、42は、予め定めた波長の光において検出されたデータを光検出データD2として取得することができる。例えばレーザ加工システム12において、光検出器16が、被加工物Wに照射されたレーザ光Lの反射光と被加工物Wへのレーザ光Lの照射により発生する発生光(プラズマ、熱放射等)との双方を同時に検出可能な位置に配置されている場合、光検出器16に、反射光及び発生光(プラズマ、熱放射等)のいずれかの光だけを透過する光学フィルタ付設することができる。学習に用いる光検出データD2を反射光及び発生光(プラズマ、熱放射等)のうちいずれかのみに限定することで、学習効率及び学習モデルMの信頼性が向上する。

0058

機械学習装置10、40において、学習部36、44が教師あり学習等の手法で学習を進める際には、決定木、ニューラルネットワーク等の公知の学習アルゴリズムを用いることができる。図7Aは、ニューロンのモデルを模式的に示す。図7Bは、図7Aに示すニューロンを組み合わせて構成した三層のニューラルネットワークのモデルを模式的に示す。ニューラルネットワークは、例えば、ニューロンのモデルを模した演算装置記憶装置等によって構成できる。

0059

図7Aに示すニューロンは、複数の入力x(図では例として入力x1〜x3)に対し結果yを出力する。個々の入力x(x1、x2、x3)にはそれぞれに重みw(w1、w2、w3)が乗算される。図7Bに示す三層のニューラルネットワークは、左側から複数の入力x(図では例として入力x1〜入力x3)が入力され、右側から結果y(図では例として結果y1〜結果y3)が出力される。図示の例では、入力x1、x2、x3のそれぞれに対応の重み(総称してW1で表す)が乗算されて、個々の入力x1、x2、x3がいずれも3つのニューロンN11、N12、N13に入力されている。

0060

図7Bでは、ニューロンN11〜N13の各々の出力を、総称してZ1で表す。Z1は、入力ベクトルの特徴量を抽出した特徴ベクトルと見なすことができる。図示の例では、特徴ベクトルZ1のそれぞれに対応の重み(総称してW2で表す)が乗算されて、個々の特徴ベクトルZ1がいずれも2つのニューロンN21、N22に入力されている。特徴ベクトルZ1は、重みW1と重みW2との間の特徴を表す。また図7Bでは、ニューロンN21〜N22の各々の出力を、総称してZ2で表す。Z2は、特徴ベクトルZ1の特徴量を抽出した特徴ベクトルと見なすことができる。図示の例では、特徴ベクトルZ2のそれぞれに対応の重み(総称してW3で表す)が乗算されて、個々の特徴ベクトルZ2がいずれも3つのニューロンN31、N32、N33に入力されている。特徴ベクトルZ2は、重みW2と重みW3との間の特徴を表す。最後にニューロンN31〜N33は、それぞれ結果y1〜y3を出力する。機械学習装置10、40においては、学習データセットDSを入力xとして、学習部36、44が上記したニューラルネットワークに従う多層構造演算を行うことで、学習モデルM(結果y)を出力することができる。

0061

図8は、一実施形態によるレーザ加工システム50を機能ブロックで示す。レーザ加工システム50は、基本的構成として図2のレーザ加工システム12と同様の構成を有するものであって、対応する構成要素には共通する参照符号を付してその説明を適宜省略する。

0062

レーザ加工システム50は、機械学習装置10と、レーザ加工機14と、光検出器16とを備える。レーザ加工機14は、レーザ発振器18と、レーザ発振器18が出力したレーザ光Lを集光する集光光学系20と、集光光学系20の焦点位置を被加工物Wに対して移動制御する焦点位置制御部52とを備える。焦点位置制御部52は、その機能の点で、前述したレーザ加工システム12が有する制御装置22と駆動機構24とを統合したものに相当する。光検出器16は、焦点位置指令を含む加工指令に従ってレーザ発振器18からレーザ光が出力されたときに加工環境において感知される光の物理量Qを検出する。機械学習装置10が学習を行う際には、前述したように、データ取得部34が焦点位置制御部52から焦点位置指令のデータD1を取得するとともに光検出器16から光の物理量Qの検出データD2を取得し、学習部36がそれらデータD1及びD2を含む学習データセットDSを用いて光の物理量Qと位置関係Rとの相関性を表す学習モデルMを生成する。

0063

レーザ加工システム50はさらに、学習部36が生成した学習モデルMと光検出器16が検出した光の物理量Qとを用いて、被加工物Wを加工する間の被加工物Wと集光光学系20の実効的集光位置F(図2)との位置関係Rを推定する位置関係推定部54と、位置関係推定部54が推定した位置関係Rに基づいて、レーザ加工機14に与えられる焦点位置指令を補正する位置指令補正部56とを備える。

