WO2021201187A1 - 装置、方法、およびプログラム - Google Patents

装置、方法、およびプログラム Download PDF

Info

Publication number
WO2021201187A1
WO2021201187A1 PCT/JP2021/014073 JP2021014073W WO2021201187A1 WO 2021201187 A1 WO2021201187 A1 WO 2021201187A1 JP 2021014073 W JP2021014073 W JP 2021014073W WO 2021201187 A1 WO2021201187 A1 WO 2021201187A1
Authority
WO
WIPO (PCT)
Prior art keywords
molding
value
analysis target
probability distribution
target characteristic
Prior art date
Application number
PCT/JP2021/014073
Other languages
English (en)
French (fr)
Inventor
一平 木村
竜也 森田
Original Assignee
旭化成株式会社
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 旭化成株式会社 filed Critical 旭化成株式会社
Priority to KR1020227033211A priority Critical patent/KR20220146574A/ko
Priority to JP2022512673A priority patent/JPWO2021201187A1/ja
Priority to CN202180023723.1A priority patent/CN115335205A/zh
Priority to EP21782013.3A priority patent/EP4129621A4/en
Publication of WO2021201187A1 publication Critical patent/WO2021201187A1/ja
Priority to US17/950,058 priority patent/US20230010715A1/en
Priority to JP2024012433A priority patent/JP2024054170A/ja

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

Definitions

  • the present invention relates to devices, methods, and programs.
  • Patent Document 1 describes that, as support for an operator, a change in evaluation items due to molding conditions is predicted and displayed as a graph. Patent Document 1 Japanese Unexamined Patent Publication No. 2006-123172
  • Patent Document 1 the prediction accuracy of the evaluation item changes depending on the range of molding conditions, and the accuracy of adjusting the molding conditions may deteriorate.
  • an apparatus for supporting resin molding may include a prediction unit that generates a probability distribution of predicted values of the analysis target characteristics of the resin molded body, which corresponds to the values of a plurality of molding factors of the resin molding.
  • the device may include a display processing unit that executes display processing for displaying the probability distribution of the predicted value of the analysis target characteristic on the display device.
  • the prediction unit may calculate the change in the probability distribution of the predicted value of the analysis target characteristic when the value of at least one molding factor among the plurality of molding factors of resin molding is changed within a predetermined range.
  • the display processing unit may execute display processing for displaying the change in the probability distribution of the predicted value of the analysis target characteristic on the display device.
  • the prediction unit may calculate the change in the average value of the predicted values of the analysis target characteristics and the change in the standard deviation as an index indicating the change in the probability distribution.
  • the display processing unit may execute display processing for displaying the change in the average value and the change in the standard deviation on the display device.
  • the display processing unit may execute display processing for displaying the range of molding factors that may satisfy the target value of the analysis target characteristic on the display device.
  • the device may include an input unit that receives from the user the value designation of at least one molding factor among the plurality of molding factors of resin molding.
  • the display processing unit may execute display processing for displaying the probability distribution of the predicted value of the analysis target characteristic at the value of the designated molding factor on the display device together with the probability distribution of the predicted value.
  • the prediction unit may have a model that generates a probability distribution of predicted values of the characteristics to be analyzed in response to input of data for at least one of a plurality of molding factors of resin molding.
  • the prediction unit may generate predicted values of the characteristics to be analyzed using a plurality of models, and calculate the average value and standard deviation of the generated predicted values.
  • the apparatus may include a recommendation unit that generates recommended conditions that are a combination of a plurality of molding factors having the highest probability of satisfying the target value of the characteristic to be analyzed.
  • the display processing unit may execute display processing for displaying the recommended conditions on the display device as the probability distribution of the predicted value changes.
  • the prediction unit may have an acquisition unit that acquires learning data including a set of a plurality of molding factor values and analysis target characteristic values in the result of resin molding in advance.
  • the prediction unit may have a learning unit that learns a model that generates predicted values of analysis target characteristics from the values of a plurality of molding factors using learning data.
  • the prediction unit may calculate the probability of satisfying the target value of the analysis target characteristic in at least one molding factor among the plurality of molding factors of resin molding.
  • the display processing unit may execute display processing for displaying the probability of satisfying the target value of the analysis target characteristic on the display device together with the probability distribution of the predicted value.
  • the prediction unit may calculate the change in the probability of satisfying the target value of the analysis target characteristic when the value of at least one molding factor among the plurality of molding factors of resin molding is changed within a predetermined range.
  • the display processing unit may execute display processing for displaying the change in the probability of satisfying the target value of the analysis target characteristic on the display device together with the probability distribution of the predicted value.
  • the recommendation section may generate a plurality of recommended conditions, and each recommended condition may be for a plurality of types of analysis target characteristics.
  • the prediction unit may obtain the probability distribution of the predicted value of the corresponding analysis target characteristic from the model corresponding to each of the plurality of analysis target characteristics.
  • the recommendation section considers that the probability distribution of the predicted value is a Gaussian distribution, and may calculate the probability that the analysis target characteristic satisfies a predetermined condition based on the average value and the standard deviation of the predicted value.
  • the probability of satisfying a predetermined condition may be the probability that the analysis target characteristic is below the target value, the probability that the analysis target characteristic exceeds the target value, or the probability that the analysis target characteristic is within the target range.
  • the recommendation section calculates the simultaneous probability that a combination of multiple molding factors satisfies a predetermined standard for a plurality of analysis target characteristics, and generates a recommended condition using an optimization algorithm so as to maximize the simultaneous probability. It's okay.
  • the learning unit may add the value of the molding factor of the recommended condition generated by the recommended unit to the learning data assuming that the value of the analysis target characteristic corresponding to the recommended condition does not satisfy the target value.
  • the recommendation unit may generate a recommended condition different from the above recommended condition from the predicted value using the model after learning with the added training data.
  • the display processing unit When the user inputs a specific value of the molding factor into the input unit, the display processing unit superimposes the probability distribution of the corresponding predicted value on the position corresponding to the specific value in the display of the change in the probability distribution of the predicted value. It may be displayed on the display device.
  • a method for supporting resin molding may include a step of generating a probability distribution of predicted values of the analysis target characteristic of the resin molded product, which corresponds to the values of a plurality of molding factors of the resin molding.
  • the method may include a step of executing a display process for displaying the probability distribution of the predicted value of the analysis target characteristic on the display device.
  • the method is that the stage of generating the probability distribution of the predicted value of the characteristic to be analyzed is the molded resin when the value of at least one molding factor among the plurality of molding factors of resin molding is changed within a predetermined range. It may have a step of calculating the change in the probability distribution of the predicted value of the analysis target characteristic of.
  • the stage of executing the display process for displaying the probability distribution of the predicted value on the display device has a stage of executing the display process for displaying the change in the probability distribution of the predicted value of the analysis target characteristic on the display device. good.
  • the third aspect of the present invention provides a program.
  • the program may cause the computer to perform a step of generating a probability distribution of predicted values of the properties to be analyzed of the resin molded body corresponding to the values of a plurality of molding factors of the resin molding.
  • the program may cause the computer to execute a display process for displaying the probability distribution of the predicted value of the analysis target characteristic on the display device.
  • the system 1 which concerns on this embodiment is shown.
  • An example of the screen 200 displayed by the display unit 60 of the present embodiment is shown.
  • Another example of the screen 300 displayed by the display unit 60 of this embodiment is shown.
  • Another example of the screen 400 displayed by the display unit 60 of this embodiment is shown.
  • the learning flow of the model in the support device 3 of this embodiment is shown.
  • the display flow of the molding factor in the support device 3 of this embodiment is shown.
  • Another example of the screen 500 displayed by the display unit 60 of this embodiment is shown.
  • Another example of the screen 600 displayed by the display unit 60 of this embodiment is shown.
  • Another example of the screen 700 displayed by the display unit 60 of this embodiment is shown.
  • An example of a computer 2200 in which a plurality of aspects of the present invention may be embodied in whole or in part is shown.
  • FIG. 1 shows the system 1 according to the present embodiment.
  • System 1 manufactures a resin molded product by adjusting the resin molding conditions.
  • the system 1 includes a resin molded product manufacturing device 2 and a support device 3.
  • the resin composition used for producing a resin molded product is polyethylene, acrylonitrile, polyamide, or the like, or a reinforced plastic in which glass fiber or the like is added to the resin.
  • the manufacturing device 2 is connected to the support device 3 by wire or wirelessly, and manufactures a resin molded product molded into a desired shape by injection molding, in-mold molding, or the like.
  • the manufacturing apparatus 2 may evaluate a plurality of analysis target characteristics of the molded resin (resin molded product), and transmit data indicating a plurality of molding factors and the analysis target characteristics of the molded resin to the support device 3.
  • the plurality of molding factors may be factors that affect the quality of the resin molded product, and may include molding conditions set in the manufacturing apparatus 2.
  • the plurality of molding factors are, for example, at least one of mold thickness, mold temperature, cooling time, injection temperature, maximum injection pressure value, holding pressure, screw rotation speed, measured value, and the like. good.
  • the plurality of molding factors may include at least one of the temperature, humidity, molding shape, and the like of the environment in which the manufacturing apparatus 2 is installed.
  • the values of multiple molding factors are present / absent (eg, whether the resin contains a given material, etc.), rank (eg, rank A, B, or C, such as the quality or price of the resin), or resin. It may include a discrete value indicating the type of.
  • the characteristic to be analyzed may be an evaluation item for determining whether or not the resin molded product is defective.
  • the characteristics to be analyzed include, for example, the size, strength, Young's modulus, error from the target size of the resin molded product, the mode, number, area, or density of defects occurring in the resin molded product, and the position where defects occur. May include at least one of.
  • the support device 3 is an example of a device that supports resin molding.
  • the support device 3 can support the adjustment of the molding conditions by displaying the predicted value of the analysis target characteristic according to the set of the plurality of molding factors to the user 4 such as the operator of the manufacturing device 2. ..
  • the support device 3 includes an acquisition unit 10, a learning unit 20, an input unit 30, a prediction unit 40, a recommendation unit 50, and a display unit 60.
  • the acquisition unit 10 is connected to the manufacturing apparatus 2.
  • the acquisition unit 10 acquires learning data including a set of the values of a plurality of molding factors and the values of the characteristics to be analyzed in the result of resin molding in advance.
  • the acquisition unit 10 may acquire training data from at least one of the manufacturing apparatus 2, the website, and an external recording medium.
  • the set of the values of the plurality of molding factors and the values of the characteristics to be analyzed evaluates the set values of the plurality of molding factors when the resin molding is performed in advance in the manufacturing apparatus 2 and the resin molded product manufactured by the resin molding. It may be a set with the value of the characteristic to be analyzed obtained in the above.
  • the learning unit 20 is connected to the acquisition unit 10.
  • the learning unit 20 learns a model that generates a probability distribution of predicted values of the analysis target characteristics from the values of a plurality of molding factors by using the learning data acquired by the acquisition unit 10.
  • the learning unit 20 may generate and update a model using the learning data.
  • the learning unit 20 may store the learning data from the acquisition unit 10 and the like in the database.
  • the input unit 30 may be for receiving an input from the user 4, and as an example, a keyboard, a mouse, a touch panel, or the like.
  • the input unit 30 inputs data indicating at least one display condition for display by the support device 3 from the user 4.
  • the display condition is, for example, at least one value of a plurality of molding factors (for example, a combination of specific values of a plurality of molding factors, at least one range of a plurality of molding factors, or at least one value of a plurality of molding factors. Changed), the designation of at least one analysis target characteristic, and at least one of the target values of the analysis target characteristic are included.
  • the input unit 30 may receive data indicating display conditions from the terminal (personal computer, tablet, smartphone, etc.) of the user 4. Further, the input unit 30 may receive an input of molding conditions for molding in the manufacturing apparatus 2.
  • the prediction unit 40 is connected to the learning unit 20 and the input unit 30.
  • the prediction unit 40 receives and holds a model from the learning unit 20 that generates a distribution of predicted values of the analysis target characteristic in response to inputting data for at least one of the values of the plurality of molding factors.
  • the prediction unit 40 uses data and a model input from at least one of the input unit 30 and the acquisition unit 10 to predict values of the analysis target characteristics of the molded resin corresponding to the values of a plurality of molding factors of the resin molding. Generate a distribution of.
  • the prediction unit 40 may output the average value or the median value of the distribution and the standard deviation based on the distribution of the generated predicted values.
  • the prediction unit 40 predicts the characteristics to be analyzed when the value of at least one molding factor among the plurality of molding factors of resin molding is changed within a predetermined range (for example, a settable range of the corresponding molding factor). Changes in the probability distribution of values may be calculated. In this case, the prediction unit 40 may calculate a change in the average value or a change in the median value of the predicted value of the analysis target characteristic and a change in the standard deviation as an index indicating the change in the probability distribution of the predicted value. The prediction unit 40 transmits the probability distribution of the predicted value to the recommendation unit 50. The prediction unit 40 may transmit the learning data acquired by the acquisition unit 10 to the recommendation unit 50.
  • a predetermined range for example, a settable range of the corresponding molding factor. Changes in the probability distribution of values may be calculated. In this case, the prediction unit 40 may calculate a change in the average value or a change in the median value of the predicted value of the analysis target characteristic and a change in the standard deviation as an index indicating the change in the probability distribution of the
  • the recommendation unit 50 is connected to the prediction unit 40.
  • the recommendation unit 50 generates a recommendation condition that is a combination of a plurality of molding factors having the highest probability of satisfying the target value of the analysis target characteristic.
  • the recommendation unit 50 may generate a recommendation condition in which at least one of the plurality of molding factors is changed from the current value (currently the optimum value).
  • the recommendation unit 50 may generate a recommended condition as a molding factor that changes at least one molding factor designated by the user 4 via the input unit 30.
  • the recommendation unit 50 may transmit the generated recommended conditions to the learning unit 20 as learning data. Further, the recommendation unit 50 may transmit the recommended conditions to the manufacturing apparatus 2 as molding conditions for molding in the manufacturing apparatus 2.
  • the recommendation unit 50 When the recommendation unit 50 generates a plurality of recommended conditions, it may be possible to select one of the generated recommended conditions to be transmitted to the manufacturing apparatus 2. The above selection may be made according to the input received by the input unit 30.
  • the display unit 60 is connected to the recommended unit 50.
  • the display unit 60 includes a display processing unit 62 and a display device 64.
  • the display processing unit 62 executes display processing for displaying the probability distribution of the predicted value of the analysis target characteristic generated by the prediction unit 40 on the display device 64.
  • the display processing unit 62 may execute display processing for displaying the recommended conditions on the display device together with the probability distribution of the predicted values.
  • the display processing unit 62 inputs the name of the characteristic to be analyzed, the evaluation conditions, the prediction data, the name of each molding factor, the type name of the resin, the unit, and the settable range (for example, via the input unit 30).
  • a display process for further displaying at least one of the formed molding factor range) and the latest set value on the display device 64 may be executed.
  • the display processing unit 62 may execute a process of generating a display screen, a process of outputting data necessary for display to the display device 64 wirelessly or by wire, and the like.
  • the display device 64 may be a display or the like included in the support device 3, or may be an external display such as a display screen of a terminal owned by the user 4 or a display screen of the manufacturing device 2.
  • the support device 3 may have a transmission unit 70 that transmits molding conditions to the manufacturing device 2.
  • the transmission unit 70 may receive the molding conditions input to the input unit 30 and transmit the molding conditions to the manufacturing apparatus 2, or may receive the recommended conditions generated by the recommendation unit 50 as the molding conditions and transmit the molding conditions to the manufacturing apparatus 2. May be good.
  • FIG. 2 shows an example of the screen 200 displayed by the display unit 60 of the present embodiment.
  • the display unit 60 includes an item name 210 for each molding factor, a slide bar 220 indicating a settable range of the molding factor, a pointer 230 indicating the position of the current value on the slide bar 220, and a molding factor.
  • the current value 240, the list box 250 of the resin type name, and the predicted value box 260 showing the distribution of the predicted values of the characteristics to be analyzed in the case of the combination of the current values of the molding factors are displayed.
  • the predicted value box 260 indicates that the average value in the predicted value probability distribution of the strength of the resin molded product is 100, and the standard deviation is 13.
  • the user 4 changes the value of the molding factor by moving the pointer 230 with the mouse cursor using the mouse (input unit 30) while looking at the screen 200.
  • the average and standard deviation of the predicted value distribution in the predicted value box 260 of the characteristic to be analyzed are changed in real time on the screen by the prediction unit 40 according to the change of the value set of the molding factor. Can accurately determine the molding conditions according to the probability distribution of the predicted values.
  • FIG. 3 shows another example of the screen 300 displayed by the display unit 60 of the present embodiment.
  • the display unit 60 executes a display process for displaying the change in the probability distribution of the predicted value of the analysis target characteristic on the screen 300 on the display device 64.
  • the display processing unit 62 executes a display process for displaying a graph showing a change in the average value and a change in the standard deviation on the display device.
  • the graph shows the predicted value (strength) of the analysis target characteristic on the vertical axis and the maximum injection pressure value (MPa) on the horizontal axis.
  • the display unit 60 may display a range that may satisfy the target value (intensity ⁇ 25 in FIG. 3).
  • the display unit 60 may display the screen 300 in a pop-up window displayed when the molding factor (maximum injection pressure value in FIG. 3) is selected by the user 4 on the screen 200.
  • FIG. 4 shows another example of the screen 400 displayed by the display unit 60 of the present embodiment.
  • the display unit 60 may display a plurality of recommended conditions for changing from the current value for at least one of the plurality of molding factors selected by the user 4.
  • the display unit 60 displays three recommended conditions in the order of 1st to 3rd place regarding the drying temperature and the drying time.
  • the display unit 60 may display only the molding factors that are changed from the current values, or may also display the values of other molding factors.
  • the display unit 60 may display the screen 400 of FIG. 4 on one screen together with at least one of the screen 200 of FIG. 2 and the screen 300 of FIG.
  • FIG. 5 shows the learning flow of the model in the support device 3 of the present embodiment.
  • the manufacturing apparatus 2 performs resin molding.
  • the manufacturing apparatus 2 may perform resin molding a plurality of times while changing the molding conditions of the resin molded product.
  • step S510 the acquisition unit 10 acquires learning data from the manufacturing apparatus 2.
  • the acquisition unit 10 may receive a plurality of combinations of the values of the plurality of molding factors and the values of the characteristics to be analyzed from the manufacturing apparatus 2. Further, the acquisition unit 10 acquires the values of a plurality of molding factors and the measurement data of the resin molded product (measurement values of the dimensions of the molded resin, image data, etc.) from the manufacturing apparatus 2, and the acquisition unit 10 acquires the values.
  • the resin molded product may be evaluated to obtain the value of the characteristic to be analyzed.
  • step S520 the learning unit 20 learns a model that generates a probability distribution of predicted values of the analysis target characteristics from the values of a plurality of molding factors using the learning data acquired by the acquisition unit 10.
  • the learning unit 20 may receive the recommended conditions as learning data from the recommendation unit 50, and then learn the model using the learning data.
  • the model is, for example, a Gaussian process or an ensemble model.
  • the learning unit 20 may periodically learn and update the model in response to the acquisition unit 10 acquiring the learning data in S510 or in response to the input from the user 4.
  • the learning flow may be terminated when the power of the support device 3 is turned off.
  • FIG. 6 shows a display flow of molding factors in the support device 3 of the present embodiment.
  • the input unit 30 may acquire at least one designation of the analysis target characteristic (for example, intensity) and the target value of the analysis target characteristic from the user 4. From the user 4, the input unit 30 specifies a molding factor whose value is to be changed, a plurality of molding factor values (for example, a combination of current optimum molding factor values, or a changed value, etc.), and a range of molding factors. At least one of (for example, a settable range, etc.) may be acquired.
  • the analysis target characteristic for example, intensity
  • the input unit 30 specifies a molding factor whose value is to be changed, a plurality of molding factor values (for example, a combination of current optimum molding factor values, or a changed value, etc.), and a range of molding factors. At least one of (for example, a settable range, etc.) may be acquired.
  • the prediction unit 40 uses a model to generate a distribution of predicted values of the specific analysis target characteristic acquired by the input unit 30 from a plurality of molding factors. Further, the prediction unit 40 may calculate the average value and the standard deviation of the distribution of the generated predicted values.
  • the model is a Gaussian process method
  • the learning unit 20 may define a probability distribution from past learning data and output a predicted value probability distribution of the analysis target characteristic for input data such as a combination of molding factors as a Gaussian distribution. ..
  • the model is an ensemble model
  • the learning unit 20 uses a plurality of models corresponding to each of the plurality of analysis target characteristics to generate predicted values of the analysis target characteristics for input data such as a combination of molding factors. It may be output as a predicted value probability distribution.
  • the prediction unit 40 may generate a plurality of predicted values (or changes) of the analysis target characteristic when the corresponding molding factor is changed within a predetermined range among the plurality of molding factors.
  • the predetermined range to be changed can be set, for example, for each molding factor, a range input from the user 4 via the input unit 30, or a range of the manufacturing device 2 acquired from the manufacturing device 2 via the acquisition unit 10. It may be a range.
  • the recommendation unit 50 may generate a recommendation condition using the distribution of the predicted values predicted by the prediction unit 40.
  • the recommendation unit 50 satisfies the target value of the analysis target characteristic when, for example, one or a plurality of molding factors among the plurality of molding factors are changed within a predetermined range (for example, a specific range and a threshold value).
  • a predetermined range for example, a specific range and a threshold value.
  • a combination of molding factors having a high probability (satisfying the following range, a range above the threshold value, etc.) may be used as a recommended condition.
  • the recommendation unit 50 calculates the probability of satisfying the target value of the search analysis target characteristic for each of a plurality of combinations of a plurality of molding factors that are candidates for the recommended condition, and the recommended condition is based on the predetermined condition from the probability. May be decided.
  • the recommendation unit 50 may receive a selection from the user 4 via the input unit 30 for the molding factor to be changed. Further, in the recommendation unit 50, when the corresponding molding factor is changed within a predetermined range, the width of change of the predicted value of the analysis target characteristic (width between the minimum value and the maximum value) exceeds the threshold value. The factor may be selected as the molding factor to be varied. Further, the recommendation unit 50 may transmit data indicating the recommended conditions to the manufacturing apparatus 2 and control the manufacturing apparatus 2 so as to manufacture the resin molded product according to the recommended conditions.
  • the display unit 60 displays the probability distribution of the predicted value of the analysis target characteristic and the recommended conditions on the screen.
  • the display unit 60 may display, for example, at least one screen of FIGS. 2, 3, and 4 on the same screen or on different screens.
  • the display unit 60 may display a part of the change in the probability distribution of the predicted value from the prediction unit 40.
  • the display processing unit 62 may execute a display process for displaying the range of molding factors that may satisfy the target value of the analysis target characteristic input from the user 4 on the display device 64.
  • the possibility that the analysis target characteristic satisfies the target value may be, for example, a case where the probability distribution of the predicted value of the analysis target characteristic includes the target value or the range of the target value of the analysis target characteristic.
  • the display unit 60 may satisfy the target value in the range where the average value of the predicted values + the standard deviation is 25 or more. , It may be shown that the range of such maximum injection pressure is x1 or less, between x2 and x3, and x4 or more.
  • the display unit 60 displays the optimum value combination among the plurality of combinations of the plurality of molding factors, the most recently acquired current value combination, or the value combination input from the user 4 via the input unit 30. You can do it.
  • the display unit 60 may generate and output screen data and display it on an external display such as a terminal of the user 4 or a manufacturing apparatus 2.
  • the probability distribution of the predicted value of the analysis target characteristic can be shown to the user 4, so that the user 4 can select the value of the molding factor that has a higher probability of satisfying the target value of the analysis target characteristic.
  • the user 4 can easily adjust the molding conditions with high accuracy.
  • it is possible to obtain optimum molding conditions according to the predicted characteristics to be analyzed without actually performing resin molding with all combinations of molding factors it is possible to reduce manufacturing costs by saving resin materials and time. can.
  • the period from the adjustment of molding conditions to the start of product manufacturing can be shortened, and the operating rate of manufacturing equipment can be improved.
  • the assistive device 3 may generate recommended conditions using a genetic algorithm or an evolutionary algorithm such as simulated annealing.
  • the recommendation unit 50 generates the first recommended condition, which is a combination of a plurality of molding factors having the highest probability of satisfying the target value of the analysis target characteristic in S620 of FIG. 6, and transmits it to the learning unit 20.
  • the learning unit 20 learns a model by using a combination of a plurality of molding factors of the first recommended condition as learning data.
  • the prediction unit 40 generates a probability distribution of predicted values using the learned model in S610 of FIG. 6 and transmits it to the recommendation unit 50.
  • the recommendation unit 50 generates a second recommended condition, which is a new combination of a plurality of molding factors having the highest probability of satisfying the target value of the analysis target characteristic, from the probability distribution of the predicted value. ..
  • the recommendation unit 50 may further transmit the second recommended condition to the learning unit 20 to generate a new recommended condition in the same manner. Next, it will be described more specifically.
  • the recommendation unit 50 generates a plurality of recommended conditions.
  • the prediction unit 40 randomly generates a plurality of combinations of a plurality of molding factors that are candidates for recommended conditions within a search range (for example, a settable range) (step 1000).
  • the prediction unit 40 inputs the combination of the generated molding factor values into the y1, y2, and y3 models corresponding to the three analysis target characteristics, respectively, and generates the predicted average value and the predicted standard deviation of the analysis target characteristics ( Step 1010).
  • the predicted average values of the analysis target characteristics y1, y2, and y3 are set to ⁇ i, 1 , ⁇ i, 2 , and ⁇ i, 3 , and the predicted standard deviation is ⁇ i, Let 1 , ⁇ i, 2 and ⁇ i, 3 .
  • the recommendation unit 50 calculates the probability that the predicted value satisfies the target value of the analysis target characteristic (step 1020). For example, the recommendation unit 50 considers that the probability distribution of the predicted value is a Gaussian distribution, and based on the predicted average value and the predicted standard deviation, sets the probabilities Pi and 1 below a (target value) for the analysis target characteristic y1. , the probability P i, 2 exceeding the b (target value) for the analyzed characteristics y2, analysis in the range of c ⁇ d for object characteristics y3 (target range) and a probability P i, 3 three following formula Calculate each with.
  • the recommendation unit 50 may output a combination of a plurality of molding factors obtained as a recommended condition as a first recommended condition (step 1030).
  • the recommendation unit 50 transmits data indicating the first recommended condition to the learning unit 20.
  • the learning unit 20 adds the value of the analysis target characteristic for the first recommended condition as an average value to the database of learning data (step 1040).
  • the learning unit 20 may add the value of the molding factor of the first recommended condition to the database of learning data assuming that the value of the corresponding analysis target characteristic does not satisfy the target value.
  • steps 1000-1040 are repeated, and the combination of molding factors obtained in step 1030 at this time is set as the second recommended condition. Further, steps 1000-1040 can be repeated to obtain a third recommended condition, a fourth recommended condition, and the like.
  • molding conditions can be adjusted based on recommended conditions without actually performing a large number of resin moldings, reducing resin molding costs, shortening the period until resin molding of products, improving the operating rate of manufacturing equipment, etc. Can be achieved.
  • the support device 3 does not have to be connected to the manufacturing device 2, and the acquisition unit 10 may use the learning data as learning data such as resin molding data in another manufacturing device, data recorded on a recording medium, or a website. You may get the data.
  • the support device 3 does not have to include the learning unit 20, and the model may be provided by an external learning device.
  • FIG. 9 shows a screen 500 displayed on the display device 64.
  • the display processing unit 62 receives the value of the designated molding factor together with the probability distribution of the predicted value.
  • the display process for displaying the probability distribution of the predicted value of the analysis target characteristic in the display device 64 may be executed.
  • the display processing unit 62 may display the probability distribution of the predicted value of the analysis target characteristic at the value of the designated molding factor on the display device 64 with the curve of the Gaussian distribution used by the prediction unit 40 for the prediction in step S610.
  • the vertical axis of the Gaussian distribution curve indicates the predicted value of the analysis target characteristic
  • the horizontal axis horizontal axis direction of the graph
  • the display processing unit 62 may display the probability distribution of the predicted value of the intensity superimposed on the position corresponding to the maximum injection pressure values of 90 MPa and 265 MPa in the graph.
  • FIG. 8 shows a screen 600 displayed on the display device 64. Similar to the screen 500, the display processing unit 62 causes the display device 64 to display the probability distribution of the predicted value of the analysis target characteristic at the value of the designated molding factor. However, when the prediction unit 40 uses a plurality of models for the prediction, as shown in FIG. 8, a plurality of mountains having a high probability may be formed in the curve of the probability distribution. According to the embodiments shown in FIGS. It is possible to improve the operating rate of the.
  • FIG. 9 shows a screen 700 displayed on the display device 64.
  • the display processing unit 62 may execute display processing for displaying the probability of satisfying the target value of the analysis target characteristic on the display device 64 together with the probability distribution of the predicted value.
  • the display processing unit 62 may execute display processing for displaying the change in the probability of satisfying the target value of the analysis target characteristic on the display device 64 together with the probability distribution of the predicted value.
  • the prediction unit may calculate the probability of satisfying the target value of the analysis target characteristic in at least one molding factor among the plurality of molding factors of the resin molding, for example, at least one of the plurality of molding factors of fat molding. When the values of the two molding factors are changed within a predetermined range, the change in the probability of satisfying the target value of the analysis target characteristic may be calculated.
  • the screen shown in FIG. 9 may be similar to the screen shown in FIG. 3, but additionally includes a change in the probability of satisfying the target value.
  • the display processing unit 62 receives the probabilities Pi and 2 that the intensity calculated by the recommended unit 50 exceeds the target value.
  • the changes in Pi and 2 at the maximum injection pressure value of 0 to 300 Mpa may be displayed on the display device 64 by superimposing the changes in the probability distribution. According to such an embodiment, it is possible to adjust the value to a value with a high probability of being an appropriate molding condition without actually performing a large number of resin moldings, reduce the resin molding cost, shorten the period until resin molding of the product, and so on. It is possible to improve the operating rate of the manufacturing equipment.
  • the display processing unit 62 may display only the change in the probability of satisfying the target value on the graph, and the display processing unit 62 may display the probability of satisfying the target value at the value of the molding factor specified by the user 4 as the change in the probability distribution. It may be displayed at the corresponding position.
  • the support device 3 may be a PC, a server, a mobile terminal, or the like.
  • the block serves (1) the stage of the process in which the operation is performed or (2) the role of performing the operation. It may represent a section of the device it has. Specific stages and sections are implemented by dedicated circuits, programmable circuits supplied with computer-readable instructions stored on a computer-readable medium, and / or processors supplied with computer-readable instructions stored on a computer-readable medium. It's okay.
  • Dedicated circuits may include digital and / or analog hardware circuits, and may include integrated circuits (ICs) and / or discrete circuits.
  • Programmable circuits are memory elements such as logical AND, logical OR, logical XOR, logical NAND, logical NOR, and other logical operations, flip-flops, registers, field programmable gate arrays (FPGA), programmable logic arrays (PLA), etc. May include reconfigurable hardware circuits, including, etc.
  • the computer readable medium may include any tangible device capable of storing instructions executed by the appropriate device, so that the computer readable medium having the instructions stored therein is specified in a flowchart or block diagram. It will be equipped with a product that contains instructions that can be executed to create means for performing the operation. Examples of computer-readable media may include electronic storage media, magnetic storage media, optical storage media, electromagnetic storage media, semiconductor storage media, and the like.
  • Computer-readable media include floppy® disks, optical discs, hard disks, random access memory (RAM), read-only memory (ROM), erasable programmable read-only memory (EPROM or flash memory), Electrically erasable programmable read-only memory (EEPROM), static random access memory (SRAM), compact disc read-only memory (CD-ROM), digital versatile disc (DVD), Blu-ray (RTM) disc, memory stick, integrated A circuit card or the like may be included.
  • RAM random access memory
  • ROM read-only memory
  • EPROM or flash memory erasable programmable read-only memory
  • EEPROM Electrically erasable programmable read-only memory
  • SRAM static random access memory
  • CD-ROM compact disc read-only memory
  • DVD digital versatile disc
  • RTM Blu-ray
  • Computer-readable instructions include assembler instructions, instruction set architecture (ISA) instructions, machine instructions, machine-dependent instructions, microcode, firmware instructions, state-setting data, or Smalltalk®, JAVA®, C ++, etc.
  • ISA instruction set architecture
  • Object-oriented programming languages and either source code or object code written in any combination of one or more programming languages, including traditional procedural programming languages such as the "C" programming language or similar programming languages. May include.
  • Computer-readable instructions are applied locally to a general purpose computer, a special purpose computer, or the processor or programmable circuit of another programmable data processor, or a wide area network (WAN) such as a local area network (LAN), the Internet, etc. ) May be executed to create a means for performing the operation specified in the flowchart or block diagram.
  • WAN wide area network
  • LAN local area network
  • processors include computer processors, processing units, microprocessors, digital signal processors, controllers, microcontrollers and the like.
  • FIG. 10 shows an example of a computer 2200 in which a plurality of aspects of the present invention may be embodied in whole or in part.
  • the program installed on the computer 2200 can cause the computer 2200 to function as an operation associated with the device according to an embodiment of the present invention or as one or more sections of the device, or the operation or the one or more. Sections can be run and / or the computer 2200 can be run a process according to an embodiment of the invention or a stage of such process.
  • Such a program may be run by the CPU 2212 to cause the computer 2200 to perform certain operations associated with some or all of the blocks in the flowcharts and block diagrams described herein.
  • the computer 2200 includes a CPU 2212, a RAM 2214, a graphic controller 2216, and a display device 2218, which are connected to each other by a host controller 2210.
  • the computer 2200 also includes input / output units such as a communication interface 2222, a hard disk drive 2224, a DVD-ROM drive 2226, and an IC card drive, which are connected to the host controller 2210 via the input / output controller 2220.
  • input / output units such as a communication interface 2222, a hard disk drive 2224, a DVD-ROM drive 2226, and an IC card drive, which are connected to the host controller 2210 via the input / output controller 2220.
  • the computer also includes legacy input / output units such as the ROM 2230 and keyboard 2242, which are connected to the input / output controller 2220 via an input / output chip 2240.
  • the CPU 2212 operates according to the programs stored in the ROM 2230 and the RAM 2214, thereby controlling each unit.
  • the graphic controller 2216 acquires the image data generated by the CPU 2212 in a frame buffer or the like provided in the RAM 2214 or itself so that the image data is displayed on the display device 2218.
  • the communication interface 2222 communicates with other electronic devices via the network.
  • the hard disk drive 2224 stores programs and data used by the CPU 2212 in the computer 2200.
  • the DVD-ROM drive 2226 reads the program or data from the DVD-ROM 2201 and provides the program or data to the hard disk drive 2224 via the RAM 2214.
  • the IC card drive reads programs and data from the IC card and / or writes programs and data to the IC card.
  • the ROM 2230 stores a boot program or the like executed by the computer 2200 at the time of activation and / or a program depending on the hardware of the computer 2200.
  • the input / output chip 2240 may also connect various input / output units to the input / output controller 2220 via a parallel port, serial port, keyboard port, mouse port, and the like.
  • the program is provided by a computer-readable medium such as a DVD-ROM 2201 or an IC card.
  • the program is read from a computer-readable medium, installed on a hard disk drive 2224, RAM 2214, or ROM 2230, which is also an example of a computer-readable medium, and executed by the CPU 2212.
  • the information processing described in these programs is read by the computer 2200 and provides a link between the program and the various types of hardware resources described above.
  • the device or method may be configured to perform manipulation or processing of information in accordance with the use of computer 2200.
  • the CPU 2212 executes a communication program loaded in the RAM 2214, and performs communication processing on the communication interface 2222 based on the processing described in the communication program. You may order.
  • the communication interface 2222 reads and reads transmission data stored in a transmission buffer processing area provided in a recording medium such as a RAM 2214, a hard disk drive 2224, a DVD-ROM 2201, or an IC card. The data is transmitted to the network, or the received data received from the network is written to the reception buffer processing area or the like provided on the recording medium.
  • the CPU 2212 causes the RAM 2214 to read all or necessary parts of a file or database stored in an external recording medium such as a hard disk drive 2224, a DVD-ROM drive 2226 (DVD-ROM2201), or an IC card. Various types of processing may be performed on the data on the RAM 2214. The CPU 2212 then writes back the processed data to an external recording medium.
  • an external recording medium such as a hard disk drive 2224, a DVD-ROM drive 2226 (DVD-ROM2201), or an IC card.
  • Various types of processing may be performed on the data on the RAM 2214.
  • the CPU 2212 then writes back the processed data to an external recording medium.
  • the CPU 2212 describes various types of operations, information processing, conditional judgment, conditional branching, unconditional branching, and information retrieval described in various parts of the present disclosure with respect to the data read from the RAM 2214. Various types of processing may be performed, including / replacement, etc., and the results are written back to RAM 2214. Further, the CPU 2212 may search for information in a file, a database, or the like in the recording medium. For example, when a plurality of entries each having an attribute value of the first attribute associated with the attribute value of the second attribute are stored in the recording medium, the CPU 2212 specifies the attribute value of the first attribute. Search for an entry that matches the condition from the plurality of entries, read the attribute value of the second attribute stored in the entry, and associate it with the first attribute that satisfies the predetermined condition. The attribute value of the second attribute obtained may be acquired.
  • the program or software module described above may be stored on a computer 2200 or on a computer-readable medium near the computer 2200.
  • a recording medium such as a hard disk or RAM provided in a dedicated communication network or a server system connected to the Internet can be used as a computer readable medium, thereby providing the program to the computer 2200 over the network. do.

Landscapes

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

Abstract

樹脂成形を支援する装置であって、樹脂成形の複数の成形因子の値に対応する、樹脂成形体の解析対象特性の予測値の確率分布を生成する予測部と、解析対象特性の予測値の確率分布を表示装置にさせるための表示処理を実行する表示処理部とを備える装置を提供する。予測部は、樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値を予め定められた範囲で変化させた場合における、解析対象特性の予測値の分布の変化を算出し、表示部は、解析対象特性の予測値の確率分布の変化を表示する。

Description

装置、方法、およびプログラム
　本発明は、装置、方法、およびプログラムに関する。
　樹脂の成形品を成形する場合、不良品の発生を低減するべく、製造装置２の操作者が成形条件を調整する必要がある。特許文献１には、操作者に対する支援として、成形条件による評価項目の変動を予測してグラフ表示することが記載されている。
　特許文献１　特開２００６－１２３１７２号公報
　しかし、特許文献１では、成形条件の範囲によって評価項目の予測精度が変化して、成形条件の調整の精度が悪くなることがある。
　本発明の第１の態様においては、樹脂成形を支援する装置を提供する。装置は、樹脂成形の複数の成形因子の値に対応する、樹脂成形体の解析対象特性の予測値の確率分布を生成する予測部を備えてよい。装置は、解析対象特性の予測値の確率分布を表示装置に表示させるための表示処理を実行する表示処理部を備えてよい。
　予測部は、樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値を予め定められた範囲で変化させた場合における、解析対象特性の予測値の確率分布の変化を算出してよい。表示処理部は、解析対象特性の予測値の確率分布の変化を表示装置に表示させるための表示処理を実行してよい。
　予測部は、確率分布の変化を示す指標として解析対象特性の予測値の平均値の変化と標準偏差の変化とを算出してよい。表示処理部は、平均値の変化と標準偏差の変化とを表示装置に表示させるための表示処理を実行してよい。
　表示処理部は、解析対象特性の目標値を満たす可能性を有する成形因子の範囲を表示装置に表示させるための表示処理を実行してよい。
　装置は、樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値の指定をユーザから受け取る入力部を備えてよい。表示処理部は、予測値の確率分布とともに、指定された成形因子の値における解析対象特性の予測値の確率分布を表示装置に表示させるための表示処理を実行してよい。
　予測部は、樹脂成形の複数の成形因子の少なくとも１つについてのデータを入力したことに応じて、解析対象特性の予測値の確率分布を生成するモデルを有してよい。
　予測部は、複数のモデルを用いて、解析対象特性の予測値をそれぞれ生成し、生成した予測値の平均値と標準偏差とを算出してよい。
　装置は、解析対象特性の目標値を満たす確率が最も高い複数の成形因子の組み合わせである推奨条件を生成する推奨部を備えてよい。表示処理部は、予測値の確率分布の変化とともに、推奨条件を表示装置に表示させるための表示処理を実行してよい。
　予測部は、予め樹脂成形を行った結果における複数の成形因子の値と解析対象特性の値との組を含む学習データを取得する取得部を有してよい。予測部は、学習データを用いて、複数の成形因子の値から解析対象特性の予測値を生成するモデルを学習する学習部を有してよい。
　予測部は、樹脂成形の複数の成形因子のうち少なくとも１つの成形因子における、解析対象特性の目標値を満たす確率を算出してよい。表示処理部は、予測値の確率分布とともに、解析対象特性の目標値を満たす確率を表示装置に表示させるための表示処理を実行してよい。
　予測部は、樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値を予め定められた範囲で変化させた場合における、解析対象特性の目標値を満たす確率の変化を算出してよい。表示処理部は、予測値の確率分布とともに、解析対象特性の目標値を満たす確率の変化を表示装置に表示させるための表示処理を実行してよい。
　推奨部は、複数の推奨条件を生成してよく、各推奨条件は、複数種類の解析対象特性についてのものであってよい。
　予測部は、複数の解析対象特性にそれぞれ対応するモデルから、対応する解析対象特性の予測値の確率分布を得てよい。
　推奨部は、予測値の確率分布がガウス分布になるとみなし、予測値の平均値と標準偏差とに基づいて、解析対象特性が予め定められた条件を満たす確率を算出してよい。予め定められた条件を満たす確率は、解析対象特性が目標値を下回る確率、解析対象特性が目標値を上回る確率、解析対象特性が目標範囲内となる確率であってもよい。
　推奨部は、複数の解析対象特性について、複数の成形因子の組み合わせが予め定められた基準を満たす同時確率を算出し、同時確率を最大化させるように最適化アルゴリズムを用いて推奨条件を生成してよい。
　学習部は、推奨部により生成された推奨条件の成形因子の値を、推奨条件に対応する解析対象特性の値が目標値を満たさないものとして、学習データに追加してよい。推奨部は、追加した学習データで学習した後のモデルを用いた予測値から、上記推奨条件とは異なる推奨条件を生成してよい。
　ユーザが入力部に成形因子の特定の値を入力すると、表示処理部は、予測値の確率分布の変化の表示において当該特定の値に対応する位置に、対応する予測値の確率分布を重ねて表示装置に表示させてよい。
　本発明の第２の態様においては、樹脂成形を支援する方法を提供する。方法は、樹脂成形の複数の成形因子の値に対応する、樹脂成形体の解析対象特性の予測値の確率分布を生成する段階を備えてよい。方法は、解析対象特性の予測値の確率分布を表示装置に表示させるための表示処理を実行する段階を備えてよい。
　方法は、解析対象特性の予測値の確率分布を生成する段階は、樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値を予め定められた範囲で変化させた場合における、成形した樹脂の解析対象特性の予測値の確率分布の変化を算出する段階を有してよい。予測値の確率分布を表示装置に表示させるための表示処理を実行する段階は、解析対象特性の予測値の確率分布の変化を表示装置に表示させるための表示処理を実行する段階を有してよい。
　本発明の第３の態様においては、プログラムを提供する。プログラムは、コンピュータに、樹脂成形の複数の成形因子の値に対応する、樹脂成形体の解析対象特性の予測値の確率分布を生成する段階を実行させてよい。プログラムは、コンピュータに、解析対象特性の予測値の確率分布を表示装置に表示させるための表示処理を実行する段階を実行させてよい。
　なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。
本実施形態に係るシステム１を示す。 本実施形態の表示部６０により表示される画面２００の一例を示す。 本実施形態の表示部６０により表示される画面３００の他の例を示す。 本実施形態の表示部６０により表示される画面４００の他の例を示す。 本実施形態の支援装置３におけるモデルの学習フローを示す。 本実施形態の支援装置３における成形因子の表示フローを示す。 本実施形態の表示部６０により表示される画面５００の他の例を示す。 本実施形態の表示部６０により表示される画面６００の他の例を示す。 本実施形態の表示部６０により表示される画面７００の他の例を示す。 本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。
　以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
　図１は、本実施形態に係るシステム１を示す。システム１は、樹脂の成形条件を調整して樹脂成形物を製造する。システム１は、樹脂成形物の製造装置２および支援装置３を備える。
　樹脂成形物の製造に用いる樹脂組成物は、一例として、ポリエチレン、アクリロニトリル、ポリアミド等、または樹脂にガラス繊維等を追加した強化プラスチックである。
　製造装置２は、支援装置３に有線または無線で接続され、射出成形、またはインモールド成型等により所望の形状に成形した樹脂成形物を製造する。製造装置２は、成形した樹脂（樹脂成形体）について複数の解析対象特性を評価して、複数の成形因子および成形した樹脂の解析対象特性を示すデータを支援装置３に送信してよい。
　ここで、複数の成形因子は、樹脂成形物の品質に影響する因子であってよく、製造装置２において設定する成形の条件を含んでよい。複数の成形因子は、一例として、金型厚さ、金型温度、冷却時間、射出温度、射出圧力最大値、保圧圧力、スクリュー回転数、および計量値等のうちの少なくとも１つであってよい。また、複数の成形因子は、製造装置２が設置された環境の温度、湿度、および成形の形状等のうちの少なくとも１つを含んでよい。複数の成形因子の値は、ある／なし（例えば、樹脂に所定の材料が含まれるか否か等）、ランク（例えば、樹脂の品質または価格等のランクＡ、Ｂ，またはＣ）、または樹脂の種類等を示す離散値を含んでよい。
　解析対象特性は、樹脂成形物が不良品か否かを判断する評価項目であってよい。解析対象特性は、一例として、樹脂成形物の寸法、強度、ヤング率、目標の寸法からの誤差、樹脂成形物に生じる欠陥のモード、数、面積、または密度、および不良が生じる位置等のうちの少なくとも１つを含んでよい。
　支援装置３は、樹脂成形を支援する装置の一例である。支援装置３は、製造装置２の操作者等のユーザ４に対して、複数の成形因子の組に応じた解析対象特性の予測値を表示することにより、成形条件の調整を支援することができる。支援装置３は、取得部１０と、学習部２０と、入力部３０と、予測部４０と、推奨部５０と、表示部６０とを備える。
　取得部１０は、製造装置２に接続される。取得部１０は、予め樹脂成形を行った結果における複数の成形因子の値と解析対象特性の値との組を含む学習データを取得する。取得部１０は、製造装置２、ウェブサイト、および外部の記録媒体の少なくとも１つから学習データを取得してよい。複数の成形因子の値と解析対象特性の値との組は、製造装置２において予め樹脂成形を行った際の複数の成形因子の設定値と、当該樹脂成形で製造された樹脂成形物を評価して得られた解析対象特性の値との組であってよい。
　学習部２０は、取得部１０に接続される。学習部２０は、取得部１０が取得した学習データを用いて、複数の成形因子の値から解析対象特性の予測値の確率分布を生成するモデルを学習する。学習部２０は、学習データを用いてモデルを生成および更新してよい。学習部２０は、取得部１０等からの学習データをデータベースに記憶させてよい。
　入力部３０は、ユーザ４からの入力を受け取るためのものであってよく、一例として、キーボード、マウス、またはタッチパネル等である。入力部３０は、支援装置３で表示するための少なくとも１つの表示条件を示すデータをユーザ４から入力される。表示条件は、例えば、複数の成形因子の少なくとも１つの値（例えば、複数の成形因子の特定の値の組み合わせ、複数の成形因子の少なくとも１つの範囲、または複数の成形因子の少なくとも１つの値の変更）、少なくとも１つの解析対象特性の指定、および解析対象特性の目標値のうちの少なくとも１つを含む。なお、入力部３０は、ユーザ４の端末（パソコン、タブレット、またはスマートフォン等）から表示条件を示すデータを受信してもよい。さらに、入力部３０は、製造装置２で成形を行うための成形条件の入力を受け取ってもよい。
　予測部４０は、学習部２０および入力部３０に接続される。予測部４０は、複数の成形因子の値の少なくとも１つについてデータを入力したことに応じて、解析対象特性の予測値の分布を生成するモデルを学習部２０から受け取り保持する。予測部４０は、入力部３０および取得部１０の少なくとも一方から入力されたデータとモデルとを用いて、樹脂成形の複数の成形因子の値に対応する、成形した樹脂の解析対象特性の予測値の分布を生成する。予測部４０は、生成された予測値の分布に基づいて、当該分布の平均値または中央値並びに標準偏差を出力してよい。予測部４０は、樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値を予め定められた範囲（例えば対応する成形因子の設定可能範囲）で変化させた場合における、解析対象特性の予測値の確率分布の変化を算出してよい。この場合、予測部４０は、予測値の確率分布の変化を示す指標として解析対象特性の予測値の平均値の変化または中央値の変化と標準偏差の変化とを算出してよい。予測部４０は、予測値の確率分布を推奨部５０に送信する。予測部４０は、取得部１０が取得した学習データを推奨部５０に送信してもよい。
　推奨部５０は、予測部４０に接続される。推奨部５０は、解析対象特性の目標値を満たす確率が最も高い複数の成形因子の組み合わせである推奨条件を生成する。推奨部５０は、複数の成形因子のうちの少なくとも１つを現在の値（現在最適とされている値）から変更した推奨条件を生成してよい。推奨部５０は、ユーザ４から入力部３０を介して指定された少なくとも１つの成形因子を、変更する成形因子として推奨条件を生成してよい。推奨部５０は、生成した推奨条件を学習部２０に学習データとして送信してよい。さらに、推奨部５０は、推奨条件を製造装置２で成形を行うための成形条件として製造装置２に送信してもよい。推奨部５０が複数の推奨条件を生成する場合は、生成された推奨条件の内、製造装置２に送信するものを選択可能であってよい。上記の選択は入力部３０で受信した入力に応じて行われてよい。
　表示部６０は、推奨部５０に接続される。表示部６０は、表示処理部６２と表示装置６４とを有する。表示処理部６２は、予測部４０が生成した、解析対象特性の予測値の確率分布を表示装置６４に表示させるための表示処理を実行する。表示処理部６２は、予測値の確率分布とともに、推奨条件を表示装置に表示させるための表示処理を実行してよい。表示処理部６２は、解析対象特性の名前と、評価条件と、予測データと、各成形因子の名前と、樹脂の種類名と、単位と、設定可能範囲（例えば、入力部３０を介して入力された成形因子の範囲）と、最新の設定値とのうちの少なくとも１つをさらに表示装置６４に表示させるための表示処理を実行してよい。表示処理部６２は、表示画面を生成する処理、表示に必要なデータを表示装置６４に無線又は有線で出力する処理等を実行してよい。また、表示装置６４は、支援装置３が有するディスプレイ等であってよく、また、ユーザ４が有する端末の表示画面又は製造装置２の表示画面等、外部のディスプレイであってもよい。
　さらに、支援装置３は、製造装置２に成形条件を送信する送信部７０を有していてもよい。送信部７０は、入力部３０に入力された成形条件を受け取って製造装置２に送信してもよいし、推奨部５０が生成した推奨条件を受け取って成形条件とし、製造装置２に送信してもよい。
　図２は、本実施形態の表示部６０により表示される画面２００の一例を示す。表示部６０は、画面２００上に、各成形因子の項目名２１０と、成形因子の設定可能範囲を示すスライドバー２２０と、スライドバー２２０上の現在の値の位置を示すポインタ２３０と、成形因子の現在の値２４０と、樹脂の種類名のリストボックス２５０と、成形因子の現在の値の組み合わせの場合の解析対象特性の予測値の分布を示す予測値ボックス２６０とを表示する。図２においては、予測値ボックス２６０は、樹脂成形物の強度の予測値確率分布における平均値が１００であり、標準偏差が１３であることを示す。
　ユーザ４は、当該画面２００を見ながら、マウス（入力部３０）を用いて、マウスカーソルでポインタ２３０を動かして成形因子の値を変化させる。これにより、解析対象特性の予測値ボックス２６０内の予測値分布の平均および標準偏差は、当該成形因子の値の組の変化に応じて予測部４０によって画面上でリアルタイムに変化するため、ユーザ４は、予測値の確率分布に応じて精度よく成形条件を決定することができる。
　図３は、本実施形態の表示部６０により表示される画面３００の他の例を示す。表示部６０は、画面３００上に、解析対象特性の予測値の確率分布の変化を表示装置６４に表示させるための表示処理を実行する。具体的には、表示処理部６２は、平均値の変化と標準偏差の変化とを示すグラフを表示装置に表示させるための表示処理を実行する。当該グラフは、一例として、縦軸に解析対象特性の予測値（強度）、横軸に射出圧力最大値（ＭＰａ）を示す。表示部６０は、一例として、目標値（図３では、強度≧２５）を満たす可能性のある範囲を表示してよい。表示部６０は、画面２００において成形因子（図３では射出圧力最大値）がユーザ４により選択された際に表示するポップアップウインドウ内に、画面３００を表示してもよい。
　図４は、本実施形態の表示部６０により表示される画面４００の他の例を示す。表示部６０は、ユーザ４により選択された複数の成形因子の少なくとも１つについて、現在の値から変更する場合の推奨条件を複数表示してよい。図４の例では、表示部６０は、乾燥温度および乾燥時間についての１位から３位までの順位の３つの推奨条件を表示する。表示部６０は、図４のように、現在の値から変更する成形因子のみ表示してもよいし、他の成形因子の値についても表示してよい。表示部６０は、図２の画面２００および図３の画面３００の少なくとも一方とともに、図４の画面４００を１つの画面上で表示してよい。
　図５は、本実施形態の支援装置３におけるモデルの学習フローを示す。ステップＳ５００において、製造装置２は、樹脂成形を行う。製造装置２は、樹脂成形物の成形条件を変化させながら複数回の樹脂成形を行ってよい。
　ステップＳ５１０において、取得部１０は、製造装置２から学習データを取得する。取得部１０は、複数の成形因子の値と解析対象特性の値との複数の組み合わせを製造装置２から受信してよい。また、取得部１０は、複数の成形因子の値と、樹脂成形物の測定データ（成形した樹脂の寸法の計測値、および画像データ等）とを製造装置２から取得して、取得部１０が樹脂成形物を評価して解析対象特性の値を取得してもよい。
　ステップＳ５２０において、学習部２０は、取得部１０が取得した学習データを用いて、複数の成形因子の値から解析対象特性の予測値の確率分布を生成するモデルを学習する。学習部２０は、推奨部５０から推奨条件を学習データとして受け取り、その後学習データを用いてモデルを学習してよい。モデルは、一例として、ガウス過程法、またはアンサンブルモデルである。
　学習部２０は、定期的に、Ｓ５１０において取得部１０が学習データを取得することに応じて、またはユーザ４からの入力に応じて、モデルを学習し、更新してよい。支援装置３の電源がオフになると学習フローを終了してよい。
　図６は、本実施形態の支援装置３における成形因子の表示フローを示す。ステップＳ６００において、入力部３０は、ユーザ４から、解析対象特性（例えば強度等）の指定、および解析対象特性の目標値の少なくとも１つの指定を取得してよい。入力部３０は、ユーザ４から、値を変更する成形因子の指定、複数の成形因子の値（例えば、現在の最適な成形因子の値の組み合わせ、または変更した値等）、および成形因子の範囲（例えば、設定可能範囲等）の少なくとも１つも取得してよい。
　ステップＳ６１０において、予測部４０は、モデルを用いて、複数の成形因子から、入力部３０で取得した特定の解析対象特性の予測値の分布を生成する。さらに予測部４０は、生成した予測値の分布の平均値と標準偏差とを算出してよい。学習部２０は、モデルがガウス過程法の場合は、過去の学習データから確率分布を規定し、成形因子の組み合わせ等の入力データに対する解析対象特性の予測値確率分布をガウス分布で出力してよい。また、学習部２０は、モデルがアンサンブルモデルの場合は、複数の解析対象特性にそれぞれ対応する複数のモデルを用いて、成形因子の組み合わせ等の入力データに対する解析対象特性の予測値をそれぞれ生成し予測値確率分布として出力してよい。
　予測部４０は、複数の成形因子のうちの、対応する成形因子を予め定められた範囲で変化させた場合の解析対象特性の複数の予測値（または変化）を生成してよい。変化させる予め定められた範囲は、例えば、各成形因子について、ユーザ４から入力部３０を介して入力された範囲、または製造装置２から取得部１０を介して取得した当該製造装置２の設定可能範囲であってよい。
　ステップＳ６２０において、推奨部５０は、予測部４０の予測した予測値の分布を用いて推奨条件を生成してよい。推奨部５０は、例えば、複数の成形因子のうちの１または複数の成形因子を予め定められた範囲で変化させた場合の、解析対象特性の目標値を満たす（一例として、特定の範囲、閾値以下の範囲、または閾値以上の範囲等を満たす）確率の高い成形因子の組み合わせを推奨条件としてよい。推奨部５０は、推奨条件の候補となる複数の成形因子の複数の組み合わせに対してそれぞれ探索解析対象特性の目標値を満たす確率を算出し、当該確率から予め定められた条件に基づいて推奨条件を決定してよい。推奨部５０は、変化させる成形因子について、ユーザ４からの選択を入力部３０を介して受信してよい。また、推奨部５０は、対応する成形因子を予め定められた範囲で変化させた場合に解析対象特性の予測値の変化の幅（最小値と最大値との間の幅）が閾値を超える成形因子を、変化させる成形因子として選択してよい。また、推奨部５０は、推奨条件を示すデータを製造装置２に送信して、推奨条件に従って樹脂成形物を製造するように製造装置２を制御してよい。
　ステップＳ６２０において、表示部６０は、画面上に、解析対象特性の予測値の確率分布および推奨条件を表示する。表示部６０は、例えば、図２、図３，および図４の少なくとも１つのような画面を、同じ画面上で、または異なる画面上で表示してよい。表示部６０は、予測部４０からの予測値の確率分布の変化の一部を表示してよい。例えば、表示処理部６２は、ユーザ４から入力された解析対象特性の目標値を満たす可能性を有する成形因子の範囲を表示装置６４に表示させるための表示処理を実行してよい。ここで、解析対象特性が目標値を満たす可能性を有するとは、例えば、解析対象特性の予測値の確率分布に解析対象特性の目標値または目標値の範囲が含まれる場合であってよい。図３の例では、表示部６０は、解析対象特性の目標値が強度２５以上である場合、予測値の平均値＋標準偏差が２５以上となる範囲を当該目標値を満たす可能性があるとし、そのような射出圧力最大値の範囲がｘ１以下、ｘ２からｘ３の間、ｘ４以上であることを示してよい。
　表示部６０は、複数の成形因子の複数の組み合わせのうちの最適な値の組み合わせ、最も新しく取得した現在の値の組み合わせ、またはユーザ４から入力部３０を介して入力された値の組み合わせを表示してよい。表示部６０は、画面のデータを生成して出力し、ユーザ４の端末または製造装置２等の外部のディスプレイに表示させてもよい。
　本実施形態により、解析対象特性の予測値の確率分布をユーザ４に示すことができるため、ユーザ４は、解析対象特性の目標値を満たす確率がより高くなる成形因子の値を選択することができる。これにより、ユーザ４は、容易に精度の高い成形条件の調整を実施できる。また、実際に成形因子の全ての組み合わせで樹脂成形を行うことなく、予測した解析対象特性に応じて最適な成形条件を得ることができるため、樹脂材料および時間の節約による製造コストの削減を達成できる。成形条件の調整から製品の製造開始までの期間が短縮でき、製造装置の稼働率を向上できる。
　次に、複数の解析対象特性について複数の推奨条件を生成する実施形態について説明する。本実施形態は、図５および図６のフローにおける少なくとも１つのステップと組み合わせて実行することができる。本実施形態において、支援装置３は、遺伝的アルゴリズムまたはシミュレーテッドアニーリング等の進化的アルゴリズムを用いて推奨条件を生成してよい。
　推奨部５０は、図６のＳ６２０において解析対象特性の目標値を満たす確率が最も高い複数の成形因子の組み合わせである第１推奨条件を生成し、学習部２０に送信する。学習部２０は、図５のＳ５２０において、当該第１推奨条件の複数の成形因子の組み合わせを学習データとして用いて、モデルを学習する。次に、予測部４０は、図６のＳ６１０において当該学習したモデルを用いて予測値の確率分布を生成して推奨部５０に送信する。次に、推奨部５０は、図６のＳ６２０において、予測値の確率分布から、解析対象特性の目標値を満たす確率が最も高い複数の成形因子の新たな組み合わせである第２推奨条件を生成する。推奨部５０は、さらに、第２推奨条件を学習部２０に送信し、同様に新たな推奨条件を生成してよい。次に、より具体的に説明する。
　本例では、推奨条件に含まれる解析対象特性の種類は３つ（一例として、ｙ１：欠陥数、ｙ２：強度、ｙ３：ヤング率）とし、推奨部５０は複数の推奨条件を生成する。まず、予測部４０は、推奨条件の候補となる複数の成形因子の複数の組み合わせを探索範囲（例えば、設定可能範囲）内でランダムに生成する（ステップ１０００）。予測部４０は、生成した成形因子の値の組み合わせを、３つの解析対象特性にそれぞれ対応するｙ１、ｙ２、ｙ３モデルに入力し、解析対象特性の予測平均値と予測標準偏差とを生成する（ステップ１０１０）。例えば、ｉ番目の成形因子の組み合わせについては、解析対象特性ｙ１、ｙ２、およびｙ３の予測平均値をμｉ，１、μｉ，２、およびμｉ，３とし、予測標準偏差をσｉ，１、σｉ，２、およびσｉ，３とする。
　次に推奨部５０は、予測値が解析対象特性の目標値を満たす確率を算出する（ステップ１０２０）。例えば、推奨部５０は、予測値の確率分布がガウス分布になるとみなし、予測平均値と予測標準偏差とに基づいて、解析対象特性ｙ１についてはａ（目標値）を下回る確率Ｐｉ，１を、解析対象特性ｙ２についてはｂ（目標値）を上回る確率Ｐｉ，２を、解析対象特性ｙ３についてはｃ～ｄの範囲内（目標範囲）となる確率Ｐｉ，３を下記の３つの式でそれぞれ算出する。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
　次に、推奨部５０は、全ての解析対象特性の目標値を満たす同時確率Ｐｉ，ａｌｌ＝Ｐｉ，１・Ｐｉ，２・Ｐｉ，３を算出し、同時確率Ｐｉ，ａｌｌを最大化させるように最適化アルゴリズムを用いて推奨条件の候補を発生させる。推奨部５０は、推奨条件として得られた複数の成形因子の組み合わせを第１推奨条件として出力してよい（ステップ１０３０）。
　次に、推奨部５０は、第１推奨条件を示すデータを学習部２０に送信する。学習部２０は、当該第１推奨条件についての解析対象特性の値を平均値として学習データのデータベースに追加する（ステップ１０４０）。この際、学習部２０は、当該第１推奨条件の成形因子の値を、対応する解析対象特性の値が目標値を満たさないものとして、学習データのデータベースに追加してよい。これにより、当該学習データで学習した後のモデルを用いることで、得られる推奨条件が第１推奨条件とは異なる値の組み合わせとなる。
　次に、ステップ１０００－１０４０を繰り返し、この際のステップ１０３０で得られた成形因子の組み合わせを第２推奨条件とする。さらに、ステップ１０００－１０４０を繰り返し、第３推奨条件、および第４推奨条件等を得ることができる。
　本実施形態により、複数の解析対象特性について、複数の推奨条件を効率的に生成することができる。また、実際に多数の樹脂成形を行うことなく推奨条件に基づいて成形条件を調整することができ、樹脂成形コストの削減、製品の樹脂成形までの期間の短縮、製造装置の稼動率向上等を達成することができる。
　なお、支援装置３は、製造装置２に接続されていなくてもよく、取得部１０は、学習データとして、他の製造装置における樹脂成形のデータ、記録媒体に記録されたデータ、またはウェブサイトのデータを取得してよい。
　また、支援装置３は、学習部２０を備えていなくてもよく、外部の学習装置からモデルを提供されてもよい。
　図９は、表示装置６４に表示される画面５００を示す。入力部３０が、樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値の指定をユーザ４から受け取る場合、表示処理部６２は、予測値の確率分布とともに、指定された成形因子の値における解析対象特性の予測値の確率分布を表示装置６４に表示させるための表示処理を実行してよい。表示処理部６２は、ステップＳ６１０において予測部４０が予測に用いたガウス分布の曲線で、指定された成形因子の値における解析対象特性の予測値の確率分布を表示装置６４に表示させてよい。なお、ガウス分布の曲線の縦軸（グラフの縦軸方向）は解析対象特性の予測値を示し、横軸（グラフの横軸方向）は当該予測値の確率を示す。
　具体的には、ステップＳ６２０において表示装置６４に射出圧力最大値に対応する強度の予測値の確率分布（予測値の平均値及び標準偏差）の変化が表示されている場合、ユーザ４が入力部３０に射出圧力最大値９０ＭＰａ及び２６５Ｍｐａを入力すると、表示処理部６２は、グラフの射出圧力最大値９０ＭＰａ及び２６５Ｍｐａに対応する位置に、強度の予測値の確率分布を重ねて表示させてよい。
　図８は、表示装置６４に表示される画面６００を示す。表示処理部６２は、画面５００と同様に、指定された成形因子の値における解析対象特性の予測値の確率分布を表示装置６４に表示させる。ただし、予測部４０が予測に複数のモデルを用いた場合等には、図８に示すように、確率分布の曲線において、確率が高くなる山が複数形成されうる。図７，８のような実施形態により、実際に多数の樹脂成形を行うことなく適切な成形条件に調整することができ、樹脂成形コストの削減、製品の樹脂成形までの期間の短縮、製造装置の稼動率向上等を達成することができる。
　図９は、表示装置６４に表示される画面７００を示す。表示処理部６２は、予測値の確率分布とともに、解析対象特性の目標値を満たす確率を表示装置６４に表示させるための表示処理を実行してよい。表示処理部６２は、前記予測値の確率分布とともに、前記解析対象特性の目標値を満たす確率の変化を表示装置６４に表示させるための表示処理を実行してよい。予測部は、前記樹脂成形の複数の成形因子のうち少なくとも１つの成形因子における、前記解析対象特性の目標値を満たす確率を算出してよく、例えば、脂成形の複数の成形因子のうち少なくとも１つの成形因子の値を予め定められた範囲で変化させた場合における、前記解析対象特性の目標値を満たす確率の変化を算出してよい。
　図９に示す画面は、図３の画面と同様であってよく、ただし、追加で目標値を満たす確率の変化を含む。ユーザ４が入力部３０に目標値（図９では、強度≧２５）を入力する場合、表示処理部６２は、推奨部５０により算出される強度が目標値を上回る確率Ｐｉ，２を受け取り、射出圧力最大値０～３００ＭｐａにおけるＰｉ，２の変化を、確率分布の変化に重ねて表示装置６４に表示させてよい。このような実施形態により、実際に多数の樹脂成形を行うことなく適切な成形条件である確率が高い値に調整することができ、樹脂成形コストの削減、製品の樹脂成形までの期間の短縮、製造装置の稼動率向上等を達成することができる。
　なお、表示処理部６２は、目標値を満たす確率の変化のみをグラフに表示させてもよく、また、ユーザ４により指定される成形因子の値での目標値を満たす確率を確率分布の変化の対応する位置に表示させてもよい。
　なお、支援装置３は、ＰＣ、サーバ、又は携帯端末等であってよい。
　また、本発明の様々な実施形態は、フローチャートおよびブロック図を参照して記載されてよく、ここにおいてブロックは、（１）操作が実行されるプロセスの段階または（２）操作を実行する役割を持つ装置のセクションを表わしてよい。特定の段階およびセクションが、専用回路、コンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、および／またはコンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタルおよび／またはアナログハードウェア回路を含んでよく、集積回路（ＩＣ）および／またはディスクリート回路を含んでよい。プログラマブル回路は、論理ＡＮＤ、論理ＯＲ、論理ＸＯＲ、論理ＮＡＮＤ、論理ＮＯＲ、および他の論理操作、フリップフロップ、レジスタ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックアレイ（ＰＬＡ）等のようなメモリ要素等を含む、再構成可能なハードウェア回路を含んでよい。
　コンピュータ可読媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読媒体は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（ＲＴＭ）ディスク、メモリスティック、集積回路カード等が含まれてよい。
　コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、またはＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１または複数のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかを含んでよい。
　コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサまたはプログラマブル回路に対し、ローカルにまたはローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して提供され、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく、コンピュータ可読命令を実行してよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。
　図１０は、本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。コンピュータ２２００にインストールされたプログラムは、コンピュータ２２００に、本発明の実施形態に係る装置に関連付けられる操作または当該装置の１または複数のセクションとして機能させることができ、または当該操作または当該１または複数のセクションを実行させることができ、および／またはコンピュータ２２００に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ２２００に、本明細書に記載のフローチャートおよびブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定の操作を実行させるべく、ＣＰＵ２２１２によって実行されてよい。
　本実施形態によるコンピュータ２２００は、ＣＰＵ２２１２、ＲＡＭ２２１４、グラフィックコントローラ２２１６、およびディスプレイデバイス２２１８を含み、それらはホストコントローラ２２１０によって相互に接続されている。コンピュータ２２００はまた、通信インタフェース２２２２、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６、およびＩＣカードドライブのような入／出力ユニットを含み、それらは入／出力コントローラ２２２０を介してホストコントローラ２２１０に接続されている。コンピュータはまた、ＲＯＭ２２３０およびキーボード２２４２のようなレガシの入／出力ユニットを含み、それらは入／出力チップ２２４０を介して入／出力コントローラ２２２０に接続されている。
　ＣＰＵ２２１２は、ＲＯＭ２２３０およびＲＡＭ２２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ２２１６は、ＲＡＭ２２１４内に提供されるフレームバッファ等またはそれ自体の中にＣＰＵ２２１２によって生成されたイメージデータを取得し、イメージデータがディスプレイデバイス２２１８上に表示されるようにする。
　通信インタフェース２２２２は、ネットワークを介して他の電子デバイスと通信する。ハードディスクドライブ２２２４は、コンピュータ２２００内のＣＰＵ２２１２によって使用されるプログラムおよびデータを格納する。ＤＶＤ－ＲＯＭドライブ２２２６は、プログラムまたはデータをＤＶＤ－ＲＯＭ２２０１から読み取り、ハードディスクドライブ２２２４にＲＡＭ２２１４を介してプログラムまたはデータを提供する。ＩＣカードドライブは、プログラムおよびデータをＩＣカードから読み取り、および／またはプログラムおよびデータをＩＣカードに書き込む。
　ＲＯＭ２２３０はその中に、アクティブ化時にコンピュータ２２００によって実行されるブートプログラム等、および／またはコンピュータ２２００のハードウェアに依存するプログラムを格納する。入／出力チップ２２４０はまた、様々な入／出力ユニットをパラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入／出力コントローラ２２２０に接続してよい。
　プログラムが、ＤＶＤ－ＲＯＭ２２０１またはＩＣカードのようなコンピュータ可読媒体によって提供される。プログラムは、コンピュータ可読媒体から読み取られ、コンピュータ可読媒体の例でもあるハードディスクドライブ２２２４、ＲＡＭ２２１４、またはＲＯＭ２２３０にインストールされ、ＣＰＵ２２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ２２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置または方法が、コンピュータ２２００の使用に従い情報の操作または処理を実現することによって構成されてよい。
　例えば、通信がコンピュータ２２００および外部デバイス間で実行される場合、ＣＰＵ２２１２は、ＲＡＭ２２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース２２２２に対し、通信処理を命令してよい。通信インタフェース２２２２は、ＣＰＵ２２１２の制御下、ＲＡＭ２２１４、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭ２２０１、またはＩＣカードのような記録媒体内に提供される送信バッファ処理領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、またはネットワークから受信された受信データを記録媒体上に提供される受信バッファ処理領域等に書き込む。
　また、ＣＰＵ２２１２は、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６（ＤＶＤ－ＲＯＭ２２０１）、ＩＣカード等のような外部記録媒体に格納されたファイルまたはデータベースの全部または必要な部分がＲＡＭ２２１４に読み取られるようにし、ＲＡＭ２２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ２２１２は次に、処理されたデータを外部記録媒体にライトバックする。
　様々なタイプのプログラム、データ、テーブル、およびデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ２２１２は、ＲＡＭ２２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプの操作、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ２２１４に対しライトバックする。また、ＣＰＵ２２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ２２１２は、第１の属性の属性値が指定される、条件に一致するエントリを当該複数のエントリの中から検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。
　上で説明したプログラムまたはソフトウェアモジュールは、コンピュータ２２００上またはコンピュータ２２００近傍のコンピュータ可読媒体に格納されてよい。また、専用通信ネットワークまたはインターネットに接続されたサーバーシステム内に提供されるハードディスクまたはＲＡＭのような記録媒体が、コンピュータ可読媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ２２００に提供する。
　以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、請求の範囲の記載から明らかである。
　請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。
１　システム
２　製造装置
３　支援装置
１０　取得部
２０　学習部
３０　入力部
４０　予測部
５０　推奨部
６０　表示部
６２　表示処理部
６４　表示装置
７０　送信部
２００　画面
２１０　項目名
２２０　スライドバー
２３０　ポインタ
２４０　現在の値
２５０　リストボックス
２６０　予測値ボックス
３００　画面
４００　画面
５００　画面
６００　画面
７００　画面
２２００　コンピュータ
２２０１　ＤＶＤ－ＲＯＭ
２２１０　ホストコントローラ
２２１２　ＣＰＵ
２２１４　ＲＡＭ
２２１６　グラフィックコントローラ
２２１８　ディスプレイデバイス
２２２０　入／出力コントローラ
２２２２　通信インタフェース
２２２４　ハードディスクドライブ
２２２６　ＤＶＤ－ＲＯＭドライブ
２２３０　ＲＯＭ
２２４０　入／出力チップ
２２４２　キーボード

Claims (14)

  1. 　樹脂成形を支援する装置であって、
    　前記樹脂成形の複数の成形因子の値に対応する、樹脂成形体の解析対象特性の予測値の確率分布を生成する予測部と、
    　前記解析対象特性の前記予測値の確率分布を表示装置に表示させるための表示処理を実行する表示処理部とを備える
    　装置。
  2. 　前記予測部は、前記樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値を予め定められた範囲で変化させた場合における、前記解析対象特性の予測値の確率分布の変化を算出し、
    　前記表示処理部は、前記解析対象特性の前記予測値の確率分布の変化を前記表示装置に表示させるための表示処理を実行する
    　請求項１に記載の装置。
  3. 　前記予測部は、前記確率分布の変化を示す指標として前記解析対象特性の予測値の平均値の変化と標準偏差の変化とを算出し、
    　前記表示処理部は、前記平均値の変化と前記標準偏差の変化とを前記表示装置に表示させるための表示処理を実行する
    　請求項２に記載の装置。
  4. 　前記表示処理部は、前記解析対象特性の目標値を満たす可能性を有する前記成形因子の範囲を前記表示装置に表示させるための表示処理を実行する
    　請求項２または３に記載の装置。
  5. 　前記樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値の指定をユーザから受け取る入力部を備え、
    　前記表示処理部は、前記予測値の確率分布とともに、前記指定された成形因子の値における前記解析対象特性の前記予測値の確率分布を前記表示装置に表示させるための表示処理を実行する
    　請求項１から４のいずれか一項に記載の装置。
  6. 　前記予測部は、
    　前記樹脂成形の前記複数の成形因子の少なくとも１つについてのデータを入力したことに応じて、前記解析対象特性の前記予測値の確率分布を生成するモデルを有する
    　請求項１から５のいずれか一項に記載の装置。
  7. 　前記予測部は、複数の前記モデルを用いて、前記解析対象特性の前記予測値をそれぞれ生成し、生成した前記予測値の平均値と標準偏差とを算出する
    　請求項６に記載の装置。
  8. 　前記解析対象特性の目標値を満たす確率が最も高い前記複数の成形因子の組み合わせである推奨条件を生成する推奨部を備え、
    　前記表示処理部は、前記予測値の確率分布の変化とともに、前記推奨条件を前記表示装置に表示させるための表示処理を実行する
    　請求項１から７のいずれか一項に記載の装置。
  9. 　前記予測部は、
    　予め樹脂成形を行った結果における前記複数の成形因子の値と前記解析対象特性の値との組を含む学習データを取得する取得部と、
    　前記学習データを用いて、前記複数の成形因子の値から前記解析対象特性の予測値を生成するモデルを学習する学習部とを有する
    　請求項１から８のいずれか一項に記載の装置。
  10. 　前記予測部は、前記樹脂成形の複数の成形因子のうち少なくとも１つの成形因子における、前記解析対象特性の目標値を満たす確率を算出し、
    　前記表示処理部は、前記予測値の確率分布とともに、前記解析対象特性の目標値を満たす確率を前記表示装置に表示させるための表示処理を実行する
    　請求項１から９のいずれか一項に記載の装置。
  11. 　前記予測部は、前記樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値を予め定められた範囲で変化させた場合における、前記解析対象特性の目標値を満たす確率の変化を算出し、
    　前記表示処理部は、前記予測値の確率分布とともに、前記解析対象特性の目標値を満たす確率の変化を前記表示装置に表示させるための表示処理を実行する
    　請求項１０に記載の装置。
  12. 　樹脂成形を支援する方法であって、
    　前記樹脂成形の複数の成形因子の値に対応する、樹脂成形体の解析対象特性の予測値の確率分布を生成する段階と、
    　前記解析対象特性の前記予測値の確率分布を表示装置に表示させるための表示処理を実行する段階とを備える
    　方法。
  13. 　前記解析対象特性の予測値の確率分布を生成する段階は、前記樹脂成形の複数の成形因子のうち少なくとも１つの成形因子の値を予め定められた範囲で変化させた場合における、樹脂成形体の解析対象特性の予測値の確率分布の変化を算出する段階を有し、
    　前記表示処理を実行する段階は、前記解析対象特性の前記予測値の確率分布の変化を前記表示装置に表示させるための表示処理を実行する段階を有する
    　請求項１２に記載の方法。
  14. 　コンピュータに、
    　樹脂成形の複数の成形因子の値に対応する、樹脂成形体の解析対象特性の予測値の確率分布を生成する段階と、
    　前記解析対象特性の前記予測値の確率分布を表示装置に表示させるための表示処理を実行する段階とを実行させるためのプログラム。
PCT/JP2021/014073 2020-03-31 2021-03-31 装置、方法、およびプログラム WO2021201187A1 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
KR1020227033211A KR20220146574A (ko) 2020-03-31 2021-03-31 장치, 방법 및 프로그램
JP2022512673A JPWO2021201187A1 (ja) 2020-03-31 2021-03-31
CN202180023723.1A CN115335205A (zh) 2020-03-31 2021-03-31 装置、方法以及程序
EP21782013.3A EP4129621A4 (en) 2020-03-31 2021-03-31 APPARATUS, METHOD AND PROGRAM
US17/950,058 US20230010715A1 (en) 2020-03-31 2022-09-21 Apparatus, method, and computer-readable medium
JP2024012433A JP2024054170A (ja) 2020-03-31 2024-01-31 装置、方法、およびプログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020064511 2020-03-31
JP2020-064511 2020-03-31

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/950,058 Continuation US20230010715A1 (en) 2020-03-31 2022-09-21 Apparatus, method, and computer-readable medium

Publications (1)

Publication Number Publication Date
WO2021201187A1 true WO2021201187A1 (ja) 2021-10-07

Family

ID=77928644

Family Applications (1)

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

Country Status (6)

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

Cited By (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 (2)

* 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
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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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 (2)

* 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
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4129621A4

Cited By (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

Also Published As

Publication number Publication date
JP2024054170A (ja) 2024-04-16
CN115335205A (zh) 2022-11-11
EP4129621A4 (en) 2023-10-11
EP4129621A1 (en) 2023-02-08
KR20220146574A (ko) 2022-11-01
JPWO2021201187A1 (ja) 2021-10-07
TW202206255A (zh) 2022-02-16
US20230010715A1 (en) 2023-01-12

Similar Documents

Publication Publication Date Title
JP2024054170A (ja) 装置、方法、およびプログラム
US9582620B1 (en) Method and system for automated refined exclusion of entities from a metric driven verification analysis score
CN112529301A (zh) 用电量预测方法、设备及存储介质
EP3721302A1 (en) Apparatus, method, and program for identification of changes in plant models
KR20220108797A (ko) 중합체 점도 품질을 제어하기 위한 방법 및 제어 시스템
Mitra et al. Blast furnace charging optimization using multi-objective evolutionary and genetic algorithms
CN113568379A (zh) 控制辅助装置、控制辅助方法、计算机可读介质及控制系统
CN117063190A (zh) 用于预测和规定应用的多级机器学习
JP2022189794A (ja) 機械学習に基づく製品設計の自動化および最適化のためのシステムおよび方法
JP7463996B2 (ja) 装置、方法およびプログラム
CN113283162B (zh) 塑料光学镜片面形误差预测方法、电子装置及存储介质
US20170139908A1 (en) Technology trend predicting method and system and non-transitory computer readable storage medium
JP2018045266A (ja) 設計支援装置
JP7283105B2 (ja) 分析装置および分析方法
WO2021201189A1 (ja) 装置、方法、およびプログラム
TWI837464B (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
WO2015163322A1 (ja) データ分析装置、データ分析方法およびプログラム
JP7181849B2 (ja) 装置、方法およびプログラム
JP2018156231A (ja) エネルギー管理システムおよびエネルギー管理方法
CN115769194A (zh) 跨数据集的自动数据链接
US20220284346A1 (en) Learning apparatus, evaluation apparatus, evaluation system, learning method, evaluation method, and non-transitory computer readable medium
WO2022170587A1 (en) Robotic process automation (rpa) -based data labelling
KR20200115703A (ko) 모바일 앱 사용자의 빅데이터 분석 모델 실시간 생성을 위한 딥러닝 오차 최소화 시스템 및 그 제어방법
WO2024101351A1 (ja) 装置、方法およびプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21782013

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022512673

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20227033211

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021782013

Country of ref document: EP

Effective date: 20221031