特許 7589000 学習装置、プログラム作成装置、方法、およびプログラム

(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】

(24)【登録日】2024-11-15

(45)【発行日】2024-11-25

(54)【発明の名称】学習装置、プログラム作成装置、方法、およびプログラム

(51)【国際特許分類】

   G05B 19/4155 20060101AFI20241118BHJP

   G05B 19/4069 20060101ALI20241118BHJP

   B23Q 15/00 20060101ALI20241118BHJP

   G05B 19/4097 20060101ALN20241118BHJP

【ＦＩ】

G05B19/4155 V

G05B19/4069

B23Q15/00 301C

G05B19/4097 C

【請求項の数】 20

(21)【出願番号】P 2020169418

(22)【出願日】2020-10-06

(65)【公開番号】P2022061422

(43)【公開日】2022-04-18

【審査請求日】2023-09-06

(73)【特許権者】

【識別番号】000001007

【氏名又は名称】キヤノン株式会社

(74)【代理人】

【識別番号】110002860

【氏名又は名称】弁理士法人秀和特許事務所

(72)【発明者】

【氏名】青山 功嗣

(72)【発明者】

【氏名】朝來野 佐織

(72)【発明者】

【氏名】斎藤 洸輔

【審査官】増山 慎也

(56)【参考文献】

【文献】特開２０１９－１５０９０２（ＪＰ，Ａ）

【文献】特開２０１７－０３００６７（ＪＰ，Ａ）

【文献】特開２０２０－１３８２７９（ＪＰ，Ａ）

【文献】特開２０２０－０３８５２９（ＪＰ，Ａ）

【文献】特開２０１１－０３９６０９（ＪＰ，Ａ）

【文献】特開２０１８－０２２２０４（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０５Ｂ １９／４１５５

Ｇ０５Ｂ １９／４０６９

Ｂ２３Ｑ １５／００

Ｇ０５Ｂ １９／４０９７

Ｇ０６Ｎ ２０／００

(57)【特許請求の範囲】

【請求項1】

物体の形状データの入力に応じてＮＣプログラムの作成条件を出力する学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得手段と、
前記取得手段により取得された作成条件に基づいてＮＣプログラムを作成する作成手段と、
前記作成手段により作成されたＮＣプログラムから計算された報酬に基づいて、前記学習モデルから出力されるＮＣプログラムの作成条件が変更されるように、前記学習モデルを更新する学習手段と
を有し、
前記物体は型であり、
前記報酬は、前記型から成形品を離型する際の離型性に関する情報を含む
ことを特徴とする学習装置。

【請求項2】

前記学習手段は、
前記ＮＣプログラムから加工効率を計算し、
前記加工効率が高いほど高い報酬を計算する
ことを特徴とする請求項１に記載の学習装置。

【請求項3】

前記学習手段は、前記ＮＣプログラムを用いて加工のシミュレーションを実行して、前記ＮＣプログラムに従った加工効率を計算する
ことを特徴とする請求項２に記載の学習装置。

【請求項4】

前記学習手段は、
前記ＮＣプログラムから加工面品位を計算し、
前記加工面品位が高いほど高い報酬を計算する
ことを特徴とする請求項１～３のいずれか１項に記載の学習装置。

【請求項5】

前記物体の各面について個別に、前記取得手段による作成条件の取得、前記作成手段によるＮＣプログラムの作成、および前記学習手段による前記学習モデルの更新が行われ、
前記学習手段は、処理対象の面に対応するパラメトリック曲面の空間方向と、前記処理
対象の面に対応するＮＣプログラムに従った加工経路の送り方向との一致度を、前記加工面品位として計算する
ことを特徴とする請求項４に記載の学習装置。

【請求項6】

前記学習手段は、
前記ＮＣプログラムから離型性を計算し、
前記離型性が高いほど高い報酬を計算する
ことを特徴とする請求項１～５のいずれか１項に記載の学習装置。

【請求項7】

前記学習手段は、前記ＮＣプログラムに従った加工経路の送り方向と前記物体の型抜き方向がなす角度と、９０°との一致度を、前記離型性として計算する
ことを特徴とする請求項６に記載の学習装置。

【請求項8】

前記学習モデルは、前記物体の形状データと属性情報の入力に応じてＮＣプログラムの作成条件を出力する
ことを特徴とする請求項１～７のいずれか１項に記載の学習装置。

【請求項9】

前記属性情報は、前記物体の材質、公差、加工モード、および用途の少なくともいずれかを含む
ことを特徴とする請求項８に記載の学習装置。

【請求項10】

物体の形状データと属性情報の入力に応じてＮＣプログラムの作成条件を出力する学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得手段と、
前記取得手段により取得された作成条件に基づいてＮＣプログラムを作成する作成手段と、
前記作成手段により作成されたＮＣプログラムから計算された報酬に基づいて、前記学習モデルから出力される取得手段が取得するＮＣプログラムの作成条件が変更されるように、前記学習モデルを更新する学習手段と
を有し、
前記物体は型であり、
前記属性情報は、前記物体の型抜き方向を含む
ことを特徴とする学習装置。

【請求項11】

前記物体の各面について個別に、前記取得手段による作成条件の取得、前記作成手段によるＮＣプログラムの作成、および前記学習手段による前記学習モデルの更新が行われることを特徴とする請求項１～１０のいずれか１項に記載の学習装置。

【請求項12】

前記作成条件は、加工パスの種類と、加工パスを切り替える切替条件との少なくとも一方である
ことを特徴とする請求項１～１１のいずれか１項に記載の学習装置。

【請求項13】

前記加工パスは、等高線パス、走査線パス、または面沿いパスである
ことを特徴とする請求項１２に記載の学習装置。

【請求項14】

請求項１～１３のいずれか１項に記載の学習装置により更新された学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得手段と、
前記取得手段により取得された作成条件に基づいてＮＣプログラムを作成する作成手段と
を有することを特徴とするプログラム作成装置。

【請求項15】

請求項１～１３のいずれか１項に記載の学習装置により更新された学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得手段と、
前記取得手段により取得された作成条件に基づいてＮＣプログラムを作成する作成手段と、
前記作成手段により作成されたＮＣプログラムに従って加工を行う加工手段と
を有することを特徴とする加工装置。

【請求項16】

請求項１４に記載のプログラム作成装置と、
前記プログラム作成装置により作成されたＮＣプログラムに従って加工を行う加工装置と
を有することを特徴とする加工システム。

【請求項17】

物体の形状データの入力に応じてＮＣプログラムの作成条件を出力する学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得ステップと、
前記取得ステップにおいて取得された作成条件に基づいてＮＣプログラムを作成する作成ステップと、
前記作成ステップにおいて作成されたＮＣプログラムから計算された報酬に基づいて、前記学習モデルから出力されるＮＣプログラムの作成条件が変更されるように、前記学習モデルを更新する学習ステップと
を有し、
前記物体は型であり、
前記報酬は、前記型から成形品を離型する際の離型性に関する情報を含む
ことを特徴とする学習方法。

【請求項18】

請求項１～１３のいずれか１項に記載の学習装置により更新された学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得ステップと、
前記取得ステップにおいて取得された作成条件に基づいてＮＣプログラムを作成する作成ステップと
を有することを特徴とするプログラム作成方法。

【請求項19】

請求項１～１３のいずれか１項に記載の学習装置により更新された学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得ステップと、
前記取得ステップにおいて取得された作成条件に基づいてＮＣプログラムを作成する作成ステップと、
前記作成ステップにおいて作成されたＮＣプログラムに従って加工を行う加工ステップと
を有することを特徴とする加工方法。

【請求項20】

請求項１７に記載の学習方法、請求項１８に記載のプログラム作成方法、または請求項１９に記載の加工方法の各ステップをコンピュータに実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、工作機械を数値制御するためのＮＣプログラムを作成するために用いられる学習装置、プログラム作成装置、方法、およびプログラムに関する。

【背景技術】

【0002】

ＮＣプログラムを用いるＮＣ加工機やマシニングセンタなどでは、径や長さの異なる複数の工具を用いて複数の加工方向から加工が行われる。工具の種類や、加工順序、加工方向、加工パスは、加工効率や加工面品位に影響を及ぼすため、ＮＣプログラムの作成においては、それらを考慮しなければならない。特に、プラスチック成形に用いられる金型部品を加工で得る場合には、加工方向や加工パスが、プラスチック成形品を金型から取り外す際の離型性にも影響を及ぼすため、注意が必要である。加工パスには等高線パスや走査線パス、面沿いパスなど、様々な種類があり、それぞれに長所と短所がある。従来は、作業者が経験をもとに感覚的に加工パスを決定していた。ここで、微細形状や、曲面が含まれる複雑な形状などを加工で得る場合を考える。このような加工を効率よく行うためには、目標生成物（加工により得る物体）の材質や形状、目標生成物における加工面の用途や要求品質、加工モード（荒加工や仕上げ加工など）などに合わせて、複数の加工パスを切り替えて使用する必要がある。しかし、加工パスの種類（パス種類）と切替条件の決定には熟練を要し、熟練者でも最適なパス種類や切替条件の決定に時間を要したり、最適でないパス種類や切替条件を決定してしまうことがある。

【0003】

特許文献１には、加工形状データと、数値制御加工プログラムの生成方法と、生成された数値制御加工プログラムに対する編集内容とに基づいて、数値制御加工プログラムの生成方法を学習する学習装置が記載されている。

【0004】

特許文献２には、工作機械の各軸の速度のＮ階微分要素を、加工済みワークの加工精度、面品位、および加工時間のうち少なくともいずれか１つと関連付けて学習する学習装置が記載されている。

【先行技術文献】

【特許文献】

【0005】

【文献】国際公開第２０２０／０１２５８１号

【文献】特開２０１８－１８１２１７号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、特許文献１に記載の技術において、ＮＣプログラムの編集はユーザが行う作業であり、当該編集には熟練と時間を要する。また、ユーザによる編集の内容に基づいて学習（機械学習）を行うため、ユーザの癖を含んだ学習結果が得られる。このため、作成されるＮＣプログラムがユーザの所望するＮＣプログラムであったとしても、加工効率や加工面品位などの観点から最適なＮＣプログラムであるとは限らない。さらに、複雑な形状を加工で得る場合などにおいては、人に依って評価が大きくばらつくＮＣプログラムが作成されやすい。特許文献２には、ＮＣプログラムの自動作成や加工パスに関する記載は無い。このため、特許文献１，２に記載の技術でも、加工パスの種類と切替条件の決定に熟練と時間を要する。つまり、特許文献１，２に記載の技術では、好適なＮＣプログラムを容易に作成することができない。

【0007】

本発明は、好適なＮＣプログラムを容易に作成可能にする技術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】

本発明の第１の態様は、
物体の形状データの入力に応じてＮＣプログラムの作成条件を出力する学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得手段と、
前記取得手段により取得された作成条件に基づいてＮＣプログラムを作成する作成手段と、
前記作成手段により作成されたＮＣプログラムから計算された報酬に基づいて、前記学習モデルから出力されるＮＣプログラムの作成条件が変更されるように、前記学習モデルを更新する学習手段と
を有し、
前記物体は型であり、
前記報酬は、前記型から成形品を離型する際の離型性に関する情報を含む
ことを特徴とする学習装置である。

【0009】

本発明の第２の態様は、
上述した学習装置により更新された学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得手段と、
前記取得手段により取得された作成条件に基づいてＮＣプログラムを作成する作成手段と
を有することを特徴とするプログラム作成装置である。

【0010】

本発明の第３の態様は、
上述した学習装置により更新された学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得手段と、
前記取得手段により取得された作成条件に基づいてＮＣプログラムを作成する作成手段と、
前記作成手段により作成されたＮＣプログラムに従って加工を行う加工手段と
を有することを特徴とする加工装置である。

【0011】

本発明の第４の態様は、
上述したプログラム作成装置と、
前記プログラム作成装置により作成されたＮＣプログラムに従って加工を行う加工装置と
を有することを特徴とする加工システムである。

【0012】

本発明の第５の態様は、
物体の形状データの入力に応じてＮＣプログラムの作成条件を出力する学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得ステップと、
前記取得ステップにおいて取得された作成条件に基づいてＮＣプログラムを作成する作成ステップと、
前記作成ステップにおいて作成されたＮＣプログラムから計算された報酬に基づいて、前記学習モデルから出力されるＮＣプログラムの作成条件が変更されるように、前記学習モデルを更新する学習ステップと
を有し、
前記物体は型であり、
前記報酬は、前記型から成形品を離型する際の離型性に関する情報を含む
ことを特徴とする学習方法である。

【0013】

本発明の第６の態様は、
上述した学習装置により更新された学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得ステップと、
前記取得ステップにおいて取得された作成条件に基づいてＮＣプログラムを作成する作成ステップと
を有することを特徴とするプログラム作成方法である。

