JP2024049471A - 捨て打ち自動判定システムおよび捨て打ち自動判定方法 - Google Patents

Abstract

【課題】鋳造品の鋳造品質に影響を及ぼすとされる多くの要因に対して、まとめて確認することができる捨て打ち波形データを用いて、捨て打ち鋳造から生産鋳造への切替え判定を高精度に効率よく自動で行うことが可能である、捨て打ち自動判定システムおよび捨て打ち自動判定方法を提供することを目的とする。【解決手段】予め設定した捨て打ち条件に基づいて金型キャビティ内に向けて溶湯の射出充填を繰り返す捨て打ち鋳造から、予め設定した生産条件に基づいて金型キャビティ内に溶湯を射出充填して生産鋳造品を鋳造する生産鋳造への切替え判定を行うに際して、捨て打ち鋳造の捨て打ち波形データを用いて切替え判定を自動で行う自動判定部および自動判定工程を備えることを特徴とする。【選択図】図１

Description

本発明は、予め設定した捨て打ち条件に基づいて金型キャビティ内に向けて溶湯の射出充填を繰り返す捨て打ち鋳造から、予め設定した生産条件に基づいて金型キャビティ内に溶湯を射出充填して生産鋳造品を製造する生産鋳造への切替え判定を行う、捨て打ち自動判定システムおよび捨て打ち自動判定方法に関する。

鋳造金型を型締して形成される金型キャビティに向けて、射出部に供給されたアルミニウム合金等の溶湯を射出充填する鋳造成形において、鋳造品の品質安定化や鋳造条件の調整等を目的として、生産鋳造品を製造する生産鋳造の前に、捨て打ち鋳造が行われることが一般的である。この捨て打ち鋳造は、高温の溶湯の熱量を利用して、鋳造金型や射出部を鋳造成形に好適な温度に予熱するための工程である。また、例えば油圧駆動の射出部の場合では、作動油の温度を好適な状態に予熱させるための工程である。また、鋳造条件の調整を行うために、例えば、金型キャビティ内の溶湯の流動状態を確認する工程であり、好適な温度に予熱された金型キャビティ内で溶湯が冷却凝固するのに好適な溶湯への圧力を確認する工程である。

この捨て打ち鋳造の後に生産鋳造が開始される。そのために、捨て打ち鋳造において、鋳造金型や射出部および作動油等を好適な温度に正確に予熱すること、鋳造条件の調整を好適に行うこと、等が強く望まれる。また、鋳造成形の生産効率の観点において、可能な範囲で捨て打ち工程を少なくすることが好ましい。これに対して、過去の鋳造成形の実績から捨て打ち鋳造の回数が設定され、この設定回数に基づいて捨て打ち鋳造から生産鋳造への切替え判定としていた。または、鋳造成形を行う技術者の目視等による切替え判定を行っていた。この従来の切替え判定では、捨て打ち鋳造の本来の目的を達成できているかの判断が曖昧であるために、余裕を持たせて多めの回数が設定されることが多く、生産効率を高めることができていない。そこで、捨て打ち鋳造から生産鋳造への切替え判定を正確に行うことができる提案が多くなされている。

例えば、特許文献１に示すような、熱画像を撮影し金型の温度を算出する温度測定装置を用いて、捨て打ち鋳造から生産鋳造への切替え判定を金型温度で行う手段が提案されている。これによると、溶湯による鋳造金型の予熱と、冷却水による鋳造金型の冷却による金型キャビティの温度分布が正確に計測でき、生産鋳造の安定した連続成形が可能になるとされている。

特開２０２１－４１４３５号公報

ここで、特許文献１に示す手段は、鋳造金型の温度計測のみで捨て打ち鋳造から生産鋳造への切替え判定を行うとしている。また、広義に解釈すれば、温度測定装置を用いて射出部や作動油等の温度計測も可能であり、これらの温度計測を用いて切替え判定を行うことも考えられる。しかしながら、鋳造成形の鋳造品質に影響を及ぼす要因は、温度以外にも多くの要因が複雑に絡み合っている。

例えば、射出スリーブとプランジャチップを備えた鋳造装置（ダイカストマシンという）においては、溶湯の熱量によって不規則な熱変形が生じ、大きく湾曲して（バナナ変形という）、射出スリーブとプランジャチップの摺動抵抗が増大し、金型キャビティへの溶湯の射出充填の挙動が乱れて鋳造品質が大きく変動することがある。または、射出スリーブとプランジャチップの摺動面に溶湯が差し込むカジリ現象によっても射出充填の挙動が乱れる。あるいは、射出スリーブへの溶湯の供給量の変動、溶湯に含まれる酸化物や不純物等の溶湯残渣物の影響、溶湯の組成変動、プランジャチップの駆動手段の経年変化、金型キャビティ内の鋳造品の一部が残存する型残り不良、金型キャビティへの離型剤の塗布状態、等の多くの要因が関係する。これらの要因は、温度計測だけでは検知できす、特許文献１に示す手段および広義の解釈も含めて、捨て打ち鋳造から生産鋳造への切替え判定を正確に行う手段としては好適とは言えない。

そこで、本発明は、鋳造品の鋳造品質に影響を及ぼすとされる多くの要因に対して、まとめて確認することができる捨て打ち波形データを用いて、捨て打ち鋳造から生産鋳造への切替え判定を高精度に効率よく自動で行うことが可能な、捨て打ち自動判定システムおよび捨て打ち自動判定方法を提供することを目的とする。

本発明の捨て打ち自動判定システムは、
予め設定した捨て打ち条件に基づいて金型キャビティ内に向けて溶湯の射出充填を繰り返す捨て打ち鋳造から、予め設定した生産条件に基づいて前記金型キャビティ内に溶湯を射出充填して生産鋳造品を鋳造する生産鋳造への切替え判定を行う、捨て打ち自動判定システムにおいて、
前記捨て打ち鋳造の捨て打ち波形データを用いて前記切替え判定を自動で行う自動判定部を備えることを特徴とする。

本発明の自動判定システムにおいて、
前記自動判定部は、ＡＩ作成モードとＡＩ判定モードを備えることが好ましい。

また、本発明の自動判定システムにおいて、
前記ＡＩ作成モードは、前記捨て打ち波形データの受信と前記切替え判定の結果を送信するデータ送受信部と、前記捨て打ち波形データの中から前記切替え判定に用いる波形データの選定と判定条件を設定するデータ設定部と、前記波形データの学習区間の設定と特徴の定義付けを行ったＡＩ学習モデルを作成し保存する学習部と、を備えることが好ましい。

さらに、本発明の自動判定システムにおいて、
前記ＡＩ判定モードは、前記ＡＩ学習モデルと前記捨て打ち波形データを比較して前記切替え判定を行う判定部と、前記切替え判定の進行状況と判定結果を表示する表示部と、を備えることが好ましい。

本発明の自動判定方法は、
予め設定した捨て打ち条件に基づいて金型キャビティ内に向けて溶湯の射出充填を繰り返す捨て打ち鋳造工程から、予め設定した生産条件に基づいて前記金型キャビティ内に溶湯を射出充填して生産鋳造品を鋳造する生産鋳造工程への切替え判定を行う、捨て打ち自動判定方法において、
前記捨て打ち鋳造工程の捨て打ち波形データを用いて前記切替え判定を自動で行う自動判定工程を備えることを特徴とする。

本発明の自動判定方法において、
前記自動判定工程は、ＡＩ作成工程とＡＩ判定工程を備えることが好ましい。

また、本発明の自動判定方法において、
前記ＡＩ作成工程は、前記捨て打ち波形データの受信と前記切替え判定の結果を送信する波形データ収集工程と、前記捨て打ち波形データの中から前記切替え判定に用いる波形データの選定と判定条件を設定するデータ設定工程と、前記波形データの学習区間の設定と特徴の定義付けを行ったＡＩ学習モデルを作成する学習モデル作成工程と、を備えることが好ましい。

さらに、本発明に自動判定方法において、
前記ＡＩ判定工程は、前記ＡＩ学習モデルを教師データとして設定する教師データ設定工程と、教師あり学習プログラムを用いて前記切替え判定を行う切替え判定工程と、前記切替え判定の進行状況と判定結果を表示する表示工程と、を備えることが好ましい。

また、本発明の自動判定方法において、
前記切替え判定工程は、回帰手法の教師あり学習プログラムを用いて、前記教師データと前記捨て打ち波形データの相違量を判定スコア値としてカウントし、前記判定スコア値を回帰分析した回帰分析値と予め設定した閾値を比較して前記切替え判定を行う、ことが好ましい。

さらに、本発明の自動判定方法において、
前記切替え判定工程は、分類手法の教師あり学習プログラムを用いて、前記教師データと前記捨て打ち波形データを比較して前記切替え判定を行う、ことが好ましい。

本発明によれば、鋳造品の鋳造品質に影響を及ぼすとされる多くの要因に対して、まとめて確認することができる捨て打ち波形データを用いて、捨て打ち鋳造から生産鋳造への切替え判定を高精度に効率よく自動で行うことが可能な、捨て打ち自動判定システムおよび捨て打ち自動判定方法を提供することができる。

本発明の実施形態に係る捨て打ち自動判定システムを示す概念図である。 図１に示す捨て打ち自動判定システムの自動判定部を示す図である。 本発明の実施形態に係る捨て打ち自動判定方法を示す図である。 図３に示す捨て打ち自動判定方法の捨て打ち鋳造波形データを示す図である。 他の捨て打ち鋳造波形データを選択した形態を示す。

以下、本発明を実施するための好適な実施形態について図面を用いて説明する。なお、以下の実施形態は、各請求項に係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合せの全てが、各請求項に係る発明の解決手段に必須であるとは限らない。また、本実施形態においては、各構成要素の尺度や寸法が誇張されて示されている場合や、一部の構成要素が省略されている場合がある。

（捨て打ち自動判定システム）
先ず、本発明の実施形態に係る捨て打ち自動判定システムについて、図１を用いて説明する。図１に示す捨て打ち自動判定システム２００は、鋳造装置１００に自動判定部５０を接続する形態である。

鋳造装置１００は、鋳造金型１０と、型締部２０と、射出部３０と、鋳造制御部４０と、を備える。なお、図１において、鋳造金型１０と射出部３０が水平方向に配置された形態（横型締横鋳込みの鋳造装置１００）としたが、これに限定されることなく、例えば、水平方向に配置された鋳造金型１０と鉛直方向に配置された射出部３０の形態（横型締竪鋳込みの鋳造装置１００）であっても良く、鋳造金型１０と射出部３０が鉛直方向に配置された形態（竪型締竪鋳込みの鋳造装置１００）であっても良い。いずれにおいても、構成要素は変わらず、鋳造金型１０と射出部３０の配置の組合せを変えたものであるので、横型締横鋳込みの鋳造装置１００を用いて説明する。

鋳造金型１０は、型締部２０を操作して固定盤２１と可動盤２２を型締することで金型キャビティ１３と金型ゲート１４が形成される。射出部３０から金型キャビティ１３に向けて溶湯を射出充填する前に、金型キャビティ１３および金型ゲート１４に離型剤を塗布することが好ましい。また、固定金型１１および可動金型１２には、図示しない温調回路を含む金型温調手段を設けて、所定の温度に調整することが好ましい。また、鋳造金型１０に図示しない真空吸引手段を設け、この真空吸引手段を用いて金型キャビティ１３内を直接的に真空吸引するとしても良い。

型締部２０は、固定金型１１を支持する固定盤２１と、可動金型１２を支持する可動盤２２と、型締駆動部２５を支持する型締盤２３と、を備える。型締駆動部２５は、油圧シリンダ等の油圧駆動手段とし、シリンダロッド２６を介して型締駆動部２５と可動盤２２が接続される。また、固定盤２１と型締盤２３は、可動盤２２を貫通した複数のタイバー２４で連結される。型締制御部２７で型締駆動部２５を操作して、シリンダロッド２６を介して、タイバー２４をガイドとして可動盤２２が型開閉方向に動作する。ここで、可動盤２２と固定盤２１が近接する方向の動作、または、可動金型１２と固定金型１１が近接する方向の動作を型締動作、離間する方向の動作を型開動作と定義する。

なお、図１において、型締駆動部２５を油圧シリンダ等の油圧駆動手段としたが、これに限定されることなく、例えば、電動モータの回転運動を直線運動に変換するボールネジ機構を用いた電動駆動手段であっても良く、油圧駆動手段と電動駆動手段を組み合せたハイブリット駆動手段であっても良い。また、型締駆動部２５を複数配置しても良く、タイバー２４に型締駆動部２５を配置した形態であっても良い。

射出部３０は、水平方向に配置された円筒状の射出スリーブ３１と、射出スリーブ３１内で前後方向に動作するプランジャチップ３２と、射出スリーブ３１内にアルミニウム合金等の溶湯Ｍを供給する注湯口３４と、プランジャチップ３２の前後方向の動作を操作する射出駆動部３６と、を備える。射出スリーブ３１の先端部（注湯口３４と反対側）は、固定盤２１と固定金型１１を貫通して、金型ゲート１４に接続される。ここで、プランジャチップ３２の摺動について、金型ゲート１４に近づく方向を前方Ｆ、前方Ｆに向かう動作を前進動作、金型ゲート１４から離れる方向を後方Ｒ、後方Ｒに向かう動作を後退動作と定義する。

ここで、プランジャチップ３２と連結するプランジャロッド３３は、連結部３５を介して油圧シリンダ等の油圧駆動手段の射出駆動部３６の駆動ロッド３７と連結される。プランジャチップ３２が注湯口３４よりも後方Ｒに待機している間に、図示しない給湯手段を用いて、注湯口３４から射出スリーブ３１内に溶湯Ｍを供給する。射出制御部３８で射出駆動部３６を操作し、駆動ロッド３７と連結部３５およびプランジャロッド３３を介して、プランジャチップ３２の前進動作および後退動作が制御される。プランジャチップ３２の前進動作により、射出スリーブ３１内に供給された溶湯Ｍが押圧され、金型ゲート１４を経由して金型キャビティ１３内に射出充填される。

また、射出スリーブ３１およびプランジャチップ３２には、冷却水等の冷却媒体が流れる流路を含む図示しない冷却手段が設けられている。また、プランジャチップ３２および射出スリーブ３１の強固な接触によるカジリ損傷の防止や摺動状態の安定化及び溶湯残渣物の付着抑制等のため、射出スリーブ３１とプランジャチップ３２との摺動面に潤滑剤を塗布することが好ましい。また、鋳造金型１０に設けた真空吸引手段による金型キャビティ１３内の真空吸引と射出充填を同時に行う形態としても良い。あるいは、射出スリーブ３１に図示しない真空吸引手段を設け、射出スリーブ３１内を真空吸引し、金型ゲート１４を介して金型キャビティ１３内を間接的に真空吸引するとしても良く、直接的な真空吸引と間接的な真空吸引を組み合せて行う形態であっても良い。

