KR20220146574A - 장치, 방법 및 프로그램 - Google Patents

장치, 방법 및 프로그램 Download PDF

Info

Publication number
KR20220146574A
KR20220146574A KR1020227033211A KR20227033211A KR20220146574A KR 20220146574 A KR20220146574 A KR 20220146574A KR 1020227033211 A KR1020227033211 A KR 1020227033211A KR 20227033211 A KR20227033211 A KR 20227033211A KR 20220146574 A KR20220146574 A KR 20220146574A
Authority
KR
South Korea
Prior art keywords
molding
value
analysis target
display
probability distribution
Prior art date
Application number
KR1020227033211A
Other languages
English (en)
Inventor
잇페이 기무라
다쯔야 모리따
Original Assignee
아사히 가세이 가부시키가이샤
아사히 가세이 가부시키가이샤
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 아사히 가세이 가부시키가이샤, 아사히 가세이 가부시키가이샤 filed Critical 아사히 가세이 가부시키가이샤
Publication of KR20220146574A publication Critical patent/KR20220146574A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • B29C2045/7606—Controlling or regulating the display unit
    • 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
    • B29C2945/76973—By counting

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

수지 성형을 지원하는 장치이며, 수지 성형의 복수의 성형 인자의 값에 대응하는, 수지 성형체의 해석 대상 특성의 예측값의 확률 분포를 생성하는 예측부와, 해석 대상 특성의 예측값의 확률 분포를 표시 장치에 표시시키기 위한 표시 처리를 실행하는 표시 처리부를 구비하는 장치를 제공한다. 예측부는, 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값을 미리 정해진 범위에서 변화시킨 경우에 있어서의, 해석 대상 특성의 예측값의 분포의 변화를 산출하고, 표시부는, 해석 대상 특성의 예측값의 확률 분포의 변화를 표시한다.

Description

장치, 방법 및 프로그램
본 발명은, 장치, 방법 및 프로그램에 관한 것이다.
수지의 성형품을 성형하는 경우, 불량품의 발생을 저감하기 위해, 제조 장치(2)의 조작자가 성형 조건을 조정할 필요가 있다. 특허문헌 1에는, 조작자에 대한 지원으로서, 성형 조건에 의한 평가 항목의 변동을 예측하여 그래프 표시하는 것이 기재되어 있다.
일본 특허 공개 제2006-123172호 공보
그러나, 특허문헌 1에서는, 성형 조건의 범위에 의해 평가 항목의 예측 정밀도가 변화되어, 성형 조건의 조정 정밀도가 나빠지는 경우가 있다.
본 발명의 제1 양태에 있어서는, 수지 성형을 지원하는 장치를 제공한다. 장치는, 수지 성형의 복수의 성형 인자의 값에 대응하는, 수지 성형체의 해석 대상 특성의 예측값의 확률 분포를 생성하는 예측부를 구비해도 된다. 장치는, 해석 대상 특성의 예측값의 확률 분포를 표시 장치에 표시시키기 위한 표시 처리를 실행하는 표시 처리부를 구비해도 된다.
예측부는, 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값을 미리 정해진 범위에서 변화시킨 경우에 있어서의, 해석 대상 특성의 예측값의 확률 분포의 변화를 산출해도 된다. 표시 처리부는, 해석 대상 특성의 예측값의 확률 분포의 변화를 표시 장치에 표시시키기 위한 표시 처리를 실행해도 된다.
예측부는, 확률 분포의 변화를 나타내는 지표로서 해석 대상 특성의 예측값의 평균값의 변화와 표준 편차의 변화를 산출해도 된다. 표시 처리부는, 평균값의 변화와 표준 편차의 변화를 표시 장치에 표시시키기 위한 표시 처리를 실행해도 된다.
표시 처리부는, 해석 대상 특성의 목표값을 충족할 가능성을 갖는 성형 인자의 범위를 표시 장치에 표시시키기 위한 표시 처리를 실행해도 된다.
장치는, 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값의 지정을 유저로부터 수취하는 입력부를 구비해도 된다. 표시 처리부는, 예측값의 확률 분포와 함께, 지정된 성형 인자의 값에 있어서의 해석 대상 특성의 예측값의 확률 분포를 표시 장치에 표시시키기 위한 표시 처리를 실행해도 된다.
예측부는, 수지 성형의 복수의 성형 인자 중 적어도 하나에 대한 데이터를 입력한 것에 따라서, 해석 대상 특성의 예측값의 확률 분포를 생성하는 모델을 가져도 된다.
예측부는, 복수의 모델을 사용하여, 해석 대상 특성의 예측값을 각각 생성하고, 생성한 예측값의 평균값과 표준 편차를 산출해도 된다.
장치는, 해석 대상 특성의 목표값을 충족할 확률이 가장 높은 복수의 성형 인자의 조합인 추장 조건을 생성하는 추장부를 구비해도 된다. 표시 처리부는, 예측값의 확률 분포의 변화와 함께, 추장 조건을 표시 장치에 표시시키기 위한 표시 처리를 실행해도 된다.
예측부는, 미리 수지 성형을 행한 결과에 있어서의 복수의 성형 인자의 값과 해석 대상 특성의 값의 조를 포함하는 학습 데이터를 취득하는 취득부를 가져도 된다. 예측부는, 학습 데이터를 사용하여, 복수의 성형 인자의 값으로부터 해석 대상 특성의 예측값을 생성하는 모델을 학습하는 학습부를 가져도 된다.
예측부는, 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자에 있어서의, 해석 대상 특성의 목표값을 충족할 확률을 산출해도 된다. 표시 처리부는, 예측값의 확률 분포와 함께, 해석 대상 특성의 목표값을 충족할 확률을 표시 장치에 표시시키기 위한 표시 처리를 실행해도 된다.
예측부는, 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값을 미리 정해진 범위에서 변화시킨 경우에 있어서의, 해석 대상 특성의 목표값을 충족할 확률의 변화를 산출해도 된다. 표시 처리부는, 예측값의 확률 분포와 함께, 해석 대상 특성의 목표값을 충족할 확률의 변화를 표시 장치에 표시시키기 위한 표시 처리를 실행해도 된다.
추장부는, 복수의 추장 조건을 생성해도 되고, 각 추장 조건은, 복수 종류의 해석 대상 특성에 관한 것이어도 된다.
예측부는, 복수의 해석 대상 특성에 각각 대응하는 모델로부터, 대응하는 해석 대상 특성의 예측값의 확률 분포를 얻어도 된다.
추장부는, 예측값의 확률 분포가 가우스 분포로 된다고 간주하고, 예측값의 평균값과 표준 편차에 기초하여, 해석 대상 특성이 미리 정해진 조건을 충족할 확률을 산출해도 된다. 미리 정해진 조건을 충족할 확률은, 해석 대상 특성이 목표값을 하회할 확률, 해석 대상 특성이 목표값을 상회할 확률, 해석 대상 특성이 목표 범위 내가 될 확률이어도 된다.
추장부는, 복수의 해석 대상 특성에 대하여, 복수의 성형 인자의 조합이 미리 정해진 기준을 충족할 동시 확률을 산출하고, 동시 확률을 최대화시키도록 최적화 알고리즘을 사용하여 추장 조건을 생성해도 된다.
학습부는, 추장부에 의해 생성된 추장 조건의 성형 인자의 값을, 추장 조건에 대응하는 해석 대상 특성의 값이 목표값을 충족하지 않는 것으로 하여, 학습 데이터에 추가해도 된다. 추장부는, 추가한 학습 데이터로 학습한 후의 모델을 사용한 예측값으로부터, 상기 추장 조건과는 다른 추장 조건을 생성해도 된다.
유저가 입력부에 성형 인자의 특정 값을 입력하면, 표시 처리부는, 예측값의 확률 분포의 변화의 표시에 있어서 당해 특정 값에 대응하는 위치에, 대응하는 예측값의 확률 분포를 겹쳐서 표시 장치에 표시시켜도 된다.
본 발명의 제2 양태에 있어서는, 수지 성형을 지원하는 방법을 제공한다. 방법은, 수지 성형의 복수의 성형 인자의 값에 대응하는, 수지 성형체의 해석 대상 특성의 예측값의 확률 분포를 생성하는 단계를 구비해도 된다. 방법은, 해석 대상 특성의 예측값의 확률 분포를 표시 장치에 표시시키기 위한 표시 처리를 실행하는 단계를 구비해도 된다.
방법은, 해석 대상 특성의 예측값의 확률 분포를 생성하는 단계는, 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값을 미리 정해진 범위에서 변화시킨 경우에 있어서의, 성형한 수지의 해석 대상 특성의 예측값의 확률 분포의 변화를 산출하는 단계를 가져도 된다. 예측값의 확률 분포를 표시 장치에 표시시키기 위한 표시 처리를 실행하는 단계는, 해석 대상 특성의 예측값의 확률 분포의 변화를 표시 장치에 표시시키기 위한 표시 처리를 실행하는 단계를 가져도 된다.
본 발명의 제3 양태에 있어서는, 프로그램을 제공한다. 프로그램은, 컴퓨터에, 수지 성형의 복수의 성형 인자의 값에 대응하는, 수지 성형체의 해석 대상 특성의 예측값의 확률 분포를 생성하는 단계를 실행시켜도 된다. 프로그램은, 컴퓨터에, 해석 대상 특성의 예측값의 확률 분포를 표시 장치에 표시시키기 위한 표시 처리를 실행하는 단계를 실행시켜도 된다.
또한, 상기 발명의 내용은, 본 발명의 필요한 특징 모두를 열거한 것은 아니다. 또한, 이들 특징군의 서브 콤비네이션도 또한, 발명이 될 수 있다.
도 1은 본 실시 형태에 관한 시스템(1)을 도시한다.
도 2는 본 실시 형태의 표시부(60)에 의해 표시되는 화면(200)의 일례를 도시한다.
도 3은 본 실시 형태의 표시부(60)에 의해 표시되는 화면(300)의 다른 예를 도시한다.
도 4는 본 실시 형태의 표시부(60)에 의해 표시되는 화면(400)의 다른 예를 도시한다.
도 5는 본 실시 형태의 지원 장치(3)에 있어서의 모델의 학습 플로를 도시한다.
도 6은 본 실시 형태의 지원 장치(3)에 있어서의 성형 인자의 표시 플로를 도시한다.
도 7은 본 실시 형태의 표시부(60)에 의해 표시되는 화면(500)의 다른 예를 도시한다.
도 8은 본 실시 형태의 표시부(60)에 의해 표시되는 화면(600)의 다른 예를 도시한다.
도 9는 본 실시 형태의 표시부(60)에 의해 표시되는 화면(700)의 다른 예를 도시한다.
도 10은 본 발명의 복수의 양태가 전체적으로 또는 부분적으로 구현화되어도 되는 컴퓨터(2200)의 예를 도시한다.
이하, 발명의 실시 형태를 통해 본 발명을 설명하지만, 이하의 실시 형태는 청구범위에 관한 발명을 한정하는 것은 아니다. 또한, 실시 형태 중에서 설명되어 있는 특징의 조합 모두가 발명의 해결 수단에 필수라고는 할 수 없다.
도 1은 본 실시 형태에 관한 시스템(1)을 도시한다. 시스템(1)은, 수지의 성형 조건을 조정하여 수지 성형물을 제조한다. 시스템(1)은, 수지 성형물의 제조 장치(2) 및 지원 장치(3)를 구비한다.
수지 성형물의 제조에 사용하는 수지 조성물은, 일례로서, 폴리에틸렌, 아크릴로니트릴, 폴리아미드 등, 또는 수지에 유리 섬유 등을 추가한 강화 플라스틱이다.
제조 장치(2)는, 지원 장치(3)에 유선 또는 무선으로 접속되어, 사출 성형, 또는 인 몰드 성형 등에 의해 원하는 형상으로 성형한 수지 성형물을 제조한다. 제조 장치(2)는, 성형한 수지(수지 성형체)에 대하여 복수의 해석 대상 특성을 평가하여, 복수의 성형 인자 및 성형한 수지의 해석 대상 특성을 나타내는 데이터를 지원 장치(3)에 송신해도 된다.
여기서, 복수의 성형 인자는, 수지 성형물의 품질에 영향을 미치는 인자여도 되고, 제조 장치(2)에 있어서 설정하는 성형 조건을 포함해도 된다. 복수의 성형 인자는, 일례로서, 금형 두께, 금형 온도, 냉각 시간, 사출 온도, 사출 압력 최댓값, 보압 압력, 스크루 회전수, 및 계량값 등 중 적어도 하나여도 된다. 또한, 복수의 성형 인자는, 제조 장치(2)가 설치된 환경의 온도, 습도, 및 성형의 형상 등 중 적어도 하나를 포함해도 된다. 복수의 성형 인자의 값은, 있음/없음(예를 들어, 수지에 소정의 재료가 포함되는지 여부 등), 랭크(예를 들어, 수지의 품질 또는 가격 등의 랭크 A, B, 또는 C), 또는 수지의 종류 등을 나타내는 이산값을 포함해도 된다.
해석 대상 특성은, 수지 성형물이 불량품인지 여부를 판단하는 평가 항목이어도 된다. 해석 대상 특성은, 일례로서, 수지 성형물의 치수, 강도, 영률, 목표의 치수로부터의 오차, 수지 성형물에 발생하는 결함의 모드, 수, 면적, 또는 밀도, 및 불량이 발생하는 위치 등 중 적어도 하나를 포함해도 된다.
지원 장치(3)는, 수지 성형을 지원하는 장치의 일례이다. 지원 장치(3)는, 제조 장치(2)의 조작자 등의 유저(4)에 대하여, 복수의 성형 인자의 조에 따른 해석 대상 특성의 예측값을 표시함으로써, 성형 조건의 조정을 지원할 수 있다. 지원 장치(3)는, 취득부(10)와, 학습부(20)와, 입력부(30)와, 예측부(40)와, 추장부(50)와, 표시부(60)를 구비한다.
취득부(10)는, 제조 장치(2)에 접속된다. 취득부(10)는, 미리 수지 성형을 행한 결과에 있어서의 복수의 성형 인자의 값과 해석 대상 특성의 값의 조를 포함하는 학습 데이터를 취득한다. 취득부(10)는, 제조 장치(2), 웹 사이트, 및 외부의 기록 매체 중 적어도 하나로부터 학습 데이터를 취득해도 된다. 복수의 성형 인자의 값과 해석 대상 특성의 값의 조는, 제조 장치(2)에 있어서 미리 수지 성형을 행하였을 때의 복수의 성형 인자의 설정값과, 당해 수지 성형에서 제조된 수지 성형물을 평가하여 얻어진 해석 대상 특성의 값의 조여도 된다.
학습부(20)는, 취득부(10)에 접속된다. 학습부(20)는, 취득부(10)가 취득한 학습 데이터를 사용하여, 복수의 성형 인자의 값으로부터 해석 대상 특성의 예측값의 확률 분포를 생성하는 모델을 학습한다. 학습부(20)는, 학습 데이터를 사용하여 모델을 생성 및 갱신해도 된다. 학습부(20)는, 취득부(10) 등으로부터의 학습 데이터를 데이터베이스에 기억시켜도 된다.
입력부(30)는, 유저(4)로부터의 입력을 수취하기 위한 것이어도 되고, 일례로서, 키보드, 마우스, 또는 터치 패널 등이다. 입력부(30)는, 지원 장치(3)에서 표시하기 위한 적어도 하나의 표시 조건을 나타내는 데이터를 유저(4)로부터 입력받는다. 표시 조건은, 예를 들어 복수의 성형 인자 중 적어도 하나의 값(예를 들어, 복수의 성형 인자의 특정 값의 조합, 복수의 성형 인자 중 적어도 하나의 범위, 또는 복수의 성형 인자 중 적어도 하나의 값의 변경), 적어도 하나의 해석 대상 특성의 지정, 및 해석 대상 특성의 목표값 중 적어도 하나를 포함한다. 또한, 입력부(30)는, 유저(4)의 단말기(퍼스컴, 태블릿, 또는 스마트폰 등)로부터 표시 조건을 나타내는 데이터를 수신해도 된다. 또한, 입력부(30)는, 제조 장치(2)에서 성형을 행하기 위한 성형 조건의 입력을 수취해도 된다.
예측부(40)는, 학습부(20) 및 입력부(30)에 접속된다. 예측부(40)는, 복수의 성형 인자의 값 중 적어도 하나에 대하여 데이터를 입력한 것에 따라서, 해석 대상 특성의 예측값의 분포를 생성하는 모델을 학습부(20)로부터 수취하여 유지한다. 예측부(40)는, 입력부(30) 및 취득부(10) 중 적어도 한쪽으로부터 입력된 데이터와 모델을 사용하여, 수지 성형의 복수의 성형 인자의 값에 대응하는, 성형한 수지의 해석 대상 특성의 예측값의 분포를 생성한다. 예측부(40)는, 생성된 예측값의 분포에 기초하여, 당해 분포의 평균값 또는 중앙값 그리고 표준 편차를 출력해도 된다. 예측부(40)는, 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값을 미리 정해진 범위(예를 들어 대응하는 성형 인자의 설정 가능 범위)에서 변화시킨 경우에 있어서의, 해석 대상 특성의 예측값의 확률 분포의 변화를 산출해도 된다. 이 경우, 예측부(40)는, 예측값의 확률 분포의 변화를 나타내는 지표로서 해석 대상 특성의 예측값의 평균값의 변화 또는 중앙값의 변화와 표준 편차의 변화를 산출해도 된다. 예측부(40)는, 예측값의 확률 분포를 추장부(50)에 송신한다. 예측부(40)는, 취득부(10)가 취득한 학습 데이터를 추장부(50)에 송신해도 된다.
추장부(50)는, 예측부(40)에 접속된다. 추장부(50)는, 해석 대상 특성의 목표값을 충족할 확률이 가장 높은 복수의 성형 인자의 조합인 추장 조건을 생성한다. 추장부(50)는, 복수의 성형 인자 중 적어도 하나를 현재의 값(현재 최적으로 되어 있는 값)으로부터 변경한 추장 조건을 생성해도 된다. 추장부(50)는, 유저(4)로부터 입력부(30)를 통해 지정된 적어도 하나의 성형 인자를, 변경하는 성형 인자로서 추장 조건을 생성해도 된다. 추장부(50)는, 생성한 추장 조건을 학습부(20)에 학습 데이터로서 송신해도 된다. 또한, 추장부(50)는, 추장 조건을 제조 장치(2)에서 성형을 행하기 위한 성형 조건으로서 제조 장치(2)에 송신해도 된다. 추장부(50)가 복수의 추장 조건을 생성하는 경우에는, 생성된 추장 조건 중, 제조 장치(2)에 송신하는 것을 선택 가능해도 된다. 상기 선택은 입력부(30)에서 수신한 입력에 따라서 행해져도 된다.
표시부(60)는, 추장부(50)에 접속된다. 표시부(60)는, 표시 처리부(62)와 표시 장치(64)를 갖는다. 표시 처리부(62)는, 예측부(40)가 생성한, 해석 대상 특성의 예측값의 확률 분포를 표시 장치(64)에 표시시키기 위한 표시 처리를 실행한다. 표시 처리부(62)는, 예측값의 확률 분포와 함께, 추장 조건을 표시 장치에 표시시키기 위한 표시 처리를 실행해도 된다. 표시 처리부(62)는, 해석 대상 특성의 이름과, 평가 조건과, 예측 데이터와, 각 성형 인자의 이름과, 수지의 종류명과, 단위와, 설정 가능 범위(예를 들어, 입력부(30)를 통해 입력된 성형 인자의 범위)와, 최신의 설정값 중 적어도 하나를 또한 표시 장치(64)에 표시시키기 위한 표시 처리를 실행해도 된다. 표시 처리부(62)는, 표시 화면을 생성하는 처리, 표시에 필요한 데이터를 표시 장치(64)에 무선 또는 유선으로 출력하는 처리 등을 실행해도 된다. 또한, 표시 장치(64)는, 지원 장치(3)가 갖는 디스플레이 등이어도 되고, 또한, 유저(4)가 갖는 단말기의 표시 화면 또는 제조 장치(2)의 표시 화면 등, 외부의 디스플레이여도 된다.
또한, 지원 장치(3)는, 제조 장치(2)에 성형 조건을 송신하는 송신부(70)를 갖고 있어도 된다. 송신부(70)는, 입력부(30)에 입력된 성형 조건을 수취하여 제조 장치(2)에 송신해도 되고, 추장부(50)가 생성한 추장 조건을 수취하여 성형 조건으로 하고, 제조 장치(2)에 송신해도 된다.
도 2는 본 실시 형태의 표시부(60)에 의해 표시되는 화면(200)의 일례를 도시한다. 표시부(60)는, 화면(200) 상에, 각 성형 인자의 항목명(210)과, 성형 인자의 설정 가능 범위를 나타내는 슬라이드 바(220)와, 슬라이드 바(220) 상의 현재의 값의 위치를 나타내는 포인터(230)와, 성형 인자의 현재의 값(240)과, 수지의 종류명의 리스트 박스(250)와, 성형 인자의 현재의 값의 조합의 경우의 해석 대상 특성의 예측값의 분포를 나타내는 예측값 박스(260)를 표시한다. 도 2에 있어서는, 예측값 박스(260)는, 수지 성형물의 강도의 예측값 확률 분포에 있어서의 평균값이 100이며, 표준 편차가 13인 것을 나타낸다.
유저(4)는, 당해 화면(200)을 보면서, 마우스(입력부(30))를 사용하여, 마우스 커서로 포인터(230)를 움직여 성형 인자의 값을 변화시킨다. 이에 의해, 해석 대상 특성의 예측값 박스(260) 내의 예측값 분포의 평균 및 표준 편차는, 당해 성형 인자의 값의 조의 변화에 따라서 예측부(40)에 의해 화면 상에서 실시간으로 변화되기 때문에, 유저(4)는, 예측값의 확률 분포에 따라서 고정밀도로 성형 조건을 결정할 수 있다.
도 3은 본 실시 형태의 표시부(60)에 의해 표시되는 화면(300)의 다른 예를 도시한다. 표시부(60)는, 화면(300) 상에, 해석 대상 특성의 예측값의 확률 분포의 변화를 표시 장치(64)에 표시시키기 위한 표시 처리를 실행한다. 구체적으로는, 표시 처리부(62)는, 평균값의 변화와 표준 편차의 변화를 나타내는 그래프를 표시 장치에 표시시키기 위한 표시 처리를 실행한다. 당해 그래프는, 일례로서, 종축에 해석 대상 특성의 예측값(강도), 횡축에 사출 압력 최댓값(㎫)을 나타낸다. 표시부(60)는, 일례로서, 목표값(도 3에서는, 강도≥25)을 충족할 가능성이 있는 범위를 표시해도 된다. 표시부(60)는, 화면(200)에 있어서 성형 인자(도 3에서는 사출 압력 최댓값)가 유저(4)에 의해 선택되었을 때 표시하는 팝업 윈도우 내에, 화면(300)을 표시해도 된다.
도 4는 본 실시 형태의 표시부(60)에 의해 표시되는 화면(400)의 다른 예를 도시한다. 표시부(60)는, 유저(4)에 의해 선택된 복수의 성형 인자 중 적어도 하나에 대하여, 현재의 값으로부터 변경하는 경우의 추장 조건을 복수 표시해도 된다. 도 4의 예에서는, 표시부(60)는, 건조 온도 및 건조 시간에 대한 1위부터 3위까지의 순위의 3개의 추장 조건을 표시한다. 표시부(60)는, 도 4와 같이, 현재의 값으로부터 변경하는 성형 인자만 표시해도 되고, 다른 성형 인자의 값에 대해서도 표시해도 된다. 표시부(60)는, 도 2의 화면(200) 및 도 3의 화면(300) 중 적어도 한쪽과 함께, 도 4의 화면(400)을 1개의 화면 상에서 표시해도 된다.
도 5는 본 실시 형태의 지원 장치(3)에 있어서의 모델의 학습 플로를 도시한다. 스텝 S500에 있어서, 제조 장치(2)는, 수지 성형을 행한다. 제조 장치(2)는, 수지 성형물의 성형 조건을 변화시키면서 복수회의 수지 성형을 행해도 된다.
스텝 S510에 있어서, 취득부(10)는, 제조 장치(2)로부터 학습 데이터를 취득한다. 취득부(10)는, 복수의 성형 인자의 값과 해석 대상 특성의 값의 복수의 조합을 제조 장치(2)로부터 수신해도 된다. 또한, 취득부(10)는, 복수의 성형 인자의 값과, 수지 성형물의 측정 데이터(성형한 수지의 치수의 계측값, 및 화상 데이터 등)를 제조 장치(2)로부터 취득하여, 취득부(10)가 수지 성형물을 평가하여 해석 대상 특성의 값을 취득해도 된다.
스텝 S520에 있어서, 학습부(20)는, 취득부(10)가 취득한 학습 데이터를 사용하여, 복수의 성형 인자의 값으로부터 해석 대상 특성의 예측값의 확률 분포를 생성하는 모델을 학습한다. 학습부(20)는, 추장부(50)로부터 추장 조건을 학습 데이터로서 수취하고, 그 후 학습 데이터를 사용하여 모델을 학습해도 된다. 모델은, 일례로서, 가우스 과정법, 또는 앙상블 모델이다.
학습부(20)는, 정기적으로, S510에 있어서 취득부(10)가 학습 데이터를 취득하는 것에 따라서, 또는 유저(4)로부터의 입력에 따라서, 모델을 학습하고, 갱신해도 된다. 지원 장치(3)의 전원이 오프로 되면 학습 플로를 종료해도 된다.
도 6은 본 실시 형태의 지원 장치(3)에 있어서의 성형 인자의 표시 플로를 도시한다. 스텝 S600에 있어서, 입력부(30)는, 유저(4)로부터, 해석 대상 특성(예를 들어 강도 등)의 지정, 및 해석 대상 특성의 목표값 중 적어도 하나의 지정을 취득해도 된다. 입력부(30)는, 유저(4)로부터, 값을 변경하는 성형 인자의 지정, 복수의 성형 인자의 값(예를 들어, 현재의 최적의 성형 인자의 값의 조합, 또는 변경한 값 등), 및 성형 인자의 범위(예를 들어, 설정 가능 범위 등) 중 적어도 하나를 취득해도 된다.
스텝 S610에 있어서, 예측부(40)는, 모델을 사용하여, 복수의 성형 인자로부터, 입력부(30)에서 취득한 특정의 해석 대상 특성의 예측값의 분포를 생성한다. 또한 예측부(40)는, 생성한 예측값의 분포의 평균값과 표준 편차를 산출해도 된다. 학습부(20)는, 모델이 가우스 과정법인 경우에는, 과거의 학습 데이터로부터 확률 분포를 규정하고, 성형 인자의 조합 등의 입력 데이터에 대한 해석 대상 특성의 예측값의 확률 분포를 가우스 분포로 출력해도 된다. 또한, 학습부(20)는, 모델이 앙상블 모델인 경우에는, 복수의 해석 대상 특성에 각각 대응하는 복수의 모델을 사용하여, 성형 인자의 조합 등의 입력 데이터에 대한 해석 대상 특성의 예측값을 각각 생성하여 예측값의 확률 분포로서 출력해도 된다.
예측부(40)는, 복수의 성형 인자 중, 대응하는 성형 인자를 미리 정해진 범위에서 변화시킨 경우의 해석 대상 특성의 복수의 예측값(또는 변화)을 생성해도 된다. 변화시키는 미리 정해진 범위는, 예를 들어 각 성형 인자에 대하여, 유저(4)로부터 입력부(30)를 통해 입력된 범위, 또는 제조 장치(2)로부터 취득부(10)를 통해 취득한 당해 제조 장치(2)의 설정 가능 범위여도 된다.
스텝 S620에 있어서, 추장부(50)는, 예측부(40)가 예측한 예측값의 분포를 사용하여 추장 조건을 생성해도 된다. 추장부(50)는, 예를 들어 복수의 성형 인자 중 1개 또는 복수의 성형 인자를 미리 정해진 범위에서 변화시킨 경우의, 해석 대상 특성의 목표값을 충족할(일례로서, 특정 범위, 역치 이하의 범위, 또는 역치 이상의 범위 등을 충족할) 확률이 높은 성형 인자의 조합을 추장 조건으로 해도 된다. 추장부(50)는, 추장 조건의 후보가 되는 복수의 성형 인자의 복수의 조합에 대하여 각각 탐색 해석 대상 특성의 목표값을 충족할 확률을 산출하고, 당해 확률로부터 미리 정해진 조건에 기초하여 추장 조건을 결정해도 된다. 추장부(50)는, 변화시키는 성형 인자에 대하여, 유저(4)로부터의 선택을 입력부(30)를 통해 수신해도 된다. 또한, 추장부(50)는, 대응하는 성형 인자를 미리 정해진 범위에서 변화시킨 경우에 해석 대상 특성의 예측값의 변화의 폭(최솟값과 최댓값 사이의 폭)이 역치를 초과하는 성형 인자를, 변화시키는 성형 인자로서 선택해도 된다. 또한, 추장부(50)는, 추장 조건을 나타내는 데이터를 제조 장치(2)에 송신하여, 추장 조건에 따라서 수지 성형물을 제조하도록 제조 장치(2)를 제어해도 된다.
스텝 S620에 있어서, 표시부(60)는, 화면 상에, 해석 대상 특성의 예측값의 확률 분포 및 추장 조건을 표시한다. 표시부(60)는, 예를 들어 도 2, 도 3, 및 도 4 중 적어도 하나와 같은 화면을, 동일한 화면 상에서, 또는 다른 화면 상에서 표시해도 된다. 표시부(60)는, 예측부(40)로부터의 예측값의 확률 분포의 변화의 일부를 표시해도 된다. 예를 들어, 표시 처리부(62)는, 유저(4)로부터 입력된 해석 대상 특성의 목표값을 충족할 가능성을 갖는 성형 인자의 범위를 표시 장치(64)에 표시시키기 위한 표시 처리를 실행해도 된다. 여기서, 해석 대상 특성이 목표값을 충족할 가능성을 갖는다란, 예를 들어 해석 대상 특성의 예측값의 확률 분포에 해석 대상 특성의 목표값 또는 목표값의 범위가 포함되는 경우여도 된다. 도 3의 예에서는, 표시부(60)는, 해석 대상 특성의 목표값이 강도 25 이상인 경우, 예측값의 평균값+표준 편차가 25 이상이 되는 범위를 당해 목표값을 충족할 가능성이 있는 것으로 하고, 그와 같은 사출 압력 최댓값의 범위가 x1 이하, x2 내지 x3 사이, x4 이상인 것을 나타내어도 된다.
표시부(60)는, 복수의 성형 인자의 복수의 조합 중의 최적의 값의 조합, 가장 새롭게 취득한 현재의 값의 조합, 또는 유저(4)로부터 입력부(30)를 통해 입력된 값의 조합을 표시해도 된다. 표시부(60)는, 화면의 데이터를 생성하여 출력하여, 유저(4)의 단말기 또는 제조 장치(2) 등의 외부의 디스플레이에 표시시켜도 된다.
본 실시 형태에 의해, 해석 대상 특성의 예측값의 확률 분포를 유저(4)에게 나타낼 수 있기 때문에, 유저(4)는, 해석 대상 특성의 목표값을 충족할 확률이 보다 높아지는 성형 인자의 값을 선택할 수 있다. 이에 의해, 유저(4)는, 용이하게 정밀도가 높은 성형 조건의 조정을 실시할 수 있다. 또한, 실제로 성형 인자의 모든 조합으로 수지 성형을 행하지 않고, 예측한 해석 대상 특성에 따라서 최적의 성형 조건을 얻을 수 있기 때문에, 수지 재료 및 시간의 절약에 의한 제조 비용의 삭감을 달성할 수 있다. 성형 조건의 조정부터 제품의 제조 개시까지의 기간을 단축할 수 있어, 제조 장치의 가동률을 향상시킬 수 있다.
다음에, 복수의 해석 대상 특성에 대하여 복수의 추장 조건을 생성하는 실시 형태에 대하여 설명한다. 본 실시 형태는, 도 5 및 도 6의 플로에 있어서의 적어도 하나의 스텝과 조합하여 실행할 수 있다. 본 실시 형태에 있어서, 지원 장치(3)는, 유전적 알고리즘 또는 시뮬레이티드 어닐링 등의 진화적 알고리즘을 사용하여 추장 조건을 생성해도 된다.
추장부(50)는, 도 6의 S620에 있어서 해석 대상 특성의 목표값을 충족할 확률이 가장 높은 복수의 성형 인자의 조합인 제1 추장 조건을 생성하여, 학습부(20)에 송신한다. 학습부(20)는, 도 5의 S520에 있어서, 당해 제1 추장 조건의 복수의 성형 인자의 조합을 학습 데이터로서 사용하여, 모델을 학습한다. 다음에, 예측부(40)는, 도 6의 S610에 있어서 당해 학습한 모델을 사용하여 예측값의 확률 분포를 생성하여 추장부(50)에 송신한다. 다음에, 추장부(50)는, 도 6의 S620에 있어서, 예측값의 확률 분포로부터, 해석 대상 특성의 목표값을 충족할 확률이 가장 높은 복수의 성형 인자의 새로운 조합인 제2 추장 조건을 생성한다. 추장부(50)는, 또한, 제2 추장 조건을 학습부(20)에 송신하여, 마찬가지로 새로운 추장 조건을 생성해도 된다. 다음에, 보다 구체적으로 설명한다.
본 예에서는, 추장 조건에 포함되는 해석 대상 특성의 종류는 3개(일례로서, y1: 결함수, y2: 강도, y3: 영률)로 하고, 추장부(50)는 복수의 추장 조건을 생성한다. 먼저, 예측부(40)는, 추장 조건의 후보가 되는 복수의 성형 인자의 복수의 조합을 탐색 범위(예를 들어, 설정 가능 범위) 내에서 랜덤하게 생성한다(스텝 1000). 예측부(40)는, 생성한 성형 인자의 값의 조합을, 3개의 해석 대상 특성에 각각 대응하는 y1, y2, y3 모델에 입력하여, 해석 대상 특성의 예측 평균값과 예측 표준 편차를 생성한다(스텝 1010). 예를 들어, i번째의 성형 인자의 조합에 대해서는, 해석 대상 특성 y1, y2 및 y3의 예측 평균값을 μi,1, μi,2, 및 μi,3으로 하고, 예측 표준 편차를 σi,1, σi,2, 및 σi,3으로 한다.
다음에 추장부(50)는, 예측값이 해석 대상 특성의 목표값을 충족할 확률을 산출한다(스텝 1020). 예를 들어, 추장부(50)는, 예측값의 확률 분포가 가우스 분포로 된다고 간주하고, 예측 평균값과 예측 표준 편차에 기초하여, 해석 대상 특성 y1에 대해서는 a(목표값)를 하회할 확률 Pi,1을, 해석 대상 특성 y2에 대해서는 b(목표값)를 상회할 확률 Pi,2를, 해석 대상 특성 y3에 대해서는 c 내지 d의 범위 내(목표 범위)가 될 확률 Pi,3을 하기의 3개의 수학식으로 각각 산출한다.
Figure pct00001
Figure pct00002
Figure pct00003
다음에, 추장부(50)는, 모든 해석 대상 특성의 목표값을 충족할 동시 확률 Pi,all=Pi,1·Pi,2·Pi,3을 산출하고, 동시 확률 Pi,all을 최대화시키도록 최적화 알고리즘을 사용하여 추장 조건의 후보를 발생시킨다. 추장부(50)는, 추장 조건으로서 얻어진 복수의 성형 인자의 조합을 제1 추장 조건으로서 출력해도 된다(스텝 1030).
다음에, 추장부(50)는, 제1 추장 조건을 나타내는 데이터를 학습부(20)에 송신한다. 학습부(20)는, 당해 제1 추장 조건에 대한 해석 대상 특성의 값을 평균값으로서 학습 데이터의 데이터베이스에 추가한다(스텝 1040). 이때, 학습부(20)는, 당해 제1 추장 조건의 성형 인자의 값을, 대응하는 해석 대상 특성의 값이 목표값을 충족하지 않는 것으로 하여, 학습 데이터의 데이터베이스에 추가해도 된다. 이에 의해, 당해 학습 데이터로 학습한 후의 모델을 사용함으로써, 얻어지는 추장 조건이 제1 추장 조건과는 다른 값의 조합이 된다.
다음에, 스텝 1000 내지 1040을 반복하고, 이때의 스텝 1030에서 얻어진 성형 인자의 조합을 제2 추장 조건으로 한다. 또한, 스텝 1000 내지 1040을 반복하여, 제3 추장 조건, 및 제4 추장 조건 등을 얻을 수 있다.
본 실시 형태에 의해, 복수의 해석 대상 특성에 대하여, 복수의 추장 조건을 효율적으로 생성할 수 있다. 또한, 실제로 다수의 수지 성형을 행하지 않고 추장 조건에 기초하여 성형 조건을 조정할 수 있어, 수지 성형 비용의 삭감, 제품의 수지 성형까지의 기간의 단축, 제조 장치의 가동률 향상 등을 달성할 수 있다.
또한, 지원 장치(3)는, 제조 장치(2)에 접속되어 있지 않아도 되고, 취득부(10)는, 학습 데이터로서, 다른 제조 장치에 있어서의 수지 성형 데이터, 기록 매체에 기록된 데이터, 또는 웹 사이트의 데이터를 취득해도 된다.
또한, 지원 장치(3)는, 학습부(20)를 구비하고 있지 않아도 되고, 외부의 학습 장치로부터 모델이 제공되어도 된다.
도 7은 표시 장치(64)에 표시되는 화면(500)을 도시한다. 입력부(30)가, 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값의 지정을 유저(4)로부터 수취하는 경우, 표시 처리부(62)는, 예측값의 확률 분포와 함께, 지정된 성형 인자의 값에 있어서의 해석 대상 특성의 예측값의 확률 분포를 표시 장치(64)에 표시시키기 위한 표시 처리를 실행해도 된다. 표시 처리부(62)는, 스텝 S610에 있어서 예측부(40)가 예측에 사용한 가우스 분포의 곡선으로, 지정된 성형 인자의 값에 있어서의 해석 대상 특성의 예측값의 확률 분포를 표시 장치(64)에 표시시켜도 된다. 또한, 가우스 분포의 곡선의 종축(그래프의 종축 방향)은 해석 대상 특성의 예측값을 나타내고, 횡축(그래프의 횡축 방향)은 당해 예측값의 확률을 나타낸다.
구체적으로는, 스텝 S620에 있어서 표시 장치(64)에 사출 압력 최댓값에 대응하는 강도의 예측값의 확률 분포(예측값의 평균값 및 표준 편차)의 변화가 표시되어 있는 경우, 유저(4)가 입력부(30)에 사출 압력 최댓값 90㎫ 및 265㎫를 입력하면, 표시 처리부(62)는, 그래프의 사출 압력 최댓값 90㎫ 및 265㎫에 대응하는 위치에, 강도의 예측값의 확률 분포를 겹쳐서 표시시켜도 된다.
도 8은 표시 장치(64)에 표시되는 화면(600)을 도시한다. 표시 처리부(62)는, 화면(500)과 마찬가지로, 지정된 성형 인자의 값에 있어서의 해석 대상 특성의 예측값의 확률 분포를 표시 장치(64)에 표시시킨다. 단, 예측부(40)가 예측에 복수의 모델을 사용한 경우 등에는, 도 8에 도시한 바와 같이, 확률 분포의 곡선에 있어서, 확률이 높아지는 산이 복수 형성될 수 있다. 도 7, 도 8과 같은 실시 형태에 의해, 실제로 다수의 수지 성형을 행하지 않고 적절한 성형 조건으로 조정할 수 있어, 수지 성형 비용의 삭감, 제품의 수지 성형까지의 기간의 단축, 제조 장치의 가동률 향상 등을 달성할 수 있다.
도 9는 표시 장치(64)에 표시되는 화면(700)을 도시한다. 표시 처리부(62)는, 예측값의 확률 분포와 함께, 해석 대상 특성의 목표값을 충족할 확률을 표시 장치(64)에 표시시키기 위한 표시 처리를 실행해도 된다. 표시 처리부(62)는, 상기 예측값의 확률 분포와 함께, 상기 해석 대상 특성의 목표값을 충족할 확률의 변화를 표시 장치(64)에 표시시키기 위한 표시 처리를 실행해도 된다. 예측부는, 상기 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자에 있어서의, 상기 해석 대상 특성의 목표값을 충족할 확률을 산출해도 되고, 예를 들어 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값을 미리 정해진 범위에서 변화시킨 경우에 있어서의, 상기 해석 대상 특성의 목표값을 충족할 확률의 변화를 산출해도 된다.
도 9에 도시한 화면은, 도 3의 화면과 마찬가지여도 되고, 단, 추가로 목표값을 충족할 확률의 변화를 포함한다. 유저(4)가 입력부(30)에 목표값(도 9에서는, 강도≥25)을 입력하는 경우, 표시 처리부(62)는, 추장부(50)에 의해 산출되는 강도가 목표값을 상회할 확률 Pi,2를 수취하고, 사출 압력 최댓값 0 내지 300㎫에 있어서의 Pi,2의 변화를, 확률 분포의 변화에 겹쳐서 표시 장치(64)에 표시시켜도 된다. 이와 같은 실시 형태에 의해, 실제로 다수의 수지 성형을 행하지 않고 적절한 성형 조건일 확률이 높은 값으로 조정할 수 있어, 수지 성형 비용의 삭감, 제품의 수지 성형까지의 기간의 단축, 제조 장치의 가동률 향상 등을 달성할 수 있다.
또한, 표시 처리부(62)는, 목표값을 충족할 확률의 변화만을 그래프에 표시 시켜도 되고, 또한, 유저(4)에 의해 지정되는 성형 인자의 값에서의 목표값을 충족할 확률을 확률 분포의 변화의 대응하는 위치에 표시시켜도 된다.
또한, 지원 장치(3)는, PC, 서버, 또는 휴대 단말기 등이어도 된다.
또한, 본 발명의 다양한 실시 형태는, 흐름도 및 블록도를 참조하여 기재되어도 되고, 여기에 있어서 블록은, (1) 조작이 실행되는 프로세스의 단계 또는 (2) 조작을 실행하는 역할을 갖는 장치의 섹션을 나타내도 된다. 특정 단계 및 섹션이, 전용 회로, 컴퓨터 판독 가능 매체 상에 저장되는 컴퓨터 판독 가능 명령과 함께 공급되는 프로그래머블 회로, 및/또는 컴퓨터 판독 가능 매체 상에 저장되는 컴퓨터 판독 가능 명령과 함께 공급되는 프로세서에 의해 실장되어도 된다. 전용 회로는, 디지털 및/또는 아날로그 하드웨어 회로를 포함해도 되고, 집적 회로(IC) 및/또는 디스크리트 회로를 포함해도 된다. 프로그래머블 회로는, 논리 AND, 논리 OR, 논리 XOR, 논리 NAND, 논리 NOR, 및 다른 논리 조작, 플립플롭, 레지스터, 필드 프로그래머블 게이트 어레이(FPGA), 프로그래머블 로직 어레이(PLA) 등과 같은 메모리 요소 등을 포함하는, 재구성 가능한 하드웨어 회로를 포함해도 된다.
컴퓨터 판독 가능 매체는, 적절한 디바이스에 의해 실행되는 명령을 저장 가능한 임의의 유형의 디바이스를 포함해도 되고, 그 결과, 거기에 저장되는 명령을 갖는 컴퓨터 판독 가능 매체는, 흐름도 또는 블록도에서 지정된 조작을 실행하기 위한 수단을 작성하기 위해 실행될 수 있는 명령을 포함하는, 제품을 구비하게 된다. 컴퓨터 판독 가능 매체의 예로서는, 전자 기억 매체, 자기 기억 매체, 광 기억 매체, 전자 기억 매체, 반도체 기억 매체 등이 포함되어도 된다. 컴퓨터 판독 가능 매체의 보다 구체적인 예로서는, 플로피(등록 상표) 디스크, 디스켓, 하드 디스크, 랜덤 액세스 메모리(RAM), 리드 온리 메모리(ROM), 소거 가능 프로그래머블 리드 온리 메모리(EPROM 또는 플래시 메모리), 전기적 소거 가능 프로그래머블 리드 온리 메모리(EEPROM), 정적 랜덤 액세스 메모리(SRAM), 콤팩트 디스크 리드 온리 메모리(CD-ROM), 디지털 다용도 디스크(DVD), 블루레이(RTM) 디스크, 메모리 스틱, 집적 회로 카드 등이 포함되어도 된다.
컴퓨터 판독 가능 명령은, 어셈블러 명령, 명령 세트 아키텍처(ISA) 명령, 머신 명령, 머신 의존 명령, 마이크로코드, 펌웨어 명령, 상태 설정 데이터, 또는 Smalltalk(등록 상표), JAVA(등록 상표), C++ 등과 같은 오브젝트 지향 프로그래밍 언어, 및 「C」 프로그래밍 언어 또는 마찬가지의 프로그래밍 언어와 같은 종래의 수속형 프로그래밍 언어를 포함하는, 1개 또는 복수의 프로그래밍 언어의 임의의 조합으로 기술된 소스 코드 또는 오브젝트 코드 중 어느 것을 포함해도 된다.
컴퓨터 판독 가능 명령은, 범용 컴퓨터, 특수 목적의 컴퓨터, 혹은 다른 프로그램 가능한 데이터 처리 장치의 프로세서 또는 프로그래머블 회로에 대해, 로컬로 또는 로컬 에어리어 네트워크(LAN), 인터넷 등과 같은 와이드 에어리어 네트워크(WAN)를 통해 제공되며, 흐름도 또는 블록도에서 지정된 조작을 실행하기 위한 수단을 작성하기 위해, 컴퓨터 판독 가능 명령을 실행해도 된다. 프로세서의 예로서는, 컴퓨터 프로세서, 처리 유닛, 마이크로프로세서, 디지털 신호 프로세서, 컨트롤러, 마이크로컨트롤러 등을 포함한다.
도 10은 본 발명의 복수의 양태가 전체적으로 또는 부분적으로 구현화되어도 되는 컴퓨터(2200)의 예를 도시한다. 컴퓨터(2200)에 인스톨된 프로그램은, 컴퓨터(2200)에, 본 발명의 실시 형태에 관한 장치에 관련지어지는 조작 또는 당해 장치의 1개 또는 복수 섹션으로서 기능시킬 수 있거나, 또는 당해 조작 또는 당해 1개 또는 복수의 섹션을 실행시킬 수 있고, 및/또는 컴퓨터(2200)에, 본 발명의 실시 형태에 관한 프로세스 또는 당해 프로세스의 단계를 실행시킬 수 있다. 그와 같은 프로그램은, 컴퓨터(2200)에, 본 명세서에 기재된 흐름도 및 블록도의 블록 중 몇 가지 또는 모두에 관련지어진 특정 조작을 실행시키기 위해, CPU(2212)에 의해 실행되어도 된다.
본 실시 형태에 의한 컴퓨터(2200)는, CPU(2212), RAM(2214), 그래픽 컨트롤러(2216), 및 디스플레이 디바이스(2218)를 포함하고, 그것들은 호스트 컨트롤러(2210)에 의해 서로 접속되어 있다. 컴퓨터(2200)는 또한, 통신 인터페이스(2222), 하드디스크 드라이브(2224), DVD-ROM 드라이브(2226), 및 IC 카드 드라이브와 같은 입/출력 유닛을 포함하고, 그것들은 입/출력 컨트롤러(2220)를 통해 호스트 컨트롤러(2210)에 접속되어 있다. 컴퓨터는 또한, ROM(2230) 및 키보드(2242)와 같은 레거시의 입/출력 유닛을 포함하고, 그것들은 입/출력 칩(2240)을 통해 입/출력 컨트롤러(2220)에 접속되어 있다.
CPU(2212)는, ROM(2230) 및 RAM(2214) 내에 저장된 프로그램에 따라 동작하고, 그것에 의해 각 유닛을 제어한다. 그래픽 컨트롤러(2216)는, RAM(2214) 내에 제공되는 프레임 버퍼 등 또는 그것 자체 중에 CPU(2212)에 의해 생성된 이미지 데이터를 취득하고, 이미지 데이터가 디스플레이 디바이스(2218) 상에 표시되도록 한다.
통신 인터페이스(2222)는, 네트워크를 통해 다른 전자 디바이스와 통신한다. 하드디스크 드라이브(2224)는, 컴퓨터(2200) 내의 CPU(2212)에 의해 사용되는 프로그램 및 데이터를 저장한다. DVD-ROM 드라이브(2226)는, 프로그램 또는 데이터를 DVD-ROM(2201)으로부터 판독하고, 하드디스크 드라이브(2224)에 RAM(2214)을 통해 프로그램 또는 데이터를 제공한다. IC 카드 드라이브는, 프로그램 및 데이터를 IC 카드로부터 판독하고, 및/또는 프로그램 및 데이터를 IC 카드에 기입한다.
ROM(2230)은 그 중에, 액티브화 시에 컴퓨터(2200)에 의해 실행되는 부트 프로그램 등, 및/또는 컴퓨터(2200)의 하드웨어에 의존하는 프로그램을 저장한다. 입/출력 칩(2240)은 또한, 다양한 입/출력 유닛을 패럴렐 포트, 시리얼 포트, 키보드 포트, 마우스 포트 등을 통해, 입/출력 컨트롤러(2220)에 접속해도 된다.
프로그램이, DVD-ROM(2201) 또는 IC 카드와 같은 컴퓨터 판독 가능 매체에 의해 제공된다. 프로그램은, 컴퓨터 판독 가능 매체로부터 판독되어, 컴퓨터 판독 가능 매체의 예이기도 하는 하드디스크 드라이브(2224), RAM(2214), 또는 ROM(2230)에 인스톨되어, CPU(2212)에 의해 실행된다. 이들 프로그램 내에 기술되는 정보 처리는, 컴퓨터(2200)에 판독되어, 프로그램과, 상기 다양한 타입의 하드웨어 리소스와의 사이의 연계를 가져온다. 장치 또는 방법이, 컴퓨터(2200)의 사용에 따라 정보의 조작 또는 처리를 실현함으로써 구성되어도 된다.
예를 들어, 통신이 컴퓨터(2200) 및 외부 디바이스간에서 실행되는 경우, CPU(2212)는, RAM(2214)에 로드된 통신 프로그램을 실행하고, 통신 프로그램에 기술된 처리에 기초하여, 통신 인터페이스(2222)에 대해, 통신 처리를 명령해도 된다. 통신 인터페이스(2222)는, CPU(2212)의 제어 하에, RAM(2214), 하드디스크 드라이브(2224), DVD-ROM(2201), 또는 IC 카드와 같은 기록 매체 내에 제공되는 송신 버퍼 처리 영역에 저장된 송신 데이터를 판독하고, 판독된 송신 데이터를 네트워크에 송신하거나, 또는 네트워크로부터 수신된 수신 데이터를 기록 매체 상에 제공되는 수신 버퍼 처리 영역 등에 기입한다.
또한, CPU(2212)는, 하드디스크 드라이브(2224), DVD-ROM 드라이브(2226)(DVD-ROM(2201)), IC 카드 등과 같은 외부 기록 매체에 저장된 파일 또는 데이터베이스의 전부 또는 필요한 부분이 RAM(2214)에 판독되도록 하여, RAM(2214) 상의 데이터에 대해 다양한 타입의 처리를 실행해도 된다. CPU(2212)는 다음에, 처리된 데이터를 외부 기록 매체에 라이트 백한다.
다양한 타입의 프로그램, 데이터, 테이블, 및 데이터베이스와 같은 다양한 타입의 정보가 기록 매체에 저장되어, 정보 처리를 받아도 된다. CPU(2212)는, RAM(2214)으로부터 판독된 데이터에 대해, 본 개시의 곳곳에 기재되며, 프로그램의 명령 시퀀스에 의해 지정되는 다양한 타입의 조작, 정보 처리, 조건 판단, 조건 분기, 무조건 분기, 정보의 검색/치환 등을 포함하는, 다양한 타입의 처리를 실행해도 되고, 결과를 RAM(2214)에 대해 라이트 백한다. 또한, CPU(2212)는, 기록 매체 내의 파일, 데이터베이스 등에 있어서의 정보를 검색해도 된다. 예를 들어, 각각이 제2 속성의 속성값에 관련지어진 제1 속성의 속성값을 갖는 복수의 엔트리가 기록 매체 내에 저장되는 경우, CPU(2212)는, 제1 속성의 속성값이 지정되는, 조건에 일치하는 엔트리를 당해 복수의 엔트리 중으로부터 검색하고, 당해 엔트리 내에 저장된 제2 속성의 속성값을 판독하고, 그것에 의해 미리 정해진 조건을 충족하는 제1 속성에 관련지어진 제2 속성의 속성값을 취득해도 된다.
위에서 설명한 프로그램 또는 소프트웨어 모듈은, 컴퓨터(2200) 상 또는 컴퓨터(2200) 근방의 컴퓨터 판독 가능 매체에 저장되어도 된다. 또한, 전용 통신 네트워크 또는 인터넷에 접속된 서버 시스템 내에 제공되는 하드 디스크 또는 RAM과 같은 기록 매체가, 컴퓨터 판독 가능 매체로서 사용 가능하고, 그것에 의해 프로그램을, 네트워크를 통해 컴퓨터(2200)에 제공한다.
이상, 본 발명을 실시 형태를 사용하여 설명하였지만, 본 발명의 기술적 범위는 상기 실시 형태에 기재된 범위에 한정되지는 않는다. 상기 실시 형태에, 다양한 변경 또는 개량을 추가하는 것이 가능한 것이 당업자에게 명확하다. 그와 같은 변경 또는 개량을 추가한 형태도 본 발명의 기술적 범위에 포함될 수 있는 것이, 청구범위의 기재로부터 명확하다.
청구범위, 명세서, 및 도면 중에 있어서 나타낸 장치, 시스템, 프로그램 및 방법에 있어서의 동작, 수순, 스텝, 및 단계 등의 각 처리의 실행 순서는, 특별히 「보다 전에」, 「앞서서」 등으로 명시하고 있지 않고, 또한, 전의 처리의 출력을 후의 처리에서 사용하는 것이 아닌 한, 임의의 순서로 실현할 수 있는 것에 유의해야 한다. 청구범위, 명세서, 및 도면 중의 동작 플로에 관하여, 편의상 「먼저,」, 「다음에,」 등을 사용하여 설명하였다고 해도, 이 순으로 실시하는 것이 필수인 것을 의미하는 것은 아니다.
1: 시스템
2: 제조 장치
3: 지원 장치
10: 취득부
20: 학습부
30: 입력부
40: 예측부
50: 추장부
60: 표시부
62: 표시 처리부
64: 표시 장치
70: 송신부
200: 화면
210: 항목명
220: 슬라이드 바
230: 포인터
240: 현재의 값
250: 리스트 박스
260: 예측값 박스
300: 화면
400: 화면
500: 화면
600: 화면
700: 화면
2200: 컴퓨터
2201: DVD-ROM
2210: 호스트 컨트롤러
2212: CPU
2214: RAM
2216: 그래픽 컨트롤러
2218: 디스플레이 디바이스
2220: 입/출력 컨트롤러
2222: 통신 인터페이스
2224: 하드디스크 드라이브
2226: DVD-ROM 드라이브
2230: ROM
2240: 입/출력 칩
2242: 키보드

Claims (14)

  1. 수지 성형을 지원하는 장치이며,
    상기 수지 성형의 복수의 성형 인자의 값에 대응하는, 수지 성형체의 해석 대상 특성의 예측값의 확률 분포를 생성하는 예측부와,
    상기 해석 대상 특성의 상기 예측값의 확률 분포를 표시 장치에 표시시키기 위한 표시 처리를 실행하는 표시 처리부를 구비하는 장치.
  2. 제1항에 있어서,
    상기 예측부는, 상기 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값을 미리 정해진 범위에서 변화시킨 경우에 있어서의, 상기 해석 대상 특성의 예측값의 확률 분포의 변화를 산출하고,
    상기 표시 처리부는, 상기 해석 대상 특성의 상기 예측값의 확률 분포의 변화를 상기 표시 장치에 표시시키기 위한 표시 처리를 실행하는 장치.
  3. 제2항에 있어서,
    상기 예측부는, 상기 확률 분포의 변화를 나타내는 지표로서 상기 해석 대상 특성의 예측값의 평균값의 변화와 표준 편차의 변화를 산출하고,
    상기 표시 처리부는, 상기 평균값의 변화와 상기 표준 편차의 변화를 상기 표시 장치에 표시시키기 위한 표시 처리를 실행하는 장치.
  4. 제2항 또는 제3항에 있어서,
    상기 표시 처리부는, 상기 해석 대상 특성의 목표값을 충족할 가능성을 갖는 상기 성형 인자의 범위를 상기 표시 장치에 표시시키기 위한 표시 처리를 실행하는 장치.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값의 지정을 유저로부터 수취하는 입력부를 구비하고,
    상기 표시 처리부는, 상기 예측값의 확률 분포와 함께, 상기 지정된 성형 인자의 값에 있어서의 상기 해석 대상 특성의 상기 예측값의 확률 분포를 상기 표시 장치에 표시시키기 위한 표시 처리를 실행하는 장치.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 예측부는,
    상기 수지 성형의 상기 복수의 성형 인자 중 적어도 하나에 대한 데이터를 입력한 것에 따라서, 상기 해석 대상 특성의 상기 예측값의 확률 분포를 생성하는 모델을 갖는 장치.
  7. 제6항에 있어서,
    상기 예측부는, 복수의 상기 모델을 사용하여, 상기 해석 대상 특성의 상기 예측값을 각각 생성하고, 생성한 상기 예측값의 평균값과 표준 편차를 산출하는 장치.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서,
    상기 해석 대상 특성의 목표값을 충족할 확률이 가장 높은 상기 복수의 성형 인자의 조합인 추장 조건을 생성하는 추장부를 구비하고,
    상기 표시 처리부는, 상기 예측값의 확률 분포의 변화와 함께, 상기 추장 조건을 상기 표시 장치에 표시시키기 위한 표시 처리를 실행하는 장치.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    상기 예측부는,
    미리 수지 성형을 행한 결과에 있어서의 상기 복수의 성형 인자의 값과 상기 해석 대상 특성의 값의 조를 포함하는 학습 데이터를 취득하는 취득부와,
    상기 학습 데이터를 사용하여, 상기 복수의 성형 인자의 값으로부터 상기 해석 대상 특성의 예측값을 생성하는 모델을 학습하는 학습부를 갖는 장치.
  10. 제1항 내지 제9항 중 어느 한 항에 있어서,
    상기 예측부는, 상기 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자에 있어서의, 상기 해석 대상 특성의 목표값을 충족할 확률을 산출하고,
    상기 표시 처리부는, 상기 예측값의 확률 분포와 함께, 상기 해석 대상 특성의 목표값을 충족할 확률을 상기 표시 장치에 표시시키기 위한 표시 처리를 실행하는 장치.
  11. 제10항에 있어서
    상기 예측부는, 상기 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값을 미리 정해진 범위에서 변화시킨 경우에 있어서의, 상기 해석 대상 특성의 목표값을 충족할 확률의 변화를 산출하고,
    상기 표시 처리부는, 상기 예측값의 확률 분포와 함께, 상기 해석 대상 특성의 목표값을 충족할 확률의 변화를 상기 표시 장치에 표시시키기 위한 표시 처리를 실행하는 장치.
  12. 수지 성형을 지원하는 방법이며,
    상기 수지 성형의 복수의 성형 인자의 값에 대응하는, 수지 성형체의 해석 대상 특성의 예측값의 확률 분포를 생성하는 단계와,
    상기 해석 대상 특성의 상기 예측값의 확률 분포를 표시 장치에 표시시키기 위한 표시 처리를 실행하는 단계를 구비하는 방법.
  13. 제12항에 있어서,
    상기 해석 대상 특성의 예측값의 확률 분포를 생성하는 단계는, 상기 수지 성형의 복수의 성형 인자 중 적어도 하나의 성형 인자의 값을 미리 정해진 범위에서 변화시킨 경우에 있어서의, 수지 성형체의 해석 대상 특성의 예측값의 확률 분포의 변화를 산출하는 단계를 갖고,
    상기 표시 처리를 실행하는 단계는, 상기 해석 대상 특성의 상기 예측값의 확률 분포의 변화를 상기 표시 장치에 표시시키기 위한 표시 처리를 실행하는 단계를 갖는 방법.
  14. 컴퓨터에,
    수지 성형의 복수의 성형 인자의 값에 대응하는, 수지 성형체의 해석 대상 특성의 예측값의 확률 분포를 생성하는 단계와,
    상기 해석 대상 특성의 상기 예측값의 확률 분포를 표시 장치에 표시시키기 위한 표시 처리를 실행하는 단계를 실행시키기 위한 프로그램.
KR1020227033211A 2020-03-31 2021-03-31 장치, 방법 및 프로그램 KR20220146574A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020064511 2020-03-31
JPJP-P-2020-064511 2020-03-31
PCT/JP2021/014073 WO2021201187A1 (ja) 2020-03-31 2021-03-31 装置、方法、およびプログラム

Publications (1)

Publication Number Publication Date
KR20220146574A true KR20220146574A (ko) 2022-11-01

Family

ID=77928644

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227033211A KR20220146574A (ko) 2020-03-31 2021-03-31 장치, 방법 및 프로그램

Country Status (6)

Country Link
US (1) US20230010715A1 (ko)
EP (1) EP4129621A4 (ko)
JP (2) JPWO2021201187A1 (ko)
KR (1) KR20220146574A (ko)
CN (1) CN115335205A (ko)
WO (1) WO2021201187A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022210425A1 (ja) * 2021-03-31 2022-10-06 住友重機械工業株式会社 射出成形条件の探索支援装置及びその方法、プログラム及び記録媒体

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006123172A (ja) 2004-10-26 2006-05-18 Meiki Co Ltd 成形品の成形支援方法とそのプログラムを格納する記憶媒体

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0435923A (ja) * 1990-05-31 1992-02-06 Komatsu Ltd エキスパートシステムを用いた成形条件探索方法
JP4499601B2 (ja) * 2005-04-01 2010-07-07 日精樹脂工業株式会社 射出成形機の制御装置
JP4167282B2 (ja) * 2006-10-27 2008-10-15 日精樹脂工業株式会社 射出成形機の支援装置
JP6514622B2 (ja) * 2015-10-30 2019-05-15 日精樹脂工業株式会社 射出成形機の成形支援方法
JP6529183B2 (ja) * 2015-12-28 2019-06-12 日精樹脂工業株式会社 射出成形機の成形最適化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006123172A (ja) 2004-10-26 2006-05-18 Meiki Co Ltd 成形品の成形支援方法とそのプログラムを格納する記憶媒体

Also Published As

Publication number Publication date
EP4129621A1 (en) 2023-02-08
EP4129621A4 (en) 2023-10-11
TW202206255A (zh) 2022-02-16
CN115335205A (zh) 2022-11-11
US20230010715A1 (en) 2023-01-12
WO2021201187A1 (ja) 2021-10-07
JP2024054170A (ja) 2024-04-16
JPWO2021201187A1 (ko) 2021-10-07

Similar Documents

Publication Publication Date Title
CN104598981A (zh) 生成装置、生成方法和程序
JP2024054170A (ja) 装置、方法、およびプログラム
JPWO2016079972A1 (ja) 要因分析装置、要因分析方法とプログラム、及び、要因分析システム
US8180715B2 (en) Systems and methods for collaborative filtering using collaborative inductive transfer
Mitra et al. Blast furnace charging optimization using multi-objective evolutionary and genetic algorithms
KR20220108797A (ko) 중합체 점도 품질을 제어하기 위한 방법 및 제어 시스템
US20220309078A1 (en) Apparatus, method, and computer readable medium
CN105488193B (zh) 文章热度的预测方法和装置
TWI801502B (zh) 廠房運轉條件設定支援系統、學習裝置以及運轉條件設定支援裝置
TWI783427B (zh) 支援樹脂成形之裝置、方法及程式
Deng et al. Injection molding optimization for minimizing the defects of weld lines
TWI837464B (zh) 支援樹脂成形之裝置、方法及程式
JP2019119172A (ja) プログラム及び情報処理装置
CN111401395B (zh) 一种数据处理方法、终端设备及存储介质
AU2021276239A1 (en) Identifying claim complexity by integrating supervised and unsupervised learning
US20190236473A1 (en) Autonomous Hybrid Analytics Modeling Platform
US20200057959A1 (en) Reducing instances of inclusion of data associated with hindsight bias in a training set of data for a machine learning system
EP4053765A1 (en) Learning apparatus, evaluation apparatus, evaluation system, learning method, learning program, evaluation method, and evaluation program
JP2021071932A (ja) 装置、方法およびプログラム
CN110706772A (zh) 一种排序方法及装置、电子设备、存储介质
KR20200115703A (ko) 모바일 앱 사용자의 빅데이터 분석 모델 실시간 생성을 위한 딥러닝 오차 최소화 시스템 및 그 제어방법
WO2022170587A1 (en) Robotic process automation (rpa) -based data labelling
US20220100630A1 (en) Data processing system, data processing method, and recording medium having data processing program recorded thereon
EP4156041A1 (en) Information processing device, work plan specifying method, and work plan specifying program
JP2018180711A (ja) テストケースを選択する計算機及びテストケースの選択方法