【0014】

本発明の第７の態様は、
上述した学習装置により更新された学習モデルを用いて、ＮＣプログラムの作成条件を取得する取得ステップと、
前記取得ステップにおいて取得された作成条件に基づいてＮＣプログラムを作成する作成ステップと、
前記作成ステップにおいて作成されたＮＣプログラムに従って加工を行う加工ステップと
を有することを特徴とする加工方法である。

【0015】

本発明の第８の態様は、上述した学習方法、プログラム作成方法、または加工方法の各ステップをコンピュータに実行させるためのプログラムである。

【発明の効果】

【0016】

本発明によれば、好適なＮＣプログラムを容易に作成可能となる。

【図面の簡単な説明】

【0017】

【図1】本発明の実施形態に係る学習装置の機能ブロック図である。

【図2】本発明の実施形態に係る学習処理のフローチャートである。

【図3】本発明の実施形態に係る加工効率評価処理のフローチャートである。

【図4】本発明の実施形態に係る加工面品位評価処理のフローチャートである。

【図5】本発明の実施形態に係る離型性評価処理のフローチャートである。

【図6】本発明の実施形態に係る加工装置の機能ブロック図である。

【図7】本発明の実施形態に係る加工処理のフローチャートである。

【図8】本発明の実施形態に係る学習モデルを示す図である。

【図9】本発明の実施形態に係るＣＡＤモデルを示す図である。

【図10】本発明の実施形態に係るパス種類と切替条件を示す図である。

【発明を実施するための形態】

【0018】

本発明の実施形態について、適宜図面を参照しながら説明する。図１は本実施形態に係る学習装置１の機能構成を示す図である。学習装置１は、好適なＮＣプログラムを作成可能にするために学習モデル２を学習する。学習装置１は、ＣＡＤモデル取得部１１、属性情報取得部１２、学習部２０、および学習モデル２を含む。学習部２０は、データ変換部２１、パス種類・切替条件取得部２２、ＮＣプログラム作成部２３、加工効率評価部２４、加工面品位評価部２５、離型性評価部２６、および機械学習部２７を含む。

【0019】

学習装置１は、１つ以上のプロセッサと、主記憶装置、補助記憶装置、入力装置、および出力装置を含むコンピュータを含み、プロセッサがコンピュータプログラムを実行することにより上記の各部の機能が実現される。学習装置１が有するプロセッサは、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を含み、さらにＧＰＵ（Ｇｒａｐｈｉｃ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を含んでもよい。なお、上記の機能部のうち一部または全部は、専用のハードウェア回路によって実現されてもよい。

【0020】

ＣＡＤモデル取得部１１は、目標生成物（加工により得る物体）の形状を表す形状データ（例えばＣＡＤモデル１３）を取得する。ＣＡＤモデル１３は、３次元ＣＡＤにより生成された立体モデル（３ＤＣＡＤモデル）であり、目標生成物の形状を表す形状データの一例である。ＣＡＤモデルのファイル形式にはＩＧＥＳやＰＲＴなど様々なファイル形式があるが、いずれのファイル形式を採用してもよい。

【0021】

属性情報取得部１２は、目標生成物の属性情報（ＣＡＤモデル取得部１１で取得した形
状データに対応する属性情報）を取得する。目標生成物全体についての属性情報が取得されてもよいが、本実施形態では目標生成物の各面について個別に属性情報が取得されるとする。

【0022】

詳細は後述するが、学習モデル２は、ＮＣプログラムを作成するための情報として、属性情報に基づく情報を出力する。好適な加工方法は目標生成物の材質に依存する。このため、属性情報に目標生成物の材質が含まれることが好ましい。また、公差が厳しい箇所では加工誤差やばらつきを小さくしなければならない。このため、属性情報に目標生成物の公差が含まれることが好ましい。要求される加工精度や加工速度、加工面品位などは加工モード（荒加工や仕上げ加工など）に依存する。例えば、荒加工では、想定された加工精度を満たした上で速い加工速度が要求される。仕上げ加工では、荒加工よりも高い加工精度や加工面品位が要求される。このため、属性情報に目標生成物の加工モードが含まれることが好ましい。加工モードとして、荒加工や仕上げ加工の他に、側面仕上げや隅仕上げなどが設定可能であってもよい。

【0023】

目標生成物が型（金型など）である場合には、離型性（成型品を型から取り外す際の取り外しやすさ）が高いことが好ましく、離型性は、型抜き方向（成形品を型から取り外す方向；型が開く方向；離型方向）に依存する。例えば、型抜き方向を考慮して加工面粗さや切削方向を決定して加工動作を行うことで、離型性に優れた型を得ることができる。このため、目標生成物が型である場合には、属性情報に目標生成物の型抜き方向が含まれることが好ましい。また、要求される加工精度や加工面品位などは目標生成物の用途に依存する。ここで、目標生成物が型である場合を考える。この場合には、用途（面の種類）として、製品となる成形品の面を形成する製品面や、他の型に組み合わせる型合わせ面などが挙げられる。例えば、製品面は製品の外観に影響するため、傷や切削ムラの少ない高品質な加工面であることが要求される。型合わせ面は、型の組み合わせ不良や、成形品におけるバリの発生などを防止するため、精度良く仕上げなければならい。このため、属性情報に目標生成物の用途が含まれることが好ましい。

【0024】

学習モデル２は、目標生成物の形状データ（ＣＡＤモデル１３）と属性情報の入力に応じて、ＮＣプログラムの作成条件を出力する。作成条件は、加工パスの種類（パス種類）と切替条件の少なくとも一方を含む。例えば、学習モデル２は、ＣＡＤモデル１３と属性情報を入力データとして、ディープラーニングによってパス種類と切替条件を出力データとして得る。ディープラーニングとしては、多層ニューラルネットワーク（ＭＵＬＴＩ－Ｌａｙｅｒ Ｐｅｒｃｅｐｔｒｏｎ、以下ＭＬＰ）が用いられることが多い。但し、ディープラーニングのアルゴリズムとして、畳み込みニューラルネットワーク（ＣＮＮ）など他のアルゴリズムが用いられてもよい。学習モデル２では、アンサンブル学習などが用いられてもよい。

【0025】

パス種類は、等高線パス、走査線パス、面沿いパスなどである。等高線パスは、加工座標系における高さ（Ｚ方向の位置）を一定に保って、ＸＹ方向に工具を移動させ、被加工物の等しい高さの部分を輪郭切削するパスである。走査線パスは、ＸＹ平面に沿うように切削するパスである。面沿いパスは、被加工物の面の向きに沿うように切削するパスである。切替条件は、パス種類を切り替える条件であり、角度（切替角度）で示される。

【0026】

図８は、学習モデル２のネットワーク構造を示す図である。学習モデル２は、点群データ特徴抽出モデル８０と多層ニューラルネットワーク（ＭＬＰ）８３を含む。点群データ特徴抽出モデル８０は公知のモデルで、幾何学変換（ｔｒａｎｓｆｏｒｍ）、ＭＬＰ、ＭａｘＰｏｏｌｉｎｇなどを含み、目標生成物の形状データ（点群データ８１）の特徴を抽出する。学習モデル２は、点群データ特徴抽出モデル８０を用いて抽出した特徴と、学習モデル２に入力された属性情報（数値データ８２）とをＭＬＰ８３に入力し、パス種類と
切替条件を出力８４として得る。

【0027】

上述したように、学習モデル２では、入力データであるＣＡＤモデル１３と属性情報から、出力データであるパス種類と切替条件が得られる。そして、図１の学習部２０は、学習モデル２の出力データに基づいてＮＣプログラムを作成し、作成したＮＣプログラムから計算された報酬に基づいて学習モデル２の学習（機械学習）を行う。具体的には、学習部２０は、作成したＮＣプログラムから加工効率、加工面品位、および離型性を計算し、計算されたそれらに基づいて報酬を計算する。なお、報酬の計算方法は特に限定されず、例えば加工効率、加工面品位、および離型性の少なくともいずれかが計算されなくてもよい。

【0028】

したがって、本実施形態では、学習モデル２の入力データにより状態が定義され、定義された状態に対して得られる出力データ（学習モデル２の出力データ）が行動となる。さらに、その行動によって作成されたＮＣプログラムを解析することで得られた加工効率、加工面品位および離型性に基づいて報酬が計算され、価値関数（評価関数）が更新される。以上を繰り返し、種類の異なる大量の目標生成物についての学習が行われる。これにより学習が進むことで、より好適なＮＣプログラムが作成可能となるように、学習モデル２から出力される行動（パス種類や切替条件など）が変更される。

【0029】

上述したように、学習部２０は、データ変換部２１、パス種類・切替条件取得部２２、ＮＣプログラム作成部２３、加工効率評価部２４、加工面品位評価部２５、離型性評価部２６、および機械学習部２７を含む。

【0030】

データ変換部２１は、ＣＡＤモデル１３から取得した特定の面データ（目標生成物の特定の面を表したデータ）を、点群データに変換する。点群データは、ＣＡＤモデル１３で表現された立体の特定の面を点の集合体で表したデータであり、座標データ（ｘ，ｙ，ｚ）で表現される。なお、点群データは、座標データに限らず、各点の法線ベクトルのデータを含んでもよい。ＣＡＤモデル１３から点群データへの変換の方法としては、例えばＣＡＤモデル１３をＳＴＬ（Ｓｔｅｒｅｏｌｉｔｈｏｇｒａｐｈｙ）データとして保存し、ＳＴＬデータの三角パッチの頂点の座標および法線ベクトルを点群データとして抽出する方法を利用することができる。点群データにおける点群の数は、多ければ多いほど目標生成物の形状をより忠実に表現できるため好ましい。しかしながら、コンピュータで処理を行う上でメモリなどのリソースの制約があるため、リソースの制約を基に最大の点群数が決定される。また、データ変換部２１は、目標生成物の属性情報を数値データに変換する。

【0031】

パス種類・切替条件取得部２２は、データ変換部２１によって変換された点群データと数値データを学習モデル２に入力して、学習モデル２が出力したパス種類と切替条件（ＣＡＤモデル１３の特定の面に対応するパス種類と切替条件）を取得する。

【0032】

ＮＣプログラム作成部２３は、パス種類・切替条件取得部２２により取得されたパス種類と切替条件、およびそれらに対応する特定の面（面データ）を入力として、特定の面に対応するＮＣプログラムを作成する。ＮＣプログラム作成部２３は、学習装置１に内蔵されたＮＣプログラム作成機能によりＮＣプログラムを作成してもよいし、ＣＡＭシステムを用いてＮＣプログラムを作成してもよい。ＣＡＭシステムは、所定の条件を入力するとＮＣプログラムが自動で作成されるシステムである。２つ以上の加工パスを扱うことができれば、ＣＡＭシステムの種類は特に限定されない。

【0033】

加工効率評価部２４は、ＮＣプログラム作成部２３で作成されたＮＣプログラムから、当該ＮＣプログラムを使用した場合の加工効率を計算（評価）する。例えば、加工効率評
価部２４は、加工効率として、加工量と加工時間から、単位時間あたりの加工量を評価する。なお、加工効率評価部２４による加工効率の評価の詳細については後述する。

【0034】

加工面品位評価部２５は、ＮＣプログラム作成部２３で作成されたＮＣプログラムから、当該ＮＣプログラムを使用した場合の加工面品位を計算（評価）する。例えば、加工面品位評価部２５は、加工面品位として、目標生成物の面形状と、ＮＣプログラムで表現された加工経路との関係性（相関）を評価する。なお、加工面品位評価部２５による加工面品位の評価の詳細については後述する。

【0035】

離型性評価部２６は、ＮＣプログラム作成部２３で作成されたＮＣプログラムから、当該ＮＣプログラムを使用した場合の離型性に対する評価を行う。例えば、離型性評価部２６は、離型性として、目標生成物の型抜き方向と、ＮＣプログラムで表現された加工経路のと関係性（相関）を評価する。なお、離型性評価部２６による離型性の評価の詳細については後述する。

【0036】

機械学習部２７は、学習モデル２を学習する。目標生成物のＣＡＤモデル１３と属性情報に対してどのような行動（パス種類と切替条件）を採用するのが正しいかを一意に決定するのは困難である。そこで、本実施形態では、報酬を与えるだけで学習する強化学習のアルゴリズムを採用する。強化学習のアルゴリズムには、Ｑ－Ｌｅａｒｎｉｎｇ、Ｄｅｅｐ Ｑ－Ｎｅｔｗｏｒｋ（ＤＱＮ）、Ａｃｔｏｒ－Ｃｒｉｔｉｃなどがあるが、本実施形態ではいずれのアルゴリズムが採用されてよい。本実施形態では、深層強化学習モデルにおける各ノード間の重みをバックプロパゲーション法により更新するとする。バックプロパゲーション法は、ニューラルネットワークを学習させる際に用いられるアルゴリズムの１つである。これにより、学習モデル２の価値関数（評価関数）が更新される。機械学習部２７は、加工効率評価部２４、加工面品位評価部２５、および離型性評価部２６による評価結果を基に報酬を決定する。

