JP2020069599A - 工作機械の支援装置および工作機械システム - Google Patents

Abstract

【課題】工作機械の状態量を用いなくとも、工作機械の加工制御要素を出力することができる工作機械の支援装置および工作機械システムを提供する。【解決手段】工作機械２の支援装置６は、工作物Ｗの緒元および工具１６の緒元の少なくとも一つを含む要素であり、工作機械２による加工制御要素ではない第一非制御要素を取得する第一非制御要素取得部３１と、工作機械２による加工制御要素を取得する加工制御要素取得部３２と、加工後における工作物Ｗの実品質要素を取得する実品質要素取得部３３と、第一非制御要素、加工制御要素および実品質要素を学習データとする機械学習により、第一非制御要素および実品質要素に基づいて加工制御要素を出力するための学習モデルを生成する学習モデル生成部３４とを備える。【選択図】図３

Description

本発明は、工作機械の支援装置および工作機械システムに関するものである。

工作機械の加工条件、特に、工作機械の加工制御要素を決定するためには、以下のように行われる。加工制御要素とは、例えば、工作物の回転速度、工具の送り速度等である。まず、工作物の素材形状、工作物の仕上形状および工作物の材料などの工作物の緒元が決められる。続いて、工作物の目標品質要素を満たすようにするための加工制御要素を決定する。目標品質要素とは、表面粗さなどの表面性状等である。また、目標加工時間内に収まるように、加工制御要素が決定される。しかし、加工制御要素を決定することは、容易ではなく、熟練知識やノウハウ等が必要である。

ここで、一般に、加工条件という表現が、上記加工制御要素を意味する場合の他、加工制御要素に非制御要素（工作物の緒元、工具の緒元等）を加えた意味で用いられる場合がある。そこで、本明細書においては、加工条件という表現を用いずに、加工制御要素と非制御要素という表現を用いる。

ところで、近年コンピュータの処理速度の向上に伴い、人工知能が急速に発展しており、例えば、特許文献１には、機械学習により、レーザ加工条件データを生成することが記載されている。具体的には、当該機械学習装置は、工作機械の状態量および加工結果と加工制御要素（加工条件）との関係を学習しておき、学習モデルを用いて加工制御要素（加工条件）を出力するというものである。例えば、工作機械の状態量は、レーザ装置のための光出力指令とレーザ装置から実際に出射される光出力との関係を示すレーザ装置の光出力特性等である。

特開２０１７−１６４８０１号公報

しかしながら、特許文献１に記載の機械学習装置は、工作機械の状態量を取得する必要があり、当該状態量を取得するのは容易ではない。つまり、状態量は、多種多様であり、加工の進行程度によっても変化するものであり、非常に複雑な情報である。

本発明は、工作機械の状態量を用いなくとも、工作機械の加工制御要素を出力することができる工作機械の支援装置および工作機械システムを提供することを目的とする。

（１．第一の工作機械の支援装置）
本発明に係る第一の工作機械の支援装置は、工作物の緒元および工具の緒元の少なくとも一つを含む要素であり、工作機械による加工制御要素ではない第一非制御要素を取得する第一非制御要素取得部と、前記工作機械による前記加工制御要素を取得する加工制御要素取得部と、加工後における前記工作物の実品質要素を取得する実品質要素取得部と、前記第一非制御要素、前記加工制御要素および前記実品質要素を学習データとする機械学習により、前記第一非制御要素および前記実品質要素に基づいて前記加工制御要素を出力するための学習モデルを生成する学習モデル生成部とを備える。

（２．第二の工作機械の支援装置）
本発明に係る第二の工作機械の支援装置は、上述した前記学習モデルを記憶する学習モデル記憶部と、工作物の緒元および工具の緒元の少なくとも一つを含む要素であり、工作機械による加工制御要素ではない第二非制御要素を取得する第二非制御要素取得部と、前記工作物の目標品質要素を取得する目標品質要素取得部と、前記学習モデルを用いて、前記第二非制御要素および前記目標品質要素に対応する前記加工制御要素を出力する出力部とを備える。

