特開 2024-157666 実験支援装置、実験支援方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024157666

(43)【公開日】2024-11-08

(54)【発明の名称】実験支援装置、実験支援方法及びプログラム

(51)【国際特許分類】

   G06N 20/00 20190101AFI20241031BHJP

   B23Q 15/00 20060101ALI20241031BHJP

【ＦＩ】

G06N20/00 130

B23Q15/00 301H

B23Q15/00 301C

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2023072144

(22)【出願日】2023-04-26

(71)【出願人】

【識別番号】000006013

【氏名又は名称】三菱電機株式会社

(74)【代理人】

【識別番号】100095407

【弁理士】

【氏名又は名称】木村 満

(74)【代理人】

【識別番号】100131152

【弁理士】

【氏名又は名称】八島 耕司

(74)【代理人】

【識別番号】100147924

【弁理士】

【氏名又は名称】美恵 英樹

(74)【代理人】

【識別番号】100148149

【弁理士】

【氏名又は名称】渡邉 幸男

(74)【代理人】

【識別番号】100181618

【弁理士】

【氏名又は名称】宮脇 良平

(74)【代理人】

【識別番号】100174388

【弁理士】

【氏名又は名称】龍竹 史朗

(72)【発明者】

【氏名】高阪 翔

(72)【発明者】

【氏名】中筋 智明

(72)【発明者】

【氏名】市川 泰久

(72)【発明者】

【氏名】山名 博行

(57)【要約】

【課題】加工条件を得るために、効率良くデータを収集するための実験計画を支援する実験支援装置、実験支援方法及びプログラムを提供する。
【解決手段】実験支援装置１００において、試加工データベース１２０は、機械学習の学習データを得るための実験における入力変数の組み合わせと予め定められた評価値とを対応付けて記憶する。試加工条件探索部１３０は、試加工データベース１２０に記憶されている入力変数の組み合わせに基づいて、次の入力変数の組み合わせを探索する。類似判定部１５０は、試加工条件探索部１３０が探索した入力変数の組み合わせと、試加工データベース１２０に記憶されている入力変数の組み合わせそれぞれとの類似度を示す評価値を求めて、試加工データベース１２０に追加する。終了処理部１６０は、類似判定部１５０により求められた評価値が予め定められた条件を満たした場合に、学習用の入力データの生成を終了する。
【選択図】図２

【特許請求の範囲】

【請求項1】

機械学習の学習データを得るための実験における入力変数の組み合わせと予め定められた評価値とを対応付けて記憶する試加工データベースと、
前記試加工データベースに記憶されている入力変数の組み合わせに基づいて、次の入力変数の組み合わせを探索する試加工条件探索部と、
前記試加工条件探索部が探索した入力変数の組み合わせと、前記試加工データベースに記憶されている入力変数の組み合わせそれぞれとの類似度を示す前記評価値を求めて、前記試加工データベースに追加する類似判定部と、
前記類似判定部により求められた評価値が予め定められた条件を満たした場合に、学習用の入力データの生成を終了する終了処理部と、
を備える実験支援装置。

【請求項2】

前記試加工条件探索部により生成された入力変数の組み合わせを条件として実施された実験の結果を示す目的変数を取得して、前記試加工データベースに、実験で使用した入力変数と対応付けて格納し、
前記試加工条件探索部は、前記試加工データベースに記憶されている入力変数の組み合わせと対応する目的変数とに基づいて、次の入力変数の組み合わせを探索する、
請求項１に記載の実験支援装置。

【請求項3】

前記類似判定部が、予め定められた回数以上連続で、現在の試加工における入力変数が過去のいずれの試加工における入力変数と類似していると判定した場合に、前記終了処理部は前記実験を終了する、
請求項１に記載の実験支援装置。

【請求項4】

前記類似判定部が、予め定められた回数以上、現在の試加工における入力変数が過去のいずれの試加工における入力変数と類似していると判定した場合に、前記終了処理部は前記実験を終了する、
請求項１に記載の実験支援装置。

【請求項5】

前記入力変数の範囲を設定する制約条件設定部をさらに備え、
前記試加工条件探索部は、前記設定された範囲内で、前記次に試みるべき試加工における入力変数を探索する、
請求項１に記載の実験支援装置。

【請求項6】

前記制約条件設定部は、さらに、前記実験に含まれる試加工の上限回数を設定し、
前記終了処理部は、前記試加工の回数が前記設定された上限回数を超えた場合に、前記実験を終了する、
請求項５に記載の実験支援装置。

【請求項7】

前記試加工データベースに記憶されている過去の入力変数及び目的変数を予め定められた範囲内の数値に正規化する正規化処理部をさらに備え、
前記試加工条件探索部は、前記正規化された過去の入力変数及び目的変数に基づいて、次に試みるべき試加工における入力変数を探索する、
請求項１に記載の実験支援装置。

【請求項8】

実験計画法により前記試加工データベースを予め作成するデータベース作成部と、
前記実験に含まれる試加工の上限回数を設定する制約条件設定部と、をさらに備え、
前記終了処理部は、前記試加工の回数が前記設定された上限回数を超えた場合に、前記実験を終了する、
請求項１に記載の実験支援装置。

【請求項9】

前記試加工データベースから、前記目的変数が予め定められた条件を満たすときの前記入力変数の組み合わせを抽出する抽出部と、
前記試加工データベースを取得し、前記目的変数が予め定められた条件を満たすときの前記入力変数の組み合わせを推定する機械学習装置と、をさらに備え、
前記終了処理部は、前記抽出した入力変数の組み合わせと、前記推定した入力変数の組み合わせとが一致した場合に、前記実験を終了する、
請求項１に記載の実験支援装置。

【請求項10】

コンピュータが、
機械学習の学習データを得るための実験における入力変数の組み合わせと予め定められた評価値とを対応付けて記憶する試加工データベースに記憶されている入力変数の組み合わせに基づいて、次の入力変数の組み合わせを探索し、
前記探索した入力変数の組み合わせと、前記試加工データベースに記憶されている入力変数の組み合わせそれぞれとの類似度を示す前記評価値を求めて、前記試加工データベースに追加し、
前記求められた評価値が予め定められた条件を満たした場合に、学習用の入力データの生成を終了する、
実験支援方法。

【請求項11】

コンピュータに、
機械学習の学習データを得るための実験における入力変数の組み合わせと予め定められた評価値とを対応付けて記憶する試加工データベースに記憶されている入力変数の組み合わせに基づいて、次の入力変数の組み合わせを探索する試加工条件探索部、
前記試加工条件探索部が探索した入力変数の組み合わせと、前記試加工データベースに記憶されている入力変数の組み合わせそれぞれとの類似度を示す前記評価値を求めて、前記試加工データベースに追加する類似判定部、
前記類似判定部により求められた評価値が予め定められた条件を満たした場合に、学習用の入力データの生成を終了する終了処理部、
として機能させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、実験支援装置、実験支援方法及びプログラムに関する。

【背景技術】

【0002】

加工装置による切削加工においては、一定の品質を担保するために、あるいは経済的又は時間的なコストを低減するために、工具がワークに切り込む位置、工具の回転数及び送り速度等の加工条件を調整する必要がある。このような加工条件を取得するために、機械学習により最適な加工条件を推定する手法が知られている（例えば、特許文献１）。

【0003】

機械学習により最適な加工条件を推定するためには、多くの学習データが必要であり、実際に加工装置を用いて様々な加工条件でワークを試加工する実験を行う必要がある。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１９－１８５５９１号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

このような実験では、学習データが少ないと、機械学習において最適解に収束しなかったり、試加工の回数が予め見込めなかったりすることがある。一方、多数の学習データを得ようとすると、実際に加工装置を用いて試加工する回数も増加し、経済的及び時間的なコストがかかる。このため、必要なデータを効率良く収集することが望まれる。

【0006】

この課題は、加工装置の加工条件の学習データを求める場合に限定されず、実験を伴う学習データの取得に広く共通する。

【0007】

本開示は、上記の実情に鑑みてなされたものであり、効率良くデータを収集するための実験計画を支援する実験支援装置、実験支援方法及びプログラムを提供することを目的とする。

【課題を解決するための手段】

【0008】

上記目的を達成するため、本開示の実験支援装置は、機械学習の学習データを得るための実験における入力変数の組み合わせと予め定められた評価値とを対応付けて記憶する試加工データベースと、試加工データベースに記憶されている入力変数の組み合わせに基づいて、次の入力変数の組み合わせを探索する試加工条件探索部と、試加工条件探索部が探索した入力変数の組み合わせと、試加工データベースに記憶されている入力変数の組み合わせそれぞれとの類似度を示す評価値を求めて、試加工データベースに追加する類似判定部と、類似判定部により求められた評価値が予め定められた条件を満たした場合に、学習用の入力データの生成を終了する終了処理部と、を備える。

【発明の効果】

【0009】

本開示によれば、類似判定部により求められた評価値が予め定められた条件を満たした場合に、学習用の入力データの生成を終了するため、加工装置による最適な加工条件を得るために、効率良くデータを収集するための実験計画を支援することができる。

【図面の簡単な説明】

【0010】

【図1】加工装置の有するエンドミルがワークを切削加工する場面を示す図

【図2】第１実施形態に係る加工条件調整システムの構成を示す図

【図3】実験支援装置及び機械学習装置のハードウェア構成を示す図

【図4】制約条件設定部の例を示す図

【図5】（Ａ）第１実施形態に係る試加工データベースの初期状態を示す図、（Ｂ）第１実施形態に係る試加工データベースにデータが貯められていく様子を示す図、（Ｃ）第１実施形態に係る試加工データベースにある程度データが貯められた状態を示す図

【図6】第１実施形態に係る実験支援処理を示すフローチャート

【図7】第２実施形態に係る加工条件調整システムの構成を示す図

【図8】第２実施形態に係る試加工データベースを示す図

【図9】第２実施形態に係る実験支援処理を示すフローチャート

【図10】入力変数ごとの目的変数の分散評価の例を示す図

【図11】第３実施形態に係る加工条件調整システムの構成を示す図

【図12】第３実施形態に係る実験支援処理を示すフローチャート

【発明を実施するための形態】

【0011】

以下、本開示の実施形態に係る実験支援装置１００及び加工条件調整システム１について、図面を参照しつつ詳細に説明する。なお、本実施形態は説明のためのものであり、本開示の範囲を制限するものではない。したがって、当業者であればこれらの各要素もしくは全要素をこれと均等なものに置換した実施形態を採用することが可能であるが、これらの実施形態も本開示の範囲に含まれる。

【0012】

（第１実施形態）
図１に示すように、加工装置に装着されたエンドミル２１０により、金属、合金等の材料であるワーク２２０を切削加工する問題を例に説明する。例えば、ワーク２２０が切削加工されることにより、ビル用マルチエアコン、パッケージエアコンに搭載されるスクロール圧縮機を構成する固定スクロール及び揺動スクロールが作製される。

【0013】

この加工装置では、エンドミル２１０の単位時間あたりの回転数である主軸回転数Ａ、エンドミル２１０を移動させる速度である送り速度Ｂ、エンドミル２１０が水平方向にワーク２２０に切り込む深さである径切込量Ｃ、エンドミル２１０が鉛直方向にワーク２２０に切り込む深さである軸切込量Ｄ等の加工条件を設定できる。

【0014】

本実施形態では、ワークの切削面２２１の凹凸状態を示す面粗さを最小にするための加工条件の組み合わせを機械学習により調整する。そのために、加工条件の異なる複数回の試加工を行い、各試加工に対して試加工後の面粗さを取得する実験を行う。

【0015】

図２に示すように、本実施形態に係る加工条件調整システム１は、実験計画を支援する実験支援装置１００と、エンドミル２１０によりワーク２２０を加工する加工装置２００と、機械学習により加工条件を推定する機械学習装置３００とを備える。

【0016】

実験支援装置１００は、試加工の加工条件を決定し、加工装置２００からデータを取得し、実験を終了するか否かを決定する等、実験計画を支援する。加工装置２００は、実験支援装置１００から試加工の加工条件を取得し、その加工条件で試加工した後、加工装置２００に備わるセンサ等により試加工後の切削面２２１の面粗さを取得し、実験支援装置１００に送信する。

【0017】

機械学習装置３００は、実験支援装置１００から実験データを取得し、強化学習等の機械学習で面粗さが最小となるときの加工条件を推定する。機械学習装置３００は、例えば、環境に対してエージェントが行動を起こし、その結果によって環境から報酬を得ることを繰り返しながら最適な行動を学習する強化学習において、目的変数が小さい程エージェントに大きい報酬を与え、試加工ごとに、行動である加工条件に対する面粗さに対して与えられる報酬を学習し、報酬が最大化する行動を調整する。

