刀具选定方法及装置，以及刀具路径生成方法与流程

1.本技术涉及一种刀具选定方法及装置，以及刀具路径生成方法。


背景技术：

2.在机床的技术领域中，提出了用于选定在加工中使用的刀具的各种各样的技术。例如，专利文献1的加工关联信息生成装置，对某个工序的加工模型的数据进行解析，对相互交叉的2面提取交叉部的r尺寸。决定提取的r尺寸之中的最小的r尺寸，并基于决定的r尺寸决定可在该工序中使用的刀具直径(最小的r尺寸以下)。基于包括决定的刀具直径在内的信息检索数据库，提取可在该工序中使用的刀具。
3.另外，例如，专利文献2的加工信息作成装置，相对于具有l字部或者槽等的工件，使用cad数据，从仿真得到在使用某个特定的刀具时在l字部或者槽中产生的切削剩余量，进而作成该切削剩余量的数学公式模型。具有与得到的数学公式模型的次数及常数接近的次数及常数的加工事例可从加工事例数据库中检索。与检索的加工事例的刀具信息接近的刀具可从刀具数据库中检索。
4.【在先技术文献】
5.【专利文献】
6.【专利文献1】日本特开2002－189510号公报
7.【专利文献2】日本专利第4272206号公报


技术实现要素：

8.发明所要解决的课题
9.在专利文献1的装置中，基于提取的r尺寸之中的最小的r尺寸选定刀具。在此情况下，因为由具有与最小的r尺寸对应的小的直径的刀具对加工物进行加工，所以存在加工时间变长的危险。因此，对于一些用户来说，存在选定的刀具不一定是按照用户的意向(例如，加工时间短，成本低等)的可能性。另外，在专利文献1的装置中，也可以考虑对每个交叉部都基于提取的r尺寸选定刀具。在此情况下，存在刀具根数增加，刀具更换时间及刀具成本增加的可能性。
10.另外，在专利文献2的装置中，基于从仿真得到的切削剩余量选定刀具。但是，如果仅考虑切削剩余量，则存在选定的刀具不一定是按照用户的意向的可能性。另外，在加工事例数据库的检索中使用的算法是固定的，如果变更算法，则存在需要时间劳力及技巧的可能性。
11.本发明以提供一种可选定按照用户的意图的刀具选定方法及装置为目的。另外，本发明以提供一种用于生成这样选定的刀具的移动路径的刀具路径生成方法为目的。
12.为了解决课题的手段
13.本公开的一方式是一种刀具选定方法，其选定为了对具有多个加工面的加工物进行加工而使用的刀具，其中，具备如下的步骤：对多个已知的加工物的各个算出基于多个加
工面的形状的1个或者多个特征量，对上述多个已知的加工物的各个分配了从包括多个刀具在内的刀具列表之中预先选定为适合于对上述多个加工面进行加工的1个主要刀具的步骤；对上述多个已知的工件，将上述特征量作为输入并将上述主要刀具作为输出执行机械学习的步骤；相对于对象加工物算出上述特征量的步骤；和将上述对象加工物的上述特征量作为输入使用，基于上述机械学习的结果从上述刀具列表之中相对于上述对象加工物选定主要刀具的步骤。
14.在此刀具选定方法中，对用于机械学习的多个已知的加工物的各个分配了主要刀具。主要刀具预先选定为适合于对各加工物具有的多个加工面进行加工。“适合于对多个加工面进行加工”是指能由用户从各种各样的观点决定(例如，加工时间、成本及精度之中的至少1个)。因此，在本公开的一方式的刀具选定方法中，用户例如通过对由本公司的熟练者按照上述的那样的观点分配了主要刀具的多个已知的加工物执行机械学习，能相对于对象加工物选定按照用户的意图的主要刀具。
15.上述特征量包括与上述多个加工面有关的面积及面积比之中的至少1个。上述特征量至少包括由在上述多个加工面中由上述刀具列表的某个刀具可加工的或者不可加工的加工面的合计面积的相对于上述多个加工面的总面积的比率表示的面积比，上述面积比对上述多个刀具的全部或者几个算出，算出的上述面积比作为另一个特征量用于上述机械学习。在选定主要刀具的情况下，如果是熟练者，则对各刀具多考虑加工物之中的多少区域由该刀具可加工或者不可加工。因此，通过将各刀具的面积比单独地作为输入用于机械学习，可执行高精度的机械学习。