0064

位置関係推定部54は、例えば電算機のプロセッサ(その一機能)として構成でき、或いは、例えば電算機のプロセッサを機能させるためのプログラム(その一部)として構成できる。また、機械学習装置10又は制御装置22(図2)に位置関係推定部54を組み込むこともできる。レーザ加工機14が加工プログラムに従い被加工物Wに対し加工工程を実行する際に、光検出器16は、学習時と同様にして光の物理量Qを検出し、位置関係推定部54は、光検出器16が検出した光の物理量Qを学習部36が生成した学習モデルMと照合して、被加工物Wと実効的集光位置Fとの光検出時(つまり加工工程実行時)の位置関係Rを推定する。

0065

位置指令補正部56は、例えば電算機のプロセッサ(その一機能)として構成でき、或いは、例えば電算機のプロセッサを機能させるためのプログラム(その一部)として構成できる。また、機械学習装置10又は制御装置22(図2)に位置指令補正部56を組み込むこともできる。レーザ加工機14が加工プログラムに従い被加工物Wに対し加工工程を実行する際に、位置指令補正部56は、位置関係推定部54が推定した位置関係Rに基づいて、レーザ光照射に伴う熱等の外乱に起因して集光光学系20に生じている可能性の有る焦点位置ずれを相殺するように、加工プログラムに記述されている焦点位置指令を補正する。

0066

レーザ加工システム50によれば、加工工程の実行に際して、位置関係推定部54が推定した位置関係Rに基づいて位置指令補正部56が焦点位置指令を補正するから、機械学習装置10による前述した効果と相乗して、レーザ加工機14の焦点位置ずれの補正精度を向上させることができる。焦点位置指令を精度良く補正することができれば、レーザ加工機14によるレーザ加工の品質の劣化が防止される。また、焦点位置ずれを解消して目標通りの実効的集光位置Fでレーザ加工を継続することで、集光光学系20の構成部品の汚損や過熱を軽減でき、構成部品の寿命を延長できる。

0067

しかもレーザ加工システム50によれば、レーザ加工機14が加工プログラムに従い被加工物Wに対し加工工程を実行している最中に、光検出器16が検出した光の物理量Qを学習部36が生成した学習モデルMと照合することで、加工工程実行時の被加工物Wと実効的集光位置Fとの位置関係Rを実時間で推定し、必要に応じて即座に焦点位置指令を補正できる。レーザ加工システム50は、これら検出、推定、補正といった行為を人手によらず自動的に実行できるから、加工不良を生じることなく長時間の無人運転が可能になる。この場合、加工工程実行中に検出された光の物理量Qを学習部36が光検出データD2として用いることで、機械学習装置10が学習モデルMを随時更新することもできる。

0068

レーザ加工システム50では、加工工程を実行する直前段取り作業一環として、光の物理量Qの検出、位置関係Rの推定及び焦点位置指令の補正を実行することもできる。段取り作業で焦点位置指令を補正できれば、被加工物Wを無駄なく高品質に加工することができる。この場合、実際に加工する被加工物Wとは別に、段取り作業(つまり焦点位置指令の補正)専用の被加工物Wを用いることもできる。学習時の諸条件と同じ条件で補正専用の被加工物Wをレーザ加工することで、検出した光の物理量Qと学習モデルMとの照合の確度が高まり、位置関係推定部54による位置関係Rの推定精度を向上させることができる。なおレーザ加工システム50は、機械学習装置10に代えて機械学習装置40を備えることもできる。

0069

図9は、他の実施形態によるレーザ加工システム60を機能ブロックで示す。レーザ加工システム60は、図8のレーザ加工システム50に機能を追加したものであって、対応する構成要素には共通する参照符号を付してその説明を適宜省略する。

0070

レーザ加工システム60は、レーザ加工システム50の構成要素に加えて、位置関係推定部54が位置関係Rを推定したときの焦点位置指令と実効的集光位置F(図2)との差が、予め定めた閾値を超えるときに、報知動作を行う報知部62をさらに備える。

0071

報知部62は、例えば電算機のプロセッサ(その一機能)として構成でき、或いは、例えば電算機のプロセッサを機能させるためのプログラム(その一部)として構成できる。また、機械学習装置10又は制御装置22(図2)に報知部62を組み込むこともできる。レーザ加工機14が加工プログラムに従い被加工物Wに対し加工工程を実行する際に、推定された位置関係Rに対応する焦点位置指令と実効的集光位置Fとの乖離が過大な場合、報知部62は、例えば機械学習装置10や制御装置22に、人が感知可能な音、光、画像表示等を生じさせることができる。閾値はレーザ加工システム60の設計者や操作者が経験等に従って予め設定できる。例えば、集光光学系20の構成部品の汚損や劣化が保守交換等の作業を要する程度に進行しているときに、適当な閾値を定めておくことで報知部62の報知動作によりそのような作業の準備や実施を操作者等に促すことができ、結果としてシステム休止時間を短縮することができる。

0072

レーザ加工システム60はさらに、報知部62とレーザ加工機14の周辺機器64との通信確立するネットワーク66を備えることができる。レーザ加工システム60の操作者等がレーザ加工機14の近辺にいない場合であっても、例えばネットワーク66に接続されたモニタやパーソナルコンピュータ等の周辺機器64を介して、遠隔した場所で操作者等が報知部62の報知動作を知覚することができる。

0073

図10は、さらに他の実施形態によるレーザ加工システム70を機能ブロックで示す。レーザ加工システム70は、図8のレーザ加工システム50に機能を追加したものであって、対応する構成要素には共通する参照符号を付してその説明を適宜省略する。

0074

レーザ加工システム70は、レーザ加工システム50の構成要素に加えて、被加工物Wの加工用の指令値よりも低エネルギーとなる学習用又は推定用の指令値を加工指令としてレーザ発振器18に与える指令部72をさらに備える。ここで指令部72がレーザ発振器18に与える指令値は、レーザ発振器18から放出されるレーザ光のエネルギーを決める値であって、例えばレーザ発振器18が対応可能な発振条件(出力、周波数、パルス幅等)に関する値である。

0075

指令部72は、例えば電算機のプロセッサ(その一機能)として構成でき、或いは、例えば電算機のプロセッサを機能させるためのプログラム(その一部)として構成できる。また、機械学習装置10又は制御装置22(図2)に指令部72を組み込むこともできる。機械学習装置10が前述した学習を実行する際に、指令部72は、被加工物Wの加工工程で一般的に用いられる指令値よりも低いエネルギーでのレーザ光放出を指令する学習用の指令値で、レーザ発振器18からレーザ光を放出させる。学習用の低エネルギーのレーザ光によって被加工物Wの表面を意図的に時間を掛けて加工すれば、光検出器16によって検出される光の時系列データ(例えば図5A図6E)がその変動を認識し易いものとなり、学習部36による光の物理量Qと位置関係Rとの相関性の解釈が促進される。或いは、レーザ加工機14が加工プログラムに従い被加工物Wに対し加工工程を実行する際に、指令部72は、被加工物Wの加工工程で一般的に用いられる指令値よりも低いエネルギーでのレーザ光放出を指令する推定用の指令値で、レーザ発振器18からレーザ光を放出させる。推定用の低エネルギーのレーザ光によって被加工物Wの表面を意図的に時間を掛けて加工すれば、光検出器16によって検出される光の時系列データ(例えば図5A図6E)がその変動を認識し易いものとなり、位置関係推定部54による加工工程実行時の位置関係Rの推定精度が向上する。また、加工工程実行対象の被加工物Wを無駄に加工することが回避される。

0076

レーザ加工システム70において、指令部72は、学習用又は推定用の指令値を随時変更しながらレーザ発振器18に与えることができる。学習中のレーザ光エネルギーを変化させることで学習データセットDSが増加し、学習部36による学習が促進される。また推定中のレーザ光エネルギーを変化させることで、加工工程実行時に検出した光の物理量Qと学習モデルMとの照合の精度及び確度が高まり、位置関係推定部54による推定精度が向上する。

0077

レーザ加工システム70において、焦点位置制御部52は、指令部72が学習用又は推定用の指令値をレーザ発振器18に与える間、集光光学系20の焦点位置を随時移動させることができる。学習中の焦点位置を移動させることで学習データセットDSが増加し、学習部36による学習が促進される。また推定中の焦点位置を移動させることで、加工工程実行時に検出した光の物理量Qと学習モデルMとの照合の精度及び確度が高まり、位置関係推定部54による推定精度が向上する。

0078

レーザ加工システム60、70においても、基本的に、レーザ加工システム50と同等の効果が奏される。またレーザ加工システム60、70は、機械学習装置10に代えて機械学習装置40を備えることもできる。

0079

10、40機械学習装置
12、50、60、70レーザ加工システム
14レーザ加工機
16光検出器
18レーザ発振器
20集光光学系
22制御装置
24駆動機構
34、42データ取得部
36、44 学習部
52焦点位置制御部
54位置関係推定部
56位置指令補正部
62報知部
64周辺機器
66ネットワーク
72指令部

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

該当するデータがありません

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

この 技術と関連性が強い技術

該当するデータがありません

この 技術と関連性が強い法人

該当するデータがありません

この 技術と関連性が強い人物

該当するデータがありません

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