WO2022185663A1

WO2022185663A1 - 制御装置、制御方法、及び制御プログラム

Info

Publication number: WO2022185663A1
Application number: PCT/JP2021/046522
Authority: WO
Inventors: 高史藤井
Original assignee: オムロン株式会社
Priority date: 2021-03-04
Filing date: 2021-12-16
Publication date: 2022-09-09
Also published as: JP2022135171A; US20240042720A1; CN116802049A; EP4302983A1

Abstract

サーボプレス機での製品の仕上がり精度の確保と、サイクルタイムの短縮との両立を図ることが可能となる制御装置、制御方法、及び制御プログラムを実現する。制御部（５）は、下死点位置でスライダ（１１）を停止させる停止動作中に、荷重検出部（１５）からの荷重検出結果を用いて、材料に作用する荷重が収束した状態にあると判別した場合に、下死点位置からスライダ（１１）を上昇させる上昇動作を行わせる。

Description

制御装置、制御方法、及び制御プログラム

　本開示は、サーボプレス機を制御する制御装置、制御方法、及び制御プログラムに関する。

　近年、プレスシステムの分野では、サーボモータによってスライダを介して駆動される金型としてのプレスツールを用いて、ワーク（材料）にプレス加工を施すサーボプレス機の普及が進んでいる。

日本国公開特許公報特開２０１１－０９８３５０号公報

　サーボプレス機では、スライダを上下方向に動作させ、最下点の位置である下死点位置において、材料への荷重が最大となり得る。サーボプレス機では、下死点位置でのスライダの停止時間（下死点停止時間）において、ワークの変形を完了させる。そのため、下死点停止時間を長くすることにより、製品の仕上がり精度を向上させることが可能となる。

　一方、下死点停止時間の増大は、加工のサイクルタイムの長時間化をも招き、生産効率の低下をもたらす。このため、サーボプレス機では、製品の仕上がり精度の確保と、サイクルタイムの短縮との両立を図ることが求められている。

　本開示は上記の問題点を鑑みてなされたものであり、サーボプレス機での製品の仕上がり精度の確保と、サイクルタイムの短縮との両立を図ることが可能な制御装置、制御方法、及び制御プログラムを提供することを目的とする。

　本開示は、上述の課題を解決するために、以下の構成を採用する。

　本開示の一側面に係る制御装置は、スライダを上下方向に動作させることにより、材料にプレス加工を施すサーボプレス機であって、前記スライダを駆動するサーボモータと、前記スライダの位置を検出する位置検出部と、前記材料に作用する荷重を検出する荷重検出部と、を備えたサーボプレス機、を制御する制御装置であって、前記位置検出部による位置検出結果及び前記荷重検出部による荷重検出結果を用いて、前記サーボモータの制御を行う制御部を備え、前記制御部は、前記スライダの最下点の位置である下死点位置に向かって前記スライダを下降させる下降動作と、前記下死点位置で前記スライダを停止させる停止動作と、前記下死点位置から前記スライダを上昇させる上昇動作と、を前記プレス加工での一連のステップの動作として行わせるとともに、前記停止動作中に、前記荷重検出結果に基づいて、前記材料に作用する荷重が収束した状態にあるか否かを判別し、前記材料に作用する荷重が収束した状態にあると判別した場合に、前記上昇動作を行わせる構成を備えている。

　また、本開示の一側面に係る制御方法は、スライダを上下方向に動作させることにより、材料にプレス加工を施すサーボプレス機であって、前記スライダを駆動するサーボモータと、前記スライダの位置を検出する位置検出部と、前記材料に作用する荷重を検出する荷重検出部と、を備えたサーボプレス機、を制御する制御方法であって、前記スライダの最下点の位置である下死点位置に向かって、前記スライダを下降させる下降動作ステップと、前記下死点位置で前記スライダを停止させる停止動作ステップと、前記下死点位置から前記スライダを上昇させる上昇動作ステップと、を備え、前記停止動作ステップ中において、前記荷重検出結果に基づいて、前記材料に作用する荷重が収束した状態にあるか否かを判別するサブステップを繰り返し実行し、前記材料に作用する荷重が収束した状態にあると判別した場合に、前記上昇動作ステップに移行させる構成を備えている。

　また、本開示の一側面に係る制御プログラムは、制御装置としてコンピュータを機能させるための制御プログラムであって、上記制御部としてコンピュータを機能させる。

　上記構成によれば、サーボプレス機での製品の仕上がり精度の確保と、サイクルタイムの短縮との両立を図ることが可能となる。

　本開示によれば、サーボプレス機での製品の仕上がり精度の確保と、サイクルタイムの短縮との両立を図ることが可能となる制御装置、制御方法、及び制御プログラムを提供することができる。

