JP4789138B2 - 射出成形支援装置、射出成形システム、射出成形支援制御方法 - Google Patents

Description

本発明は、例えば樹脂の射出成形の成形条件の適正化を図るための射出成形支援装置及びそれを有するシステム等に関する。

従来より、射出成形して得られた成形品に成形不良が生じた場合には、射出成形作業に熟練した熟練成形技術者が成形不良の種類および度合いに基づき、射出成形条件の調整を行なっている。しかし、熟練成形技術者の育成には長期間を要し、現実に熟練成形技術者を得ることは容易ではない。
このため、上述のような射出成形の熟練成形技術者が持つ経験・ノウハウを抽出・整理してデータベース化し、そのデータベースに基づき成形不良対策の提示を行うエキスパートシステムが構築されている。
特許文献１では、エキスパートシステムを使用しても、対象成形品に対する初期成形条件の設定が困難であることに鑑み、対象成形品に対する初期成形条件を、良品成形時の成形条件の中から選択するか、もしくはデフォルト設定規則による初期設定値により初期充填調整を実施して導出し、射出成形機に設定する。そして、初期成形条件にしたがって成形した成形品に成形不良が発生した場合、その成形不良に対して、成形不良を解消するための複数の成形不良対策を順次導出し、その都度、導出した成形不良対策を前記射出成形機に実施させることを提案している。

また従来より、実験計画法に基づいて射出成形支援装置に統計的に成形不良対策を導出させる方法が実施されている。この方法によれば、熟練成形技術者でなくとも成形不良対策を導出することができる利点がある。
さらに、特許文献２のように、エキスパートシステムと実験計画法を組み合わせて成形不良対策を導出することを提案しているものもある。

特開平７−２４８９４号公報 特開平４−７７２１９号公報

これまで提案されているエキスパートシステムや、実験計画法に基づく射出成形支援装置では、過去に同一の金型や樹脂を用いたデータがデータベース内に存在する場合には一定の成果が得られるものの、そのようなデータが存在しない場合には、提示された成形不良対策が必ずしも適正なものではないことがある。熟練成形技術者であれば、例え適正でない成形不良対策が提示されたとしても、それが適正でないと判断することができる。
しかしながら、エキスパートシステムや実験計画法に基づく射出成形支援装置を使用して成形不良対策を導出するユーザは、必ずしも、熟練成形技術者ではない。このため、適正でない成形不良対策が提示されたような場合に、ユーザがその成形不良対策を実施した結果、不良品が発生しやすいものであったり、射出成形機が損傷しやすい等の問題が生じている。射出成形機が損傷しやすい要因として、射出成形機には機械仕様に基づく制限データ（例えば最大射出圧力，最大射出速度等）が存在するにも拘わらず、現状ではこの制限データを考慮しない成形不良対策が提示されていることが挙げられる。例えば、ある射出成形機の最大射出圧力が２００ＭＰａであるのにも拘わらず、２１０ＭＰａという射出圧力が成形不良対策として提示されるようなことがある。また２００ＭＰａという射出圧力が成形不良対策として提示された場合、この射出成形機において最大射出圧力での作動を続けると、射出成形機の耐久性が低下したり、射出成形機の損傷を誘発しやすい。
本発明は、このような技術的課題に基づいてなされたもので、適切かつ信頼性の高い成形不良対策をユーザに提示することができる射出成形支援装置等を提供することを目的とする。

このような目的に対し、本発明では、対策推論部による成形不良対策の適否を、射出成形機を運転する上での制約情報に基づき予め判断した上で、適正な成形不良対策を出力する。すなわち、本発明の射出成形支援装置は、射出成形機で射出成形を行なうために必要な成形情報を受け付ける入力部と、射出成形機を運転する上での制約情報を格納する制約情報格納部とを備え、対策推論部は入力部が受け付けた成形情報に基づき、最適化法を用いて成形不良対策を推論する。そして、推論制御部は、上述の制約情報に基づき、対策推論部が推論した成形不良対策の適否を判断し、適正と判断された成形不良対策を出力する。これにより、不適な成形不良対策がユーザに提示されることはなくなり、ユーザが不適な成形不良対策を実施してしまうことを回避することができる。
射出成形機を運転する上での制約情報としては、射出成形機の機械仕様に基づく制限データ（以下、「機械制限データ」という）、具体的には最大射出圧力，最大保持圧力，最大射出速度，スクリュー最高回転速度，最大型締力の少なくともいずれかを用いる。射出成形機は機種ごとに最大射出圧力、最大射出速度等の機械制限データを有しているが、対策推論部による成形不良対策が機械制限データの範囲外であるようなときは、推論制御部はそのような不適な成形不良対策は出力しないのである。

対策推論部は、入力部が受け付けた成形情報に基づき、最適化法を用いて成形不良対策を推論する最適化法推論部で構成することができる。最適化法としては、ニューロ，遺伝的アルゴリズム （ＧＡ）等を用いることができる。従来のエキスパートシステムは学習機能を有さず、ユーザ特有の成形品を作製する際のノウハウの伝承が不十分であったが、本発明の対策推論部として学習機能をもつ最適化法推論部を備えるようにすれば、射出成形のノウハウの伝承を効果的に行うことができる。
最適化法に基づく推論を行う場合は、予め複数回の試射を行い、その結果得られた試射データを使用することが好ましい。
最適化法推論部に加えて、知識ベース推論部と統計解析部とをさらに備えることができる。知識ベース推論部は、射出成形機で生じうる成形不良と熟練成形技術者の経験に基づいて設定された成形不良が発生したときに有効な対策とを関連付けた経験情報に基づき、成形不良対策を推論する。また統計解析部は、成形条件とその成形条件を適用したときの成形結果とを関連付けた成形履歴情報を使用し、実験計画法に基づき成形不良対策を推論する。なお、統計解析部も、学習機能をもつ。

本発明は、上記したような射出成形支援装置を備えた射出成形システムとすることもできる。すなわち、本発明の射出成形システムは、射出成形機本体と、射出成形機で射出成形を行なうために必要な成形情報を受け付ける入力部と、射出成形機を運転する上での制約情報を格納する制約情報格納部と、入力部が受け付けた成形情報に基づき、最適化法を用いて成形不良対策を推論する対策推論部と、制約情報に基づき、対策推論部が推論した成形不良対策の適否を判断し、適正と判断された成形不良対策を出力する推論制御部とを備える。制約情報は、射出成形機の機械仕様に基づく制限データであり、かつ、この制限データは、最大射出圧力，最大保持圧力，最大射出速度，スクリュー最高回転速度，最大型締力の少なくともいずれかである。
このシステムでは、成形不良対策を適用し実際に射出成形を行った結果に基づき、対策推論部は制約情報を変更することができる。つまり、本発明の射出成形システムは制約情報を学習するので、成形不良対策を短時間でユーザに提示することが可能となる。

また本発明は、予め設定されたプログラムに基づいて成形不良対策を提示する射出成形支援装置で実行される射出成形支援制御方法であって、射出成形機で射出成形を行なうために必要な成形情報を受け付けるステップと、成形情報に基づき、最適化法を用いて成形不良対策を推論するステップと、射出成形機を運転する上での制約情報に基づき成形不良対策の適否を判断し、適正と判断された成形不良対策を出力するステップとを備えることを特徴とする射出成形支援制御方法として捉えることもできる。制約情報は、射出成形機の機械仕様に基づく制限データであり、かつ、この制限データは、最大射出圧力，最大保持圧力，最大射出速度，スクリュー最高回転速度，最大型締力の少なくともいずれかである。

本発明によれば、過去に同一の金型や樹脂を用いたデータが存在しない場合であっても、信頼性の高い成形不良対策をユーザに提示することができる。

以下、本発明である射出成形支援装置及び射出成形システムの実施の形態に関して、添付図面を参照して説明する。
図１は、本実施形態の射出成形システム１の構成を示すブロック図である。図１に示すように、射出成形システム１は、射出成形機２と、射出成形機２の運転を支援する射出成形支援装置３とを具備する。

はじめに、図２を参照して、本発明である射出成形システム１および射出成形支援装置３に関わる射出成形機２について説明する。
図２は、本実施形態による射出成形支援装置３によって運転を支援すべき射出成形機２の一構成例を示す概略図である。図２に示すように、射出成形機２は、金型２０ａ、２０ｂと、型締装置２１と、射出装置２２とを有する。
型締装置２１は、金型２０ａ、２０ｂを取付けるためのダイプレート２３ａ、２３ｂと、タイバー２４とを有する。射出装置２２は、溶融樹脂を射出するノズル２５と、このノズル２５に溶融樹脂を供給する射出シリンダ２６と、この射出シリンダ２６の中で前後移動、回転可能なスクリュー２７と、射出シリンダ２６内に原料樹脂を供給するホッパ２８と、スクリュー２７を射出シリンダ２６内で回転させるモータ２９と、スクリュー２７を射出シリンダ２６内で前後移動させるアクチュエータ３０と、射出成形支援装置３側から出力される信号に基づき成形パラメータを制御する中央制御部３１と、を有する。成形パラメータは、射出成形機２の成形条件を構成する各要素であり、射出速度、射出圧力、樹脂流量、型締速度、保圧力、金型や樹脂の温度等が挙げられる。