（３．工作機械システム）
本発明に係る工作機械システムは、複数の前記工作機械と、複数の前記工作機械と通信可能に設けられたサーバと、複数の前記工作機械のそれぞれに設けられ、前記サーバと通信可能に設けられた複数のエッジコンピュータとを備える。前記サーバは、上記第一の工作機械の支援装置における前記第一非制御要素取得部、前記加工制御要素取得部、前記実品質要素取得部、および、前記学習モデル生成部を備える。前記第一非制御要素取得部、前記加工制御要素取得部、および、前記実品質要素取得部は、複数の前記工作機械に関する要素を取得し、前記サーバにおける前記学習モデル生成部は、複数の前記工作機械に関する要素に基づいて前記学習モデルを生成する。また、複数の前記エッジコンピュータのそれぞれは、上記の第二の工作機械の支援装置における前記学習モデル記憶部、前記第二非制御要素取得部、前記目標品質要素取得部および前記出力部を備える。そして、前記学習モデル生成部は、生成した前記学習モデルを前記学習モデル記憶部に記憶する。

（４．効果）
学習モデルは、第一非制御要素および実品質要素に基づいて、加工制御要素を出力することができるモデルである。従って、加工制御要素を出力するために、第一非制御要素に相当する情報と実品質要素に相当する情報とを取得できればよい。そして、第一非制御要素に相当する情報と実品質要素に相当する情報は、容易に取得することができる。

特に、第二の工作機械の支援装置によれば、第一非制御要素に相当する第二非制御要素と実品質要素に相当する目標品質要素とを取得しておくことで、加工制御要素を出力することができる。

また、工作機械システムは、複数の工作機械に関する要素を取得して、これらの要素を用いて学習モデルを生成している。そのため、種々の加工に関する情報を考慮した上で、学習モデルが生成される。そして、学習モデルは、それぞれの工作機械に設けられたエッジコンピュータに記憶されている。従って、それぞれの工作機械に設けられたエッジコンピュータにおいて加工制御要素を決定しようとする際に、他の工作機械における加工を考慮することができるため、より効率的に良い加工制御要素を決定することができる。

工作機械システムの構成を示す図である。 工作機械の一例である研削盤の平面図である。 工作機械システムにおける支援装置の機能ブロック図である。 支援装置の表示部における表示態様の一例を示す図である。

（１．工作機械システム１の構成）
工作機械システム１の構成について、図１を参照して説明する。工作機械システム１は、工作機械２，２，２における加工制御要素の決定のための支援を行うことができる。工作機械システム１は、複数の工作機械２，２，２と、サーバ３と、複数のエッジコンピュータ４，４，４と、検査装置５とを備える。ここで、サーバ３およびエッジコンピュータ４が、加工制御要素を決定するための支援装置６（図３に示す）を構成する。

工作機械２は、工作物Ｗに対して加工を施す機械である。工作機械２は、例えば、切削、研削、切断、鍛造、折り曲げ等の加工を施す機械である。サーバ３は、複数の工作機械２と通信可能に設けられている。サーバ３は、複数の工作機械２から各種情報を収集して、収集した情報に基づいて演算処理を行う。サーバ３は、機械学習を行う機能を有する。そして、サーバ３は、機械学習により得られた学習モデルを生成する。

複数のエッジコンピュータ４のそれぞれは、複数の工作機械２のそれぞれに設けられている。エッジコンピュータ４は、サーバ３にて生成された学習モデルを用いて、加工制御要素を出力することができる。つまり、作業者は、熟練知識やノウハウを有していなくても、エッジコンピュータ４を用いることで効率的に且つより良い加工制御要素を取得することができる。なお、エッジコンピュータ４は、工作機械２自身とは別装置として構成されるようにしてもよいし、工作機械２に組み込まれた装置として構成されるようにしてもよい。

検査装置５は、複数の工作機械２により加工された工作物Ｗの品質検査を行う。品質検査は、形状検査、表面粗さの検査、びびり模様の有無等を行う。検査装置５は、測定の他、工作物Ｗの画像を取得することもできる。検査装置５は、サーバ３と通信可能に設けられており、検査結果をサーバ３に送信することができる。なお、検査装置５は、工作機械２とは別装置として説明したが、一部の機能または全ての機能が工作機械２に組み込まれるようにしてもよい。

（２．工作機械の構成）
工作機械２の一例の構成について、図２を参照して説明する。工作機械２の一例として、研削盤を例にあげる。研削盤は、工作物Ｗを研削するための機械である。当該工作機械２は、円筒研削盤、カム研削盤等、種々の構成の研削盤を適用できる。本例においては、工作機械２は、砥石台トラバース型の円筒研削盤を例にあげる。ただし、工作機械２は、テーブルトラバース型の研削盤を適用することもできる。

工作機械２は、主として、ベッド１１、主軸台１２、心押台１３、トラバースベース１４、砥石台１５、砥石車１６（工具）、定寸装置１７、砥石車修正装置１８、クーラント装置１９、及び、制御装置２０を備える。

ベッド１１は、設置面上に固定されている。主軸台１２は、は、ベッド１１の上面において、Ｘ軸方向の手前側（図２の下側）且つＺ軸方向の一端側（図２の左側）に設けられている。主軸台１２は、工作物ＷをＺ軸回りに回転可能に支持する。工作物Ｗは、主軸台１２に設けられたモータ１２ａの駆動により回転される。心押台１３は、ベッド１１の上面において、主軸台１２に対してＺ軸方向に対向する位置、すなわち、Ｘ軸方向の手前側（図２の下側）且つＺ軸方向の他端側（図２の右側）に設けられている。つまり、主軸台１２および心押台１３が、工作物Ｗを回転可能に両端支持する。

トラバースベース１４は、ベッド１１の上面において、Ｚ軸方向に移動可能に設けられている。トラバースベース１４は、ベッド１１に設けられたモータ１４ａの駆動により移動する。砥石台１５は、トラバースベース１４の上面において、Ｘ軸方向に移動可能に設けられている。砥石台１５は、トラバースベース１４に設けられたモータ１５ａの駆動により移動する。

砥石車１６は、円盤状に形成されており、砥石台１５に回転可能に支持されている。砥石車１６は、砥石台１５に設けられたモータ１６ａの駆動により回転する。砥石車１６は、複数の砥粒をボンド材により固定されて構成されている。砥粒には、一般砥粒と超砥粒が存在する。一般砥粒は、アルミナや炭化ケイ素等のセラミックス質の材料等が良く知られています。超砥粒は、ダイヤモンドやＣＢＮである。

定寸装置１７は、工作物Ｗの寸法（径）を測定する。砥石車修正装置１８は、砥石車１６の形状を修正する。砥石車修正装置１８は、砥石車１６のツルーイングを行う装置である。砥石車修正装置１８は、ツルーイングに加えて、または、ツルーイングに代えて、砥石車１６のドレッシングを行う装置としてもよい。さらに、砥石車修正装置１８は、砥石車１６の寸法（径）を測定する機能も有する。

ここで、ツルーイングは、形直し作業であり、研削によって砥石車１６が摩耗した場合に工作物Ｗの形状に合わせて砥石車１６を成形する作業、片摩耗によって砥石車１６の振れを取り除く作業等である。ドレッシングは、目直し（目立て）作業であり、砥粒の突き出し量を調整したり、砥粒の切れ刃を創成したりする作業である。ドレッシングは、目つぶれ、目詰まり、目こぼれ等を修正する作業であって、通常ツルーイング後に行われる。

クーラント装置１９は、砥石車１６による工作物Ｗの研削点にクーラントを供給する。クーラント装置１９は、回収したクーラントを、所定温度に冷却して、再度研削点に供給する。

制御装置２０は、ＮＣプログラムに基づいて、各駆動装置を制御する。ＮＣプログラムは、工作物Ｗの形状や砥石車１６の形状等の非制御要素、工作物Ｗの回転速度や砥石車１６の送り速度等の加工制御要素に基づいて生成される。加工制御要素には、クーラントの供給タイミング情報、砥石車１６を修正するタイミング情報等も含まれる。

すなわち、制御装置２０は、生成されたＮＣプログラムに基づいて各モータ１２ａ，１４ａ，１５ａ，１６ａおよびクーラント装置１９等を制御することにより工作物Ｗの研削を行う。特に、制御装置２０は、定寸装置１７により測定される工作物Ｗの径に基づいて、工作物Ｗが仕上げ形状となるまで研削を行う。また、制御装置２０は、砥石車１６を修正するタイミングにおいて、各モータ１４ａ，１５ａ，１６ａ、および、砥石車修正装置１８等を制御することにより、砥石車１６の修正（ツルーイングおよびドレッシング）を行う。

（３．支援装置６の構成）
支援装置６の構成について、図３を参照して説明する。支援装置６は、上述したように、学習モデルを用いて加工制御要素を決定するための装置である。特に、本例においては、支援装置６は、サーバ３および複数のエッジコンピュータ４を含んで構成される。つまり、支援装置６は、複数の工作機械２に関する要素に基づいて学習モデルを生成し、当該学習モデルを用いて各工作機械２における加工制御要素を出力する。

ただし、支援装置６は、１つの工作機械２のみに設けることもできる。この場合、支援装置６は、１つの工作機械２に関する要素に基づいて学習モデルを生成し、当該学習モデルを用いて当該工作機械２における加工制御要素を出力する。

本例においては、支援装置６は、サーバ３と、複数のエッジコンピュータ４とを備える。サーバ３が、機械学習の学習フェーズの処理を行い、複数のエッジコンピュータ４のそれぞれが、機械学習の推論フェーズの処理を行う。

サーバ３は、複数の工作機械２のそれぞれと通信可能に設けられている。サーバ３は、第一非制御要素取得部３１、加工制御要素取得部３２、実品質要素取得部３３、および、学習モデル生成部３４を備える。

第一非制御要素取得部３１は、複数の工作機械２のそれぞれにおける加工に関する要素のうち、工作機械２による加工制御要素ではない第一非制御要素を、複数の工作機械２のそれぞれから取得する。第一非制御要素は、工作物Ｗの緒元、砥石車１６（工具）の緒元を含む。工作物Ｗの緒元には、工作物Ｗの仕上形状、工作物Ｗの素材形状、工作物Ｗの材質が含まれる。工作物Ｗの素材形状に代えて、工作物Ｗの取り代とすることもできる。なお、第一非制御要素は、上記全ての要素を含むようにしてもよいし、上記の一部のみの要素とすることもできる。砥石車１６の緒元は、砥石車１６の材質、砥石車１６の形状を含む。

加工制御要素取得部３２は、複数の工作機械２のそれぞれにおける加工に関する要素のうち、工作機械２による加工制御要素を、複数の工作機械２のそれぞれから取得する。加工制御要素は、ＮＣプログラムによって設定可能なパラメータ、すなわち駆動装置を制御することにより調整可能なパラメータである。加工制御要素には、例えば、工作物Ｗの回転速度、工作物Ｗに対する砥石車１６の送り速度、加工工程の切替位置、スパークアウト時間が含まれる。加工工程には、粗研工程、精研工程、微研工程、スパークアウト工程が含まれ、切替位置とは、各加工工程の切替を行う際の砥石車１６の送り方向位置を意味する。なお、加工制御要素は、上記全ての要素を含むようにしてもよいし、上記の一部のみの要素とすることもできる。

実品質要素取得部３３は、検査装置５によって検出された加工後における工作物Ｗの実品質要素を、検査装置５から取得する。取得対象の工作物Ｗは、複数の工作機械２により加工された工作物Ｗである。従って、実品質要素取得部３３は、複数の工作機械２における加工による工作物Ｗの実品質要素を取得している。実品質要素は、例えば、工作物Ｗの加工変質層の状態、前記工作物の表面性状、および、前記工作物のびびり模様状態等である。つまり、検査装置５は、加工変質層の状態を検出する検出器、表面性状を検出する検出器、びびり模様状態を検出する検出器等である。なお、実品質要素は、上記以外の品質要素を含むようにしてもよい。

加工変質層の状態のデータは、加工変質層の有無を表すデータとしてもよいし、加工変質層の程度に関するスコアとしてもよい。表面性状のデータは、表面粗さの値そのものとしてもよいし、表面粗さの程度に関するスコアとしてもよい。びびり模様状態のデータは、びびり模様の有無を表すデータとしてもよいし、びびり模様の程度に関するスコアとしてもよい。各スコアは、例えば、複数段階の評点等で表される。

さらに、実品質要素取得部３３は、複数の工作機械２のそれぞれにおける加工時間に関するデータを、実品質要素の一つとして取得するようにしてもよい。加工時間に関するデータは、例えば、工作物Ｗの基準加工時間（目標加工時間に相当する）に対して実加工時間が長いか短いかを表すデータである。

学習モデル生成部３４は、第一非制御要素、加工制御要素および実品質要素を学習データとする機械学習を行う。学習モデル生成部３４は、当該機械学習により、第一非制御要素および実品質要素と、加工制御要素とに関する学習モデルを生成する。換言すると、学習モデルは、第一非制御要素および実品質要素に基づいて加工制御要素を出力するための学習モデルである。

複数のエッジコンピュータ４のそれぞれは、複数の工作機械２のそれぞれに設けられている。エッジコンピュータ４は、サーバ３と通信可能であると共に、対応する工作機械２と通信可能である。エッジコンピュータ４は、学習モデル記憶部４１、第二非制御要素取得部４２、目標品質要素取得部４３、出力部４４および表示部４５を備える。

学習モデル記憶部４１は、学習モデル生成部３４が生成した学習モデルを、学習モデル生成部３４が送信することによって取得する。そして、学習モデル記憶部４１は、取得した学習モデルを記憶する。ここで、各エッジコンピュータ４の学習モデル記憶部４１には、同一の学習モデルが記憶されている。

第二非制御要素取得部４２は、対応する工作機械２における加工に関する要素のうち、工作機械２による加工制御要素ではない第二非制御要素を、作業者による入力によって取得する。作業者は、工作機械２の操作によって第二非制御要素を入力してもよいし、エッジコンピュータ４の操作によって第二非制御要素を入力してもよい。

第二非制御要素は、第一非制御要素に対応する要素であり、実質的に第一非制御要素と同種であり、工作物Ｗの緒元、砥石車１６（工具）の緒元を含む。すなわち、第二非制御要素は、作業者が当該工作機械２を用いて加工する対象である工作物Ｗの緒元、および、当該工作機械２に取り付けられる砥石車１６の緒元を含む。

目標品質要素取得部４３は、対応する工作機械２を用いて加工する対象である工作物Ｗの目標品質要素を、作業者による入力によって取得する。作業者は、工作機械２の操作によって目標品質要素を入力してもよいし、エッジコンピュータ４の操作によって目標品質要素を入力してもよい。目標品質要素は、実品質要素に対応する要素であり、実質的に実品質要素と同種である。目標品質要素は、例えば、目標の加工変質層の状態、目標の表面性状、目標のびびり模様状態等である。さらに、目標品質要素は、目標加工時間を含むようにしてもよい。

出力部４４は、学習モデル記憶部４１に記憶されている学習モデルを用いて、加工制御要素を出力する。加工制御要素は、上述したように、ＮＣプログラムによって設定可能なパラメータ、すなわち駆動装置を制御することにより調整可能なパラメータである。

ここで、上述したように、学習モデルは、第一非制御要素および実品質要素と、加工制御要素とに関する学習モデルである。つまり、学習モデルは、第一非制御要素および実品質要素が入力されれば、加工制御要素を出力することができる学習モデルである。そこで、出力部４４は、第一非制御要素に対応する第二非制御要素を入力し、実品質要素に対応する目標品質要素を入力する。そして、出力部４４は、学習モデルを用いることで、入力された第二非制御要素および目標品質要素に対応する加工制御要素を出力することができる。

さらに、出力部４４は、１つのパターンの加工制御要素のみを出力するようにしてもよいし、複数パターンの加工制御要素を出力するようにしてもよい。例えば、各加工工程（粗研工程、精研工程、微研工程、スパークアウト工程）の切替位置と、各加工工程における砥石車１６の送り速度とを調整することによって、同様の品質を得ることができる場合がる。そのため、学習モデルを用いて得られた結果は、１つのパターンの加工制御要素とは限らず、複数パターンの加工制御要素となることがある。

そして、複数の目標品質要素の全てを満たす加工制御要素が複数パターン存在する場合に、複数の目標品質要素の中で優先順位が存在する場合がある。例えば、目標品質要素の優先順位（予め設定された所定条件に相当する）が、加工変質層の状態、びびり模様状態、加工時間の順である場合とする。この場合、出力部４４は、複数パターンの加工制御要素を出力すると共に、上記優先順位に基づいて複数パターンの順位を出力することもできる。つまり、出力部４４は、予め設定された所定条件に基づいて複数パターンの加工制御要素の順位を出力することができる。

表示部４５は、出力部４４により出力された出力情報を表示する。ここで、表示部４５は、エッジコンピュータ４における表示装置を適用してもよいし、工作機械２の操作盤等の表示装置を適用してもよい。ここで、出力部４４が１つのパターンの加工制御要素を出力する場合には、表示部４５は、当該１つのパターンの加工制御要素を表示する。また、出力部４４が複数パターンの加工制御要素を出力する場合には、表示部４５は、当該複数パターンの加工制御要素を表示する。

表示部４５の一例について、図４に示す。図４には、出力部４４が複数パターンの加工制御要素を出力すると共に、目標品質要素の優先順位（所定条件）が予め設定されている場合における表示内容が示される。目標品質要素の優先順位は、第一位として加工変質層、第二位としてびびり模様状態、第三位として加工時間である場合である。この場合、表示部４５の左欄に、目標品質要素の優先順位が表示されている。

そして、表示部４５の右欄に、出力結果が表示されている。表示部４５における出力結果には、当該優先順位に対応するように、複数パターンの加工制御要素が順位を付した状態で表示されている。ここで、図４において、加工制御要素のパターンＡ，Ｂ，Ｃ，Ｄ，Ｅ全てが、目標品質要素を満たす。これらの中で、所定条件に基づいて順位付けされた場合に、パターンＡが最も良い加工制御要素であることを表している。

（４．効果）
予め学習モデルが生成されていれば、作業者は、第二非制御要素である工作物Ｗの緒元および砥石車１６（工具）の緒元と目標品質要素とを入力することで、加工制御要素を容易に取得することができる。従って、作業者が、熟練した知識やノウハウを有していないとしても、より適切な加工制御要素を得ることができる。その結果、作業者は、容易にＮＣプログラムにおける設定パラメータを取得することができ、ＮＣプログラムを容易に作成することができる。

ここで、学習モデルは、第一非制御要素および実品質要素に基づいて、加工制御要素を出力することができるモデルである。従って、加工制御要素を出力するために、第一非制御要素に相当する情報と実品質要素に相当する情報とを取得できればよい。そして、第一非制御要素に相当する情報である第二非制御要素と実品質要素に相当する情報である目標品質要素は、容易に取得することができる。そして、第一非制御要素に相当する第二非制御要素と実品質要素に相当する目標品質要素とを取得しておくことで、加工制御要素を出力することができる。

また、工作機械システム１は、複数の工作機械２に関する要素を取得して、これらの要素を用いて学習モデルを生成している。そのため、種々の加工に関する情報を考慮した上で、学習モデルが生成される。そして、学習モデルは、それぞれの工作機械２に設けられたエッジコンピュータ４に記憶されている。従って、それぞれの工作機械２に設けられたエッジコンピュータ４において加工制御要素を決定しようとする際に、他の工作機械２における加工を考慮することができるため、より効率的に良い加工制御要素を決定することができる。

１：工作機械システム、２：工作機械、３：サーバ、４：エッジコンピュータ、５：検査装置、６：支援装置、１１：ベッド、１２：主軸台、１２ａ，１４ａ，１５ａ，１６ａ：各モータ（駆動装置）、１３：心押台、１４：トラバースベース、１５：砥石台、１６：砥石車（工具）、１７：定寸装置、１８：砥石車修正装置、１９：クーラント装置、２０：制御装置、３１：第一非制御要素取得部、３２：加工制御要素取得部、３３：実品質要素取得部、３４：学習モデル生成部、４１：学習モデル記憶部、４２：第二非制御要素取得部、４３：目標品質要素取得部、４４：出力部、４５：表示部、Ｗ：工作物

Claims (7)

1. 工作物の緒元および工具の緒元の少なくとも一つを含む要素であり、工作機械による加工制御要素ではない第一非制御要素を取得する第一非制御要素取得部と、
   前記工作機械による前記加工制御要素を取得する加工制御要素取得部と、
   加工後における前記工作物の実品質要素を取得する実品質要素取得部と、
   前記第一非制御要素、前記加工制御要素および前記実品質要素を学習データとする機械学習により、前記第一非制御要素および前記実品質要素に基づいて前記加工制御要素を出力するための学習モデルを生成する学習モデル生成部と、
   を備える、工作機械の支援装置。
2. 前記工具は、前記工作物を研削する砥石車であり、
   前記加工制御要素は、前記工作物の回転速度、前記工作物に対する前記砥石車の送り速度、加工工程の切替位置、スパークアウト時間の少なくとも一つである、請求項１に記載の工作機械の支援装置。
3. 前記工作物の緒元は、前記工作物の仕上形状、前記工作物の素材形状、前記工作物の材質の少なくとも一つであり、
   前記工具の緒元は、前記工具の材質、前記工具の形状の少なくとも一つである、請求項１または２に記載の工作機械の支援装置。
4. 前記実品質要素は、前記工作物の加工変質層の状態、前記工作物の表面性状、および、前記工作物のびびり模様状態の少なくとも一つである、請求項１−３の何れか一項に記載の工作機械の支援装置。
5. 請求項１−４の何れか一項に記載の前記学習モデルを記憶する学習モデル記憶部と、
   工作物の緒元および工具の緒元の少なくとも一つを含む要素であり、工作機械による加工制御要素ではない第二非制御要素を取得する第二非制御要素取得部と、
   前記工作物の目標品質要素を取得する目標品質要素取得部と、
   前記学習モデルを用いて、前記第二非制御要素および前記目標品質要素に対応する前記加工制御要素を出力する出力部と、
   を備える、工作機械の支援装置。
6. 前記出力部は、対応する前記加工制御要素を複数パターン出力すると共に、予め設定された所定条件に基づいて前記複数パターンの順位を出力する、請求項５に記載の工作機械の支援装置。
7. 複数の前記工作機械と、
   複数の前記工作機械と通信可能に設けられたサーバと、
   複数の前記工作機械のそれぞれに設けられ、前記サーバと通信可能に設けられた複数のエッジコンピュータと、
   を備える工作機械システムであって、
   前記サーバは、請求項１−４の何れか一項に記載の前記第一非制御要素取得部、前記加工制御要素取得部、前記実品質要素取得部、および、前記学習モデル生成部を備え、
   前記第一非制御要素取得部、前記加工制御要素取得部、および、前記実品質要素取得部は、複数の前記工作機械に関する要素を取得し、
   前記サーバにおける前記学習モデル生成部は、複数の前記工作機械に関する要素に基づいて前記学習モデルを生成し、
   複数の前記エッジコンピュータのそれぞれは、請求項５または６に記載の前記学習モデル記憶部、前記第二非制御要素取得部、前記目標品質要素取得部および前記出力部を備え、
   前記学習モデル生成部は、生成した前記学習モデルを前記学習モデル記憶部に記憶する、工作機械システム。

Images