本開示の実施形態１に係る制御装置及びサーボプレス機の構成例を示すブロック図である。上記制御装置によるサーボプレス機の制御系を示す機能構成図である。上記サーボプレス機の基本動作を説明する図である。図１に示した予測器の具体的な構成例を説明する図である。上記サーボプレス機での荷重検出結果の変化の具体例を示すグラフである。上記制御装置に含まれた予測器の動作例を説明する図である。上記制御装置に含まれた制御部の動作例を説明する図である。上記制御部での収束判別に用いられる具体的な数式を示す図である。上記制御装置の動作例を説明するフローチャートである。上記制御装置の別の動作例を説明するフローチャートである。上記制御装置での効果の具体例を説明する説明図である。本開示の実施形態２に係る制御装置及びサーボプレス機の構成例を示すブロック図である。

　〔実施形態１〕
　§１　適用例
　まず、図１から図３を用いて、本開示が適用される場面の一例について説明する。図１は、本開示の実施形態１に係る制御装置及びサーボプレス機の構成例を示すブロック図である。図２は、上記制御装置によるサーボプレス機の制御系を示す機能構成図である。図３は、上記サーボプレス機の基本動作を説明する図である。

　図１及び図２において、制御装置１は、例えば、製造現場において用いられ、サーボプレス機１０を制御する装置である。制御装置１は、例えば、ＰＬＣ（Programmable Logic Controller：プログラマブルロジックコントローラ）やサーボドライバによって実現される。

　制御装置１は、１又は複数のサーボプレス機１０と接続されている。これによって、制御装置１とサーボプレス機１０とは、材料Ｚにプレス加工を施して、製品Ｐを生産するプレスシステムを構成している。

　サーボプレス機１０は、スライダ１１を駆動するサーボモータ１２を動力源とするプレス機器である。具体的には、サーボプレス機１０では、図示しないアクチュエータによってサーボモータ１２の回転運動を直線運動に変換する。そして、サーボプレス機１０は、スライダ１１を所定の上下方向に動作させることにより、スライダ１１に取り付けられるプレスツール（図示せず）に当接している材料Ｚにプレス加工を行う。

　また、サーボプレス機１０では、プレス加工での一連のステップの動作として、スライダ１１の下降動作、停止動作、及び上昇動作が行われる。具体的にいえば、下降動作では、図３の時点Ｔ１から時点Ｔ２までで示すように、スライダ１１は、例えば、上記上下方向での最上点の位置である上死点位置から当該上下方向での最下点の位置である下死点位置に向かって下降される。

　このスライダ１１の下降動作では、その下降速度が、図３に矢印Ａ及び矢印Ｂにて示すように、２段階に分けられている。つまり、スライダ１１は、下死点位置に近づくと、下降速度が減速される。これにより、スライダ１１が、慣性等の影響によって下死点位置で正確に停止できないことを抑えることが可能となり、材料Ｚに対して過荷重（オーバーシュート）となるのを抑制して、製品Ｐの仕上がり精度の低下が発生するのを大幅に抑制することができる。

　また、停止動作では、図３の時点Ｔ２から時点Ｔ３までで示されるように、スライダ１１は、下死点位置で停止する。また、サーボプレス機１０では、材料Ｚの材質や厚みなどに対応して、時点Ｔ２と時点Ｔ３と間の下死点停止時間を適切に設定することにより、製品Ｐの仕上がり精度を向上させることができる。尚、この下死点停止時間の最大値は、例えば、作業者による試し動作に基づいて決定されてもよい。

　また、上昇動作では、図３の時点Ｔ３から時点Ｔ４までで示されるように、スライダ１１は、例えば、一定の上昇速度（同図３に矢印Ｃにて図示）で下死点位置から上死点位置に向かって上昇する。

　図１及び図２に示すように、制御装置１は、サーボプレス機１０の動作に係るデータを収集し、機械学習する機能を有している。制御装置１は、サーボプレス機１０から、例えば、位置検出部１３からのスライダ１１の位置検出結果、速度検出部１４からのサーボモータ１２の速度検出結果、及び荷重検出部１５からの材料Ｚに作用する荷重検出結果などの情報を取得する。

　制御部５は、スライダ１１の停止動作中に、荷重検出部１５からの荷重検出結果を用いて、材料Ｚに作用する荷重が収束した状態にあるか否かを判別する。そして、制御部５は、材料Ｚに作用する荷重が収束した状態にあると判別した場合に、スライダ１１に対して、停止動作から上昇動作を行わせる。

　よって本実施形態によれば、制御装置１は、上記停止動作における下死点停止時間を適宜変更することができ、サーボプレス機１０に対して、材料Ｚに作用する荷重に応じて、スライダ１１の下死点停止時間を動的に変更することができる。この結果、制御装置１は、サーボプレス機１０での製品Ｐの仕上がり精度の確保と、サイクルタイムの短縮との両立を図ることが可能となる。

　§２　構成例
　〔実施形態１〕
　以下、本開示の一実施形態について、詳細に説明する。まず、本実施形態の制御装置１の制御対象であるサーボプレス機１０について説明する。

　＜サーボプレス機１０の構成について＞
　図１及び図２に示すように、サーボプレス機１０は、スライダ１１と、サーボモータ１２と、位置検出部１３と、速度検出部１４と、荷重検出部１５を備えている。

