JP7082795B2

JP7082795B2 - Heat treatment system

Info

Publication number: JP7082795B2
Application number: JP2018029761A
Authority: JP
Inventors: 哲正渡邊; 昌大井上
Original assignee: 富士電子工業株式会社
Priority date: 2018-02-22
Filing date: 2018-02-22
Publication date: 2022-06-09
Anticipated expiration: 2038-02-22
Also published as: JP2019143216A

Description

本発明は、ワークに対して誘導加熱処理を行う熱処理システムに関するものである。 The present invention relates to a heat treatment system that performs an induction heat treatment on a work.

従来から、鋼材等のワークに対して強度（耐摩耗性や耐疲労性）等の物性を付与する方策として、高周波焼入れがある（例えば、特許文献１）。
この高周波焼入れは、加熱工程と冷却工程があり、加熱工程において高周波加熱によりワークを加熱するので、短時間で加熱処理が可能であるとともに、ワークの表面付近のみを加熱でき、ワークの表面付近のみの物性を変化させることが可能である。
例えば、一般的な誘導加熱装置で円柱状のワークの外周面に高周波焼入れを行う場合、まず、ワークの外周面に加熱コイルを近接させ、当該加熱コイルに一定の周波数の電流を供給することによって、ワークの外周面で誘導電流を生じさせてワークの外周面を誘導加熱する。そして、加熱されたワークの外周面に向けて冷却液を噴射することにより急冷する。こうすることにより、ワークの表面付近のみ物性を変化できる。 Conventionally, induction hardening has been used as a measure for imparting physical properties such as strength (wear resistance and fatigue resistance) to a work such as a steel material (for example, Patent Document 1).
This induction hardening has a heating process and a cooling process, and since the work is heated by high frequency heating in the heating process, heat treatment can be performed in a short time, and only the vicinity of the surface of the work can be heated, and only the vicinity of the surface of the work can be heated. It is possible to change the physical properties of.
For example, when induction hardening is performed on the outer peripheral surface of a columnar work with a general induction heating device, first, a heating coil is brought close to the outer peripheral surface of the work, and a current having a constant frequency is supplied to the heating coil. , An induced current is generated on the outer peripheral surface of the work to induce and heat the outer peripheral surface of the work. Then, the cooling liquid is rapidly cooled by injecting the cooling liquid toward the outer peripheral surface of the heated work. By doing so, the physical properties can be changed only near the surface of the work.

特開２０１７－１４７０４１号公報Japanese Unexamined Patent Publication No. 2017-147041 特開２０１５－０６７８３８号公報Japanese Unexamined Patent Publication No. 2015-068383

通常、ワークに誘導加熱装置で誘導加熱処理を行う際には、調整用のワークを用いて熱処理し、熱処理の状況に合わせて熟練者が加熱時に使用する電圧等の加熱パラメータを調整する。そして、調整により最適な加熱パラメータが決まると、最適な加熱パラメータで実際の製品となるワークに熱処理を行っていく。 Normally, when an induction heating treatment is performed on a work by an induction heating device, the work is heat-treated using an adjustment work, and heating parameters such as a voltage used by an expert during heating are adjusted according to the heat treatment situation. Then, when the optimum heating parameters are determined by the adjustment, heat treatment is performed on the work to be an actual product with the optimum heating parameters.

しかしながら、加熱時に使用する加熱パラメータの調整は、熟練者の経験により蓄積された知識に大きく依存し、ワークの形状等によっては熟練者であっても困難な場合があった。 However, the adjustment of the heating parameters used at the time of heating largely depends on the knowledge accumulated by the experience of the expert, and it may be difficult even for the expert depending on the shape of the work and the like.

そこで、本発明は、熟練者でなくても、ワークの形状等に合わせて誘導加熱処理が可能な熱処理システムを提供することを目的としている。 Therefore, an object of the present invention is to provide a heat treatment system capable of inductive heat treatment according to the shape of a work or the like, even if the person is not an expert.

上記課題を解決するための請求項１に記載の発明は、誘導加熱部と制御部を有し、前記誘導加熱部は、加熱コイルを取り付け可能であって、当該加熱コイルにより、ワークに対して誘導加熱を行うものであり、前記制御部は、入力部と、記憶部と、機械学習部を有するものであって、前記誘導加熱部での誘導加熱に使用する加熱パラメータを設定可能であり、前記記憶部は、過去の加熱パラメータと、前記過去の加熱パラメータに基づいて実施した誘導加熱における過去の加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報を紐づけて記憶するものであり、前記機械学習部は、教師あり学習を行うものであって、過去の加熱パラメータと、当該過去の加熱パラメータで行った過去の加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報の関係を教師データとして学習するものであり、前記入力部に加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報が入力されたときに、前記機械学習部が前記学習に基づいて、入力された加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報から記憶部で記憶された過去の加熱パラメータと、当該過去の加熱パラメータで行った過去の加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報の関係により、加熱パラメータを決定し、当該加熱パラメータに基づいて前記誘導加熱部がワークに誘導加熱を行うことを特徴とする熱処理システムである。
すなわち、本発明は、誘導加熱部と制御部を有し、前記誘導加熱部は、加熱コイルを取り付け可能であって、当該加熱コイルにより、ワークに対して誘導加熱を行うものであり、前記制御部は、入力部と、記憶部と、機械学習部を有するものであって、前記誘導加熱部での誘導加熱に使用する加熱パラメータを設定可能であり、前記記憶部は、過去の加熱パラメータと、前記過去の加熱パラメータに基づいて実施した誘導加熱における過去の加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報を紐づけて記憶するものであり、前記入力部に加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報が入力されたときに、入力された加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報から記憶部で記憶された過去の加熱パラメータと、当該過去の加熱パラメータで行った過去の加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報の関係により、加熱パラメータを決定し、当該加熱パラメータに基づいて前記誘導加熱部がワークに誘導加熱を行う。 The invention according to claim 1 for solving the above-mentioned problems has an induction heating unit and a control unit, and the induction heating unit can be attached with a heating coil, and the heating coil can be used to attach a heating coil to a work. The control unit has an input unit, a storage unit, and a machine learning unit, and can set heating parameters used for induction heating in the induction heating unit. The storage unit associates the past heating parameters with the information of the work before the past heating in the induction heating performed based on the past heating parameters, the information of the heating coil, and the information of the work after heating. The machine learning unit is to memorize, and the machine learning unit performs supervised learning, and information on past heating parameters, past work before heating performed with the past heating parameters, and information on the heating coil. , And the relationship of the information of the work after heating is learned as teacher data, and when the information of the work before heating, the information of the heating coil, and the information of the work after heating are input to the input unit. , The past heating parameters stored in the storage unit from the information of the work before heating, the information of the heating coil, and the information of the work after heating, which were input by the machine learning unit based on the learning, and the past. The heating parameter is determined based on the relationship between the information on the work before heating in the past, the information on the heating coil, and the information on the work after heating, and the induction heating unit works based on the heating parameter. It is a heat treatment system characterized by performing induction heating.
That is, the present invention has an induction heating unit and a control unit, and the induction heating unit can be attached with a heating coil to perform induction heating on the work by the heating coil. The unit has an input unit, a storage unit, and a machine learning unit, and heating parameters used for induction heating in the induction heating unit can be set, and the storage unit has past heating parameters. , Information on the work before heating in the past in induction heating performed based on the past heating parameters, information on the heating coil, and information on the work after heating are stored in association with each other, and are stored in the input unit. When the information of the work before heating, the information of the heating coil, and the information of the work after heating are input, the information of the work before heating, the information of the heating coil, and the information of the work after heating are input. The heating parameter is determined by the relationship between the past heating parameter stored in the storage unit, the information of the work before the past heating performed by the past heating parameter, the information of the heating coil, and the information of the work after heating. After determining, the induction heating unit performs induction heating on the work based on the heating parameters.

本発明の構成によれば、機械学習部が作業者により入力部に入力された加熱前のワークの情報、加熱コイルの情報、及び加熱後のワークの情報から加熱パラメータを決定し、ワークに誘導加熱を行うため、作業者が加熱パラメータの調整を行う必要がなく、作業者が熟練者でなくても、ワークに合わせた誘導加熱を行うことができる。 According to the configuration of the present invention, the machine learning unit determines the heating parameter from the information of the work before heating, the information of the heating coil, and the information of the work after heating input to the input unit by the operator, and guides the heating parameter to the work. Since the heating is performed, it is not necessary for the operator to adjust the heating parameters, and even if the operator is not an expert, the induction heating can be performed according to the work.

請求項１に記載の熱処理システムにおいて、前記入力部に入力する加熱前のワークの情報は、ワークの形状、ワークの熱処理範囲、ワークの熱容量、及びワークの素材のうち、少なくとも一つの情報を含むことが好ましい（請求項２）。 In the heat treatment system according to claim 1, the information of the work before heating input to the input unit includes at least one information among the shape of the work, the heat treatment range of the work, the heat capacity of the work, and the material of the work. It is preferable (claim 2).

請求項１又は２に記載の熱処理システムにおいて、前記加熱コイルは、コアを取り付け可能であり、前記加熱コイルの情報は、前記加熱コイルの形状、取り付けたコアの重量、取り付けたコアの材質、及び取り付けたコアの取付位置のうち、少なくとも一つの情報を含むことが好ましい（請求項３）。 In the heat treatment system according to claim 1 or 2, the heating coil can be attached with a core, and the information of the heating coil is the shape of the heating coil, the weight of the attached core, the material of the attached core, and the material of the attached core. It is preferable to include at least one piece of information about the mounting position of the mounted core (claim 3).

請求項１乃至３のいずれかに記載の熱処理システムにおいて、前記入力部に入力する加熱後のワークの情報は、加熱後のワークの硬度、加熱後のワークの熱処理深さ、加熱後のワークの熱処理範囲、加熱後のワークの組織、加熱後のワークの変形量、及び加熱後のワークの結晶粒径のうち、少なくとも一つの情報を含むことが好ましい（請求項４）。 In the heat treatment system according to any one of claims 1 to 3, the information of the heated work input to the input unit is the hardness of the heated work, the heat treatment depth of the heated work, and the heat treatment depth of the heated work. It is preferable to include at least one information among the heat treatment range, the structure of the work after heating, the amount of deformation of the work after heating, and the crystal grain size of the work after heating (claim 4).

請求項１又は２に記載の熱処理システムにおいて、高周波電源と、冷却装置を有し、前記加熱コイルは、コアを取り付け可能であり、前記高周波電源は、高周波発振器と、一次側コイルと二次側コイルを備えた変圧器と、コンデンサを備えており、前記冷却装置は、前記誘導加熱部が前記ワークに誘導加熱を行った後に前記ワークにワーク冷却水を噴射して冷却するものであり、前記決定する加熱パラメータは、下記の（１）～（１１）の加熱パラメータのうち少なくとも一つの加熱パラメータを含むことが好ましい（請求項５）。
（１）前記加熱コイルに印加する電圧
（２）前記加熱コイルによる加熱時間
（３）加熱後に前記ワークに前記ワーク冷却水をかけるまでの遅延時間
（４）前記冷却装置による前記ワークの冷却時間
（５）前記ワークの回転数
（６）前記コンデンサの電気容量
（７）前記ワーク冷却水の流量
（８）前記変圧器の一次側コイルと二次側コイルの巻き数比率
（９）前記コアの量
（１０）前記コアの前記加熱コイルへの取付位置
（１１）前記高周波発振器の出力電圧 The heat treatment system according to claim 1 or 2 , having a high frequency power supply and a cooling device, the heating coil can be attached with a core, and the high frequency power supply includes a high frequency oscillator, a primary coil and a secondary side. A transformer provided with a coil and a capacitor are provided, and the cooling device cools the work by injecting work cooling water onto the work after the induction heating unit performs induction heating on the work. The heating parameter to be determined preferably includes at least one heating parameter among the following heating parameters (1) to (11) (claim 5).
(1) Voltage applied to the heating coil (2) Heating time by the heating coil (3) Delay time until the work cooling water is applied to the work after heating (4) Cooling time of the work by the cooling device (4) 5) Number of rotations of the work (6) Electric capacity of the capacitor (7) Flow rate of the work cooling water (8) Ratio of turns between the primary coil and the secondary coil of the transformer (9) Amount of the core (10) Mounting position of the core to the heating coil (11) Output voltage of the high frequency oscillator

上記の熱処理システムにおいて、前記機械学習部は、教師あり学習を行うものであって、過去の加熱パラメータと、当該過去の加熱パラメータで行った過去の加熱前のワークの情報、前記加熱コイルの情報、及び加熱後のワークの情報の関係を教師データとして学習する。 In the above heat treatment system, the machine learning unit performs supervised learning, and includes past heating parameters, information on past work before heating performed with the past heating parameters, and information on the heating coil. , And the relationship of the information of the work after heating is learned as supervised data .

請求項６に記載の発明は、前記機械学習部は、４層以上のニューラルネットワークに則して学習するディープラーニング部であることを特徴とする請求項１乃至５のいずれかに記載の熱処理システムである。 The heat treatment system according to claim 1 , wherein the machine learning unit is a deep learning unit that learns according to a neural network having four or more layers. Is.

本発明の構成によれば、より精度良く最適な加熱パラメータを決定できる。 According to the configuration of the present invention, the optimum heating parameter can be determined more accurately.

本発明の熱処理システムによれば、熟練者でなくても、ワークの形状等に合わせて誘導加熱処理が可能である。 According to the heat treatment system of the present invention, even an unskilled person can perform an induction heat treatment according to the shape of the work or the like.

本発明の第１実施形態の熱処理システムのブロック図である。It is a block diagram of the heat treatment system of 1st Embodiment of this invention. 図１の誘導加熱部の斜視図である。It is a perspective view of the induction heating part of FIG. 図１の加熱コイル周囲の電気回路図である。It is an electric circuit diagram around the heating coil of FIG. 図１のディープラーニング部の説明図であり、（ａ）はニューロンのモデルを示す模式図であり、（ｂ）ニューラルネットワークモデルを示す模式図である。It is explanatory drawing of the deep learning part of FIG. 1, (a) is a schematic diagram which shows the model of a neuron, and (b) is a schematic diagram which shows a neural network model. 本発明の第２実施形態の誘導加熱部の斜視図である。It is a perspective view of the induction heating part of the 2nd Embodiment of this invention. 図５の誘導加熱部における焼入れ時の側面図であり、（ａ）は焼入れ開始時を表し、（ｂ）は焼入れ途中を表し、（ｃ）は焼入れ終了時を表す。It is a side view at the time of quenching in the induction heating part of FIG. 5, (a) shows the time of the start of quenching, (b) shows the middle of quenching, and (c) shows the time of the end of quenching. 本発明の他の実施形態の誘導加熱部の斜視図である。It is a perspective view of the induction heating part of another embodiment of this invention. 本発明の他の実施形態の誘導加熱部の斜視図である。It is a perspective view of the induction heating part of another embodiment of this invention. 本発明の他の実施形態の誘導加熱部の斜視図である。It is a perspective view of the induction heating part of another embodiment of this invention.

以下、本発明の第１実施形態の熱処理システム１について説明する。 Hereinafter, the heat treatment system 1 of the first embodiment of the present invention will be described.

本発明の第１実施形態の熱処理システム１は、主にワーク１００に対して高周波焼き入れを行うものである。熱処理システム１は、ワーク１００に対する加熱機能と冷却機能を備えた高周波焼き入れ装置であるともいえる。
熱処理システム１は、図１のように、誘導加熱部２と、制御部３を備えている。 The heat treatment system 1 of the first embodiment of the present invention mainly performs high frequency quenching on the work 100. It can be said that the heat treatment system 1 is a high-frequency quenching device having a heating function and a cooling function for the work 100.
As shown in FIG. 1, the heat treatment system 1 includes an induction heating unit 2 and a control unit 3.

誘導加熱部２は、図２のように、ワーク１００に対していわゆる固定焼きを行う部位であり、主要構成部材として、図１のように、高周波電源１０と、加熱コイル１１と、コイル移動装置１２と、コイル冷却装置１３と、ワーク冷却装置１４と、ワーク移動装置１５を備えている。 As shown in FIG. 2, the induction heating unit 2 is a portion for performing so-called fixed baking on the work 100, and as the main constituent members, as shown in FIG. 1, a high frequency power supply 10, a heating coil 11, and a coil moving device are used. A 12, coil cooling device 13, a work cooling device 14, and a work moving device 15 are provided.

高周波電源１０は、加熱コイル１１に給電する電源装置であり、図３のように、電源側回路２０と、誘導側回路２１を備えている。
電源側回路２０は、商用電源１０１に電気的に接続される回路であって、電源接続部３０，３１と、高周波発振器３２と、コンデンサ３３と、一次側コイル３４が接続された回路である。
電源接続部３０，３１は、外部の商用電源１０１と接続可能な接続部である。
高周波発振器３２は、電源接続部３０，３１に商用電源１０１を接続した状態において、商用電源１０１から供給される商用電力を所定の周波数の電力に調整するものである。
コンデンサ３３は、力率を改善させるものである。
誘導側回路２１は、二次側コイル３５と、加熱コイル１１が接続された回路である。
二次側コイル３５は、一次側コイル３４とともに変圧器３６を構成している。 The high-frequency power supply 10 is a power supply device that supplies power to the heating coil 11, and includes a power supply side circuit 20 and an induction side circuit 21 as shown in FIG.
The power supply side circuit 20 is a circuit electrically connected to the commercial power supply 101, and is a circuit in which the power supply connection portions 30, 31 and the high frequency oscillator 32, the capacitor 33, and the primary side coil 34 are connected.
The power supply connection units 30 and 31 are connection units that can be connected to an external commercial power supply 101.
The high-frequency oscillator 32 adjusts the commercial power supplied from the commercial power supply 101 to the power of a predetermined frequency in a state where the commercial power supply 101 is connected to the power supply connection units 30 and 31.
The capacitor 33 improves the power factor.
The induction side circuit 21 is a circuit in which the secondary side coil 35 and the heating coil 11 are connected.
The secondary coil 35 constitutes the transformer 36 together with the primary coil 34.

加熱コイル１１は、図２のように、銅又は銅合金等の良導体で構成され、その内部が中空の管状部材であり、一本の管状部材が湾曲され、ワーク１００の外周面に沿った形状となっている。
加熱コイル１１は、その内部に自己の昇温を抑制するコイル冷却液を流通可能となっている。本実施形態の加熱コイル１１は、いわゆる半開放コイルであり、円弧部分４１と直線部分４２を備えている。
円弧部分４１は、ワーク１００の外周面に沿って湾曲した部分であり、直線部分４２は、円弧部分４１から直立し、ワーク１００の軸方向に延びた部分である。
加熱コイル１１は、必要に応じてコア４０を所望の位置に取り付け可能となっており、コア４０をワーク１００の熱処置対象部位以外の部分に取り付けることによって、ワーク１００の熱処理対象部位を集中的に加熱することができる。 As shown in FIG. 2, the heating coil 11 is made of a good conductor such as copper or a copper alloy, and the inside thereof is a hollow tubular member. One tubular member is curved and has a shape along the outer peripheral surface of the work 100. It has become.
The heating coil 11 is capable of circulating a coil coolant that suppresses its own temperature rise inside the heating coil 11. The heating coil 11 of the present embodiment is a so-called semi-open coil, and includes an arc portion 41 and a straight portion 42.
The arc portion 41 is a portion curved along the outer peripheral surface of the work 100, and the straight portion 42 is a portion that stands upright from the arc portion 41 and extends in the axial direction of the work 100.
The heating coil 11 can attach the core 40 to a desired position as needed, and by attaching the core 40 to a portion other than the heat treatment target portion of the work 100, the heat treatment target portion of the work 100 is concentrated. Can be heated to.

コイル移動装置１２は、加熱コイル１１をワーク１００に対して近接・離反させる移動装置である。 The coil moving device 12 is a moving device that moves the heating coil 11 closer to and away from the work 100.

コイル冷却装置１３は、供給源と、循環ポンプを備え、加熱コイル１１の内部にコイル冷却水を供給し、コイル冷却水を循環させて通電中の加熱コイル１１の温度上昇を抑制する装置である。 The coil cooling device 13 includes a supply source and a circulation pump, supplies coil cooling water to the inside of the heating coil 11, circulates the coil cooling water, and suppresses a temperature rise of the heating coil 11 during energization. ..

ワーク冷却装置１４は、ワーク１００を加熱コイル１１で誘導加熱した後にワーク冷却水（いわゆる、焼入れ水）を噴射し、昇温したワーク１００を冷却する装置である。
ワーク冷却装置１４は、図２のように、焼入れ水を噴射する噴射部４５と、ワーク冷却水を噴射部４５に供給する供給源（図示せず）を備えている。
噴射部４５は、冷却時にワーク１００を挟んで加熱コイル１１と対向する位置に配され、供給源から供給されたワーク冷却水をワーク１００に向かって噴射可能となっている。 The work cooling device 14 is a device that cools the heated work 100 by injecting work cooling water (so-called quenching water) after inducing heating the work 100 with the heating coil 11.
As shown in FIG. 2, the work cooling device 14 includes an injection unit 45 for injecting hardened water and a supply source (not shown) for supplying the work cooling water to the injection unit 45.
The injection unit 45 is arranged at a position facing the heating coil 11 with the work 100 sandwiched between them during cooling, and the work cooling water supplied from the supply source can be injected toward the work 100.

ワーク移動装置１５は、ワーク１００を加熱コイル１１に対して近接・離反させる移動装置である。 The work moving device 15 is a moving device that moves the work 100 closer to and away from the heating coil 11.

制御部３は、図１のように、誘導加熱部２の各構成装置１０～１５を制御する部位であり、無線又は有線を介して誘導加熱部２に接続されている。
制御部３は、加熱処理時に誘導加熱部２での各構成装置１０～１５で用いるパラメータである加熱パラメータを設定可能であり、各構成装置１０～１５を加熱パラメータで制御可能となっている。
制御部３は、誘導加熱部２と異なる建屋に設けられていてもよい。この場合、制御部３は、誘導加熱部２とイントラネットやインターネット等のネットワークを介して通信可能に相互接続されていることが好ましい。こうすることで、建屋の異なる複数拠点で誘導加熱部２を一括管理することもできる。 As shown in FIG. 1, the control unit 3 is a portion that controls each of the constituent devices 10 to 15 of the induction heating unit 2, and is connected to the induction heating unit 2 via wireless or wired.
The control unit 3 can set heating parameters that are parameters used by the constituent devices 10 to 15 in the induction heating unit 2 during the heat treatment, and can control each of the constituent devices 10 to 15 with the heating parameters.
The control unit 3 may be provided in a building different from the induction heating unit 2. In this case, it is preferable that the control unit 3 is interconnected with the induction heating unit 2 so as to be communicable via a network such as an intranet or the Internet. By doing so, the induction heating unit 2 can be collectively managed at a plurality of bases having different buildings.

制御部３は、図１のように、主要構成要素として、ディープラーニング部５０（機械学習部）と、データ蓄積部５１（記憶部）と、出力制御部５２と、入力部５３と、表示部５４を備えている。
ディープラーニング部５０は、データ蓄積部５１に蓄積された過去の加熱パラメータ、過去の加熱前のワーク１００の情報、加熱コイル１１の情報、及び加熱後のワーク１００の情報を使用して自ら機械学習をする機能をもち、当該学習に基づいて入力部５３に入力された過去の加熱前のワーク１００の情報、加熱コイル１１の情報、及び加熱後のワーク１００の情報から最適な加熱パラメータを特定し、データ蓄積部５１に記憶可能となっている。 As shown in FIG. 1, the control unit 3 has a deep learning unit 50 (machine learning unit), a data storage unit 51 (storage unit), an output control unit 52, an input unit 53, and a display unit as main components. It is equipped with 54.
The deep learning unit 50 self-learns by using the past heating parameters accumulated in the data storage unit 51, the information of the work 100 before heating in the past, the information of the heating coil 11, and the information of the work 100 after heating. The optimum heating parameter is specified from the information of the work 100 before heating, the information of the heating coil 11, and the information of the work 100 after heating input to the input unit 53 based on the learning. , It can be stored in the data storage unit 51.

本実施形態のディープラーニング部５０は、いわゆる教師あり学習で学習する機能があり、後述するニューラルネットワーク等のアルゴリズムに則して教師あり学習を行うことが可能となっている。
ここで、「教師あり学習」とは、教師データ、すなわち、ある入力と結果のデータの組を大量にディープラーニング部５０に与えることで、それらのデータセットにある特徴を学習し、入力から結果を推定するモデル（誤差モデル）、すなわち、入力と結果の関係性を帰納的に獲得するものである。
すなわち、ディープラーニング部５０は、過去の加熱パラメータと、過去の加熱パラメータに基づいて実施した誘導加熱における過去の加熱前のワーク１００の情報、加熱コイル１１の情報、及び加熱後のワーク１００の情報を紐づけし、加熱パラメータと、過去の加熱前のワーク１００の情報、加熱コイル１１の情報、及び加熱後のワーク１００の情報との相関関係を学習する。そして、入力部５３に過去の加熱前のワーク１００の情報、加熱コイル１１の情報、及び加熱後のワーク１００の情報が入力されると、加熱パラメータとの相関関係に基づいて、最適な加熱パラメータを決定する。
本実施形態のディープラーニング部５０の詳細については、後述する。 The deep learning unit 50 of the present embodiment has a function of learning by so-called supervised learning, and can perform supervised learning according to an algorithm such as a neural network described later.
Here, "supervised learning" means that by giving a large amount of supervised data, that is, a set of input and result data to the deep learning unit 50, the features in those data sets are learned, and the result is obtained from the input. A model for estimating (error model), that is, the relationship between the input and the result is acquired in a recursive manner.
That is, the deep learning unit 50 has information on the past heating parameters, information on the work 100 before the past heating in the induction heating performed based on the past heating parameters, information on the heating coil 11, and information on the work 100 after heating. , And learn the correlation between the heating parameters, the information of the work 100 before heating in the past, the information of the heating coil 11, and the information of the work 100 after heating. Then, when the information of the work 100 before heating, the information of the heating coil 11 and the information of the work 100 after heating are input to the input unit 53, the optimum heating parameter is input based on the correlation with the heating parameter. To determine.
The details of the deep learning unit 50 of this embodiment will be described later.

データ蓄積部５１は、メモリやハードディスク等の記憶装置を備え、過去及び現在の誘導加熱部２での加熱パラメータ、過去及び現在において入力部５３に入力された過去の加熱前のワーク１００の情報、加熱コイル１１の情報、及び加熱後のワーク１００の情報を記憶し、蓄積する部位である。 The data storage unit 51 includes a storage device such as a memory or a hard disk, and includes heating parameters in the past and present induction heating units 2, information on the past work 100 before heating input to the input unit 53 in the past and present. It is a part that stores and accumulates information on the heating coil 11 and information on the work 100 after heating.

出力制御部５２は、誘導加熱部２での各構成装置１０～１５をディープラーニング部５０で抽出した加熱パラメータで制御し、使用した加熱前の加熱パラメータ及び計測した加熱後の加熱パラメータをデータ蓄積部５１に送信する部位である。 The output control unit 52 controls each of the constituent devices 10 to 15 in the induction heating unit 2 with the heating parameters extracted by the deep learning unit 50, and accumulates data of the heating parameters before heating used and the measured heating parameters after heating. It is a part to be transmitted to the part 51.

入力部５３は、作業者が加熱前のワーク１００の情報、加熱コイル１１の情報、及び加熱後のワーク１００の情報を入力する部位である。 The input unit 53 is a portion where the operator inputs information on the work 100 before heating, information on the heating coil 11, and information on the work 100 after heating.

表示部５４は、作業者にコア４０の要否等の構造的な加熱パラメータを表示するものである。
なお、入力部５３と表示部５４は、例えば、タッチパネル等を採用とすることによって一体とすることもできる。 The display unit 54 displays the structural heating parameters such as the necessity of the core 40 to the operator.
The input unit 53 and the display unit 54 can be integrated by adopting, for example, a touch panel or the like.

コア４０は、磁性体であって、図２のように加熱コイル１１の表面に取り付けられ、加熱コイル１１から発生する磁界を集めて特定部位の誘導電流量を増やす部材であり、例えば、フェライトコアである。 The core 40 is a magnetic material, which is attached to the surface of the heating coil 11 as shown in FIG. 2, and is a member that collects a magnetic field generated from the heating coil 11 to increase the amount of induced current at a specific portion. For example, a ferrite core. Is.

ワーク１００は、円柱状の被加熱部位を持つ鋼材であり、本実施形態では、炭素鋼材を採用している。 The work 100 is a steel material having a columnar heated portion, and in the present embodiment, a carbon steel material is adopted.

続いて、本発明の第１実施形態の熱処理システム１を使用してワーク１００に高周波焼入れを行う場合の一例について説明する。 Subsequently, an example of the case where induction hardening is performed on the work 100 using the heat treatment system 1 of the first embodiment of the present invention will be described.

まず、作業者が入力部５３に今回の加熱対象のワーク１００の情報を入力する。具体的には、入力部５３にワーク１００の素材、ワーク１００の形状（例えば、ワーク１００の直径、ワーク１００の外周面積、ワーク１００の体積）、ワーク１００の熱処理範囲、ワーク１００の熱容量を入力する。
また、作業者が入力部５３に今回の焼入れに使用する加熱コイル１１の情報を入力する。具体的には、入力部５３に加熱コイル１１の種類（本実施形態では半開放コイル）、加熱コイル１１の形状（例えば、円弧部分４１の中心角の角度、円弧部分４１の数、円弧部分４１の半径、直線部分４２の長さ）を入力する。
さらに、作業者が入力部５３に今回の加熱により製造するワーク１００の情報を入力する。具体的には、入力部５３にワーク１００の硬度、ワーク１００の熱処理範囲、ワーク１００の熱処理深さ、ワーク１００の組織、ワーク１００の変形量、ワーク１００の結晶粒径を入力する。
上記の作業者による入力部５３への加熱対象のワーク１００の情報、使用する加熱コイル１１の情報、及び加熱により製造するワーク１００の情報の入力順は、特に限定されない。 First, the operator inputs the information of the work 100 to be heated this time into the input unit 53. Specifically, the material of the work 100, the shape of the work 100 (for example, the diameter of the work 100, the outer peripheral area of the work 100, the volume of the work 100), the heat treatment range of the work 100, and the heat capacity of the work 100 are input to the input unit 53. do.
Further, the operator inputs the information of the heating coil 11 used for the quenching this time to the input unit 53. Specifically, the input unit 53 has the type of the heating coil 11 (semi-open coil in this embodiment), the shape of the heating coil 11 (for example, the angle of the central angle of the arc portion 41, the number of the arc portions 41, and the arc portion 41). (Radius of, length of straight line portion 42) is input.
Further, the operator inputs the information of the work 100 manufactured by the heating this time into the input unit 53. Specifically, the hardness of the work 100, the heat treatment range of the work 100, the heat treatment depth of the work 100, the structure of the work 100, the deformation amount of the work 100, and the crystal grain size of the work 100 are input to the input unit 53.
The input order of the information of the work 100 to be heated, the information of the heating coil 11 to be used, and the information of the work 100 manufactured by heating to the input unit 53 by the operator is not particularly limited.

作業者の入力部５３への上記の各種情報の入力が完了すると、ディープラーニング部５０が過去の加熱パラメータと、過去の加熱パラメータで行った過去の加熱前のワーク１００の情報、加熱コイル１１の情報、及び加熱後に得られるワーク１００の情報の関係から、目的に合った加熱パラメータを決定し、加熱パラメータを表示部５４に表示する。
具体的には、ディープラーニング部５０は、下記の（１）～（１１）の加熱パラメータのうち、少なくとも一つの加熱パラメータを決定し、表示部５４に表示する。本実施形態のディープラーニング部５０は、下記の（１）～（１１）の加熱パラメータを全て決定し、表示部５４に表示する。
（１）加熱コイル１１に印加する電圧
（２）加熱コイル１１による加熱時間
（３）加熱後にワーク１００にワーク冷却水をかけるまでの遅延時間
（４）ワーク冷却装置１４によるワーク１００の冷却時間
（５）ワーク１００の回転数
（６）コンデンサ３３の電気容量
（７）ワーク冷却水の流量
（８）変圧器３６の一次側コイル３４と二次側コイル３５の巻き数比率
（９）コア４０の量（コア４０の厚みや重量）
（１０）コア４０の加熱コイル１１への取付位置
（１１）高周波発振器３２の出力電圧 When the input of the above various information to the input unit 53 of the operator is completed, the deep learning unit 50 performs the past heating parameters, the information of the work 100 before the past heating performed by the past heating parameters, and the heating coil 11. A heating parameter suitable for the purpose is determined from the relationship between the information and the information of the work 100 obtained after heating, and the heating parameter is displayed on the display unit 54.
Specifically, the deep learning unit 50 determines at least one heating parameter among the heating parameters (1) to (11) below and displays it on the display unit 54. The deep learning unit 50 of the present embodiment determines all the heating parameters of the following (1) to (11) and displays them on the display unit 54.
(1) Voltage applied to the heating coil 11 (2) Heating time by the heating coil 11 (3) Delay time until the work cooling water is applied to the work 100 after heating (4) Cooling time of the work 100 by the work cooling device 14 ( 5) Rotational speed of the work 100 (6) Electric capacity of the condenser 33 (7) Flow rate of the work cooling water (8) Wind number ratio between the primary side coil 34 and the secondary side coil 35 of the transformer 36 (9) Core 40 Amount (thickness and weight of core 40)
(10) Mounting position of core 40 on heating coil 11 (11) Output voltage of high-frequency oscillator 32

作業者は、表示部５４を見て、各加熱パラメータを確認し、必要に応じてコア４０の設置等を行い、コア４０の設置等が完成すると、焼入れ開始命令を入力部５３に入力する。
入力部５３に焼入れ開始命令が入力されると、ディープラーニング部５０で決定された加熱パラメータに従い、コイル移動装置１２及びワーク移動装置１５により所定の距離になるようにワーク１００と加熱コイル１１を近接させ、その状態で加熱コイル１１に通電し、ワーク１００を誘導加熱し、ワーク冷却装置１４から噴射されるワーク冷却水によって冷却し、焼入れが完了する。
このとき、加熱コイル１１でワーク１００を加熱する際に、ディープラーニング部５０で変圧器３６の一次側コイル３４と二次側コイル３５の巻き数比率の変更が必要とされた場合には、作業者は、加熱途中で変圧器３６の一次側コイル３４と二次側コイル３５の巻き数比率を変更する。 The operator looks at the display unit 54, confirms each heating parameter, installs the core 40 as necessary, and when the installation of the core 40 is completed, inputs a quenching start command to the input unit 53.
When the quenching start command is input to the input unit 53, the work 100 and the heating coil 11 are brought close to each other by the coil moving device 12 and the work moving device 15 so as to be at a predetermined distance according to the heating parameters determined by the deep learning unit 50. In that state, the heating coil 11 is energized, the work 100 is induced and heated, and the work is cooled by the work cooling water jetted from the work cooling device 14, and quenching is completed.
At this time, when the work 100 is heated by the heating coil 11, if the deep learning unit 50 needs to change the winding number ratio between the primary coil 34 and the secondary coil 35 of the transformer 36, the work is performed. The person changes the winding number ratio between the primary coil 34 and the secondary coil 35 of the transformer 36 during heating.

続いて、本実施形態のディープラーニング部５０について説明する。 Subsequently, the deep learning unit 50 of the present embodiment will be described.

本実施形態のディープラーニング部５０は、価値関数の近似アルゴリズムとして、図４（ａ）のようなニューロンモデルを組み込んだニューラルネットワークを実現する演算装置及びメモリ等で構成されている。
すなわち、ニューロンは、図４（ａ）のように、ｍ個の入力ｘ_i（ｉは正の整数）に対する出力ｙを出力するものであり、各ｘ_iには、この入力ｘ_iに対応する重みｗ_iが掛けられ、下記式（１）により表現される出力ｙを出力する。なお、入力ｘ_i、出力ｙ、及び重みｗ_iは全てベクトルである。 The deep learning unit 50 of the present embodiment is composed of an arithmetic unit, a memory, and the like that realize a neural network incorporating a neuron model as shown in FIG. 4A as an approximation algorithm of a value function.
That is, as shown in FIG. 4A, the neuron outputs an output y for m inputs x _i (i is a positive integer), and each x _i corresponds to this input x _i . The weight w _i is multiplied, and the output y expressed by the following equation (1) is output. The input x _i , the output y, and the weight w _i are all vectors.

ここで、ｂはバイアスであり、ｆは活性化関数である。 Here, b is a bias and f is an activation function.

本実施形態のディープラーニング部５０のニューラルネットワークは、入力層６０と、中間層６１と、出力層６２を備え、中間層６１として上記のニューロン（ニューロンＮ１～Ｎｐ）が組み合わせられ、ｐ層（ｐは４以上の正の整数）の厚みを有する深層ニューラルネットワークである。すなわち、中間層６１は、ｐ層の中間層Ｄ１～Ｄｐを有している。
本実施形態のニューラルネットワークは、入力層６０からＳ個の入力Ｘ（Ｘ₁～Ｘ_S：Ｓは、正の整数）が入力され、中間層６１を経て、出力層６２からＴ個の結果Ｙ（Ｙ₁～Ｙ_T：Ｔは、正の整数）が出力される。 The neural network of the deep learning unit 50 of the present embodiment includes an input layer 60, an intermediate layer 61, and an output layer 62, and the above neurons (neurons N1 to Np) are combined as the intermediate layer 61, and the p layer (p). Is a deep neural network with a thickness of 4 or more positive integers). That is, the intermediate layer 61 has intermediate layers D1 to Dp of the p layer.
In the neural network of the present embodiment, S inputs X (X ₁ to XS: _S is a positive integer) are input from the input layer 60, and T results Y from the output layer 62 via the intermediate layer 61. (Y ₁ to Y _T : T is a positive integer) is output.

具体的には、入力層６０の入力Ｘ（Ｘ₁～Ｘ_S）に対して対応する重みＷ１が掛けられて中間層６１の第１中間層Ｄ１の各ニューロンＮ１に入力される。第１中間層Ｄ１のニューロンＮ１は、それぞれ特徴ベクトルＺ１を出力し、特徴ベクトルＺ１は、中間層６１の第２中間層Ｄ２の各ニューロンＮ２に対して、対応する重みＷ２がかけられて入力される。 Specifically, the input X ( _X ₁ to XS) of the input layer 60 is multiplied by the corresponding weight W1 and input to each neuron N1 of the first intermediate layer D1 of the intermediate layer 61. The neuron N1 of the first intermediate layer D1 outputs the feature vector Z1 respectively, and the feature vector Z1 is input by applying the corresponding weight W2 to each neuron N2 of the second intermediate layer D2 of the intermediate layer 61. To.

特徴ベクトルＺ１は、重みＷ１と重みＷ２との間の特徴ベクトルであり、入力ベクトルの特徴量を抽出したベクトルとみなすことができる。
特徴ベクトルＺ１は、中間層６１の第２中間層Ｄ２の各ニューロンＮ２に対して、対応する重みＷ２がかけられて入力される。
第２中間層Ｄ２のニューロンＮ２は、それぞれ特徴ベクトルＺ２を出力し、特徴ベクトルＺ２は、中間層６１の第３中間層Ｄ３の各ニューロンＮ３に対して、対応する重みＷ３がかけられて入力される。
中間層６１の各中間層で上記の処理が繰り返されていき、末端の第Ｐ中間層ＤｐのニューロンＮｐは、それぞれ特徴ベクトルＺｐを出力し、特徴ベクトルＺｐは、出力層６２に出力される。その結果、ニューラルネットワークは、結果Ｙ（Ｙ₁～Ｙ_T）を出力する。
重みＷ１～Ｗｐは、誤差逆伝搬法により学習可能なものである。誤差逆伝搬法は、各ニューロンについて、入力ｘが入力されたときの出力ｙと真の出力ｙ（教師）との差分を小さくするように、それぞれの重みＷを調整（学習）する手法である。 The feature vector Z1 is a feature vector between the weight W1 and the weight W2, and can be regarded as a vector obtained by extracting the feature amount of the input vector.
The feature vector Z1 is input by multiplying each neuron N2 in the second intermediate layer D2 of the intermediate layer 61 by the corresponding weight W2.
The neuron N2 of the second intermediate layer D2 outputs the feature vector Z2, respectively, and the feature vector Z2 is input by applying the corresponding weight W3 to each neuron N3 of the third intermediate layer D3 of the intermediate layer 61. To.
The above processing is repeated in each intermediate layer of the intermediate layer 61, and the neuron Np of the terminal P intermediate layer Dp outputs the feature vector Zp, respectively, and the feature vector Zp is output to the output layer 62. As a result, the neural network outputs the result Y (Y ₁ to Y _T ).
The weights W1 to Wp can be learned by the error back propagation method. The error back propagation method is a method of adjusting (learning) each weight W so as to reduce the difference between the output y when the input x is input and the true output y (teacher) for each neuron. ..

第１実施形態の熱処理システム１によれば、ディープラーニング部５０がワーク１００に合った加熱パラメータを決定するので、たとえ熟練者でなくてもワーク１００を最適条件で焼入れできる。 According to the heat treatment system 1 of the first embodiment, since the deep learning unit 50 determines the heating parameters suitable for the work 100, the work 100 can be quenched under the optimum conditions even if the person is not an expert.

続いて、本発明の第２実施形態の熱処理システム２００について説明する。なお、第１実施形態と同様の構成については同様の付番を用い、説明を省略する。 Subsequently, the heat treatment system 200 of the second embodiment of the present invention will be described. The same numbering will be used for the same configuration as that of the first embodiment, and the description thereof will be omitted.

第２実施形態の熱処理システム２００は、図５のように、誘導加熱部２０１と、制御部３（図１）を備えている。
誘導加熱部２０１は、ワーク１００に対していわゆる移動焼きを行う部位であり、主要構成部材として、高周波電源１０と、加熱コイル２０２と、コイル移動装置１２と、ワーク冷却装置２０３と、ワーク移動装置１５を備えている。
加熱コイル２０２は、加熱コイル１１と同様、一本の管状部材が屈曲、湾曲され、ワーク１００の外周面に沿った形状をしている。
加熱コイル２０２は、円コイルであり、円環部分を備えており、その内側にワーク１００を挿入可能となっている。 The heat treatment system 200 of the second embodiment includes an induction heating unit 201 and a control unit 3 (FIG. 1) as shown in FIG.
The induction heating unit 201 is a portion for performing so-called mobile baking on the work 100, and has a high frequency power supply 10, a heating coil 202, a coil moving device 12, a work cooling device 203, and a work moving device as main components. It is equipped with 15.
Similar to the heating coil 11, the heating coil 202 has one tubular member bent and curved, and has a shape along the outer peripheral surface of the work 100.
The heating coil 202 is a circular coil and includes a circular ring portion, and the work 100 can be inserted inside the circular coil 202.

コイル移動装置１２は、加熱コイル２０２に加えてワーク冷却装置２０３も所望の速度で移動可能となっている。 In the coil moving device 12, in addition to the heating coil 202, the work cooling device 203 can also move at a desired speed.

ワーク冷却装置２０３は、図５のように、加熱コイル２０２とともに移動し、ワーク１００を加熱コイル２０２で誘導加熱した後にワーク冷却水を噴射し、昇温したワーク１００を冷却する装置である。ワーク冷却装置２０３は、ワーク冷却水を噴射する噴射部２０５と、ワーク冷却水を噴射部２０５に供給する供給源２０６を備えている。
ワーク冷却装置２０３は、加熱コイル２０２と所定の間隔を空けて離間している。 As shown in FIG. 5, the work cooling device 203 is a device that moves together with the heating coil 202, induces and heats the work 100 with the heating coil 202, and then injects work cooling water to cool the heated work 100. The work cooling device 203 includes an injection unit 205 for injecting the work cooling water and a supply source 206 for supplying the work cooling water to the injection unit 205.
The work cooling device 203 is separated from the heating coil 202 at a predetermined distance.

加熱コイル２０２及びワーク冷却装置２０３は、ともにコイル移動装置１２によって、ワーク１００に対する位置合わせのための移動と、移動焼きのための移動が可能となっている。 Both the heating coil 202 and the work cooling device 203 can be moved for alignment with respect to the work 100 and for moving baking by the coil moving device 12.

続いて、本発明の第２実施形態の熱処理システム２００を使用してワーク１００に高周波焼入れを行う場合の一例について説明する。 Subsequently, an example of the case where induction hardening is performed on the work 100 using the heat treatment system 200 of the second embodiment of the present invention will be described.

まず、作業者が入力部５３に今回の加熱対象のワーク１００の情報を入力する。具体的には、入力部５３にワーク１００の素材、ワーク１００の形状（例えば、ワーク１００の直径、ワーク１００の外周面積、ワーク１００の体積）、ワーク１００の熱容量を入力する。
また、作業者が入力部５３に今回の焼入れに使用する加熱コイル２０２の情報を入力する。具体的には、入力部５３に加熱コイル２０２の種類（本実施形態では円コイル）、加熱コイル２０２の形状（例えば、直径やワーク１００との対向面の面積、断面積など）を入力する。
さらに、作業者が入力部５３に今回の加熱により製造するワーク１００の情報を入力する。具体的には、入力部５３に加熱後のワーク１００の硬度、図６に示されるワーク１００の熱処理範囲Ｃ（熱処理を施す範囲）、ワーク１００の熱処理深さ、変態後のワーク１００の組織、ワーク１００の変形量、ワーク１００の結晶粒径を入力する。 First, the operator inputs the information of the work 100 to be heated this time into the input unit 53. Specifically, the material of the work 100, the shape of the work 100 (for example, the diameter of the work 100, the outer peripheral area of the work 100, the volume of the work 100), and the heat capacity of the work 100 are input to the input unit 53.
Further, the operator inputs the information of the heating coil 202 used for the current quenching to the input unit 53. Specifically, the type of the heating coil 202 (circular coil in this embodiment) and the shape of the heating coil 202 (for example, the diameter, the area of the surface facing the work 100, the cross-sectional area, etc.) are input to the input unit 53.
Further, the operator inputs the information of the work 100 manufactured by the heating this time into the input unit 53. Specifically, the hardness of the work 100 after heating to the input unit 53, the heat treatment range C (heat treatment range) of the work 100 shown in FIG. 6, the heat treatment depth of the work 100, and the structure of the work 100 after transformation. The amount of deformation of the work 100 and the crystal grain size of the work 100 are input.

作業者の入力部５３への各種情報の入力が完了すると、ディープラーニング部５０が過去の加熱パラメータと、過去の加熱パラメータで行った過去の加熱前のワーク１００の情報、加熱コイル２０２の情報、及び加熱後に得られるワーク１００の情報の関係から、目的に合った加熱パラメータを決定し、加熱パラメータを表示部５４に表示する。
具体的には、ディープラーニング部５０は、下記の（１）～（１７）の加熱パラメータのうち、少なくとも一つの加熱パラメータを決定し、表示部５４に表示する。本実施形態のディープラーニング部５０は、少なくとも下記の（１）～（１１）の加熱パラメータを全て決定し、表示部５４に表示する。ディープラーニング部５０は、下記の（１）～（１７）の加熱パラメータを全て決定し、表示部５４に表示することが好ましい。
（１）加熱コイル２０２に印加する電圧
（２）加熱コイル２０２による加熱時間
（３）加熱後にワーク１００にワーク冷却水をかけるまでの遅延時間
（４）ワーク冷却装置２０３によるワーク１００の冷却時間
（５）ワーク１００の回転数
（６）コンデンサ３３の電気容量
（７）ワーク冷却水の流量
（８）変圧器３６の一次側コイル３４と二次側コイル３５の巻き数比率
（９）コア４０の量（コア４０の厚みや重さ）
（１０）コア４０の加熱コイル２０２への取付位置
（１１）高周波発振器３２の出力電圧
（１２）図６に示される加熱コイル２０２によるワーク１００の加熱開始位置Ａ１
（１３）加熱コイル２０２によるワーク１００の加熱終了位置Ａ２
（１４）ワーク冷却装置２０３によるワーク１００の冷却開始位置Ｂ１
（１５）ワーク冷却装置２０３によるワーク１００の冷却終了位置Ｂ２
（１６）ワーク１００に対する加熱コイル２０２の相対的な移動速度
（１７）ワーク１００に対するワーク冷却装置２０３の相対的な移動速度 When the input of various information to the input unit 53 of the operator is completed, the deep learning unit 50 performs the past heating parameters, the information of the work 100 before the past heating performed by the past heating parameters, the information of the heating coil 202, and the information of the heating coil 202. The heating parameter suitable for the purpose is determined from the relationship of the information of the work 100 obtained after heating, and the heating parameter is displayed on the display unit 54.
Specifically, the deep learning unit 50 determines at least one heating parameter among the following heating parameters (1) to (17) and displays it on the display unit 54. The deep learning unit 50 of the present embodiment determines at least all the heating parameters of the following (1) to (11) and displays them on the display unit 54. It is preferable that the deep learning unit 50 determines all the heating parameters (1) to (17) below and displays them on the display unit 54.
(1) Voltage applied to the heating coil 202 (2) Heating time by the heating coil 202 (3) Delay time until the work cooling water is applied to the work 100 after heating (4) Cooling time of the work 100 by the work cooling device 203 ( 5) Rotational speed of the work 100 (6) Electric capacity of the condenser 33 (7) Flow rate of the work cooling water (8) Wind number ratio between the primary side coil 34 and the secondary side coil 35 of the transformer 36 (9) Core 40 Amount (thickness and weight of core 40)
(10) Mounting position of core 40 on heating coil 202 (11) Output voltage of high-frequency oscillator 32 (12) Heating start position A1 of work 100 by heating coil 202 shown in FIG.
(13) Heating end position A2 of the work 100 by the heating coil 202
(14) Cooling start position B1 of the work 100 by the work cooling device 203
(15) Cooling end position B2 of the work 100 by the work cooling device 203
(16) Relative moving speed of the heating coil 202 with respect to the work 100 (17) Relative moving speed of the work cooling device 203 with respect to the work 100

作業者は、表示部５４を見て、各加熱パラメータを確認し、必要に応じてコア４０の設置等を行い、コア４０の設置等が完成すると、焼入れ開始命令を入力部５３に入力する。
入力部５３に焼入れ開始命令が入力されると、ディープラーニング部５０で決定された加熱パラメータに従い、コイル移動装置１２及びワーク移動装置１５により所定の距離になるようにワーク１００と加熱コイル２０２を近接させ、その状態で加熱コイル２０２に通電し、ワーク１００を誘導加熱し、コイル移動装置１２により加熱コイル２０２及びワーク冷却装置２０３を移動させながら、ワーク冷却装置２０３から噴射されるワーク冷却水によって冷却し、焼入れが完了する。 The operator looks at the display unit 54, confirms each heating parameter, installs the core 40 as necessary, and when the installation of the core 40 is completed, inputs a quenching start command to the input unit 53.
When the quenching start command is input to the input unit 53, the work 100 and the heating coil 202 are brought close to each other by the coil moving device 12 and the work moving device 15 so as to be at a predetermined distance according to the heating parameters determined by the deep learning unit 50. In that state, the heating coil 202 is energized to induce and heat the work 100, and the work cooling device 203 is cooled by the work cooling water while the heating coil 202 and the work cooling device 203 are moved by the coil moving device 12. And the quenching is completed.

第２実施形態の熱処理システム２００によれば、長尺状のワーク１００であっても最適条件で容易に焼入れできる。 According to the heat treatment system 200 of the second embodiment, even a long work 100 can be easily quenched under optimum conditions.

上記した第１実施形態では、加熱コイル１１は半開放コイルであったが、本発明はこれに限定されるものではない。加熱コイル１１は図７のような円形コイルなどの他の形状のコイルであってもよい。同様、上記した第２実施形態では、加熱コイル２０２は円形コイルであったが、本発明はこれに限定されるものではない。加熱コイル２０２は半開放コイルなどの他の形状のコイルであってもよい。また、図８のようにエッジのあるワーク１００の場合には、エッジに沿う形状の加熱コイル２０２を使用してもよい。 In the first embodiment described above, the heating coil 11 is a semi-open coil, but the present invention is not limited thereto. The heating coil 11 may be a coil having another shape such as a circular coil as shown in FIG. 7. Similarly, in the second embodiment described above, the heating coil 202 is a circular coil, but the present invention is not limited thereto. The heating coil 202 may be a coil having another shape such as a semi-open coil. Further, in the case of the work 100 having an edge as shown in FIG. 8, a heating coil 202 having a shape along the edge may be used.

上記した第２実施形態では、加熱コイル２０２及びワーク冷却装置２０３がワーク１００に対して移動して熱処理するものであったが、本発明はこれに限定されるものではない。ワーク１００が加熱コイル２０２及びワーク冷却装置２０３に対して移動して熱処理を行うものでもよい。 In the second embodiment described above, the heating coil 202 and the work cooling device 203 move with respect to the work 100 to perform heat treatment, but the present invention is not limited thereto. The work 100 may move to the heating coil 202 and the work cooling device 203 to perform heat treatment.

上記した実施形態では、円柱状のワーク１００の外周面に加熱コイル１１（２０２）を対向させて焼入れする場合について説明したが、本発明はワーク１００の外周面に焼入れする場合に限定されるものではない。ワーク１００が中空状であって、その内周面を焼入れする場合には、図９のようにワーク１００の内部に加熱コイル１１（２０２）を挿入して焼入れしてもよい。 In the above-described embodiment, the case where the heating coil 11 (202) is opposed to the outer peripheral surface of the columnar work 100 and quenched has been described, but the present invention is limited to the case where the outer peripheral surface of the work 100 is quenched. is not. When the work 100 is hollow and the inner peripheral surface thereof is quenched, the heating coil 11 (202) may be inserted into the work 100 and quenched as shown in FIG.

上記した実施形態では、円柱状のワーク１００を焼入れする場合に説明したが、本発明はこれに限定されるものではない。ワーク１００の形状は特に限定されない。円筒状や多角柱状であってもよいし、クランクシャフト等の円柱状の部位をもつ複雑な構造のものであってもよい。 In the above-described embodiment, the case where the columnar work 100 is quenched has been described, but the present invention is not limited thereto. The shape of the work 100 is not particularly limited. It may be cylindrical or polygonal columnar, or it may have a complicated structure having a columnar portion such as a crankshaft.

上記した実施形態では、誘導加熱部２は、高周波誘導加熱を行うものであったが、本発明は高周波に限定されるものではない。誘導加熱が可能であれば、高周波よりも低い周波数で誘導加熱を行ってもよい。 In the above-described embodiment, the induction heating unit 2 performs high frequency induction heating, but the present invention is not limited to high frequency. If induction heating is possible, induction heating may be performed at a frequency lower than a high frequency.

上記した実施形態では、ディープラーニング部５０は、教師あり学習を行うものであったが、本発明はこれに限定されるものではない。一部のみ入力と出力のデータの組が存在し、それ以外は入力のみのデータで機械学習を行う半教師あり学習を行うものであってもよい。また、教師あり学習に加えて、教師なし学習や強化学習を行うものであってもよい。 In the above-described embodiment, the deep learning unit 50 performs supervised learning, but the present invention is not limited to this. There may be a set of input and output data only for a part, and semi-supervised learning for machine learning with the other data only for input. In addition to supervised learning, unsupervised learning and reinforcement learning may be performed.

上記した実施形態では、機械学習部として４層以上の深層ニューラルネットワークのアルゴリズムに則して学習するディープラーニング部５０の場合について説明したが、本発明は、これに限定されるものではない。３層以下のニューラルネットワークのアルゴリズムに則して学習するものであってもよい。 In the above-described embodiment, the case of the deep learning unit 50 that learns according to the algorithm of a deep neural network having four or more layers as the machine learning unit has been described, but the present invention is not limited thereto. Learning may be performed according to an algorithm of a neural network having three or less layers.

１，２００熱処理システム
２，２０１誘導加熱部
３制御部
１１，２０２加熱コイル
４０コア
５０ディープラーニング部（機械学習部）
５１データ蓄積部（記憶部）
５２出力制御部
５３入力部
１００ワーク 1,200 Heat treatment system 2,201 Induction heating unit 3 Control unit 11,202 Heating coil 40 core 50 Deep learning unit (machine learning unit)
51 Data storage unit (storage unit)
52 Output control unit 53 Input unit 100 Work

Claims

It has an induction heating unit and a control unit.
The induction heating unit can be attached with a heating coil, and the induction heating is performed on the work by the heating coil.
The control unit has an input unit, a storage unit, and a machine learning unit, and can set heating parameters used for induction heating in the induction heating unit.
The storage unit associates the past heating parameters with the information of the work before the past heating in the induction heating performed based on the past heating parameters, the information of the heating coil, and the information of the work after heating. It ’s something to remember,
The machine learning unit performs supervised learning, and includes past heating parameters, information on past work before heating performed with the past heating parameters, information on the heating coil, and work after heating. It learns the relationship of the information of the above as supervised data.
When the information of the work before heating, the information of the heating coil, and the information of the work after heating are input to the input unit, the machine learning unit inputs the information of the work before heating based on the learning . Information, past heating parameters stored in the storage unit from information on the heating coil, and information on the work after heating, information on the work before past heating performed with the past heating parameters, and information on the heating coil. , And a heat treatment system characterized in that a heating parameter is determined based on the information of the work after heating, and the induction heating unit performs induction heating on the work based on the heating parameter.

The first aspect of claim 1 is that the information of the work before heating input to the input unit includes at least one information among the shape of the work, the heat treatment range of the work, the heat capacity of the work, and the material of the work. Heat treatment system.

The heating coil can be fitted with a core and has a core attached.
The information of the heating coil is characterized in that it includes at least one information of the shape of the heating coil, the weight of the attached core, the material of the attached core, and the attachment position of the attached core. 2. The heat treatment system according to 2.

The information of the work after heating input to the input unit is the hardness of the work after heating, the heat treatment depth of the work after heating, the heat treatment range of the work after heating, the structure of the work after heating, and the work after heating. The heat treatment system according to any one of claims 1 to 3, wherein the heat treatment system includes at least one piece of information regarding the amount of deformation and the crystal grain size of the work after heating.

It has a high frequency power supply and a cooling device,
The heating coil can be fitted with a core and has a core attached.
The high frequency power supply includes a high frequency oscillator, a transformer having a primary coil and a secondary coil, and a capacitor.
The cooling device is for cooling the work by injecting work cooling water onto the work after the induction heating unit performs induction heating on the work.
The heat treatment system according to claim 1 or 2 , wherein the heating parameter to be determined includes at least one heating parameter among the heating parameters (1) to (11) below.
(1) Voltage applied to the heating coil (2) Heating time by the heating coil (3) Delay time until the work cooling water is applied to the work after heating (4) Cooling time of the work by the cooling device (4) 5) Number of rotations of the work (6) Electric capacity of the capacitor (7) Flow rate of the work cooling water (8) Ratio of turns between the primary coil and the secondary coil of the transformer (9) Amount of the core (10) Mounting position of the core to the heating coil (11) Output voltage of the high frequency oscillator

The heat treatment system according to any one of claims 1 to 5 , wherein the machine learning unit is a deep learning unit that learns according to a neural network having four or more layers.