JP2013188775A - 金型で製造される製品の外観不良予測方法及びプログラム - Google Patents

Abstract

【課題】製品の部位毎に外観不良態様を精度良く予測することが可能な外観不良予測方法等の提供。
【解決手段】外観不良予測方法は、金型で製造される製品を各部位に仮想的に分割する複数の区分を定義する段階と、区分毎に、製品の形状データを取得する段階と、区分毎に、取得した形状データに基づいて、区分に対応した製品の部位における外観不良態様であって、金型による製造時の外観不良態様を予測する不良態様予測段階とを備える。好ましくは、区分毎に、金型で製品を製造する際の製造条件データを取得する段階を更に備え、不良態様予測段階は、区分毎に、取得した形状データと製造条件データとに基づいて、外観不良態様を予測する。複数の区分は、任意の平面視で格子状に定義され、且つ、該任意の平面視で垂直方向に延在して、製品を３次元的に分割する。
【選択図】図１

Description

本発明は、金型で製造される製品の外観不良予測方法及びプログラムに関する。

従来から、射出成形品を形成する過程における任意の時刻において、樹脂データ，金型の形状データおよび成形条件データに基づいて、ナビエストークスの運動方程式、連続の式およびエネルギ方程式を用いて流れ場を求めることにより、任意の時刻における射出成形品におけるヤケの発生を判定する外観不良予測方法が知られている(例えば、特許文献１参照）。この方法では、金型形状を微小な有限の要素に分割し、ＣＡＥによる樹脂流動解析が行われている。

特開平４−３４５８１８公報

ところで、上記の特許文献１に記載の構成は、金型形状をモデル化して金型とは異なる射出成形品の外観不良を予測するものであり、十分に高い予測精度を期待できない虞がある。

そこで、本発明は、製品の部位毎に外観不良態様を精度良く予測することが可能な外観不良予測方法等の提供を目的とする。

上記目的を達成するため、本発明の一局面によれば、金型で製造される製品を各部位に仮想的に分割する複数の区分を任意の平面視で格子状に定義する段階であって、前記複数の区分を前記任意の平面視で垂直方向に延在して前記製品を３次元的に分割する態様で定義する段階と、
前記区分毎に、前記製品の形状データを取得する段階と、
前記区分毎に、取得した前記形状データに基づいて、前記区分に対応した前記製品の部位における外観不良態様であって、前記金型による製造時の外観不良態様を予測する不良態様予測段階とを備えることを特徴とする、外観不良予測方法等が得られる。

本発明による外観不良予測方法の一例を示すフローチャートである。 製品に対する区分の定義態様の一例を示す図である。 ある区分に対応する製品の部位の一例を示す斜視図である。 解析結果の一例を示す図である。 所定の予測式の導出方法の一例を示すフローチャートである。 番地毎の外観不良データの蓄積例を示すイメージ図である。

以下、図面を参照して、本発明を実施するための最良の形態の説明を行う。

図１は、本発明による外観不良予測方法の一例を示すフローチャートである。図２乃至図４は、図１のフローに関連する説明図である。図２は、製品に対する区分の定義態様の一例を示す図である。尚、図２は、製品７０を上面視で示す。図３は、ある区分に対応する製品の部位の一例を示す斜視図である。図４は、解析結果の一例を示す図である。

図１のフローは、例えば新規の製品及び金型設計段階において、設計対象の製品が金型で製造された際の外観不良態様を予測するために実行されてもよい。或いは、既に製造中の製品の外観不良態様を予測するために実行されてもよい。即ち既に稼動中の金型により製造されている製品を診断するために実行されてもよい。ここでは、一例として、鉄製の金型に溶融状態のアルミ合金（アルミ溶湯）を流し込んで製品（鋳造品）を製造（鋳造）する場合が想定される。

尚、図１のフローは、ソフトウェアによりコンピューター上で実行されてよい。この際、図１のフローは、複数の又は統合的なソフトウェアを組み込んだ単一のコンピューターにより実現されてもよいし、固有のソフトウェアをそれぞれ組み込んだ複数のコンピューターで協動して実現されてもよい。また、図１のフローは、所定の入力パラメータをユーザがコンピューターに初期的に又は適宜に（例えば対話式で）入力することで自動的に全て実行されるものであってもよいし、ユーザによるマニュアル作業を必要とするものであってもよい。尚、図１の説明に関して、ユーザとは、製品及び金型を設計・製作する主体に対応する。

ステップ１００では、設計対象の製品（又は診断対象の製品、以下同じ。図１の説明に関しては、単に「製品」ともいう）を各部位に仮想的に分割する複数の区分を定義し、各区分に番地を割当てる。この際、評価対象エリアは、製品全体であってもよいし、製品の一部であってもよい。いずれにしても、製品の評価対象エリアを複数に分割する区分が定義される。各区分への番地の割当て方は任意であり、１から昇順に固有の数値が割当てられてもよい。

ここで、区分は、所定の平面視で定義され、所定の平面視で奥行き成分を有する（３次元の空間的な区分である）。所定の平面視は、ユーザにより任意に決定されてよい。ここでは、説明の複雑化を防止するための便宜上、所定の平面視は、製品の上面に対して垂直に視た平面視（上面視）を想定する。区分の表面形状（格子状の形状）は、任意であってもよいが、好ましくは、矩形（より好ましくは正方形）である。また、１つの製品に対する各区分の表面形状は、異なる形状を含んでもよいが、好ましくは全て同じ形状である。尚、ここで、区分の“表面”形状とは、区分が上述の如く奥行き成分を有する区分（３次元の区分）であるためである。区分は、所定の平面視（本例では、上面視）の方向に沿って同一形状（等断面）で延在してよい。

図２に示す例では、製品の評価対象エリア１０は、正方形であり、評価対象エリア１０は、５×５の区分１２により格子状に分割されている。尚、区分１２の表面形状は、正方形であり、区分１２は、当該正方形を紙面垂直方向に押し出して形成される３次元空間に対応する。

このようにして、ステップ１００では、設計対象の製品が、複数の区分により各部位に仮想的に分割され、各区分に対応した製品の各部位には固有の番地が割当てられる。各区分に対応した製品の各部位とは、各区分内の製品の部位である。従って、ある区分に対応する製品の部位は、図３に一例として示すように、３次元である。尚、図３において、方向Ｘは、所定の平面視の方向に対応する。以下では、このようにして各区分より仮想的に分割された製品の各部位は、対応する番地により特定される（紐付けされる）。

ステップ１０２では、設計対象の製品の３Ｄ形状モデルに基づいて、上記ステップ１００で割当てた番地毎に、形状データを取得する。即ち、各番地に対応する製品の各部位の形状データが、同製品の３Ｄ形状モデルに基づいて取得される。例えば、設計対象の製品は、３Ｄ形状モデル上で、上記ステップ１００で定義した区分に従い各部位へと３次元的に分割され、分割された各部位の３Ｄ形状モデルに基づいて、各部位の形状データが取得される。３Ｄ形状モデルは、製品の設計段階で作成するＣＡＤ(computer‐aided design)モデル（例えば、ＣＡＴＩＡで作成されたモデル）であってよい。このようにして、製品の形状データが番地毎に取得される。製品の部位毎の形状データは、後述の所定の予測式の変数となる形状データであり、所定の予測式の導出方法に依存して異なりうる。形状データは、例えば部位の厚さ（肉厚）や、部位の断面積の最大値／最小値、平均値等を含んでよい。

ステップ１０４では、設計対象の製品を製造するための金型の３Ｄ解析モデルを用いて鋳造シミュレーションを実行する。金型の３Ｄ解析モデルは、金型の３Ｄ形状モデル（及び金型により画成される鋳造空間、即ち製品の３D形状に対応する空間）をメッシュ分割して作成されてよい。鋳造シミュレーションは、実際に金型で製品を製造（鋳造）する際の条件に基づいて、鋳造時の金型の状態及び鋳造品の状態（鋳造サイクル）をシミュレーションするものであってよい。鋳造シミュレーションは、ＣＡＥ(computer‐aided engineering)により実行されてよく、解析ソフトウェアは任意であってよい。また、解析は静的な解析であってもよいし、動的な解析であってもよい。尚、解析の際のメッシュ分割方法は、任意であるが、例えば、解析モデルは、数万単位のメッシュで分割されて生成される。この際、製品の３D形状に対応する空間におけるメッシュは、番地毎に分割されてもよいし、番地を考慮せずに分割されてもよい（この場合、２つの番地に跨ったメッシュが作成されうる）。かかる解析を実行すると、例えば図４に示すような解析結果（鋳造シミュレーション結果）が得られる。尚、図４は、図２と同一のビュー（上面視）で、鋳造品（製品７０）に係る解析結果（金型の鋳造空間内で鋳造された鋳造品に係る解析結果）を示している。図４には、理解しやすいように便宜上、上記ステップ１００で定義された各区分が示されている。尚、当然ながら、解析結果は、鋳造品（製品７０）の表面だけでなく内部に関しても得られる（各メッシュに関して得られる）。

ステップ１０６では、上記ステップ１０４で得られた鋳造シミュレーション結果に基づいて、上記ステップ１００で割当てた番地毎に、製造条件データを取得する。番地毎の製造条件データ（即ち製品の部位毎の製造条件データ）は、後述の所定の予測式の変数となる形状データであり、所定の予測式の導出方法に依存して異なりうる。製造条件データは、例えば溶湯温度、溶湯速度等を含んでよい。尚、製造条件データは、解析値に加えて又は替えて、計測値を含んでもよい。

ステップ１０８では、番地毎に、上記ステップ１０２で取得された形状データと、上記ステップ１０６で取得された製造条件データとを紐付ける。これにより、各番地の形状データが、同番地の製造条件データに紐付けられる。

ステップ１１０では、番地毎に、上記ステップ１０８で紐付けられた形状データと製造条件データを所定の予測式に適用することで、製品の各部位における外観不良態様であって、金型による製造時の外観不良態様を予測する。外観不良態様とは、外観不良に関連する任意の指標値で表現されてもよい。指標値は、例えば、外観不良の発生回数、即ち外観不良が発生した製品の個数（以下、不良回数ともいう）や、外観不良の度合いであってよい。外観不良の度合いは、例えば、補修が不要なレベル又は補修で済むレベルから、廃棄が必要なレベルまでの外観不良度合いを表してもよく、また、補修に要する工数を表してもよい。また、指標値は、鋳造回数（ショット数）と関連付けられてもよい。例えば、指標値は、所定鋳造回数あたりの不良回数（平均値、不良発生頻度）や、所定鋳造回数毎の不良回数（例えば、０から１万回までの鋳造回数の範囲内における不良回数、１万回から２万回までの鋳造回数の範囲内における不良回数、２万回から３万回までの鋳造回数の範囲内における不良回数、以下同様）であってもよいし、所定鋳造回数までの不良回数であってもよい。尚、外観不良とは、金型による製造時（本例では鋳造時）に製品の外観（表面）に現れる不良であり、例えば鋳ハガレや鋳巣等であってよい。この外観不良は、典型的には、製品の品質上問題となる不良であるが、製品の品質に影響しない不良を含んでもよい。

所定の予測式は、予測すべき外観不良態様に応じて用意される。例えば、予測すべき外観不良態様が不良回数である場合、不良回数を求めるための所定の予測式が用意される。また、予測すべき外観不良態様が外観不良の度合いである場合、外観不良の度合いを求めるための別の所定の予測式が用意される。予測すべき外観不良態様が複数ある場合は、それぞれの所定の予測式が用意されてよい。所定の予測式は、線形式であってもよいし、非線形式であってもよい。所定の予測式は、番地間で共通であってよく、代入されるパラメータが番地間で異なるだけである。即ち、所定の予測式には、番地毎に紐付けられた形状データと製造条件データとが番地毎に代入され、番地毎の外観不良態様が予測されることになる。用意される所定の予測式は、過去の製品（今回設計段階にある製品とは別の製品）に関する過去の外観不良データに基づいて統計的手法に導出されてよい（図５参照）。統計的な導出方法としては、例えば重回帰分析や応答曲面法が利用されてもよい。所定の予測式の導出方法の好ましい例については図５を参照して後述する。

以上説明した図１に示す外観不良予測方法によれば、設計対象の製品を各部位に仮想的に分割する区分を定義することで、区分（番地）毎に、将来発生しうる外観不良態様を予測することができる。また、この予測の際に、区分（番地）毎の形状データ及びの製造条件データを用いることにより、精度の高い予測を行うことができる。これにより、ユーザは、予測結果に基づいて、要求品質を満たすように設計段階で製品の形状変更等を行うことが可能となり（予測結果を設計にフィードバックすることが可能となり）、要求品質を満たす製品を設計し、且つ、その製品を製造するための金型を設計・製作することが容易となる。また、その製品を製造するための金型の稼動段階（即ち製品の製造段階）においても、ユーザは、予測結果に基づいて、現在の製品の製造状態を把握（診断）することができる。また、製品の製造段階（量産段階）において、ユーザは、予測結果に基づいて、製品の外観不良の発生タイミング及び発生部位を事前に予測することができるので、製品の外観不良の補修作業等を効率的に行うことができ、また、金型の寿命についても予測することが可能となる。例えば、鋳造回数と関連付けられた不良回数（例えば所定鋳造回数毎の不良回数）を予測する場合には、製品の外観不良の発生タイミング及び発生部位を事前に予測することができると共に、不良回数が一定値を越えるときの鋳造回数に基づいて金型の寿命を予測することも可能となる。

尚、図１に示すフローでは、ステップ１０４にて解析（鋳造シミュレーション）を実行しているが、かかる解析は、必ずしも同一のユーザにより実現される必要はない。例えば、解析については、別のユーザ（例えば外注先のユーザ）により実行されてもよい。この場合、ステップ１０６では、別のユーザにより実行された解析結果を利用して（インポートして）、番地毎に、製造条件データが取得されればよい。

図５は、図１に示したフロー（ステップ１１０）で使用されてよい所定の予測式の導出方法の一例を示すフローチャートである。

尚、図５のフローは、ソフトウェアによりコンピューター上で実行されてよい。この際、図５のフローは、複数の又は統合的なソフトウェアを組み込んだ単一のコンピューターにより実現されてもよいし、固有のソフトウェアをそれぞれ組み込んだ複数のコンピューターで協動して実現されてもよい。また、図５のフローは、図１に示した外観不良予測方法を実現するコンピューターにより実現されてもよいし、別のコンピューターを追加して実現されてもよいし、図１に示した外観不良予測方法を実現するコンピューター以外のコンピューターにより実現されてもよい。また、図５のフローを実現するためのソフトウェアは、図１に示した外観不良予測方法を実現するソフトウェアと一部（例えば形状データを取得するためのソフトウェアや解析用のソフトウェア）が共通であってもよい。また、図５のフローは、所定の入力パラメータをユーザがコンピューターに初期的に又は適宜に入力することで自動的に全て実行されるものであってもよいし、ユーザによるマニュアル作業を必要とするものであってもよい。また、図５のフローを実行するユーザは、図１に示した外観不良予測方法を実行するユーザと同一視できるユーザであってもよいし、別のユーザであってもよい。

ステップ５００では、外観不良データ取得対象の製品（以下、図５の説明に関しては、単に「製品」ともいう）を各部位に仮想的に分割する区分を定義し、各区分に番地を割当てる。即ち、外観不良データ取得対象の製品が、複数の区分により各部位に仮想的に分割され、各区分に対応した製品の各部位には固有の番地が割当てられる。この際、区分が定義される対象エリアは、製品全体であってもよいし、製品の一部であってもよい。尚、区分及び番地の考え方は、上述の図１のフローに関連した説明と同様であってよい。但し、区分の数及び番地の数値自体は、上述の図１のフローとは対象の製品が異なりうるので、異なるものとなってよい。他方、区分の表面形状及びそのサイズは、好ましくは、上述の図１のフローで定義される区分と同一とされる。

ステップ５０２では、外観不良データ取得対象の製品に係る外観不良データ（蓄積・採取済みのデータ）に基づいて、上記ステップ５００で割当てた番地毎の外観不良データを取得する。外観不良データ取得対象の製品に係る外観不良データは、製品の製造時に、例えば外観不良の判断を行った作業者が、所定のデータベース内に記憶することにより蓄積されてよい。尚、外観不良の判断はカメラによる画像認識処理等により自動的に又は人目と協動して実行されてもよい。外観不良データ取得対象の製品は、１つ（１種類）であってもよいが、外観不良データは、その製品を複数製造する際に取得されて蓄積される。即ち、ここでいう製品は、同じ金型で多数鋳造されることが想定され、外観不良データは、かかる製品の鋳造毎に蓄積されていく。

外観不良データは、上述の図１のフローで予測すべき外観不良態様に応じたデータであってよい。例えば、上述の図１のフローで予測すべき外観不良態様が不良回数を含む場合は、外観不良データは、不良回数を含む。また、外観不良データは、好ましくは、外観不良態様をきめ細かく予測するために、外観不良内容（鋳ハガレや鋳巣等）、外観不良箇所・範囲、外観不良度合い及びその時点での鋳造回数を含む。この場合、外観不良箇所がどの番地に属するかを判断することで、番地毎の外観不良データが取得される。尚、外観不良の判断を行った作業者は、外観不良箇所に代えて、当該外観不良箇所が属する番地（上記ステップ５００で割当てた番地）に紐付けて外観不良内容等を記録してもよい。また、外観不良内容は、番地毎に、内容別の不良回数として記録されてもよい。尚、１箇所の外観不良箇所は、その範囲に依存して、複数の番地に跨る場合もありうる。

ステップ５０４では、外観不良データ取得対象の製品の３Ｄ形状モデルに基づいて、上記ステップ５００で割当てた番地毎に、形状データを取得する。外観不良データ取得対象の製品の部位毎の形状データは、各部位の任意の形状的特徴を表すデータであってよいが、好ましくは、外観不良態様に影響があると考えられる形状的特徴を表すデータである。形状データは、例えば部位の厚さ（肉厚）や、部位の断面積の最大値／最小値、平均値等を含んでよい。尚、本ステップ５０４で取得される形状データは、上述の図１のフローのステップ１０２で取得される形状データと同一の種類のデータを含むが、他の要因をも考慮するために他の種類のデータを含んでもよい。形状データの取得方法自体は、上述の図１のフローのステップ１０２と同様であってよい。

ステップ５０６では、外観不良取得対象の製品を製造するための金型の３Ｄ解析モデルを用いて鋳造シミュレーションを実行する。金型の３Ｄ解析モデルの作成方法及び鋳造シミュレーション方法は、上述の図１のフローのステップ１０４と同様であってよい。但し、詳細（例えば解析条件やメッシュのサイズ等）は、上述の図１のフローとは対象の製品（ひいては金型）が異なりうるので、異なるものとなってよい。

ステップ５０８では、上記ステップ５０６で得られた鋳造シミュレーション結果に基づいて、上記ステップ５００で割当てた番地毎に、製造条件データを取得する。番地毎の製造条件データ（即ち製品の部位毎の製造条件データ）は、各部位における鋳造シミュレーション結果の特徴を表すデータであってよいが、好ましくは、製品の外観不良態様に影響があると考えられる製造条件（鋳造の場合は、鋳造条件）を表すデータである。製造条件データは、例えば溶湯温度、溶湯速度等を含んでよい。また、製造条件データは、実測値を含んでもよい。尚、本ステップ５０８で取得される製造条件データは、上述の図１のフローのステップ１０６で取得される製造条件データと同一の種類のデータを含むが、他の要因をも考慮するために他の種類のデータを含んでもよい。

ステップ５１０では、番地毎に、上記ステップ５０２で取得された外観不良データと、上記ステップ５０４で取得された形状データと、上記ステップ５０８で取得された製造条件データとを紐付ける。これにより、各番地の外観不良データが、同番地の形状データ及び製造条件データに紐付けられる。

ステップ５１２では、各番地の外観不良データを目的変数とし、同番地の形状データ及び製造条件データを要因として統計的手法を適用することで、外観不良データを予測するための予測式を導出する。例えば各番地の外観不良データが不良回数Ｎｉ（ｉ＝番地数）であり、形状データがＡｉであり、製造条件データがＢｉであるとき、Ｎ＝α・Ａ＋β・Ｂ＋γで表されるモデルを仮定し、各データＮｉ、Ａｉ、Ｂｉを用いて、目的変数の実測値と予測値の差の二乗和が最も小さくなる係数α、β、γを例えば最小二乗法により求める。尚、実際には形状データ及び製造条件データはそれぞれ複数種類でありえる。また、モデルについても、線形モデル以外にも、より複雑なモデル（例えば、非線形モデル）が想定されてもよい。なお、統計的な解析方法は、重回帰分析の他、応答曲面法等のような他の方法が利用されてもよい。

予測式は、外観不良データの種類毎に導出されてよい。例えば、外観不良データが外観不良内容毎の不良回数である場合、外観不良内容毎に、不良回数の予測式が導出されてもよい。例えば、鋳ハガレの発生回数を目的変数とした予測式と、鋳巣の発生回数を目的変数とした予測式とがそれぞれ導出されてもよい。但し、外観不良内容の如何に拘らず全体としての不良回数を目的変数とした予測式を導出してもよい。また、同じ不良回数に係る予測式であっても、所定鋳造回数毎に異なる予測式が導出されてもよい。例えば、０から１万回までの鋳造回数の範囲内における不良回数の予測式、１万回から２万回までの鋳造回数の範囲内における不良回数の予測式、２万回から３万回までの鋳造回数の範囲内における不良回数の予測式といった具合である。このように、予測式は、上述の図１のフローで予測したい外観不良態様に応じて導出されてよい。

ステップ５１４では、上記ステップ５１２で得られた予測式に基づく予測値と、実測値（上記ステップ５０２で取得された外観不良データ）との関係に基づいて、予測式の妥当性を評価する。予測式の妥当性の評価方法（検定方法）は、任意であるが、例えば、上述の最小二乗法の例の場合は、目的変数の各実測値と各予測値の差の二乗和が評価されてもよい。また、重回帰分析の場合は、重相関係数が評価されてもよい。予測式が妥当でない場合は、予測式が再度導出されてよい。この際、上記ステップ５１２のモデルの変更（例えば、要因の追加や削除）及び／又は外観不良取得対象の製品（新たな種類の製品）の追加（外観不良データの追加）を行った上で、予測式が再度導出されてもよい。尚、重回帰分析を行う場合は、要因（説明変数）の選択等を自動的に行うソフトウェアが利用されてもよい。

ステップ５１６では、上記ステップ５１４で妥当と評価された予測式を出力（採用）する。このようにして採用された予測式は、上述の図１のフローのステップ１１０において所定の予測式として使用される。

以上説明した図５に示す予測式の導出方法によれば、外観不良データ取得対象の製品を各部位に仮想的に分割する区分を定義することで、区分（番地）毎に、外観不良データと形状データ及び製造条件データとの間の相関性を評価することができる。これにより、予測精度の高い予測式を導出することができる。また、図５に示す予測式の導出方法によれば、上述の図１の外観不良予測方法と同様の態様で区分を定義するので、上述の図１の外観不良予測方法との整合性が維持され、上述の図１の外観不良予測方法による予測精度を高めることができる。

尚、図５に示す予測式の導出方法は、上述の如く新規製品の設計時に予測式を使用したいことから、新規製品の設計時までに実行されるのが望ましい。但し、予測式の導出方法は、金型による製品の量産中も、当該製品に係る外観不良データが得られ次第、予測式の更新（修正）のために継続的に実行されてもよい。これにより、多数の製品の外観不良データの蓄積に伴って、予測式の信頼性を高めていくことができる。

尚、外観不良の判断基準は、製品を製造するユーザ毎に異なりうる。この点、所定の予測式が、同一のユーザに係る過去の外観不良データに基づいて統計的に導出されている場合には、ユーザ毎に異なりうる外観不良の判断基準に適合した予測を行うことができる。但し、当然ながら、複数のユーザに係る各製品の外観不良データを用いて予測式を同様に導出することも可能である。

図６は、番地毎の外観不良データの蓄積例を示すイメージ図である。図６には、図２と同じ製品７０が上面視で示されている。図６において、各区分１２内に示す数字（０、１，２等）は、区分毎（番地毎）の不良回数を表す。このようにして、図２に示した製品７０についても、量産中に、外観不良の発生毎に外観不良データが蓄積されてよい。これにより、上述の如く、製品の外観不良データの蓄積に伴って、予測式の信頼性を高めていくことができる。尚、この際、図６に示すように、外観不良データの蓄積に係る区分（番地）は、上述の図１の外観不良予測方法で定義した区分（番地）と同一であってよい（図２参照）。これにより、上述の図１の外観不良予測方法を実行した製品については、その製品の外観不良データを用いて予測式を導出する際、上述の図１の外観不良予測方法を実行した際に取得された形状データや製造条件データをそのまま利用することができる（即ち図５のステップ５０４乃至ステップ５０８の処理を実質的に省略することができる）。

以上、本発明の好ましい実施例について詳説したが、本発明は、上述した実施例に制限されることはなく、本発明の範囲を逸脱することなく、上述した実施例に種々の変形及び置換を加えることができる。

例えば、上述した実施例では、好ましい実施例として、予測精度を高めるために、形状データと製造条件データとが組となって利用されているが、形状データのみが使用されてもよい。この場合、形状データのみが番地に紐付けられ、形状データを所定の予測式に適用することで、金型による製造時の外観不良態様が予測されてよい。即ち、図１のステップ１０４，１０６，１０８が省略され、ステップ１１０では、番地毎に、ステップ１０２で取得された形状データを所定の予測式に適用することで、製品の各部位における外観不良態様であって、金型による製造時の外観不良態様が予測されてよい。また、この場合、所定の予測式は、形状データと共に外観不良データを用いて導出されてよい。即ち、図５のステップ５０６，５０８が省略され、ステップ５１０では、ステップ５０２で取得された外観不良データと、ステップ５０４で取得された形状データとが紐付けられ、ステップ５１２では、各番地の外観不良データを目的変数とし、同番地の形状データを要因として統計的手法を適用することで、外観不良データを予測するための予測式が導出されてよい。

また、上述した実施例では、アルミ溶湯が流し込まれる鉄製の金型が想定されているが、金型の種類や製品の材料は任意である。即ち、製品は、アルミ鋳造品に限られず、金型を用いて製造される製品であれば任意であってよい。また、金型は、鋳造用の金型（鋳型）に限られず、例えば樹脂射出成形用金型であってもよいし、ブロー成形用金型であってもよいし、プレス用の金型であってもよい。

また、上述した実施例では、１つの製品に対して所定の１つの平面視で区分を定義しているが、１つの製品に対して、異なる２つ以上の平面視で区分を定義してもよい。例えば、１つの製品に対して上面視で区分を定義すると共に、側面視で区分を定義してもよい。この場合、上面視で定義された区分と、側面視で定義された区分とで別個独立に上述の外観不良予測方法を実現してもよい。

