CN115335205A - 装置、方法以及程序 - Google Patents

装置、方法以及程序 Download PDF

Info

Publication number
CN115335205A
CN115335205A CN202180023723.1A CN202180023723A CN115335205A CN 115335205 A CN115335205 A CN 115335205A CN 202180023723 A CN202180023723 A CN 202180023723A CN 115335205 A CN115335205 A CN 115335205A
Authority
CN
China
Prior art keywords
molding
value
probability distribution
analysis target
display processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180023723.1A
Other languages
English (en)
Inventor
木村一平
森田竜也
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Asahi Kasei Corp
Original Assignee
Asahi Kasei Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Asahi Kasei Corp filed Critical Asahi Kasei Corp
Publication of CN115335205A publication Critical patent/CN115335205A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C2045/7606—Controlling or regulating the display unit
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76939—Using stored or historical data sets
    • B29C2945/76949—Using stored or historical data sets using a learning system, i.e. the system accumulates experience from previous occurrences, e.g. adaptive control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76973—By counting

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

提供一种用于辅助树脂成型的装置，其具备：预测部，其生成与树脂成型的多个成型因素的值对应的、树脂成型体的解析对象特性的预测值的概率分布；以及显示处理部，其执行用于使解析对象特性的预测值的概率分布显示于显示装置的显示处理。预测部计算使树脂成型的多个成型因素中的至少一个成型因素的值在预先决定的范围内发生了变化的情况下的、解析对象特性的预测值的分布的变化，显示部显示解析对象特性的预测值的概率分布的变化。

Description

装置、方法以及程序
技术领域
本发明涉及一种装置、方法以及程序。
背景技术
在使树脂的成型品成型的情况下，为了减少不合格品的产生，制造装置2的操作者需要调整成型条件。在专利文献1中记载有预测由成型条件引起的评价项目的变动并将该评价项目的变动进行图表显示来作为对操作者的辅助。
专利文献1：日本特开2006-123172号公报
发明内容
但是，在专利文献1中，评价项目的预测精度根据成型条件的范围而变化，有时成型条件的调整的精度变差。
在本发明的第一方式中，提供一种用于辅助树脂成型的装置。装置可以具备预测部，该预测部生成与树脂成型的多个成型因素的值对应的、树脂成型体的解析对象特性的预测值的概率分布。装置可以具备显示处理部，该显示处理部执行用于使解析对象特性的预测值的概率分布显示于显示装置的显示处理。
预测部可以计算使树脂成型的多个成型因素中的至少一个成型因素的值在预先决定的范围内发生了变化的情况下的、解析对象特性的预测值的概率分布的变化。显示处理部可以执行用于使解析对象特性的预测值的概率分布的变化显示于显示装置的显示处理。
预测部可以计算解析对象特性的预测值的平均值的变化和标准偏差的变化，来作为表示概率分布的变化的指标。显示处理部可以执行用于使平均值的变化和标准偏差的变化显示于显示装置的显示处理。
显示处理部可以执行用于使具有满足解析对象特性的目标值的可能性的成型因素的范围显示于显示装置的显示处理。
装置可以具备输入部，该输入部从用户处接受对树脂成型的多个成型因素中的至少一个成型因素的值的指定。显示处理部可以执行用于使预测值的概率分布与所指定的成型因素的值下的解析对象特性的预测值的概率分布一起显示于显示装置的显示处理。
预测部可以具有模型，该模型响应于输入了与树脂成型的多个成型因素中的至少一个成型因素有关的数据，来生成解析对象特性的预测值的概率分布。
预测部可以使用多个模型分别生成解析对象特性的预测值，并计算所生成的预测值的平均值和标准偏差。
装置可以具备推荐部，该推荐部生成推荐条件，该推荐条件是满足解析对象特性的目标值的概率最高的多个成型因素的组合。显示处理部可以执行用于使推荐条件与预测值的概率分布的变化一起显示于显示装置的显示处理。
预测部可以具有获取部，该获取部获取学习数据，该学习数据包含预先进行树脂成型而得到的结果下的多个成型因素的值和解析对象特性的值的组。预测部可以具有学习部，该学习部使用学习数据来学习根据多个成型因素的值生成解析对象特性的预测值的模型。
预测部可以计算树脂成型的多个成型因素中的至少一个成型因素下的、满足解析对象特性的目标值的概率。显示处理部可以执行用于使满足解析对象特性的目标值的概率与预测值的概率分布一起显示于显示装置的显示处理。
预测部可以计算使树脂成型的多个成型因素中的至少一个成型因素的值在预先决定的范围内发生了变化的情况下的、满足解析对象特性的目标值的概率的变化。显示处理部可以执行用于使满足解析对象特性的目标值的概率的变化与预测值的概率分布一起显示于显示装置的显示处理。
推荐部可以生成多个推荐条件，各推荐条件可以是针对多种解析对象特性的推荐条件。
预测部可以从与多个解析对象特性分别对应的模型得到对应的解析对象特性的预测值的概率分布。
推荐部可以视为预测值的概率分布呈高斯分布，基于预测值的平均值和标准偏差，来计算解析对象特性满足预先决定的条件的概率。满足预先决定的条件的概率可以是解析对象特性低于目标值的概率、解析对象特性超过目标值的概率、解析对象特性处于目标范围内的概率。
推荐部可以针对多个解析对象特性，计算多个成型因素的组合满足预先决定的基准的同时概率，并使用最优化算法生成推荐条件，以使同时概率最大化。
学习部可以将由推荐部生成的推荐条件的成型因素的值作为与推荐条件对应的解析对象特性的值不满足目标值的成型因素的值而追加到学习数据中。推荐部可以根据使用基于追加的学习数据进行了学习后的模型而得到的预测值，来生成与上述推荐条件不同的推荐条件。
当用户向输入部输入成型因素的特定的值时，显示处理部可以在预测值的概率分布的变化的显示中以在与该特定的值对应的位置处叠加对应的预测值的概率分布的方式显示于显示装置。
在本发明的第二方式中，提供一种用于辅助树脂成型的方法。方法可以包括以下阶段：生成与树脂成型的多个成型因素的值对应的、树脂成型体的解析对象特性的预测值的概率分布。方法可以包括执行用于使解析对象特性的预测值的概率分布显示于显示装置的显示处理的阶段。
方法中的生成解析对象特性的预测值的概率分布的阶段可以包括以下阶段：计算使树脂成型的多个成型因素中的至少一个成型因素的值在预先决定的范围内发生了变化的情况下的、成型后的树脂的解析对象特性的预测值的概率分布的变化。执行用于使预测值的概率分布显示于显示装置的显示处理的阶段可以包括以下阶段：执行用于使解析对象特性的预测值的概率分布的变化显示于显示装置的显示处理。
在本发明的第三方式中，提供一种程序。程序可以使计算机执行以下阶段：生成与树脂成型的多个成型因素的值对应的、树脂成型体的解析对象特性的预测值的概率分布。程序可以使计算机执行以下阶段：执行用于使解析对象特性的预测值的概率分布显示于显示装置的显示处理。
此外，上述的发明内容并未将本发明所需要的特征全部列举出。另外，这些特征组的子组合也能够成为发明。
附图说明
图1示出本实施方式所涉及的系统1。
图2示出由本实施方式的显示部60显示的画面200的一例。
图3示出由本实施方式的显示部60显示的画面300的另一例。
图4示出由本实施方式的显示部60显示的画面400的另一例。
图5示出本实施方式的辅助装置3的模型的学习流程。
图6示出本实施方式的辅助装置3的成型因素的显示流程。
图7示出由本实施方式的显示部60显示的画面500的另一例。
图8示出由本实施方式的显示部60显示的画面600的另一例。
图9示出由本实施方式的显示部60显示的画面700的另一例。
图10示出可以将本发明的多个方式整体或部分地实现的计算机2200的例子。
具体实施方式
下面，通过发明的实施方式来说明本发明，但以下的实施方式并非用于限定权利要求书所涉及的发明。另外，在实施方式中说明的特征的组合未必全部是发明的解决方案所必须的。
图1示出本实施方式所涉及的系统1。系统1调整树脂的成型条件来制造树脂成型物。系统1具备树脂成型物的制造装置2和辅助装置3。
作为一例，用于制造树脂成型物的树脂组合物是聚乙烯、丙烯腈、聚酰胺等，或者是在树脂中追加玻璃纤维等而得到的增强塑料。
制造装置2以有线或无线方式与辅助装置3连接，来制造通过注射成型或模内成型等而成型为期望的形状的树脂成型物。制造装置2可以针对成型后的树脂(树脂成型体)评价多个解析对象特性，并将表示多个成型因素以及成型后的树脂的解析对象特性的数据发送到辅助装置3。
在此，多个成型因素可以是对树脂成型物的品质产生影响的因素，可以包括在制造装置2中设定的成型的条件。作为一例，多个成型因素可以是模具厚度、模具温度、冷却时间、注射温度、注射压力最大值、保压压力、螺杆转速以及计量值等中的至少一者。另外，多个成型因素可以包括设置有制造装置2的环境的温度、湿度以及成型的形状等中的至少一者。多个成型因素的值可以包括离散值，该离散值表示存在/不存在(例如，在树脂中是否含有规定的材料等)、等级(例如，树脂的品质或价格等的等级A、B或C)或树脂的种类等。
解析对象特性可以是判断树脂成型物是否为不合格品的评价项目。作为一例，解析对象特性可以包含树脂成型物的尺寸、强度、杨氏模量、相对于目标尺寸的误差、树脂成型物中产生的缺陷的模式、数量、面积或密度以及产生不良的位置等中的至少一者。
辅助装置3是用于辅助树脂成型的装置的一例。辅助装置3能够通过向制造装置2的操作者等用户4显示与多个成型因素的组合相应的解析对象特性的预测值来辅助成型条件的调整。辅助装置3具备获取部10、学习部20、输入部30、预测部40、推荐部50以及显示部60。
获取部10与制造装置2连接。获取部10获取学习数据，该学习数据包含预先进行树脂成型而得到的结果下的多个成型因素的值和解析对象特性的值的组。获取部10可以从制造装置2、网站以及外部的记录介质中的至少一方获取学习数据。多个成型因素的值和解析对象特性的值的组可以是在制造装置2中预先进行了树脂成型时的多个成型因素的设定值和对通过该树脂成型制造出的树脂成型物进行评价而得到的解析对象特性的值的组。
学习部20与获取部10连接。学习部20使用获取部10所获取到的学习数据来学习根据多个成型因素的值生成解析对象特性的预测值的概率分布的模型。学习部20可以使用学习数据来生成和更新模型。学习部20可以使来自获取部10等的学习数据存储于数据库。
输入部30可以用于接受来自用户4的输入，作为一例，是键盘、鼠标或触摸面板等。输入部30被用户4输入表示用于在辅助装置3中显示的至少一个显示条件的数据。显示条件例如包括多个成型因素的至少一个值(例如，多个成型因素的特定值的组合、多个成型因素的至少一个范围或多个成型因素的至少一个值的变更)、对至少一个解析对象特性的指定以及解析对象特性的目标值中的至少一个。此外，输入部30也可以从用户4的终端(个人计算机、平板电脑或智能手机等)接收表示显示条件的数据。并且，输入部30也可以接受在制造装置2中进行成型所需的成型条件的输入。
预测部40与学习部20及输入部30连接。预测部40从学习部20接收模型并保持该模型，该模型响应于输入了与多个成型因素的值的至少一个值有关的数据，来生成解析对象特性的预测值的分布。预测部40使用从输入部30和获取部10中的至少一方输入的数据和模型，来生成与树脂成型的多个成型因素的值对应的、成型后的树脂的解析对象特性的预测值的分布。预测部40可以基于所生成的预测值的分布来输出该分布的平均值或中央值以及标准偏差。预测部40可以计算使树脂成型的多个成型因素中的至少一个成型因素的值在预先决定的范围(例如，对应的成型因素的可设定范围)内发生了变化的情况下的、解析对象特性的预测值的概率分布的变化。在该情况下，预测部40可以计算解析对象特性的预测值的平均值的变化或中央值的变化以及标准偏差的变化，来作为表示预测值的概率分布的变化的指标。预测部40将预测值的概率分布发送到推荐部50。预测部40可以将获取部10所获取到的学习数据发送到推荐部50。
推荐部50与预测部40连接。推荐部50生成满足解析对象特性的目标值的概率最高的多个成型因素的组合即推荐条件。推荐部50可以生成使多个成型因素中的至少一个成型因素从当前值(当前的最佳值)进行了变更后的推荐条件。推荐部50可以将由用户4经由输入部30指定的至少一个成型因素作为要变更的成型因素来生成推荐条件。推荐部50可以将所生成的推荐条件作为学习数据而发送到学习部20。并且，推荐部50也可以将推荐条件作为在制造装置2中进行成型所需的成型条件而发送到制造装置2。也可以是，在推荐部50生成多个推荐条件的情况下，能够在所生成的推荐条件内选择要发送到制造装置2的推荐条件。可以响应于由输入部30接收到的输入来进行上述的选择。
显示部60与推荐部50连接。显示部60具有显示处理部62和显示装置64。显示处理部62执行用于使预测部40所生成的、解析对象特性的预测值的概率分布显示于显示装置64的显示处理。显示处理部62可以执行用于使推荐条件与预测值的概率分布一起显示于显示装置的显示处理。显示处理部62可以执行用于使显示装置64还显示解析对象特性的名称、评价条件、预测数据、各成型因素的名称、树脂的种类名称、单位、可设定范围(例如，经由输入部30输入的成型因素的范围)、最新的设定值中的至少一者的显示处理。显示处理部62可以执行生成显示画面的处理、将显示所需的数据以无线或有线方式输出到显示装置64的处理等。另外，显示装置64可以是辅助装置3所具有的显示器等，另外，也可以是用户4所具有的终端的显示画面或制造装置2的显示画面等外部的显示器。
辅助装置3也可以还具有向制造装置2发送成型条件的发送部70。发送部70可以接收被输入到输入部30的成型条件并将该成型条件发送到制造装置2，也可以接收推荐部50所生成的推荐条件并将该推荐条件作为成型条件发送到制造装置2。
图2示出由本实施方式的显示部60显示的画面200的一例。显示部60在画面200上显示各成型因素的项目名称210、表示成型因素的可设定范围的滑动条220、表示当前值在滑动条220上的位置的指针230、成型因素的当前值240、树脂的种类名称的列表框250、以及表示成型因素的当前值的组合的情况下的解析对象特性的预测值的分布的预测值框260。在图2中，预测值框260示出树脂成型物的强度的预测值概率分布中的平均值为100、标准偏差为13。
用户4一边观看该画面200，一边使用鼠标(输入部30)来通过鼠标光标移动指针230以使成型因素的值变化。由此，通过预测部40使解析对象特性的预测值框260内的预测值分布的平均及标准偏差根据该成型因素的值的组合的变化而在画面上实时地变化，因此用户4能够根据预测值的概率分布来高精度地确定成型条件。
图3示出由本实施方式的显示部60显示的画面300的另一例。显示部60在画面300上执行用于使解析对象特性的预测值的概率分布的变化显示于显示装置64的显示处理。具体地说，显示处理部62执行用于使表示平均值的变化和标准偏差的变化的图表显示于显示装置的显示处理。作为一例，该图表的纵轴表示解析对象特性的预测值(强度)，横轴表示注射压力最大值(MPa)。作为一例，显示部60可以显示具有满足目标值(在图3中，强度≥25)的可能性的范围。显示部60也可以在由用户4在画面200中选择了成型因素(在图3中为注射压力最大值)时所显示的弹出窗口内，显示画面300。