【0037】

次に、図２を参照しながら、学習部２０が実行する学習モデル２の学習処理の詳細について説明する。

【0038】

ステップＳ１００において、機械学習部２７は、学習モデル２の初期化を行う。具体的には、機械学習部２７は、深層強化学習モデルにおける各ノード間の重みを、ランダムな値に設定する。

【0039】

ステップＳ１０１において、学習部２０は、ＣＡＤモデル取得部１１が取得したＣＡＤモデル１３から、処理対象面データ（目標生成物の１つの面（処理対象面）の面データ）を取得する。また、学習部２０は、属性情報取得部１２が取得した複数の属性情報（目標生成物の複数の面にそれぞれ対応する複数の属性情報）から、処理対象面の属性情報を取得する。ここでは、目標生成物が型であるとし、属性情報は、型抜き方向や面法線方向（処理対象面に垂直な方向）に対する公差として、型の設計工程において予め設定された数値を含むとする。また、属性情報は、目標生成物の材質、加工モード、用途などとして、Ｌａｂｅｌ表現で定義された情報を含むとする。処理対象面データとしては、ＳＴＬデータが取得されるとする。

【0040】

ステップＳ１０２において、データ変換部２１は、ステップＳ１０１で取得された処理対象面データを点群データに変換し、ステップＳ１０１で取得された属性情報（処理対象面の属性情報）を数値データに変換する。ここでは、処理対象面データ（ＳＴＬデータ）の三角パッチの頂点のｘ，ｙ，ｚ座標および法線ベクトルが抽出され、２０４８点からなる点群データが取得されるとする。

【0041】

ステップＳ１０３において、パス種類・切替条件取得部２２は、ステップＳ１０２で得られた点群データと数値データから、パス種類と切替条件を取得する。具体的には、パス種類・切替条件取得部２２は、ステップＳ１０２で得られた点群データと数値データを学習モデル２に入力して、学習モデル２から出力されたパス種類と切替条件を取得する。

【0042】

ステップＳ１０４において、ＮＣプログラム作成部２３は、ステップＳ１０３で取得されたパス種類と切替条件、およびそれらに対応する処理対象面データを入力として、処理対象面（処理対象面データ）に対応するＮＣプログラムを作成する。ここでは、等高線パス、走査線パス、および面沿いパスの３種類の加工パスを扱うことができるＣＡＭシステムが使用されたとする。

【0043】

ステップＳ１０５において、加工効率評価部２４は、ステップＳ１０４で作成されたＮＣプログラムに基づく加工効率評価処理を行う。加工効率評価処理は、ＮＣプログラムに基づく加工効率を評価する処理である。

【0044】

ここで、図３を参照しながら、加工効率評価部２４による加工効率評価処理（ステップＳ１０５）について具体的に説明する。

【0045】

ステップＳ２０１において、加工効率評価部２４は、ステップＳ１０４で作成されたＮＣプログラムを用いて加工シミュレーションを実行する。加工シミュレーションは、ステップＳ１０１で取得された属性情報に含まれる材質や加工モード（荒加工や仕上げ加工など）などを考慮して行われてもよい。加工シミュレーションは、市販のシステムによって行われてもよい。ＮＣプログラムに従った加工の量（加工量）と時間（加工時間）が算出されれば、加工シミュレーションの方法は特に限定されない。

【0046】

ステップＳ２０２において、加工効率評価部２４は、ステップＳ２０１で算出した加工量を、ステップＳ２０１で算出した加工時間で割ることにより、単位時間あたりの加工量を加工効率として算出する。

【0047】

ステップＳ２０３において、加工効率評価部２４は、ステップＳ２０２で算出した加工量（単位時間あたりの加工量）を標準加工量と比較する。標準加工量は、予め定められた加工量である。目標生成物の材質ごとや、加工モードごとに異なる標準加工量が定められてもよい。その場合には、ステップＳ１０１で取得された属性情報に含まれる材質や加工モードなどに応じて、それらに対応する標準加工量が使用される。標準加工量は、例えば、過去の加工（加工シミュレーションでない実際の加工）における単位時間あたりの加工量である。

【0048】

ステップＳ２０４において、加工効率評価部２４は、ステップＳ２０３での比較結果に基づいて、加工効率に関する報酬（加工効率報酬）を算出する。具体的には、加工効率評価部２４は、ステップＳ２０２で算出した加工量（単位時間あたりの加工量）が大きいほど高い加工効率報酬、つまりステップＳ１０４で作成されたＮＣプログラムに基づく加工効率が高いほど高い加工効率報酬を算出する。これにより、単位時間あたりの加工量が大きいほど（加工効率が高いほど）加工が優れているとして、学習モデル２を学習することができる。本実施形態では、加工効率評価部２４は、単位時間あたりの加工量が標準加工量よりも大きい場合に正の報酬を決定し、単位時間あたりの加工量が標準加工量よりも小さい場合に負の報酬を決定する。なお、加工効率（単位時間あたりの加工量）の連続的な変化に対して加工効率報酬が段階的に変化してもよいし、連続的に変化してもよい。

【0049】

図２の説明に戻る。ステップＳ１０６において、加工面品位評価部２５は、ステップＳ１０４で作成されたＮＣプログラムに基づく加工面品位評価処理を行う。加工面品位評価
処理は、ＮＣプログラムに基づく加工面品位を評価する処理である。

【0050】

ここで、図４を参照しながら、加工面品位評価部２５による加工面品位評価処理（ステップＳ１０６）について具体的に説明する。

【0051】

ステップＳ３０１において、加工面品位評価部２５は、処理対象面をパラメトリック曲面として定義し、ｕ，ｖ方向（パラメトリック曲面の空間方向）を取得する。パラメトリック曲面は、三次元空間（ｘｙｚ空間）に対応した２つのパラメータ（ここではｕ，ｖ方向）によって表現される曲面である。１組のパラメータ（ｕ，ｖ）を与えることによりｘｙｚ空間上での三次元位置（ｘ，ｙ，ｚ）が決定される。（ｕ，ｖ）から（ｘ，ｙ，ｚ）を決定する際に使用する関数によって、平面を円筒面、Ｂスプライン、ＮＵＲＢＳなどの曲面で表現することができる。

【0052】

ステップＳ３０２において、加工面品位評価部２５は、ステップＳ１０４で作成されたＮＣプログラムから、加工経路の送り方向を抽出する。加工経路の方向には送り方向とピックフィード方向があり、送り方向は主に切削加工を行う方向である。

【0053】

ステップＳ３０３において、加工面品位評価部２５は、ステップＳ３０２で抽出した送り方向を、ｕ－ｖ方向ベクトルに変換する。ｕ－ｖ方向ベクトルは、ステップＳ３０１で取得したｕ，ｖ方向に基づく送り方向の単位ベクトルである。換言すれば、ｕ－ｖ方向ベクトルは、処理対象面をパラメトリック曲面として定義した場合の送り方向の単位ベクトルである。

【0054】

ステップＳ３０４において、加工面品位評価部２５は、加工面品位を評価して、加工面品位に関する報酬（加工面品位報酬）を算出する。ステップＳ３０３で得られたｕ－ｖ方向ベクトルの方向がｕ方向またはｖ方向に近いほど、加工面の状態（表面粗さや光沢ムラの程度）は良好となる。そこで加工面品位評価部２５は、処理対象面のｕ，ｖ方向とｕ－ｖ方向ベクトルの方向とが一致する度合い（一致度）を加工面品位として評価して、加工面品位が高いほど高い加工面品位報酬を算出する。具体的には、加工面品位評価部２５は、ｕ－ｖ方向ベクトル（ｕ，ｖ）が（±１，０）または（０，±１）に近いほど高い加工面品位報酬を算出する。これにより、ｕ－ｖ方向ベクトルの方向が処理対象面のｕ，ｖ方向に近いほど加工が優れているとして、学習モデル２を学習することができる。本実施形態では、加工面品位評価部２５は、ｕ方向またはｖ方向に対するｕ－ｖ方向ベクトルの方向の角度が０°～４５°の範囲内である場合に、当該角度の増加に対して加工面品位報酬が＋１から－１まで減少するように、加工面品位報酬を算出する。上記角度が９０°～１３５°、１８０°～２２５°、および２７０°～３１５°のいずれかの範囲内である場合も同様である。そして、加工面品位評価部２５は、ｕ方向またはｖ方向に対するｕ－ｖ方向ベクトルの方向の角度が４５°～９０°の範囲内である場合に、当該角度の増加に対して加工面品位報酬が－１から＋１まで増加するように、加工面品位報酬を算出する。上記角度が１３５°～１８０°、２２５°～２７０°、および３１５°～３６０°のいずれかの範囲内である場合も同様である。なお、ｕ方向またはｖ方向に対するｕ－ｖ方向ベクトルの方向の角度の連続的な変化に対して加工面品位報酬が段階的に変化してもよいし、連続的に変化してもよい。処理対象面のｕ，ｖ方向とｕ－ｖ方向ベクトルの方向との一致度を算出するにあたって、ステップＳ１０１で取得された属性情報に含まれる公差や、加工モード（荒加工や仕上げ加工など）、用途（面の種類）などが考慮されてもよい。例えば、ｕ－ｖ方向ベクトルの方向と一致すると判定される範囲（ｕ－ｖ方向ベクトルの方向からのずれ量）が、公差や加工モード、用途に基づいて決定されてもよい。

【0055】

図２の説明に戻る。ステップＳ１０７において、離型性評価部２６は、ステップＳ１０４で作成されたＮＣプログラムに基づく離型性評価処理を行う。離型性評価処理は、ＮＣ
プログラムに基づく離型性を評価する処理である。

【0056】

ここで、図５を参照しながら、離型性評価部２６による離型性評価処理（ステップＳ１０７）について具体的に説明する。

【0057】

ステップＳ４０１において、離型性評価部２６は、ステップＳ１０１で取得された属性情報から、型抜き方向を抽出する。

【0058】

ステップＳ４０２において、離型性評価部２６は、ステップＳ１０４で作成されたＮＣプログラムから、加工経路の送り方向を抽出する。

【0059】

ステップＳ４０３において、離型性評価部２６は、ステップＳ４０１で抽出した型抜き方向のベクトルと、ステップＳ４０２で抽出した送り方向のベクトルとのなす角度（型抜き角度）を算出する。

【0060】

ステップＳ４０４において、離型性評価部２６は、離型性を評価して、離型性に関する報酬（離型性報酬）を算出する。ステップＳ４０１で抽出した型抜き方向がステップＳ４０２で抽出した送り方向に垂直な方向に近いほど、離型抵抗（成型品を型から取り外す際の抵抗）は小さくなる。そこで離型性評価部２６は、ステップＳ４０３で算出した型抜き角度と９０°との一致度を離型性として評価して、離型性が高いほど高い離型性報酬を算出する。具体的には、離型性評価部２６は、ステップＳ４０３で算出した型抜き角度が９０°に近いほど高い離型性報酬を算出する。これにより、型抜き角度が９０°に近いほど加工が優れているとして、学習モデル２を学習することができる。本実施形態では、離型性評価部２６は、型抜き角度が０°～９０°の範囲内である場合に、型抜き角度の増加に対して離型性報酬が－１から＋１まで増加するように、離型性報酬を算出する。そして、離型性評価部２６は、型抜き角度が９０°～１８０°の範囲内である場合に、型抜き角度の増加に対して離型性報酬が＋１から－１まで減少するように、離型性報酬を算出する。なお、型抜き角度の連続的な変化に対して離型性報酬が段階的に変化してもよいし、連続的に変化してもよい。

【0061】

図２の説明に戻る。ステップＳ１０８において、機械学習部２７は、ステップＳ１０５で算出された加工効率報酬、ステップＳ１０６で算出された加工面品位報酬、およびステップＳ１０７で算出された離型性報酬に基づいて、最終的な報酬を決定する。例えば、機械学習部２７は、加工効率報酬、加工面品位報酬、および離型性報酬の平均や合計を、最終的な報酬として決定する。機械学習部２７は、最終的な報酬を決定する際に、加工効率報酬、加工面品位報酬、および離型性報酬の重み付けを行ってもよい。加工面品位報酬と離型性報酬が一定であれば、加工効率報酬が高いほど最終的な報酬は高くなる。同様に、加工効率報酬と離型性報酬が一定であれば、加工面品位報酬が高いほど最終的な報酬は高くなり、加工効率報酬と加工面品位報酬が一定であれば、離型性報酬が高いほど最終的な報酬は高くなる。

【0062】

ステップＳ１０９において、機械学習部２７は、ステップＳ１０８で決定した報酬に基づいて、学習モデル２を学習する。具体的には、機械学習部２７は、ステップＳ１０８で決定した報酬に基づいて、深層強化学習モデルにおける各ノード間の重みを更新する。

【0063】

ステップＳ１１０において、機械学習部２７は、目標生成物の全ての面について学習を行ったか否かを判定する。学習を行っていない面が存在すると判定された場合（ステップＳ１１０：Ｎｏ）には、学習部２０は、学習を行っていない面を処理対象面として選択し（処理対象面の切り替え）、ステップＳ１０１に処理を戻す。目標生成物の全ての面について学習が行われるまで、処理対象面を切り替えながらステップＳ１０１～Ｓ１１０の処
理が繰り返される（学習の繰り返し）。そして、全ての面について学習を行ったと判定されると（Ｓ１１０：Ｙｅｓ）、学習部２０は、ステップＳ１１１に処理を進める。例えば、目標生成物が１０面で構成される場合には、学習部２０は、１０面のそれぞれについて学習を行い、ステップＳ１１１に処理を進める。

【0064】

ステップＳ１１１において、学習部２０は、学習モデル２の学習が終了したか否かを判定する。学習の終了条件は適宜設定すればよいが、例えば２００００などの所定数の目標生成物についてステップＳ１０１～Ｓ１１０の処理を行ったことを終了条件とすることができる。学習部２０は、学習モデル２の学習が終了していないと判定した場合（Ｓ１１１：Ｎｏ）には、ステップＳ１０１に処理を戻し、学習モデル２の学習が終了したと判定した場合（Ｓ１１１：Ｙｅｓ）には、学習処理を終了する。

【0065】

次に、図６を参照しながら、学習装置１によって学習された学習モデル２を用いて加工を行う加工装置１００について説明する。図６は、学習装置１によって学習された学習モデル２を用いた推論を実行する加工装置１００の機能構成を示す図である。加工装置１００は、ＣＡＤモデル取得部１１１、属性情報取得部１１２、推論部１２０、学習モデル２、ＮＣプログラム作成部１２３、および加工部１２４を含む。推論部１２０は、データ変換部１２１とパス種類・切替条件取得部１２２を含む。

【0066】

加工装置１００は、１つ以上のプロセッサと、主記憶装置、補助記憶装置、入力装置、および出力装置を含むコンピュータを含み、プロセッサがコンピュータプログラムを実行することにより上記の各部の機能が実現される。加工装置１００が有するプロセッサは、ＣＰＵを含み、さらにＧＰＵを含んでもよい。なお、上記の機能部のうち一部または全部は、専用のハードウェア回路によって実現されてもよい。

【0067】

ＣＡＤモデル取得部１１１は、学習装置１のＣＡＤモデル取得部１１と同様の機能を有し、属性情報取得部１１２は、学習装置１の属性情報取得部１２と同様の機能を有する。ＣＡＤモデル９０は、図１のＣＡＤ１３と同様に、３次元ＣＡＤにより生成された立体モデル（３ＤＣＡＤモデル）であり、目標生成物の形状を表す形状データの一例である。

【0068】

推論部１２０は、学習装置１によって学習された学習モデル２を用いてパス種類と切替条件を推論して出力する。推論部１２０において、データ変換部１２１は、学習装置１のデータ変換部２１と同様の機能を有する。パス種類・切替条件取得部１２２は、学習装置１のパス種類・切替条件取得部２２と同様の機能を有する。推論部１２０の処理により、目標生成物の各面について個別にパス種類と切替条件が取得される。

【0069】

ＮＣプログラム作成部１２３は、目標生成物の各面について取得されたパス種類と切替条件を入力として、目標生成物全体に対応するＮＣプログラムを作成する。学習装置１のＮＣプログラム作成部２３と同様に、ＮＣプログラム作成部１２３によるＮＣプログラムの作成方法は特に限定されない。

【0070】

加工部１２４は、ＮＣプログラム作成部１２３で作成されたＮＣプログラムに従って被加工物（ワーク）を加工する。これにより、目標生成物に対応する生成物が得られる。

【0071】

次に、図７を参照しながら、加工装置１００が実行する加工処理の詳細について説明する。

【0072】

ステップＳ５００において、推論部１２０は、ＣＡＤモデル取得部１１１が取得したＣＡＤモデル９０から、処理対象面データを取得する。また、推論部１２０は、属性情報取得部１１２が取得した複数の属性情報（目標生成物の複数の面にそれぞれ対応する複数の
属性情報）から、処理対象面の属性情報を取得する。ステップＳ５００の処理は、図２のステップＳ１０１の処理と同様である。

【0073】

ステップＳ５０１において、データ変換部１２１は、ステップＳ５００で取得された処理対象面データを点群データに変換し、ステップＳ５００で取得された属性情報（処理対象面の属性情報）を数値データに変換する。ステップＳ５０１の処理は、図２のステップＳ１０２の処理と同様である。

【0074】

ステップＳ５０２において、パス種類・切替条件取得部１２２は、ステップＳ５０１で得られた点群データと数値データから、パス種類と切替条件を取得する。ステップＳ５０２の処理は、図２のステップＳ１０３の処理と同様である。具体的には、パス種類・切替条件取得部１２２は、ステップＳ５０１で得られた点群データと数値データを、学習装置１によって学習された学習モデル２に入力して、ディープラーニングによって学習モデル２から出力されたパス種類と切替条件を取得する。

【0075】

図９および図１０（Ａ）～１０（Ｃ）を参照しながら、ステップＳ５０２で取得されるパス種類と切替条件の具体例について説明する。

【0076】

図９は、ＣＡＤモデル取得部１１１が取得するＣＡＤモデル９０の一例を示す。図９のＣＡＤモデル９０は、円筒形状物を射出成形するための射出成形用金型部品のＣＡＤモデルである。ＣＡＤモデル９０は溝９１を有し、溝９１は曲面９２とそれに接する平面９３，９４から構成されている。平面９３はさらに平面９５と接しており、平面９３と平面９５のなす角度は９０°である。平面９５は座標系９７（ＣＡＤ座標系）のＸＹ平面と平行な面である。同様に、平面９４はさらにＸＹ平面と平行な平面９６と接しており、平面９４と平面９６のなす角度は９０°である。型抜き方向は平面９５，９６の法線方向（座標系９７の＋Ｚ方向）であり、属性情報の少なくとも一部として加工装置１００に与えられる。以下、ＣＡＤモデル９０の複数の面のうち、ＣＡＤモデル９０の手前から座標系９７のＹ軸方向に見た面を正面とし、ＣＡＤモデル９０の上方から座標系９７の－Ｚ軸方向に見た面を上面とする。

【0077】

図１０（Ａ）は、図９のＣＡＤモデル９０を加工装置１００に入力して、パス種類・切替条件取得部１２２で得られたパス種類と切替条件の一例を示す。図１０（Ｂ）は、図９のＣＡＤモデル９０を上面の側から見た図である。ここでは、曲面９２が処理対象面であるとする。曲面９２に対して、加工パス１００１ａ（破線部）と加工パス１００１ｂ（一点鎖線部；太線部）が決定されている。加工パス１００１ａは等高線パスであり、加工パス１００１ｂは走査線パスである。矢印１００２は、加工パスの種類が切り替わる切替箇所を示す。平面９３，９４に近い部分、すなわち面の傾斜角度が大きい部分に等高線パスが採用されており、溝９１の中央部分すなわち面の傾斜角度が緩やかな部分に走査線パスが採用されている。加工パス１００１ａ，１００１ｂは、型抜き方向（平面９５の法線方向）に対して切削の送り方向が略直交するように決定されている。

【0078】

図１０（ｃ）は、ＣＡＤモデル９０を正面の側から見た図である。角度１００３（θ）は、矢印１００２で示す箇所（加工パスの切替箇所）における曲面９２の接線（ＸＺ平面と平行な接線）とＣＡＤモデル９０の底面（加工基準面（ＸＹ平面）と平行または同一な面）とのなす角度である。ここでは、角度１００３（θ）が３３°であるとする。

【0079】

一般的に、等高線パスでは、工具のＺ位置は固定され、工具はＸ軸とＹ軸の２軸方向にしか動かないため、工具が３軸方向に動く加工パスよりも加工精度が高い。切削面の傾斜（ＸＺ平面内での傾斜）が急峻であれば、ピッチ（パス間隔）が小さくなり、好適な切削が可能となる。しかし、傾斜が緩やかであると、ピッチを細かくしても、傾斜が急峻であ
る場合に比べピッチが相対的に広くなってしまうため、表面に合った形状が加工で得にくい。さらに、ピッチを細かくすると、等高線パス間でＺ方向の昇降回数が増すため、実質的に切削をしていないエアーカットが増してしまう。そのため、等高線パスは切削面の傾斜（傾斜角度）が大きい場合に適している。一方、走査線パスでは、工具がＸＹＺ軸の３軸方向に動くため、等高線パスよりも加工精度が劣るものの、エアーカットが少なく加工時間が短縮される。切削面の傾斜が急峻であると、ピッチを細かくしても、傾斜が緩やかである場合に比べピッチが相対的に広くなってしまうため、表面に合った形状が加工で得にくい。そのため、走査線パスは切削面の傾斜が緩やかな場合に適している。

【0080】

推論部１２０により、上記のような加工の知識をユーザが有していなくても、曲面９２について、「角度１００３（θ）＝３３°で等高線パスと走査線パスを切り替える」という加工効率、加工面品位、離型性の観点から好ましい結果を得ることができる。そして、そのような結果を用いることで、好適なＮＣプログラムを容易に（効率良く）作成することが可能になる。

【0081】

図７の説明に戻る。ステップＳ５０３において、推論部１２０は、目標生成物の全ての面について推論を行ったか否かを判定する。推論部１２０は、推論を行っていない面が存在すると判定した場合（ステップＳ５０３：Ｎｏ）には、推論を行っていない面を処理対象面として選択し（処理対象面の切り替え）、ステップＳ５００に処理を戻す。目標生成物の全ての面について推論が行われるまで、処理対象面を切り替えながらステップＳ５００～Ｓ５０３の処理が繰り返される（推論の繰り返し）。そして、全ての面について推論を行ったと判定されると（Ｓ５０３：Ｙｅｓ）、加工装置１００は、ステップＳ５０４に処理を進める。例えば、目標生成物が１０面で構成される場合には、１０面のそれぞれについて推論が行われ、ステップＳ５０４に処理が進められる。

【0082】

ステップＳ５０４において、ＮＣプログラム作成部１２３は、得られた推論結果（目標生成物の各面について取得されたパス種類と切替条件）を用いて、目標生成物全体に対応するＮＣプログラムを作成する。

【0083】

ステップＳ５０５において、加工部１２４は、ステップＳ５０４で作成されたＮＣプログラムに従って被加工物（ワーク）を加工する。これにより、目標生成物に対応する生成物が得られる。例えば、加工は、エンドミルを用いた切削加工である。加工部１２４は、ＮＣプログラムに従って動作するものであれば特に限定されない。

【0084】

以上述べたように、本実施形態に係る学習装置や加工装置によれば、好適なＮＣプログラムが容易に作成可能となる。例えば、加工効率、加工面品位、離型性などに優れた加工を実現するＮＣプログラムが短時間で作成可能となる。ひいては、加工面品位や離型性に優れた生成物を効率良く得ることができる。

【0085】

なお、以上に記載した実施形態は、本発明の一具体例であり、本発明は様々な態様により実施可能である。例えば、学習モデル２のモデル構造には、物体の形状データおよび属性情報からパス種類や切替条件などの行動を決定することができるものであれば、任意の構造を採用できる。また、学習アルゴリズムには、Ｄｅｅｐ Ｑ－Ｎｅｔｗｏｒｋ以外の深層強化学習アルゴリズム、およびＱ Ｌｅａｒｎｉｎｇ、Ａｃｔｏｒ Ｃｒｉｔｉｃ、ＳＡＲＳＡのような強化学習アルゴリズムを採用可能である。

【0086】

また、上記の説明では、学習モデル２を学習する学習装置１と、学習モデル２を使用する加工装置１００とをそれぞれ別個の装置として説明した。ただし、１つの装置（コンピュータ）に学習装置１と加工装置１００の両方の機能を実装してもよい。学習装置１により学習された学習モデル２は、クラウド上などに保存されてもよい。その場合には、加工
装置１００は、学習モデル２を備えずに、クラウド上などに保存された学習モデル２を利用して、当該学習モデル２からパス種類や切替条件などを取得してもよい。加工装置１００は、ＮＣプログラムを作成するプログラム作成装置と、プログラム作成装置により作成されたＮＣプログラムに従って加工を行う加工装置とを含んだ加工システムとして捉えてもよい。その場合には、加工装置として、ＮＣプログラムに従って動作する市販の加工機を利用してもよい。また、プログラム作成装置に学習装置１の機能を実装してもよい。

【0087】

（その他の実施形態）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

【符号の説明】

【0088】

１：学習装置 ２０：学習部 ２２：パス種類・切替条件取得部
２３：ＮＣプログラム作成部 ２７：機械学習部
１００：加工装置 １２０：推論部 １２２：パス種類・切替条件取得部
１２３：ＮＣプログラム作成部 １２４：加工部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】