JP2023120015A - 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 - Google Patents

Abstract

【課題】調整すべき成形条件項目、調整範囲及び調整刻み幅を決定し、条件出しを自動的に実行することができる成形条件調整方法を提供する。【解決手段】射出成形機の成形条件を調整する成形条件調整方法であって、金型の特徴を示す金型情報、樹脂の特性を示す樹脂情報、又は成形品の不良現象を示す不良情報を取得し、取得した金型情報、樹脂情報又は不良情報に基づいて、調整すべき成形条件の項目、調整範囲及び調整刻み幅を決定し、決定した調整すべき成形条件の項目、調整範囲及び調整刻み幅に基づいて、成形条件を変更しながら成形制御を実行する。【選択図】図４

Description

本発明は、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に関する。

射出成形機に新造金型などを装着して射出成形作業を初めて行う場合には、まず条件出し作業を行って各種成形条件項目の設定値を調整し、成形条件を求める必要がある。成形条件項目には、例えば射出シリンダの温度、射出圧力、射出速度、保圧切替位置、スクリューバック位置などがある。これらの成形条件の調整は、オペレータの経験に基づいて行われており、適切な成形条件を得るためには、試行錯誤を繰り返す必要がある。

特許文献１には、最も適した成形条件を取得するための成形データ収集方法が開示されている。特許文献１に係る成形データ収集方法は、まず粗成形条件を求める。次に粗成形条件から順次選択された成形条件項目毎にその成形条件値を予め設定された許容限度幅内で予め設定された刻み幅で順次増加または減少させて得られた複数の成形条件を作成する。次に作成した複数の成形条件に対して設定回数分または設定時間分の連続成形作業を自動的に行わせながら成形条件毎に成形データを収集する。

特開平０９－２１６２６５号公報

しかしながら、金型の特徴、樹脂の特性、又は成形品の状態などを加味して、条件出しを自動で行う成形条件調整方法は開示されていない。

本開示の目的は、調整すべき成形条件項目、調整範囲及び調整刻み幅を決定し、条件出しを自動的に実行することができる成形条件調整方法、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を提供することにある。

本態様に係る成形条件調整方法は、射出成形機の成形条件を調整する成形条件調整方法であって、金型の特徴を示す金型情報、樹脂の特性を示す樹脂情報、又は成形品の不良現象を示す不良情報を取得し、取得した前記金型情報、前記樹脂情報又は前記不良情報に基づいて、調整すべき成形条件の項目、調整範囲及び調整刻み幅を決定し、決定した調整すべき成形条件の項目、調整範囲及び調整刻み幅に基づいて、成形条件を変更しながら成形制御を実行する。

本態様に係るコンピュータプログラム（プログラム製品）は、射出成形機の成形条件を調整する処理をコンピュータに実行させるためのコンピュータプログラムであって、金型の特徴を示す金型情報、樹脂の特性を示す樹脂情報、又は成形品の不良現象を示す不良情報を取得し、取得した前記金型情報、前記樹脂情報又は前記不良情報に基づいて、調整すべき成形条件の項目、調整範囲及び調整刻み幅を決定し、決定した調整すべき成形条件の項目、調整範囲及び調整刻み幅に基づいて、成形条件を変更しながら成形制御を実行する処理を前記コンピュータに実行させる。

本態様に係る成形条件調整装置は、射出成形機の成形条件を調整する成形条件調整装置であって、金型の特徴を示す金型情報、樹脂の特性を示す樹脂情報、又は成形品の不良現象を示す不良情報を取得する取得部と、取得した前記金型情報、前記樹脂情報又は前記不良情報に基づいて、調整すべき成形条件の項目、調整範囲及び調整刻み幅を決定する決定部と、決定した調整すべき成形条件の項目、調整範囲及び調整刻み幅に基づいて、成形条件を変更しながら成形制御を実行する制御部とを備える。

本態様に係る射出成形機は、上記成形条件調整装置を備える。

本発明によれば、調整すべき成形条件項目、調整範囲及び調整刻み幅を決定し、条件出しを自動的に実行することができる。

実施形態１に係る射出成形機の構成例を説明する模式図である。 実施形態１に係る成形条件調整装置の構成例を示すブロック図である。 実施形態１に係る条件出し学習モデルを示す概念図である。 実施形態１に係るプロセッサの処理手順を示すフローチャートである。 実施形態１に係る成形条件調整画面の一例を示す模式図である。 実施形態２に係る射出成形機の構成例を説明する模式図である。 実施形態２に係る条件出し学習モデルを示す概念図である。

本発明の実施形態に係る成形条件調整方法、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の具体例を、以下に図面を参照しつつ説明する。以下に記載する実施形態の少なくとも一部を任意に組み合わせてもよい。なお、本発明はこれらの例示に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

図１は、実施形態１に係る射出成形機１の構成例を示す模式図である。本実施形態１に係る射出成形機１は、金型２１を型締めする型締装置２と、成形材料を可塑化して射出する射出装置３と、制御装置４とを備える。制御装置４は、本実施形態１に係る成形条件調整装置として機能する。

型締装置２はベッド２０上に固定された固定盤２２と、ベッド２０上をスライド可能に設けられた型締ハウジング２３と、ベッド２０上を同様にスライドする可動盤２４とを備える。固定盤２２と型締ハウジング２３は複数本、例えば４本のタイバー２５、２５、…によって連結されている。可動盤２４は、固定盤２２と型締ハウジング２３の間でスライド自在に構成されている。型締ハウジング２３と可動盤２４の間には型締機構２６が設けられている。

型締機構２６は、例えばトグル機構から構成されている。なお、型締機構２６は、直圧式の型締機構、つまり型締シリンダによって構成してもよい。固定盤２２と可動盤２４にはそれぞれ固定金型２１ａと、可動金型２１ｂが設けられ、型締機構２６を駆動すると金型２１が型開閉されるようになっている。

射出装置３は、基台３０上に設けられている。射出装置３は、先端部にノズル３１ａを有する加熱シリンダ３１と、当該加熱シリンダ３１内に周方向と軸方向とに回転可能に配されたスクリュ３２とを備える。スクリュ３２は駆動機構３３によって回転方向と軸方向とに駆動する。駆動機構３３は、スクリュ３２を回転方向に駆動する回転モータと、スクリュ３２を軸方向に駆動するモータ等から構成されている。なお、図１に示す駆動機構３３は、カバーにより覆われているため内部構成が図示されていない。

加熱シリンダ３１の後端部近傍には、成形材料が投入されるホッパ３４が設けられている。また、射出成形機１は、射出装置３を前後方向（図１中左右方向）に移動させるノズルタッチ装置３５を備える。ノズルタッチ装置３５を駆動すると、射出装置３が前進して加熱シリンダ３１のノズル３１ａが固定盤２２の密着部にタッチするように構成されている。

図２は実施形態１に係る制御装置４の構成例を示すブロック図である。制御装置４は、型締装置２及び射出装置３の動作を制御するコンピュータであり、ハードウェア構成としてプロセッサ（制御部）４１、記憶部４２、制御信号出力部４３及び操作パネル４０を備える。制御装置４は、射出成形機１の成形条件を調整する装置である。なお、制御装置４は、ネットワークに接続されたサーバ装置であっても良い。また、制御装置４は、複数台のコンピュータで構成し分散処理する構成でもよいし、１台のサーバ内に設けられた複数の仮想マシンによって実現されていてもよいし、クラウドサーバを用いて実現されていてもよい。

プロセッサ４１は、ＣＰＵ（Central Processing Unit）、マルチコアＣＰＵ、ＧＰＵ（Graphics Processing Unit）、ＧＰＧＰＵ（General-purpose computing on graphics processing units）、ＴＰＵ（Tensor Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＮＰＵ（Neural Processing Unit）等の演算回路、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等の内部記憶装置、Ｉ／Ｏ端子、計時部等を有する。プロセッサ４１は、後述の記憶部４２が記憶するコンピュータプログラム（プログラム製品）４２ａを実行することにより、本実施形態１に係る成形条件調整方法を実施する。なお、制御装置４の各機能部は、ソフトウェア的に実現しても良いし、一部又は全部をハードウェア的に実現しても良い。

記憶部４２は、ハードディスク、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、フラッシュメモリ等の不揮発性メモリである。記憶部４２は、成形条件調整処理をコンピュータに実行させるためのコンピュータプログラム５を記憶している。また、記憶部４２は、成形条件の条件出しを行うための条件出し学習モデル６を記憶する。条件出し学習モデル６の構成の詳細は後述する。更に、記憶部４２は、成形条件調整方法による条件出しの過程で設定された成形条件の履歴を記憶する調整履歴ＤＢ７を備える。調整履歴ＤＢ７は、例えば、成形条件の項目と、当該項目の設定値と、当該設定値が設定された日時情報とを対応付けて記憶する。

本実施形態１に係るコンピュータプログラム５は、記録媒体５０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４２は、読出装置によって記録媒体５０から読み出されたコンピュータプログラム５を記憶する。記録媒体５０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５０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５０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、通信網に接続されている外部サーバから本実施形態１に係るコンピュータプログラム５をダウンロードし、記憶部４２に記憶させても良い。

制御信号出力部４３は、成形条件に基づくプロセッサ４１の制御に従って射出成形機１の動作を制御するための制御信号を射出成形機１へ出力する。

操作パネル４０は、射出成形機１の成形条件などを設定し、射出成形機１の動作を操作するためのインタフェースである。操作パネル４０は、表示パネル４０ａと、操作部４０ｂと、通信部４０ｃとを備える。

表示パネル４０ａは、液晶表示パネル、有機ＥＬ表示パネルなどの表示装置であり、プロセッサ４１の制御に従って、射出成形機１の成形条件の設定を受け付けるための受付画面を表示したり、射出成形機１の状態、本実施形態１に係る成形条件調整方法の実施状況を表示したりする。

操作部４０ｂは、射出成形機１の成形条件を入力及び調整するための入力装置であり、操作ボタン、タッチパネルなどを有する。操作部４０ｂは受け付けた成形件を示すデータをプロセッサ４１に与える。

通信部４０ｃは、有線又は無線で外部装置と通信を行い、情報を取得する通信回路である。例えば、通信部４０ｃは、ＵＳＢなどの外部記憶媒体と通信を行い、データを取得することができる。通信部４０ｃは、ＬＡＮケーブルを介した有線通信又は無線通信にて外部コンピュータからデータを取得することができる。通信部４０ｃは、射出成形機１に初期設定される成形条件、金型画像データ（金型情報）などを外部記憶媒体又は外部コンピュータから取得することができる。

射出成形機１には、成形条件として、射出開始位置、金型内樹脂温度、ノズル温度、シリンダ温度（ヒータ温度）、ホッパ温度、型締力、射出速度、射出加速度、射出ピーク圧力（射出圧力）、射出ストローク等の成形条件を定める設定値が設定される。

また射出成形機１には、成形条件として、シリンダ先端樹脂圧、逆防リング着座状態、保圧圧力、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、計量トルク等の成形条件を定める設定値が設定される。

更に射出成形機１には、成形条件として、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、型開時間等の成形条件を定める設定値が設定される。更に射出成形機１には、成形条件として、冷却時間，スクリュ回転数，金型開閉速度，突き出し速度，突き出し回数が設定される。そして、これらの設定値が設定された射出成形機１は、当該設定値に従って動作する。

図３は実施形態１に係る条件出し学習モデル６の構成を示す概念図である。条件出し学習モデル６は、金型画像データ、樹脂情報及び不良情報が入力された場合、成形条件である複数の項目の調整の必要度、調整範囲及び調整刻み幅に係る情報を出力する学習済みの機械学習モデルである。

金型画像データは、溶融した原料樹脂が流れるランナー、ゲートなどの流路、成形品の形状に応じたキャビティ又はコアを撮像して得られる画像データである。

樹脂情報は、射出成形機１に投入される原料樹脂の融点又は粘度を示すデータを含む。不良情報は、成形品のバリ、ヒケ、フローマーク、クラック、ウェルドライン、ボイド、シルバーストリーク、又はショートの有無を示すデータを含む。

条件出しは、特定の項目の設定値を特定の刻み幅で変更しながらテストショットを繰り返すことにより行われる。調整範囲は、条件出しを行う際に最初に設定される初期値と、終了値とを含む。調整刻み幅は、テストショットを行う都度変更される設定値の変更量である。

条件出し学習モデル６は、金型画像データが入力される第１入力層６１ａ及び第１中間層６２ａと、樹脂情報及び不良情報が入力される第２入力層６１ｂ及び第２中間層６２ｂと、出力層６３とを備える。

第１入力層６１ａ及び第１中間層６２ａは、例えば、畳み込みニューラルネットワーク（CNN：Convolutional neural network）の入力層及び中間層と同様の構成である。第１入力層６１ａは、金型画像を構成する各画素の画素値が入力される複数のノードを有する。第１中間層６２ａは、第１入力層６１ａに入力された金型画像データの各画素の画素値を畳み込む畳み込み層と、畳み込み層で畳み込んだ画素値をマッピングするプーリング層とが交互に連結された構成を有する。第１中間層６２ａは、金型画像の画素情報を圧縮しながら当該金型画像の特徴量を抽出し、抽出した金型画像データの特徴量を第２中間層６２ｂに出力する。

