[0086] なお、研削品質データ生成部４０は、第一実施形態の機械学習

[0086] なお、研削品質データ生成部４０は、第一実施形態の機械学習装置１００に設けられる実測データ生成部３０と同一構成を有する。つまり、機械学習装置２００は、第一実施形態の機械学習装置１００において、実測データ生成部３０により生成され、実測データ取得部１２０により第二実測データとして取得されていたデータを、研削品質データとして用いる。[0087] そして、研削品質データ生成部４０により生成される研削品質データには、表面性状データ（表面粗さ等のデータ）、びびり模様データ、真円度データ等が含まれる。例えば、真円度との相関性が高い第三次データＤ３１，Ｄ３２が得られる場合に、当該第三次データＤ３１，Ｄ３２は、真円度測定器による測定結果の代わりに、真円度データとして用いることができる。また、びびり模様の有無との相関性が高い特定周波数データＤ１１，Ｄ２１が得られる場合に、当該特定周波数データＤ１１，Ｄ２１は、びびり検出器による検出結果の代わりに、びびり模様データとして用いることができる。つまり、機械学習装置２００は、研削品質データ生成部４０により生成された研削品質データを、表面性状測定器、びびり検出器、真円度測定器から得られる表面性状データ、びびり模様データ、真円度データの代わりに用いることができる。[0088] ここで、図８を参照して、研削盤１の機外に設けられた外部装置２により検出された研削品質データと、加速度センサ１７ｅにより出力された波形データから生成された第二次データＤ２との比較結果を説明する。図８に示す上のグラフは、一の工作物Ｗに対し、外部装置２により検出された研削品質データを示し、図８に示す下のグラフは、第二次データＤ２を示す。図８において、横軸は、周波数成分を示し、縦軸は、変位成分を示す。[0089] 図８に示すように、第二次データＤ２の波形データは、特徴が振幅の大きさとして示される周波数帯域、および、当該周波数帯域における変位成分の程度が近似する。そこで、機械学習装置２００は、第二学習フェーズ２０１において、研削品質データの一部を研削品質データ生成部４０から取得する。これにより、機械学習装置２００は、全ての研削品質データを外部装置２から取得する場合と比べて、機外での研削品質データの取得に要する時間を短縮できるので、サイクルタイムの短縮を図ることができる。[0090] （2−3.機械学習装置200の第二学習フェーズ201の詳細構成）図7に戻り、機械学習装置200の第二学習フェーズ201の詳細構成を説明する。機械学習装置２００の第二学習フェーズ２０１の構成は、第一入力データ取得部１３０と、研削品質データを取得する研削品質データ取得部１４０と、第二学習モデル生成部２５０と、第二学習モデル記憶部２６０とを備えて構成される。第二学習モデル生成部２５０は、第一実施形態における第一学習モデル生成部１５０と同一構成であり、第二学習モデル記憶部２６０は、第一実施形態における第一学習モデル記憶部１６０と同一構成である。