JP7311376B2 - 逆回転条件推定装置、逆回転条件推定方法及び射出成形機 - Google Patents

逆回転条件推定装置、逆回転条件推定方法及び射出成形機 Download PDF

Info

Publication number
JP7311376B2
JP7311376B2 JP2019177164A JP2019177164A JP7311376B2 JP 7311376 B2 JP7311376 B2 JP 7311376B2 JP 2019177164 A JP2019177164 A JP 2019177164A JP 2019177164 A JP2019177164 A JP 2019177164A JP 7311376 B2 JP7311376 B2 JP 7311376B2
Authority
JP
Japan
Prior art keywords
reverse rotation
rotation condition
screw
series data
unit
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
JP2019177164A
Other languages
English (en)
Other versions
JP2021053843A (ja
Inventor
淳史 堀内
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Original Assignee
Fanuc Corp
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 Fanuc Corp filed Critical Fanuc Corp
Priority to JP2019177164A priority Critical patent/JP7311376B2/ja
Priority to US17/026,001 priority patent/US20210094212A1/en
Priority to DE102020125013.4A priority patent/DE102020125013A1/de
Priority to CN202011031786.5A priority patent/CN112571744A/zh
Publication of JP2021053843A publication Critical patent/JP2021053843A/ja
Application granted granted Critical
Publication of JP7311376B2 publication Critical patent/JP7311376B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C45/77—Measuring, controlling or regulating of velocity or pressure of moulding material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76003—Measured parameter
    • B29C2945/76006—Pressure
    • B29C2945/7601—Pressure derivative, change thereof
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76003—Measured parameter
    • B29C2945/76066—Time
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76177—Location of measurement
    • B29C2945/7618—Injection unit
    • B29C2945/76187—Injection unit screw
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76494—Controlled parameter
    • B29C2945/76498—Pressure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76494—Controlled parameter
    • B29C2945/76595—Velocity
    • B29C2945/76605—Velocity rotational movement
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76655—Location of control
    • B29C2945/76658—Injection unit
    • B29C2945/76665—Injection unit screw
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76939—Using stored or historical data sets
    • B29C2945/76949—Using stored or historical data sets using a learning system, i.e. the system accumulates experience from previous occurrences, e.g. adaptive control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76989—Extrapolating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Description

本発明は、逆回転条件推定装置、逆回転条件推定方法及び射出成形機に関する。
特許文献１には、計量によって所定の射出材料が計量されたら、スクリュの回転を停止し、スクリュの軸方向の位置を維持した状態でスクリュを逆回転することが開示されている。特許文献１では、逆流防止リングの閉鎖ストロークに該当する射出材料の体積と同等の体積が逆流するのに要する回転角度を算出し、算出した当該回転角度をスクリュが逆回転する際の回転角度とすることにより、計量のばらつきを低減する。
特開２０１４－５８０６６号公報
しかしながら、特許文献１に記載された射出成形機では、スクリュを逆回転させる際の回転量を必ずしも適切に設定し得ない。例えば、シリンダの外部からシリンダの内部にノズルを介してエアが入り込んだ場合には、良好な成形品が得られない場合がある。
本発明の目的は、射出成形機のスクリュの逆回転条件を良好に推定し得る逆回転条件推定装置、逆回転条件推定方法及び射出成形機を提供することにある。
本発明の一態様による逆回転条件推定装置は、樹脂を入れるシリンダと、前記シリンダ内で進退及び回転するスクリュとを備え、前記スクリュを順回転させながら所定の計量位置まで後退させることで前記シリンダ内の前記樹脂を溶融しつつ計量する計量工程と、予め決定された逆回転条件に基づいて前記スクリュを逆回転させることで前記樹脂の圧力を下げる減圧工程とを少なくとも実行する射出成形機の前記逆回転条件を推定する逆回転条件推定装置であって、前記逆回転条件を推定するための学習モデルを記憶する学習モデル記憶部と、少なくとも減圧工程の際に前記射出成形機から供給される所定の時系列データを取得する取得部と、前記取得部によって取得された前記所定の時系列データと、前記学習モデル記憶部に記憶された前記学習モデルとを用いて、前記逆回転条件を推定する推定部と、を備える。
本発明の他の態様による射出成形機は、上記のような逆回転条件推定装置を備える。
本発明の更に他の態様による逆回転条件推定方法は、樹脂を入れるシリンダと、前記シリンダ内で進退及び回転するスクリュとを備え、前記スクリュを順回転させながら所定の計量位置まで後退させることで前記シリンダ内の前記樹脂を溶融しつつ計量する計量工程と、予め決定された逆回転条件に基づいて前記スクリュを逆回転させることで前記樹脂の圧力を下げる減圧工程とを少なくとも実行する射出成形機の前記逆回転条件を推定する逆回転条件推定方法であって、少なくとも減圧工程の際に前記射出成形機から供給される所定の時系列データを取得する取得ステップと、前記取得ステップにおいて取得された前記所定の時系列データと、前記逆回転条件を推定するための学習モデルとを用いて、前記逆回転条件を推定するステップと、を有する。
本発明によれば、射出成形機のスクリュの逆回転条件を良好に推定し得る逆回転条件推定装置、逆回転条件推定方法及び射出成形機を提供することができる。
一実施形態による逆回転条件推定装置を示すブロック図である。 一実施形態による射出成形機を示す側面図である。 一実施形態による射出成形機に備えられた射出ユニットを示す概略図である。 一実施形態による射出成形機に備えられた制御装置を示すブロック図である。 一実施形態による逆回転条件推定装置（学習モード）を示すブロック図である。 図６Ａ～図６Ｃは、機械学習を行う際に設定される逆回転条件の例を示す表である。 一実施形態による逆回転条件推定装置（推定モード）を示すブロック図である。 図８Ａ～図８Ｃは、テーブルの例を示す図である。 表示部における表示の例を示す図である。 一実施形態による逆回転条件推定装置（学習モード）の動作の例を示すフローチャートである。 一実施形態による射出成形機の動作の例を示すフローチャートである。 一実施形態による逆回転条件推定装置（推定モード）の動作の例を示すフローチャートである。 一実施形態による射出成形機の動作の例を示すフローチャートである。 図１４Ａ～図１４Ｅは、一実施形態による射出成形機の動作の例を示すタイミングチャートである。
本発明による逆回転条件推定装置、逆回転条件推定方法及び射出成形機について、好適な実施形態を挙げ、添付の図面を参照して以下に詳細に説明する。
［一実施形態］
一実施形態による逆回転条件推定装置、逆回転条件推定方法及び射出成形機について図１～図１４Ｅを用いて説明する。図１は、本実施形態による逆回転条件推定装置を示すブロック図である。
図１に示すように、逆回転条件推定装置１００は、ネットワーク１０７を介して、複数の射出成形機１０と接続され得る。なお、ここでは、逆回転条件推定装置１００と射出成形機１０とが別個に設けられている場合を例に説明するが、これに限定されるものではない。逆回転条件推定装置１００が射出成形機１０に組み込まれていてもよい。
逆回転条件推定装置１００には、演算部１１１が備えられている。演算部１１１は、逆回転条件推定装置１００の全体の制御を司る。演算部１１１としては、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサを用い得るが、これに限定されるものではない。演算部１１１は、インターフェース１１６及びネットワーク１０７を介して、複数の射出成形機１０と通信し得る。
逆回転条件推定装置１００には、記憶部１１５が備えられている。記憶部１１５には、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１１２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１１３と、不揮発性メモリ１１４とが備えられている。不揮発性メモリ１１４としては、例えばフラッシュメモリが用いられ得る。
演算部１１１は、ＲＯＭ１１２に格納されたシステムプログラム等を、バス１２０を介して読み出し得る。演算部１１１は、当該システムプログラム等に従って逆回転条件推定装置１００の全体の制御を司る。ＲＡＭ１１３には、一時的な計算データ、表示データ等が格納され得る。
不揮発性メモリ１１４には、ネットワーク１０７等を介して射出成形機１０から供給されるデータ等が記憶され得る。また、不揮発性メモリ１１４には、逆回転条件推定装置１００を動作させるためのプログラム等が記憶され得る。また、不揮発性メモリ１１４には、後述する操作部１７１を用いてユーザ等によって入力されるデータ等が記憶され得る。不揮発性メモリ１１４に記憶されたプログラム、データ等は、実行時又は利用時にＲＡＭ１１３に展開されてもよい。
逆回転条件推定装置１００には、表示部１７０が接続され得る。逆回転条件推定装置１００には、表示制御部１１７が更に備えられている。表示制御部１１７は、数値データ、図形データ等のデジタル信号を表示用のラスタ信号等に変換し、当該ラスタ信号等を表示部１７０に出力し得る。表示部１７０は、表示制御部１１７から供給されるラスタ信号等に基づいて、数値、図形等を表示し得る。表示制御部１１７は、後述する推定部２２０によって推定された逆回転条件を表示部１７０に表示し得る。表示部１７０は、例えば、液晶ディスプレイ等によって構成され得るが、これに限定されるものではない。
逆回転条件推定装置１００には、操作部１７１が接続され得る。操作部１７１は、例えば、キーボード、マウス等によって構成され得るが、これに限定されるものではない。表示部１７０の画面に備えられた不図示のタッチパネルによって、操作部１７１が構成されるようにしてもよい。ユーザは、操作部１７１を介して逆回転条件推定装置１００に対して指示を与え得る。操作部１７１を操作することによって与えられる指示等は、インターフェース１１８を介して逆回転条件推定装置１００に入力される。
逆回転条件推定装置１００は、インターフェース１１６及びネットワーク１０７を介して、管理装置３００と通信し得る。
逆回転条件推定装置１００には、機械学習装置２００が更に備えられている。機械学習装置２００には、演算部２０１が備えられている。演算部２０１は、機械学習装置２００の全体の制御を司る。演算部２０１は、例えばＣＰＵ等のプロセッサによって構成され得るが、これに限定されるものではない。例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等によって演算部２０１が構成されるようにしてもよい。機械学習装置２００に備えられたバス２４０は、上述した演算部１１１に接続されたバス１２０に、インターフェース１２１を介して接続されている。
機械学習装置２００には、記憶部２０５が更に備えられている。記憶部２０５は、ＲＯＭ２０２と、ＲＡＭ２０３と、不揮発性メモリ２０４とが備えられている。不揮発性メモリ２０４としては、例えばフラッシュメモリが用いられ得る。
演算部２０１は、ＲＯＭ２０２に格納されたシステムプログラム等を、バス２４０を介して読み出し得る。ＲＡＭ２０３には、機械学習における一時的なデータ等が記憶され得る。不揮発性メモリ２０４には、学習モデル２３５（図５参照）等が記憶され得る。
機械学習装置２００には、複数の射出成形機１０からそれぞれ供給されるデータ等が、インターフェース１１６、１２１を介して入力され得る。複数の射出成形機１０からそれぞれ機械学習装置２００に供給されるデータ等には、後述する所定の時系列データが含まれている。機械学習装置２００は、インターフェース１１６、１２１及びネットワーク１０７を介して、複数の射出成形機１０の各々に逆回転条件を出力し得る。ある射出成形機１０において最適な逆回転条件が、他の射出成形機１０においても最適であるとは限らない。従って、機械学習装置２００は、複数の射出成形機１０の各々において最適な逆回転条件をそれぞれ別個に推定し得る。逆回転条件は、スクリュ２８の回転量、スクリュ２８の回転加速度、スクリュ２８の回転速度、及び、スクリュ２８の回転時間のうちの少なくともいずれかを指定する。
図２は、本実施形態による射出成形機を示す側面図である。説明の便宜上、図２における紙面左側を前方向とし、図２における紙面右側を後方向とする。
図２に示すように、射出成形機１０には、開閉可能な金型１２が備えられた型締めユニット１４と、型締めユニット１４に対して前後方向に対向する射出ユニット１６とが備えられている。型締めユニット１４と射出ユニット１６とは、機台１８によって支持されている。射出成形機１０には、射出ユニット１６を制御する制御装置２０が更に備えられている。
型締めユニット１４と機台１８とは、既知の技術に基づいて構成され得る。従って、以下においては、型締めユニット１４と機台１８とに関する説明を適宜省略する。
射出ユニット１６は、ベース２２によって支持されている。ベース２２は、機台１８に設置されたガイドレール２４によって前後方向に進退可能に支持されている。このため、射出ユニット１６は、機台１８上において前後方向に進退可能となっており、型締めユニット１４に対して離接可能となっている。
図３は、本実施形態による射出成形機に備えられた射出ユニットを示す概略図である。
射出ユニット１６には、筒状の加熱シリンダ（シリンダ）２６が備えられている。シリンダ２６内には、スクリュ２８が備えられている。スクリュ２８には、第１駆動装置３２と、第２駆動装置３４とが接続されている。
シリンダ２６の軸線と、スクリュ２８の軸線とは、仮想線Ｌにおいて一致している。このような方式は、インライン（インラインスクリュ）方式と称される。インライン方式が適用された射出成形機は、インライン式射出成形機と称される。
インライン式射出成形機の利点としては、例えば、他方式の射出成形機と比較して射出ユニット１６の構造がシンプルである点、メンテナンス性に優れる点等が挙げられる。他方式の射出成形機は、例えばプリプラ方式の射出成形機である。
図３に示すように、シリンダ２６の後方向側には、ホッパ３６が備えられている。ホッパ３６には、シリンダ２６に成形材料の樹脂を供給するための供給口が備えられている。シリンダ２６を加熱するヒータ３８が、シリンダ２６に沿うように備えられている。シリンダ２６の前方向側の先端には、ノズル４０が備えられている。ノズル４０には、シリンダ２６内の樹脂を射出するための射出口が備えられている。
スクリュ２８には、らせん状のフライト部４２が前後方向に亘って備えられている。フライト部４２は、シリンダ２６の内壁と相俟って、らせん状の流路４４を構成する。らせん状の流路４４は、ホッパ３６からシリンダ２６に供給される樹脂を前方向側に導く。
スクリュ２８の前方向側の先端部には、スクリュヘッド４６が備えられている。スクリュ２８には、チェックシート４８が更に備えられている。チェックシート４８は、スクリュヘッド４６に対して後方向に距離をおいて設けられている。スクリュ２８には、逆流防止リング５０が更に備えられている。逆流防止リング５０は、スクリュヘッド４６とチェックシート４８との間で前後に移動可能である。
逆流防止リング５０は、当該逆流防止リング５０の後方向側に位置する樹脂から前方向の圧力を受けるとスクリュ２８に対して相対的に前方向に移動する。また、逆流防止リング５０は、当該逆流防止リング５０の前方向側に位置する樹脂から後方向の圧力を受けるとスクリュ２８に対して相対的に後方向に移動する。
後述する計量においては、ホッパ３６からシリンダ２６の供給口に供給された樹脂がスクリュ２８の順方向への回転によって流路４４に沿って溶融しつつ前方向へ圧送される。このため、逆流防止リング５０の前方向側の圧力よりも逆流防止リング５０の後方向側の圧力の方が大きくなる。そうすると、逆流防止リング５０がスクリュ２８に対して相対的に前方向に移動し、当該移動に伴って流路４４が徐々に開放される。これにより、樹脂は、流路４４に沿ってチェックシート４８よりも前方向側に流動可能となる。
後述する射出においては、逆流防止リング５０の後方向側の圧力よりも逆流防止リング５０の前方向側の圧力の方が大きくなる。そうすると、逆流防止リング５０がスクリュ２８に対して相対的に後方向に移動し、当該移動に伴って流路４４が徐々に閉鎖される。逆流防止リング５０がチェックシート４８まで後退すると、逆流防止リング５０の前後を樹脂が最も流れにくい状態となり、チェックシート４８よりも前方向側の樹脂がチェックシート４８よりも後方向側に逆流することが抑制される。
スクリュ２８には、圧力センサ３０が備えられている。圧力センサ３０は、シリンダ２６内の樹脂に掛かる圧力を逐次検出する。圧力センサ３０としては、例えばロードセル等を用い得るが、これに限定されるものではない。シリンダ２６内の樹脂に掛かる圧力は、背圧、又は、樹脂の圧力とも称される。
第１駆動装置３２は、スクリュ２８をシリンダ２６内において回転させ得る。第１駆動装置３２には、サーボモータ（原動機）５２ａが備えられている。第１駆動装置３２には、サーボモータ５２ａの回転軸と一体的に回転する駆動プーリ５４ａが更に備えられている。第１駆動装置３２には、スクリュ２８と一体的に設けられた従動プーリ５６が更に備えられている。第１駆動装置３２には、駆動プーリ５４ａから従動プーリ５６にサーボモータ５２ａの回転力を伝達するベルト部材５８ａが更に備えられている。
サーボモータ５２ａの回転軸が回転すると、サーボモータ５２ａの回転力が駆動プーリ５４ａ、ベルト部材５８ａ、及び、従動プーリ５６を介して、スクリュ２８に伝達される。これにより、スクリュ２８が回転する。
このように、第１駆動装置３２は、サーボモータ５２ａの回転軸を回転させることによって、スクリュ２８を回転させ得る。なお、サーボモータ５２ａの回転軸の回転方向を変更することによって、スクリュ２８の回転方向を順回転と逆回転とに切り替え得る。
サーボモータ５２ａには、センサ６０ａが設けられている。センサ６０ａは、サーボモータ５２ａの回転軸の回転位置と回転速度とを検出し得る。このようなセンサ６０ａは、位置／速度センサと称される。センサ６０ａは、検出結果を制御装置２０に供給する。制御装置２０は、センサ６０ａによって検出された回転位置及び回転速度に基づいて、スクリュ２８の回転量、回転加速度、回転速度等を算出し得る。
第２駆動装置３４は、スクリュ２８を進退させ得る。第２駆動装置３４には、サーボモータ（原動機）５２ｂが備えられている。なお、原動機一般について説明する際には、符号５２を用い、個々の原動機について説明する際には、符号５２ａ、５２ｂを用いる。第２駆動装置３４には、サーボモータ５２ｂの回転軸と一体的に回転する駆動プーリ５４ｂが更に備えられている。第２駆動装置３４には、ボールネジ６１が更に備えられている。ボールネジ６１の軸線とスクリュ２８の軸線とは、仮想線Ｌにおいて一致している。第２駆動装置３４には、ボールネジ６１に固定された従動プーリ６２が更に備えられている。第２駆動装置３４には、駆動プーリ５４ｂから従動プーリ６２にサーボモータ５２ｂの回転力を伝達するベルト部材５８ｂが更に備えられている。第２駆動装置３４には、ボールネジ６１に螺合するナット６３が更に備えられている。
ボールネジ６１は、ベルト部材５８ｂから回転力が伝達されると、当該回転力を直動運動に変換してスクリュ２８に伝達する。これにより、スクリュ２８が進退する。
このように、第２駆動装置３４は、サーボモータ５２ｂの回転軸を回転させることによって、スクリュ２８を進退させ得る。なお、サーボモータ５２ｂの回転軸の回転方向を変更することにより、スクリュ２８の進退方向を前進と後退とに切り替え得る。
サーボモータ５２ｂには、センサ６０ｂが備えられている。センサ６０ｂとしては、上述したセンサ６０ａと同様のセンサを用い得るが、これに限定されるものではない。制御装置２０は、センサ６０ｂによって検出された回転位置及び回転速度に基づいて、スクリュ２８の前後方向における前進位置、後退位置等を算出し得る。また、制御装置２０は、センサ６０ｂによって検出された回転位置及び回転速度に基づいて、スクリュ２８の前進速度、後退速度等を算出し得る。
ホッパ３６を通じてシリンダ２６内に樹脂を導入しつつスクリュ２８を順回転させると、流路４４に沿って、樹脂が次第に前方向に圧送される。この際、樹脂は、ヒータ３８による加熱とスクリュ２８の回転とによって溶融（可塑化）する。溶融した樹脂は、シリンダ２６内の領域のうちのチェックシート４８に対して前方向側に位置する領域に溜まる。シリンダ２６内の領域のうちのチェックシート４８に対して前方向側の領域は、計量領域と称される。
スクリュ２８の順回転は、スクリュ２８がシリンダ２６内を前進しきった状態（計量領域の容積が最小の状態）から開始され、スクリュ２８が所定の位置（計量位置）に後退するまで行われる。スクリュ２８の後退は、背圧を所定値（計量圧力）Ｐ１に維持しながら行われる。即ち、樹脂に加わる背圧が計量圧力Ｐ１となるように、圧力センサ３０によって検出された圧力に基づいてサーボモータ５２ｂをフィードバック制御（背圧制御）しながら、スクリュ２８の後退動作が行われる。このような工程は、計量（計量工程）と称される。計量工程においては、上述したように、スクリュ２８を順回転させながら所定の計量位置まで後退させることでシリンダ２６内の樹脂を溶融しつつ計量が行われる。
計量中の背圧を計量圧力Ｐ１に維持するようにスクリュ２８の後退を制御しながらスクリュ２８を後退させてスクリュ２８の位置を計量位置に設定することで、計量領域の容積と樹脂の密度とを、計量の度にほぼ一定にし得る。
但し、スクリュ２８を回転させるサーボモータ５２ａ、サーボモータ５２ａの回転力を伝達する駆動プーリ５４ａ、ベルト部材５８ａ、及び、従動プーリ５６には、イナーシャが生ずる。このため、スクリュ２８の回転を停止させようとしても、当該イナーシャの影響により、スクリュ２８の回転を瞬時に停止させることはできない。このため、スクリュ２８が計量位置に到達してからスクリュ２８の順回転が停止するまでには、タイムラグが生ずる。当該タイムラグの間においても、後方向から前方向に樹脂の圧送が継続される。更に、スクリュ２８の順回転が停止した後においても、溶融した樹脂の粘性抵抗の影響により、樹脂の後方向から前方向への流れは瞬時には停止せず、暫くの間は樹脂の圧送が継続される。以上の要因から、計量領域に溜められる樹脂の量は、実際には、良好な成形に必要な樹脂の量（適正量）よりも多くなる傾向がある。計量領域に溜められる樹脂の量が適正量より多くなることは、製造される成形品の質量がばらつく成形不良の要因となり得る。
スクリュ２８が計量位置に到達すると、スクリュ２８の回転が徐々に遅くなり、スクリュ２８の順回転が停止する。スクリュ２８の順回転が停止した後には、スクリュ２８の逆回転が行われる。スクリュ２８を逆回転させるのは、背圧を低下させるためである。このような工程は、減圧（減圧工程）と称される。減圧工程の終了時には、背圧がゼロ（目標圧力Ｐ０）の近傍となるようにすることが好ましい。減圧工程においては、上述したように、予め決定された逆回転条件に基づいてスクリュ２８を逆回転させることで樹脂の圧力を低下させる。
減圧が過多である場合には、ノズル４０からシリンダ２６内に空気が引き込まれ、シリンダ２６内の樹脂に気泡が混入する。過多な減圧は、例えば、スクリュ２８の逆回転等における減圧量が過多である場合に生じ得る。より具体的には、スクリュ２８を逆回転させる際の回転量が過多である場合等に過多な減圧が生じ得る。また、過多な減圧は、減圧の勢いが過多である場合にも生じ得る。例えば、スクリュ２８の回転速度が速すぎる場合等に過多な減圧が生じ得る。気泡が混入した樹脂を用いて成形すると、成形により得られる成形品の質量にばらつきが生じ、外観不良、品質不良等の要因となる。
減圧が不十分である場合には、ノズル４０の先端から溶融した樹脂が漏れるドローリングと称される現象が生ずる。従って、減圧は、シリンダ２６内に溜められた樹脂に気泡が混入することを防止しつつ、ドローリングをも防止するように実行されることが理想的である。
計量工程と減圧工程とを経た後には、シリンダ２６内の計量領域に溜められた樹脂を金型１２内のキャビティに充填すべく、金型１２とノズル４０とを圧接（ノズルタッチ）した状態でスクリュ２８を前進させる。これにより、ノズル４０の先端から金型１２に向けて溶融した樹脂が射出される。この一連の工程は、射出（射出工程）と称される。樹脂の射出が行われた後には、型締めユニット１４において金型１２を開く型開き（型開き工程）と称される工程を行うことにより、キャビティ内に充填された樹脂が成形品として金型１２から取り出される。型開き工程を経た後には、次の成形に備えて、型締めユニット１４において金型１２を閉じる型閉じ（型閉じ工程）と称される工程が行われる。
このように、計量工程、減圧工程、射出工程、型開き工程、型閉じ工程が上記のような順序で行われる。このような一連の流れは、成形サイクルと称される。射出成形機１０は、成形サイクルを繰り返し実行することによって、成形品を量産し得る。
制御装置２０は、成形サイクルに含まれる複数の工程のうちの少なくとも減圧工程を実行し得る。
図４は、本実施形態による射出成形機に備えられた制御装置を示すブロック図である。
制御装置２０には、演算部７０と、記憶部６４とが備えられている。演算部７０は、例えば、ＣＰＵ等のプロセッサによって構成され得るが、これに限定されるものではない。記憶部６４には、不図示のＲＡＭと、不図示のＲＯＭと、不図示の不揮発性メモリとを含む。不揮発性メモリとしては、例えばフラッシュメモリ等が挙げられる。ＲＡＭには、データ等が一時的に記憶され得る。ＲＯＭ、不揮発性メモリ等には、プログラム、テーブル、データ等が記憶され得る。
演算部７０には、時系列データ取得部７２と、計量制御部７４と、逆回転制御部７６と、逆回転条件取得部７８と、制御部８０と、表示制御部８４とが備えられている。時系列データ取得部７２と、計量制御部７４と、逆回転制御部７６と、逆回転条件取得部７８と、制御部８０と、表示制御部８４とは、記憶部６４に記憶されているプログラムが演算部７０によって実行されることによって実現され得る。
記憶部６４には、射出ユニット１６を制御するための所定の制御プログラムが予め記憶され得る。また、記憶部６４には、当該制御プログラムが実行されている際、様々な情報が適宜記憶され得る。記憶部６４には、時系列データ記憶部９２と、計量条件記憶部９４と、逆回転条件記憶部９６とが備えられている。
制御装置２０には、表示部（表示装置）６６と、操作部（入力装置）６８とが接続され得る。
表示部６６は、例えば液晶ディスプレイ等によって構成され得るが、これに限定されるものではない。表示部６６には、様々な情報が表示され得る。例えば、逆回転条件等が表示部６６に表示され得る。
操作部６８は、例えばキーボード、マウス等によって構成され得るが、これに限定されるものではない。表示部６６の画面に備えられた不図示のタッチパネルによって、操作部６８が構成されるようにしてもよい。ユーザは、操作部６８を介して射出成形機１０に対して指示を与え得る。
計量制御部７４は、計量条件に基づいて上述したような計量を行う。計量条件は、計量中のスクリュ２８の順回転速度（計量回転速度）、計量圧力Ｐ１等を指定する。計量条件は、計量条件記憶部９４に予め記憶されている。なお、計量条件が、操作部６８を介してオペレータによって指示されるようにしてもよい。
計量制御部７４は、スクリュ２８が計量位置に到達するまでの間、スクリュ２８を順回転させつつ、スクリュ２８を後退させる。この際、計量制御部７４は、第１駆動装置３２を制御することによって、計量回転速度でスクリュ２８を順回転させる。また、この際、計量制御部７４は、第２駆動装置３４を制御することによって、背圧が計量圧力Ｐ１となるようにスクリュ２８の後退速度と位置とを制御する。スクリュ２８が計量位置まで到達すると、計量制御部７４は、スクリュ２８の順回転及び後退を停止させるとともに、逆回転制御部７６を呼び出す。上述したように、スクリュ２８が計量位置に到達してからスクリュ２８の順回転及び後退が停止するまでにはタイムラグがある。
逆回転制御部７６は、スクリュ２８の順回転が停止した後、逆回転条件に基づいてスクリュ２８を逆回転させる。逆回転条件は、スクリュ２８の逆回転について、スクリュ２８の回転量（回転角度）、スクリュ２８の回転加速度、スクリュ２８の回転速度、及び、スクリュ２８の回転時間のうちの少なくとも１つを指定する。逆回転制御部７６は、逆回転条件記憶部９６に予め記憶された逆回転条件に基づいてスクリュ２８を逆回転させる。
スクリュ２８を逆回転させると、チェックシート４８より後方側の樹脂は、らせん状の流路４４に沿ってチェックシート４８からホッパ３６側に向かって計量時とは逆方向に掻き出される。これにより、チェックシート４８より後方側の樹脂の圧力が低下する。また、スクリュ２８の逆回転を開始した時点においては、逆流防止リング５０がスクリュヘッド４６側に位置しているため、流路４４が開放されている。従って、計量領域に溜まった樹脂は、スクリュ２８の逆回転を継続することにより、逆流防止リング５０を通過して前方向から後方向に移動（逆流）する。この結果、計量領域の樹脂に付与される圧力が緩和され、背圧が低下する。即ち、逆回転制御部７６は、樹脂の逆流を引き起こすことで計量領域に溜まった樹脂量を減少させるのみならず、背圧をも低下させる。逆回転制御部７６は、スクリュ２８の逆回転をこのようにして行った後、スクリュ２８の逆回転を停止させる。
時系列データ取得部７２は、所定の時系列データを取得し得る。所定の時系列データには、射出成形機１０を駆動する原動機５２の電流が含まれ得る。また、所定の時系列データには、原動機５２の電圧が含まれ得る。また、所定の時系列データには、原動機５２のトルクが含まれ得る。また、所定の時系列データには、原動機５２の回転量が含まれ得る。また、所定の時系列データには、原動機５２の回転加速度が含まれ得る。また、所定の時系列データには、原動機５２の回転速度が含まれ得る。また、所定の時系列データには、原動機５２の回転時間が含まれ得る。また、所定の時系列データには、樹脂の圧力が含まれ得る。また、所定の時系列データには、樹脂の温度が含まれ得る。また、所定の時系列データには、樹脂の流量が含まれ得る。また、所定の時系列データには、樹脂の流速が含まれ得る。なお、所定の時系列データは、これらの全てを含むことを要しない。所定の時系列データには、これらのうちの少なくともいずれかが含まれ得る。時系列データ取得部７２は、取得した所定の時系列データを時系列データ記憶部９２に記憶する。ここでは、時系列データ取得部７２が、樹脂の圧力の時系列データと、スクリュ２８を回転させるサーボモータ５２ａの回転速度の時系列データとを取得する場合を例として説明する。なお、スクリュ２８はサーボモータ５２ａによって回転されるため、スクリュ２８の回転速度は、サーボモータ５２ａの回転速度に応じた回転速度である。時系列データ取得部７２は、圧力センサ３０を用いて取得された樹脂の圧力の時系列データと、センサ６０ａを用いて取得されたサーボモータ５２ａの回転速度の時系列データとを、時系列データ記憶部９２に記憶する。
制御部８０は、時系列データ取得部７２によって取得された所定の時系列データを、時系列データ記憶部９２から読み出す。制御部８０は、時系列データ記憶部９２から読み出した所定の時系列データを、ネットワーク１０７を介して逆回転条件推定装置１００に供給する。
逆回転条件取得部７８は、逆回転条件推定装置１００から供給される逆回転条件を取得する。具体的には、射出成形機１０に備えられた制御装置２０から逆回転条件推定装置１００に供給される所定の時系列データに基づいて、逆回転条件推定装置１００が逆回転条件を推定する。続いて、逆回転条件推定装置１００は、推定した逆回転条件を射出成形機１０に供給する。このように、逆回転条件取得部７８は、逆回転条件推定装置１００から供給される逆回転条件を取得する。
制御部８０は、逆回転条件取得部７８によって取得された逆回転条件と、逆回転条件記憶部９６に記憶された逆回転条件とが異なる場合、以下のような処理を行い得る。即ち、制御部８０は、逆回転条件取得部７８によって取得された逆回転条件によって、逆回転条件記憶部９６に記憶された逆回転条件を更新する。逆回転条件記憶部９６に記憶された逆回転条件が更新された後においては、逆回転制御部７６は、更新された逆回転条件に基づいて逆回転を実行する。即ち、次回の射出成形の際には、逆回転制御部７６は、更新された逆回転条件に基づいて逆回転を実行する。このように、制御部８０は、今回の射出成形の際に逆回転条件推定装置１００によって推定された逆回転条件を、次回の射出成形における逆回転条件として逆回転条件記憶部９６に記憶する。
図５は、本実施形態による逆回転条件推定装置を示すブロック図である。図５には、本実施形態による逆回転条件推定装置１００が学習モードで動作する場合の例が示されている。
図５に示すように、逆回転条件推定装置１００には、取得部１１０が備えられている。取得部１１０には、データ取得部１３０と、取得データ記憶部１５０と、学習データ抽出部１３２と、前処理部１３４とが備えられている。データ取得部１３０と、学習データ抽出部１３２と、前処理部１３４とは、記憶部１１５（図１参照）に記憶されているプログラムが演算部１１１（図１参照）によって実行されることによって実現され得る。取得データ記憶部１５０は、記憶部１１５によって構成され得る。
データ取得部１３０は、射出成形機１０からネットワーク１０７を介して供給されるデータを取得し得る。射出成形機１０から供給されるデータには、上述した所定の時系列データが含まれている。データ取得部１３０は、射出成形機１０から供給されたデータを取得データ記憶部１５０に記憶する。
学習データ抽出部１３２は、取得データ記憶部１５０に記憶されたデータのうちから所定の時系列データを抽出する。学習データ抽出部１３２は、少なくとも減圧工程の際に射出成形機１０から供給された所定の時系列データを抽出する。学習データ抽出部１３２は、抽出した所定の時系列データを前処理部１３４に供給する。
前処理部１３４は、学習データ抽出部１３２によって抽出された所定の時系列データに対して所定の前処理を行う。前処理部１３４は、前処理を施した学習データを機械学習装置２００に供給する。
機械学習装置２００には、学習部２１０と、学習モデル記憶部２３０とが備えられている。学習部２１０は、記憶部２０５（図１参照）に記憶されているプログラムが演算部２０１（図１参照）によって実行されることによって実現され得る。学習モデル記憶部２３０は、記憶部２０５によって構成され得る。
学習部２１０は、取得部１１０によって取得される所定の時系列データを用いた機械学習によって学習モデル２３５を生成又は更新する。学習モデル２３５は、逆回転条件を推定するための学習モデルである。学習モデル２３５は、所定の時系列データが入力された際に当該所定の時系列データに対応するラベルを出力し得る。学習部２１０は、例えば教師あり学習によって学習モデル２３５を生成又は更新し得るが、これに限定されるものではない。ここでは、教師あり学習によって学習モデル２３５が生成される場合を例に説明する。学習部２１０は、既存の機械学習のアルゴリズムを用いて学習モデル２３５を生成する。機械学習のアルゴリズムとしては、ｍｕｌｔｉｌａｙｅｒ ｐｅｒｃｅｐｔｒｏｎ法、ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ法、ｌｏｎｇ ｓｈｏｒｔ－ｔｅｒｍ ｍｅｍｏｒｙ法、ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ法等を用い得る。学習モデル２３５は、以下のようにして生成され得る。
図６Ａ～図６Ｃは、機械学習を行う際に設定される逆回転条件の例を示す表である。ここでは、逆回転条件が、スクリュ２８の回転角度と、スクリュ２８の回転速度とを指定する場合を例として説明する。また、ここでは、良好に射出成形が行われる目安となるスクリュ２８の回転角度が９０度であり、良好に射出成形が行われる目安となるスクリュ２８の回転速度が１００ｍｉｎ-1である場合の例が示されている。図６Ａには、減圧工程が終了する際の樹脂の圧力の目標値を０．０ＭＰａとする場合の例が示されている。図６Ｂには、減圧工程が終了する際の樹脂の圧力の目標値を０．１ＭＰａとする場合の例が示されている。図６Ｃには、減圧工程が終了する際の樹脂の圧力の目標値を０．２ＭＰａとする場合の例が示されている。減圧工程が終了する際の樹脂の圧力の目標値は０．３ＭＰａ以上にも適宜設定され得るが、ここでは、図示を簡略化するため、減圧工程が終了する際の樹脂の圧力の目標値を０．０、０．１、０．２ＭＰａとする場合の例が図示されている。
機械学習の際には、減圧工程が終了する際の樹脂の圧力の目標値を以下のように適宜変更しつつ、逆回転条件を以下のように適宜変更し、取得される時系列データを以下のようにしてラベルに関連付ける。
例えば、図６Ａに示すように、まず、減圧工程が終了する際の樹脂の圧力の目標値を０．０ＭＰａとする。そして、射出成形機１０における逆回転条件を、例えば以下のように設定する。即ち、スクリュ２８の回転角度を９０度とし、スクリュ２８の回転速度を１００ｍｉｎ-1とする。そして、このように逆回転条件が設定された状態で、射出成形機１０が射出成形を所定回数実行する。これにより、所定の時系列データが所定回数分取得される。こうして得られた所定回数分の時系列データのうちから、ラベルＡに関連付けられるべき少なくとも１つの時系列データが選択される。ラベルＡに関連付けられるべき時系列データの選択は、例えば、操作部１７１を用いてユーザ等によって行われ得るが、これに限定されるものではない。ラベルＡに関連付けられるべき時系列データは、例えば、回転角度の補正量が０度となり、回転速度の補正量が０ｍｉｎ-1となるような時系列データである。なお、ラベルＡと補正量との関係は、後述するテーブル２５５（図８Ａ参照）に示されている。こうして得られた所定回数分の時系列データのうちの複数の時系列データがラベルＡに関連付けられることが好ましい。
次に、射出成形機１０における逆回転条件を、例えば以下のように変更する。即ち、スクリュ２８の回転角度を９１度とする。スクリュ２８の回転速度については、１００ｍｉｎ-1のままとする。そして、このように逆回転条件が設定された状態で、射出成形機１０が射出成形を所定回数実行する。これにより、所定の時系列データが所定回数分取得される。こうして得られた所定回数分の時系列データのうちから、ラベルＡＰ１に関連付けられるべき少なくとも１つの時系列データが決定される。ラベルＡＰ１に関連付けられるべき時系列データは、例えば、回転角度の補正量が－１度となり、回転速度の補正量が０ｍｉｎ-1となるような時系列データである。なお、ラベルＡＰ１と補正量との関係は、後述するテーブル２５５（図８Ａ参照）に示されている。こうして得られた所定回数分の時系列データのうちの複数の時系列データがラベルＡＰ１に関連付けられることが好ましい。
この後、上記と同様にして、スクリュ２８の回転角度が１度ずつ増加され、所定回数分の所定の時系列データがそれぞれ取得される。そして、上記と同様にして、時系列データがラベルＡＰ２～ＡＰ９にそれぞれ関連付けられる。
次に、射出成形機１０における逆回転条件を、例えば以下のように変更する。即ち、スクリュ２８の回転角度を８９度とする。スクリュ２８の回転速度については、１００ｍｉｎ-1のままとする。そして、所定回数分の所定の時系列データが取得される。そして、上記と同様にして、時系列データがラベルＡＭ１に関連付けられる。
この後、上記と同様にして、スクリュ２８の回転角度が１度ずつ減少され、所定回数分の所定の時系列データがそれぞれ取得される。そして、上記と同様にして、時系列データがラベルＡＭ２～ＡＭ９にそれぞれ関連付けられる。
次に、射出成形機１０における逆回転条件を、例えば以下のように設定する。即ち、スクリュ２８の回転角度を９０度とし、スクリュ２８の回転速度を１００ｍｉｎ-1とする。そして、このように逆回転条件が設定された状態で、射出成形機１０が射出成形を所定回数実行する。これにより、所定の時系列データが所定回数分取得される。こうして得られた所定回数分の時系列データのうちの少なくとも１つの時系列データがラベルＢに関連付けられる。こうして得られた所定回数分の時系列データのうちの複数の時系列データがラベルＢに関連付けられることが好ましい。
次に、射出成形機１０における逆回転条件を、例えば以下のように変更する。即ち、スクリュ２８の回転速度を１０１ｍｉｎ-1とする。スクリュ２８の回転角度については、９０度のままとする。そして、このように逆回転条件が設定された状態で、射出成形機１０が射出成形を所定回数実行する。これにより、所定の時系列データが所定回数分取得される。こうして得られた所定回数分の時系列データのうちの少なくとも１つの時系列データがラベルＢＰ１に関連付けられる。こうして得られた所定回数分の時系列データのうちの複数の時系列データがラベルＢＰ１に関連付けられることが好ましい。
この後、上記と同様にして、スクリュ２８の回転速度が１ｍｉｎ-1ずつ増加され、所定回数分の所定の時系列データがそれぞれ取得される。そして、上記と同様にして、時系列データがラベルＢＰ２～ＢＰ９にそれぞれ関連付けられる。
次に、射出成形機１０における逆回転条件を、例えば以下のように変更する。即ち、スクリュ２８の回転速度を９９ｍｉｎ-1とする。スクリュ２８の回転角度については、９０度のままとする。そして、所定回数分の所定の時系列データが取得される。そして、上記と同様にして、時系列データがラベルＢＭ１に関連付けられる。
この後、上記と同様にして、スクリュ２８の回転速度が１ｍｉｎ-1ずつ減少され、所定回数分の所定の時系列データがそれぞれ取得される。そして、上記と同様にして、時系列データがラベルＢＭ２～ＢＭ９にそれぞれ関連付けられる。
この後、図６Ｂに示すように、減圧工程が終了する際の樹脂の圧力の目標値を０．１ＭＰａとし、上記と同様に逆回転条件を変更し、上記と同様にして取得される時系列データをラベルＣＰ９～ＣＭ９、ＤＰ９～ＤＭ９にそれぞれ関連付ける。
この後、図６Ｃに示すように、減圧工程が終了する際の樹脂の圧力の目標値を０．２ＭＰａとし、上記と同様に逆回転条件を変更し、上記と同様にして取得される時系列データをラベルＥＰ９～ＥＭ９、ＦＰ９～ＦＭ９にそれぞれ関連付ける。
この後、減圧工程が終了する際の樹脂の圧力の目標値を更に適宜変更し、上記と同様に逆回転条件を適宜変更し、上記と同様にして取得される時系列データをラベルにそれぞれ関連付ける。
こうして、所定の時系列データにラベルをそれぞれ関連付けることによって学習モデル２３５が生成される。学習モデル２３５は、所定の時系列データが入力された際に当該所定の時系列データに対応するラベルを出力し得る。学習部２１０は、上記のようにして生成された学習モデル２３５を、上記と同様にして更新することも可能である。
図７は、本実施形態による逆回転条件推定装置を示すブロック図である。図７には、本実施形態による逆回転条件推定装置１００が推定モードで動作する場合の例が示されている。
図７に示すように、逆回転条件推定装置１００には、図５を用いて上述した逆回転条件推定装置１００と同様に、取得部１１０が備えられている。取得部１１０には、データ取得部１３０と、取得データ記憶部１５０と、状態データ抽出部１３３と、前処理部１３４とが備えられている。データ取得部１３０と、状態データ抽出部１３３と、前処理部１３４とは、記憶部１１５（図１参照）に記憶されているプログラムが演算部１１１（図１参照）によって実行されることによって実現され得る。取得データ記憶部１５０は、記憶部１１５によって構成され得る。
データ取得部１３０は、射出成形機１０からネットワーク１０７を介して供給されるデータを取得し得る。射出成形機１０から供給されるデータには、上述した所定の時系列データが含まれている。データ取得部１３０は、射出成形機１０から供給されたデータを取得データ記憶部１５０に記憶する。
状態データ抽出部１３３は、取得データ記憶部１５０に記憶されたデータのうちから所定の時系列データを抽出する。状態データ抽出部１３３は、少なくとも減圧工程の際に射出成形機１０から供給された所定の時系列データを抽出する。状態データ抽出部１３３は、抽出した所定の時系列データを前処理部１３４に供給する。
前処理部１３４は、状態データ抽出部１３３によって抽出された所定の時系列データに対して所定の前処理を行う。前処理部１３４は、前処理を施した状態データを機械学習装置２００に供給する。
機械学習装置２００には、学習モデル記憶部２３０と、テーブル記憶部２５０と、推定部２２０とが備えられている。推定部２２０は、記憶部２０５（図１参照）に記憶されているプログラムが演算部２０１（図１参照）によって実行されることによって実現され得る。学習モデル記憶部２３０と、テーブル記憶部２５０とは、記憶部２０５によって構成され得る。
学習モデル記憶部２３０には、学習部２１０によって生成又は更新された学習モデル２３５が記憶されている。
テーブル記憶部２５０には、テーブル２５５が記憶されている。推定部２２０は、テーブル２５５を参照し得る。図８Ａ～図８Ｃは、テーブルの例を示す図である。テーブル２５５には、ラベルに対応する補正量が示されている。図８Ａには、減圧工程が終了する際の樹脂の圧力の目標値を０．０ＭＰａとした場合に用いられるテーブル２５５が示されている。図８Ｂには、減圧工程が終了する際の樹脂の圧力の目標値を０．１ＭＰａとした場合に用いられるテーブル２５５が示されている。図８Ｃには、減圧工程が終了する際の樹脂の圧力の目標値を０．２ＭＰａとした場合に用いられるテーブル２５５が示されている。ここでは、図示を簡略化するため、減圧工程が終了する際の樹脂の圧力の目標値を０．０、０．１、０．２ＭＰａとした場合に用いられるテーブル２５５の例が図示されている。減圧工程が終了する際の樹脂の圧力の目標値を０．３ＭＰａ以上とした場合のテーブル２５５が、テーブル記憶部２５０に更に記憶されていてもよい。
推定部２２０は、学習モデル２３５と、テーブル２５５とに基づいて逆回転条件を推定し得る。より具体的には、推定部２２０は、取得部１１０から供給される状態データ、即ち、所定の時系列データを、学習モデル２３５に入力する。学習モデル２３５に所定の時系列データを入力すると、当該所定の時系列データに応じたラベルが学習モデル２３５から出力される。推定部２２０は、学習モデル２３５から出力されたラベルに応じた補正量をテーブル２５５に基づいて取得する。後述するように、所定の時系列データが射出成形機１０から逆回転条件推定装置１００に供給される際、当該時系列データが取得された際の逆回転条件も射出成形機１０から逆回転条件推定装置１００に更に供給される。推定部２２０は、射出成形機１０から供給された逆回転条件を上記のようにして取得された補正量によって補正する。このような補正によって得られた逆回転条件は、当該射出成形機１０における次回の射出成形の際の逆回転条件とされる。こうして、逆回転条件の推定が推定部２２０によって行われ得る。このように、推定部２２０は、取得部１１０によって取得された所定の時系列データと、学習モデル記憶部２３０に記憶された学習モデル２３５とを用いて、逆回転条件を推定し得る。
機械学習装置２００は、推定部２２０によって推定された逆回転条件を、ネットワーク１０７を介して射出成形機１０に供給する。こうして射出成形機１０に供給される逆回転条件は、上述したように、当該射出成形機１０における次回の射出成形の逆回転条件とされる。
表示制御部１１７（図１参照）は、様々な情報を表示部１７０に表示させ得る。例えば、表示制御部１１７は、機械学習装置２００によって推定された逆回転条件を表示部１７０に表示させ得る。図９は、表示部における表示の例を示す図である。図９には、推定された逆回転条件が表示部１７０に表示される場合の例が示されている。図９に示すように、例えば、逆回転角度、即ち、スクリュ２８を逆回転させる際の回転量が、表示部１７０に表示され得る。また、例えば、逆回転速度、即ち、スクリュ２８を逆回転させる際の回転速度が、表示部１７０に表示され得る。また、例えば、逆回転時間、即ち、スクリュ２８を逆回転させる時間が、表示部１７０に表示され得る。
本実施形態による逆回転条件推定装置の動作の例について図１０を用いて説明する。図１０は、本実施形態による逆回転条件推定装置の動作の例を示すフローチャートである。学習モードでの動作の例が図１０には示されている。
ステップＳ１において、取得部１１０は、射出成形機１０から供給される所定回数分の所定の時系列データを取得する。こうして取得される所定回数分の所定の時系列データ、即ち、所定回数分の学習データは、機械学習装置２００に供給される。表示制御部１１７は、射出成形機１０から機械学習装置２００に供給された所定回数分の所定の時系列データを表示部１７０に表示する。この後、ステップＳ２に遷移する。
ステップＳ２において、学習部２１０は、取得部１１０から供給された所定の時系列データを、学習モデル２３５に入力する。この後、ステップＳ３に遷移する。
ステップＳ３において、所定の時系列データに対してラベルが付与される。所定回数分の時系列データのうちから、所定のラベルに関連付けられるべき少なくとも１つの時系列データが選択される。ラベルに関連付けられるべき時系列データの選択は、例えば、操作部１７１を用いてユーザ等によって行われ得るが、これに限定されるものではない。こうして、所定の時系列データに対してラベルが関連付けられる。この後、ステップＳ４に遷移する。
ステップＳ４において、学習部２１０は、学習モデル２３５の生成又は更新を行う。学習モデル２３５は、上述したように、所定の時系列データが入力された際に当該所定の時系列データに対応するラベルを出力し得るものである。この後、ステップＳ５に遷移する。
ステップＳ５において、学習部２１０は、学習モデルの生成又は更新が完了したか否かを判定する。学習モデルの生成又は更新が完了していない場合（ステップＳ５においてＮＯ）、ステップＳ１以降の処理が繰り返される。学習モデルの生成又は更新が完了した場合（ステップＳ５においてＹＥＳ）、図１０に示す処理が完了する。
本実施形態による射出成形機の動作の例について図１１を用いて説明する。図１１は、本実施形態による射出成形機の動作の例を示すフローチャートである。ステップＳ１１～Ｓ１５によって計量工程が構成される。ステップＳ１６～Ｓ１７によって減圧工程が構成される。ここでは、減圧工程の時系列データが時系列データ取得部７２によって取得される場合を例に説明する。
ステップＳ１１において、計量制御部７４は、計量条件に基づいて、スクリュ２８を順回転させる。計量条件は、計量条件記憶部９４から読み出され得る。この後、ステップＳ１２に遷移する。
ステップＳ１２において、計量制御部７４は、樹脂の圧力を計量圧力Ｐ１に維持しながらスクリュ２８を後退させる。この後、ステップＳ１３に遷移する。
ステップＳ１３において、計量制御部７４は、スクリュ２８の前後方向における位置を取得する。この後、ステップＳ１４に遷移する。
ステップＳ１４において、スクリュ２８が計量位置に到達したか否かを判定する。スクリュ２８が計量位置に到達した場合（ステップＳ１４においてＹＥＳ）、ステップＳ１５に遷移する。スクリュ２８が計量位置に到達していない場合（ステップＳ１４においてＮＯ）、ステップＳ１３及びＳ１４が繰り返される。
ステップＳ１５において、計量制御部７４は、スクリュ２８の順回転と後退とが停止するように制御する。上述したように、スクリュ２８の順回転を停止させようとしても、イナーシャの影響により、スクリュ２８を瞬時に停止させることはできない。このため、スクリュ２８の順回転と後退とを停止させるように計量制御部７４が制御を開始してからスクリュ２８の順回転と後退とが停止するまでには、タイムラグが生ずる。スクリュ２８が計量位置に到達すると、時系列データ取得部７２は、時系列データの取得を開始する。なお、ここでは、スクリュ２８が計量位置に到達した際に、時系列データの取得が開始される場合を例に説明するが、スクリュ２８が計量位置に到達する前に時系列データの取得が開始されるようにしてもよい。時系列データ取得部７２は、取得した時系列データを時系列データ記憶部９２に順次記憶していく。この後、ステップＳ１６に遷移する。
ステップＳ１６において、スクリュ２８の順回転と後退とが停止する。この後、ステップＳ１７に遷移する。
ステップＳ１７において、逆回転制御部７６は、逆回転条件に基づいて、スクリュ２８を逆回転させる。逆回転条件は、逆回転条件記憶部９６から読み出され得る。この後、ステップＳ１８に遷移する。
ステップＳ１８において、制御部８０は、時系列データ記憶部９２に記憶された時系列データを、時系列データ記憶部９２から読み出す。そして、制御部８０は、読み出した時系列データを、ネットワーク１０７を介して逆回転条件推定装置１００に供給する。制御部８０は、所定の時系列データを逆回転条件推定装置１００に供給する際、以下のような情報も逆回転条件推定装置１００に供給する。即ち、制御部８０は、当該射出成形機１０を識別するＩＤを逆回転条件推定装置１００に更に供給する。また、制御部８０は、当該時系列データが取得された際の逆回転条件を逆回転条件推定装置１００に更に供給する。こうして、図１１に示す処理が完了する。
本実施形態による逆回転条件推定装置の動作の例について図１２を用いて説明する。図１２は、本実施形態による逆回転条件推定装置の動作の例を示すフローチャートである。推定モードでの動作の例が図１２には示されている。
ステップＳ２１において、取得部１１０は、射出成形機１０から供給される所定の時系列データを取得する。こうして取得される所定の時系列データ、即ち、状態データは、機械学習装置２００に供給される。この後、ステップＳ２２に遷移する。
ステップＳ２２において、推定部２２０は、取得部１１０から供給された所定の時系列データを、学習モデル２３５に入力する。この後、ステップＳ２３に遷移する。
ステップＳ２３において、推定部２２０は、所定の時系列データに応じて学習モデル２３５から出力されるラベルを取得する。この後、ステップＳ２４に遷移する。
ステップＳ２４において、推定部２２０は、学習モデル２３５から出力されたラベルに応じた補正量をテーブル２５５に基づいて取得する。この後、ステップＳ２５に遷移する。
ステップＳ２５において、推定部２２０は、所定の時系列データとともに射出成形機１０から供給された逆回転条件、即ち、今回の射出成形の際の逆回転条件を、上記のようにして取得された補正量によって補正する。即ち、推定部２２０は、逆回転条件を推定する。この後、ステップＳ２６に遷移する。
ステップＳ２６において、推定部２２０は、このような補正によって得られた逆回転条件を、ネットワーク１０７を介して射出成形機１０に供給する。上述したように、射出成形機１０は、当該射出成形機１０を識別するＩＤとともに所定の時系列データを逆回転条件推定装置１００に供給する。従って、所定の時系列データを逆回転条件推定装置１００に供給した射出成形機１０に対して、逆回転条件推定装置１００によって推定された逆回転条件がネットワーク１０７を介して供給される。即ち、所定の時系列データとともに供給されたＩＤに一致する射出成形機１０に対して、逆回転条件推定装置１００によって推定された逆回転条件がネットワーク１０７を介して供給される。こうして、図１２に示す処理が完了する。
本実施形態による射出成形機の動作の例について図１３を用いて説明する。図１３は、本実施形態による射出成形機の動作の例を示すフローチャートである。逆回転条件推定装置１００によって推定された逆回転条件が逆回転条件推定装置１００から射出成形機１０に供給された後の動作の例が図１３には示されている。
ステップＳ３１において、逆回転条件取得部７８は、逆回転条件推定装置１００からネットワーク１０７を介して供給された逆回転条件を取得する。この後、ステップＳ３２に遷移する。
ステップＳ３２において、制御部８０は、逆回転条件取得部７８によって取得された逆回転条件と、逆回転条件記憶部９６に記憶された逆回転条件とが異なっているか否かを判定する。逆回転条件取得部７８によって取得された逆回転条件と、逆回転条件記憶部９６に記憶された逆回転条件とが異なっている場合（ステップＳ３２においてＹＥＳ）、ステップＳ３３に遷移する。逆回転条件取得部７８によって取得された逆回転条件と、逆回転条件記憶部９６に記憶された逆回転条件とが異なっていない場合（ステップＳ３２においてＮＯ）、図１３に示す処理が完了する。
ステップＳ３３において、制御部８０は、逆回転条件取得部７８によって取得された逆回転条件によって、逆回転条件記憶部９６に記憶された逆回転条件を更新する。即ち、制御部８０は、今回の射出成形の際に逆回転条件推定装置１００によって推定された逆回転条件を、次回の射出成形における逆回転条件として逆回転条件記憶部９６に記憶する。こうして、図１３に示す処理が完了する。
図１４Ａ～図１４Ｅは、本実施形態による射出成形機の動作の例を示すタイミングチャートである。図１４Ａには、スクリュ２８の後退速度の例が示されている。図１４Ｂには、スクリュ２８の回転速度の例が示されている。図１４Ｃ～図１４Ｅには、樹脂の圧力の例が示されている。図１４Ｃには、逆回転が不足している場合の例が示されている。図１４Ｄには、逆回転が適度である場合の例が示されている。図１４Ｅには、過度に逆回転が行われた場合の例が示されている。図１４Ａ～図１４Ｅにおける横軸は、時間を示している。図１４Ａにおける縦軸は、スクリュ２８の後退速度を示している。図１４Ｂにおける縦軸は、スクリュ２８の回転速度を示している。図１４Ｃ～図１４Ｅにおける縦軸は、樹脂の圧力を示している。
タイミングｔ０は、計量工程が開始されるタイミングを示している。図１４Ａに示すように、スクリュ２８の後退速度は、タイミングｔ０において上昇し始める。また、図１４Ｂに示すように、スクリュ２８の回転速度は、タイミングｔ０において上昇し始める。また、図１４Ｃ～図１４Ｅに示すように、樹脂の圧力は、タイミングｔ０において上昇し始める。この後、図１４Ｂに示すように、スクリュ２８の回転速度は、計量条件によって指定された計量回転速度に到達する。また、図１４Ｃ～図１４Ｅに示すように、樹脂の圧力は、計量条件によって指定された計量圧力Ｐ１に到達する。スクリュ２８の後退速度は、樹脂の圧力が計量圧力Ｐ１に維持されるように制御される。
タイミングｔ１は、スクリュ２８が計量位置に到達するタイミングを示している。タイミングｔ０からタイミングｔ１までの期間が、計量工程に対応している。
図１４Ａに示すように、タイミングｔ１以降において、スクリュ２８の後退速度が急激に低下し、やがて、スクリュ２８の後退速度はゼロとなる。また、図１４Ｂに示すように、タイミングｔ１以降において、スクリュ２８の回転速度が急激に低下し、やがて、スクリュ２８の回転速度はゼロとなる。タイミングｔ２は、スクリュ２８の回転速度がゼロとなるタイミングである。タイミングｔ１からタイミングｔ２までの期間において、樹脂の圧力は、図１４Ｃ～図１４Ｅに示すように、上昇する。タイミングｔ１からタイミングｔ２までの期間に樹脂の圧力がこのように上昇するのは、樹脂の圧送が継続されているためである。このため、チェックシート４８に対して前方向側（計量領域）の部位には、適正量を超える樹脂が溜められることとなる。
図１４Ｂに示すように、タイミングｔ２において、スクリュ２８の逆回転が開始される。このため、図１４Ｃ～図１４Ｅに示すように、タイミングｔ２以降においては、樹脂の圧力が徐々に低下する。スクリュ２８が逆回転すると、シリンダ２６内において樹脂の逆流が生じ、計量領域の樹脂量が適正量に近づいていく。こうして、減圧工程が行われる。
図１４Ｂにおいて一点鎖線で示すように、スクリュ２８の逆回転が比較的早いタイミングｔ３で停止した場合には、図１４Ｃに示すように、スクリュ２８の逆回転が停止した際における樹脂の圧力は過度に高くなる。
図１４Ｂにおいて実線で示すように、スクリュ２８の逆回転が適度なタイミングｔ４で停止した場合には、図１４Ｄに示すように、スクリュ２８の逆回転が停止した際における樹脂の圧力は適度となる。
図１４Ｂにおいて破線で示すように、スクリュ２８の逆回転が比較的遅いタイミングｔ５で停止した場合には、図１４Ｅに示すように、スクリュ２８の逆回転が停止した際における樹脂の圧力は過度に低くなる。
図１４Ｃに示すような時系列データが学習モデル２３５に入力された場合、学習モデル２３５からは、例えば、ラベルＡＭ９又はラベルＢＭ９が出力され得る。学習モデル２３５からラベルＡＭ９が出力された場合、当該ラベルＡＭ９に対応する回転角度の補正量は、テーブル２５５から分かるように９度である。学習モデル２３５からラベルＢＭ９が出力された場合、当該ラベルＢＭ９に対応する回転速度の補正量は、テーブル２５５から分かるように９ｍｉｎ-1である。図１４Ｃに示すような時系列データが学習モデル２３５に入力された場合には、こうして得られる補正量によって逆回転条件が補正され得る。
図１４Ｄに示すような時系列データが学習モデル２３５に入力された場合、学習モデル２３５からは、例えばラベルＡ又はラベルＢが出力され得る。学習モデル２３５からラベルＡが出力された場合、テーブル２５５から分かるように、当該ラベルＡに対応する回転角度の補正量は０度であり、当該ラベルＡに対応する回転速度の補正量は０ｍｉｎ-1である。学習モデル２３５からラベルＢが出力された場合、テーブル２５５から分かるように、当該ラベルＢに対応する回転角度の補正量は０度であり、当該ラベルＢに対応する回転速度の補正量は０ｍｉｎ-1である。従って、図１４Ｄに示すような時系列データが学習モデル２３５に入力された場合には、逆回転条件に対する補正は不要となる。
図１４Ｅに示すような時系列データが学習モデル２３５に入力された場合、学習モデル２３５からは、例えば、ラベルＡＰ９又はラベルＢＰ９が出力され得る。学習モデル２３５からラベルＡＰ９が出力された場合、当該ラベルＡＰ９に対応する回転角度の補正量は、テーブル２５５から分かるように－９度である。学習モデル２３５からラベルＢＰ９が出力された場合、当該ラベルＢＰ９に対応する回転速度の補正量は、テーブル２５５から分かるように－９ｍｉｎ-1である。こうして得られる補正量によって逆回転条件が補正される。図１４Ｅに示すような時系列データが学習モデル２３５に入力された場合には、こうして得られる補正量によって逆回転条件が補正され得る。
このように、本実施形態によれば、少なくとも減圧工程の際に射出成形機１０から供給される所定の時系列データと、学習モデル記憶部２３０に記憶された学習モデル２３５とを用いて、逆回転条件が推定される。このため、本実施形態によれば、射出成形機１０のスクリュ２８の逆回転条件を良好に推定し得る逆回転条件推定装置１００を提供することができる。従って、本実施形態によれば、適切な逆回転条件でスクリュ２８の逆回転を行うことができ、良好な成形品を得ることができる。
本発明についての好適な実施形態を上述したが、本発明は上記実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において、種々の改変が可能である。
例えば、上記実施形態では、教師あり学習が行われる場合を例に説明したが、これに限定されるものではない。例えば、教師なし学習が行われるようにしてもよい。教師なし学習の場合、学習モードにおいては、適切な逆回転条件で繰り返し射出成形を行うことによって、正常時の学習モデルを生成する。推定モードにおいては、推定結果のスコアに応じて、予め用意しておいた変換テーブル、変換関数等を用いて逆回転条件を算出する。変換テーブル及び変換関数は、スコアを逆回転条件に変換し得る。教師なし学習のアルゴリズムとしては、ａｕｔｏｅｎｃｏｄｅｒ法、ｋ－ｍｅａｎｓ法等が用いられ得る。
また、上記実施形態では、教師あり学習が行われる場合を例に説明したが、強化学習が行われるようにしてもよい。強化学習は、例えば以下のようにして行われる。スクリュ２８の回転速度がゼロとなる際における理想的な樹脂の圧力を第１圧力とする。適切な逆回転条件に対して所定程度ずらすことによって得られる逆回転条件によって射出成形を行うことにより、時系列データを取得する。こうして取得される時系列データに基づいて、スクリュ２８の回転速度がゼロとなった際の樹脂の圧力、即ち、第２圧力を取得する。強化学習においては、第１圧力から第２圧力を減じることにより得られる差異を、報酬（ペナルティ）として与えることで、学習を行う。強化学習のアルゴリズムとしては、Ｑ学習等が挙げられる。
また、上記実施形態では、射出成形機１０がインライン式射出成形機である場合を例に説明したが、これに限定されるものではない。例えば、射出成形機１０が、プリプラ式射出成形機（スクリュプリプラ式射出成形機）であってもよい。
また、上記実施形態では、第１駆動装置３２にサーボモータ５２ａが備えられており、第２駆動装置３４にサーボモータ５２ｂが備えられている場合を例に説明したが、これに限定されるものではない。例えば、第１駆動装置３２に、油圧シリンダ、油圧モータ等が備えられていてもよい。また、第２駆動装置３４に、油圧シリンダ、油圧モータ等が備えられていてもよい。
上記実施形態をまとめると以下のようになる。
逆回転条件推定装置（１００）は、樹脂を入れるシリンダ（２６）と、前記シリンダ内で進退及び回転するスクリュ（２８）とを備え、前記スクリュを順回転させながら所定の計量位置まで後退させることで前記シリンダ内の前記樹脂を溶融しつつ計量する計量工程と、予め決定された逆回転条件に基づいて前記スクリュを逆回転させることで前記樹脂の圧力を下げる減圧工程とを少なくとも実行する射出成形機（１０）の前記逆回転条件を推定する逆回転条件推定装置であって、前記逆回転条件を推定するための学習モデル（２３５）を記憶する学習モデル記憶部（２３０）と、少なくとも減圧工程の際に前記射出成形機から供給される所定の時系列データを取得する取得部（１１０）と、前記取得部によって取得された前記所定の時系列データと、前記学習モデル記憶部に記憶された前記学習モデルとを用いて、前記逆回転条件を推定する推定部（２２０）と、を備える。このような構成によれば、少なくとも減圧工程の際に射出成形機から供給される所定の時系列データと、学習モデル記憶部に記憶された学習モデルとを用いて、射出成形機のスクリュの逆回転条件が推定される。このため、このような構成によれば、射出成形機のスクリュの逆回転条件を良好に推定し得る。従って、このような構成によれば、適切な逆回転条件でスクリュの逆回転を行うことができ、良好な成形品を得ることができる。
前記取得部によって取得される前記所定の時系列データを用いた機械学習によって前記学習モデルを生成又は更新する学習部（２１０）を更に備えるようにしてもよい。このような構成によれば、学習モデルの生成又は更新を行うことができる。
前記学習部は、教師あり学習、教師なし学習、及び、強化学習のうちの少なくともいずれかによって前記学習モデルを生成又は更新するようにしてもよい。
前記学習部は、前記教師あり学習によって前記学習モデルを生成し、前記学習モデルは、前記取得部によって取得された前記所定の時系列データに対応するラベルを出力する学習モデルであり、前記逆回転条件推定装置は、前記ラベルと前記逆回転条件との関係を示すテーブル（２５５）を記憶するテーブル記憶部（２５０）を更に備え、前記推定部は、前記取得部によって取得された前記所定の時系列データに対応する前記ラベルに対応する前記逆回転条件を、前記テーブルに基づいて取得するようにしてもよい。
前記逆回転条件は、前記スクリュの回転量、前記スクリュの回転加速度、前記スクリュの回転速度、及び、前記スクリュの回転時間のうちの少なくともいずれかを指定するようにしてもよい。
前記推定部によって推定された前記逆回転条件を表示部（１７０）に表示する表示制御部（１１７）を更に備えるようにしてもよい。このような構成によれば、推定された逆回転条件をユーザに容易に把握させ得る。
前記射出成形機は、前記逆回転条件を記憶する逆回転条件記憶部（９６）と、今回の射出成形の際に前記推定部によって推定された前記逆回転条件を、次回の射出成形における逆回転条件として前記逆回転条件記憶部に記憶する制御部（８０）と、を備えるようにしてもよい。
前記時系列データは、前記射出成形機を駆動する原動機（５２ａ、５２ｂ）の電流、前記原動機の電圧、前記原動機のトルク、前記原動機の回転量、前記原動機の回転加速度、前記原動機の回転速度、前記原動機の回転時間、前記樹脂の圧力、前記樹脂の温度、前記樹脂の流量、及び、前記樹脂の流速のうちの少なくともいずれかを含むようにしてもよい。
前記取得部は、ネットワーク（１０７）によって接続された複数の前記射出成形機のうちの少なくともいずれかから供給される前記所定の時系列データを取得するようにしてもよい。
射出成形機は、上記のような逆回転条件推定装置を備える。
逆回転条件推定方法は、樹脂を入れるシリンダと、前記シリンダ内で進退及び回転するスクリュとを備え、前記スクリュを順回転させながら所定の計量位置まで後退させることで前記シリンダ内の前記樹脂を溶融しつつ計量する計量工程と、予め決定された逆回転条件に基づいて前記スクリュを逆回転させることで前記樹脂の圧力を下げる減圧工程とを少なくとも実行する射出成形機の前記逆回転条件を推定する逆回転条件推定方法であって、少なくとも減圧工程の際に前記射出成形機から供給される所定の時系列データを取得する取得ステップ（Ｓ２１）と、前記取得ステップにおいて取得された前記所定の時系列データと、前記逆回転条件を推定するための学習モデルとを用いて、前記逆回転条件を推定するステップ（Ｓ２５）と、を有する。
前記取得ステップにおいて取得される前記所定の時系列データを用いた機械学習によって前記学習モデルを生成又は更新するステップ（Ｓ４）を更に有するようにしてもよい。
前記学習モデルを生成又は更新するステップでは、教師あり学習、教師なし学習、及び、強化学習のうちの少なくともいずれかによって前記学習モデルを生成又は更新するようにしてもよい。
前記学習モデルを生成又は更新するステップでは、前記教師あり学習によって前記学習モデルを生成し、前記学習モデルは、前記取得ステップにおいて取得された前記所定の時系列データに対応するラベルを出力する学習モデルであり、前記逆回転条件を推定するステップでは、前記取得ステップにおいて取得された前記所定の時系列データに対応する前記ラベルに対応する前記逆回転条件を、前記ラベルと前記逆回転条件との関係を示すテーブルに基づいて取得するようにしてもよい。
今回の射出成形の際に推定された前記逆回転条件を、次回の射出成形における逆回転条件として前記逆回転条件記憶部に記憶するステップ（Ｓ３３）を更に有するようにしてもよい。
１０：射出成形機 １２：金型
１４：型締めユニット １６：射出ユニット
１８：機台 ２０：制御装置
２２：ベース ２４：ガイドレール
２６：シリンダ ２８：スクリュ
３０：圧力センサ ３２：第１駆動装置
３４：第２駆動装置 ３６：ホッパ
３８：ヒータ ４０：ノズル
４２：フライト部 ４４：流路
４６：スクリュヘッド ４８：チェックシート
５０：逆流防止リング ５２：原動機
５２ａ、５２ｂ：サーボモータ ５４ａ、５４ｂ：駆動プーリ
５６、６２：従動プーリ ５８ａ、５８ｂ：ベルト部材
６０ａ、６０ｂ：センサ ６１：ボールネジ
６３：ナット ６４、１１５、２０５：記憶部
６６、１７０：表示部 ６８、１７１：操作部
７０、１１１、２０１：演算部 ７２：時系列データ取得部
７４：計量制御部 ７６：逆回転制御部
７８：逆回転条件取得部 ８０：制御部
８４、１１７：表示制御部 ９２：時系列データ記憶部
９４：計量条件記憶部 ９６：逆回転条件記憶部
１００：逆回転条件推定装置 １０７：ネットワーク
１１０：取得部 １１２、２０２：ＲＯＭ
１１３、２０３：ＲＡＭ １１４、２０４：不揮発性メモリ
１１６、１１８、１２１：インターフェース
１２０、２４０：バス １３０：データ取得部
１３２：学習データ抽出部 １３３：状態データ抽出部
１３４：前処理部 １５０：取得データ記憶部
２００：機械学習装置 ２１０：学習部
２２０：推定部 ２３０：学習モデル記憶部
２３５：学習モデル ２５０：テーブル記憶部
２５５：テーブル ３００：管理装置

Claims (15)

  1. 樹脂を入れるシリンダと、前記シリンダ内で進退及び回転するスクリュとを備え、前記スクリュを順回転させながら所定の計量位置まで後退させることで前記シリンダ内の前記樹脂を溶融しつつ計量する計量工程と、予め決定された逆回転条件に基づいて前記スクリュを逆回転させることで前記樹脂の圧力を下げる減圧工程とを少なくとも実行する射出成形機の前記逆回転条件を推定する逆回転条件推定装置であって、
    前記逆回転条件を推定するための学習モデルを記憶する学習モデル記憶部と、
    少なくとも減圧工程の際に前記射出成形機から供給される所定の時系列データを取得する取得部と、
    前記取得部によって取得された前記所定の時系列データと、前記学習モデル記憶部に記憶された前記学習モデルとを用いて、前記逆回転条件を推定する推定部と、
    を備える、逆回転条件推定装置。
  2. 請求項１に記載の逆回転条件推定装置において、
    前記取得部によって取得される前記所定の時系列データを用いた機械学習によって前記学習モデルを生成又は更新する学習部を更に備える、逆回転条件推定装置。
  3. 請求項２に記載の逆回転条件推定装置において、
    前記学習部は、教師あり学習、教師なし学習、及び、強化学習のうちの少なくともいずれかによって前記学習モデルを生成又は更新する、逆回転条件推定装置。
  4. 請求項３に記載の逆回転条件推定装置において、
    前記学習部は、前記教師あり学習によって前記学習モデルを生成し、
    前記学習モデルは、前記取得部によって取得された前記所定の時系列データに対応するラベルを出力する学習モデルであり、
    前記逆回転条件推定装置は、前記ラベルと前記逆回転条件との関係を示すテーブルを記憶するテーブル記憶部を更に備え、
    前記推定部は、前記取得部によって取得された前記所定の時系列データに対応する前記ラベルに対応する前記逆回転条件を、前記テーブルに基づいて取得する、逆回転条件推定装置。
  5. 請求項１～４のいずれか１項に記載の逆回転条件推定装置において、
    前記逆回転条件は、前記スクリュの回転量、前記スクリュの回転加速度、前記スクリュの回転速度、及び、前記スクリュの回転時間のうちの少なくともいずれかを指定する、逆回転条件推定装置。
  6. 請求項１～５のいずれか１項に記載の逆回転条件推定装置において、
    前記推定部によって推定された前記逆回転条件を表示部に表示する表示制御部を更に備える、逆回転条件推定装置。
  7. 請求項１～６のいずれか１項に記載の逆回転条件推定装置において、
    前記射出成形機は、前記逆回転条件を記憶する逆回転条件記憶部と、今回の射出成形の際に前記推定部によって推定された前記逆回転条件を、次回の射出成形における逆回転条件として前記逆回転条件記憶部に記憶する制御部と、を備える、逆回転条件推定装置。
  8. 請求項１～７のいずれか１項に記載の逆回転条件推定装置において、
    前記時系列データは、前記射出成形機を駆動する原動機の電流、前記原動機の電圧、前記原動機のトルク、前記原動機の回転量、前記原動機の回転加速度、前記原動機の回転速度、前記原動機の回転時間、前記樹脂の圧力、前記樹脂の温度、前記樹脂の流量、及び、前記樹脂の流速のうちの少なくともいずれかを含む、逆回転条件推定装置。
  9. 請求項１～８のいずれか１項に記載の逆回転条件推定装置において、
    前記取得部は、ネットワークによって接続された複数の前記射出成形機のうちの少なくともいずれかから供給される前記所定の時系列データを取得する、逆回転条件推定装置。
  10. 請求項１～８のいずれか１項に記載の逆回転条件推定装置を備える射出成形機。
  11. 樹脂を入れるシリンダと、前記シリンダ内で進退及び回転するスクリュとを備え、前記スクリュを順回転させながら所定の計量位置まで後退させることで前記シリンダ内の前記樹脂を溶融しつつ計量する計量工程と、予め決定された逆回転条件に基づいて前記スクリュを逆回転させることで前記樹脂の圧力を下げる減圧工程とを少なくとも実行する射出成形機の前記逆回転条件を推定する逆回転条件推定方法であって、
    少なくとも減圧工程の際に前記射出成形機から供給される所定の時系列データを取得する取得ステップと、
    前記取得ステップにおいて取得された前記所定の時系列データと、前記逆回転条件を推定するための学習モデルとを用いて、前記逆回転条件を推定するステップと、
    を有する、逆回転条件推定方法。
  12. 請求項１１に記載の逆回転条件推定方法において、
    前記取得ステップにおいて取得される前記所定の時系列データを用いた機械学習によって前記学習モデルを生成又は更新するステップを更に有する、逆回転条件推定方法。
  13. 請求項１２に記載の逆回転条件推定方法において、
    前記学習モデルを生成又は更新するステップでは、教師あり学習、教師なし学習、及び、強化学習のうちの少なくともいずれかによって前記学習モデルを生成又は更新する、逆回転条件推定方法。
  14. 請求項１３に記載の逆回転条件推定方法において、
    前記学習モデルを生成又は更新するステップでは、前記教師あり学習によって前記学習モデルを生成し、
    前記学習モデルは、前記取得ステップにおいて取得された前記所定の時系列データに対応するラベルを出力する学習モデルであり、
    前記逆回転条件を推定するステップでは、前記取得ステップにおいて取得された前記所定の時系列データに対応する前記ラベルに対応する前記逆回転条件を、前記ラベルと前記逆回転条件との関係を示すテーブルに基づいて取得する、逆回転条件推定方法。
  15. 請求項１１～１４のいずれか１項に記載の逆回転条件推定方法において、
    今回の射出成形の際に推定された前記逆回転条件を、次回の射出成形における逆回転条件として逆回転条件記憶部に記憶するステップを更に有する、逆回転条件推定方法。
JP2019177164A 2019-09-27 2019-09-27 逆回転条件推定装置、逆回転条件推定方法及び射出成形機 Active JP7311376B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2019177164A JP7311376B2 (ja) 2019-09-27 2019-09-27 逆回転条件推定装置、逆回転条件推定方法及び射出成形機
US17/026,001 US20210094212A1 (en) 2019-09-27 2020-09-18 Reverse rotation condition estimating apparatus, reverse rotation condition estimating method and injection molding machine
DE102020125013.4A DE102020125013A1 (de) 2019-09-27 2020-09-25 Rückwärtsdrehungsbedingungsschätzvorrichtung, Rückwärtsdrehungsbedingungsschätzverfahren und Spritzgießmaschine
CN202011031786.5A CN112571744A (zh) 2019-09-27 2020-09-27 反转条件推定装置、反转条件推定方法和注射成形机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019177164A JP7311376B2 (ja) 2019-09-27 2019-09-27 逆回転条件推定装置、逆回転条件推定方法及び射出成形機

Publications (2)

Publication Number Publication Date
JP2021053843A JP2021053843A (ja) 2021-04-08
JP7311376B2 true JP7311376B2 (ja) 2023-07-19

Family

ID=74872819

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019177164A Active JP7311376B2 (ja) 2019-09-27 2019-09-27 逆回転条件推定装置、逆回転条件推定方法及び射出成形機

Country Status (4)

Country Link
US (1) US20210094212A1 (ja)
JP (1) JP7311376B2 (ja)
CN (1) CN112571744A (ja)
DE (1) DE102020125013A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003305758A (ja) 2002-04-12 2003-10-28 Toyo Mach & Metal Co Ltd 射出成形機
JP2010247411A (ja) 2009-04-15 2010-11-04 Nissei Plastics Ind Co 射出成形機のモード切換方法
JP2017185718A (ja) 2016-04-07 2017-10-12 東洋機械金属株式会社 表示操作端末装置、成形システムおよびプログラム
JP2017202632A (ja) 2016-05-12 2017-11-16 ファナック株式会社 射出成形機の逆流防止弁の摩耗量推定装置および摩耗量推定方法
WO2018135443A1 (ja) 2017-01-17 2018-07-26 日精樹脂工業株式会社 射出成形機の成形条件推定方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4137975B2 (ja) * 2006-12-26 2008-08-20 ファナック株式会社 射出成形機、及び射出成形機における逆回転工程の制御条件調整方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003305758A (ja) 2002-04-12 2003-10-28 Toyo Mach & Metal Co Ltd 射出成形機
JP2010247411A (ja) 2009-04-15 2010-11-04 Nissei Plastics Ind Co 射出成形機のモード切換方法
JP2017185718A (ja) 2016-04-07 2017-10-12 東洋機械金属株式会社 表示操作端末装置、成形システムおよびプログラム
JP2017202632A (ja) 2016-05-12 2017-11-16 ファナック株式会社 射出成形機の逆流防止弁の摩耗量推定装置および摩耗量推定方法
WO2018135443A1 (ja) 2017-01-17 2018-07-26 日精樹脂工業株式会社 射出成形機の成形条件推定方法

Also Published As

Publication number Publication date
CN112571744A (zh) 2021-03-30
JP2021053843A (ja) 2021-04-08
US20210094212A1 (en) 2021-04-01
DE102020125013A1 (de) 2021-04-01

Similar Documents

Publication Publication Date Title
JP4038226B2 (ja) 射出成形機の計量方法及び制御装置
JP4137975B2 (ja) 射出成形機、及び射出成形機における逆回転工程の制御条件調整方法
US20160257047A1 (en) Pressure controller for injection molding machine
US10000001B2 (en) Injection molding machine and mold thickness control method
JP7311376B2 (ja) 逆回転条件推定装置、逆回転条件推定方法及び射出成形機
JP7277327B2 (ja) 射出成形機の制御装置および制御方法
JP7277332B2 (ja) 射出成形機の制御装置および制御方法
JP7420539B2 (ja) 射出成形機の制御装置および制御方法
JP7294966B2 (ja) 射出成形機の制御装置および制御方法
JP2021045892A (ja) 射出成形機の制御装置および制御方法
WO2022102637A1 (ja) 制御装置および制御方法
JP7299125B2 (ja) 射出成形機の制御装置および制御方法
JP6774805B2 (ja) 射出成形機および射出成形方法
JP7256718B2 (ja) 射出成形機の制御装置及び制御方法
JP7396884B2 (ja) 射出成形機の制御装置および制御方法
US7713049B2 (en) Injecting molding machine having a torque detecting device
JP7260424B2 (ja) 射出成形機
JP5210785B2 (ja) 射出成形機
JP7108157B1 (ja) 制御装置および制御方法
JP5575509B2 (ja) 射出成形機及び射出成形方法
JP5654250B2 (ja) 射出成形機及び射出成形方法
JP6774784B2 (ja) 射出成形機および射出成形方法
WO2023209988A1 (ja) 判定装置および判定方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220616

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230316

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230322

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230515

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230606

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230706

R150 Certificate of patent or registration of utility model

Ref document number: 7311376

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150