TWI797628B - 機械學習方法、機械學習裝置、機械學習程式、通訊方法及混練裝置 - Google Patents
機械學習方法、機械學習裝置、機械學習程式、通訊方法及混練裝置 Download PDFInfo
- Publication number
- TWI797628B TWI797628B TW110119076A TW110119076A TWI797628B TW I797628 B TWI797628 B TW I797628B TW 110119076 A TW110119076 A TW 110119076A TW 110119076 A TW110119076 A TW 110119076A TW I797628 B TWI797628 B TW I797628B
- Authority
- TW
- Taiwan
- Prior art keywords
- aforementioned
- kneading
- parameter
- rotor
- conditions
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/06—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices
- B29B7/10—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices rotary
- B29B7/18—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices rotary with more than one shaft
- B29B7/183—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices rotary with more than one shaft having a casing closely surrounding the rotors, e.g. of Banbury type
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/58—Component parts, details or accessories; Auxiliary operations
- B29B7/72—Measuring, controlling or regulating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/58—Component parts, details or accessories; Auxiliary operations
- B29B7/72—Measuring, controlling or regulating
- B29B7/728—Measuring data of the driving system, e.g. torque, speed, power, vibration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/06—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices
- B29B7/10—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices rotary
- B29B7/18—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices rotary with more than one shaft
- B29B7/183—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices rotary with more than one shaft having a casing closely surrounding the rotors, e.g. of Banbury type
- B29B7/186—Rotors therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/22—Component parts, details or accessories; Auxiliary operations
- B29B7/24—Component parts, details or accessories; Auxiliary operations for feeding
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/34—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices
- B29B7/38—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary
- B29B7/46—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary with more than one shaft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/34—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices
- B29B7/38—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary
- B29B7/46—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary with more than one shaft
- B29B7/48—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary with more than one shaft with intermeshing devices, e.g. screws
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/58—Component parts, details or accessories; Auxiliary operations
- B29B7/60—Component parts, details or accessories; Auxiliary operations for feeding, e.g. end guides for the incoming material
- B29B7/603—Component parts, details or accessories; Auxiliary operations for feeding, e.g. end guides for the incoming material in measured doses, e.g. proportioning of several materials
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/58—Component parts, details or accessories; Auxiliary operations
- B29B7/72—Measuring, controlling or regulating
- B29B7/726—Measuring properties of mixture, e.g. temperature or density
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/74—Mixing; Kneading using other mixers or combinations of mixers, e.g. of dissimilar mixers ; Plant
- B29B7/7476—Systems, i.e. flow charts or diagrams; Plants
- B29B7/7495—Systems, i.e. flow charts or diagrams; Plants for mixing rubber
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/80—Component parts, details or accessories; Auxiliary operations
- B29B7/82—Heating or cooling
- B29B7/823—Temperature control
-
- 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
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/06—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices
- B29B7/10—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices rotary
- B29B7/18—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices rotary with more than one shaft
- B29B7/20—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type with movable mixing or kneading devices rotary with more than one shaft with intermeshing devices, e.g. screws
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/22—Component parts, details or accessories; Auxiliary operations
- B29B7/24—Component parts, details or accessories; Auxiliary operations for feeding
- B29B7/242—Component parts, details or accessories; Auxiliary operations for feeding in measured doses
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/22—Component parts, details or accessories; Auxiliary operations
- B29B7/28—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/22—Component parts, details or accessories; Auxiliary operations
- B29B7/28—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control
- B29B7/283—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control measuring data of the driving system, e.g. torque, speed, power
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/22—Component parts, details or accessories; Auxiliary operations
- B29B7/28—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control
- B29B7/286—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control measuring properties of the mixture, e.g. temperature, density
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Processing And Handling Of Plastics And Other Materials For Molding In General (AREA)
- Electrically Operated Instructional Devices (AREA)
- Electrophonic Musical Instruments (AREA)
- Stored Programmes (AREA)
Abstract
機械學習方法,係取得狀態變數,該狀態變數,係包含有關連於混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件,基於狀態變數,來計算出針對至少1個的混練條件之決定結果之報酬,基於報酬,來對於用以根據狀態變數而決定至少1個的混練條件之函數作更新,藉由反覆進行函數之更新,而決定出能夠得到最多的報酬之混練條件,至少1個的第1評價參數,係包含有關連於混練物之物理性質特性以及形狀特性之至少1者。
Description
本發明,係為有關於對於混練裝置之混練條件進行機械學習之技術者。
在專利文獻1中,係揭示有一種技術,其係藉由對於「包含有瞬間電力值、溫度、轉子之旋轉數以及撞錘之位置等的密閉式橡膠混練機之狀態之測定資料」和「對應於測定資料之代表混練之異常度之所賦予之教師資料」之學習資料進行機械學習,來產生代表混練為正常或者是異常之機械學習模型。之後,使用該機械學習模型來判定混練之異常。
然而,專利文獻1,係身為使用機械學習模型來判定混練之異常之有無的技術,而並非為決定在混練裝置中之混練條件的技術。因此,在專利文獻1中,係無法決定出能夠得到適當之混練物的混練條件。
於先前技術中,適當之混練條件,係依賴由熟練的技術者所得到的長年之經驗而被決定,而難以容易地來作決定。
[先前技術文獻]
[專利文獻]
[專利文獻1] 日本特開2020-32676號公報
本發明,係為為了對於上述之問題作解決所進行者,其目的,係在於提供一種不需要依賴由熟練的技術者所得到之長年之經驗地來容易地決定出能夠得到適當的混練物之混練條件之機械學習裝置等。
本發明之其中一個態樣之機械學習方法,係為使機械學習裝置決定用以混練高分子材料並得到混練物的混練裝置之混練條件的機械學習方法,前述混練裝置,係具備有:腔室,係被投入有前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,取得狀態變數,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件,基於前述狀態變數,來計算出針對前述至少1個的混練條件之決定結果之報酬,基於前述報酬,來對於用以根據前述狀態變數而決定前述至少1個的混練條件之函數作更新,藉由反覆進行前述函數之更新,而決定出能夠得到最多的前述報酬之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者。
本發明之另外一個態樣之機械學習裝置,係為決定用以混練高分子材料並得到混練物的混練裝置之混練條件的機械學習裝置,前述混練裝置,係具備有:腔室,係被投入有用以得到前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,並且,係具備有:狀態取得部,係取得狀態變數,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件;和報酬計算部,係基於前述狀態變數,來計算出針對前述至少1個的混練條件之決定結果之報酬;和更新部,係基於前述報酬,來對於用以根據前述狀態變數而決定前述至少1個的混練條件之函數作更新;和決定部,係藉由反覆進行前述函數之更新,而決定出能夠得到最多的前述報酬之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者。
本發明之又另外一個態樣之機械學習程式,係為決定用以混練高分子材料並得到混練物的混練裝置之混練條件的機械學習裝置之機械學習程式,前述混練裝置,係具備有:腔室,係被投入有用以得到前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,使電腦作為下述各部而起作用:狀態取得部,係取得狀態變數,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件;和報酬計算部,係基於前述狀態變數,來計算出針對前述至少1個的混練條件之決定結果之報酬;和更新部,係基於前述報酬,來對於用以根據前述狀態變數而決定前述至少1個的混練條件之函數作更新;和決定部,係藉由反覆進行前述函數之更新,而決定出能夠得到最多的前述報酬之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者。
本發明之又另外一個態樣之通訊方法,係為在對於混練高分子材料並得到混練物的混練裝置之混練條件進行機械學習時之通訊方法,並具備有:腔室,係被投入有用以得到前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,對於狀態變數作觀測,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件,將前述狀態變數送訊至網路上,並收訊已完成機械學習之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者。
本發明之又另外一個態樣之混練裝置,係為對於混練高分子材料並得到混練物的混練裝置,並具備有:腔室,係被投入有用以得到前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制;和狀態觀測部,係取得狀態變數,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件;和通訊部,係將前述狀態變數送訊至網路上,並收訊已完成機械學習之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者。
若依據本發明,則係可並不依賴由熟練的技術者所得到的長年之經驗地來決定適當之混練條件。
以下,參考所添附的圖面,對本發明之實施形態作說明。另外,以下之實施形態,係為將本發明作具體化的其中一例,而並非為對於本發明之技術性範圍作限定者。
圖1,係為本實施形態之混練裝置300之正面剖面圖。如同圖1中所示一般,混練裝置300,係具備有殼體3、和一對之轉子(二軸以上之轉子之其中一例)4、和門5、和漏斗6、和重錘8、和汽缸9、和活塞10、和活塞桿11、和馬達12、和減速機13、和驅動部14、和控制器320、以及輸入部350。殼體3,係於內部而具備有腔室2。一對之轉子4,係被設置在腔室2內。漏斗6,係被設置在供給筒7處。供給筒7,係被豎立設置於殼體3之上方,並將從漏斗6所投入的材料供給至腔室2處。重錘8,係在供給筒7內可自由上下移動地而被作插通。
汽缸9,例如係藉由油壓汽缸或空壓汽缸所構成,並被連結於供給筒7之上部處。活塞10,係被配置在汽缸9內。活塞10,係經由氣密地貫通汽缸9之下蓋側之活塞桿11而被與重錘8作連結。重錘8,係藉由使被形成於汽缸9內之上部處的空間被加壓一事而下降。藉由此,重錘8係被從漏斗6所供給的材料推入至腔室2內。材料,主要係包含樹脂或橡膠等之高分子材料。進而,材料,係亦可包含有填充物(碳或矽等)、藥品以及油等。
殼體3,係於底部而具備有排出口。門5,係亦被稱作升降門(drop door),並藉由從致動器(省略圖示)而來之動力來對排出口作開閉。門5,當正在腔室2中而混練材料時,係使排出口閉塞。門5,係藉由使排出口開放,來將在腔室2處而被作了混練的混練物排出。
一對之轉子4,係在水平方向上相互鄰接並被平行地作配置。一對之轉子4,係分別朝向內側旋轉。一對之轉子4,係分別於外周面處具備有複數之混練翼(省略圖示)。在各混練翼之頂部與腔室2之間,係存在有間隙。若是一對之轉子4旋轉,則在此間隙中係對於材料而賦予有剪斷力。各混練翼,係在一對之轉子4之軸心周圍而被扭轉為螺旋狀。藉由此扭轉,材料係被朝向一對之轉子4之軸方向作推壓,並在軸方向上流動。
殼體3,係具備有在一對之轉子4之軸方向上延伸並使循環媒體作流動的流路(省略圖示)。一對之轉子4、重錘8、門5之各者,亦係具備有使循環媒體作流動的流路(省略圖示)。
馬達12,係經由減速機13而使一對之轉子4旋轉。減速機13,係被設置在馬達12與一對之轉子4之間,並使一對之轉子4之旋轉速度減速。驅動部14,係藉由空氣單元或油壓單元所構成。驅動部14,係藉由對於汽缸9內之上部處的空間進行加壓,而使重錘8下降,並藉由使前述空間減壓,而使重錘8上升。
控制器320,係掌管混練裝置300之全體控制。例如,控制器320,係藉由輸出用以使驅動部14驅動之控制訊號,來對於重錘8之上升以及下降作控制。進而,控制器320,係藉由對於省略圖示之加熱器作控制,來對於腔室2內之材料之溫度作控制。進而,控制器320,係藉由輸出用以使馬達12驅動之控制訊號,來對於一對之轉子4之旋轉作控制。進而,控制器320,係藉由對於致動器(省略圖示)輸出控制訊號,來對於門5之開閉作控制。輸入部350,係藉由開關等之操作裝置而被構成,並受理從使用者而來之指示。輸送帶15,係將材料朝向漏斗6作搬送。進而,控制器320,係掌管一對之轉子4之控制、材料之混練時間之控制以及混練裝置之動作步驟之控制。
圖2,係為在實施形態中之使混練裝置300進行機械學習的機械學習系統之全體構成圖。機械學習系統,係包含有伺服器100、和通訊裝置200、以及混練裝置300。伺服器100以及通訊裝置200,係經由網路NT1而被可相互通訊地作連接。通訊裝置200以及混練裝置300,係經由網路NT2而被可相互通訊地作連接。網路NT1,例如係身為網際網路等之廣域通訊網。網路NT2,例如係身為局部區域網路。伺服器100,例如係為藉由1以上之電腦所構成的雲端伺服器。通訊裝置200,例如係為使用混練裝置300之使用者所持有的電腦。通訊裝置200,係作為將混練裝置300與網路NT1作連接的閘道器(gateway)而起作用。通訊裝置200,係藉由將專用之應用程式安裝至使用者自身所持有的電腦中,而實現之。或者是,通訊裝置200,係亦可為混練裝置300之製造商對於使用者所提供的專用之裝置。
以下,針對各裝置之構成作具體性說明。伺服器100,係具備有處理器102和通訊部101。處理器102,係身為包含有CPU等之控制裝置。處理器102,係包含有報酬計算部110、更新部120、決定部130以及學習控制部140。處理器102所具備之各區塊,係可藉由使處理器102實行用以使電腦作為在機械學習系統中之伺服器100而起作用之機械學習程式來實現之,亦可藉由專用之電性電路來實現之。
報酬計算部110,係基於狀態觀測部321所觀測到的狀態變數,來計算出針對至少1個的混練條件之決定結果之報酬。
更新部120,係基於藉由報酬計算部110所計算出的報酬,來對於用以根據狀態觀測部321所觀測到的狀態變數而決定混練條件的函數作更新。作為函數,係採用有後述之行動價值函數(active value function)。
決定部130,係藉由一面使至少1個的混練條件作變更一面反覆進行函數之更新,而決定出能夠得到最多的報酬之混練條件。
學習控制部140,係掌管機械學習之全體控制。本實施形態之機械學習系統,係藉由強化學習來學習混練條件。所謂強化學習,係為「使代理人(agent,行動主體)基於環境之狀況而選擇某一行動,並基於所選擇了的行動來使環境變化,再將伴隨著環境變化所得到之報酬賦予給代理人,藉由此來使代理人學習更佳的行動之選擇」之機械學習手法。作為強化學習,係可採用Q學習以及TD學習。在以下之說明中,係列舉出Q學習為例來進行說明。在本實施形態中,報酬計算部110、更新部120、決定部130、學習控制部140以及後述之狀態觀測部321,係相當於代理人。在本實施形態中,通訊部101,係身為取得狀態變數之狀態取得部之其中一例。
通訊部101,係藉由將伺服器100與網路NT1作連接的通訊電路而被構成。通訊部101,係經由通訊裝置200來收訊藉由狀態觀測部321所觀測到的狀態變數。通訊部101,係將決定部130所決定了的混練條件經由通訊裝置200來送訊至混練裝置300處。通訊部101,係將學習控制部140所決定了的混練實行指令送訊至混練裝置300處。
通訊裝置200,係包含有送訊器201以及收訊器202。送訊器201,係將從混練裝置300所送訊而來之狀態變數對於伺服器100作送訊,並將從伺服器100所送訊而來的混練條件對於混練裝置300作送訊。收訊器202,係收訊從混練裝置300所送訊而來之狀態變數,並收訊從伺服器100所送訊而來的混練條件。
混練裝置300,係包含有通訊部310、和控制器320、和記憶體330、和感測器部340、以及輸入部350。
通訊部310,係身為用以將混練裝置300與網路NT2作連接的通訊電路。通訊部310,係將藉由狀態觀測部321所觀測到的狀態變數對於伺服器100作送訊。通訊部310,係收訊伺服器100之決定部130所決定了的混練條件。通訊部310,係收訊學習控制部140所決定了的後述之處理實行指令。
控制器320,係身為包含有CPU等之電腦。控制器320,係包含有狀態觀測部321以及混練實行部322。通訊部310,係將狀態觀測部321所取得的狀態變數對於伺服器100作送訊。控制器320所具備之各區塊,例如係可藉由實行用以使CPU作為機械學習系統之混練裝置300而起作用之機械學習程式來實現之。
狀態觀測部321,係在混練結束後,對於包含有關連於混練物之性能評價之第1評價參數和至少1個的混練條件之狀態變數作觀測。於此,混練條件,係身為感測器部340之計測值以及混練實行部322之設定值。又,係為第1評價參數、感測器部340之計測值等。進而,狀態觀測部321,係亦可取得關連於混練裝置300之動作之安定性的第2評價參數。
圖3~圖6,係為對於混練條件之其中一例作展示之圖。混練條件,係被大致分類為中分類。在中分類中,係包含有關連於材料之第1參數、和關連於轉子控制之第2參數、和關連於動作步驟之第3參數、和關連於重錘動作之第4參數、和關連於溫度調節之第5參數、和關連於機械規格之第6參數,此些之中之至少1者。
第1參數,係包含有「包含配合量之投入材料種類、材料重量、材料比重、投入順序以及填充率」之中之至少1者。投入材料種類,係更進而包含有材料之構成物之種類。配合量,係包含有材料之構成物之各種類之量或者是各種類之量的比例。作為構成物之種類,例如係為橡膠或樹脂、碳、油以及藥品等。材料重量,係包含有材料之構成物之重量。材料比重,係代表材料之構成物之各種類之比重。投入順序,係為材料之構成物的被投入之順序。填充率,係身為相對於腔室2之容積的被投入至腔室2中之材料之容積之比例(體積率)。
第2參數,係包含有「轉子旋轉數、轉子相位以及轉子速度比」中之至少1者。轉子旋轉數,係為在各動作步驟中之一對之轉子4之每單位時間的旋轉數。
混練裝置300,係在直到從門5而將混練物排出為止的期間中,進行使材料被從漏斗6作複數次之投入的步驟處理。以下,將在1次的步驟處理中,從材料被投入起直到下一次材料被投入或者是材料被清掃為止的期間,稱作步驟單位。亦即是,一次的步驟處理,係如同第1次的步驟單位(1st)、第2次的步驟單位(2nd)一般地而被區劃為1以上之步驟單位。進而,各步驟單位,係被區劃為材料投入工程和混練工程或者是清掃工程。將此些之材料投入工程、混練工程以及清掃工程之各者,總稱為動作步驟(步驟之其中一例)。
材料投入時,係指材料投入工程之實施時。在材料投入工程中,材料係被從漏斗6而投入,藉由重錘8,材料係被推入至腔室2內。混練時,係指混練工程之實施時。在混練工程中,於使重錘8作了下降的狀態下,藉由一對之轉子4,材料係被作混練。清掃時,係指清掃工程之實施時。清掃工程,係在第2次以後之步驟單位中,替代材料投入工程而被適宜進行。在第2次以後之步驟單位中,於材料投入工程或清掃工程之開始時,係使重錘8上升。在第2次以後之步驟單位中,於混練工程之開始時,係使重錘下降。
例如,「1st.材料投入時」,係代表在第1次的步驟單位之材料投入工程中之轉子旋轉數,「1st.混練時」,係代表在第1次的步驟單位之混練工程中之轉子旋轉數。又,「2nd.材料投入時or清掃時」,係代表在第2次的步驟單位之材料投入工程中之轉子旋轉數或者是在第2次的清掃工程中之轉子之旋轉數。此些事項,針對第3次以後之步驟單位,亦為相同。於此,雖係展示有直到第3次為止的步驟單位,但是,係亦可存在有第4次以後之步驟單位。
轉子相位,係為一對之轉子4之設置角度。例如,一對之轉子4,係以像是90度、180度之類之角度而使相位有所偏移地來作設置。轉子速度比,係為一對之轉子4之每單位時間的旋轉數之差。
參照圖4。第3參數,係包含有「各步驟之混練時間、材料投入時間、步驟前進條件、總混練時間以及積算電力量」之至少1者。各步驟之混練時間,係身為在各步驟單位之混練工程中所需要之時間。例如,「1st混練STEP」,係代表第1次的步驟單位之混練工程之時間。於此,雖係展示有直到第3次為止的步驟單位,但是,係亦可存在有第4次以後之步驟單位。另外,各步驟之混練時間,係亦可藉由複數之步驟單位之混練時間之中之至少1個的步驟單位之混練時間而被構成。例如,各步驟之混練時間,係亦可僅藉由「1st混練STEP」之混練時間而被構成。
材料投入時間,係身為各步驟單位之材料投入工程之時間。例如,「1st投入STEP」,係身為第1次的步驟單位之材料投入工程之時間。另外,材料投入時間,係亦可藉由複數之步驟單位之材料投入時間之中之至少1個的步驟單位之材料投入時間而被構成。例如,材料投入時間,係亦可僅藉由「1st混練STEP」之材料投入時間而被構成。
步驟前進條件,係身為用以從各動作步驟而前進至下一個的動作步驟處之條件。步驟前進條件,係包含有「混練時間、材料之溫度、混練保持溫度、瞬間電力、積算電力、瞬間電流、轉矩以及材料之排出時溫度」之至少1者。混練時間,係代表用以前進至下一個的動作步驟處之特定之混練時間。若是混練時間到達特定之混練時間,則混練工程係結束,並前進至下一個的動作步驟處。材料之溫度,係代表用以前進至下一個的動作步驟處之材料之特定之溫度。若是材料之溫度到達特定之溫度,則混練工程係結束,並前進至下一個的動作步驟處。混練保持溫度,係為當在混練工程中將溫度設為一定而進行混練的情況時之設定溫度。瞬間電力,係代表用以前進至下一個的動作步驟處之馬達12之特定之瞬間電力。若是馬達12之瞬間電力到達特定之瞬間電力,則混練工程係結束,並前進至下一個的動作步驟處。積算電力,係代表用以前進至下一個的動作步驟處之馬達12之特定之積算電力。若是馬達12之積算電力到達特定之積算電力,則混練工程係結束,並前進至下一個的動作步驟處。瞬間電流,係代表用以前進至下一個的動作步驟處之馬達12之特定之瞬間電流。若是馬達12之瞬間電流到達特定之瞬間電流,則混練工程係結束,並前進至下一個的動作步驟處。轉矩,係代表用以前進至下一個的動作步驟處之馬達12之特定之轉矩。若是馬達12之轉矩到達特定之轉矩,則混練工程係結束,並前進至下一個的動作步驟處。材料之排出時溫度,係身為將材料排出時之特定之溫度。另外,步驟前進條件,係亦可藉由用以前進至下一個的步驟單位處之複數之條件之中之至少1個的條件而被構成。例如,步驟前進條件,係亦可由「混練時間、材料之溫度、混練保持溫度、瞬間電力、積算電力、瞬間電流、轉矩以及材料之排出時溫度」之條件之中之至少1個的條件所構成。
總混練時間,係身為1個的批次處理之總共的混練時間。積算電力量,係身為在1個的批次處理中所耗費之總共的電力量。
參照圖5。第4參數,係包含有重錘汽缸壓力、重錘位置以及重錘速度之至少1者。重錘汽缸壓力,係為在各步驟單位之混練工程中的重錘8對於腔室2之內部之材料作推壓之壓力。例如,「1st混練STEP」,係代表在第1次的步驟單位之混練工程中的重錘汽缸壓力。
重錘位置,係身為在重錘8對於材料作推壓時之重錘8之位置。重錘速度,係身為在重錘8對於材料作推壓時之重錘8之速度。
第5參數,係包含有外部大氣溫度、機械各部溫度以及循環媒體溫度之至少1者,外部大氣溫度係身為步驟處理中之外部氣溫。機械各部溫度,係身為在步驟處理中之機械之各部之溫度。機械之各部,例如,係身為在圖1中所示之供給筒7、汽缸9、馬達12、減速機13、殼體3、一對之轉子4以及門5等。
循環媒體溫度,係包含有「腔室進」、「腔室出」、「轉子進」、「轉子出」、「重錘進」、「重錘出」、「門進」、「門出」之至少1者。「腔室進」,係身為進入至殼體3中的循環媒體之溫度。「腔室出」,係身為從殼體3而排出之循環媒體之溫度。「轉子進」,係身為進入至一對之轉子4中的循環媒體之溫度。「轉子出」,係身為從一對之轉子4而排出之循環媒體之溫度。「重錘進」,係身為進入至重錘8中的循環媒體之溫度。「重錘出」,係身為從重錘8而排出之循環媒體之溫度。「門進」,係身為進入至門5中的循環媒體之溫度。「門出」,係身為從門5而排出之循環媒體之溫度。循環媒體溫度,係會對於混練物之性能造成影響。又,循環媒體溫度,係能夠利用在被作混練的材料之熱履歷之計算中。循環媒體,例如,係身為冷卻水、蒸汽、熱油等。循環媒體,係對於殼體3、一對之轉子4、重錘8以及門5等進行加熱及/或冷卻。
參照圖6。第6參數,係包含有「轉子種類、表面處理、門頂形狀以及重錘形狀」中之至少1者。轉子種類,係代表與形狀相對應之一對之轉子4之種類。表面處理,係代表對於腔室2所施加的硬化處理之種類。在表面處理中,係存在有增厚鍍敷等。藉由表面處理,腔室2之耐磨耗性以及耐腐蝕性係提升。門頂形狀,係代表與形狀相對應之門5之種類。重錘形狀,係代表與形狀相對應之重錘8之種類。
以上,係為混練條件之其中一例。另外,在上述之混練條件中之特別重要之參數,係如同下述一般。在第1參數中,例如,係為「配合量」以及「填充率」。在第2參數中,例如,係為混練時之「轉子旋轉數」。在第3參數中,例如,係為「各步驟之混練時間」、「步驟前進條件」、「總混練時間」以及「積算電力量」。在第4參數中,例如,係為「重錘汽缸壓力」。在第5參數中,例如,係為「循環媒體溫度」。
接著,針對第1評價參數作說明。圖7,係為對於第1評價參數之其中一例作展示之圖。第1評價參數,係被大致分類為中分類。在中分類中,係包含有物理性質以及形狀特性之至少1者。物理性質,係包含有孟納黏度(Mooney viscosity)、硫化特性(Vulcanization characteristics)、潘恩效應(Payne effect)、添加物之分散、動態黏彈性(Tanδ)、硬度、拉張應力、伸展性、拉張強度、排出實際重量、排出實際溫度、磨耗特性、彎曲強度、衝擊強度、破壞強度、彈性模數、毛細管黏度、流動特性以及橡膠混練旋轉數(表面更新量)之至少1者。形狀特性,係包含有固體物殘留程度以及表面性質狀態之至少1者。
接著,針對第2評價參數作說明。圖8,係為對於第2評價參數之其中一例作展示之圖。第2評價參數,係包含有「狀態-重錘」、「狀態-軸承」、「狀態-油壓」以及「狀態-轉子」之至少1個的中分類。狀態-重錘,係代表重錘之狀態。狀態-重錘,係包含有重錘壓力變動。重錘壓力變動,係代表在混練時之重錘8之推壓壓力之變動。起因於材料之上推,推壓壓力係變動。狀態-軸承,係代表一對之轉子4所具有的軸承之狀態。狀態-軸承,係包含有推力負載(Thrust load)以及徑向負載(Radial load)之至少1者。推力負載,係身為在混練時所施加於一對之轉子4之軸承處的推壓方向之負載。徑向負載,係身為在混練時所施加於一對之轉子4之軸承處的徑向方向之負載。
狀態-油壓,係代表用以使混練裝置300所具備的油壓機器動作之動作油之油壓之狀態。狀態-油壓,係包含有攪拌機迴路壓力、重錘迴路壓力以及油清淨程度之至少1者。攪拌機迴路壓力,係為被供給至驅動門5之致動器處的動作油之壓力。重錘迴路壓力,係為被供給至使重錘8進行上下移動的致動器處的動作油之壓力。油清淨程度,係為動作油之清淨程度。
狀態-轉子,係代表轉子4之狀態。狀態-轉子,係包含有瞬間電力、積算電力、瞬間電流以及轉矩之至少1者。瞬間電力,係身為馬達12之瞬間電力。積算電力,係身為馬達12之積算電力。瞬間電流,係身為馬達12之瞬間電流。轉矩,係身為馬達12之轉矩。
第1評價參數以及第2評價參數之中之特別重要之參數,例如係為孟納黏度(Mooney viscosity)、硫化特性(Vulcanization characteristics)、潘恩效應(Payne effect)、添加物之分散、動態黏彈性、硬度、排出實際重量以及排出實際溫度。
使說明回到圖2。混練實行部322,係對於由混練裝置300所致的混練處理之實行作控制。例如,混練實行部322,係如同於上在控制器320之說明中所述一般,進行重錘8之上升以及下降之控制、重錘汽缸之壓力之控制、加熱器之控制、馬達12之控制、門5之開閉之控制等。
記憶體330,例如係身為非揮發性之記憶裝置,並記憶最終所被決定的最適當之混練條件等。
感測器部340,係身為在圖3~圖6中所例示之混練條件、圖7中所例示之第1評價參數以及圖8中所例示之第2評價參數之計測中所被使用的各種之感測器。具體而言,感測器部340,係身為檢測出轉子旋轉數之感測器、對於混練時間以及材料投入時間等作計測之計時器、對於材料之溫度或循環媒體之溫度作計測之感測器、對於被供給至馬達12處之電流、電壓以及電力作計測之感測器、對於馬達12之轉矩作計測之感測器、對於重錘8之壓力作計測之感測器、外部氣溫感測器、對於重錘8之位置作計測之感測器、以及對於重錘8之速度作計測之感測器等。進而,感測器部340,係身為對於材料以及混練物之重量作計測之感測器、對於被施加於一對之轉子4之軸承處的推壓方向以及徑向方向之負載作計測之感測器等。
輸入部350,係身為鍵盤以及滑鼠等之輸入裝置。輸入部350,例如係由使用者而輸入有在圖6所示之第6參數中所包含之各種資料。進而,輸入部350,例如係由使用者而輸入有在圖7所示之第1評價參數之計測值。進而,輸入部350,例如係被輸入有在圖8所示之油清淨程度等之各種資料。
圖9,係為對於在圖2中所示之機械學習系統中的處理之其中一例作展示之流程圖。在步驟S1處,學習控制部140,係取得由使用者使用輸入部350所輸入了的混練條件之輸入值。於此所被取得之輸入值,係身為圖3中所示之包含配合量之投入材料種類、材料重量、材料比重、投入順序、填充率、轉子相位以及轉子速度比、圖6中所示之轉子種類、表面處理、門頂形狀、重錘形狀、以及圖5中所示之外部大氣溫度等。
在步驟S2中,學習控制部140,係決定至少1個的混練條件和針對各混練條件之設定值。於此,成為設定對象之混練條件,係身為在圖3~圖6中所列舉出的混練條件中之能夠對於設定值進行設定之至少1個的混練條件。在能夠對於設定值進行設定之混練條件中,例如係包含有在圖3~圖6中所例示之混練條件中之除了在步驟S1處作為輸入值而被取得的混練條件以外之混練條件。於此,所被決定的混練條件之設定值,係相當於在強化學習中的行動。
具體而言,學習控制部140,係針對成為設定對象的混練條件之各者,而隨機性地選擇設定值。於此,設定值,係針對各混練條件,而分別從特定之範圍內來隨機性地選擇。作為混練條件之設定值之選擇方法,例如係可採用ε-greedy法。
在步驟S3處,學習控制部140,係藉由對於混練裝置300送訊混練實行指令,而使混練裝置300開始混練處理。若是混練實行指令被通訊部310所收訊,則混練實行部322,係依循於混練實行指令而設定混練條件,並開始混練處理。在混練實行指令中,係包含有在步驟S1處所被設定的混練條件之輸入值以及在步驟S2處所被決定的混練條件之設定值等。
若是混練處理結束,則狀態觀測部321,係對於狀態變數進行觀測(步驟S4)。具體而言,狀態觀測部321,係作為狀態變數,而取得在圖7以及圖8中所示之第1評價參數以及第2評價參數和在圖3~圖6中所示之混練條件之中的成為觀測對象之混練條件。狀態觀測部321,係只要將被輸入至輸入部350處的各種計測器之計測值以及藉由感測器部340所計測到之計測值,作為混練條件、第1評價參數以及第2評價參數而取得即可。另外,係亦可藉由使混練裝置300與各種計測器進行通訊,來取得第1評價參數以及第2評價參數。又,成為觀測對象之混練條件,係採用有從在圖3~圖6中所示之混練條件中而預先所制定了的混練條件。另外,狀態觀測部321,係將所取得的狀態變數經由通訊部310來對於伺服器100作送訊。
在步驟S5處,決定部130,係對於第1評價參數以及第2評價參數進行評價。於此,決定部130,係藉由判定在步驟S4處所取得了的第1評價參數以及第2評價參數之中之成為評價對象之評價參數(以下,稱作對象評價參數)是否有到達特定之基準值一事,來對於第1評價參數以及第2評價參數進行評價。對象評價參數,係身為在圖7以及圖8中所列記出的第1評價參數以及第2評價參數之中之1或複數之評價參數。當對象評價參數係為複數的情況時,基準值,係成為存在有與各對象評價參數相對應的複數之基準值。基準值,例如,係能夠採用代表對象評價參數為有到達一定的基準一事之預先所作了制定之值。
基準值,例如係亦可為包含有上限值與下限值之值。於此情況,當對象評價參數為進入了上限值與下限值之間之範圍內的情況時,係被判定為到達了基準值。基準值,係亦可為1個值。於此情況,當對象評價參數為超過基準值的情況時或者是低於基準值的情況時,係被判定為滿足一定之基準。
決定部130,當判定對象評價參數為有到達基準值的情況時(步驟S6,YES),係將在步驟S2處所設定了的混練條件作為最終的混練條件而輸出(步驟S7)。另一方面,決定部130,當判定對象評價參數係並未到達基準值的情況時(步驟S6,NO),係使處理前進至步驟S8處。另外,當對象評價參數為存在有複數的情況時,決定部130,係只要當所有的對象評價參數到達了基準值的情況時,在步驟S6處判定為YES即可。
在步驟S8處,報酬計算部110,係判定對象評價參數是否對於基準值有所接近。當對象評價參數係對於基準值而有所接近的情況時(步驟S8,YES),報酬計算部110,係使對於代理人之報酬增大(步驟S9)。另一方面,當對象評價參數係並未對於基準值而有所接近的情況時(步驟S8,NO),報酬計算部110,係使對於代理人之報酬減少(步驟S10)。於此情況,報酬計算部110,係只要依循於預先所制定了的報酬之增減值來使報酬作增減即可。另外,當對象評價參數為存在有複數的情況時,報酬計算部110,係只要針對複數的對象評價參數之各者而分別進行步驟S8之判定即可。於此情況,報酬計算部110,係只要針對複數的對象評價參數之各者,而分別基於步驟S8之判定結果來使報酬作增減即可。又,報酬之增減值,係亦可因應於對象評價參數而採用相異之值。例如,係亦可將針對第1評價參數以及第2評價參數之中之上述之重要的評價參數之報酬之增減值,相較於其他之評價參數而設定為更大。
在步驟S11處,更新部120,係使用對於代理人所賦予了的報酬來將行動價值函數作更新。在本實施形態中所採用之Q學習,係身為在某一環境狀態s之下,對於身為針對選擇行動a一事的價值之Q值(Q(s,a))作學習之方法。另外,環境狀態s
t,係相當於上述之流程之狀態變數。而,在Q學習中,於某一環境狀態s時,Q(s,a)為最高的行動a係被作選擇。在Q學習中,係藉由試誤法(try and error),來在某一環境狀態s之下採取各種的行動a,並使用此時之報酬來學習正確的Q(s,a)。行動價值函數Q(s
t,a
t)之更新式,係藉由以下之式(1)而被作表現。
於此,s
t、a
t,係分別代表在時刻t處之環境狀態與行動。起因於行動a
t,環境狀態係變化為s
t+1,基於該環境狀態之變化,報酬r
t+1係被算出。又,被附加有max之項,係身為對於「當在環境狀態s
t+1之下而選擇了於該時間點所已知之價值為最高之行動a的情況時之Q值(Q(s
t+1,a))」而乘算上了γ者。於此,γ係為折扣率,而取0<γ≦1(通常為0.9~0.99)之值。α係為學習係數,並取0<α≦1(通常係為0.1程度)之值。
此更新式,係若是相較於「身為在狀態s下的行動a之Q值之Q(s
t,a
t)」,而「基於當採取了在起因於行動a所導致的下一個的環境狀態s
t+1下之最佳之行動時的Q值所得到之γ・maxQ(s
t+1,a)」為更大,則將Q(s
t,a
t)增大。另一方面,此更新式,係若是相較於Q(s
t,a
t)而γ・maxQ(s
t+1,a)為更小,則將Q(s
t,a
t)縮小。亦即是,係構成為使在某一狀態s
t下的某一行動a之價值,朝向在由該行動所導致的下一個的狀態s
t+1下之最佳之行動之價值接近。藉由此,最適當的混練條件係被決定。
若是步驟S11之處理結束,則處理係回到步驟S2,混練條件之設定值係被作變更,同樣的,行動價值函數係被更新。更新部120,雖係將行動價值函數作了更新,但是,本發明係並不被限定於此,而亦可對於行動價值表作更新。
Q(s,a),係亦能夠將相對於全部的狀態與行動之對(pair)(s,a)之值以表形式來作保存。或者是,Q(s,a),係亦能夠藉由將相對於全部的狀態與行動之對(pair)(s,a)之值作近似之近似函數來作表現。此近似函數,係亦可藉由多層構造之類神經網路來構成。於此情況,類神經網路,係只要進行「即時(realtime)地對於實際使混練裝置300動作所得到的資料進行學習,並反映於接下來的行動中」之線上(online)學習即可。藉由此,深層強化學習係被實現。
於先前技術中,在混練裝置中,係藉由以能夠得到良好之混練物的方式而使混練條件作變化,來進行混練條件之開發。為了得到良好的混練條件,係要求能夠找出第1評價參數以及第2評價參數與混練條件之間的關係性。但是,係得知了,如同在圖3~圖6中所示一般,由於混練條件之種類係為龐大,因此,為了對於此種關係性作規定,係成為需要極為多數的物理模型,並且難以藉由物理模型來對於此種關係性作記述。進而,為了建構出此種物理模型,亦需要人為性地找出何者之參數會對於何者之評價參數的評價造成影響,此建構係為困難。
若依據本實施形態,則上述之第1~第6參數和第1評價參數以及第2評價參數,係作為狀態變數而被作觀測。之後,基於所觀測到的狀態變數,相對於混練條件之決定結果的報酬係被計算出來,基於所計算出之報酬,用以根據狀態變數來決定混練條件的行動價值函數係被更新,此更新係被反覆進行,能夠得到最多的報酬之混練條件係被學習。如此這般,本實施形態,係並不使用上述之物理模型地而藉由機械學習來決定混練條件。其結果,本實施形態,係可並不依賴由熟練的技術者所得到的長年之經驗地來容易地決定適當之混練條件。
另外,本發明,係可採用以下之變形例。
(1)圖10,係為本發明之變形例的機械學習系統之全體構成圖。此變形例之機械學習系統,係藉由混練裝置300A單體所構成。混練裝置300A,係包含有控制器320A、和輸入部391、以及感測器部392。控制器320A,係包含有機械學習部370以及混練部380。機械學習部370,係包含有報酬計算部371、更新部372、決定部373以及學習控制部374。報酬計算部371~學習控制部374,係分別與圖2中所示之報酬計算部110~學習控制部140相同。混練部380,係包含有狀態觀測部381以及混練實行部382。狀態觀測部381以及混練實行部382,係分別與圖2中所示之狀態觀測部321以及混練實行部322相同。輸入部391以及感測器部392,係分別與圖2中所示之輸入部350以及感測器部340相同。在本變形例中,狀態觀測部381,係身為取得狀態資訊之狀態取得部之其中一例。
如此這般,若依據此變形例之機械學習系統,則係能夠藉由混練裝置300A單體來學習最適當之混練條件。
(2)在上述之流程圖中,狀態變數雖係在處理之結束後而被觀測,但是,此係僅為其中一例,而亦可在1次的處理中使狀態變數被作複數觀測。例如,當狀態變數係為僅藉由可瞬間性進行計測之參數而構成的情況時,係能夠在1次的處理中而觀測複數之狀態變數。藉由此,係能夠謀求學習時間之縮短。
(實施形態之總結)
本發明之其中一個態樣之機械學習方法,係為使機械學習裝置決定用以混練高分子材料並得到混練物的混練裝置之混練條件的機械學習方法,前述混練裝置,係具備有:腔室,係被投入有前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,取得狀態變數,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件,基於前述狀態變數,來計算出針對前述至少1個的混練條件之決定結果之報酬,基於前述報酬,來對於用以根據前述狀態變數而決定前述至少1個的混練條件之函數作更新,藉由反覆進行前述函數之更新,而決定出能夠得到最多的前述報酬之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者。
若依據本態樣,則至少1個的混練條件係作為狀態變數而被取得。進而,包含有混練物之物理性質特性以及形狀特性之中之至少1者的第1評價參數,係作為狀態變數而被取得。
之後,基於所取得的狀態變數,相對於混練條件之決定結果的報酬係被計算出來,基於所計算出之報酬,用以根據狀態變數來決定混練條件的函數係被更新,此更新係被反覆進行,能夠得到最多的報酬之混練條件係被學習。因此,本構成,係可並不依賴由熟練的技術者所得到的長年之經驗地來容易地決定適當之混練條件。
在上述機械學習方法中,前述至少1個的混練條件,係亦可身為關連於前述材料之第1參數與關連於前述轉子之控制之第2參數之中之至少1者。
若依據本構成,則由於關連於混練物之材料之第1參數與關連於轉子之控制之第2參數之中之至少1個的混練條件係作為狀態變數而被取得,因此,係能夠藉由將第1參數以及第2參數列入考慮而決定出更為適當的混練條件。
在上述機械學習方法中,前述至少1個的混練條件,係亦可身為「關連於前述材料之第1參數」和「關連於前述轉子之控制之第2參數」以及「從複數之步驟之中之至少1者的混練時間、各步驟中之至少1者的材料投入時間、用以前進至下一個步驟的條件之中之至少1個的條件、總混練時間以及積算電力量,此些之中之至少一者所選擇的關聯於動作步驟之第3參數」,此些之中之至少1者。
若依據本構成,則由於關連於混練物之材料之第1參數與關連於轉子之控制之第2參數以及關連於動作步驟之第3參數之中之至少1個的混練條件係作為狀態變數而被取得,因此,係能夠藉由將第1參數、第2參數以及第3參數列入考慮而決定出更為適當的混練條件。
在上述機械學習方法中,較理想,前述混練裝置,係更進而具備有重錘,前述至少1個的混練條件,係包含有關連於前述重錘之動作之第4參數。
若依據本態樣,則由於係作為狀態變數而更進而取得有關連於重錘之第4參數,因此,係能夠決定出更為適當的混練條件。
在上述機械學習方法中,較理想,前述混練裝置,係更進而具備有溫度調節機構,前述至少1個的混練條件,係包含有關連於溫度調節之第5參數。
若依據本態樣,則由於係作為狀態變數而更進而取得有關連於溫度調節之第5參數,因此,係能夠決定出更為適當的混練條件。
在上述機械學習方法中,較理想,前述第1參數,係包含有前述材料之配合量、前述材料之構成要素之投入順序、以及對於前述腔室之前述材料之填充率,此些之中之至少1者。
若依據本態樣,則由於係作為第1參數而採用有材料之配合量、材料之構成要素之投入順序以及對於腔室之前述材料之填充率中之至少1者,因此,係能夠決定出更為適當之混練條件。
在上述機械學習方法中,較理想,前述第2參數,係包含有前述二軸以上之轉子之旋轉數、前述二軸以上之轉子之相位、以及各轉子之速度比,此些之中之至少1者。
若依據本態樣,則由於係作為第2參數而採用有二軸以上之轉子之旋轉數、二軸以上之轉子之相位以及各轉子之速度比中之至少1者,因此,係能夠決定出更為適當之混練條件。
在上述機械學習方法中,較理想,在前述第3參數中之前述用以前進至下一個步驟的條件,係包含有各步驟之混練時間、前述材料之溫度、在各步驟中所應維持之前述材料之溫度、驅動前述二軸以上之轉子之馬達之瞬間電力、前述馬達之積算電力、前述馬達之瞬間電流、前述馬達之轉矩、以及前述材料之排出溫度,此些之中之至少1者。
若依據本態樣,則由於係作為用以前進至下一個步驟的條件,而採用有各步驟之混練時間、在各步驟中所應維持之材料之溫度、驅動二軸以上之轉子之馬達之瞬間電力、馬達之積算電力、馬達之瞬間電流、馬達之轉矩以及材料之排出時溫度中之至少1者作為第3參數,因此,係能夠決定出更為適當之混練條件。
在上述機械學習方法中,較理想,前述第4參數,係包含有在將前述材料推入至前述腔室中時之前述重錘之推壓壓力、前述重錘之位置以及前述重錘之速度,此些之中之至少1者。
若依據本態樣,則由於係作為第4參數,而採用有在將材料推入至腔室中時之重錘之推壓壓力、重錘之位置以及重錘之速度中之至少1者,因此,係能夠決定出更為適當之混練條件。
在上述機械學習方法中,較理想,前述第5參數,係包含有進入至前述腔室中之循環媒體之溫度、從前述腔室而排出之循環媒體之溫度、進入至前述二軸以上之轉子處之循環媒體之溫度、從前述二軸以上之轉子所排出之循環媒體之溫度、進入至將前述材料排出之門中的循環媒體之溫度、以及從前述門而排出之循環媒體之溫度,此些之中之至少1者。
若依據本態樣,則由於係作為第5參數,而採用有進入至腔室中之循環媒體之溫度、從腔室而排出之循環媒體之溫度、進入至二軸以上之轉子處之循環媒體之溫度、從轉子所排出之循環媒體之溫度、進入至門中的循環媒體之溫度、以及從門而排出之循環媒體之溫度中之至少1者,因此,係能夠決定出更為適當之混練條件。
在上述機械學習方法中,較理想,前述狀態變數,係更進而包含有關連於前述混練裝置之動作之安定性的第2評價參數。
若依據本態樣,則由於在狀態變數中係包含有關連於動作之安定性的參數,因此,係能夠謀求混練裝置之動作之安定性並獲取能夠得到適當的混練物之混練條件。
在上述機械學習方法中,較理想,前述物理性質特性,係包含有孟納黏度(Mooney viscosity)、硫化特性(Vulcanization characteristics)、潘恩效應(Payne effect)、添加物之分散、動態黏彈性、硬度、前述混練物之重量以及前述混練物之溫度之至少1者。
若依據本態樣,則由於係作為物理性質特性,而採用有孟納黏度(Mooney viscosity)、硫化特性(Vulcanization characteristics)、潘恩效應(Payne effect)、添加物之分散、動態黏彈性、硬度、混練物之重量以及混練物之溫度中之至少1者,因此,係能夠容易地獲取可得到滿足此些之物理性質特性之混練物的混練條件。
在上述機械學習方法中,較理想,前述函數,係使用深層強化學習而被以即時作更新。
若依據本態樣,則由於函數之更新係使用深層強化學習而被以即時來進行,因此,係能夠正確且迅速地進行函數之更新。
在上述機械學習方法中,較理想,在前述報酬之計算中,當前述至少1者的第1評價參數係接近與各第1評價參數相對應之特定之基準值的情況時,係使前述報酬增大,當前述至少1者的第1評價參數係並未接近與各第1評價參數相對應之特定之基準值的情況時,係使前述報酬減少。
若依據本態樣,則由於係隨著第1評價參數接近基準值而使報酬增大,因此,係能夠使第1評價參數迅速地到達基準值。
另外,在本發明中,上述之機械學習方法所具備的各處理,係可被安裝於機械學習裝置處,亦可作為機械學習程式而被作安裝並流通。此機械學習裝置,係可藉由伺服器來構成,亦可藉由混練裝置來構成。
本發明之另外一個態樣之通訊方法,係為在對於混練高分子材料並得到混練物的混練裝置之混練條件進行機械學習時之通訊方法,並具備有:腔室,係被投入有用以得到前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,對於狀態變數作觀測,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件,將前述狀態變數送訊至網路上,並收訊已完成機械學習之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者。
若依據本態樣,則係提供在對於混練條件進行機械學習時所必要之資訊。此種通訊方法,係亦能夠對於混練裝置作安裝。
2:腔室
3:殼體
4:轉子
5:門
6:漏斗
7:供給筒
8:重錘
9:汽缸
10:活塞
11:活塞桿
12:馬達
13:減速機
14:驅動部
15:輸送帶
100:伺服器
101:通訊部
102:處理器
110:報酬計算部
120:更新部
130:決定部
140:學習控制部
200:通訊裝置
201:送訊器
202:收訊器
300:混練裝置
300A:混練裝置
310:通訊部
320:控制器
320A:控制器
321:狀態觀測部
322:混練實行部
330:記憶體
340:感測器部
350:輸入部
370:機械學習部
371:報酬計算部
372:更新部
373:決定部
374:學習控制部
380:混練部
381:狀態觀測部
382:混練實行部
391:輸入部
392:感測器部
NT1:網路
NT2:網路
[圖1]係為本實施形態之混練裝置之正面剖面圖。
[圖2]係為在實施形態中之使混練裝置進行機械學習的機械學習系統之全體構成圖。
[圖3]係為對於混練條件之其中一例作展示之圖。
[圖4]係為對於混練條件之其中一例作展示之圖。
[圖5]係為對於混練條件之其中一例作展示之圖。
[圖6]係為對於混練條件之其中一例作展示之圖。
[圖7]係為對於第1評價參數之其中一例作展示之圖。
[圖8]係為對於第2評價參數之其中一例作展示之圖。
[圖9]係為對於在圖2中所示之機械學習系統中的處理之其中一例作展示之流程圖。
[圖10]係為本發明之變形例的機械學習系統之全體構成圖。
100:伺服器
101:通訊部
102:處理器
110:報酬計算部
120:更新部
130:決定部
140:學習控制部
200:通訊裝置
201:送訊器
202:收訊器
300:混練裝置
310:通訊部
320:控制器
321:狀態觀測部
322:混練實行部
330:記憶體
340:感測器部
350:輸入部
NT1,NT2:網路
Claims (16)
- 一種機械學習方法,係為使機械學習裝置決定用以混練高分子材料並得到混練物的混練裝置之混練條件的機械學習方法,前述混練裝置,係具備有:腔室,係被投入有前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,該機械學習方法,係取得狀態變數,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件,基於前述狀態變數,來計算出針對前述至少1個的混練條件之決定結果之報酬,基於前述報酬,來對於用以根據前述狀態變數而決定前述至少1個的混練條件之函數作更新,藉由反覆進行前述函數之更新,而決定出能夠得到最多的前述報酬之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者,前述至少1個的混練條件,係身為關連於前述材料之 第1參數、和關連於前述轉子之控制之第2參數、以及關連於動作步驟之第3參數,此些之中之至少1者,其中,該關連於動作步驟之第3參數,係包含有關連於複數之步驟之中之至少1者的混練時間、各步驟中之至少1者的材料投入時間、用以前進至下一個步驟的條件之中之至少1個的條件、總混練時間以及積算電力量,此些之中之至少一者。
- 如請求項1所記載之機械學習方法,其中,前述混練裝置,係更進而具備有重錘,前述至少1個的混練條件,係包含有關連於前述重錘之動作之第4參數。
- 如請求項1所記載之機械學習方法,其中,前述混練裝置,係更進而具備有溫度調節機構,前述至少1個的混練條件,係包含有關連於溫度調節之第5參數。
- 如請求項1所記載之機械學習方法,其中,前述第1參數,係包含有前述材料之配合量、前述材料之構成要素之投入順序、以及對於前述腔室之前述材料之填充率,此些之中之至少1者。
- 如請求項1所記載之機械學習方法,其中,前述第2參數,係包含有前述二軸以上之轉子之旋轉 數、前述二軸以上之轉子之相位、以及各轉子之速度比,此些之中之至少1者。
- 如請求項1所記載之機械學習方法,其中,在前述第3參數中之前述用以前進至下一個步驟的條件,係包含有用以前進至下一個步驟之混練時間、前述材料之溫度、在各步驟中所應維持之前述材料之溫度、驅動前述二軸以上之轉子之馬達之瞬間電力、前述馬達之積算電力、前述馬達之瞬間電流、前述馬達之轉矩、以及前述材料之排出溫度,此些之中之至少1者。
- 如請求項2所記載之機械學習方法,其中,前述第4參數,係包含有在將前述材料推入至前述腔室中時之前述重錘之推壓壓力、前述重錘之位置以及前述重錘之速度,此些之中之至少1者。
- 如請求項3所記載之機械學習方法,其中,前述第5參數,係包含有進入至前述腔室中之循環媒體之溫度、從前述腔室而排出之循環媒體之溫度、進入至前述二軸以上之轉子處之循環媒體之溫度、從前述二軸以上之轉子所排出之循環媒體之溫度、進入至將前述材料排出之門中的循環媒體之溫度、以及從前述門而排出之循環媒體之溫度,此些之中之至少1者。
- 如請求項1~8中之任一項所記載之機械學 習方法,其中,前述狀態變數,係更進而包含有關連於前述混練裝置之動作之安定性的第2評價參數。
- 如請求項1~8中之任一項所記載之機械學習方法,其中,前述物理性質特性,係包含有孟納黏度(Mooney viscosity)、硫化特性(Vulcanization characteristics)、潘恩效應(Payne effect)、添加物之分散、動態黏彈性、硬度、前述混練物之重量以及前述混練物之溫度之至少1者。
- 如請求項1~8中之任一項所記載之機械學習方法,其中,前述函數,係使用深層強化學習而被以即時作更新。
- 如請求項1~8中之任一項所記載之機械學習方法,其中,在前述報酬之計算中,當前述至少1者的第1評價參數係接近與各第1評價參數相對應之特定之基準值的情況時,係使前述報酬增大,當前述至少1者的第1評價參數係並未接近與各第1評價參數相對應之特定之基準值的情況時,係使前述報酬減少。
- 一種機械學習裝置,係為決定用以混練高分子材料並得到混練物的混練裝置之混練條件的機械學習裝置,前述混練裝置,係具備有:腔室,係被投入有用以得到前述混練物之材料;和 二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,並且,係具備有:狀態取得部,係取得狀態變數,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件;和報酬計算部,係基於前述狀態變數,來計算出針對前述至少1個的混練條件之決定結果之報酬;和更新部,係基於前述報酬,來對於用以根據前述狀態變數而決定前述至少1個的混練條件之函數作更新;和決定部,係藉由反覆進行前述函數之更新,而決定出能夠得到最多的前述報酬之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者,前述至少1個的混練條件,係身為關連於前述材料之第1參數、和關連於前述轉子之控制之第2參數、以及關連於動作步驟之第3參數,此些之中之至少1者,其中,該關連於動作步驟之第3參數,係包含有關連於複數之步驟之中之至少1者的混練時間、各步驟中之至少1者的材料投入時間、用以前進至下一個步驟的條件之中之至少1個的條件、總混練時間以及積算電力量,此些之中之至少一者。
- 一種機械學習程式,係為決定用以混練高分子材料並得到混練物的混練裝置之混練條件的機械學習裝置之機械學習程式,前述混練裝置,係具備有:腔室,係被投入有用以得到前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,該機械學習程式,係使電腦作為下述各部而起作用:狀態取得部,係取得狀態變數,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件;和報酬計算部,係基於前述狀態變數,來計算出針對前述至少1個的混練條件之決定結果之報酬;和更新部,係基於前述報酬,來對於用以根據前述狀態變數而決定前述至少1個的混練條件之函數作更新;和決定部,係藉由反覆進行前述函數之更新,而決定出能夠得到最多的前述報酬之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者,前述至少1個的混練條件,係身為關連於前述材料之第1參數、和關連於前述轉子之控制之第2參數、以及關連 於動作步驟之第3參數,此些之中之至少1者,其中,該關連於動作步驟之第3參數,係包含有關連於複數之步驟之中之至少1者的混練時間、各步驟中之至少1者的材料投入時間、用以前進至下一個步驟的條件之中之至少1個的條件、總混練時間以及積算電力量,此些之中之至少一者。
- 一種通訊方法,係為在對於混練高分子材料並得到混練物的混練裝置之混練條件進行機械學習時之通訊方法,並具備有:腔室,係被投入有用以得到前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制,對於狀態變數作觀測,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件,將前述狀態變數送訊至網路上,並收訊已完成機械學習之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者,前述至少1個的混練條件,係身為關連於前述材料之第1參數、和關連於前述轉子之控制之第2參數、以及關連於動作步驟之第3參數,此些之中之至少1者,其中,該關 連於動作步驟之第3參數,係包含有關連於複數之步驟之中之至少1者的混練時間、各步驟中之至少1者的材料投入時間、用以前進至下一個步驟的條件之中之至少1個的條件、總混練時間以及積算電力量,此些之中之至少一者。
- 一種混練裝置,係為對於混練高分子材料並得到混練物的混練裝置,並具備有:腔室,係被投入有用以得到前述混練物之材料;和二軸以上之轉子(rotor),係將被投入至前述腔室中之前述材料作混練;和控制器,係掌管前述二軸以上之轉子之控制、前述材料之混練時間之控制以及前述混練裝置之動作步驟之控制;和狀態觀測部,係取得狀態變數,該狀態變數,係包含有關連於前述混練物之性能評價之至少1個的第1評價參數、和至少1個的混練條件;和通訊部,係將前述狀態變數送訊至網路上,並收訊已完成機械學習之混練條件,前述至少1個的第1評價參數,係包含有關連於前述混練物之物理性質特性以及形狀特性之至少1者;前述至少1個的混練條件,係身為關連於前述材料之第1參數、和關連於前述轉子之控制之第2參數、以及關連於動作步驟之第3參數,此些之中之至少1者,其中,該關連於動作步驟之第3參數,係包含有關連於複數之步驟之中之至少1者的混練時間、各步驟中之至少1者的材料投入 時間、用以前進至下一個步驟的條件之中之至少1個的條件、總混練時間以及積算電力量,此些之中之至少一者。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020094033 | 2020-05-29 | ||
JP2020-094033 | 2020-05-29 | ||
JP2020-205926 | 2020-12-11 | ||
JP2020205926A JP6886552B1 (ja) | 2020-05-29 | 2020-12-11 | 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び混練装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202212085A TW202212085A (zh) | 2022-04-01 |
TWI797628B true TWI797628B (zh) | 2023-04-01 |
Family
ID=76310228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110119076A TWI797628B (zh) | 2020-05-29 | 2021-05-26 | 機械學習方法、機械學習裝置、機械學習程式、通訊方法及混練裝置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20230202070A1 (zh) |
JP (1) | JP6886552B1 (zh) |
KR (1) | KR20230002976A (zh) |
CN (1) | CN115551687A (zh) |
AR (1) | AR122177A1 (zh) |
TW (1) | TWI797628B (zh) |
WO (1) | WO2021241278A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6953393B2 (ja) * | 2018-12-28 | 2021-10-27 | 株式会社神戸製鋼所 | 混練装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108995069A (zh) * | 2017-06-06 | 2018-12-14 | 日本斯频德制造株式会社 | 混炼装置 |
TW201907317A (zh) * | 2017-07-06 | 2019-02-16 | 日商三菱重工機械系統股份有限公司 | 混練機控制裝置,混練機控制方法,程式 |
CN110719832A (zh) * | 2017-06-06 | 2020-01-21 | 日本斯频德制造株式会社 | 混炼装置 |
JP2020032676A (ja) * | 2018-08-31 | 2020-03-05 | 横浜ゴム株式会社 | 混練異常度学習装置、混練異常度推定装置、混練異常度学習方法、混練異常度推定方法及びプログラム |
-
2020
- 2020-12-11 JP JP2020205926A patent/JP6886552B1/ja active Active
-
2021
- 2021-05-14 WO PCT/JP2021/018408 patent/WO2021241278A1/ja active Application Filing
- 2021-05-14 KR KR1020227040873A patent/KR20230002976A/ko unknown
- 2021-05-14 CN CN202180034865.8A patent/CN115551687A/zh active Pending
- 2021-05-14 US US17/996,397 patent/US20230202070A1/en active Pending
- 2021-05-26 TW TW110119076A patent/TWI797628B/zh active
- 2021-05-27 AR ARP210101424A patent/AR122177A1/es unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108995069A (zh) * | 2017-06-06 | 2018-12-14 | 日本斯频德制造株式会社 | 混炼装置 |
CN110719832A (zh) * | 2017-06-06 | 2020-01-21 | 日本斯频德制造株式会社 | 混炼装置 |
TW201907317A (zh) * | 2017-07-06 | 2019-02-16 | 日商三菱重工機械系統股份有限公司 | 混練機控制裝置,混練機控制方法,程式 |
JP2020032676A (ja) * | 2018-08-31 | 2020-03-05 | 横浜ゴム株式会社 | 混練異常度学習装置、混練異常度推定装置、混練異常度学習方法、混練異常度推定方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
AR122177A1 (es) | 2022-08-24 |
CN115551687A (zh) | 2022-12-30 |
KR20230002976A (ko) | 2023-01-05 |
US20230202070A1 (en) | 2023-06-29 |
JP6886552B1 (ja) | 2021-06-16 |
WO2021241278A1 (ja) | 2021-12-02 |
TW202212085A (zh) | 2022-04-01 |
JP2021187150A (ja) | 2021-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI797628B (zh) | 機械學習方法、機械學習裝置、機械學習程式、通訊方法及混練裝置 | |
US10082771B2 (en) | Machine learning method and machine learning apparatus learning operating command to electric motor and machine tool including machine learning apparatus | |
US9162196B2 (en) | Closed-type rubber kneader kneading efficiency evaluation method | |
EP2618281A2 (en) | Method for simulating multiphase flow of plastic material and gas | |
EP3939436A1 (en) | Supervisory machine intelligence controls for production of meat substitutes | |
CN110740845B (zh) | 混炼机控制装置、混炼机控制方法及程序 | |
CN114474462A (zh) | 机器学习方法、机器学习装置以及机器学习程序 | |
JP6996249B2 (ja) | ゴム材料の混練方法および装置 | |
JP7487477B2 (ja) | 射出成形装置の検査方法および検査システム | |
JP2015214119A (ja) | ゴム混練物の品質評価方法 | |
JP2021026608A (ja) | 物性データ予測方法及び物性データ予測装置 | |
JP7063115B2 (ja) | ゴム材料の混練方法 | |
JP7073903B2 (ja) | ゴム材料の混練方法およびシステム | |
Yan et al. | Asphalt mixture fatigue life prediction model based on neural network | |
JP2017077649A (ja) | 密閉式ゴム混練機の混練安定性の評価方法 | |
CN115862784B (zh) | 一种密炼机混炼门尼粘度预测方法 | |
JP7031247B2 (ja) | ゴム材料の混練方法および装置 | |
JP2019202415A (ja) | ゴム材料の混練方法およびシステム | |
WO2023068020A1 (ja) | 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び制御装置 | |
Muscalu et al. | Bread dough kneading process optimization in industrial environment, using a device for dough consistency control | |
JP7372530B2 (ja) | 混練異常度学習装置、学習済モデルの生成方法及びプログラム | |
SE522412C2 (sv) | Förfaranden och arrangemang relaterade till en degbildande sekvens | |
Gonzalez et al. | Observability analysis and state estimator proposal for the chocolate conching process | |
CN112882381B (zh) | 一种潜油电泵的自寻优决策控制系统 | |
Sarghini | Analysis and Simulation of Pasta Dough Extrusion Process by CFD |