图4示出由本实施方式的显示部60显示的画面400的另一例。显示部60可以针对由用户4选择出的多个成型因素中的至少一个成型因素显示有多个从当前值进行变更的情况下的推荐条件。在图4的例子中，显示部60显示与干燥温度及干燥时间有关的从第一位至第三位的位次的三个推荐条件。显示部60可以如图4那样仅显示要从当前值变更的成型因素，也可以显示其它成型因素的值。显示部60可以将图4的画面400与图2的画面200及图3的画面300中的至少一方一起显示在一个画面上。
图5示出本实施方式的辅助装置3的模型的学习流程。在步骤S500中，制造装置2进行树脂成型。制造装置2可以一边使树脂成型物的成型条件变化一边进行多次的树脂成型。
在步骤S510中，获取部10从制造装置2获取学习数据。获取部10可以从制造装置2接收多个成型因素的值与解析对象特性的值的多个组合。另外，也可以是，获取部10从制造装置2获取多个成型因素的值和树脂成型物的测定数据(成型后的树脂的尺寸的测量值以及图像数据等)，获取部10评价树脂成型物并获取解析对象特性的值。
在步骤S520中，学习部20使用获取部10所获取到的学习数据，来学习根据多个成型因素的值生成解析对象特性的预测值的概率分布的模型。学习部20可以从推荐部50接收推荐条件来作为学习数据，之后使用学习数据来学习模型。作为一例，模型是高斯过程(Gaussian Process)法或集成模型(EnsembleModel)。
学习部20可以定期地学习并更新模型，或者响应于在S510中获取部10获取学习数据而学习并更新模型，或者响应于来自用户4的输入而学习并更新模型。可以当辅助装置3的电源断开时结束学习流程。
图6示出本实施方式的辅助装置3的成型因素的显示流程。在步骤S600中，输入部30可以从用户4获取对解析对象特性(例如，强度等)的指定以及对解析对象特性的目标值中的至少一个目标值的指定。输入部30也可以从用户4获取对要变更值的成型因素的指定、多个成型因素的值(例如，当前的最佳的成型因素的值的组合或变更后的值等)以及成型因素的范围(例如，可设定范围等)中的至少一者。
在步骤S610中，预测部40使用模型，根据多个成型因素来生成由输入部30获取到的特定的解析对象特性的预测值的分布。进而，预测部40可以计算所生成的预测值的分布的平均值和标准偏差。在模型为高斯过程法的情况下，学习部20可以根据过去的学习数据来规定概率分布，以高斯分布来输出对于成型因素的组合等输入数据的、解析对象特性的预测值概率分布。另外，在模型为集成模型的情况下，学习部20可以使用与多个解析对象特性分别对应的多个模型分别生成对于成型因素的组合等输入数据的、解析对象特性的预测值，并将其作为预测值概率分布进行输出。
预测部40可以生成使多个成型因素中的对应的成型因素在预先决定的范围内发生了变化的情况下的解析对象特性的多个预测值(或变化)。发生变化的预先决定的范围例如可以是由用户4针对各成型因素经由输入部30输入的范围，或者是针对各成型因素经由获取部10从制造装置2获取到的该制造装置2的可设定范围。
在步骤S620中，推荐部50可以使用预测部40所预测出的预测值的分布来生成推荐条件。推荐部50例如可以将使多个成型因素中的一个或多个成型因素在预先决定的范围内发生了变化的情况下的、满足解析对象特性的目标值(作为一例，为满足特定的范围、阈值以下的范围或阈值以上的范围等)的概率高的成型因素的组合作为推荐条件。推荐部50可以针对成为推荐条件的候选的多个成型因素的多个组合分别计算满足搜索解析对象特性的目标值的概率，并基于根据该概率预先决定的条件来确定推荐条件。推荐部50可以经由输入部30接收由用户4对要变化的成型因素的选择。另外，推荐部50可以选择在使对应的成型因素在预先决定的范围内发生了变化的情况下解析对象特性的预测值的变化幅度(最小值与最大值之间的幅度)超过阈值的成型因素，来作为要变化的成型因素。另外，推荐部50可以将表示推荐条件的数据发送到制造装置2，控制制造装置2使得按照推荐条件制造树脂成型物。
在步骤S620中，显示部60在画面上显示解析对象特性的预测值的概率分布和推荐条件。显示部60例如可以在相同的画面上或不同的画面上显示如图2、图3以及图4中的至少一个图那样的画面。显示部60可以显示来自预测部40的预测值的概率分布的变化的一部分。例如，显示处理部62可以执行用于使具有满足从用户4输入的解析对象特性的目标值的可能性的成型因素的范围显示于显示装置64的显示处理。在此，具有满足解析对象特性的目标值的可能性例如可以是指在解析对象特性的预测值的概率分布中包含解析对象特性的目标值或目标值的范围的情况。在图3的例子中，在解析对象特性的目标值的强度为25以上的情况下，显示部60将预测值的平均值+标准偏差为25以上的范围视为具有满足该目标值的可能性，并示出这种注射压力最大值的范围为x1以下、x2至x3之间、x4以上的情况。
显示部60可以显示多个成型因素的多个组合中的最佳值的组合、最新获取到的当前值的组合、或由用户4经由输入部30输入的值的组合。显示部60也可以生成并输出画面的数据，并显示于用户4的终端或制造装置2等外部的显示器。
根据本实施方式，由于能够向用户4示出解析对象特性的预测值的概率分布，因此用户4能够选择满足解析对象特性的目标值的概率更高的成型因素的值。由此，用户4能够容易地实施高精度的成型条件的调整。另外，无需实际利用成型因素的全部组合进行树脂成型，能够根据预测出的解析对象特性获得最佳的成型条件，因此能够实现由树脂材料和时间的节约带来的制造成本的削减。能够缩短从调整成型条件到开始制造产品为止的期间，能够提高制造装置的运转率。
接着，说明针对多个解析对象特性生成多个推荐条件的实施方式。本实施方式能够与图5及图6的流程中的至少一个步骤组合来执行。在本实施方式中，辅助装置3可以使用遗传算法或模拟退火等进化算法来生成推荐条件。
推荐部50在图6的S620中生成满足解析对象特性的目标值的概率最高的多个成型因素的组合即第一推荐条件，并将第一推荐条件发送到学习部20。学习部20在图5的S520中将该第一推荐条件的多个成型因素的组合用作学习数据来学习模型。接着，预测部40在图6的S610中使用学习过的该模型来生成预测值的概率分布并将预测值的该概率分布发送到推荐部50。接着，推荐部50在图6的S620中根据预测值的概率分布来生成满足解析对象特性的目标值的概率最高的多个成型因素的新组合即第二推荐条件。推荐部50还可以将第二推荐条件发送到学习部20，来同样地生成新的推荐条件。接着，更为具体地进行说明。
在本例中，推荐条件中包含的解析对象特性的种类设为三个(作为一例，y1：缺陷数、y2：强度、y3：杨氏模量)，推荐部50生成多个推荐条件。首先，预测部40在搜索范围(例如，可设定范围)内随机地生成成为推荐条件的候选的多个成型因素的多个组合(步骤1000)。预测部40将所生成的成型因素的值的组合输入到与三个解析对象特性分别对应的y1、y2、y3模型，来生成解析对象特性的预测平均值和预测标准偏差(步骤1010)。例如，关于第i个成型因素的组合，将解析对象特性y1、y2以及y3的预测平均值设为μi，1、μi，2以及μi，3，将预测标准偏差设为σi，1、σi，2以及σi，3。
接着，推荐部50计算预测值满足解析对象特性的目标值的概率(步骤1020)。例如，推荐部50视为预测值的概率分布呈高斯分布，基于预测平均值和预测标准偏差，通过下述的三个式子分别计算解析对象特性y1低于a(目标值)的概率Pi，1、解析对象特性y2超过b(目标值)的概率Pi，2、解析对象特性y3处于c～d的范围内(目标范围)的概率Pi，3。
[数1]
Figure BDA0003860329220000121
[数2]
Figure BDA0003860329220000122
[数3]
Figure BDA0003860329220000123
接着，推荐部50计算满足所有的解析对象特性的目标值的同时概率Pi，all＝Pi，1·Pi，2·Pi，3，使用最优化算法产生推荐条件的候选，以使同时概率Pi，all最大化。推荐部50可以将作为推荐条件而得到的多个成型因素的组合作为第一推荐条件进行输出(步骤1030)。
接着，推荐部50将表示第一推荐条件的数据发送到学习部20。学习部20将与该第一推荐条件有关的解析对象特性的值作为平均值而追加到学习数据的数据库中(步骤1040)。此时，学习部20可以将该第一推荐条件的成型因素的值作为对应的解析对象特性的值不满足目标值的成型因素的值而追加到学习数据的数据库中。由此，通过使用基于该学习数据进行了学习后的模型而得到的推荐条件成为与第一推荐条件不同的值的组合。
接着，重复进行步骤1000-1040，将此时的在步骤1030中得到的成型因素的组合作为第二推荐条件。并且，能够重复进行步骤1000-1040来得到第三推荐条件和第四推荐条件等。
根据本实施方式，能够针对多个解析对象特性高效地生成多个推荐条件。另外，无需实际地进行多个树脂成型，能够基于推荐条件来调整成型条件，能够实现树脂成型成本的削减、直到产品的树脂成型为止的期间的缩短、制造装置的运转率提高等。
此外，辅助装置3也可以不与制造装置2连接，获取部10可以获取其它制造装置的树脂成型的数据、记录介质中记录的数据或网站的数据，来作为学习数据。
另外，辅助装置3也可以不具备学习部20，也可以被从外部的学习装置提供模型。
图9示出显示装置64中显示的画面500。在输入部30从用户4处接受对树脂成型的多个成型因素中的至少一个成型因素的值的指定的情况下，显示处理部62可以执行用于使预测值的概率分布与所指定的成型因素的值下的解析对象特性的预测值的概率分布一起显示于显示装置64的显示处理。显示处理部62可以使所指定的成型因素的值下的解析对象特性的预测值的概率分布以在步骤S610中预测部40进行预测时使用的高斯分布的曲线的形式显示于显示装置64。此外，高斯分布的曲线的纵轴(图表的纵轴方向)表示解析对象特性的预测值，横轴(图表的横轴方向)表示该预测值的概率。
具体地说，在步骤S620中在显示装置64中显示有与注射压力最大值对应的强度的预测值的概率分布(预测值的平均值及标准偏差)的变化的情况下，如果用户4向输入部30输入注射压力最大值90MPa及265Mpa，则显示处理部62可以使强度的预测值的概率分布叠加在图表的与注射压力最大值90MPa及265Mpa对应的位置来进行显示。
图8示出显示装置64中显示的画面600。显示处理部62使所指定的成型因素的值下的解析对象特性的预测值的概率分布与画面500同样地显示于显示装置64。但是，在预测部40在预测时使用了多个模型等情况下，如图8所示，在概率分布的曲线中可能形成多个概率高的波峰。通过如图7、图8那样的实施方式，不实际进行大量的树脂成型就能够调整为适当的成型条件，能够实现树脂成型成本的削减、直到产品的树脂成型为止的期间的缩短、制造装置的运转率提高等。
图9示出显示装置64中显示的画面700。显示处理部62可以执行用于使满足解析对象特性的目标值的概率与预测值的概率分布一起显示于显示装置64的显示处理。显示处理部62可以执行用于使满足所述解析对象特性的目标值的概率的变化与所述预测值的概率分布一起显示于显示装置64的显示处理。预测部可以计算所述树脂成型的多个成型因素中的至少一个成型因素下的满足所述解析对象特性的目标值的概率，例如，可以计算使树脂成型的多个成型因素中的至少一个成型因素的值在预先决定的范围内发生了变化的情况下的满足所述解析对象特性的目标值的概率的变化。
图9所示的画面可以与图3的画面相同，但追加地包含满足目标值的概率的变化。在用户4向输入部30输入目标值(在图9中，强度≥25)的情况下，显示处理部62可以接收由推荐部50计算出的强度超过目标值的概率Pi，2，并使注射压力最大值0Mpa～300Mpa范围内的Pi，2的变化叠加于概率分布的变化地显示于显示装置64。通过这样的实施方式，不实际进行大量的树脂成型就能够调整为适当的成型条件、即概率高的值，能够实现树脂成型成本的削减、直到产品的树脂成型为止的期间的缩短、制造装置的运转率提高等。
此外，显示处理部62也可以在图表中仅显示满足目标值的概率的变化，另外，也可以使满足由用户4指定的成型因素的值下的目标值的概率显示在概率分布的变化所对应的位置。
此外，辅助装置3可以是PC、服务器或移动终端等。
另外，本发明的各种实施方式可以参照流程图和框图来记载，在此，块可以表示(1)执行操作的工艺的阶段或(2)具有执行操作的职能的装置的部分。特定阶段和部分可以通过专用电路、与存储于计算机可读介质上的计算机可读命令一起提供的可编程电路和/或与存储于计算机可读介质上的计算机可读命令一起提供的处理器来安装。专用电路可以包括数字和/或模拟硬件电路，也可以包括集成电路(IC)和/或分立电路。可编程电路包括逻辑AND、逻辑OR、逻辑XOR、逻辑NAND、逻辑NOR以及其它逻辑操作、触发器、寄存器、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)等那样的具备存储器要素等的可重构的硬件电路。
计算机可读介质可以包括能够存储由适当的设备执行的命令的任意的有形设备，其结果，具有在此存储的命令的计算机可读介质具备以下产品：该产品包含为了制作用于执行由流程图或框图指定的操作的部件而可以执行的命令。作为计算机可读介质的例子，可以包括电子存储介质、磁存储介质、光存储介质、电磁存储介质、半导体存储介质等。作为计算机可读介质的更具体的例子，可以包括Floppy(注册商标)、磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或快闪存储器)、电可擦可编程只读存储器(EEPROM)、静态随机存取存储器(SRAM)、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)、蓝光(RTM)光盘、存储棒、集成电路卡等。
计算机可读命令可以包含汇编命令、命令集体系结构(ISA)命令、机器命令、机器相关命令、微代码、固件命令、状态设定数据、或通过包含Smalltalk(注册商标)、JAVA(注册商标)、C++等那样的面向对象编程语言以及“C”编程语言或同样的编程语言那样的以往的程序编程语言的、一种或多种编程语言的任意组合来描述的源极代码或对象代码中的任一者。
计算机可读命令在本地或者经由本地或局域网(LAN)、因特网等那样的广域网(WAN)提供给通用计算机、专用计算机或其它可编程的数据处理装置的处理器或可编程电路，为了制作用于执行由流程图或框图指定的操作的部件，可以执行计算机可读命令。作为处理器的例子，包括计算机处理器、处理单元、微处理器、数字信号处理器、控制器、微控制器等。
图10示出可以将本发明的多个方式整体或部分地实现的计算机2200的例子。安装于计算机2200的程序能够使计算机2200作为与本发明的实施方式所涉及的装置相关联的操作或该装置的一个或多个部分而发挥功能，或能够执行该操作或该一个或多个部分，和/或能够使计算机2200执行本发明的实施方式所涉及的工艺或该工艺的阶段。这种程序可以由CPU 2212执行，以使计算机2200执行与本说明书所记载的流程图和框图的块中的若干个块或所有块相关联的特定的操作。
本实施方式的计算机2200包括CPU 2212、RAM 2214、图形控制器2216以及显示设备2218，它们通过主控制器2210相互连接。计算机2200还包括通信接口2222、硬盘驱动器2224、DVD-ROM驱动器2226以及IC卡驱动器那样的输入/输出单元，它们经由输入/输出控制器2220与主控制器2210相连接。计算机还包括ROM 2230和键盘2242那样的传统的输入/输出单元，它们经由输入/输出芯片2240与输入/输出控制器2220相连接。
CPU 2212按照存储于ROM 2230和RAM 2214内的程序来进行动作，由此控制各单元。图形控制器2216获取在RAM 2214内提供的帧缓冲器等或其本身中通过CPU 2212生成的图像数据，使图像数据显示在显示设备2218上。
通信接口2222经由网络与其它电子设备通信。硬盘驱动器2224存储由计算机2200内的CPU 2212使用的程序和数据。DVD-ROM驱动器2226从DVD-ROM 2201读取程序或数据并经由RAM 2214将程序或数据提供给硬盘驱动器2224。IC卡驱动器从IC卡读取程序和数据、和/或将程序和数据写入到IC卡。
在ROM 2230中存储在激活时由计算机2200执行的引导程序等和/或依赖于计算机2200的硬件的程序。输入/输出芯片2240还可以将各种输入/输出单元经由并行端口、串行端口、键盘端口、鼠标端口等与输入/输出控制器2220相连接。
通过DVD-ROM 2201或IC卡那样的计算机可读介质来提供程序。程序被从计算机可读介质读取，并被安装于还作为计算机可读介质的例子的硬盘驱动器2224、RAM 2214或ROM2230，由CPU 2212来执行。在这些程序内描述的信息处理由计算机2200读取，实现程序与上述的各种硬件资源之间的协作。可以通过随着计算机2200的使用而实现信息的操作或处理，来构成装置或方法
例如在计算机2200与外部设备之间执行通信的情况下，CPU 2212可以执行加载到RAM 2214的通信程序，根据在通信程序中描述的处理来指示通信接口2222进行通信处理。通信接口2222在CPU 2212的控制下读取存储于在RAM 2214、硬盘驱动器2224、DVD-ROM2201或IC卡那样的记录介质内提供的发送缓冲处理区域的发送数据，将读取的发送数据发送到网络，或将从网络接收到的接收数据写入到在记录介质上提供的接收缓冲处理区域等。
另外，CPU 2212可以将存储于硬盘驱动器2224、DVD-ROM驱动器2226(DVD-ROM2201)、IC卡等那样的外部记录介质的文件或数据库的全部或所需的部分读取到RAM 2214，对RAM 2214上的数据执行各种类型的处理。接着，CPU 2212将处理过的数据写回到外部记录介质。
各种类型的程序、数据、表格以及数据库那样的各种类型的信息可以存储于记录介质并接受信息处理。CPU 2212可以对从RAM 2214读取出的数据执行本公开各处所记载的包含由程序的命令序列指定的各种类型的操作、信息处理、条件判断、条件分支、无条件分支、信息的检索/置换等的各种类型的处理，将结果写回到RAM 2214。另外，CPU 2212可以检索记录介质内的文件、数据库等中的信息。例如在具有分别与第二属性的属性值相关联的第一属性的属性值的多个项目存储于记录介质内的情况下，CPU 2212从该多个项目中检索与第一属性的属性值被指定的条件一致的项目，读取存储于该项目内的第二属性的属性值，由此可以获取与满足预先决定的条件的第一属性相关联的第二属性的属性值。
上述说明的程序或软件模块可以存储于计算机2200上或计算机2200附近的计算机可读介质。另外，在与专用通信网络或因特网相连接的服务器系统内提供的硬盘或RAM那样的记录介质能够用作计算机可读介质，由此将程序经由网络提供给计算机2200。
以上，使用实施方式说明了本发明，但是本发明的保护范围并不限定于上述实施方式所记载的范围。能够对上述实施方式施加各种变更或改进，对于本领域技术人员来说是显而易见的。根据权利要求书的记载能够明确的是，施加了这种变更或改进的方式也能够包含在本发明的保护范围内。
应该注意的是，权利要求书、说明书以及附图中示出的装置、系统、程序以及方法中的动作、过程、步骤以及阶段等各处理的执行顺序只要没有特别明确记载“在……之前”、“先于”等，并且不是将前一处理的输出使用于后一处理，就能够以任意的顺序来实现。关于权利要求书、说明书以及附图中的动作流程，即使方便起见使用“首先”、“接着”等进行了说明，也并不意味着必须按该顺序来实施。
附图标记说明
1：系统；2：制造装置；3：辅助装置；10：获取部；20：学习部；30：输入部；40：预测部；50：推荐部；60：显示部；62：显示处理部；64：显示装置；70：发送部；200：画面；210：项目名称；220：滑动条；230：指针；240：当前值；250：列表框；260：预测值框；300：画面；400：画面；500：画面；600：画面；700：画面；2200：计算机；2201：DVD-ROM；2210：主控制器；2212：CPU；2214：RAM；2216：图形控制器；2218：显示设备；2220：输入/输出控制器；2222：通信接口；2224：硬盘驱动器；2226：DVD-ROM驱动器；2230：ROM；2240：输入/输出芯片；2242：键盘。

Claims (14)

1.一种用于辅助树脂成型的装置，所述装置的特征在于，具备：
预测部，其生成与所述树脂成型的多个成型因素的值对应的、树脂成型体的解析对象特性的预测值的概率分布；以及
显示处理部，其执行用于使所述解析对象特性的所述预测值的概率分布显示于显示装置的显示处理。
2.根据权利要求1所述的装置，其特征在于，
所述预测部计算使所述树脂成型的多个成型因素中的至少一个成型因素的值在预先决定的范围内发生了变化的情况下的、所述解析对象特性的预测值的概率分布的变化，
所述显示处理部执行用于使所述解析对象特性的所述预测值的概率分布的变化显示于所述显示装置的显示处理。
3.根据权利要求2所述的装置，其特征在于，
所述预测部计算所述解析对象特性的预测值的平均值的变化和标准偏差的变化，来作为表示所述概率分布的变化的指标，
所述显示处理部执行用于使所述平均值的变化和所述标准偏差的变化显示于所述显示装置的显示处理。
4.根据权利要求2或3所述的装置，其特征在于，
所述显示处理部执行用于使具有满足所述解析对象特性的目标值的可能性的所述成型因素的范围显示于所述显示装置的显示处理。
5.根据权利要求1至4中的任一项所述的装置，其特征在于，
还具备输入部，所述输入部从用户处接受对所述树脂成型的多个成型因素中的至少一个成型因素的值的指定，
所述显示处理部执行用于使所述预测值的概率分布与所指定的所述成型因素的值下的所述解析对象特性的所述预测值的概率分布一起显示于所述显示装置的显示处理。
6.根据权利要求1至5中的任一项所述的装置，其特征在于，
所述预测部具有模型，所述模型响应于输入了与所述树脂成型的所述多个成型因素中的至少一个成型因素有关的数据，来生成所述解析对象特性的所述预测值的概率分布。
7.根据权利要求6所述的装置，其特征在于，
所述预测部使用多个所述模型分别生成所述解析对象特性的所述预测值，并计算所生成的所述预测值的平均值和标准偏差。
8.根据权利要求1至7中的任一项所述的装置，其特征在于，
还具备推荐部，所述推荐部生成推荐条件，所述推荐条件是满足所述解析对象特性的目标值的概率最高的所述多个成型因素的组合，
所述显示处理部执行用于使所述推荐条件与所述预测值的概率分布的变化一起显示于所述显示装置的显示处理。
9.根据权利要求1至8中的任一项所述的装置，其特征在于，
所述预测部具有：
获取部，其获取学习数据，所述学习数据包含预先进行树脂成型而得到的结果下的所述多个成型因素的值和所述解析对象特性的值的组；以及
学习部，其使用所述学习数据来学习根据所述多个成型因素的值生成所述解析对象特性的预测值的模型。
10.根据权利要求1至9中的任一项所述的装置，其特征在于，
所述预测部计算所述树脂成型的多个成型因素中的至少一个成型因素下的、满足所述解析对象特性的目标值的概率，
所述显示处理部执行用于使满足所述解析对象特性的目标值的概率与所述预测值的概率分布一起显示于所述显示装置的显示处理。
11.根据权利要求10所述的装置，其特征在于，
所述预测部计算使所述树脂成型的多个成型因素中的至少一个成型因素的值在预先决定的范围内发生了变化的情况下的、满足所述解析对象特性的目标值的概率的变化，
所述显示处理部执行用于使满足所述解析对象特性的目标值的概率的变化与所述预测值的概率分布一起显示于所述显示装置的显示处理。
12.一种用于辅助树脂成型的方法，所述方法的特征在于，包括以下阶段：
生成与所述树脂成型的多个成型因素的值对应的、树脂成型体的解析对象特性的预测值的概率分布；以及
执行用于使所述解析对象特性的所述预测值的概率分布显示于显示装置的显示处理。
13.根据权利要求12所述的方法，其特征在于，
生成所述解析对象特性的预测值的概率分布的阶段包括以下阶段：计算使所述树脂成型的多个成型因素中的至少一个成型因素的值在预先决定的范围内发生了变化的情况下的、树脂成型体的解析对象特性的预测值的概率分布的变化，
执行所述显示处理的阶段包括以下阶段：执行用于使所述解析对象特性的所述预测值的概率分布的变化显示于所述显示装置的显示处理。
14.一种程序，其特征在于，用于使计算机执行以下阶段：
生成与树脂成型的多个成型因素的值对应的、树脂成型体的解析对象特性的预测值的概率分布；以及
执行用于使所述解析对象特性的所述预测值的概率分布显示于显示装置的显示处理。
CN202180023723.1A 2020-03-31 2021-03-31 装置、方法以及程序 Pending CN115335205A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020-064511 2020-03-31
JP2020064511 2020-03-31
PCT/JP2021/014073 WO2021201187A1 (ja) 2020-03-31 2021-03-31 装置、方法、およびプログラム

