JP2019084556A - 金型温度異常予兆検知装置及びプログラム - Google Patents
金型温度異常予兆検知装置及びプログラム Download PDFInfo
- Publication number
- JP2019084556A JP2019084556A JP2017213994A JP2017213994A JP2019084556A JP 2019084556 A JP2019084556 A JP 2019084556A JP 2017213994 A JP2017213994 A JP 2017213994A JP 2017213994 A JP2017213994 A JP 2017213994A JP 2019084556 A JP2019084556 A JP 2019084556A
- Authority
- JP
- Japan
- Prior art keywords
- mold
- data
- unit
- temperature abnormality
- inference
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D17/00—Pressure die casting or injection die casting, i.e. casting in which the metal is forced into a mould under high pressure
- B22D17/08—Cold chamber machines, i.e. with unheated press chamber into which molten metal is ladled
- B22D17/10—Cold chamber machines, i.e. with unheated press chamber into which molten metal is ladled with horizontal press motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D46/00—Controlling, supervising, not restricted to casting covered by a single main group, e.g. for safety reasons
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D17/00—Pressure die casting or injection die casting, i.e. casting in which the metal is forced into a mould under high pressure
- B22D17/20—Accessories: Details
- B22D17/22—Dies; Die plates; Die supports; Cooling equipment for dies; Accessories for loosening and ejecting castings from dies
- B22D17/2218—Cooling or heating equipment for dies
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D17/00—Pressure die casting or injection die casting, i.e. casting in which the metal is forced into a mould under high pressure
- B22D17/20—Accessories: Details
- B22D17/32—Controlling equipment
-
- 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
- B29C45/72—Heating or cooling
- B29C45/73—Heating or cooling of the mould
-
- 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
- B29C45/78—Measuring, controlling or regulating of temperature
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
- G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
- G08B5/36—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission using visible light sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/186—Fuzzy logic; neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
- Moulds For Moulding Plastics Or The Like (AREA)
- Molds, Cores, And Manufacturing Methods Thereof (AREA)
- Radiation Pyrometers (AREA)
- Multimedia (AREA)
Abstract
Description