　スライダ１１は、上記プレスツールに当接した材料Ｚに対して、サーボモータ１２の回転動作に応じた駆動力によって上記下降動作及び停止動作を行うことにより、材料Ｚにプレス加工を施して、製品Ｐを生産する。サーボモータ１２は、制御装置１からの指示に従って、回転動作を行う。

　位置検出部１３は、スライダ１１の位置を検出する検出部であり、例えば、光学式のエンコーダなどの位置センサを含んでいる。位置検出部１３は、上記位置センサの検出結果をスライダ１１の位置検出結果として制御装置１に出力する。

　速度検出部１４は、サーボモータ１２の回転速度を検出する検出部であり、例えば、光学式のエンコーダを用いた速度センサを含んでいる。速度検出部１４は、上記速度センサの検出結果をサーボモータ１２の速度検出結果として制御装置１に出力する。

　荷重検出部１５は、スライダ１１による材料Ｚに対するプレス加工時に、当該材料Ｚに作用する荷重を検出する検出部である。この荷重検出部１５は、例えば、サーボモータ１２の電流を検出することにより、材料Ｚに作用する荷重を検出する荷重検出部である。そして、荷重検出部１５は、その検出結果を材料Ｚに作用する荷重検出結果として制御装置１に出力する。

　また、上記の説明以外に、荷重検出部１５は、スライダ１１による荷重の少なくとも一部を材料Ｚに伝達するパンチ（図示せず）に設けられたひずみゲージを含み、ひずみゲージにより歪量を検出することにより、材料Ｚに作用する荷重を検出する荷重検出部であってもよい。

　また、荷重検出部１５が、材料Ｚに作用する荷重を検出することにより、プレス加工時での材料Ｚに生じる応力を検知することが可能となる。すなわち、応力は、直接計測することが不可能であるため、本実施形態の制御装置１では、応力の代りの物性値として、荷重を計測して、サーボプレス機１０の制御に利用している。

　＜制御装置１の構成について＞
　図１に示すように、制御装置１は、予測器３と、記憶部４と、制御部５を備えている。

　予測器３は、予め定められたサンプリング周期ごとに荷重検出部１５からの荷重検出結果の時系列データを入力するとともに、入力した荷重検出結果の時系列データから、所定時間後に材料Ｚに作用する荷重の予測値である荷重予測値を求めて、制御部５に出力する。

　また、予測器３は、荷重検出部１５から入力した１回のプレス加工の荷重検出結果の上記サンプリング周期ごとの時系列データのうち、第１期間内のＮ個分（Ｎは、１以上の整数）の荷重検出結果の時系列データを説明変数とし、かつ、所定時間後であるＭ個後（Ｍは、１以上の整数）の荷重予測値を目的変数として、説明変数と目的変数とを関連付けた予測モデル（学習モデル）として構築された、例えば、ニューラルネットワークを有する。更に、予測器３は、構築した学習モデルをベースに、機械学習を継続し、学習モデルが逐次に更新されてもよい。

　具体的には、予測器３は、上記停止動作中の荷重検出結果の時系列データのうちの、第１期間内のデータ（つまり、上記Ｎ個分の荷重検出結果の時系列データ）と、第１期間の終了時点から所定時間後のデータ（Ｍ個後の荷重検出結果のデータ）との組を教師データとして機械学習を行うことにより、第１期間内のデータを入力として、第１期間の終了時点から所定時間後のデータを上記荷重予測値として出力する学習モデルとして生成された学習モデルを有する。

　ここで、図４を用いて、予測器３のより具体的な構成例について説明する。図４は、図１に示した予測器の具体的な構成例を説明する図である。

　図４に示すように、予測器３は、荷重検出部１５からの荷重検出結果のデータＴ（ｔ）を逐次取得するバッファ３ａと、バッファ３ａに接続されるとともに、ニューラルネットワークを用いて構成された学習モデル３ｂとを備える。

　バッファ３ａには、図４に示すように、荷重検出部１５から、上記第１期間内のデータＴ（ｔ－Ｎ＋１）～Ｔ（ｔ）が保持される。学習モデル３ｂは、入力されたバッファ３ａから第１期間内のデータＴ（ｔ－Ｎ＋１）～Ｔ（ｔ）から、時点ｔよりも所定時間後（Ｍ個後）の荷重予測値ＹＴ（ｔ）を求めて、制御部５に出力する。

　尚、上記の説明以外に、バッファ３ａと、ニューラルネットワークを用いて構成された学習モデル３ｂに代えて、例えば、学習モデルとしての回帰型ニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）を用いて、予測器３を構成してよい。

　記憶部４は、制御部５によって用いられる各種データを記憶している。更に記憶部４はコンピュータに実行されることによって、コンピュータを制御部５あるいは予測器３として機能させる各種ソフトウェアを記憶していてもよい。また、記憶部４は、制御部５によって、サーボプレス機１０から取得し、機械学習された、サーボプレス機１０の動作に係るデータを記憶している。更に、記憶部４には、例えば、図示しない操作部を介して入力された後述の収束判別に用いられる後述の第１の閾値、第２の閾値や下死点停止時間の最大値などのデータが予め格納される。

