JP7389972B1 - ホットスタンプ成形品のリサイクル方法およびリサイクルシステム - Google Patents
ホットスタンプ成形品のリサイクル方法およびリサイクルシステム Download PDFInfo
- Publication number
- JP7389972B1 JP7389972B1 JP2023083276A JP2023083276A JP7389972B1 JP 7389972 B1 JP7389972 B1 JP 7389972B1 JP 2023083276 A JP2023083276 A JP 2023083276A JP 2023083276 A JP2023083276 A JP 2023083276A JP 7389972 B1 JP7389972 B1 JP 7389972B1
- Authority
- JP
- Japan
- Prior art keywords
- decorated
- data
- treatment
- decorative sheet
- processing
- 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
Links
- 238000004064 recycling Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims description 201
- 238000011282 treatment Methods 0.000 claims abstract description 206
- 238000012986 modification Methods 0.000 claims abstract description 154
- 230000004048 modification Effects 0.000 claims abstract description 154
- 239000002344 surface layer Substances 0.000 claims abstract description 98
- 238000010801 machine learning Methods 0.000 claims abstract description 68
- 238000009832 plasma treatment Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 204
- 238000000465 moulding Methods 0.000 claims description 88
- 238000005034 decoration Methods 0.000 claims description 66
- 230000007850 degeneration Effects 0.000 claims description 24
- 238000010438 heat treatment Methods 0.000 claims description 23
- 239000000853 adhesive Substances 0.000 claims description 21
- 230000001070 adhesive effect Effects 0.000 claims description 21
- 239000012790 adhesive layer Substances 0.000 claims description 21
- 238000003851 corona treatment Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 12
- 229920001169 thermoplastic Polymers 0.000 claims description 11
- 239000004416 thermosoftening plastic Substances 0.000 claims description 11
- 238000011369 optimal treatment Methods 0.000 claims description 6
- 238000007789 sealing Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 description 114
- 239000000523 sample Substances 0.000 description 59
- 238000003825 pressing Methods 0.000 description 32
- 238000004891 communication Methods 0.000 description 27
- 230000007613 environmental effect Effects 0.000 description 21
- 238000003860 storage Methods 0.000 description 19
- 229920005989 resin Polymers 0.000 description 18
- 239000011347 resin Substances 0.000 description 18
- 239000010408 film Substances 0.000 description 17
- 230000008901 benefit Effects 0.000 description 16
- 238000005194 fractionation Methods 0.000 description 15
- 238000012360 testing method Methods 0.000 description 14
- 239000010410 layer Substances 0.000 description 13
- 239000000463 material Substances 0.000 description 12
- 238000013467 fragmentation Methods 0.000 description 10
- 238000006062 fragmentation reaction Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000013500 data storage Methods 0.000 description 8
- 239000011241 protective layer Substances 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 229920001971 elastomer Polymers 0.000 description 5
- -1 polypropylene Polymers 0.000 description 5
- 239000005060 rubber Substances 0.000 description 5
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 229920005990 polystyrene resin Polymers 0.000 description 4
- 229920003002 synthetic resin Polymers 0.000 description 4
- 239000000057 synthetic resin Substances 0.000 description 4
- 238000007666 vacuum forming Methods 0.000 description 4
- 239000004743 Polypropylene Substances 0.000 description 3
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 3
- 239000002390 adhesive tape Substances 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 125000005395 methacrylic acid group Chemical group 0.000 description 3
- 239000003960 organic solvent Substances 0.000 description 3
- 229920005668 polycarbonate resin Polymers 0.000 description 3
- 239000004431 polycarbonate resin Substances 0.000 description 3
- 229920001155 polypropylene Polymers 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- NLHHRLWOUZZQLW-UHFFFAOYSA-N Acrylonitrile Chemical compound C=CC#N NLHHRLWOUZZQLW-UHFFFAOYSA-N 0.000 description 2
- 229920006311 Urethane elastomer Polymers 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000004925 denaturation Methods 0.000 description 2
- 230000036425 denaturation Effects 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000011888 foil Substances 0.000 description 2
- 239000002737 fuel gas Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000005453 pelletization Methods 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 229920001084 poly(chloroprene) Polymers 0.000 description 2
- 229920006350 polyacrylonitrile resin Polymers 0.000 description 2
- 229920006122 polyamide resin Polymers 0.000 description 2
- 239000005020 polyethylene terephthalate Substances 0.000 description 2
- 229920000139 polyethylene terephthalate Polymers 0.000 description 2
- 229920002379 silicone rubber Polymers 0.000 description 2
- 239000004945 silicone rubber Substances 0.000 description 2
- 229920003048 styrene butadiene rubber Polymers 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- 239000005977 Ethylene Substances 0.000 description 1
- 229920000181 Ethylene propylene rubber Polymers 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000010017 direct printing Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003698 laser cutting Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000004417 polycarbonate Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 1
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 229920005992 thermoplastic resin Polymers 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Moulds For Moulding Plastics Or The Like (AREA)
Abstract
Description
加飾済みのホットスタンプ成形品についても、加飾部分を除去し、被加飾体をリサイクルする技術が求められている。
また、加飾から相当の時間が経過し、さらに日光照射下などの過酷な環境に置かれることにより、加飾体や接着剤などが変質し、より除去しにくくなっている場合も考えられる。
また、ブラシやカッターなどで加飾体を削ぐことも考えられるが、加飾シート部分の膜厚(全体)は通常500μm以下であるため、加飾部分のみをきれいに除去することは難しい。
よって、環境負荷が大きくなく、被加飾体を損傷しない他の手段が求められる。
しかしながら、ここで挙げられているのは塗装されている合成樹脂品であり、塗装部分に接着剤が含まれる場合や、接着剤層を含む多層膜である場合については言及されていない。
つまり、加熱処理を用いる場合、処理が不十分であれば加飾体が除去できず、処理が過剰であれば被加飾体に損傷を与えてしまうという問題がある。
プラズマ処理などの表層変性処理は、通常表面改質に用いられることが多いが、本発明はこの表層変性処理を加飾体の除去に用いている点が特徴である。
すなわち、ホットスタンプ成形により被加飾体を加飾シートで加飾する工程、および被加飾体から加飾体を除去して被加飾体をリサイクルする工程を備え、
前記加飾シートは、熱可塑性接着剤を含む接着層を備え、
前記被加飾体から加飾体を除去して被加飾体をリサイクルする工程は、
コロナ処理、プラズマ処理、フレーム処理、または高温熱風処理を含む表層変性処理により加飾体を変性させる表層変性処理工程を含むことを特徴とする、ホットスタンプ成形品のリサイクル方法を提供する。
また、加飾体の除去に際し、表層変性処理を行うことにより、加飾体に含まれる熱可塑性接着剤が溶融し、除去しやすくなる。
また、以下に用いる図面は本実施形態を説明するために用いるものであり、実際の装置の構成などとは異なる場合がある。
本実施形態の概要について、図1を用いて説明する。
図1は、リサイクルシステム1の概要を示す図(ネットワーク図)である。
リサイクルシステム1は、ホットスタンプ成形により被加飾体に加飾するためのホットスタンプ成形装置10と、再生したい被加飾体から加飾体を除去するための表層変性処理装置20とを備える。表層変性処理装置20は、例えばプラズマ処理装置21であり、被加飾体の表層に密着している加飾体を変性させて除去することができる。
ホットスタンプ成形装置10はホットスタンプ成形方法を提供し、表層変性処理装置20はリサイクル方法を提供する。
また、リサイクルシステム1は、端末30とサーバ40を備える。端末30とサーバ40は、前述のリサイクル方法において、少なくとも表層変性処理装置20のデータを取得し、機械学習を用いて最適な表層変性処理条件を導出する。
サーバ40は、この機械学習を実行するための最適処理条件予測プログラムP10を備える。
以下、本実施形態に係るリサイクルシステム1について、詳細を説明する。
リサイクルシステム1は、リサイクル方法を提供する表層変性処理装置20のほか、最適な表層変性処理条件を予測する最適処理条件予測プログラムP10を備えるサーバ40を含み、ユーザに対し、最適な表層変性処理条件をオンラインで提供する。
すなわちリサイクルシステムシステム1において、最適処理条件予測プログラムP10による情報処理が、ハードウェア資源を用いて具体的に実現される。
以下、リサイクルシステム1を構成する、1.装置、2.製造・リサイクル方法、3.プログラム処理、および4.データについて順に説明する。
ここで、いくつか言葉の定義を行う。
「表層変性」は、被加飾体の少なくとも一部分(表層)を加飾している加飾体における性質の変化である。この性質の変化により、加飾体が被加飾体から除去しやすくなる。
例えば、加飾シートの熱可塑性接着剤層を加熱することで、接着剤を溶融し、除去しやすくすることなどが挙げられる。
このほか、加飾体にダメージを与え、劣化させることも変性に含まれる。
ただし、「学習用処理対象物品データ」から正解データを除いて機械学習モデルのテストに用いる場合や、「推論用処理対象物品データ」に正解データを紐づけて「学習用処理対象物品データ」とする場合があるため、「学習用処理対象物品データ」と「推論用処理対象物品データ」は由来がまったく別のデータとは限らない。
例えば、「学習用処理対象物品データ」は、ホットスタンプ成形に関わる加飾前の被加飾体(成形前サンプル)に関するデータと、表層変性処理に関わる加飾済み被加飾体(成形サンプル)に関するデータの双方を含み得る。
「表層変性処理の結果に係るデータ」は、加飾体除去度などの表層変性処理の程度や、表層変性処理が成功したか失敗したかなどの結果を示すデータである。
図1に示すように、本実施形態のリサイクルシステム1は、ホットスタンプ成形装置10、表層変性処理装置20、端末30、およびサーバ40を備える。また、少なくとも端末30とサーバ40は、ネットワークNを介して接続されている。ネットワークNは例えばインターネットなどである。
また、端末30は、最適処理条件予測プログラムP10とデータを送受信し、最適処理条件予測プログラムP10を操作するためのソフトウェア(アプリケーションソフトウェアS20。以下「アプリS20」とする。)をインストールしている。
以下、各装置について説明する。
ホットスタンプ成形装置10は、被加飾体に加飾フィルム(本実施形態では加飾シート片17)を密着させるための装置である。
ホットスタンプとは、加熱した箔(加飾シート)を被加飾体に押圧し、転写する技術を指す。ホットスタンプは箔押しとも呼ばれる。塗装と異なり、ホットスタンプは直接塗工(直接印刷)を必要としない。またホットスタンプは、乾燥工程を必要としないという利点がある。
またこれは、後述する製造方法(ホットスタンプ成形方法)でも同様である。
図2に示すように、第一の実施形態に係るホットスタンプ成形装置10は、上部チャンバー111、吊持部121、下部チャンバー112、支持部122、載置台123、真空ポンプ141、および加圧タンク142を備える。また、ホットスタンプ成形装置10は不図示のヒータ143を備える。
図2に示すように、上部チャンバー111は、次項の下部チャンバー112とともに、チャンバー110を構成する。チャンバー110は、内部に載置した被加飾体を加工するための筐体である。上部チャンバー111は吊持部121により吊持される。上部チャンバー111は不図示の駆動装置により、上昇および下降することができる。上部チャンバー111が下降して下部チャンバー112と密接することで、チャンバー110内に密閉空間を形成することができる。
下部チャンバー112はチャンバー110を構成する。下部チャンバー112は内部に支持部122、載置台123を備える。本実施形態において、支持部122は固定されている。しかしながら、支持部122の構造はこれに限られるものではなく、支持部122が駆動装置によって上昇または下降し、載置台123が応動するものであっても良い。
載置台123は下部チャンバー112内に設置される台である。図2に示すように、載置台123は支持部122に支持される。載置台123は後述する下治具151や被加飾体16、枠体152を載置する。載置台123は、上下方向に貫通する小さな穴を多数備える。後述する真空ポンプ141がこの小さな穴を通じて載置台123上の空気を除去し、減圧する。
分画シート130は上部チャンバー111と下部チャンバー112を分画するシートである。図2に示すように、分画シート130は上部チャンバー111の開口部を覆うように配設される。本実施形態において、分画シート130は上部チャンバー111端部に固定される。
分画シート130は気密性を保つため、空気を通さない素材が用いられる。分画シート130を構成する素材として例えば、アクリル(メタクリル)樹脂、ポリアクリロニトリル樹脂、ポリプロピレン樹脂、ポリエチレンテレフタレート樹脂、ポリスチレン樹脂、ポリカーボネート樹脂、ポリアミド樹脂などの樹脂、スチレンブタジエンゴム、クロロプレンゴム、アクリロニトリルゴム、エチレンプロピレンゴム、シリコンゴム、ウレタンゴムなどのゴム素材が好適に用いられる。
なお、後述する変形例のように(図17)、押圧体153と分画シート130は一体化させても良い。
加飾シートにより上部チャンバー111と下部チャンバー112を分画する場合と比較すると、加飾機能を有しない分画シート130を別途用いることで、加飾シートを節約できる利点がある。
真空ポンプ141はチャンバー110内を減圧するためのポンプである。真空ポンプ141は下部チャンバー112側から空気を除去する。
図2は真空ポンプ141が通気管を通じて下部チャンバー112と接続されている様子を示す。真空ポンプ141としては、例えば市販の気体輸送式真空ポンプが用いられる。本実施形態の真空ポンプ141は、チャンバー110内を0.06MPa以下に減圧することができる。
なお、真空ポンプ141を通気管により上部チャンバー111と接続し、上部チャンバー111側も減圧できるようにしてもよい。この場合、ホットスタンプ成形装置10は上部チャンバー111と下部チャンバー112の圧力差を制御することが出来る。
加圧タンク142は、チャンバー110内を加圧するための装置である。本実施形態において、加圧タンク142は上部チャンバー111側から加圧する。
図2は加圧タンク142が通気管を通じて上部チャンバー111と接続されている様子を示す。上部チャンバー111側を加圧することで、後述する分画シート130や押圧体153に圧が掛かり、加飾シート片17を被加飾体16に密着させる。加圧タンク142としては市販の加圧ポンプが好適に用いられる。本実施形態の加圧タンク142はチャンバー110内を0.1MPa以上に加圧するものであり、好ましくは0.5MPa以上に加圧するものである。
ヒータ143は後述する加飾シート片17を加熱するための加熱装置である(不図示)。例えば、ヒータ143は上部チャンバー111の内側上部に配設され、チャンバー110内部全体を加熱する。ただし、これに限られるものではなく、他の部位に備え付けられていてもよい。
例えば、ヒータ143は下部チャンバー112に配設されていても良い。またその他の例として、ヒータ143が電熱線を備えており、この電熱線を上記枠体152に巻き付けることで枠体152周辺を加熱するようにしても良い。この場合、枠体152内部に配設される加飾シート片17を選択的かつ効率的に加熱できるという利点がある。
下治具151は後述する被加飾体16を載置台123上に固定するための治具である。下治具151は、図2に示す被加飾体16の内側に配設されている(図5参照)。被加飾体16の形状に合わせ、下治具151の形状は適宜変更することができる。
枠体152は上下方向が開放された、上面視で四角形の枠である。
図2に示すように、枠体152は載置台123上に載置され、また、枠体152は被加飾体16を囲うように配設される。枠体152の高さは、加飾フィルムが固定された被加飾体16よりも高くなるよう設計される。
なお、枠体152の上面視形状は四角形に限られるものではなく、例えば円形や、四角以外の多角形などであってもよい。
押圧体153は後述する加飾シート片17を被加飾体16に押圧するための弾性体である。押圧体153は枠体152の上側を覆うように配設される。
図2は押圧体153が枠体152上に架設された状態を示す。下治具151、被加飾体16、および被加飾体16上の加飾シート片17は、載置台123、枠体152および押圧体153に囲われた空間内に包含される。
後述するチャンバー内の圧変化工程において、押圧体153は加飾シート片17を物理的に押圧し、加飾シート片17と被加飾体16を密着させる。
被加飾体16は加飾の対象となる部材である。被加飾体16は立体形状を有しており、一部または全体に凸形状や凹形状を有してもよい。
図2に示すように、被加飾体16は載置台123上に載置され、加飾シート片17により加飾される。詳細はホットスタンプ成形方法の箇所で説明する。
被加飾体16として例えば、車両部品や船舶部品が挙げられる。車両部品とは例えば、自動車のラジエータグリルやエアコンの吹出口、センターパネルなどである。図2に示すように、被加飾体16は下治具151に固定される。
加飾シート片17は、被加飾体16の加飾部分の大きさに合わせてあらかじめ裁断されている加飾シートである。
加飾シートは被加飾体に意匠性を与える加飾体である。
図2に示すように、加飾シート片17は被加飾体16に当接するように固定される。
接着層として例えば、接着剤や粘着剤が挙げられる。本実施形態において、接着層は熱可塑性接着剤を含む。接着剤として熱可塑性接着剤を用いることにより、後述するリサイクル方法の表層変性処理工程において、加飾シート片17が被加飾体16から分離し易くなり、被加飾体16のリサイクルが容易になる。
装飾層には例えば、木目調や石目調、光沢調の意匠が印刷され、蒸着される。
また、上述した枠体152を用いる場合、加飾シート片17の大きさは、枠体152と同等か、枠体152よりも小さい。
また、2以上の加飾部位が近接する場合において、当該2箇所の加飾部位を1枚の加飾シートで加飾すると、それぞれの加飾部に掛かる応力により、加飾のずれが生じる可能性がある。これに対し、それぞれの加飾部位に別個独立した加飾シート片17を用いることで、加飾シート同士が相互作用せず、加飾のずれを抑制できる。
つまり、加飾シート片17で加飾する部分のうち、加飾シート17が被加飾体16に最初に当接している部分(押圧中心)から離れた場所であっても、押圧体153が等しく圧をかけることができるため、加飾シート片17を等しく十分に密着させることができる。
表層変性処理装置20は、被加飾体の少なくとも一部を被覆している加飾体の性質を変化させて除去する、あるいは除去しやすくするための装置である。
例えば、表層変性処理装置20は、熱などにより加飾体が含む熱可塑性接着剤を変性させ、被加飾体から加飾体を除去しやすくする。
通常これらの装置は、表面活性化処理や親水化処理と呼ばれる表面処理に用いられるが、本実施形態において、表層変性処理装置20は接着剤の熱可塑性樹脂を溶融し、または加飾体を劣化させるために使用される。
以下各装置について説明する。ただし、各装置に係るパラメータの好ましい範囲は例示であり、記載した範囲に限定されるものではない。
プラズマは熱電離、光電離、圧力電離、放電などにより発生するが、本実施形態においては放電によりプラズマを発生させる装置を用いている。また、プラズマ処理は大気圧プラズマ処理、真空プラズマ処理などが挙げられる。プラズマ処理装置21は、市販のものを適宜用いることができる。
また、本実施形態のプラズマ処理装置21は減圧を行わないが、チャンバーなどを用いて圧力を変化させる場合は圧力などもパラメータになり得る。
プラズマ放電ノズルとプラズマ処理対象との距離は5mm以上50mm以下の範囲が好適に用いられる。また、プラズマ処理対象を移動させる速度は20mm/秒以上400mm/秒以下の範囲が好適に用いられる。
なお、プラズマ処理時間と結果については後述する。
コロナ処理装置22は例えば、上述したパラメータのほか、放電量、コロナ処理対象と放電管との距離、およびコロナ処理対象の移動速度をパラメータとして変化させることができる。
高温熱風処理装置24、例えばヒートガンは、市販のものを適宜用いることができる。ヒートガンはヒーティングガンまたは工業用ドライヤなどと呼ばれる。
端末30は、後述するホットスタンプ成形(真空成形)方法やリサイクル方法で得たデータを取得し、取得したデータをサーバ40に送信する。また、端末30は、サーバ40による機械学習の結果を受信することができる。
図3に示すように、端末30は、制御部31、記憶部32、通信制御部33、入力部34および出力部35を備える。
なお、本実施形態において、機器間の接続態様(ネットワークトポロジ)は特に限定されない。例えばバス型であってもよいし、スター型、メッシュ型などであってもよい(以下のコンピュータにおいて同じ)。
例えば、CPUとGPUを統合したプロセッサはAPU(Accelerated Proessing Unit)などと呼ばれるが、このようなプロセッサを用いてもよい。
当該記憶媒体は、特に制限されないが、例えば、内蔵型でも外付型でもよく、HD(ハードディスク)、CD-ROMなどが挙げられる。
当該ドライブは、特に制限されないが、例えばHDD(ハードディスクドライブ)、SSD(ソリッドステートドライブ)等が挙げられる。
例えば、プログラム格納部32aは、サーバ40と通信して最適処理条件予測プログラムP10を操作するためのアプリS20をインストールしている。
このほか、プログラム格納部32aは、端末30に接続されている機器を制御するための制御プログラム、例えば通信制御部33を制御する通信制御プログラムなどを格納している。
本実施形態における通信制御部33の通信方式は有線LANによる方式であるが、通信方式は公知のものを適宜用いることができる。
無線であれば、例えばIEEE802.11(例えばWi-Fi)で規定される通信方式を好適に用いることができるが、それ以外にも、IEEE802.15(例えばブルートゥース(登録商標)、BLE(ブルートゥース(登録商標)ローエナジー)など)、IEEE802.16(例えばWiMAX)、または赤外線通信などの光通信で規定される通信方式などを用いてもよい。
入力部34として例えば、キーボード、ポインティングデバイスとしてのマウス、トラックパッド、タブレット、またはタッチパネルなどが挙げられる。
出力部35として例えば、ディスプレイ(液晶ディスプレイや有機ELディスプレイ)などの表示装置や、スピーカなどの音声出力装置、プリンタなどの帳票出力装置が挙げられる。
サーバ40は、最適処理条件予測プログラムP10による処理を実行するためのコンピュータである。最適処理条件予測プログラムP10は、機械学習により、表層変性処理装置20の最適な表層変性処理条件を予測するための処理を実行する。
サーバ40のプロセッサ411は、機械学習モデルの学習や推論などを含む各種処理を実行する。
例えば、機械学習を実行するためのサーバは、他の機能を発揮するためのサーバとは別のサーバであってもよい。また、負荷分散や可用性の観点から、複数のサーバを用いることも考えられる。
図4に示すように、サーバ40は、制御部41、記憶部42、および通信制御部43を備える。
また制御部41は、プロセッサ411、ROM412、RAM413、計時部414を備える。
なお、端末30の箇所ですでに説明したコンピュータの機能などについては、説明を省略する。また、サーバ40は入力部や出力部を備え得るが、説明は省略する。
記憶部42に格納された最適処理条件予測プログラムP10などの各種プログラムや、最適処理条件予測データベースD1などの各種データがプロセッサ411により読み出され、RAM413に記録(格納)される。
例えば、プログラム格納部42aは、本実施形態に係る最適処理条件予測プログラムP10のほか、サーバ40に接続されている機器を制御するための制御プログラム、例えば通信制御部43を制御する通信制御プログラムなどを格納している。
<真空成形方法>
本実施形態のホットスタンプ成形方法は、上述のホットスタンプ成形装置10を使用して被加飾体16の表面に加飾シート片17を密着させて成形する真空成形方法であって、以下の工程を備える。以下、図を参照しつつ説明する。
(2)前記上部チャンバー111と下部チャンバー112を密接させ、チャンバー110を密閉する工程、
(3)前記加飾シート片17を加熱した状態で前記チャンバー110内を減圧し、前記加飾シート片17を前記被加飾体16に密着させる工程、
(4)チャンバー110内の上部チャンバー111側を加圧する工程、
(5)加圧・減圧状態を解除し、チャンバー110を開放して加工後の被加飾体16を取り出す工程
図5はチャンバー110内部の載置台123上に、下治具151を載置した状態を示す。下治具151を用いることにより、後述する被加飾体16が加飾中に移動し、加飾部分にずれが生じることを防ぐ。図に示すように、下治具151は載置台123上に複数載置することができる。
なお、本実施形態では下治具151を用いる方法を説明するが、被加飾体16が加工中に移動等せず、安定するのであれば、下治具151は用いなくてもよい。
被加飾体16上に加飾シート片17を固定する方法は任意の方法が用いられる。例えば、クリップやピンのような固定器具により固定する方法や、粘着テープのような粘着体で固定する方法が用いられる。
なお、分画シートはこの段階で取り付けるのではなく、あらかじめ上部チャンバー111に固定していても良い。
図11はチャンバー110を密閉した状態を示す。図11中の白抜き矢印は、上部チャンバー111が下降していることを示す。本実施形態では、上部チャンバー111を下降させ、下部チャンバー112と密接させる。このとき、上部チャンバー111と下部チャンバー112で形成された内部空間は密閉された状態であり、気密性を有する。また、分画シート130は上部チャンバー111と下部チャンバー112を分画し、上部チャンバー111と下部チャンバー112間で空気の移動は生じない。なおこの状態において、分画シート130は押圧体153と接触し、緊張状態にあることが好ましい。押圧体153を固定するためである。
図12は加飾シート片17を加熱した状態を示す。不図示のヒータ143によってチャンバー110内部を加熱する。熱可塑性を有する加飾シート片17が加熱により柔らかくなり、被加飾体16に密着しやすくなる。
加飾シート片17が加工しやすくなる温度は素材によって異なるが、通常この工程におけるチャンバー110内部の温度は90度から200度になるよう設定され、特に100度から140度の間の温度が好適に用いられる。
なお本実施形態において減圧とは、下部チャンバー112内部が0.06MPa以下になることを意味する。
また、被加飾体周辺空間が減圧されることにより、弾性を有する押圧体153は、被加飾体周辺空間の体積が小さくなるよう変形する。この結果、押圧体153が加飾シート片17を押圧するため、被加飾体16と加飾シート片17がさらに密着する。
図13に示すように、チャンバー110は加圧タンク142に接続されている。本実施形態におけるホットスタンプ成形装置10は分画シート130を備えているため、分画シート130より上側と下側で圧の状態を変えることができる。
本実施形態において、まず上部チャンバー111側の減圧状態を解除することにより、押圧体153が加飾シートを強く押圧する。その後、加圧タンク142を用いて上部チャンバー111側を加圧状態にする。この加圧により、押圧体153が加飾シート片17をさらに強く押圧するため、加飾シート片17と被加飾体16はより強力に密着する。
なお、本項の加圧工程が無くても加飾シート片17と被加飾体16は密着するが、加圧工程を加えることにより加飾シート片17と被加飾体16は強力に密着する。
図14は減圧・加圧状態を解除し、チャンバー110内を常温に戻して開放した状態を示す。図14中の白抜き矢印は、上部チャンバー111が上昇したことを示す。上記所定の減圧・加圧時間経過後は、減圧・加圧状態を解除し、被加飾体周辺空間を常圧に戻す。また、チャンバー110を開放することで、被加飾体16を冷却(放冷)する。
なおここで、加飾シート片17の余剰部分を除去する工程を加えても良い。例えば、抜型やレーザーカットを用いて余剰部分を除去することができる。
以上、ホットスタンプ成形方法の一例を挙げて説明したが、これに限られるものではない。ここでは、ホットスタンプ成形方法におけるそのほかの実施形態を例示する。
図15は、加飾を要する部分を複数箇所備える被加飾体16の加飾箇所ごとに、複数の独立した加飾シート片17を固定し、加飾する例である。
ここで、図15はチャンバー10を密閉する前の状態を示している。上述した実施形態の説明における図10に対応する。ホットスタンプ成形方法は上述した方法と同様であるため省略する。
図16は、前項同様、複数の加飾部分を備える被加飾体16に、複数の独立した加飾シート片17を固定し、加飾する例である。
ここで、図16はチャンバー10を密閉する前の状態を示している点は前項同様であり、ホットスタンプ成形方法は上述した方法と同様であるため省略する。
図17は、押圧体153を複数用意するのではなく、押圧体153を分画シート130と一体化させ、1枚にする例である。
この場合、連続して加飾を行う際に、毎回押圧体153を配設しなくてもよいという利点がある。さらに、押圧時に押圧体153と枠体152とのずれが生じにくくなるという利点がある。
例えば、加飾シート片17ではなく加飾シートを用いる場合、上述した分画シート130に相当する部分に加飾シートを配設し、ホットスタンプ成形を行う。この場合、枠体152や押圧体153は不要である。
リサイクル方法は、加飾済みの被加飾体(ホットスタンプ成形品)から加飾体を除去し、被加飾体の材料(プラスチック等)をリサイクルする方法である。
被加飾体の材料(プラスチック等)をリサイクルすることを「被加飾体をリサイクルする」と称する。
また、このリサイクル方法のことを、ホットスタンプ成形品のリサイクル方法と称する。
表層変性処理工程では、機械学習により最適な表層変性処理条件を決定する。
また、本実施形態のリサイクル方法は、得られた被加飾体を断片化する断片化処理工程を備える。断片化された被加飾体は、押出機で再度溶融し、ペレット化するなどしてリサイクルされる。
ここでは、以下の(1)から(3)に沿って説明する。
(2)表層変性処理工程
(2-1)機械学習モデルの学習
(2-2)機械学習モデルによる推論
(3)断片化処理工程
ここでは、機械学習モデルの学習に必要な加飾済み被加飾体(以下において「成形サンプル」とする。)について説明する。
成形サンプルは、実際に使用された製品に限らず、機械学習用のサンプルを作成してもよい。このような例は変形例の箇所で説明する。
ただし、加飾シート部分の膜厚として(新品の)加飾シートの膜厚を用いてもよい。この場合、測定の手間を省略できる。
3Dスキャナは市販のものを適宜用いることができるが、3Dスキャナの解像度については、最小ポイント間隔1mm以下が好ましく、0.1mm以下がより好ましい。
これらのデータは、表層変性処理の対象となる成形サンプル(加飾済み被加飾体)のデータとして表層変性工程データベースD12に格納される。
多くの場合において、被加飾体は凹凸のある立体的形状を有するため、同一の被加飾体であっても、加飾体が除去しやすい部分と除去しにくい部分が生じることがある。
例えば、ある被加飾体について、凸部では加飾体を除去しやすく、凹部では加飾体を除去しにくい傾向がある。
例えば、凸部では加飾体を除去しやすく、凹部では除去しにくいという情報を機械学習モデルが記憶することで、新規の形状のものであっても、ホットスタンプ成形品が有する凹凸形状を考慮して処理条件を推論することができる。
よって、立体的形状が同一の被加飾体(以下「同一製品」とする。)については、3Dデータを新規に取得せず、同一製品ですでに取得済みの3Dデータを再利用してもよい。この場合、データ取得の手間を省くことができる。
例えば、使用する3Dデータは、点群データに限られるものではなく、メッシュデータ(ポリゴンデータ)、CADデータなどであってもよい。
表層変性処理工程は、被加飾体上の加飾体を変性して除去するための工程である。変性により、加飾体が除去されやすくなる。
以下では、特に断りの無い場合、表層変性処理がプラズマ処理である場合について説明する。
加飾体除去処理は、表層変性処理により変性して除去し易くなっているが、被加飾体上に残っているような加飾体の残渣を除去する処理である。
例えば、表層変性処理後の被加飾体を回転ドラムの中で回転させて加飾体を除去する方法や、人手により除去する方法であってもよい。
本実施形態の機械学習モデルは、
(一)加飾前の被加飾体(成形前サンプル)や加飾済み被加飾体(成形サンプル)などの処理対象物品に係るデータ、
(二)ホットスタンプ成形工程や表層変性処理工程などの処理に係るデータ、および、
(三)表層変性処理の結果に係るデータ
を入力データとし、これらの関係などを学習する。
特に、成形サンプルに係るデータ、表層変性処理工程係るデータ、表層変性処理の結果に係るデータが重量である。
以下項目ごとに説明する。
なお上述したように、学習段階における処理対象物品に係るデータを、「学習用処理対象物品データ」と称する場合がある。
成形サンプルの状態に係るデータは、例えば加飾シート部分の膜厚(接着層の膜厚含む)である。
また、環境条件に係るデータは、後述する環境データベースD13に格納されている。
また環境条件に係るデータとは、例えば処理時における気温、湿度などである。詳細は後述する。
本実施形態において、このデータがいわゆる正解データに関わる。加飾体除去度が最も高くなる表層変性処理条件を見つけることが本実施形態の機械学習モデルの目的だからである。
ただし、この表1はどのような結果が得られるかを示すための例であるため、各表層変性処理装置20のパラメータを調整することにより結果は変動する。
コロナ処理の場合、処理時間5秒が最も良い結果を与えるが、処理時間が10秒以上になると被加飾体に焦げが見られた。また、プラズマ処理に比べ、加飾体の除去にムラが見られた。
フレーム処理の場合、処理時間5秒が最も良い結果を与えるが、処理時間が10秒以上になると被加飾体に焦げが見られた。
ヒートガンによる高温熱風処理の場合、処理時間4秒が最も良い結果を与えるが、処理時間が7.5秒以上になると被加飾体に焦げが見られた。
また、環境条件に係るデータも変化するため、これらも含めて機械学習モデルは学習データとする。
例えば、表層変性処理工程前後のそれぞれで被加飾体の画像データを取得し、その画像から被加飾体上から除去できずに残っている加飾体の比率を解析し、加飾体除去率に使用してもよい。
一例を挙げると、表層変性処理工程前に100%であった加飾体の黒色部分が、表層変性処理工程後において40%となっている場合は、加飾体除去度は60%と言える。
この場合に得られる情報は例えば、白色部分(加飾体が除去できた被加飾体部分)80%、黒色部分(残った加飾体部分)10%、茶色部分(焦げ部分)10%などである。
機械学習モデルが十分に学習したあと、得られた学習モデルにより推論を行う。
本実施形態の機械学習モデルは、処理対象物品に係るデータと環境条件(気温、湿度など))とを入力データとして、加飾体除去度について定量化した値を出力する。
また、本実施形態の機械学習モデルは、この加飾体除去度が最も高くなる最適な表層変性処理条件を推論し、定量化した値として出力する。
この推論する処理を処理条件推論処理、この推論する工程を処理条件推論工程と称する。
成形サンプルの状態に係るデータは、加飾シート部分の膜厚のほか、接着層の膜厚などであってもよい。
また、「加飾体除去度について定量化した値を出力する」とは、定量化した値を算出できればよく、ユーザに対して表示することを必ずしも要しない。
なお、「加飾体除去度が最も高くなる」の語は、上記で定義した「最適」と同様、機械学習モデルが算出する範囲で加飾体除去度が最も高くなることを意味する。
加飾済み被加飾体の形状データや、測定により得られた加飾シート部分の膜厚を学習済み機械学習モデルに入力すると、機械学習モデルは加飾体除去度が最も高くなる表層変性処理条件を定量化した値として出力する。
つまり、表層変性処理条件を定量化した値として出力とは、ユーザが調整可能な表層処理装置の設定パラメータなどを、数値として出力することを意味する。
なおこの連携は、表層変性処理装置20に処理条件の設定を自動的に反映させてもよいし、端末30の表示部35(ディスプレイなど)に表示された処理条件を手入力で表層変性処理装置20に入力してもよい。
断片化処理工程では、加飾体を除去した被加飾体を断片化する。断片化とは例えば、裁断や粉砕である。
上述したように、本実施形態において、断片化された被加飾体は、押出機で再度溶融し、ペレット化するなどしてリサイクルされる。
断片化や溶融、ペレット化の方法は公知の方法が適宜用いられる。
<最適処理条件予測処理>
本実施形態のリサイクルシステム1において実行されるプログラム処理について説明する。
最適処理条件とは、表層変性処理における最適な処理条件を意味する。最適の語は上記で定義したとおりである。
データ取得処理は、プロセッサ411が機械学習に必要な学習データ、つまり、処理対象物品に係るデータ(学習用処理対象物品データ)、表層変性処理に係るデータ、および、表層変性処理の結果に係るデータを取得し、機械学習に入力可能な形に整える処理である。
すなわち、データ取得プログラムP11は、プロセッサ411によるデータ取得処理の実行により、コンピュータをデータ取得手段として機能させる。
データ取得処理において、プロセッサ411は、端末30から送信されている各種データを取得し、機械学習に適した形にデータを加工する。
ここで前提として、端末30は、ホットスタンプ成形装置10や表層変性処理装置20の処理・動作により得たデータを取得し、サーバ40に送信している。それらのデータはサーバ40のデータ格納部42bに格納されている。
通常ホットスタンプ成形からリサイクルまで相当の期間を有するため、ホットスタンプ成形装置10のデータは加飾体の除去に大きく影響しないと考えられるが、加飾シート片17のロットなどによって表層変性処理の結果に差異が生じる可能性がある。
このような場合を考慮し、ホットスタンプ成形装置10のデータをさらに入力しておくことで、機械学習モデルが新たな傾向を発見し得るという利点がある。
ホットスタンプ成形工程のデータについてはデータベースの項で後述する。
ラベル付けは上述したとおり、プラズマ処理装置21による加飾体除去度に基づいて行われる。
なお、データ格納部42bに保存されているデータがすでにラベル付けされている場合は、このステップは省略してもよい。
プロセッサ411は、適切に前処理が終了したら各種データを保存し(ステップ14)、データ取得処理を終了する。
処理条件学習処理は、処理対象物品に係るデータ、表層変性処理に係るデータ、および、表層変性処理の結果に係るデータを学習データとして、機械学習モデルがこれらの関係を学習するため処理である。
すなわち、処理条件学習プログラムP12は、プロセッサ411による処理条件学習処理の実行により、コンピュータを処理条件学習手段として機能させる。
本実施形態の処理条件学習処理において、プロセッサ411は、成形サンプルに係るデータ、プラズマ処理に係るデータ、および加飾体除去度のデータを入力データとし、これらの関係を学習する。
プロセッサ411は、ユーザによる処理条件学習処理開始の指示を、端末30からアプリS20を通じて受け付けることにより、処理条件学習処理を開始する。
つづいてプロセッサ411は、取得している成形サンプルに係るデータ(学習用処理対象物品データ)、プラズマ処理に係るデータ、および加飾体除去度のデータから学習に用いるデータサンプルを抽出し(ステップ22)、機械学習モデルのトレーニングを行う。
データサンプルを抜き出して繰り返し学習(トレーニング)することにより、1回の学習におけるサーバ40の負担を減らし、また学習の処理時間短くできるという利点がある。この機械学習モデルのトレーニングにおいて、プロセッサ411は特徴量を抽出する(ステップ23)。
学習が十分でない場合には(ステップ25No)、再度データサンプルの抽出を行い、学習を進める。
そのほか、テストで機械学習モデルが出力した加飾体除去度と、実際の加飾体除去度を比較するようにしてもよい。
処理条件推論処理は、処理対象物品に係るデータや環境データなどを入力データとして、機械学習モデルが加飾体除去度について定量化した値を出力し、また、最適な表層変性処理条件を定量化して出力するための処理である。
つまり、処理条件推論処理において、プロセッサ411は、加飾済みの被加飾体(成形サンプル)から加飾体を除去するための最適な処理条件を予測する。
すなわち、処理条件推論プログラムP13は、プロセッサ411による処理条件推論処理の実行により、コンピュータを処理条件推論手段として機能させる。
プロセッサ411は、ユーザによる処理条件推論処理開始の指示を端末30からアプリS20を通じて受け付けることにより、処理条件推論処理を開始する。
環境データは、気温や湿度である。
機械学習モデルは、加飾体除去度が大きくなるような表層変性処理条件を演算し、最適な表層変性処理条件について、定量化した値として出力する(ステップ33)。
このとき、加飾体除去度の値も表示するようにしてもよい。
プロセッサ411は、推論結果などのデータを保存し(ステップ34)、処理条件推論処理を終了する。
以下、本実施形態のリサイクルシステム1が扱うデータについて、図を用いて説明する。
本実施形態において、サーバ40の記憶部42(データ格納部42b)は、最適処理条件予測データベースD1を備える。
最適処理条件予測データベースD1は、ホットスタンプ成形工程データベースD11、表層変性工程データベースD12、および環境データベースD13を備える。
ホットスタンプ成形工程データベースD11は、ホットスタンプ成形に関するデータを備えるデータベースである。
ホットスタンプ成形に関するデータは、ホットスタンプ成形の対象となるサンプルのデータや、ホットスタンプ成形処理に関するデータを含む。例えば、ホットスタンプ成形の対象となる成形前サンプル(加飾前の被加飾体)のデータ、加飾体(加飾シート)のデータ、ホットスタンプ成形装置10の設定に関するデータ、またはホットスタンプ成形によりホットスタンプ成形装置10から得られるデータである。
ここで、処理開始時間と処理終了時間は、処理時間に関わる。
例えば、一意の加飾シートIDのほか、加飾シート名称、加飾シートロット番号、加飾シートメーカー名、および加飾シート製品番号をデータとして含む加飾シートデータベースを別途用意し、ホットスタンプ成形工程データベースD11には加飾シートIDのみ含めるようにしてもよい。
表層変性工程データベースD12は、表層変性処理に関するデータを備えるデータベースである。
表層変性処理に関するデータは、表層変性処理の対象となる成形サンプル(加飾済み被加飾体)のデータと、表層変性処理に関するデータを含む。
ここで、処理開始時間と処理終了時間、または処理対象の移動速度は、処理時間に関わる。
表4において、処理対象サンプル名、サンプルロット番号、サンプル材料名、加飾シート部分の膜厚、処理日、処理開始時間、および処理終了時間は省略している。
環境データベースD13は、各種装置(ホットスタンプ成形装置10や表層変性処理装置20など)が稼働しているときの環境データを備えるデータベースである。
また本実施形態において、環境データは表層変性処理装置20が接地してある場所の環境データを取得している。
表5は、環境データベースD13が備えるデータを例示するものである。
ただし、これに限られるものではなく、気圧のデータや、表層変性処理装置20の位置を示すGPS(Global Positioning System)のデータを備えていてもよい。
本発明は上述の実施形態に限られるものではなく、本発明の趣旨を逸脱しない範囲において、上述の実施形態に種々の変更を加えたものを含む。
ここでは、機械学習モデルの学習に必要な加飾済み被加飾体(成形サンプル)は、実際に使用された被加飾体に限らず、種々の形状のものを用意してもよい。
これにより、機械学習に必要な多くのデータを用意することができる。
平面形状の樹脂板とは、例えば5cm×5cmの樹脂の板である。
例えば、加速試験として、耐候性試験の代わりに耐光性試験や温度サイクル試験、温湿度サイクル試験などを用いてもよい。
これらの成形サンプルに対して、大気圧条件下(減圧無し)、400Wの条件でプラズマ処理を行った。このときの気温は25℃、湿度は30%である。
この結果、加速試験を行った成形サンプルは、より加飾体が除去しにくいという結果が得られた。
本実施形態のリサイクル方法は断片化工程を備えているが、リサイクルの方法はこれに限られない。例えば、加飾体を除去した被加飾体を、上述した断片化以外の方法で分解し、再生してもよい。
分解は例えば、被加飾体を構成する樹脂を、光反応や熱反応による解重合などにより分解してもよい。ここで解重合は、樹脂の主鎖などを構成する少なくとも一部の結合を切断することを意味する。
(1)第1の発明は、ホットスタンプ成形により被加飾体を加飾シートで加飾する工程、および被加飾体から加飾体を除去して被加飾体をリサイクルする工程を備え、
前記加飾シートは、熱可塑性接着剤を含む接着層を備え、
前記被加飾体から加飾体を除去して被加飾体をリサイクルする工程は、
コロナ処理、プラズマ処理、フレーム処理、または高温熱風処理を含む表層変性処理により加飾体を変性させる表層変性処理工程を含むことを特徴とする、ホットスタンプ成形品のリサイクル方法を提供する。
(2)第2の発明は、前記ホットスタンプ成形により被加飾体を加飾シートで加飾する工程は、前記加飾シートが加飾シート片であり、かつ、
別個独立した複数の加飾シート片が当接している被加飾体を、上部チャンバーと下部チャンバーとを備えるチャンバー内に載置する工程、
前記上部チャンバーと下部チャンバーを密接させ、前記上部チャンバーまたは前記下部チャンバーの開口部を覆うように配設した分画シートにより、前記上部チャンバー内の空間と前記下部チャンバー内の空間を前記分画シートで分画する態様でチャンバーを密閉する工程、
前記加飾シート片を加熱した状態で前記チャンバー内を減圧し、前記加飾シート片を前記被加飾体に密着させる工程、を備えることを特徴とする、第1の発明に記載のリサイクル方法を提供する。
この場合、加飾シート片を用いるホットスタンプ成形方法は、被加飾体のサイズに合わせてムラなく加飾できるため、加飾体除去も容易という利点がある。ムラなく加飾されていることにより、表層変性処理が局所的な処理を可能とするものでなくとも加飾体の除去ができるためである。
このほか、加飾シート片を用いるホットスタンプ成形方法は、大判の加飾シートを用いる場合と比較して加飾シート使用量が少なく、素材を効率的に使用できるため、より環境によいという利点がある。
(3)第3の発明は、前記表層変性処理工程が、さらに、機械学習モデルを用いて表層変性処理の処理条件を推論する処理条件推論工程を備え、
前記機械学習モデルは、
処理対象物品に係るデータ、表層変性処理に係るデータ、および、表層変性処理の結果に係るデータを学習データとして学習を行い、
少なくとも処理対象物品に係るデータを入力データとして、表層変性処理条件について定量化した値を出力する機械学習モデルであることを特徴とする、第1の発明に記載のリサイクル方法を提供する。
この場合、データの入力のみで処理条件を予測できるため、最適な表層変性処理条件を得るために実際の成形サンプルで試行錯誤する必要が無くなり、最適な表層変性処理条件を見出すための検討の効率が向上する。特に、成形サンプルを焦がしてしまい、無駄にする可能性を抑制できる。
(4)第4の発明は、前記学習データおよび前記入力データに係る前記処理対象物品に係るデータが、当該処理対象物品を加飾している加飾シート部分の膜厚を含むことを特徴とする、第3の発明に記載のリサイクル方法を提供する。
この場合、表層変性処理時間に深く関わり得る加飾シート部分の膜厚を学習データとして含めることにより、機械学習モデルがより適切な表層変性処理条件を提示する可能性が高くなる。
(5)第5の発明は、前記処理対象物品に係るデータが、処理対象物品の3Dデータを含むことを特徴とする、第3の発明に記載のリサイクル方法を提供する。
この場合、成形サンプルの立体形状を学習データとして含めることにより、機械学習モデルがより適切な表層変性処理条件を提示する可能性が高くなる。
(6)第6の発明は、前記表層変性処理がプラズマ処理であり、前記表層変性処理に係るデータが少なくともプラズマ処理の処理時間に係るデータを含むことを特徴とする、第3の発明に記載のリサイクル方法を提供する。
この場合、プラズマ処理はより広い面の処理ができるなどの利点があり、コロナ処理、フレーム処理、または高温熱風処理よりも、ホットスタンプ成形品の表層変性処理に適しているため、加飾体除去度が向上する。
(7)第7の発明は、コンピュータを、処理対象物品に係るデータ、表層変性処理に係るデータ、および表層変性処理の結果に係るデータを取得するデータ取得手段、
前記データ取得手段で取得したデータを学習データとして学習する処理条件学習手段、
少なくとも処理対象物品に係るデータを含むデータを入力データとして、表層変性処理条件について定量化した値を出力する処理条件推論手段、として機能させ、
前記データ取得手段および前記処理条件推論手段における前記処理対象物品は、熱可塑性接着剤を含む接着層を備える加飾シートを用いて、ホットスタンプ成形により加飾している被加飾体であり、
前記表層変性処理は、コロナ処理、プラズマ処理、フレーム処理、または高温熱風処理であり、
前記表層変性処理に係るデータは、少なくとも表層変性処理の処理時間を含むことを特徴とする、表層変性処理条件を予測するための最適処理条件予測プログラムを提供する。
10 ホットスタンプ成形装置
110 チャンバー
111 上部チャンバー
112 下部チャンバー
121 吊持部
122 支持部
123 載置台
130 分画シート
141 真空ポンプ
142 加圧タンク
143 ヒータ
151 下治具
152 枠体
153 押圧体
16 被加飾体
17 加飾シート片
20 表層変性処理装置
21 プラズマ処理装置
22 コロナ処理装置
23 フレーム処理装置
24 高温熱風処理装置
30 端末
31 制御部
311 プロセッサ
312 ROM
313 RAM
314 計時部
32 記憶部
32a プログラム格納部
32b データ格納部
33 通信制御部
34 入力部
35 出力部
40 サーバ
41 制御部
411 プロセッサ
412 ROM
413 RAM
414 計時部
415 最適処理条件予測部
42 記憶部
42a プログラム格納部
42b データ格納部
43 通信制御部
N ネットワーク
P10 最適処理条件予測プログラム
P11 データ取得プログラム
P12 処理条件学習プログラム
P13 処理条件推論プログラム
S20 アプリケーションソフトウェア(アプリ)
D1 最適処理条件予測データベース
D11 ホットスタンプ成形工程データベース
D12 表層変性工程データベース
D13 環境データベース
Claims (6)
- ホットスタンプ成形により被加飾体を加飾シートで加飾する工程、および
被加飾体から加飾体を除去して被加飾体をリサイクルする工程を備え、
前記加飾シートは、熱可塑性接着剤を含む接着層を備え、
前記被加飾体から加飾体を除去して被加飾体をリサイクルする工程は、
コロナ処理、プラズマ処理、フレーム処理、または高温熱風処理を含む表層変性処理により加飾体を変性させる表層変性処理工程を含み、
前記表層変性処理工程は、さらに、機械学習モデルを用いて表層変性処理の処理条件を推論する処理条件推論工程を備え、
前記機械学習モデルは、
処理対象物品に係るデータ、表層変性処理に係るデータ、および、表層変性処理の結果に係るデータを学習データとして学習を行い、
少なくとも処理対象物品に係るデータを入力データとして、表層変性処理条件について定量化した値を出力する機械学習モデルであることを特徴とする、
ホットスタンプ成形品のリサイクル方法。 - 前記ホットスタンプ成形により被加飾体を加飾シートで加飾する工程は、
前記加飾シートが加飾シート片であり、かつ、
別個独立した複数の加飾シート片が当接している被加飾体を、上部チャンバーと下部チャンバーとを備えるチャンバー内に載置する工程、
前記上部チャンバーと下部チャンバーを密接させ、前記上部チャンバーまたは前記下部チャンバーの開口部を覆うように配設した分画シートにより、前記上部チャンバー内の空間と前記下部チャンバー内の空間を前記分画シートで分画する態様でチャンバーを密閉する工程、
前記加飾シート片を加熱した状態で前記チャンバー内を減圧し、前記加飾シート片を前記被加飾体に密着させる工程、
を備えることを特徴とする、請求項1に記載のリサイクル方法。 - 前記学習データおよび前記入力データに係る前記処理対象物品に係るデータが、当該処理対象物品を加飾している加飾シート部分の膜厚を含むことを特徴とする、請求項1または2に記載のリサイクル方法。
- 前記学習データおよび前記入力データに係る前記処理対象物品に係るデータが、当該処理対象物品の3Dデータを含むことを特徴とする、請求項1または2に記載のリサイクル方法。
- 前記表層変性処理がプラズマ処理であり、
前記表層変性処理に係るデータが少なくともプラズマ処理の処理時間に係るデータを含むことを特徴とする、請求項1または2に記載のリサイクル方法。 - コンピュータを、
処理対象物品に係るデータ、表層変性処理に係るデータ、および表層変性処理の結果に係るデータを取得するデータ取得手段、
前記データ取得手段で取得したデータを学習データとして学習する処理条件学習手段、
少なくとも処理対象物品に係るデータを含むデータを入力データとして、表層変性処理条件について定量化した値を出力する処理条件推論手段、
として機能させ、
前記データ取得手段および前記処理条件推論手段における前記処理対象物品は、熱可塑性接着剤を含む接着層を備える加飾シートを用いて、ホットスタンプ成形により加飾している被加飾体であり、
前記表層変性処理は、コロナ処理、プラズマ処理、フレーム処理、または高温熱風処理であり、
前記表層変性処理に係るデータは、少なくとも表層変性処理の処理時間を含むことを特徴とする、
表層変性処理条件を予測するための最適処理条件予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023083276A JP7389972B1 (ja) | 2023-05-19 | 2023-05-19 | ホットスタンプ成形品のリサイクル方法およびリサイクルシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023083276A JP7389972B1 (ja) | 2023-05-19 | 2023-05-19 | ホットスタンプ成形品のリサイクル方法およびリサイクルシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7389972B1 true JP7389972B1 (ja) | 2023-12-01 |
Family
ID=88923962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023083276A Active JP7389972B1 (ja) | 2023-05-19 | 2023-05-19 | ホットスタンプ成形品のリサイクル方法およびリサイクルシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7389972B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006159870A (ja) * | 2004-12-10 | 2006-06-22 | Sharp Corp | プラスチック廃材の再資源化方法、プラスチック成形体の製造方法およびプラスチック成形体、ならびにプラスチック再資源化装置 |
JP6843363B1 (ja) * | 2020-11-30 | 2021-03-17 | 株式会社イルミネーション | ホットスタンプ成形装置およびホットスタンプ成形方法 |
JP2023017424A (ja) * | 2021-07-26 | 2023-02-07 | パナソニックIpマネジメント株式会社 | 解体手順選択装置及び解体手順選択方法及び解体装置 |
-
2023
- 2023-05-19 JP JP2023083276A patent/JP7389972B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006159870A (ja) * | 2004-12-10 | 2006-06-22 | Sharp Corp | プラスチック廃材の再資源化方法、プラスチック成形体の製造方法およびプラスチック成形体、ならびにプラスチック再資源化装置 |
JP6843363B1 (ja) * | 2020-11-30 | 2021-03-17 | 株式会社イルミネーション | ホットスタンプ成形装置およびホットスタンプ成形方法 |
JP2023017424A (ja) * | 2021-07-26 | 2023-02-07 | パナソニックIpマネジメント株式会社 | 解体手順選択装置及び解体手順選択方法及び解体装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2010085751A3 (en) | Apparatus and method for culturing stem cells | |
CN102602113B (zh) | 大尺寸复杂面壳表面装饰加工方法及面壳和装置 | |
JP7389972B1 (ja) | ホットスタンプ成形品のリサイクル方法およびリサイクルシステム | |
WO2005104726A3 (en) | Method for on-line machine vision measurement, monitoring and control of organoleptic properties of products for on-line manufacturing processes | |
EP1320002A3 (en) | Design support apparatus and method | |
CN102950697A (zh) | 一种uv转印模内转印装饰方法 | |
WO2010015219A3 (de) | Verfahren und vorrichtung zur blasformung von behältern | |
CN204123811U (zh) | 一种自动印章机 | |
US9443040B2 (en) | Method of forming hemming tool | |
Ford et al. | Designing consumer electronic products for the circular economy using recycled Acrylonitrile Butadiene Styrene (ABS): A case study | |
JP2008299365A5 (ja) | ||
CN108501558A (zh) | 采用喷绘机喷绘图案的钢板涂覆工艺 | |
US20130193027A1 (en) | Localized shaping for container decoration | |
CN107672160B (zh) | 3d打印机及其打印方法以及存储介质 | |
JP4785157B2 (ja) | 被転写体のステアリングホイールに木目模様を転写する転写方法と転写用シート | |
Piccininni et al. | Improving the hydromechanical deep-drawing process using aluminum tailored heat treated blanks | |
CN115906557A (zh) | 一种冲压件坯料轮廓偏移判定成形缺陷的智能检测方法 | |
Wang et al. | Simulation and optimization of giant radial tire vulcanization process | |
CN205736092U (zh) | 可调节的皮雕压模成型机 | |
CN205112291U (zh) | 一种快速转印成型结构 | |
Tsai et al. | Die design for stamping a notebook case with magnesium alloy sheets | |
JP4375729B2 (ja) | 超塑性成形品の離型方法 | |
CN202180598U (zh) | 碳纤维制品和玻璃纤维制品的风压成型工艺用模具 | |
CN104866634A (zh) | 车身外覆盖件外板抗凹性仿真分析方法 | |
JP7469049B2 (ja) | マグネシウムブラダーを用いて複合材構造体を製造するための方法とシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230519 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230519 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230807 |
|
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: 20231110 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231110 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7389972 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |