JP6928423B2 - 鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムおよび方法 - Google Patents

Description

発明の表題

ファンドリーにおいて鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムおよび方法。

発明技術の分野

本発明はコンピュータシステム分野に関する。殊に、本発明は鋳造に関わるファンドリーで使用するシステムの提供に関する。

本明細書で使用される用語の定義

本明細書で以下使用される「ユーザー」という用語は限定されることなく、ファンドリー工員、顧客および管理者を意味する。
本明細書で以下使用される「コンピュータネットワーク」という用語 は限定されることなく、広域ネットワーク(WAN)、ローカルエリアネットワーク(LAN)、メトロポリタンエリアネットワーク(MAN)、インターネット、ワイヤレスローカルエリアネットワーク(WLAN)、携帯電話網およびこれらの組み合わせを意味する。
本明細書で以下使用される「ファンドリー」という用語は限定されることなく、工場、ワークショップ、製鉄所、製造所およびプラントを意味する。
本明細書で以下使用される「グリーン圧縮強度」(GCS)という用語は限定されることなく、圧縮荷重下において砂を破砕するために必要な応力を意味する。GCSは2’φ X 2’’高さの標準試料において汎用砂試験装置で測定し、Gms/cm²単位で表記される。
本明細書で以下使用される「圧縮加工性」という用語は限定されることなく、自動成形装置における砂の動作を判定するために、決定的な実務上の重要性がある砂の成形物性を意味する。圧縮加工性は圧搾の影響下において始めの緩い砂の一定値からの百分率による高さ減少率に関する。さらに、圧縮加工性は砂の組成から事実上独立した、テンパーウォーター指標の正確な度合いを与える。
本明細書で以下使用される「水分」という用語は限定されることなく、攪拌機によってクレー結合剤とともに混錬される砂に鋳造砂のGCSを付与するために添加される水を意味する。
本明細書で以下使用される「活性粘土」という用語は限定されることなく、砂粒間の凝集力を与え安定した型への強打を可能にする鋳造砂の中の結合材として使用される、クレーの一部を意味する。活性粘土は強さおよび変形強度と型硬度という関連品質を付与する。
本明細書で以下使用される「不活性微粒子」という用語は限定されることなく、不活性な物性を有し、砂粒の結合に全く寄与しない粘土の部分を意味する。さらに、不活性微粒子パラメータ合計粘土容量と活性粘土の百分率差を表す。
本明細書で以下使用される「燃性損失」(LOI)という用語は限定されることなく、鋳造砂の中に揮発性物質および砂中の固定的炭素燃焼性物質として含まれる物質の合計量を意味する。LOIは乾燥砂の発火による百分率損失によって決定される。
本明細書で以下使用される「透過性」という用語は限定されることなく、圧縮された砂が内部の気体を大気中に逃すことを可能にする自然な性質を意味する。これらの気体は液体または可撓性のある原材料が型の内部に注入されると発生する。透過性は数値で表し、標準圧力下で2’ O X 高さ2’’の標準試料を通過する気流の速さを規定する。
本明細書で以下使用される「湿潤時引っ張り耐性」(WTS)という用語は限定されることなく、すべての粘土結合式鋳造型の内部に液体または可撓性のある原材料が注入される間とその後に、発生する凝縮領域の引っ張り耐性を意味する。WTSは特殊試料管から取り外し可能のリングを引き抜くことによって決まる。凝縮領域は試料の前面が乗る加熱板によって人工的に形成される。加熱板は砂をインターフェースで加熱し、砂試料を通して熱輻射が発生する。蒸気は透過的砂の試料を通過して加熱板から放散される。水蒸気は凝縮の温度領域を通して試料内へ戻る。この凝縮領域を湿潤層と呼ぶ。荷重が印加されると試料は最も脆弱な領域または点で破砕するので、破砕時の測定値を書き留める。WTSの表記単位はgm/cm²である。
本明細書で以下使用される「揮発性物質」(VM)という用語は限定されることなく、砂の混合物に添加された、温度範囲摂氏450〜920度(℃）で揮発する光沢性炭素添加剤の一部を意味する。VMは低温度揮発性物質および高温度揮発性物質の二つの部分から構成される。揮発生成物は金属から型へのインターフェースに砂の融合、金属透過の阻止を防止するために必要なクッション効果を与える。
本明細書で以下使用される「顆粒粉末度」(GFN/ AFN)という用語は限定されることなく、ISO規格メトリック篩で決まるミクロンメートル(μm)単位によって表記される粒径測定値の平均を意味する。平均粒径100 gmの試料を710 μm〜63 μmの篩のセットを通過させる。各篩に把捉された百分率を計量して篩のサイズ降順に整理する。これらの各百分率に直前の篩メッシュ番号を掛けてこれらすべてを掛けた値を合計し、合計百分率の和で割るとGFN値を得る。AFS篩セットを使用する場合は、砂のAFS値が出力として受け取られる。
本明細書で以下使用される「pH値」という用語は限定されることなく、鋳造砂の酸性／アルカリ性の性質を表す指標を意味する。pH値はベントナイト等の結合材を添加した結果として酸性／アルカリ性の性質を有する鋳造砂の機能性を表すための測定値である。7未満のpH値は鋳造砂が酸性、7超はアルカリ性であることを示す。pH制御は鋳造砂の物性に影響しない。鋳造砂の酸性／アルカリ性の性質は使用する粘土結合材によるものである。
本明細書で以下使用される「魚卵状粒」という用語は限定されることなく、長時間流回する機会を有する鋳造砂に使用される砂粒を意味する。流回の繰り返しによって砂粒に連続的に焼成されて粒の表面に焼結される結合粘土層の被膜が反復して形成される。この結果、砂粒の回りに焼結された死んだ粘土の同心円状の層構造が形成される。このプロセスを魚卵状処理という。魚卵状処理の程度は20ミクロンより大きく摂氏900度(℃）で焼成された洗浄砂の断片の中の死んだ粘土の量によって決まる。
本明細書で以下使用される「粉砕指数」という用語は限定されることなく、砂の強度を意味する。粉砕指数は特に、深いポケットや入り組んだ形状のパターンを剥ぎ取る際に有用である。粉砕指数パラメータは 試料を標準試験片に高さ1.83 mから落下させたときに元の試料重量およびアンヴィル上の残砂に対する百分率として表記される。
本明細書で以下使用される「砂対金属比」という用語は限定されることなく、完全な型(上下型)に圧入された砂の重量対型に注入される合計液体量または可撓性のある原材料の重量比を意味する。砂対金属比は数値で表記される。
本明細書で以下使用される「乾燥時圧縮強度」という用語は限定されることなく、摂氏104-110(°C)で乾燥し型割り前に砂を室温まで冷却した後の砂の最大強度を意味する。標準2 in x 2 inの円筒内における通常の乾燥時間は2〜3時間である。
本明細書で以下使用される「攪拌機回収砂温度」という用語は限定されることなく、ノックアウトブロックおよび再使用のための砂クーラーから回収される砂の温度を意味する。高温液または可撓性のある原材料を型に注入すると、砂の温度が上昇する。直前の鋳造型で使用された砂を再使用するには、砂を周囲温度まで冷却しなければならない。
本明細書で以下使用される「コアへの砂侵入」という用語は限定されることなく、鋳造処理中に使用された分解した残留コアが原因で発生する砂の増分を意味する。コアサンドの何パーセントかはシェークアウトステーションでシーブを通して破棄されるが、大半のコアサンドは回収砂に混ざる。前記の部分に対応する砂の、終日還流した鋳造砂の量に対する百分率をコアサンド侵入％と呼ぶことにする。
本明細書で以下使用される「試料重量」という用語は限定されることなく、直径2”高さ2”の標準試料の重量を意味する。標準試料は標準ランマーを使用して作成し、グラム（g)単位で表記される。
本明細書で以下使用される「破砕指数」という用語は限定されることなく、型のジョルト、スクイーズ、スリング種別により良好に圧縮するために必要な砂の特性を意味する。鋳造砂は成形圧縮中に均一な硬度を得るために流動する必要があり、従って良好な流動性を有することが必要である。硬度が不均一なことを特徴とする型は一部の点が柔らかい。砂型に柔らかい場所があると流動性が劣化し、その結果鋳造物の拡大(膨潤)および/または粗目の鋳造表面が生じる。
本明細書で以下使用される「コーンジョルト試験」という用語は限定されることなく、圧縮された砂の相対的な脆性を測定する強度試験を意味する。型の破損およびパターンに深いポケットを引っ張れない場合はしばしば砂強度の不足または脆性が原因である。
本明細書で以下使用される「引き裂き耐性」という用語は限定されることなく、最大引き裂き応力を意味する。焼もどしされた砂混合物は砂型を作成するために最善の施工性または焼もどしが正しい、水分を含む砂の部分の近傍において高引き裂き耐性を持つ。砂が水分が焼もどしレベルより低い高グリーン強度を呈することも観察される。
本明細書で以下使用される「変形」という用語は限定されることなく、グリーン砂が破砕するまで変形する度合いの計測値を意味する。変形はin/in単位で表記する。
本明細書で以下使用される「ねばりの度合い」という用語は限定されることなく、鋳造に使用されるファンドリーの砂のグリーン物性を意味する。グリーン砂のねばりの度合いは見て感触を得ることでマニュアルで評価する。
本明細書で以下使用される「グリーン引っ張り耐性」という用語は限定されることなく、焼もどしされた砂混合物が耐えうる最大引っ張り応力を意味する。作成した焼もどしされた砂混合物を標準手順に従って打ち固めて試験する。引っ張り耐性は砂型を作成するために最善の施工性または焼もどしが正しい、水分を含む砂の部分においてまたはその近傍において高い。砂が水分が焼もどしレベルより低い高グリーン強度を呈することも観察される。
本明細書で以下使用される「高温強度」という用語は限定されることなく、溶融液または金属等の可撓性のある原材料が型に注入される際、砂が到達する高温での砂の強さを意味する。
本明細書で以下使用される「流動性」という用語は限定されることなく、グリーン打ち固め処理性等型の力を砂粒に印加したとき焼もどしされた混合物内における砂粒の動作を意味する。グリーン打ち固め処理性は打ち固めエネルギーの印加点近傍またはここから離れた型の同一硬度を生み出す物性と見なす。鋳造砂は成形圧縮中に均一な硬度を得るために流動する必要があり、従って良好な流動性を有することが必要である。硬度が不均一なことを特徴とする型は一部の点が柔らかい。砂型に柔らかい場所があると流動性が劣化し、その結果鋳造物の拡大(膨潤)および/または粗目の鋳造表面が、特に側壁に生じる。
本明細書で以下使用される「型硬度」という用語は限定されることなく、負荷を掛けたプランジャーの貫通に耐えうるグリーン砂型表面の耐性を意味する。湿潤または乾燥が過度な砂混合物では型硬度が低くなる。砂混合物内の結合が適切に焼もどしされて打ち固めされた場合は、型硬度がピーク値に到達する。
本明細書で以下使用される「強度」という用語は限定されることなく、砂型の強度を意味する。砂をパターンの周囲で打ち固めるとき、砂は可動性物性を有する必要があり、 同様に注入された液体または可撓性のある原材料が型内部で硬化中もその必要がある。砂は精確な寸法を持つ鋳造製品を生産するために静的物性を有さなければならない。砂の持つ前記の可動物性を砂の成形性と呼んできた。砂の強度は砂に作用さえる仕事量に影響を及ぼす。砂の強度という要因はすべての形態のラミングにとって最も重要である。強度はグリーン圧縮強度と変形の積を1000倍して決める。
本明細書で以下使用される「密度」という用語は限定されることなく、打ち固めされ焼もどしされた混合物の一単位体積当たりの質量を意味し、通常はlb/cu単位で表記される。
本明細書で以下使用される「焼結点」という用語は限定されることなく、顕微鏡で倍率20X to 25Xで観察したときに最小の砂粒が融合の兆候を示す最低温度を意味する。焼結点は、プラチナリボンを浸潤させて次に砂から引き上げたとき、V形を形成することによって砂が粘る兆候を示す温度である。
本明細書で以下使用される「耐久性」という用語は限定されることなく、砂を砂鋳造周期の反復中に一定のグリーン強度に再結合するために必要な粘土の量を意味する。
本明細書で以下使用される「型ガス展開」という用語は限定されることなく、特殊手順で解析可能なガスを砂型が放出する傾向を意味する。
本明細書で以下使用される「金属貫通」という用語は限定されることなく、溶融液または金属等可撓性のある原材料が砂型壁の中へ、砂の中にあたかも液体を通過させる多孔性物質かのごとく滲出する貫通を意味する。このため金属の融解質量が得られ、砂が鋳造製品に密着する。
本明細書で以下使用される「空気硬化強度」という用語は限定されることなく、試料の2 inx 2 in領域に対して実施された試験を意味する室温で4 時間空気乾燥後の試料。試料を2時間後にひっくり返す。空気硬化圧縮強度が決定され、値はグリーン強度が型割り後空気が乾燥するに連れて変化する様子を表す。
本明細書で以下使用される「成形性」という用語は限定されることなく、水の必要量または砂も考慮した鋳造砂のテンパー度の定量を意味する。成形性はスクリーンを砂が容易に通過する程度を用いて、砂のかさ凝集力を計測する。この物性は圧縮前の緩んだ状態の砂を対象としており、成形性指数で表す。この指数は鋳造砂の両立性物性と極めて密接な関係を持つことが期待される。
本明細書で以下使用される「シーブ分布」という用語は限定されることなく、標準ISOメトリックまたはAFSシーブセットを使用して洗浄し乾燥した砂の砂粒の分布を意味する。シーブごとに把捉される砂の量は試験に使用した砂試料の百分率で表す。これらの百分率はグラフにプロットされ、ここにがy軸でシーブの号数をx軸に特定間隔で取って表す。典型的棒グラフはシーブ分布を表すが、砂のほぼ80%が把捉されるシーブの数に応じて、砂を2シーブ、3シーブ等という用語で表す。
本明細書で以下使用される「粒形」という用語は限定されることなく、砂粒の角張り度および球面度を意味する。砂粒は良好な球状から球状、準球状、角張りおよび極めて角張りまで他種類存在する。各角張り度の範囲内で砂粒は球状の度合いに応じて高中低の指数を持つと言える。最も優れる鋳造砂は球状の度合いについては中程度から高度の指数を持つ丸い粒から成り、優れる流動性と透過性に加え結合剤の添加量が少なくても高強度を有する。球状の度合いについてより角張っており低い指数を持つ砂粒は多くの結合剤を添加しなければならない。この結果、砂の圧搾密度が低く、流動性が低い。
本明細書で以下使用される「ベントナイト」という用語は限定されることなく、ファンドリーグリーンサンドで使用される結合用粘土を意味するベントナイトはモンモリロン石として知られる粘土石属から派生したものである。モンモリロン石は自然界に存在し、長石、水晶、黒雲母、雲母および炭酸カルシウム等の随伴鉱物を10%〜15%含む。
本明細書で以下使用される「MB値」という用語は限定されることなく、メチレンブルーの手順を使用し数値で表記される活性粘土の定量値を意味する。
本明細書で以下使用される「ゲル化時間」という用語は限定されることなく、ベントナイトの吸水速度を意味する。ベントナイトの品質が分で表わされるゲル化時間より優れる場合は、分で表される値は低くなる。
本明細書で以下使用される「膨潤容量」という用語は限定されることなく、ベントナイト粉末の拡張性を意味する。アルカリ交換という基本的機能により板状晶が水分を各層間に通すので膨潤する。ベントナイトがこのように容量膨張する特性のことを膨潤容量と呼び、数値で表す。
本明細書で以下使用される「液体または可撓性のある原材料」という用語は限定されることなく、金属、プラスチック、ガラスまたはセラミック原材料を意味する。可撓性のある原材料が金属である場合、優先される金属の物性は炭素の百分率、炭素等価物、注入温度、注入時間、注入速度、注入高さ（金属静的高さ）、注入手順と金属の化学組成の中から選択される金属パラメータである。
本明細書で以下使用される「棄却種別」という用語は限定されることなく、型破損による棄却、気泡マシニングおよびファンドリーステージでの棄却、鋳巣加工とファンドリーステージでの棄却、砂融合による棄却、焦げ付き棄却、侵食による棄却、砂落下による棄却、包含ファンドリーおよびマシニングステージでの棄却、金属貫通による棄却、内壁剥離による棄却、膨潤／オーバーサイズ鋳造の棄却、内壁剥離拡大による棄却、爆発的貫通による棄却、光沢性炭素欠陥による棄却、表面粗さによる棄却、下ぶくれ欠陥による棄却を意味する。
本明細書で以下使用される「添加剤」という用語は限定されることなく、穀物系結合剤、舗装用ピッチ、微粉状の瀝青炭、ギルソナイト、燃料油、木粉、シリカ微粉、酸化鉄(III)、ペルライト、糖液、ベントナイト（カルシウム系）、ベントナイト（ナトリウム系）、耐火粘土、カオリン粘土、アスファルト、油煙、セルローズ、トウモロコシの穂軸粉、フルフラール残基、オート麦の殻、クルミの殻の粉、アスファルト乳化液、灯油、ソーダ灰、加湿剤、アルミナ、亜クロム酸塩の粉、飛散灰、かんらん石粉、十字石粉、ジルコニウム粉、ふすま粉、デキストリン、硫化リグニン、ケイ酸ナトリウムおよび小麦粉を意味する。
これらの定義は先行技術で用いられているものへの追加である。

発明の背景

製造業において、鋳造は機械部品や機械または製品の製造上重要な役割を持つものと思われる。寸法が精確な製品を開発ないし製造するために、最初に型を作成する。これは目標製品デザインおよび寸法に等しい中空を持つブロックである。液体または可撓性のある原材料を作成した型に注入すると型の形状およびサイズに容易に決まる。その後、液体または可撓性のある原材料を含んだ型を冷却して、鋳造された製品を回収する。液体または可撓性のある原材料には金属、プラスチック、ガラスまたはセラミック原材料を含む。作成された型は鋳造品の相対部分としても知られる。
金属鋳造製造ファンドリーまたは工場においては、世界統計によると、すべての金属鋳造のうち七十パーセントが砂鋳造により生産されている。砂鋳造工程においては、比較的安価で経済的および生態系に豊富に存在する砂または粘土を使用して型を作成する。鋳造砂は典型的にはフレームのシステムまたはフラスコとして知られる型の箱に格納される。型のキャビティおよびゲートシステムは砂をモードまたはパターンの周囲に圧搾することによってまたは砂の中に直接加工することによって作成される。しかしながら、砂鋳造工程を製品製造のために使用するファンドリー業界においては、砂鋳造工程では一回のおよびそれ以降の鋳造において発生する砂鋳造型の棄却量が無制限であることが報告されてきた。さらに、鋳造棄却の変動や無制限に発生することからファンドリーにおける鋳造製品全体の生産性に影響が及ぶ。この事実は場合によってはファンドリーの低生産性という結末に至る。
さらに、鋳造製品の製造工程内で特定指示／確認の予定を組むために、鋳造方法を使用することが多くの労力を使用して監視ならびに必要なときの対応を取る必要があることが実際に明らかとなってきた。このため鋳造工程の労務費がかさみ、ファンドリーの生産性が低下する。砂鋳造の棄却を軽減し、ファンドリーの砂鋳造歩留まりを改善するために、鋳造棄却の分析に関わる研究者によって多大な取り組みが行われてきた。しかしながら、砂鋳造歩留まりにおける寄与要因および棄却を把握して抑えることは、マニュアルで行われるためさらに人的ミスによる影響を受ける。このためファンドリーの要員が困惑する状況に陥り、方向性の定まらない決定を行うことになる可能性があるとともに、さらにファンドリーの生産性に影響を及ぼす。
従って、前記の欠点を念頭に置いて、鋳造の棄却に影響を及ぼすファンドリーの正確な要因分析を可能にするシステムへの必要性が存在するように思える。さらに、ファンドリーの要員が方向性の定まらない決定を行わざるを得ない確率を下げるシステムの必要性がある。

発明の目的

本発明の目的のうちいくつかを以下に説明する：
本発明の一目的は鋳造棄却品または鋳造欠陥を削減するためのコンピュータ利用システムを提供することである。
本発明のさらにもう一つの目的はファンドリーにおける棄却を削減するための砂最適化予測システムを提供することである。
本発明のもう一つの目的はファンドリーでの棄却を削減する目的でグリーン砂/ 回収砂/再利用砂の最適化予測システムを提供することである。
さらに、本発明のもう一つの目的はファンドリーにおける棄却の削減ならびに使用済砂の再利用を的とするグリーン砂/ 回収砂/再利用砂の最適化予測システムを提供することである。
本発明のさらにもう一つの目的はファンドリーでの棄却を削減する目的で砂最適化を規定するシステムを提供することである。
本発明さらにもう一つの目的は異なる分析用に使用することを目的とするすべてのデータ要素の単一入力点を提供するシステムを提供することである。
本発明のさらにもう一つの目的は多次元カーブで異なる分析結果の全体図を示すシステムを提供することである。
本発明のさらにもう一つの目的は自動学習／更新する自己学習型システムを提供することである。
本発明のさらにもう一つの目的はファンドリー要員が必要なパラメータ値を使用するコンピュータ処理モデルを提供するシステムを提供することである。
本発明のさらにもう一つの目的はファンドリーユーザーが使用するための申込制によるシステムを提供することである。
本発明のさらにもう一つの目的は時間コンピュータネットワークを通して場所を問わず随時オンラインアクセス可能なシステムを提供することである。
本発明の一目的は先行特許の一つまたは複数の問題の改良または少なくとも有用な代替方法を提供することである。

発明の要約

本発明はファンドリーにおいて鋳造棄却品を削減するための砂最適化コンピュータ利用システムを提供する。このシステムは、本発明に従い以下の項目を含む：
・砂パラメータ第一セットのデータを格納するために構成された第一レポジトリ。このレポジトリではパラメータはグリーン圧縮強度(GCS)、圧搾性指数、水分、活性粘土、不活性微粒子濃度、燃性損失百分率(LOI)、透過性指数、湿潤時引っ張り耐性、揮発性物質濃度、顆粒粉末度 (GFNまたはAFS)、魚卵状粒濃度および砂のpH値から成るグループから選択される。
・棄却種別および棄却数量のデータを格納するように構成された第二レポジトリ。
・棄却に対応するパラメータを使用して生成されるパターンを格納するように構成された第三レポジトリ。
・第一レポジトリと協業する入力モジュール。これは一つのインスタンスに対して少なくとも一つのパラメータに対応する少なくとも一つの値を受け取るように構成された入力モジュールである。
・第一レポジトリ、第二レポジトリ、第三レポジトリおよび入力モジュールと協業するプロセッサモジュール。このプロセッサモジュールはパラメータの値、パラメータ、棄却、棄却種別の相関関係を計算するように構成され、パラメータの値、パラメータ、棄却、棄却種別の間の相関関係を各インスタンス毎に提供する。
・このプロセッサモジュールと結合されたパターン生成エンジン、少なくとも一つのパターンをパラメータの値、パラメータ、棄却、棄却種別の間の相関関係に基いて決定するように構成されたパターン生成エンジン、相関関係付けられたデータごとに考慮して多次元曲線を形成するための少なくとも一つの方程式である生成されるパターン。および、
・パターン生成エンジンおよびこのプロセッサモジュールと協業する予測的規範的モジュール、ユーザーが指定するパラメータに対応する入力値を受け取るように構成された予測的規範的モジュール、入力値を方程式にマッピングし、確率の度合いを含む少なくともひとつの予測的／規範的ソリューションを生成するように構成された予測的規範的モジュール。
本発明に従い、第一レポジトリはさらに砂の第二セットに対するデータしおよび関連金属鋳造パラメータを格納するように構成されている。これらのパラメータは砂関連の鋳造欠陥を削減するためのもので、粉砕指数、砂対金属比、乾燥成分の強度、攪拌機回収砂温度、コアへの砂侵入、試料重量、破砕指数、コーンジョルト試験、引き裂き耐性、変形、ねばりの度合い、グリーン引っ張り耐性、高温強度、流動性、型硬度、強度、密度、焼結点、耐久性、型ガス展開、金属貫通、空気硬化強度、成形性、シーブ分布、粒形、ベントナイト濃度、MB値、ゲル化時間、膨潤容量、金属関連パラメータから成るグループの中から選択される。
本発明に従い、このシステムはさらに、このプロセスまたは予測的規範的モジュールと協業する一つのディスプレイモジュールであって、確率の度合いおよびユーザーが読むことのできる形式でグラフィック表示される相関関係を示すデータを含む予測的／規範的解を表示するように構成されたディスプレイモジュールである。
本発明に従い、このシステムは一つの自己学習型エディタから構成され、このエディタはパターン生成エンジンおよび予測的規範的モジュールと協業し、さらに一時レポジトリに、生成されたすべての多次元カーブを格納するように構成されたエディタであり、さらにこのエディタは予測的／規範的解の中に存在する予測棄却および棄却種別を決定するように構成されており、さらに棄却および棄却種別に対応する予測値をユーザーが入力した実際の棄却および棄却種別と比較し補正するように構成されている。
本発明に従い、前記エディタは予測的／規範的解の中に存在する補正された棄却および棄却種別を第三レポジトリに格納し更新するように構成されている。
本発明に従い、前記エディタは妥当ではない棄却を棄却することに関わる動作を行うように構成され、この際動作は決定、保持、破棄、更新および妥当ではない棄却を第三レポジトリに格納することから成る群の中から選択される。
本発明はファンドリーにおいて鋳造棄却品を削減するための予測的／規範的砂最適化用コンピュータ利用方法を提供することを意図している。前記の方法は本発明に従い以下の手順を含む：
・砂パラメータ第一セットのデータを第一レポジトリに格納する。このレポジトリではパラメータはグリーン圧縮強度(GCS)、圧搾性指数、水分、活性粘土、不活性微粒子濃度、燃性損失百分率(LOI)、透過性指数、湿潤時引っ張り耐性、揮発性物質濃度、顆粒粉末度 (GFNまたはAFS)、魚卵状粒濃度および調製された砂のpH値から成るグループから選択される。
・棄却種別および棄却数量のデータを第二レポジトリに格納する。
・棄却に対応するパラメータを使用して生成されるパターンを第三レポジトリに格納する。
・鋳造処理日に対応するパラメータ関連の棄却マッピング。
・少なくとも予測的／規範的解が必要なインスタンスのパラメータに対応する最新の値の組を入力する。
・第一レポジトリに格納されたパラメータ値と最新の入力値の組、第二レポジトリに格納された棄却値および棄却種別および第三レポジトリに格納されたパターンとの相関性を特定し、パラメータ値、パラメータ、棄却および棄却種別の間の相関関係をインスタンスごとに特定する。
・相関関係付けられたデータに少なくとも一つのパターンを特定するための相関関係付けられたデータとパラメータを処理する。
・少なくとも一つの方程式を処理することによって生成されるパターンに基づいて少なくとも一つの多次元曲線を導き出す。この際多次元曲線ごとにパターンに対する予測的／規範的解を与える。
・次に、方程式への対応するパラメータの最新入力値の組を処理しマッピングすることによって導出される最尤曲線と最も合致するパラメータの現在値を特定し、確率の度合いを含む予測的／規範的棄却値を得る。
本発明に従い、一次砂パラメータに関するデータ格納手順はさらに、二次砂パラメータに関するデータを格納する手順を包含しており、砂関連鋳造を削減するための関連する金属鋳造パラメータは、粉砕指数、砂対金属比、乾燥成分の強度、攪拌機回収砂温度、コアへの砂侵入、試料重量、破砕指数、コーンジョルト試験、引き裂き耐性、変形、ねばりの度合い、グリーン 引っ張り耐性、高温強度、流動性、型硬度、強度、密度、焼結点、耐久性、型ガス展開、金属貫通、空気硬化強度、成形性、シーブ分布、粒形、ベントナイト濃度、MB値、ゲル化時間、膨潤容量、金属関連パラメータから成るグループの中から選択される。
本発明に従い、方程式を処理してマッピングし、予測的／規範的棄却値を取得する手順はさらに、 ユーザーが読み取れる形式でグラフィック表示される確率の度合いおよび相関関係付けられたデータを含む予測的／規範的解の表示手順を包含する。
本発明に従い、方程式を処理してマッピングし、予測的／規範的棄却値を取得する手順はさらに、予測的／規範的解の中に存在する予測棄却および棄却種別を決定し、次に棄却および棄却種別に対応する予測値をユーザー入力による実際の棄却および棄却種別と比較して補正する手順を含む。
本発明に従い、棄却および棄却種別に対応する予測値をユーザー入力による実際の棄却および棄却種別と比較して補正する手順はさらに、予測的／規範的解の中に存在する補正された棄却および棄却種別を第三レポジトリに格納し更新する手順を含む。
本発明に従い、予測的／規範的解の中に存在する予測棄却および棄却種別の決定手順はさらに、非妥当な棄却の棄却に関わる処置を講じる手順を含む。ここに、前記の処置は非妥当な棄却の決定、保持、破棄、更新および第三レポジトリへの格納から構成されるグループの中から選択される。

ファンドリーにおける鋳造棄却品を削減することを目的とする砂最適化のためのコンピュータ利用システムおよび方法を次に、限定されることのない、添付図面を参照しつつ以下は説明する：
図1は本発明に従うファンドリーでの鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムの模式的アーキテクチャによるデータフロー図である。
図2はこの本発明に従うファンドリーでの鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムの機能モジュールを表すブロック図を使いしたものである。
図3(a) と3(b)は、本発明に従う図2に図解されているファンドリーでの鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムを実施するための方法に対応する手順を図解した、フローチャートである。
図4は本発明に従い、図1のモデル構築モジュール140を使用して数学的モデルを合成するための模式的データフロー図である。
図5(a)と 5(b)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150および図2のプロセッサモジュール250によって使用されるパラメータ棄却予測モジュールのデータ入力とデータ出力の例を示している。
図6(a)〜 6(d)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150および図2のプロセッサモジュール250によって使用されるパラメータ近接位置検出素子モジュールのデータ入力とデータ出力の例を示している。
図7(a)および7(b)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150および図2のプロセッサモジュール250 によって使用されるパラメータンカー棄却予測モジュールデータ入力とデータ出力の例を示す。
図8(a)および8(b)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1 の処理エンジン150と図2のプロセッサモジュール250 が使用する最低の高棄却位置検出素子モジュールデータ入力とデータ出力の例を示す。
図9(a)〜 9(d)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150 および図2のプロセッサモジュール250が使用する基幹的パラメータ予測モジュールデータ入力とデータ出力の例を示す。
図10(a)および10(b)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150 および図2のプロセッサモジュール250が使用する棄却ヒートマップモジュールのデータ入力とデータ出力の例を示す。
図11(a)〜11(d)は本発明に従うファンドリーでの鋳造棄却品を削減することを目的とする図1の砂最適化用コンピュータ利用システム100に関わるウェブサイトユーザーインターフェースを表す一次ケーススタディーを図解したものである。
図12は本発明に従いファンドリーにおけるファンドリーの構成要素を表すデータフローブロック図である。
図13は図1のファンドリーにおける鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システム100に関する履歴データに基づく個々の棄却種別ヒートマップと砂棄却合計の棄却種別の間の相関関係を表す二次ケーススタディーである。

発明の詳細な説明

ファンドリーにおける鋳造棄却品を削減することを目的とする砂最適化のためのコンピュータ利用システムおよび方法を次に、本発明の範囲が限定されることのない、添付図面を参照しつつ説明する：説明は純然たる例示にすぎない。
本発明はファンドリーにおいて鋳造棄却品を削減するための、コンピュータ・ネットワーク経由でアクセスする砂最適化コンピュータ利用システムを目的とする。本発明に従い、このシステムはファンドリー関連ユーザーが担当ファンドリーをこのシステムに登録することによってアクセス可能になる。ファンドリーの登録は典型的期間の間このシステム利用のオンライン購入によって行われる。登録されたファンドリーには複数のオンラインアカウントが設定され、これらはファンドリーと関連付けられていてこのシステムにアクセスできる異なるレベルの許可を得た異なるユーザーにより管理される。ファンドリー管理者は複数のユーザーアカウントを作成する権限を保有しており、アカウントに対して正当な許可を割り当て、さらに管理者が作成したユーザーアカウントを管理する。ファンドリーユーザーはユーザー名、メールアドレス、パスワード、秘密の質問の答等からなる少なくとも一つのユーザー認証情報を入力してこのシステムにログオンする。
添付図面を参照すると、図1は鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システム100の模式的アーキテクチャデータフロー図を示す。
本発明の一局面に従い、このシステム100はユーザーインターフェースモジュール110、データアップロードモジュール120、レポートモジュール130、モデル構築モジュール140、処理エンジン150、第一レポジトリ160、第二レポジトリ170、第三レポジトリ180から成る。このシステム100にアクセスするための正当な許可を得たファンドリーユーザーは作成した砂、添加剤、鋳造 棄却/欠陥、回収/再利用砂に関するデータをユーザーインターフェースモジュール110を使用してアップロードすることができる。ユーザーインターフェースモジュール110はユーザーがユーザーインターフェースモジュール110から入力したデータを受信することができるデータアップロードモジュール120と交信する。データアップロードモジュール120は妥当性検証ルールを格納したバリデーター122を含み、バリデーター122はユーザーがアップロードしたデータに妥当性検証ルールを適用して検証する機能を有する。ユーザーが入力したデータがバリデーター122により検証されて有効と判定されると、データアップロードモジュール120が調製された砂、添加剤、回収／再利用砂に関する検証されたデータを第一レポジトリ160に格納し、鋳造 棄却/欠陥に関する検証済みデータを第二レポジトリ170に格納する。
レポートモジュール130は第一レポジトリ160と交信して、第二レポジトリ170がファンドリーユーザーに調製された砂、添加剤、回収／再利用砂および鋳造棄却に関するデータを取得することを可能にする。さらに、レポートモジュール130はファンドリーユーザーにレポジトリから取得されたデータに基づいて望みのレポートを生成することを可能にする。モデル構築モジュール140はモデルを構築するためにファンドリーユーザーからのコマンドを受信する機能を持つ。モデル構築ルールを格納しているモデル構築モジュール140は第一レポジトリ160と第二レポジトリ170と通信し、レポジトリからのデータからデータを取得する。モデル構築モジュール140はデータを第一レポジトリ160および第二レポジトリ170からファンドリーユーザーから受信されたコマンドに基づいて取得し、モデルを構築し、さらにモデル構築ルールを前記の取得データに適用してモデルを構築するように構成されている。ファンドリーユーザーはモデル構築モジュール140により作成されたモデルをユーザーインターフェースモジュール110を通してみることができる。その次に、モデル構築モジュール140は第三レポジトリ180と交信し、新規構築モデルを今後の参照や解析用に保存する。ファンドリーユーザーは処理エンジン150が受信するクエリーをユーザーインターフェースモジュール110を通して送信することができる。クエリーの処理ルールが格納されている処理エンジン150はさらに第一レポジトリ160、第二レポジトリ170、第三レポジトリ180と通信する機能を有する。処理エンジン150はクエリーの処理ルールをユーザーが送ったクエリーに適用し、さらに対応するデータを第一レポジトリ160、第二レポジトリ170、および第三レポジトリ180から受信して、ファンドリーユーザーのためにユーザーが読める形式でユーザーインターフェースモジュール110に表示するように構成されている。
図2を参照すると、この図はブロック図は前記ファンドリーでの鋳造棄却品を削減することを目的とする砂最適化用システム 200の機能モジュールを表す。本発明に従い、このシステム200は第一レポジトリ210、第二レポジトリ220、第三レポジトリ230、入力モジュール240、プロセッサモジュール250、パターン生成エンジン260、予測的／規範的モジュール270、自己学習型エディタ280、ディスプレイモジュールから構成される。入力モジュール240はファンドリーユーザーがキーボードおよび/またはマウス等の入力デバイスから入力したユーザー入力を受信する。入力モジュール240はユーザー入力に含まれるユーザー入力値が一つのインスタンスに対応する少なくとも一つの砂パラメータと照合可能であるかを確認してユーザー入力を有効と判定する。その次に、入力モジュール240は第一レポジトリ210と通信し、受信したユーザー入力を今後の使用や参照用にレポジトリに格納する。第一レポジトリ210は砂パラメータ第一セットおよび砂パラメータ第二セットを格納する機能を有する。典型的には、砂パラメータ第一セットはグリーン圧縮強度(GCS)、圧搾性指数、水分、活性粘土、不活性微粒子濃度、燃性損失百分率(LOI)、透過性指数、湿潤時引っ張り耐性、揮発性物質濃度、顆粒粉末度 (GFNまたはAFS)、魚卵状粒濃度および砂のpH値から成るグループから選択される。典型的には、砂パラメータ第二セットは粉砕指数、砂対金属比、乾燥成分の強度、攪拌機回収砂温度、コアへの砂侵入、試料重量、破砕指数、コーンジョルト試験、引き裂き耐性、変形、ねばりの度合い、グリーン 引っ張り耐性、高温強度、流動性、型硬度、強度、密度、焼結点、耐久性、型ガス展開、金属貫通、空気硬化強度、成形性、シーブ分布、粒形、ベントナイト濃度、MB値、ゲル化時間、膨潤容量、金属関連パラメータから成るグループの中から選択される。さらに、金属関連パラメータは炭素百分率、炭素等価値、注入温度、注入時間、注入速度、注入高さ（または、金属静的高さ)、注入手順、金属化学組成を含む。
本発明に従い、このプロセッサモジュール250は第一レポジトリ210、第二レポジトリ220、第三レポジトリ230と通信して、処理および分析用データを格納および取得する。第二レポジトリ220は棄却種別および棄却数量に関するデータを格納するように適合されている。処理ルールを格納してあるプロセッサモジュール250はパラメータ値、砂パラメータ第一セット、砂パラメータ第二セット、棄却種別および棄却の相関関係を計算する機能を有する。さらに、このプロセッサモジュール250はファンドリーユーザーがデータを入力モジュール240を通してアップロード／入力するインスタンスの一つごとに、パラメータ値、パラメータ、棄却および棄却種別の間の相関関係を計算することもできる。
パターン生成エンジン260はプロセッサモジュール250と結合されており、プロセッサモジュール250と同時に機能する。パターン生成エンジン260にはパターン生成ルールが格納されている。さらに、パターン生成エンジン260はパターン生成ルールを適用して、プロセッサモジュール250から受け取ったパラメータの値、パラメータ、棄却、棄却種別の間の相関関係に基づいて少なくとも一つのパターンを判断する。パターン生成エンジン260によって生成されるパターンは少なくとも一本の方程式であって、相関関係付けられたデータごとに考慮し、多次元曲線を形成する。予測的／規範的モジュール 270はパターン生成エンジン260とファンドリーユーザーが所与のインスタンスにおいて入力した砂パラメータに対応するユーザー入力を受けるプロセッサモジュール250と通信する。予測的／規範的モジュール270は入力値を砂パラメータを方程式にマップする機能を有し、確率の度合いを含む少なくとも一個の予測的／規範的解を生成する。確率の度合いは新たに生成された予測的／規範的解に対応する信頼度を数値によって表したものである。このプロセッサモジュール250は第三レポジトリ230と通信して棄却に対応する砂パラメータを使用して生成されたパターンを格納する。
自己学習型エディタ280はパターン生成エンジン260、予測的／規範的モジュール270と通信する機能を有する。さらに一時レポジトリ282、決定素子284、および比較素子286から構成される。自己学習型エディタ280はパターン生成エンジン260によって生成された多次元曲線を一時レポジトリ282に格納する機能を有する。決定素子284は予測的／規範的解の中に存在する予測的／規範的棄却および棄却種別を判断する機能を有する。比較素子286は決定素子284から得られる予測的／規範的解の中に存在する決定済みの予測的／規範的棄却および棄却種別を学習する機能を有し、さらに、ユーザーによる棄却および棄却種別の入力に対応する予測的／規範的値を比較ならびに補正する機能を有する。自己学習型エディタ280は第三レポジトリ230と通信し、生成された予測的／規範的解に対応する棄却および棄却種別の補正値を格納し、更新する。さらに、自己学習型エディタ280は非妥当な棄却を棄却することに関わる動作を実行する機能を有する。この動作には非妥当な棄却の決定、保持、破棄、更新および第三レポジトリ230への格納を含む。
ディスプレイモジュール290はプロセッサモジュール250および予測的／規範的モジュール270と通信し、ファンドリーユーザーが確率の度合いおよび相関関係付けられたデータを含む予測的／規範的解をユーザーインターフェースに表示されるグラフィックで見ることを可能にする。
本発明に従い、典型的には、ファンドリーユーザーはシステム200によるパラメータ値の処理および分析を開始するために少なくとも砂パラメータ第一セットを入力する必要がある。さらに、この動作によってシステム200はファンドリーユーザーが既存のファンドリーにおける鋳造棄却を削減するために使用する望ましい予測的／規範的解を提供することができる。
図3(a)および3(b)を参照すると、これらの図解は関連手順を、図2に表されているようなファンドリーでの鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムを実現するための方法300に対応するフローチャートに表している。方法300は以下の手順からなる：
・第一砂パラメータセットのデータを第一レポジトリに格納する。このレポジトリではパラメータはグリーン圧縮強度(GCS)、圧搾性指数、水分、活性粘土、不活性微粒子濃度、燃性損失百分率(LOI)、透過性指数、湿潤時引っ張り耐性、揮発性物質濃度、顆粒粉末度 (GFNまたはAFS)、魚卵状粒濃度および調製された砂のpH値から成るグループから選択される310。
・棄却種別および棄却数量のデータを第二レポジトリに格納する320。
・棄却に対応するパラメータを使用して生成されるパターンを第三レポジトリに格納する330。
・鋳造処理日に対応するパラメータ関連の棄却のマッピング340。
・少なくとも予測的／規範的解が必要なインスタンスのパラメータに対応する最新の値の組を入力する350。
・第一レポジトリに格納されたパラメータ値と最新の入力値の組、第二レポジトリに格納された棄却値および棄却種別および第三レポジトリに格納されたパターンとの相関性を特定し、パラメータ値、パラメータ、棄却および棄却種別の間の相関関係をインスタンスごとに特定する360。
・相関関係付けられたデータに少なくとも一つのパターンを特定するための相関関係付けられたデータとパラメータを処理する370。
・少なくとも一つの方程式を処理することによって生成されるパターンに基づいて少なくとも一つの多次元曲線を導き出す。この際多次元曲線ごとにパターンに対する予測的／規範的解を与える380。
・次に、方程式への対応するパラメータの最新入力値の組を処理しマッピングすることによって導出される最尤曲線と最も合致するパラメータの現在値を特定し、確率の度合いを含む予測的／規範的棄却値を得る390。
本発明に従い、一次砂パラメータに関するデータ格納手順はさらに、二次砂パラメータに関するデータを格納する手順を包含しており、砂関連鋳造を削減するための関連する金属鋳造パラメータは、粉砕指数、砂対金属比、乾燥成分の強度、攪拌機回収砂温度、コアへの砂侵入、試料重量、破砕指数、コーンジョルト試験、引き裂き耐性、変形、ねばりの度合い、グリーン 引っ張り耐性、高温強度、流動性、型硬度、強度、密度、焼結点、耐久性、型ガス展開、金属貫通、空気硬化強度、成形性、シーブ分布、粒形、ベントナイト濃度、MB値、ゲル化時間、膨潤容量、金属関連パラメータから成るグループの中から選択される。
本発明に従い、方程式を処理してマッピングし、予測的／規範的棄却値を取得する手順はさらに、ユーザーが読み取れる形式でグラフィック表示される確率の度合いおよび相関関係付けられたデータを含む予測的／規範的解の表示手順を包含する。
本発明に従い、方程式を処理してマッピングし、予測的／規範的棄却値を取得する手順はさらに、予測的／規範的解の中に存在する予測棄却および棄却種別を決定し、次に棄却および棄却種別に対応する予測値をユーザー入力による実際の棄却および棄却種別と比較して補正する手順を含む
本発明に従い、棄却および棄却種別に対応する予測値をユーザー入力による実際の棄却および棄却種別と比較して補正する手順はさらに、予測的／規範的解の中に存在する補正された棄却および棄却種別を第三レポジトリに格納し更新する手順を含む。
本発明に従い、予測的／規範的解の中に存在する予測棄却および棄却種別の決定手順はさらに、非妥当な棄却の棄却に関わる処置を講じる手順を含む。ここに、前記の処置は非妥当な棄却の決定、保持、破棄、更新および第三レポジトリへの格納から構成されるグループの中から選択される。
図4を参照すると、これは本発明に従い図1のモデル構築モジュール140を使用して数学的モデルを合成するための模式的データフロー図である。モデル構築モジュール140はデータクリーニングモジュール140A、データスケーリングモジュール140B、クラスターグループ化モジュール14℃、クラスターパーティションモジュール140D、クラスター再割り当てモジュール140E、分析モジュール140F および最尤法モジュール140Gを含む。データクリーニングモジュール140Aは予め指定されている動作をするための特定の砂パラメータに対応する空または0のデータベースフィールドがないかの一次確認機能を有する。予め指定されている動作は限定されることなく、棄却百分率の値が欠落しているデータ点の排除を含む。データクリーニングモジュール140Aの一実施例においては、このモジュールは砂パラメータに対応する平均値を計算し、平均値を欠如している値の場所に入力する機能を有するもう一つの実施例においてはデータクリーニングモジュール140Aは線形補間法を適用して欠落した値の代わりに補間値を挿入する機能を有する。線形補間法は二個の既知のデータ点、データセットおよび、近似のために応用可能である。この方法はデータクリーニングモジュール140Aが欠如している値を埋め、不要なデータ点を破棄して、整備されたデータセットを作成することを可能にする。
整備されたデータセットは目標範囲を整備されたデータ内で決定し選択し、さらに目標のデータを[0,1]または[-1,1]の範囲に縮尺あるいは正規化する機能を有するデータスケーリングモジュール140Bによって受け取られる。スケーリング目標データのために使用される方程式(1)は次のように表される：

ここに、ｘは元の値、ｘ´は縮尺値または正規化値である。例えば選択されたデータは[1600,2000]の範囲で特徴づけられたグリーン圧縮強度(GCS)パラメータ に関する。目標データ (ｘ)は1750である。目標データ点(ｘ)の縮尺値(ｘ´)は方程式(1)によって0.375に等しく、縮尺値は[0 < 0.375 < 1]の範囲にある。データスケーリングモジュール140Bの出力を縮尺データセットと呼ぶことにする。クラスターグループ化モジュール140Cは縮尺データセットをデータスケーリングモジュール140Bから受け取り、すべての砂パラメータに対応する縮尺データセットに関わる段階別距離指数(GD指数)と呼ぶパラメータの出力値を計算する機能を有する。GD指数はデータを方程式(2)に代入して求める：

ここにGDindex,c：- GD_indexは「c」 クラスターパーティションに対する
ui,1stmax：- i番目の点の一次最大メンバーシップ
ui,2ndmax ：- i番目の点の二次最大メンバーシップ
N：- データ点総数
c：- クラスターの最適数
所与のデータセットはクラスター数を増加させ、さらに各クラスターごとにインスタンスを分割することによって多数回分割される。最終的に、GD指数値はGD指数リストに代入される。クラスターグループ化モジュール140Cは最大GD指数値をリストから特定し、特定されたGD指数値に対応するクラスターを決定する機能を有する。クラスターグループ化モジュール140Cの出力は所与のデータセットに対する最適数のクラスター(c*)を実現する。
クラスター分割モジュール140Dは所与のデータセットおよび最適数のクラスターをクラスターグループ化モジュール140Cから受け取る。最適数のクラスター(c*)に基づいてクラスター分割モジュール140Dは所与のデータセットを(c*)個のファジーパーティションに、ファジーc平均値クラスター化法、k平均値クラスター化法、期待最大化法、フレームクラスター化法、ノイズを伴う用途の密度に基づく空間クラスター化(DBSCAN）等のクラスター化方法を使用して分割する機能を有する。クラスターの一実施例において分割モジュール140Dはファジーc平均値クラスター化法をクラスター分析に適用する。クラスター分析において、データのクラスター化とはデータ要素のクラスターまたはクラス別分類処理である。この処理を行う目的はクラスターに属するデータ項目はできる限り同じである。さらに、異なるクラスターのデータ項目は可能な限り異なる。クラスター分割モジュール140Dは距離、接続性や強度等の尺度を使用する。ファジークラスター化法において、データ要素は各データ要素と関連付けられている一つまたは複数のクラスターおよびメンバーシップレベルに属する可能性がある。このことはデータ要素と特定のクラスターの間の関連の度合いを示す。クラスター分割モジュール140Dはファジークラスター化法を使用し、メンバーシップレベルをデータ要素および学習メンバーシップレベルに割り当て、さらにデータ要素を一つまたは複数のクラスターに割り当てる。
ファジーc平均値クラスター化のために使用される所与の方程式(3)、方程式(4)、方程式(5)を下に記載してある：

ここに、Xj - j番目のデータ点、q - ファジー化因子、uij - j番目のデータ点のi番目のクラスターへのメンバーシップ、N -データ点総数。
ファジーc平均値クラスター化法を実現するためにクラスター分割モジュール140Dが従う方法は以下の手順に沿う：
・ステップ1： クラスター(c*)数のフリーズ、公差値 (tol)すなわちtol= 0.0001数値
・ステップ2：初期(c*)クラスター中心の生成
・ステップ3：反復指数(r)の初期化、ここにr = 1,2,3….
・ステップ4： クラスター中心の更新およびメンバーシップ値の前記方程式(3)と方程式(4)による計算
・ステップ5： 前記ステップ1〜ステップ4 を方程式(5)で規定される条件を満たすまで反復する。
本発明に従い、クラスター分割モジュール140Dは特定されたクラスターおよび割り当てられたメンバーシップレベルをクラスター再割り当てモジュール 140Eへ伝達する。
クラスター再割り当てモジュール140Eはクラスターにあるデータ点をデータ点の閾値と比較し、閾値未満のデータ点を持つクラスターを破棄する機能を有する。さらに、クラスター再割り当てモジュール140Eはデータ点を破棄されたクラスターを残りのクラスターの組に再割り当てする機能を有する。
所与のデータセットの中の残余クラスターは分析モジュール 140Fに入力されてクラスターの継続分析に掛けられる。一実施例において、分析モジュール140Fは主成分分析を利用して相関関係付けられたパラメータの所与のクラスターにあるデータ点を主成分とここで呼んでいる線形的相関関係がないパラメータのデータ点の組に変換する。この変換は所与のクラスターのデータ点が行列に整列されている直交変換行列を掛けて実行する。主成分の数は元のパラメータの数未満であるか等しい。主成分分析を利用したこのクラスター分析方法は以下の手順を用いている：
・ステップ1：クラスターに存在するすべてのデータ点を含みサイズが(x)のデータセットに対応する変数(x)の初期化を(m × n)行列で表す。ここに、(m)は入力特性の数であり、(n)はデータ点の数を表す。
・ステップ2： 各入力物性の平均値を計算する。
・ステップ3： 計算された平均値を(x)に存在する入力物性の各値から控除する。
・ステップ4： すべての入力物性に対してステップ3を繰り返す。ここでは(m × n)行列の(m × n)′平均行列を形成する。
・ステップ5： (m × n)′行列に含まれる各要素の共分散を計算し、(y × z )共分散行列を作成する。
・ステップ6： (y × z)共分散行列に存在する各要素固有ベクトルを計算し、(y × z)′ 平均共分散行列を作成する。
本発明に従い、平均共分散行列は転換後データセットに対して計算される。各クラスターはこれらの平均値および共分散値に基づく正規分布によって特徴づけられる。行列(mi)内のi番目の要素の平均値は方程式(6)で計算される：

共分散行列のj番目の行とk番目の列にある値は方程式(7)を使用して計算される：

主成分分析を使用するクラスター分析のための分析モジュール140Fの出力、さらに方程式(6)と方程式(7)を使用して作成される平均値および共分散行列の計算結果は最尤モジュール140Gに代入される。最尤モジュール140Gは計算された平均共分散行列に対する線形回帰分析を実行する機能を有する。この回帰分析を実行するとデータセットの入力特性とデータセットの出力特性が関連づけられる。最尤モジュール140Gは整備されたデータセット、縮尺データセット、クラスター分析および出力データセットの後に取得されるデータセットを考慮して、各クラスターの線形モデルを構築する機能を有する。この線形回帰モデルの係数は方程式(8)を使用して取得される：

最尤モジュール140Gは所与のデータセットに存在する砂パラメータに対応するデータ点の確率分布を表す最尤モデルを生成する。
図5(a)と 5(b)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150および図2のプロセッサモジュール250によって使用されるパラメータ棄却予測モジュール500 のファンドリーデータ入力とデータ出力の例を示している。ファンドリーユーザーは鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムへコンピュータからアクセスする。ファンドリーユーザーは入力画面図5(a)から入力することができる。この入力に対応する出力はパラメータ棄却予測モジュール500の出力画面図5(b)に表示される。ファンドリーユーザーは少なくとも行の名前510をドロップダウンメニューから、製造対象の部品に関わるドロップダウンメニューからは部品名520を、ドロップダウンメニューに表示されるパラメータリストから一つまたは複数の希望するパラメータを選択できるパラメータセレクター530 、選択したパラメータに対応する希望する値を入力することができる値の入力画面540、ドロップダウンメニューに表示される棄却種別リストから一つまたは複数の棄却項目を選択できる棄却セレクター550 、ファンドリーで受け取った棄却百分率を計算するための日付を記入できる日付部分560を選択することができる。ユーザーが検索ボタン570をクリックすると、パラメータ棄却予測モジュール500はすべての受け取られたユーザー入力に対応する記入された日付に受け取られた棄却の内部演算を開始する。最初にユーザーが入力した内容の要約を表示する入力要約画面570および棄却百分率および信頼百分率を表示する棄却予測部分590を含むパラメータ棄却予測モジュール500によって生成された出力。パラメータ棄却予測モジュール500はマハラノビス汎距離を応用して信頼百分率を計算する。信頼百分率の計算に用いられる方程式(9)：

ここに、 多変量無作為変数(x) = (x1、x2、x3,…..xNT)、平均値(μ) = (μ1、μ2、μ3,….. μNT)、共分散行列(S）である値の群に基づく。
本発明に従い、パラメータ棄却予測モジュール500図4に示すモデル構築モジュール140のうち少なくとも一つのモジュールを使用する。
図6(a)〜6(d)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150および図2のプロセッサモジュール250によって使用されるパラメータ近接位置検出素子モジュール600のデータ入力とデータ出力の例を示している。ファンドリーユーザーは鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムへコンピュータからアクセスし、ファンドリーユーザーは入力画面図6(a)から入力し、入力に対応する出力はパラメータ棄却予測モジュール600の出力画面図6(b)〜6(d)に表示される。パラメータ近接位置検出素子モジュール600はユーザー入力による入力パラメータ値の近傍に位置するDBレポジトリに格納された所与のデータセットにある要求される／希望されるデータ点数を特定する機能を有する。 パラメータ近接位置検出素子モジュール600を使用することによって、ファンドリーユーザーは、選択されたファンドリーのラインと部品がユーザー入力によるパラメータ値によって操作されるときに観測しうる棄却百分率の値の範囲を取得することができる。さらに ユーザーは自分が見たい棄却予測に最も近い数値、例えば5まで前記情報を絞りこむことができる。ファンドリーユーザーはドロップダウンメニューから少なくとも行の名前605を、製造対象の部品に関わるドロップダウンメニューからは部品名610を、近似棄却値を計算したい日付範囲および／または特定のデータを記入することができる日付部分615 、ドロップダウンメニューに表示されるパラメータリストから希望する一つまたは複数のI型パラメータを選択できるパラメータセレクター620 、選択したパラメータに対応する希望する値を入力することができる値の入力画面625、ドロップダウンメニューに表示される棄却種別リストから一つまたは複数の棄却項目を選択できる棄却セレクター630 、前記リストからチェックイン／テキストオプション付きII型パラメータを選択できるオプションセレクター635を選択することができる。棄却セレクター630はさらにユーザーがユーザーの希望する棄却範囲および対応する棄却値を選択／入力することを可能にする。オプションセレクター635 は限定することなく小数点を隠す、二重Y、凡例を隠す、値、トレンド線、差、平均、メディアン、ツールチップを隠す、近似予測値の数および近似百分率を含むリストからのII型パラメータを含む。代替的に、すべてのユーザー入力データが特定の距離百分率以内であれば、ユーザーは近似百分率を選択し、距離百分率を隣のテキストボックスで指定することができる。ユーザーはリストでパラメータおよび/またはパラメータ値の追加または削除を必要に応じて行うことができる。ユーザーが検索ボタン640をクリックすると、パラメータ近接位置検出素子モジュール600 は受け取ったすべてのユーザー入力に対応する入力日付における対応する近似パラメータ値について受け取った近似棄却の内部演算を開始する。ユーザー入力による距離百分率値はパラメータ近接位置検出素子モジュール600に所与のデータセットにある近似データ点の半径を制限することを可能にする。例えば、ユーザーが入力した距離百分率値が5であるとすると、パラメータ近接位置検出素子モジュール600は所与のデータセットにある最も遠い点間の距離(最大距離)を計算し、この最大距離の五パーセント(5%)を近似範囲を定義する半径として利用する。パラメータ近接位置検出素子モジュール600によって生成される出力には、最初にユーザーが入力した内容の要約を表示する入力要約部分645、ユーザー入力部分で選択された棄却種別に行き着くユーザーが選択したI型パラメータに対応する数値範囲を表示する近似範囲部分650、選択された日付範囲内の各日付に対応する受け取られた近似棄却百分率を表示する近似棄却部分655、データベースに含まれる近似棄却数に対応するパラメータ値のリストを表示する近似入力パラメータ部分660、さらに日付および対応するパラメータ値に基づく棄却に寄与するパラメータの性質を表すグラフィック表示665を含む。近似範囲部分650、 近似棄却部分655、近似入力パラメータ部分660に表示されるデータは、ユーザーが選択したデータ点の数または、選択された距離百分率の範囲内に存在する入力点の近傍以内にあるデータ点の数のいずれかに対応する。近似棄却部分655と近似入力パラメータ部分660に表示されるデータは入力点から離れる度合いに従って配列されている。
本発明に従い、パラメータ近接位置検出素子モジュール600は図4に示すモデル構築モジュール140のうち少なくとも一つのモジュールを使用する。
図7(a)から7(b)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150および図2のプロセッサモジュール250 によって使用されるパラメータンカー棄却予測モジュールへのデータ入力とデータ出力の例を示す。ファンドリーユーザーは鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムへコンピュータからアクセスし、ファンドリーユーザーは入力画面図7(a)から入力し、入力に対応する出力はパラメータンカー棄却予測モジュール700の出力画面図7(b)に表示される。ファンドリーユーザーはドロップダウンメニューから少なくとも行の名前705を、製造対象の部品に関わるドロップダウンメニューからは部品名710を、近似棄却値を計算したい日付部分715、ドロップダウンメニューに表示されるパラメータリストから希望する一つまたは複数のパラメータを選択できるパラメータセレクター720、選択したパラメータに対応する希望する値を入力することができる値の入力画面725、ドロップダウンメニューに表示される棄却種別リストから一つまたは複数の棄却項目を選択できる棄却セレクター730を選択することができる。ユーザーはリストでパラメータおよび/またはパラメータ値の追加または削除を必要に応じて行うことができる。ユーザーが検索ボタン735をクリックすると、パラメータンカー棄却予測モジュール700はすべての受け取られたユーザー入力に対応する記入された日付に受け取られた棄却の内部演算を開始する。パラメータンカー棄却予測モジュール700によって生成される出力は、最初にユーザーが入力した内容の要約を表示する入力要約部分740、棄却百分率と信頼百分率を表示する棄却予測部分745、値の入力部分725で入力されたパラメータ値に対応するパラメータセレクター720においてユーザーが選択しなかった残余パラメータに対する提案数値を表示するパラメータ提案部分750を含む。パラメータンカー棄却予測モジュール700でファンドリーユーザーは特定の値に関してパラメータをアンカーまたは凍結することができる。さらに前記モジュールは信頼百分率が最も高く帰結する棄却百分率が最も低くなるように、残余パラメータに対する数値も提案する。
本発明に従い、 パラメータンカー棄却予測モジュール700は図4に示すモデル構築モジュール140のうち少なくとも一つのモジュールを使用する。
図8(a)および8(b)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150と図2のプロセッサモジュール250が使用する最低の高棄却位置検出素子モジュール800のデータ入力とデータ出力の例を示す。ファンドリーユーザーは鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムへコンピュータからアクセスし、ファンドリーユーザーは入力画面図8(a)から入力し、入力に対応する出力は最低高棄却位置検出モジュール800の出力画面図8(b)に表示される。最低高棄却位置検出素子モジュール800はユーザーに所与の最大範囲と最小範囲内および所与の期間にある所与の棄却種別に対して最大値および最小値を出力することができる。ファンドリーユーザーはドロップダウンメニューから少なくとも行の名前805を、製造対象の部品に関わるドロップダウンメニューからは部品名810を、棄却種別に対応する受け取られた棄却値を計算したい日付範囲および／または特定のデータを記入することができる日付部分815、ドロップダウンメニューに表示されるパラメータリストから希望する一つまたは複数のI型パラメータを選択できる第一のパラメータセレクター820、選択したパラメータに対応する希望する値を入力することができる値の入力画面825、ドロップダウンメニューに表示される棄却種別リストから一つまたは複数の棄却項目を選択できる棄却セレクター830、前記リストからII型パラメータに数値を代入することを可能にする第二パラメータセット835を選択することができる。棄却セレクター830はさらにユーザーがユーザーの希望する棄却範囲および対応する棄却値を選択／入力することを可能にする。二次パラメータセット835は棄却下位結合値および棄却上位結合値に限定されることなくこれらを含むリストからのII型パラメータを含む。複数の棄却種別が選択された場合は、ユーザーは棄却下位結合値と棄却上位結合値を棄却セレクター830で選択された各棄却種別について特定する必要がある。ユーザーはリストでパラメータおよび/またはパラメータ値の追加または削除を必要に応じて行うことができる。ユーザーが検索ボタン840をクリックすると、最低高棄却位置検出素子モジュール800はユーザーによって指定された最高および最低棄却数の所与の範囲内で受け取られた近似棄却値の内部演算を開始する。棄却位置検出素子モジュール800によって生成される出力は、最初にユーザーが入力した内容の要約を表示する入力要約部分845、到達した鋳造棄却値がユーザー指定の棄却低結合値と等しくなる、パラメータの所与のリストに対応する値を表示する最小パラメータ値部分850、到達した鋳造棄却値がユーザー指定の棄却上位結合値と等しくなる、パラメータの所与のリストに対応する値を表示する最大パラメータ値部分855を含む。
本発明に従い、最小高棄却位置検出素子モジュール800 は、図4に示すモデル構築モジュール140のうち少なくとも一つのモジュールを使用する。
図9(a)〜9(d)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150 および図2のプロセッサモジュール250が使用する基幹パラメータ予測モジュール900のデータ入力とデータ出力の例を示す。ファンドリーユーザーは鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムへコンピュータからアクセスし、ファンドリーユーザーは入力画面図9(a)から入力し、入力に対応する出力は基幹パラメータ予測モジュール900の出力画面図9(b)〜9(d)に表示される。基幹パラメータ予測モジュール900は棄却種別に影響を及ぼし、ファンドリーユーザーが自分の担当ファンドリーで鋳造の稼働中に検討可能な入力パラメータ値を提案するパラメータリストを作成する機能を有する。
ファンドリーユーザーはドロップダウンメニューから少なくとも行の名前905を、製造対象の部品に関わるドロップダウンメニューからは部品名910を、所与の棄却種別に影響を及ぼすパラメータ値を計算したい日付範囲および／または特定のデータを記入することができる日付部分915、ドロップダウンメニューに表示されるパラメータリストから希望する一つまたは複数のI型パラメータを選択できるパラメータセレクター920、選択したパラメータに対応する希望する値を入力することができる値の入力画面925、ドロップダウンメニューに表示される棄却種別リストから一つまたは複数の棄却項目を選択できる棄却セレクター930、前記リストからチェックイン／テキストオプション付きII型パラメータを選択できるオプションセレクター935を選択することができる。棄却セレクター930はさらにユーザーがユーザーの希望する棄却範囲および対応する棄却値を選択／入力することを可能にする。オプションセレクター935 は限定することなく小数点を隠す、二重Y、凡例を隠す、値、トレンド線、差、平均、メディアン、およびツールチップを隠すを含むリストからのII型パラメータを含む。ユーザーが検索ボタン940をクリックすると、基幹パラメータ予測モジュール900は棄却に寄与するパラメータおよびパラメータ値の内部演算を開始する。ユーザーはリストでパラメータおよび/またはパラメータ値の追加または削除を必要に応じて行うことができる。基幹パラメータ予測モジュール900によって生成される出力は、最初にユーザーが入力した内容の要約を表示する入力要約部分945、所与のデータセットに基づく合計砂棄却数量の百分率のヒートマップを表示する一次ヒートマップ部分950、ファンドリーで鋳造が進行中に表示されたパラメータ値が使用される場合に達成されるべき最適棄却を表示する二次ヒートマップ部分955、指定された入力に基づいて達成された最低の棄却を表示する第三のヒートマップ部分960を含む。一次ヒートマップ部分950は合計砂棄却数量百分率に関わっているパラメータをその加重数値に正の符号(+)または負の符号(-)を付けて表示する。さらに、一次ヒートマップ部分950は前記パラメータおよび所与のデータセットにおける棄却の間の関係を表す。一次ヒートマップ部分950に表示されるパラメータは選択された棄却種別に及ぼすその影響の度合いの降順に配列される。
二次ヒートマップ部分955は一次タプルにある選択されたパラメータに対応する値および二次タプルにおけるパラメータに対応する現在値／予測最適値を表示する。前記パラメータに対応する予測最適値は高信頼百分率と低棄却百分率値に関する。現在値および最適値の棄却百分率は選択されたファンドリーライン、部品ならびに棄却種別を用いて構築された予測モデルを使用して計算される。選択されたパラメータ値またはユーザー入力および正の符号(+)または負の符号(-)付きの最適予測パラメータ値の間の差に対応する二次ヒートマップ部分955に表示される第三タプル。正の符号(+)は入力パラメータおよび棄却の間に直接相関関係があることを示す。負の符号(-)は入力パラメータおよび棄却の間に逆相関関係があることを示す。パラメータの値は最適棄却を達成するためのパラメータの変化先の値を表す。二次ヒートマップ部分955ではパラメータは以下に基づいて配列される：
・棄却種別に及ぼするパラメータの影響
・第三タプルで表されるようなパラメータに起こった変化量（最適値に対する）
二次ヒートマップ部分955では第一列に表示されるパラメータは選択された棄却種別の棄却百分率を残余パラメータと比べて最大に減少させる。二次ヒートマップ部分955はファンドリー ユーザーに計算上の最適領域にある所与の組のパラメータについての棄却百分率の最小数値が得られるようにパラメータの最適値を検討するように提案する機能を有する。最適領域は棄却が所与のデータセットの計算上のクラスター内の最低値に対応する領域に関する。三次ヒートマップ部分960 は一次タプルで選択されたパラメータに対応する値および二次タプのパラメータに対応する最低棄却に到達した値を表示する。選択されたパラメータ値またはユーザー入力および最低棄却に到達した正の符号(+)または負の符号(-)付きパラメータ値の間の差に対応する第三ヒートマップ部分960 に表示される第三タプル。正の符号(+)は入力パラメータおよび棄却の間に直接相関関係があることを示す。負の符号(-)は入力パラメータおよび棄却の間に逆相関関係があることを示す。パラメータの値は最適棄却を達成するためのパラメータの変化先の値を表す。三次ヒートマップ部分960においてパラメータは以下に基づいて配列される：
・棄却種別に及ぼすパラメータの影響
・第三タプルで表されるようなパラメータに起こった変化量（最適値に対する）
最低棄却は所与のデータセットにおいてそれまでに達成された最小のゼロではない棄却値を参照する。ファンドリーユーザーが複数の棄却種別を棄却セレクター930で選択する場合は、ユーザーは、基幹パラメータ予測モジュール900にユーザーに選択された各棄却種別に対する一次ヒートマップ部分950、二次ヒートマップ部分955、および三次ヒートマップ部分960の計算用入力をしなければならない。前記基幹パラメータ予測モジュール 900の一実施例において、計算された分析結果はグラフか画像で表示可能であり、棄却百分率および棄却種別に影響を及ぼすパラメータおよびその対応する値をユーザーが読みやすい形式で把握しやすくなる。
本発明に従い、基幹パラメータ予測モジュール900は 図4に示すモデル構築モジュール 140のうち少なくとも一つのモジュールを使用する。
図10(a)および10(b)は本発明の一実施例のウェブページスクリーンショットを表す。ここでは図1の処理エンジン150および図2のプロセッサモジュール250が使用する棄却ヒートマップモジュール1000のデータ入力とデータ出力の例を示す。ファンドリーユーザーは鋳造棄却品を削減することを目的とする砂最適化用コンピュータ利用システムへコンピュータからアクセスし、ファンドリーユーザーは入力画面図10(a)から入力し、入力に対応する出力は棄却ヒートマップモジュール1000の出力画面図10(b)に表示される。ファンドリーユーザーは少なくとも、ドロップダウンメニューからライン名1005、製造対象の部品に関わるドロップダウンメニューからは部品名1010およびドロップダウンメニューに表示される棄却種別リストから一つまたは複数の棄却をユーザーが選ぶことを可能にする棄却セレクター1015を選択することができる。ユーザーはリストでパラメータおよび/またはパラメータ値の追加または削除を必要に応じて行うことができる。ユーザーが検索ボタン 1020をクリックすると、棄却ヒートマップモジュール1000は所与のデータセット全体の分析に基づくパラメータおよび棄却種別の間の関係を決定するために内部演算を開始する。棄却ヒートマップモジュール1000によって生成される出力は最初にユーザーが入力した内容の要約を表示する入力要約部分1025、所与のデータセットに基づいて合計砂棄却数量の百分率についてヒートマップを表示する一次ヒートマップ部分1030、所与のデータセットについて気泡マシニング段階の百分率を表示する二次ヒートマップ部分1035を含む。一次ヒートマップ部分1030と二次ヒートマップ部分1035に加重とともに表示されるパラメータは棄却種別に及ぼす(パラメータ)影響の降順に配列される。パラメータに対応する加重数値は正の符号(+)か負の符号(-)付きで表示される。正の符号(+)は入力パラメータおよび棄却の間に直接相関関係があることを示す。負の符号(-)は入力パラメータおよび棄却の間に逆相関関係があることを示す。
本発明に従い、棄却に寄与しさらに特定の棄却種別に帰結するパラメータを以下では説明する。棄却種別は型破損、気泡マシニングおよびファンドリーステージ、鋳巣加工およびファンドリーステージ、砂融合、焦げ付き、侵食、砂落下、包含ファンドリーおよびマシニングステージ、金属貫通、内壁剥離、膨潤／オーバーサイズ鋳造、内壁剥離拡大、爆発的貫通、光沢性炭素欠陥、表面粗さ、下ぶくれ欠陥からなる群の中から選択される。
本発明の一実施例においては、型破損／棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・グリーン引っ張り耐性の改善
・グリーン引き裂き耐性の改善
・GCSの改善
・衝撃耐性の改善
・成形性の改善
・攪拌機効率の改善
本発明の一実施例においては、気泡マシニングおよびファンドリーステージ棄却種別に関わる鋳造棄却を最小限とするため、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・GFNの減少
・透過性の増大
・水分の減少
・バインダーガス生成の削減
・VMの増大
・エア抜きの増大
・ドライコアの使用
・不活性微粒子の削減
本発明の一実施例においては、鋳巣マシニングおよびファンドリーステージ棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・鋳巣加工およびファンドリーステージ棄却種別に寄与する砂関連のパラメータ -
○透過性の増大
○水分の減少
○酸化鉄(III)を添加剤として使用。
・鋳巣加工およびファンドリーステージの棄却種別に寄与する金属(非砂)関連パラメータ -
○低注入温度
○汚れた金属(スラッグ)
○酸化金属
○SG鉄に含まれる過剰なMg
○金属/結合剤/LCAに含まれる高濃度の窒素
○Mn硫黄比の不均衡
本発明の一実施例においては、砂融合棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・砂の焼結 /融合点増大
・透過性の削減
・流動性の増大
・VMの増大
・鉄(Fe2O3)濃度が低いベントナイト品質の改善
本発明の一実施例においては、焦げ付き棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・高度の魚卵状粒化
・高光沢性炭素LCAの使用
本発明の一実施例においては、侵食棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・GCSを下げる
・圧縮加工性を下げる
・不活性微粒子の増大
・GFN数を下げる
・光沢性炭素を下げる
・水中塩分の増大
本発明の一実施例においては、砂落下棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・GCSの増大
・型硬度の増大
・特殊添加剤でGCおよび型硬度を改善する
・型の機械的損傷を防止する。
本発明の一実施例においては、包含ファンドリーおよびマシニングステージ棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・GCSの増大
・乾燥強度の増大
・水分の増大
・圧縮加工性の増大
・攪拌時間の増大
・不活性微粒子の削減
・光沢性炭素形成剤の削減
本発明の一実施例においては、金属貫通棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・圧縮加工性の削減
・GFNの増大
・魚卵状粒化の程度の削減
・新しい高品質の珪砂添加量の増大
・コークス形成量が多い光沢性炭素製品LCAの数量増大
本発明の一実施例においては、内壁剥離棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・湿潤時引っ張り耐性の増大
・活性粘土の増大
・不活性微粒子の増大
・GCSの増大
・粒径分布が幅広い砂の使用
・攪拌時間の増大
・ベントナイト活性化の改善
・混合物の新しい砂の数量削減
・水中塩分の削減
本発明の一実施例においては、膨潤／オーバーサイズ棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・型硬度の改善
・圧縮加工性の削減
・LCAの中の固定炭素の増大
本発明の一実施例においては、内壁剥離拡大棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・湿潤時引っ張り耐性の改善
・水分の削減
・過度の砂膨張によって引き起こされる乾燥時強度の削減
本発明の一実施例においては、爆発的貫通棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・硬度の低い型の場合-型硬度の増大
・浮遊水分の削減
・GFNの増大
・流動性の増大
・不活性微粒子の削減
・互換性の削減
・提案として、低水分を要する高品質ベントナイトで高度の活性化を達成する
本発明の一実施例においては、光沢性炭素欠陥棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・LCAに含まれる光沢性炭素の削減
・透過性の改善
・GFNの削減
・コアエア抜きの増大
・コアガス発生の削減
本発明の一実施例においては、表面粗さ棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・GFNの増大
・LCAに含まれる光沢性炭素の増大
・不活性微粒子の増大
・圧縮加工性の削減
・破砕性の削減
本発明の一実施例においては、下ぶくれ欠陥棄却種別に関わる鋳造棄却を最小限とするために、 ファンドリーユーザーは以下のパラメータを設定しなければならない：
・砂の熱安定性が劣ることによって引き起こされる高温強度の削減
・過度の砂膨張の削減のためには木粉を使用する
本発明に従い、表1はパラメータトレンドについて受け取られた棄却を表す行列を示す。ここに示される棄却パラメータ行列はパラメータトレンドがいかに棄却種別に影響を及ぼしているかをファンドリーユーザーに示すことを目的とする ：

技術的利益

本発明が意図する技術的利益はコンピュータ利用システムによる鋳造棄却品に関わる砂パラメータの最適化を含む。
本発明は鋳造棄却品または鋳造欠陥を削減するためのコンピュータ利用システムを提供することである。
本発明はファンドリーにおける棄却を削減することを目的とする砂最適化予測システムを提供する。
本発明はファンドリーにおける棄却を削減することを目的とする砂最適化規定システムを提供する。
本発明はファンドリーにおける棄却を削減することを目的とするグリーン砂/ 回収砂/再利用砂の最適化予測システムを提供する。
本発明はファンドリーにおける棄却の削減ならびに使用済砂の再利用を目的とするグリーン砂/ 回収砂/再利用砂の最適化予測システムを提供することである。
本発明は異なる分析用に使用することを目的とするすべてのデータ要素の単一入力点を提供するシステムを提供する。
本発明は多次元カーブで異なる分析結果の全体図を示すシステムを提供する。
本発明は自動学習／更新する自己学習型システムを提供する。
本発明はファンドリー要員が必要なパラメータ値を使用するコンピュータ処理モデルを提供するシステムを提供する。
本発明はコンピュータネットワークを通して場所を問わず随時オンラインアクセス可能なシステムを提供する。
本発明はファンドリーユーザーが使用するための申込制によるシステムを提供する。
本発明は安全で信頼性のあるシステムを提供する。
本明細書を一貫して用語「構成」またはその類の表記「成る」あるいは「構成される」は表記されている要素、完全体、手順、あるいは、要素、完全体、または手順の群を含意する一方、その他の要素、完全体、または手順、あるいは、要素、整数、または手順の群を除外するのではないものとして理解されるべきものである。
「少なくとも」あるいは「少なくとも一種（一つの）」という表現の使用はその使用が目的の対象物または結果のうち一つまたは複数のものを実現するために本発明の実施例に採用されている通り、一つまたは複数の要素または成分または数量を使用することを意味する。
本明細書に記載された文書、動作、製品、項目、材料または類概念についての検討は本明細書において発明に文脈を付与するための目的のみを持つ。以上の材料のうち任意のものまたは全てが既知の発明の基礎を成すまたは本発明に関連する分野において本申請の優先権主張日より前に任意の場所に存在した共有されている一般的知識であったものと、許容することを意味してはいない。
異なる物理的パラメータ、寸法、または、数量について表記されている数値は概数にすぎず、同パラメータ、寸法、または、数量に割り当てられた数値より高いまたは低い値が本発明の対象範囲に含まれる。但し、以上とは反する具体的明細書に記載されていない場合に限る。
値の範囲が指定されている場合は常に、指定された値の範囲の最小値および最大値よりそれぞれ最大10%小さい／大きい値が本発明の範囲に含まれる。
具体的実施例について以下で説明される内容は現状の知識を応用した場合に他者が容易に当該実施例の多様な応用のために基本的考え方から乖離せずとも修正及び/または適合可能なように本実施例の汎用性を開示したものである。従ってこうした適合や修正は開示された同実施例の意味及び範囲において理解すべきであるとともに理解されることが意図されている。本説明で使用される句や用語の用法は説明の目的のためであり記述内容のみに限定するためではない。従って、ここに説明される実施例 は優先実施例に基いて説明されており、当該分野の技能を有する者は同実施例がここに説明される実施例の発想及び範囲内で修士した場合において実践可能であることを認識可能である。

Claims (10)

1. 鋳物工場において鋳造棄却品を削減する砂最適化用コンピュータシステムであって、前記システムは：
   ・第一砂パラメータセットのデータを格納するように構成された第一レポジトリであって、第一砂パラメータはグリーン圧縮強度(GCS)、圧搾性指数、水分、活性粘土量、不活性微粒子濃度、燃性損失百分率(LOI)、透過性指数、湿潤時引っ張り強度、揮発性物質濃度、顆粒粉末度(GFNまたはAFS)、魚卵状粒濃度および砂のpH値から成るグループから選択される第一レポジトリと；
   ・鋳造棄却の種別および数量のデータを格納するように構成された第二レポジトリと；
   ・鋳造棄却に対応する第一砂パラメータを使用して生成される鋳造パターンデータを格納するように構成された第三レポジトリと；
   ・第一レポジトリと協業する入力モジュールであって、一つの鋳造に対して少なくとも一つの第一砂パラメータの少なくとも一つの値を受け取るように構成される入力モジュールと；
   ・第一レポジトリ、第二レポジトリ、第三レポジトリおよび前記入力モジュールと協業するプロセッサモジュールであって、第一砂パラメータの名称および値と、鋳造棄却の種別および数量との間の相関関係付けを行うように構成され、第一砂パラメータの名称および値と、鋳造棄却の種別および数量との間の相関関係を鋳造ごとに提供するプロセッサモジュールと；
   ・前記プロセッサモジュールと結合されたパターン生成エンジンであって、
   一組のパターン生成ルールを格納するように構成され、前記一組のパターン生成ルールを適用して、第一砂パラメータの名称および値と、鋳造棄却の種別および数量との間の相関関係に基いて少なくとも一つの鋳造パターンデータを決定するように構成され、決定された前記少なくとも一つの鋳造パターンデータは、少なくとも一つの方程式で表現され、相関関係付けられた各データを考慮した多次元曲線を形成する、パターン生成エンジンと；および、
   ・前記パターン生成エンジンおよび前記プロセッサモジュールと協業し、ユーザーが指定する第一砂パラメータの名称および値に対応する入力値を受け取るように構成され、前記入力値を前記方程式に当てはめ、第一砂パラメータを調整するために利用される、鋳造棄却が発生する確率の値を含む鋳造パターンデータの少なくとも一つの予測・規範解を生成するように構成された予測・規範モジュールと；
   ・前記パターン生成エンジンおよび前記予測・規範モジュールと協業し、生成されたすべての多次元曲線データを一時レポジトリに格納するように構成され、予測・規範解の中に存在する鋳造棄却の種別および数量の予測値を決定し、前記鋳造棄却の種別および数量の予測値をユーザーが入力した鋳造棄却の種別および数量の実績値と比較し修正するように構成される、自己学習型エディタと；
   を含むシステム。
2. 第一レポジトリはさらに砂の第二パラメータセットに対するデータ、および関連金属鋳造パラメータを格納するように構成され、前記関連金属鋳造パラメータは砂関連の鋳造欠陥を削減するためのものであり、粉砕指数、砂対金属比、乾燥成分の強度、攪拌機回収砂温度、コアへの砂侵入、試料重量、破砕指数、コーンジョルト試験、引き裂き耐性、変形、ねばり度合い、グリーン引っ張り耐性、高温強度、流動性、型硬度、強度、密度、焼結点、耐久性、型ガス展開、金属貫通、空気硬化強度、成形性、シーブ分布、粒形、ベントナイト濃度、MB値、ゲル化時間、膨潤容量、および金属関連パラメータから成るグループの中から選択される、請求項1に記載のシステム。
3. 前記システムはさらに、前記プロセッサおよび前記予測・規範モジュールと協業する一つのディスプレイモジュールを含み、前記ディスプレイモジュールは、確率の値およびユーザーが読むことのできる形式でグラフィック表示される、第一砂パラメータの名称および値と鋳造棄却の種別および数量との間の相関関係データを含む予測・規範解を表示するように構成された、請求項1に記載のシステム。
4. 前記自己学習型エディタは予測・規範解の中に存在する修正された鋳造棄却の種別および数量のデータを第三レポジトリに格納し更新するように構成される、請求項１に記載のシステム。
5. 前記自己学習型エディタは発生可能性の低い鋳造棄却データを削除することに関わる動作を行うように構成され、前記動作は前記発生可能性の低い鋳造棄却データの決定、保存、削除、更新、および第三レポジトリへの格納から成る群の中から選択される、請求項１に記載のシステム。
6. 鋳物工場において鋳造棄却品を削減することを目的とする予測的または規範的砂最適化の方法であって、
   前記方法は：
   ・第一砂パラメータセットのデータを第一レポジトリに格納するステップであって、第一砂パラメータはグリーン圧縮強度(GCS)、圧搾性指数、水分、活性粘土量、不活性微粒子濃度、燃性損失百分率(LOI)、透過性指数、湿潤時引っ張り耐性、揮発性物質濃度、顆粒粉末度 (GFNまたはAFS)、魚卵状粒濃度および調整された砂のpH値から成るグループから選択されるステップと；
   ・鋳造棄却の種別および数量のデータを第二レポジトリに格納するステップと；
   ・鋳造棄却に対応する第一砂パラメータを使用して生成される鋳造パターンデータを第三レポジトリに格納するステップと；
   ・鋳造処理日に対応して第一砂パラメータ関連の鋳造棄却データを当てはめるステップと；
   ・少なくとも予測・規範解が必要な場合の第一砂パラメータに対応する最新の入力値の組を入力するステップと；
   ・第一レポジトリに格納されたパラメータ値と最新の入力値の組、第二レポジトリに格納された鋳造棄却の種別および数量、および第三レポジトリに格納された鋳造パターンデータの間の相関関係を特定し、第一砂パラメータの名称および値と、鋳造棄却の種別および数量との間の相関関係を鋳造ごとに特定するステップと；
   ・一組のパターン生成ルールをパター生成エンジンに格納するステップと；
   ・前記パターン生成ルールを適用して、第一砂パラメータの名称および値と、鋳造棄却の種別および数量との間の相関関係に基いて少なくとも一つの鋳造パターンデータを決定するステップと；
   ・決定された前記少なくとも一つの鋳造パターンデータに基づいて、少なくとも一つの方程式を処理することによって少なくとも一つの多次元曲線を導き出すステップであって、前記少なくとも一つの多次元曲線が前記少なくとも一つの鋳造パターンデータに対する予測・規範解を与える、ステップと；及び
   ・前記少なくとも一つの方程式へ第一砂パラメータの最新の入力値の組を処理し当てはめることによって導出される最も合致する曲線に第一砂パラメータの現在値を当てはめ、鋳造棄却が発生する確率の値を含む鋳造パターンデータの予測・規範解を得るステップと；
   ・前記予測・規範解の中に存在する鋳造棄却の種別および数量の予測値を決定し、前記鋳造棄却の種別および数量の予測値を、ユーザー入力による鋳造棄却の種別および数量の実績値と比較して修正するステップと；
   前記予測・規範解に基づいて第一砂パラメータを調整するステップと；
   を含む方法。
7. 第一砂パラメータに関するデータを格納するステップは、さらに第二砂パラメータに関するデータを格納するステップを包含し、砂関連鋳造を削減するための砂と関連する金属鋳造パラメータは、粉砕指数、砂対金属比、乾燥成分の強度、攪拌機回収砂温度、コアへの砂侵入、試料重量、破砕指数、コーンジョルト試験、引き裂き耐性、変形、ねばりの度合い、グリーン 引っ張り耐性、高温強度、流動性、型硬度、強度、密度、焼結点、耐久性、型ガス展開、金属貫通、空気硬化強度、成形性、シーブ分布、粒形、ベントナイト濃度、MB値、ゲル化時間、膨潤容量、及び金属関連パラメータから成るグループの中から選択される、請求項６に記載の方法。
8. 前記少なくとも一つの方程式を処理して当てはめ、予測・規範棄却値を取得するステップは、さらに ユーザーが読み取れる形式でグラフィック表示される、鋳造棄却が発生する確率の値、および第一砂パラメータの名称および値と鋳造棄却の種別および数量との間の相関関係付けられたデータを含む予測・規範解の表示ステップを包含する、請求項６に記載の方法。
9. 鋳造棄却の種別および数量の予測値を、ユーザー入力による鋳造棄却の種別および数量の実績値と比較して修正するステップは、さらに予測・規範解の中に存在する修正された鋳造棄却の種別および数量を第三レポジトリに格納し更新するステップを含む、請求項６に記載の方法。
10. 予測・規範解の中に存在する予測される鋳造棄却の種別および数量の決定ステップは、さらに発生可能性の低い鋳造棄却データの削除に関わる処置を講じるステップを含み、前記処置は前記発生可能性の低い鋳造棄却データの決定、保存、削除、更新および第三レポジトリへの格納から構成されるグループの中から選択される、請求項６に記載の方法。

Images