【0018】

図３は、実験支援装置１００及び機械学習装置３００のハードウェア構成を示す図である。実験支援装置１００及び機械学習装置３００は、それぞれ入力部１０と、表示部２０と、制御部３０と、主記憶部４０と、補助記憶部５０と、通信部６０と、を備え、これらは、バス７０を介して互いに接続されている。

【0019】

入力部１０は、マウス、キーボード等を含む。表示部２０は、液晶ディスプレイ、有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等を含む。

【0020】

制御部３０は、例えば集積回路であるＣＰＵを含む。制御部３０は、補助記憶部５０に記憶されるプログラムを実行することにより、実験支援装置１００及び機械学習装置３００の種々の機能を実現して、上述した処理を実行する。

【0021】

主記憶部４０は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）を含む。主記憶部４０には、補助記憶部５０からプログラムがロードされる。そして、主記憶部４０は、制御部３０の作業領域として用いられる。

【0022】

補助記憶部５０は、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌａ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）及びＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）に代表される不揮発性メモリを含む。補助記憶装置５０は、プログラムの他に、制御部３０の処理のように用いられる種々のデータを記憶する。補助記憶装置５０は、制御部３０の指示に従って、制御部３０によって利用されるデータを制御部３０に供給し、制御部３０から供給されたデータを記憶する。

【0023】

通信部６０は、外部の装置のＥｔｈｅｒｎｅｔフレームを送受するためのネットワークインタフェース回路を含む。通信部６０は、外部から信号を受信して、この信号により示されるデータを制御部３０へ出力する。また、通信部７０は、制御部３０から出力されたデータを示す信号を外部の装置へ送信する。

【0024】

なお、入力部１０と表示部２０は、実験支援装置１００及び機械学習装置３００と別体として構成されていてもよい。例えば、実験支援装置１００及び機械学習装置３００の制御ボックスから入力部１０と表示部２０とが延長ケーブル等で実験支援装置１００及び機械学習装置３００に接続されていてもよい。

【0025】

また、実験支援装置１００及び機械学習装置３００の機能は、専用のハードウェアによっても、また、通常のコンピュータシステムによっても実現することができる。

【0026】

例えば、制御部３０によって実行されるプログラムを、コンピュータ読み取り可能な非一時的な記録媒体に格納して配布し、そのプログラムをコンピュータにインストールすることにより、実験支援装置１００及び機械学習装置３００を構成することができる。このような記録媒体としては、例えばフレキシブルディスク、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）、ＭＯ（Ｍａｇｎｅｔｒｏ－Ｏｐｔｉｃａｌ Ｄｉｓｃ）が考えられる。

【0027】

また、プログラムをインターネットに代表される通信ネットワーク上のサーバ装置が有するディスク装置に格納しておき、例えば、搬送波に重畳させて、コンピュータにダウンロードしてもよい。

【0028】

また、通信ネットワークを介してプログラムを転送しながら起動実行することによっても、後述する実験支援処理及び機械学習装置３００による処理を達成することができる。

【0029】

さらに、プログラムの全部又は一部をサーバ装置上で実行させ、その処理に関する情報をコンピュータが通信ネットワークを介して送受信しながらプログラムを実行することによっても、実験支援処理及び機械学習装置３００による処理を達成することができる。

【0030】

なお、実験支援処理及び機械学習装置３００による処理を、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）が分担して実現する場合又はＯＳとアプリケーションとの協働により実現する場合には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロードしてもよい。

【0031】

また、実験支援装置１００及び機械学習装置３００の機能を実現する手段は、ソフトウェアに限られず、その一部又は全部を、回路を含む専用のハードウェアによって実現してもよい。

【0032】

図２に戻り、実験支援装置１００は、加工条件である入力変数の範囲等の制約条件を設定する制約条件設定部１１０と、各試加工に関するデータを記憶する試加工データベース１２０と、試加工の入力変数を探索する試加工条件探索部１３０と、入力変数を正規化又は逆変換する正規化処理部１４０と、入力変数の類似度を判定する類似判定部１５０と、実験を終了する終了処理部１６０と、を備える。

【0033】

制約条件設定部１１０は、ユーザから実験に用いる入力変数及び目的変数の指定と、実験における制約条件とを受け付け、図４に示すように、それぞれを設定する。ここで、入力変数とは、各試加工での加工条件のことであり、本実施形態では、エンドミル２１０の主軸回転数Ａ、送り速度Ｂ、径切込量Ｃ、軸切込量Ｄのことである。また、目的変数とは、ある入力条件で試加工された結果のことであり、本実施形態では切削面２２１の面粗さＥのことである。

【0034】

図４に示す例では、制約条件設定部１１０において、項目種１１１と、項目１１２と、制約条件１１３とが設定されている。ここでは、項目種「入力変数」として、項目「主軸回転数Ａ［ｍｉｎ^－１］」、「送り速度Ｂ［ｍｍ／ｍｉｎ］」、「径切込量Ｃ［ｍｍ］」、「軸切込量Ｄ［ｍｍ］」が設定されており、それぞれに設定下限値と設定上限値を含む範囲が制約条件として設定されている。また、項目種「目的変数」として、項目「面粗さＥ」が設定されている。目的変数は、試加工の結果得られるものであるので、制約条件については特に設定されていない。

【0035】

さらに、項目種「その他」として、項目「一刃送り量Ｆ」、「試行回数Ｇ」が設定されている。一刃送り量Ｆは、
一刃送り量Ｆ［ｍｍ／ｒｅｖ］＝送り速度Ｂ［ｍｍ／ｍｉｎ］／（刃数×主軸回転数Ａ［ｍｉｎ^－１］）
で得られる量であり、ユーザの設定した設定値よりも小さくなるように制約条件が設定されている。また、試行回数Ｇは、実験で行われるべき試加工の回数であり、ユーザが設定した任意の設定値以下になるように、即ち上限回数を超えないように、制約条件が設定されている。

【0036】

図２に戻り、試加工データベース１２０は、加工装置２００における加工条件を調整するための実験に含まれる複数の試加工の試加工ごとに、試加工における加工条件である入力変数と、その加工条件で試加工された結果である目的変数と、を紐付けて記憶する。図５（Ａ）～（Ｃ）に示すように、試加工データベース１２０においては、試加工ごとに、試加工を識別する試加工ＩＤと、各入力変数と、目的変数と、データ類似度が紐付けられている。データ類似度は、その試加工の入力変数が過去の試加工の入力変数と類似しているか否かを示す指標であり、類似している場合には「１」が、類似していない場合には「０」が設定される。

【0037】

図２に戻り、試加工条件探索部１３０は、試加工データベース１２０に記憶されている過去の試加工における入力変数及び目的変数に基づいて、次に試みるべき試加工における入力変数を探索する。試加工条件探索部１３０のアルゴリズムには、例えばベイズ最適化が用いられる。ベイズ最適化を利用することにより、闇雲に入力変数を探索するのではなく、過去の情報から目標変数が最小になりそうな領域を重点的に探索することが可能となる。ベイズ最適化の獲得関数には、ＰＩ（Ｐｒｏｂａｂｉｌｉｔｙ ｏｆ Ｉｍｐｒｏｖｅｍｅｎｔ）、ＥＩ（Ｅｘｐｅｃｔｅｄ Ｉｍｐｒｏｖｅｍｅｎｔ）、ＬＣＢ（Ｌｏｗｅｒ Ｃｏｎｆｉｄｅｎｃｅ Ｂｏｕｎｄ）等がある。

【0038】

試加工条件探索部１３０は、１つの試加工が終わる度に、次に試みるべき試加工における入力変数を探索し、探索した入力変数を、後述する正規化処理部１４０を介して試加工データベース１２０に追加していく。

【0039】

正規化処理部１４０は、試加工データベース１２０に記憶されている入力変数及び目的変数を正規化したり、又は試加工条件探索部１３０が探索した入力変数を逆変換して試加工データベース１２０に格納したりする。正規化処理部１４０は、試加工データベース１２０に記憶されている過去の入力変数及び目的変数を予め定められた範囲内の数値に正規化する。ここで、正規化とは各入力変数及び目的変数の変域を合わせることであり、例えば、入力変数及び目的変数を０≦（入力変数又は目的変数）≦１の範囲に変換することである。また、逆変換とは、試加工条件探索部１３０が探索した結果について正規化と逆の処理をすることである。なお、入力変数は、制約条件設定部１１０に設定されている設定上限値で除算ことにより正規化し得、目的変数は、予め定められた値で除算することにより正規化し得る。

【0040】

類似判定部１５０は、今回の試加工における入力変数と、過去の全ての試加工のそれぞれにおける入力変数との類似度を演算し、今回の試加工における入力変数が過去のいずれの試加工における入力変数と類似しているか否かを判定する。類似度は、後述するように、例えばユークリッド距離を計算し、予め定められた閾値を超えるか否かによって判定される。

【0041】

終了処理部１６０は、類似判定部１５０による判定の結果が予め定められた条件を満たした場合に、実験を終了する。

【0042】

図６は、実験支援装置１００によって実行される実験支援処理を説明するフローチャートである。実験支援処理は、加工装置２００による切削加工の加工条件を調整するための実験において、過去の試加工でのデータに基づいて、最適な結果が期待できる次の試加工での加工条件を提案するとともに、十分なデータを収集できた場合に実験を終了する。以下、図６を参照して、実験支援処理を説明する。

【0043】

実験支援処理は、例えば、実験支援処理のアプリ、プログラムが起動された際にスタートする。実験支援処理がスタートすると、まず、制約条件設定部１１０は、ユーザから、図４の例に示す入力変数、目的変数等の設定を受け付け、その制約条件が入力されたか否かを判定する（ステップＳ１０１）。制約条件設定部１１０がユーザから制約条件が入力されたと判定するまで、実験支援処理は待機状態となる（ステップＳ１０１でＮｏ）。

【0044】

制約条件設定部１１０がユーザから制約条件が入力されたと判定すると（ステップＳ１０１でＹｅｓ）、試加工データベース１２０が作成される（ステップＳ１０２）。この段階では、図５（Ａ）に示すように、いずれの項目も未設定となっている。

【0045】

続いて、ステップＳ１０３～ステップＳ１１１はループ処理であり、予め定められた条件を満たすまで、各試加工ＩＤについて繰り返される。ループ処理が開始すると（ステップＳ１０３）、まず、正規化処理部１４０が、試加工データベース１２０に記憶されている過去の試加工における全ての入力変数及び目的変数を正規化する（ステップＳ１０４）。最初の試加工については、過去のデータがないのでステップＳ１０４はスキップされる。

【0046】

次に、試加工条件探索部１３０は、正規化処理部１４０によって正規化された過去の入力変数及び目的変数に基づいて、予め設定された最適化処理、例えば、ベイズ最適化により入力変数の組み合わせを探索する（ステップＳ１０５）。試加工条件探索部１３０は、正規化された数値、例えば、前述の０から１の範囲内で、次に試みるべき試加工における入力変数を探索する。なお、最初の試加工については、過去のデータがないので、例えば、各入力変数のそれぞれを１つの次元としたユークリッド空間の端から探索されてもよい。

【0047】

試加工条件探索部１３０により各入力変数の組み合わせが探索されると、正規化処理部１４０は、探索された入力変数の組み合わせを逆変換する（ステップＳ１０６）。そして、正規化処理部１４０は、逆変換された入力変数の組み合わせを試加工データベース１２０に追加する。つまり、試加工データベース１２０には、加工装置２００が加工動作するための生データが格納される。

【0048】

例えば、２回目の試加工について、逆変換された入力変数の組み合わせが試加工データベース１２０に追加されると、図５（Ｂ）に示す例のようになる。実験支援装置１００は、加工装置２００に、追加された入力変数の組み合わせを指定した試加工指示を送信する（ステップＳ１０７）。

【0049】

その後、加工装置２００は、実験支援装置１００から試加工指示を受け取り、試加工指示に指定された入力条件で試加工し、目的変数である面粗さを取得した後、目的変数を指定した応答を実験支援装置１００に送信する。実験支援装置１００は、加工装置２００から目的変数を指定した応答を取得したか否かを判定する（ステップＳ１０８）。実験支援装置１００が加工装置２００から目的変数を指定した応答を取得したと判定するまで、実験支援処理は待機状態となる（ステップＳ１０８でＮｏ）。

【0050】

実験支援装置１００は、加工装置２００から目的変数を指定した応答を取得したと判定すると（ステップＳ１０８でＹｅｓ）、応答に指定された目的変数が試加工データベース１２０に格納する。その後、類似判定部１５０は、今回の試加工における入力変数と過去の全ての試加工のそれぞれにおける入力変数との類似度を演算する（ステップＳ１０９）。類似度は、ｉ番目である今回の試加工における入力変数（Ａｉ，Ｂｉ，Ｃｉ，Ｄｉ）と、ｊ番目である過去の試加工における入力変数（Ａｊ，Ｂｊ，Ｃｊ，Ｄｊ）とのユークリッド距離Ｌ_ｉｊを計算することにより求められてもよい。ユークリッド距離Ｌ_ｉｊは、
Ｌ_ｉｊ＝√｛（Ａｉ－Ａｊ）^２＋（Ｂｉ－Ｂｊ）^２＋（Ｃｉ－Ｃｊ）^２＋（Ｄｉ－Ｄｊ）^２｝
ｊ＝１～（ｉ－１）
で求められる。

【0051】

類似判定部１５０は、ユークリッド距離Ｌ_ｉｊが予め定められた閾値以下である場合に、ｉ番目である今回の試加工における入力変数（Ａｉ，Ｂｉ，Ｃｉ，Ｄｉ）と、ｊ番目である過去の試加工における入力変数（Ａｊ，Ｂｊ，Ｃｊ，Ｄｊ）とが類似し、そうでない場合には類似していないと判定する。そして、類似判定部１５０は、試加工データベース１２０のデータ類似度に、今回の試加工における入力変数が過去のいずれかの試加工における入力変数と類似していると判定した場合には「１」を、過去のいずれの試加工における入力変数にも類似していないと判定した場合には「０」を格納する。また、類似判定部１５０は、最初の試加工のデータ類似度にも「０」を格納する。なお、ステップＳ１０３～ステップＳ１１１のループ処理を繰り返すと、図５（Ｃ）のような試加工データベース１２０が作成される。

【0052】

続いて、終了処理部１６０は、現在の状態が予め定められた条件を満たすか否かを判定する（ステップＳ１１０）。終了処理部１６０は、予め定められた回数以上連続でデータ類似度「１」が出現した場合に、現在の状態が予め定められた条件を満たしたと判定してもよい（ステップＳ１１０でＹｅｓ）。即ち、この場合、終了処理部１６０は、類似判定部１５０が予め定められた回数以上連続で、今回の試加工における入力変数が過去のいずれの試加工における入力変数と類似していると判定した場合に（ステップＳ１１０でＹｅｓ）、ループを抜け、実験を終了する（ステップＳ１１２）。例えば、現在の試加工データベース１２０が図５（Ｃ）の例に示すような状態だったとすると、類似度「１」が連続していないので、実験は継続する。

【0053】

あるいは、終了判定部１６０は、現在までに予め定められた回数以上、データ類似度「１」が出現した場合に、現在の状態が予め定められた条件を満たしたと判定してもよい（ステップＳ１１０でＹｅｓ）。即ち、この場合、終了処理部１６０は、類似判定部１５０が予め定められた回数以上、今回の試加工における入力変数が過去のいずれの試加工における入力変数と類似していると判定した場合に（ステップＳ１１０でＹｅｓ）、ループを抜け、実験を終了する（ステップＳ１１２）。

【0054】

また、あるいは、終了判定部１６０は、試加工の回数が図４の例に示す制約条件設定部１１０で設定された試行回数Ｇの上限回数を超えた場合に、予め定められた条件を満たしたと判定し（ステップＳ１１０でＹｅｓ）、ループを抜け、実験を終了する（ステップＳ１１２）。実験が終了されると、実験支援処理は終了する。

【0055】

一方で、終了処理部１６０が、現在の状態が予め定められた条件を満たさないと判定すると（ステップＳ１１０でＮｏ）、処理はステップＳ１１１に進み、次の試加工についてステップＳ１０３～ステップＳ１１１が繰り返される。

【0056】

実験支援処理によって得られた試加工データベース１２０の内容は、機械学習装置３００に送信される。機械学習装置３００は、例えば、強化学習により、目的変数である面粗さＥが最小になるように入力変数の組み合わせである加工条件が推定する。上述の手法により学習データが選定されているため、学習データは少な過ぎず、多すぎず、適切な学習が可能である。また、実験支援処理によって得られた試加工データベース１２０の目的変数である面粗さＥの値が最小になるときの入力変数の組み合わせを抽出することにより、最適な加工条件が推定されてもよい。

【0057】

以上のように第１実施形態によれば、実験支援装置１００は、ベイズ最適化等の機械学習で探索された様々な加工条件で試加工が行われる実験において、類似度の高いデータがある程度得られたら実験を終了する。これにより、最適な加工条件を得るために必要なデータを重点的に収集しつつも類似したデータを収集し過ぎることがなく、ひいては経済的又は時間的なコストを抑制することができ、効率良くデータを収集することができる。

【0058】

また、第１実施形態によれば、試加工条件探索部１３０がベイズ最適化等により次の試加工における加工条件を探索する前に、過去の試加工におけるデータを正規化する。これにより、試加工探索部１３０が探索する加工条件が最適解に収束しやすくなり、実験にかかるコストを抑制することにつながる。

【0059】

（第２実施形態）
次に、本開示の第２実施形態を説明する。第１実施形態と同等の構成及び処理には同一の符号を付す。第１実施形態では、試加工の度にベイズ最適化等によって探索した加工条件を試加工データベースに追加したが、第２実施形態では、実験計画法により予め試加工データベースを作成する。

【0060】

図７に示すように、実験支援装置１０１は、第１実施形態での試加工データベース１２０の代わりに試加工データベース１２１を備え、さらに、試加工データベース１２１を作成するデータベース作成部１７０を備える。試加工作成部１７０は、実験計画法により図８の例に示す試加工データベース１２１を予め作成する。ここでは、４因子３水準のＬ９直交表が作成されることとする。主軸回転数Ａ、送り速度Ｂ、径切込量Ｃ、軸切込量Ｄの４つの因子のそれぞれには、（ａ１，ａ２，ａ３）、（ｂ１，ｂ２，ｂ３）、（ｃ１，ｃ２，ｃ３）、（ｄ１，ｄ２，ｄ３）の３水準の値が格納されている。Ｌ９直交表では、各入力変数の列において、３水準の値が同じ個数ずつ出現する。

【0061】

これらの３水準の値には、例えば、それぞれの入力変数について制約条件設定部１１０で設定されている制約条件１１３の範囲の設定下限値、中央値、設定上限値が選択される。即ち、ａ１、ｂ１、ｃ１、ｄ１には制約条件１１３の設定下限値、ａ２、ｂ２、ｃ２、ｄ２には、制約条件１１３の平均値、ａ３、ｂ３、ｃ３、ｄ３には、制約条件１１３の設定上限値が選択されてもよい。

【0062】

図９は、実験支援装置１０１によって実行される実験支援処理を説明するフローチャートである。以下、図９を参照して、実験支援処理を説明する。

【0063】

実験支援処理は、例えば、実験支援処理のアプリ、プログラムが起動された際にスタートする。実験支援処理がスタートすると、まず、制約条件設定部１１０は、ユーザから図４の例に示す入力変数、目的変数等の設定を受け付け、その制約条件が入力されたか否かを判定する（ステップＳ２０１）。制約条件設定部１１０がユーザから制約条件が入力されたと判定するまで、実験支援処理は待機状態となる（ステップＳ２０１でＮｏ）。

【0064】

制約条件設定部１１０がユーザから制約条件が入力されたと判定すると（ステップＳ２０１でＹｅｓ）、データベース作成部１７０は、実験計画法のアルゴリズムにより試加工データベース１２１を作成する（ステップＳ２０２）。

【0065】

続いて、ステップＳ２０３～ステップＳ２０７はループ処理であり、予め定められた条件を満たすまで、各試加工ＩＤについて繰り返される。ループ処理が開始すると、（ステップＳ２０３）、まず、実験支援装置１０１は、加工装置２００に、最初の試加工ＩＤに紐付けられた入力変数の組み合わせを指定した試加工指示を送信する（ステップＳ２０４）。

【0066】

その後、加工装置２００は、実験支援装置１０１からの試加工指示を受け取り、試加工指示に指定された入力条件で試加工し、目的変数である面粗さを取得した後、目的変数を指定した応答を実験支援装置１０１に送信する。実験支援装置１０１は、加工装置２００から目的変数を指定した応答を取得したか否かを判定する（ステップＳ２０５）。実験支援装置１０１が加工装置２００から目的変数を指定した応答を取得したと判定するまで、実験支援処理は待機状態となる（ステップＳ２０５でＮｏ）。

【0067】

一方で、実験支援装置１０１が加工装置２００から目的変数を指定した応答を取得したと判定すると（ステップＳ２０５でＹｅｓ）、応答に指定された目的変数が試加工データベース１２１に格納された後、終了判定部１６０は、現在の状態が予め定められた条件を満たすか否かを判定する（ステップＳ２０６）。例えば、終了判定部１６０は、試加工の回数が図４の例に示す制約条件設定部１１０で設定された試行回数Ｇの上限回数を超えた場合に、予め定められた条件を満たしたと判定し（ステップＳ２０６でＹｅｓ）、ループを抜け、実験を終了する（ステップＳ２０８）。実験が終了されると、実験支援処理は終了する。

【0068】

一方で、終了処理部１６０が、現在の状態が予め定められた条件を満たさないと判定すると（ステップＳ２０６でＮｏ）、処理はステップＳ２０７に進み、次の試加工についてステップＳ２０３～ステップＳ２０７が繰り返される。

【0069】

このように実験処理によって得られた試加工データベース１２１の内容は、機械学習装置３００に送信され、機械学習によって、目的変数である面粗さＥが最小になるように入力変数の組み合わせである加工条件が推定されてもよい。

【0070】

ここで、試加工データベース１２１の内容を分散分析して、図１０に示すような結果が得られたとする。ここでは、目的変数である面粗さを最小にするために強く影響する要因が主軸回転数Ａと径切込量Ｃであることが分かったとする。これにより、再度実験する際には主軸回転数Ａと径切込量Ｃに絞って実験及び機械学習装置３００を用いた機械学習をしてもよい、と判断することができる等、事前学習として利用することができる。

【0071】

以上のように第２実施形態によれば、ユーザが設定した試加工の上限回数を超える等予め定められた条件を満たした場合に、実験を終了する。これにより、試加工の回数が予め見込めないという事態を避けつつ、再実験の際の検討すべき項目を絞ることができ、効率良くデータを収集することができる。

【0072】

（第３実施形態）
次に、本開示の第３実施形態を説明する。第１実施形態及び第２実施形態と同等の構成及び処理には同一の符号を付す。第１実施形態では、実験を終了するか否かは、類似度の高いデータがある程度得られた否かにより判定したが、第３実施形態では、実験支援装置１０２と機械学習装置３００がそれぞれ導き出す最適解が一致するか否かにより判定する。

【0073】

図１１に示すように、実験支援装置１０２は、試加工データベース１２０から、目的変数が予め定められた条件を満たす入力変数の組み合わせを抽出する抽出部１８０を備える。
また、機械学習装置３００は、実験支援装置１０２から試加工データベース１２０を取得し、強化学習等を行い、目的変数が予め定められた条件を満たす入力変数の組み合わせを推定する。予め定められた条件とは、例えば、目的変数である面粗さＥが最小値をとることである。

【0074】

終了処理部１６０は、抽出部１８０が抽出した入力変数の組み合わせと、機械学習装置３００が推定した入力変数の組み合わせとが一致した場合に、実験を終了する。ここで、「一致」とは完全な一致のみを表すものではなく、ある程度の一致、即ち「類似」の概念も含むものとする。類似しているかどうかは、２つの入力変数の組み合わせのユークリッド距離を計算し、予め定められた閾値を超えるか否かを判定する等一定の類似度演算により判定される。

【0075】

図１２は、実験支援装置１０２によって実行される実験支援処理を説明するフローチャートである。以下、図１２を参照して、実験支援処理を説明する。

【0076】

実験支援処理は、例えば、実験支援処理のアプリ、プログラムが起動された際にスタートする。実験支援処理がスタートすると、まず、制約条件設定部１１０は、ユーザから図４の例に示す入力変数、目的変数等の設定を受け付け、その制約条件が入力されたか否かを判定する（ステップＳ３０１）。制約条件設定部１１０がユーザから制約条件が入力されたと判定するまで、実験支援処理は待機状態となる（ステップＳ３０１でＮｏ）。

【0077】

制約条件設定部１１０がユーザから制約条件が入力されたと判定すると（ステップＳ３０１でＹｅｓ）、試加工データベース１２０が作成される（ステップＳ３０２）。この段階では、図５（Ａ）に示すように、いずれの項目も未設定となっている。

【0078】

続いて、ステップＳ３０３～ステップＳ３１２はループ処理であり、予め定められた条件を満たすまで、各試加工ＩＤについて繰り返される。ループ処理が開始すると（ステップＳ３０３）、まず、正規化処理部１４０が、試加工データベース１２０に記憶されている過去の試加工における全ての入力変数及び目的変数を正規化する（ステップＳ３０４）。最初の試加工については、過去のデータがないのでステップＳ３０４はスキップされる。

【0079】

次に、試加工条件探索部１３０は、正規化処理部１４０によって正規化された過去の入力変数及び目的変数に基づいて、次の試加工で試されるべき入力変数の組み合わせであって、目的変数を最小化することが期待できる入力条件の組み合わせを探索する（ステップＳ３０５）。

【0080】

試加工条件探索部１３０により各入力変数の組み合わせが探索されると、正規化処理部１４０は、探索された入力変数の組み合わせを逆変換する（ステップＳ３０６）。そして、正規化処理部１４０は、逆変換された入力変数の組み合わせを試加工データベース１２０に追加する。試加工データベース１２０に新しい入力変数の組み合わせが追加されると、実験支援装置１０２は、加工装置２００に、追加された入力変数の組み合わせを指定した試加工指示を送信する（ステップＳ３０７）。

【0081】

その後、加工装置２００は、実験支援装置１０２から試加工指示を受け取り、試加工指示に指定された入力条件で試加工し、目的変数である面粗さを取得した後、目的変数を指定した応答を実験支援装置１０２に送信する。実験支援装置１０２は、加工装置２００から目的変数を指定した応答を取得したか否かを判定する（ステップＳ３０８）。実験支援装置１０２が加工装置２００から目的変数を指定した応答を取得したと判定するまで、実験支援処理は待機状態となる（ステップＳ３０８でＮｏ）。

【0082】

一方で、実験支援装置１０２が加工装置２００から目的変数を指定した応答を取得したと判定すると（ステップＳ３０８でＹｅｓ）、応答に指定された目的変数が試加工データベース１２０に格納された後、抽出部１８０は、目的変数が最小値をとるときの入力変数の組み合わせを抽出する（ステップＳ３０９）。

【0083】

続いて、実験支援装置１０２は、機械学習装置３００に現在の試加工データベース１２０の内容を指定した学習指示を送信する。機械学習装置３００は、実験支援装置１０２から、学習指示を受信すると、その学習指示に指定されている試加工データベース１２０から、目的変数である面粗さＥが最小値をとるときの入力変数の組み合わせを推定する。そして、機械学習装置３００は、実験支援装置１０２に、推定した入力変数の組み合わせを指定した応答を送信する。実験支援装置１０２は、機械学習装置から、推定した入力変数の組み合わせを指定した応答を受信することにより、目的変数が最小値を取るときの入力変数の組み合わせを取得する（ステップＳ３１０）。

【0084】

その後、実験支援装置１０２は、抽出部１８０が抽出した入力変数の組み合わせと、機械学習装置３００が推定した入力変数の組み合わせとが一致するか否かを判定する（ステップＳ３１１）。抽出部１８０が抽出した入力変数の組み合わせと、機械学習装置３００が推定した入力変数の組み合わせとが一致すると判定された場合（ステップＳ３１１でＹｅｓ）、ループを抜け、終了処理部１６０は、実験を終了する（ステップＳ３１３）。そして、実験支援処理は終了する。

【0085】

一方で、抽出部１８０が抽出した入力変数の組み合わせと、機械学習装置３００が推定した入力変数の組み合わせとが一致しないと判定された場合（ステップＳ３１１でＮｏ）、処理はステップＳ３１２に進み、次の試加工についてステップＳ３０３～ステップＳ３１２が繰り返される。

【0086】

以上のように第３実施形態によれば、実験支援装置１０２と機械学習装置３００が算出した入力変数の組み合わせの最適解が一致したときに、実験を終了する。これにより、いわゆる局所最適解を最適解として推定しまうといった事態を防ぐことができる。

【0087】

（変形例１）
実施形態１において、実施支援処理によって得られた試加工データベース１２０の内容が機械学習装置３００に送信され、機械学習装置３００によって最適な加工条件が推定されてもよいことを記載した。ここで、実験支援装置１００は、機械学習装置３００に、試加工データベース１２０の内容を送信する前に、データ類似度が「０」である試加工に係るデータを削除してもよい。機械学習装置３００に送信する前に削除することにより、ネットワークの負荷、機械学習時のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）の負荷を抑制することができる。

【0088】

（変形例２）
上述した実施形態では、入力変数としてエンドミル２１０の主軸回転数Ａ、送り速度Ｂ、径切込量Ｃ、軸切込量Ｄを、目的変数として切削面２２１の面粗さＥを選択することを記載したが、入力変数、目的変数に選択される変数はこれに限られない。例えば、切削時に使用するクーラントの流量、エンドミル２１０等工具の特性値、ワーク２２０の特性値等を入力変数に追加してもよいし、切削抵抗値、主軸電流等を目的変数に追加してもよい。

【0089】

また、複数の目的変数を数式化して新しい目的変数としてもよい。例えば、加工装置２００が備えるセンサ等により取得できる値であって、切削加工時にエンドミル２１０がワーク２２０から受ける抵抗を示す値である切削抵抗値を利用して、以下の数式で表される目的変数１、目的変数２を、目的変数として設定してもよい。
目的変数１＝切削抵抗値×幾何公差
目的変数２＝切削抵抗値／切削量
（切削量＝軸切込量Ｄ×径切込量Ｃ×送り速度Ｂ）

【0090】

なお、多目的最適化問題として入力変数を推定する場合には、多目的最適化アルゴリズムであるＰＳＯ（Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ）、遺伝的アルゴリズム等を使用する。

【0091】

（変形例３）
上述した実施形態では、実験支援装置１００、実験支援装置１０１又は実験支援装置１０２と、加工装置２００と、機械学習装置３００は別体として取り扱ったが、これらは一体となって構成されていてもよいし、いずれか２つが一体となって構成されていてもよい。

【0092】

（変形例４）
以上の実施の形態においては、加工装置の加工条件の学習データを求める場合を例に、本開示を説明したが、本開示はこれに限定されない。様々な実験を伴う学習データを効率良く取得するために広く活用可能である。

【0093】

（付記１）
機械学習の学習データを得るための実験における入力変数の組み合わせと予め定められた評価値とを対応付けて記憶する試加工データベースと、
前記試加工データベースに記憶されている入力変数の組み合わせに基づいて、次の入力変数の組み合わせを探索する試加工条件探索部と、
前記試加工条件探索部が探索した入力変数の組み合わせと、前記試加工データベースに記憶されている入力変数の組み合わせそれぞれとの類似度を示す前記評価値を求めて、前記試加工データベースに追加する類似判定部と、
前記類似判定部により求められた評価値が予め定められた条件を満たした場合に、学習用の入力データの生成を終了する終了処理部と、
を備える実験支援装置。

【0094】

（付記２）
前記試加工条件探索部により生成された入力変数の組み合わせを条件として実施された実験の結果を示す目的変数を取得して、前記試加工データベースに、実験で使用した入力変数と対応付けて格納し、
前記試加工条件探索部は、前記試加工データベースに記憶されている入力変数の組み合わせと対応する目的変数とに基づいて、次の入力変数の組み合わせを探索する、
付記１に記載の実験支援装置。

【0095】

（付記３）
前記類似判定部が、予め定められた回数以上連続で、現在の試加工における入力変数が過去のいずれの試加工における入力変数と類似していると判定した場合に、前記終了処理部は前記実験を終了する、
付記１又は２に記載の実験支援装置。

【0096】

（付記４）
前記類似判定部が、予め定められた回数以上、現在の試加工における入力変数が過去のいずれの試加工における入力変数と類似していると判定した場合に、前記終了処理部は前記実験を終了する、
付記１から３のいずれか１つに記載の実験支援装置。

【0097】

（付記５）
前記入力変数の範囲を設定する制約条件設定部をさらに備え、
前記試加工条件探索部は、前記設定された範囲内で、前記次に試みるべき試加工における入力変数を探索する、
付記１から４のいずれか１つに記載の実験支援装置。

【0098】

（付記６）
前記制約条件設定部は、さらに、前記実験に含まれる試加工の上限回数を設定し、
前記終了処理部は、前記試加工の回数が前記設定された上限回数を超えた場合に、前記実験を終了する、
付記５に記載の実験支援装置。

【0099】

（付記７）
前記試加工データベースに記憶されている過去の入力変数及び目的変数を予め定められた範囲内の数値に正規化する正規化処理部をさらに備え、
前記試加工条件探索部は、前記正規化された過去の入力変数及び目的変数に基づいて、次に試みるべき試加工における入力変数を探索する、
付記１から６のいずれか１つに記載の実験支援装置。

【0100】

（付記８）
実験計画法により前記試加工データベースを予め作成するデータベース作成部と、
前記実験に含まれる試加工の上限回数を設定する制約条件設定部と、をさらに備え、
前記終了処理部は、前記試加工の回数が前記設定された上限回数を超えた場合に、前記実験を終了する、
付記１から７のいずれか１つに記載の実験支援装置。

【0101】

（付記９）
前記試加工データベースから、前記目的変数が予め定められた条件を満たすときの前記入力変数の組み合わせを抽出する抽出部と、
前記試加工データベースを取得し、前記目的変数が予め定められた条件を満たすときの前記入力変数の組み合わせを推定する機械学習装置と、をさらに備え、
前記終了処理部は、前記抽出した入力変数の組み合わせと、前記推定した入力変数の組み合わせとが一致した場合に、前記実験を終了する、
付記１から８のいずれか１つに記載の実験支援装置。

【0102】

（付記１０）
コンピュータが、
機械学習の学習データを得るための実験における入力変数の組み合わせと予め定められた評価値とを対応付けて記憶する試加工データベースに記憶されている入力変数の組み合わせに基づいて、次の入力変数の組み合わせを探索し、
前記探索した入力変数の組み合わせと、前記試加工データベースに記憶されている入力変数の組み合わせそれぞれとの類似度を示す前記評価値を求めて、前記試加工データベースに追加し、
前記求められた評価値が予め定められた条件を満たした場合に、学習用の入力データの生成を終了する、
実験支援方法。

【0103】

（付記１１）
コンピュータに、
機械学習の学習データを得るための実験における入力変数の組み合わせと予め定められた評価値とを対応付けて記憶する試加工データベースに記憶されている入力変数の組み合わせに基づいて、次の入力変数の組み合わせを探索する試加工条件探索部、
前記試加工条件探索部が探索した入力変数の組み合わせと、前記試加工データベースに記憶されている入力変数の組み合わせそれぞれとの類似度を示す前記評価値を求めて、前記試加工データベースに追加する類似判定部、
前記類似判定部により求められた評価値が予め定められた条件を満たした場合に、学習用の入力データの生成を終了する終了処理部、
として機能させるプログラム。

【0104】

本開示は、本開示の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、この開示を説明するためのものであり、本開示の範囲を限定するものではない。すなわち、本開示の範囲は、実施の形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の開示の意義の範囲内で施される様々な変形が、この開示の範囲内とみなされる。

【符号の説明】

【0105】

１ 加工条件調整システム、１０ 入力部、２０ 表示部、３０ 制御部、４０ 主記憶部、５０ 補助記憶部、６０ 通信部、７０ バス、１００、１０１、１０２ 実験支援装置、１１０ 制約条件設定部、１１１ 項目種、１１２ 項目、１１３ 制約条件、１２０、１２１ 試加工データベース、１３０ 試加工条件探索部、１４０ 正規化処理部、１５０ 類似判定部、１６０ 終了処理部、１７０ データベース作成部、１８０ 抽出部、２００ 加工装置、２１０ エンドミル、２２０ ワーク、２２１ 切削面、３００ 機械学習装置、Ａ 主軸回転数、Ｂ 送り速度、Ｃ 径切込量、Ｄ 軸切込量

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】