JP2022021956A - 機械学習装置 - Google Patents

機械学習装置 Download PDF

Info

Publication number
JP2022021956A
JP2022021956A JP2020125888A JP2020125888A JP2022021956A JP 2022021956 A JP2022021956 A JP 2022021956A JP 2020125888 A JP2020125888 A JP 2020125888A JP 2020125888 A JP2020125888 A JP 2020125888A JP 2022021956 A JP2022021956 A JP 2022021956A
Authority
JP
Japan
Prior art keywords
data
machine learning
learning
unit
dimensional model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2020125888A
Other languages
English (en)
Inventor
彰彦 ▲角▼谷
Akihiko Sumiya
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Seiko Epson Corp
Original Assignee
Seiko Epson Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Seiko Epson Corp filed Critical Seiko Epson Corp
Priority to JP2020125888A priority Critical patent/JP2022021956A/ja
Priority to CN202110820390.7A priority patent/CN113967747B/zh
Priority to US17/381,732 priority patent/US20220027537A1/en
Publication of JP2022021956A publication Critical patent/JP2022021956A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/10—Formation of a green body
    • B22F10/14—Formation of a green body by jetting of binder onto a bed of metal powder
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/60—Treatment of workpieces or articles after build-up
    • B22F10/64—Treatment of workpieces or articles after build-up by thermal means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/80—Data acquisition or data processing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B28—WORKING CEMENT, CLAY, OR STONE
    • B28B—SHAPING CLAY OR OTHER CERAMIC COMPOSITIONS; SHAPING SLAG; SHAPING MIXTURES CONTAINING CEMENTITIOUS MATERIAL, e.g. PLASTER
    • B28B1/00—Producing shaped prefabricated articles from the material
    • B28B1/001—Rapid manufacturing of 3D objects by additive depositing, agglomerating or laminating of material
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y10/00—Processes of additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y40/00—Auxiliary operations or equipment, e.g. for material handling
    • B33Y40/20—Post-treatment, e.g. curing, coating or polishing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/10—Processes of additive manufacturing
    • B29C64/165—Processes of additive manufacturing using a combination of solid and fluid materials, e.g. a powder selectively bound by a liquid binder, catalyst, inhibitor or energy absorber
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/10—Additive manufacturing, e.g. 3D printing
    • 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
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Materials Engineering (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Thermal Sciences (AREA)
  • Ceramic Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Producing Shaped Articles From Materials (AREA)
  • Powder Metallurgy (AREA)

Abstract

【課題】製造時における三次元造形物の変形を予測可能な技術を提供する。【解決手段】機械学習装置は、三次元造形物の目標形状を表す形状データと、製造中における三次元造形物の変形を抑制するために三次元造形物に追加される追加部分の目標形状を表す追加形状データとを含む第１データと、三次元造形物の変形に関する第２データとを取得するデータ取得部と、複数の第１データと複数の第２データとを含む学習データセットを記憶する記憶部と、学習データセットを用いた機械学習を実行することによって、第１データと第２データとの関係を学習する学習部と、を備える。【選択図】図１２

Description

本開示は、機械学習装置に関する。
粉末状の金属やセラミックを含んだ材料を積層して三次元造形物を造形した後、三次元造形物を焼結させて強度を高める技術が知られている。焼結によって三次元造形物が収縮するので、焼結後の三次元造形物には、歪みや、割れや、反りなどが生じることがある。この問題に関して、特許文献１には、有限要素法を用いて熱による三次元造形物の変形量を予測し、予測された変形量が許容範囲内でない場合には入力ジオメトリを補正し、補正後の入力ジオメトリに従って三次元造形物を造形することで三次元造形物の変形を抑制する技術が記載されている。
特表２０１７－５３００２７号公報
上記特許文献１のように有限要素法を用いて三次元造形物の変形量を予測する技術では、三次元造形装置で造形するような複雑な形状の三次元造形物の熱による変形量を予測する場合、解析モデルのメッシュを細かく設定する必要があり、解析時間が長くなる。このような問題は、粉末状の金属などを積層した後に焼結させて三次元造形物を製造する場合のみならず、可塑化した熱可塑性樹脂を積層して三次元造形物を製造する場合にも共通した問題である。
本開示の一形態によれば、機械学習装置が提供される。この機械学習装置は、三次元造形物の目標形状を表す形状データと、製造中における前記三次元造形物の変形を抑制するために前記三次元造形物に追加される追加部分の目標形状を表す追加形状データとを含む第１データと、前記三次元造形物の変形に関する第２データとを取得するデータ取得部と、複数の前記第１データと複数の前記第２データとを含む学習データセットを記憶する記憶部と、前記学習データセットを用いた機械学習を実行することによって、前記第１データと前記第２データとの関係を学習する学習部と、を備える。
第１実施形態の機械学習システムの概略構成を示す説明図。 第１実施形態の三次元造形装置の概略構成を示す説明図。 三次元造形物の目標形状の一例を示す説明図。 図３の三次元造形物のIV－IV線断面図。 第１実施形態の三次元造形物の製造方法を示すフローチャート。 セッターに載置された三次元造形物の一例を示す上面図。 熱処理工程後の三次元造形物の一例を示す上面図。 三次元造形物の寸法精度の良否を調べた試験結果を示す第１の説明図。 セッターに載置されたサンプル２を示す上面図。 三次元造形物の寸法精度の良否を調べた試験結果を示す第２の説明図。 セッターに載置されたサンプル８を示す上面図。 第１実施形態の学習処理の内容を示すフローチャート。 第１実施形態の予測処理の内容を示すフローチャート。 第２実施形態の機械学習システムの概略構成を示す説明図。 第２実施形態の予測処理の内容を示すフローチャート。
Ａ．第１実施形態：
図１は、第１実施形態における機械学習システム５０の概略構成を示す説明図である。機械学習システム５０は、機械学習装置１００と、情報処理装置２００と、三次元造形装置３００と、熱処理装置４００と、検査装置５００と、表示装置６００とを備えている。
機械学習装置１００は、１つまたは複数のプロセッサーと、主記憶装置と、外部との信号の入出力を行う入出力インターフェースとを備えるコンピューターによって構成されている。本実施形態では、機械学習装置１００は、後述する学習処理を実行することによって学習モデルを生成し、後述する予測処理を実行することによって学習モデルを用いて三次元造形物の製造誤差を予測する。なお、機械学習装置１００は、複数のコンピューターによって構成されてもよい。
本実施形態では、機械学習装置１００は、データ取得部１１０と、データ記憶部１２０と、演算部１３０と、前処理部１４０と、学習部１５０と、学習モデル記憶部１６０と、予測部１７０とを備えている。
データ取得部１１０は、有線通信または無線通信によって、情報処理装置２００、三次元造形装置３００および熱処理装置４００から第１データを取得する。さらに、データ取得部１１０は、有線通信または無線通信によって、検査装置５００から第２データを取得する。なお、第１データや第２データの詳細については後述する。
データ記憶部１２０は、第１データや第２データなどの各種データを記憶する。演算部１３０は、第１データと第２データとを用いて、後述する製造誤差データを生成する。前処理部１４０は、第１データと製造誤差データとを用いて学習データセットを生成する。学習部１５０は、学習処理において、学習データセットを用いた機械学習を実行して、学習モデルを生成する。本実施形態では、学習部１５０は、報酬計算部１５１と、価値関数更新部１５２とを備えている。学習モデル記憶部１６０は、学習モデルを記憶する。予測部１７０は、予測処理において、学習モデルを用いて三次元造形物の製造誤差を予測する。
情報処理装置２００は、１つまたは複数のプロセッサーと、主記憶装置と、外部との信号の入出力を行う入出力インターフェースとを備えるコンピューターによって構成されている。本実施形態では、情報処理装置２００は、予めインストールされた三次元ＣＡＤソフトによって、形状データおよび追加形状データを生成する。形状データには、三次元造形物の本体部分の目標形状が表されている。追加形状データには、三次元造形物の製造時における本体部分の変形を抑制するために本体部分に追加される追加部分の目標形状が表されている。目標形状とは、製品の製造時に目標とされる形状のことを意味する。つまり、目標形状通りに製品が製造された場合、その製品の製造誤差はゼロである。なお、製品Ａの本体部分と製品Ｂの本体部分とで、目標とされる形や大きさが異なる場合には、両者の本体部分の目標形状は異なる。また、製品Ａの追加部分と製品Ｂの追加部分とで、目標とされる形や大きさや個数や本体部分に対する配置が異なる場合には、両者の追加部分の目標形状は異なる。形状データおよび追加形状データは、機械学習装置１００に送信される。さらに、本実施形態では、情報処理装置２００は、予めインストールされたスライサーソフトに形状データおよび追加形状データを読み込ませることによって造形データを生成する。造形データには、所望の形状の三次元造形物が造形されるように三次元造形装置３００を制御するための各種情報が表される。造形データは、三次元造形装置３００に送信される。
三次元造形装置３００は、造形データに従って三次元造形物を造形する。本実施形態では、三次元造形装置３００は、バインダージェット方式の三次元造形装置である。なお、三次元造形装置３００の構成については後述する。
熱処理装置４００は、三次元造形装置３００によって造形された三次元造形物に熱処理を施す。本実施形態では、熱処理装置４００は、焼結炉である。熱処理装置４００は、予め定められた熱処理条件に従って、三次元造形物を焼結させる。熱処理条件には、例えば、加熱時間や加熱温度などが含まれる。
検査装置５００は、熱処理後の三次元造形物の寸法を計測して、計測データを生成する。本実施形態では、検査装置５００は、三次元測定機である。本実施形態では、計測データには、熱処理後の三次元造形物の形状が表されている。計測データには、熱処理後の三次元造形物の歪量や、反り量や、割れの有無などが表されてもよい。
表示装置６００は、機械学習装置１００の予測部１７０による予測結果を表示する。本実施形態では、表示装置は、液晶ディスプレイである。なお、表示装置６００は、液晶ディスプレイに限定されず、例えば、プラズマディスプレイや有機ＥＬディスプレイなどでもよい。
図２は、三次元造形装置３００の概略構成を示す説明図である。三次元造形装置３００は、制御部３０１と、テーブルユニット３０２と、移動機構３０３と、造形ユニット３０４とを備えている。制御部３０１は、１つまたは複数のプロセッサーと、主記憶装置と、外部との信号の入出力を行う入出力インターフェースとを備えるコンピューターによって構成されている。制御部３０１は、情報処理装置２００から供給された造形データに従って、テーブルユニット３０２と移動機構３０３と造形ユニット３０４とを制御する。
テーブルユニット３０２は、テーブル３１０と、テーブル３１０の外周を囲む枠体３１５と、テーブル３１０をＺ方向に沿って移動させる昇降機構３１６とを備えている。本実施形態では、昇降機構３１６は、制御部３０１の制御下で、テーブル３１０をＺ方向に沿って移動させるアクチュエーターによって構成されている。
移動機構３０３は、テーブルユニット３０２の上方に設けられている。移動機構３０３は、造形ユニット３０４を支持しており、テーブル３１０に対して造形ユニット３０４をＸ方向に沿って相対移動させる。本実施形態では、移動機構３０３は、制御部３０１の制御下で、造形ユニット３０４をＸ方向に沿って移動させるアクチュエーターによって構成されている。
造形ユニット３０４は、テーブルユニット３０２の上方に配置されている。造形ユニット３０４は、材料供給部３２０と、平坦化部３３０と、液体供給部３４０と、硬化エネルギー供給部３５０とを備えている。造形ユニット３０４には、－Ｘ方向側から、材料供給部３２０と、平坦化部３３０と、液体供給部３４０と、硬化エネルギー供給部３５０とがこの順に配置されている。
材料供給部３２０は、粉末状の材料である粉末材料ＰＤをテーブル３１０上に供給する。本実施形態では、材料供給部３２０は、粉末材料ＰＤを貯蔵するホッパーによって構成されている。粉末材料ＰＤは、三次元造形物の原材料である。粉末材料ＰＤとして、ステンレス鋼や、ステンレス鋼以外の鉄鋼や、純鉄や、チタン合金や、マグネシウム合金や、コバルト合金や、ニッケル合金などの金属材料の粉末や、二酸化ケイ素や、二酸化チタンや、酸化アルミニウムや、酸化ジルコニウムや、窒化ケイ素などのセラミック材料の粉末などを用いることができる。これらのうちの一種類が粉末材料ＰＤとして用いられてもよいし、二種類以上が組み合わされて粉末材料ＰＤとして用いられてもよい。本実施形態では、ステンレス鋼の粉末が粉末材料ＰＤとして用いられる。
平坦化部３３０は、材料供給部３２０からテーブル３１０上に供給された粉末材料ＰＤを平坦化する。本実施形態では、平坦化部３３０は、ローラーによって構成されている。平坦化部３３０によってテーブル３１０上から押し出された余剰分の粉末材料ＰＤは、枠体３１５に設けられた材料回収部３１７に収容される。なお、平坦化部３３０は、スキージによって構成されてもよい。
液体供給部３４０は、結合液ＢＤの供給源である液体供給源３４１と、平坦化部３３０によって平坦化された粉末材料ＰＤに対して結合液ＢＤを噴射する液体噴射ヘッド３４２とを備えている。本実施形態では、液体供給源３４１は、結合液ＢＤを貯蔵するタンクによって構成されている。結合液ＢＤは、粉末材料ＰＤ同士を結合させる結合剤を含む液体である。結合剤として、熱可塑性樹脂や、熱硬化性樹脂や、可視光領域の光により硬化する可視光硬化性樹脂、紫外線硬化性樹脂、赤外線硬化性樹脂などの各種光硬化性樹脂や、Ｘ線硬化性樹脂などを用いることができる。これらのうちの一種類が結合剤として用いられてもよく、二種類以上が組み合わされて結合剤として用いられてもよい。結合剤の溶媒として、水や、有機溶媒を用いることができる。本実施形態では、結合剤として紫外線硬化性樹脂を含む結合液ＢＤが用いられる。
液体噴射ヘッド３４２は、圧力室と、圧力室の容積を変化させるピエゾ素子と、圧力室に連通する複数のノズル孔とを有するピエゾ駆動方式の液体噴射ヘッドによって構成されている。液体噴射ヘッド３４２は、液体供給源３４１から供給された結合液で満たされた圧力室の側壁をピエゾ素子によって撓ませて圧力室の容積を減少させ、圧力室の容積減少量に相当する量の結合液ＢＤをノズル孔から噴射する。
硬化エネルギー供給部３５０は、液体供給部３４０から粉末材料ＰＤに噴射された結合液ＢＤに含まれる結合剤に対して、結合剤を硬化させるためのエネルギーを付与する。本実施形態では、硬化エネルギー供給部３５０は、紫外線ランプによって構成されている。なお、熱硬化性の結合剤が用いられる場合には、硬化エネルギー供給部３５０は、ヒーターによって構成されてもよい。
図３は、三次元造形物ＯＢの目標形状の一例を示す説明図である。図４は、図３における三次元造形物ＯＢのIV－IV線断面図である。図３および図４に示した三次元造形物ＯＢは、本体部分ＭＰと２つの追加部分ＡＰ１～ＡＰ２とを有している。以下の説明では、追加部分ＡＰ１のことを第１追加部分ＡＰ１と呼び、追加部分ＡＰ２のことを第２追加部分ＡＰ２と呼ぶ。第１追加部分ＡＰ１と第２追加部分ＡＰ２とを特に区別せずに説明する場合には、第１追加部分ＡＰ１および第２追加部分ＡＰ２のことを単に追加部分ＡＰと呼ぶことがある。この例では、本体部分ＭＰは、上面から視てＺ字型の外形形状を有している。本体部分ＭＰの一端部には第１貫通孔ＨＬ１が設けられており、本体部分ＭＰの他端部には第２貫通孔ＨＬ２が設けられており、本体部分ＭＰの中央部には第３貫通孔ＨＬ３が設けられている。第１追加部分ＡＰ１および第２追加部分ＡＰ２は、Ｚ方向に沿った中心軸を中心とする円柱形状を有している。第１追加部分ＡＰ１および第２追加部分ＡＰ２は、本体部分ＭＰの底面に接続されている。第１追加部分ＡＰ１は、第１貫通孔ＨＬ１の隣に配置されており、第２追加部分ＡＰ２は、第２貫通孔ＨＬ２の隣に配置されている。第１追加部分ＡＰ１と第２追加部分ＡＰ２とは、第３貫通孔ＨＬ３を挟むように配置されている。
図５は、本実施形態における三次元造形物ＯＢの製造方法を示すフローチャートである。図３および図４に示した三次元造形物ＯＢが製造される様子を例にして三次元造形物ＯＢの製造方法を説明する。まず、図５のステップＳ１１０の造形データ取得工程にて、三次元造形装置３００の制御部３０１は、情報処理装置２００から造形データを取得する。
ステップＳ１２０の造形工程にて、制御部３０１は、図２に示すように、造形データに従って造形ユニット３０４と移動機構３０３とテーブルユニット３０２の昇降機構３１６を制御することによって、テーブル３１０上に三次元造形物ＯＢを造形する。初期状態では、造形ユニット３０４は、テーブル３１０よりも＋Ｘ方向側に配置されている。制御部３０１は、移動機構３０３を制御することによって、造形ユニット３０４を－Ｘ方向に移動させる。制御部３０１は、造形ユニット３０４を－Ｘ方向に移動させながら、材料供給部３２０からテーブル３１０上に粉末材料ＰＤを供給させ、テーブル３１０上に供給された粉末材料ＰＤを平坦化部３３０によって平坦化させ、粉末材料ＰＤ上のうちの三次元造形物ＯＢの目標形状に応じた位置に液体供給部３４０から結合液ＢＤを噴射させ、硬化エネルギー供給部３５０によって結合液ＢＤに含まれる結合剤を硬化させる。結合剤が硬化することによって、三次元造形物ＯＢの第ｎ層が形成される。ｎは任意の自然数である。その後、制御部３０１は、移動機構３０３を制御することによって造形ユニット３０４をテーブル３１０よりも＋Ｘ方向側の位置に戻し、昇降機構３１６を制御することによって第ｎ層の厚み分、テーブル３１０を下降させる。制御部３０１は、上述した処理を繰り返すことによって、第ｎ層上に第ｎ＋１層を積層して、本体部分ＭＰと各追加部分ＡＰ１～ＡＰ２とを有する三次元造形物ＯＢを造形する。
図６は、セッターＳＴに載置された三次元造形物ＯＢの一例を示す上面図である。図５のステップＳ１３０の支持工程にて、三次元造形物ＯＢは、三次元造形装置３００から取り出されて、図６に示すように、セッターＳＴ上に載置される。セッターＳＴは、セラミック材料などで形成された板状部材である。この例では、セッターＳＴには、２つのスリットＳＬ１～ＳＬ２が設けられている。以下の説明では、スリットＳＬ１のことを第１スリットＳＬ１と呼び、スリットＳＬ２のことを第２スリットＳＬ２と呼ぶ。第１スリットＳＬ１と第２スリットＳＬ２とを特に区別せずに説明する場合には、第１スリットＳＬ１および第２スリットＳＬ２のことを単にスリットＳＬと呼ぶことがある。第１スリットＳＬ１および第２スリットＳＬ２は、Ｘ方向に沿った長手方向を有している。三次元造形物ＯＢに設けられた第１追加部分ＡＰ１が第１スリットＳＬ１に挿入され、第２追加部分ＡＰ２が第２スリットＳＬ２に挿入されるように、三次元造形物ＯＢがセッターＳＴ上に載置される。
図５のステップＳ１４０の熱処理工程にて、三次元造形物ＯＢに熱処理が施される。本実施形態では、熱処理装置４００によって、セッターＳＴ上に載置された状態の三次元造形物ＯＢを所定の熱処理条件で加熱することによって、三次元造形物ＯＢから結合剤を脱脂させ、さらに、三次元造形物ＯＢを焼結させる。焼結によって、三次元造形物ＯＢは収縮し、三次元造形物ＯＢの強度は高まる。
ステップＳ１５０の検査工程にて、検査装置５００によって、熱処理工程後の三次元造形物ＯＢの寸法が計測されて、計測データが生成される。計測データは、機械学習装置１００に送信される。ステップＳ１５０の工程の後、三次元造形物ＯＢの製造方法は終了される。なお、ステップＳ１４０の熱処理工程とステップＳ１５０の検査工程との間、または、ステップＳ１５０の熱処理工程の後に、三次元造形物ＯＢから各追加部分ＡＰ１～ＡＰ２が除去される。
図７は、熱処理工程後の三次元造形物ＯＢの一例を示す上面図である。図７には、図６に示したセッターＳＴを用いた熱処理工程後の三次元造形物ＯＢが表されている。この例では、第１スリットＳＬ１によってＹ方向に沿った第１追加部分ＡＰ１の移動が制限され、第２スリットＳＬ２によってＹ方向に沿った第２追加部分ＡＰ２の移動が制限されるので、熱処理工程における三次元造形物ＯＢの収縮に起因して、本体部分ＭＰのうちの第３貫通孔ＨＬ３の外周部分にＺ方向に沿った中心軸を中心とした力のモーメントが作用することが抑制される。そのため、第３貫通孔ＨＬ３の外周部分の変形が抑制されている。
三次元造形物ＯＢの各追加部分ＡＰ１～ＡＰ２の形状や大きさや配置、あるいは、セッターＳＴの各スリットＳＬ１～ＳＬ２の形状や大きさや配置が適切でない場合には、例えば、Ｚ方向に沿った中心軸を中心とした力のモーメントが作用して、図７に二点鎖線で示すように、第３貫通孔ＨＬ３の外周部分の形状が崩れて、三次元造形物ＯＢの本体部分ＭＰの製造誤差が許容範囲を超える可能性がある。
図８は、三次元造形物ＯＢの寸法精度の良否を調べた試験結果を示す第１の説明図である。図９は、セッターＳＴに載置されたサンプル２を示す上面図である。図８には、セッターＳＴの各スリットＳＬ１～ＳＬ２の長手方向の向きを異ならせて製造された４つの三次元造形物ＯＢのサンプル１～４について、本体部分ＭＰの寸法精度を調べた結果が表されている。各サンプル１～４について、本体部分ＭＰの製造誤差が許容範囲内である場合、換言すれば、本体部分ＭＰの寸法精度が良好である場合には「Ａ」の符号が付されており、本体部分ＭＰの製造誤差が許容範囲を超える場合、換言すれば、本体部分ＭＰの寸法精度が良好でない場合には「Ｂ」の符号が付されている。
各サンプル１～４の形状や材料や熱処理条件は同じである。サンプル１の製造では、図６に示すように、第１スリットＳＬ１および第２スリットＳＬ２がＸ方向に沿った長手方向を有するセッターＳＴを用いて熱処理工程が実行された。サンプル２の製造では、図９に示すように、第１スリットＳＬ１がＸ方向に沿った長手方向を有し、第２スリットＳＬ２がＹ方向に沿った長手方向を有するセッターＳＴを用いて熱処理工程が実行された。サンプル３の製造では、第１スリットＳＬ１および第２スリットＳＬ２がＹ方向に沿った長手方向を有するセッターＳＴを用いて熱処理工程が実行された。サンプル４の製造では、第１スリットＳＬ１がＹ方向に沿った長手方向を有し、第２スリットＳＬ２がＸ方向に沿った長手方向を有するセッターＳＴを用いて熱処理工程が実行された。サンプル１の本体部分ＭＰの製造誤差は許容範囲内であった。一方、サンプル２～４の本体部分ＭＰの製造誤差は許容範囲を超えた。
図１０は、三次元造形物ＯＢの寸法精度の良否を調べた試験結果を示す第２の説明図である。図１１は、セッターＳＴに載置されたサンプル８を示す上面図である。図１０には、各追加部分ＡＰ１～ＡＰ２の配置を異ならせて製造された４つの三次元造形物ＯＢのサンプル５～８について、本体部分ＭＰの寸法精度を調べた結果が表されている。図１０において寸法精度の良否を表すために付された「Ａ」や「Ｂ」の符号の意味は、図８において寸法精度の良否を表すために付された「Ａ」や「Ｂ」の符号の意味と同じである。
各サンプル５～８の材料や熱処理条件は同じである。各サンプル５～８の製造では、第１スリットＳＬ１および第２スリットＳＬ２がＸ方向に沿った長手方向を有するセッターＳＴを用いて熱処理工程が実行された。各サンプル５～８では、Ｘ方向に沿って、第１追加部分ＡＰ１の中心点Ｐａ１と、第３貫通孔ＨＬ３の中心点Ｐｈ３と、第２追加部分ＡＰ２の中心点Ｐａ２とが、この順に並んでいる。各サンプル５～８では、第１追加部分ＡＰ１の中心点Ｐａ１のＹ方向における位置、第３貫通孔ＨＬ３の中心点Ｐｈ３のＹ方向における位置、および、第２追加部分ＡＰ２の中心点Ｐａ２のＹ方向における位置は同じである。各サンプル５～８では、第１貫通孔ＨＬ１の中心点Ｐｈ１と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌｈ１は４０．０ｍｍであり、第２貫通孔ＨＬ２の中心点Ｐｈ２と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌｈ２は４０．０ｍｍである。
サンプル５では、第１追加部分ＡＰ１の中心点Ｐａ１と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌａ１は２７．５ｍｍであり、第２追加部分ＡＰ２の中心点Ｐａ２と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌａ２は２７．５ｍｍである。サンプル６では、第１追加部分ＡＰ１の中心点Ｐａ１と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌａ１は４０．０ｍｍであり、第２追加部分ＡＰ２の中心点Ｐａ２と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌａ２は４０．０ｍｍである。つまり、サンプル６では、図６に示すように、第１追加部分ＡＰ１と第２追加部分ＡＰ２とが配置されている。サンプル７では、第１追加部分ＡＰ１の中心点Ｐａ１と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌａ１は５２．５ｍｍであり、第２追加部分ＡＰ２の中心点Ｐａ２と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌａ２は５２．５ｍｍである。サンプル８では、第１追加部分ＡＰ１の中心点Ｐａ１と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌａ１は４０．０ｍｍであり、第２追加部分ＡＰ２の中心点Ｐａ２と第３貫通孔ＨＬ３の中心点Ｐｈ３との間のＸ方向に沿った距離Ｌａ２は５２．５ｍｍである。つまり、サンプル８では、図１１に示すように、第１追加部分ＡＰ１と第２追加部分ＡＰ２とが配置されている。サンプル５～６の本体部分ＭＰの製造誤差は許容範囲内であった。一方、サンプル７～８の本体部分ＭＰの製造誤差は許容範囲を超えた。
図１２は、学習処理の内容を示すフローチャートである。この処理は、例えば、１つの三次元造形物ＯＢの製造が終了したタイミングで機械学習装置１００によって実行される。まず、ステップＳ２１０にて、データ取得部１１０は、第１データを取得する。第１データには、三次元造形物ＯＢの本体部分ＭＰの目標形状を表す形状データと追加部分ＡＰの目標形状を表す追加形状データとが含まれている。本実施形態では、第１データには、さらに、造形工程において用いられる材料に関する情報を表す材料データと、熱処理工程における熱処理条件を表す熱処理条件データとが含まれている。材料データには、例えば、粉末材料ＰＤの種類や物性や粒径などが表されている。二種類以上の材料が組み合わされて粉末材料ＰＤとして用いられる場合には、各材料の種類や物性や粒径、粉末材料ＰＤにおける各材料の含有率が表されてもよい。材料データには、さらに、結合液の種類や物性や結合剤の含有率などが表されてもよい。熱処理条件データには、例えば、熱処理工程において用いられるセッターＳＴのスリットＳＬの位置や長手方向の向きや、熱処理工程における加熱時間や加熱温度や加熱速度や加熱回数などが表されている。取得された第１データは、データ記憶部１２０に記憶される。
ステップＳ２２０にて、データ取得部１１０は、第２データを取得する。第２データには、検査工程において生成された計測データが含まれている。本実施形態では、計測データには、熱処理工程後の三次元造形物ＯＢの形状が表されている。取得された第２データは、対応する第１データに紐付けられてデータ記憶部１２０に記憶される。なお、ステップＳ２１０の処理とステップＳ２２０の処理との順序は逆でもよい。
ステップＳ２３０にて、演算部１３０は、データ記憶部１２０に記憶された第１データと第２データとを読み込んで、熱処理工程後の三次元造形物ＯＢの形状の寸法と目標形状の寸法との誤差を表す製造誤差データを生成する。生成された製造誤差データは、データ記憶部１２０に記憶される。ステップＳ２４０にて、前処理部１４０は、データ記憶部１２０に記憶された第１データおよび当該第１データに紐付けられている製造誤差データを読み込んで、学習データセットを生成する。
ステップＳ２５０にて、学習部１５０は、前処理部１４０によって生成された学習データセットを読み込んで、機械学習を実行して学習モデルを生成する。ステップＳ２６０にて、学習モデル記憶部１６０は、学習部１５０によって生成された学習モデルを記憶する。その後、機械学習装置１００は、この処理を終了する。機械学習装置１００は、１つの三次元造形物ＯＢの製造が終了するごとに、この処理を繰り返すことによって、本体部分ＭＰの目標形状や追加部分ＡＰの目標形状、あるいは、粉末材料ＰＤや熱処理条件などが異なる複数の三次元造形物ＯＢについてのデータを含む学習データセットを用いて機械学習を実行して、学習モデルを更新する。例えば、機械学習装置１００は、上述したサンプル１～４のように、セッターＳＴのスリットＳＬの長手方向の向き、つまり熱処理条件が異なる複数の三次元造形物ＯＢについてのデータや、上述したサンプル５～８のように、追加部分ＡＰの目標形状が異なる複数の三次元造形物ＯＢについてのデータを含む学習データセットを用いて機械学習を実行して、学習モデルを更新する。
上述したステップＳ２５０で学習部１５０が実行する機械学習のアルゴリズムは特に限定されず、例えば、教師あり学習や、教師なし学習や、強化学習などの公知のアルゴリズムを採用できる。本実施形態では、学習部１５０は、後述する強化学習を実行する。強化学習は、学習対象が存在する環境の現在状態を観測するとともに現在状態で所定の行動を実行し、その行動に対し何らかの報酬を与えるというサイクルを試行錯誤的に反復して、報酬の総計が最大化されるような方策を最適解として学習する手法である。
学習部１５０が実行する強化学習のアルゴリズムの一例を説明する。この例によるアルゴリズムは、Ｑ学習（Ｑ－ｌｅａｒｎｉｎｇ）として知られるものであって、行動主体の状態ｓと、その状態ｓで行動主体が選択し得る行動ａとを独立変数として、状態ｓで行動ａを選択した場合の行動の価値を表す関数Ｑ（ｓ，ａ）を学習する手法である。状態ｓで価値関数Ｑが最も高くなる行動ａを選択することが最適解となる。状態ｓと行動ａとの相関性が未知の状態でＱ学習を開始し、任意の状態ｓで種々の行動ａを選択する試行錯誤を繰り返すことで、価値関数Ｑを反復して更新し、最適解に近付ける。ここで、状態ｓで行動ａを選択した結果として環境つまり状態ｓが変化したときに、その変化に応じた報酬ｒつまり行動ａの重み付けが得られるように構成し、より高い報酬ｒが得られる行動ａを選択するように学習を誘導することで、価値関数Ｑを比較的短時間で最適解に近付けることができる。
価値関数Ｑの更新式は、一般に下式（１）のように表すことができる。
Figure 2022021956000002
上式（１）において、ｓｔ及びａｔはそれぞれ時刻ｔにおける状態及び行動であり、行動ａｔにより状態はｓｔ＋１に変化する。ｒｔ＋１は、状態がｓｔからｓｔ＋１に変化したことで得られる報酬である。ｍａｘＱの項は、時刻ｔ＋１で最大の価値Ｑになると時刻ｔで考えられている行動ａを行ったときのＱを意味する。α及びγはそれぞれ学習係数及び割引率であり、０＜α≦１、０＜γ≦１で任意に設定される。
学習部１５０がＱ学習を実行する場合、状態変数Ｓつまり第１データ、および、判定データＤつまり製造誤差データは、更新式の状態ｓに該当し、現在状態の本体部分ＭＰの目標形状に対して追加する追加部分ＡＰの目標形状をどのように決定するべきかという行動は、更新式の行動ａに該当し、報酬計算部１５１が求める報酬Ｒは、更新式の報酬ｒに該当する。よって価値関数更新部１５２は、現在状態の本体部分ＭＰの目標形状に対して追加されている追加部分ＡＰの目標形状の価値を表す関数Ｑを、報酬Ｒを用いたＱ学習により繰り返し更新する。
報酬計算部１５１が求める報酬Ｒは、例えば、追加部分ＡＰの目標形状を決定した後に、決定した目標形状に基づいて製造された三次元造形物ＯＢの製造誤差が変更前の三次元造形物ＯＢの製造誤差に比べて小さくなった場合や、決定した目標形状に基づいて製造された三次元造形物ＯＢの製造誤差が許容範囲内であった場合などに正の報酬Ｒとし、追加部分ＡＰの目標形状を決定した後に、決定した目標形状に基づいて製造された三次元造形物ＯＢの製造誤差が変更前の三次元造形物ＯＢの製造誤差に比べて大きくなった場合や、決定した目標形状に基づいて製造された三次元造形物ＯＢの製造誤差が許容範囲を超える場合などに負の報酬Ｒとすることができる。
製造された三次元造形物ＯＢの製造誤差に応じた報酬Ｒを用いてＱ学習を進めると、より高い報酬Ｒが得られる行動を選択する方向へ学習が誘導され、選択した行動を現在状態で実行した結果として変化する環境の状態、つまり状態変数Ｓ及び判定データＤに応じて、現在状態で行う行動についての行動価値の値、つまり関数Ｑが更新される。この更新を繰り返すことにより関数Ｑは、適正な行動ほど大きな値となるように書き換えられる。このようにして、未知であった環境の現在状態と、それに対する行動との相関性が徐々に明らかになる。
図１３は、予測処理の内容を示すフローチャートである。この処理は、機械学習装置１００に所定の開始命令が供給された場合に、機械学習装置１００によって実行される。まず、ステップＳ３１０にて、データ取得部１１０は、第１データを取得する。取得された第１データは、データ記憶部１２０に記憶される。ステップＳ３２０にて、予測部１７０は、データ記憶部１２０に記憶された第１データと学習モデル記憶部１６０に記憶された学習モデルとを読み込んで、第１データに基づいて製造される三次元造形物ＯＢの製造誤差を予測し、予測結果が表された予測結果データを生成する。予測部１７０は、第１データと学習モデルとを読み込んで算出される価値Ｑを用いて、第１データに基づいて製造される三次元造形物ＯＢの製造誤差を予測できる。予測結果データには、例えば、第１データに基づいて製造される三次元造形物ＯＢの製造誤差が許容範囲内であることを表す「Ａ」の符号や、第１データに基づいて製造される三次元造形物ＯＢの製造誤差が許容範囲を超えることを表す「Ｂ」の符号が表される。予測結果データには、製造誤差の量などが表されてもよい。ステップＳ３３０にて、予測部１７０は、予測結果データを表示装置６００に出力した後、この処理を終了する。
以上で説明した本実施形態における機械学習装置１００によれば、学習処理において、学習部１５０は、三次元造形物ＯＢの製造誤差を予測可能な学習モデルを生成し、予測処理において、予測部１７０は、学習モデルを用いて三次元造形物ＯＢの製造誤差が許容範囲内であるか否かを予測して、予測結果を表示装置６００に出力する。そのため、三次元造形物ＯＢの製造誤差が許容範囲を超えるとの予測結果が出力された場合、ユーザーは、三次元造形物ＯＢの製造誤差が許容範囲内になるように追加部分ＡＰの目標形状を修正できるので、寸法精度良く三次元造形物ＯＢを製造できる。
また、本実施形態では、学習データセットには、材料データが含まれる。そのため、造形工程で用いられる材料に応じて三次元造形物ＯＢの製造誤差を予測可能な学習モデルを生成できる。
また、本実施形態では、学習データセットには、熱処理条件データが含まれる。そのため、熱処理工程における熱処理の条件に応じて三次元造形物ＯＢの製造誤差を予測可能な学習モデルを生成できる。
Ｂ．第２実施形態：
図１４は、第２実施形態における機械学習システム５０ｂの概略構成を示す説明図である。第２実施形態における機械学習システム５０ｂでは、予測部１７０による予測結果に応じて追加形状データを補正する補正部１８０を機械学習装置１００ｂが備えていること、および、機械学習装置１００ｂによって実行される予測処理の内容が第１実施形態と異なる。その他の構成については、特に説明しない限り、図１に示した第１実施形態と同じである。
図１５は、本実施形態における予測処理の内容を示すフローチャートである。ステップＳ４１０およびステップＳ４２０の処理の内容は、図１３に示した第１実施形態の予測処理のステップＳ３１０の処理の内容およびステップＳ３２０の処理の内容と同じである。ステップＳ４３０にて、補正部１８０は、第１データに基づいて製造される三次元造形物ＯＢの製造誤差が許容範囲内であるか否かを判定する。補正部１８０は、ステップＳ４２０で予測部１７０によって生成された予測結果データを用いて、第１データに基づいて製造される三次元造形物ＯＢの製造誤差が許容範囲内であるか否かを判断できる。
ステップＳ４３０で第１データに基づいて製造される三次元造形物ＯＢの製造誤差が許容範囲内であると判断されなかった場合、ステップＳ４３５にて、補正部１８０は、第１データに含まれる追加形状データに表された追加部分ＡＰの目標形状を補正する。追加部分ＡＰの目標形状を補正するとは、三次元造形物ＯＢの製造時に目標とされる追加部分ＡＰの形だけでなく、大きさや、個数や、配置などを変更することをも含む意味である。その後、ステップＳ４２０に処理を戻して、予測部１７０は、追加形状データが補正された第１データと学習モデルとを読み込んで、追加形状データが補正された第１データに基づいて製造される三次元造形物ＯＢの製造誤差を予測し、予測結果が表された予測結果データを生成する。予測部１７０および補正部１８０は、ステップＳ４３０で第１データに基づいて製造される三次元造形物ＯＢの製造誤差が許容範囲内であると判断されるまで、ステップＳ４３５、ステップＳ４２０およびステップＳ４３０の処理を繰り返す。
ステップＳ４３０で第１データに基づいて製造される三次元造形物ＯＢの製造誤差が許容範囲内であると判断された場合、ステップＳ４４０にて、形状データと追加形状データと予測結果データとを出力した後、この処理を終了する。本実施形態では、補正部１８０は、形状データと追加形状データと予測結果データとを情報処理装置２００に出力する。
以上で説明した本実施形態における機械学習装置１００ｂによれば、予測部１７０によって予測された三次元造形物ＯＢの製造誤差が許容範囲を超える場合には、補正部１８０は、追加形状データに表された追加部分ＡＰの目標形状を補正して、形状データと補正後の追加形状データと予測結果データとを出力する。そのため、形状データおよび補正後の追加形状データを用いて三次元造形物ＯＢを製造することによって、三次元造形物ＯＢの製造誤差が許容範囲を超えることを抑制できる。なお、貫通孔や凹部を有する三次元造形物の熱による変形量を、有限要素法を用いて予測する場合、解析モデルに設定する境界条件が複雑になるので正確な予測が難しい。本実施形態の機械学習装置１００や第１実施形態の機械学習装置１００ｂでは、有限要素法ではなく機械学習を用いて三次元造形物の熱による変形量を予測するので、貫通孔や凹部を有する三次元造形物の製造誤差が許容範囲を超えることを効果的に抑制できる。
Ｃ．他の実施形態：
（Ｃ１）上述した各実施形態の機械学習装置１００，１００ｂでは、学習処理において学習部１５０が実行する機械学習のアルゴリズムは強化学習である。これに対して、学習処理において学習部１５０が実行する機械学習のアルゴリズムは教師あり学習でもよい。例えば、学習部１５０は、学習処理において、三次元造形物ＯＢの製造誤差が許容範囲内であることを表す正常ラベル、および、三次元造形物ＯＢの製造誤差が許容範囲を超えることを表す異常ラベルを含んだ学習データセットを用いた教師あり学習を実行して、正常データと異常データとの判別境界を学習モデルとして生成してもよい。この場合、予測処理において、予測部１７０は、学習モデルを用いて、読み込まれた第１データが正常データに属するのか異常データに属するのかを判定、換言すれば、読み込まれた第１データに基づいて製造される三次元造形物ＯＢの製造誤差が許容範囲内になるか否かを予測できる。
（Ｃ２）上述した各実施形態の機械学習装置１００，１００ｂでは、学習処理において学習部１５０が実行する機械学習のアルゴリズムは強化学習である。これに対して、学習処理において学習部１５０が実行する機械学習のアルゴリズムは教師なし学習でもよい。例えば、学習部１５０は、学習処理において、製造誤差が許容範囲内である三次元造形物ＯＢについてのデータによって構成された学習データセットを用いた教師なし学習を実行して、製造誤差が許容範囲内である三次元造形物ＯＢについてのデータの分布を学習モデルとして生成してもよい。この場合、予測処理において、予測部１７０は、製造誤差が許容範囲内である三次元造形物ＯＢについてのデータに対して、読み込まれたデータがどれだけ外れているのかを学習モデルを用いて算出し、予測結果としての異常度を算出することができる。
（Ｃ３）上述した各実施形態の機械学習システム５０，５０ｂでは、三次元造形装置３００は、バインダージェット方式の三次元造形装置である。これに対して、三次元造形装置３００は、ＦＤＭ（Fused Deposition Modeling）方式の三次元造形装置でもよい。
（Ｃ４）上述した各実施形態では、三次元造形物ＯＢの本体部分ＭＰに追加される追加部分ＡＰは、セッターＳＴのスリットＳＬに挿入されることによって、熱処理工程における本体部分ＭＰの変形を抑制している。これに対して、本体部分ＭＰには、セッターＳＴのスリットＳＬに挿入される追加部分ＡＰが追加されなくてもよい。例えば、貫通孔や凹部を有する本体部分ＭＰに対して、貫通孔や凹部の内周面に掛け渡される棒状の追加部分ＡＰが追加されてもよい。
Ｄ．他の形態：
本開示は、上述した実施形態に限られるものではなく、その趣旨を逸脱しない範囲において種々の形態で実現することができる。例えば、本開示は、以下の形態によっても実現可能である。以下に記載した各形態中の技術的特徴に対応する上記実施形態中の技術的特徴は、本開示の課題の一部又は全部を解決するために、あるいは、本開示の効果の一部又は全部を達成するために、適宜、差し替えや、組み合わせを行うことが可能である。また、その技術的特徴が本明細書中に必須なものとして説明されていなければ、適宜、削除することが可能である。
（１）本開示の一形態によれば、機械学習装置が提供される。この機械学習装置は、三次元造形物の目標形状を表す形状データと、製造中における前記三次元造形物の変形を抑制するために前記三次元造形物に追加される追加部分の目標形状を表す追加形状データとを含む第１データと、前記三次元造形物の変形に関する第２データとを取得するデータ取得部と、複数の前記第１データと複数の前記第２データとを含む学習データセットを記憶する記憶部と、前記学習データセットを用いた機械学習を実行することによって、前記第１データと前記第２データとの関係を学習する学習部と、を備える。
この形態の機械学習装置によれば、学習部は機械学習によって三次元造形物の変形を予測可能な学習モデルを生成できる。
（２）上記形態の機械学習装置において、前記第１データは、前記三次元造形物の材料に関する材料データを含んでもよい。
この形態の機械学習装置によれば、材料を変更した場合にも、三次元造形物の変形を予測できる。
（３）上記形態の機械学習装置において、前記第１データは、前記三次元造形物に対する熱処理の条件に関する熱処理条件データを含んでもよい。
この形態の機械学習装置によれば、熱処理の条件を変更した場合にも、三次元造形物の変形を予測できる。
（４）上記形態の機械学習装置において、前記学習部は、前記機械学習として、教師あり学習と教師なし学習と強化学習とのうちの少なくとも一つを実行してもよい。
この形態の機械学習装置によれば、教師あり学習と教師なし学習と強化学習とのうちの少なくとも一つによって学習モデルを生成できる。
（５）上記形態の機械学習装置は、前記学習部による前記機械学習によって生成される学習モデルを用いて三次元造形物の変形を予測する予測部を備えてもよい。
この形態の機械学習装置によれば、学習モデルを用いて三次元造形物の変形を予測できる。そのため、予測結果が好ましくない場合、ユーザーは、追加形状データに表された追加部分の目標形状を変更することができる。
（６）上記形態の機械学習装置は、前記予測部による予測結果に応じて追加形状データを補正し、補正後の追加形状データを出力する補正部を備えてもよい。
この形態の機械学習装置によれば、予測結果に応じて補正部が追加形状データを補正して出力する。そのため、出力された補正後の追加形状データを用いて三次元造形物を製造することによって、三次元造形物を寸法精度良く製造できる。
本開示は、機械学習装置以外の種々の形態で実現することも可能である。例えば、機械学習システム、三次元造形物の製造誤差の予測方法等の形態で実現することができる。
５０…機械学習システム、１００…機械学習装置、１１０…データ取得部、１２０…データ記憶部、１３０…演算部、１４０…前処理部、１５０…学習部、１５１…報酬計算部、１５２…価値関数更新部、１６０…学習モデル記憶部、１７０…予測部、１８０…補正部、２００…情報処理装置、３００…三次元造形装置、４００…熱処理装置、５００…検査装置、６００…表示装置

Claims (6)

  1. 機械学習装置であって、
    三次元造形物の目標形状を表す形状データと、製造中における前記三次元造形物の変形を抑制するために前記三次元造形物に追加される追加部分の目標形状を表す追加形状データとを含む第１データと、前記三次元造形物の変形に関する第２データとを取得するデータ取得部と、
    複数の前記第１データと複数の前記第２データとを含む学習データセットを記憶する記憶部と、
    前記学習データセットを用いた機械学習を実行することによって、前記第１データと前記第２データとの関係を学習する学習部と、
    を備える機械学習装置。
  2. 請求項１に記載の機械学習装置であって、
    前記第１データは、前記三次元造形物の材料に関する材料データを含む、機械学習装置。
  3. 請求項１または請求項２に記載の機械学習装置であって、
    前記第１データは、前記三次元造形物に対する熱処理の条件に関する熱処理条件データを含む、機械学習装置。
  4. 請求項１から請求項３のいずれか一項に記載の機械学習装置であって、
    前記学習部は、前記機械学習として、教師あり学習と教師なし学習と強化学習とのうちの少なくとも一つを実行する、機械学習装置。
  5. 請求項１から請求項４のいずれか一項に記載の機械学習装置であって、
    前記学習部による前記機械学習によって生成される学習モデルを用いて三次元造形物の変形を予測する予測部を備える、機械学習装置。
  6. 請求項５に記載の機械学習装置であって、
    前記予測部による予測結果に応じて追加形状データを補正し、補正後の追加形状データを出力する補正部を備える、機械学習装置。
JP2020125888A 2020-07-23 2020-07-23 機械学習装置 Pending JP2022021956A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020125888A JP2022021956A (ja) 2020-07-23 2020-07-23 機械学習装置
CN202110820390.7A CN113967747B (zh) 2020-07-23 2021-07-20 机器学习装置
US17/381,732 US20220027537A1 (en) 2020-07-23 2021-07-21 Machine learning device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020125888A JP2022021956A (ja) 2020-07-23 2020-07-23 機械学習装置

Publications (1)

Publication Number Publication Date
JP2022021956A true JP2022021956A (ja) 2022-02-03

Family

ID=79586320

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020125888A Pending JP2022021956A (ja) 2020-07-23 2020-07-23 機械学習装置

Country Status (3)

Country Link
US (1) US20220027537A1 (ja)
JP (1) JP2022021956A (ja)
CN (1) CN113967747B (ja)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017530027A (ja) * 2014-06-05 2017-10-12 ザ・ボーイング・カンパニーＴｈｅ Ｂｏｅｉｎｇ Ｃｏｍｐａｎｙ 付加製造における歪みの予測及び最小化
JP6972811B2 (ja) * 2017-09-12 2021-11-24 セイコーエプソン株式会社 三次元造形物の製造方法
US11669057B2 (en) * 2017-12-13 2023-06-06 Hewlett-Packard Development Company, L.P. Neural network thermal behavior predictions
JP7096528B2 (ja) * 2018-09-07 2022-07-06 セイコーエプソン株式会社 三次元造形物の製造装置、三次元造形物の製造システム及び三次元造形物の製造方法
US20220072800A1 (en) * 2019-04-30 2022-03-10 Hewlett-Packard Development Company, L.P. Dimensional compensations in additive manufacturing
WO2021086347A1 (en) * 2019-10-30 2021-05-06 Hewlett-Packard Development Company, L.P. Thermal interactions

Also Published As

Publication number Publication date
CN113967747B (zh) 2024-02-23
US20220027537A1 (en) 2022-01-27
CN113967747A (zh) 2022-01-25

Similar Documents

Publication Publication Date Title
CN110198828B (zh) 用于三维打印的方法、系统和存储介质
JP6935024B2 (ja) ３ｄ印刷工程のための適合された制御命令の生成
CN110366463B (zh) 用于控制增材制造的部件的微结构的系统和方法
Struzziero et al. Numerical optimisation of thermoset composites manufacturing processes: A review
TWI293916B (en) Control apparatus for injection molding machine
CN111093865B (zh) 层叠造型物的分析方法及分析装置、制造方法及制造装置
KR101655024B1 (ko) 3차원 프린팅 최적 치수 보정 장치 및 보정 방법
JP2022506523A (ja) インテリジェント付加製造方法
US20150088292A1 (en) Method of providing data for minimizing difference between dimensions of three-dimensional structure formed by laser radiation and design values of scan path of such three-dimensional structure and computer and computer program for providing such data
CN111684366B (zh) 学习装置、学习方法及其存储介质
JP2020001302A (ja) 造形予測システム、造形予測表示システム、情報処理装置およびプログラム
JP2019177494A (ja) 制御システム、造形システムおよびプログラム
US11597153B1 (en) Systems and methods for adjusting a three-dimensional (3D) model during additive manufacturing
JP2018001725A (ja) ３次元データ生成装置、３次元造形装置、造形物の製造方法及びプログラム
Hosseinzadeh et al. 4D printing of shape memory polylactic acid beams: an experimental investigation into FDM additive manufacturing process parameters, mathematical modeling, and optimization
Sun et al. A framework to simulate the crack initiation and propagation in very-high-cycle fatigue of an additively manufactured AlSi10Mg alloy
JP2022021956A (ja) 機械学習装置
Mehta et al. Application of phase change materials in 4D printing: A review
KR102581949B1 (ko) Tcn-ts-sw 기반의 기계 학습 알고리즘을 적용한 3d 프린터 모니터링 시스템
Bezek et al. Process-structure-property effects of ultraviolet curing in multi-material jetting additive manufacturing
JP2022056810A (ja) 三次元造形用データの生成方法および三次元造形物の製造方法
JP7508929B2 (ja) 機械学習装置
JP2022026568A (ja) 機械学習装置
WO2019124526A1 (ja) 光造形装置、光造形プログラム及び光造形方法
JP2020001295A (ja) 造形予測システム、情報処理装置、プログラムおよび造形予測方法

Legal Events

Date Code Title Description
RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20210916

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20211104

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230530

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20240214

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240220

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240416

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240514

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240618