JP2021066084A - 学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システム - Google Patents
学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システム Download PDFInfo
- Publication number
- JP2021066084A JP2021066084A JP2019192840A JP2019192840A JP2021066084A JP 2021066084 A JP2021066084 A JP 2021066084A JP 2019192840 A JP2019192840 A JP 2019192840A JP 2019192840 A JP2019192840 A JP 2019192840A JP 2021066084 A JP2021066084 A JP 2021066084A
- Authority
- JP
- Japan
- Prior art keywords
- set value
- learning model
- degree
- molding machine
- defect
- 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
- 238000000465 moulding Methods 0.000 title claims abstract description 182
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004590 computer program Methods 0.000 title claims description 19
- 230000007547 defect Effects 0.000 claims abstract description 111
- 238000012549 training Methods 0.000 claims abstract description 65
- 238000010801 machine learning Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 16
- 230000002950 deficient Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000002347 injection Methods 0.000 description 23
- 239000007924 injection Substances 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 21
- 238000003860 storage Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000005303 weighing Methods 0.000 description 11
- 238000001746 injection moulding Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 239000011347 resin Substances 0.000 description 6
- 229920005989 resin Polymers 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010097 foam moulding Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000012778 molding material Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- B29C45/768—Detecting defective moulding conditions
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
-
- 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
-
- 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
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- B29C2945/76003—Measured parameter
- B29C2945/76163—Errors, malfunctioning
-
- 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
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32193—Ann, neural base quality management
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45244—Injection molding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
Description
特許文献2の装置は、射出成形の異常診断を行うことができるが、成形機の最適な設定値を決定することはできない。
図1は、実施形態1に係る成形装置システムの構成例を示すブロック図である。実施形態1に係る成形装置システムは、設定値決定装置1及び成形機2を備える。
記憶部12、入力インタフェース13及び出力インタフェース14は演算部11に接続されている。
なお、設定値決定装置1は、図示しないネットワークに接続されたサーバ装置であっても良い。