なお、図１において、射出駆動部３６を油圧シリンダ等の油圧駆動手段としたが、これに限定されることなく、例えば、電動モータの回転運動を直線運動に変換するボールネジ機構を用いた電動駆動手段であっても良く、油圧駆動手段と電動駆動手段を組み合せたハイブリット駆動手段であっても良い。また、油圧駆動手段の場合は、アキュムレータ等の蓄圧手段をさらに備える形態であっても良い。

また、図１において、射出スリーブ３１を水平方向に配置したが、例えば、金型キャビティ１３および金型ゲート１４に対して水平方向から鉛直下方の範囲で任意に配置するとしても良い。また、注湯口３４から溶湯Ｍを供給するとしたが、例えば、溶湯Ｍを保持する図示しない溶解炉と射出スリーブ３１を給湯管等の連結手段を用いて溶湯Ｍを供給するとしても良い。また、射出スリーブ３１とプランジャチップ３２の組合せとしたが、例えば、図示しない密閉された溶湯Ｍの保持炉内に加圧ガス等を供給し、給湯管を経由して金型キャビティ１３に溶湯Ｍを射出充填する形態であっても良く、加圧ガスの供給の代わりに輸送ポンプ等の輸送手段を用いて、溶湯Ｍを射出充填するとしても良い。

鋳造制御部４０は、型締制御部２７および射出制御部３８と接続し、予め設定された鋳造条件に基づいて、型締制御部２７および射出制御部３８を操作して、鋳造金型１０の型締動作および型開閉動作や、金型キャビティ１３内に向けて溶湯Ｍを押圧する射出充填、等の動作を制御して鋳造成形を行う。その他に、図示しない給湯手段や冷却手段および真空吸引手段等の周辺設備に対して操作指令を発信し、鋳造装置１００を操作して鋳造成形を管理する。

自動判定部５０は、鋳造装置１００から発信される捨て打ち鋳造時の捨て打ち波形データを収集し、収集した捨て打ち波形データを用いて、捨て打ち鋳造から計画された生産鋳造品を製造する生産鋳造への切替え判定を自動で行う機能を備える。詳しくは、図２を用いて説明する。なお、図１において、鋳造制御部４０と自動判定部５０を分けて配置したが、例えば、鋳造制御部４０と自動判定部５０を一体構造とする形態であっても良い。

ここで、捨て打ち鋳造とは、生産鋳造の生産鋳造品の品質安定化や鋳造条件の調整等を目的として、生産鋳造を開始する前に行う。予め設定した捨て打ち条件に基づいて、金型キャビティ１３内に向けて所定量の溶湯Ｍを押圧する射出充填と、金型キャビティ１３内で冷却凝固した捨て打ち鋳造品の取出しを繰り返す。これによって、溶湯Ｍの熱量を利用して、鋳造金型１０や射出部３０の射出スリーブ３１およびプランジャチップ３２等が鋳造成形に好適な温度に予熱させる。また、射出駆動部３６が油圧シリンダ等の油圧駆動手段であれば、油圧駆動手段の作動油の温度を好適な状態に予熱させる。また、金型キャビティ１３内の溶湯Ｍの流動状態の確認や、金型キャビティ１３に充填した溶湯Ｍの密度調整に好適な鋳造圧力の調整等の鋳造条件の確認を行う。なお、生産効率の観点からは、捨て打ち鋳造は最小にとどめることが好ましく、捨て打ち鋳造から生産鋳造への精度の高い切替え判定が望まれる。

（自動判定部５０）
次に、図１に示す捨て打ち自動判定システム２００の自動判定部５０について、図２を用いて説明する。先ず、図２（ａ）に示すように、自動判定部５０は、ＡＩ作成モード５０Ｓと、ＡＩ判定モード５０Ｈと、を備える。ＡＩ作成モード５０Ｓは、データ送受信部５１と、データ設定部５２と、学習部５３と、を備える。また、ＡＩ判定モード５０Ｈには、判定部５４と、表示部５５と、を備える。

ＡＩ作成モード５０Ｓのデータ送受信部５１は、鋳造装置１００の鋳造制御部４０と接続し、鋳造制御部４０を経由して、射出制御部３８と型締制御部２７と周辺設備９９から発信される捨て打ち鋳造時の捨て打ち波形データを受信する。なお、周辺設備９９には、給湯手段と冷却手段および真空吸引手段等を備える。また、切替え判定の結果は、データ送受信部５１から鋳造制御部４０を経由して、射出制御部３８と型締制御部２７と周辺設備９９へ送信される。

ここで、型締制御部２７から発信される捨て打ち波形データとしては、捨て打ち鋳造の１ショット分の開始から終了までを時間軸として、例えば、型締力波形、型締駆動部２５の駆動トルク波形、型締部２０の振動波形、型開動作初期の型締駆動部２５の離型力波形、型締部２０に内蔵された図示しない押出手段の押出力波形、型開閉速度波形、複数のタイバー２４に発生する応力波形、等を示す。

また、射出制御部３８から発信される捨て打ち波形データとしては、捨て打ち鋳造の１ショット分の開始から終了までを時間軸として、例えば、プランジャチップ３２の前進速度波形（射出速度波形という）、プランジャチップ３２による溶湯Ｍの押圧力波形（鋳造圧力波形という）、金型キャビティ１３に溶湯Ｍを充満させる射出充填に要した時間波形（射出時間波形という）、プランジャチップ３２の位置波形（射出位置波形という）、射出駆動部３６の駆動トルク波形、射出スリーブ３１あるいはプランジャチップ３２の温度波形、溶湯Ｍの温度波形、プランジャチップ３２の前進動作および後退動作時の振動波形または振動加速度波形、射出速度の切替え時間波形（加速度波形という）、射出制御部３８の操作指令波形および射出駆動部３６の実行波形、等を示す。

また、周辺設備９９から発信される捨て打ち波形データとしては、捨て打ち鋳造１ショット分の開始から終了までを時間軸として、例えば、鋳造金型１０の温度波形、鋳造金型１０および射出部３０の冷却手段に用いる冷却媒体の温度波形および流量波形、金型キャビティ１３あるいは射出スリーブ３１内の真空度波形、鋳造金型１０の熱膨張波形、金型キャビティ１３および金型ゲート１４への離型剤塗布量波形、型締動作時の鋳造金型１０の変形量波形、給湯手段の溶湯輸送時間波形および輸送量波形、気温および湿度あるいは気圧等の環境状態を示す。

ＡＩ作成モード５０Ｓのデータ設定部５２は、図２（ｂ）に示すように、波形収集開始スイッチ５２１と、計測波形選択スイッチ５２２と、軸選択スイッチ５２３と、学習区間設定スイッチ５２４と、学習モデル作成スイッチ５２５と、学習モデル保存スイッチ５２６と、を備える。なお、図２（ｂ）において、スイッチの表記は省略している。また、各スイッチは、設定状況を表示する表示パネルＥＰを備える。

波形収集開始スイッチ５２１は、データ送受信部５１で受信した捨て打ち波形データの収集開始および収集停止を選択する。

計測波形選択スイッチ５２２は、データ送受信部５１で受信した捨て打ち波形データの中から、捨て打ち鋳造から生産鋳造への切替え判定に用いる波形データを選択し設定する。なお、計測波形選択スイッチ５２２の操作は、捨て打ち鋳造を行う鋳造作業者が行う。例えば、過去の捨て打ち鋳造において、データ設定部５２に保存された切替え判定に好適とされる捨て打ち波形データから鋳造作業者が選択して設定するとしても良い。ここで、例えば、捨て打ち波形データの中から、前進動作中の射出部３０のプランジャチップ３２の溶湯Ｍへの押圧力（鋳造圧力という）を示す波形データ（鋳造圧力波形データという）を計測波形選択スイッチ５２２で選択して設定したと仮定して、以後はこの仮定に基づいて説明するものとする。

軸選択スイッチ５２３は、計測波形選択スイッチ５２２で設定した波形データ（例えば、鋳造圧力波形データ）を表示する軸を選択し設定する。この場合、金型キャビティ１３への溶湯Ｍの射出充填中のプランジャチップ３２の前進動作の開始から終了までの経過時間を設定するのが好ましい。または、射出充填中のプランジャチップ３２の前進位置（射出位置という）を設定するのが好ましい。なお、計測波形選択スイッチ５２２の設定に基づいて、軸選択スイッチ５２３を自動で設定するとしても良い。

学習区間設定スイッチ５２４は、計測波形選択スイッチ５２２で設定した波形データ（例えば、鋳造圧力波形データ）の学習区間を設定し学習部５３に保存する。ここで、捨て打ち鋳造で収集する捨て打ち波形データのデータ容量は膨大であり、極めて大きなメモリ容量を有する自動判定部５０を必要とし、捨て打ち自動判定システム２００の大型化やコストアップとなる。さらに、膨大な量のデータ解析に時間を要し、瞬時の切替え判定が困難となり効率が劣る。そこで、捨て打ち波形データの中から必要な箇所のみを学習区間として設定することで、データ容量を圧縮することができ、捨て打ち自動判定システム２００の小型化やコスト低減および切替え判定の時間短縮を図ることができる。この学習区間の設定は、例えば、過去の捨て打ち鋳造を参考にして鋳造作業者が行っても良い。また、流動解析等の解析手段を用いて解析結果を設定するとしても良い。なお、捨て打ち自動判定システム２００を用いて切替え判定を繰り返し行うことで、学習区間は好適な範囲に調整されていく。

学習モデル作成スイッチ５２５は、学習区間設定スイッチ５２４で設定した学習区間に基づいて、計測波形選択スイッチ５２２で設定した波形データ（例えば、鋳造圧力波形データ）の特徴の定義付けを、ＡＩ作成モード５０Ｓの学習部５３で行う（ＡＩ学習という）。このＡＩ学習の成果をＡＩ学習モデルといい、学習モデル保存スイッチ５２６でＡＩ学習モデルに識別番号を付与して、学習部５３に保存する。

ＡＩ判定モード５０Ｈの判定部５４は、図２（ｃ）に示すように、判定モード選択スイッチ５４１と、教師データ指定スイッチ５４２と、閾値設定スイッチ５４３と、切替え判定開始スイッチ５４４と、判定結果保存スイッチ５４５と、を備える。なお、図２（ｃ）において、スイッチの表記は省略している。また、各スイッチの選択状況を表示する表示パネルＥＰを備える。

判定モード選択スイッチ５４１は、捨て打ち鋳造から生産鋳造への切替え判定を行うに際して、回帰手法または分類手法のどちらの教師あり学習プログラムを用いるかを選択し設定する。詳しくは、図３および図４を用いて説明する。

教師データ指定スイッチ５４２は、教師あり学習プログラムを用いて、捨て打ち鋳造から生産鋳造への切替え判定を行うに際して、教師データを指定して設定する。この教師データは、ＡＩ作成モード５０Ｓで作成し学習部５３に保存したＡＩ学習モデルを用いることが好ましい。また、例えば、過去の鋳造成形の実績から、捨て打ち鋳造から生産鋳造への切替えを行ったタイミングの捨て打ち波形データを教師データとして用いても良い。このタイミングとは、例えば、従来の切替え判定手段を用いて、設定された捨て打ち鋳造の回数に達したタイミングとしても良く、鋳造成形を行う技術者の目視等による切替え判定を行ったタイミングであっても良い。また、鋳造金型１０または射出スリーブ３１等の温度計測によって判定したタイミングとしても良い。いずれにおいても、捨て打ち自動判定システム２００を用いて切替え判定を繰り返し行うことで、教師データは好適な状態に調整されていく。

閾値設定スイッチ５４３は、判定モード選択スイッチ５４１で設定した回帰手法または分類手法の教師あり学習プログラムに合わせて好適な数値を閾値として設定する。例えば、過去の捨て打ち鋳造から生産鋳造への切替えの実績から閾値を算出し、捨て打ち鋳造工程を行う鋳造成形を行う技術者が設定しても良い。また、流動解析等の解析手段を用いて解析結果を閾値として設定しても良い。また、判定部５４の切替え判定の繰り返し実績から、閾値を調整するとしても良い。詳しくは、図３および図４を用いて説明する。

切替え判定開始スイッチ５４４は、捨て打ち鋳造から生産鋳造への切替え判定の開始および停止を選択する。開始を選択すると、判定部５４は、判定モード選択スイッチ５４１の設定に基づいた教師あり学習プログラムを用いて、教師データ指定スイッチ５４２で指定した教師データとデータ送受信部５１で受信した捨て打ち波形データを比較して切替え判定を行う。

判定結果保存スイッチ５４５は、切替え判定を行ったタイミングの捨て打ち波形データ（判定波形データという）に識別番号を付与して判定部５４に保存する。この判定波形データは、例えば、ＡＩ作成モード５０ＳのＡＩ学習モデルに転用しても良い。この転用によって、ＡＩ学習モデルの精度が更に高まることが期待される。また、この判定波形データをＡＩ判定モード５０Ｈの教師データとして教師データ指定スイッチ５４２で設定しても良い。このように、判定波形データをＡＩ作成モード５０ＳのＡＩ学習モデルへの転用、および、ＡＩ判定モード５０Ｈの教師データとしての利用を繰り返すことにより、捨て打ち鋳造から生産鋳造への精度の高い切替え判定を行うことが期待できる。

表示部５５は、判定部５４で行う切替え判定の進行状況や判定結果の表示を行う。

ここで、本発明は、ＡＩ作成モード５０ＳおよびＡＩ判定モード５０Ｈに捨て打ち波形データを用いることを特徴とする。例えば、射出スリーブ３１等が溶湯Ｍの熱量を受けて不規則な熱変形が生じ、大きく湾曲して（バナナ変形という）、射出スリーブ３１とプランジャチップ３２の摺動抵抗が増大し、金型キャビティ１３への溶湯Ｍの射出充填の挙動が乱れて鋳造品質が大きく変動することがある。または、射出スリーブ３１とプランジャチップ３２の摺動面に溶湯Ｍが差し込むカジリ現象によっても射出充填の挙動が乱れる。あるいは、射出スリーブ３１への溶湯Ｍの供給量の変動、溶湯Ｍに含まれる酸化物や不純物等の溶湯残渣物の影響、溶湯Ｍの組成変動、プランジャチップ３２の駆動手段の経年変化、金型キャビティ１３内の鋳造品の一部が残存する型残り不良、金型キャビティ１３への離型剤の塗布状態、等の多くの要因が捨て打ち鋳造に含まれている。捨て打ち鋳造時の捨て打ち波形データは、これらの要因を全て含んで表示されるので、捨て打ち波形データを切替え判定に用いることは最も好適である。

このように、鋳造装置１００に自動判定部５０を接続した捨て打ち自動判定システム２００を用いて、捨て打ち鋳造時の捨て打ち波形データに基づいて、捨て打ち鋳造から生産鋳造への切替え判定を行う。捨て打ち波形データは、鋳造品の鋳造品質に影響を及ぼすとされる多くの要因に対して、まとめて確認することができる。これにより、捨て打ち鋳造から生産鋳造への切替え判定を高精度に効率よく自動で行うことが可能な、捨て打ち自動判定システム２００を提供することができる。また、ＡＩ作成モード５０Ｓで切替え判定の指標となるＡＩ学習モデルを作成し、このＡＩ学習モデルを教師データとして教師あり学習プログラムを用いて、ＡＩ判定モード５０Ｈで切替え判定を行うとしたので、切替え判定の精度が更に高まり、鋳造成形の生産効率を高めることが期待できる。

（捨て打ち自動判定方法）
次に、図１に示す捨て打ち自動判定システム２００を用いた捨て打ち自動判定方法について、図３および図４を用いて説明する。図３は、捨て打ち自動判定方法の制御フロー図を示し、判定部５４の判定モード選択スイッチ５４１で回帰手法の教師あり学習プログラムを選択した場合を図３（ａ）に示し、分類手法の教師あり学習プログラムを選択した場合を図３（ｂ）に示す。また、図４は、表示部５５の表示例であり、判定部５４で行う切替え判定の進行状況や判定結果を示し、回帰手法の教師あり学習プログラムを選択した場合を図４（ａ）～（ｃ）に示し、分類手法の教師あり学習プログラムを選択した場合を図４（ｄ）に示す。

先ず、図３（ａ）に示すように、判定部５４の判定モード選択スイッチ５４１で、回帰手法の教師あり学習プログラムを選択した場合の捨て打ち自動判定方法について説明する。予め鋳造制御部４０で設定した捨て打ち条件に基づいて捨て打ち鋳造工程を行う。鋳造制御部４０の指令を受けて、型締部２０の型締制御部２７で型締駆動部２５を操作し、鋳造金型１０を型締して金型キャビティ１３と金型ゲート１４を形成させる（型締工程）。なお、型締工程の前に金型キャビティ１３に離型剤等を塗布することが好ましい。また、図示しない真空吸引手段を用いて金型キャビティ１３内を真空吸引するとしても良い。次いで、図示しない給湯手段を用いて、射出部３０の注湯口３４から射出スリーブ３１内に所定量の溶湯Ｍを供給する（給湯工程）。鋳造制御部４０の指令を受けて、射出制御部３８で射出駆動部３６を操作し、プランジャチップ３２を前進動作させて、金型ゲート１４を経由して射出スリーブ３１内の溶湯Ｍを金型キャビティ１３に射出充填する（捨て打ち射出工程）。その後、金型キャビティ１３から冷却固化した捨て打ち鋳造品を取り出す（取出し工程）。

この捨て打ち鋳造工程において、鋳造制御部４０を経由して、型締制御部２７と射出制御部３８および周辺設備９９から発信される捨て打ち波形データに基づいて、捨て打ち鋳造工程から生産鋳造工程への切替え判定を自動判定部５０で行い（自動判定工程）、捨て打ち鋳造から生産鋳造へ移行される。なお、捨て打ち鋳造工程とは、生産鋳造の生産鋳造品の品質安定化や鋳造条件の調整等を目的として、生産鋳造を開始する前に行う準備工程であり、捨て打ち射出工程と取出し工程を繰り返す。また、生産鋳造工程とは、予め鋳造制御部４０で設定した生産条件に基づいて、金型キャビティ１３内に溶湯Ｍを射出充填して生産鋳造品を鋳造する工程を示す。

また、自動判定工程は、ＡＩ作成工程とＡＩ判定工程を備える。ＡＩ作成工程は、波形データ収集工程と、データ設定工程と、学習モデル作成工程と、を備える。また、ＡＩ判定工程は、教師データ設定工程と、切替え判定工程と、表示工程と、を備える。

先ず、波形データ収集工程は、データ設定部５２の波形収集開始スイッチ５２１を起動させて、鋳造制御部４０を経由して、データ送受信部５１で型締制御部２７と射出制御部３８および周辺設備９９から発信される捨て打ち波形データの収集を行う。収集した捨て打ち波形データは、データ設定部５２に転送され保存される。

波形データ収集工程に続いて、データ設定工程は、波形データ収集工程で収集した捨て打ち波形データの中から、捨て打ち鋳造から生産鋳造への切替え判定に用いる波形データを、データ設定部５２の計測波形選択スイッチ５２２で選択する。なお、波形データの選択は、捨て打ち鋳造工程を行う鋳造作業者が行うとするが、過去の捨て打ち鋳造工程の実績から自動で選択するとしても良い。ここで、例えば、捨て打ち波形データの中から、前進動作中の射出部３０のプランジャチップ３２の溶湯Ｍへの押圧力（鋳造圧力という）を示す波形データ（鋳造圧力波形データという）を計測波形選択スイッチ５２２で選択して設定したと仮定して、以後はこの仮定に基づいて説明するものとする。

さらに、データ設定工程は、データ設定部５２の軸選択スイッチ５２３で、選択した波形データ（例えば、鋳造圧力波形データ）の軸を選択し設定する。この場合、金型キャビティ１３への溶湯Ｍの射出充填中のプランジャチップ３２の前進動作の開始から終了までの経過時間を設定するのが好ましい。または、射出充填中のプランジャチップ３２の前進位置（射出位置という）を設定するのが好ましい。なお、計測波形選択スイッチ５２２の設定に基づいて、軸選択スイッチ５２３を自動で設定するとしても良い。ここで、選択した波形データ（例えば、鋳造圧力波形データ）は、図４（ａ）に示すように、横軸を射出位置とし、縦軸を鋳造圧力とした鋳造圧力波形データＨＫを示し、表示部５５に表示される。

データ設定工程に続いて、学習モデル作成工程は、データ設定部５２の学習区間設定スイッチ５２４で、選択した波形データ（例えば、鋳造圧力波形データＨＫ）の学習区間を設定する。設定した学習区間は学習部５３に保存される。ここで、選択した波形データ（例えば、鋳造圧力波形データＨＫ）を含め、捨て打ち鋳造で収集する捨て打ち波形データのデータ容量は膨大であり、極めて大きなメモリ容量を有する自動判定部５０を必要とし、捨て打ち自動判定システム２００の大型化やコストアップとなる。さらに、膨大な量のデータ解析に時間を要し、瞬時の切替え判定が困難となり効率が劣る。そこで、捨て打ち波形データの中から必要な箇所のみを学習区間として設定することで、データ容量を圧縮することができ、捨て打ち自動判定システム２００の小型化やコスト低減および切替え判定の時間短縮を図ることができる。

この学習区間の設定は、例えば、過去の捨て打ち鋳造工程の実績から、捨て打ち波形データに変化が生じた範囲として、図４（ａ）に示すように、射出位置で学習区間（Ｇ１、Ｇ２）を設定する。また、流動解析等の解析手段を用いた解析結果を学習区間（Ｇ１、Ｇ２）として設定しても良い。なお、捨て打ち自動判定システム２００を用いて切替え判定を繰り返し行うことで、学習区間（Ｇ１、Ｇ２）は好適な範囲に調整されていく。

さらに、学習モデル作成工程は、データ設定部５２の学習モデル作成スイッチ５２５を起動させて、設定した学習区間（Ｇ１、Ｇ２）において、選択した波形データ（例えば、鋳造圧力波形データＨＫ）の特徴の定義付けを学習部５３で行う（ＡＩ学習という）。このＡＩ学習の成果をＡＩ学習モデルといい、データ設定部５２の学習モデル保存スイッチ５２６で、ＡＩ学習モデルに識別番号を付与して学習部５３に保存する。このＡＩ学習は、例えば、ディープラーニング画像解析手法を用いて、鋳造圧力波形データＨＫの特徴の定義付けを行う。その結果、図４（ａ）に示すように、鋳造圧力Ｐ１に制限した捨て打ち鋳造工程において、学習区間（Ｇ１、Ｇ２）の範囲内で鋳造圧力が上昇し、捨て打ち射出工程を終了し、学習区間Ｇ１の射出位置を切替え判定とする、と特徴が定義付けさる。

学習モデル作成工程に続いて、教師データ設定工程は、回帰手法の教師あり学習プログラムを用いて、捨て打ち鋳造から生産鋳造への切替え判定を行うに際しての教師データを、判定部５４の教師データ指定スイッチ５４２で指定して設定する。この教師データは、ＡＩ作成モード５０Ｓで作成し学習部５３に保存したＡＩ学習モデルを用いることが好ましい。また、例えば、過去の捨て打ち鋳造工程の実績から、捨て打ち鋳造から生産鋳造への切替えを行ったタイミングの捨て打ち波形データを教師データとして用いても良い。このタイミングとは、例えば、従来の切替え判定手段を用いて、設定された捨て打ち鋳造の回数に達したタイミングとしても良く、鋳造成形を行う技術者の目視等による切替え判定を行ったタイミングであっても良い。また、鋳造金型１０または射出スリーブ３１等の温度計測によって判定したタイミングとしても良い。いずれにおいても、捨て打ち自動判定システム２００を用いて切替え判定を繰り返し行うことで、教師データは好適な状態に調整されていく。ここでは、ＡＩ学習モデルのベースとした鋳造圧力波形データＨＫと学習区間（Ｇ１、Ｇ２）を教師データとして指定すると仮定して説明を続ける。

教師データ設定工程に続いて、判定部５４の切替え判定開始スイッチ５４４を起動させて、判定部５４で切替え判定工程を行う。ここで、回帰手法の教師あり学習プログラムを選択した場合の切替え判定工程について、図４（ｂ）を用いて説明する。先ず、学習区間（Ｇ１、Ｇ２）において、教師データに指定した鋳造圧力波形データＨＫと、波形データ収集工程で収集しデータ設定工程で設定した捨て打ち波形データの中の鋳造圧力波形データ（Ｈ１～Ｈ３）とを比較して、判定部５４で予め設定したルールに基づいて相違量を数値化する（判定スコア値という）。

例えば、捨て打ち鋳造工程の開始初期の鋳造圧力波形データＨ１は、鋳造金型１０等が低温状態であるので溶湯Ｍが急速に冷却され、捨て打ち射出工程が短い距離の射出位置Ｓ１で終え、判定スコア値Ｋ１（Ｇ１－Ｓ１）を示す。捨て打ち鋳造工程の繰り返しにより、鋳造金型１０等が溶湯Ｍで加熱され温度上昇し、捨て打ち射出工程中の溶湯Ｍの冷却が遅延される。その結果、鋳造圧力波形データ（Ｈ２、Ｈ３）の捨て打ち射出工程の終了を示す射出位置（Ｓ２、Ｓ３）は次第に距離が長くなり（Ｓ１＜Ｓ２＜Ｓ３）、これに伴い、判定スコア値（Ｋ２、Ｋ３）は次第に小さくなる（Ｋ１＞Ｋ２＞Ｋ３）。なお、図４（ｂ）において、説明を簡素化するために、捨て打ち鋳造工程の回数を３回（鋳造圧力波形データＨ１～Ｈ３）としたが、実際にはもっと多い。

さらに、切替え判定工程は、図４（ｃ）に示すように、判定部５４で捨て打ち鋳造工程の捨て打ち鋳造ショット数毎に判定スコア値（Ｋ１～Ｋ３）をカウントする。横軸を捨て打ち鋳造ショット数とし、縦軸を判定スコア値として、表示部５５に表示される。なお、図４（ｃ）は、実際の捨て打ち鋳造工程の回数に合わせて判定スコア値を複数カウントし、黒点として表示している。さらに、切替え判定工程は、判定部５４でカウントされた複数の判定スコア値を回帰分析して、回帰分析値ＫＢを重ね書き表示する。

ここで、選択した鋳造圧力波形データ等の捨て打ち波形データは、熱変形やカジリ現象等による射出スリーブ３１とプランジャチップ３２の摺動抵抗の変化、溶湯Ｍの供給量や温度および組成の変動、溶湯残渣物の影響、射出部３０の経年変化、金型キャビティ１３の型残り不良や潤滑剤塗布状態の変動、等の多くの因子を含んでいる。その結果、突発的に、捨て打ち波形データが大きく変動することがあり、これに伴い、判定スコア値も大きく変動する。判定スコア値が大きく変動すると、判定スコア値を用いた切替え判定の精度が低下するので好ましい形態ではない。これに対して、回帰手法の教師あり学習プログラムは、判定スコア値を回帰分析して回帰分析値ＫＢを求め、この回帰分析値ＫＢを用いることにより、突発的な変動を回避でき、切替え判定の精度を高めることができる。さらに、回帰分析値ＫＢから切替え判定の時期を予測することができ、捨て打ち鋳造工程と平行して生産鋳造工程の準備を開始することができ、鋳造作業の効率を図ることができる。

さらに、切替え判定工程は、判定部５４の閾値設定スイッチ５４３で設定した閾値Ｒ１を用いて、回帰分析値ＫＢと閾値Ｒ１を比較して、捨て打ち鋳造から生産鋳造への切替え判定を判定部５４で行う。例えば、図４（ｃ）に示すように、回帰分析値ＫＢ≦閾値Ｒ１となったタイミングの捨て打ち鋳造ショットＡ１を切替え判定とする。捨て打ち鋳造ショットＡ２を従来の切替え判定手段の切替え判定と仮定すると、本発明の捨て打ち自動判定方法において、捨て打ち鋳造ショットＡ３（Ａ２－Ａ１）の短縮が可能であることを示す。なお、図４（ａ）～図４（ｃ）は、表示工程として表示部５５で表示される。また、切替え判定とした捨て打ち鋳造ショットＡ１を判定部５４で確認すると、データ送受信部５１から鋳造制御部４０を経由して、型締制御部２７と射出制御部３８および周辺設備９９に切替え判定の結果が送信され、鋳造装置１００は捨て打ち鋳造工程を終えて生産鋳造工程を開始する。

ここで、この閾値Ｒ１は、例えば、過去の切替え判定の実績から算出しても良く、流動解析等の解析手段を用いた解析結果を設定しても良い。また、閾値Ｒ１は調整可能であり、例えば、捨て打ち鋳造工程から生産鋳造工程に切替えた後の生産鋳造工程の鋳造品の鋳造品質が安定している場合は、閾値Ｒ１を増大する方向に調整する。その結果、捨て打ち鋳造工程の鋳造ショット数を減少することができ鋳造成形の効率を高めることができる。反面、鋳造品質が安定してない場合は、閾値Ｒ１を減少する方向に調整する。その結果、捨て打ち鋳造工程の鋳造ショット数は増大するが、生産鋳造工程の鋳造品質の安定化を得ることができる。

このように、鋳造装置１００に自動判定部５０を接続した捨て打ち自動判定システム２００を用いた捨て打ち自動判定方法において、捨て打ち鋳造時の捨て打ち波形データに基づいて、捨て打ち鋳造から生産鋳造への切替え判定を行う。捨て打ち波形データは、鋳造品の鋳造品質に影響を及ぼすとされる多くの要因に対して、まとめて確認することができる。これにより、捨て打ち鋳造から生産鋳造への切替え判定を高精度に効率よく自動で行うことが可能な、捨て打ち自動判定方法を提供することができる。また、ＡＩ作成工程で切替え判定の指標となるＡＩ学習モデルを作成し、このＡＩ学習モデルを教師データとして教師あり学習プログラムを用いて、ＡＩ判定工程で切替え判定を行うとしたので、切替え判定の精度を更に高めることが可能となる。

さらに、回帰手法の教師あり学習プログラムを用いることにより、捨て打ち波形データに突発的な変動があったとしても、変動を好適に静定することができ、切替え判定の精度を更に高めることができ、同時に、切替え判定のタイミングを好適に予測することができ、捨て打ち鋳造工程と同時に生産鋳造工程の準備を進めることができる。これによって、鋳造成形の生産効率を高めることを可能とする。

次に、図３（ｂ）に示すように、判定部５４の判定モード選択スイッチ５４１で、分類手法の教師あり学習プログラムを選択した場合の捨て打ち自動判定方法について説明する。なお、捨て打ち鋳造工程と、ＡＩ作成工程の波形データ収集工程とデータ設定工程および学習モデル作成工程と、ＡＩ判定工程の教師データ設定工程と表示工程は、図３（ａ）と略同じであるので説明を省略し、図３（ａ）と異なるＡＩ判定工程の切替え判定工程を中心に説明する。

先ず、データ設定工程は、図４（ｄ）に示すように、捨て打ち鋳造から生産鋳造への切替え判定に用いる波形データ（鋳造圧力波形データＨＢ）を、データ設定部５２の計測波形選択スイッチ５２２で選択する。同様に、鋳造圧力波形データＨＢの学習区間（Ｇ３、Ｇ４）を、データ設定部５２の学習区間設定スイッチ５２４で設定する。この学習区間（Ｇ３、Ｇ４）は、捨て打ち自動判定システム２００を用いて切替え判定を繰り返し行うことで好適な範囲に調整されていくので、例えば、過去の捨て打ち鋳造工程から生産鋳造工程への切替え判定の実績の変動幅を学習区間（Ｇ３、Ｇ４）として設定しても良い。

また、教師データ設定工程は、分類手法の教師あり学習プログラムを用いた捨て打ち自動判定方法において、学習区間（Ｇ３、Ｇ４）と鋳造圧力波形データＨＢを教師データとして、判定部５４の教師データ指定スイッチ５４２で設定する。同様に、学習区間（Ｇ３、Ｇ４）を閾値Ｒ２として、判定部５４の閾値設定スイッチ５４３で設定する。

次に、分類手法の教師あり学習プログラムを選択した場合の切替え判定工程は、学習区間（Ｇ３、Ｇ４）あるいは閾値Ｒ２において、教師データに指定した鋳造圧力波形データＨＢと、波形データ収集工程で収集しデータ設定工程で設定した捨て打ち波形データの中の鋳造圧力波形データ（Ｈ４～Ｈ６）とを比較して、捨て打ち鋳造工程から生産鋳造工程の切替え判定を行う。

例えば、捨て打ち鋳造工程の開始初期の鋳造圧力波形データＨ４は、鋳造金型１０等が低温状態であるので溶湯Ｍが急速に冷却され、捨て打ち射出工程が短い距離の射出位置Ｓ４で終え、学習区間（Ｇ３、Ｇ４）あるいは閾値Ｒ２に到達していない。捨て打ち鋳造工程の繰り返しにより、鋳造金型１０等が溶湯Ｍで加熱され温度上昇し、捨て打ち射出工程中の溶湯Ｍの冷却が遅延される。その結果、鋳造圧力波形データ（Ｈ５、Ｈ６）の捨て打ち射出工程の終了を示す射出位置（Ｓ５、Ｓ６）は次第に距離が長くなる（Ｓ４＜Ｓ５＜Ｓ６）。なお、鋳造圧力波形データＨ５の射出位置Ｓ５も、学習区間（Ｇ３、Ｇ４）あるいは閾値Ｒ２に到達していない。鋳造圧力波形データＨ６の射出位置Ｓ６で、初めて学習区間（Ｇ３、Ｇ４）あるいは閾値Ｒ２に到達したことを示し、この鋳造圧力波形データＨ６の捨て打ち鋳造ショットを、捨て打ち鋳造工程から生産鋳造工程への切替え判定として、捨て打ち鋳造工程を終え生産鋳造工程を開始する。

分類手法の教師あり学習プログラムを選択した場合の切替え判定工程は、データ設定部５２の計測波形選択スイッチ５２２で選択する捨て打ち鋳造から生産鋳造への切替え判定に用いる波形データに、突発的な変動が無く比較的安定している場合に有効な切替え判定の手段である。また、回帰手法の教師あり学習プログラムを用いた切替え判定工程で行った判定スコア値のカウントや回帰分析値の演算等を必要としないので、捨て打ち自動判定システム２００の小型化やコスト低減を可能とする。さらに、捨て打ち波形データは、鋳造品の鋳造品質に影響を及ぼすとされる多くの要因に対して、まとめて確認することができる。これにより、捨て打ち鋳造から生産鋳造への切替え判定を高精度に効率よく自動で行うことが可能な、捨て打ち自動判定方法を提供することができる。なお、選択した波形データに安定性が低い場合や、切替え判定のタイミングの予測を行いたい場合には、回帰手法の教師あり学習プログラムを用いた切替え判定工程を選択することが好ましい。

以上、本発明の好適な実施形態について説明したが、本発明の技術範囲は、上述した実施形態に記載された範囲には限定されない。上記の実施形態には多様な変更または改良を加えることが可能である。

例えば、図４（ｄ）に示す分類手法の教師あり学習プログラムを用いた切替え判定工程は、閾値Ｒ２（または学習区間Ｇ３、Ｇ４）を設定したが、これに限定されることなく、閾値Ｒ２（または学習区間Ｇ３、Ｇ４）を設定せずに切替え判定を行う形態であっても良い。この場合は、捨て打ち射出工程の終了を示す射出位置（Ｓ４～Ｓ６）が、学習区間Ｇ３に到達した時点、または、超過した時点を切替え判定とすることが好ましい。

また、例えば、図４（ｂ）に示す回帰手法の教師あり学習プログラムを用いた切替え判定工程は、鋳造圧力Ｐ１となるように射出部３０の射出駆動部３６に圧力制限を設定して捨て打ち鋳造工程を行うとしたが、図５（ａ）に示すように、射出駆動部３６に設定した圧力制限を解除して捨て打ち鋳造工程を行うとしても良い。図５（ａ）は、横軸を射出位置（または射出経過時間）とし、縦軸に射出駆動部３６で計測するメタル圧とする。学習区間（Ｇ５、Ｇ６）の範囲内で、メタル圧波形データ（Ｍ１～Ｍ４）のメタル圧（ＭＰ１～ＭＰ４）は最大値を示す。ここで、図４（ｂ）と同様の理由により、捨て打ち鋳造工程の開始から切替え判定に向かって、メタル圧は徐々に低下する（ＭＰ１＞ＭＰ２＞ＭＰ３＞ＭＰ４）ことから、ＡＩ学習モデルに展開して、回帰手法の教師あり学習プログラムを用いた切替え判定を行うとしても良い。

また、例えば、図５（ｂ）に示すように、学習区間Ｇ７を通過する際のメタル圧波形データ（Ｍ５～Ｍ８）のメタル圧（ＭＰ５～ＭＰ８）を計測して（定点計測という）、分類手法あるいは回帰手法の教師あり学習プログラムを用いて切替え判定工程を行うとしても良い。この定点計測のメリットは、自動判定部５０で収集し保存する捨て打ち波形データの容量を小さくでき、自動判定部５０の小型化やコスト低減および切替え判定に要する時間の短縮を可能とする。

１００ 鋳造装置
２００ 捨て打ち自動判定システム
１０ 鋳造金型
１１ 固定金型
１２ 可動金型
１３ 金型キャビティ
１４ 金型ゲート
２０ 型締部
２１ 固定盤
２２ 可動盤
２３ 型締盤
２４ タイバー
２５ 型締駆動部
２６ シリンダロッド
２７ 型締制御部
３０ 射出部
３１ 射出スリーブ
３２ プランジャチップ
３３ プランジャロッド
３４ 注湯口
３５ 連結部
３６ 射出駆動部
３７ 駆動ロッド
３８ 射出制御部
４０ 鋳造制御部
５０ 自動判定部
５０Ｓ ＡＩ作成モード
５０Ｈ ＡＩ判定モード
５１ データ送受信部
５２ データ設定部
５２１ 波形収集開始スイッチ
５２２ 計測波形選択スイッチ
５２３ 軸選択スイッチ
５２４ 学習区間設定スイッチ
５２５ 学習モデル作成スイッチ
５２６ 学習モデル保存スイッチ
ＥＰ 表示パネル
５３ 学習部
５４ 判定部
５４１ 判定モード選択スイッチ
５４２ 教師データ指定スイッチ
５４３ 閾値設定スイッチ
５４４ 切替え判定開始スイッチ
５４５ 判定結果保存スイッチ
５５ 表示部
９９ 周辺設備
ＨＫ、ＨＢ 波形データ（鋳造圧力波形データ、教師データ）
Ｈ１～Ｈ６ 鋳造圧力波形データ
Ｇ１～Ｇ７ 学習区間
Ｓ１～Ｓ６ 射出位置
Ｋ１～Ｋ３ 判定スコア値
Ｐ１ 鋳造圧力
ＫＢ 回帰分析値
Ｒ１、Ｒ２ 閾値
Ａ１～Ａ３ 捨て打ち鋳造ショット
Ｍ１～Ｍ８ メタル圧波形データ
ＭＰ１～ＭＰ８ メタル圧
Ｍ 溶湯
Ｆ 前方
Ｒ 後方

Claims (10)

1. 予め設定した捨て打ち条件に基づいて金型キャビティ内に向けて溶湯の射出充填を繰り返す捨て打ち鋳造から、予め設定した生産条件に基づいて前記金型キャビティ内に溶湯を射出充填して生産鋳造品を鋳造する生産鋳造への切替え判定を行う、捨て打ち自動判定システムにおいて、
   前記捨て打ち鋳造の捨て打ち波形データを用いて前記切替え判定を自動で行う自動判定部を備えることを特徴とする捨て打ち自動判定システム。
2. 前記自動判定部は、ＡＩ作成モードとＡＩ判定モードを備える請求項１に記載の捨て打ち自動判定システム。
3. 前記ＡＩ作成モードは、前記捨て打ち波形データの受信と前記切替え判定の結果を送信するデータ送受信部と、前記捨て打ち波形データの中から前記切替え判定に用いる波形データの選定と判定条件を設定するデータ設定部と、前記波形データの学習区間の設定と特徴の定義付けを行ったＡＩ学習モデルを作成し保存する学習部と、を備える請求項１または２に記載の捨て打ち自動判定システム。
4. 前記ＡＩ判定モードは、前記ＡＩ学習モデルと前記捨て打ち波形データを比較して前記切替え判定を行う判定部と、前記切替え判定の進行状況と判定結果を表示する表示部と、を備える請求項１または２に記載の捨て打ち自動判定システム。
5. 請求項１に記載の捨て打ち自動判定システムを用いた捨て打ち自動判定方法において、
   予め設定した捨て打ち条件に基づいて金型キャビティ内に向けて溶湯の射出充填を繰り返す捨て打ち鋳造工程から、予め設定した生産条件に基づいて前記金型キャビティ内に溶湯を射出充填して生産鋳造品を鋳造する生産鋳造工程への切替え判定を行う、捨て打ち自動判定方法において、
   前記捨て打ち鋳造工程の捨て打ち波形データを用いて前記切替え判定を自動で行う自動判定工程を備えることを特徴とする捨て打ち自動判定方法。
6. 前記自動判定工程は、ＡＩ作成工程とＡＩ判定工程を備える、請求項５に記載の捨て打ち自動判定方法。
7. 前記ＡＩ作成工程は、前記捨て打ち波形データの受信と前記切替え判定の結果を送信する波形データ収集工程と、前記捨て打ち波形データの中から前記切替え判定に用いる波形データの選定と判定条件を設定するデータ設定工程と、前記波形データの学習区間の設定と特徴の定義付けを行ったＡＩ学習モデルを作成する学習モデル作成工程と、を備える請求項５または６に記載の捨て打ち自動判定方法。
8. 前記ＡＩ判定工程は、前記ＡＩ学習モデルを教師データとして設定する教師データ設定工程と、教師あり学習プログラムを用いて前記切替え判定を行う切替え判定工程と、前記切替え判定の進行状況と判定結果を表示する表示工程と、を備える請求項５または６に記載の捨て打ち自動判定方法。
9. 前記切替え判定工程は、回帰手法の教師あり学習プログラムを用いて、前記教師データと前記捨て打ち波形データの相違量を判定スコア値としてカウントし、前記判定スコア値を回帰分析した回帰分析値と予め設定した閾値を比較して前記切替え判定を行う、請求項８に記載の捨て打ち自動判定方法。
10. 前記切替え判定工程は、分類手法の教師あり学習プログラムを用いて、前記教師データと前記捨て打ち波形データを比較して前記切替え判定を行う、請求項８に記載の捨て打ち自動判定方法。

Images