特許 6890110 工作機械の熱変位補正方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6890110

(24)【登録日】2021年5月26日

(45)【発行日】2021年6月18日

(54)【発明の名称】工作機械の熱変位補正方法

(51)【国際特許分類】

   B23Q 15/18 20060101AFI20210607BHJP

   B23Q 15/00 20060101ALI20210607BHJP

   G05B 19/404 20060101ALI20210607BHJP

   G05B 19/4155 20060101ALI20210607BHJP

   G06N 3/08 20060101ALI20210607BHJP

   G06N 20/00 20190101ALI20210607BHJP

【ＦＩ】

   B23Q15/18

   B23Q15/00 301C

   G05B19/404 K

   G05B19/4155 V

   G06N3/08

   G06N20/00 130

【請求項の数】4

【全頁数】11

(21)【出願番号】特願2018-205521(P2018-205521)

(22)【出願日】2018年10月31日

(65)【公開番号】特開2020-69597(P2020-69597A)

(43)【公開日】2020年5月7日

【審査請求日】2021年4月19日

【早期審査対象出願】

(73)【特許権者】

【識別番号】000146847

【氏名又は名称】ＤＭＧ森精機株式会社

(74)【代理人】

【識別番号】100104662

【弁理士】

【氏名又は名称】村上 智司

(72)【発明者】

【氏名】入野 成弘

(72)【発明者】

【氏名】成松 宏一郎

【審査官】 松井 裕典

(56)【参考文献】

【文献】 特開平１１−１１４７７６（ＪＰ，Ａ）

【文献】 特開２０１８−１５３９０２（ＪＰ，Ａ）

【文献】 特開２０１８−１２４９２９（ＪＰ，Ａ）

【文献】 特開２０１８−１３８３２７（ＪＰ，Ａ）

【文献】 特開２００５−１８６００（ＪＰ，Ａ）

【文献】 長場 景子、進藤 智則，フィンランド発の深層学習技術が産廃処理に革新 ＡＩ搭載ロボで省人化と速度向上実現したシタラ興産，ＮＩＫＫＥＩ Ｒｏｂｏｔｉｃｓ，日本，日経ＢＰ社，2017年02月，第１９号，第７−８頁

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｂ２３Ｑ １５／００ − １５／２８

Ｇ０５Ｂ １９／１８ − １９／４１６

Ｇ０５Ｂ １９／４２ − １９／４６

Ｇ０６Ｎ ３／００ − ３／１２

Ｇ０６Ｎ ７／０８ − ９９／００

(57)【特許請求の範囲】

【請求項1】

対象のユーザ側に設置された工作機械において、前記工作機械の予め設定された測定部位の温度と、ワークと工具との間に生じる熱変位量との関係を定義したパラメータに基づき、前記測定部位の温度に応じた前記熱変位量を算出し、算出された熱変位量に応じてワークと工具との間の位置決め位置を補正する方法であって、
メーカ側において、対象のユーザ側の工作機械の稼働状態情報を取得し、取得した稼働状態情報を基に、前記ユーザ側の工作機械と同種の工作機械を用いて、取得したユーザ側の稼働状態と同じ稼働状態を再現するとともに、再現中に、前記ユーザ側の工作機械に対して設定された前記測定部位と同じ測定部位における温度、及びワークと工具との間に生じる熱変位量を測定し、得られた温度及び熱変位量を基に、機械学習によって前記パラメータを算出し、算出されたパラメータで前記ユーザ側の工作機械におけるパラメータを更新するようにしたことを特徴とする熱変位補正方法。

【請求項2】

前記稼働状態情報には、少なくとも、主軸モータ及び送りモータの負荷情報、並びに対象の前記ユーザ側の工作機械が設置される雰囲気温度情報が含まれることを特徴とする請求項１記載の熱変位補正方法。

【請求項3】

メーカ側において、更に、他のユーザが所有する同種の工作機械の稼働状態情報を取得し、取得した稼働状態情報を基に、同種の工作機械を用いて、取得した他のユーザ側の稼働状態と同じ稼働状態を再現するとともに、再現中に、前記測定部位における温度、及びワークと工具との間に生じる熱変位量を測定し、得られた他のユーザの稼働状態における温度及び熱変位量、並びに対象のユーザの稼働状態における温度及び熱変位量を基に、機械学習によって前記パラメータを算出し、算出されたパラメータで対象のユーザ側の工作機械におけるパラメータを更新するようにしたことを特徴とする請求項１又は２記載の熱変位補正方法。

【請求項4】

メーカ側において、更に、同種の工作機械を独自に稼働させて得られる前記測定部位における温度、及びワークと工具との間に生じる熱変位量を測定し、得られたメーカ側独自の稼働状態における温度及び熱変位量、並びに前記ユーザの稼働状態における温度及び熱変位量を基に、機械学習によって前記パラメータを算出し、算出されたパラメータで対象のユーザ側の工作機械におけるパラメータを更新するようにしたことを特徴とする請求項１乃至３記載のいずれかの熱変位補正方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、工作機械を構成する構造物の熱変形によって工具とワークとの間に生じる変位(熱変位）を補正する熱変位補正方法に関する。

【背景技術】

【0002】

工作機械では、当該工作機械が設置される雰囲気の温度や、その各運動機構部が動作することで生じる熱（モータの発熱や摺動部の発熱など）によって、当該工作機械を構成する構造物が熱変形し、この熱変形に起因して工具とワークとの間に変位（熱変位）を生じる。

【0003】

そこで、従来より、このような熱変位量を推定し、ワークと工具との間の位置決め位置を、推定された熱変位量に応じて補正する対応が取られている。そして最近では、このような熱変位量を機械学習によって推定する試みがなされており、下記特許文献１には、熱変位量を推定するための機械学習装置が開示されている。

【0004】

上記の機械学習装置は、同特許文献１に開示されるように、熱膨張する機械要素を有する工作機械の前記機械要素の動作状態を表す動作状態データに基づいて前記機械要素の熱変位量を推定する計算式を機械学習によって最適化する機械学習装置であって、
前記機械要素の動作状態データを取得するデータ取得手段と、
前記機械要素の熱変位量の実測値を取得する熱変位量取得手段と、
前記データ取得手段によって取得された前記機械要素の動作状態データおよび前記熱変位量取得手段によって取得された前記機械要素の熱変位量の実測値をラベルとして互いに関連付けて教師データとして記憶する記憶手段と、
前記機械要素の動作状態データおよび前記機械要素の熱変位量の実測値に基づいて機械学習を行うことで、前記機械要素の熱変位量を算出する計算式を設定する計算式設定手段と、
前記計算式設定手段によって設定された計算式に前記記憶手段に教師データとして記憶された所定期間内における前記機械要素の動作状態データを代入して、前記機械要素の熱変位量の推定値を算出する熱変位量算出手段と、
前記熱変位量算出手段によって算出された前記所定期間内における前記機械要素の熱変位量の推定値と前記記憶手段に教師データとして記憶された前記所定期間内における前記機械要素の熱変位量の実測値との差異が、所定の閾値以下であるか否かを判定する判定手段と、を備え、
前記計算式設定手段は、前記判定手段によって前記差異が所定の閾値以下でないと判定された場合に、前記計算式を再設定するとともに、前記判定手段によって前記差異が所定の閾値以下であると判定された場合に、この計算式を最適なものとして設定するように構成される。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０１８−１１１１４５号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

ところで、ユーザ側に設置される工作機械は、当然のことながら製品の加工に用いられ、常に、その製造コストの低減が求められている。このため、ユーザ側では、工作機械の稼働率を極限まで高める努力が常に払われている。

【0007】

一方、上記機械学習装置によって、機械要素の熱変位量を推定する計算式を取得するには、機械要素の熱変位量についての実測値が必要であり、このような熱変位量の実測値を得るには、当該工作機械を停止させて、工具とワークとの間の変位量を、適宜測定器を用いて測定しなければならない。また、機械学習により、熱変位量を推定する最適な計算式を取得するには、機械要素の動作状態及び熱変位量についての膨大な量のデータが必要となる。

【0008】

しかしながら、上述したように、ユーザ側において、工作機械を停止させた状態で熱変位量を測定することは、実質的にその実現が難しく、上述した従来の機械学習装置は、理論的には、熱変位量の計算式を導出することができると思われるが、実用面では、その運用が極めて困難なものであった。

【0009】

このような問題を解決するために、メーカ側において、同種の工作機械を用いて、当該機械要素の動作状態及び熱変位量についてのデータを取得し、得られたデータを用いて、熱変位量を算出するための計算式を上記機械学習装置によって導出することも考えられるが、メーカ側とユーザ側とでは、工作機械の設置環境が異なるため、必ずしも、ユーザ側に設置された工作機械に適応した熱変位量の算出式を導出することができない。

【0010】

本発明は以上の実情に鑑みなされたものであって、機械学習の手法を用いながらも、ユーザ側において、その工作機械に応じた適正な熱変位量を算出して、当該熱変位を補正することができる熱変位補正方法の提供を、その目的とする。

【課題を解決するための手段】

【0011】

上記課題を解決するための本発明は、
対象のユーザ側に設置された工作機械において、前記工作機械の予め設定された測定部位の温度と、ワークと工具との間に生じる熱変位量との関係を定義したパラメータに基づき、前記測定部位の温度に応じた前記熱変位量を算出し、算出された熱変位量に応じてワークと工具との間の位置決め位置を補正する方法であって、
メーカ側において、対象のユーザ側の工作機械の稼働状態情報を取得し、取得した稼働状態情報を基に、前記ユーザ側の工作機械と同種の工作機械を用いて、取得したユーザ側の稼働状態と同じ稼働状態を再現するとともに、再現中に、前記ユーザ側の工作機械に対して設定された前記測定部位と同じ測定部位における温度、及びワークと工具との間に生じる熱変位量を測定し、得られた温度及び熱変位量を基に、機械学習によって前記パラメータを算出し、算出されたパラメータで前記ユーザ側の工作機械におけるパラメータを更新するようにした熱変位補正方法に係る。

【0012】

本発明によれば、対象となるユーザ側に設置された工作機械において、熱変位補正が実行される。即ち、当該工作機械の予め設定された測定部位における温度と、ワーク−工具間に生じる熱変位量との関係を定義したパラメータに基づいて、当該測定部位について測定される温度に応じた熱変位量が算出され、算出された熱変位量に応じてワークと工具との間の位置決め位置が補正される。言い換えれば、熱変位補正が実行される。

【0013】

そして、このユーザ側の工作機械におけるパラメータは、メーカ側において設定されたパラメータによって更新される。具体的には、メーカ側において、ユーザ側の工作機械の稼働状態情報が取得され、取得された稼働状態情報を基に、ユーザ側の工作機械と同種の工作機械を用い、取得したユーザ側の稼働状態と同じ稼働状態となるように、当該メーカ側の工作機械が動作される。これにより、ユーザ側の工作機械の動作環境と同じ動作環境がメーカ側で再現される。そして、この再現中に、ユーザ側の工作機械に対して設定された測定部位と同じ測定部位における温度、及びワークと工具との間に生じる熱変位量が測定され、得られた温度及び熱変位量を基に、機械学習によって前記パラメータが算出される。そして、算出されたパラメータによって、ユーザ側の工作機械のパラメータが更新される。

【0014】

斯くして、この熱変位補正方法によれば、同種の工作機械について、ワーク−工具間に生じる熱変位量をユーザ側の工作機械を停止させることなく取得することができる。したがって、ユーザ側では工作機械の稼働率を低下させることなく、正確な熱変位補正を実現することができ、これにより、その加工精度の向上を図ることができる。

【0015】

また、メーカ側において、工作機械の前記各測定部位における温度データと、これに関係するワーク−工具間に生じる熱変位量データを取得することで、より多くのデータを取得することができる。そして、このような多くのデータを用いて機械学習を行うことにより、その学習効果を高めることができ、当該機械学習によって得られるパラメータをより精度の高いものとすることができる。

【0016】

尚、前記稼働状態情報には、少なくとも、主軸モータ及び送りモータの負荷情報、並びに対象の前記ユーザ側の工作機械が設置される雰囲気温度情報を含んでいるのが好ましい。これらの要素が工作機械の構造物に熱変形を生じさせるものであり、これらの情報について同じ状態となるようにメーカ側の工作機械を動作させることで、ユーザ側の工作機械の動作環境と同じ動作環境をメーカ側で再現することができる。

【0017】

また、本発明では、メーカ側において、対象のユーザに加えて、更に、他のユーザが所有する同種の工作機械の稼働状態情報を取得し、取得した稼働状態情報を基に、同種の工作機械を用いて、取得した他のユーザ側の稼働状態と同じ稼働状態を再現するとともに、再現中に、前記測定部位における温度、及びワークと工具との間に生じる熱変位量を測定し、得られた他のユーザの稼働状態における温度及び熱変位量、並びに対象のユーザの稼働状態における温度及び熱変位量を基に、機械学習によって前記パラメータを算出し、算出されたパラメータによって対象のユーザ側の工作機械におけるパラメータを更新するようにしても良い。このようにすれば、より多量の温度データ及び熱変位量データを取得することができ、より精度の高いパラメータを算出することができる。

【0018】

また、本発明では、更に、メーカ側において、同種の工作機械をメーカ側で独自に稼働させて得られる前記測定部位における温度、及びワークと工具との間に生じる熱変位量を測定し、得られたメーカ側の独自の稼働状態における温度及び熱変位量、並びに前記ユーザの稼働状態における温度及び熱変位量を基に、機械学習によって前記パラメータを算出し、算出されたパラメータで対象のユーザ側の工作機械におけるパラメータを更新するようにしても良い。このようにすれば、更に多量の温度データ及び熱変位量データを取得することができ、更に精度の高いパラメータを算出することができる。

【発明の効果】

【0019】

以上のように、本発明によれば、同種の工作機械について、ワーク−工具間に生じる熱変位量をユーザ側の工作機械を停止させることなく取得することができる。したがって、ユーザ側では工作機械の稼働率を低下させることなく、正確な熱変位補正を実現することができ、これにより、その加工精度の向上を図ることができる。

【0020】

また、メーカ側において、工作機械の各測定部位における温度データと、これに関係するワーク−工具間に生じる熱変位量データを取得することで、より多くのデータを取得することができる。そして、このような多くのデータを用いて機械学習を行うことにより、その学習効果を高めることができ、当該機械学習によって得られるパラメータをより精度の高いものとすることができる。

【図面の簡単な説明】

【0021】

【図1】本発明の一実施の形態に係る熱変位補正方法について説明するための説明図である。

【図2】本実施形態における工作機械を示した側面図である。

【図3】本実施形態における機械学習の概念を説明するための説明図である。

【図4】本実施形態における機械学習の概念を説明するための説明図である。

【発明を実施するための形態】

【0022】

以下、本発明に係る熱変位補正方法の具体的な実施の形態について、図面を参照しながら説明する。

【0023】

本例では、対象のユーザ側に設置された工作機械において、当該工作機械の予め設定された測定部位における温度と、ワーク−工具間に生じる熱変位量との関係を定義したパラメータに基づき、測定部位の温度に応じた熱変位量を算出し、算出された熱変位量に応じて、即ち、熱変位が解消されるように、ワークと工具との間の位置決め位置が補正される。そして、前記パラメータは、メーカ側において設定され、設定されたパラメータで対象ユーザ側のパラメータが更新される。以下、その詳細について説明する。

【0024】

１．共通の工作機械
本例で用いられる共通の工作機械、即ち、図１に示したメーカ側の工作機械１０Ｍ、ユーザＡの工作機械１０Ａ及びユーザＢの工作機械１０Ｂの一例を図２に示す。同図２に示すように、この工作機械１０は、ベッド１１、このベッド１１上に配設されたコラム１２、同じくベッド１１上に矢示Ｙ軸方向に移動可能に配設されたサドル１３、前記コラム１２に矢示Ｚ軸方向に移動可能に配設された主軸頭１４、前記サドル１３上に前記Ｙ軸及びＺ軸と直交するＸ軸方向に移動可能に配設されたテーブル１６、及び前記主軸頭１４に前記Ｚ軸と平行な回転軸を中心として回転可能に保持された主軸１５などを備えた立形のマシニングセンタである。

【0025】

尚、本例では工作機械１０として立形のマシニングセンタを例示しているが、当然のことながら、本発明を適用し得る工作機械１０は、このような立形マシニングセンタに限定されるものではない。

【0026】

そして、この工作機械１０は、主軸１５とテーブル１６とがＸ軸、Ｙ軸及びＺ軸の直交３軸方向に相対移動可能となっており、このような相対移動により、テーブル１６上に配設されたワークＷが主軸１５に装着された工具Ｔによって加工される。

【0027】

また、工作機械１０には、予め設定された位置（測定部位）に温度センサＳ_１〜Ｓ_ｉが設けられており、この温度センサＳ_１〜Ｓ_ｉによって各測定部位の温度（ｔ_１〜ｔ_ｉ）が測定される。ｉは１〜ｎ自然数である。

【0028】

２．対象ユーザ側における熱変位補正
本例では、図１に示すユーザＡを対象ユーザとするが、ユーザＢも対象ユーザとなり得る。ユーザＡの工作機械１０Ａでは、例えば、Ｘ軸方向の熱変位量Ｄ_Ｘは下式数式１によって算出される。
（数式１）
Ｄ_Ｘ＝１／（１＋ｅｘｐ（−（（ΣＡ_Ｘｊ・Ｋｗ_Ｘｊ）＋Ｋｖ_Ｘ））
Ａ_Ｘｊ＝１／（１＋ｅｘｐ（−（（ΣＨｗ_Ｘｉ，ｊ・ｔ_ｉ）＋Ｖ_Ｘｊ））

【0029】

また、Ｙ軸方向の熱変位量Ｄ_Ｙは下式数式２によって算出される。
（数式２）
Ｄ_Ｙ＝１／（１＋ｅｘｐ（−（（ΣＡ_Ｙｊ・Ｋｗ_Ｙｊ）＋Ｋｖ_Ｙ））
Ａ_Ｙｊ＝１／（１＋ｅｘｐ（−（（ΣＨｗ_Ｙｉ，ｊ・ｔ_ｉ）＋Ｖ_Ｙｊ））

【0030】

そして、Ｚ軸方向の熱変位量Ｄ_Ｚは下式数式３によって算出される。
（数式３）
Ｄ_Ｚ＝１／（１＋ｅｘｐ（−（（ΣＡ_Ｚｊ・Ｋｗ_Ｚｊ）＋Ｋｖ_Ｚ））
Ａ_Ｚｊ＝１／（１＋ｅｘｐ（−（（ΣＨｗ_Ｚｉ，ｊ・ｔ_ｉ）＋Ｖ_Ｚｊ））

【0031】

但し、上記数式１〜３において、ｉは１〜ｎの自然数であり、ｊは１〜ｍの自然数である。また、上記Ａ_Ｘｊ、Ａ_Ｙｊ、Ａ_Ｚｊ、Ｋｗ_Ｘｊ、Ｋｗ_Ｙｊ、Ｋｗ_Ｚｊ、Ｋｖ_Ｘ、Ｋｖ_Ｙ、Ｋｖ_Ｚ、Ｈｗ_Ｘｉ，ｊ、Ｈｗ_Ｙｉ，ｊ、Ｈｗ_Ｚｉ，ｊ、Ｖ_Ｘｊ、Ｖ_Ｙｊ、Ｖ_Ｚｊは設定されるべきパラメータであり、メーカ側で算出されたパラメータによって更新される。

【0032】

また、Ｘ軸方向の熱変位量Ｄ_Ｘに対する補正量Ｃ_Ｘ、Ｙ軸方向の熱変位量Ｄ_Ｙに対する補正量Ｃ_Ｙ、Ｚ軸方向の熱変位量Ｄ_Ｚに対する補正量Ｃ_Ｚは以下の数式４となる。
（数式４）
Ｃ_Ｘ＝−Ｄ_Ｘ
Ｃ_Ｙ＝−Ｄ_Ｙ
Ｃ_Ｚ＝−Ｄ_Ｚ

【0033】

ユーザＡの工作機械１０Ａでは、温度センサＳ_１〜Ｓ_ｉによって測定される温度ｔ_１〜ｔ_ｉ及び上記数式１〜３に基づいて、熱変位量Ｄ_Ｘ、Ｄ_Ｙ、Ｄ_Ｚが算出されるとともに、これらに対応する補正量Ｃ_Ｘ、Ｃ_Ｙ、Ｃ_Ｚが数式４に基づいて算出され、加工の際に、算出された補正量Ｃ_Ｘ、Ｃ_Ｙ、Ｃ_Ｚによって、ワークＷと工具Ｔとの相対的な位置決め位置が補正される。尚、補正量Ｃ_Ｘ、Ｃ_Ｙ、Ｃ_Ｚの算出は、通常、予め定められた時間間隔毎に行われる。

【0034】

３．メーカ側におけるパラメータの設定
メーカ側では、電気通信回線１に接続されるメーカ側の通信装置２により、同じく電気通信回線１に接続されるユーザＡの工作機械１０Ａ、ユーザＢの工作機械１０Ｂから、それぞれその稼働状態情報を取得する。

【0035】

前記稼働状態情報としては、少なくとも、各工作機械１０Ａ，１０Ｂの主軸モータ及び送りモータの負荷情報、その雰囲気温度情報、並びに温度センサＳ_ｉによって測定される温度情報（ｔ_ｉ）が含まれ、この他にクーラントポンプのＯＮ、ＯＦＦ情報や油圧の温度情報が含まれていても良い。これらの情報は、ユーザＡの工作機械１０Ａ、ユーザＢの工作機械１０Ｂにおいてそれぞれ予め定められたサンプリング間隔で所定時間収集され、収集された１群のデータがそれぞれ前記電気通信回線１を介してメーカ側の前記通信装置２に送信される。尚、電気通信回線１としては、典型的にはインターネットや公衆電話網を用いることができる。

【0036】

そして、メーカ側では、収集された稼働状態情報に基づいて、恒温室内に設置されたメーカ側の工作機械１０Ｍの稼働状態が、収集された稼働状態と同じ状態となるように調整される。言い換えれば、メーカ側の工作機械１０Ｍを用いて、収集された稼働状態が再現される。例えば、或る一つの群のデータに基づいて、恒温室内の時間軸に沿った温度が収集された雰囲気温度と一致するように、当該恒温室内の温度を調節するとともに、工作機械１Ｍの時間軸に沿った稼働状態が収集された稼働状態と一致するように、当該工作機械１０Ｍの主軸モータ及び送りモータなどが駆動される。また、収集された稼働状態情報にクーラントポンプや油圧温度の情報が含まれている場合には、その情報と一致するようにクーラントポンプを駆動し、油圧の温度を調整する。

【0037】

そして、収集された稼働状態がメーカ側の工作機械１０Ｍで再現されている間に、当該工作機械１０Ｍにおける前記温度センサＳ_１〜Ｓ_ｉによって測定される温度ｔ_１〜ｔ_ｉを所定のサンプリング間隔で測定すると共に、これと同時に、適宜変位計（例えば、タッチセンサなど）を用いて、工具ＴとワークＷとの間の変位量（熱変位量）ｄ_ｋを計測する。熱変位量ｄ_ｋはＸ軸方向の熱変位量ｄ_Ｘｋ、Ｙ軸方向の熱変位量ｄ_Ｙｋ及びＺ軸方向の熱変位量ｄ_Ｚｋとして測定される。但し、ｋは１〜ｐの自然数である。

【0038】

尚、メーカ側の工作機械１０Ｍで測定された温度ｔ_１〜ｔ_ｉと、収集された測定温度ｔ_１〜ｔ_ｉとを比較することで、稼働状態の再現が正しく行われたかどうかを確認することができる。

【0039】

以上のようにして、収集された各群の稼働状態情報に基づいて、メーカ側の工作機械１０Ｍの稼働状態を、収集された稼働状態と同じ状態となるように調整し、その間に、工作機械１０Ｍにおける前記温度センサＳ_１〜Ｓ_ｉによって測定される温度ｔ_１〜ｔ_ｉを所定のサンプリング間隔で取得すると共に、これと同時に、工具ＴとワークＷとの間の熱変位量ｄ_Ｘｋ、ｄ_Ｙｋ及びｄ_Ｚｋを測定する。

【0040】

そして、得られた温度ｔ_１〜ｔ_ｉ及び熱変位量ｄ_Ｘｋ、ｄ_Ｙｋ、ｄ_Ｚｋに係るデータを用いて、メーカ側の学習装置３における機械学習により、温度センサＳ_１〜Ｓ_ｉによって測定される温度ｔ_１〜ｔ_ｉに基づいて前記熱変位量Ｄ_Ｘｋ、Ｄ_Ｙｋ、Ｄ_Ｚｋを推定（算出）するためのパラメータＡ_Ｘｊ、Ａ_Ｙｊ、Ａ_Ｚｊ、Ｋｗ_Ｘｊ、Ｋｗ_Ｙｊ、Ｋｗ_Ｚｊ、Ｋｖ_Ｘ、Ｋｖ_Ｙ、Ｋｖ_Ｚ、Ｈｗ_Ｘｉ，ｊ、Ｈｗ_Ｙｉ，ｊ、Ｈｗ_Ｚｉ，ｊ、Ｖ_Ｘｊ、Ｖ_Ｙｊ、Ｖ_Ｚｊを設定する。

【0041】

この機械学習の典型的なニューラルネットワークモデルを図３に示し、このニューラルネットワークモデルにおける演算アルゴリズムを図４に示す。本例では、データマイニングに適用される図３に示したニューラルネットワークを用いた、バックプロパゲーションによる教師有り機械学習によって前記パラメータを算出する。

【0042】

図４に示したアルゴリズムでは、入力層のｔ_１〜ｔ_ｉは、それぞれ温度センサＳ_１〜Ｓ_ｉの出力値に対応している。また、Ｈｗ_ｉ，ｊ及びＫｗ_ｊは重み係数であり、Ｖ_ｊ及びＫｖは反応感度としての閾値である。そして、中間層における出力Ａ_ｊは、以下の数式５によって算出される。
（数式５）
Ａ_ｊ＝ｆ（（ΣＨｗ_ｉ，ｊ・ｔ_ｉ）＋Ｖ_ｊ）
また、出力層における出力Ｄは、以下の数式６によって算出される。
（数式６）
ｄ＝Ｄ＝ｆ（（ΣＫｗ_ｊ・Ａ_ｊ）＋Ｋｖ）
尚、前記出力Ａ_ｊ及びＤは、以下の数式７によって表されるシグモイド関数によって変換される。
（数式３）
ｆ（ｕ）＝１／（１＋ｅｘｐ（−ｕ））

【0043】

そして、上記のようにして取得した温度ｔ_１〜ｔ_ｉ及び熱変位量ｄ_Ｘｋ、ｄ_Ｙｋ、ｄ_Ｚｋに係るデータを基に、上記アルゴリズムを用い、中間層の各層の数やその階層を適宜設定した後、上記バックプロパゲーションによる教師有り機械学習によって、Ｘ軸方向の熱変位量Ｄ_Ｘに関するパラメータＡ_Ｘｊ、Ｋｗ_Ｘｊ、Ｋｖ_Ｘ、Ｈｗ_Ｘｉ，ｊ及びＶ_Ｘｊ、Ｙ軸方向の熱変位量Ｄ_Ｙに関するパラメータＡ_Ｙｊ、Ｋｗ_Ｙｊ、Ｋｖ_Ｙ、Ｈｗ_Ｙｉ，ｊ、及びＶ_Ｙｊ、Ｚ軸方向の熱変位量Ｄ_Ｚに関するパラメータＡ_Ｚｊ、Ｋｗ_Ｚｊ、Ｋｖ_Ｚ、Ｈｗ_Ｚｉ，ｊ及びＶ_Ｚｊをそれぞれ算出する。尚、中間層の個数ｊは任意であり、一般的には、中間層の個数ｊが多いほど精度は良くなる。

【0044】

尚、本例のバックプロパゲーションによる教師有り機械学習は、上述の予め取得された各温度センサＳ_１〜Ｓ_ｉからの出力値を、図４に示したアルゴリズムの入力値ｔ_ｉとして入力するとともに、重み係数Ｈｗ_ｉ，ｊ，Ｋｗ_ｊ、及び閾値Ｖ_ｊ，Ｋｖを適宜設定して得られる出力値（Ｄ（Ｄ_Ｘ、Ｄ_Ｙ、Ｄ_Ｚ））と、真の値（熱変位量＝ｄ_ｋ（ｄ_Ｘｋ、ｄ_Ｙｋ、ｄ_Ｚｋ））とを比較し、その差分を減らすように、即ち、収束させるように、各重み係数Ｈｗ_ｉ，ｊ，Ｋｗ_ｊ、及び閾値Ｖ_ｊ，Ｋｖを変更する作業を繰り返すことによって、パラメータである重み係数Ｈｗ_ｉ，ｊ，Ｋｗ_ｊ、及び閾値Ｖ_ｊ，Ｋｖの最適値を設定するというものである。

【0045】

そして、このメーカ側の学習装置３では、ユーザ側から収集された稼働状態に基づいて、この稼働状態をメーカ側の工作機械１０Ｍで再現して得られる温度ｔ_ｉ及び熱変位量ｄ_ｋに係るデータを蓄積し、蓄積されたデータに基づいて、定期的又は随時、機械学習によって、前記パラメータＡ_Ｘｊ、Ａ_Ｙｊ、Ａ_Ｚｊ、Ｋｗ_Ｘｊ、Ｋｗ_Ｙｊ、Ｋｗ_Ｚｊ、Ｋｖ_Ｘ、Ｋｖ_Ｙ、Ｋｖ_Ｚ、Ｈｗ_Ｘｉ，ｊ、Ｈｗ_Ｙｉ，ｊ、Ｈｗ_Ｚｉ，ｊ、Ｖ_Ｘｊ、Ｖ_Ｙｊ、Ｖ_Ｚｊを算出する。そして、算出したラメータＡ_Ｘｊ、Ａ_Ｙｊ、Ａ_Ｚｊ、Ｋｗ_Ｘｊ、Ｋｗ_Ｙｊ、Ｋｗ_Ｚｊ、Ｋｖ_Ｘ、Ｋｖ_Ｙ、Ｋｖ_Ｚ、Ｈｗ_Ｘｉ，ｊ、Ｈｗ_Ｙｉ，ｊ、Ｈｗ_Ｚｉ，ｊ、Ｖ_Ｘｊ、Ｖ_Ｙｊ、Ｖ_Ｚｊを前記メーカ側の通信装置２を介して前記ユーザＡの工作機械１０Ａに送信し、送信したパラメータで、当該工作機械１０Ａに格納された対応するパラメータを更新する。

【0046】

斯くして、ユーザＡの工作機械１０Ａでは、更新されたパラメータに基づいて、上述した数式１〜４に基づいた熱変位補正が実行される。

【0047】

以上のように、本例の熱変位補正方法によれば、ユーザＡの工作機械１０Ａ及びユーザＢの工作機械１０Ｂの稼働状態情報がそれぞれメーカ側に送信され、送信された稼働状態情報に基づいて、工作機械１０Ａ及び１０Ｂの各稼働状態がメーカ側の工作機械１０Ｍによって再現され、再現中に、工作機械１０Ｍの各測定部位における温度ｔ_１〜ｔ_ｉが温度センサＳ_１〜Ｓ_ｉによって測定されると共に、ワークＷと工具Ｔとの間の熱変位量ｄ_Ｘｋ、ｄ_Ｙｋ及びｄ_Ｚｋが測定される。そして、測定された温度ｔ_１〜ｔ_ｉ及び熱変位量ｄ_Ｘｋ、ｄ_Ｙｋ、ｄ_Ｚｋに基づいて、温度ｔ_１〜ｔ_ｉに基づいて熱変位量Ｄ_Ｘｋ、Ｄ_Ｙｋ、Ｄ_Ｚｋを推定（算出）するためのパラメータが算出される。

【0048】

このように、本例の熱変位補正方法によれば、熱変位補正を実行する対象であるユーザＡの工作機械１０Ａを停止させることなく、当該工作機械１０Ａで生じると推測される熱変位量Ｄ_Ｘｋ、Ｄ_Ｙｋ、Ｄ_Ｚｋを推定するためのパラメータを算出することができる。したがって、ユーザＡ側では工作機械１０Ａの稼働率を低下させることなく、正確な熱変位補正を実現することができ、その加工精度の向上を図ることができる。

【0049】

そして、このようにして、メーカ側において、工作機械１０Ｍの各測定部位における温度データｔ_１〜ｔ_ｉと、これに関係するワークＷ−工具Ｔ間に生じる熱変位量ｄ_Ｘｋ、ｄ_Ｙｋ及びｄ_Ｚｋを取得することで、ユーザＡ側でこれらのデータを取得する場合に比べて、メーカ側では工作機械１０Ｍの生産上の稼働率を考慮する必要が無いことから、より多くのデータを収集することができ、このような多量のデータを用いて機械学習を行うことで、その学習効果がより高められ、これにより当該機械学習によって得られるパラメータをより精度の高いものとすることができる。

【0050】

また、本例では、対象ユーザであるユーザＡの他に、ユーザＢの工作機械１０Ｂに係る稼働状態情報に基づいて、前記パラメータを算出するようにしているので、対象ユーザであるユーザＡに特定されない、汎用性のあるパラメータを設定することができる。

【0051】

以上、本発明の具体的な実施の形態について説明したが、本発明が採り得る態様は、何ら上例のものに限定されるものではない。

【0052】

例えば、上例では、メーカ側において、ユーザＡの工作機械１０Ａ及びユーザＢの工作機械１０Ｂに係る稼働状態情報を用いて前記パラメータを算出するようにしたが、これに限られるものではなく、ユーザＡの工作機械１０Ａのみの稼働状態情報を用いて前記パラメータを算出するようにしても良い。このようにすれば、少なくとも、工作機械１０Ａの動作環境に応じた前記パラメータを取得することができ、当該工作機械１０Ａにおいて、その動作環境に応じた適切な熱変位補正を行うことができる。

【0053】

逆に、前記ユーザＡ及びユーザＢの稼働状態情報に加えて、更に他のユーザの工作機械に係る稼働状態情報を用いて、前記パラメータを算出するようにしても良い。或いは、更に、メーカ側において工作機械１０Ｍを独自に稼働させた際に測定される温度ｔ_１〜ｔ_ｉ、及びワークＷ−工具Ｔ間の熱変位量ｄ_Ｘｋ、ｄ_Ｙｋ、ｄ_Ｚｋに係るデータを用い、前記機械学習によって前記パラメータを算出するようにしても良い。このようにすれば、動作環境が異なるより多くの同種の工作機械１０から得られる温度ｔ_１〜ｔ_ｉ、及びワークＷ−工具Ｔ間の熱変位量ｄ_Ｘｋ、ｄ_Ｙｋ、ｄ_Ｚｋに係るデータを用いて機械学習を行うことでき、これに更に学習効果が高められ、得られるパラメータが更に精度の高いものになるとともに、対象ユーザＡの工作機械１０Ａには特定されない、より汎用性の高いパラメータを算出することができる。したがって、同じパラメータを用いて、ユーザＢの工作機械１０Ｂや、更に他のユーザの工作機械１０で熱変位補正を行うことができる。

【0054】

また、機械学習の手法は、上例のものに限られるものではなく、他の公知の全ての手法を適用することができる。同様に、熱変位量を推定する計算式、及びこの計算式に含まれるパラメータについても、上例のものに限定されるものではなく、他の計算式やパラメータを採用することができる。また、パラメータ自体も計算式に関係するものに限定されるものではない。

【0055】

繰り返しになるが、上述した実施形態の説明は、すべての点で例示であって、制限的なものではない。当業者にとって変形および変更が適宜可能である。本発明の範囲は、上述の実施形態ではなく、特許請求の範囲によって示される。さらに、本発明の範囲には、特許請求の範囲内と均等の範囲内での実施形態からの変更が含まれる。

【符号の説明】

【0056】

１ ネットワーク
２ メーカ側の通信装置
３ メーカ側の学習装置
１０、１０Ｍ、１０Ａ、１０Ｂ 工作機械
１１ ベッド
１２ コラム
１３ サドル
１４ 主軸頭
１５ 主軸
１６ テーブル
Ｔ 工具
Ｗ ワーク
Ｓ_１〜Ｓ_ｉ 温度センサ

【図1】

【図2】

【図3】

【図4】