本実施形態に係るコンピュータプログラム12aは、記録媒体3にコンピュータ読み取り可能に記録されている態様でも良い。記憶部12は、図示しない読出装置によって記録媒体3から読み出されたコンピュータプログラム12aを記憶する。記録媒体3はフラッシュメモリ等の半導体メモリである。また、記録媒体3はCD(Compact Disc)−ROM、DVD(Digital Versatile Disc)−ROM、BD(Blu-ray(登録商標)Disc)等の光ディスクでも良い。更に、記録媒体3は、フレキシブルディスク、ハードディスク等の磁気ディスク、磁気光ディスク等であっても良い。更にまた、図示しない通信網に接続されている図示しない外部サーバから本実施形態に係るコンピュータプログラム12aをダウンロードし、記憶部12に記憶させても良い。
成形条件は、温度計、圧力計、速度測定器、加速度測定器、位置センサ、タイマ、重量計等を用いて計測して得た、金型内樹脂温度、ノズル温度、シリンダ温度、ホッパ温度、型締力、射出速度、射出加速度、射出ピーク圧力、射出ストローク、シリンダ先端樹脂圧、逆防リング着座状態、保圧切替圧力、保圧切替速度、保圧切替位置、保圧完了位置、クッション位置、計量背圧、計量トルク、計量完了位置、スクリュ後退速度、サイクル時間、型閉時間、射出時間、保圧時間、計量時間、型開時間等の情報を含む。
周辺機器設定値は、温度計、計量器等を用いて計測して得た、固定値設定された金型温度、変動値設定された金型温度、ペレット供給量等の情報を含む。
雰囲気情報は、温度計、湿度計、流量計等を用いて得た雰囲気温度、雰囲気湿度、対流に関する情報(レイノルズ数等)等の情報をふくむ。
計測部1cは、その他、金型開き量、バックフロー量、タイバー変形量、ヒータ加熱率を計測しても良い。
計測部1cは、計測処理によって得られた計測値のデータを入力インタフェース13へ出力する。
成形品の良否度合いは、良品及び不良品を(1,0)等の2値で示すデータであっても良いし、成形品の品質の程度を数値で示すデータであっても良い。成形品の良否度合いは、不良度合入力部1bから出力される不良度合いに基づいて算出したものであっても良い。
なお、第1訓練データは、一の成形機2から設定値、計測値及び良否度合いのデータを取得して記憶部12に記憶させることによって収集しても良いし、複数の成形機2から得られる設定値、計測値及び良否度合いのデータを集積したものであっても良い。また、外部のサーバ又は記憶装置に蓄積されている設定値、計測値及び良否度合いのデータを取得することによって、第1訓練データを収集しても良い。
入力層は、成形条件を定める複数項目の設定値がそれぞれ入力される複数のノードと、複数項目の計測値がそれぞれ入力される複数のノードとを有する。
隠れ層は、複数のノードを有する中間層を複数備え、入力側の中間層のノードは入力層のノードと結合されている。各ノードの活性化関数は、例えばシグモイド関数、ハイパボリックタンジェント関数、ReLu関数、Leaky ReLU関数である。なお、隠れ層の一部をドロップアウト層としても良い。
出力層は、成形品が良品である確率を出力するノードと、前記成形品が不良品である確率を出力するノードとを有する。出力層の各ノードは、出力側の中間層のノードと結合されている。
なお、第2訓練データは、一の成形機2から不良タイプ別の不良度合い、計測値、及び不良度合いを低減することができた設定値又は変更量のデータを取得して記憶部12に記憶させることによって収集しても良いし、複数の成形機2から得られる設定値、計測値及び設定値又は変更量を集積したものであっても良い。また、外部のサーバ又は記憶装置に蓄積されている設定値、計測値及び設定値又は変更量のデータを取得することによって、第2訓練データを収集しても良い。
入力層は、不良タイプ別に不良度合いがそれぞれ入力される複数のノードと、複数項目の計測値がそれぞれ入力される複数のノードとを有する。
隠れ層は、複数のノードを有する中間層を複数備える。隠れ層の構成は、第1学習モデル12bの隠れ層と同様の構成である。入力側の中間層のノードは入力層のノードと結合されている。
出力層は、成形条件を定める複数項目それぞれの設定値、又は当該設定値の変更量(調整量)が出力される複数のノードを有する。出力層の各ノードは、出力側の中間層のノードと結合されている。
なお、ステップS11へ戻し第1学習モデル12b及び第2学習モデル12cを機械学習させるタイミングは特に限定されるものでは無い。例えば、演算部11は、成形を行う都度、ステップS15へ戻しても良いし、ステップS15において所定回数の成形が行われた後に、処理をステップS11へ戻すとよい。また、演算部11は、第1訓練データ及び第2訓練データの収集状況に応じて、異なるタイミングで第1学習モデル12b及び第2学習モデル12cを機械学習させるように構成しても良い。
また、第1学習モデル12b及び第2学習モデル12cは逐次相互に学習させてもよいし、いずれかの学習モデルを推論のみに用いて、もう一方の学習モデルだけを学習させてもよい。
実施形態2に係る学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機は、設定値決定装置201が成形機202に設けられている点が実施形態1とことなるため、以下では主に上記相違点を説明する。その他の構成及び作用効果は実施形態1と同様であるため、対応する箇所には同様の符号を付して詳細な説明を省略する。
実施形態3に係る学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システムは、設定値決定装置301が、成形機302の外部のサーバ装置304に設けられている点が実施形態1と異なるため、以下では主に上記相違点を説明する。その他の構成及び作用効果は実施形態1と同様であるため、対応する箇所には同様の符号を付して詳細な説明を省略する。
通信部320dは、設定値調整装置の動作に必要な不良度合い、計測値及び設定値等のデータをサーバ装置304へ送信する。また通信部320dは、不良度合いを低減させることが可能な設定値をサーバ装置304に要求し、要求に応じてサーバ装置304から送信される設定値を受信する。制御装置320は、受信した設定値に基づいて、成形制御を実行する。
図9は、変形例に係る成形装置システムを示すブロック図である。上記実施形態3においては、サーバ装置304から成形機302へ設定値を送信する構成であったが、生成された第2学習モデル320eを成形機302へ配信するように構成しても良い。
1a 設定部
1b 不良度合入力部
1c 計測部
2 成形機
3 記録媒体
11 演算部
12 記憶部
12a コンピュータプログラム
12b 第1学習モデル
12c 第2学習モデル
13 入力インタフェース
14 出力インタフェース
Claims (13)
- 成形機に係る設定値を決定するための学習モデルを生成する学習モデル生成方法であって、
前記成形機に係る前記設定値と、前記成形機による成形が実行されたときに該成形に係る物理量を計測して得られる計測値と、前記設定値が設定され、かつ前記計測値が得られる状態において前記成形機が生成する成形品の良否度合いとを含む第1訓練データを収集し、
収集した第1訓練データに基づく機械学習にて、前記設定値及び前記計測値が入力された場合、前記成形機が生成する成形品の良否度合いを出力する第1学習モデルを生成し、
成形品の不良タイプ別の不良度合いと、前記計測値と、前記不良度合い及び前記計測値が得られる状態において少なくとも前記不良度合いを低減させることが可能な前記設定値又は該設定値の変更量とを含む第2訓練データを収集し、
収集した第2訓練データ及び前記第1学習モデルから出力される良否度合いに基づく機械学習にて、前記不良度合い及び前記計測値が入力された場合、少なくとも前記不良度合いを低減させることが可能な前記設定値又は該設定値の変更量を出力する第2学習モデルを生成する
学習モデル生成方法。 - 機械学習中の前記第2学習モデルから出力される前記設定値又は前記変更量に基づく設定値と、第2訓練データに含まれる前記計測値とを前記第1学習モデルに入力することによって、前記第1学習モデルから出力される前記良否度合いを用いて前記第2学習モデルを機械学習させる
請求項1に記載の学習モデル生成方法。 - 前記第2学習モデルから出力される前記設定値、又は前記変更量に基づく設定値と、前記成形機による成形が実行されたときに該成形に係る物理量を計測して得られる計測値と、前記設定値が設定され、かつ前記計測値が得られる状態において前記成形機が生成する成形品の良否度合いとを含む第1訓練データに基づく機械学習にて、前記第1学習モデルを機械学習させる
請求項1又は請求項2に記載の学習モデル生成方法。 - 前記第2学習モデルの生成に用いる目的関数は、
前記第2学習モデルから出力される前記設定値又は前記変更量と、第2訓練データに含まれる前記設定値又は前記変更量との差分が小さくなる程、前記第1学習モデルから出力される前記良否度合いが示す良品の度合いが高い程、又は不良の度合いが低い程、値が小さくなる関数である
請求項1から請求項3のいずれか1項に記載の学習モデル生成方法。 - 前記目的関数は、
前記第1学習モデルから出力される前記良否度合いが示す不良品の度合いが高い程、前記値が大きくなる罰則項を有し、
該罰則項は前記良否度合いに対する前記値の変化率を定めるパラメータを有する
請求項4に記載の学習モデル生成方法。 - 前記第1学習モデルは、
前記成形品が良品である確率と、前記成形品が不良品である確率とを出力する機械学習器であり、
前記第2学習モデルは、
前記設定値又は前記変更量を出力する機械学習器である
請求項1から請求項5のいずれか1項に記載の学習モデル生成方法。 - 生成された前記第2学習モデルを前記成形機へ配信する
請求項1から請求項6のいずれか1項に記載の学習モデル生成方法。 - コンピュータに、成形機に係る設定値を決定するための学習モデルを生成させるためのコンピュータプログラムであって、
前記コンピュータに、
前記成形機に係る前記設定値と、前記成形機による成形が実行されたときに該成形に係る物理量を計測して得られる計測値と、前記設定値が設定され、かつ前記計測値が得られる状態において前記成形機が生成する成形品の良否度合いとを含む第1訓練データを収集し、
収集した第1訓練データに基づく機械学習にて、前記設定値及び前記計測値が入力された場合、前記成形機が生成する成形品の良否度合いを出力する第1学習モデルを生成し、
成形品の不良タイプ別の不良度合いと、前記計測値と、前記不良度合い及び前記計測値が得られる状態において少なくとも前記不良度合いを低減させることが可能な前記設定値又は該設定値の変更量とを含む第2訓練データを収集し、
収集した第2訓練データ及び前記第1学習モデルから出力される良否度合いに基づく機械学習にて、前記不良度合い及び前記計測値が入力された場合、少なくとも前記不良度合いを低減させることが可能な前記設定値又は該設定値の変更量を出力する第2学習モデルを生成する
処理を実行させるためのコンピュータプログラム。 - 成形機に係る設定値を決定するための学習モデルを生成し、生成された学習モデルに基づいて前記設定値を決定する設定値決定装置であって、
前記成形機に係る前記設定値と、前記成形機による成形が実行されたときに該成形に係る物理量を計測して得られる計測値と、前記設定値が設定され、かつ前記計測値が得られる状態において前記成形機が生成する成形品の良否度合いとを含む第1訓練データを収集する第1収集処理部と、
該第1収集処理部が収集した第1訓練データに基づく機械学習にて、前記設定値及び前記計測値が入力された場合、前記成形機が生成する成形品の良否度合いを出力する第1学習モデルを生成する第1学習処理部と、
成形品の不良タイプ別の不良度合いと、前記計測値と、前記不良度合い及び前記計測値が得られる状態において少なくとも前記不良度合いを低減させることが可能な前記設定値又は該設定値の変更量とを含む第2訓練データを収集する第2収集処理部と、
該第2収集処理部が収集した第2訓練データ及び前記第1学習モデルから出力される良否度合いに基づく機械学習にて、前記不良度合い及び前記計測値が入力された場合、少なくとも前記不良度合いを低減させることが可能な前記設定値又は該設定値の変更量を出力する第2学習モデルを生成する第2学習処理部と
を備える設定値決定装置。 - 請求項9に記載の設定値決定装置を備え、
該設定値決定装置にて決定された前記設定値に基づいて動作する成形機。 - 成形機が生産する成形品の不良タイプ別の不良度合いを取得する第1取得部と、
前記成形機による成形が実行されたときに前記成形に係る物理量を計測して得られる計測値を取得する第2取得部と、