Publications (1)

Publication Number Publication Date
CN115335205A true CN115335205A (zh) 2022-11-11

Family

ID=77928644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180023723.1A Pending CN115335205A (zh) 2020-03-31 2021-03-31 装置、方法以及程序

Country Status (6)

Country Link
US (1) US20230010715A1 (zh)
EP (1) EP4129621A4 (zh)
JP (2) JPWO2021201187A1 (zh)
KR (1) KR20220146574A (zh)
CN (1) CN115335205A (zh)
WO (1) WO2021201187A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112022001901T5 (de) * 2021-03-31 2024-01-11 Sumitomo Heavy Industries, Ltd. Suchhilfsvorrichtung für spritzgiessbedingung und verfahren dafür, programm und speichermedium

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0435923A (ja) * 1990-05-31 1992-02-06 Komatsu Ltd エキスパートシステムを用いた成形条件探索方法
JP4002574B2 (ja) 2004-10-26 2007-11-07 株式会社名機製作所 成形品の成形支援方法とそのプログラムを格納する記憶媒体
JP4499601B2 (ja) * 2005-04-01 2010-07-07 日精樹脂工業株式会社 射出成形機の制御装置
JP4167282B2 (ja) * 2006-10-27 2008-10-15 日精樹脂工業株式会社 射出成形機の支援装置
JP6514622B2 (ja) * 2015-10-30 2019-05-15 日精樹脂工業株式会社 射出成形機の成形支援方法
JP6529183B2 (ja) * 2015-12-28 2019-06-12 日精樹脂工業株式会社 射出成形機の成形最適化方法

Also Published As

Publication number Publication date
JPWO2021201187A1 (zh) 2021-10-07
TW202206255A (zh) 2022-02-16
EP4129621A4 (en) 2023-10-11
EP4129621A1 (en) 2023-02-08
WO2021201187A1 (ja) 2021-10-07
US20230010715A1 (en) 2023-01-12
JP2024054170A (ja) 2024-04-16
KR20220146574A (ko) 2022-11-01

Similar Documents

Publication Publication Date Title
CN109870903B (zh) 参数优化方法、装置以及非瞬时计算机可读取介质
CN108229085A (zh) 计算机仿真模拟分析系统及方法
JP2024054170A (ja) 装置、方法、およびプログラム
CN104598981A (zh) 生成装置、生成方法和程序
CN112529301A (zh) 用电量预测方法、设备及存储介质
CN106933105A (zh) 受限条件下的轨迹更新综合预测迭代学习控制算法
JP2019159876A (ja) 将来状態推定装置および将来状態推定方法
CN113283162B (zh) 塑料光学镜片面形误差预测方法、电子装置及存储介质
JP7463996B2 (ja) 装置、方法およびプログラム
US20220339837A1 (en) Operation Quantity Determination Device, Molding Apparatus System, Molding Machine, Non-Transitory Computer Readable Recording Medium, Operation Quantity Determination Method, and State Display Device
KR102271736B1 (ko) 자동화된 기계 학습 방법 및 그 장치
CN114120470A (zh) 监视装置、监视方法、以及记录了监视程序的计算机可读介质
US20230281651A1 (en) Systems and methods for predicting component manufacturing costs
WO2021201189A1 (ja) 装置、方法、およびプログラム
CN105408826B (zh) 系统构建辅助装置以及方法
CN115705038A (zh) 学习装置、学习方法、记录介质以及控制装置
CN114986833A (zh) 一种动态调控的注塑方法、系统、装置及介质
US11602876B2 (en) Machine learning device and design support device
CN112750500A (zh) 装置、方法及存储介质
US20220284346A1 (en) Learning apparatus, evaluation apparatus, evaluation system, learning method, evaluation method, and non-transitory computer readable medium
CN110706772A (zh) 一种排序方法及装置、电子设备、存储介质
WO2024101351A1 (ja) 装置、方法およびプログラム
JP7452563B2 (ja) 装置、方法およびプログラム
WO2022170587A1 (en) Robotic process automation (rpa) -based data labelling
CN116724276B (zh) 可由计算机系统进行读取的存储介质、运转改善辅助装置及运转改善辅助方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination