JP6984105B2 - エアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラム - Google Patents

エアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラム Download PDF

Info

Publication number
JP6984105B2
JP6984105B2 JP2017247985A JP2017247985A JP6984105B2 JP 6984105 B2 JP6984105 B2 JP 6984105B2 JP 2017247985 A JP2017247985 A JP 2017247985A JP 2017247985 A JP2017247985 A JP 2017247985A JP 6984105 B2 JP6984105 B2 JP 6984105B2
Authority
JP
Japan
Prior art keywords
valve
data
displacement
air
hammer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2017247985A
Other languages
English (en)
Other versions
JP2019111566A (ja
Inventor
哲也 木村
厚史 生田
Original Assignee
旭鉄工株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 旭鉄工株式会社 filed Critical 旭鉄工株式会社
Priority to JP2017247985A priority Critical patent/JP6984105B2/ja
Publication of JP2019111566A publication Critical patent/JP2019111566A/ja
Application granted granted Critical
Publication of JP6984105B2 publication Critical patent/JP6984105B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Forging (AREA)
  • Control Of Presses (AREA)

Description

本発明は、エアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラムに係り、特に、エアドロップハンマのバルブ変位を制御する技術に関する。
従来から、上型を取り付けたラムを圧縮空気で加速させて落下させ、アンビル（基台）のソーブロックに固定された下型内に供給された（加熱された）棒材を打撃成形することにより、鍛造を行うエアドロップハンマが知られている（例えば、特許文献１参照）。このエアドロップハンマでは、作業者が、足踏み式のペダルを踏み下げると、ペダルに連結された操作機構を介して、弁軸とバルブ（制御弁）が下方に移動する。そして、このバルブの移動により吸気用配管からエアシリンダ内のピストン上部に圧縮空気が供給されて、上型を取り付けたラムが下に移動して棒材を打撃する。一方、作業者が、上記のペダルを離すと、ペダルが上に戻って、弁軸とバルブが上方に移動し、このバルブの移動により、排気用配管から圧縮空気が抜けると共に、吸気用配管からエアシリンダ内のピストン下部に圧縮空気が供給されて、ラムが上に移動する。
実公昭６２−２９１６３号公報
しかしながら、上記特許文献１に示されるような従来のエアドロップハンマを用いた鍛造作業は、作業者の勘やコツに頼らざるを得ない作業であり、安定した鍛造を行うには、作業者の熟練度が必要になる。
そこで、エアドロップハンマを用いた鍛造の作業結果のデータを有効活用して、望ましいペダルの踏み方（ペダルの踏み代（踏み幅）、ペダルを踏む速さ、ペダルを踏む速さの変化のさせ方等）を調べるという対策が考えられる。しかしながら、ベテランの作業者による鍛造作業であっても、出来上がった製品の品質には、バラツキがあることから、ベテランの作業者でも、必ずしも、同じようなペダルの踏み方をしているとは限らない。また、鍛造の作業結果の履歴データから、望ましいペダルの踏み方を判断するには、特有の経験則や改善スキルを持つ人間の判断や勘に頼る部分が多く、人間が、鍛造の作業結果の履歴データから、望ましいペダルの踏み方を判断することは、実際には難しい。また、仮に、望ましいペダルの踏み方が分かったとしても、作業者が、その踏み方の通りに、ペダル操作を行うことは難しい。従って、作業者がペダルを踏んで鍛造作業を行う方式ではなく、エアドロップハンマのバルブを自動的に移動させて、自動的に鍛造の型打ちを行うことが望ましい。そして、自動的に安定して最適な型打ちを行うためには、最適なバルブの変位制御用のデータを得る必要がある。
本発明は、上記課題を解決するものであり、最適な型打ちを行うためのバルブの変位制御用のデータを得ることが可能なエアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラムを提供することを目的とする。
上記課題を解決するために、本発明の第１の態様によるエアドロップハンマ学習システムは、ラムを圧縮空気で加速させて落下させることにより鍛造を行うエアドロップハンマと、前記エアドロップハンマとネットワークを介して通信を行うコンピュータとを備えたエアドロップハンマ学習システムであって、前記エアドロップハンマは、前記ラムに連結されたピストンを有し、このピストンを前記圧縮空気で動かすことにより前記ラムを下降させるエアシリンダと、前記エアシリンダ内の空気の流れを、前記ラムの下降側と前記ラムの上昇側のいずれかに切り換えるバルブと、前記バルブの変位を検出するバルブ変位検出手段と、前記エアシリンダ内に流入する圧縮空気の空圧を検出する空圧検出手段と、前記バルブ変位検出手段により検出された前記バルブの変位のデータと、前記空圧検出手段により検出された空圧のデータとを、ネットワークを介して前記コンピュータに送信するハンマ側送信手段とを備え、前記コンピュータは、前記ハンマ側送信手段から送信された、前記バルブの変位のデータと前記空圧のデータとに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求める学習手段と、前記学習手段により求めた、前記バルブの好ましい移動のさせ方の特徴量に基づいて、前記バルブの変位制御用のデータを算出するバルブ変位制御データ算出手段と、前記バルブ変位制御データ算出手段により算出された、前記バルブの変位制御用のデータを記憶するバルブ制御データ記憶手段とを備える。
このエアドロップハンマ学習システムにおいて、前記コンピュータは、前記バルブ制御データ記憶手段に記憶された前記バルブの変位制御用のデータを、ネットワークを介して前記エアドロップハンマに送信するためのコンピュータ側送信手段をさらに備え、前記エアドロップハンマは、前記コンピュータからネットワークを介して受信した、前記バルブの変位制御用のデータに基づいて、前記バルブを自動的に移動させるバルブ移動手段をさらに備えることが望ましい。
このエアドロップハンマ学習システムにおいて、前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度を検出する加熱素材温度検出手段をさらに備え、前記ハンマ側送信手段は、前記バルブの変位のデータと前記空圧のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータを、ネットワークを介して前記コンピュータに送信し、前記学習手段は、前記バルブの変位のデータと前記空圧のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求めてもよい。
このエアドロップハンマ学習システムにおいて、前記学習手段は、前記バルブの変位のデータと前記空圧のデータに加えて、前記金属素材の温度のデータに基づいて、ニューラルネットワークにより、前記バルブの好ましい移動のさせ方の特徴量を求めてもよい。
本発明の第２の態様によるエアドロップハンマ学習システムは、ラムを圧縮空気で加速させて落下させることにより鍛造を行うエアドロップハンマと、前記エアドロップハンマとネットワークを介して通信を行うコンピュータとを備えたエアドロップハンマ学習システムであって、前記エアドロップハンマは、前記ラムに連結されたピストンを有し、このピストンを前記圧縮空気で動かすことにより前記ラムを下降させるエアシリンダと、前記エアシリンダ内の空気の流れを、前記ラムの下降側と前記ラムの上昇側のいずれかに切り換えるバルブと、前記バルブの変位を検出するバルブ変位検出手段と、前記エアドロップハンマ周辺の気温を検出する気温検出手段と、前記バルブ変位検出手段により検出された前記バルブの変位のデータと、前記気温検出手段により検出された気温のデータとを、ネットワークを介して前記コンピュータに送信するハンマ側送信手段とを備え、前記コンピュータは、前記ハンマ側送信手段から送信された、前記バルブの変位のデータと前記気温のデータとに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求める学習手段と、前記学習手段により求めた、前記バルブの好ましい移動のさせ方の特徴量に基づいて、前記バルブの変位制御用のデータを算出するバルブ変位制御データ算出手段と、前記バルブ変位制御データ算出手段により算出された、前記バルブの変位制御用のデータを記憶するバルブ制御データ記憶手段とを備える。
このエアドロップハンマ学習システムにおいて、前記コンピュータは、前記バルブ制御データ記憶手段に記憶された前記バルブの変位制御用のデータを、ネットワークを介して前記エアドロップハンマに送信するためのコンピュータ側送信手段をさらに備え、前記エアドロップハンマは、前記コンピュータからネットワークを介して受信した、前記バルブの変位制御用のデータに基づいて、前記バルブを自動的に移動させるバルブ移動手段をさらに備えることが望ましい。
このエアドロップハンマ学習システムにおいて、前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度を検出する加熱素材温度検出手段をさらに備え、前記ハンマ側送信手段は、前記バルブの変位のデータと前記気温のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータを、ネットワークを介して前記コンピュータに送信し、前記学習手段は、前記バルブの変位のデータと前記気温のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求めてもよい。
このエアドロップハンマ学習システムにおいて、前記学習手段は、前記バルブの変位のデータと前記気温のデータに加えて、前記金属素材の温度のデータに基づいて、ニューラルネットワークにより、前記バルブの好ましい移動のさせ方の特徴量を求めてもよい。
本発明の第３の態様によるエアドロップハンマ学習システムは、ラムを圧縮空気で加速させて落下させることにより鍛造を行うエアドロップハンマと、前記エアドロップハンマとネットワークを介して通信を行うコンピュータとを備えたエアドロップハンマ学習システムであって、前記エアドロップハンマは、前記ラムに連結されたピストンを有し、このピストンを前記圧縮空気で動かすことにより前記ラムを下降させるエアシリンダと、前記エアシリンダ内の空気の流れを、前記ラムの下降側と前記ラムの上昇側のいずれかに切り換えるバルブと、前記バルブの変位を検出するバルブ変位検出手段と、前記バルブ変位検出手段により検出された前記バルブの変位のデータを、ネットワークを介して前記コンピュータに送信するハンマ側送信手段とを備え、前記コンピュータは、現在の季節の情報を取得する季節情報取得手段と、前記ハンマ側送信手段から送信された前記バルブの変位のデータと、前記季節情報取得手段で取得した季節の情報とに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求める学習手段と、前記学習手段により求めた、前記バルブの好ましい移動のさせ方の特徴量に基づいて、前記バルブの変位制御用のデータを算出するバルブ変位制御データ算出手段と、前記バルブ変位制御データ算出手段により算出された、前記バルブの変位制御用のデータを記憶するバルブ制御データ記憶手段とを備える。
このエアドロップハンマ学習システムにおいて、前記コンピュータは、前記バルブ制御データ記憶手段に記憶された前記バルブの変位制御用のデータを、ネットワークを介して前記エアドロップハンマに送信するためのコンピュータ側送信手段をさらに備え、前記エアドロップハンマは、前記コンピュータからネットワークを介して受信した、前記バルブの変位制御用のデータに基づいて、前記バルブを自動的に移動させるバルブ移動手段をさらに備えることが望ましい。
このエアドロップハンマ学習システムにおいて、前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度を検出する加熱素材温度検出手段をさらに備え、前記ハンマ側送信手段は、前記バルブの変位のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータを、ネットワークを介して前記コンピュータに送信し、前記学習手段は、前記バルブの変位のデータと前記季節の情報に加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求めてもよい。
本発明の第４の態様によるエアドロップハンマのバルブ変位制御学習プログラムは、コンピュータに、エアドロップハンマにおける、バルブの変位のデータとエアシリンダ内に流入する圧縮空気の空圧のデータとを、前記エアドロップハンマ側からネットワークを介して受信して、記憶装置に記憶する機能と、前記記憶装置に記憶された、前記バルブの変位のデータと前記空圧のデータとに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習する機能とを実現させるための、エアドロップハンマのバルブ変位制御学習プログラムである。
このエアドロップハンマのバルブ変位制御学習プログラムにおいて、前記バルブの変位のデータと前記空圧のデータに加えて、前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度のデータを、ネットワークを介して受信して、前記記憶装置に記憶し、前記記憶装置に記憶された、前記バルブの変位のデータ、前記空圧のデータ、及び前記金属素材の温度のデータに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習することが望ましい。
本発明の第５の態様によるエアドロップハンマのバルブ変位制御学習プログラムは、コンピュータに、エアドロップハンマにおける、バルブの変位のデータと気温のデータとを、前記エアドロップハンマ側からネットワークを介して受信して、記憶装置に記憶する機能と、前記記憶装置に記憶された、前記バルブの変位のデータと前記気温のデータとに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習する機能とを実現させるための、エアドロップハンマのバルブ変位制御学習プログラムである。
このエアドロップハンマのバルブ変位制御学習プログラムにおいて、前記バルブの変位のデータと前記気温のデータに加えて、前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度のデータを、ネットワークを介して受信して、前記記憶装置に記憶し、前記記憶装置に記憶された、前記バルブの変位のデータ、前記気温のデータ、及び前記金属素材の温度のデータに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習することが望ましい。
本発明の第６の態様によるエアドロップハンマのバルブ変位制御学習プログラムは、コンピュータに、エアドロップハンマにおけるバルブの変位のデータを、前記エアドロップハンマ側からネットワークを介して受信して、記憶装置に記憶する機能と、現在の季節の情報を取得して、記憶装置に記憶する機能と、前記記憶装置に記憶された、前記バルブの変位のデータと前記季節の情報とに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習する機能とを実現させるための、エアドロップハンマのバルブ変位制御学習プログラムである。
本発明の第１の態様によるエアドロップハンマ学習システムによれば、コンピュータが、エアドロップハンマ側から送信された、バルブの変位のデータとエアシリンダ内に流入する圧縮空気の空圧のデータとに基づいて、機械学習を行い、バルブの好ましい移動のさせ方の特徴量を求めた上で、このバルブの好ましい移動のさせ方の特徴量に基づいて、バルブの変位制御用のデータを算出する。ここで、上記のエアシリンダ内に流入する圧縮空気の空圧は、その時点における気温に応じて変化するので、上記のように、バルブの変位のデータとエアシリンダ内に流入する圧縮空気の空圧のデータとに基づいて、機械学習を行うことで、その時点における気温を考慮した、バルブの好ましい移動のさせ方の特徴量を求めることができる。従って、上記のように、このバルブの好ましい移動のさせ方の特徴量に基づいて、バルブの変位制御用のデータを算出することにより、その時点における気温を考慮した、最適なバルブの変位制御用のデータを得ることができる。これにより、このバルブの変位制御用のデータに基づいて、バルブを自動的に移動させることで、安定して最適な鍛造型打ちを行うことができる。
本発明の第２の態様によるエアドロップハンマ学習システムによれば、コンピュータが、エアドロップハンマ側から送信された、バルブの変位のデータと気温のデータとに基づいて、機械学習を行い、バルブの好ましい移動のさせ方の特徴量を求めた上で、このバルブの好ましい移動のさせ方の特徴量に基づいて、バルブの変位制御用のデータを算出する。上記のように、バルブの変位のデータと気温のデータとに基づいて、機械学習を行うことで、その時点における気温を考慮した、バルブの好ましい移動のさせ方の特徴量を求めることができる。従って、上記のように、このバルブの好ましい移動のさせ方の特徴量に基づいて、バルブの変位制御用のデータを算出することにより、その時点における気温を考慮した、最適なバルブの変位制御用のデータを得ることができる。これにより、このバルブの変位制御用のデータに基づいて、バルブを自動的に移動させることで、安定して最適な鍛造型打ちを行うことができる。
本発明の第３の態様によるエアドロップハンマ学習システムによれば、コンピュータが、エアドロップハンマ側から送信されたバルブの変位のデータと、季節の情報とに基づいて、機械学習を行い、バルブの好ましい移動のさせ方の特徴量を求めた上で、このバルブの好ましい移動のさせ方の特徴量に基づいて、バルブの変位制御用のデータを算出する。上記のように、バルブの変位のデータと季節の情報とに基づいて、機械学習を行うことで、その時点における気温を考慮した、バルブの好ましい移動のさせ方の特徴量を求めることができる。従って、このバルブの好ましい移動のさせ方の特徴量に基づいて、バルブの変位制御用のデータを算出することにより、その時点における気温を考慮した、最適なバルブの変位制御用のデータを得ることができる。これにより、このバルブの変位制御用のデータに基づいて、バルブを自動的に移動させることで、安定して最適な鍛造型打ちを行うことができる。
本発明の第４の態様によるエアドロップハンマのバルブ変位制御学習プログラムによれば、コンピュータに、エアドロップハンマにおける、バルブの変位のデータとエアシリンダ内に流入する圧縮空気の空圧のデータとに基づいて、バルブの好ましい移動のさせ方の特徴量を機械学習させることができる。ここで、上記のエアシリンダ内に流入する圧縮空気の空圧は、その時点における気温に応じて変化するので、上記のように、バルブの変位のデータとエアシリンダ内に流入する圧縮空気の空圧のデータとに基づいて、機械学習を行うことで、その時点における気温を考慮した、バルブの好ましい移動のさせ方の特徴量を求めることができる。
本発明の第５の態様によるエアドロップハンマのバルブ変位制御学習プログラムによれば、コンピュータに、エアドロップハンマにおける、バルブの変位のデータと気温のデータとに基づいて、バルブの好ましい移動のさせ方の特徴量を機械学習させることができる。これにより、その時点における気温を考慮した、バルブの好ましい移動のさせ方の特徴量を求めることができる。
本発明の第６の態様によるエアドロップハンマのバルブ変位制御学習プログラムによれば、コンピュータに、エアドロップハンマにおけるバルブの変位のデータと、季節の情報とに基づいて、バルブの好ましい移動のさせ方の特徴量を機械学習させることができる。これにより、その時点における気温を考慮した、バルブの好ましい移動のさせ方の特徴量を求めることができる。
本発明の第１の実施形態のエアドロップハンマ学習システムにおけるエアドロップハンマの構成図。 同エアドロップハンマ学習システムの各構成要素の電気的ブロック構成図。 同エアドロップハンマ学習システムにおける、ニューラルネットワークを用いた機械学習の説明図。 同エアドロップハンマ学習システムにおける、自動的な型打ちを行うための構成の説明図。 上記エアドロップハンマにおける、バルブを自動的に昇降させるための機構を示す斜視図。 （ａ）（ｂ）は、それぞれ、同エアドロップハンマにおいて、シャフトとペダル連接棒とを連結した状態と連結を解除した状態とを示す斜視図であり、（ｃ）は、同エアドロップハンマにおける手動自動切換連結部の断面図。 本発明の第２の実施形態のエアドロップハンマ学習システムにおける各構成要素の電気的ブロック構成図。 本発明の第３の実施形態のエアドロップハンマ学習システムにおける各構成要素の電気的ブロック構成図。 同エアドロップハンマ学習システムの機械学習の結果を利用したエアドロップハンマ制御システムにおける、各構成要素の電気的ブロック構成図。
以下、本発明を具体化した実施形態によるエアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラムについて、図面を参照して説明する。
まず、本発明の第１の実施形態によるエアドロップハンマ学習システムにおけるエアドロップハンマの構成について、図１を参照して説明する。エアドロップハンマ１は、ラム１７を圧縮空気で加速させて落下させることにより鍛造を行う装置である。エアドロップハンマ１は、その基台の部分であるアンビル１１と、アンビル１１の上側に設けられたフレーム１２と、フレーム１２に支持されたシリンダブロック１３とを備えている。このシリンダブロック１３は、エアシリンダ１４を有している。エアシリンダ１４は、ラム１７に連結されたピストン１５を有し、このピストン１５を圧縮空気で動かすことによりラム１７を下降又は上昇させる。ピストン１５の下面側には、外部に力を伝えるためのピストンロッド１６が取り付けられており、このピストンロッド１６の下端には、ラム１７が連結されている。フレーム１２の内側面には、ラム１７を案内するためのラムガイド１８が設けられている。このラムガイド１８の下端には、上型（上側の金型（ダイ））１９が取り付けられている。一方、下型（下側の金型）２０は、ソーブロック３６に取り付けられている。このソーブロック３６は、上記のアンビル１１上に設けられた、下型２０の固定用のブロックである。
また、エアドロップハンマ１は、エアシリンダ１４内の空気の流れを、ラム１７の下降側と上昇側のいずれかに切り換えるバルブ２１（制御弁）を有している。バルブ２１は、弁軸２２を有している。この弁軸２２は、後述するバルブ操作機構２７の一部を構成している。また、シリンダブロック１３内には、エアシリンダ１４内のピストン１５上部へ通じる配管２３と、エアシリンダ１４内のピストン１５下部へ通じる配管２４とが設けられている。このエアドロップハンマ１では、バルブ２１の好ましい移動のさせ方の特徴量の機械学習を行う時（機械学習モード時）には、作業者が、足踏み式のペダル２８を踏み下げると、ペダル２８に連結されたバルブ操作機構２７を介して、弁軸２２とバルブ２１が下方に移動し、このバルブ２１の移動により、吸気用配管２５と配管２３とがバルブ２１を介してつながる。これにより、吸気用配管２５からエアシリンダ１４内のピストン１５上部に圧縮空気が供給されて、上型１９を取り付けたラム１７が下に移動して棒材６（請求項における「金属素材」）を打撃するようになっている。一方、この機械学習モード時に、作業者が、上記のペダル２８を離すと、ペダル２８が上に戻って、バルブ操作機構２７を介して弁軸２２とバルブ２１が上方に移動し、このバルブ２１の移動により、バルブ２１を介して、排気用配管２６と配管２３、及び吸気用配管２５と配管２４とがつながる。これにより、排気用配管２６から圧縮空気が抜けると共に、吸気用配管２５からエアシリンダ１４内のピストン１５下部に圧縮空気が供給されて、ラム１７が上に移動する。
また、エアドロップハンマ１は、バルブ２１の変位を検出するためのレーザー変位センサであるバルブ変位計２９（請求項における「バルブ変位検出手段」）と、エアシリンダ１４内に流入する圧縮空気の空圧を検出する圧力センサであるエア圧力計３０（請求項における「空圧検出手段」）と、エアドロップハンマ１周辺の気温を検出する温度計３１（請求項における「気温検出手段」）とを備えている。
また、エアドロップハンマ１は、ラム１７の変位を検出するためのレーザー変位センサである第１ラム変位計３２と第２ラム変位計３３とを備えている。第１ラム変位計３２と第２ラム変位計３３からの出力値は、制御盤２（図２参照）に送られて、ラム１７の下死点における速度ｖの算出に用いられる。さらに、エアドロップハンマ１は、ネットワークを介して制御盤２及びサーバ５０（図２参照）との間で、各種のデータの送受信を行うための送受信回路３４を備えている。この送受信回路３４は、請求項における「ハンマ側送信手段」に相当する。
また、電気炉５からエアドロップハンマ１のソーブロック３６への棒材６の搬送は、シュート７により行われる。電気炉５の出口には、鍛造直前の加熱された棒材６の温度を検出するための放射温度計４（請求項における「加熱素材温度検出手段」）が配設されている。
次に、図２を参照して、第１の実施形態によるエアドロップハンマ学習システム１０について説明する。エアドロップハンマ学習システム１０は、上記のエアドロップハンマ１と、このエアドロップハンマ１の制御用の制御盤２と、ネットワーク（通信回線３及びインターネット４９）を介して制御盤２及びエアドロップハンマ１と通信を行うサーバ５０（請求項における「コンピュータ」）とを備えている。エアドロップハンマ１と制御盤２との間は、有線又は無線の通信回線３で接続されており、制御盤２とサーバ５０との間は、インターネット４９で接続されている。サーバ５０は、いわゆるクラウド上のサーバである。このサーバ５０は、エアドロップハンマ１周辺の各種検出装置からの情報を受信すると共に、これらの検出装置から受信した情報に基づく、バルブ２１（図１参照）の好ましい移動のさせ方の特徴量の機械学習を行い、この機械学習の結果に基づいて、最適なバルブ２１の変位制御用のデータを算出する。
次に、図２中のエアドロップハンマ１、制御盤２、及びサーバ５０が有する各電気的ブロックについて説明する。エアドロップハンマ１は、上記のバルブ変位計２９、エア圧力計３０、第１ラム変位計３２、第２ラム変位計３３、及び送受信回路３４に加えて、モータ４１（請求項における「バルブ移動手段」）を有している。モータ４１は、サーバ５０からネットワークと制御盤２を介して受信した、バルブ２１の変位制御用のデータ（以下、「バルブ変位制御データ」という）に基づいて、バルブ２１を自動的に移動させる。
上記の制御盤２は、その制御用のＣＰＵ４３と、表示装置であるモニタ４４と、メモリ４６と、ネットワークを介して上記のエアドロップハンマ１及びサーバ５０に対するデータの送受信を行うための送受信回路４７とを備えている。また、制御盤２は、今回の型打ち後の製品についての良否の判別結果の入力等を行うための操作部４５を備えている。
上記のサーバ５０は、ネットワークを介して上記のエアドロップハンマ１及び制御盤２に対するデータの送受信を行うための送受信回路５１（請求項における「コンピュータ側送信手段」）と、サーバ５０全体の制御と演算を行うためのＣＰＵ５２（請求項における「バルブ変位制御データ算出手段」）と、メモリ５３（請求項における「バルブ制御データ記憶手段」、及び「記憶装置」）とを有している。サーバ５０のＣＰＵ５２は、エア圧力計３０の出力データ、放射温度計４で検出された棒材の温度のデータ、及びバルブ変位計２９により検出されたバルブ２１の変位のデータを、エアドロップハンマ１（の送受信回路３４）からネットワークを介して受信して、これらのデータを、エア圧力データ５４、放射温度計データ５５、及びバルブ変位データ５６として、メモリ５３に記憶する。メモリ５３は、これらのデータに加えて、バルブ変位制御学習プログラム５７を記憶している。このバルブ変位制御学習プログラム５７は、上記のバルブ変位データ５６と、エア圧力データ５４と、放射温度計データ５５とに基づいて、機械学習を行い、バルブ２１の好ましい移動のさせ方の特徴量を求めるためのプログラムである。このバルブ変位制御学習プログラム５７とＣＰＵ５２とが、請求項における学習手段に相当する。また、メモリ５３は、上記の機械学習により求めたバルブ２１の好ましい移動のさせ方の特徴量に基づいて算出された、バルブ２１の変位制御用のデータを、バルブ変位制御データ５９として記憶している。
次に、本エアドロップハンマ学習システム１０における処理の流れについて説明する。まず、このエアドロップハンマ学習システム１０における機械学習の仕組みについて説明する。エアドロップハンマ１側の作業者が、ペダル２８を操作して、型打ち鍛造を行うと、制御盤２側の作業者は、型打ち後の製品が、不良品であるか否かを判別して、その判別結果を、制御盤２の操作部４５から入力する。具体的には、制御盤２側の作業者は、型打ち後の製品が、問題のない製品（良品）であると判別した場合には、操作部４５におけるＯＫボタンを押下し、不良品であると判別した場合には、操作部４５におけるＮＧボタンを押下する。これにより、上記の型打ち時にエアドロップハンマ１側の各検出機器で検出した検出データ（少なくとも、バルブ変位計２９、エア圧力計３０、及び放射温度計４で検出した検出データ（バルブ変位データ、エア圧力データ、及び放射温度計データ））に、上記の良否判別結果情報（ＯＫ又はＮＧのデータ）が付加されて、この良否判別結果情報付加後の検出データが、制御盤２から、インターネット４９を介して、サーバ５０に送信される。
なお、エアドロップハンマ１側からネットワークを介してサーバ５０に送信される検出データのうち、バルブ変位データについては、制御盤２のＣＰＵ４３が、バルブ変位計２９からの出力値を、例えば、０．００１秒毎にサンプリングして、測定データのノイズを除去するために、５点〜１０点のサンプリング値の平均値を算出した上で、この平均値をサーバ５０に送信する。なお、以下の説明では、説明を簡単にするために、このサンプリング値の平均値を、単に（各サンプリング点における）サンプリング値という。
サーバ５０のＣＰＵ５２は、制御盤２から受信したバルブ変位データ（各サンプリング点におけるサンプリング値）、エア圧力データ、放射温度計データ、及び上記の良否判別結果情報を、メモリ５３に記憶する。そして、サーバ５０のＣＰＵ５２は、バルブ変位制御学習プログラム５７に従って、メモリ５３に記憶した、エア圧力データ５４、放射温度計データ５５、バルブ変位データ５６、及び良否判別結果情報５８（ＯＫ又はＮＧのデータ）に基づき、バルブ２１の好ましい移動のさせ方の特徴量を機械学習する。ここで、エアシリンダ１４内に流入する圧縮空気の空圧は、その時点における気温に応じて変化するので、上記のように、機械学習の基になるデータに、エア圧力データ５４（エアシリンダ１４内に流入する圧縮空気の空圧のデータ）を含めることにより、その時点における気温を考慮した、バルブ２１の好ましい移動のさせ方の特徴量を求めることができる。
上記のバルブ２１の好ましい移動のさせ方とは、作業者が望ましいペダル２８の踏み方（ペダル２８の踏み代（踏み幅）、ペダル２８を踏む速さ、ペダル２８を踏む速さの変化のさせ方）をした時のバルブ２１の移動のさせ方であって、ラム１７の下死点における打撃エネルギー（（１／２）ｍｖ２）が最適になる（ラム１７の下死点における（ラム１７の）速度ｖ（ｍ／ｓ）が最適な速さになる）バルブ２１の移動のさせ方である。なお、気温が高い程、エアシリンダ１４内に流入する圧縮空気の空圧は大きくなるので、最適な打撃エネルギーを得るためのバルブ２１の移動速度（ペダル２８を踏む速さに相当）は、遅くても良い。また、気温が高い程、最適な打撃エネルギーを得るためのバルブ２１の（上下方向の）総移動量（ペダル２８の踏み代に相当）は、小さくても良い。本実施形態における機械学習の方法は、教師あり学習とも言えるが、より正確に言うと、上記の良否の判別結果情報（ＯＫ又はＮＧのデータ）を用いた強化学習である。
次に、サーバ５０のＣＰＵ５２は、これまでの強化学習の結果（バルブ２１の好ましい移動のさせ方の特徴量）に基づいて、これまでのところ、最適と思われるバルブ２１の変位制御用のデータを算出して、算出したバルブ２１の変位制御用のデータを用いて、メモリ５３におけるバルブ変位制御データ５９を更新する。
なお、制御盤２側の作業者は、上記の型打ち後の製品に、欠肉、打痕、傷、厚さ不良、及び打損による不良等がある場合に、型打ち後の製品が、不良品であると判別する。ここで、欠肉とは、鍛造後の製品の一部が欠けていることを意味する。この欠肉は、型打ちの強さが足らず、金型の彫り込みに鉄が充満されない場合等に発生する。また、上記の（製品の）打痕は、主に、方案跳ねにより発生する。ここで、方案跳ねとは、鍛造の型打ちをして、上型が上方へ移動した時に、型打ちした方案（製品）が飛び跳ねることを意味する。この方案跳ねは、上型が上方へ移動した時に、型打ちした方案（製品）が上型に張り付いて引っ張られることや、型打ち時における下型の振動及び反力に起因して、生じる。そして、この方案跳ねにより、方案（製品）が飛び跳ねて落下した時に、金型と方案（製品）とがぶつかって、型打ち後の製品に生じる凹みが、上記の打痕である。また、上記の打損による不良とは、方案がずれた状態で型打ちした時に発生する不良である。
また、制御盤２側の作業者は、上記の型打ち後の製品の良否の判別基準に加えて、制御盤２のモニタ４４に表示される、ラム１７の下死点における（ラム１７の）速度ｖを参照して、型打ち後の製品の良否を判別するようにしてもよい。この場合におけるラム１７の下死点における速度ｖは、第１ラム変位計３２と第２ラム変位計３３で検出したデータに基づいて、制御盤２のＣＰＵ４３により算出される。なお、制御盤２側の作業者が、制御盤２のモニタ４４に表示される、ラム１７の下死点における（ラム１７の）速度ｖのみに基づいて、型打ち後の製品の良否を判別するようにしてもよい。また、制御盤２側の作業者の代わりに、制御盤２のＣＰＵ４３が、ラム１７の下死点における（ラム１７の）速度ｖのみに基づいて、型打ち後の製品の良否を自動的に判別するようにしてもよい。
次に、上記のバルブ変位制御学習プログラム５７を用いて行われる機械学習の例について、説明する。例えば、サーバ５０のＣＰＵ５２は、今回の型打ちで、エアドロップハンマ１側から受信した検出データに付加された良否判別結果情報５８が、良（ＯＫ）の場合に限り、この検出データ（バルブ変位データ（各サンプリング点におけるサンプリング値）、エア圧力データ、及び放射温度計データ）を、機械学習に利用する。また、サーバ５０のＣＰＵ５２は、エアドロップハンマ１側から受信した検出データに含まれるエア圧力データの圧力レベル別に、バルブ２１の好ましい移動のさせ方の特徴量を機械学習することが望ましい。これは、上記のように、エアシリンダ１４内に流入する圧縮空気の空圧は、その時点における気温に応じて変化するので、上記のように、エア圧力データ（エアシリンダ１４内に流入する圧縮空気の空圧のデータ）の圧力レベル別に、バルブ２１の好ましい移動のさせ方の特徴量を機械学習することにより、その時点における気温（及び季節）を考慮した、バルブ２１の好ましい移動のさせ方の特徴量を求めることができるからである。このように、エア圧力データの圧力レベル別に、バルブ２１の好ましい移動のさせ方の特徴量を機械学習させた場合には、機械学習の結果である、バルブ２１の好ましい移動のさせ方の特徴量を、エア圧力データの圧力レベル別（実際には、気温のレベル別、又は夏季か冬季かといった季節別）に得ることができる。また、この場合には、強化学習の結果（バルブ２１の好ましい移動のさせ方の特徴量）に基づいて算出される最適なバルブ変位制御データ５９も、エア圧力データの圧力レベル別（気温のレベル別、又は季節別）に得ることができる。
なお、サーバ５０が、エアドロップハンマ１側から受信した検出データのうち、エア圧力データだけではなく、放射温度計データも、レベル分けに使用するようにしても良い。すなわち、サーバ５０のＣＰＵ５２が、エア圧力データの圧力レベル別で、かつ、棒材６の温度別に、バルブ２１の好ましい移動のさせ方の特徴量を求めるようにしても良い。これにより、強化学習の結果に基づいて算出される最適なバルブ変位制御データ５９も、エア圧力データの圧力レベル別（気温のレベル別、又は季節別）で、かつ、棒材６の温度別に、得ることができる。
これに対して、サーバ５０のＣＰＵ５２は、エアドロップハンマ１側から受信する検出データのうち、バルブ変位データ（各サンプリング点におけるサンプリング値）以外のデータ（エア圧力データ及び放射温度計データ）を、レベル分けに使用するのではなく、各バルブ変位データ（のサンプリング値）の補正に使用して、補正後の各バルブ変位データ（のサンプリング値）を用いて、バルブ２１の好ましい移動のさせ方の特徴量を機械学習してもよい。この場合には、サーバ５０のＣＰＵ５２は、まず、今回の型打ち時に検出したエア圧力データ５４と放射温度計データ５５とを用いて、各サンプリング点におけるバルブ変位データを、エア圧力データ５４と放射温度計データ５５とが平均的な値である場合（エアシリンダ１４内に流入する圧縮空気の空圧と、鍛造直前の加熱された棒材６の温度とが平均的な値である場合）における、各サンプリング点におけるバルブ変位データに補正する。そして、サーバ５０のＣＰＵ５２は、バルブ変位制御学習プログラム５７を用いて、上記の補正後のバルブ変位データに基づき、エア圧力データ５４と放射温度計データ５５とが平均的な値である場合における、バルブ２１の好ましい移動のさせ方の特徴量を機械学習する。
ただし、このように、エア圧力データ５４と放射温度計データ５５とが平均的な値である場合における特徴量を求めた場合には、この特徴量に基づいて算出されるバルブ変位制御データ５９も、エア圧力データ５４と放射温度計データ５５とが平均的な値である場合における、最適なバルブ変位制御データ５９となる。従って、この平均的なバルブ変位制御データ５９に基づいて、モータ４１を駆動するためには、このバルブ変位制御データ５９を、その時点におけるエアドロップハンマ１側のエア圧力計３０と放射温度計４による検出値に合わせて補正し、補正後のバルブ変位制御データを用いて、モータ４１を駆動する必要がある。
次に、バルブ変位制御学習プログラム５７を用いて行われる機械学習が、ニューラルネットワークを用いた機械学習である場合の例について、図３を参照して説明する。このニューラルネットワーク６０は、入力層に入力されるデータに対して、バルブ２１の好ましい移動のさせ方の特徴量が出力層から出力されるように、機械学習により、ニューラルネットワーク６０の各層のニューロン間の重み付け係数Ｗ１、Ｗ２、Ｗ３・・・Ｗｎを最適化するものである。ここで、上記の好ましい移動のさせ方の特徴量とは、例えば、バルブ２１の（上下方向の）総移動量（ペダル２８の踏み代に相当）、バルブ２１の平均移動速度（ペダル２８を踏む速さに相当）、バルブ２１の移動速度の変化のさせ方（ペダル２８を踏む速さの変化のさせ方に相当）等である。また、ニューラルネットワーク６０の入力層に入力されるデータは、今回の型打ち時に、バルブ変位計２９で採取した各サンプリング点におけるバルブ変位データ５６のみであってもよいし、各サンプリング点におけるバルブ変位データ５６に加えて、エア圧力データ５４、及び放射温度計データ５５であってもよい。
ただし、バルブ変位計２９で採取した各サンプリング点におけるバルブ変位データ５６のみを入力データとする場合には、以下のいずれかの手法を採用する。一つ目の方法は、エア圧力データ５４と放射温度計データ５５のレベル毎に、機械学習の対象になるニューラルネットワーク６０を分けるという方法である。この一つ目の方法では、機械学習の結果として取得される、ニューラルネットワーク６０の学習済モデルが、エア圧力データ５４と放射温度計データ５５のレベル毎に生成される。
また、二つ目の方法は、これらのバルブ変位データ５６を、今回の型打ち時に検出したエア圧力データ５４と放射温度計データ５５とを用いて、エア圧力データ５４と放射温度計データ５５とが平均的な値である場合における、バルブ変位データに補正した上で、補正後のバルブ変位データを入力層に入力するという方法である。これにより、エア圧力データ５４と放射温度計データ５５とが平均的な値である場合における、バルブ２１の好ましい移動のさせ方の特徴量（平均的な特徴量）を得ることができる。この二つ目の方法を採用する場合には、この特徴量に基づいて算出されるバルブ変位制御データ５９も、エア圧力データ５４と放射温度計データ５５とが平均的な値である場合における、最適なバルブ変位制御データ５９となる。従って、この（平均的なエア圧力データ５４と放射温度計データ５５に対応した）バルブ変位制御データ５９を、その時点におけるエアドロップハンマ１側のエア圧力計３０と放射温度計４による検出値に合わせて補正し、補正後のバルブ変位制御データを用いて、モータ４１を駆動する必要がある。
本実施形態におけるエアドロップハンマ学習システム１０のエアドロップハンマ１では、上記の機械学習モード時（バルブ２１の好ましい移動のさせ方の特徴量の機械学習を行う時）には、作業員がペダル２８を足で踏んで操作することにより、型打ちを行う。一方、自動制御モード時（機械学習の結果を用いて、ラム１７による型打ちを自動的に行う時）には、機械学習の結果を用いて算出したバルブ変位制御データ５９に基づいて、バルブ２１をモータ４１で自動的に移動させることにより、型打ちを行う。上記の機械学習モードと自動制御モードとの切り替え時には、制御盤２側の作業者が、モードの切り替え指示を、操作部４５により行うと共に、エアドロップハンマ１側の作業者が、後述する手動自動切換連結部６８（図４、及び図６（ａ）〜（ｃ）参照）を用いて、手動（機械学習モード）と、自動（自動制御モード）との切り替え（ペダル２８とバルブ２１との連結と解除の切り換え）を行う。
次に、図２に加えて、図４及び図５を参照して、上記の自動制御モード時における、自動的な型打ちを行うための構成について説明する。制御盤２のＣＰＵ４３は、サーバ５０から送られた、機械学習の結果を反映した（最適な）バルブ変位制御データ５９を受信すると、このバルブ変位制御データ５９に基づいて、その時点における、エア圧力計３０と放射温度計４による検出値のレベル（圧縮空気の空圧のレベル、及び鍛造直前の加熱された棒材６の温度のレベル）に応じた、モータ制御信号を、エアドロップハンマ１のモータ４１に送信する。これにより、モータ４１が駆動されて、図５に示されるリンク６１と弁軸２２を介して、バルブ２１が自動的に昇降する。
次に、図５を参照して、上記のバルブ２１を自動的に昇降させるための機構について説明する。リンク６１は、モータ軸４１ａと弁軸２２とを連結させるための部材であり、第１リンク部６１ａと第２リンク部６１ｂから構成されている。なお、第１リンク部６１ａと第２リンク部６１ｂとの間は、軸７２ｂによって、回動可能に軸支されており、第２リンク部６１ｂと弁軸２２との間は、軸７２ａによって、回動可能に軸支されている。
図５中の締結部材７１ａと締結部材７１ｂは、モータ軸４１ａに締結されている。また、モータ軸４１ａは、取付け部材７３ａ、７３ｂによって、シリンダブロック１３に取り付けられている。そして、上記の締結部材７１ａは、第１リンク部６１ａに連結されており、図中の矢印に示すように、モータ軸４１ａが、右回転（時計回り方向に回転）すると、この回転に連動して、第１リンク部６１ａも、右回転する。これにより、第２リンク部６１ｂが下方に移動するので、この第２リンク部６１ｂに連結された弁軸２２及びバルブ２１も、下方に移動する。一方、モータ軸４１ａが、左回転（反時計回り方向に回転）すると、この回転に連動して、第１リンク部６１ａも、左回転する。これにより、第２リンク部６１ｂが上方に移動するので、この第２リンク部６１ｂに連結された弁軸２２及びバルブ２１も、上方に移動する。
自動制御モード時には、図４及び図６（ａ）〜（ｃ）に示される手動自動切換連結部６８における、シャフト６６とバー６４との連結を解除した上で、上記のモータ４１とリンク６１を用いて、バルブ２１を自動的に昇降させることにより、自動制御の型打ちを行う。一方、機械学習モード時には、手動自動切換連結部６８における、シャフト６６とバー６４とを連結させた上で、作業員がペダル２８を足で踏んで操作することにより、バルブ２１を昇降させて、いわゆる手動で、ラム１７による型打ちを行う。
次に、上記の手動自動切換連結部６８の説明の前段として、図１及び図４に示すバルブ操作機構２７の構成について、説明する。このバルブ操作機構２７は、足踏み式のペダル２８とバルブ２１とを連結するための機構である。バルブ操作機構２７は、上記の弁軸２２及びリンク６１に加えて、バー６２、バー６９、カム６７、バー６３、バー６４、レバー６５、及びシャフト６６を有している。上記のバー６２及びバー６９は、リンク６１とカム６７とを連結するための部材であり、バー６３、バー６４、及びレバー６５は、カム６７とシャフト６６とを連結するための部材である。レバー６５には、手動自動切換連結部６８が設けられている。また、シャフト６６には、ペダル２８が取り付けられている。
次に、図６（ａ）〜（ｃ）を参照して、上記の手動自動切換連結部６８について説明する。手動自動切換連結部６８は、レバー６５の軸受け部７５に設けられている。この手動自動切換連結部６８は、キー７６と、キー止め板７７と、ボルト７８ａ、７８ｂから構成されている。作業者は、レバー６５の軸受け部７５にシャフト６６を連結する時（手動で型打ち作業を行う時）には、図６（ｂ）に示すように、シャフト６６に設けられた凹部６６ａにキー７６を挿入した上で、キー止め板７７をキー７６の凹部に挿入して、キー止め板７７をボルト７８ａ、７８ｂで固定する。これにより、シャフト６６が、レバー６５に連結される。一方、上記の自動制御の型打ちを行う時には、作業者は、レバー６５の軸受け部７５とシャフト６６との連結を解除するために、ボルト７８ａ、７８ｂをキー止め板７７から外して、キー７６を、シャフト６６に設けられた凹部６６ａから取り出す。これにより、シャフト６６のレバー６５（の軸受け部７５）への連結が解除される。
上記のように、第１の実施形態のエアドロップハンマ学習システム１０によれば、サーバ５０のＣＰＵ５２が、バルブ変位制御学習プログラム５７に従って、エアドロップハンマ１側から送信された、バルブ２１の変位のデータ（バルブ変位データ５６）とエアシリンダ１４内に流入する圧縮空気の空圧のデータ（エア圧力データ５４）とに基づいて、機械学習を行い、バルブ２１の好ましい移動のさせ方の特徴量を求めた上で、このバルブ２１の好ましい移動のさせ方の特徴量に基づいて、バルブ２１の変位制御用のデータ（バルブ変位制御データ５９）を算出する。ここで、上記のエアシリンダ１４内に流入する圧縮空気の空圧は、その時点における気温に応じて変化するので、上記のように、バルブ２１の変位のデータとエアシリンダ１４内に流入する圧縮空気の空圧のデータとに基づいて、機械学習を行うことで、その時点における気温を考慮した、バルブ２１の好ましい移動のさせ方の特徴量を求めることができる。従って、上記のように、このバルブ２１の好ましい移動のさせ方の特徴量に基づいて、バルブ２１の変位制御用のデータを算出することにより、その時点における気温を考慮した、最適なバルブ２１の変位制御用のデータ（バルブ変位制御データ５９）を得ることができる。これにより、このバルブ２１の変位制御用のデータに基づいて、バルブ２１を自動的に移動させることで、安定して最適な鍛造型打ちを行うことができる。
また、第１の実施形態のエアドロップハンマ学習システム１０によれば、サーバ５０のＣＰＵ５２が、バルブ変位制御学習プログラム５７に従って、エアドロップハンマ１側から送信された、バルブ２１の変位のデータとエアシリンダ１４内に流入する圧縮空気の空圧のデータとに加えて、放射温度計４で検出された棒材の温度のデータに基づいて、機械学習を行い、バルブ２１の好ましい移動のさせ方の特徴量を求めるようにした。これにより、その時点における気温だけではなく、鍛造直前の加熱された棒材の温度を考慮した、バルブ２１の好ましい移動のさせ方の特徴量を求めることができる。従って、このバルブ２１の好ましい移動のさせ方の特徴量に基づいて、バルブ２１の変位制御用のデータを算出することにより、その時点における気温と棒材の温度を考慮した、最適なバルブ２１の変位制御用のデータ（バルブ変位制御データ５９）を得ることができる。
また、第１の実施形態のバルブ変位制御学習プログラム５７は、サーバ５０に、エアドロップハンマ１における、バルブ２１の変位のデータとエアシリンダ１４内に流入する圧縮空気の空圧のデータとを、エアドロップハンマ１側からネットワークを介して受信して、メモリ５３に記憶する機能と、メモリ５３に記憶された、バルブ２１の変位のデータ（バルブ変位データ５６）と空圧のデータ（エア圧力データ５４）とに基づいて、バルブ２１の好ましい移動のさせ方の特徴量を機械学習する機能とを実現させるための、エアドロップハンマ１のバルブ変位制御学習プログラムである。ここで、上記のエアシリンダ１４内に流入する圧縮空気の空圧は、その時点における気温に応じて変化するので、上記のように、バルブ２１の変位のデータ（バルブ変位データ５６）と空圧のデータ（エア圧力データ５４）とに基づいて、機械学習を行うことで、その時点における気温を考慮した、バルブ２１の好ましい移動のさせ方の特徴量を求めることができる。
次に、図７を参照して、本発明の第２の実施形態のエアドロップハンマ学習システム８０について、説明する。上記図２に示される第１の実施形態では、エアドロップハンマ１側のエア圧力計３０からの出力値が、ネットワークを介して、サーバ５０に送られて、サーバ５０のメモリ５３に、エア圧力データ５４として記憶された。これに対して、図７に示される第２の実施形態のエアドロップハンマ学習システム８０では、エアドロップハンマ１側のエア圧力計３０からの出力値の代わりに、エアドロップハンマ１側の温度計３１からの出力値（温度計３１によるエアドロップハンマ１周辺の気温の検出値）が、ネットワークを介して、サーバ５０に送られて、サーバ５０のメモリ５３に、気温データ８１として記憶される。そして、第２の実施形態のエアドロップハンマ学習システム８０では、サーバ５０のＣＰＵ５２は、バルブ変位制御学習プログラム５７に従って、メモリ５３に記憶した、気温データ８１、放射温度計データ５５、バルブ変位データ５６、及び良否判別結果情報５８（ＯＫ又はＮＧのデータ）に基づき、バルブ２１の好ましい移動のさせ方の特徴量を機械学習する。
第２の実施形態のエアドロップハンマ学習システム８０は、上記の点以外は、第１の実施形態のエアドロップハンマ学習システム１０と同様である。従って、図７における温度計３１及び気温データ８１以外の構成要素については、図２と同じ符号を付して、その説明を省略する。第２の実施形態における温度計３１は、請求項における気温検出手段に相当する。
第２の実施形態のエアドロップハンマ学習システム８０によれば、第１の実施形態のエアドロップハンマ学習システム１０と同様に、その時点における気温と鍛造直前の加熱された棒材の温度とを考慮した、バルブ２１の好ましい移動のさせ方の特徴量を求めることができる。従って、このバルブ２１の好ましい移動のさせ方の特徴量に基づいて、バルブ２１の変位制御用のデータを算出することにより、その時点における気温と棒材の温度を考慮した、最適なバルブ２１の変位制御用のデータ（バルブ変位制御データ５９）を得ることができる。
また、第２の実施形態のバルブ変位制御学習プログラム５７は、サーバ５０に、エアドロップハンマ１における、バルブ２１の変位のデータと気温のデータとを、エアドロップハンマ１側からネットワークを介して受信して、メモリ５３に記憶する機能と、メモリ５３に記憶された、バルブ２１の変位のデータ（バルブ変位データ５６）と気温のデータ（気温データ８１）とに基づいて、バルブ２１の好ましい移動のさせ方の特徴量を機械学習する機能とを実現させるための、エアドロップハンマ１のバルブ変位制御学習プログラムである。第２の実施形態のバルブ変位制御学習プログラム５７によれば、その時点における気温を考慮した、バルブ２１の好ましい移動のさせ方の特徴量を求めることができる。
次に、図８及び図９を参照して、本発明の第３の実施形態のエアドロップハンマ学習システム８５と、このエアドロップハンマ学習システム８５による機械学習の結果を利用したエアドロップハンマ制御システム９０について、説明する。上記第１の実施形態では、機械学習時における各種データの検出に用いたエアドロップハンマ１を、機械学習結果を用いた自動制御の対象としても用いた場合の例を示したが、第３の実施形態では、機械学習時における各種データの検出に用いるエアドロップハンマ１と、機械学習結果を用いた自動制御の対象となるエアドロップハンマ９１とを分けた場合の例を示す。
図２に示される第１の実施形態のエアドロップハンマ学習システム１０と、図８に示される第３の実施形態のエアドロップハンマ学習システム８５との相違点は、第３の実施形態におけるエアドロップハンマ学習システム８５では、エアドロップハンマ１が、図２に示されるモータ４１を有していない点と、サーバ５０が、メモリ５３に記憶したバルブ変位制御データ５９を、ネットワークを介してエアドロップハンマ１に送信しない点である。第３の実施形態では、図９に示される自動制御対象のエアドロップハンマ９１のモータ４１の駆動制御信号は、サーバ５０のメモリ５３に記憶されたバルブ変位制御データ５９ではなく、制御盤９２のメモリ９４に記憶されたバルブ変位制御データ９５に基づいて生成される。言い換えると、自動制御対象のエアドロップハンマ９１は、制御盤９２からネットワークを介して受信したバルブ変位制御データ９５に基づいて、モータ４１により、バルブ２１を自動的に移動させる。
従って、第３の実施形態では、請求項における「コンピュータ」が、サーバ５０と制御盤９２の複数のコンピュータから構成されており、制御盤９２の送受信回路９３とメモリ９４とが、請求項における「コンピュータ側送信手段」と「バルブ制御データ記憶手段」に相当し、自動制御対象のエアドロップハンマ９１のモータ４１が、請求項における「バルブ移動手段」に相当する。なお、図８のエアドロップハンマ学習システム８５による機械学習の結果を反映した、サーバ５０のバルブ変位制御データ５９は、ネットワーク、又はＵＳＢ等の記憶デバイスを用いて、サーバ５０から、エアドロップハンマ制御システム９０における制御盤９２のメモリ９４にコピーされる。
変形例：
なお、本発明は、上記の各実施形態の構成に限られず、発明の趣旨を変更しない範囲で種々の変形が可能である。次に、本発明の変形例について説明する。
変形例１：
上記の各実施形態における図面では、機械学習時における各種データの検出に用いるエアドロップハンマ１が１つの場合の例を示したが、機械学習の基になる検出データの送信元のエアドロップハンマ１は、複数であることが好ましい。何故なら、検出データの送信元のエアドロップハンマ１が多い方が、バルブ２１の好ましい移動のさせ方の特徴量をより正確に求めることができるので、この正確な特徴量に基づいてバルブ２１の変位制御用のデータを算出することにより、より正確なバルブ２１の変位制御用のデータ（バルブ変位制御データ５９）を得ることができるからである。
変形例２：
また、上記第２の実施形態では、サーバ５０が、エアドロップハンマ１側から送信された、バルブ２１の変位のデータと、放射温度計４で検出された棒材の温度のデータと、温度計３１で検出された気温のデータとに基づいて、機械学習を行い、バルブ２１の好ましい移動のさせ方の特徴量を求めるようにした。けれども、温度計３１で検出された気温のデータの代わりに、制御盤２の操作部４５又はサーバ５０の操作部等から入力された現在の季節の情報（現在の季節を表すコード等の情報）を用いてもよい。すなわち、サーバ５０が、エアドロップハンマ１側から送信された、バルブ２１の変位のデータと、放射温度計４で検出された棒材の温度のデータと、操作部４５等から入力された季節の情報とに基づいて、機械学習を行うようにしてもよい。現在の季節の情報が、制御盤２の操作部４５から入力されたものである時には、サーバ５０の送受信回路５１が、請求項における「季節情報取得手段」に相当する。また、現在の季節の情報が、サーバ５０の操作部（不図示）から入力されたものである時には、サーバ５０の操作部が、請求項における「季節情報取得手段」に相当する。
変形例３：
また、上記の各実施形態では、機械学習の処理を行うサーバが、クラウド上のサーバ５０である場合の例を示したが、エアドロップハンマ１が配設された工場の構内に配置されたサーバ等のコンピュータに、バルブ２１の好ましい移動のさせ方の特徴量を機械学習させてもよい。
変形例４：
また、上記の各実施形態では、機械学習の基になる、エアドロップハンマ１側の検出データに、放射温度計４で検出された棒材の温度のデータが含まれる場合の例を示したが、本発明は、これに限られず、例えば、機械学習の基になる、エアドロップハンマ１側の検出データが、バルブ２１の変位のデータ（バルブ変位データ５６）と、エアシリンダ１４内に流入する圧縮空気の空圧のデータ（エア圧力データ５４）だけであってもよいし、バルブ２１の変位のデータと、温度計３１からの出力値（気温データ８１）だけであってもよい。
変形例５：
また、上記の各実施形態では、レーザー変位センサであるバルブ変位計２９により、バルブ２１の変位を直接検出する場合の例を示したが、バルブ２１自体の変位を直接検出する代わりに、弁軸２２の変位を各種の変位検出用のセンサで検出することにより、バルブ２１の変位を間接的に検出してもよい。この場合における各種の変位検出用のセンサも、請求項における「バルブ変位検出手段」に相当する。また、バルブ２１自体の変位を直接検出する代わりに、バルブ操作機構２７を介してバルブ２１を移動させるためのペダル２８の上下方向の変位を検出することにより、バルブ２１の変位を間接的に検出してもよい。この場合におけるペダル２８の変位検出用のセンサも、請求項における「バルブ変位検出手段」に相当する。
変形例６：
また、上記の各実施形態では、モータ４１を用いて、バルブ２１を移動させる場合の例を示したが、油圧を用いて、バルブ２１を移動させてもよい。
１ エアドロップハンマ
４ 放射温度計（加熱素材温度検出手段）
１０、８０、８５ エアドロップハンマ学習システム
１４ エアシリンダ
１５ ピストン
１７ ラム
２１ バルブ
２９ バルブ変位計（バルブ変位検出手段）
３０ エア圧力計（空圧検出手段）
３１ 温度計（気温検出手段）
３４ 送受信回路（ハンマ側送信手段）
４１ モータ（バルブ移動手段）
５０ サーバ（コンピュータ）
５１ 送受信回路（コンピュータ側送信手段、季節情報取得手段）
５２ ＣＰＵ（学習手段、バルブ変位制御データ算出手段）
５３ メモリ（バルブ制御データ記憶手段、記憶装置）
５７ バルブ変位制御学習プログラム（学習手段）
６０ ニューラルネットワーク
９２ 制御盤（コンピュータ）
９３ 送受信回路（コンピュータ側送信手段）
９４ メモリ（バルブ制御データ記憶手段）

Claims (16)

  1. ラムを圧縮空気で加速させて落下させることにより鍛造を行うエアドロップハンマと、前記エアドロップハンマとネットワークを介して通信を行うコンピュータとを備えたエアドロップハンマ学習システムであって、
    前記エアドロップハンマは、
    前記ラムに連結されたピストンを有し、このピストンを前記圧縮空気で動かすことにより前記ラムを下降させるエアシリンダと、
    前記エアシリンダ内の空気の流れを、前記ラムの下降側と前記ラムの上昇側のいずれかに切り換えるバルブと、
    前記バルブの変位を検出するバルブ変位検出手段と、
    前記エアシリンダ内に流入する圧縮空気の空圧を検出する空圧検出手段と、
    前記バルブ変位検出手段により検出された前記バルブの変位のデータと、前記空圧検出手段により検出された空圧のデータとを、ネットワークを介して前記コンピュータに送信するハンマ側送信手段とを備え、
    前記コンピュータは、
    前記ハンマ側送信手段から送信された、前記バルブの変位のデータと前記空圧のデータとに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求める学習手段と、
    前記学習手段により求めた、前記バルブの好ましい移動のさせ方の特徴量に基づいて、前記バルブの変位制御用のデータを算出するバルブ変位制御データ算出手段と、
    前記バルブ変位制御データ算出手段により算出された、前記バルブの変位制御用のデータを記憶するバルブ制御データ記憶手段と
    を備えるエアドロップハンマ学習システム。
  2. 前記コンピュータは、前記バルブ制御データ記憶手段に記憶された前記バルブの変位制御用のデータを、ネットワークを介して前記エアドロップハンマに送信するためのコンピュータ側送信手段をさらに備え、
    前記エアドロップハンマは、前記コンピュータからネットワークを介して受信した、前記バルブの変位制御用のデータに基づいて、前記バルブを自動的に移動させるバルブ移動手段をさらに備えることを特徴とする請求項１に記載のエアドロップハンマ学習システム。
  3. 前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度を検出する加熱素材温度検出手段をさらに備え、
    前記ハンマ側送信手段は、前記バルブの変位のデータと前記空圧のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータを、ネットワークを介して前記コンピュータに送信し、
    前記学習手段は、前記バルブの変位のデータと前記空圧のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求めることを特徴とする請求項１又は請求項２に記載のエアドロップハンマ学習システム。
  4. 前記学習手段は、前記バルブの変位のデータと前記空圧のデータに加えて、前記金属素材の温度のデータに基づいて、ニューラルネットワークにより、前記バルブの好ましい移動のさせ方の特徴量を求めることを特徴とする請求項３に記載のエアドロップハンマ学習システム。
  5. ラムを圧縮空気で加速させて落下させることにより鍛造を行うエアドロップハンマと、前記エアドロップハンマとネットワークを介して通信を行うコンピュータとを備えたエアドロップハンマ学習システムであって、
    前記エアドロップハンマは、
    前記ラムに連結されたピストンを有し、このピストンを前記圧縮空気で動かすことにより前記ラムを下降させるエアシリンダと、
    前記エアシリンダ内の空気の流れを、前記ラムの下降側と前記ラムの上昇側のいずれかに切り換えるバルブと、
    前記バルブの変位を検出するバルブ変位検出手段と、
    前記エアドロップハンマ周辺の気温を検出する気温検出手段と、
    前記バルブ変位検出手段により検出された前記バルブの変位のデータと、前記気温検出手段により検出された気温のデータとを、ネットワークを介して前記コンピュータに送信するハンマ側送信手段とを備え、
    前記コンピュータは、
    前記ハンマ側送信手段から送信された、前記バルブの変位のデータと前記気温のデータとに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求める学習手段と、
    前記学習手段により求めた、前記バルブの好ましい移動のさせ方の特徴量に基づいて、前記バルブの変位制御用のデータを算出するバルブ変位制御データ算出手段と、
    前記バルブ変位制御データ算出手段により算出された、前記バルブの変位制御用のデータを記憶するバルブ制御データ記憶手段と
    を備えるエアドロップハンマ学習システム。
  6. 前記コンピュータは、前記バルブ制御データ記憶手段に記憶された前記バルブの変位制御用のデータを、ネットワークを介して前記エアドロップハンマに送信するためのコンピュータ側送信手段をさらに備え、
    前記エアドロップハンマは、前記コンピュータからネットワークを介して受信した、前記バルブの変位制御用のデータに基づいて、前記バルブを自動的に移動させるバルブ移動手段をさらに備えることを特徴とする請求項５に記載のエアドロップハンマ学習システム。
  7. 前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度を検出する加熱素材温度検出手段をさらに備え、
    前記ハンマ側送信手段は、前記バルブの変位のデータと前記気温のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータを、ネットワークを介して前記コンピュータに送信し、
    前記学習手段は、前記バルブの変位のデータと前記気温のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求めることを特徴とする請求項５又は請求項６に記載のエアドロップハンマ学習システム。
  8. 前記学習手段は、前記バルブの変位のデータと前記気温のデータに加えて、前記金属素材の温度のデータに基づいて、ニューラルネットワークにより、前記バルブの好ましい移動のさせ方の特徴量を求めることを特徴とする請求項７に記載のエアドロップハンマ学習システム。
  9. ラムを圧縮空気で加速させて落下させることにより鍛造を行うエアドロップハンマと、前記エアドロップハンマとネットワークを介して通信を行うコンピュータとを備えたエアドロップハンマ学習システムであって、
    前記エアドロップハンマは、
    前記ラムに連結されたピストンを有し、このピストンを前記圧縮空気で動かすことにより前記ラムを下降させるエアシリンダと、
    前記エアシリンダ内の空気の流れを、前記ラムの下降側と前記ラムの上昇側のいずれかに切り換えるバルブと、
    前記バルブの変位を検出するバルブ変位検出手段と、
    前記バルブ変位検出手段により検出された前記バルブの変位のデータを、ネットワークを介して前記コンピュータに送信するハンマ側送信手段とを備え、
    前記コンピュータは、
    現在の季節の情報を取得する季節情報取得手段と、
    前記ハンマ側送信手段から送信された前記バルブの変位のデータと、前記季節情報取得手段で取得した季節の情報とに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求める学習手段と、
    前記学習手段により求めた、前記バルブの好ましい移動のさせ方の特徴量に基づいて、前記バルブの変位制御用のデータを算出するバルブ変位制御データ算出手段と、
    前記バルブ変位制御データ算出手段により算出された、前記バルブの変位制御用のデータを記憶するバルブ制御データ記憶手段と
    を備えるエアドロップハンマ学習システム。
  10. 前記コンピュータは、前記バルブ制御データ記憶手段に記憶された前記バルブの変位制御用のデータを、ネットワークを介して前記エアドロップハンマに送信するためのコンピュータ側送信手段をさらに備え、
    前記エアドロップハンマは、前記コンピュータからネットワークを介して受信した、前記バルブの変位制御用のデータに基づいて、前記バルブを自動的に移動させるバルブ移動手段をさらに備えることを特徴とする請求項９に記載のエアドロップハンマ学習システム。
  11. 前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度を検出する加熱素材温度検出手段をさらに備え、
    前記ハンマ側送信手段は、前記バルブの変位のデータに加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータを、ネットワークを介して前記コンピュータに送信し、
    前記学習手段は、前記バルブの変位のデータと前記季節の情報に加えて、前記加熱素材温度検出手段により検出された金属素材の温度のデータに基づいて、機械学習を行い、前記バルブの好ましい移動のさせ方の特徴量を求めることを特徴とする請求項９又は請求項１０に記載のエアドロップハンマ学習システム。
  12. コンピュータに、
    エアドロップハンマにおける、バルブの変位のデータとエアシリンダ内に流入する圧縮空気の空圧のデータとを、前記エアドロップハンマ側からネットワークを介して受信して、記憶装置に記憶する機能と、
    前記記憶装置に記憶された、前記バルブの変位のデータと前記空圧のデータとに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習する機能と
    を実現させるための、エアドロップハンマのバルブ変位制御学習プログラム。
  13. 前記バルブの変位のデータと前記空圧のデータに加えて、前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度のデータを、ネットワークを介して受信して、前記記憶装置に記憶し、
    前記記憶装置に記憶された、前記バルブの変位のデータ、前記空圧のデータ、及び前記金属素材の温度のデータに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習することを特徴とする、請求項１２に記載のエアドロップハンマのバルブ変位制御学習プログラム。
  14. コンピュータに、
    エアドロップハンマにおける、バルブの変位のデータと気温のデータとを、前記エアドロップハンマ側からネットワークを介して受信して、記憶装置に記憶する機能と、
    前記記憶装置に記憶された、前記バルブの変位のデータと前記気温のデータとに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習する機能と
    を実現させるための、エアドロップハンマのバルブ変位制御学習プログラム。
  15. 前記バルブの変位のデータと前記気温のデータに加えて、前記エアドロップハンマによる鍛造直前の加熱された金属素材の温度のデータを、ネットワークを介して受信して、前記記憶装置に記憶し、
    前記記憶装置に記憶された、前記バルブの変位のデータ、前記気温のデータ、及び前記金属素材の温度のデータに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習することを特徴とする、請求項１４に記載のエアドロップハンマのバルブ変位制御学習プログラム。
  16. コンピュータに、
    エアドロップハンマにおけるバルブの変位のデータを、前記エアドロップハンマ側からネットワークを介して受信して、記憶装置に記憶する機能と、
    現在の季節の情報を取得して、記憶装置に記憶する機能と、
    前記記憶装置に記憶された、前記バルブの変位のデータと前記季節の情報とに基づいて、前記バルブの好ましい移動のさせ方の特徴量を機械学習する機能と
    を実現させるための、エアドロップハンマのバルブ変位制御学習プログラム。
JP2017247985A 2017-12-25 2017-12-25 エアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラム Active JP6984105B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017247985A JP6984105B2 (ja) 2017-12-25 2017-12-25 エアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017247985A JP6984105B2 (ja) 2017-12-25 2017-12-25 エアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラム

Publications (2)

Publication Number Publication Date
JP2019111566A JP2019111566A (ja) 2019-07-11
JP6984105B2 true JP6984105B2 (ja) 2021-12-17

Family

ID=67223440

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017247985A Active JP6984105B2 (ja) 2017-12-25 2017-12-25 エアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラム

Country Status (1)

Country Link
JP (1) JP6984105B2 (ja)

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5987944A (ja) * 1982-11-12 1984-05-21 Otani Kikai Seisakusho:Kk エアスタンプハンマの自動運転装置
JPS6076243A (ja) * 1983-10-03 1985-04-30 Otani Kikai Seisakusho:Kk エアスタンプハンマの自動運転装置
JP2787606B2 (ja) * 1990-03-09 1998-08-20 福光精機株式会社 ハンマー式鍛造機のラム速度表示装置
JPH0560759U (ja) * 1992-01-24 1993-08-10 株式会社小松製作所 加工機械の生産管理システム
JPH0755311A (ja) * 1993-08-20 1995-03-03 Toyota Motor Corp ワーク冷却装置の風量制御方法
JPH07164199A (ja) * 1993-12-10 1995-06-27 Japan Automat Mach Co Ltd プレス加工機の品質管理方法及びその装置
US5715724A (en) * 1996-09-03 1998-02-10 Chambersburg Engineering Company Adaptive, self-regulating forging hammer control system
JP2000210800A (ja) * 1999-01-27 2000-08-02 Komatsu Ltd 産業機械のモニタ方法およびその装置
JP2002041127A (ja) * 2000-07-28 2002-02-08 Kawamura Kogyo Kk 製品製造管理方法及び製品製造管理システム並びに物品寸法検出装置及び物品疵状態検出装置
JP4833531B2 (ja) * 2003-11-11 2011-12-07 新日本製鐵株式会社 プレス成形加工装置、プレス成形加工方法、コンピュータプログラム及び記録媒体
JP5814674B2 (ja) * 2011-07-22 2015-11-17 株式会社栗本鐵工所 熱間鍛造プレス
JP6520459B2 (ja) * 2015-06-25 2019-05-29 日立金属株式会社 鍛造型設計支援装置および鍛造型設計支援方法

Also Published As

Publication number Publication date
JP2019111566A (ja) 2019-07-11

Similar Documents

Publication Publication Date Title
AU2009202784B2 (en) Pallet counter for lift truck
US7946928B2 (en) Measurement and analysis of foot related forces during a golf swing
WO2008106158A3 (en) Method of determing a machine operation using virtual imaging
JP6984105B2 (ja) エアドロップハンマ学習システム、及びエアドロップハンマのバルブ変位制御学習プログラム
EP2269553A1 (en) Exercise apparatus
US10596407B1 (en) Stepper exercise apparatus
EP1262251B1 (en) Bending method and apparatus
KR102268887B1 (ko) 소형의 금속판재 절곡장치
US6769355B1 (en) Auto-positioning inching control
CN107977481B (zh) 一种机器人谐波减速机试验台传动系统可靠性分析方法
JP4592136B2 (ja) 板材加工方法及び板材加工システム
CN109108209A (zh) 一种排屑器链板的铆接设备及控制系统
JP4280333B2 (ja) 曲げ加工機における曲げ角度制御方法およびその装置
JP2012006057A (ja) クランクプレス
US6925396B2 (en) Method and apparatus for measuring energy usage in a press machine
US8049090B1 (en) Apparatus and method for actuating keyboard mechanisms and evaluating their mechanical properties and stroke characteristics
US385018A (en) wiswall
JP2019115924A (ja) 加工装置
KR20190090624A (ko) 최대근력 측정 장치
JP4843477B2 (ja) プレスのブレーキ制御方法および機械式プレス
US216593A (en) Improvement in mechanisms for actuating punches, shears, and stamps
US558386A (en) Mechanical movement
JP2886310B2 (ja) 折曲げ方法およびその装置
US1102609A (en) Safety device for clutch-controlled machines.
US109897A (en) Improvement in cotton-presses

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201222

TRDD Decision of grant or rejection written
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211028

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20211102

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211105

R150 Certificate of patent or registration of utility model

Ref document number: 6984105

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150