信息处理装置、信息处理方法及计算机可读介质与流程

1.本发明涉及一种信息处理装置、信息处理方法及信息处理程序。


背景技术：

2.以往，已知一种通过优化被加工物的加工条件来提高被加工物的品质的技术。例如，在专利文献1中，公开有如下内容：使用通过关于机床的状态数据及工件的精度数据而学习的学习完成机械学习模型，根据某个时点的状态数据，确定对机床的指令数据。
3.专利文献1：日本特开2021-057030号公报
4.用于加工被加工物的工具等的状态有时会动态变动。若工具等的状态变动，则会对被加工物的品质造成影响，因此期望一种能够考虑到动态变动的工具等的状态而进一步提高被加工物的品质的技术。


技术实现要素：

5.本发明提供一种能够获得良好的品质的被加工物的信息处理装置、信息处理方法及信息处理程序。
6.本发明的第一方式是一种信息处理装置，其具备至少1个处理器，处理器执行如下处理：获取关于与根据所设定的加工条件进行加工的被加工物的品质相关的要素的动态的状态变量即第一时点的状态变量及第一时点的加工条件；基于第一时点的状态变量及加工条件，预测第一时点之后的第二时点的状态变量；及基于所预测的第二时点的状态变量，导出为了达成被加工物的预先设定的目标品质所需的第二时点的加工条件。
7.在上述第一方式中，处理器可以使用学习成将输入设为第一时点的状态变量及加工条件，并将输出设为第二时点的状态变量的学习完成模型，预测第二时点的状态变量。
8.在上述第一方式中，处理器可以执行如下处理：基于第一时点的状态变量及加工条件，预测第二时点的被加工物的品质；及导出使根据所预测的第二时点的被加工物的品质与目标品质之差所计算出的评价值最小化的加工条件。
9.在上述第一方式中，处理器可以使用学习成将输入设为第一时点的状态变量及加工条件，并将输出设为第二时点的被加工物的品质的学习完成模型，预测第二时点的被加工物的品质。
10.在上述第一方式中，第二时点可以是对第一时点的被加工物实施预先设定的量的加工之后的时点。
11.在上述第一方式中，第二时点可以是从第一时点经过了预先设定的期间的时点。
12.在上述第一方式中，处理器可以执行如下处理：获取第二时点的状态变量及第二时点的加工条件；基于第二时点的状态变量及加工条件，预测第二时点之后的第三时点的状态变量；及基于所预测的第三时点的状态变量，导出为了达成目标品质所需的第三时点的加工条件。
13.在上述第一方式中，处理器可以根据所导出的加工条件进行加工被加工物的控
制。
14.在上述第一方式中，被加工物可以为大致圆筒形，一边旋转一边被进行加工。
15.在上述第一方式中，被加工物可以为大致圆筒形，被加工物的加工中所使用的工具一边旋转一边加工被加工物。
16.在上述第一方式中，被加工物可以为刀具，被加工物的加工是使用磨刀石对刀具进行研磨的研磨加工，加工条件包括磨刀石的转速、切削量、切削时间、切削速度及切削次数、支撑刀具的支撑体的转速、以及磨刀石与支撑体的相对速度中的至少1个。
17.在上述第一方式中，被加工物可以为刀具，被加工物的加工是使用磨刀石对刀具进行研磨的研磨加工，状态变量包括磨刀石的驱动马达负荷、支撑刀具的支撑体的驱动马达负荷、支撑体的轴振动及轴声发射、以及研磨液温度中的至少1个。
18.在上述第一方式中，被加工物可以为刀具，被加工物的加工是使用磨刀石对刀具进行研磨的研磨加工，被加工物的品质包括关于刀具的刀尖的碎屑(chipping)的大小及数量、刀尖端半径、以及表面粗糙度中的至少1个。
19.本发明的第二方式是一种信息处理方法，其包括如下处理：获取关于与根据所设定的加工条件进行加工的被加工物的品质相关的要素的动态的状态变量即第一时点的状态变量及第一时点的加工条件；基于第一时点的状态变量及加工条件，预测第一时点之后的第二时点的状态变量；及基于所预测的第二时点的状态变量，导出为了达成被加工物的预先设定的目标品质所需的第二时点的加工条件。
20.本发明的第三方式是一种信息处理程序，其使计算机执行如下处理：获取关于与根据所设定的加工条件进行加工的被加工物的品质相关的要素的动态的状态变量即第一时点的状态变量及第一时点的加工条件；基于第一时点的状态变量及加工条件，预测第一时点之后的第二时点的状态变量；及基于所预测的第二时点的状态变量，导出为了达成被加工物的预先设定的目标品质所需的第二时点的加工条件。
21.发明效果
22.根据上述方式，本发明的信息处理装置、信息处理方法及信息处理程序能够获得良好的品质的被加工物。
附图说明
23.图1是控制系统的概略结构图。
24.图2是表示加工方法、工具及被加工物的组合的具体例的图。
25.图3是圆筒研磨机的概略结构图。
26.图4是表示信息处理装置的硬件结构的一例的框图。
27.图5是表示信息处理装置的功能性结构的一例的框图。
28.图6是用于说明刀尖端半径的图。
29.图7是用于说明信息的输入输出的图。
30.图8是状态变量预测模型的学习数据的一例。
31.图9是品质预测模型的学习数据的一例。
32.图10是目标品质的一例。
33.图11是最佳加工条件数据的一例。
34.图12是表示实施例所涉及的品质的图。
35.图13是表示信息处理的一例的流程图。
具体实施方式
36.以下，参考附图对用于实施本发明的技术的方式例进行详细说明。首先，参考图1，对本实施方式所涉及的控制系统1的结构的一例进行说明。如图1所示，控制系统1包括信息处理装置10、工具2及被加工物4。
37.工具2为用于加工被加工物4的工具、机床及道具等。所谓被加工物4的加工，例如是研磨加工及切削加工等各种机械加工。所谓研磨加工，例如，可以是圆筒研磨、平面研磨、内面研磨、无心研磨、螺纹研磨、齿轮研磨、仿形研磨及切割等。所谓切削加工，例如，可以是车削(slotting)、钻削(drilling)、镗削(boring)、铣削(milling)、刨削(planing)、整形(shaping)、插削(slotting)、拉削(broaching)及锯切(sawing)等。图2表示被加工物4的加工方法、以及工具2及被加工物4的组合的具体例。
38.图3表示使用磨刀石2a对大致圆筒形的刀具4b进行研磨的圆筒研磨机6的概略结构。在圆筒研磨机6中，通过将磨刀石2a抵接于刀具4b，进行刀具4b的研磨。此时，磨刀石2a以旋转轴a为轴向箭头a方向旋转，刀具4b由以旋转轴b为轴向箭头b方向旋转驱动的支撑体2b支撑。即，刀具4b(支撑体2b)一边旋转一边被进行加工，磨刀石2a一边旋转一边加工刀具4b。支撑体2b及磨刀石2a分别由驱动马达(未图示)旋转驱动。
39.并且，在圆筒研磨机6中，也可以通过磨刀石2a和/或支撑体2b向支撑体2b的旋转轴b的方向(图3的x方向)移动来加工刀具4b整体(所谓遍历加工)。并且，在圆筒研磨机6中，也可以进行使用研磨液的湿式研磨。
40.信息处理装置10设定关于磨刀石2a及支撑体2b的各种加工条件，控制磨刀石2a及支撑体2b的动作。即，刀具4b根据由信息处理装置10设定的加工条件进行加工。刀具4b为被加工物4的一例，磨刀石2a及支撑体2b为工具2的一例。
41.工具2的状态有时根据由信息处理装置10设定的加工条件而动态变动。若工具2的状态变动，则有时会对被加工物4的品质造成影响。因此，本实施方式所涉及的信息处理装置10为了获得良好的品质的被加工物4，使用考虑到动态变动的工具2的状态的加工条件控制工具2。以下，对本实施方式所涉及的信息处理装置10的结构的一例进行说明。
42.首先，参考图4，对本实施方式所涉及的信息处理装置10的硬件结构的一例进行说明。如图4所示，信息处理装置10包括cpu(central processing unit：中央处单元)21、非易失性的存储部22及作为暂存区域的存储器23。并且，信息处理装置10包括液晶显示器等显示器24、键盘及鼠标等输入部25、以及网络i/f(interface：接口)26。网络i/f26进行与工具2的有线或无线通信。cpu21、存储部22、存储器23、显示器24、输入部25及网络i/f26经由系统总线及控制总线等总线28以能够相互传递各种信息的方式连接。
43.存储部22例如由hdd(hard disk drive：硬盘驱动器)、ssd(solid state drive：固态驱动器)及闪存等存储介质实现。存储部22中存储有信息处理装置10中的信息处理程序27。cpu21从存储部22读出信息处理程序27之后在存储器23中展开，并执行所展开的信息处理程序27。cpu21为本发明的处理器的一例。作为信息处理装置10，例如，能够适用个人电脑、服务器计算机及智能手机等各种计算机。
44.接着，参考图5，对本实施方式所涉及的信息处理装置10的功能性结构的一例进行说明。如图5所示，信息处理装置10包括获取部30、第一预测部32、第二预测部34、导出部36及控制部38。通过cpu21执行信息处理程序27，作为获取部30、第一预测部32、第二预测部34、导出部36及控制部38发挥功能。
45.获取部30获取第一时点的状态变量x1及第一时点的加工条件y1。所谓“状态变量”，是关于与被加工物4的品质相关的要素的动态变量。例如，获取部30可以获取由具备于磨刀石2a及支撑体2b等工具2中的传感器(未图示)得到的状态变量x1。并且，例如，在第一时点为加工的开始时点的情况下，获取部30可以获取作为加工条件y1而预先设定的初始条件。
46.关于状态变量x1，在图3的圆筒研磨机6的情况下，例如，是用于旋转驱动磨刀石2a的驱动马达的负荷、用于旋转驱动支撑体2b的驱动马达的负荷、支撑体2b的轴振动及轴声发射(ae：acoustic emission)、以及研磨液的温度等。磨刀石2a及支撑体2b的驱动马达的负荷例如可以由每采样单位的平均值表示。支撑体2b的轴振动及轴ae例如可以由某个频率的强度平均表示。
47.关于加工条件y1，在图3的圆筒研磨机6的情况下，例如，可以是磨刀石2a的转速、磨刀石2a对刀具4b的切削量、切削时间、切削速度及切削次数中的至少1个。并且，例如，也可以是支撑体2b的转速、以及磨刀石2a与支撑体2b的旋转轴b的方向(图3的x方向)上的相对速度中的至少1个。磨刀石2a及支撑体2b的转速例如也可以由每单位时间的转速和/或旋转距离表示。
48.关于品质z1，在图3的圆筒研磨机6的情况下，例如，是关于刀具4b的刀尖的碎屑的大小及数量、刀尖端半径r、以及表面粗糙度中的至少1个。碎屑的大小及数量例如可以由任意提取的区域中所包括的碎屑的大小及数量表示，也可以由每单位面积的碎屑的大小及数量的平均值、中央值、最小值及最大值等代表值表示。图6表示被图3的虚线围绕的区域ro中的刀具4b的xy平面中的剖视图。图6中例示出了刀尖端半径r。另外，刀尖端半径r可以由各刀具4b的尖端的曲率半径的平均值、中央值、最小值及最大值等代表值表示。表面粗糙度例如可以由算术平均粗糙度ra及表面粗糙度rz等表示。
49.参考图7，对第一预测部32、第二预测部34及导出部36的功能进行说明。在图7中，图示了向各功能部的输入及输出。
50.第一预测部32基于由获取部30获取的第一时点的状态变量x1及加工条件y1，预测第一时点之后的第二时点的状态变量的预测值xp2。另外，第二时点可以由从第一时点开始的被加工物4的加工量和/或经过时间来确定。例如，第二时点可以是对第一时点的被加工物4实施预先设定的量(例如2μm)的加工之后的时点。并且，例如，第二时点也可以是从第一时点经过了预先设定的期间(例如2秒)的时点。
51.具体而言，第一预测部32可以使用学习成将输入设为第一时点的状态变量x1及加工条件y1，并将输出设为第二时点的状态变量的预测值xp2的状态变量预测模型m1，预测第二时点的状态变量的预测值xp2。状态变量预测模型m1例如包括cnn(convolutional neural network：卷积神经网络)及rnn(recurrent neural network：递归神经网络)等的神经网络。
52.图8表示状态变量预测模型m1的学习数据的一例。如图8所示，状态变量预测模型
m1的学习数据包括某个时点t的加工条件yt及状态变量xt和某个时点t之后的时点t+1的状态变量xt+1的实绩数据。即，所谓状态变量预测模型m1的学习数据，是表示在某个时点t执行根据加工条件的加工的情况下，直到之后的时点t+1为止，状态变量如何变动的数据。另外，某个时点t与之后的时点t+1的间隔和第一时点与第二时点的间隔相同。并且，支撑体的轴ae为120khz下的ae的强度平均的值，对于以下的图9、图11～12也同样。
53.第二预测部34基于由获取部30获取的第一时点的状态变量x1及加工条件y1，预测第二时点的被加工物4的品质的预测值zp2。具体而言，第二预测部34使用学习成将输入设为第一时点的状态变量x1及加工条件y1，并将输出设为第二时点的被加工物4的品质的预测值zp2的品质预测模型m2，预测第二时点的被加工物4的品质的预测值zp2。品质预测模型m2例如包括cnn及rnn等神经网络。
54.图9表示品质预测模型m2的学习数据的一例。如图9所示，品质预测模型m2的学习数据包括某个时点t的加工条件yt及状态变量xt和某个时点t之后的时点t+1的被加工物4的品质zt+1的实绩数据。即，所谓品质预测模型m2的学习数据，是表示在某个时点t通过作为状态变量xt的工具2执行根据加工条件yt的加工的情况下，之后的被加工物4的品质如何的数据。
55.导出部36基于由第一预测部32预测的第二时点的状态变量的预测值xp2，导出用于达成被加工物4的预先设定的目标品质zr所需的第二时点的加工条件y2。图10表示预先设定的目标品质zr的一例。目标品质zr例如可以预先存储在存储部22等中，也可以由用户任意设定。
56.图11表示在某个时点t的工具2的状态变量为xt的情况下，预先设定有可以获得满足目标品质zr的良好的品质zt的加工条件yt的最佳加工条件数据的一例。导出部36可以通过将由第一预测部32预测的第二时点的状态变量的预测值xp2与最佳加工条件数据进行比对，导出在第二时点可能获得良好的品质的加工条件y2。最佳加工条件数据例如可以预先存储在存储部22等中。
57.并且，导出部36可以导出加工条件y2，所述加工条件y2使根据由第二预测部34预测的第二时点的被加工物4的品质的预测值zp2与目标品质zr之差所计算出的评价值最小化。例如，被加工物4的品质有时与加工所需的所需时间存在权衡关系。因此，导出部36可以使用将被加工物4的品质及加工所需的所需时间作为变量所计算出的评价值，在被加工物4的品质的预测值zp2满足目标品质zr的范围内，导出能够尽可能缩短加工所需的所需时间的加工条件y2。
58.控制部38根据由导出部36导出的加工条件y2进行工具2的控制以加工被加工物4。
59.并且，控制部38可以控制成反复进行基于上述的获取部30、第一预测部32、第二预测部34及导出部36的处理。具体而言，获取部30可以获取第二时点的状态变量x2及由导出部36导出的第二时点的加工条件y2。第一预测部32可以基于由获取部30获取的第二时点的状态变量x2及加工条件y2，预测第二时点之后的第三时点的状态变量的预测值xp3。第二预测部34可以基于由获取部30获取的第二时点的状态变量x2及加工条件y2，预测第三时点的被加工物4的品质的预测值zp3。导出部36可以基于由第一预测部32预测的第三时点的状态变量的预测值xp3，导出用于达成目标品质zr所需的第三时点的加工条件y3。
60.另外，第三时点可以由从第二时点开始的被加工物4的加工量和/或经过时间来确
定。例如，第三时点可以是对第二时点的被加工物4实施预先设定的量(例如2μm)的加工之后的时点。并且，例如，第三时点也可以是从第二时点经过了预先设定的期间(例如2秒)的时点。
61.第四时点之后也同样地，直到被加工物4的加工完成为止，控制部38可以控制成反复进行基于获取部30、第一预测部32、第二预测部34及导出部36的处理。并且，在从加工的开始时点起的加工量满足预先设定的量(例如20μm)的情况下，控制部38可以判定为被加工物4的加工完成。
62.(实施例)
63.图12表示根据由本实施方式所涉及的信息处理装置10导出的加工条件而进行加工的被加工物4的品质的结果。并且，在图12中，作为比较例，示出了根据由用户任意设定的加工条件而进行加工的被加工物4的品质的结果。从图12中可知，根据本实施方式所涉及的信息处理装置10，能够提高被加工物4的品质。
64.接着，参考图13，对本实施方式所涉及的信息处理装置10的作用进行说明。在信息处理装置10中，通过由cpu21执行信息处理程序27，执行图13所示的信息处理。例如在用户经由输入部25发出执行开始的指示的情况下执行信息处理。
65.在步骤s10中，控制部38将时点t设定为1。在步骤s12中，获取部30获取第t时点(第一时点)的状态变量xt(x1)及加工条件yt(y1)。在步骤s14中，第一预测部32基于在步骤s12中获取的状态变量xt(x1)及加工条件yt(y1)，预测第t+1时点(第二时点)的状态变量的预测值xpt+1(xp2)。在步骤s16中，第二预测部34基于在步骤s12中获取的状态变量xt(x1)及加工条件yt(y1)，预测第t+1时点(第二时点)的被加工物的品质的预测值zpt+1(zp2)。
66.在步骤s18中，导出部36基于在步骤s14中预测的状态变量的预测值xpt+1(xp2)，导出第t+1时点(第二时点)的加工条件yt+1(y2)。在这种情况下，导出部36可以导出加工条件yt+1(y2)，所述加工条件yt+1(y2)使根据在步骤s16中预测的被加工物的品质的预测值zpt+1(zp2)与目标品质zr之差所计算出的评价值最小化。在步骤s20中，控制部38根据在步骤s18导出的加工条件yt+1(y2)进行控制以加工被加工物。
67.在步骤s22中，控制部38判定被加工物的加工是否完成。在被加工物的加工未完成的情况下(步骤s22为否)，转移到步骤s24，控制部38增加(将t增加1)时点t，反复步骤s12～s22的处理。另一方面，在被加工物的加工完成的情况下(步骤s22为是)，结束本信息处理。
68.如以上说明，本发明的一方式所涉及的信息处理装置10具备至少1个处理器，处理器执行如下处理：获取关于与根据所设定的加工条件进行加工的被加工物的第一时点的品质相关的要素的动态的状态变量及第一时点的加工条件；基于第一时点的状态变量及加工条件，预测第一时点之后的第二时点的状态变量；及基于所预测的第二时点的状态变量，导出为了达成被加工物的预先设定的目标品质所需的第二时点的加工条件。即，根据本实施方式所涉及的信息处理装置10，能够使用考虑到动态变动的工具2的状态的加工条件控制工具2，因此能够提高被加工物的品质。
69.另外，在上述实施方式中，对导出部36使用由第二预测部34预测的被加工物4的品质的预测值zp2，导出加工条件的方式进行了说明，但并不限于此。例如，在能够通过各种传感器实时地实测到被加工物4的品质的情况下，导出部36可以代替由第二预测部34预测的被加工物4的品质的预测值zp2而使用被加工物4的品质的实测值，导出加工条件。在这种情
况下，信息处理装置10可以不具备第二预测部34的功能。
70.并且，在上述实施方式中，对第一预测部32及第二预测部34使用cnn及rnn等学习模型，预测第二时点的状态变量的预测值xp2及品质的预测值zp2的方式进行了说明，但并不限于此。例如，第一预测部32可以使用某个时点t的状态变量xt及加工条件yt和之后的时点t+1的状态变量xt+1的相关数据，预测第二时点的状态变量的预测值xp2。并且，例如，第二预测部34可以使用某个时点t的状态变量xt及加工条件yt和之后的时点t+1的被加工物4的品质zt+1的相关数据，预测第二时点的被加工物4的品质的预测值zp2。这些相关数据例如可以被预先导出并存储在存储部22中。
71.并且，在上述实施方式中，例如，作为执行获取部30、第一预测部32、第二预测部34、导出部36及控制部38等各种处理的处理部(processing unit)的硬件结构，能够使用以下所示的各种处理器(processor)。上述各种处理器中除了包括如上所述的执行软件(程序)来作为各种处理部发挥作用的通用的处理器即cpu以外，还包括fpga(field programmabl e gate array：现场可编程阵列)等在制造后能够变更电路结构的处理器即可编程逻辑器件(programmable logic device：pld)、asic(application specificintegrated circui t：专用集成电路)等具有为了执行特定的处理而专门设计的电路结构的处理器即专用电路等。
72.1个处理部可以由这些各种处理器中的1个构成，也可以由相同种类或不同种类的2个以上的处理器的组合(例如，多个fpga的组合或cpu与fpga的组合)构成。并且，也可以由1个处理器构成多个处理部。
73.作为由1个处理器构成多个处理部的例子，第一，如以用户端及服务器等计算机为代表，有如下方式：由1个以上的cpu与软件的组合构成1个处理器，且该处理器作为多个处理部发挥作用。第二，如以片上系统(system on chip：soc)等为代表，有如下方式：使用由1个ic(integrated circuit：集成电路)芯片来实现包括多个处理部的系统整体的功能的处理器。如此，各种处理部使用上述各种处理器中的1个以上来构成硬件结构。
74.另外，作为这些各种处理器的硬件结构，更具体而言，能够使用将半导体元件等电路元件组合而成的电路(circuitry)。
75.并且，在上述实施方式中，对信息处理程序27预先存储(安装)在存储部22中的方式进行了说明，但并不限定于此。信息处理程序27也可以以记录在cd-rom(compact disc read only memory：光盘只读存储器)、dvd-rom(digital versatile disc read only memory：数字通用光盘只读存储器)及usb(universal serial bus：通用串行总线)存储器等记录介质中的方式提供。并且，信息处理程序27可以为经由网络从外部装置下载的方式。而且，本发明的技术除了涉及信息处理程序以外，还涉及非暂时存储信息处理程序的存储介质。
76.本发明的技术能够适当组合上述实施方式例及实施例。以上所示的记载内容及图示内容为关于本发明的技术所涉及的部分的详细说明，仅为本发明的技术的一例。例如，关于上述结构、功能、作用及效果的说明为关于本发明的技术所涉及的部分的结构、功能、作用及效果的一例的说明。因此，在不脱离本发明的技术宗旨的范围内，当然可以对以上所示的记载内容及图示内容删除不必要的部分，或者追加或替换新的要素。
77.符号说明
78.1-控制系统，2-工具，2a-磨刀石，2b-支撑体，4-被加工物，4b-刀具，6-圆筒研磨机，10-信息处理装置，21-cpu，22-存储部，23-存储器，24-显示器，25-输入部，26-网络i/f，27-信息处理程序，28-总线，30-获取部，32-第一预测部，34-第二预测部，36-导出部，38-控制部，a、b-旋转轴，m1-状态变量预测模型，m2-品质预测模型，r-刀尖端半径，ro-区域。

技术特征：
1.一种信息处理装置，其具备至少1个处理器，所述处理器执行如下处理：获取关于与根据所设定的加工条件进行加工的被加工物的品质相关的要素的动态的状态变量即第一时点的所述状态变量及所述第一时点的所述加工条件；基于所述第一时点的所述状态变量及所述加工条件，预测所述第一时点之后的第二时点的所述状态变量；及基于所预测的所述第二时点的所述状态变量，导出为了达成所述被加工物的预先设定的目标品质所需的所述第二时点的所述加工条件。2.根据权利要求1所述的信息处理装置，其中，所述处理器使用学习成将输入设为所述第一时点的所述状态变量及所述加工条件，并将输出设为所述第二时点的所述状态变量的学习完成模型，预测所述第二时点的所述状态变量。3.根据权利要求1或2所述的信息处理装置，其中，所述处理器执行如下处理：基于所述第一时点的所述状态变量及所述加工条件，预测所述第二时点的所述被加工物的品质；及导出使根据所预测的所述第二时点的所述被加工物的品质与所述目标品质之差所计算出的评价值最小化的所述加工条件。4.根据权利要求3所述的信息处理装置，其中，所述处理器使用学习成将输入设为所述第一时点的所述状态变量及所述加工条件，并将输出设为所述第二时点的所述被加工物的品质的学习完成模型，预测所述第二时点的所述被加工物的品质。5.根据权利要求1或2所述的信息处理装置，其中，所述第二时点是对所述第一时点的所述被加工物实施预先设定的量的加工之后的时点。6.根据权利要求1或2所述的信息处理装置，其中，所述第二时点是从所述第一时点经过了预先设定的期间的时点。7.根据权利要求1或2所述的信息处理装置，其中，所述处理器执行如下处理：获取所述第二时点的所述状态变量及所述第二时点的所述加工条件；基于所述第二时点的所述状态变量及所述加工条件，预测所述第二时点之后的第三时点的所述状态变量；及基于所预测的所述第三时点的所述状态变量，导出为了达成所述目标品质所需的所述第三时点的所述加工条件。8.根据权利要求1或2所述的信息处理装置，其中，所述处理器根据所导出的所述加工条件进行加工所述被加工物的控制。9.根据权利要求1或2所述的信息处理装置，其中，所述被加工物为大致圆筒形，一边旋转一边被进行加工。10.根据权利要求1或2所述的信息处理装置，其中，
所述被加工物为大致圆筒形，所述被加工物的加工中所使用的工具一边旋转一边加工所述被加工物。11.根据权利要求9所述的信息处理装置，其中，所述被加工物为刀具，所述被加工物的加工是使用磨刀石对所述刀具进行研磨的研磨加工，所述加工条件包括所述磨刀石的转速、切削量、切削时间、切削速度及切削次数、支撑所述刀具的支撑体的转速、以及所述磨刀石与所述支撑体的相对速度中的至少1个。12.根据权利要求9所述的信息处理装置，其中，所述被加工物为刀具，所述被加工物的加工是使用磨刀石对所述刀具进行研磨的研磨加工，所述状态变量包括所述磨刀石的驱动马达负荷、支撑所述刀具的支撑体的驱动马达负荷、所述支撑体的轴振动及轴声发射、以及研磨液温度中的至少1个。13.根据权利要求1或2所述的信息处理装置，其中，所述被加工物为刀具，所述被加工物的加工是使用磨刀石对所述刀具进行研磨的研磨加工，所述被加工物的品质包括关于所述刀具的刀尖的碎屑的大小及数量、刀尖端半径以及表面粗糙度中的至少1个。14.一种信息处理方法，其包括如下处理：获取关于与根据所设定的加工条件进行加工的被加工物的品质相关的要素的动态的状态变量即第一时点的所述状态变量及所述第一时点的所述加工条件；基于所述第一时点的所述状态变量及所述加工条件，预测所述第一时点之后的第二时点的所述状态变量；及基于所预测的所述第二时点的所述状态变量，导出为了达成所述被加工物的预先设定的目标品质所需的所述第二时点的所述加工条件。15.一种计算机可读介质，记录有信息处理程序，该信息处理程序使计算机执行如下处理：获取关于与根据所设定的加工条件进行加工的被加工物的品质相关的要素的动态的状态变量即第一时点的所述状态变量及所述第一时点的所述加工条件；基于所述第一时点的所述状态变量及所述加工条件，预测所述第一时点之后的第二时点的所述状态变量；及基于所预测的所述第二时点的所述状态变量，导出为了达成所述被加工物的预先设定的目标品质所需的所述第二时点的所述加工条件。

技术总结
本发明提供一种能够获得良好的品质的被加工物的信息处理装置、信息处理方法及计算机可读介质。信息处理装置(10)具备至少1个处理器，处理器执行如下处理：获取关于与根据所设定的加工条件进行加工的被加工物的品质相关的要素的动态的状态变量即第一时点的状态变量及第一时点的加工条件；基于第一时点的状态变量及加工条件，预测第一时点之后的第二时点的状态变量；及基于所预测的第二时点的状态变量，导出为了达成被加工物的预先设定的目标品质所需的第二时点的加工条件。质所需的第二时点的加工条件。质所需的第二时点的加工条件。


技术研发人员：内海京久
受保护的技术使用者：富士胶片株式会社
技术研发日：2023.03.06
技术公布日：2023/9/13