第２入力層６１ｂは、樹脂情報が入力されるノードと、不良情報が入力されるノードとを有する。第２中間層６２ｂ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第２入力層６１ｂのノードと、第１中間層６２ａの出力側のノードとに結合されている。第２中間層６２ｂには、金型画像データの特徴量と、樹脂情報と、不良情報とが入力され、成形条件に調整に関連する情報が抽出される。

出力層６３は、成形条件に係る複数の項目に対応する複数のノードを有する。第１の項目に対応するノードには、当該項目に係る設定値の調整必要度を出力するノードと、当該設定値の調整範囲を出力するノードと、調整刻み幅を主力するノードとを含む。他の項目についても同様のノードを有する。調整必要度は、当該項目に係る設定値の調整が必要かどうかを示す確度であり、例えば０から１の間の数値である。なお、調整すべき成形条件の項目、調整範囲及び調整刻み幅を示す情報を得ることができれば、出力層６３の構成は特に限定されるものでは無い。

条件出し学習モデル６は、金型画像データ、樹脂情報及び不良情報と、かかる条件化において調整すべき成形条件の項目、調整範囲及び調整刻み幅とを含む訓練データを用いて機械学習させることにより生成することができる。例えば、プロセッサ４１は、訓練データを用いた誤差逆伝播法、誤差勾配降下法等によって、条件出し学習モデル６の重み係数を最適化することにより、条件出し学習モデル６を機械学習させる。

図４は実施形態１に係るプロセッサ４１の処理手順を示すフローチャートである。プロセッサ４１は、操作パネル４０を介して成形条件の初期設定を受け付け、受け付けた成形条件に係る各種項目の設定値を設定する（ステップＳ１１１）。そして、プロセッサ４１は、設定された成形条件に従って、射出成形機１の動作を制御する（ステップＳ１１２）。ステップＳ１１２で行われる射出成形は、本実施形態１に係る成形条件調整方法を実施するために必要な情報を得るためのテストショットである。具体的には、オペレータは、テストショットを実行して得られる成形品の状態を観察し、成形品の不良現象を確認する。

次いで、プロセッサ４１は、本実施形態１に係る成形条件調整方法を利用した自動条件出しモードが選択されているか否かを判定する（ステップＳ１１３）。オペレータは操作パネル４０を用いて、本実施形態１に係る自動条件出しモードを利用して成形条件の条件出しを行うか否かを選択することができる。プロセッサ４１は、オペレータによって設定された自動条件出しモードの利用の有無を記憶している。

自動条件出しモードが選択されていないと判定した場合（ステップＳ１１３：ＮＯ）、プロセッサ４１は、成形条件の手動調整処理を実行し（ステップＳ１１４）、処理を終える。具体的には、プロセッサ４１は、オペレータによる成形条件の調整内容を操作パネル４０にて受け付け、調整された成形条件を設定する。

自動条件出しモードが選択されていると判定した場合（ステップＳ１１３：ＹＥＳ）、プロセッサ４１は、操作パネル４０を介して金型情報を取得する（ステップＳ１１５）。金型情報は、例えば、金型２１を撮像して得られる金型画像データである。

次いで、プロセッサ４１は、操作パネル４０を介して原料樹脂の融点又は粘度を示すデータを含む樹脂情報を取得する（ステップＳ１１６）。樹脂情報が成形条件に含まれている場合、ステップＳ１１１で初期設定された成形条件から樹脂情報を取得してもよい。また、樹脂の種類と、樹脂情報とを対応付けたテーブルを備え、プロセッサ４１は、操作パネル４０にて入力された樹脂の種類を示す情報をキーにして樹脂情報をテーブルから抽出するように構成してもよい。

次いで、プロセッサ４１は、操作パネル４０を介して、成形品の不良情報を取得する（ステップＳ１１７）。具体的には、オペレータは、ステップＳ１１２のテストショットで得られた成形品の状態を確認し、成形品のバリ、ヒケ、フローマーク、クラック、ウェルドライン、ボイド、シルバーストリーク又はショートの有無などを示す不良情報を操作パネル４０にて入力する。

なお、ステップＳ１１５～ステップＳ１１７の処理を実行するプロセッサ４１は、金型情報、樹脂情報及び不良現象を取得する取得部として機能する。

次いで、プロセッサ４１は、ステップＳ１１５～ステップＳ１１７の処理で取得した金型情報、樹脂情報及び不良情報を、条件出し学習モデル６に入力する。プロセッサ４１は、条件出し学習モデル６から出力される複数の各項目の調整必要度に基づいて、調整すべき成形条件の項目を決定する（ステップＳ１１８）。例えば、プロセッサ４１は、調整必要度が最も大きい項目を、調整すべき項目として決定する。なお、プロセッサ４１は、調整必要度が所定の閾値以上の項目を、調整すべき項目として決定してもよい。プロセッサ４１は、複数種類の項目を、調整すべき項目として決定してもよいが、本実施形態１では説明を簡単にするため、一つの項目を調整すべき項目として決定する。

また、プロセッサ４１は、ステップＳ１１８で決定した項目に対応するノードから出力される調整範囲を示すデータを参照し、設定値の調整範囲を決定する（ステップＳ１１９）。更に、プロセッサ４１は、ステップＳ１１８で決定した項目に対応するノードから出力される刻み幅を示すデータを参照し、設定値の調整刻み幅を決定する（ステップＳ１２０）。

なお、ステップＳ１１７～ステップＳ１１９の処理を実行するプロセッサ４１は、取得した金型情報、樹脂情報又は不良情報に基づいて、調整すべき成形条件の項目、調整範囲及び調整刻み幅を決定する決定部として機能する。

プロセッサ４１は、ステップＳ１１８で決定した設定項目の設定値を、ステップＳ１１９及びステップＳ１２０で決定した調整範囲及び刻み幅を用いて調整し、調整値を調整履歴として記憶部４２に記憶する（ステップＳ１２１）。具体的にはプロセッサ４１は、調整が必要な設定項目の設定値を、調整範囲の初期値から終了値まで、ステップＳ１２０で決定した刻み幅で順次変更する処理を実行する。プロセッサ４１は、調整された成形条件に従って、射出成形機１の動作を制御する（ステップＳ１２２）。

ステップＳ１２２の処理を終えたプロセッサ４１は、設定値が終了値に到達したか否かを判定する（ステップＳ１２３）。調整対象である項目の設定値が終了値に到達していないと判定した場合（ステップＳ１２３：ＮＯ）、プロセッサ４１は処理をステップＳ１２１へ戻し、調整処理を繰り返し実行する。

調整対象である項目の設定値が終了値に到達したと判定した場合（ステップＳ１２３：ＹＥＳ）、最適値を用いて成形した成形品の不良情報を取得し（ステップＳ１２４）、まだ不良があるか否かを判定する（ステップＳ１２５）。当該不良情報は、少なくとも成形品の良否を示すデータを含むものであれば足りる。オペレータは、ステップＳ１２１～ステップＳ１２３の処理で成形された複数の成形品の状態を確認し、最良の成形品の不良情報を操作パネル４０に入力する。プロセッサ４１は、操作パネル４０を介して当該不良情報に基づいて、自動調整後も不良があるか否かを判定する。

なお、プロセッサ４１は、成形品を撮像して得られる成形品画像データを取得し、取得した成形品画像データに基づいて、成形品の良否を判定するように構成してもよい。成形品の良否は、ルールベースで判定してもよいし、予め機械学習により得られた学習モデルを用いて判定してもよい。

ステップＳ１２５において、不良ありと判定された場合（ステップＳ１２５：ＹＥＳ）、プロセッサ４１は処理をステップＳ１１７へ戻し、成形品調整の処理を継続する。不良なしと判定された場合（ステップＳ１２５：ＮＯ）、プロセッサ４１は、成形条件調整処理を終える。

図５は、実施形態１に係る成形条件調整画面８の一例を示す模式図である。プロセッサ４１は、成形条件調整方法を実施する際、成形条件調整画面８を表示する。成形条件調整画面８は、設定値調整部８１と、条件出しモード表示部８２とを備える。

設定値調整部８１は、設定値表示部８１ａと、設定値入力部８１ｂと、調整履歴表示部８１ｃとを含む。プロセッサ４１は、成形条件に係る一の項目と、当該一の項目の現在の設定値を設定値表示部８１ａに表示する。設定値入力部８１ｂは、テンキー、「ＣＲＬ」キー、「Ｅｎｔｅｒ」キーなどのソフトキーを含む。設定値入力部８１ｂがオペレータによって操作され、設定値が入力された場合、プロセッサ４１は、入力された設定値を、設定値表示部８１ａに表示している項目の設定値として記憶する。

