具备菜单的数值控制装置的制作方法

本发明涉及一种数值控制装置，特别涉及具备通过与加工的工序和状况对应的适当显示顺序进行菜单显示的功能的数值控制装置。

背景技术：

近年来，数值控制装置大多不仅装入本来应该具备的功能，还装入辅助加工总体的应用。因此，采用菜单显示，使得能够简单地访问各个应用。一般来说，菜单画面考虑用户的操作性等进行设计，使得用户认为经常使用的菜单项目成为容易操作的位置。

作为与菜单显示相关的现有技术，在日本特开2009-181501号公报中公开以下技术，即在具有将功能图标作为单元而矩阵状地进行配置的菜单画面的移动通信设备中，根据功能图标的使用次数，按照将针对菜单画面的单元而设定的功能图标进行配置的优先顺序即优先度的顺序进行图标的重排，显示用户更容易使用的菜单画面。

另外，在日本特开2010-127814号公报中公开了以下技术，即在显示菜单时，取得与当前的导航装置的状况相关的信息作为当前时刻、星期、移动时间、乘车人数、天气等的参数，另外，将决定这些参数所对应的菜单显示项目顺序的表格保持在存储器中，根据取得的参数求出菜单的显示项目顺序，显示按照该菜单的显示项目顺序排列的菜单。

当在菜单显示中应用数量多的情况下，有时对经常使用的应用的访问性变差。因此，在上述的日本特开2009-181501号公报记载的技术中，根据图标的使用次数排列菜单，另外在日本特开2010-127814号公报记载的技术中，根据将当前的状况设为参数的表格来排列菜单，从而显示用户容易使用的菜单画面。

但是，在根据加工的工序和状况、状态等而要使用的应用不同的机床中，只单纯地根据使用次数等排列菜单，有时会从菜单中排除平时不进行但重要的操作。例如，考虑到当频繁地使用进行加工的应用时，从菜单中排除维护的应用，在进行维护时对维护的应用的访问性变差的情况。

另外，在上述日本特开2010-127814号公报记载的技术中，事先准备根据参数决定菜单的显示项目顺序的表格，由此显示与状况符合的菜单，但是针对从所设想的状况发生的变化不能够动态地对应，因此需要配合各个状况变化，手动重新制作表格。另外，如果要取得的参数变多，则决定序号的表格变得非常复杂，难以预先根据状况设想显示项目顺序。因此，难以适用于与加工工序和状况相关的参数多的机床。

技术实现要素：

因此，本发明的目的在于提供一种能够通过与加工的工序和状况对应的适当显示顺序进行菜单显示的数值控制装置。

本发明中，通过使用机械学习来决定数值控制装置的菜单显示顺序来解决上述问题。

本发明的数值控制装置根据程序对加工工件的机床进行控制，具备将与上述加工相关的功能以能够选择的方式进行菜单显示的功能，具备对上述菜单显示中的菜单项目的显示顺序进行机械学习的机械学习器。并且，上述机械学习器具备：状态观测部，其取得包括表示上述加工中的加工状态的信息和表示所选择的菜单项目的信息的状态数据；状态学习部，其根据上述状态观测部取得的状态数据来生成用于决定上述菜单显示中的菜单项目的显示顺序的机械学习模型；学习结果存储部，其存储上述机械学习模型；以及菜单显示顺序决定部，其根据上述机械学习模型和上述状态数据来决定上述菜单显示中的菜单项目的显示顺序。

表示上述加工状态的信息可以包括加工中的动作模式、表示是否是加工运行中的信息、超驰值、表示是否是空运行中的信息、表示是否是机器锁定中的信息、表示是否是单块的信息、表示是否是空程中的信息、表示有无刀具更换的信息、前一次使用的功能、数值控制装置以及机床的警报状态、警报种类、警报编号中的至少某一个。

另外，本发明的机械学习器对数值控制装置进行的菜单显示中的菜单项目的显示顺序进行了机械学习。此时，该数值控制装置构成为，根据程序对加工工件的机床进行控制，并且将与该加工相关的功能以能够选择的方式进行菜单显示。并且，上述机械学习器具备：状态观测部，其取得包括表示上述加工中的加工状态的信息和表示所选择的菜单项目的信息的状态数据；学习结果存储部，其存储对上述菜单显示中的菜单项目的显示顺序进行机械学习而得的机械学习模型；以及菜单显示顺序决定部，其根据上述机械学习模型和上述状态数据来决定上述菜单显示中的菜单项目的显示顺序。

根据本发明，能够实现最适合机床的菜单，机床的操作员能够根据加工工序和状况等简单地选择想要使用的应用。

附图说明

通过参照附图说明以下的实施例，能够更加明确本发明的上述以及其他目的、特征。在这些附图中：

图1是说明进行有教师学习的机械学习器的动作概略的图。

图2是本发明实施方式的数值控制装置的概略结构图。

图3是表示图2的数值控制装置(机械学习器)进行的菜单显示的例子的图。

图4是表示从图2的数值控制装置(机械学习器)进行的菜单显示进行菜单选择的处理流程的流程图。

图5是表示图2的数值控制装置(机械学习器)进行的求出机械学习模型的处理流程的流程图。

具体实施方式

本发明中，使用根据机床中的工件加工时的加工工序和状况等所示的状态变量、和用户进行的菜单的选择行为来进行机械学习(machine learning)，由此通过与加工工序和状况对应的合适的显示顺序来进行菜单显示。

以下，简单说明本发明中导入的机械学习。

[1.机械学习]

一般，机械学习中根据其目的和条件而分类为有教师学习(supervised learning)、无教师学习(unsupervised learning)、强化学习(reinforcement learning)等各种算法。本发明中，以学习机床中的工件加工时的加工工序和状况所示的状态和用户进行的菜单选择行为之间的相关性作为目的，考虑能够进行基于明示的数据的学习的情况、需要根据学习结果决定合适的菜单项目的显示顺序的情况，采用有教师学习的算法。

使用图1说明进行有教师学习的机械学习器的动作的概略。

进行有教师学习的机械学习器的动作能够大致分为学习阶段和预测阶段2个阶段。进行有教师学习的机械学习器在学习阶段(图1A)中如果赋予包括作为输入数据而使用的状态变量(说明变量)的值、作为输出数据而使用的目的变量的值的教师数据(teacher data)，则学习在输入该状态变量的值时，输出该目的变量的值，通过赋予几个这样的教师数据，构筑用于输出与状态变量值对应的目标变量值的预测模型。

然后，进行有教师学习的机械学习器，当在预测阶段(图1B)被赋予新的输入数据(状态变量)时，根据学习结果(所构筑的预测模型)预测输出数据(目的变量)并进行输出。

作为进行有教师学习的机械学习器的学习的一例，例如设定如以下式(1)所示的预测模型的回归式，以在学习的过程中将各状态变量x₁、x₂、x₃、……所取的值应用于回归式时，得到目的变量y的值的方式，调整各个系数a₀、a₁、a₂、a₃、……的值，从而继续学习。

y＝a₀+a₁x₁+a₂x₂+a₃x₃+…+a_nx_n……(1)

另外，作为进行有教师学习的机械学习器的学习的另外的例子，例如在将目的变量y的值为1的概率设为p时，在以下式(2)所示的逻辑回归模型中，以在学习的过程中将各个状态变量x₁、x₂、x₃、……所取的值应用于回归式中时，得到目的变量y的值为1的概率p的方式调整各个系数a₀、a₁、a₂、a₃、……的值从而继续学习，由此，能够通过以下式(3)预测与状态变量所取的值对应的目的变量y为1的概率。另外，学习的方法不限于此，针对每种有教师学习的算法而不同。

进一步，作为进行有教师学习的机械学习器的学习的另外的例子，还公知一种使用支持向量机(support vector machine)来机械学习基于状态变量所取的值的多项分类的方法(例如“Ting-Fan Wu，Chih-Jen Lin,Ruby C.Weng,“Probability Estimates for Multi-class Classification by Pairwise Coupling”，Journal of Machine Learning Research，Vol.5,pp.975-1005，2003.”等)，通过使用这种公知技术，能够计算出所赋予的状态属于各个分类的概率。

另外，作为有教师学习的算法，除了上述基于逻辑回归的方法和基于支持向量机的方法以外，还知道决策树(decision tree)、神经网络、朴素贝叶斯分类(naive Bayes classification)等各种方法，作为应用于本发明的方法可以采用任意的有教师学习算法。另外，各个有教师学习算法是众所周知的，所以省略本说明书中的各算法的详细说明。

以下，根据具体的实施方式说明导入了进行有教师学习的机械学习器的本发明的菜单装置。

[2.实施方式]

使用图2说明本发明一个实施方式的数值控制装置的结构。

数值控制装置10分析从存储器(未图示)读出的程序，并根据作为分析结果而得到的控制数据控制机床1来加工工件。机床1具备检测与加工时的加工状况相关的信息的传感器等结构(未图示)，数值控制装置10构成为经由这些结构能够取得加工状况相关的信息。

数值控制装置10具备有教师机械学习器11(图中的虚线框)。另外，在数值控制装置10上连接了显示装置20，该显示装置20对用户显示用于选择数值控制装置10的功能的菜单，并且接受来自用户的菜单选择。另外，关于图2的数值控制装置10，说明本发明中的机械学习动作而特别需要的结构以外的结构省略其详细的说明。

有教师机械学习器11所具备的状态观测部12取得从机床1取得的加工状况和异常发生等相关的信息、从数值控制装置10内取得的表示加工状况的信息。与加工状况相关的数据考虑以下的数据。

[与调试运行/连续运行相关的数据]

动作模式、表示是否是加工运行中的信息、超驰值、表示是否是空运行中的信息、表示是否是机器锁定中的信息、表示是否是单块的信息、表示是否是空程中的信息、有无刀具更换等

[与操作有关的数据]

用户所选择的菜单项目、前一次使用的功能等

[与异常有关的数据]

数值控制装置/机床的警报状态、警报种类、警报编号等

状态数据存储部13存储由状态观测部12取得的状态数据以及由后述的菜单显示顺序决定部16决定的菜单的显示顺序相关的数据，根据来自外部的请求，输出该存储的状态数据、和菜单的显示顺序相关的数据。状态数据存储部13所存储的状态数据将1次菜单选择动作中产生的状态数据成组进行存储。

状态学习部14、学习结果存储部15、菜单显示顺序决定部16构成了有教师机械学习器的主要部分。

状态学习部(state learning unit)14根据状态观测部12所取得的状态数据、存储在状态数据存储部13中的状态数据来进行有教师学习，将学习结果存储在学习结果存储部15中。该状态学习部14使用将状态数据中的用户所选择的菜单项目设为目的变量，且将其它状态数据设为状态变量的教师数据来推进有教师学习。作为学习的一例，在作为预测模型而使用回归模型的情况下，可以按照与数值控制装置10的功能对应的菜单项目准备回归模型，针对通过状态变量表示的加工状况学习该菜单项目被选择的概率，另外，即使在使用支持向量机、神经网络、决策树、朴素贝叶斯分类等的情况下也同样可以按照与数值控制装置10的功能对应的每个菜单项目来准备分类器(classifier)。另外，也可以使用模型，该模型进行将通过状态变量所表示的加工状况分类为多个菜单项目中的某一个的多项分类。

学习结果存储部15将状态学习部14根据教师数据学习到的结果进行存储，另外，根据来自外部的请求输出所存储的学习结果。能够将该学习结果存储部15所存储的学习结果应用于其它的异常诊断装置等。

菜单显示顺序决定部16在显示装置20中进行菜单显示时，使用存储在学习结果存储部15中的学习结果，根据状态观测部12所取得的机床1和数值控制装置10的状态数据来决定菜单项目的显示顺序。

在决定菜单项目的显示顺序时，根据学习结果存储部15中存储的学习结果和状态观测部12所取得的状态数据来求出选择各个菜单项目的概率，从该求出的概率最高的菜单项目开始按顺序显示在用户容易选择的位置即可。在决定菜单项目的显示顺序中，例如在如图3所示那样通过图标显示多个菜单项目的菜单显示时，可以按照根据当前的状态数据计算出的各个菜单项目的选择概率从高到低的顺序，从左上开始排列图标。另外，当菜单按照每个类别分开显示时，可以针对各个类别来重排菜单项目的显示顺序。

并且，按照由菜单显示顺序决定部16决定的菜单项目的显示顺序来进行针对显示装置20的菜单的显示。

使用图4的流程图说明从数值控制装置10中的机械学习器11进行的菜单显示选择菜单的处理流程。以下，按照各个步骤进行说明。

[步骤SA01]用户通过按压在数值控制装置的画面上显示或在机械上安装的菜单按钮，调用菜单。

[步骤SA02]状态观测部12分别取得表示机床1以及数值控制装置10中的加工状况的状态数据。

[步骤SA03]判定学习结果存储部15中是否存储(是否学习)学习了菜单项目的显示顺序的“机械学习模型”。如果存储了则进入步骤SA04，如果没有存储则进入步骤SA06。

[步骤SA04]菜单显示顺序决定部16使用存储在学习结果存储部15中的“机械学习模型”，基于在步骤SA02取得的状态数据，求出选择各个菜单项目的概率。

[步骤SA05]菜单显示顺序决定部16根据在步骤SA04求出的各个菜单项目所被选择的概率来决定菜单的显示顺序。

[步骤SA06]当在学习结果存储部15中存储了“机械学习模型”时，通过在步骤SA05中决定的显示顺序将菜单显示在显示装置20的画面上，当没有存储“机械学习模型”时，通过预先决定的既定显示顺序将菜单显示在显示装置20的画面上。

[步骤SA07]用户从菜单显示中选择菜单项目的某一个。

[步骤SA08]状态观测部12取得在步骤SA07由用户选择出的菜单项目作为状态数据，与在步骤SA02取得的状态数据关联地存储到状态数据存储部13中。

[步骤SA09]判定状态数据存储部13中存储的状态数据的组，是否为求出预先决定的“机械学习模型”时所需的最小数据个数以上。如果是最小数据个数以上则进入步骤SA10，如果比最小数据个数小则结束本处理。

[步骤SA10]根据状态数据存储部13中存储的状态数据来更新(生成)机械学习模型的式子，存储在学习结果存储部15中。

使用图5的流程图说明数值控制装置10中的机械学习器11所进行的、求出机械学习模型的处理流程。

[步骤SB01]状态学习部14取得状态数据存储部13中存储的表示加工状况的数据和所选择的菜单项目的数据的组。取得的数据数，预先决定了为了用于模型生成而最小限度需要的数据个数，当保存的数据个数比最大数据个数多的情况下，使用保存日期时间新的最大数据数量的数据。

[步骤SB02]状态学习部14为了使机械学习模型能够计算所取得的数据的各个值，应用将不是数值的数据数值化为预先决定的数值的处理和将数据标准化的处理等，并生成机械学习用的数据。

[步骤SB03]使用在步骤SB02生成的机械学习用的数据，将机械学习模型的参数优化。优化的方法使用适合于所采用的机械学习的算法的方法。

[步骤SB04]将在步骤SB03生成的机械学习模型在学习结果存储部15中进行存储(更新)。

另外，机械学习器11可以构成为能够对数值控制装置10装卸。另外，通过取出在结束了学习的机械学习器11的学习结果存储部15中存储的学习结果、在状态数据存储部13中存储的状态数据，并存储在另外的机械学习器中，也能够大量生产结束了学习的机械学习器。

以上，说明了本发明的实施方式，但是本发明不仅限于上述的实施方式的例子，而能够通过加以适当的变更通过各种方式来实施。