この射出成形機２によって射出成形を行う場合には、まず、ホッパ２８から射出シリンダ２６内に原料樹脂を供給し、次いで、モータ２９を作動させることによってスクリュー２７を回転させる。スクリュー２７の回転により、射出シリンダ２６内に供給された原料樹脂がノズル２５の方に移動する。この際、射出シリンダ２６に備えられたヒーター（図示せず）によって、原料樹脂が溶融される。アクチュエータ３０の作動により、スクリュー２７をノズル２５の方向に移動させることで、溶融樹脂はノズル２５から射出される。ノズル２５から射出された溶融樹脂は、金型２０ａと、金型２０ｂとの間のキャビティ内に充填される。所定量の溶融樹脂が射出されると、スクリュー２７は前進を停止し、所定時間、金型を保圧し、射出成形品を成形する。その後、ダイプレート２３ａをタイバー２４に沿って移動させることによって金型を開き、射出成形品を金型から抜いて一回の成形が完了する。

次に、図１を参照して、射出成形支援装置３について説明する。
図１に示すように、射出成形支援装置３は、予め設定されたプログラムに基づき所定の処理を実行することで成形不良対策を提示する。この射出成形支援装置３は、入力部（分類選択部）４１、進化型推論部（対策推論部、最適化法推論部）４２、エキスパート部（対策推論部、知識ベース推論部）４３、統計解析部４４、推論結果統制部（推論制御部）４５、改善条件出力部４６、ユーザデータベース５０、知識データベース６０、を機能的に備えた構成となっている。

ユーザデータベース５０は、試射データベース５１と、成形履歴情報データベース５２とを備える。
試射データベース５１には、試射時成形条件情報と試射成形品情報とを関連付けた試射データが格納される。試射データは、ユーザが試射を行うたびに、試射データベース５１に蓄積される。
試射時成形条件情報は、試射時に用いた成形条件を示す情報である。試射時成形条件情報には、使用する射出成形機２の機種名、試射時の射出速度，射出圧力，金型保持温度についての情報が含まれる。これらに加え、試射時の材料情報、つまり使用した樹脂の種類，粘性，温度等についての情報も試射時成形条件情報に含まれることが好ましい。ここで、試射とは、目的成形品を得るための最適成形条件を決定するためになされる、射出成形テストである。試射成形品とは、試射の結果、得られる試作品である。試射成形品情報は、試射成形品の性状を示す情報である。試射成形品情報としては、充填不良，割れ等の成形不良の有無や成形不良の程度、試射成形品の寸法，重量などがある。

成形履歴情報データベース５２には、成形履歴情報が格納されている。成形履歴情報は、ユーザが過去に使用した成形条件およびその成形条件を適用したときの成形結果を示す情報である。成形履歴情報には、ユーザが過去に成形を行ったときに良い結果が得られた成形条件（良成形条件）、およびユーザが過去に成形を行ったときに良くない結果が得られた成形条件（不良成形条件）が含まれる。

知識データベース６０には、「成形不良」と、成形不良が発生したときに有効な対策とを関連付けた経験情報が格納されている。成形不良が発生したときに有効な対策は、熟練成形技術者の経験（ノウハウ）に基づいて設定されている。成形不良には充填不足，割れ等があるが、例えば充填不足という成形不良に対しては「樹脂温度を上げる」という対策が関連付けられ、経験情報として知識データベース６０に格納されている。

射出成形支援装置３では、成形不良が発生したときに、その不良を解消するのに適した信頼性の高い成形条件を出力し、ユーザに提示する。
この射出成形支援装置３では、入力部４１にて成形情報を受け取る。成形情報は射出成形機２で射出成形を行なうために必要な情報である。成形情報としては、成形条件に関する情報（以下、「成形条件情報」という）や、成形品に関する情報（以下、「成形品情報」という）がある。

成形条件に関する情報には、成形機情報（射出成形機２の機種名等），金型情報（金型寸法，ゲート深さ，ゲート形状等），材料情報（樹脂名，樹脂材料の商品名等）などがある。
成形品情報には、目的成形品の情報（以下、「目的成形品情報」という）および、上述した試射成形品に関する情報の両者を包含する概念である。目的成形品情報としては、目的成形品の寸法，重量等が挙げられる。なお、上述した試射データも、本発明における成形情報に包含される。

入力部４１は、成形情報として、成形条件情報および成形品情報のうち、少なくとも一方を受け付ける。入力部４１は、受け取った情報を必要に応じてユーザデータベース５０に格納する。その際、成形条件情報と成形品情報の両者を受け付けた場合には、それらを関連付けて格納する。

エキスパート部４３は、入力部４１にて入力された成形情報、ならびに知識データベース６０に格納された経験情報に基づき、射出成形機２で成形不良が発生しないような成形不良対策、つまり射出速度、射出圧力、樹脂流量、型締速度、保圧力、金型や樹脂の温度等の成形パラメータを調整するか否か、および、調整する場合には射出成形機２で調整する成形パラメータとその調整量、を推論し、その結果を推論結果統制部４５に出力する。

統計解析部４４は、成形履歴情報データベース５２に格納された成形履歴情報を使用して、実験計画法に基づく成形不良対策を推論し、その結果を推論結果統制部４５に出力する。統計解析部４４に実験計画法に基づく推論を行わせるには、統計解析部４４に実験計画法用のソフトウェアを予め格納しておけばよい。

進化型推論部４２は、ユーザデータベース５０に格納された情報を使用して、最適化法に基づく成形不良対策を推論し、その結果を推論結果統制部４５に出力する。最適化法としては、ニューロ，遺伝的アルゴリズム （ＧＡ），シミュレーティッドアニーリング等を用いることができる。
進化型推論部４２は、ユーザデータベース５０に格納された情報を使用して成形不良対策を推論する点で統計解析部４４と共通するが、使用する推論手法が両者は異なる。また、統計解析部４４は成形履歴情報データベース５２に格納された成形履歴情報を使用するが、進化型推論部４２は主に試射データベース５１に格納された試射データを使用する。統計解析部４４は、入力部４１にて入力された成形条件と関連性が高い成形履歴情報を成形履歴情報データベース５２から抽出した上で成形不良対策を推論するが、過去に完全に同一条件で成形した場合の成形履歴情報が存在しない限り、入力された成形条件を適用した場合に得られると想定される成形品の性状と、実際にその成形条件を適用した結果得られる成形品の性状とは異なることが多い。このため、成形履歴情報を用いた場合には、必ずしも信頼性の高い成形不良対策を導出することができるとはいえない。これに対し、試射データベース５１に格納された情報は、実際の試射成形条件と試射成形品情報がダイレクトに対応している、つまり現実の情報であるため、これを使用することにより現実に即した信頼性の高い成形不良対策を導出することができる。

進化型推論部４２、エキスパート部４３および統計解析部４４は、成形不良対策を推論するという点で共通しており、本明細書においてこれらを総称して対策推論手段１００ということがある。上記した進化型推論部４２、エキスパート部４３および統計解析部４４は、必ずしも全てを起動させる必要はない。よって、ユーザが射出成形支援装置３を作動させる際に、起動すべき１または複数の対策推論手段１００を任意に選択することができる構成とすることができる。ユーザからの選択は入力部４１が受け付ける。

推論結果統制部４５は、判定部４５ａと制約情報格納部４５ｂとを備えている。
判定部４５ａは、制約情報格納部４５ｂに格納された制約情報に基づき、対策推論手段１００が出力した成形不良対策の適否を評価する。そして、成形不良対策が適正であると判断した場合、つまり、射出成形機２がその成形不良対策を実施したときに、射出成形機２に損傷等の不具合が生じないものである場合に、判定部４５ａはその成形不良対策を改善条件出力部４６に送る。
制約情報格納部４５ｂには、射出成形機２を運転する上での制約情報が格納されている。制約情報は、射出成形機２の運転に不具合が生じないか否か、具体的には射出成形機２に損傷が生じる，射出成形機２の運転を停止せざるを得ない等の不具合が生じないか否か、を判定部４５ａが判断するための情報である。制約情報は、射出成形機２の機械仕様に基づく制限データ（すなわち、最大射出圧力，最大保持圧力，最大射出速度，スクリュー最高回転速度，最大型締力の少なくともいずれか）に基づき、ユーザが任意に設定することができる。
制約情報は、例えば図３のテーブルのように、射出成形機２の機種名と関連付けられて制約情報格納部４５ｂに格納される。

また、各成形品の種類，寸法，用途，グレード等に応じて、複数段階の分類がなされた制約情報を制約情報格納部４５ｂに格納しておき、必要に応じてユーザがその分類を任意に選択できるようにしてもよい。例えば、成形品の種類によっては高い精度が要求される場合があり、その一方で精度よりも成形サイクルを重視したい場合もある。このような場合には、ユーザは目的成形品に求める精度や成形サイクル等の要求に応じ、制約情報の分類を選択することができる。なお、この場合も、射出成形機２の運転に不具合が生じないことが前提となる。
例えば、図４に示すように、射出成形を行う成形品の種類として、家庭用バケツと自動車用内装パネルがあるとする。家庭用バケツと自動車用内装パネルとでは、そもそも求められる射出成形精度が異なる場合が多く、必ずしも両者に対して同じ制約情報を用いる必要はない。また成形品の種類が自動車用パーツという点で共通していても、その自動車用パーツがユーザの目に触れる位置に配置される内装パネルのようなものなのか、ユーザの目に触れない位置に配置される構成部品であるのかに応じて射出成形精度を変動させたいこともある。前者であれば、成形サイクルよりもある基準を満たすグレードＡという品質を重視したいが、後者であれば、グレードＡよりも低い基準であるグレードＢという品質を維持できればよくむしろ成形サイクルを短縮したいとする。この場合には、後者については前者よりも射出速度の上限を上げるように制約情報を設定することができる。

改善条件出力部４６は、判定部４５ａから受け取った１または複数の成形不良対策を出力する。改善条件出力部４６は、例えばパーソナルコンピュータの表示部、プリンタ等で構成することができる。改善条件出力部４６は、成形不良対策の実施指示をユーザから受け付ける構成とすることができ、実施指示を受け付けた場合、成形不良対策は射出成形機２の中央制御部３１へ送られる。

以下、対策推論手段１００、推論結果統制部４５および改善条件出力部４６が行なう処理の流れについて図５を参照して説明する。
まず、ステップＳ１０１では、入力部４１がユーザからの成形情報の入力を受け付け、受け付けた成形情報を対策推論手段１００へ出力する。
ステップＳ１０２では、予めユーザが選択した対策推論手段１００が起動し、成形不良を解消するための成形不良対策を推論し、推論の結果得られた不良対策を推論結果統制部４５に出力する。
対策推論手段１００として進化型推論部４２が起動している場合には、進化型推論部４２は試射データベース５１に格納された試射データを読み込み、最適化法に基づき成形不良対策を推論する。統計解析部４４が起動している場合には、統計解析部４４は成形履歴情報データベース５２に格納された成形履歴情報を読み込み、実験計画法に基づき成形不良対策を推論する。エキスパート部４３が起動している場合には、エキスパート部４３は知識データベース６０に格納された知識データに基づき成形不良対策を推論する。１以上の対策推論手段１００が選択されている場合には、それぞれが起動して成形不良対策を推論する。

推論結果統制部４５の判定部４５ａは、対策推論手段１００が出力した成形不良対策が適切なものか否かを判断する（ステップＳ１０３）。この判断は、成形不良対策に基づく成形パラメータが制約情報格納部４５ｂに格納された機械制限データの範囲内かどうかに基づきなされる。１以上の対策推論手段１００が選択されている場合には、それぞれが出力した成形不良対策が適切なものか否かを判定部４５ａは判断する。また、射出成形を行う成形品の種類等に応じて設けられた制約情報が存在する場合には、この制約情報も判定部４５ａは参照する。
推論結果統制部４５は、対策推論手段１００が出力した成形不良対策のうち、適正と判断されたもののみを改善条件出力部４６に出力する（ステップＳ１０４）。その出力結果は改善条件出力部４６によりユーザに提示され（ステップＳ１０５）、成形不良対策提示のための一連の処理が終了する。このように、適正と判断された成形不良対策のみを出力し、不適な成形不良対策は出力しないようにすることで、ユーザは不良品となりやすい条件や射出成形機２を損傷するような条件での成形実施を事前に回避することができる。

提示された１以上の成形不良対策のうち、ユーザがある成形不良対策を選択すると、その成形不良対策は射出成形機２側の中央制御部３１に送られる。そして、その成形不良対策に応じた成形パラメータで試射がなされる。試射の結果、得られた成形品に不具合があるか否かをユーザが判断し、不具合がないと判断されると、その試射時成形条件が本成形の際に適用される。試射の結果、得られた成形品に不具合があると判断されると、図５のステップＳ１０１に戻り成形不良対策を適用した結果がユーザにより入力される。すると、入力部４１はこれを受け付け、成形不良対策を適用した結果を対策推論手段１００および推論結果統制部４５へ送る。対策推論手段１００として進化型推論部４２および／または統計解析部４４が起動している場合には、これらは成形不良対策を適用した結果を蓄積，学習し、また推論結果統制部４５は適宜、その結果に基づき制約情報を変更する。これにより、次回以降、射出成形支援装置３は、より短時間で適切な改善成形条件を提示しうる。

図６は、対策推論手段１００として進化型推論部４２を選択した場合の、処理の流れを示す図である。試射データを用いて進化型推論部４２に成形不良対策を推論させるには、進化型推論部４２の起動に先立ち、試射を行う。
まず、射出成形機２にて、予め設定された初期成形条件により、実際に試射を行なう(ステップＳ２０１）。
ステップＳ２０２では、得られた成形品に不具合があるか否かが判断される。ここで成形不良のない良品であると判断されれば、処理を終了する。
成形不良が存在する場合には試射データは入力部４１を介して試射データベース５１に格納される（ステップＳ２０３）。なお、ユーザからの希望があれば、試射データは成形履歴情報データベース５２にも格納される。
ステップＳ２０４では、試射回数が予め設定した値に達したかどうか判断される。設定回数に達していない場合には、設定回数に達するまで上記ステップＳ２０１〜Ｓ２０３までの処理を繰り返す。設定回数に達したと判断された場合には、入力部４１はその旨を進化型推論部４２に通知する。
この通知を受けて、進化型推論部４２では、試射データベース５１に格納された試射データを読み込む（ステップＳ２０５）。そして、図５に示したステップＳ１０１以降の処理に進む。このように、試射回数が予め設定した値に達するまで試射を繰り返すのは、進化型推論部４２が使用する最適化法という手法が、推論に足るだけのデータを必要とするからである。推論に足るだけの試射データを集めて推論を行なうことにより、進化型推論部４２は現実的かつ信頼性の高い不良対策を導出しうる。

さて、上述したように、対策推論手段１００として進化型推論部４２、エキスパート部４３および統計解析部４４のうちいずれを使用するかは、ユーザが任意に選択することができるが、本発明は進化型推論部４２を使用することを必須とする。
進化型推論部４２、エキスパート部４３および統計解析部４４の組合せを図７に示す。
ケース１では、進化型推論部４２のみを使用する。ケース１は、金型や樹脂の種類がこれまでの成形品と大きく異なり、成形不良対策を推論する上で過去の蓄積情報があまり有用ではない場合に、有効である。なお、この場合は試射を行うことが必須となる。
ケース２では、進化型推論部４２とエキスパート部４３を使用する。ケース３では、進化型推論部４２、エキスパート部４３および統計解析部４４を併用する。ケース４では、進化型推論部４２と統計解析部４４を使用する。ケース２は、正しい統計解析が行える程、元データが保存されていない場合に有効となる。ケース３は、あらゆる方面から最適な条件を検討することができる点で最も有効である。なお、ユーザデータベース５０の内容が充実している場合にはケース４を適用することが好ましい。このような場合には知識データベース６０の内容は陳腐化してくると考えられるからである。
ケース５（参考例）では、エキスパート部４３を使用する。ケース５は、試射の初期成形条件を決めるときや、成形履歴情報データベース５２に格納されている成形履歴情報が少ないような場合に、有効である。
ケース６（参考例）では、エキスパート部４３と統計解析部４４を使用する。
ケース７（参考例）では、統計解析部４４のみを使用する。ケース７は、成形履歴情報データベース５２に格納されている成形履歴情報が充実しているような場合に、有効である。

以上説明した通り、本発明の射出成形支援装置３およびこれを備えた射出成形システム１によれば、対策推論手段１００の推論した成形不良対策を、推論結果統制部４５がその適否を予め判断した上で、適正と判断された成形不良対策を出力するようにした。これにより、不適な成形不良対策がユーザに提示されることはなく、不適な成形不良対策を実施した場合に生じる問題を未然に回避することができる。
また従来のエキスパートシステムは学習機能を有さず、ユーザ特有の成形品を作製する際のノウハウの伝承が不十分であったが、上記の実施形態で示したように学習機能をもつ進化型推論部４２および／または統計解析部４４を備えるようにすれば、射出成形のノウハウの伝承を効果的に行うことができる。

以上では、進化型推論部４２が試射データを使用して最適化法に基づく成形不良対策を推論する形態を示したが、試射データに加え、知識データベース６０に格納された知識データおよび／または成形履歴情報データベース５２に格納された成形履歴情報を使用して成形不良対策の推論を行うようにしてもよい。
また、図８の射出成形支援装置３Ａのように、エキスパート部４３および／または統計解析部４４が行った成形不良対策の推論結果をもとに、進化型推論部４２に成形不良対策の推論を行わせてもよい。これにより、過去の事例，熟練成形技術者のノウハウを進化型推論部４２に学習させることができる
ここで、進化型推論部４２が推論を行う上で使用する元データのバリエーションを表１に示しておく。なお、表１中の（１）は図１中の（１）に、表１中の（２）および（３）は図８中の（２）および（３）にそれぞれ対応しており、それぞれ以下の場合を意味している。
（１）：試射データを元データとして使用。
（２）：エキスパート部４３が行った成形不良対策の推論結果を元データとして使用。
（３）：統計解析部４４が行った成形不良対策の推論結果を元データとして使用。

元データ、つまり推論のベースとなるデータが多いほど、より良い成形不良対策を推論することができる可能性が高くなる。一方、推論のベースとなるデータが多いほど、推論に時間がかかるため、推論の精度および推論に要する時間を比較考量してケースａ〜ｇを選択すればよい。

また、射出成形支援装置３、３Ａにおいて、使用する知識データおよび／または成形履歴情報は、各データベースに格納されたもののうち、目的成形品の成形情報に近いものであることが好ましい。知識データベース６０および／または成形履歴情報データベース５２に格納されたすべての成形履歴情報を使用する場合には、成形不良対策推論の精度も向上すると考えられるが、推論に時間がかかってしまう。
また応用例として、試射データを使用せず、知識データおよび／または成形履歴情報を使用して進化型推論部４２が最適化法に基づく成形不良対策の推論を行ってもよい。例えば試射のための初期成形条件を決定する際には、試射データが存在しない。この場合には、成形履歴情報データベース５２に格納された成形履歴情報を使用して成形不良対策の推論を行うことで、短時間に初期成形条件を設定することが可能となる。

さらにまた、エキスパート部４３および／または統計解析部４４による成形不良対策の推論結果に基づき、判定部４５ａが使用する制約情報を生成するようにしてもよい。例えば、図３に示した射出成形機２の機種１００ＭＸＺについては、機械仕様として最大射出圧力が２２０ＭＰａという制限があったとする。このとき、例えば通常は「最大射出圧力（ＭＰａ）−１０ＭＰａ」として制約情報を決定しているとしても、エキスパート部４３および／または統計解析部４４による推論の結果、射出圧力の上限を２１５ＭＰａと設定しても特に射出成形機２に不具合が生じないとの結果が得られた場合には、この結果に基づき射出圧力の制約情報を設定してもよい。これにより、制約情報の上限を広げることができ、判定部４５ａに不適と判断される成形不良対策が減少するため、ユーザの選択肢が増えるという効果が期待できる。
ここで、判定部４５ａが使用する制約情報のバリエーションを表２に示しておく。なお、表２中の（４）〜（６）は、それぞれ以下の場合を意味している。
（４）：制約情報格納部４５ｂに格納された機械仕様に基づく制限データ（すなわち、最大射出圧力，最大保持圧力，最大射出速度，スクリュー最高回転速度，最大型締力の少なくともいずれか）を制約情報として使用。
（５）：エキスパート部４３が行った成形不良が出る可能性が高い推論結果を第２の制約情報として使用。
（６）：統計解析部４４が行った成形不良が出る可能性が高い推論結果を第３の制約情報として使用。
表２に示すように、本発明は機械仕様に基づく制限データ（すなわち、最大射出圧力，最大保持圧力，最大射出速度，スクリュー最高回転速度，最大型締力の少なくともいずれか）を制約情報として使用することを必須とする。但し、機械仕様に基づく制限データと、上記した第２の制約情報および／または第３の制約情報を併用してもよい。

上記の実施形態では、射出成形機２と射出成形支援装置３とをそれぞれ別々の装置として構成した例を示したが、それらを一体の装置として構成してもよい。
また、射出成形機２と射出成形支援装置３とを離れた場所に設置し、それらを任意の通信回線で接続してもよい。この場合には、１台の射出成形支援装置３に対して複数の射出成形機２を接続することもできる。

本実施の形態における射出成形システムの構成を示す図である。 射出成形機の一構成例を示す図である。 制約情報格納部に格納された制約情報（機械制限データ）の一例を示す図である。 成形品の種類等によって設定された制約情報の一例を示す図である。 対策推論手段、推論結果統制部および改善条件出力部が行なう処理の流れを示す図である。 対策推論手段として進化型推論エンジン部を選択した場合の、処理の流れを示す図である。 進化型推論部、エキスパート部および統計解析部の組合せを示す図である。 本実施の形態における射出成形システムの他の構成を示す図である。

符号の説明

１、１Ａ…射出成形システム、２…射出成形機、３、３Ａ…射出成形支援装置、４１…入力部（分類選択部）、４２…進化型推論部（対策推論部、最適化法推論部）、４３…エキスパート部（対策推論部、知識ベース推論部）、４４…統計解析部、４５…推論結果統制部（推論制御部）、４５ａ…判定部、４５ｂ…制約情報格納部、４６…改善条件出力部、５０…ユーザデータベース、５１…試射データベース、５２…成形履歴情報データベース、６０…知識データベース、１００…対策推論手段

Claims (6)

1. 射出成形機で射出成形を行なうために必要な成形情報を受け付ける入力部と、
   前記射出成形機を運転する上での制約情報を格納する制約情報格納部と、
   前記入力部が受け付けた前記成形情報に基づき、最適化法を用いて成形不良対策を推論する対策推論部と、
   前記制約情報に基づき、前記対策推論部が推論した前記成形不良対策の適否を判断し、適正と判断された成形不良対策を出力する推論制御部と、
   を備え、
   前記制約情報は、前記射出成形機の機械仕様に基づく制限データであり、かつ、
   前記制限データは、最大射出圧力，最大保持圧力，最大射出速度，スクリュー最高回転速度，最大型締力の少なくともいずれかであることを特徴とする射出成形支援装置。
2. 前記対策推論部は、予め複数回の試射を行い、その結果得られた試射データに基づき推論する最適化法推論部であることを特徴とする請求項１に記載の射出成形支援装置。
3. 前記対策推論部は、
   前記射出成形機で生じうる成形不良と熟練成形技術者の経験に基づいて設定された前記成形不良が発生したときに有効な対策とを関連付けた経験情報に基づき、前記成形不良対策を推論する知識ベース推論部と、
   成形条件と前記成形条件を適用したときの成形結果とを関連付けた成形履歴情報を使用し、実験計画法に基づき前記成形不良対策を推論する統計解析部と、
   をさらに備えることを特徴とする請求項２に記載の射出成形支援装置。
4. 射出成形機本体と、
   射出成形機で射出成形を行なうために必要な成形情報を受け付ける入力部と、
   前記射出成形機を運転する上での制約情報を格納する制約情報格納部と、
   前記入力部が受け付けた前記成形情報に基づき、最適化法を用いて成形不良対策を推論する対策推論部と、
   前記制約情報に基づき、前記対策推論部が推論した前記成形不良対策の適否を判断し、適正と判断された成形不良対策を出力する推論制御部と、
   を備え、
   前記制約情報は、前記射出成形機の機械仕様に基づく制限データであり、かつ、
   前記制限データは、最大射出圧力，最大保持圧力，最大射出速度，スクリュー最高回転速度，最大型締力の少なくともいずれかであることを特徴とする射出成形システム。
5. 前記推論制御部が出力した前記成形不良対策を適用し実際に射出成形を行った結果に基づき、前記対策推論部は前記制約情報を変更することを特徴とする請求項４に記載の射出成形システム。
6. 予め設定されたプログラムに基づいて成形不良対策を提示する射出成形支援装置で実行される射出成形支援制御方法であって、
   射出成形機で射出成形を行なうために必要な成形情報を受け付けるステップと、
   前記成形情報に基づき、最適化法を用いて前記成形不良対策を推論するステップと、
   前記射出成形機を運転する上での制約情報に基づき前記成形不良対策の適否を判断し、適正と判断された成形不良対策を出力するステップと、
   を備え、
   前記制約情報は、前記射出成形機の機械仕様に基づく制限データであり、かつ、
   前記制限データは、最大射出圧力，最大保持圧力，最大射出速度，スクリュー最高回転速度，最大型締力の少なくともいずれかであることを特徴とする射出成形支援制御方法。

Images