また、上述した実施例では、区分は、所定の平面視で製品全体を貫くような奥行き成分を持つ空間であったが、区分の奥行き成分は、任意の態様で設定されてもよい。但し、１つの製品に対する各区分の奥行き成分は、好ましくは、同一である。例えば所定の平面視が上面視である場合、区分の奥行きは、製品の底面まで延在せず、製品の最も肉厚の薄い部位の上面から所定厚みまで延在するだけであってもよい。この場合、各区分は、所定の平面視で定義されるので、所定の平面視の方向（奥行き方向）で他の区分と連続（又はオーバーラップ）することはない。即ち、所定の平面視で各区分を透視した際、各区分は他の区分を重なることはない（即ち奥行き方向に２つ以上の区分が存在することはない）。或いは、各区分は、所定の平面視の方向（奥行き方向）で他の区分と連続（又はオーバーラップ）してもよい。即ち、所定の平面視で各区分を透視した際、各区分は、同一の形状の他の区分と連続してもよい。

１０ 評価対象エリア
１２ 区分
７０ 製品

Claims (8)

1. 金型で製造される製品を各部位に仮想的に分割する複数の区分を任意の平面視で格子状に定義する段階であって、前記複数の区分を前記任意の平面視で垂直方向に延在して前記製品を３次元的に分割する態様で定義する段階と、
   前記区分毎に、前記製品の形状データを取得する段階と、
   前記区分毎に、取得した前記形状データに基づいて、前記区分に対応した前記製品の部位における外観不良態様であって、前記金型による製造時の外観不良態様を予測する不良態様予測段階とを備えることを特徴とする、外観不良予測方法。
2. 前記不良態様予測段階は、取得した前記形状データを所定の予測式に入力して、前記不良態様を予測することを含み、
   前記所定の予測式は、任意の製品に関する区分毎の過去の外観不良データと、同区分毎の前記任意の製品の形状データに基づいて算出される、請求項１に記載の外観不良予測方法。
3. 前記区分毎に、前記金型で前記製品を製造する際の製造条件データを取得する段階を更に備え、
   前記不良態様予測段階は、前記区分毎に、取得した前記形状データと前記製造条件データとに基づいて、前記外観不良態様を予測する、請求項１に記載の外観不良予測方法。
4. 前記不良態様予測段階は、取得した前記形状データと前記製造条件データとを所定の予測式に入力して、前記不良態様を予測することを含み、
   前記所定の予測式は、任意の製品に関する区分毎の過去の外観不良データと、同区分毎の前記任意の製品の形状データと、同区分毎の前記任意の製品に係る製造条件データとに基づいて算出される、請求項３に記載の外観不良予測方法。
5. 前記製造条件データは、前記製品の全体形状をメッシュ分割してＣＡＥ解析することにより得られる解析結果に基づいて生成される、請求項３に記載の外観不良予測方法。
6. 前記外観不良態様は、外観不良内容毎の不良回数、前記金型による製品の製造回数に関連付けられた不良回数、全体としての不良回数、及び、外観不良の度合い、のうちの少なくとも１つを表す、請求項１〜５のうちのいずれか１項に記載の外観不良予測方法。
7. 金型で製造される製品を各部位に仮想的に分割する複数の区分を任意の平面視で格子状に定義する段階であって、前記複数の区分を前記任意の平面視で垂直方向に延在して前記製品を３次元的に分割する態様で定義する手順と、
   前記区分毎に、前記製品の形状データを取得する手順と、
   前記区分毎に、取得した前記形状データに基づいて、前記区分に対応した前記製品の部位における外観不良態様であって、前記金型による製造時の外観不良態様を予測する手順とを、コンピューターに実行させるための外観不良予測プログラム。
8. 前記外観不良態様を予測する手順は、取得した前記形状データを所定の予測式に入力して、前記不良態様を予測することを含み、
   前記所定の予測式は、任意の製品に関する区分毎の過去の外観不良データと、同区分毎の前記任意の製品の形状データに基づいて算出される、請求項７に記載の外観不良予測プログラム。