　制御部５は、制御装置１の各部を統括的に制御する機能を備えている演算装置である。制御部５は、例えば１つ以上のプロセッサ（例えばＣＰＵなど）が、１つ以上のメモリ（例えばＲＡＭやＲＯＭなど）に記憶されているプログラムを実行することで制御装置１の各部を制御してもよい。

　また、制御部５は、図２に示すように、予測器３から荷重予測値を用いて、下死点停止時間を動的に変更する。つまり、制御部５は、サーボプレス機１０への指令値を生成する指令値生成機能５ａ、スライダ１１の位置を制御する位置制御機能５ｂ、サーボモータ１２の回転速度を制御する速度制御機能５ｃ、サーボモータ１２のトルクを制御するトルク制御機能５ｄ、及び材料Ｚに作用する荷重の収束状態を判別する収束判別機能５ｅを備えている。

　また、制御部５は、荷重検出部１５からの荷重検出結果を用いて、材料Ｚに作用する荷重が収束した状態にあると判別した場合に、サーボプレス機１０に指示信号（指令値）を出力して、停止動作中のスライダ１１について、上昇動作を行わせるように指示する。

　また、制御部５は、予測器３から荷重予測値を入力した場合、当該荷重予測値を用いて、材料Ｚに作用する荷重が収束した状態にあるか否かについて判別する。更に、制御部５は、後に詳述するように、記憶部４に予め設定された第２の閾値を用いて、材料Ｚに作用する荷重が収束した状態にあるか否かについて判別する。

　尚、予測器３から荷重予測値を入力しない場合、つまり、予測器３が制御装置１に設けられていない場合については、後掲の実施形態２において説明する。

　§３　動作例
　＜収束状態の判別動作＞
　図５も参照して、本実施形態の制御装置１での材料Ｚに作用する荷重の収束状態の判別動作の動作例について具体的に説明する。図５は、上記サーボプレス機での荷重検出結果の変化の具体例を示すグラフである。尚、図５の横軸の単位は、プレス加工でのステップに対応した時刻であり、縦軸は荷重（任意の単位）である。

　制御装置１が、例えば、４軸分のサーボモータ１２を有するサーボプレス機１０に対して、同一の材料Ｚにプレス加工を実行させた場合、上記４軸分のサーボモータ１２では、図５に曲線Ｋ１、Ｋ２、Ｋ３、Ｋ４にそれぞれ示すように、材料Ｚに作用する荷重が変動する。そして、スライダ１１の停止動作中に、図４に点線の円ＫＳ１、ＫＳ２、ＫＳ３、ＫＳ４にて囲んでいるあたりにおいて、４軸分の各軸では、材料Ｚの変形が完了すると荷重は、略一定値を示すようになる。

　なお、曲線Ｋ４にて荷重の変動が示される軸が、プレス加工を行う上記金型に最も近い位置に配置された軸であり、当該軸から材料Ｚに作用する荷重が最も遅く収束するため、制御装置１での収束状態の判別には、当該軸に設けられた荷重検出部１５からの荷重検出結果が用いられる。

　本実施形態の制御装置１では、制御部５は、荷重検出部１５からの荷重検出結果が略一定値を継続して示すようになるときに、材料Ｚに作用する荷重が収束した状態にあると判別する。そして、制御部５は、サーボプレス機１０に対して、停止動作中のスライダ１１を上昇動作させて、次の材料Ｚに対するプレス加工の準備段階とさせる。

　また、制御部５では、材料Ｚに応じて、下死点停止時間の最大値を適宜設定している。これにより、制御部５では、収束状態の判別動作を適切に行うことができなかった場合でも、例えば、後掲の図１０のステップＳ１３に示すように、スライダ１１の停止動作（下死点停止時間）を強制的に終了させることができる。

　但し、下死点停止時間の最大値を小さくすると、材料Ｚでのスプリングバックが大きいものとなって、製品Ｐの仕上がり精度の低下を招くことがある。

　それゆえ、本実施形態の制御装置１では、下死点停止時間の最大値（時間閾値）について、例えば、熟練の作業者による試し動作に基づいて決定している。これにより、本実施形態の制御装置１では、同一の材料Ｚにプレス加工を施す場合でも、材料Ｚごとの厚みのばらつきなどによる悪影響を排除して、製品Ｐの仕上がり精度を確保しつつ、製品Ｐのサイクルタイムの長時間化を抑制してサーボプレス機１０の生産性の低下を抑えることができる。

　＜予測動作及び判別動作＞
　図６から図８も参照して、本実施形態の制御装置１での予測器３による予測動作とこの予測動作を用いた制御部５での判別動作の動作例について具体的に説明する。図６は、上記制御装置に含まれた予測器の動作例を説明する図である。図７は、上記制御装置に含まれた制御部の動作例を説明する図である。図８は、上記制御部での収束判別に用いられる具体的な数式を示す図である。

　図６において、曲線Ｋ５は、材料Ｚに作用する荷重の変動例を示す。また、図６において、予測器３の学習モデル３ｂには、プレス加工のＮ個分（Ｎは、１以上の整数）の荷重検出結果の時系列データ、例えば、図４に示した上記第１期間内のデータＴ（ｔ－Ｎ＋１）～Ｔ（ｔ）を説明変数として入力される。このＮ個分の荷重検出結果の時系列データは、連続的に行われたプレス加工の実施回数に限定されるものではなく、例えば、Random Forestによる重要度解析などを用いて、決定したものでもよい。

　予測器３の学習モデル３ｂは、プレス加工のＭ個後（Ｍは、１以上の整数）の荷重予測値ＹＴ（ｔ）を算出し、算出したＭ個後の荷重予測値ＹＴ（ｔ）を目的変数として制御部５に出力する。つまり、予測器３の学習モデル３ｂは、上記説明変数を基に機械学習して、目的変数を出力するようにして構成される。

　次に、制御部５は、図８に示す（１）式を用いて、上記荷重が収束した状態にあるか否かについての収束判別を行う。ここで、図８において、ＹＴ（ｔ－ｋ）は、時点ｔからｋ個分前の荷重予測値であり、Ｔ（ｔ）は、時点ｔの荷重検出結果である。また、Ｒは、収束判別に利用するデータのサンプル数の値（Ｒは、１以上の整数）であり、εは、収束判別を行うための閾値である。

　具体的には、荷重検出部１５からの荷重検出結果は、図７の曲線７０に示すように、収束状態を判別する収束値の初出点（荷重検出部１５からの荷重検出結果が略一定値となる時点）ｔ₀の値Ｔ（ｔ₀）と、初出点ｔ₀よりも前の時点ｔの値Ｔ（ｔ）と、初出点ｔ₀からＭ個後の時点ｔ₁の値Ｔ（ｔ₁）のように変動する。

　一方、曲線７０の荷重検出結果に対する、Ｍ個後の荷重予測値は、初出点ｔ₀の前の時点において、予測器３による予測が十分正確であればＹＴ（ｔ－Ｍ）＝Ｔ（ｔ）が成立する。なお、図７の曲線７１に示すように、荷重予測値は、時点ｔの値ＹＴ（ｔ）と、初出点ｔ₀の値ＹＴ（ｔ₀）と、時点ｔ₁の値ＹＴ（ｔ₁）のように変動する。

　制御部５は、（１）式に示されるように、予測器３から新たに取得した荷重予測値と、荷重予測値の過去の所定期間内の平均値との差異が、予め設定された第２の閾値ε以下の場合に、材料Ｚに作用する荷重が収束した状態にあると判別する。例えば、図７に両矢印にて示すように、制御部５は、荷重予測値を用いることにより、荷重検出結果を用いて収束判別が行われる時点Ｔ₁よりもＭ個分のステップの前の時点Ｔ₀で収束状態になることを早期に収束状態になることの予測をすることができる。

　なお、上記Ｍの値、Ｎの値、あるいはＲの値の設定値によっては、上記予測モデルでの予測精度や収束状態の判断精度の低下を招く恐れがある。このため、制御装置１において、例えば、荷重検出結果と荷重予測値とを基に、予測モデルでの予測精度の評価値（例えば、平均二乗誤差（ＲＭＳＥ；Root Mean Square error））を算出して、算出結果に対応して、予測モデルを再構築する構成でもよい。すなわち、制御装置１において、上記評価値も鑑みた機械学習を行う構成でもよい。

　また、上記（１）式を用いた収束状態を判断する構成に代えて、例えば、連続する荷重予測値の差分値を算出して、この差分値を基に収束状態を判断する構成でもよい。

　なお、予測器３が予測を行うためのパラメタである上記Ｍと、制御部５が収束判別に用いるためのパラメタである上記Ｒとは、互いに異なる値を用いてもよいし、同じ値を用いてもよい。

　＜制御装置１の動作例＞
　図９及び図１０も参照して、本実施形態の制御装置１の動作例について具体的に説明する。図９は、上記制御装置の動作例を説明するフローチャートである。図１０は、上記制御装置の別の動作例を説明するフローチャートである。

　図９において、初めにステップＳ１で、制御装置１では、ユーザーの操作に応じて、下死点停止時間の最大値が設定される。具体的には、材料Ｚのプレス加工を行う前に、例えば、熟練の作業者による試し動作を行うことで、材料Ｚの厚み、サーボプレス機１０でのスライダ１１に生じる弾性変形や熱膨張などに起因して、プレス加工ごとに変化した下死点停止時間のばらつきのうち、最大時間となった下死点停止時間を当該下死点停止時間の最大値（時間閾値）として、記憶部４に予め記憶させる。

　次に、ステップＳ２で、制御装置１は、通常のプレス動作（プレス加工）をサーボプレス機１０に行わせて、荷重検出結果の時系列データを収集する。

　次に、ステップＳ３で、制御装置１は、ユーザーが設定するＮの値、Ｍの値、及びεの値に応じて、予測器３での学習モデルを構築する。

　予測器３での学習モデルを構築した後に、制御装置１は、構築した学習モデルを用いたプレス加工を行わせる。以下に、制御装置１を適用したプレス加工の処理について説明する。図１０のステップＳ１１で、サーボプレス機１０に対して、スライダ１１の下降動作を行わせる。

　次に、ステップＳ１２で、制御装置１は、サーボプレス機１０に対して、スライダ１１の停止動作を行わせる。

　次に、ステップＳ１３で、制御装置１は、停止動作での下死点停止時間が記憶部４に記憶されている最大値を超過したか否かについて判別する。制御装置１が、停止動作での下死点停止時間が最大値を超過していることを判別すると（Ｓ１３でＹＥＳ）、制御装置１は、停止動作を継続する必要がないと判断して、ステップＳ１４に進む。すなわち、制御装置１は、停止動作を強制的に終了させて、上昇動作を行わせる。

　一方、制御装置１が、停止動作での下死点停止時間が最大値を超過していないことを判別すると（Ｓ１３でＮＯ）、予測器３は、予測モデルに基づいて、荷重予測値を算出する（ステップＳ１５）。

　続いて、ステップＳ１６で、制御部５は、荷重検出部１５からの荷重検出結果が収束した状態にあるか否かを判別する。制御部５が、荷重検出結果が収束した状態にないことを判別すると（Ｓ１６でＮＯ）、制御装置１は、停止動作を継続する必要があると判断して、ステップＳ１２に進む。

　一方、制御部５が、荷重検出結果が収束した状態にあることを判別すると（Ｓ１６でＹＥＳ）、制御装置１は、停止動作を継続する必要がないと判断して、ステップＳ１４に進む。

　そして、ステップＳ１４で、制御装置１は、サーボプレス機１０に対して、スライダ１１の停止動作を終了させ、上昇動作を行わせる。

　以上のように、本実施形態の制御装置１では、スライダ１１の停止動作中に、荷重検出部１５からの荷重検出結果を用いて、材料Ｚに作用する荷重が収束した状態にあるか否かを判別する。そして、制御装置１では、材料Ｚに作用する荷重が収束した状態にあると判別されると、スライダ１１の停止動作を終了させて直ちに上昇動作を行わせる。これにより、本実施形態の制御装置１では、上記停止動作における下死点停止時間を適宜変更することができ、サーボプレス機１０に対して、材料Ｚに作用する荷重に応じて、スライダ１１の下死点停止時間を動的に変更することができる。

　ここで、図１１を用いて、本実施形態の制御装置１の効果について具体的に説明する。図１１は、上記制御装置での効果の具体例を説明する説明図である。尚、図１１の横軸の単位は、プレス加工でのステップに対応した時刻であり、縦軸は荷重（任意の単位）及びスライダ１１の位置（任意の単位）である。

　図１１において、サーボプレス機１０がプレス加工を行うと、荷重検出部１５からの荷重検出結果は、一点鎖線Ｋ６にて例示するように、変動する。ここで、制御部５が、時点Ｔ１０で材料Ｚに作用する荷重が収束した状態にあると判別すると、制御装置１は、サーボプレス機１０に対して、時点Ｔ１１でスライダ１１の停止動作を終了させて上昇動作を開始させる。

　この結果、サーボプレス機１０では、曲線Ｓ１に示すように、スライダ１１は、時点Ｔ１１で下死点位置から上死点位置に向かって上昇する。そして、サーボプレス機１０では、スライダ１１が時点Ｔ１３で次の材料Ｚに対するプレス加工を行うことが可能となる。

　一方、下死点停止時間を動的に変更しない比較例では、例えば、時点Ｔ１２で下死点停止時間が終了されると、比較例のサーボプレス機では、曲線Ｓ２に示すように、スライダは、時点Ｔ１２で下死点位置から上死点位置に向かって上昇する。このため、比較例では、スライダは時点Ｔ１４で次の材料Ｚに対するプレス加工を行うことが可能となる。

　すなわち、図１１に示すように、本実施形態の制御装置１では、比較例に比べて、製品Ｐの仕上がり精度を維持しつつ、時点Ｔ１４から時点Ｔ１３の差の時間分だけサイクルタイムを短縮することができる。

　具体的にいえば、本実施形態の制御装置１では、材料Ｚに作用する荷重が収束した状態にあることを判別しているので、プレス加工された材料Ｚにおいて、塑性変形が完了している。つまり、本実施形態の制御装置１では、上記判別を行うことにより、材料Ｚにおいて、スプリングバックが発生し難い状態であることを検知しているため、製品Ｐの仕上がり精度を容易に確保することができる。

　また、本実施形態の制御装置１では、材料Ｚにばらつき、例えば、材料Ｚが板状部材である場合において、その厚みにばらつきがあったとしても、各材料Ｚにおいて、上記のようにスプリングバックが発生し難い状態であることを検知している。このため、本実施形態の制御装置１では、材料Ｚにばらつきがある場合でも、製品Ｐの仕上がり精度を容易に確保することができる。

　更に、本実施形態の制御装置１では、予測器３による機械学習を用いているので、材料Ｚで荷重が収束した状態にあることをより早く判別することができ、収束判別を早期に行うことが可能となる。この結果、本実施形態の制御装置１では、サイクルタイムの短縮を容易に行うことができる。

　〔実施形態２〕
　本開示の他の実施形態について、図１２を用いて以下に説明する。図１２は、本開示の実施形態２に係る制御装置及びサーボプレス機の構成例を示すブロック図である。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

　実施形態２と実施形態１との主な相違点は、制御装置１において、予測器３の設置が割愛されている点である。

　実施形態２の制御装置１では、制御部５の収束判別機能５ｅには、実施形態１において予測器３が出力する荷重予測値ＹＴ（ｔ）に変えて、荷重検出部１５からの荷重検出結果が入力される。

　そして、実施形態２の制御装置１の制御部５は、例えば、荷重検出部１５から新たに取得した荷重検出結果と、荷重検出結果の過去の所定期間内の平均値との差異が、予め設定された第１の閾値未満の場合に、材料Ｚに作用する荷重が収束した状態にあると判別する。これにより、実施形態２の制御装置１では、実施形態１と同様に、上記停止動作における下死点停止時間を適宜変更することができ、サーボプレス機１０に対して、材料Ｚに作用する荷重に応じて、スライダ１１の下死点停止時間を動的に変更することができる。

　この結果、実施形態２の制御装置１では、実施形態１のものと同様に、サーボプレス機１０での製品Ｐの仕上がり精度の確保と、サイクルタイムの短縮との両立を図ることが可能となる。

　〔ソフトウェアによる実現例〕
　制御装置１の機能ブロック（特に、制御部５）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

　後者の場合、制御部５は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本開示の目的が達成される。

　上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、磁気ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などを更に備えていてもよい。

　また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

　〔まとめ〕
　本開示の一側面に係る制御装置は、スライダを上下方向に動作させることにより、材料にプレス加工を施すサーボプレス機であって、前記スライダを駆動するサーボモータと、前記スライダの位置を検出する位置検出部と、前記材料に作用する荷重を検出する荷重検出部と、を備えたサーボプレス機、を制御する制御装置であって、前記位置検出部による位置検出結果及び前記荷重検出部による荷重検出結果を用いて、前記サーボモータの制御を行う制御部を備え、前記制御部は、前記スライダの最下点の位置である下死点位置に向かって前記スライダを下降させる下降動作と、前記下死点位置で前記スライダを停止させる停止動作と、前記下死点位置から前記スライダを上昇させる上昇動作と、を前記プレス加工での一連のステップの動作として行わせるとともに、前記停止動作中に、前記荷重検出結果に基づいて、前記材料に作用する荷重が収束した状態にあるか否かを判別し、前記材料に作用する荷重が収束した状態にあると判別した場合に、前記上昇動作を行わせる構成を備えている。

　上記一側面に係る制御装置において、前記制御部は、前記荷重検出部から新たに取得した前記荷重検出結果と、前記荷重検出結果の過去の所定期間内の平均値との差異が、予め設定された第１の閾値未満の場合に、前記材料に作用する荷重が収束した状態にあると判別してもよい。

　上記構成によれば、上記荷重が収束した状態にあるか否かについての判別精度を確実に向上させることができる。

　上記一側面に係る制御装置において、前記荷重検出部から前記荷重検出結果を取得し、取得した前記荷重検出結果の時系列データから、所定時間後に前記材料に作用する荷重の予測値である荷重予測値を求めて、前記制御部に出力する予測器を、さらに備え、前記制御部は、前記停止動作中に、前記荷重予測値を用いて、前記材料に作用する荷重が収束した状態にあるか否かについて判別してもよい。

　上記構成によれば、機械学習を用いた予測を利用して、上記荷重が収束した状態にあることをより早く判別することができ、収束判別を早期に行うことが可能となる。

　上記一側面に係る制御装置において、前記制御部は、前記予測器から新たに取得した前記荷重予測値と、前記荷重予測値の過去の所定期間内の平均値との差異が、予め設定された第２の閾値未満の場合に、前記材料に作用する荷重が収束した状態にあると判別してもよい。

　上記一側面に係る制御装置において、前記予測器は、前記停止動作中の前記荷重検出結果の時系列データのうちの、第１期間内のデータと、前記第１期間の終了時点から前記所定時間後のデータとの組を教師データとして機械学習を行うことにより、前記第１期間内のデータを入力として、前記第１期間の終了時点から前記所定時間後のデータを前記荷重予測値として出力する学習モデルとして生成された学習モデルを有してもよい。

　上記構成によれば、予測器において機械学習される学習モデルが用いられるので、サーボプレス機での下死点停止時間をより適切に動的に変更することができる。

　上記一側面に係る制御装置において、前記荷重検出部は、前記サーボモータのトルクを検出することにより、前記材料に作用する荷重を検出する荷重検出部であってもよい。

　上記構成によれば、サーボモータのトルクを用いることで、別途のセンサを設けることなく、材料に作用する荷重を検出することができる。

　上記一側面に係る制御装置において、前記荷重検出部は、前記スライダによる荷重の少なくとも一部を前記材料に伝達するパンチに設けられたひずみゲージを含み、前記ひずみゲージにより歪量を検出することにより、前記材料に作用する荷重を検出する荷重検出部であってもよい。

　上記構成によれば、ひずみゲージによって検出された歪量を用いることで、材料に作用する荷重をより直接的に検出することができる。

　本開示は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本開示の技術的範囲に含まれる。

　１　制御装置
　３　予測器
　５　制御部
　１０　サーボプレス機
　１１　スライダ
　１２　サーボモータ
　１５　荷重検出部

Claims

　スライダを上下方向に動作させることにより、材料にプレス加工を施すサーボプレス機であって、前記スライダを駆動するサーボモータと、前記スライダの位置を検出する位置検出部と、前記材料に作用する荷重を検出する荷重検出部と、を備えたサーボプレス機、を制御する制御装置であって、
　前記位置検出部による位置検出結果及び前記荷重検出部による荷重検出結果を用いて、前記サーボモータの制御を行う制御部を備え、
　前記制御部は、
　前記スライダの最下点の位置である下死点位置に向かって前記スライダを下降させる下降動作と、
　前記下死点位置で前記スライダを停止させる停止動作と、
　前記下死点位置から前記スライダを上昇させる上昇動作と、を前記プレス加工での一連のステップの動作として行わせるとともに、
　前記停止動作中に、前記荷重検出結果に基づいて、前記材料に作用する荷重が収束した状態にあるか否かを判別し、
　前記材料に作用する荷重が収束した状態にあると判別した場合に、前記上昇動作を行わせる、制御装置。
　前記制御部は、前記荷重検出部から新たに取得した前記荷重検出結果と、前記荷重検出結果の過去の所定期間内の平均値との差異が、予め設定された第１の閾値未満の場合に、前記材料に作用する荷重が収束した状態にあると判別する、請求項１に記載の制御装置。
　前記荷重検出部から前記荷重検出結果を取得し、取得した前記荷重検出結果の時系列データから、所定時間後に前記材料に作用する荷重の予測値である荷重予測値を求めて、前記制御部に出力する予測器を、さらに備え、
　前記制御部は、
　前記停止動作中に、
　前記荷重予測値を用いて、前記材料に作用する荷重が収束した状態にあるか否かについて判別する、請求項１に記載の制御装置。
　前記制御部は、前記予測器から新たに取得した前記荷重予測値と、前記荷重予測値の過去の所定期間内の平均値との差異が、予め設定された第２の閾値未満の場合に、前記材料に作用する荷重が収束した状態にあると判別する、請求項３に記載の制御装置。
　前記予測器は、
　前記停止動作中の前記荷重検出結果の時系列データのうちの、第１期間内のデータと、前記第１期間の終了時点から前記所定時間後のデータとの組を教師データとして機械学習を行うことにより、前記第１期間内のデータを入力として、前記第１期間の終了時点から前記所定時間後のデータを前記荷重予測値として出力する学習モデルとして生成された学習モデルを有する、請求項３または４に記載の制御装置。
　前記荷重検出部は、前記サーボモータのトルクを検出することにより、前記材料に作用する荷重を検出する荷重検出部である、請求項１から５のいずれか１項に記載の制御装置。
　前記荷重検出部は、前記スライダによる荷重の少なくとも一部を前記材料に伝達するパンチに設けられたひずみゲージを含み、前記ひずみゲージにより歪量を検出することにより、前記材料に作用する荷重を検出する荷重検出部である、請求項１から５のいずれか１項に記載の制御装置。
　スライダを上下方向に動作させることにより、材料にプレス加工を施すサーボプレス機であって、前記スライダを駆動するサーボモータと、前記スライダの位置を検出する位置検出部と、前記材料に作用する荷重を検出する荷重検出部と、を備えたサーボプレス機、を制御する制御方法であって、
　前記スライダの最下点の位置である下死点位置に向かって、前記スライダを下降させる下降動作ステップと、
　前記下死点位置で前記スライダを停止させる停止動作ステップと、
　前記下死点位置から前記スライダを上昇させる上昇動作ステップと、を備え、
　前記停止動作ステップ中において、前記荷重検出結果に基づいて、前記材料に作用する荷重が収束した状態にあるか否かを判別するサブステップを繰り返し実行し、
　前記材料に作用する荷重が収束した状態にあると判別した場合に、前記上昇動作ステップに移行させる、制御方法。
　請求項１に記載の制御装置としてコンピュータを機能させるための制御プログラムであって、上記制御部としてコンピュータを機能させるための制御プログラム。