JP2019150902A - 工具経路を生成するための方法及び装置 - Google Patents

工具経路を生成するための方法及び装置 Download PDF

Info

Publication number
JP2019150902A
JP2019150902A JP2018036408A JP2018036408A JP2019150902A JP 2019150902 A JP2019150902 A JP 2019150902A JP 2018036408 A JP2018036408 A JP 2018036408A JP 2018036408 A JP2018036408 A JP 2018036408A JP 2019150902 A JP2019150902 A JP 2019150902A
Authority
JP
Japan
Prior art keywords
tool path
machining
machine learning
geometric information
machining surface
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2018036408A
Other languages
English (en)
Other versions
JP7126360B2 (ja
JP2019150902A5 (ja
Inventor
圭一 中本
Keiichi Nakamoto
圭一 中本
真由 橋本
Mayu Hashimoto
真由 橋本
和雅 ▲高▼野
和雅 ▲高▼野
Kazumasa Takano
勝彦 武井
Katsuhiko Takei
勝彦 武井
真二 猪狩
Shinji Igari
真二 猪狩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Makino Milling Machine Co Ltd
Original Assignee
Makino Milling Machine Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Makino Milling Machine Co Ltd filed Critical Makino Milling Machine Co Ltd
Priority to JP2018036408A priority Critical patent/JP7126360B2/ja
Priority to EP19761404.3A priority patent/EP3760374B1/en
Priority to PCT/JP2019/005359 priority patent/WO2019167650A1/ja
Priority to US16/976,931 priority patent/US11556110B2/en
Priority to CN201980015369.0A priority patent/CN111788036B/zh
Publication of JP2019150902A publication Critical patent/JP2019150902A/ja
Publication of JP2019150902A5 publication Critical patent/JP2019150902A5/ja
Application granted granted Critical
Publication of JP7126360B2 publication Critical patent/JP7126360B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form
    • G05B19/4093—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part program, for the NC machine
    • G05B19/40937—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part program, for the NC machine concerning programming of machining or material parameters, pocket machining
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form
    • G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form
    • G05B19/4093—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part program, for the NC machine
    • G05B19/40931—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part program, for the NC machine concerning programming of geometry
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33027—Artificial neural network controller
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35097—Generation of cutter path, offset curve
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Geometry (AREA)
  • Numerical Control (AREA)

Abstract

【課題】複数の事例に基づいて新たな工具経路を生成することができる方法及び装置を提供すること。
【解決手段】本方法は、機械学習を行う工程及び新たな工具経路を生成する工程を備える。機械学習を行う工程が、複数の既知の加工物の各々について、形状データを得ることと、複数の加工面の各々の幾何情報を得ることと、複数の工具経路パターンの中から複数の加工面の各々に対して選択された工具経路パターンを得ることと、複数の既知の加工物の幾何情報及び工具経路パターンを用いて入力が加工面の幾何情報であり出力が加工面の工具経路パターンである機械学習を行うことと、を含む。新たな工具経路を生成する工程が、対象加工物の形状データを得ることと、対象加工物の複数の加工面の各々の幾何情報を得ることと、対象加工物の幾何情報を用いて機械学習の結果に基づいて対象加工物の複数の加工面の各々について工具経路パターンを生成することと、を含む。
【選択図】図１

Description

本願は、工具経路を生成するための方法及び装置に関する。
従来、ＮＣ（Numerical Control）加工を支援するための様々な技術が提案されている。例えば、特許文献１は、ＮＣデータを用いた金型の設計を支援するための方法及び装置を開示している。特許文献１では、既存の金型のＮＣデータを用いて金型を設計する際に、既存の金型のＣＡＭデータと、設計対象の金型のＣＡＭデータとが比較されて、加工部位毎に、既存の金型のデータを用いることが可能か否かが判定される。既存の金型のデータを用いることが可能な加工部位の数と、加工部位の総数との比率が、流用率として算出される。流用率の算出には、ニューラルネットワークが用いられている。
特許文献２には、ＮＣ工作機械におけるツールパスデータの生成を支援するための装置が開示されている。特許文献２では、製品の３次元形状に関する特徴データ、素材データ、各加工工程のデータ、各加工工程後の形状に関するデータ、及び、使用可能な工具のデータに基づいて、ツールパスデータが自動的に生成される。
特開２０１４−１６０３０３号公報 特開２００２−１８９５１０号公報
ＮＣ加工における工具経路は、オペレータの経験及びノウハウに基づいて、ＣＡＭソフトウェアに様々なデータを入力することによって生成される場合がある。しかしながら、オペレータが未熟である場合、特に加工物が複雑な形状を有するときには、望ましい工具経路を生成することが困難である。
本発明は、複数の事例に基づいて新たな工具経路を生成することができる方法及び装置を提供すること目的とする。
本開示の一態様は、ＮＣ加工における工具経路を生成するための方法であって、当該方法が、既に生成された工具経路を有する複数の既知の加工物の情報に基づいて、機械学習を行う工程と、機械学習の結果に基づいて、対象加工物に対する新たな工具経路を生成する工程と、を備え、複数の既知の加工物及び対象加工物の各々が、複数の加工面を有し、機械学習を行う工程が、複数の既知の加工物の各々について、形状データを得ることと、複数の既知の加工物の各々について、複数の加工面の各々の幾何情報を得ることと、複数の既知の加工物の各々について、複数の工具経路パターンの中から、複数の加工面の各々に対して選択された工具経路パターンを得ることと、複数の既知の加工物の幾何情報及び工具経路パターンを用いて、入力が加工面の幾何情報であり、出力が加工面の工具経路パターンである、機械学習を行うことと、を含み、新たな工具経路を生成する工程が、対象加工物の形状データを得ることと、対象加工物の複数の加工面の各々の幾何情報を得ることと、対象加工物の幾何情報を用いて、機械学習の結果に基づいて、対象加工物の複数の加工面の各々について工具経路パターンを生成することと、を含む、方法である。
本開示の一態様に係る方法では、複数の既知の加工物の幾何情報及び工具経路パターンに基づいて、入力が加工面の幾何情報であり、出力が加工面の工具経路パターンである機械学習が行われ、この機械学習の結果に基づいて、対象加工物の複数の加工面の各々について工具経路パターンが自動で生成される。したがって、複数の事例に基づいて新たな工具経路を生成することができる。
複数の工具経路パターンは、少なくとも、等高線経路、走査線経路、及び、面沿い経路を含んでもよい。
複数の既知の加工物の形状データ及び対象加工物の形状データは、３次元直交座標系であるＸＹＺ軸座標系で定義されてもよく、幾何情報は、加工面のタイプ、各加工面におけるＺ軸方向の最大長さに対するＸ軸方向の最大長さの比率、各加工面におけるＺ軸方向の最大長さに対するＹ軸方向の最大長さの比率、各加工面のＺ軸方向の最大長さに対する複数の加工面全体のＺ軸方向の最大長さの比率、各加工面の表面積に対する複数の加工面全体の表面積の比率、加工面の長半径、加工面の短半径、加工面重心での法線ベクトルのＺ成分、加工面の最大曲率、及び、加工面の最大曲率、の少なくとも１つを含んでもよい。
機械学習には、ニューラルネットワークが用いられてもよい。
本開示の他の態様は、ＮＣ加工における工具経路を生成するための装置であって、当該装置が、プロセッサと、表示部と、を備え、プロセッサが、既に生成された工具経路を有する複数の既知の加工物の情報に基づいて、機械学習を行うことと、機械学習の結果に基づいて、対象加工物に対する新たな工具経路を生成することと、を実行するように構成されており、複数の既知の加工物及び対象加工物の各々が、複数の加工面を有し、機械学習を行うことが、複数の既知の加工物の各々について、形状データを得ることと、複数の既知の加工物の各々について、複数の加工面の各々の幾何情報を得ることと、複数の既知の加工物の各々について、複数の工具経路パターンの中から、複数の加工面の各々に対して選択された工具経路パターンを得ることと、複数の既知の加工物の幾何情報及び工具経路パターンを用いて、入力が加工面の幾何情報であり、出力が加工面の工具経路パターンである、機械学習を行うことと、を含み、新たな工具経路を生成することが、対象加工物の形状データを得ることと、対象加工物の複数の加工面の各々の幾何情報を得ることと、対象加工物の幾何情報を用いて、機械学習の結果に基づいて、対象加工物の複数の加工面の各々について工具経路パターンを生成することと、を含み、複数の工具経路パターンの各々には、視覚的に識別できる所定の特徴が割り当てられており、プロセッサが、複数の工具経路パターンを所定の特徴として認識し、表示部が、加工面の各々を、生成された工具経路パターンに対応する所定の特徴と共に示す、装置である。このような装置は、上記の方法と同様な効果を奏することができる。また、このような装置では、加工面の各々が、生成された工具経路パターンに対応する所定の特徴と共に表示部上に示されるため、オペレータは、加工面にどの工具経路パターンが選択されたかを容易に認識することができる。
プロセッサが、対象加工物の複数の加工面の各々について生成された工具経路パターンについて、確信度を算出するように構成されていてもよく、表示部が、確信度が所定の閾値よりも低い場合には、対応する加工面を強調してもよい。この場合、オペレータが、低い確信度を有する加工面の工具経路パターンを必要に応じて変更することができる。
本開示の一態様によれば、複数の事例に基づいて新たな工具経路を生成することができる方法及び装置を提供することが可能である。
本開示の方法及び装置を示す概略図である。 いくつかの工具経路パターンを示す概略図である。 教師データの例を示す斜視図である。 教師データの例を示す斜視図である。 教師データの例を示す斜視図である。 教師データの例を示す斜視図である。 図１の装置で実行される機械学習を示すフローチャートである。 図１の装置で実行される対象加工物に対する新たな工具経路の生成を示すフローチャートである。 ネットワーク構造を示す概略図である。 過去の工程設計事例の加工物であり、かつ、新たな工具経路を生成する対象加工物として用いた加工物の、過去の工程設計事例における工具経路を示す斜視図である。 本開示の方法によって対象加工物に対して生成された工具経路を示す斜視図である。
以下、添付図面を参照して、実施形態に係るＮＣ加工における工具経路を生成するための方法及び装置を説明する。同様な又は対応する要素には同一の符号を付し、重複する説明は省略する。
図１は、本開示の方法及び装置を示す概略図である。本開示の方法は、ＣＡＤ（Computer Aided Design）システム５０、ＣＡＭ（Computer Aided Manufacture）システム６０、工具経路を生成するための装置１０、及び、工作機械７０を含むシステム１００内で実施される。システム１００は、その他の構成要素を含んでもよい。
ＣＡＤシステム５０では、加工物のＣＡＤデータが作成される。加工物の例としては、例えば、金型が含まれる。ＣＡＤデータで表される加工物は、工具によって加工された後の目標形状を有する。ＣＡＤシステム５０では、装置１０が機械学習を行う際に教師データとなる「既知の加工物」（以下では、教師データとも称され得る）のＣＡＤデータと、機械学習の結果に基づいて新たな工具経路が作成される「対象加工物」のＣＡＤデータと、が作成される。なお、「既知の加工物（教師データ）」は、実際に過去に作製された加工物であってもよく、又は、電子データとしてのみ作成され、熟練オペレータによって工具経路が設定された加工物であってもよい。
ＣＡＤデータは、加工物に含まれる頂点、辺、及び、面などの形状データを含んでいる。ＣＡＤデータは、例えば、３次元直交座標系であるＸＹＺ軸座標系で定義されることができる。ＣＡＤデータは、その他の座標系で定義されてもよい。加工物は、キャラクタラインによって囲まれた（又は分割された）複数の加工面を含んでいる。ＣＡＤデータは、複数の加工面の各々について、様々な幾何情報（例えば、加工面のタイプ、各加工面におけるＺ軸方向の最大長さに対するＸ軸方向の最大長さの比率、各加工面におけるＺ軸方向の最大長さに対するＹ軸方向の最大長さの比率、各加工面のＺ軸方向の最大長さに対する複数の加工面全体のＺ軸方向の最大長さの比率、各加工面の表面積に対する複数の加工面全体の表面積の比率、加工面の長半径、加工面の短半径、加工面重心での法線ベクトルのＺ成分、加工面の最大曲率、及び、加工面の最大曲率 等）を含んでいる。ＣＡＤデータは、その他の幾何情報を含んでもよい。
既知の加工物のＣＡＤデータは、ＣＡＭシステム６０に入力される。ＣＡＭシステム６０では、オペレータ（特に、熟練オペレータ）Ｐが、既知の加工物の複数の加工面の各々に対して、複数の工具経路パターンの中から、例えば、過去の実際の加工でその加工面に対して用いられた工具経路パターン、又は、その加工面の加工に適していると考えられる工具経路パターンを選択する。複数の加工面について選択された複数の工具経路パターンを組み合わせることによって、１つの加工物の工具経路が生成される。
図２は、いくつかの工具経路パターンを示す概略図である。複数の工具経路パターンは、様々な工具経路パターンを含むことができる。例えば、図２の左側の図は、等高線経路を示している。等高線経路では、工具Ｔが、加工面を等高線動作で加工する。図２の中央の図は、走査線経路を示している。走査線経路では、工具Ｔが、加工面を倣いながら領域を埋めるように加工面を加工する。図２の右側の図は、面沿い経路を示している。面沿い経路では、工具Ｔは、加工面の境界線に沿った動作で加工面を加工する。複数の工具経路パターンは、上記の３つの工具経路パターン以外の工具経路パターン（例えば、工具が高さ方向に螺旋状に移動しながら加工面を加工するスパイラル加工等）を含んでもよい。
加工面にどの工具経路パターンが選択されたかを視覚的に識別できるようにするために、複数の工具経路パターンの各々には、所定の色が割り当てられている。図２に示されるように、例えば、本実施形態では、等高線経路が選択された加工面には「赤」が割り当てられ、走査線経路が選択された加工面には「緑」が割り当てられ、面沿い経路が選択された加工面には「青」が割り当てられる。ＣＡＭシステム６０の表示部は、加工面の各々を、選択された工具経路パターンに対応する所定の色で示す。これによって、オペレータＰは、加工面にどの工具経路パターンが選択されたかを容易に認識することができる。なお、加工面にどの工具経路パターンが選択されたかを視覚的に識別できるようにするためには、複数の工具経路パターンの各々に、視覚的に識別できる所定の特徴（例えば、色、模様、及び／又は、文字など）が割り当てられることができる。
図３〜図６は、教師データの例を示す斜視図である。教師データは、ＣＡＤシステム５０で作成された形状データと、ＣＡＤシステム５０で算出された幾何情報と、ＣＡＭシステム６０で選択された工具経路パターンと、を含んでいる。工具経路パターンは、その工具経路パターンに割り当てられた色として、教師データに含まれている。
図１を再び参照して、教師データは、装置１０に入力される。上記のように、装置１０に入力される教師データは、生成された工具経路を既に有している。
装置１０は、記憶装置１と、プロセッサ２と、表示部３と、を備えており、これらの構成要素は、バス（不図示）等を介して互いに接続されている。装置１０は、ＲＯＭ（read only memory）、ＲＡＭ（random access memory）、及び／又は、入力装置（例えば、マウス、キーボード、及び／又、タッチパネル等）など、他の構成要素を備えることができる。装置１０は、例えば、コンピュータ、サーバー、又は、タブレット等であることができる。
記憶装置１は、１つ又は複数のハードディスクドライブ等であり得る。記憶装置１は、入力された教師データを記憶する。
プロセッサ２は、例えば、ＣＰＵ（Central Processing unit）等であり得る。プロセッサ２は、例えば、１つのＣＰＵによって構成されてもよく、又は、複数のＣＰＵによって構成されてもよい。プロセッサ２は、以下に示される複数の処理を実行するように構成されており、各処理を実行するためのプログラムは、例えば、記憶装置１に記憶されることができる。プロセッサ２は、記憶装置１に記憶された複数の教師データの情報に基づいて機械学習を行うように構成されている（詳しくは後述）。機械学習には、例えば、ニューラルネットワークを用いることができる。
また、プロセッサ２は、ＣＡＤシステム５０で作成された対象加工物のＣＡＤデータを用いて、上記の機械学習の結果に基づいて、対象加工物に対する新たな工具経路を生成するように構成されている（詳しくは後述）。また、プロセッサ２は、対象加工物の複数の加工面の各々について生成された工具経路パターンについて、確信度を算出するように構成されている。
表示部３は、液晶ディスプレイ及び／又はタッチパネル等であり得る。表示部３は、ＣＡＭシステム６０の表示部と同様に、加工面の各々を、生成された工具経路パターンに対応する、視覚的に識別できる所定の特徴（例えば、色、模様、及び／又は、文字など）と共に示す。
上記のＣＡＤシステム５０、ＣＡＭシステム６０、及び、装置１０は、別々の装置として構成されてもよいし、同じ装置に組み込まれてもよい（例えば、ＣＡＤソフトウェア及びＣＡＭソフトウェアが、装置１０に組み込まれてもよい）。
装置１０で生成された新たな工具経路は、ＮＣデータに変換されて、工作機械７０に入力されることができる。
次に、装置１０で実行される動作について説明する。
まず、装置１０で実行される機械学習について説明する。図７は、図１の装置で実行される機械学習を示すフローチャートである。
プロセッサ２は、記憶装置１から、複数の教師データの各々について、情報を取得する（ステップＳ１００）。取得する情報には、各教師データの形状データ、複数の加工面の各々の幾何情報、複数の加工面の各々に対して選択された工具経路（色）が含まれる。続いて、プロセッサ２は、複数の教師データの幾何情報及び工具経路パターン（色）を用いて、入力が加工面の幾何情報であり、出力が加工面の工具経路パターン（色）である、機械学習を行う（ステップＳ１０２）。以上により、一連の動作が終了する。なお、以上のステップは、所望の収束結果が得られるまで繰り返されてもよい。
次に、装置１０で実行される対象加工物に対する新たな工具経路の生成について説明する。図８は、図１の装置で実行される対象加工物に対する新たな工具経路の生成を示すフローチャートである。
プロセッサ２は、ＣＡＤシステム５０で作成された対象加工物のＣＡＤデータを取得する（ステップＳ２００）。取得されるＣＡＤデータには、対象加工物の形状データ及び複数の加工面の各々の幾何情報が含まれる。
続いて、プロセッサ２は、対象加工物の幾何情報を用いて、上記の機械学習の結果に基づいて、対象加工物の複数の加工面の各々について工具経路パターンを生成する（ステップＳ２０２）。
具体的には、ステップＳ２０２において、プロセッサ２は、複数の工具経路パターンの各々について、ある加工面がどの程度の確率（又は、確信度とも称され得る）で、その工具経路パターンによって加工されるか、を計算する。具体的には、プロセッサ２は、複数の色の各々について、ある加工面にどの程度の確信度でその色が選択されるか、を計算する。例えば、本実施形態では、プロセッサ２は、ある加工面について、赤が選択される確信度と、緑が選択される確信度と、青が選択される確信度と、のそれぞれを計算し、そして、最も高い確信度を有する色（つまり、工具経路パターン）を、その加工面に選択する。プロセッサ２は、選択された複数の工具経路パターンを組み合わせて対象加工物の工具経路を生成し、生成された工具経路を表示部３に送信する。
続いて、表示部３は、生成された対象加工物の工具経路を表示する（ステップＳ２０４）。具体的には、表示部３は、対象加工物の複数の加工面の各々を、選択された色で表示する。この際、表示部３は、選択された色（工具経路パターン）を確信度に応じて表示する。具体的には、ある加工面に対して選択された工具経路パターンの確信度が、所定の閾値よりも低い場合には、表示部３は、その加工面を強調する（例えば、淡い色又は濃い色で表示する）。例えば、ある加工面に対して赤が選択されたが、その確信度が所定の閾値よりも低い場合には、その加工面を淡い赤で表示する。これによって、オペレータＰは、その加工面の確信度が低いことを容易に認識することができる。
続いて、プロセッサ２は、オペレータＰから、変更が必要か否かの入力を受け付ける（ステップＳ２０６）。具体的には、オペレータＰは、ある加工面（例えば、ステップＳ２０４において確信度が低いと表示された加工面）の工具経路パターン（色）が不適切であると判断した場合には、オペレータＰは、入力装置を介して変更命令を入力することによって、対応する加工面の工具経路パターン（色）を変更することができる。
ステップＳ２０６において変更が必要であることを示す入力があった場合には、プロセッサ２は、オペレータＰから入力される変更命令に基づいて、対応する加工面の工具経路パターン（色）を変更し（ステップＳ２０８）、再びステップＳ２０４に戻る。
ステップＳ２０６において変更が必要ではないことを示す入力があった場合には、プロセッサ２は、生成された対象加工物の工具経路を記憶装置１に保存して（ステップＳ２１０）、一連の動作を終了する。次回に行われる機械学習では、記憶装置１に保存された新たな工具経路が、教師データの１つとして用いられてもよい。また、生成された新たな工具経路は、ＮＣデータに変換された後に、工作機械７０における加工で実際に使用されてもよく、オペレータＰは、実際の加工の結果に基づいて、装置１０で生成された工具経路を変更してもよい。加工の結果に基づいて変更された工具経路は、記憶装置１に保存されて、次回に行われる機械学習で教師データの１つとして用いられてもよい。
以上のような本実施形態に係る方法及び装置１０では、複数の既知の加工物の幾何情報及び工具経路パターンに基づいて、入力が加工面の幾何情報であり、出力が加工面の工具経路パターンである機械学習が行われ、この機械学習の結果に基づいて、対象加工物の複数の加工面の各々について工具経路パターンが自動で生成される。したがって、複数の事例に基づいて新たな工具経路を生成することができる。
また、本実施形態に係る装置１０では、加工面の各々が、生成された工具経路パターンに対応する所定の色と共に表示部３上に示されるため、オペレータＰは、加工面にどの工具経路パターンが選択されたかを容易に認識することができる。
また、本実施形態に係る装置１０では、プロセッサ２が、対象加工物の複数の加工面の各々について生成された工具経路パターンについて、確信度を算出するように構成されており、表示部３が、確信度が所定の閾値よりも低い場合には、対応する加工面を強調する。したがって、オペレータが、低い確信度を有する加工面の工具経路パターンを必要に応じて変更することができる。
ＮＣ加工における工具経路を生成するための方法及び装置の実施形態について説明したが、本発明は上記の実施形態に限定されない。当業者であれば、上記の実施形態の様々な変形が可能であることを理解するだろう。また、当業者であれば、上記の方法は、上記の順番で実施される必要はなく、矛盾が生じない限り、他の順番で実施可能であることを理解するだろう。
例えば、上記の実施形態では、機械学習にニューラルネットワークが用いられている。しかしながら、他の実施形態では、機械学習に他の方法（例えば、決定木法等）が用いられてもよい。
本実施例では、機械学習にニューラルネットワークを用い、多層パーセプトロン（ＭＬＰ）及びバックプロバゲーション（ＢＰ）を用いた。図９に示されるネットワーク構造を使用した。ネットワークに用いた条件を以下の表１に示す。加工物の形状データを作成するのに使用されたＣＡＤソフトウェアは、Ｓｉｅｍｅｎｓ社のＮＸであり、システム開発ではＮＸのＡＰＩ（Application Programming Interface）を使用してプログラム言語にＣ＃を用いた。教師データとして、図３〜図６に示された４モデルを含む、過去の工程設計事例の２０モデルを用いた。これらの２０モデルの工具経路は、熟練オペレータによって施された。
Figure 2019150902
入力として用いた幾何情報は、以下の通りである。
（１）Surface type：ＣＡＤシステム内で与えられる加工面のタイプ
（２）Ratio (x/z)：各加工面におけるＺ軸方向の最大長さに対するＸ軸方向の最大長さの比率
（３）Ratio (y/z)：各加工面におけるＺ軸方向の最大長さに対するＹ軸方向の最大長さの比率
（４）Ratio (Z/z)：各加工面のＺ軸方向の最大長さに対する複数の加工面全体のＺ軸方向の最大長さの比率
（５）Ratio (area)：各加工面の表面積に対する複数の加工面全体の表面積の比率
（６）Radius (large)：加工面の長半径（平面又はパラメトリック曲面を除く）
（７）Radius (short)：加工面の短半径（トーラス又は円錐のみ）
（８）Inclination angle：加工面重心での法線ベクトルのＺ成分
（９）Curvature (max)：加工面の最大曲率
（１０）Curvature (min)：加工面の最大曲率
図１０は、過去の工程設計事例の加工物であり、かつ、新たな工具経路を生成する対象加工物として用いた加工物の、過去の工程設計事例における工具経路を示す斜視図であり、図１１は、本開示の方法によって対象加工物に対して生成された工具経路を示す斜視図である。図１０及び図１１は、同じ形状を示しており、当該形状を対象加工物として用いた。なお、図１０に示される過去の工程設計事例の情報は、教師データとして用いられていないことに留意されたい。
図１０及び図１１の比較からわかるように、本システムは、過去の工程設計事例のデータの工具経路と略同様な工具経路を生成した。具体的な結果を以下の表２に示す。
Figure 2019150902
表２に示されるように、多くの加工面において、本システムによる結果と過去の工程設計事例のデータとが一致した（対応する４１つの加工面において双方が赤であり、対応する５８つの加工面において双方が緑であり、対応する８７つの加工面において双方が青である）。２つの加工面においてのみ、本システムによる結果と過去の工程設計事例のデータとが異なった。この事例では、正解率はおよそ９８．９％であった。
教師データとして用いた上記の過去の工程設計事例の２０モデルに対して、同様の評価を行った。その結果、２０モデルの全ての加工面に対する正解率は、およそ９１．１％であった。以上のことから、本システムは、複数の事例に基づいて、熟練オペレータのノウハウ及び経験を考慮した工具経路を生成可能であることがわかった。
１ 記憶装置
２ プロセッサ
３ 表示部
１０ 装置
５０ ＣＡＤシステム
６０ ＣＡＭシステム
７０ 工作機械
１００ システム

Claims (6)

  1. ＮＣ加工における工具経路を生成するための方法であって、
    当該方法が、
    既に生成された工具経路を有する複数の既知の加工物の情報に基づいて、機械学習を行う工程と、
    前記機械学習の結果に基づいて、対象加工物に対する新たな工具経路を生成する工程と、
    を備え、
    前記複数の既知の加工物及び前記対象加工物の各々が、複数の加工面を有し、
    前記機械学習を行う工程が、
    前記複数の既知の加工物の各々について、形状データを得ることと、
    前記複数の既知の加工物の各々について、前記複数の加工面の各々の幾何情報を得ることと、
    前記複数の既知の加工物の各々について、複数の工具経路パターンの中から、前記複数の加工面の各々に対して選択された工具経路パターンを得ることと、
    前記複数の既知の加工物の前記幾何情報及び前記工具経路パターンを用いて、入力が加工面の幾何情報であり、出力が加工面の工具経路パターンである、機械学習を行うことと、
    を含み、
    前記新たな工具経路を生成する工程が、
    前記対象加工物の形状データを得ることと、
    前記対象加工物の前記複数の加工面の各々の幾何情報を得ることと、
    前記対象加工物の前記幾何情報を用いて、前記機械学習の結果に基づいて、前記対象加工物の前記複数の加工面の各々について工具経路パターンを生成することと、
    を含む、ことを特徴とする、方法。
  2. 前記複数の工具経路パターンは、少なくとも、等高線経路、走査線経路、及び、面沿い経路を含む、請求項１に記載の方法。
  3. 前記複数の既知の加工物の前記形状データ及び前記対象加工物の前記形状データは、３次元直交座標系であるＸＹＺ軸座標系で定義されており、
    前記幾何情報は、加工面のタイプ、各加工面におけるＺ軸方向の最大長さに対するＸ軸方向の最大長さの比率、各加工面におけるＺ軸方向の最大長さに対するＹ軸方向の最大長さの比率、各加工面のＺ軸方向の最大長さに対する複数の加工面全体のＺ軸方向の最大長さの比率、各加工面の表面積に対する複数の加工面全体の表面積の比率、加工面の長半径、加工面の短半径、加工面重心での法線ベクトルのＺ成分、加工面の最大曲率、及び、加工面の最大曲率、の少なくとも１つを含む、請求項１に記載の方法。
  4. 前記機械学習には、ニューラルネットワークが用いられる、請求項１に記載の方法。
  5. ＮＣ加工における工具経路を生成するための装置であって、
    当該装置が、
    プロセッサと、
    表示部と、
    を備え、
    前記プロセッサが、
    既に生成された工具経路を有する複数の既知の加工物の情報に基づいて、機械学習を行うことと、
    前記機械学習の結果に基づいて、対象加工物に対する新たな工具経路を生成することと、
    を実行するように構成されており、
    前記複数の既知の加工物及び前記対象加工物の各々が、複数の加工面を有し、
    前記機械学習を行うことが、
    前記複数の既知の加工物の各々について、形状データを得ることと、
    前記複数の既知の加工物の各々について、前記複数の加工面の各々の幾何情報を得ることと、
    前記複数の既知の加工物の各々について、複数の工具経路パターンの中から、前記複数の加工面の各々に対して選択された工具経路パターンを得ることと、
    前記複数の既知の加工物の前記幾何情報及び前記工具経路パターンを用いて、入力が加工面の幾何情報であり、出力が加工面の工具経路パターンである、機械学習を行うことと、
    を含み、
    前記新たな工具経路を生成することが、
    前記対象加工物の形状データを得ることと、
    前記対象加工物の前記複数の加工面の各々の幾何情報を得ることと、
    前記対象加工物の前記幾何情報を用いて、前記機械学習の結果に基づいて、前記対象加工物の前記複数の加工面の各々について工具経路パターンを生成することと、
    を含み、
    前記複数の工具経路パターンの各々には、視覚的に識別できる所定の特徴が割り当てられており、
    前記プロセッサが、前記複数の工具経路パターンを前記所定の特徴として認識し、
    前記表示部が、前記加工面の各々を、生成された工具経路パターンに対応する前記所定の特徴と共に示すことを特徴とする、装置。
  6. 前記プロセッサが、前記対象加工物の前記複数の加工面の各々について生成された工具経路パターンについて、確信度を算出するように構成されており、
    前記表示部が、前記確信度が所定の閾値よりも低い場合には、対応する加工面を強調する、請求項５に記載の装置。
JP2018036408A 2018-03-01 2018-03-01 工具経路を生成するための方法及び装置 Active JP7126360B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2018036408A JP7126360B2 (ja) 2018-03-01 2018-03-01 工具経路を生成するための方法及び装置
EP19761404.3A EP3760374B1 (en) 2018-03-01 2019-02-14 Method and device for generating tool paths
PCT/JP2019/005359 WO2019167650A1 (ja) 2018-03-01 2019-02-14 工具経路を生成するための方法及び装置
US16/976,931 US11556110B2 (en) 2018-03-01 2019-02-14 Method and device for generating tool paths
CN201980015369.0A CN111788036B (zh) 2018-03-01 2019-02-14 用于生成工具路径的方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018036408A JP7126360B2 (ja) 2018-03-01 2018-03-01 工具経路を生成するための方法及び装置

Publications (3)

Publication Number Publication Date
JP2019150902A true JP2019150902A (ja) 2019-09-12
JP2019150902A5 JP2019150902A5 (ja) 2021-04-15
JP7126360B2 JP7126360B2 (ja) 2022-08-26

Family

ID=67805348

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018036408A Active JP7126360B2 (ja) 2018-03-01 2018-03-01 工具経路を生成するための方法及び装置

Country Status (5)

Country Link
US (1) US11556110B2 (ja)
EP (1) EP3760374B1 (ja)
JP (1) JP7126360B2 (ja)
CN (1) CN111788036B (ja)
WO (1) WO2019167650A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021074816A (ja) * 2019-11-07 2021-05-20 キヤノン株式会社 工具条件決定装置、学習装置、および方法
JP2022061422A (ja) * 2020-10-06 2022-04-18 キヤノン株式会社 学習装置、プログラム作成装置、方法、およびプログラム
JP2023531911A (ja) * 2020-06-22 2023-07-26 オートデスク，インコーポレイテッド コンピュータ支援製造のための強化学習によるツールパスの生成
WO2025158550A1 (ja) * 2024-01-24 2025-07-31 三菱電機株式会社 情報処理装置、情報処理方法、及び情報処理プログラム

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6719790B1 (ja) * 2019-09-05 2020-07-08 キタムラ機械株式会社 Ｃａｄデータによるマシニングセンタの自動運転装置
US12468290B2 (en) 2022-07-15 2025-11-11 Pratt & Whitney Canada Corp. System and method for developing a numerical control manufacturing program
US11966955B1 (en) * 2023-06-09 2024-04-23 Proto Labs, Inc. Methods and apparatuses for generating a manufacturing quote
DE102023118215A1 (de) 2023-07-10 2025-01-16 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Verfahren zur Planung von Werkzeugbahnen sowie CAM-System zur Werkzeugbearbeitung

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04138504A (ja) * 1990-09-29 1992-05-13 Toyoda Mach Works Ltd インテリジェント加工システム
JPH06212880A (ja) * 1993-01-19 1994-08-02 Kawasaki Heavy Ind Ltd トンネル掘削機の方向制御方法および装置
JPH1086039A (ja) * 1997-09-19 1998-04-07 Toyoda Mach Works Ltd 加工条件自動作成機能を有する数値制御装置
WO1998041357A1 (en) * 1997-03-15 1998-09-24 Makino Milling Machine Co., Ltd. Machining processor
JP2006068901A (ja) * 2005-11-16 2006-03-16 Makino Milling Mach Co Ltd 工作機械の制御装置
JP2013248677A (ja) * 2012-05-30 2013-12-12 Fanuc Ltd オフラインプログラミング装置
JP2016170636A (ja) * 2015-03-12 2016-09-23 日本電信電話株式会社 接続関係推定装置、方法、及びプログラム
JP2017123088A (ja) * 2016-01-08 2017-07-13 安川情報システム株式会社 決定木学習アルゴリズムを用いた予測プログラム、装置及び方法
JP2017146957A (ja) * 2016-02-19 2017-08-24 トヨタ自動車株式会社 深層畳み込みニューラルネットワークによるレイヤベースの物体検出の強化

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR920002268A (ko) 1990-07-17 1992-02-28 유끼노리 가까즈 인텔리젠트가공장치
CN1098140C (zh) * 1996-11-07 2003-01-08 三丰株式会社 数控加工中测量程序的生成及根据该测量程序的加工管理
JP2002189510A (ja) 2000-12-22 2002-07-05 Mori Seiki Co Ltd 加工関連情報生成装置、及びこれを備えた数値制御装置
SI21200A (sl) * 2002-03-27 2003-10-31 Jože Balič Cnc upravljalna enota za krmiljenje obdelovalnih centrov s sposobnostjo učenja
JP3971773B2 (ja) * 2005-10-12 2007-09-05 ファナック株式会社 ロボットのオフライン教示装置
CN101738981B (zh) 2009-12-04 2011-06-15 清华大学 基于机器学习的机器人磨削方法
JP5192574B2 (ja) * 2011-08-25 2013-05-08 ファナック株式会社 工具先端点の加速度または加加速度の表示部を備えた工具軌跡表示装置
GB2542956B (en) * 2011-12-12 2017-08-23 Delcam Ltd Method and system for generating cutting paths
JP6036381B2 (ja) 2013-02-19 2016-11-30 トヨタ自動車株式会社 設計工数予測装置、方法及びプログラム
CN106325213A (zh) * 2015-06-30 2017-01-11 遵义林棣科技发展有限公司 一种数控车床自动编码系统
JP6169655B2 (ja) * 2015-07-30 2017-07-26 ファナック株式会社 工作機械、シミュレーション装置、及び機械学習器
CN106529028B (zh) * 2016-11-09 2019-05-24 北京航空航天大学 一种工艺规程的自动生成方法
JP6470251B2 (ja) * 2016-12-26 2019-02-13 ファナック株式会社 数値制御装置及び機械学習装置
JP6506341B2 (ja) * 2017-04-07 2019-04-24 ファナック株式会社 加工経路表示装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04138504A (ja) * 1990-09-29 1992-05-13 Toyoda Mach Works Ltd インテリジェント加工システム
JPH06212880A (ja) * 1993-01-19 1994-08-02 Kawasaki Heavy Ind Ltd トンネル掘削機の方向制御方法および装置
WO1998041357A1 (en) * 1997-03-15 1998-09-24 Makino Milling Machine Co., Ltd. Machining processor
JPH1086039A (ja) * 1997-09-19 1998-04-07 Toyoda Mach Works Ltd 加工条件自動作成機能を有する数値制御装置
JP2006068901A (ja) * 2005-11-16 2006-03-16 Makino Milling Mach Co Ltd 工作機械の制御装置
JP2013248677A (ja) * 2012-05-30 2013-12-12 Fanuc Ltd オフラインプログラミング装置
JP2016170636A (ja) * 2015-03-12 2016-09-23 日本電信電話株式会社 接続関係推定装置、方法、及びプログラム
JP2017123088A (ja) * 2016-01-08 2017-07-13 安川情報システム株式会社 決定木学習アルゴリズムを用いた予測プログラム、装置及び方法
JP2017146957A (ja) * 2016-02-19 2017-08-24 トヨタ自動車株式会社 深層畳み込みニューラルネットワークによるレイヤベースの物体検出の強化

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021074816A (ja) * 2019-11-07 2021-05-20 キヤノン株式会社 工具条件決定装置、学習装置、および方法
JP7171538B2 (ja) 2019-11-07 2022-11-15 キヤノン株式会社 工具条件決定装置、学習装置、および方法
JP2023531911A (ja) * 2020-06-22 2023-07-26 オートデスク，インコーポレイテッド コンピュータ支援製造のための強化学習によるツールパスの生成
JP7711110B2 (ja) 2020-06-22 2025-07-22 オートデスク，インコーポレイテッド コンピュータ支援製造のための強化学習によるツールパスの生成
US12487565B2 (en) 2020-06-22 2025-12-02 Autodesk, Inc. Toolpath generation by reinforcement learning for computer aided manufacturing
JP2022061422A (ja) * 2020-10-06 2022-04-18 キヤノン株式会社 学習装置、プログラム作成装置、方法、およびプログラム
JP7589000B2 (ja) 2020-10-06 2024-11-25 キヤノン株式会社 学習装置、プログラム作成装置、方法、およびプログラム
WO2025158550A1 (ja) * 2024-01-24 2025-07-31 三菱電機株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
JP7752809B1 (ja) * 2024-01-24 2025-10-10 三菱電機株式会社 情報処理装置、情報処理方法、及び情報処理プログラム

Also Published As

Publication number Publication date
WO2019167650A1 (ja) 2019-09-06
US20210003992A1 (en) 2021-01-07
US11556110B2 (en) 2023-01-17
EP3760374B1 (en) 2025-10-08
CN111788036B (zh) 2022-10-11
CN111788036A (zh) 2020-10-16
JP7126360B2 (ja) 2022-08-26
EP3760374A1 (en) 2021-01-06
EP3760374A4 (en) 2021-11-24

Similar Documents

Publication Publication Date Title
JP7126360B2 (ja) 工具経路を生成するための方法及び装置
JP5474045B2 (ja) ソリッドモデルにおける面を分割するシステムおよび方法
JP7221725B2 (ja) 工具選定方法及び装置、並びに、工具経路生成方法
KR20130049164A (ko) 워크피스의 기계가공의 시뮬레이션
JP2019150902A5 (ja)
JP5673489B2 (ja) 点群データの処理装置、処理方法、処理プログラム及び記録媒体
JP7171538B2 (ja) 工具条件決定装置、学習装置、および方法
US20080201002A1 (en) Machining Template Based Computer-Aided Design and Manufacture Of An Aerospace Component
JP7299794B2 (ja) 加工条件を決定するための方法及び装置
CN115454006A (zh) 工件加工方法、装置、电子设备及计算机可读取存储介质
JP7619149B2 (ja) ロボット設備設計装置、方法、及びプログラム
CA2943747A1 (en) Method and equipment for generating a numerical representation of a three-dimensional object, said numerical representation being suited to be used for making said three-dimensional object through stereolithography
JP4915522B2 (ja) 図形処理装置
TWI760675B (zh) 加工路徑缺陷檢測方法
Erdős et al. Workstation configuration and process planning for RLW operations
JP3161195B2 (ja) Ｎｃデータ作成装置
JP6638519B2 (ja) 生産ラインの開発支援装置、開発支援方法および開発支援プログラム
US20260073636A1 (en) Producing a blending function mesh for inferring a blending function for a t-nurccs surface model defining a smooth surface
JPWO2019171599A1 (ja) 工具経路生成方法
JPS62235606A (ja) 複合曲面のｎｃデ−タ作成方法
JPS62256103A (ja) 数値制御用マシンプログラム作成方法
JP2025126416A (ja) モデリング装置、プログラム及びモデリング方法
JPH08118202A (ja) 最大傾斜方向ツリー追跡による曲面体加工物の数値制御ミリング加工方法
CN116719276A (zh) 一种基于数控加工程序进给速度的优化方法及系统
JP2004234693A (ja) Ｃａｄ／ｃａｍ装置

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20190213

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20190213

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210301

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210301

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220301

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220502

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220802

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220816

R150 Certificate of patent or registration of utility model

Ref document number: 7126360

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250