例えば、ダイカストマシンによる鋳造は、金型にアルミ溶液等の溶湯を流し込み、凝固させ、鋳造品を取り出す鋳造工程を含む。鋳造部品の欠陥には、湯回り不良や鋳巣があり、これらの欠陥は、欠陥全体の70%を占める場合もある。いずれも金型の温度異常に起因する欠陥であることから、金型温度は、ダイカスト鋳造現場での重要な品質管理項目として扱われている。
(システム構成)
図1は、本実施形態に係わる金型温度制御システムの構成図である。金型温度制御システム1は、推論モデル生成装置2と、金型温度自動制御装置3と、サーモグラフィ4と、パトランプ5と、表示装置であるモニタ6とを含む。
サーモグラフィ4は、金型Dの所定の領域を撮像するように設置されている。サーモグラフィ4も、複数のダイカストマシンがあるときは、ダイカストマシン毎に設置される。後述するように、サーモグラフィ4が出力するサーモグラフィデータの中から、ダイカストの鋳造品が作成される各ショットにおける所定のタイミングで得られたサーモ画像が、推論モデル生成装置2、金型温度自動制御装置3の推論実行指示部62以降の推論処理において用いられる。
2つの金型D1,D2は、一方の金型D1がショット毎に矢印Aで示す方向に移動して金型D2に密着して型締めされる。金型D1とD2が密着している間に、ランナーR内の溶湯Mが、プランジャーPの移動により、2つの金型D1,D2内の金型キャビティ内に射出され充填される。
また、以下の例では、サーモグラフィ4は一台で、2つの金型の一方の金型キャビティ内側表面を撮像するが、サーモグラフィ4を2台以上設けて、ショット毎に2つの金型の両方の金型キャビティ内側表面を撮像するようにしてもよい。
(推論モデル生成装置の構成)
推論モデル生成装置2は、中央処理装置(以下、CPUという)、ROM、RAM等を含む制御部11(点線で示す)と、フラッシュメモリ、ハードディスクドライブ装置等を含む記憶装置12(点線で示す)と、キーボード、モニタ、マウス、データ入力及び出力インターフェースなど入出力インターフェース(以下、入出力I/Fと略す)13(点線で示す)、等のハードウエア回路を含むコンピュータである。
サーモ画像前処理部23と推論モデル生成部24は、ソフトウエアプログラムであり、記憶装置12に記録されており、制御部11のCPUによって読み出されて実行される。
図4は、サーモ画像データ保存部21のデータ構造を説明するための図である。
現場有識者は、コンピュータである推論モデル生成装置2を操作して、事前に蓄積しておいたサーモ画像データセットを、サーモ画像データ保存部21に登録する。
図5に示すように、現場有識者教示データ保存部22は、サーモ画像IDと教示データを含んで構成される。
サーモ画像IDリストは、ユーザが、推論モデル生成装置2に対してモデル生成の実行リクエストを与えるときに、ユーザにより指定されるリストであり、推論モデルの生成に用いるサーモ画像を特定する。
また、前処理では、全てのモノクロサーモ画像データから、ピクセル単位で加算しかつ255で割って平均値をとった平均画像データを作成する平均値画像データ生成処理が行われる。作成した平均画像データは一時的に記憶装置12の所定の領域に保存される。
サーモ画像前処理部23は、作成された全ての前処理データを、前処理データ一時保存部23aに登録する。
図6に示すように、前処理データ一時保存部23aは、サーモ画像IDと前処理データを含んで構成される。
上述したように、サーモ画像前処理部23は、サーモグラフィ4により得られたサーモ画像中の所定の切り出し領域のみに対して、前処理を行う。
なお、上述したように、画像SM全体に対して前処理を行うようにしてもよい。
推論モデル生成部24は、前処理データ一時保存部23aに保存された前処理データに対してディープラーニングによる学習を実行し、推論モデルを生成する処理を行う。本実施形態での推論モデル生成部24は、ダイカストマシンの鋳造ごとに、金型の温度を示すサーモ画像の各ピクセルデータをプロットした空間上から、良品と不良品をうまく分離できる境界面を定めたニューラルネットワーク型の推論モデルを作成する。
製品IDは、製品(ここでは鋳造品)を識別するためのIDである。
ダイカストマシンIDは、ダイカストマシンを識別するためのIDである。
推論モデルデータは、推論モデルを特定する行列形式のモデルパラメータセットである。
図8は、推論モデル生成処理のシーケンス図である。
サーモ画像前処理部23は、サーモ画像データ保存部21から、サーモ画像IDリストに示されるサーモ画像データセットを一括取得する(C3)。
サーモ画像前処理部23は、全ての前処理データを、前処理データ一時保存部23aに登録する(C5)。
推論モデル生成部24は、前処理データ一時保存部23aから前処理データセットを一括取得する(C7)。
ここでは、前処理データは、サンプル単位ではなく、一括して取得される。取得した前処理データと教示データは、サーモ画像IDで紐付けられる。
よって、推論モデルデータMDは、そのニューラルネットワークの構造における重みなどのパラメータデータのセットである。
図9は、前処理データと教示データの対応関係を説明するための図である。
図9では、画像G1が得られたときの製品は良品であり、同様に、画像G1に続く画像G2,G3が得られたときの製品も良品であったが、画像G3に続く画像G4、G5が得られたときの製品が不良品であるとき、画像G中の所定温度以上の領域HAの変化に基づき、Nショット先の製品の良/不良を予測できる。
図10では、前処理画像である画像G11が得られた後、次のショット、すなわち型締め、射出、保圧、零曲、型開き及び取り出し、が行われ、製品が製造される。
以上のようにして、推論モデルが生成される。
(金型温度自動制御装置の構成)
図1に戻り、金型温度自動制御装置3は、CPU、ROM、RAM等を含む制御部41(点線で示す)と、フラッシュメモリ、ハードディスクドライブ装置等を含む記憶装置42(点線で示す)と、キーボード、モニタ、マウス、データ入力インターフェースなど入出力I/F(図示せず)とを含むコンピュータである。
金型温度異常度推論部54と、金型温度異常予兆判定部55と、パトランプリクエスト送信部56と、マシン動作リクエスト送信部57と、推論注目領域可視化処理部58と、金型温度モニタ表示処理部59と、サーモグラフィデータ収集部60と、サーモグラフィ画像変換部61と、推論実行指示部62と、サーモ画像前処理部63は、ソフトウエアプログラムであり、記憶装置42に記録されており、制御部41のCPUによって読み出されて実行される。
マシン制御ルール保存部52は、ダイカストマシン7の動作を制御するマシン制御ルールを格納する記憶部である。マシン制御ルールは、前回の判定ID、現在の判定ID、マシン制御を組にしたレコードの集合体で構成される。マシン制御ルールのデータ構造については後述する。
異常予兆判定ルール保存部53は、異常予兆判定ルールを格納する記憶部である。
異常予兆判定ルールは、判定ルール、判定ID、パトランプ制御を組にした二つ以上のレコードで構成される。レコード数は、異常度のレベル数に相当し、本実施形態では、3つのレベルを定義している。例えば、「JudgeRule01」は正常レベル、「JudgeRule02」は警告レベル、「JudgeRule03」はエラーレベルの意味を持つ。各判定ルールに対し、異常度の範囲を定義している。パトランプ制御は、適合する判定ルールに対し、パトランプで点灯させる色を定義する。
金型温度異常予兆判定部55は、異常予兆判定ルールと異常度とに基づいて、異常予兆判定処理を実行する。
図1に戻り、パトランプリクエスト送信部56は、パトランプ5へ動作リクエスト信号を送信する処理部である。
推論注目領域可視化処理部58は、注目領域の勾配データを可視する処理を実行する。
金型温度モニタ表示処理部59は、推論注目領域可視化処理部58からの画像データに基づいて、モニタ6に表示する画像を生成する処理を実行する。
サーモグラフィ画像変換部61は、サーモ画像データを、サーモ画像データ一時保存部61aへ登録する。
サーモ画像前処理部63は、受け取ったN枚分のサーモ画像に対して、前処理を行う。前処理では、推論モデル生成装置2のサーモ画像前処理部23と同じように、0〜1の範囲の値に収まるように正規化処理が行われる。
すなわち、サーモ画像前処理部63は、全てのサーモ画像に対して、カラー画像からモノクロ画像に変換し、モノクロサーモ画像データを作成する。
なお、平均画像データは、推論モデル生成時に作成され、事前にサーモ画像前処理部へ登録されたデータである。
(作用)
次に、金型温度自動制御装置3の動作について説明する。
1)サーモグラフィデータの収集から推論実行リクエストの送信までの処理
まず、サーモグラフィデータの収集から推論実行リクエストの送信までの処理について説明する。
図15は、サーモグラフィデータの収集から推論実行リクエストの送信までの処理のシーケンス図である。図15の処理は、ダイカストマシン7が稼働中に実行される。
サーモグラフィデータ収集部60は、サーモグラフィ画像変換部61に対して、サーモグラフィデータを引き渡し、画像変換の実行を要求する(C13)。
サーモグラフィ画像変換部61は、サーモ画像データを、サーモ画像データ一時保存部61aへ登録する(C15)。
以上が、サーモグラフィデータの収集から推論実行リクエストの送信までの処理の流れである。
2)推論実行からパトランプ点灯までの処理
次に、推論実行からパトランプ点灯までの処理について説明する。
図16に示すように、推論実行指示部62は、サーモ画像前処理部63にN枚分のサーモ画像を送信する(C21)。
金型温度異常度推論部54は、受け取ったN枚分の前処理データを入力として、推論モデルに基づき推論処理を実行し(C24)、0.0から1.0の範囲の値の異常度を出力する。すなわち、推論実行部を構成する金型温度異常度推論部54は、金型の所定数(N)の時系列画像データである前処理データに基づいて、推論モデルを用いて異常度データを出力する。
金型温度異常予兆判定部55は、異常予兆判定ルール保存部53(図12)から、異常予兆判定ルールを取得する(C26)。
以上のC21からC29まで処理が、異常予兆判定に関わる。
よって、パトランプリクエスト送信部56は、金型の温度異常の予兆の発生が検知されたときに、所定の情報を出力する情報出力部を構成する。
次に、金型の温度異常の予兆の検知後、ダイカストマシン7の稼働を停止し、その後、金型の温度が低下して正常温度に回復し、ダイカストマシン7を再稼働するまでの処理について説明する
3)金型の温度異常の予兆の判定からダイカストマシンの稼働停止までの処理
図17は、金型の温度異常の予兆の判定からダイカストマシンの稼働停止までの処理のシーケンス図である。
金型温度異常予兆判定部55は、上述した図16のシーケンス番号C28で取得しておいた前回判定IDと、現在の判定IDから、適合するルールのレコードを選択し読み出す。例えば、前回判定IDが「JudgeRule01」であり、現在の判定IDが「JudgeRule02」であれば、図11では、2番目のレコードが適合し、マシン制御して「稼働停止」が選択される。金型温度異常予兆判定部55は、マシン動作リクエスト送信部に対して、マシン制御(稼働停止)を送信する(C42)。
マシン動作制御部8は、受信したマシン制御(稼働停止)に基づき、ダイカストマシン7の制御を実行(稼働停止)する。
よって、金型温度異常予兆判定部55は、Nショット先において不良品が製造される温度異常の予兆を検出すると、不良品が製造されるNショット前の時点で、ダイカストマシン7を停止させる。
以上のように、パトランプ5の色が青色が黄色(あるいは赤色)に変わることにより、ダイカストマシン7の管理者は、熱だまりの予兆の発生を知ることができる。
4)金型の温度の正常判定からダイカストマシンの再稼働までの処理
次に、金型の温度の正常判定からダイカストマシンの再稼働までの処理について説明する。
図18は、金型の温度の正常判定からダイカストマシンの再稼働までの処理の流れの例を示すフローチャートである。図18の処理は、制御部41の制御の下で行われる。
そして、金型温度異常予兆判定部55は、金型の温度が正常温度になったか否かを判定する(S3)。
S5では、金型温度異常予兆判定部55は、取得した異常予兆判定ルールと異常度を使って、異常予兆判定を実行する。例えば、異常度が0.3と仮定すると、図12の判定ルールから、「JudgeRule01に該当し、判定IDの「JudgeRule01」に基づき、パトランプ5の色を青にする制御信号を出力する
金型温度異常予兆判定部55は、前回判定一時保存部55aから、前回判定IDを取得する。前回鋳造時の判定結果が警告(黄)だったので、予兆検出前に保存した「JudgeRule02」が取得される。
金型温度異常予兆判定部55は、パトランプリクエスト送信部56に対し、青を点灯させるようにパトランプ点灯リクエストを送信する。パトランプ5は、青の点灯指示を受け付けて、パトランプ5の色を青として点灯する。
具体的には、金型温度異常予兆判定部55は、マシン制御ルール保存部52から、マシン制御ルールを取得する。
管理者は、サーモ画像を見て、金型の表面の温度の高い部分に離型剤を散布することにより金型の表面温度を低下させる等の対応を取ることができる。
そして、ダイカストマシンが一旦停止した後、金型の温度が正常温度に戻ると、ダイカストマシン7は、自動的に再稼働する。
5)推論時の注目領域における勾配データの可視化処理
ところで、モニタ6には金型のサーモ画像が表示可能であるが、温度異常があったときに、生成された推論モデルに基づいて、温度異常の状態を、モニタ6に表示するようにしてもよい。
図19は、勾配データの可視化処理の流れの例を示すフローチャートである。
まず、推論注目領域可視化処理部58は、N枚分の前処理データを入力として、誤差逆伝搬法を実行し、入力に対する推論注目データセットを出力する(S11)。誤差逆伝搬法については、「デビット・イー・ランメルハート、ジェフリー・イー・ヒントン、ロナルド・ジェイ・ウイリアムス著、「誤差逆伝播法による学習表示」、1986年10月8日、ネイチャー323(6088)」(Rumelhart, David E.; Hinton, Geoffrey E., Williams, Ronald J. (8 October 1986). “Learning representations by back-propagating errors”. Nature 323 (6088))を参照されたし。
推論注目データセットは、誤差逆伝搬法によって、N枚分の前処理データ集合の全てについて勾配ベクトルを算出し、その算出した勾配ベクトルを並べた行列である。
推論注目領域可視化処理部58は、データ単位で、前処理データに対応するサーモ画像データのN枚のサーモ画像と、S13で作成された平均画像データの平均画像との合成を行った推論注目領域画像データを出力する(S14)。上述した例であれば、3枚のサーモ画像と平均画像とを重畳した推論注目領域画像のデータが出力される。
推論注目領域可視化処理部58は、金型温度モニタ表示処理部59に推論注目領域画像データを供給して、可視化された勾配データとサーモ画像がモニタ6の画面上に重畳表示する(S15)。よって、可視化された勾配データは、サーモ画像上のエリア毎の誤差分布を示すということができる。
図21において、点線で示す領域Viは、勾配ベクトルをサーモ画像の領域毎に画像化した画像(以下、勾配ベクトル画像という)であるので、ユーザは、サーモ画像上に重畳された勾配ベクトル画像の模様の状態から、直感的に、金型の温度状態を知ることができる。
上述したように、例えば離型剤は毎回不均一に散布される場合があるため、熱だまりの箇所も常に同じ場所に発生しない。そのため、ピンポイントでの離型剤散布による冷却対策を打ちにくいという問題もある。しかし、上述したような熱だまりの予兆箇所も推定して可視化することで、熱だまりの予兆を検知した箇所を、ユーザが目で判断できるため、ピンポイントでの離型剤散布が可能になり、金型の冷却も加速され、不良数もさらに減ることが期待できる。
しかし、上述した実施形態によれば、従来の現場有識者と同様に、金型の時系列データ(サーモ画像)から、熱だまりの発生の予兆を自動検知することができる。
また、熱だまりの予兆箇所も推定し、可視化することができる。
Claims (9)
- 所定の間隔で取得された金型の複数のサーモ画像データと、前記複数のサーモ画像データに紐付けられた教示データに基づいて、前記複数のサーモ画像データの中から抽出された連続する所定数の時系列画像データを1つのサンプルデータとして学習して、前記金型の温度異常の予兆を検知するための推論モデルを生成するモデル生成部と、
前記金型の前記所定数の時系列画像データに基づいて、前記推論モデルを用いて前記所定数先の前記金型の前記温度異常の予兆の発生を検知する推論実行部と、
前記推論実行部が前記金型の前記温度異常の予兆の発生を検知したときに、所定の情報を出力する情報出力部と、
を有する金型温度異常予兆検知装置。 - 前記モデル生成部は、ディープラーニングによる学習により前記推論モデルの生成を行う、請求項1に記載の金型温度異常予兆検知装置。
- 前記情報出力部は、前記温度異常の予兆の発生を告知する告知部へ前記所定の情報を出力する、請求項1に記載の金型温度異常予兆検知装置。
- 前記告知部は、パトランプであり、
前記情報出力部は、前記パトランプに所定の色で点灯するよう点灯指示するリクエスト送信部である、請求項3に記載の金型温度異常予兆検知装置。 - 前記情報出力部は、前記金型を用いて製品を製造する製造装置に対する動作制御のリクエスト信号を、前記製造装置に送信するリクエスト送信部である、請求項1に記載の金型温度異常予兆検知装置。
- 前記リクエスト送信部は、前記推論実行部が前記金型の前記温度異常の予兆の発生を検知したときに、前記製造装置を停止させるリクエスト信号を、前記製造装置に送信する、請求項5に記載の金型温度異常予兆検知装置。
- 前記リクエスト送信部は、前記製造装置を停止させるリクエスト信号を前記製造装置に送信した後、前記推論実行部が前記金型の前記温度異常の予兆の発生を検知しないときに、前記製造装置を再稼働させるリクエスト信号を、前記製造装置に送信する、請求項6に記載の金型温度異常予兆検知装置。
- 前記推論モデルは、入力層、隠れ層及び出力層を含むニューラルネットワーク型の推論モデルであり、
前記推論モデルの各層の所定のパラメータについての、指定されたサーモ画像の勾配ベクトルを可視化してモニタ上に表示するための処理を行う可視化処理部を有する、請求項1に記載の金型温度異常予兆検知装置。 - 所定の間隔で取得された金型の複数のサーモ画像データと、前記複数のサーモ画像データに紐付けられた教示データに基づいて、前記複数のサーモ画像データの中から抽出された連続する所定数の時系列画像データを1つのサンプルデータとして学習して、前記金型の温度異常の予兆を検知するための推論モデルを生成する第1の手順と、
前記金型の前記所定数の時系列画像データに基づいて、前記推論モデルを用いて前記所定数先の前記金型の前記温度異常の予兆の発生を検知する第2の手順と、
前記第2の手順において前記金型の前記温度異常の予兆の発生が検知されたときに、所定の情報を出力する第3の手順と、
をコンピュータに実行させるためのプログラム。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017213994A JP6591509B2 (ja) | 2017-11-06 | 2017-11-06 | 金型温度異常予兆検知装置及びプログラム |
CN201880071615.XA CN111372704B (zh) | 2017-11-06 | 2018-03-27 | 模具温度异常预兆检测装置以及存储介质 |
KR1020207012785A KR102363152B1 (ko) | 2017-11-06 | 2018-03-27 | 금형 온도 이상 예조 검지 장치 및 기억 매체 |
PCT/JP2018/012544 WO2019087427A1 (ja) | 2017-11-06 | 2018-03-27 | 金型温度異常予兆検知装置及び記憶媒体 |
EP18874595.4A EP3708274A4 (en) | 2017-11-06 | 2018-03-27 | DEVICE FOR DETECTING SHAPE TEMPERATURE ANOMALIES AND STORAGE MEDIUM |
US16/857,393 US11501509B2 (en) | 2017-11-06 | 2020-04-24 | Mold temperature anomaly sign detection apparatus, mold temperature anomaly sign detection method and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017213994A JP6591509B2 (ja) | 2017-11-06 | 2017-11-06 | 金型温度異常予兆検知装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019084556A true JP2019084556A (ja) | 2019-06-06 |
JP6591509B2 JP6591509B2 (ja) | 2019-10-16 |
Family
ID=66331563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017213994A Active JP6591509B2 (ja) | 2017-11-06 | 2017-11-06 | 金型温度異常予兆検知装置及びプログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11501509B2 (ja) |
EP (1) | EP3708274A4 (ja) |
JP (1) | JP6591509B2 (ja) |
KR (1) | KR102363152B1 (ja) |
CN (1) | CN111372704B (ja) |
WO (1) | WO2019087427A1 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112060520A (zh) * | 2019-06-11 | 2020-12-11 | 发那科株式会社 | 机器学习装置、预测装置以及控制装置 |
JP2021005846A (ja) * | 2019-06-27 | 2021-01-14 | オリンパス株式会社 | 積層型撮像デバイス、撮像装置、撮像方法、学習方法及び画像読み出し回路 |
JP2021026505A (ja) * | 2019-08-05 | 2021-02-22 | ギリア株式会社 | 情報処理装置および情報処理用プログラム |
JP2021037725A (ja) * | 2019-09-05 | 2021-03-11 | 株式会社ソディック | 射出成形機の画像記録装置 |
JP2021041435A (ja) * | 2019-09-12 | 2021-03-18 | ジヤトコ株式会社 | 鋳造金型用の温度測定装置 |
KR20210067183A (ko) * | 2019-11-29 | 2021-06-08 | 한국생산기술연구원 | 딥러닝을 이용한 다이캐스팅 공정 관리 시스템 |
WO2022210424A1 (ja) * | 2021-03-31 | 2022-10-06 | 住友重機械工業株式会社 | 品質予測装置及びその方法、プログラム並びに記録媒体 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020190956A (ja) * | 2019-05-22 | 2020-11-26 | 株式会社東芝 | 製造条件出力装置、品質管理システム及びプログラム |
KR102144576B1 (ko) * | 2020-03-16 | 2020-08-13 | (주)사이버테크프랜드 | 사출 제조 제어 시스템 |
JP7483436B2 (ja) | 2020-03-23 | 2024-05-15 | 住友重機械工業株式会社 | 射出成形機及びステータス決定装置 |
KR102417415B1 (ko) | 2020-11-06 | 2022-07-06 | 한국생산기술연구원 | 딥러닝 이상 감지 기반 생산 제품 불량 검출 방법 및 시스템 |
KR102400577B1 (ko) * | 2021-12-14 | 2022-05-23 | (주)대양아이앤디 | 냉각장치가 포함된 사출금형 |
CN115446276A (zh) * | 2022-10-05 | 2022-12-09 | 大连理工大学 | 基于卷积神经网络识别结晶器铜板v型黏结特征的连铸漏钢预警方法 |
KR102574092B1 (ko) | 2023-03-14 | 2023-09-04 | 주식회사 아이투프럼 | 인공지능 기반 온도 및 진동 센서 데이터를 활용한 금형 이상 여부 판단 방법, 장치 및 시스템 |
CN116341995A (zh) * | 2023-05-30 | 2023-06-27 | 深圳市鼎盛精密工业有限公司 | 一种模具生命周期管理方法、系统及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0477219A (ja) * | 1990-07-19 | 1992-03-11 | Toshiba Corp | 成形支援エキスパートシステム |
JPH09262886A (ja) * | 1996-03-28 | 1997-10-07 | Japan Steel Works Ltd:The | 樹脂可塑化用シリンダの温度制御方法および温度制御装置 |
US20080038395A1 (en) * | 2003-11-20 | 2008-02-14 | Avalon Vision Solutions, Inc. | Sensory System and Method Thereof |
JP2013212526A (ja) * | 2012-04-03 | 2013-10-17 | Mazda Motor Corp | 金型温度監視装置及びその監視方法 |
JP2014046488A (ja) * | 2012-08-29 | 2014-03-17 | Sumitomo Heavy Ind Ltd | 射出成形機 |
JP2014162132A (ja) * | 2013-02-26 | 2014-09-08 | Murata Mach Ltd | 型締装置の管理システム |
JP2017142595A (ja) * | 2016-02-09 | 2017-08-17 | ファナック株式会社 | 生産制御システムおよび統合生産制御システム |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5637287B2 (ja) | 1973-08-08 | 1981-08-29 | ||
JPS6059375B2 (ja) | 1978-07-31 | 1985-12-25 | 松下電工株式会社 | 簡易水洗便器のハンドル構造 |
JP2718800B2 (ja) * | 1990-01-25 | 1998-02-25 | 富士通株式会社 | 連続鋳造のブレークアウト予知処理方式 |
JPH08267528A (ja) * | 1995-03-31 | 1996-10-15 | Seikosha Co Ltd | 金型監視装置 |
JP5487474B2 (ja) | 2006-02-28 | 2014-05-07 | 昭和電工株式会社 | 熱間鍛造による鍛造方法 |
JP2008040647A (ja) * | 2006-08-03 | 2008-02-21 | Meiwa E Tec:Kk | 温度制御装置 |
JP5301310B2 (ja) * | 2009-02-17 | 2013-09-25 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
CN102147290A (zh) * | 2011-01-14 | 2011-08-10 | 北京广微积电科技有限公司 | 红外成像温度监测方法和系统 |
JP5808605B2 (ja) * | 2011-08-17 | 2015-11-10 | 株式会社日立製作所 | 異常検知・診断方法、および異常検知・診断システム |
CN103240832B (zh) * | 2013-05-23 | 2015-05-13 | 无锡新开河储罐有限公司 | 滚塑工艺中模具温度的自动控制方法 |
CN104809722B (zh) * | 2015-04-13 | 2018-09-28 | 国家电网公司 | 一种基于红外热像的电气设备故障诊断方法 |
CN106980729B (zh) * | 2015-07-24 | 2018-08-17 | 安徽工业大学 | 一种基于混合模型的连铸漏钢预报方法 |
JP6666795B2 (ja) | 2016-05-31 | 2020-03-18 | 株式会社小松製作所 | 作業車両 |
JP2018124990A (ja) * | 2017-01-31 | 2018-08-09 | キヤノン株式会社 | モデル生成装置、評価装置、モデル生成方法、評価方法及びプログラム |
CN107067026A (zh) * | 2017-02-16 | 2017-08-18 | 国网江苏省电力公司电力科学研究院 | 基于深度神经网络的电力设备故障检测方法 |
CN107020366A (zh) * | 2017-04-21 | 2017-08-08 | 苏州春兴精工股份有限公司 | 模具温度采集方法 |
-
2017
- 2017-11-06 JP JP2017213994A patent/JP6591509B2/ja active Active
-
2018
- 2018-03-27 WO PCT/JP2018/012544 patent/WO2019087427A1/ja unknown
- 2018-03-27 EP EP18874595.4A patent/EP3708274A4/en active Pending
- 2018-03-27 KR KR1020207012785A patent/KR102363152B1/ko active IP Right Grant
- 2018-03-27 CN CN201880071615.XA patent/CN111372704B/zh active Active
-
2020
- 2020-04-24 US US16/857,393 patent/US11501509B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0477219A (ja) * | 1990-07-19 | 1992-03-11 | Toshiba Corp | 成形支援エキスパートシステム |
JPH09262886A (ja) * | 1996-03-28 | 1997-10-07 | Japan Steel Works Ltd:The | 樹脂可塑化用シリンダの温度制御方法および温度制御装置 |
US20080038395A1 (en) * | 2003-11-20 | 2008-02-14 | Avalon Vision Solutions, Inc. | Sensory System and Method Thereof |
JP2013212526A (ja) * | 2012-04-03 | 2013-10-17 | Mazda Motor Corp | 金型温度監視装置及びその監視方法 |
JP2014046488A (ja) * | 2012-08-29 | 2014-03-17 | Sumitomo Heavy Ind Ltd | 射出成形機 |
JP2014162132A (ja) * | 2013-02-26 | 2014-09-08 | Murata Mach Ltd | 型締装置の管理システム |
JP2017142595A (ja) * | 2016-02-09 | 2017-08-17 | ファナック株式会社 | 生産制御システムおよび統合生産制御システム |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112060520A (zh) * | 2019-06-11 | 2020-12-11 | 发那科株式会社 | 机器学习装置、预测装置以及控制装置 |
JP2021005846A (ja) * | 2019-06-27 | 2021-01-14 | オリンパス株式会社 | 積層型撮像デバイス、撮像装置、撮像方法、学習方法及び画像読み出し回路 |
JP2021026505A (ja) * | 2019-08-05 | 2021-02-22 | ギリア株式会社 | 情報処理装置および情報処理用プログラム |
JP2021037725A (ja) * | 2019-09-05 | 2021-03-11 | 株式会社ソディック | 射出成形機の画像記録装置 |
JP2021041435A (ja) * | 2019-09-12 | 2021-03-18 | ジヤトコ株式会社 | 鋳造金型用の温度測定装置 |
JP7345976B2 (ja) | 2019-09-12 | 2023-09-19 | ジヤトコ株式会社 | 鋳造金型用の温度測定装置 |
KR20210067183A (ko) * | 2019-11-29 | 2021-06-08 | 한국생산기술연구원 | 딥러닝을 이용한 다이캐스팅 공정 관리 시스템 |
KR102298755B1 (ko) | 2019-11-29 | 2021-09-07 | 한국생산기술연구원 | 딥러닝을 이용한 다이캐스팅 공정 관리 시스템 |
WO2022210424A1 (ja) * | 2021-03-31 | 2022-10-06 | 住友重機械工業株式会社 | 品質予測装置及びその方法、プログラム並びに記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
WO2019087427A1 (ja) | 2019-05-09 |
JP6591509B2 (ja) | 2019-10-16 |
EP3708274A4 (en) | 2021-08-18 |
EP3708274A1 (en) | 2020-09-16 |
CN111372704B (zh) | 2022-10-28 |
KR102363152B1 (ko) | 2022-02-15 |
KR20200065037A (ko) | 2020-06-08 |
CN111372704A (zh) | 2020-07-03 |
US11501509B2 (en) | 2022-11-15 |
US20200257916A1 (en) | 2020-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019087427A1 (ja) | 金型温度異常予兆検知装置及び記憶媒体 | |
US10725459B2 (en) | Identifying and distributing optimal machine parameters within a fleet of additive manufacturing machines | |
US11468538B2 (en) | Segmentation and prediction of low-level temporal plume patterns | |
CN108846841A (zh) | 显示屏质量检测方法、装置、电子设备及存储介质 | |
US20180196400A1 (en) | Plant operation support apparatus, plant operation support method, and plant operation support program recording medium | |
JP7297831B2 (ja) | 製造条件出力装置、品質管理システム及びプログラム | |
WO2008116037A1 (en) | A flare characterization and control system | |
WO1989000726A1 (en) | Controller having deducing function | |
TW202004573A (zh) | 學習裝置、學習推論裝置、方法及程式 | |
JP6817974B2 (ja) | 計算機システム | |
US11443513B2 (en) | Systems and methods for resource analysis, optimization, or visualization | |
JP7481537B2 (ja) | 情報処理システム、情報処理方法及び情報処理装置 | |
JP7006104B2 (ja) | 気流測定装置 | |
JP7446060B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
JP2006276924A (ja) | 設備機器診断装置及び設備機器診断プログラム | |
JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
CA3160311A1 (en) | Assessing a quality of a cooking medium in a fryer using artificial intelligence | |
US20220141555A1 (en) | Management system and calculation method | |
JP2022098763A (ja) | 鮮度管理システム、鮮度管理方法および、鮮度管理プログラム | |
JP7259438B2 (ja) | 熱画像補正装置、熱画像補正方法、および、熱画像補正プログラム | |
JP2021114257A (ja) | 品質予測装置、品質予測方法、品質予測プログラム、学習装置、および学習済みモデル | |
US20230152759A1 (en) | Information processing apparatus, information processing method, and computer program product | |
US20240053287A1 (en) | Probability of detection of lifecycle phases of corrosion under insulation using artificial intelligence and temporal thermography | |
KR100973574B1 (ko) | 열화상 분석을 통한 에너지 손실 진단 시스템 | |
JP2023019009A (ja) | 作業状況分析システム及び作業状況分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190507 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190708 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190820 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190918 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6591509 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |