1.本发明涉及一种在数控机床上使用的控制装置和包括这种控制装置的机床，特别是用于监控数控机床，尤其是通过控制装置的监控单元。本发明还涉及一种监控数控机床的方法、尤其是借助于控制装置或控制装置的监控单元，以及用于机床控制装置的相应计算机程序产品。
背景技术：
2.用于加工工件的数控机床，例如铣床、车床、铣床/车床、磨床、通用机床、车削中心、加工中心、齿轮切削机等，在现有技术中是已知的。
3.此类机床或一般类型的数控机床(cnc机床)通常包括用于数控机床的控制装置(机床控制器)，其包括用于控制机床的执行机构(特别是诸如线性、转动和旋转轴驱动器的主轴驱动器和轴驱动器)的机器控制单元，用于加工工件的加工过程的机床，特别是基于控制数据或基于包含数控程序(nc程序)的控制数据。
4.例如，根据ep 2 482 156a1，已知在机床上加工工件时进行过程监控，特别是为了在机床上进行碰撞监控。例如，根据ep 2 482 156a1的教导，这可以基于测量振动的碰撞传感器来执行，其中，当在机床操作期间加工工件时，传感器信号连续与一个或多个极限值进行比较，并且当超过极限值时，可以检测到碰撞。
5.根据ep 2 482 156a1，已知一种通用类型的控制装置或具有这种控制装置的机床，包括用于控制机床的用于在机床上执行工件的加工过程的执行机构的机器控制单元(尤其是基于控制数据)，以及用于基于来自碰撞传感器的传感器数据来监控机床的监控单元。
6.关于机床的过程监控，通常需要监控机床的加工过程，以确保在工件加工过程中可能出现各种各样的潜在问题(诸如碰撞、轴承磨损或轴承损坏、刀具磨损、刀具破损、夹紧装置破损，驱动器损坏等)可以被快速识别并尽可能被可靠地鉴别，或者可以对此类问题做出快速反应(例如通过自动驱动器停止或甚至自动机器停止)，在这种情况下，还可以避免由于可能的错误鉴别而导致的任何停机。
7.因此，基于上述现有技术，本发明的目的是在机床上提供过程监控，与现有技术相比，该过程监控得到了改进，尤其是能够更快、更精确、更易变和/或更敏感地对处理过程中出现的问题做出反应，并且能够更好地识别这些问题和/或在执行可靠的过程监控时更好地避免错误鉴别。
技术实现要素：
8.根据本发明，根据独立权利要求，提出了一种在数控机床上使用的控制装置、相应的机床、监控机床的方法和相应的计算机程序产品。从属权利要求涉及本发明的优选示例性实施例，其可以单独提供，也可以组合提供。
9.根据本发明的一个方面，提出了一种在数控机床上使用的控制装置，包括：机器控
制单元，用于尤其是基于控制数据控制所述机床的用于在所述机床上执行工件的加工过程的执行机构，以及监控单元，用于监控所述机床的工作状态。
10.根据本发明，控制装置的监控单元包括计算机实现的神经网络或人工神经网络，其被配置为从机器控制单元读取输入数据并输出指示机床的工作状态的输出数据。
11.需要注意的是，de 10 2015 115 838a1似乎已经描述了与机床相关的神经网络的使用，但是，显然，在评估单元中用于评估温度测量管理且(与本发明相比)用于补偿或校正de 102015 115 838a1中机床上的位置中的与温度相关的变化。然而，de 10 2015 115 838a1无法教导或建议将神经网络用于刀具或过程监控或用于监控机床的工作状态。
12.因此，根据本发明的示例性实施例，提出以新的且不同于现有技术的方式，通过提供在机床的控制装置上的人工或计算机实现的神经网络来执行机床的刀具或过程监控。
13.有利的是，此类刀具或过程监控可以保护机器和/或工件免受损坏，可以保证最佳刀具使用，并且在必要时可以为过程优化提供起点。
14.因此，可以提高生产率，并降低机床的总体寿命成本。同时，可能的刀具和过程监控有助于质量保证，并允许工件控制和质量或程序文件化。
15.有利的是，可以进行直接错误或问题检测(例如碰撞检测、破损、磨损或丢失刀具的检测)，并且可以自动以及立即且毫不延迟地触发相应的反应，例如机器停止或刀具更换。这还允许例如通过磨损相关的工具更换或轴承维护来进一步降低成本和减少废品，。
16.此外，例如，根据神经网络的输出数据，通过对工艺参数进行连续适应，可以实现最优化的加工速度。此外，由于可以评估历史输出数据和历史培训数据，例如用于记录和统计，因此具有优势。
17.总之，特别是在示例性实施例中可以实现以下优点：机器、工件和刀具的综合保护、实时监控、最佳刀具利用率、零件质量监控(例如，通过记录和过程分析)、减少废品和/或适应复杂过程或机器加工。
18.此外，在示例性实施例中的优点是，由于可以利用在机器控制处可用的数据或信息(例如，驱动数据和/或定位数据)，因此也可以提供无传感器监测，或者至少可以免除一些或附加传感器。在进一步的示例性实施例中，神经网络的输入数据可由传感器数据支持，或由传感器数据提供，例如由附加或替代传感器(例如用于应变、力、有功功率、扭矩、振动、加速度、结构声和/或温度等)提供。
19.下文描述了本发明的一些示例性实施例，但这不应理解为是详尽的或限制性的。还应当指出，可以单独地或组合地提供此类示例性方面。
20.根据示例性优选实施例，监控单元，特别是监控单元的神经网络，可以优选地配置为在机床上执行的工件的正在进行的加工过程中，读取来自机器控制单元的输入数据，特别是实时读取，和/或尤其是在机床上执行的工件的正在进行的加工过程中，输出指示机床当前工作状态的输出数据，尤其是实时输出。
21.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可被配置为评估神经网络的输出数据。
22.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可被配置为评估神经网络的用于机床上的工具监控和/或过程监控的输出数据。
23.根据示例性优选实施例，监控单元，特别是监控单元的神经网络，可配置为基于输
入数据和/或基于对输出数据的评估，将影响加工过程的控制数据输出至机器控制单元。
24.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可被配置为基于输入数据和/或基于对输出数据的评估来确定机床何时处于异常工作状态。
25.异常工作状态可以是或包括，例如：碰撞(例如，机器零件或刀具和/或工件与机器零件的碰撞)，(可能过度的)刀具磨损、刀具破损，(可能过度的)轴承磨损、轴承损坏、夹紧装置破损、驱动装置损坏等。
26.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可配置为基于输入数据和/或基于对输出数据的评估来确定机床的异常工作状态发生的可能性何时超过预定极限值时。
27.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可配置为当确定存在机床的异常工作状态和/或机床的异常工作状态发生的可能性超过预定极限值时，将影响加工过程的控制数据输出至机器控制单元。
28.根据示例性优选实施例，异常工作状态可以是发生在机床上的碰撞。
29.根据示例性优选实施例，异常工作状态可以是机床上发生的刀具破损。
30.根据示例性优选实施例，异常工作状态可以是机床上缺失的并且将在加工过程中使用的刀具。
31.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可配置为当确定存在机床的异常工作状态和/或机床的异常工作状态发生的可能性超过预定极限值时，向机器控制单元输出触发驱动停止和/或加工停止的控制数据，尤其优选地使得机器控制单元基于控制数据触发机床上的驱动停止和/或机器停止。
32.根据示例性优选实施例，异常工作状态可以是在机床上发生的加工过程中所使用的刀具的刀具磨损增加或加工过程中所使用的刀具的刀具磨损超过极限值。
33.根据示例性优选实施例，异常工作状态可以是在机床上发生的机床轴承的轴承磨损增加或机床上的轴承损坏。
34.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可被配置为当确定机床的异常工作状态存在和/或机床的异常工作状态发生的可能性超过预定极限值时(特别是当异常工作状态包括检测到刀具过度磨损或刀具破损时)，将触发自动刀具更换的控制数据输出到机器控制单元，特别是，使得机器控制单元基于控制数据触发机床上的自动刀具更换。
35.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可被配置为基于输入数据和/或基于对输出数据的评估来调整机器控制单元中存在的工艺参数。
36.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可被配置为基于输入数据和/或基于对输出数据的评估来调整机器控制单元中存在的控制数据。
37.根据示例性优选实施例，监控单元，尤其是监控单元的神经网络，可被配置为调整机器控制单元中存在的控制数据和/或机器控制单元中存在的过程参数，以这种方式使得加工过程的加工速度被调整，特别是通过调整加工过程中的进给速率。
38.根据示例性优选实施例，输入数据可指示机床的执行机构或驱动器的操作参数，尤其是驱动速度、电动机电流和/或输出到执行机构的执行信号。
39.根据示例性优选实施例，输入数据可指示机床的可移动部件的位置值，特别是机
床的线性、转动和/或旋转轴的实际和/或目标位置。
40.根据示例性优选实施例，输入数据可指示来自机床传感器的传感器值，尤其是来自温度传感器、力传感器、应变传感器、扭矩传感器、加速度传感器、振荡或振动传感器和/或结构声传感器的传感器值。
41.根据示例性优选实施例，监控单元可包括内部数据存储装置和/或可被配置为与外部数据存储装置通信。监控单元可优选地被配置为将神经网络的输入数据和/或输出数据存储在内部和/或外部数据存储装置中，和/或将基于对神经网络的输入数据和/或输出数据的评估而生成的评估数据存储在内部和/或外部数据存储装置中。
42.根据示例性优选实施例，控制装置还可以包括可由操作员操作的人机界面，尤其是图形用户界面。监控单元优选地可被配置为在人机界面上向操作员输出指示机床的工作状态的神经网络的输出数据。
43.根据本发明的进一步方面，优选地，提出了一种机床，其包括根据上述一个或多个方面或实施例的控制装置。
44.根据本发明的进一步方面，优选地，提出了一种用于监控数控机床的方法，尤其是通过上述一个或多个方面或实施例的控制装置。
45.所述方法优选地包括通过机器控制单元控制机床的执行机构，尤其是基于控制数据，用于在机床上执行工件的加工过程，以及通过监控单元监控机床的工作状态，进一步优选地包括将来自机器控制单元的输入数据读入在监控单元上计算机实现的神经网络和/或从神经网络输出指示机床的工作状态的输出数据。
46.优选地，所述方法另外或可选地包括在控制机床的用于在机床上执行工件的加工过程的执行机构期间，尤其是基于控制数据，通过监控单元监控机床的工作状态。该方法优选地包括将来自机器控制单元的输入数据读入在监控单元上计算机实现的神经网络和/或从神经网络输出指示机床的工作状态的输出数据。
47.根据本发明的进一步方面，优选地，提出了一种包含命令的计算机程序产品，在连接到数控机床或数控机床的特别是根据前述方面或实施例之一的(优选计算机实现)控制装置的计算机执行程序期间，使其执行根据上述方面或实施例的方法。
48.在附图的以下描述和解释中描述了上述方面和特征的其他方面及其优势以及优势和更具体的实现可能性，这些描述和解释不具有任何限制性。
附图说明
49.图1示出了数控机床的示意性示例图。
50.图2示出了根据本发明的示例性实施例的数控机床控制装置的示意性示例图。
51.图3示出了根据本发明的示例性实施例的用于监控机床的方法的示例性流程图。
具体实施方式
52.在下文中，参考附图详细描述本发明的示例和示例性实施例。附图中相同或相似的元件可以用相同的参考符号表示，但有时也用不同的参考符号表示。
53.然而，应当强调的是，本发明并不局限于或限制于下面描述的示例性实施例及其实现特征，而是进一步包括对示例性实施例的修改，尤其是那些通过修改所述示例的特征
或通过组合所述示例的一个或多个单独特征而包括在独立权利要求保护范围内的。
54.图1示出了例如被配置为铣床的数控机床100的示意性示例图。
55.然而，本发明不限于铣床，还可用于其他类型的机床，例如用于例如通过钻孔、铣削、车削、磨削进行工件加工的切削机床，诸如铣床、万能铣床、车床、车削中心、自动车床、铣床/车床、加工中心、磨床、齿轮切削机等。
56.机床100包括，例如，包括机身101和机座102的机架。例如，可移动的机器滑动件105安装在机身101上，以便在z方向(z轴)上在机身101上水平移动。工件wp例如被夹紧在机器滑动件105上，机器滑动件105例如可以包括工件台。为此，还可在机器滑动件105或工具台上设置夹紧装置。此外，在进一步的示例性实施例中，机器滑动件105可包括可绕垂直轴和/或另一水平轴(可选转动轴或圆轴和/或旋转轴(optional rotary or round and/or swivel axis))旋转或枢转的转台。此外(或可选地)，机器滑动件105可通过y轴在水平y方向(潜在地垂直于图纸平面)上移动。
57.例如，机座102带有主轴托架滑动件103，其可在机座102上沿x方向垂直移动，并且例如工作主轴104承载刀具。工作主轴104被配置为驱动工作主轴104上接收的刀具wz(例如，钻孔和/或铣削刀具)围绕主轴线sa旋转。例如，主轴托架滑动件103可以通过x轴在x方向上垂直移动。此外(或可选地)主轴托架滑动件103可通过y轴在水平y方向(潜在地垂直于图纸平面)上移动。此外，在进一步的示例性实施例中，主轴托架滑动件103可包括转动和/或旋转轴以转动或旋转主轴104(可选转动轴或圆轴和/或旋转轴)。
58.此外，机床100包括例如用于机床100的操作员的操作的控制装置200，控制装置200包括例如屏幕210(例如，被配置为触摸屏)和输入单元220。例如，输入单元220可包括用于用户输入或用于接收用户命令或操作员的命令动作的装置，例如按钮、滑块、转动控制装置、键盘、开关、鼠标、轨迹球以及可能的一个或多个触摸感应面(例如，可与屏幕210组合的触摸屏)。
59.操作员可以使用控制装置200来控制机床的操作或机床上的加工过程，并且还可以在加工期间监控机床100的工作状态或加工过程。
60.图2示出了根据本发明示例性实施例的数控机床100的控制装置200的示意性示例图。
61.机床100(例如，根据图1的机床)包括机床100的由控制装置200控制的多个执行机构110(例如，主轴驱动、轴驱动等)和可选的用于将与机床100的机器状态相关的传感器信号输出到控制装置200的多个传感器120，。
62.执行机构110可包括例如用于可控线性轴和圆轴(旋转和/或转动轴)的驱动器，用于控制刀具和工件之间的相对运动，并且还包括刀具承载工作主轴(例如，在铣床上的)或工件承载工作主轴(例如，在车床上的)的驱动器。
63.此外，执行机构110可包括用于内部或外部冷却润滑剂供应或压缩空气供应的电子、液压和/或气动控制阀，泵或其他供应装置。输送装置、托盘交换装置、工件交换装置、刀具库和其他机床装备也可以通过驱动器或电路或相应的执行机构进行控制。
64.可选的传感器120可以是，例如，与机床的各个组件或部件(例如轴、驱动器、轴承、主轴、主轴轴承、刀具库、刀具交换装置、托盘或工件交换装置、内部或外部冷却润滑剂供应装置，切屑输送装置和/或液压和/或气动控制装置)相关联的传感器。可为各个组件提供大
量不同的传感器，例如位置测量传感器、电流和/或电压测量传感器、温度传感器、力传感器、加速度传感器、振动传感器、轴承诊断传感器、位移传感器、液位指示传感器、液体传感器(例如，用于测量冷却润滑液中的ph值，用于油、冷却剂等的水比例测量传感器)、气动系统中的含水量传感器和/或过滤状态传感器。
65.控制单元200(控制装置)包括例如具有nc控制231的机器控制230和可编程序逻辑控制232(也称为作为“可编程序逻辑控制”的sps或plc)。
66.此外，控制单元200包括例如人机界面240(也称为作为“人机界面”的hmi)，机床100的操作员可以使用该人机界面控制、监控和/或操作机床100。
67.人机界面240包括例如可显示在监控器或触摸屏(例如，在屏幕210上)上的图形用户界面241(也称为作为“图形用户界面”的gui)和输入/输出单元242(其可包括输入单元220)。
68.此外，控制单元200包括例如用于监控机床100的工作状态或用于监控机床100上的加工过程的监控单元250。
69.例如，监控单元250可以实现在连接到nc控制231的计算机上。此外，监控单元250和nc控制231可以在控制单元200的计算机上一起实现。
70.举例来说，控制单元200的监控单元250包括用于数据处理和应用程序执行的处理器251(cpu)和用于存储可由处理器251执行的数据和程序以及应用程序的数据存储装置252。
71.此外，监控单元250包括，例如，通信接口256，用于与例如服务器(例如，通过本地或全球通信网络或也可能通过wlan)的外部数据处理装置进行通信或数据交换。
72.举例来说，在监控单元250上形成人工或计算机实现的神经网络nn。举例来说，数据存储装置252包括可由处理器251执行的监控应用程序253，并且包括神经网络nn。
73.举例来说，数据存储装置252还包括用于存储用于监控单元250的配置数据254的存储单元和用于存储用于监控应用程序253的神经网络nn的训练数据255的存储单元。
74.例如，通过控制单元200的通信系统，监控单元250被配置为读取或接收来自机器控制230的数据，特别是从nc控制231和/或可编程序逻辑控制232读取或接收数据。
75.在优选示例性实施例中，监控单元250可以将从机器控制230读取或接收的数据作为输入数据提供到监控应用程序253的神经网络nn。例如，这可以连续地、定期地或周期性地以及优选地实时地执行。
76.这里，来自机器控制230的驱动数据(例如，电机电流和驱动信号)和/或位置数据优选地作为输入数据提供给监控应用程序253的神经网络nn。
77.此外，可选地在机床控制处可用的来自机床传感器的传感器信号(例如，来自驱动控制、电流控制、速度控制、位置控制和/或位置检测)可以作为输入数据提供到监控应用程序253的神经网络nn。这样做的优点是不需要为过程监控提供特殊传感器，而是可以直接使用在机器控制上可用的部分或全部数据和信息。
78.输入数据优选地实时地(即，尤其优选地在工件加工期间，尤其是定期地、周期性地或连续地)馈送到监控应用程序253的神经网络nn。
79.监控应用程序253的神经网络nn被配置为基于输入数据(例如，从机器控制读取的输入数据或机器控制提供的输入数据)输出指示机床100的工作状态的输出数据，特别是在
工件加工期间。
80.神经网络可以已经根据在虚拟机床上的模拟加工过程和/或根据在相同类型或相同结构的机床上的训练进行了预训练，和/或可以在机床操作期间进行了进一步训练。
81.在优选的示例性实施例中，监控应用程序253的监控单元250或神经网络nn被配置为在机床100上加工工件的正在进行的加工过程中、尤其是实时地从机器控制230读取输入数据，以及输出指示机床当前工作状态的输出数据。
82.在优选的示例性实施例中，监控应用程序253的监控单元250或神经网络nn被配置为评估神经网络nn的输出数据。
83.在优选的示例性实施例中，监控应用程序253的监控单元250或神经网络nn被配置为评估用于机床100上的刀具监控和/或过程监控的神经网络nn的输出数据。
84.在优选的示例性实施例中，监控应用程序253的监控单元250或神经网络nn被配置为基于输入数据和/或基于对输出数据的评估将影响加工过程的控制数据输出到机器控制。
85.在优选的示例性实施例中，监控应用程序253的监控单元250或神经网络nn被配置为基于输入数据和/或基于对输出数据的评估来确定机床100的异常工作状态何时存在。
86.在优选的示例性实施例中，监控应用程序253的监控单元250或神经网络nn被配置为基于输入数据和/或基于对输出数据的评估来确定机床100的异常工作状态发生的可能性何时超过预定极限值。
87.在优选的示例性实施例中，监控应用程序253的监控单元250或神经网络nn被配置为当确定存在机床100的异常工作状态和/或机床的异常工作状态发生的可能性超过预定极限值时，将影响加工过程的控制数据输出到机床控制230，例如以便触发过程中断、机器停止(例如，如果机床上发生的碰撞被识别或确定为异常工作状态)、驱动停止、刀具更换(例如，如果机床中发生的刀具破损被识别或确定为异常工作状态，或者如果识别或确定刀具磨损增加，或者如果识别刀具缺失)等。
88.具体地，监控应用程序253的监控单元250或神经网络nn可以优选地被配置为当确定存在碰撞和/或在机床100上发生碰撞的可能性超过预定极限值230时，将触发机器停止的控制数据发送到机器控制，特别是使得机器控制230基于控制数据触发机床100上的机器停止。
89.可选地或进一步地，监控应用程序253的监控单元250或神经网络nn可优选地被配置成当确定存在刀具破损或刀具磨损增加和/或机床100上发生刀具破损的可能性超过预定极限值时，将触发自动刀具更换的控制数据输出到机床控制230，特别是使得机器控制230基于控制数据触发机器100上的自动刀具更换。
90.可选地或进一步地，监控应用程序253的监控单元250或神经网络nn可优选地配置为基于输入数据和/或基于对输出数据的评估来调整机器控制230上存在的工艺参数和/或控制数据，例如，以这种方式使得特别是通过调整加工过程中出现的进给速率和/或转速，以调整加工过程的加工速度。在检测到轴承过度磨损和/或偏离位置的数据时，这可以是特别有利的。
91.在一些优选的示例性实施例中，从机器控制230获得的用于神经网络nn的输入数据可以指定执行机构110或机床100的驱动器的操作参数，尤其优选驱动速度、电机电流和/
或输出到执行机构的执行信号。
92.在一些优选的示例性实施例中，从机器控制230获得的用于神经网络nn的输入数据可以指定机床可移动部件的位置值，特别是机床100的线性、圆形和/或旋转轴的实际位置和/或目标位置。
93.在一些优选的示例性实施例中，从机器控制230获得的用于神经网络nn的输入数据可选择性地指定来自机床100的传感器120的传感器值，尤其优选来自温度传感器、力传感器、应变传感器、扭矩传感器、加速度传感器、振荡或振动传感器和/或结构声传感器的传感器值。
94.图3示出了根据本发明示例性实施例的用于监控机床的方法的示例性流程图。
95.在步骤s301中，机床100上的加工过程通过示例进行控制(例如，在机床上加工工件，例如，基于诸如nc程序的控制数据)。
96.在步骤s302中，从机器控制230读取机器控制230处可用的数据或信息，作为用于神经网络nn的输入数据。这优选在机器加工过程中连续或定期或周期性地进行。
97.在步骤s303中，将从机器控制230读取的输入数据输入到监控单元250的神经网络nn中。这优选在机器加工过程中连续或定期或周期性地进行。
98.在步骤s304，输出基于输入数据确定的神经网络nn的输出数据。
99.在步骤s305中，基于在监控单元250处输出的神经网络nn的输出数据确定机床100是否存在异常工作状态。
100.如果机床100没有异常工作状态，则继续加工过程而不中断(参见步骤s301)。
101.如果基于监控单元250处的神经网络nn的输出数据，确定或检测到机床100的异常工作状态存在或已经发生，则在步骤s306中触发相应的机床响应，例如，通过监控单元250向机器控制230输出触发相应机器响应的信号。
102.根据输出数据或检测到的异常工作状态，可触发相应分配的机器响应。
103.例如，如果检测到碰撞，则可直接立即触发机器停止。
104.例如，如果检测到刀具或过度刀具磨损(磨损刀具)，加工过程可以中断，并可以触发自动刀具更换，例如插入相应的同类型的刀具，并在很短的停机时间后继续使用已插入的同类型的刀具进行加工过程。这样做的优点是，磨损的相关的刀具更换可以在正确的时间以最佳方式自动执行，从而可以最佳地调整零件质量和刀具利用率。
105.此外，当检测到需要对机器部件进行维护或手动检查的情况(如检测到轴承损坏或过度轴承磨损)时，可以触发机器停止或驱动停止。
106.在示例性实施例中，神经网络可被设计为通过双向转换在模糊系统的情况下是可学会的。此外，可将训练数据馈送至神经网络，其中训练数据可基于模拟机床的过程监控和/或基于已在运行的相同机床类型的其他机床生成。
107.总之，根据本发明的示例性实施例，建议通过提供在机床的控制装置上的人工或计算机实现的神经网络来执行机床的刀具或过程监控。这类刀具或过程监控可有利地保护机器和/或工件免受损坏，保证最佳刀具使用，并在必要时为过程优化提供起点。
108.因此，可以提高生产率并降低机床的总体寿命成本。同时，刀具和过程监控有助于质量保证，并允许工件控制和质量以及程序文件化。
109.有利的是，可以进行直接错误或问题检测(例如碰撞检测、破损、磨损或丢失刀具
的检测)，并且可以自动以及立即且毫不延迟地触发相应的响应，例如机器停止或刀具更换。这还允许例如通过磨损相关的工具更换或轴承维护来进一步降低成本和减少废品。
110.此外，根据神经网络的输出数据，通过不断调整工艺参数，可以实现最佳加工速度。此外，由于可以评估历史输出数据和历史培训数据，例如用于记录和统计，因此具有优势。
111.总之，尤其可以实现以下优势：机器、工件和刀具的全面保护，实时监控，最佳刀具利用率，零件质量监控(例如通过记录和工艺分析)，减少废品和/或适应复杂工艺或机器加工。
112.此外，在示例性实施例中的优点是，由于可以利用在机器控制处可用的数据或信息(例如，驱动数据和/或定位数据)，因此也可以提供无传感器监测，或者至少可以免除一些或附加传感器。在进一步的示例性实施例中，神经网络的输入数据可由传感器数据支持，或由传感器数据提供，例如由附加或替代传感器(例如用于应变、力、有功功率、扭矩、振动、加速度、结构声和/或温度等)提供。
113.上文参考附图详细描述了本发明的示例和示例性实施例及其优点。应再次强调，本发明并不以任何方式限定或限制于上述示例性实施例及其实现特征，而是进一步包括示例性实施例的修改，尤其是那些通过修改所述示例的特征或通过组合所述示例的一个或多个单独特征而包括在独立权利要求保护范围内的。