一方、プロセッサ４１は、設定値の履歴を調整履歴ＤＢ７から成形条件の項目及び設定値を読み出し、読み出された項目及び設定値を調整履歴表示部８１ｃに表示する。オペレータによってプルダウンボタンが操作された場合、プロセッサ４１は、過去に設定された項目及び設定値の一覧を表示する。なお、プロセッサ４１は、過去に設定された成形条件に係る複数の項目及び設定値を一覧表示するように構成してもよい。

条件出しモード表示部８２は、自動条件出しモード選択部８２ａと、初期値表示部８２ｂと、終了値表示部８２ｃと、刻み幅表示部８２ｄとを含む。自動条件出しモード選択部８２ａは、例えばチェックボックスであり、オペレータは自動条件出しモード選択部８２ａを操作することによって、自動条件出しモードを利用するか否かを選択することができる。プロセッサ４１は、自動条件出しモード選択部８２ａの操作を受け付け、自動条件出しモードの利用の有無を記憶する。

自動条件出しモードの利用が選択された場合、プロセッサ４１は、ステップＳ１１８で決定した項目を設定値表示部８１ａに表示する。また、プロセッサ４１は、ステップＳ１１９で決定した調整範囲の初期値及び終了値を初期値表示部８２ｂ及び終了値表示部８２ｃに表示する。同様に、プロセッサ４１は、ステップＳ１２０で決定した刻み幅を刻み幅表示部８２ｄに表示する。

プロセッサ４１は、ステップＳ１２１～ステップＳ１２３の処理により設定値を変更しながら射出成形制御を行う際、変更された設定値を都度、設定値表示部８１ａに表示する。

成形条件調整画面８によれば、オペレータは、条件出しモード表示部８２を操作することによって、本実施形態１に係る成形条件調整方法の実施を指示することができる。オペレータは、条件出しモード表示部８２の表示を確認することによって、どのような調整範囲及び刻み幅で設定値が変更されているのかを知ることができる。オペレータは、設定値表示部８１ａの表示を確認することで、現在自動調整されている成形条件の項目及び設定値を知ることができる。

上記のように構成された実施形態１に係る射出成形機１によれば、金型画像データ、樹脂情報及び不良情報に基づいて、調整すべき成形条件項目、調整範囲及び調整刻み幅を決定し、条件出しを自動的に実行することができる。

具体的には、プロセッサ４１は、金型画像データと、原料樹脂の融点及び粘度を示す樹脂情報と、成形品のバリ、ヒケ、フローマーク、クラック、ウェルドライン、ボイド、シルバーストリーク、又はショートの有無を示す不良情報とに基づいて、射出速度、射出圧力、ヒータ温度、保圧圧力、保圧切替位置、射出開始位置、金型内樹脂温度、ノズル温度、ホッパ温度、型締力、射出加速度、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、保圧切替速度、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、冷却時間、スクリュ回転数、金型開閉速度、突き出し速度、又は突き出し回数などの条件出しを自動で行うことができる。

また、プロセッサ４１及び調整履歴表示部８１ｃは、自動条件出しモードによって設定された項目及び設定値の履歴を表示することができる。

なお、本実施形態１では、ニューラルネットワークを用いた条件出し学習モデル６を説明したが、ＳＶＭ（Support Vector Machine）、ベイジアンネットワーク等のその他の公知の機械学習モデルを用いて、条件出しの情報を決定してもよい。

また、本実施形態１では、金型情報、樹脂情報及び不良情報を全て用いて、条件出しを行う例を説明したが、金型情報、樹脂情報及び不良情報のいずれかを用いて条件出しを行ってもよい。

更に、本実施形態１では、教師あり学習によって学習した条件出し学習モデル６を説明したが、強化学習によって学習したモデルを用いて、条件出しの情報を決定してもよい。

強化学習を用いる制御装置４の構成は以下の通りである。制御装置４のプロセッサ４１は、機能部として、観測部、報酬算出部及びエージェントを備える。なお、制御装置４の各機能部は、ソフトウェア的に実現しても良いし、一部又は全部をハードウェア的に実現しても良い。

観測部は、金型情報、樹脂情報及び不良情報を取得し、取得した情報を観測データとしてエージェント及び報酬算出部へ出力する。

報酬算出部は、取得した観測データ、特に不良情報等に基づいて報酬データを算出し、算出して得た報酬データをエージェントへ出力する。報酬データは、例えば成形品の不良度が大きい場合、報酬の値が小さく又は負の値になる。また、報酬データは、不良の無い成形品が得られるまでの回数が小さい程、報酬の値が大きくなる。

