JP2021140801A - パラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラム - Google Patents
パラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラム Download PDFInfo
- Publication number
- JP2021140801A JP2021140801A JP2021069212A JP2021069212A JP2021140801A JP 2021140801 A JP2021140801 A JP 2021140801A JP 2021069212 A JP2021069212 A JP 2021069212A JP 2021069212 A JP2021069212 A JP 2021069212A JP 2021140801 A JP2021140801 A JP 2021140801A
- Authority
- JP
- Japan
- Prior art keywords
- parameter value
- model
- condition
- target device
- evaluation index
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Stored Programmes (AREA)
Abstract
【課題】ユーザが、接合装置など対象装置が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能なパラメータ値取得装置を提供する。【解決手段】パラメータ取得装置は、対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力する第一モデルを生成する第一モデル生成部と、前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、を備える。【選択図】図３
Description
本発明は、パラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラムに関する。
接合装置などの装置を動作させるための設定を行う技術が幾つか提案されている。
例えば特許文献１には、特定の溶接工程のための溶接パラメータを対話的に設定する接合装置が記載されている。この接合装置の制御装置は、「エネルギディレクタを有する圧縮溶接」、「剪断接合」などの溶接工程のリストを表示して、適当な溶接工程を選択するようユーザを促す。ユーザが溶接工程を選択すると、制御装置は、「溶接面積」、「溶接距離」など、選択された接続工程に応じた情報をさらに入力するよう促す。さらに制御装置は、使用される溶接機の種類を入力するよう促す。
例えば特許文献１には、特定の溶接工程のための溶接パラメータを対話的に設定する接合装置が記載されている。この接合装置の制御装置は、「エネルギディレクタを有する圧縮溶接」、「剪断接合」などの溶接工程のリストを表示して、適当な溶接工程を選択するようユーザを促す。ユーザが溶接工程を選択すると、制御装置は、「溶接面積」、「溶接距離」など、選択された接続工程に応じた情報をさらに入力するよう促す。さらに制御装置は、使用される溶接機の種類を入力するよう促す。
要求された情報をユーザが入力すると、制御装置はルックアップテーブルを参照して溶接パラメータの初期値を設定する。そして制御装置は、設定された溶接パラメータで溶接を行って品質評価を入力するよう促す。ユーザが品質の問題を入力すると、制御装置は、問題を緩和する可能な動作項目について信頼度合いが設定された情報を参照して、是正効果の高い動作項目のパラメータを変更する。制御装置は、許容し得る溶接部がえられるか、いかなる変更によっても許容し得る溶接部が得られなくなるまで、品質評価の入力を受けてパラメータの変更を繰り返す。
特許文献１に記載の接合装置では、入力された情報に対する溶接パラメータの初期値のルックアップテーブル、及び、品質の問題を緩和する可能な動作項目の情報を予め制御装置に記憶させておく必要がある。これらルックアップテーブル及び情報を設定するためには、接合に関する専門的な知識が必要である。これに対し、ユーザが、接合装置による接合など対象装置（動作させる装置）が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能であることが好ましい。
本発明は、ユーザが、接合装置など対象装置が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能なパラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラムを提供する。
本発明の一態様によれば、パラメータ値取得装置は、対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力する第一モデルを生成する第一モデル生成部と、前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、を備え、前記条件パラメータ値は、前記対象装置による処理結果に影響する事項のうち、当該対象装置の使用に際して設定可能な事項以外の事項である。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記設定パラメータ値は、当該対象装置の使用に際して設定可能な制御パラメータ値または当該対象装置が扱う部材もしくは材料に関する設定値のうち１つ以上の値を含む。
本発明の一態様によれば、パラメータ値取得装置は、対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値の確率分布を出力する第一モデルを生成する第一モデル生成部と、前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、を備える。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記第二モデルが、前記設定パラメータ値と前記評価指標値の確率分布との関係を示す。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記第一モデル生成部は、前記設定パラメータ値及び前記条件パラメータ値の入力に対して、ガウス過程回帰またはベイズ線形回帰を用いて前記評価指標値の確率分布を出力する前記第一モデルを生成する。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記第一モデル生成部は、前記対象装置の物理モデルを用いて算出されるパラメータ値を前記条件パラメータ値に含む前記第一モデルを生成する。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記第一モデル生成部は、前記第一モデルを機械学習で生成する場合の学習用データに含まれる物理量を前記物理モデルに適用して新たな物理量を算出し、算出した物理量のデータを前記条件パラメータ値として前記学習用データに追加する条件パラメータ値追加処理部を備える。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記第二モデル取得部は、前記第一モデルから前記条件パラメータ値の個数だけ次元を減少させたモデルである前記第二モデルを取得する。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記パラメータ値取得部は、前記評価指標値を目的変数とし、前記設定パラメータ値を説明変数とし、前記評価指標値について定められている条件を制約条件とする最適化問題を解くことで、設定パラメータ値を取得する。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記設定パラメータ値、前記条件パラメータ値、及び、前記評価指標値が対応付けられた複数の学習用データのうち、これら複数の学習用データが示す傾向から所定条件以上乖離した学習用データを除外するノイズデータ除去処理を行うノイズデータ除去部を備え、前記第一モデル生成部は、前記ノイズデータ除去部によるノイズデータ除去処理後の学習用データを用いて前記第一モデルを生成する。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記ノイズデータ除去部は、他の前記学習用データとの相関性が所定条件以上に低いデータを除外する。
本発明の一態様によれば、上述のパラメータ値取得装置において、前記第二モデル取得部は、前記設定パラメータ値及び前記条件パラメータ値と前記評価指標値との関係を示す応答曲面モデルを取得する。
本発明の一態様によれば、対象装置動作システムは、対象装置と、前記対象装置使用時の設定を示す設定パラメータ値を取得するパラメータ値取得装置と、を備えた対象装置作動システムであって、前記パラメータ値取得装置は、前記設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力する第一モデルを生成する第一モデル生成部と、前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、を備え、前記条件パラメータ値は、前記対象装置による処理結果に影響する事項のうち、当該対象装置の使用に際して設定可能な事項以外の事項であり、前記対象装置は、前記パラメータ値取得部が取得した設定パラメータ値に応じて動作する。
本発明の一態様によれば、対象装置動作システムは、対象装置と、前記対象装置使用時の設定を示す設定パラメータ値を取得するパラメータ値取得装置と、を備えた対象装置作動システムであって、前記パラメータ値取得装置は、前記設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値の確率分布を出力する第一モデルを生成する第一モデル生成部と、前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、を備え、前記対象装置は、前記パラメータ値取得部が取得した設定パラメータ値に応じて動作する。
本発明の一態様によれば、パラメータ値取得方法は、対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力するモデルを生成するモデル生成ステップと、前記条件パラメータ値がある値をとる場合に、前記評価指標値について定められている条件を満たす設定パラメータ値を、前記モデルに基づいて求め取得するパラメータ値取得ステップと、を含み、前記条件パラメータ値は、前記対象装置による処理結果に影響する事項のうち、当該対象装置の使用に際して設定可能な事項以外の事項であることを特徴とする。
本発明の一態様によれば、上述のパラメータ値取得方法において、前記設定パラメータ値は、当該対象装置の使用に際して設定可能な制御パラメータ値または当該対象装置が扱う部材もしくは材料に関する設定値のうち１つ以上の値を含む。
本発明の一態様によれば、パラメータ値取得方法は、対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値の確率分布を出力するモデルを生成するモデル生成ステップと、前記条件パラメータ値がある値をとる場合に、前記評価指標値について定められている条件を満たす設定パラメータ値を、前記モデルに基づいて求め取得するパラメータ値取得ステップと、を含む。
本発明の一態様によれば、上述のパラメータ値取得方法において、前記モデル生成ステップは、前記設定パラメータ値及び前記条件パラメータ値の入力に対して、ガウス過程回帰またはベイズ線形回帰を用いて前記評価指標値の確率分布を出力するモデルを生成する。
本発明の一態様によれば、上述のパラメータ値取得方法において、前記モデル生成ステップは、前記対象装置の物理モデルを用いて算出されるパラメータ値を前記条件パラメータ値に含む前記モデルを生成する。
本発明の一態様によれば、上述のパラメータ値取得方法において、前記モデル生成ステップは、前記第一モデルを機械学習で生成する場合の学習用データに含まれる物理量を前記物理モデルに適用して新たな物理量を算出し、算出した物理量のデータを前記条件パラメータ値として前記学習用データに追加する条件パラメータ値追加処理ステップを含む。
本発明の一態様によれば、上述のパラメータ値取得方法において、前記パラメータ値取得ステップは、前記評価指標値を目的変数とし、前記設定パラメータ値を説明変数とし、前記評価指標値について定められている条件を制約条件とする最適化問題を解くことで、設定パラメータ値を取得する。
本発明の一態様によれば、プログラムは、コンピュータに、対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力するモデルを生成するモデル生成ステップと、前記条件パラメータ値がある値をとる場合に、前記評価指標値について定められている条件を満たす設定パラメータ値を、前記モデルに基づいて求め取得するパラメータ値取得ステップと、を実行させるためのプログラムであって、前記条件パラメータ値は、前記対象装置による処理結果に影響する事項のうち、当該対象装置の使用に際して設定可能な事項以外の事項であることを特徴とする。
本発明の一態様によれば、プログラムは、コンピュータに、対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値の確率分布を出力するモデルを生成するモデル生成ステップと、前記条件パラメータ値がある値をとる場合に、前記評価指標値について定められている条件を満たす設定パラメータ値を、前記モデルに基づいて求め取得するパラメータ値取得ステップと、を実行させる。
上記したパラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラムによれば、ユーザが、接合装置など対象装置が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能にすることができる。
以下、本発明の実施形態を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
図１は、本発明の実施形態に係る対象装置動作システムの機能構成を示す概略ブロック図である。図１に示すように、対象装置動作システム１は、パラメータ値取得装置１００と、制御装置２００と、対象装置３００とを備える。
図１は、本発明の実施形態に係る対象装置動作システムの機能構成を示す概略ブロック図である。図１に示すように、対象装置動作システム１は、パラメータ値取得装置１００と、制御装置２００と、対象装置３００とを備える。
対象装置動作システム１は、対象装置３００使用時の設定を決定して対象装置３００を動作させるシステムである。具体的には、パラメータ値取得装置１００が対象装置３００使用時の設定を決定する。対象装置３００使用時の設定の対象は、対象装置３００の使用に際して設定可能な事項、かつ、対象装置３００による処理結果に影響する事項であればよい。対象装置３００使用時の設定は、対象装置３００の制御パラメータ値であってもよいし、対象装置３００が扱う部材又は材料に関する設定であってもよい。以下では、対象装置３００使用時の設定を示す値を設定パラメータ値と称する。
パラメータ値取得装置１００が対象装置３００使用時の設定を決定すると、制御装置２００が、決定された設定に基づいて対象装置３００を制御し動作させる。制御装置２００と対象装置３００とが１つの装置として構成されていてもよいし、別々の装置として構成されていてもよい。
制御装置２００への設定パラメータ値の入力が自動で行われるようにしてもよい。例えば、パラメータ値取得装置１００が制御装置２００と通信を行って設定パラメータ値を制御装置２００へ送信するようにしてもよい。あるいは、制御装置２００への設定パラメータ値の入力が手動で行われるようにしてもよい。例えば、制御装置２００が設定パラメータ値を画面に表示し、ユーザが表示を参照して設定パラメータ値を制御装置２００に入力するようにしてもよい。
図１の線Ｌ１１１は、パラメータ値取得装置１００が決定した設定パラメータ値の制御装置２００への入力を示す。また、線Ｌ１１１は、制御装置２００からパラメータ値取得装置１００への学習用データの入力も示す。線Ｌ１１２は、制御装置２００による対象装置３００の制御を示す。
制御装置２００への設定パラメータ値の入力が自動で行われるようにしてもよい。例えば、パラメータ値取得装置１００が制御装置２００と通信を行って設定パラメータ値を制御装置２００へ送信するようにしてもよい。あるいは、制御装置２００への設定パラメータ値の入力が手動で行われるようにしてもよい。例えば、制御装置２００が設定パラメータ値を画面に表示し、ユーザが表示を参照して設定パラメータ値を制御装置２００に入力するようにしてもよい。
図１の線Ｌ１１１は、パラメータ値取得装置１００が決定した設定パラメータ値の制御装置２００への入力を示す。また、線Ｌ１１１は、制御装置２００からパラメータ値取得装置１００への学習用データの入力も示す。線Ｌ１１２は、制御装置２００による対象装置３００の制御を示す。
パラメータ値取得装置１００は、対象装置３００が動作した際に得られた学習用データに基づいて、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値を出力するモデルを生成する。ここでいう条件パラメータ値は、例えば対象装置３００使用時の気温など、対象装置３００使用時の条件を示す値である。ここでの対象装置３００使用時の条件は、対象装置３００による処理結果に影響する事項のうち、対象装置３００の使用に際して設定可能な事項以外の事項であればよい。ここでいう評価指標値は、対象装置３００による処理結果を評価可能な指標値であればよい。
パラメータ値取得装置１００は、例えばパソコン（Personal Computer；ＰＣ）又はワークステーション（Work Station；ＷＳ）などのコンピュータを用いて構成される。パラメータ値取得装置１００と制御装置２００とが１つの装置として構成されていてもよいし、別々の装置として構成されていてもよい。例えば、パラメータ値取得装置１００と制御装置２００とが１つのＰＬＣ（Programmable Logic Controller）を用いて構成されていてもよい。
以下では、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値を出力するモデルを第一モデルと称する。
パラメータ値取得装置１００が第一モデルの生成に用いる学習用データは、対象装置３００の試運転にて得られたデータであってもよいし、対象装置３００の実運用にて得られたデータであってもよいし、これらの組み合わせであってもよい。
パラメータ値取得装置１００が第一モデルの生成に用いる学習用データは、対象装置３００の試運転にて得られたデータであってもよいし、対象装置３００の実運用にて得られたデータであってもよいし、これらの組み合わせであってもよい。
対象装置３００使用時の設定を行う際、パラメータ値取得装置１００は、対象装置３００使用時の条件、及び、評価指標値に対する条件の入力を受ける。そして、対象装置３００は、生成済みの第一モデルに対象装置３００使用時の条件を入力して、設定パラメータ値の入力に対して評価指標値を出力するモデルを取得する。以下では、設定パラメータ値の入力に対して評価指標値を出力するモデルを第二モデルと称する。
パラメータ値取得装置１００は、得られた第二モデルに基づいて、評価指標値に対する条件を満たす設定パラメータ値を取得する。
パラメータ値取得装置１００は、得られた第二モデルに基づいて、評価指標値に対する条件を満たす設定パラメータ値を取得する。
このように、第一モデル生成時には、パラメータ値取得装置１００は、対象装置３００が動作した際の学習用データを得られればよい。この学習用データは、対象装置３００使用時に設定した設定パラメータ値、対象装置３００使用時の条件の測定値、及び、評価指標値の測定値の組み合わせにて得られる。この点で、学習用データの生成に、対象装置３００が行う処理に関する専門知識を必要としない。
また、パラメータ値取得装置１００は、対象装置３００使用時の設定の際には、対象装置３００使用時の条件、及び、評価指標値に対する条件を得られればよい。対象装置３００使用時の条件は、例えば気温を測定するなど、対象装置３００使用時に該当事項の測定を行うことで得られる。また、評価指標値に対する条件は、例えば対象装置３００が生成する製品に対する要求仕様など、対象装置３００の使用目的に応じて決定される。この点で、対象装置３００使用時の設定の入力データの生成にも、対象装置３００が行う処理に関する専門知識を必要としない。
この点で、ユーザが、対象装置３００が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置３００を設定可能である。上述したように、対象装置３００の設定が自動で行われるようにしてもよいし、手動で行われるようにしてもよい。
この点で、ユーザが、対象装置３００が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置３００を設定可能である。上述したように、対象装置３００の設定が自動で行われるようにしてもよいし、手動で行われるようにしてもよい。
図２は、接合装置及び接合装置を制御する制御装置の構成例を示す概略構成図である。図２に示す制御装置２０１は、マッシュシーム制御部２１１と、加圧ローラ制御部２１２と、キャリッジルーム制御部２１３とを備える。接合装置３０１は、台板４０１と、支柱４１１と、支持フレーム４１２と、クランプ装置４２０と、キャリッジフレーム４３１と、支持ローラ４３２と、キャリッジフレーム駆動装置４３３と、電極輪４４１と、電極輪押圧装置４４２と、電極輪用モータ４４３と、電源装置４４４と、加圧ローラ４５１と、加圧ローラ押圧装置４５２とを備える。クランプ装置４２０は、クランプ部材４２１と、クランプ押圧装置４２２とを備える。
制御装置２０１は、制御装置２００の例に該当する。接合装置３０１は、対象装置３００の例に該当する。但し、対象装置３００は接合装置に限らず、対象装置３００使用に際して設定事項があるいろいろな装置とすることができる。
制御装置２０１は、制御装置２００の例に該当する。接合装置３０１は、対象装置３００の例に該当する。但し、対象装置３００は接合装置に限らず、対象装置３００使用に際して設定事項があるいろいろな装置とすることができる。
接合装置３０１は、マッシュシーム接合機（Mash Seam Welder）の例に該当する。マッシュシーム接合機は従来の接合機よりも設定要素が多く、専門知識を必要とせずに設定できることが特に望まれる。
台板４０１には、支持フレーム４１２が支柱４１１を介して固定されており、支持フレーム４１２にはクランプ装置４２０が設けられている。クランプ装置４２０では、クランプ部材４２１が接合対象である鋼鈑９１１及び９１２を上下から挟み、クランプ押圧装置４２２がクランプ部材４２１を鋼鈑９１１及び９１２に押し付ける。これによりクランプ装置４２０は、鋼鈑９１１及び９１２を把持して固定する。クランプ押圧装置４２２は、例えば油圧シリンダを用いて構成される。
台板４０１には、支持フレーム４１２が支柱４１１を介して固定されており、支持フレーム４１２にはクランプ装置４２０が設けられている。クランプ装置４２０では、クランプ部材４２１が接合対象である鋼鈑９１１及び９１２を上下から挟み、クランプ押圧装置４２２がクランプ部材４２１を鋼鈑９１１及び９１２に押し付ける。これによりクランプ装置４２０は、鋼鈑９１１及び９１２を把持して固定する。クランプ押圧装置４２２は、例えば油圧シリンダを用いて構成される。
また、台板４０１にはキャリッジフレーム４３１が載置されている。キャリッジフレーム４３１には支持ローラ４３２が回転可能に設けられており、キャリッジフレーム４３１は、キャリッジフレーム駆動装置４３３に駆動されて台板４０１上を移動する。キャリッジフレーム駆動装置４３３は、例えば油圧シリンダを用いて構成される。
キャリッジフレーム４３１には電極輪４４１及び加圧ローラ４５１が設けられており、キャリッジフレーム４３１の移動に伴って電極輪４４１及び加圧ローラ４５１も移動する。これにより、電極輪４４１及び加圧ローラ４５１は鋼鈑９１１及び９１２に対して相対的に移動する。
キャリッジフレーム４３１には電極輪４４１及び加圧ローラ４５１が設けられており、キャリッジフレーム４３１の移動に伴って電極輪４４１及び加圧ローラ４５１も移動する。これにより、電極輪４４１及び加圧ローラ４５１は鋼鈑９１１及び９１２に対して相対的に移動する。
電極輪押圧装置４４２は、電極輪４４１が鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、電極輪４４１を鋼鈑９１１と９１２との重なり部分に押し付ける。電極輪押圧装置４４２は、例えば油圧シリンダを用いて構成される。
電極輪用モータ４４３は、電極輪４４１を回転させる。電源装置４４４は、電極輪４４１が鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、電極輪４４１から鋼鈑９１１と９１２との重なり部分に電流（溶接電流）を流す。
加圧ローラ押圧装置４５２は、加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、加圧ローラ４５１を鋼鈑９１１と９１２との重なり部分に押し付ける。これにより、加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を圧延する。
電極輪用モータ４４３は、電極輪４４１を回転させる。電源装置４４４は、電極輪４４１が鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、電極輪４４１から鋼鈑９１１と９１２との重なり部分に電流（溶接電流）を流す。
加圧ローラ押圧装置４５２は、加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、加圧ローラ４５１を鋼鈑９１１と９１２との重なり部分に押し付ける。これにより、加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を圧延する。
接合装置３０１が鋼鈑９１１及び９１２を接合する際、２枚の鋼鈑９１１の端部と９１２の端部とが重ね合わさった状態で、クランプ装置４２０のクランプ部材４２１が、これら鋼鈑９１１及び９１２を把持して固定する。鋼鈑９１１及び９１２は、重なり部分が電極輪４４１及び加圧ローラ４５１に挟まれる位置に固定されている。
電極輪４４１は、上記のように、鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、電極輪押圧装置４４２によって鋼鈑９１１と９１２との重なり部分に押し付けられる。そして、電極輪４４１は、電極輪用モータ４４３に駆動されて回転し、また、電源装置４４４からの電流を鋼鈑９１１と９１２との重なり部分に流す。これにより、鋼鈑９１１と９１２との重なり部分が加熱されて溶接（マッシュシーム溶接、Mash Seam Welding）される。
電極輪４４１は、上記のように、鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、電極輪押圧装置４４２によって鋼鈑９１１と９１２との重なり部分に押し付けられる。そして、電極輪４４１は、電極輪用モータ４４３に駆動されて回転し、また、電源装置４４４からの電流を鋼鈑９１１と９１２との重なり部分に流す。これにより、鋼鈑９１１と９１２との重なり部分が加熱されて溶接（マッシュシーム溶接、Mash Seam Welding）される。
そして、キャリッジフレーム駆動装置４３３がキャリッジフレーム４３１を駆動することで、上記のように電極輪４４１及び加圧ローラ４５１が鋼鈑９１１及び９１２に対して相対的に移動する。鋼鈑９１１及び９１２は、重なり部分の長手方向が電極輪４４１及び加圧ローラ４５１の移動方向になる向きに固定されており、電極輪４４１及び加圧ローラ４５１は、鋼鈑９１１と９１２との重なり部分を挟みながら移動する。
電極輪４４１は、鋼鈑９１１と９１２との重なり部分を長手方向に移動しながら重なり部分全体を溶接する。加圧ローラ４５１は、電極輪４４１による溶接個所を圧延する。
電極輪４４１は、鋼鈑９１１と９１２との重なり部分を長手方向に移動しながら重なり部分全体を溶接する。加圧ローラ４５１は、電極輪４４１による溶接個所を圧延する。
制御装置２０１は、接合装置３０１の各部を制御する。
マッシュシーム制御部２１１は、接合装置３０１によるマッシュシーム溶接の制御を行う。具体的には、マッシュシーム制御部２１１は、電極輪押圧装置４４２を制御して、電極輪４４１による鋼鈑９１１と９１２との重なり部分への押圧を調整する。また、マッシュシーム制御部２１１は、電極輪用モータ４４３を制御して電極輪４４１の回転数を調整する。また、マッシュシーム制御部２１１は、電源装置４４４からの電流値を制御する。
図２の線Ｌ２１１は、マッシュシーム制御部２１１が電源装置４４４を制御することを示している。線Ｌ２１２及びＬ２１５は、マッシュシーム制御部２１１が電極輪押圧装置４４２を制御することを示している。線Ｌ２１３及びＬ２１４は、マッシュシーム制御部２１１が電極輪用モータ４４３を制御することを示している。
マッシュシーム制御部２１１は、接合装置３０１によるマッシュシーム溶接の制御を行う。具体的には、マッシュシーム制御部２１１は、電極輪押圧装置４４２を制御して、電極輪４４１による鋼鈑９１１と９１２との重なり部分への押圧を調整する。また、マッシュシーム制御部２１１は、電極輪用モータ４４３を制御して電極輪４４１の回転数を調整する。また、マッシュシーム制御部２１１は、電源装置４４４からの電流値を制御する。
図２の線Ｌ２１１は、マッシュシーム制御部２１１が電源装置４４４を制御することを示している。線Ｌ２１２及びＬ２１５は、マッシュシーム制御部２１１が電極輪押圧装置４４２を制御することを示している。線Ｌ２１３及びＬ２１４は、マッシュシーム制御部２１１が電極輪用モータ４４３を制御することを示している。
加圧ローラ制御部２１２は、加圧ローラ押圧装置４５２を制御して、加圧ローラ４５１による鋼鈑９１１と９１２との重なり部分への押圧を調整する。これにより、加圧ローラ制御部２１２は、加圧ローラ４５１による鋼鈑９１１と９１２との溶接個所の圧延量を調整する。
線Ｌ２２１及びＬ２２２は、加圧ローラ制御部２１２が加圧ローラ押圧装置４５２を制御することを示している。
線Ｌ２２１及びＬ２２２は、加圧ローラ制御部２１２が加圧ローラ押圧装置４５２を制御することを示している。
キャリッジルーム制御部２１３は、キャリッジフレーム駆動装置４３３を制御して、鋼鈑９１１及び９１２に対する電極輪４４１及び加圧ローラ４５１の相対速度を調整する。
線Ｌ２３１は、キャリッジルーム制御部２１３がキャリッジフレーム駆動装置４３３を制御することを示している。
線Ｌ２３１は、キャリッジルーム制御部２１３がキャリッジフレーム駆動装置４３３を制御することを示している。
制御装置２０１は、パラメータ値取得装置１００が求めた設定パラメータ値に基づいて接合装置３０１を制御する。例えば、マッシュシーム制御部２１１は、パラメータ値取得装置１００が求めた圧力目標値で電極輪４４１が鋼鈑９１１と９１２との重なり部分を挟むように電極輪押圧装置４４２を制御する。また、マッシュシーム制御部２１１は、パラメータ値取得装置１００が求めた回転数目標値で電極輪４４１が回転するように電極輪用モータ４４３を制御する。さらに、マッシュシーム制御部２１１は、パラメータ値取得装置１００が求めた電流目標値の電流を電極輪４４１から鋼鈑９１１と９１２との重なり部分に流すように電源装置４４４を制御する。加圧ローラ制御部２１２は、パラメータ値取得装置１００が求めた圧力目標値で加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を挟むように加圧ローラ押圧装置４５２を制御する。キャリッジルーム制御部２１３は、パラメータ値取得装置１００が求めた目標速度でキャリッジフレーム４３１を移動させるようキャリッジフレーム駆動装置４３３を制御する。
電極輪４４１が鋼鈑９１１と９１２との重なり部分を挟む圧力、電極輪４４１の回転数、電源装置４４４が電極輪から鋼鈑９１１と９１２との重なり部分に流す電流値、加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を挟む圧力、キャリッジフレーム４３１の移動速度は、いずれも設定パラメータ値の例に該当する。これらの値は制御装置２０１に設定可能である。
鋼鈑９１１と９１２との重ね代も設定パラメータの例に該当する。例えばユーザが、パラメータ値取得装置１００が求めた重ね代だけ鋼鈑９１１と９１２とを重ね合わせてクランプ装置４２０にセットする。
鋼鈑９１１と９１２との重ね代も設定パラメータの例に該当する。例えばユーザが、パラメータ値取得装置１００が求めた重ね代だけ鋼鈑９１１と９１２とを重ね合わせてクランプ装置４２０にセットする。
条件パラメータ値の例としては、鋼鈑板厚、鋼鈑の強度、鋼鈑の組成など、部材又は材料に関する条件、かつ、調整が行われないものが挙げられる。一方、鋼鈑の重ね代は、部材又は材料に関する条件ではあるが、クランプ装置４２０へのセット時に調整が行われるので、上記のように設定パラメータの例に該当する。
条件パラメータ値の例として、温度、湿度など、接合装置３０１の周囲環境の条件も挙げられる。
条件パラメータ値の例として、温度、湿度など、接合装置３０１の周囲環境の条件も挙げられる。
図３は、パラメータ値取得装置１００の機能構成を示す概略ブロック図である。図３に示すように、パラメータ値取得装置１００は、入力部１１０と、出力部１２０と、記憶部１８０と、制御部１９０とを備える。制御部１９０は、条件パラメータ値追加処理部１９１と、ノイズデータ除去部１９２と、第一モデル生成部１９３と、第二モデル取得部１９４と、パラメータ値取得部１９５とを備える。
入力部１１０は、評価指標値生成のための学習用データなど、各種データの入力を受ける。入力部１１０の構成としていろいろな構成を用いることができる。例えば、入力部１１０が通信回路を備えて他の機器と通信を行ってデータを受信するようにしてもよい。あるいは、入力部１１０がＵＳＢ（Universal Serial Bus）ポートなど記憶デバイスの接続インタフェースを備え、記憶デバイスからデータを読み出すようにしてもよい。あるいは、入力部１１０がキーボード等の入力デバイスを備え、ユーザ操作によるデータ入力を受けるようにしてもよい。あるいは、入力部１１０がこれらのうち複数を組み合わせて構成されていてもよい。
出力部１２０は、対象装置３００使用時にパラメータ値取得装置１００が求めた設定パラメータ値など、各種データを出力する。出力部１２０の構成としていろいろな構成を用いることができる。例えば、出力部１２０が通信回路を備えて他の機器と通信を行ってデータを送信するようにしてもよい。あるいは、出力部１２０がＵＳＢポートなど記憶デバイスの接続インタフェースを備え、記憶デバイスにデータを書き込むようにしてもよい。あるいは出力部１２０が、例えば液晶パネル又はＬＥＤ（Light Emitting Diode）パネル等の表示画面を備えてデータを表示するようにしてもよい。
記憶部１８０は、パラメータ値取得装置１００が備える記憶デバイスを用いて構成され、各種データを記憶する。
制御部１９０は、パラメータ値取得装置１００の各部を制御して各種処理を行う。制御部１９０は、例えばパラメータ値取得装置１００が備えるＣＰＵ（Central Processing Unit、中央処理装置）が記憶部１８０からプログラムを読み出して実行することで構成される。
制御部１９０は、パラメータ値取得装置１００の各部を制御して各種処理を行う。制御部１９０は、例えばパラメータ値取得装置１００が備えるＣＰＵ（Central Processing Unit、中央処理装置）が記憶部１８０からプログラムを読み出して実行することで構成される。
条件パラメータ値追加処理部１９１は、第一モデルの生成に用いられる学習用データに条件パラメータ値を追加する。
具体的には、学習用データに含まれる物理量と新たな物理量との関係を示す物理モデルを記憶部１８０が予め記憶しておく。ここでいう物理量は、条件パラメータ値にて示されていてもよいし、設定パラメータ値にて示されていてもよい。ここでいう新たな物理量は、入力部１１０が取得した学習用データに含まれていない物理量である。条件パラメータ値追加処理部１９１は、学習用データに含まれる物理量を物理モデルに適用して新たな物理量を算出し、算出した物理量のデータを条件パラメータ値として学習用データに追加する。
具体的には、学習用データに含まれる物理量と新たな物理量との関係を示す物理モデルを記憶部１８０が予め記憶しておく。ここでいう物理量は、条件パラメータ値にて示されていてもよいし、設定パラメータ値にて示されていてもよい。ここでいう新たな物理量は、入力部１１０が取得した学習用データに含まれていない物理量である。条件パラメータ値追加処理部１９１は、学習用データに含まれる物理量を物理モデルに適用して新たな物理量を算出し、算出した物理量のデータを条件パラメータ値として学習用データに追加する。
例えば、対象装置３００が図２の接合装置である場合、条件パラメータ値追加処理部１９１が鋼鈑９１１及び９１２の単位面積当たりの入熱量を計算するようにしてもよい。条件パラメータ値追加処理部１９１は、得られた入熱量を条件パラメータ値として学習用データに追加する。
但し、条件パラメータ値追加処理部１９１はパラメータ値取得装置１００に必須ではない。パラメータ値取得装置１００が、入力部１１０が取得した学習用データに条件パラメータ値を追加せずに用いて第一モデルを生成するようにしてもよい。
但し、条件パラメータ値追加処理部１９１はパラメータ値取得装置１００に必須ではない。パラメータ値取得装置１００が、入力部１１０が取得した学習用データに条件パラメータ値を追加せずに用いて第一モデルを生成するようにしてもよい。
ノイズデータ除去部１９２は、第一モデルの生成に用いられる学習用データのうちノイズデータを削除する。ここでいうノイズデータは、他の学習用データとの相関性が所定条件以上に低いデータである。例えば、ノイズデータ除去部１９２は、学習用データを近似する回帰平面を求め、得られた回帰平面から所定条件以上離れているデータを除去する。ノイズデータ除去部１９２が、回帰平面に代えて学習用データの近似式を求めるようにしてもよい。特に、ノイズデータ除去部１９２が取得する学習用データの近似式は平面を表す式に限らない。
図４は、ノイズデータ除去部１９２が除去する学習用データの例を示す図である。図４では、対象装置３００が図２の接合装置３０１である場合の例を示している。図４のグラフの横軸は、電源装置４４４が電極輪４４１から鋼鈑９１１と９１２との重なり部分に流す電流の値を示す。縦軸は、鋼鈑９１１と９１２との接合強度を示す。接合強度として例えば引張強度を用いることができる。横軸の電流値は設定パラメータ値又は条件パラメータ値の例に該当する。縦軸の接合強度は評価指標値の例に該当する。
図４の各点は学習用データの例を示す。線Ｌ３１１は、学習用データを近似する回帰直性を示す。ノイズデータ除去部１９２は、回帰直線（線Ｌ３１１）から所定の距離以上離れているデータＤ１１及びＤ１２を除去する。
図及び説明を分かり易くするために図４ではノイズデータ除去部１９２が二次元のデータを扱う場合の例を示しているが、ノイズデータ除去部１９２が扱うデータは３次元以上のデータであってもよい。この場合、ノイズデータ除去部１９２は、学習用データの近似として回帰平面又は３次元以上の面を示す近似式を取得する。
但し、ノイズデータ除去部１９２はパラメータ値取得装置１００に必須ではない。パラメータ値取得装置１００（第一モデル生成部１９３）が、ノイズデータの除去が行われていない学習用データを用いて第一モデルを生成するようにしてもよい。
図及び説明を分かり易くするために図４ではノイズデータ除去部１９２が二次元のデータを扱う場合の例を示しているが、ノイズデータ除去部１９２が扱うデータは３次元以上のデータであってもよい。この場合、ノイズデータ除去部１９２は、学習用データの近似として回帰平面又は３次元以上の面を示す近似式を取得する。
但し、ノイズデータ除去部１９２はパラメータ値取得装置１００に必須ではない。パラメータ値取得装置１００（第一モデル生成部１９３）が、ノイズデータの除去が行われていない学習用データを用いて第一モデルを生成するようにしてもよい。
第一モデル生成部１９３は、第一モデルを生成する。上述したように、第一モデルは、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値を出力するモデルである。例えば、第一モデル生成部１９３が、ランダムフォレスト（Random Forest）又はＳＶＭ（Support Vector Machine）など既存の機械学習法に学習用データを適用して第一モデルを生成するようにしてもよい。
あるいは、第一モデル生成部１９３が、機械学習法に加えて或いは代えて、予め与えられている物理モデル式を用いて第一モデルを生成するようにしてもよい。
また、第一モデル生成部１９３が、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値の確率分布を出力するモデルを生成するようにしてもよい。例えば、第一モデル生成部１９３が機械学習法にガウス過程又はベイズ線形回帰を用いて、評価指標値の平均及び分散を出力するようにしてもよい。
また、第一モデル生成部１９３が、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値の確率分布を出力するモデルを生成するようにしてもよい。例えば、第一モデル生成部１９３が機械学習法にガウス過程又はベイズ線形回帰を用いて、評価指標値の平均及び分散を出力するようにしてもよい。
第二モデル取得部１９４は、第一モデルに対して条件パラメータ値を入力して第二モデルを取得する。第二モデルは、第一モデルに条件パラメータ値を入力することで、第一モデルから条件パラメータの数だけ次元を減少させたモデルである。上述したように、第二モデルは、設定パラメータ値と評価指標値との関係を示す。
図５は、第二モデルの例を示す図である。図５では、対象装置３００が図２の接合装置３０１である場合の例を示している。図５に示す３次元直交座標の座標軸は、電源装置４４４が電極輪４４１から鋼鈑９１１と９１２との重なり部分に流す電流の値、鋼鈑９１１と９１２との重ね代、及び、鋼鈑９１１と９１２との接合強度を示す。これらの座標軸の電流値及び重ね代は、いずれも設定パラメータ値の例に該当する。接合強度は評価指標値の例に該当する。
図５は、第二モデルの例を示す図である。図５では、対象装置３００が図２の接合装置３０１である場合の例を示している。図５に示す３次元直交座標の座標軸は、電源装置４４４が電極輪４４１から鋼鈑９１１と９１２との重なり部分に流す電流の値、鋼鈑９１１と９１２との重ね代、及び、鋼鈑９１１と９１２との接合強度を示す。これらの座標軸の電流値及び重ね代は、いずれも設定パラメータ値の例に該当する。接合強度は評価指標値の例に該当する。
図５の例では第二モデルが応答曲面モデルで得られており、一組の電流値及び重ね代の入力に対して接合強度の値を１つ出力する。すなわち、この第二モデルは、電流値及び重ね代の組み合わせを接合強度に多対一に射影する。例えば、第一モデル生成部１９３が応答曲面法を用いて第一モデルを応答曲面モデルにて生成することで、第二モデル取得部１９４は第二モデルを応答曲面モデルにて取得する。
図及び説明を分かり易くするために図５では第二モデルが３次元のモデルである場合の例を示しているが、第二モデル取得部１９４が取得する第二モデルは３次元のモデルに限らない。第二モデル取得部１９４が取得する第二モデルは４次元以上のモデルであってもよいし、２次元のモデルであってもよい。特に、第二モデルへの入力となる設定パラメータ値及の数が３つ以上であってもよい。
第二モデル取得部１９４が取得する第二モデルは、設定パラメータ値の入力に対して評価指標値を出力するモデルであればよく、応答曲面モデルに限らない。
第二モデル取得部１９４が取得する第二モデルは、設定パラメータ値の入力に対して評価指標値を出力するモデルであればよく、応答曲面モデルに限らない。
第一モデル生成部１９３が設定パラメータ値及び条件パラメータ値の入力に対して評価指標値の確率分布を出力する第一モデルを生成する場合、第二モデル取得部１９４は、設定パラメータ値の入力に対して評価指標値の確率分布を出力する第二モデルを取得する。
この場合、第二モデル取得部１９４が評価指標値を安全側に算出することで、一組の設定パラメータ値の入力に対して評価指標値の値を１つ出力する第二モデルを取得するようにしてもよい。
この場合、第二モデル取得部１９４が評価指標値を安全側に算出することで、一組の設定パラメータ値の入力に対して評価指標値の値を１つ出力する第二モデルを取得するようにしてもよい。
例えば、接合強度が大きいことが好ましい場合、第二モデル取得部１９４は、設定パラメータ値の組み合わせ毎に接合強度の平均値から接合強度の分散の３倍（３σ）を減算した接合強度を算出する。そして、第二モデル取得部１９４は、算出した接合強度を用いて第二モデルを生成する。この第二モデルに示される設定パラメータ値に基づいて制御装置２００が対象装置３００を制御した場合、９９．７％以上の確率で、この第二モデルに示される接合強度以上の接合強度を得られる。
パラメータ値取得部１９５は、第二モデル取得部１９４が取得した第二モデルに基づいて、評価指標値について定められている条件を満たす設定パラメータ値を取得する。例えば、パラメータ値取得部１９５は、評価指標を目的変数とし、設定パラメータを説明変数とし、評価指標値について定められている条件を制約条件とする最適化問題を解くことで、設定パラメータ値を取得する。パラメータ値取得部１９５がこの最適化問題を解くアルゴリズムとして、既存の最適化アルゴリズムを用いることができる。
図６は、パラメータ値取得部１９５が取得する設定パラメータ値の例を示す図である。図６では、図５の第二モデルを等高線を用いて示している。図６のグラフの横軸は、鋼鈑９１１と９１２との重ね代を示す。縦軸は、電源装置４４４が電極輪４４１から鋼鈑９１１と９１２との重なり部分に流す電流の値を示す。等高線は接合強度を示す。
横軸の重ね代及び縦軸の電流値は、いずれも設定パラメータ値の例に該当する。等高線で示される接合強度は評価指標値の例に該当する。
横軸の重ね代及び縦軸の電流値は、いずれも設定パラメータ値の例に該当する。等高線で示される接合強度は評価指標値の例に該当する。
領域Ａ１１は、必要とされる接合強度以上に大きい接合強度を得られる領域である。接合強強度が必要とされる接合強度以上に大きいことは、評価指標値について定められている条件の例に該当する。
図６の例では、パラメータ値取得部１９５は、評価指標値について定められている条件に加えて、重ね代について定められている条件、及び、電流値について定められている条件も取得し、これらの条件を全て満たす設定パラメータ値の領域を選択している。領域Ａ１２は、鋼鈑９１１と９１２との重ね代が予定範囲内となる領域である。領域Ａ１３は、領域Ａ１１及び領域Ａ１２のいずれにも含まれる領域のうち、さらに電流値が所定の電流値以下である領域である。パラメータ値取得部１９５は、評価指標値の条件、重ね代の条件、及び、電流値の条件を満たす領域Ａ１３を選択する。
制御装置２００が、パラメータ値取得部１９５が取得した設定パラメータ値に基づいて対象装置３００を制御することで、対象装置３００は、定められた条件を満たす動作をすることができる。
図６の例では、パラメータ値取得部１９５は、評価指標値について定められている条件に加えて、重ね代について定められている条件、及び、電流値について定められている条件も取得し、これらの条件を全て満たす設定パラメータ値の領域を選択している。領域Ａ１２は、鋼鈑９１１と９１２との重ね代が予定範囲内となる領域である。領域Ａ１３は、領域Ａ１１及び領域Ａ１２のいずれにも含まれる領域のうち、さらに電流値が所定の電流値以下である領域である。パラメータ値取得部１９５は、評価指標値の条件、重ね代の条件、及び、電流値の条件を満たす領域Ａ１３を選択する。
制御装置２００が、パラメータ値取得部１９５が取得した設定パラメータ値に基づいて対象装置３００を制御することで、対象装置３００は、定められた条件を満たす動作をすることができる。
設定パラメータ値の条件が示されている場合、パラメータ値取得部１９５が、評価指標値について定められている条件に加えて、設定パラメータ値について定められている条件も制約条件として最適化問題を解くようにしてもよい。
また、設定パラメータ値の条件が示されている場合、パラメータ値取得部１９５が、示されている条件の範囲内のみを検索して設定パラメータ値を取得するようにしてもよい。例えば、パラメータ値取得部１９５が、領域１２の範囲内のみを探索して評価指標値の条件及び電流値の条件を満たす設定パラメータ値を取得するようにしてもよい。これにより、パラメータ値取得部１９５の負荷が軽減され、また、パラメータ値取得部１９５がより速く設定パラメータ値を取得することが期待される。ユーザの経験上、適切な設定パラメータ値の範囲がわかっている場合も、パラメータ値取得部１９５がその範囲内のみを探索して設定パラメータ値を取得するようにしてもよい。
また、設定パラメータ値の条件が示されている場合、パラメータ値取得部１９５が、示されている条件の範囲内のみを検索して設定パラメータ値を取得するようにしてもよい。例えば、パラメータ値取得部１９５が、領域１２の範囲内のみを探索して評価指標値の条件及び電流値の条件を満たす設定パラメータ値を取得するようにしてもよい。これにより、パラメータ値取得部１９５の負荷が軽減され、また、パラメータ値取得部１９５がより速く設定パラメータ値を取得することが期待される。ユーザの経験上、適切な設定パラメータ値の範囲がわかっている場合も、パラメータ値取得部１９５がその範囲内のみを探索して設定パラメータ値を取得するようにしてもよい。
パラメータ値取得部１９５が、領域Ａ１３のように設定パラメータ値の範囲を取得するようにしてもよい。この場合、出力部１２０が、例えば図６のグラフのように設定パラメータ値の範囲を図示するなど、設定パラメータ値の範囲を表示するようにしてもよい。
あるいは、パラメータ値取得部１９５が、領域Ａ１３の中から設定パラメータ値の組み合わせを１組選択するなど、１組の設定パラメータ値を取得するようにしてもよい。この場合、出力部１２０が、パラメータ値取得部１９５が選択した設定パラメータ値を表示するようにしてもよいし、これらの設定パラメータ値を制御装置２００へ送信するようにしてもよい。
あるいは、パラメータ値取得部１９５が、領域Ａ１３の中から設定パラメータ値の組み合わせを１組選択するなど、１組の設定パラメータ値を取得するようにしてもよい。この場合、出力部１２０が、パラメータ値取得部１９５が選択した設定パラメータ値を表示するようにしてもよいし、これらの設定パラメータ値を制御装置２００へ送信するようにしてもよい。
次に、図７及び図８を参照してパラメータ値取得装置１００の動作について説明する。
図７は、パラメータ値取得装置１００が第一モデルを生成する処理手順の例を示すフローチャートである。
図７の処理で、入力部１１０が学習用データを取得する（ステップＳ１０１）。上述したように、ここでの学習用データは、対象装置３００の動作時に得られた設定パラメータ値、条件パラメータ値、及び、評価指標値の組み合わせである。第一モデル生成時に入力部１１０が、複数の学習用データを纏めて取得するようにしてもよい。あるいは、対象装置３００が動作する毎に入力部１１０が学習用データを取得して記憶部１８０に記憶させておくようにしてもよい。
図７は、パラメータ値取得装置１００が第一モデルを生成する処理手順の例を示すフローチャートである。
図７の処理で、入力部１１０が学習用データを取得する（ステップＳ１０１）。上述したように、ここでの学習用データは、対象装置３００の動作時に得られた設定パラメータ値、条件パラメータ値、及び、評価指標値の組み合わせである。第一モデル生成時に入力部１１０が、複数の学習用データを纏めて取得するようにしてもよい。あるいは、対象装置３００が動作する毎に入力部１１０が学習用データを取得して記憶部１８０に記憶させておくようにしてもよい。
次に、制御部１９０は、得られた学習用データのうち、評価指標値を特定することで、評価指標値と他のデータとを区別する（ステップＳ１０２）。例えば、制御部１９０は、学習用データに含まれる接合強度を評価指標値として特定するなど、予め定められているデータを評価指標値として特定するようにしてもよい。あるいは、学習用データ中で評価指標値にタグが付されるなど、評価指標値が他のデータと区別して示されていてもよい。
次に、条件パラメータ値追加処理部１９１は、学習用データに条件パラメータ値を追加する（ステップＳ１０３）。上述したように、条件パラメータ値追加処理部１９１は、学習用データに含まれる物理量を物理モデルに適用して新たな物理量を算出し、算出した物理量のデータを条件パラメータ値として学習用データに追加する。
但し、ステップＳ１０３の処理は必須ではない。パラメータ値取得装置１００が、ステップＳ１０２の処理の後、ステップＳ１０３の処理を行わずにステップＳ１０４の処理を行うようにしてもよい。
但し、ステップＳ１０３の処理は必須ではない。パラメータ値取得装置１００が、ステップＳ１０２の処理の後、ステップＳ１０３の処理を行わずにステップＳ１０４の処理を行うようにしてもよい。
次に、ノイズデータ除去部１９２は、学習用データからノイズデータを削除する（ステップＳ１０４）。上述したように、ノイズデータ除去部１９２は学習用データの回帰面又は近似式など学習用データの近似を求め、得られた近似から所定条件以上離れている学習用データを除去する。
但し、ステップＳ１０４の処理は必須ではない。パラメータ値取得装置１００が、ステップＳ１０３の処理の後、ステップＳ１０４の処理を行わずにステップＳ１０５の処理を行うようにしてもよい。あるいは、パラメータ値取得装置１００が、ステップＳ１０２の処理の後、ステップＳ１０３の処理及びステップＳ１０４の処理のいずれも行わずにステップＳ１０５の処理を行うようにしてもよい。
但し、ステップＳ１０４の処理は必須ではない。パラメータ値取得装置１００が、ステップＳ１０３の処理の後、ステップＳ１０４の処理を行わずにステップＳ１０５の処理を行うようにしてもよい。あるいは、パラメータ値取得装置１００が、ステップＳ１０２の処理の後、ステップＳ１０３の処理及びステップＳ１０４の処理のいずれも行わずにステップＳ１０５の処理を行うようにしてもよい。
次に、第一モデル生成部１９３は、第一モデルを生成する（ステップＳ１０５）。上述したように、第一モデル生成部１９３が、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値を１つの値で取得する出力する第一モデルを生成するようにしてもよいし、評価指標値の確率分布を出力する第一モデルを生成するようにしてもよい。
ステップＳ１０５の後、図７の処理を終了する。
ステップＳ１０５の後、図７の処理を終了する。
図８は、パラメータ値取得装置１００が設定パラメータ値を取得する処理手順の例を示すフローチャートである。
図８の処理で、入力部１１０は、条件パラメータ値を取得する（ステップＳ２０１）。ステップＳ２０１で入力部１１０が取得する条件パラメータ値は、パラメータ値取得装置１００が取得する設定パラメータ値を用いて制御装置２００が対象装置３００を動作させる際の条件を示す値である。例えば、ステップＳ２０１で入力部１１０が取得する条件パラメータ値は、現在の気温など現在の環境条件を示す。
図７のステップＳ１０３で条件パラメータ値追加処理部１９１が条件パラメータ値を学習データに追加した場合、条件パラメータ値追加処理部１９１は、ステップＳ２０１で入力部１１０が取得した条件パラメータ値に基づいて、ステップＳ１０３の場合と同様に条件パラメータ値を算出する。この条件パラメータ値が第一モデルへの入力の１つとなっているためである。
図８の処理で、入力部１１０は、条件パラメータ値を取得する（ステップＳ２０１）。ステップＳ２０１で入力部１１０が取得する条件パラメータ値は、パラメータ値取得装置１００が取得する設定パラメータ値を用いて制御装置２００が対象装置３００を動作させる際の条件を示す値である。例えば、ステップＳ２０１で入力部１１０が取得する条件パラメータ値は、現在の気温など現在の環境条件を示す。
図７のステップＳ１０３で条件パラメータ値追加処理部１９１が条件パラメータ値を学習データに追加した場合、条件パラメータ値追加処理部１９１は、ステップＳ２０１で入力部１１０が取得した条件パラメータ値に基づいて、ステップＳ１０３の場合と同様に条件パラメータ値を算出する。この条件パラメータ値が第一モデルへの入力の１つとなっているためである。
次に、第二モデル取得部１９４は、ステップＳ２０１で得られた条件パラメータ値を第一モデルに入力することで第二モデルを取得する（ステップＳ２０２）。
また、入力部１１０は、評価指標値について定められている条件を取得する（ステップＳ２０３）。
また、入力部１１０は、設定パラメータ値について定められている条件を取得する（ステップＳ２０４）。但し、ステップＳ２０４の処理は必須ではない。パラメータ値取得装置１００が、ステップＳ２０３の処理の後、ステップＳ２０４の処理を行わずにステップＳ２０５の処理を行うようにしてもよい。
また、入力部１１０は、評価指標値について定められている条件を取得する（ステップＳ２０３）。
また、入力部１１０は、設定パラメータ値について定められている条件を取得する（ステップＳ２０４）。但し、ステップＳ２０４の処理は必須ではない。パラメータ値取得装置１００が、ステップＳ２０３の処理の後、ステップＳ２０４の処理を行わずにステップＳ２０５の処理を行うようにしてもよい。
次に、パラメータ値取得部１９５は、評価指標値について定められている条件を満たす設定パラメータ値を第二モデルに基づいて取得する（ステップＳ２０５）。ステップＳ２０４で設定パラメータ値の条件も得られている場合、パラメータ値取得部１９５は、評価指標値について定められている条件、及び、設定パラメータ値について定められている条件のいずれも満たす設定パラメータ値を取得する。上述したように、パラメータ値取得部１９５が最適化問題を解くことで設定パラメータ値を取得するようにしてもよい。
次に、出力部１２０は、ステップＳ２０５で得られた設定パラメータ値を出力する（ステップＳ２０６）。
ステップＳ２０６の後、図８の処理を終了する。
次に、出力部１２０は、ステップＳ２０５で得られた設定パラメータ値を出力する（ステップＳ２０６）。
ステップＳ２０６の後、図８の処理を終了する。
次に、図９〜図１１を参照して、条件パラメータ値の追加及びノイズデータの除去によるモデル精度の向上の例について説明する。条件パラメータ値の追加は、上述した条件パラメータ値追加処理部１９１の処理である。ノイズデータの除去は、上述したノイズデータ除去部１９２の処理である。
条件パラメータ値の追加及びノイズデータの除去の有無に関する以下の３つのケースの各々について、接合装置で２枚の鋼鈑を接合した接合強度の真値と、上述した第二モデルを用いて求めた推定値との誤差を算出した。
ケース１：条件パラメータ値の追加及びノイズデータの除去のいずれも行わない場合
ケース２：条件パラメータ値の追加は行わずノイズデータの除去を行う場合
ケース３：条件パラメータ値の追加及びノイズデータの除去のいずれも行う場合
条件パラメータ値の追加及びノイズデータの除去の有無に関する以下の３つのケースの各々について、接合装置で２枚の鋼鈑を接合した接合強度の真値と、上述した第二モデルを用いて求めた推定値との誤差を算出した。
ケース１：条件パラメータ値の追加及びノイズデータの除去のいずれも行わない場合
ケース２：条件パラメータ値の追加は行わずノイズデータの除去を行う場合
ケース３：条件パラメータ値の追加及びノイズデータの除去のいずれも行う場合
第一モデルを求める機械学習法としてランダムフォレストを用いた。また、条件パラメータ値の追加では、溶接理論に基づいて新たな条件パラメータ値を算出し、学習用データに追加した。
真値と推定値との誤差を評価する指標値として平均二乗誤差（Root Mean Square Error；ＲＭＳＥ）及び平均誤差を算出した。平均二乗誤差は式（１）のように示される。
データ数は、ケース１が２０５、ケース２及びケース３はいずれも１７９である。ここでいうデータ数は、求めた真値及び推定値の組み合わせの個数である。
真値と推定値との誤差を評価する指標値として平均二乗誤差（Root Mean Square Error；ＲＭＳＥ）及び平均誤差を算出した。平均二乗誤差は式（１）のように示される。
データ数は、ケース１が２０５、ケース２及びケース３はいずれも１７９である。ここでいうデータ数は、求めた真値及び推定値の組み合わせの個数である。
ここで、ｙは真値を示す。ｙ’は推定値を示す。Ｎはデータ数を示す。
平均誤差は式（２）のように示される。
平均誤差は式（２）のように示される。
ｙ、ｙ’、Ｎは式（１）の場合と同様である。
平均事情誤差、平均誤差のいずれも値が小さいほど推定値が真値に近いと評価できる。
図９は、ケース１における真値と推定値との関係を示す図である。図９のグラフの横軸は真値を示し、縦軸は推定値を示す。真値と推定値との組み合わせをグラフにプロットしている。また、真値と推定値との相対誤差が±１０％以内の範囲を２本の破線で示している。
ケース１では、平均二乗誤差が２３．６３であった。また、平均誤差は１６．９７であった。
平均事情誤差、平均誤差のいずれも値が小さいほど推定値が真値に近いと評価できる。
図９は、ケース１における真値と推定値との関係を示す図である。図９のグラフの横軸は真値を示し、縦軸は推定値を示す。真値と推定値との組み合わせをグラフにプロットしている。また、真値と推定値との相対誤差が±１０％以内の範囲を２本の破線で示している。
ケース１では、平均二乗誤差が２３．６３であった。また、平均誤差は１６．９７であった。
図１０は、ケース２における真値と推定値との関係を示す図である。図９の場合と同様、図１０のグラフの横軸は真値を示し、縦軸は推定値を示す。真値と推定値との組み合わせをグラフにプロットしている。また、真値と推定値との相対誤差が±１０％以内の範囲を２本の破線で示している。
ケース２では、平均二乗誤差が２０．８４であった。また、平均誤差は１４．３４であった。平均二乗誤差、平均誤差のいずれもケース２の方がケース１よりも小さくなっており、接合強度の推定精度が向上したと評価できる。グラフを見ても、ケース２の方がケース１よりも真値と推定値との相対誤差が±１０％以内の範囲に含まれる割合が高い。
ケース２では、平均二乗誤差が２０．８４であった。また、平均誤差は１４．３４であった。平均二乗誤差、平均誤差のいずれもケース２の方がケース１よりも小さくなっており、接合強度の推定精度が向上したと評価できる。グラフを見ても、ケース２の方がケース１よりも真値と推定値との相対誤差が±１０％以内の範囲に含まれる割合が高い。
図１１は、ケース３における真値と推定値との関係を示す図である。図１１では、条件パラメータ値として（１）単位重ね代当たりの接合荷重、（２）単位重ね代当たりの電流、（３）単位重ね代当たりの入熱量を追加した場合の例を示している。
単位重ね代当たりの接合荷重（上記１）の単位として、例えばｋＮ／ｍｍ２を用いる。単位重ね代当たりの電流（上記２）の単位として、例えばｋＡ／ｍｍ２を用いる。単位重ね代当たりの入熱量（上記３）の単位として、例えばＪ／ｍｍ２を用いる。
単位重ね代当たりの接合荷重（上記１）の単位として、例えばｋＮ／ｍｍ２を用いる。単位重ね代当たりの電流（上記２）の単位として、例えばｋＡ／ｍｍ２を用いる。単位重ね代当たりの入熱量（上記３）の単位として、例えばＪ／ｍｍ２を用いる。
図９の場合と同様、図１１のグラフの横軸は真値を示し、縦軸は推定値を示す。真値と推定値との組み合わせをグラフにプロットしている。また、真値と推定値との相対誤差が±１０％以内の範囲を２本の破線で示している。
ケース３では、平均二乗誤差が１６．０９であった。また、平均誤差は１０．３６であった。平均二乗誤差、平均誤差のいずれもケース３の方がケース２よりもさらに小さくなっており、接合強度の推定精度がさらに向上したと評価できる。グラフを見ても、ケース３の方がケース２よりもさらに、真値と推定値との相対誤差が±１０％以内の範囲に含まれる割合が高い。
以上より、ノイズデータの除去によってモデルの精度が向上し、条件パラメータ値の追加によってモデルの精度がさらに向上したと評価できる。
ケース３では、平均二乗誤差が１６．０９であった。また、平均誤差は１０．３６であった。平均二乗誤差、平均誤差のいずれもケース３の方がケース２よりもさらに小さくなっており、接合強度の推定精度がさらに向上したと評価できる。グラフを見ても、ケース３の方がケース２よりもさらに、真値と推定値との相対誤差が±１０％以内の範囲に含まれる割合が高い。
以上より、ノイズデータの除去によってモデルの精度が向上し、条件パラメータ値の追加によってモデルの精度がさらに向上したと評価できる。
以上のように、第一モデル生成部１９３は第一モデルを生成する。第二モデル取得部１９４は、第一モデルに対して条件パラメータ値を入力して第二モデルを取得する。パラメータ値取得部１９５は、第二モデルに基づいて、評価指標値について定められている条件を満たす設定パラメータ値を取得する。
第一モデル生成時には、対象装置３００が動作した際の学習用データを得られればよい。この学習用データは、対象装置３００使用時に設定した設定パラメータ値、対象装置３００使用時の条件の測定値、及び、評価指標値の測定値の組み合わせにて得られる。この点で、学習用データの生成に、対象装置３００が行う処理に関する専門知識を必要としない。
また、対象装置３００使用時の設定の際には、対象装置３００使用時の条件、及び、評価指標値に対する条件を得られればよい。対象装置３００使用時の条件は、対象装置３００使用時に該当事項の測定を行うことで得られる。また、評価指標値に対する条件は、対象装置３００の使用目的に応じて決定される。この点で、対象装置３００使用時の設定の入力データの生成にも、対象装置３００が行う処理に関する専門知識を必要としない。
この点で、パラメータ値取得装置１００によれば、ユーザが、対象装置３００が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能である。
第一モデル生成時には、対象装置３００が動作した際の学習用データを得られればよい。この学習用データは、対象装置３００使用時に設定した設定パラメータ値、対象装置３００使用時の条件の測定値、及び、評価指標値の測定値の組み合わせにて得られる。この点で、学習用データの生成に、対象装置３００が行う処理に関する専門知識を必要としない。
また、対象装置３００使用時の設定の際には、対象装置３００使用時の条件、及び、評価指標値に対する条件を得られればよい。対象装置３００使用時の条件は、対象装置３００使用時に該当事項の測定を行うことで得られる。また、評価指標値に対する条件は、対象装置３００の使用目的に応じて決定される。この点で、対象装置３００使用時の設定の入力データの生成にも、対象装置３００が行う処理に関する専門知識を必要としない。
この点で、パラメータ値取得装置１００によれば、ユーザが、対象装置３００が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能である。
また、第一モデル生成部１９３は、対象装置３００の物理モデルを用いて算出されるパラメータ値を条件パラメータ値に含む第一モデルを生成する。
これにより、第一モデルの精度向上が期待される。第一モデルの精度が向上することで、パラメータ値取得装置１００は、要求された条件を満たす設定パラメータ値をより高精度に取得することができる。
これにより、第一モデルの精度向上が期待される。第一モデルの精度が向上することで、パラメータ値取得装置１００は、要求された条件を満たす設定パラメータ値をより高精度に取得することができる。
また、ノイズデータ除去部１９２は、複数の学習用データのうち、これら複数の学習用データが示す傾向から所定条件以上乖離した学習用データを除外するノイズデータ除去処理を行う。第一モデル生成部１９３は、ノイズデータ除去部１９２によるノイズデータ除去処理後の学習用データを用いて第一モデルを生成する。
これにより、第一モデルの精度向上が期待される。第一モデルの精度が向上することで、パラメータ値取得装置１００は、要求された条件を満たす設定パラメータ値をより高精度に取得することができる。
これにより、第一モデルの精度向上が期待される。第一モデルの精度が向上することで、パラメータ値取得装置１００は、要求された条件を満たす設定パラメータ値をより高精度に取得することができる。
また、第二モデル取得部１９４は、第二モデルを応答曲面モデルにて取得する。
第二モデルとして連続的なモデルを得られることで、例えば勾配法などいろいろな最適化アルゴリズムの適用が可能である。
第二モデルとして連続的なモデルを得られることで、例えば勾配法などいろいろな最適化アルゴリズムの適用が可能である。
なお、制御部１９０の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することで各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
以上、本発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。
１ 対象装置動作システム
１００ パラメータ値取得装置
１１０ 入力部
１２０ 出力部
１８０ 記憶部
１９０ 制御部
１９１ 条件パラメータ値追加処理部
１９２ ノイズデータ除去部
１９３ 第一モデル生成部
１９４ 第二モデル取得部
１９５ パラメータ値取得部
２００、２０１、２０２ 制御装置
２１１ マッシュシーム制御部
２１２ 加圧ローラ制御部
２１３ キャリッジルーム制御部
２２１ 片面工程制御部
２２２ 両面工程制御部
２２３ 後工程制御部
３００ 対象装置
３０１ 接合装置
４０１ 台板
４１１ 支柱
４１２ 支持フレーム
４２０ クランプ装置
４２１ クランプ部材
４２２ クランプ押圧装置
４３１ キャリッジフレーム
４３２ 支持ローラ
４３３ キャリッジフレーム駆動装置
４４１ 電極輪
４４２ 電極輪押圧装置
４４３ 電極輪用モータ
４４４ 電源装置
４５１ 加圧ローラ
４５２ 加圧ローラ押圧装置
９１１、９１２ 鋼鈑
１００ パラメータ値取得装置
１１０ 入力部
１２０ 出力部
１８０ 記憶部
１９０ 制御部
１９１ 条件パラメータ値追加処理部
１９２ ノイズデータ除去部
１９３ 第一モデル生成部
１９４ 第二モデル取得部
１９５ パラメータ値取得部
２００、２０１、２０２ 制御装置
２１１ マッシュシーム制御部
２１２ 加圧ローラ制御部
２１３ キャリッジルーム制御部
２２１ 片面工程制御部
２２２ 両面工程制御部
２２３ 後工程制御部
３００ 対象装置
３０１ 接合装置
４０１ 台板
４１１ 支柱
４１２ 支持フレーム
４２０ クランプ装置
４２１ クランプ部材
４２２ クランプ押圧装置
４３１ キャリッジフレーム
４３２ 支持ローラ
４３３ キャリッジフレーム駆動装置
４４１ 電極輪
４４２ 電極輪押圧装置
４４３ 電極輪用モータ
４４４ 電源装置
４５１ 加圧ローラ
４５２ 加圧ローラ押圧装置
９１１、９１２ 鋼鈑
Claims (23)
- 対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力する第一モデルを生成する第一モデル生成部と、
前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、
前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、
を備え、
前記条件パラメータ値は、前記対象装置による処理結果に影響する事項のうち、当該対象装置の使用に際して設定可能な事項以外の事項である、
パラメータ値取得装置。 - 前記設定パラメータ値は、当該対象装置の使用に際して設定可能な制御パラメータ値または当該対象装置が扱う部材もしくは材料に関する設定値のうち１つ以上の値を含む、
請求項１に記載のパラメータ値取得装置。 - 対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値の確率分布を出力する第一モデルを生成する第一モデル生成部と、
前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、
前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、
を備えるパラメータ値取得装置。 - 前記第二モデルが、前記設定パラメータ値と前記評価指標値の確率分布との関係を示す
請求項３に記載のパラメータ値取得装置。 - 前記第一モデル生成部は、前記設定パラメータ値及び前記条件パラメータ値の入力に対して、ガウス過程回帰またはベイズ線形回帰を用いて前記評価指標値の確率分布を出力する前記第一モデルを生成する、
請求項３または４に記載のパラメータ値取得装置。 - 前記第一モデル生成部は、前記対象装置の物理モデルを用いて算出されるパラメータ値を前記条件パラメータ値に含む前記第一モデルを生成する、
請求項１から５のいずれか一項に記載のパラメータ値取得装置。 - 前記第一モデル生成部は、前記第一モデルを機械学習で生成する場合の学習用データに含まれる物理量を前記物理モデルに適用して新たな物理量を算出し、算出した物理量のデータを前記条件パラメータ値として前記学習用データに追加する条件パラメータ値追加処理部
を備える、請求項６に記載のパラメータ値取得装置。 - 前記第二モデル取得部は、前記第一モデルから前記条件パラメータ値の個数だけ次元を減少させたモデルである前記第二モデルを取得する
請求項１から７のいずれか一項に記載のパラメータ値取得装置。 - 前記パラメータ値取得部は、前記評価指標値を目的変数とし、前記設定パラメータ値を説明変数とし、前記評価指標値について定められている条件を制約条件とする最適化問題を解くことで、設定パラメータ値を取得する
請求項１から８のいずれか一項に記載のパラメータ値取得装置。 - 前記設定パラメータ値、前記条件パラメータ値、及び、前記評価指標値が対応付けられた複数の学習用データのうち、これら複数の学習用データが示す傾向から所定条件以上乖離した学習用データを除外するノイズデータ除去処理を行うノイズデータ除去部を備え、
前記第一モデル生成部は、前記ノイズデータ除去部によるノイズデータ除去処理後の学習用データを用いて前記第一モデルを生成する、
請求項１から９のいずれか一項に記載のパラメータ値取得装置。 - 前記ノイズデータ除去部は、他の前記学習用データとの相関性が所定条件以上に低いデータを除外する、
請求項１０に記載のパラメータ値取得装置。 - 前記第二モデル取得部は、前記設定パラメータ値及び前記条件パラメータ値と前記評価指標値との関係を示す応答曲面モデルを取得する、
請求項１から１１のいずれか一項に記載のパラメータ値取得装置。 - 対象装置と、
前記対象装置使用時の設定を示す設定パラメータ値を取得するパラメータ値取得装置と、
を備えた対象装置作動システムであって、
前記パラメータ値取得装置は、
前記設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力する第一モデルを生成する第一モデル生成部と、
前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、
前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、
を備え、
前記条件パラメータ値は、前記対象装置による処理結果に影響する事項のうち、当該対象装置の使用に際して設定可能な事項以外の事項であり、
前記対象装置は、前記パラメータ値取得部が取得した設定パラメータ値に応じて動作する、
対象装置動作システム。 - 対象装置と、
前記対象装置使用時の設定を示す設定パラメータ値を取得するパラメータ値取得装置と、
を備えた対象装置作動システムであって、
前記パラメータ値取得装置は、
前記設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値の確率分布を出力する第一モデルを生成する第一モデル生成部と、
前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、
前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、
を備え、
前記対象装置は、前記パラメータ値取得部が取得した設定パラメータ値に応じて動作する、
対象装置動作システム。 - 対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力するモデルを生成するモデル生成ステップと、
前記条件パラメータ値がある値をとる場合に、前記評価指標値について定められている条件を満たす設定パラメータ値を、前記モデルに基づいて求め取得するパラメータ値取得ステップと、
を含み、
前記条件パラメータ値は、前記対象装置による処理結果に影響する事項のうち、当該対象装置の使用に際して設定可能な事項以外の事項である、
ことを特徴とするパラメータ値取得方法。 - 前記設定パラメータ値は、当該対象装置の使用に際して設定可能な制御パラメータ値または当該対象装置が扱う部材もしくは材料に関する設定値のうち１つ以上の値を含む、
請求項１５に記載のパラメータ値取得方法。 - 対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値の確率分布を出力するモデルを生成するモデル生成ステップと、
前記条件パラメータ値がある値をとる場合に、前記評価指標値について定められている条件を満たす設定パラメータ値を、前記モデルに基づいて求め取得するパラメータ値取得ステップと、
を含むパラメータ値取得方法。 - 前記モデル生成ステップは、前記設定パラメータ値及び前記条件パラメータ値の入力に対して、ガウス過程回帰またはベイズ線形回帰を用いて前記評価指標値の確率分布を出力するモデルを生成する、
請求項１７に記載のパラメータ値取得方法。 - 前記モデル生成ステップは、前記対象装置の物理モデルを用いて算出されるパラメータ値を前記条件パラメータ値に含む前記モデルを生成する、
請求項１５から１８のいずれか一項に記載のパラメータ値取得方法。 - 前記モデル生成ステップは、前記モデルを機械学習で生成する場合の学習用データに含まれる物理量を前記物理モデルに適用して新たな物理量を算出し、算出した物理量のデータを前記条件パラメータ値として前記学習用データに追加する条件パラメータ値追加処理ステップ
を含む、請求項１９に記載のパラメータ値取得方法。 - 前記パラメータ値取得ステップは、前記評価指標値を目的変数とし、前記設定パラメータ値を説明変数とし、前記評価指標値について定められている条件を制約条件とする最適化問題を解くことで、設定パラメータ値を取得する
請求項１５から１８のいずれか一項に記載のパラメータ値取得方法。 - コンピュータに、
対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力するモデルを生成するモデル生成ステップと、
前記条件パラメータ値がある値をとる場合に、前記評価指標値について定められている条件を満たす設定パラメータ値を、前記モデルに基づいて求め取得するパラメータ値取得ステップと、
を実行させるためのプログラムであって、
前記条件パラメータ値は、前記対象装置による処理結果に影響する事項のうち、当該対象装置の使用に際して設定可能な事項以外の事項である、
ことを特徴とするプログラム。 - コンピュータに、
対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値の確率分布を出力するモデルを生成するモデル生成ステップと、
前記条件パラメータ値がある値をとる場合に、前記評価指標値について定められている条件を満たす設定パラメータ値を、前記モデルに基づいて求め取得するパラメータ値取得ステップと、
を実行させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021069212A JP7154339B2 (ja) | 2017-02-24 | 2021-04-15 | パラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラム |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017033692A JP6928753B2 (ja) | 2017-02-24 | 2017-02-24 | パラメータ値取得装置および評価方法 |
| JP2021069212A JP7154339B2 (ja) | 2017-02-24 | 2021-04-15 | パラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラム |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017033692A Division JP6928753B2 (ja) | 2017-02-24 | 2017-02-24 | パラメータ値取得装置および評価方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021140801A true JP2021140801A (ja) | 2021-09-16 |
| JP7154339B2 JP7154339B2 (ja) | 2022-10-17 |
Family
ID=63450873
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017033692A Active JP6928753B2 (ja) | 2017-02-24 | 2017-02-24 | パラメータ値取得装置および評価方法 |
| JP2021069212A Active JP7154339B2 (ja) | 2017-02-24 | 2021-04-15 | パラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラム |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017033692A Active JP6928753B2 (ja) | 2017-02-24 | 2017-02-24 | パラメータ値取得装置および評価方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP6928753B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7192566B2 (ja) * | 2019-02-25 | 2022-12-20 | マツダ株式会社 | 電気抵抗溶接における散り検知方法及びその装置 |
| JP7195993B2 (ja) * | 2019-03-27 | 2022-12-26 | 株式会社神戸製鋼所 | パルス波形探索装置、パルス波形探索方法、パルスアーク溶接装置、及びパルスアーク溶接方法 |
| JP7363550B2 (ja) * | 2020-02-10 | 2023-10-18 | マツダ株式会社 | 抵抗溶接用電極のドレス良否判定方法及びその装置 |
| CN115145825A (zh) * | 2022-07-22 | 2022-10-04 | 深圳市朗科智能电气股份有限公司 | 一种单片机软件调参方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007156881A (ja) * | 2005-12-06 | 2007-06-21 | Yamatake Corp | 制御系解析装置およびプログラム |
| US20080183444A1 (en) * | 2007-01-26 | 2008-07-31 | Grichnik Anthony J | Modeling and monitoring method and system |
| JP2009282703A (ja) * | 2008-05-21 | 2009-12-03 | Hitachi Ltd | 製造指示評価支援システム、製造指示評価支援方法、および製造指示評価支援プログラム |
| JP2011175540A (ja) * | 2010-02-25 | 2011-09-08 | Fuji Electric Co Ltd | 予測・診断モデルの構築装置 |
| JP2014529795A (ja) * | 2011-08-22 | 2014-11-13 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 制御装置の機能を作成する方法 |
| JP2016170715A (ja) * | 2015-03-13 | 2016-09-23 | 株式会社東芝 | 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム |
-
2017
- 2017-02-24 JP JP2017033692A patent/JP6928753B2/ja active Active
-
2021
- 2021-04-15 JP JP2021069212A patent/JP7154339B2/ja active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007156881A (ja) * | 2005-12-06 | 2007-06-21 | Yamatake Corp | 制御系解析装置およびプログラム |
| US20080183444A1 (en) * | 2007-01-26 | 2008-07-31 | Grichnik Anthony J | Modeling and monitoring method and system |
| JP2009282703A (ja) * | 2008-05-21 | 2009-12-03 | Hitachi Ltd | 製造指示評価支援システム、製造指示評価支援方法、および製造指示評価支援プログラム |
| JP2011175540A (ja) * | 2010-02-25 | 2011-09-08 | Fuji Electric Co Ltd | 予測・診断モデルの構築装置 |
| JP2014529795A (ja) * | 2011-08-22 | 2014-11-13 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 制御装置の機能を作成する方法 |
| JP2016170715A (ja) * | 2015-03-13 | 2016-09-23 | 株式会社東芝 | 機器特性モデル学習装置、機器特性モデル学習方法、及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7154339B2 (ja) | 2022-10-17 |
| JP2018138308A (ja) | 2018-09-06 |
| JP6928753B2 (ja) | 2021-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2021140801A (ja) | パラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラム | |
| US20130119040A1 (en) | System and method for adaptive fill welding using image capture | |
| Liu et al. | Fusing machine algorithm with welder intelligence for adaptive welding robots | |
| WO2017120491A1 (en) | Systems and methods to provide weld training | |
| CN108956653A (zh) | 一种焊点质量检测方法、系统、装置及可读存储介质 | |
| CN108701427A (zh) | 提供焊接训练的系统和方法 | |
| JP2011005623A (ja) | 消費電力推定装置 | |
| JP2019081230A (ja) | 教示点又は教示線の位置ずれを警告又は修正するロボット教示装置 | |
| CN113351962A (zh) | 用于创建或更改焊接序列的系统和方法 | |
| Choudhary et al. | Numerical prediction of various defects and their formation mechanism during friction stir welding using coupled Eulerian-Lagrangian technique | |
| WO2016136831A1 (ja) | 設定支援装置、設定支援方法及びプログラム | |
| US11491653B2 (en) | Method and apparatus for robotic machining | |
| JP2008145252A (ja) | 超音波接合検査装置、超音波接合検査方法、超音波接合装置、および超音波接合方法 | |
| KR102279409B1 (ko) | 용접 품질 관리 시스템 | |
| WO2022213374A1 (zh) | 焊接系统及焊接参数优化方法 | |
| KR101874824B1 (ko) | 가상 용접 훈련 시뮬레이터의 비드 생성 장치 | |
| Zeshi et al. | Dynamic nonlinear modeling of 3D weld pool surface in GTAW | |
| JP6653424B2 (ja) | 溶接方法 | |
| JP2007268538A (ja) | 溶接ロボットの制御装置 | |
| TWI764130B (zh) | 焊接系統及焊接參數優化方法 | |
| Chen et al. | Modeling of underwater wet welding process based on visual and arc sensor | |
| JP6189734B2 (ja) | 抵抗溶接方法、抵抗溶接装置及びその制御装置 | |
| Mrugalska et al. | Advances in Manufacturing, Production Management and Process Control: Proceedings of the AHFE 2020 Virtual Conferences on Human Aspects of Advanced Manufacturing, Advanced Production Management and Process Control, and Additive Manufacturing, Modeling Systems and 3D Prototyping, July 16–20, 2020, USA | |
| Zhao et al. | Virtual assembly simulation and ergonomics analysis for the industrial manipulator based on DELMIA | |
| JP2015085496A (ja) | ロボット、ロボットシステムおよび制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210415 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220308 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220428 |
|
| 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: 20220906 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221004 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7154339 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |