特許ウォッチ

公開番号2025068706
公報種別公開特許公報(A)
公開日2025-04-30
出願番号2023178660
出願日2023-10-17
発明の名称レーザ加工機
出願人株式会社アマダ
代理人弁理士法人きさらぎ国際特許事務所
主分類B23K 26/00 20140101AFI20250422BHJP(工作機械;他に分類されない金属加工)
要約【課題】適切な切断条件の選択能力を学習した学習モデルを用いて、最適な切断条件を自動的に選定する。
【解決手段】レーザ加工機は、被加工材をレーザ切断加工する際に設定される切断条件を選定する選定部、及び切断条件の選定用の学習モデルを学習する学習部を含む切断条件選定・学習装置と、これにより選定された切断条件に基づく加工の加工結果を判定する判定装置とを備える。選定・学習装置は学習モデルとして、被加工材の材質、板厚、加工形状の大きさ及び加工形状の形状複雑度を含む第1のデータとこれに応じて選定された切断条件を含む第2のデータとこれらのデータに基づく加工の加工結果とを学習した第1の学習済みモデルを有する。
【選択図】図1
特許請求の範囲【請求項１】
被加工材をレーザ切断加工するレーザ加工機に設定される切断条件を選定する選定部、及び前記選定部による前記切断条件の選定に用いられる学習モデルを学習する学習部を含む切断条件選定・学習装置と、
前記切断条件選定・学習装置により選定された前記切断条件に基づいて、前記レーザ加工機により前記被加工材をレーザ切断加工して得られた加工結果を判定する判定装置と、
を備え、
前記切断条件選定・学習装置は、前記学習部における前記学習モデルとして、
前記被加工材の材質、板厚、加工形状の大きさ及び加工形状の形状複雑度を含む第１のデータと、前記第１のデータに応じて選定された切断条件を含む第２のデータと、前記第１のデータ及び前記第２のデータに基づくレーザ切断加工により得られた加工結果と、を入力し、これらに基づき学習を行って作成された第１の学習済みモデルを有する
レーザ加工機。
続きを表示（約 890 文字）【請求項２】
前記形状複雑度は、前記加工形状の軌跡の曲率又は曲がった部分の角度を積分して求められた指標である
請求項１記載のレーザ加工機。
【請求項３】
前記切断条件選定・学習装置は、前記学習部における前記学習モデルとして、
前記第１のデータと、前記選定部により選定された切断条件に対して変更を加えた切断条件を含む第３のデータと、前記第１のデータ及び前記第３のデータに基づくレーザ切断加工により得られた加工結果と、を入力し、これらに基づき再学習を行って作成された第２の学習済みモデルを更に有する
請求項１記載のレーザ加工機。
【請求項４】
前記切断条件選定・学習装置の前記選定部は、前記切断条件の選定に用いる前記学習モデルとして、前記第２の学習済みモデルを前記第１の学習済みモデルよりも優先して使用する
請求項３記載のレーザ加工機。
【請求項５】
前記切断条件選定・学習装置は、前記学習部における前記学習モデルとして、
前記第１のデータと、前記選定部によって前記第１のデータを前記第１の学習済みモデルに入力して選定された切断条件を含む第４のデータと、前記第１のデータ及び前記第４のデータに基づくレーザ切断加工により得られた加工結果と、を入力し、これらに基づき再学習を行って作成された第３の学習済みモデルを更に有する
請求項３記載のレーザ加工機。
【請求項６】
前記切断条件選定・学習装置の前記選定部は、前記切断条件の選定に用いる前記学習モデルとして、前記第２の学習済みモデル、前記第３の学習済みモデル及び前記第１の学習済みモデルの順に優先して使用する
請求項５記載のレーザ加工機。
【請求項７】
前記判定装置は、前記加工結果の良否を判定し、
前記切断条件選定・学習装置は、前記判定装置により前記加工結果が良好であると判定された場合に、前記学習部によって前記学習モデルを学習及び再学習する
請求項１、３又は５記載のレーザ加工機。

発明の詳細な説明【技術分野】
【０００１】
本発明は、レーザ加工機に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
従来より、被加工材に対して、切断及び溶接等のレーザ加工を行うレーザ加工機等の加工装置においては、被加工材に合わせて加工装置に設定する最適な加工条件を機械学習により探索或いは決定し、確認すること等について、種々の提案がなされている（例えば、特許文献１及び２参照）。
【０００３】
一般的に、レーザ加工機においてレーザ切断加工を行う場合、被加工材に合わせて選択された加工条件に合わせて、切断する加工形状に適した切断条件を、複数のプリセットされた切断条件の中から選択することが行われる。この切断条件の選択が不適切であると、加工条件が適切であっても加工不良の原因となるため、切断条件を適切に選択することが求められる。切断条件の選択の一例として、ＣＡＭ（ＣｏｍｐｕｔｅｒＡｉｄｅｄＭａｎｕｆａｃｔｕｒｉｎｇ）を用いて自動で切断条件を選択することが行われている。
【先行技術文献】
【特許文献】
【０００４】
特許第６６２５９１４号公報
特許第７１２６６１６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記のＣＡＭを用いた切断条件の選択は、レーザ切断加工する加工形状の大きさのみから判断が行われているため、加工不良を起こすような切断条件がまれに選択されてしまう場合がある。このような不適切な切断条件が選択されている場合は、加工開始前にその都度熟練の作業者が切断条件を確認し、適切な切断条件に修正した上でレーザ切断加工を開始することとなる。
【０００６】
このため、加工現場での工数全体が増加する原因となると共に、例えば経験の少ない作業者の場合は選択されている不適切な切断条件に気付かずにレーザ切断加工を開始することがあり、結果的に加工不良を発生させて被加工材の無駄な廃棄が発生してしまうという問題がある。そして、上記特許文献１及び２に開示された加工システムでは、適切な加工条件を自動的に選択することを想定しているが、レーザ切断加工の加工条件に合わせた適切な切断条件の選択については全く考慮されていないので、上記と同様の問題が生じ得る。
【０００７】
本発明の一態様は、適切な切断条件の選択能力を学習した学習モデルを用いて、最適な切断条件を自動的に選択することができるレーザ加工機である。
【課題を解決するための手段】
【０００８】
本発明の一態様に係るレーザ加工機は、被加工材をレーザ切断加工するレーザ加工機に設定される切断条件を選定する選定部、及び前記選定部による前記切断条件の選定に用いられる学習モデルを学習する学習部を含む切断条件選定・学習装置と、前記切断条件選定・学習装置により選定された前記切断条件に基づいて、前記レーザ加工機により前記被加工材をレーザ切断加工して得られた加工結果を判定する判定装置と、を備え、前記切断条件選定・学習装置は、前記学習部における前記学習モデルとして、前記被加工材の材質、板厚、加工形状の大きさ及び加工形状の形状複雑度を含む第１のデータと、前記第１のデータに応じて選定された切断条件を含む第２のデータと、前記第１のデータ及び前記第２のデータに基づくレーザ切断加工により得られた加工結果と、を入力し、これらに基づき学習を行って作成された第１の学習済みモデルを有する。
【０００９】
本発明の一態様に係るレーザ加工機によれば、切断条件選定・学習装置の学習部によって学習及び再学習された学習モデルを用い、レーザ加工機に設定される切断条件が選択部によって選定される。学習モデルは、第１の学習済みモデルを有する。第１の学習済みモデルは、被加工材の材質、板厚、加工形状の大きさ及び加工形状の形状複雑度を含む第１のデータと、第１のデータに応じて選定された切断条件を含む第２のデータと、第１のデータ及び第２のデータに基づくレーザ切断加工により得られた加工結果と、を入力し、これらに基づき学習を行って作成される。これにより、適切な切断条件の選択能力を学習した学習モデルを用いて、最適な切断条件を自動的に選定することが可能となる。
【発明の効果】
【００１０】
本発明の一態様によれば、適切な切断条件の選択能力を学習した学習モデルを用いて、最適な切断条件を自動的に選定することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許