エージェントは、例えば、ＤＱＮ、Ａ３Ｃ、Ｄ４ＰＧ等の深層ニューラルネットワークを有する強化学習モデル、ＰｌａＮｅｔ、ＳＬＡＣ等のモデルベースの強化学習モデル等である。

深層ニューラルネットワークを有する強化学習モデルの場合、エージェントは、ＤＱＮ（Deep Q-Network）を備え、観測データが示す射出成形機１の状態ｓに基づいて、当該状態ｓに応じた行動ａを決定する。状態ｓは、金型情報、樹脂情報及び不良情報を含む。

ＤＱＮは、観測データ示す状態ｓが入力された場合、複数の行動ａそれぞれの価値を出力するニューラルネットワークモデルである。複数の行動ａは、調整対象の項目、調整範囲及び調整刻み幅である。価値の高い行動ａは、適切な条件出し条件を表している。エージェントは、価値の高い行動ａを選択し、選択された行動ａにより射出成形機１は他の状態へ遷移する。状態遷移後、エージェントは、報酬算出部で算出された報酬を受け取り、収益、つまり報酬の累積が最大になるようにエージェントを学習させる。

より具体的には、ＤＱＮは、入力層、中間層及び出力層を有する。入力層は、状態ｓ、つまり観測データが入力される複数のノードを備える。出力層は、複数の行動ａにそれぞれ対応し、入力された状態ｓにおける当該行動ａの価値Ｑ（ｓ，ａ）を出力する複数のノードを備える。

状態ｓ、行動ａと、当該行動により得られた報酬ｒに基づいて、下記式（１）で表される価値Ｑを教師データとして、ＤＱＮを特徴付ける各種重み係数を調整することにより、エージェントのＤＱＮを強化学習させることができる。
Ｑ（ｓ，ａ）←Ｑ（ｓ，ａ）＋α（ｒ＋γｍａｘＱ（ｓｎｅｘｔ，ａｎｅｘｔ）－Ｑ（ｓ，ａ））・・・（１）
但し、
ｓ：状態
ａ：行動
α：学習係数
ｒ：報酬
γ：割引率
ｍａｘＱ（ｓｎｅｘｔ，ａｎｅｘｔ）：次に取り得る行動に対するＱ値のうち最大値

（実施形態２）
実施形態２に係る射出成形機１は、成形品の不良情報を自動的に取得し、成形条件の自動調整を行う点が実施形態１と異なる。射出成形機１のその他の構成は、実施形態１に係る射出成形機１と同様であるため、同様の箇所には同じ符号を付し、詳細な説明を省略する。

図６は、実施形態２に係る射出成形機１の構成例を説明する模式図である。実施形態２に係る射出成形機１は、成形品を撮像する撮像装置９を備える。撮像装置９は成形品を撮像して得た成形品画像データを制御装置４へ出力する。

図７は、実施形態２に係る条件出し学習モデル６を示す概念図である。実施形態２に係る条件出し学習モデル６は、第１入力層６１ａ及び第１中間層６２ａと、第２入力層６１ｂ及び第２中間層６２ｂと、出力層６３とに加え、成形品画像データが入力される第３入力層６１ｃ及び第３中間層６２ｃを備える。

第３入力層６１ｃ及び第３中間層６２ｃは、例えば、畳み込みニューラルネットワークの入力層及び中間層と同様の構成である。第３入力層６１ｃは、成形品画像を構成する各画素の画素値が入力される複数のノードを有する。第３中間層６２ｃは、第３入力層６１ｃに入力された成形品画像データの各画素の画素値を畳み込む畳み込み層と、畳み込み層で畳み込んだ画素値をマッピングするプーリング層とが交互に連結された構成を有する。第３中間層６２ｃは、成形品画像の画素情報を圧縮しながら当該成形品画像の特徴量を抽出し、抽出した成形品画像データの特徴量を第２中間層６２ｂに出力する。

第２中間層６２ｂ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第２入力層６１ｂのノードと、第１中間層６２ａの出力側のノードと、第３中間層６２ｃの出力側のノードとに結合されている。第２中間層６２ｂには、金型画像データの特徴量と、樹脂情報と、成形品画像データの特徴量とが入力され、成形条件に調整に関連する情報が抽出される。成形品画像データの特徴量は、不良情報に相当する情報である。出力層６３の構成は実施形態１と同様である。

実施形態２に係るプロセッサ４１は、ステップＳ１１７の処理において、撮像装置９から成形品画像データを取得する。そして、プロセッサ４１は、ステップＳ１１８の処理において、取得した金型画像データ、樹脂情報及び成形品画像データを、条件出し学習モデル６に入力する。プロセッサ４１は、条件出し学習モデル６から出力される複数の各項目の調整必要度に基づいて、調整すべき成形条件の項目を決定する。以下の処理は実施形態１と同様である。

但し、ステップＳ１２４及びステップＳ１２５の処理は、条件出し学習モデル６を用いて行うことができる。具体的には、プロセッサ４１は、ステップＳ１２２の処理で成形される成形品を撮像して得られる成形品画像データを取得する。そして、プロセッサ４１は、金型画像データ、樹脂情報及び成形品画像データを条件出し学習モデル６に入力する。プロセッサ４１は、条件出し学習モデル６から出力される調整必要度が所定値以上である場合、ステップＳ１２５で不良ありと判定し、調整必要度が所定値未満である場合、ステップＳ１２５で不良なしと判定すればよい。

このように構成された実施形態２に係る射出成形機１によれば、金型画像データ及び樹脂情報を入力するのみで、成形条件の条件出しを自動的に実行することができる。

１ 射出成形機
２ 型締装置
３ 射出装置
４ 制御装置
５ コンピュータプログラム
５０ 記録媒体
６ 条件出し学習モデル
７ 操作履歴ＤＢ

Claims (8)

1. 射出成形機の成形条件を調整する成形条件調整方法であって、
   金型の特徴を示す金型情報、樹脂の特性を示す樹脂情報、又は成形品の不良現象を示す不良情報を取得し、
   取得した前記金型情報、前記樹脂情報又は前記不良情報に基づいて、調整すべき成形条件の項目、調整範囲及び調整刻み幅を決定し、
   決定した調整すべき成形条件の項目、調整範囲及び調整刻み幅に基づいて、成形条件を変更しながら成形制御を実行する
   成形条件調整方法。
2. 前記金型情報、前記樹脂情報及び前記不良情報が入力された場合、成形条件である複数の項目の調整の要否、調整範囲及び調整刻み幅に係る情報を出力する学習モデルに、取得した前記金型情報、前記樹脂情報及び前記不良情報を入力することによって、調整すべき成形条件の項目、調整範囲及び調整刻み幅を決定する
   請求項１に記載の成形条件調整方法。
3. 前記金型情報は金型の画像データを含み、前記樹脂情報は原料樹脂の融点又は粘度を示すデータを含み、前記不良情報は成形品のバリ、ヒケ、フローマーク、クラック、ウェルドライン、ボイド、シルバーストリーク又はショートの有無を示すデータを含む
   請求項１又は請求項２に記載の成形条件調整方法。
4. 前記成形条件の項目は、射出速度、射出圧力、ヒータ温度、保圧圧力、保圧切替位置、射出開始位置、金型内樹脂温度、ノズル温度、ホッパ温度、型締力、射出加速度、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、保圧切替速度、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、冷却時間、スクリュ回転数、金型開閉速度、突き出し速度、又は突き出し回数を含む
   請求項１から請求項３のいずれか１項に記載の成形条件調整方法。
5. 成形条件の変更の履歴を表示する
   請求項１から請求項４のいずれか１項に記載の成形条件調整方法。
6. 射出成形機の成形条件を調整する処理をコンピュータに実行させるためのコンピュータプログラムであって、
   金型の特徴を示す金型情報、樹脂の特性を示す樹脂情報、又は成形品の不良現象を示す不良情報を取得し、
   取得した前記金型情報、前記樹脂情報又は前記不良情報に基づいて、調整すべき成形条件の項目、調整範囲及び調整刻み幅を決定し、
   決定した調整すべき成形条件の項目、調整範囲及び調整刻み幅に基づいて、成形条件を変更しながら成形制御を実行する
   処理を前記コンピュータに実行させるためのコンピュータプログラム。
7. 射出成形機の成形条件を調整する成形条件調整装置であって、
   金型の特徴を示す金型情報、樹脂の特性を示す樹脂情報、又は成形品の不良現象を示す不良情報を取得する取得部と、
   取得した前記金型情報、前記樹脂情報又は前記不良情報に基づいて、調整すべき成形条件の項目、調整範囲及び調整刻み幅を決定する決定部と、
   決定した調整すべき成形条件の項目、調整範囲及び調整刻み幅に基づいて、成形条件を変更しながら成形制御を実行する制御部と
   を備える成形条件調整装置。
8. 請求項７に記載の成形条件調整装置を備える射出成形機。

Images