16.例如，上述多个刀具是具有相互不同的直径的多个球头立铣刀，上述面积比由在上述多个加工面中具有某个球头立铣刀的半径以下的或者不到某个球头立铣刀的半径的曲率半径的凹面的合计面积的相对于上述多个加工面的总面积的比率表示。
17.上述刀具选定方法还具备相对于上述对象加工物选定与上述主要刀具不同且可加工由上述主要刀具不能加工的上述对象加工物之中的具有最小曲率半径的部位的二次刀具的步骤。在此情况下，能一边由按照用户的意向的主要刀具对加工物进行加工，一边由二次刀具对由主要刀具不能加工的部位进行加工。因此，能效率良好地对加工物进行加工。
18.本公开的其它的方式是一种刀具路径生成方法，其用于相对于具有多个加工面的加工物生成在nc加工中的刀具路径，其中，具备对上述的刀具选定方法选定的对象加工物的主要刀具及二次刀具生成刀具路径的步骤。在此刀具路径生成方法中，与上述的刀具选定方法同样，能效率良好地对加工物进行加工。
19.本公开的又一个其它的方式是一种刀具选定装置，其选定为了对具有多个加工面的加工物进行加工而使用的刀具，其中，具备处理器和存储包括多个刀具在内的刀具列表的存储装置，并以如下的方式构成，即，上述处理器执行如下的步骤：对多个已知的加工物的各个算出基于多个加工面的形状的特征量，对上述多个已知的加工物的各个分配了从上述刀具列表之中预先选定为适合于对上述多个加工面进行加工的1个主要刀具；对上述多个已知的工件，将上述特征量作为输入并将上述主要刀具作为输出执行机械学习；相对于对象加工物算出上述特征量；和将上述对象加工物的上述特征量作为输入使用，基于上述机械学习的结果从上述刀具列表之中相对于上述对象加工物选定主要刀具。
20.在此刀具路径生成装置中，与上述的刀具选定方法同样，能相对于对象加工物选
定按照用户的意图的主要刀具
を
。
21.【发明的效果】
22.根据本公开的一方式，能选定按照用户的意图的刀具。
附图说明
23.图1是表示本公开的方法及装置的示意图。
24.图2(a)是表示加工物的例的主视图，图2(b)是表示加工物的例的俯视图。
25.图3是表示机械学习的流程图。
26.图4(a)表示可以由大径刀具加工的加工面，图4(b)表示可以由小径刀具加工的加工面。
27.图5是表示刀具的相对于对象加工物的选定及刀具路径的生成的流程图。
28.图6(a)表示生成大径刀具的刀具路径的面，图6(b)表示生成小径刀具的刀具路径的面。
29.图7是表示网络构造的示意图。
30.图8是表示加工物的例的立体图。
31.图9是表示加工物的例的立体图。
32.图10是表示加工物的例的立体图。
33.图11是表示加工物的例的立体图。
具体实施方式
34.为了实施发明的方式
35.以下，参照附图，说明与实施方式有关的刀具选定方法及装置以及刀具路径生成方法。对同样的或者对应的要素附加相同的符号，重复的说明省略。
36.图1是表示本公开的方法及装置的示意图。本公开的方法，在包括cad(computer aided design，计算机辅助设计)系统50、用于选定刀具的装置10、及机床70在内的系统100内实施。如在以下详细叙述的那样，在本实施方式中，装置10也基于选定的刀具生成刀具路径。因此，装置10也可称为“刀具选定装置”或者“刀具路径生成装置”。系统100也可包括其它的结构要素。
37.在cad系统50中，作成加工物的cad数据。由cad数据表示的加工物具有由刀具加工后的目标形状。在cad系统50中，作成在装置10进行机械学习时成为教师数据的“已知的加工物”(以下也可称为教师数据)的cad数据51和基于机械学习的结果选定主要刀具的“对象加工物”的cad数据52。此外，“已知的加工物(教师数据)”既可以是使用某个主要刀具实际在过去制作的加工物，也可以是仅作为电子数据作成并由操作者(例如，熟练者)p分配了主要刀具的加工物。
38.cad数据包括了包括在加工物中的顶点、边、及面等形状数据。cad数据，例如，能由作为3维正交坐标系的xyz轴坐标系定义。cad数据也能由其它的坐标系定义。加工物包括由特性线条围着的(或者分割的)多个加工面。cad数据，对于多个加工面的各个，包括各种各样的几何信息(例如，加工面的类型(例如，平面、凸面、及凹面等)、面积及曲率等)。cad数据也可以包括其它的几何信息。
39.图2(a)是表示加工物的例的主视图，图2(b)是表示加工物的例的俯视图。加工物40可以是各种各样的物体。在本实施方式中，加工物40是模具，加工对象是模具的外观设计面。具体地说，加工物40的面之中的外观设计面是面41、42、43及角部44、45，面46、47不包括在加工对象中。一般来说，模具的外观设计面可由平滑地连结了各个面的多个面表示。加工物40，为了说明，是进行了简化的形状，但在实际的模具的外观设计面中，因为要求高品位且平滑的面的加工，所以准备没有省略到细部的形状的cad数据。特别是，因为作为刀具的刀尖前端的最低尺寸存在物理性的界限，所以加工物的朝向内侧的角部不做成折曲成直角的形状，而是设定能由刀具实际加工的尺寸的角部r，并作为由曲面平滑地连结的形状表示。另外，在朝向内侧的角部以外，通过做成平滑地连结了各种各样的曲率的曲面、曲率变化的曲面的形状，表现产生美感的外观设计形状。因此，模具的外观设计面的多个加工面，例如，可包括平面、凸面及凹面。“凸面”是指具有某个曲率半径的凸状的曲面。例如，面42，如图2(b)所示，从上向下看是凸状的曲面。另外，角部44，如图2(a)、(b)所示，在从正面看及从上向下看的双方都是凸状的曲面。因此，面42及角部44被分类为“凸面”。“凹面”是指具有某个曲率半径的凹状的曲面。例如，角部45，如图2(a)所示，从正面看是凹状的曲面。因此，角部45被分类为“凹面”。此外，角部45，如图2(b)所示，从上向下看是凸状的曲面，但在某个面从某个视点看为凹状的曲面的情况下，该面可被分类为“凹面”。在本实施方式中，以具有鞍点的鞍型曲面为代表，正的曲率和负的曲率共存的曲面被分类为“凹面”。面41、43被分类为“平面”。
40.返回到图1，作为已知的加工物的cad数据51，由操作者p从包括可由机床70使用的多个刀具在内的刀具列表之中分配1个主要刀具pt。与各已知的加工物的cad数据51及主要刀具pt有关的信息(例如，刀具编号及/或刀具的直径等)相互关联，并作为教师数据保存在装置10的存储装置1(详细情况后述)中。
41.主要刀具pt，为了适合于对包括在某个加工物中的多个加工面进行加工，可由操作者p从刀具列表之中向该加工物分配。在分配主要刀具pt时，操作者(特别是熟练者)p能基于技能、经验及职场的方针等各种各样的要因，综合地考虑各种各样的观点(例如，加工时间、成本及精度之中的至少1个)，相对于加工物选定1个主要刀具。例如，小径刀具可加工各种各样的形状，但存在着在加工中需要长时间的可能性。因此，将小径刀具作为主要刀具选定，可能导致加工时间的增加。另外，例如，几个小径刀具，不频繁使用，可能是高价。因此，将这样的小径刀具作为主要刀具选定，可能导致成本高。考虑以上的那样的刀具的各种各样的特征，在某个实施方式中，操作者可能着眼于加工时间，选定能一边维持某种程度的精度一边避免加工时间的增加的主要刀具。另外，在其它的实施方式中，操作者可能着眼于成本，选定能一边维持某种程度的精度一边避免成本高的主要刀具。另外，在其它的实施方式中，操作者可能着眼于精度，选定能实现高精度的加工的主要刀具。
42.对象加工物的cad数据52，例如，向装置10的处理器2(详细情况后述)输入。对象加工物的cad数据52也可以保存在存储装置1中。
43.装置10具备存储装置1和处理器2，这些结构要素经总线(未图示)等相互连接。装置10可具备rom(只读存储器)、ram(随机存取存储器)、输入装置及/或输出装置(例如，鼠标、键盘、液晶显示器及/或触摸面板等)等其它的结构要素。装置10，例如，可以是个人计算机、服务器或者平板电脑终端等。
44.存储装置1可以是1个或者多个硬盘驱动器等。存储装置1cad存储从系统50输入的教师数据。另外，存储装置1存储包括可由机床70使用的多个刀具在内的刀具列表。刀具列表的各刀具的信息，例如，能包括刀具编号、刀具的直径、刀具材质及刀具的价格等与刀具有关的各种各样的信息。另外，存储装置1能存储由处理器2使用的各种各样的程序。存储装置1也可以存储其它的数据。
45.处理器2，例如，可以是1个或者多个cpu(中央处理器)等。处理器2可具有以执行以下所示的处理的方式构成的处理部，各处理部，例如能由存储在存储装置1中的程序实现。
46.处理器2，例如，可具有特征量算出部21、推论部22、二次刀具选定部23及刀具路径生成部24。处理器也可以还具有用于执行其它的处理的其它的处理部。特征量算出部21以对各教师数据的cad数据51及对象加工物的cad数据52算出特征量的方式构成。推论部22以对多个教师数据进行机械学习的方式构成。作为机械学习，例如，能使用神经网络。另外，推论部22，对于对象加工物，以基于机械学习的结果相对于对象加工物选定主要刀具的方式构成。二次刀具选定部23以对于对象加工物选定二次刀具的方式构成。刀具路径生成部24以对选定的主要刀具及二次刀具的各个生成刀具路径的方式构成(关于以上的处理，详细情况后述)。至于刀具路径的生成，也可以使用cam(计算机辅助制造)系统。
47.由装置10生成的刀具路径变换为nc数据，输入机床70。机床70可以是基于nc数据进行nc加工的各种各样的机床。上述的cad系统50及装置10既可以作为独立的装置构成，也可以组装到相同装置中(例如，cad软件及/或cam软件组装到装置10中)。
48.接着，对由装置10执行的动作进行说明。
49.首先，对由装置10执行的机械学习进行说明。图3是表示机械学习的流程图。
50.处理器2从存储装置1对多个教师数据的各个取得数据(步骤s100)。在取得的数据中，例如，包括各教师数据的形状数据、多个加工面的各个的几何信息及与主要刀具有关的信息(例如，刀具的直径)。接着，处理器2将取得的数据向特征量算出部21输入，对多个教师数据的各个算出1个或者多个特征量(步骤s102)。
51.在步骤s102中算出的特征量，可以是基于多个加工面的形状的各种各样的几何学的信息。例如，特征量也可以包括与多个加工面有关的面积及面积比之中的至少1个。具体地说，特征量可以至少包括：
52.(1)由在多个加工面中不能由刀具列表的某个刀具加工的加工面的合计面积的相对于多个加工面的总面积的比率表示的第一面积比p1
i
。下标i(i＝1，2，3......)表示刀具编号，第一面积比p1
i
，能对刀具列表之中的具有相互不同的直径的多个刀具的全部或者几个算出。从另外的观点看，第一面积比p1
i
也可称为在多个加工面中刀具列表的具有某个刀具的半径以下(或者不到某个刀具的半径)的曲率半径的凹面的合计面积的相对于多个加工面的总面积的比率。
53.图4(a)表示可由大径刀具加工的加工面，图4(b)表示可由小径刀具加工的加工面。在本实施方式中，刀具例如可以是球头立铣刀t1、t2、......ti(在图4(a)、(b)中，仅表示了球头立铣刀t1、t2)。刀具也可以是球头立铣刀以外的刀具。加工物40与上述的图2的加工物40相同。在图4(a)中，对可由大径的球头立铣刀t1加工的面附加了剖面线，在图4(b)中，对可由小径的球头立铣刀t2加工的面附加了剖面线。在本实施方式中，具有某个球头立铣刀t的半径d/2以下的曲率半径的凹面被设定为由球头立铣刀t“不可加工”。
54.具体地说，在图4(a)中，因为外观设计面(面41、42、43及角部44、45)之中的角部45的曲率半径是球头立铣刀t1的半径d1/2以下，所以角部45由球头立铣刀t1不可加工。因此，
55.加工物40的第一面积比p11＝(角部45的面积)/(面41、42、43及角部44、45的面积的合计)。
56.另外，在图4(b)中，因为角部45的曲率半径比球头立铣刀t2的半径d2/2大，所以全部的加工面可由球头立铣刀t2加工。因此，加工物40不包括球由头立铣刀t2不可加工的面。因此，加工物40的第一面积比p12＝0。第一面积比p1
i
，是对球头立铣刀t1、t2、......ti的全部或者几个算出。例如，对于具有最小的半径d/2的球头立铣刀或者几个小径的球头立铣刀，因为它们可能不适合作为主要刀具，所以也可以不计算第一面积比p1
i
。算出的第一面积比p1可作为另一个特征量用于机械学习。
57.关于上述的第一面积比p11，如果由球头立铣刀t1“不可加工”的凹面少(即，如果由球头立铣刀t1“可加工”的凹面多)，则从加工时间及/或成本的观点看，由球头立铣刀t1或者进一步大径的球头立铣刀对加工物40的大部分进行加工可能是有效的。在此情况下，球头立铣刀t1或者进一部大径的球头立铣刀可能适合作为主要刀具。与此相对，如果由球头立铣刀t1“不可加工”的凹面多(即，由球头立铣刀t1“可加工”的凹面少)，则从加工时间及/或成本的观点看，由球头立铣刀t1对加工物40的大部分进行加工可能是非有效的。在此情况下，与球头立铣刀t1相比为小径的球头立铣刀可能适合作为主要刀具。熟练者，在选定刀具的情况下，通过观察加工物40，可基于技能及经验做出上述的那样的判断。因此，通过将第一面积比p11作为机械学习的输入使用，能考虑熟练者的技能及经验。
58.此外，在上述的实施方式中，具有某个球头立铣刀t的半径d/2“以下”的曲率半径的凹面被设定为由球头立铣刀t不可加工，但具有“不到”某个刀具的半径d/2的曲率半径的凹面也可被设定为不可加工。另外，在上述的实施方式中，第一面积比p1
i
以由某个刀具“不可加工”的面积的相对于多个加工面的总面积的比率表示，但第一面积比p1
i
也可以由某个刀具“可加工”的面积的相对于多个加工面的总面积的比率表示。如上述的那样，由可加工的面积的比率也可进行同样的判断。
59.在步骤s102中算出的特征量也可以还包括其它的几何学的信息。例如，特征量也可以还包括：
60.(2)由在多个加工面中刀具列表的具有某个刀具的半径以下(或者不到某个刀具的半径)的曲率半径的凸面的相对于多个加工面的总面积的合计面积的比率表示的第二面积比p2
i
，
61.(3)多个加工面的总面积p3，
62.(4)凹面的曲率半径的最小值p4，
63.(5)凸面的曲率半径的最小值p5。
64.第二面积比p2
i
对刀具列表之中的具有相互不同的直径的多个刀具的全部或者几个算出，另一方面，值p3、p4、p5仅对某个加工物算出1个。熟练者，在选定刀具的情况下，也可考虑上述的那样的特征量p2
i
、p3、p4、p5。特征量也可以包括基于上述的p1
i
、p2
i
、p3、p4、p5以外的多个加工面的形状的其它的几何学的信息。
65.返回到图3，处理器2将算出了多个教师数据的特征量及与主要刀具有关的信息(例如，直径)向推论部22输入，将特征量作为输入，将与主要刀具有关的信息作为输出执行
机械学习(步骤s104)。由此，一连串的动作结束。此外，以上的步骤，也可反复进行直到得到所希望的收敛结果为止。
66.接着，对由装置10执行的刀具的相对于对象加工物的选定进行说明。图5是表示刀具的相对于对象加工物的选定及刀具路径的生成的流程图。
67.处理器2取得由cad系统50作成的对象加工物的cad数据52(步骤s200)。在取得的cad数据中，包括对象加工物的形状数据及多个加工面的各个的几何信息。
68.接着，处理器2将取得的cad数据52向特征量算出部21输入，对于对象加工物算出特征量(步骤s202)。由步骤s202算出的特征量，可与由上述的步骤s102对于多个教师数据算出的特征量相同。接着，处理器2将算出的对象加工物的特征量向推论部22输入，基于上述的机械学习的结果，从刀具列表之中相对于对象加工物选定主要刀具(步骤s204)。处理器2将与选定的主要刀具有关的信息(例如，刀具编号及/或刀具的直径等)向显示部发送。
69.接着，显示部显示与选定的主要刀具有关的信息(步骤s206)。由此，操作者p能研究选定的主要刀具是否适合于对象加工物的加工。
70.接着，处理器2从操作者p接受是否需要主要刀具的变更的输入(步骤s208)。具体地说，在操作者p判断为选定的主要刀具没有适合于对象加工物的加工的情况下，操作者p通过经输入装置输入变更命令能变更主要刀具。
71.在步骤s208中，在存在显示不需要变更的输入的情况下，处理器2将选定的对象加工物的主要刀具与cad数据52一起保存在存储装置1中(步骤s210)。在下次进行的机械学习中，也可将新保存在存储装置1中的对象加工物的cad数据52及主要刀具作为教师数据的1个使用。
72.在步骤s208中，在存在显示需要变更的输入的情况下，处理器2基于从操作者p输入的变更命令变更主要刀具(步骤s212)，进入步骤s210，将变更的对象加工物的主要刀具与cad数据52一起保存在存储装置1中。
73.接着步骤s210，处理器2将取得的cad数据52向二次刀具选定部23输入，对于对象加工物从刀具列表之中选定二次刀具(步骤s214)。例如，处理器2能将可加工由主要刀具不能加工的对象加工物之中的具有最小曲率半径的部位(例如，凹面)的刀具作为二次刀具选定。具体地说，处理器2也可以将对象加工物之中的具有比最小曲率半径小的半径的刀具作为二次刀具选定。在刀具列表包括满足条件的多个刀具的情况下，处理器2也可以将从满足条件的多个刀具之中具有最大的半径的刀具作为二次刀具选定。在刀具列表不包括满足条件的刀具的情况下，处理器2通过在对象加工物之中的不超过最小曲率半径的范围内将存在于刀具目录等中的最大的刀具的半径显示在显示器上，向操作者p通知，促进具有比对象加工物之中的最小曲率半径小的半径的刀具的补充。
74.接着，处理器2将选定的主要刀具及二次刀具向刀具路径生成部24输入，对于对象加工物的主要刀具及二次刀具，生成刀具路径(步骤s216)。例如，处理器2可使用cam系统生成刀具路径。
75.图6(a)表示生成大径刀具的刀具路径的面，图6(b)表示生成小径刀具的刀具路径的面。加工物40及球头立铣刀t1、t2与上述的图4所示的结构相同。在图6(a)、(b)的例中，相对于对象加工物40，将大径的球头立铣刀t1作为主要刀具选定，将小径的球头立铣刀t2作为二次刀具选定。在图6(a)中，对生成球头立铣刀t1的刀具路径的面附加了剖面线，在图6
(b)中，对生成球头立铣刀t2的刀具路径的面附加了剖面线。
76.参照图6(a)，在加工物40中，如上述的那样，角部45由球头立铣刀t1不可加工。因此，相对于角部45以外的加工面(即，面41、42、43及角部44)，生成作为主要刀具选定的球头立铣刀t1的刀具路径。例如，相对于面41、43也可以生成扫描线路径(刀具t以一边模仿加工面一边填补区域的方式对加工面进行加工的那样的路径)。另外，例如，相对于面42也可以生成等高线路径(刀具t由等高线动作对加工面进行加工的那样的路径)。另外，例如，相对于角部44也可以生成沿面的路径(刀具t以沿着加工面的边界线按照的动作对加工面进行加工的那样的路径)。
77.参照图6(b)，相对于角部45，生成作为二次刀具选定的球头立铣刀t2的刀具路径。例如，相对于角部45，也可以生成沿面的路径。
78.返回到图5，由此，一连串的动作结束。生成的刀具路径可向机床70的nc装置发送。
79.在以上的那样的与实施方式有关的刀具选定方法中，对于用于机械学习的多个已知的加工物的各个，分配了主要刀具pt。主要刀具pt预先选定为适合于对各加工物具有的多个加工面进行加工。“适合于对多个加工面进行加工”是指由用户从各种各样的观点决定。因此，在此刀具选定方法中，用户，例如通过对由本公司的熟练者分配了主要刀具pt的多个已知的加工物执行机械学习，能相对于对象加工物选定按照用户的意图的主要刀具pt。
80.另外，在与实施方式有关的刀具选定方法中，特征量包括与多个加工面有关的面积p3及面积比p1
i
、p2
i
之中的至少1个。具体地说，特征量至少包括由在多个加工面中由刀具列表的某个刀具可加工的或者不可加工的面积的相对于多个加工面的总面积的比率表示的第一面积比p1
i
，第一面积比p1
i
对多个刀具t1、t2、......ti的全部或者几个算出，算出的第一面积比p1
i
作为另一个特征量用于机械学习。在选定主要刀具的情况下，如果是熟练者，则对各刀具ti，多考虑加工物之中的多少区域由该刀具ti可加工或者不可加工。因此，通过将各刀具的第一面积比p1
i
单独地作为输入用于机械学习，可执行高精度的机械学习。
81.在一例中，多个刀具是具有相互不同的直径的多个球头立铣刀t1、t2、......ti，第一面积比p1
i
由在多个加工面中具有某个球头立铣刀ti的半径以下的曲率半径的凹面的面积的相对于多个加工面的总面积的比率表示。
82.另外，与实施方式有关的刀具选定方法，还具备相对于对象加工物40选定与主要刀具t1不同且可加工由主要刀具t1不能加工的对象加工物40中的具有最小曲率半径的部位(角部)45的二次刀具t2的步骤。另外，与实施方式有关的刀具路径生成方法，具备对由上述的刀具选定方法选定的对象加工物40的主要刀具t1及二次刀具t2生成刀具路径的步骤。因此，能一边由按照用户的意向的主要刀具t1对加工物40进行加工，一边由二次刀具t2对由主要刀具t1不能加工的部位45进行加工。因此，能效率良好地对加工物40进行加工。
83.对刀具选定方法及装置以及刀具路径生成方法的实施方式的实施方式进行了说明，但本发明不限定于上述的实施方式。本领域技术人员可进行上述的实施方式的各种各样的变形。另外，本领域技术人员不需要按照上述的顺序实施上述的方法，只要不产生矛盾，就可按照其它的顺序实施。
84.例如，在上述的实施方式中，将神经网络用于机械学习。但是，在其它的实施方式中，也可以将其它的方法(例如，决策树方法等)用于机械学习。
85.另外，例如，在上述的实施方式中，选定二次刀具的步骤s214，与选定主要刀具的步骤s204相比在后执行(参照图5)。但是，步骤s214也可以与步骤s204相比在前执行。
86.【实施例】
87.使用与上述的装置10同样的装置推定了主要刀具。具体地说，在本实施例中，将神经网络用于机械学习，使用了多层感知器(mlp)及反向传播(bp)。使用了图7所示的网络构造。将使用了网络的条件表示在以下的表1中。为了作成加工物的形状数据使用的cad软件，是西门子公司的nx，在系统开发中使用nx的api(application programming interface，应用程序编程接口)，使用c#作为编程语言。
88.【表1】
89.激活函数tanh(hyperbolic tangent，双曲正切)损失函数分类交叉熵(categorical cross entropy)梯度下降法小批量梯度下降法优化算法adam最大学习次数100
90.作为教师数据，使用了包括图8～图11所示的4个模型在内的过去的工序设计事例的34个模型。在34个模型的各个中，由熟练者分配了分别具有直径d＝4mm、6mm、8mm(半径d/2＝2mm、3mm、4mm)的3个球头立铣刀t1、t2、t3之中的1个(此外，刀具列表假定包括了分别具有直径d＝2mm、4mm、6mm、8mm的4个球头立铣刀在内的情况，具有直径d＝2mm的球头立铣刀，预先附注了作为二次刀具选定的情况)。
91.作为机械学习的输入算出的特征量是以下的9个。关于(1)～(6)，例如，在(1)中，将曲率半径的2倍为4mm以下的凹面(即，具有球头立铣刀t1的半径d/2(2mm)以下的曲率半径的凹面)作为“d≦4mm(d/2≦2mm)”表示。
92.(1)d≦4mm(d/2≦2mm)的凹面(具有球头立铣刀t1的半径d/2(2mm)以下的曲率半径的凹面)的合计面积的相对于多个加工面的总面积的比率p1193.(2)d≦6mm(d/2≦3mm)的凹面(具有球头立铣刀t2的半径d/2(3mm)以下的曲率半径的凹面)的合计面积的相对于多个加工面的总面积的比率p1294.(3)d≦8mm(d/2≦4mm)的凹面(具有球头立铣刀t3的半径d/2(4mm)以下的曲率半径的凹面)的合计面积的相对于多个加工面的总面积的比率p1395.(4)d≦4mm(d/2≦2mm)的凸面(具有球头立铣刀t1的半径d/2(2mm)以下的曲率半径的凸面)的合计面积的相对于多个加工面的总面积的比率p2196.(5)d≦6mm(d/2≦3mm)的凸面(具有球头立铣刀t2的半径d/2(3mm)以下的曲率半径的凸面)的合计面积的相对于多个加工面的总面积的比率p2297.(6)d≦8mm(d/2≦4mm)的凸面(具有球头立铣刀t3的半径d/2(4mm)以下的曲率半径的凸面)的合计面积的相对于多个加工面的总面积的比率p2398.(7)多个加工面的总面积p3
99.(8)凹面的曲率半径的最小值p4
100.(9)凸面的曲率半径的最小值p5
101.输出是选定球头立铣刀t1的可能性、选定球头立铣刀t2的可能性及选定球头立铣刀t3的可能性的3个，将具有最高的可能性的刀具作为主要刀具选定。
102.使用留一法(leave
‑
one
‑
out法)评价了上述的那样的神经网络的性能。具体地说，将上述的全34个模型之中的1个模型作为评价用模型使用，对剩余的33个模型评价了执行机械学习的神经网络的性能。将此仅反复进行了模型的数量(34次)。将评价结果表示在以下的表2中。
103.【表2】
[0104][0105]
如表2所示，在多个模型中，由神经网络进行的推论结果和过去的工序设计事例的数据一致(在8个模型中推论结果及过去的事例数据的双方是d＝4mm(t1)，在16个模型中推论结果及过去的事例数据的双方是d＝6mm(t2)，在9个模型中推论结果及过去的事例数据的双方是d＝8mm(t3))。仅在1个模型中，由神经网络进行的推论结果(d＝6mm(t2))和过去的事例数据(d＝8mm(t3))不同。因此，正确回答率约为97.1％。根据以上的结果可知，上述的装置可选定考虑了熟练者的技能及经验的主要刀具。
[0106]
符号的说明
[0107]
1：存储装置
[0108]
2：处理器
[0109]
10：刀具选定装置
[0110]
40：加工物
[0111]
41、42、43，44，45：加工面
[0112]
d/2：刀具的半径
[0113]
p1
i
、p2
i
、p3、p4、p5：特征量
[0114]
pt：主要刀具
[0115]
t：刀具。