前記第1取得部が取得した前記不良度合い及び前記第2取得部が取得した前記計測値が入力された場合、前記不良度合い及び前記計測値が得られる状態において少なくとも前記不良度合いを低減させることが可能な前記成形機に係る設定値が出力される学習モデルと
を備え、
前記第1取得部が取得した前記不良度合いと、前記第2取得部が取得した前記計測値とを前記学習モデルに入力することによって、前記設定値を出力させ、出力された該設定値に基づいて動作する成形機。 - 前記学習モデルは、
前記設定値及び前記計測値が入力された場合、前記設定値が設定され、かつ前記計測値が得られる状態において前記成形機が生成する成形品の良否度合いを出力する他の学習モデルを用いて機械学習されている
請求項11に記載の成形機。 - 請求項9に記載の設定値決定装置と、成形機と
を備える成形装置システム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019192840A JP7344754B2 (ja) | 2019-10-23 | 2019-10-23 | 学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システム |
CN202080073194.1A CN114829102A (zh) | 2019-10-23 | 2020-10-08 | 学习模型生成方法、计算机程序、设定值决定装置、成型机和成型装置系统 |
PCT/JP2020/038176 WO2021079751A1 (ja) | 2019-10-23 | 2020-10-08 | 学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システム |
US17/770,419 US20220402183A1 (en) | 2019-10-23 | 2020-10-08 | Learning Model Generation Method, Non-Transitory Computer Readable Recording Medium, Set Value Determination Device, Molding Machine, and Molding Apparatus System |
TW109135887A TW202126462A (zh) | 2019-10-23 | 2020-10-16 | 學習模型產生方法、設定值決定裝置、成形機以及成形裝置系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019192840A JP7344754B2 (ja) | 2019-10-23 | 2019-10-23 | 学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021066084A true JP2021066084A (ja) | 2021-04-30 |
JP7344754B2 JP7344754B2 (ja) | 2023-09-14 |
Family
ID=75619965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019192840A Active JP7344754B2 (ja) | 2019-10-23 | 2019-10-23 | 学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220402183A1 (ja) |
JP (1) | JP7344754B2 (ja) |
CN (1) | CN114829102A (ja) |
TW (1) | TW202126462A (ja) |
WO (1) | WO2021079751A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114083770B (zh) * | 2021-10-29 | 2024-03-22 | 北京百度网讯科技有限公司 | 工艺参数调整及模型训练方法、装置、设备与存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018185723A (ja) * | 2017-04-27 | 2018-11-22 | 株式会社東芝 | 券売機、およびプログラム |
JP2019166702A (ja) * | 2018-03-23 | 2019-10-03 | 株式会社日本製鋼所 | 機械学習器により成形条件を調整する射出成形機システム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0631787A (ja) * | 1992-07-13 | 1994-02-08 | Sumitomo Heavy Ind Ltd | 射出成形機の成形状態表示装置 |
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 |
JP6346128B2 (ja) * | 2015-07-28 | 2018-06-20 | ファナック株式会社 | 最適な操作条件を算出できる射出成形システム及び機械学習器 |
JP2017132260A (ja) * | 2017-03-17 | 2017-08-03 | ファナック株式会社 | 射出成形における最適な操作条件を算出できるシステム |
JP6557272B2 (ja) * | 2017-03-29 | 2019-08-07 | ファナック株式会社 | 状態判定装置 |
JP6573647B2 (ja) * | 2017-07-10 | 2019-09-11 | 株式会社日本製鋼所 | 計算機と複数台の射出成形機とからなる射出成形機システム |
JP6659647B2 (ja) * | 2017-09-29 | 2020-03-04 | ファナック株式会社 | 数値制御システム及び逆流防止弁状態検知方法 |
JP2019086928A (ja) * | 2017-11-06 | 2019-06-06 | ファナック株式会社 | 制御装置及び機械学習装置 |
-
2019
- 2019-10-23 JP JP2019192840A patent/JP7344754B2/ja active Active
-
2020
- 2020-10-08 US US17/770,419 patent/US20220402183A1/en active Pending
- 2020-10-08 CN CN202080073194.1A patent/CN114829102A/zh active Pending
- 2020-10-08 WO PCT/JP2020/038176 patent/WO2021079751A1/ja active Application Filing
- 2020-10-16 TW TW109135887A patent/TW202126462A/zh unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018185723A (ja) * | 2017-04-27 | 2018-11-22 | 株式会社東芝 | 券売機、およびプログラム |
JP2019166702A (ja) * | 2018-03-23 | 2019-10-03 | 株式会社日本製鋼所 | 機械学習器により成形条件を調整する射出成形機システム |
Also Published As
Publication number | Publication date |
---|---|
US20220402183A1 (en) | 2022-12-22 |
WO2021079751A1 (ja) | 2021-04-29 |
CN114829102A (zh) | 2022-07-29 |
JP7344754B2 (ja) | 2023-09-14 |
TW202126462A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6346128B2 (ja) | 最適な操作条件を算出できる射出成形システム及び機械学習器 | |
JP2021146564A (ja) | 成形品判定装置、成形品判定方法、および成形品判定プログラム | |
KR20070039051A (ko) | 매개변수형 사출 성형 시스템 및 방법 | |
WO2021079751A1 (ja) | 学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システム | |
JP6876302B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP2019014187A (ja) | 計算機と複数台の射出成形機とからなる射出成形機システム | |
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 | |
JP4536200B2 (ja) | 成形試験システムおよび成形試験方法 | |
WO2022054463A1 (ja) | 機械学習方法、コンピュータプログラム、機械学習装置及び成形機 | |
WO2023032375A1 (ja) | 成形条件パラメータ調整方法、コンピュータプログラム、成形条件パラメータ調整装置及び成形機 | |
WO2024106002A1 (ja) | 成形条件修正装置、成形機、成形条件修正方法及びコンピュータプログラム | |
WO2023007945A1 (ja) | データセット作成方法、学習モデル生成方法、コンピュータプログラム及びデータセット作成装置 | |
US10882236B2 (en) | Molding system, molding apparatus, inspection apparatus, inspection method, and program | |
WO2022196755A1 (ja) | 強化学習方法、コンピュータプログラム、強化学習装置及び成形機 | |
WO2022210424A1 (ja) | 品質予測装置及びその方法、プログラム並びに記録媒体 | |
JP2024018556A (ja) | 成形条件調整装置、成形機、成形条件調整方法及びコンピュータプログラム | |
TWI829076B (zh) | 藉由機器學習輔助模擬壓力數值進行虛實校正的學習方法 | |
WO2024111172A1 (ja) | 成形品品質ばらつき推定装置、成形品品質ばらつき推定方法、及び射出成形システム | |
CN117921966A (zh) | 信息处理装置、注射成型机及程序 | |
WO2022153645A1 (ja) | 計測装置、計測方法および射出成形装置 | |
JP2023017386A (ja) | 成形条件調整方法、コンピュータプログラム、成形条件調整装置及び射出成形機 | |
JPWO2022153645A5 (ja) | ||
Saedon et al. | Multi-objectives Optimization of Volumetric Shrinkage and Warpage for Disposable Mouth Mirrors Using Taguchi Method, ANOVA and Grey Relational Analysis (GRA) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221005 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230530 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230712 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230707 |
|
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: 20230829 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230904 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7344754 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |