JP6829271B2 - 測定動作パラメータ調整装置、機械学習装置及びシステム - Google Patents
測定動作パラメータ調整装置、機械学習装置及びシステム Download PDFInfo
- Publication number
- JP6829271B2 JP6829271B2 JP2019001207A JP2019001207A JP6829271B2 JP 6829271 B2 JP6829271 B2 JP 6829271B2 JP 2019001207 A JP2019001207 A JP 2019001207A JP 2019001207 A JP2019001207 A JP 2019001207A JP 6829271 B2 JP6829271 B2 JP 6829271B2
- Authority
- JP
- Japan
- Prior art keywords
- measurement operation
- measurement
- learning
- operation parameter
- adjustment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
- G01B21/04—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness by measuring coordinates of points
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Description
図1は一実施形態による測定動作パラメータ調整装置の要部を示す概略的なハードウェア構成図である。測定動作パラメータ調整装置1は、例えばロボット等の製造機械等を制御する制御装置や、製造機械等に併設されたパソコンとして実装することができる。また、測定動作パラメータ調整装置1は、製造機械等に有線/無線のネットワークを介して接続されたセルコンピュータ、エッジコンピュータ、フォグコンピュータ、ホストコンピュータ、クラウドサーバ等のコンピュータとして実装することができる。本実施形態では、測定動作パラメータ調整装置1を、製造機械等に併設されたパソコンとして実装した場合の例を示す。
なお、三層以上の層を為すニューラルネットワークを用いた、いわゆるディープラーニングの手法を用いることも可能である。
なお、他の一般的な学習モデルの最適化乃至効率化の手法(各学習モデルを解析し、その解析結果に基づいて学習モデルのハイパパラメータを最適化する等)も適宜導入することが可能である。
コンピュータ5が備えるCPU511は、コンピュータ5を全体的に制御するプロセッサである。CPU511は、ROM512に格納されたシステム・プログラムをバス520を介して読み出し、該システム・プログラムに従ってコンピュータ5全体を制御する。RAM513には一時的な計算データ、入力装置531を介して作業者が入力した各種データ等が一時的に格納される。
なお、機械学習装置100については、コンピュータ5のCPU511と協働して学習モデルの最適化乃至効率化に用いられる点を除けば、図1で説明したものと同様のハードウェア構成を備える。
2 測定装置
3 機械
4 制御装置
5 コンピュータ
6 クラウドサーバ
7 フォグコンピュータ
8 エッジコンピュータ
9 セル
11 CPU
12 ROM
13 RAM
14 不揮発性メモリ
17,18,19 インタフェース
20 バス
21 インタフェース
70 表示装置
71 入力装置
100 機械学習装置
101 プロセッサ
102 ROM
103 RAM
104 不揮発性メモリ
106 状態観測部
108 判定データ取得部
109 ラベルデータ取得部
110 学習部
112 報酬計算部
114 価値関数更新部
122 意思決定部
170 システム
172 ネットワーク
511 CPU
512 ROM
513 RAM
514 不揮発性メモリ
516、516,517 インタフェース
520 バス
530 表示装置
531 入力装置
Claims (14)
- 測定対象物の設置位置を測定する測定装置で実行される測定動作の測定動作パラメータを調整する測定動作パラメータ調整装置であって、
前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記測定動作パラメータの調整をモデル化した学習モデルを用いた学習乃至意思決定をする機械学習装置を備え、
前記機械学習装置は、
前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測する状態観測部と、
前記測定動作の測定動作パラメータに基づいて実行された測定動作の適否を判定する測定動作判定データを、前記測定動作の適否判定結果を示す判定データとして取得する判定データ取得部と、
前記状態変数と前記判定データとを用いて、前記測定動作に掛かる時間と、前記測定動作の測定動作パラメータの調整とを関連付けて学習した前記学習モデルを生成する学習部と、を備える、
測定動作パラメータ調整装置。 - 前記状態観測部は、更に前記測定対象物の品種情報を示す品種データを、環境の現在状態を表す状態変数として観測し、
前記学習部は、前記測定動作に掛かる時間及び前記測定対象物の品種情報と、前記測定動作の測定動作パラメータの調整とを関連付けて学習する、
請求項1に記載の測定動作パラメータ調整装置。 - 前記学習部は、
前記適否判定結果に関連する報酬を求める報酬計算部と、
前記報酬を用いて、前記測定動作に掛かる時間に対する前記測定動作の測定動作パラメータの調整行動の価値を表す関数を更新する価値関数更新部と、
を備え、
前記報酬計算部は、前記測定動作に掛かる時間が短い程、高い報酬を与え、前記測定動作に掛かる時間が遅い程、また、前記測定対象物、前記測定装置に破損が生じた場合、前記測定対象物が動いてしまった場合、低い報酬を与える、
請求項1又は2に記載の測定動作パラメータ調整装置。 - 前記学習部は、前記状態変数と前記判定データとを多層構造で演算する、
請求項1又は2に記載の測定動作パラメータ調整装置。 - 前記機械学習装置は、
前記状態観測部が観測した状態変数と、前記学習モデルとに基づいて、測定動作の測定動作パラメータの調整を決定する意思決定部をさらに備える、
請求項1に記載の測定動作パラメータ調整装置。 - 前記機械学習装置は、クラウドサーバに存在する、
請求項1〜5のいずれか1つに記載の測定動作パラメータ調整装置。 - 測定対象物の設置位置を測定する測定装置で実行される測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記測定動作パラメータの調整をモデル化した学習モデルを用いた学習乃至意思決定をする、
機械学習装置であって、
前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測する状態観測部と、
前記測定動作の測定動作パラメータに基づいて実行された測定動作の適否を判定する測定動作判定データを、前記測定動作の適否判定結果を示す判定データとして取得する判定データ取得部と、
前記状態変数と前記判定データとを用いて、前記測定動作に掛かる時間と、前記測定動作の測定動作パラメータの調整とを関連付けて学習した前記学習モデルを生成する学習部と、
を備える機械学習装置。 - 前記状態観測部が観測した状態変数と、前記学習モデルとに基づいて、測定動作の測定動作パラメータの調整を決定する意思決定部と、
を備える請求項7に記載の機械学習装置。 - 複数の装置がネットワークを介して相互に接続されたシステムであって、
前記複数の装置は、少なくとも請求項1に記載された第1の測定動作パラメータ調整装置を含む
システム。 - 前記複数の装置は、機械学習装置を備えたコンピュータを含み、
前記コンピュータは、前記測定動作パラメータ調整装置の前記学習部における学習により生成された少なくとも1つの学習モデルを取得し、
前記コンピュータが備える機械学習装置は、取得した前記学習モデルに基づいて最適化乃至効率化を行う、
請求項9に記載のシステム。 - 前記複数の装置は、前記第1の測定動作パラメータ調整装置とは異なる第2の測定動作パラメータ調整装置を含み、
前記第1の測定動作パラメータ調整装置が備える学習部による学習モデルは、前記第2の測定動作パラメータ調整装置と共有される、
請求項9に記載のシステム。 - 前記複数の装置は、測定装置を制御する制御装置を含み、
前記制御装置において取得された前記測定装置に係るデータは、前記ネットワークを介して前記第1の測定動作パラメータ調整装置が備える学習部による学習に利用可能である、請求項9に記載のシステム。 - 測定対象物の設置位置を測定する測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測し、該状態変数に基づいて、前記測定動作パラメータの調整をモデル化した学習モデルを用いた学習乃至意思決定をするステップを、測定対象物の設置位置を測定する測定装置で実行する測定動作パラメータの調整の学習乃至意思決定をする方法であって、
前記学習モデルを用いた学習乃至意思決定をするステップは、
前記測定動作の測定動作パラメータを示す測定動作パラメータデータ、及び該測定動作に掛かる時間を示す測定時間データを、環境の現在状態を表す状態変数として観測するステップと、
前記測定動作の測定動作パラメータに基づいて実行された測定動作の適否を判定する測定動作判定データを、前記測定動作の適否判定結果を示す判定データとして取得するステップと、
前記状態変数と前記判定データとを用いて、前記測定動作に掛かる時間と、前記測定動作の測定動作パラメータの調整とを関連付けて学習する学習するステップと、
を実行する測定動作パラメータの調整の学習乃至意思決定をする方法。 - 前記学習モデルを用いた学習乃至意思決定をするステップは、
観測した状態変数と、測定動作に掛かる時間及び測定動作の測定動作パラメータの調整を関連付けて学習した学習結果とに基づいて、測定動作の測定動作パラメータの調整を決定するステップを更に実行する、
請求項13に記載の測定動作パラメータの調整の学習乃至意思決定をする方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910271366.5A CN110340884A (zh) | 2018-04-05 | 2019-04-04 | 测定动作参数调整装置、机器学习装置以及*** |
US16/374,753 US11579000B2 (en) | 2018-04-05 | 2019-04-04 | Measurement operation parameter adjustment apparatus, machine learning device, and system |
DE102019002506.7A DE102019002506A1 (de) | 2018-04-05 | 2019-04-04 | Gerät zum Anpassen von Messvorgangsparametern, maschinelle Lernvorrichtung und System |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018073356 | 2018-04-05 | ||
JP2018073356 | 2018-04-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019184575A JP2019184575A (ja) | 2019-10-24 |
JP6829271B2 true JP6829271B2 (ja) | 2021-02-10 |
Family
ID=68340927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019001207A Active JP6829271B2 (ja) | 2018-04-05 | 2019-01-08 | 測定動作パラメータ調整装置、機械学習装置及びシステム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6829271B2 (ja) |
DE (1) | DE102019002506A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7054034B2 (ja) * | 2020-03-31 | 2022-04-13 | ダイキン工業株式会社 | 調整システムおよび調整方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11201737A (ja) * | 1998-01-17 | 1999-07-30 | Sumitomo Metal Mining Co Ltd | 三次元形状物体計測装置とこの装置を用いた三次元形状物体の計測方法 |
JP5354978B2 (ja) * | 2008-07-02 | 2013-11-27 | パナソニック株式会社 | 検査条件決定方法 |
GB0900878D0 (en) * | 2009-01-20 | 2009-03-04 | Renishaw Plc | Method for optimising a measurement cycle |
DE102010064719B3 (de) * | 2009-03-18 | 2022-06-30 | Helmut Fischer GmbH Institut für Elektronik und Messtechnik | Verfahren zur elektrischen Ansteuerung eines Messstativs |
JP6348789B2 (ja) * | 2014-03-28 | 2018-06-27 | 株式会社ダイヘン | ワーク処理装置、ワーク搬送システム |
US10545019B2 (en) * | 2015-04-14 | 2020-01-28 | Hexagon Metrology, Inc. | CMM probe path controller and method |
JP6522488B2 (ja) * | 2015-07-31 | 2019-05-29 | ファナック株式会社 | ワークの取り出し動作を学習する機械学習装置、ロボットシステムおよび機械学習方法 |
JP6316858B2 (ja) * | 2016-03-11 | 2018-04-25 | ファナック株式会社 | モータの軸精度自動測定装置 |
-
2019
- 2019-01-08 JP JP2019001207A patent/JP6829271B2/ja active Active
- 2019-04-04 DE DE102019002506.7A patent/DE102019002506A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2019184575A (ja) | 2019-10-24 |
DE102019002506A1 (de) | 2019-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10121107B2 (en) | Machine learning device and method for optimizing frequency of tool compensation of machine tool, and machine tool having the machine learning device | |
JP6836577B2 (ja) | 研磨工具摩耗量予測装置、機械学習装置及びシステム | |
CN110116371B (zh) | 研磨工具磨损量预测装置、机器学习装置以及*** | |
US10949740B2 (en) | Machine learning device, numerical controller, machine tool system, manufacturing system, and machine learning method for learning display of operation menu | |
CN106552974B (zh) | 具有移动轴异常负载警告功能的线放电加工机 | |
CN108345273B (zh) | 数值控制装置及机器学习装置 | |
US10796226B2 (en) | Laser processing apparatus and machine learning device | |
US20170090428A1 (en) | Machine learning apparatus for optimizing cycle processing time of processing machine, motor control apparatus, processing machine, and machine learning method | |
JP2019162712A (ja) | 制御装置、機械学習装置及びシステム | |
JP6652549B2 (ja) | 切粉除去装置及び情報処理装置 | |
JP6923484B2 (ja) | 加工条件調整装置及び機械学習装置 | |
JP6499710B2 (ja) | 加減速制御装置 | |
JP2019117458A (ja) | 制御装置及び機械学習装置 | |
US20190291270A1 (en) | Controller, machine learning device, and system | |
JP6542833B2 (ja) | 制御装置及び機械学習装置 | |
JP7151547B2 (ja) | 予測制御開発装置、予測制御開発方法、及び予測制御開発プログラム | |
US9952574B2 (en) | Machine learning device, motor control system, and machine learning method for learning cleaning interval of fan motor | |
JP6659652B2 (ja) | 加工条件調整装置及び機械学習装置 | |
JP6781242B2 (ja) | 制御装置、機械学習装置及びシステム | |
JP6841852B2 (ja) | 制御装置及び制御方法 | |
JP2009151383A (ja) | 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体 | |
CN110125955B (zh) | 控制装置以及机器学习装置 | |
US11579000B2 (en) | Measurement operation parameter adjustment apparatus, machine learning device, and system | |
JP2019141869A (ja) | 制御装置及び機械学習装置 | |
CN113614743A (zh) | 用于操控机器人的方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190911 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200728 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200901 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201015 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210121 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6829271 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |