WO2023042387A1 - 情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置 - Google Patents

情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置 Download PDF

Info

Publication number
WO2023042387A1
WO2023042387A1 PCT/JP2021/034378 JP2021034378W WO2023042387A1 WO 2023042387 A1 WO2023042387 A1 WO 2023042387A1 JP 2021034378 W JP2021034378 W JP 2021034378W WO 2023042387 A1 WO2023042387 A1 WO 2023042387A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
modeling
defect
modeled object
measurement
Prior art date
Application number
PCT/JP2021/034378
Other languages
English (en)
French (fr)
Inventor
孝樹 竹下
千佳 加藤
健作 中村
Original Assignee
株式会社ニコン
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 株式会社ニコン filed Critical 株式会社ニコン
Priority to CN202180102339.0A priority Critical patent/CN117957078A/zh
Priority to PCT/JP2021/034378 priority patent/WO2023042387A1/ja
Publication of WO2023042387A1 publication Critical patent/WO2023042387A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/20—Direct sintering or melting
    • B22F10/28—Powder bed fusion, e.g. selective laser melting [SLM] or electron beam melting [EBM]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/30—Process control
    • B22F10/36—Process control of energy beam parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/80—Data acquisition or data processing
    • B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
    • B22F12/90—Means for process control, e.g. cameras or sensors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Definitions

  • the present invention relates to, for example, a technical field related to molding of molded objects.
  • Patent Document 1 describes an example of a modeling apparatus that can model a modeled object.
  • One of the technical problems of such a modeling apparatus is to appropriately model a modeled object.
  • acquisition for acquiring measurement information related to the modeling of a modeled object obtained during the modeling period of the modeled object that is formed by solidifying the powdered metal material melted by the irradiation of the energy beam. and an information processing unit that generates defect information regarding a defect formed inside the modeled object using the measurement information acquired by the acquisition unit, wherein the measurement information is the irradiation of the energy beam.
  • Information processing apparatus includes information regarding the temperature of at least a portion of the weld pool formed by melting the metal material by.
  • a measurement system comprising the information processing device provided by the first aspect and a measurement device, wherein the measurement information is obtained using the measurement device.
  • the information processing apparatus provided by the first aspect, a molding apparatus capable of molding a molded object by solidifying a powdered metal material melted by irradiation with an energy beam, and a measuring apparatus. and wherein the measurement information is obtained using the measurement device.
  • an acquisition unit that acquires measurement information related to modeling of a model obtained during a modeling period of a model that is modeled by solidifying a modeling material melted by irradiation with an energy beam;
  • An information processing device includes an information processing unit that generates characteristic information about characteristics of the modeled object using the measurement information acquired by the acquisition unit.
  • the acquisition unit acquires the modeling information related to the modeling of the modeled object that is formed by solidifying the modeling material melted by the irradiation of the energy beam, and the modeling information acquired by the acquisition unit is acquired. and an information processing unit configured to generate characteristic information about the characteristic of the modeled object.
  • the sixth aspect acquiring the measurement information related to the molding of the modeled object obtained during the molding period of the modeled object that is modeled by solidifying the molding material melted by the irradiation of the energy beam; and generating characteristic information relating to the characteristic of the modeled object using the obtained measurement information.
  • the molding information relating to the molding of the molding to be molded by solidifying the molding material melted by the irradiation of the energy beam is acquired, and the molding is performed using the acquired molding information.
  • Generating property information about property of an object is provided.
  • forming a modeled object by solidifying a modeling material that has been melted by irradiation with an energy beam, performing measurement related to the modeling of the modeled object during a modeling period of the modeled object, Acquiring property information relating to properties of the formed object generated using the measurement information obtained by the measurement.
  • the method relates to forming a modeled object by solidifying a modeling material melted by irradiation with an energy beam, and characteristics of the modeled object generated using modeling information related to modeling of the modeled object. and obtaining property information.
  • the measurement information relating to the modeling of the model obtained during the modeling of the model which is formed by solidifying the powdered metal material melted by the irradiation of the energy beam;
  • An information output device includes an acquisition unit that acquires property information about properties of an object, and an output unit that outputs the property information together with the measurement information.
  • An information output device includes an acquisition unit that acquires property information related to properties of an object, and an output unit that outputs the property information together with the energy information.
  • FIG. 1 is a block diagram showing the overall configuration of the modeling system of this embodiment.
  • FIG. 2 is a block diagram showing the configuration of the modeling apparatus of this embodiment.
  • FIG. 3 is a cross-sectional view showing the configuration of the modeling apparatus of this embodiment.
  • FIG. 4 is a block diagram showing the configuration of the measuring device of this embodiment.
  • FIG. 5 shows an example of a temperature image output by the temperature measuring device of this embodiment.
  • FIG. 6 shows an example of a shape image output by the shape measuring device of this embodiment.
  • FIG. 7 is a block diagram showing the configuration of the information processing apparatus of this embodiment.
  • FIG. 8 is a cross-sectional view showing a void, which is an example of a defect that occurs inside a modeled object.
  • FIG. 9 is a flow chart showing the flow of defect prediction processing performed by the information processing apparatus.
  • FIG. 10 shows measurement information, apparatus information, and feature amount information stored in the information DB in association with position information indicating the modeling position.
  • FIG. 11 shows an output method for outputting defect information associated with position information.
  • FIG. 12 shows an output method for outputting process data together with defect information.
  • FIG. 13 is a cross-sectional view for explaining the penetration geometric shape index.
  • FIG. 14 shows an output method for outputting energy information together with defect information.
  • FIG. 15 shows defect statistics information.
  • FIG. 16 shows an example of a display method of defect information.
  • FIG. 17 shows an example of a display method of defect information.
  • FIG. 18 is a block diagram showing the configuration of the model generation device of this embodiment.
  • FIG. 10 shows measurement information, apparatus information, and feature amount information stored in the information DB in association with position information indicating the modeling position.
  • FIG. 11 shows an output method for outputting defect information associated with position information.
  • FIG. 19 is a flowchart showing the flow of model generation processing performed by the model generation device.
  • FIG. 20 shows an example of the data structure of the learning data set.
  • FIG. 21 shows learning data that satisfies extraction criteria for modeling condition information.
  • FIG. 22 shows learning data that satisfies extraction criteria for modeling condition information.
  • FIG. 23 shows learning data that satisfies extraction criteria for design information.
  • FIG. 24 is a perspective view showing a plurality of divided objects with different shapes obtained by dividing the modeled object according to its shape.
  • FIG. 25 shows training data that satisfy the extraction criteria for material information.
  • FIG. 26 shows another example of characteristic information.
  • FIG. 27 shows another example of characteristic information.
  • Each of FIGS. 28(a) to 28(c) is a perspective view showing the solidified layer.
  • an information processing device a measurement system, a modeling system, an information processing method, a modeling method, and an information output device
  • a modeling system SYS that can model a modeled object by performing additional processing.
  • a powder bed fusion method such as selective laser sintering (SLS).
  • SLS selective laser sintering
  • the modeling system SYS may model a modeled object by performing additional processing based on a modeling method different from the powder bed fusion method.
  • a directed energy deposition method such as a laser overlay welding method (LMD: Laser Metal Deposition), a binder jetting method (binder jetting method : Binder Jetting), a material jetting method (Material Jetting), a stereolithography method, and a laser metal fusion method (LMF: Laser Metal Fusion).
  • DED Directed Energy Deposition
  • LMD Laser Metal Deposition
  • binder jetting method binder Jetting
  • material jetting method Material Jetting
  • stereolithography method a stereolithography method
  • LMF Laser Metal Fusion
  • the modeling system SYS may model the modeled object by performing arbitrary processing (for example, removal processing) different from the additional processing.
  • each of the X-axis direction and the Y-axis direction is the horizontal direction (that is, a predetermined direction in the horizontal plane), and the Z-axis direction is the vertical direction (that is, the direction perpendicular to the horizontal plane). and substantially in the vertical direction).
  • the directions of rotation (in other words, tilt directions) about the X-, Y-, and Z-axes are referred to as the .theta.X direction, the .theta.Y direction, and the .theta.Z direction, respectively.
  • the Z-axis direction may be the direction of gravity.
  • the XY plane may be set horizontally.
  • FIG. 1 is a block diagram showing the overall configuration of the modeling system SYS.
  • the modeling system SYS includes a modeling device 1, a measuring device 2, and an information processing device 3.
  • the information processing device 3 may be capable of communicating with at least one of the modeling device 1 and the measuring device 2 via a communication network or data bus (not shown). That is, the information processing device 3 may be capable of transmitting arbitrary information to at least one of the modeling device 1 and the measuring device 2 via a communication network or data bus (not shown).
  • the information processing device 3 may be able to receive arbitrary information from at least one of the modeling device 1 and the measuring device 2 via a communication network or data bus (not shown).
  • the modeling apparatus 1 is an apparatus that can model a modeled object by performing additional processing based on the powder bed fusion method.
  • the configuration of the modeling apparatus 1 will be described later in detail with reference to FIGS. 2 and 3, but the outline thereof will be briefly described.
  • the modeling apparatus 1 forms a material layer ML (see FIG. 3 described later) using an unmelted modeling material.
  • the modeling apparatus 1 irradiates at least part of the material layer ML with the shaping light EL.
  • the modeling apparatus 1 forms a molten pool MP (see later-described FIG. 3) containing the modeling material melted by the irradiation of the modeling light EL, in at least a part of the material layer ML.
  • the molten pool MP is formed by melting the modeling material by irradiation with the modeling light EL. After that, when the molding light EL is no longer applied to the molten pool MP, the modeling material melted in the molten pool MP is cooled and solidified. As a result, a modeled object containing the solidified modeling material is formed.
  • the modeling system SYS repeats a series of modeling processes including the formation of the molten pool MP by irradiation of the modeling light EL and the solidification of the molten modeling material while moving the irradiation position of the modeling light EL on the material layer ML. .
  • a layered object (this modeled object is hereinafter referred to as a “solidified layer STL (see FIG. 3 described later)”) composed of the solidified modeling material is formed.
  • the modeling apparatus 1 repeats the formation of the material layer ML and the formation of the solidified layer STL to model a modeled object including a plurality of solidified layers STL.
  • the measuring device 2 is a device capable of measuring (in other words, capable of measuring) at least part of the object to be measured.
  • the measuring device 2 is a device capable of measuring at least part of the characteristics of the object to be measured.
  • the measuring device 2 may be able to measure at least a part of the shape (particularly, three-dimensional shape) of the measurement object as at least a part of the measurement object.
  • the measuring device 2 may be able to measure the temperature of at least part of the measurement object as at least part of the property of the measurement object.
  • the object to be measured may include any object related to the modeling of the modeled object by the modeling apparatus 1 .
  • the object to be measured may include the modeled object itself that is modeled by the modeling apparatus 1 .
  • a modeled object formed by the modeling apparatus 1 may include a three-dimensional structure ST having a desired shape (that is, a modeled object composed of a plurality of solidified layers STL) to be finally formed by the modeling apparatus 1. good.
  • the object formed by the modeling apparatus 1 may include an intermediate object formed by the forming apparatus 1 in the process of forming the three-dimensional structure ST.
  • the intermediate modeled object may include a three-dimensional structure ST in the process of being modeled (for example, a modeled object composed of at least one solidified layer STL).
  • the intermediate modeled object may include the solidified layer STL itself which has been modeled.
  • the intermediate modeled object may include an intermediate modeled object that is modeled by the modeling apparatus 1 in the process of modeling the solidified layer STL (that is, the solidified layer STL in the process of being modeled).
  • object BO objects formed by the forming apparatus 1
  • the modeled object BO includes the three-dimensional structure ST that has been completely modeled, the three-dimensional structure ST that is in the process of being modeled, the solidified layer STL that has been modeled, and the three-dimensional structure ST that is in the process of being modeled. It may mean at least one of the solidified layers STL.
  • the object to be measured is at least spatter (solidified granular modeling material) and fume (vapor of modeling material), which are generated from the molten pool MP in the process of melting the unmelted modeling material by the modeling apparatus 1.
  • One may be included.
  • the modeled object BO may mean at least one of spatter and fume.
  • the measurement object may include the material layer ML.
  • the object to be measured may include the molten pool MP because the molten pool MP is formed to shape the modeled object BO.
  • the information processing device 3 is a device that can generate characteristic information about the characteristics of the modeled object BO modeled by the modeling device 1 using the measurement result of the measurement object by the measuring device 2 .
  • the information processing apparatus 3 generates, as an example of characteristic information, defect information 425 (see FIG. 5 and the like, which will be described later) regarding defects formed in the modeled object BO modeled by the modeling apparatus 1.
  • defect information 425 see FIG. 5 and the like, which will be described later
  • the defect prediction process can also be said to be a defect prediction operation.
  • the information processing device 3 may be regarded as generating characteristic information together with the measuring device 2 .
  • a system including the information processing device 3 and the measuring device 2 may be called an information processing system or a measuring system.
  • FIG. 2 is a block diagram showing the configuration of the modeling apparatus 1.
  • FIG. 3 is a cross-sectional view showing the configuration of the modeling apparatus 1.
  • FIG. 2 is a block diagram showing the configuration of the modeling apparatus 1.
  • FIG. 3 is a cross-sectional view showing the configuration of the modeling apparatus 1.
  • the modeling apparatus 1 includes a modeling unit 10 and a control unit 16. Further, the modeling unit 10 includes a material supply tank 11, a recoater 12, a recoater drive system 121, a modeling tank 13, an elevating stage 14, a stage drive system 141, a modeling head 15, and a head drive system 151. Prepare.
  • the material supply tank 11 is a storage container for storing modeling materials.
  • the bottom surface 111 of the material supply tank 11 is movable along the vertical direction (that is, the Z-axis direction) by a drive system (not shown).
  • the material supply tank 11 can be said to be a material supply unit or a material supply chamber.
  • the modeling material is a powdered material. That is, the modeling material is powder. However, the modeling material does not have to be a powdery material.
  • the modeling material at least one of a wire-like modeling material, a gel-like modeling material, a liquid-like modeling material, a sol-like material, and a gaseous modeling material may be used.
  • the modeling system SYS models the modeled object BO by melting the modeling material using the shaping light EL, which is an energy beam. Therefore, the modeling material is a material that can be melted by irradiation with the modeling light EL having a predetermined intensity or more.
  • Metal materials for example, can be used as such modeling materials. However, other materials different from metal materials may be used as the modeling material.
  • a resin material may be used, or another well-known material may be used.
  • the recoater 12 supplies the modeling material stored in the material supply tank 11 to the modeling tank 13 .
  • the recoater 12 forms a layer of modeling material having a predetermined thickness ⁇ d and a substantially flat surface (that is, the material layer ML) on the elevating stage 14 in the modeling tank 13 . supply building material.
  • the modeling tank 13 repeats the formation of the material layer ML and the formation of the solidified layer STL by solidifying at least a part of the formed material layer ML, thereby forming a three-dimensional structure in which a plurality of solidified layers STL are laminated. It is a work container (modeling space) for modeling the object ST.
  • the bottom surface of the modeling bath 13 is composed of an elevating stage 14 .
  • the elevating stage 14 is moved vertically (that is, in the Z-axis direction) by a stage driving system 141 under the control of the control unit 16, which will be described later.
  • the modeling tank 13 can be said to be a modeling section or a modeling chamber.
  • the shaping head 15 irradiates at least part of the material layer ML with shaping light EL generated by a light source (not shown). Further, the modeling head 15 may use a galvanomirror (not shown) as the head drive system 151 to move the irradiation position of the modeling light EL on the surface of the material layer ML. Furthermore, the shaping head 15 may be moved by a motor (not shown) as the head drive system 151 to move the irradiation position of the shaping light EL on the surface of the material layer ML.
  • the control unit 16 may include, for example, an arithmetic device and a storage device.
  • the computing device may include, for example, at least one of a CPU (Central Processing Unit) and a GPU (Graphics Processing Unit).
  • a storage device may include, for example, memory.
  • the control unit 16 functions as a device that controls the operation of the modeling unit 10 by executing a computer program with an arithmetic device.
  • This computer program is a computer program for causing the arithmetic device to perform (that is, to execute) the processing to be performed by the control unit 16, which will be described later.
  • this computer program is a computer program for causing the control unit 16 to function so as to cause the modeling unit 10 to perform operations described later.
  • the computer program executed by the arithmetic device may be recorded in a storage device (that is, a recording medium) included in the control unit 16, or may be stored in any storage device built in the control unit 16 or externally attached to the control unit 16. It may be recorded on a medium (for example, hard disk or semiconductor memory). Alternatively, the computing device may download the computer program to be executed from a device external to the control unit 16 via the network interface.
  • a storage device that is, a recording medium
  • the computing device may download the computer program to be executed from a device external to the control unit 16 via the network interface.
  • the control unit 16 does not have to be provided inside the modeling apparatus 1.
  • the control unit 16 may be provided outside the modeling apparatus 1 as a server or the like.
  • the control unit 16 and the modeling apparatus 1 may be connected via a wired and/or wireless network (or data bus and/or communication line).
  • a wired network a network using a serial bus interface represented by at least one of IEEE1394, RS-232x, RS-422, RS-423, RS-485 and USB may be used.
  • a network using a parallel bus interface may be used as the wired network.
  • a network using an Ethernet (registered trademark) interface represented by at least one of 10BASE-T, 100BASE-TX, and 1000BASE-T may be used.
  • a network using radio waves may be used as the wireless network.
  • An example of a network using radio waves is a network conforming to IEEE802.1x (for example, at least one of wireless LAN and Bluetooth (registered trademark)).
  • a network using infrared rays may be used as the wireless network.
  • a network using optical communication may be used as the wireless network.
  • the control unit 16 and the modeling apparatus 1 may be configured to be able to transmit and receive various information via a network.
  • the control unit 16 may be capable of transmitting information such as commands and control parameters to the modeling apparatus 1 via a network.
  • the modeling apparatus 1 may include a receiving device that receives information such as commands and control parameters from the control unit 16 via the network.
  • the modeling apparatus 1 may include a transmission device (that is, an output device that outputs information to the control unit 16) that transmits information such as commands and control parameters to the control unit 16 via the network. good.
  • a transmission device that is, an output device that outputs information to the control unit 16
  • a first control device that performs part of the processing performed by the control unit 16 is provided inside the modeling apparatus 1, while a second control device that performs another part of the processing performed by the control unit 16 is provided.
  • the control device may be provided outside the modeling apparatus 1 .
  • a computing model that can be constructed by machine learning may be implemented in the control unit 16 by the computing device executing a computer program.
  • An example of an arithmetic model that can be constructed by machine learning is an arithmetic model that includes a neural network (so-called artificial intelligence (AI)).
  • learning the computational model may include learning neural network parameters (eg, at least one of weights and biases).
  • the control unit 16 may control the operation of the modeling apparatus 1 using a computational model.
  • the operation of controlling the operation of the modeling apparatus 1 may include the operation of controlling the operation of the modeling apparatus 1 using an arithmetic model.
  • the control unit 16 may be equipped with an arithmetic model that has been constructed by off-line machine learning using teacher data.
  • control unit 16 may be updated by online machine learning on the control unit 16 .
  • control unit 16 may be a computational model implemented in a device external to the control unit 16 (that is, a device provided outside the modeling apparatus 1). may be used to control the operation of the modeling apparatus 1 .
  • Recording media for recording computer programs executed by the control unit 16 include CD-ROMs, CD-Rs, CD-RWs, flexible disks, MOs, DVD-ROMs, DVD-RAMs, DVD-Rs, DVD+Rs, and DVDs.
  • optical discs such as RW, DVD+RW and Blu-ray (registered trademark)
  • magnetic media such as magnetic tapes
  • magneto-optical discs semiconductor memories such as USB memories
  • the recording medium may include a device capable of recording a computer program (for example, a general-purpose device or a dedicated device in which the computer program is implemented in at least one form of software, firmware, etc.).
  • each process or function included in the computer program may be realized by a logical processing block realized in the control unit 16 by the control unit 16 (that is, computer) executing the computer program, It may be implemented by hardware such as a predetermined gate array (FPGA, ASIC) provided in the control unit 16, or a mixture of logical processing blocks and partial hardware modules that implement some elements of hardware. It can be implemented in the form of
  • the control unit 16 controls the operation of the modeling apparatus 1 (particularly the modeling unit 10) so that the modeling apparatus 1 (particularly the modeling unit 10) performs the operations described below to model the object BO. good too.
  • the recoater 12 supplies the modeling material in the material supply tank 11 to the modeling tank 13 to form the material layer ML in the modeling tank 13 (for example, on the lifting stage 14).
  • the stage drive system 141 moves the lift stage 14 of the modeling tank 13 downward ( ⁇ Z side in the example shown in FIG. 3) by the thickness ⁇ d of the material layer ML.
  • the bottom surface 111 of the material supply tank 11 moves upward (+Z side in the example shown in FIG. 3) by a predetermined amount.
  • the recoater 12 supplies the modeling material in the material supply tank 11 from the material supply tank 11 to the modeling tank 13, and reduces the thickness of the supplied layer of the modeling material to a predetermined thickness ⁇ d. Flattening forms a material layer ML.
  • the modeling head 15 irradiates at least part of the formed material layer ML with the shaping light EL to form a molten pool MP in at least part of the material layer ML.
  • the shaping head 15 moves the irradiation position of the shaping light EL on the surface of the material layer ML. That is, the shaping head 15 scans at least part of the surface of the material layer ML with the shaping light EL.
  • the path scanned by the shaping head 15 with the shaping light EL is based on design information (for example, CAD data and three-dimensional shape data such as STL (Stereolithography) data) of the three-dimensional structure ST to be shaped by the shaping apparatus 1.
  • the control unit 16 sets the target modeling area in which the modeling material is to be melted and then solidified in the material layer ML based on the shape information of the tomographic model corresponding to the solidified layer STL that the modeling apparatus 1 is to form. .
  • the shaping head 15 moves the irradiation position of the shaping light EL so that the target shaping area is irradiated with the shaping light EL.
  • the solidified layer STL is shaped at the position irradiated with the shaping light EL in the material layer ML. That is, the solidified layer STL is formed from the material layer ML.
  • the solidified layer STL is formed by melting and solidifying at least part of the material layer ML.
  • the thickness of the solidified layer STL is typically the same as the thickness ⁇ d of the material layer ML, but may be different from the thickness ⁇ d of the material layer ML.
  • the lifting stage 14 moves downward (-Z side in the example shown in FIG. 3).
  • the recoater 12 newly forms a material layer ML on the upper surface of the solidified layer STL (the surface on the +Z side in the example shown in FIG. 3).
  • a new solidified layer STL is formed by solidifying at least part of the new material layer ML.
  • the control unit 16 may control the operation of the modeling apparatus 1 (in particular, the modeling unit 10) so as to model the modeled object BO using the modeling conditions used by the modeling apparatus 1 to model the modeled object BO. . That is, the control unit 16 controls the modeling apparatus 1 (in particular, the modeling unit 10 ) may be controlled.
  • the modeling conditions may include irradiation conditions relating to the mode of irradiation of the modeling light EL by the modeling head 15 .
  • the irradiation conditions include the output of the light source that generates the shaping light EL, the intensity of the shaping light EL emitted from the light source, the intensity of the shaping light EL on the material layer ML, the intensity distribution of the shaping light EL on the material layer ML, Irradiation timing of the shaping light EL, irradiation position of the shaping light EL, movement rule of the irradiation position of the shaping light EL (a so-called scanning strategy, which is actually information indicating a scanning route), movement of the irradiation position of the shaping light EL Trajectory, hatching distance (hatch pitch) that is the interval between two adjacent movement trajectories, moving speed of the irradiation position of the shaping light EL (that is, scanning speed), spot diameter of the shaping light EL emitted from the light source, and material layer ML.
  • Irradiation timing of the shaping light EL irradiation position of the shaping light EL
  • the modeling conditions may include recoater movement conditions relating to the manner in which the recoater 12 is moved by the recoater drive system 121 .
  • the modeling conditions may include stage movement conditions that define how the lifting stage 14 is moved by the stage drive system 141 .
  • the modeling conditions may include head movement conditions that define how the modeling head 15 is moved by the head drive system 151 .
  • the movement mode may include, for example, at least one of movement amount, movement speed, movement direction, and movement timing (movement period).
  • the build conditions may include material conditions that define the properties of the build material and/or how the build material is supplied.
  • the conditions that define the properties of the modeling material are the type of the modeling material supplied, the particle size of the supplied modeling material, the particle size distribution of the supplied modeling material, the fluidity of the supplied modeling material, and the supplied modeling material.
  • at least one of the repose angles of The supply mode of the modeling material includes at least one of the supply amount of the modeling material, the timing of supplying the modeling material, the supply speed of the modeling material, and the thickness ⁇ d of the material layer ML formed by the supplied modeling material.
  • the material conditions include the supply amount of the modeling material, the timing of supplying the modeling material, the supply speed of the modeling material, the thickness ⁇ d of the material layer ML formed by the supplied modeling material, and the type of the supplied modeling material.
  • the modeling conditions may include environmental conditions related to the modeling environment in which the modeling apparatus 1 models the modeled object BO.
  • the oxygen concentration in the modeling space which is the space where the melted and solidified layer STL is formed, the inert gas concentration in the modeling space, the temperature of the modeling space, the type of inert gas supplied to the modeling space, and the temperature of the lifting stage 14 (especially temperature of the +Z side surface of the lifting stage 14).
  • the modeling conditions may include design conditions for the modeled object BO (in particular, the three-dimensional structure ST) to be modeled by the modeling apparatus 1 .
  • the design conditions for the modeled object BO may include design data indicating the designed three-dimensional shape of the modeled object BO.
  • the design data may include information regarding the design size (eg, at least one of length, width, depth, height, area and volume) of a portion of the build BO.
  • the design data may include information about the design orientation (eg, tilt angle) of a portion of the model BO.
  • the design data may include three-dimensional model data representing a three-dimensional model of the object BO.
  • the three-dimensional model data may include CAD (Computer Aided Design) data.
  • the CAD data may include STL (Standard Triangulated Language) data.
  • the design data may include slice model data representing a slice model obtained by slicing the three-dimensional model of the object BO.
  • FIG. 4 is a block diagram showing the configuration of the measuring device 2. As shown in FIG.
  • the measuring device 2 includes a temperature measuring device 21 and a shape measuring device 22.
  • the temperature measuring device 21 is a device capable of measuring the temperature of at least part of the object to be measured.
  • the shape measuring device 22 is a device capable of measuring the shape of at least a part of the object to be measured (for example, the shape of the surface, particularly the three-dimensional shape).
  • the measuring device 2 is a device capable of measuring at least a part of arbitrary characteristics of the object to be measured.
  • FIG. 4 shows an example in which the measuring device 2 can measure the temperature of at least part of the object to be measured and the shape of at least part of the object to be measured as an example of the characteristics of at least part of the object to be measured. showing.
  • the measurement device 2 may be capable of measuring any property of the measurement object that is different from the temperature and shape in addition to or instead of at least one of the temperature and shape of the measurement object.
  • the temperature measuring device 21 may be any measuring device as long as it can measure the temperature of the object to be measured.
  • the temperature measurement device 21 may measure the temperature of the measurement object by detecting infrared rays (that is, light in the infrared band) emitted by the measurement object.
  • the temperature measuring device 21 may measure the temperature of the measurement object by detecting two types of light with different wavelengths emitted by the measurement object.
  • the temperature measurement device 21 may measure the temperature of the measurement object using a two-color method (for example, a near-infrared two-color method).
  • the temperature measurement device 21 may include a photodetection device (not shown) including a plurality of photodetection elements for detecting light from the object to be measured.
  • the temperature measurement device 21 may measure the temperature of the measurement object based on the detection result of the photodetector.
  • the temperature measurement device 21 may measure the temperature of the measurement object based on the detection results of the plurality of photodetection elements of the photodetection device.
  • the temperature measurement device 21 may measure the temperature for each detection result of a plurality of photodetectors. That is, the temperature measuring device 21 may measure temperatures at a plurality of different positions on the measurement object.
  • the temperature measurement device 21 may include a CCD (Charge Coupled Device) or CMOS (Complementary Metal-Oxide-Semiconductor) as a photodetector (not shown).
  • the temperature measurement device 21 may include a single photodetector (not shown) for detecting light from the object to be measured.
  • the temperature measurement device 21 may measure the temperature of the measurement object based on the detection result of a single photodetector.
  • the temperature measurement device 21 outputs measurement information 411 including information on the measurement result by the temperature measurement device 21.
  • the temperature measurement device 21 may output measurement information 411 including information regarding the temperature of at least part of the object to be measured.
  • the temperature of at least part of the measurement object may include the temperature of one part of the measurement object.
  • the temperature of at least a portion of the measurement object may include temperatures of multiple portions of the measurement object.
  • the temperature measurement device 21 outputs temperature image data D_T representing a temperature image IMG_T as the measurement information 411 as shown in FIG. 5
  • the temperature image IMG_T is an image showing the temperature distribution of at least part of the object to be measured.
  • the temperature image IMG_T may be an image that indicates the temperature of at least a part of the measurement target, for example, by indicating the temperature difference of the measurement target with a color or gradation difference.
  • the temperature image data D_T may be data indicating the color or gradation of each of the plurality of pixels forming the temperature image IMG_T.
  • the output of the temperature measurement device 21 is not limited to temperature image data representing the temperature image IMG_T.
  • the temperature measuring device 21 may output, as the measurement information 411, temperature data, which is numerical data indicating the temperature of at least part of the object to be measured.
  • the temperature measuring device 21 measures the temperature of at least part of the molten pool MP, which is an example of the object to be measured.
  • the temperature measuring device 21 outputs a temperature image IMG_T (specifically, temperature image data D_T) showing the temperature distribution of at least a part of the molten pool MP as shown in FIG. may
  • the temperature measuring device 21 may measure the temperature of at least part of the measurement object different from the molten pool MP in addition to or instead of the temperature of at least part of the molten pool MP. That is, the temperature image IMG_T may include a measurement object different from the molten pool MP.
  • the temperature image IMG_T may include the spatter SPT.
  • the measurement object may include at least one of the molten pool MP, the spatter SPT, and the fume.
  • the temperature measurement device 21 may measure the temperature of at least part of at least one of the molten pool MP, the sputtering SPT, and the fume.
  • the measurement object including the molten pool MP is any object related to the modeling of the modeled object BO. Therefore, the measurement information 411 may be regarded as measurement information relating to the modeling of the modeled object BO.
  • the temperature measurement device 21 measures the temperature of at least a part of the object to be measured during the modeling period in which the modeling device 1 is modeling the object BO.
  • the modeling period means a series of periods during which the modeling apparatus 1 repeats formation of the material layer ML and formation of the solidified layer STL in order to model the three-dimensional structure ST which is the final object BO. good too.
  • the modeling period may mean a series of periods during which the formation of the material layer ML and the formation of the solidified layer STL are repeated in the modeling tank 13 of the modeling apparatus 1 to model the three-dimensional structure ST. .
  • the modeling period may mean a period during which the control unit 16 controls the modeling unit 10 such that the modeling apparatus 1 repeats formation of the material layer ML and formation of the solidified layer STL.
  • the control unit 16 controls the modeling unit 10 so that the modeling apparatus 1 repeats formation of the material layer ML and formation of the solidified layer STL in order to model the three-dimensional structure ST which is the final object BO. It may mean a period of control.
  • the modeling period after the modeling apparatus 1 supplies materials to the modeling tank 13 to form the first solidified layer STL, all the solidified layers to be modeled are formed by irradiating each material layer ML with the modeling light EL. It may mean the period until the formation of the STL is completed.
  • the modeling period starts from when the modeling apparatus 1 supplies the material to the modeling tank 13 to form the first solidified layer STL, and then the material for the first layer is supplied. It may mean a period from irradiation of the layer ML with the shaping light EL to completion of formation of the first solidified layer STL.
  • the modeling apparatus 1 supplies the modeling material, melts the modeling material, and solidifies the molten modeling material to produce the modeled object BO (that is, the solidified object formed by solidifying the molten modeling material). It may mean a period during which the molding of is repeated. During the modeling period, in the modeling space where the modeling apparatus 1 models the modeled object BO, the supply of the modeling material, the melting of the modeling material, and the modeling of the modeled object BO due to the solidification of the molten modeling material are repeated. It may mean a period of time.
  • the control unit 16 controls the modeling unit 10 so that the modeling apparatus 1 repeats the supply of the modeling material, the melting of the modeling material, and the modeling of the object BO resulting from the solidification of the molten modeling material. It may mean a period of time. During the modeling period, the modeling apparatus 1 feeds the modeling material, melts the modeling material, and solidifies the molten modeling material to form the three-dimensional structure ST, which is the final object BO. may mean a period during which the control unit 16 controls the modeling unit 10 so as to repeat the modeling of .
  • the measurement visual field (measuring range) of the temperature measuring device 21 increases as the modeling of the object BO progresses.
  • the object to be measured will move.
  • the molten pool MP which is the object to be measured by the temperature measuring device 21, moves on the material layer ML as the irradiation position of the shaping light EL moves.
  • the molten pool MP may move with respect to the measurement field of view of the temperature measuring device 21 .
  • the temperature measurement device 21 may be positioned with respect to the molding apparatus 1 so that the entire area where the molten pool MP may be formed is included in the measurement field of the temperature measurement device 21 .
  • the temperature measuring device 21 is aligned with the molding device 1 so that the entire material layer ML is included in the measurement field of the temperature measuring device 21.
  • the temperature measurement device 21 may move the measurement field of view so that the molten pool MP whose position changes is included in the measurement field of the temperature measurement device 21 .
  • the shaping head 15 moves the irradiation position of the shaping light EL on the surface of the material layer ML using a galvanomirror (not shown) as the head drive system 151
  • the light from at least a part of the molten pool MP is
  • the measurement field of the temperature measuring device 21 may be moved together with the movement of the irradiation position of the modeling light EL.
  • the temperature measurement device 21 may move the measurement visual field by moving the temperature measurement device 21 itself.
  • the temperature measurement device 21 may be aligned with the molding device 1 so that at least one of the molten pool MP, the sputter SPT, and the fume is included in the measurement field of view. Note that the temperature measurement device 21 may move the measurement field of view so that at least one of the molten pool MP, the spatter SPT, and the fume whose positions change is included in the measurement field of the temperature measurement device 21 .
  • the shape measuring device 22 may be any measuring device as long as it can measure the shape of the object to be measured.
  • the shape measuring device 22 may optically measure the three-dimensional shape of the object to be measured.
  • a 3D scanner is an example of a measuring device that optically measures the three-dimensional shape of an object to be measured.
  • the 3D scanner may measure the shape of the measurement target by projecting pattern light onto at least a portion of the measurement target and capturing an image of at least a portion of the measurement target on which the pattern light is projected.
  • Another example of a measuring device that optically measures the three-dimensional shape of an object to be measured includes an interferometric measuring device, an optical coherence tomography (OCT) measuring device, and a white confocal displacement meter.
  • OCT optical coherence tomography
  • At least one of a measurement device, a phase modulation type measurement device, and an intensity modulation type measurement device can be used.
  • An example of an OCT-type measuring device is described in Japanese Patent Application Laid-Open No. 2020-101499.
  • An example of a white confocal displacement meter is described in JP-A-2020-085633.
  • An example of the phase modulation type measuring device is described in Japanese Patent Application Laid-Open No. 2010-025922.
  • An example of the intensity modulation type measuring device is described in Japanese Patent Application Laid-Open No. 2016-510415 and US Patent Application Publication No. 2014/226145.
  • the shape measuring device 22 is not limited to the above-described measuring device that optically measures the three-dimensional shape of the object to be measured, and may be another existing measuring device that can measure the three-dimensional shape of the object to be measured without contact. There may be.
  • the shape measuring device 22 may be a measuring device that measures the three-dimensional shape of an object to be measured using ultrasonic waves.
  • the shape measuring device 22 may optically measure the two-dimensional shape of the object to be measured.
  • An image measuring machine is an example of a measuring device that optically measures the two-dimensional shape of an object to be measured. The image measuring machine may measure the two-dimensional shape (dimensions) of the measurement object from the acquired image by capturing an image of at least part of the measurement object.
  • the shape measuring device 22 is not limited to the image measuring machine, and may be another existing measuring device capable of measuring the two-dimensional shape of the object to be measured in a non-contact manner.
  • the shape measuring device 22 is not limited to the measuring method of optically measuring the shape of the object to be measured, and may employ another measuring method.
  • the shape measuring device 22 may be a contact-type measuring device that measures the shape of a measurement target by bringing a touch probe into contact with at least a part of the measurement target.
  • the shape measuring device 22 outputs measurement information 412 including information on the measurement result by the shape measuring device 22.
  • the shape measuring device 22 may output measurement information 412 including information about the shape of at least part of the object to be measured.
  • the shape of at least a portion of the measurement object may include the shape of a portion of the surface of the measurement object.
  • the shape of at least a portion of the measurement object may include the shapes of multiple portions of the surface of the measurement object.
  • shape image data D_3D representing a shape image IMG_3D as the measurement information 412 as shown in FIG. 6
  • the shape image IMG_3D is an image representing the shape of at least part of the measurement object.
  • the shape image IMG_3D shows, for example, the difference in the surface position of the measurement object (that is, the difference in the distance from the shape measuring device 22) with the difference in color or gradation, so that the shape of at least a part of the measurement object is shown.
  • the shape image IMG_3D may be, for example, an image containing so-called depth information.
  • the shape image data D_3D may be data indicating the color or gradation of each of the plurality of pixels forming the shape image IMG_3D.
  • the output of the shape measuring device 22 is not limited to the shape image data D_3D.
  • the shape measuring device 22 may output point cloud data representing the shape of at least a part of the object to be measured as the measurement information 412 .
  • the shape measuring device 22 may output, as the measurement information 412, distance data, which is numerical data indicating the distance from the shape measuring device 22 to at least part of the object to be measured.
  • the shape measuring device 22 measures the shape of at least one of the object BO and the material layer ML, each of which is an example of the object to be measured.
  • the shape measuring device 22 generates a shape image IMG_3D (specifically, shape image data D_3D) representing the shape of at least one of the object BO and the material layer ML, as shown in FIG. can be output.
  • the shape measuring device 22 measures the shape of at least a part of the measurement object different from the shaped object BO and the material layer ML in addition to or instead of the shape of at least one of the shaped object BO and the material layer ML.
  • the shape image IMG_3D may include a measurement object different from the modeled object BO and the material layer ML.
  • the measurement object may include at least one of the modeled object BO, the material layer ML, and the sputtered SPT.
  • the shape measuring device 22 may measure the shape of at least part of at least one of the modeled object BO, the material layer ML, and the sputtering SPT.
  • the measurement object including at least one of the modeled object BO and the material layer ML is any object related to the modeling of the modeled object BO. Therefore, like the measurement information 411, the measurement information 412 may be regarded as measurement information relating to the modeling of the modeled object BO.
  • the shape measuring device 22 measures the shape of at least a part of the object to be measured during the modeling period in which the modeling device 1 forms the object BO.
  • the shape measuring device 22 controls the modeling device 1 so that the entire area in which the modeled object BO and the material layer ML, which are measurement targets, may exist is included in the measurement field of view of the shape measuring device 22. may be aligned.
  • the shape measuring device 22 aligns the forming device 1 so that the entire material layer ML is included in the measurement field of view of the shape measuring device 22.
  • the shape measurement device 22 may move the measurement field of view so that the modeled object BO and the material layer ML, which are the objects to be measured, are included in the measurement field of view of the shape measurement device 22 .
  • the shape measuring device 22 may move the measurement visual field by moving the shape measuring device 22 itself.
  • FIG. 7 is a block diagram showing the configuration of the information processing device 3. As shown in FIG.
  • the information processing device 3 includes an arithmetic device 31, a storage device 32, and a communication device 33. Furthermore, the information processing device 3 may include an input device 34 and an output device 35 . However, the information processing device 3 does not have to include at least one of the input device 34 and the output device 35 . Arithmetic device 31 , storage device 32 , communication device 33 , input device 34 , and output device 35 may be connected via data bus 36 .
  • the computing device 31 includes, for example, at least one of a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), and an FPGA (Field Programmable Gate Array).
  • Arithmetic device 31 reads a computer program.
  • arithmetic device 31 may read a computer program stored in storage device 32 .
  • the computing device 31 may read a computer program stored in a computer-readable non-temporary recording medium using a recording medium reading device (not shown) included in the information processing device 3 .
  • the computing device 31 may acquire (that is, download) a computer program from a device (not shown) arranged outside the information processing device 3 via the communication device 33 (or other communication device). may be read).
  • Arithmetic device 31 executes the read computer program.
  • logical functional blocks for executing the processing (for example, the above-described defect prediction processing) that the information processing device 3 should perform are implemented in the arithmetic device 31 .
  • the arithmetic device 31 can function as a controller for realizing logical functional blocks for executing the processing that the information processing device 3 should perform.
  • FIG. 7 shows an example of logical functional blocks implemented within the arithmetic unit 31 for executing defect prediction processing.
  • an information acquisition unit 311, a defect prediction unit 312, and a defect output unit 313 are realized in the arithmetic device 31.
  • FIG. The processes performed by the information acquisition unit 311, the defect prediction unit 312, and the defect output unit 313 will be described later in detail with reference to FIG.
  • the information acquisition unit 311 acquires information necessary for generating defect information 425 regarding defects formed in the modeled object BO modeled by the modeling apparatus 1 .
  • the information acquisition unit 311 may acquire at least one of the measurement information 411 and 412 regarding the modeling of the modeled object BO. That is, the information acquisition unit 311 may acquire at least one of the measurement information 411 and 412 obtained by actually measuring the measurement object when forming the object BO.
  • the information acquired by the information acquisition unit 311 may be stored in an information DB (database: DataBase) 321 in the storage device 32, for example.
  • the defect prediction unit 312 generates defect information 425 using at least part of the information acquired by the information acquisition unit 311 .
  • the defect information 425 includes information about defects formed inside the modeled object BO.
  • the defects formed inside the modeled object BO may include defects that are not exposed to the outside of the modeled object BO.
  • the defects formed inside the modeled object BO may include defects exposed to the outside of the modeled object BO.
  • the defect information 425 may include information regarding defects formed on the surface (that is, the outer surface) of the model BO.
  • the information acquired by the information acquisition unit 311 is not information obtained by directly measuring defects formed in the model BO. Therefore, the process of generating the defect information 425 by the defect prediction unit 312 may be substantially equivalent to the process of predicting defects formed in the modeled object BO.
  • the defect prediction unit 312 may generate the defect information 425 using at least part of the information acquired by the information acquisition unit 311 and the prediction model PM.
  • the prediction model PM is, for example, a learning model generated by machine learning so that the defect information 425 can be generated based on the information acquired by the information acquisition unit 311 .
  • Information about such a prediction model PM may be stored in the storage device 32 as model information 322 .
  • the defect predicted by the defect prediction unit 312 is a void SP formed inside the model BO.
  • the voids SP may also be referred to as vacancies, pores, voids, volosities, or cracks (in other words, cracks).
  • the defect information 425 may include void information regarding the void SP.
  • FIG. 8 shows an example of a space SP formed inside a three-dimensional structure ST (that is, a finally formed modeled object BO), which is an example of the modeled object BO.
  • the voids SP may include voids SP1 that form openings on the surface of the modeled object BO (that is, are exposed on the surface of the modeled object BO).
  • the voids SP1 may be referred to as open pores (in other words, open pores).
  • the voids SP may include voids SP2 that do not form openings on the surface of the modeled object BO (that is, are not exposed on the surface of the modeled object BO).
  • the voids SP2 may also be referred to as closed pores (in other words, closed pores).
  • Such a gap SP is, for example, when the amount of energy transmitted from the modeling light EL to the material layer ML (that is, the amount of energy transmitted to the modeling material) is excessive with respect to the target amount when modeling the object BO. May be created if present or missing.
  • the amount of energy transmitted from the modeling light EL to the material layer ML is insufficient with respect to the target amount, there is a possibility that the modeling material that should be melted may not melt properly.
  • the amount of melted build material may be insufficient.
  • a void SP may be formed inside the modeled object BO.
  • the defect prediction unit 312 can generate defect information 425 including gap information regarding such gap SP.
  • the defect output unit 313 outputs the defect information 425 generated by the defect prediction unit 312 .
  • the defect output unit 313 may output the defect information 425 using the output device 35 .
  • the defect output unit 313 may output the defect information 425 using the communication device 33 that can function as an output device. Since the defect output unit 313 outputs the defect information 425, the information processing device 3 including the defect output unit 313 may be called an information output device.
  • the storage device 32 can store desired data.
  • the storage device 32 may temporarily store computer programs executed by the arithmetic device 31 .
  • the storage device 32 may temporarily store data that is temporarily used by the arithmetic device 31 while the arithmetic device 31 is executing a computer program.
  • the storage device 32 may store data that the information processing device 3 saves for a long period of time.
  • the storage device 32 may include at least one of RAM (Random Access Memory), ROM (Read Only Memory), hard disk device, magneto-optical disk device, SSD (Solid State Drive), and disk array device. good. That is, the storage device 32 may include non-transitory recording media.
  • the communication device 33 can communicate with each of the modeling device 1 and the measuring device 2 via a communication network (not shown). Alternatively, the communication device 33 can communicate with a device different from the modeling device 1 and the measuring device 2 in addition to or instead of at least one of the modeling device 1 and the measuring device 2 via a communication network (not shown). may be
  • the input device 34 is a device that receives input of information to the information processing device 3 from the outside of the information processing device 3 .
  • the input device 34 may include an operating device (for example, at least one of a keyboard, a mouse, and a touch panel) that can be operated by the user of the information processing device 3 .
  • the input device 34 may include a recording medium reading device capable of reading information recorded as data on a recording medium that can be externally attached to the information processing device 3 .
  • Information can be input to the information processing device 3 as data from a device external to the information processing device 3 via the communication device 33 .
  • the communication device 33 may function as an input device that receives input of information to the information processing device 3 from outside the information processing device 3 .
  • the output device 35 is a device that outputs information to the outside of the information processing device 3 .
  • the output device 35 may output information as an image.
  • the output device 35 may include a display device (so-called display) capable of displaying images.
  • the output device 35 may output information as audio.
  • the output device 35 may include an audio device capable of outputting audio (so-called speaker).
  • the output device 35 may output information on paper. That is, the output device 35 may include a printing device (so-called printer) capable of printing desired information on paper.
  • the output device 35 may output information as data to a recording medium that can be externally attached to the information processing device 3 .
  • Information can be output as data from the information processing device 3 to a device external to the information processing device 3 via the communication device 33 .
  • the communication device 33 may function as an output device that outputs information to the outside of the information processing device 3 .
  • FIG. 9 is a flow chart showing the flow of defect prediction processing performed by the information processing device 3 .
  • the information acquisition unit 311 acquires at least one of the measurement information 411 and 412 (step S11). However, the information acquisition unit 311 does not have to acquire at least one of the measurement information 411 and 412 .
  • the information acquisition unit 311 may use the communication device 33 to acquire the measurement information 411 from the measurement device 2 that generates the measurement information 411 .
  • the information acquisition unit 311 may use the communication device 33 to acquire the measurement information 412 from the measurement device 2 that generates the measurement information 412 .
  • the information acquisition unit 311 uses the communication device 33 to At least one of the measurement information 411 and 412 may be obtained from the device.
  • the information acquisition unit 311 reads the measurement information 411 and 412 from the recording medium using the input device 34 capable of functioning as a recording medium reader. 412 may be obtained.
  • the information acquisition unit 311 may acquire at least one of the measurement information 411 and 412 during the modeling period in which the modeling apparatus 1 forms the modeled object BO (in particular, the three-dimensional structure ST).
  • the information acquisition unit 311 acquires the measurement information 411 obtained during the modeling period by measuring the temperature of at least a part of the molten pool MP with the temperature measuring device 21 during the modeling period.
  • the information acquisition unit 311 acquires measurement information 412 obtained by measuring the shape of at least one of the object BO and the material layer ML during the modeling period by the shape measuring device 22 during the modeling period. good too.
  • the information acquisition unit 311 may acquire at least one of the measurement information 411 and 412 after the modeling apparatus 1 finishes modeling the model BO (in particular, the three-dimensional structure ST). That is, the information acquisition unit 311 may acquire at least one of the measurement information 411 and 412 after the modeling period ends. In this case, the information acquisition unit 311 acquires the measurement information 411 obtained during the modeling period by measuring the temperature of at least a part of the molten pool MP with the temperature measurement device 21 during the modeling period, may be obtained. Similarly, the information acquisition unit 311 acquires the measurement information 412 obtained by measuring the shape of at least one of the object BO and the material layer ML during the modeling period by the shape measuring device 22 after the modeling period ends. You may
  • the information acquisition unit 311 may associate the acquired measurement information 411 with the modeling position where the modeling apparatus 1 was performing the modeling process when the measurement information 411 was generated.
  • the temperature measurement device 21 associates the measurement information 411 with the modeling position where the modeling apparatus 1 was performing the modeling process at the time when the temperature measurement device 21 measured the temperature, and outputs the measurement information 411 associated with the modeling position.
  • You may
  • the information acquisition unit 311 may store the measurement information 411 associated with the modeling position in the information DB 321 of the storage device 32 . Therefore, the information acquisition unit 311 may acquire information about the modeling position at the time when the measurement information 411 was generated, together with the measurement information 411 .
  • the modeling position may typically mean a position where the modeling apparatus 1 is irradiating the modeling light EL.
  • the modeling position may mean the position where the modeling apparatus 1 forms the molten pool MP.
  • the information acquisition unit 311 converts the acquired temperature image data D_T to the modeling position (that is, temperature image data D_T may be associated with the position where the molten pool MP reflected in the temperature image IMG_T indicated by D_T was formed.
  • the information acquisition unit 311 obtains the acquired measurement information 411 from the object to be measured (for example, the molten pool MP) at the time when light (light for measuring temperature) is detected by the temperature measurement device 21 . May be associated with location.
  • the information acquisition unit 311 obtains the measurement information 411 calculated based on the light from the measurement object detected by the temperature measurement device 21 at the first time and Measurement information 411 that is associated with the first modeling position and calculated based on the light from the measurement object detected by the temperature measuring device 21 at a second time different from the first time, and the modeling device 1 at the second time. may be associated with the second modeling position where the was performing the modeling process.
  • the information acquisition unit 311 may associate the acquired measurement information 412 with the modeling position where the modeling apparatus 1 was performing the modeling process. Specifically, the information acquisition unit 311 obtains the measurement information 412 regarding the shape of the part of the measurement object from the modeling position (that is, the measurement position of a portion of the object). The information acquisition unit 311 acquires the measurement information 412 regarding the shape of the other part of the measurement target object from the modeling position (that is, the other part of the measurement target part position). Alternatively, the shape measuring device 22 may associate the measurement information 412 with a modeling position where the modeling device 1 was performing modeling processing, and output the measurement information 412 associated with the modeling position.
  • the information acquisition unit 311 may store the measurement information 412 associated with the modeling position in the information DB 321 of the storage device 32 . Therefore, the information acquisition unit 311 may acquire information about the modeling position at the time when the measurement information 412 was generated, together with the measurement information 412 . For example, when the shape image data D_3D is used as the measurement information 412, the information acquisition unit 311 converts the acquired shape image data D_3D to the molding position (that is, the shape image data D_3D) at the time when the shape image IMG_3D was generated. may be associated with the modeling position at the time when at least one of the object BO and the material layer ML reflected in the shape image IMG_3D indicated by is measured by the shape measuring device 22 .
  • the modeling position may be specified by position coordinates including a position in the X-axis direction, a position in the Y-axis direction, and a position in the Z-axis direction.
  • the modeling position in the direction along the surface of the material layer ML corresponds to the irradiation position of the shaping light EL in the direction along the surface of the material layer ML.
  • the modeling position in the direction intersecting with the surface of the material layer ML corresponds to the position of the surface of the material layer ML because the surface of the material layer ML is irradiated with the modeling light EL. .
  • the lifting stage 14 moves downward by the thickness ⁇ d of the material layer ML each time the solidified layer STL is formed, the material in the direction intersecting the surface of the material layer ML (that is, the Z-axis direction) appears to be It can also be said that the position of the surface of the layer ML has not changed. Therefore, when specifying a modeling position using a coordinate system that does not consider the movement of the lifting stage 14, a modeling position for forming one solidified layer STL and another solidified layer different from the one solidified layer STL are specified. There is a possibility that the modeling position for forming the layer STL will match in the Z-axis direction (that is, cannot be distinguished).
  • the modeling position in the direction intersecting the surface of at least one of the material layer ML and the solidified layer STL is a position within the coordinate system with the moving lifting stage 14 as a reference.
  • the modeling position in the direction intersecting the surface of at least one of the material layer ML and the solidified layer STL is the elevation stage 14 in the direction that intersects the surface of the material layer ML (that is, the Z-axis direction).
  • the modeling position may be specified within a coordinate system for specifying the position of each part of the three-dimensional structure ST to be finally modeled by the modeling apparatus 1 .
  • the modeling position may be represented by coordinates in a three-dimensional coordinate system with the moving elevating stage 14 as a reference.
  • the modeling position may be represented by coordinates on the XY plane in each layer (layer including at least one of the material layer ML and the solidified layer STL).
  • the measurement information 411 and 412 respectively indicating the temperature and shape of each portion of the first solidified layer STL, which is an example of the measurement object are represented by coordinates with the first solidified layer STL as a reference.
  • Measurement information 411 and 412 that are associated with the modeling position and indicate the temperature and shape of each portion of the second solidified layer STL that is different from the first solidified layer STL, which is an example of the measurement object, are obtained from the second solidified layer. It may be associated with a build position represented by coordinates with reference to the STL.
  • the measurement information 411 or 412 of each portion of the first solidified layer STL which is an example of the measurement object, is associated with the modeling position represented by the coordinates with the first solidified layer STL as a reference, and the measurement object
  • the measurement information 411 or 412 of each portion of the second solidified layer STL different from the first solidified layer STL which is an example, is associated with the modeling position represented by the coordinates based on the second solidified layer STL.
  • the modeling position may mean the position where the modeling material is supplied in the modeling tank 13 .
  • the modeling position may mean a position where the material layer ML is formed.
  • the information acquisition unit 311 acquires modeling information 413 regarding the modeling of the modeled object BO (step S12).
  • the modeling information 413 is information relating to the modeling of the modeled object BO, and includes information different from information generated by actually measuring the measurement object by the measuring device 2 . However, the information acquisition unit 311 does not have to acquire the modeling information 413 .
  • the modeling information 413 may include device information regarding the modeling device 1 that models the modeled object BO.
  • the device information may include modeling condition information (so-called recipe information) relating to the modeling conditions used by the modeling device 1 to model the modeled object BO. A specific example of the modeling conditions has already been explained.
  • the device information may include operational status information regarding the operational status of the modeling apparatus 1 .
  • the apparatus information may include operation status information regarding the actual operation status of the modeling apparatus 1 operating according to preset modeling conditions.
  • the operation status information may include information about the actual irradiation mode of the shaping light EL by the shaping head 15 operating according to the shaping conditions.
  • the operation status information may include information on the actual movement of the recoater 12 by the recoater drive system 121 operating according to the molding conditions.
  • the operation status information may include information on the actual movement mode of the elevation stage 14 by the stage drive system 141 operating according to the modeling conditions.
  • the operation status information may include information on the actual movement mode of the modeling head 15 by the head driving system 151 operating according to the modeling conditions.
  • the operational status information may include information about how the build material is actually fed by the recoater 12 operating according to the build conditions.
  • the operation status information may include information about the actual status of the modeling environment in which the modeling apparatus 1 models the modeled object BO.
  • the information acquisition unit 311 may acquire the modeling information 413 from the modeling apparatus 1 using the communication device 33 .
  • the information acquisition unit 311 uses the communication device 33 to acquire the modeling information 413 from the external device. You may When the modeling information 413 is recorded on a recording medium, the information acquisition unit 311 may acquire the modeling information 413 from the recording medium using the input device 34 that can function as a recording medium reading device.
  • the information acquisition unit 311 may acquire the modeling information 413 during the modeling period in which the modeling apparatus 1 forms the modeled object BO (in particular, the three-dimensional structure ST).
  • the information acquisition unit 311 may acquire the modeling information 413 after the modeling period ends.
  • the information acquisition unit 311 may acquire the modeling information 413 before the modeling period (before the modeling of the object BO is started).
  • the information acquisition unit 311 may associate the acquired modeling information 413 with the modeling position where the modeling apparatus 1 was performing the modeling process. Specifically, the information acquisition unit 311 obtains the modeling information 413 related to the modeling of the part of the object BO, and obtains the modeling information 413 at the modeling position (i.e., position of one part of the entity BO). The information acquisition unit 311 acquires the modeling information 413 related to the modeling of the other part of the modeled object BO at the modeling position where the modeling apparatus 1 was performing the modeling process of the other part of the modeled object BO (that is, the other part of the modeled object BO). part position).
  • a device different from the information processing device 3 may associate the modeling information 413 with the modeling position where the modeling device 1 performs modeling processing, and the information acquisition unit 311 may acquire the modeling information 412 associated with the modeling position. good.
  • the information acquisition unit 311 may store the modeling information 413 associated with the modeling position in the information DB 321 of the storage device 32 .
  • the information acquisition unit 311 may associate the modeling condition information included in the modeling information 413 with the modeling position where the modeling apparatus 1 was performing the modeling process using the modeling condition indicated by the modeling condition information.
  • the modeling information 413 includes an irradiation condition that is an example of the modeling condition
  • the information acquisition unit 311 acquires the information regarding the irradiation condition included in the modeling information 413 and outputs the modeling light EL according to the irradiation condition. may be associated with the modeling position at which the modeling apparatus 1 was performing the modeling process.
  • the information acquisition unit 311 obtains information about the recoater movement condition included in the modeling information 413 according to the recoater movement condition. 12 may be associated with the modeling position where the modeling apparatus 1 was performing the modeling process.
  • the modeling information 413 includes a stage movement condition, which is an example of the modeling condition
  • the information acquisition unit 311 acquires the information on the stage movement condition included in the modeling information 413 as a lifting/lowering condition according to the stage movement condition. It may be associated with the modeling position where the modeling apparatus 1 was performing the modeling process while moving the stage 14 .
  • the information acquisition unit 311 acquires the information about the head movement condition included in the modeling information 413 according to the head movement condition. It may be associated with the modeling position where the modeling apparatus 1 was performing the modeling process while moving the head 15 .
  • the information acquisition unit 311 acquires information about the material conditions included in the modeling information 413 and supplies modeling materials according to the material conditions. However, it may be associated with the modeling position where the modeling apparatus 1 was performing the modeling process.
  • the information acquisition unit 311 acquires the information about the environmental condition included in the modeling information 413 under the environment indicated by the environmental condition. 1 may be associated with the modeling position where the modeling process was performed.
  • the information acquisition unit 311 obtains the information on the design conditions included in the modeling information 413 to form the object BO indicated by the design conditions. In order to do so, it may be associated with the modeling position where the modeling apparatus 1 was performing the modeling process.
  • the information acquisition unit 311 may associate the action status information included in the modeling information 413 with the modeling position where the modeling apparatus 1 operating in the action status indicated by the action status information was performing the modeling process.
  • the operation status information includes information about the actual irradiation mode of the modeling light EL
  • the information acquisition unit 311 acquires the operation status information included in the modeling information 413 in the irradiation mode indicated by the operation status information.
  • You may associate with the modeling position which the modeling apparatus 1 was performing the modeling process by actually irradiating the modeling light EL.
  • the motion status information includes information about the actual movement mode of the recoater 12
  • the information acquisition unit 311 acquires the motion status information included in the modeling information 413 in the movement mode indicated by the motion status information.
  • the information acquisition unit 311 acquires the motion status information included in the modeling information 413 in the movement mode indicated by the motion status information. By actually moving the lifting stage 14, the modeling position at which the modeling apparatus 1 was performing the modeling process may be associated.
  • the operation status information includes information about the actual movement mode of the modeling head 15
  • the information acquisition unit 311 acquires the operation status information included in the modeling information 413 in the movement mode indicated by the operation status information. By actually moving the modeling head 15, it may be associated with the modeling position where the modeling apparatus 1 was performing the modeling process.
  • the information acquisition unit 311 acquires the operation status information included in the modeling information 413 in the supply mode indicated by the operation status information. You may associate with the modeling position which the modeling apparatus 1 was performing the modeling process by actually supplying material.
  • the defect prediction unit 312 calculates (in other words, extracts) the feature amount of the measurement object based on at least one of the measurement information 411 and 412 acquired in step S11 (step S13). However, the defect prediction unit 312 does not have to calculate the feature amount of the object to be measured.
  • the defect prediction unit 312 may calculate the feature amount during the modeling period when the modeling apparatus 1 is modeling the modeled object BO (particularly, the three-dimensional structure ST). In this case, the defect prediction unit 312 calculates the feature amount during the modeling period based on the measurement information 411 and 412 obtained during the modeling period by measuring the measurement object with the measuring device 2 during the modeling period. may
  • the defect prediction unit 312 may calculate the feature amount after the modeling period ends. In this case, the defect prediction unit 312 calculates the feature amount after the modeling period ends, based on the measurement information 411 and 412 obtained during the modeling period by measuring the measurement object with the measuring device 2 during the modeling period. can be calculated.
  • the feature amount of the measurement object can be calculated based on at least one of the measurement information 411 and 412
  • at least one of the measurement information 411 and 412 includes information on the feature amount of the measurement object. may be regarded as That is, at least one of the measurement information 411 and 412 may be considered to include information regarding the feature amount of the measurement object obtained during the modeling period in which the modeling apparatus 1 models the modeled object BO.
  • the temperature image IMG_T which is the measurement information 411, includes information regarding the temperature of at least part of the molten pool MP.
  • the temperature of the melt pool MP is much higher than the temperature of objects different from the melt pool MP (eg material layer ML or build BO). Therefore, in the temperature image IMG_T, the molten pool MP and an object different from the molten pool MP can be distinguished from their temperature distributions.
  • the defect prediction section 312 may calculate the feature quantity of the molten pool MP based on the measurement information 411 .
  • the defect prediction unit 312 may calculate an index value indicating the shape of the molten pool MP as the characteristic amount of the molten pool MP.
  • the defect prediction unit 312 may calculate an index value indicating the size of the molten pool MP as the characteristic amount of the molten pool MP.
  • sizes include length, which is the size along a first direction, width, which is the size along a second direction intersecting the first direction, and size along a third direction intersecting the first and second directions. At least one of depth (in other words, height or thickness), surface area, and volume, which are sizes along.
  • the defect prediction unit 312 uses an index value indicating the temperature of the molten pool MP (for example, at least one of the average temperature, maximum temperature, minimum temperature, temperature variation, and temperature distribution mode) as the characteristic quantity of the molten pool MP. ) may be calculated.
  • the defect prediction unit 312 determines that the temperature is different from the molten pool MP based on the measurement information 411.
  • a feature amount of the object to be measured may be calculated.
  • the temperature image IMG_T may reflect the spatter SPT generated from the molten pool MP due to the irradiation of the shaping light EL.
  • the defect prediction unit 312 may calculate the feature amount of the sputtered SPT based on the measurement information 411 .
  • the defect prediction unit 312 may calculate the number of spatters appearing in the temperature image IMG_T as the spatter SPT feature quantity.
  • the defect prediction unit 312 calculates an index value (for example, at least one of the average size, the maximum size, and the minimum size) indicating the size of the spatter appearing in the temperature image IMG_T as the feature amount of the spatter SPT.
  • the defect prediction unit 312 uses an index value indicating the temperature of the sputter reflected in the temperature image IMG_T (for example, average temperature, maximum temperature, minimum temperature, temperature variation, and temperature at least one of the distribution modes) may be calculated.
  • the temperature image IMG_T may include fumes generated due to the irradiation of the shaping light EL. In this case, the defect prediction unit 312 may calculate the fume feature quantity based on the measurement information 411 .
  • the defect prediction unit 312 may calculate an index value (for example, at least one of area and volume) indicating the size of the fume reflected in the temperature image IMG_T as the fume feature amount.
  • the defect prediction unit 312 uses, as fume feature amounts, index values (for example, average temperature, maximum temperature, minimum temperature, temperature variation, and temperature distribution mode) that indicate the temperature of the fume reflected in the temperature image IMG_T. at least one) may be calculated.
  • the feature amount calculated based on the temperature image data D_T may be calculated by the temperature measurement device 21 in addition to or instead of the defect prediction section 312 .
  • the temperature measurement device 21 may output measurement information 411 including the calculated feature amount.
  • the shape image data D_3D which is the measurement information 412, includes information about the shape of the modeled object BO. Therefore, the defect prediction unit 312 may calculate the feature amount of the modeled object BO based on the measurement information 412 .
  • the modeled object BO may include the three-dimensional structure ST that has been modeled or is in the process of being modeled.
  • the defect prediction unit 312 may calculate the feature amount of the three-dimensional structure ST that has been modeled or is in the process of being modeled.
  • the defect prediction unit 312 may calculate an index value indicating the state of the surface of the three-dimensional structure ST as the feature amount of the three-dimensional structure ST.
  • An example of the index value indicating the state of the surface is surface roughness (in other words, surface texture) that indicates the degree of unevenness of the surface. Examples of surface roughness include at least one of arithmetic mean height Sa, root mean square height Sq, and maximum height Sz.
  • the defect prediction unit 312 uses the size of the three-dimensional structure ST (for example, as described above, the length, width, height (depth or thickness), surface At least one of area and volume) may be calculated.
  • the modeled object BO may include the solidified layer STL that has been modeled or is in the process of being modeled.
  • the defect prediction unit 312 may calculate the feature amount of the solidified layer STL for which modeling has been completed or is in the process of being shaped.
  • the defect prediction unit 312 may calculate an index value (for example, the surface roughness described above) indicating the state of the surface of the solidified layer STL as the feature amount of the solidified layer STL.
  • the defect prediction unit 312 uses an index value indicating the size of the solidified layer STL (for example, as described above, the length, width, height (depth), thickness, surface At least one of area and volume) may be calculated.
  • the defect prediction unit 312 determines the thickness of the n-th solidified layer STL formed on the n ⁇ 1-th solidified layer STL from the surface shape (height) of the n-th solidified layer STL to n It may be calculated by subtracting the surface shape (height) of the ⁇ 1st solidified layer STL. Note that n represents an integer of 2 or more.
  • the defect prediction unit 312 may calculate the feature amount of the material layer ML based on the measurement information 412 .
  • the defect prediction unit 312 may calculate an index value (for example, surface roughness described above) indicating the state of the surface of the material layer ML as the feature amount of the material layer ML.
  • the defect prediction unit 312 uses the size of the material layer ML (for example, as described above, the length, width, height (depth), thickness, surface area, and volume of the material layer ML) as the feature amount of the material layer ML. at least one) may be calculated.
  • the defect prediction unit 312 determines the thickness of the material layer ML formed on the (n ⁇ 1)-th solidified layer STL in order to form the n-th solidified layer STL. It may be calculated by subtracting the surface shape (height) of the (n ⁇ 1)-th solidified layer STL from the height).
  • the feature amount calculated based on the shape image data D_3D may be calculated by the shape measuring device 22 in addition to or instead of the defect prediction unit 312.
  • the shape measuring device 22 may output measurement information 412 including the calculated feature amount.
  • the defect prediction unit 312 when at least one of the measurement information 411 and 412 is associated with the modeling position, the defect prediction unit 312 generates feature amount information indicating a feature amount calculated from at least one of the measurement information 411 and 412. 414 may be associated with a build location.
  • the defect prediction unit 312 may store the feature quantity information 414 associated with the modeling position in the information DB 321 of the storage device 32 .
  • FIG. 10 shows an example of measurement information 411, measurement information 412, modeling information 413, and feature amount information 414 stored in the information DB 321 in association with the position information 416 indicating the modeling position.
  • the information DB 321 includes position information 416, and process data 415 including measurement information 411, measurement information 412, molding information 413, and feature amount information 414 associated with the position information 416.
  • a plurality of unit data 410 may be stored.
  • the process data 415 includes all of the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414.
  • the process data 415 does not have to include at least one of the measurement information 411 , the measurement information 412 , the modeling information 413 and the feature amount information 414 .
  • the temperature image data D_T as the measurement information 411 is the center of the temperature image IMG_T indicated by the temperature image data D_T.
  • Position information 416 indicating the position where the above-described galvanomirror (not shown) that guides the shaping light EL irradiates may be associated therewith.
  • shape image data D_3D as measurement information 412 may be associated with position information 416 indicating the center of shape image IMG_3D indicated by shape image data D_3D.
  • the feature amount information 414 may include information about the size of the molten pool MP calculated from the temperature image IMG_T centered at the position indicated by the position information 416 associated with the feature amount information 414 .
  • the feature amount information 414 may include information on the number of spatters SPT calculated from the temperature image IMG_T centered at the position indicated by the position information 416 associated with the feature amount information 414 .
  • the feature amount information 414 may include information regarding the thickness of the solidified layer STL formed at the position indicated by the position information 416 associated with the feature amount information 414 .
  • the position in the Z-axis direction indicated by the position information 416 associated with the feature amount information 414 is used as information for distinguishing the plurality of solidified layers STL from each other. may be available.
  • the feature amount information 414 is the solidified layer STL formed at the position indicated by the position information 416 associated with the feature amount information 414 (that is, the position uniquely identifiable by the position in the Z-axis direction indicated by the position information 416). may include information about the surface roughness of the solidified layer STL).
  • all of the measurement information 411, measurement information 412, modeling information 413, and feature amount information 414 are associated with position information 416 indicating the modeling position. However, at least one of the measurement information 411 , the measurement information 412 , the modeling information 413 and the feature amount information 414 may not be associated with the position information 416 .
  • the defect prediction unit 312 uses the process data 415 (that is, the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414) to generate the defect information 425 (step S14).
  • the defect prediction unit 312 is generated from the process data 415 (that is, the measurement information 411, the measurement information 412 and the modeling information 413 acquired by the information acquisition unit 311, and the information acquired by the information acquisition unit 311 An example of generating the defect information 425 using the feature information) and the prediction model PM will be described.
  • the information acquisition unit 311 may not acquire at least one of the measurement information 411, the measurement information 412, and the modeling information 413, and the defect prediction unit 312 may not calculate the feature amount of the measurement object. (That is, it is as described above that the feature amount information 414 does not have to be generated.
  • the defect prediction unit 312 includes the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information
  • the defect information 425 may be generated without using at least one of 414. That is, the defect prediction unit 312 may generate at least one of the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414.
  • the defect information 425 may be generated without using at least one of the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414.
  • the defect prediction section 312 may generate defect information 425 using some of process data 415 without using other parts of process data 415.
  • Process data 415 includes metrology information 411, metrology information 412, build At least one of the information 413 and the feature amount information 414 may not be provided.
  • the prediction model PM is a learning model generated by machine learning so that defect information 425 can be generated based on process data 415.
  • the prediction model PM is typically a learning model that uses the process data 415 as explanatory variables and the defect information 425 as objective variables. Examples of such learning models include regression models (e.g., linear and/or nonlinear regression models), decision tree models, clustering models (in other words, classification models), and/or neural network models. be done. A method for generating the prediction model PM by machine learning will be described in detail later with reference to FIG. 18 and the like.
  • the process data 415 are associated with the position information 416 indicating the modeling position.
  • the defect prediction unit 312 uses the process data 415 associated with the position information 416 indicating the one modeling position to generate the defect information 425 including the information about the defect formed at the one modeling position.
  • the predictive model PM uses the process data 415 associated with the position information 416 indicating one molding position to generate defect information 425 including information on defects formed at the one molding position. It may have been generated by machine learning so that it is possible.
  • the defect prediction unit 312 uses the process data 415 associated with the position information 416 indicating the one modeling position to determine whether a defect is formed at at least one of the one modeling position and a position near the one modeling position.
  • Defect information 425 may be generated that includes the information.
  • the predictive model PM forms at least one of the one modeling position and a position near the one modeling position. It may have been generated by machine learning so as to be able to generate defect information 425 that includes information about the defects that are detected.
  • the vicinity position of one modeling position may mean a position where the distance from one modeling position is equal to or less than a predetermined distance.
  • the defect prediction unit 312 uses the process data 415 associated with the position information 416 indicating at least one of one modeling position and a position near the one modeling position to obtain information about defects formed at the one modeling position.
  • defect information 425 may generate defect information 425 including: Conversely, the predictive model PM is formed at one modeling position using process data 415 associated with position information 416 indicating at least one of one modeling position and a position near the one modeling position. It may be generated by machine learning so as to be able to generate defect information 425 that includes information about the defects that occur.
  • the defect prediction unit 312 uses the process data 415 associated with the position information 416 indicating at least one of the one modeling position and the vicinity of the one modeling position to determine the one modeling position and the vicinity of the one modeling position.
  • Defect information 425 may be generated that includes information about defects formed in at least one of the locations.
  • the prediction model PM uses the process data 415 associated with the position information 416 indicating at least one of the one modeling position and the position near the one modeling position, and the one modeling position and the one modeling position.
  • Machine learning may be used to generate the defect information 425 including information about defects formed in at least one of positions near the modeling position.
  • the defect information 425 is information on the position where the defect is formed (for example, the molding position where the defect is formed). information).
  • the defect predictor 312 may generate the defect information 425 associated with information about the location where the defect is formed.
  • the predictive model PM can generate defect information 425 associated with information about the location where the defect is formed (for example, information about the manufacturing location where the defect is formed). may have been generated by
  • the defect prediction unit 312 may generate defect information 425 including information regarding the presence or absence of defects. Specifically, the defect prediction unit 312 may generate defect information 425 including information indicating whether or not a defect is formed at a certain position on the object BO. Conversely, the prediction model PM may be generated by machine learning so as to generate the defect information 425 including information regarding the presence or absence of defects.
  • the density of the model BO when the defect occurs (that is, the void SP is formed) is It is highly likely that the density will be different from the density of the model BO when it is not formed.
  • the density of the model BO with defects is likely to be lower than the density of the model BO without defects. Therefore, it can be said that the density of the modeled object BO can be used as information that indirectly indicates the presence or absence of defects. Therefore, the defect prediction unit 312 may generate defect information 425 including information (density information) on the density of the modeled object BO.
  • the predictive model PM may be generated by machine learning so as to generate the defect information 425 including information on the density of the model BO.
  • the density of one modeled object BO having a larger volume of the defect generated inside (that is, the volume of the void SP) is It is highly probable that the volume of the defect (that is, the volume of the gap SP) will be lower than the density of other smaller objects BO.
  • the density of one modeled object BO having a larger total volume of multiple defects occurring inside (that is, the total volume of the plurality of voids SP) is , the total volume of multiple defects occurring inside (that is, the total volume of multiple voids SP) is likely to be lower than the density of other shaped objects BO having a smaller density.
  • the density of the modeled object BO may include the density of each part of the modeled object BO (for example, each part contained in a unit space centered on the position indicated by the position information 426).
  • the predictive model PM uses the process data 415 associated with the position information 416 indicating the one modeling position to determine the part of the object BO contained in the unit space centered on the one modeling position. It may be generated by machine learning so that information about density can be generated.
  • the predictive model PM uses the process data 415 associated with the position information 416 indicating the other modeling position to obtain information about the density of one part of the object BO contained in the unit space centered on the other modeling position.
  • the modeled object BO includes at least one of the three-dimensional structure ST that has been modeled, the three-dimensional structure ST that is in the process of being modeled, the solidified layer that has been completely modeled, and the solidified layer that is in the process of being modeled.
  • the density of the modeled object BO is at least one of the three-dimensional structure ST that has been modeled, the three-dimensional structure ST that is in the process of being modeled, the solidified layer STL that has been modeled, and the solidified layer STL that is in the process of being modeled. may mean one density.
  • the defect prediction unit 312 may generate defect information 425 including information regarding the presence or absence of defects based on information regarding the density of the modeled object BO. For example, the defect prediction unit 312 may determine that the modeled object BO has a defect when the density of the modeled object BO is below a predetermined density threshold. For example, the defect prediction unit 312 may determine that there is no defect in the modeled object BO when the density of the modeled object BO does not fall below a predetermined density threshold.
  • the defect prediction unit 312 may generate the defect information 425 including information regarding the density of the modeled object BO.
  • the defect prediction unit 312 may generate information regarding the density of the modeled object BO. This is because the density of the modeled object BO itself may be regarded as not a defect of the modeled object BO. In this case, information (density information) about the density of the modeled object BO may be included in the property information as an example of property information about the property of the modeled object BO, separately from the defect information 425 .
  • the defect prediction unit 312 may generate defect information 425 including information on the characteristics of defects (for example, voids SP).
  • the predictive model PM may be generated by machine learning so as to be able to generate defect information 425 including information about the characteristics of defects.
  • the defect characteristics may include at least one of defect size, defect location, and defect shape.
  • the shape of the defect is often spherical. In this case, at least one of sphericity and ellipticity may be used as the index value representing the shape of the defect.
  • the defect prediction unit 312 regards the void SP having a size exceeding the allowable size as a defect, but does not regard the void SP having a size not exceeding the allowable size as a defect. may In this case, the defect prediction unit 312 may generate information regarding the presence or absence of defects based on information regarding the characteristics of defects predicted using the prediction model PM. Regardless of the size of the void SP, the defect prediction unit 312 may regard voids SP having properties that do not satisfy the allowable conditions as defects, but may not consider voids SP having properties that satisfy the allowable conditions as defects.
  • the defect prediction unit 312 may generate the defect information 425 during the modeling period in which the modeling apparatus 1 is modeling the modeled object BO (particularly, the three-dimensional structure ST). In this case, the defect prediction unit 312 may generate defect information 425 during the modeling period using process data 415 including at least one of the measurement information 411 and 412 acquired during the modeling period. The defect prediction unit 312 may generate the defect information 425 during the modeling period using the process data 415 including the modeling information 413 acquired during the modeling period. The defect prediction unit 312 may generate the defect information 425 during the modeling period using the process data 415 including the feature amount information 414 generated during the modeling period.
  • the defect prediction unit 312 may generate the defect information 425 after the modeling period ends.
  • the defect prediction unit 312 uses the process data 415 including at least one of the measurement information 411 and 412 acquired during the modeling period or after the modeling period ends, and determines the defect information 425 after the modeling period ends. may be generated.
  • the defect prediction unit 312 may generate defect information 425 after the modeling period ends using process data 415 including modeling information 413 acquired during or after the modeling period.
  • the defect prediction unit 312 may generate defect information 425 after the modeling period ends using process data 415 including feature amount information 414 generated during or after the modeling period ends.
  • the defect output unit 313 outputs the defect information 425 generated by the defect prediction unit 312 in step S14 (step S15). However, the defect output unit 313 does not have to output the defect information 425 .
  • the defect output unit 313 may output the defect information 425 during the modeling period in which the modeling apparatus 1 is modeling the modeled object BO (in particular, the three-dimensional structure ST). In this case, the defect output unit 313 may output the defect information 425 generated during the modeling period during the modeling period. Further, the defect output unit 313 may output the defect information 425 after the modeling period ends. In this case, the defect output unit 313 may output the defect information 425 generated during the modeling period or after the modeling period ends after the modeling period ends.
  • the defect output unit 313 may output the defect information 425 to the user of the modeling apparatus 1.
  • the defect output unit 313 may output the defect information 425 using the output device 35 .
  • the defect output unit 313 may output (that is, display) the defect information 425 as an image using the output device 35 that can function as a display device.
  • the defect output unit 313 may output the defect information 425 as sound using the output device 35 capable of functioning as an audio device (speaker).
  • the defect output unit 313 may output the sheet on which the defect information 425 is printed using the output device 35 that can function as a printing device.
  • the defect output unit 313 may output (that is, transmit) the defect information 425 as data using the communication device 33 in addition to or instead of using the output device 35 .
  • the defect output unit 313 may use the communication device 33 to output (transmit) the defect information 425 as data to an information terminal owned by the user (for example, a personal computer, a smartphone, or a tablet terminal).
  • the user can obtain information about defects formed in the modeled object BO. That is, the user can recognize whether or not a defect is formed in the modeled object BO. Furthermore, the user can recognize what kind of defects are formed in the modeled object BO. In this case, the user may take action to reduce the impact caused by the defect.
  • the user may use an apparatus (for example, the modeling apparatus 1 or the modeling apparatus 1 and the different processing equipment). For example, the user may manually perform additional machining to remove the defect.
  • the user may control the modeling apparatus 1 to stop modeling the modeled object BO when the defect information 425 is output.
  • the user may control the modeling apparatus 1 to uniformly stop the modeling of the modeled object BO when the defect information 425 is output.
  • the user may control the modeling apparatus 1 to stop modeling the modeled object BO when the defect information 425 satisfies a predetermined stop condition.
  • the user may control the modeling apparatus 1 to stop modeling the object BO.
  • the user may control the modeling apparatus 1 so as to continue the modeling of the modeled object BO.
  • the user may control the modeling apparatus 1 to continue the modeling of the object BO.
  • the user may modify the modeling conditions. Specifically, based on the defect information 425, the user may modify the modeling conditions so that defects are not formed in the modeled object BO. In this case, the user may modify the overall modeling conditions. Alternatively, the user may partially modify the modeling conditions. In addition, you may consider correcting modeling conditions to be equivalent to changing modeling conditions.
  • the user When partially correcting the modeling conditions, for example, the user does not have to correct part of the modeling conditions while correcting the other part of the modeling conditions.
  • the user modifies at least one of the irradiation conditions, the recoater movement conditions, the stage movement conditions, the head movement conditions, the material conditions, the environmental conditions, and the design conditions. At least one of the conditions, head movement conditions, material conditions, environmental conditions, and design conditions may not be modified.
  • the user can select a plurality of conditions included in the irradiation conditions (for example, the output of the light source that generates the shaping light EL, the intensity of the shaping light EL emitted from the light source, the intensity of the shaping light EL on the material layer ML, The intensity distribution of the shaping light EL on the material layer ML, the irradiation timing of the shaping light EL, the irradiation position of the shaping light EL, the movement rule of the irradiation position of the shaping light EL, the movement trajectory of the irradiation position of the shaping light EL, the adjacent two The hatching distance, which is the interval between two movement trajectories, the moving speed (that is, scanning speed) of the irradiation position of the shaping light EL, the spot diameter of the shaping light EL emitted from the light source, and the spot formed by the shaping light EL on the material layer ML diameter) may be corrected, while at least one of the plurality of conditions included in the irradiation conditions (
  • the user may modify at least one of the multiple conditions included in the recoater movement condition, while not modifying at least one other of the multiple conditions included in the recoater movement condition.
  • the user does not have to modify at least one of the conditions included in the head movement condition while modifying at least one of the conditions included in the head movement condition.
  • the user may modify at least one of the multiple conditions included in the stage movement conditions, while not modifying at least one other of the multiple conditions included in the stage movement conditions.
  • the user may modify at least one of the multiple conditions included in the material conditions, while not modifying at least one other of the multiple conditions included in the material conditions.
  • the user may modify at least one of the multiple conditions included in the environmental conditions while not modifying at least one other of the multiple conditions included in the environmental conditions.
  • the user may correct at least one of the multiple conditions included in the design condition while not correcting at least one other of the multiple conditions included in the design condition.
  • the user modifies the modeling conditions used to model one part of the object BO, while modifying the other part of the object BO. It is not necessary to modify the molding conditions used for As an example, when the defect information 425 indicates that a defect is formed in one part of the object BO, the user sets the modeling conditions used to form one part of the object BO. While modifying, it is not necessary to modify the building conditions used to build other parts that are different from the one part of the object BO. Alternatively, the user modifies the modeling conditions used to model one portion of the object BO and the vicinity of the one portion, while modifying the one portion of the object BO and the vicinity of the one portion. There is no need to modify the build conditions used to build other parts that are different from. Incidentally, the neighborhood portion of one portion may mean a portion whose distance from the one portion is equal to or less than a predetermined distance. As a result, it is possible to shorten the time required to correct the modeling conditions.
  • the modeling apparatus 1 may model the object BO using the modeling conditions corrected by the user.
  • the defect information 425 is output after the modeling period ends (that is, after the modeling of a certain three-dimensional structure ST is completed)
  • the user can select the three-dimensional structure ST having the same shape and the like.
  • the modeling conditions used for the next modeling may be modified.
  • the modeling apparatus 1 may use the modified modeling conditions when modeling the three-dimensional structure ST having the same shape or the like next time.
  • the defect information 425 is output during the modeling period (that is, before the modeling of a certain three-dimensional structure ST is completed)
  • the user may complete the three-dimensional structure ST in the process of being shaped.
  • the modeling apparatus 1 may restart modeling of the three-dimensional structure ST in the middle of modeling using the corrected modeling conditions.
  • the user may repair the defect in a part of the modeled object BO.
  • the user may control the modeling apparatus 1 to re-melt a part of the modeled object BO by irradiating it with the shaping light EL again.
  • the user may control the modeling apparatus 1 to irradiate a part of the modeled object BO with the shaping light EL again using the corrected modeling conditions.
  • the defect output unit 313 may output the defect information 425 to a device external to the information processing device 3 .
  • the defect output unit 313 may use the communication device 33 to output (that is, transmit) the defect information 425 to an external device.
  • the defect output unit 313 may transmit the defect information 425 to the modeling apparatus 1 .
  • the modeling apparatus 1 may receive (acquire) the defect information 425 .
  • the modeling apparatus 1 may output the defect information 425 using an output device (not shown) included in the modeling apparatus 1 .
  • the modeling apparatus 1 may output the defect information 425 as an image using a display device included in the modeling apparatus 1 .
  • the modeling apparatus 1 may output the defect information 425 as audio using an audio device included in the modeling apparatus 1 .
  • the modeling apparatus 1 may output a sheet on which the defect information 425 is printed using a printing device included in the modeling apparatus 1 .
  • the modeling apparatus 1 may output (that is, transmit) the defect information 425 as data using a communication device (not shown) included in the modeling apparatus 1 .
  • the modeling apparatus 1 may output (transmit) the defect information 425 as data to an information terminal owned by the user (for example, a personal computer, a smartphone, or a tablet terminal).
  • the control unit 16 of the modeling apparatus 1 may control the modeling unit 10 based on the received defect information 425. For example, based on the defect information 425, the control unit 16 controls the modeling unit 10 (or other processing equipment) may be controlled. In this case, it is possible to reduce the influence caused by the defect without bothering the user.
  • control unit 16 may control the modeling unit 10 to stop modeling the modeled object BO when the defect information 425 is output.
  • the control unit 16 may control the shaping unit 10 to uniformly stop shaping the shaped object BO when the defect information 425 is output.
  • the control unit 16 may control the modeling unit 10 to stop modeling the object BO when the defect information 425 satisfies a predetermined stop condition.
  • the control unit 16 may control the modeling unit 10 to stop modeling the object BO when the defect indicated by the defect information 425 adversely affects proper modeling of the object BO.
  • the control unit 16 may control the modeling unit 10 to continue the modeling of the object BO when the defect information 425 does not satisfy the predetermined stop condition.
  • control unit 16 may control the modeling unit 10 to continue the modeling of the object BO. good. In this case, the influence caused by the defect can be reduced without bothering the user.
  • control unit 16 may correct the modeling conditions based on the defect information 425. Specifically, based on the defect information 425, the control unit 16 may modify the modeling conditions so that defects are not formed in the modeled object BO. In this case, the control unit 16 may modify the overall build conditions. Alternatively, the control unit 16 may partially modify the modeling conditions in the same manner as the user partially modifies the modeling conditions.
  • the control unit 16 may correct part of the modeling conditions while not correcting the other part of the modeling conditions.
  • the control unit 16 corrects at least one of irradiation conditions, recoater movement conditions, stage movement conditions, head movement conditions, material conditions, environmental conditions, and design conditions, while modifying irradiation conditions, recoater movement conditions, At least one of the stage movement conditions, head movement conditions, material conditions, environmental conditions, and design conditions may not be modified.
  • the control unit 16 controls a plurality of conditions included in the irradiation conditions (for example, the output of the light source that generates the shaping light EL, the intensity of the shaping light EL emitted from the light source, the intensity of the shaping light EL on the material layer ML, intensity, intensity distribution of the shaping light EL on the material layer ML, irradiation timing of the shaping light EL, irradiation position of the shaping light EL, movement rule of the irradiation position of the shaping light EL, movement trajectory of the irradiation position of the shaping light EL, The hatching distance that is the interval between two matching movement trajectories, the moving speed of the irradiation position of the shaping light EL (that is, the scanning speed), the spot diameter of the shaping light EL emitted from the light source, and the shaping light EL formed on the material layer ML
  • the diameter of the spot to be irradiated may be corrected, while at least one of the plurality of conditions included in the ir
  • the control unit 16 may modify at least one of the plurality of conditions included in the recoater movement condition while not modifying at least one other of the plurality of conditions included in the recoater movement condition. .
  • the control unit 16 may correct at least one of the plurality of conditions included in the head movement conditions, while not correcting at least one other of the plurality of conditions included in the head movement conditions. .
  • the control unit 16 may modify at least one of the multiple conditions included in the stage movement conditions, while not modifying at least one other of the multiple conditions included in the stage movement conditions. .
  • the control unit 16 may modify at least one of the multiple conditions included in the material conditions, while not modifying at least another one of the multiple conditions included in the material conditions.
  • Control unit 16 may modify at least one of the plurality of conditions included in the environmental conditions while not modifying at least one other of the plurality of conditions included in the environmental conditions.
  • the control unit 16 may modify at least one of the multiple conditions included in the design condition, while not modifying at least one other of the multiple conditions included in the design condition.
  • the control unit 16 modifies the molding conditions used for molding one portion of the object BO while molding the other portion of the object BO. without modifying the build conditions used to As an example, if the defect information 425 indicates that a defect is formed in one portion of the object BO, the control unit 16 determines the shape used to form the one portion of the object BO. While modifying the conditions, it is not necessary to modify the building conditions used to build other parts of the object BO that are different from the one part. Alternatively, the control unit 16 modifies the modeling conditions used for modeling the one portion of the object BO and the neighboring portion of the one portion, while the control unit 16 modifies the one portion of the object BO and the one portion of the object BO. There is no need to modify the build conditions used to build other parts that are different from the neighboring parts. As a result, it is possible to shorten the time required to correct the modeling conditions.
  • the control unit 16 may control the molding unit 10 to mold the object BO using the molding conditions corrected by the control unit 16.
  • the control unit 16 may modify the modeling conditions used when modeling the three-dimensional structure ST having the same shape or the like next time.
  • the control unit 16 may control the modeling unit 10 using the corrected modeling conditions when modeling the three-dimensional structure ST having the same shape or the like next time.
  • the control unit 16 may modify the modeling conditions used to complete the three-dimensional structure ST in the process of being shaped. In this case, the control unit 16 may control the modeling unit 10 to restart the modeling of the three-dimensional structure ST in the middle of modeling using the modified modeling conditions. Note that when the defect information 425 indicating that a defect is formed in one part of the object BO is input during the modeling period, the modeling unit 10 repairs the defect in one part of the object BO. good too.
  • control unit 16 may control the modeling unit 10 to re-melt a portion of the object BO by irradiating it with the modeling light EL again.
  • control unit 16 may control the shaping unit 10 to irradiate the shaping light EL again to one portion of the shaped object BO using the modified shaping conditions.
  • the defect output unit 313 When outputting the defect information 425, as shown in FIG. 11, the defect output unit 313 outputs (for example, displays or send).
  • FIG. 11 shows an example of a display format in which the defect information 425 and the position information 426 are associated.
  • FIG. 11 shows an example of a data structure in which defect information 425 and position information 426 are associated. In this case, the user or the control unit 16 can easily identify where the defect is formed on the modeled object BO.
  • the defect information 425 may include, as information about the density of defects, information about the density of defects in an arbitrary unit space centered on the position indicated by the position information 426 associated with the defect information 425 . That is, the defect information 425 including information about the density of defects may be associated with the position information 426 indicating the position of the center of this unit space.
  • the density of defects in any unit space may include the average density of defects in any unit space.
  • the defect information 425 may include, as information about the characteristics of a defect, information about the characteristics of a defect formed in an arbitrary unit space whose center is the position indicated by the position information 426 associated with the defect information 425. good.
  • the defect information 425 including information about the characteristics of the defect may be associated with the position information 426 indicating the position of the center of this unit space.
  • the defect information 425 may include, as information about the characteristics of the defect, information about the characteristics of the defect (for example, the void SP) whose center of gravity is the position indicated by the position information 426 associated with the defect information 425. good. That is, the defect information 425, which includes information about the characteristics of the defect, may be associated with the position information 426 indicating the position of the center of gravity of the defect.
  • the defect output unit 313 may output (for example, display or transmit) the process data 415 described above together with the defect information 425.
  • the defect output unit 313 may output (for example, display or transmit) the defect information 425 and the process data 415 in an output format in which the defect information 425 and the process data 415 are associated. That is, the defect output unit 313 outputs (for example, displays or transmits) at least one of the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414 that constitute the process data 415, along with the defect information 425.
  • the defect output unit 313 outputs the defect information 425 and the process data 415 in an output format in which at least one of the defect information 425 and the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414 are associated. At least one of the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414 may be output (for example, displayed or transmitted).
  • defect information 425 and process data 415 are associated via position information 416 (426).
  • the defect information 425 and the process data 415 may be associated by a method different from the method using the position information 416 (426).
  • FIG. 12 shows an example of a display format in which the process data 415 is displayed together with the defect information 425 .
  • defect information 425 is transmitted as data
  • FIG. 12 shows an example of a data structure in which process data 415 is transmitted together with defect information 425.
  • the defect output unit 313 outputs defect information 425 (referred to as “defect information 425a” for convenience of explanation) regarding a defect formed in one part of the object BO and
  • the defect information 425 and the process data 415 may be output in an output format associated with the process data 415 (referred to as “process data 415a” for convenience of explanation).
  • the defect information 425a and the process data 415a are obtained via position information 416 and 426 (referred to as "position information 416a and 426a" for convenience of explanation) indicating the position of one portion of the object BO. associated with
  • the user or the control unit 16 can easily grasp the cause of the formation of the defect in the part of the object BO by referring to the process data 415 related to the modeling of the part of the object BO.
  • the cause of the defect is that the amount of energy transmitted from the shaping light EL to the material layer ML is insufficient or excessive with respect to the target amount. Being one is as described above. Therefore, if the amount of energy transmitted from the shaping light EL to the material layer ML is output together with the defect information 425, the user or the control unit 16 can better understand the cause of the formation of the defect indicated by the defect information 425. be able to.
  • the defect prediction unit 312 may calculate an estimated value regarding the amount of energy transmitted from the shaping light EL to the material layer ML. Specifically, based on the process data 415 regarding the modeling of the part of the object BO, the defect prediction unit 312 predicts the energy transmitted from the modeling light EL to the material layer ML in the modeling of the part of the object BO. Estimates for quantity may be calculated. For example, the defect predictor 312 may calculate an estimated value for the amount of energy based on at least one of the measurement information 411 and 412 of the process data 415 .
  • the defect prediction unit 312 uses the width of the molten pool MP, which is an example of the feature amount calculated from the measurement information 411, and the thickness of the solidified layer STL, which is an example of the feature amount calculated from the measurement information 412. Then, an estimated value of energy density (that is, the amount of energy per unit volume), which is an example of an estimated value of the amount of energy, may be calculated. Specifically, let the width of the molten pool MP be ⁇ y, the thickness of the solidified layer STL be ⁇ z, the output of the light source that generates the shaping light EL be P, and the irradiation position of the shaping light EL on the material layer ML.
  • the defect prediction unit 312 uses the width of the molten pool MP, which is an example of the feature amount calculated from the measurement information 411, to calculate the power density (that is, per unit area), which is an example of an estimated value related to the amount of energy. ) may be calculated. Specifically, the defect prediction unit 312 calculates the diameter of the spot formed by the shaping light EL on the material layer ML based on the width of the molten pool MP. After that, the defect prediction unit 312 may calculate the power density based on the calculated spot diameter.
  • the output (P) of the light source and the scanning speed (v) of the shaping light EL may each use the value of the shaping information 413 .
  • the value of the modeling information 413 may be used for the spot diameter (d) of the modeling light EL.
  • the defect prediction unit 312 uses the size of the molten pool MP, which is an example of the feature amount calculated from the measurement information 411, to estimate an index value called penetration geometry, which is an example of an estimated value related to the amount of energy. value may be calculated.
  • An example of a penetration geometry is shown in FIG. As shown in FIG. 13, the penetration geometry is defined by the depths dp and do of the molten build material in the melt pool MP and the thickness tL of the material layer ML. The depth dp corresponds to the distance from the surface of the material layer ML to the bottommost portion of the molding material melted in the molten pool MP (that is, the depth of the molten pool MP).
  • the depth do corresponds to the distance from the surface of the material layer ML to the position where two adjacent molten pools MP (specifically, two molten pools MP formed in two adjacent scanning lines) intersect. Both the depths dp and do can be calculated (estimated) from the size of the molten pool MP.
  • a first penetration geometry calculated from the formula dp/tL and a second penetration geometry calculated from the formula do/tL may be used as the penetration geometry. In this case, if at least one of the first and second penetration geometries is less than 1, it is presumed that the build material is undermelted (ie, the amount of energy is insufficient).
  • At least one of the first and second penetration geometries is greater than or equal to 1 and less than the upper allowable limit, then it is presumed that the build material is adequately melted (ie, the amount of energy is adequate). Excessive melting of the build material (ie, excessive amount of energy) is presumed if at least one of the first and second penetration geometries is greater than or equal to the upper allowable value.
  • defect predictor 312 may use Energy information 435 may be associated with build locations.
  • Defect predictor 312 may generate energy information 435 associated with the build location.
  • the defect prediction unit 312 stores the energy information 435 including information on the estimated value of the amount of energy transmitted from the shaping light EL to the material layer ML to a portion of the object BO while the shaping apparatus 1 is performing the shaping process. It may also be associated with the modeling position (that is, one part of the model BO).
  • the defect prediction unit 312 transmits the energy information 435 including information on the estimated value of the amount of energy transmitted from the modeling light EL to the material layer ML to another part of the object BO to the modeling process performed by the modeling apparatus 1. It may be associated with a position (that is, another part of the model BO).
  • the defect output unit 313 may output (for example, display or transmit) the energy information 435 regarding the estimated value regarding the energy amount calculated by the defect prediction unit 312 together with the defect information 425 . That is, the defect output unit 313 may output (for example, display or transmit) the defect information 425 and the energy information 435 in an output format in which the defect information 425 and the energy information 435 are associated with each other. In the example shown in FIG. 14, defect information 425 and energy information 435 are associated via position information 416 (426). In this case, the energy information 435 including information on the estimated value of the amount of energy transmitted from the shaping light EL to the material layer ML to one part of the object BO and the information on defects occurring in one part of the object BO are stored.
  • FIG. 14 shows an example of a display format in which the energy information 435 is displayed together with the defect information 425 .
  • FIG. 14 shows an example of a data structure in which energy information 435 is output together with defect information 425.
  • the process data 415 is output together with the defect information 425 and the energy information 435, but the process data 415 does not necessarily have to be output.
  • the user or the control unit 16 can more appropriately grasp the cause of the formation of the defect indicated by the defect information 425. Specifically, the user or the control unit 16 determines that the cause of the formation of the defect indicated by the defect information 425 is that the amount of energy transmitted from the shaping light EL to the material layer ML is insufficient for the target amount. or the amount of energy transmitted from the shaping light EL to the material layer ML is excessive with respect to the target amount. As a result, the user or the control unit 16 can more appropriately correct the above-described modeling conditions (in particular, the irradiation conditions regarding the modeling light EL).
  • the user or the control unit 16 may correct the modeling conditions so as to increase the amount of energy. good.
  • the user or the control unit 16 can reduce the thickness of the support member located below the material layer ML to increase the power of the light source that produces the shaping light EL to be transmitted from the shaping light EL to the material layer ML.
  • the energy is transmitted from the shaping light EL to the material layer ML.
  • the build conditions may be modified to increase the amount of energy applied.
  • the user or the control unit 16 corrects the shaping conditions so that the amount of energy is decreased.
  • the user or the control unit 16 may increase the thickness of the support member located below the material layer ML, which reduces the power of the light source that produces the shaping light EL to be transmitted from the shaping light EL to the material layer ML.
  • the moving speed that is, scanning speed
  • the defect output unit 313 outputs defect information 425 (referred to as “defect information 425a” for convenience of explanation) relating to a defect formed in one part of the object BO, and modeling light EL in forming one part of the object BO.
  • the defect information 425 and the energy information 435 may be output in an output format associated with the energy information 435 (referred to as "energy information 435a” for convenience of explanation) regarding the amount of energy transmitted from the material layer ML.
  • the defect information 425a and the energy information 435a are obtained via position information 416 and 426 (referred to as "position information 416a and 426a" for convenience of explanation) indicating the position of one portion of the object BO. associated with In this case, the user or the control unit 16 can better understand the cause of the defect formed at a certain position.
  • the defect output unit 313 may output (for example, display or transmit) defect statistical information 445 indicating statistical values of defects indicated by the defect information 425 .
  • defect statistics 445 An example of defect statistics 445 is shown in FIG. As shown in FIG. 15, the defect statistics information 445 includes the total number of defects, the maximum volume of defects (i.e., the volume of the largest defect), the maximum length of the defects (i.e., the length of the longest defect), and the average volume of defects. and an average defect length.
  • the defect output unit 313 outputs (specifically, displays) the defect information 425 in the form of a table. However, when the defect information 425 is displayed for the user, the defect output unit 313 displays the defect information 425 in a display format that makes it easier for the user to intuitively understand the information about the defect indicated by the defect information 425. You may
  • the defect output unit 313 may display the defect information 425 together with the three-dimensional model of the modeled object BO (the three-dimensional structure ST in the example shown in FIG. 16).
  • the defect output unit 313 may superimpose a mark MI indicating that a defect is formed on a portion of the three-dimensional model of the object BO where the defect is formed.
  • the user selects the mark MI using the input device 34, detailed information about the defect indicated by the mark MI may be displayed (for example, displayed as a pop-up).
  • the detailed defect information may include at least one of defect characteristics and density.
  • the detailed defect information may include numerical values of at least one of defect characteristics and density.
  • the defect output unit 313 may change the display format of the mark MI indicating that a defect has been formed, depending on the cause of the defect.
  • the defect output unit 313 can display a mark MI indicating a defect formed due to an excessive amount of energy and a mark MI indicating a defect formed due to an insufficient amount of energy.
  • the display format may be at least one of the color of the mark MI, the brightness of the mark MI, the size of the mark MI, and the shape of the mark MI.
  • the defect output unit 313 may change the display format of the mark MI based on at least part of the defect information 425 and the process data 415. For example, the defect output unit 313 changes the display format of the mark MI indicating a defect predicted to occur at one position based on the temperature of the molten pool MP formed at the one position calculated from the measurement information 411. You may For example, the defect output unit 313 is predicted to occur at one position based on the difference between the temperature of the molten pool MP formed at one position calculated from the measurement information 411 and the reference temperature of the molten pool MP. The display format of the marks MI indicating defects may be changed.
  • the defect output unit 313 predicts that a defect will occur at one position based on the difference between the thickness of the solidified layer STL formed at one position calculated from the measurement information 412 and the design thickness of the solidified layer STL.
  • the display format of the mark MI indicating the defect that has been detected may be changed. Note that when the user selects the mark MI using the input device 34, detailed information of the process data 415 indicated by the mark MI may be displayed (for example, displayed as a pop-up).
  • the detailed information of the process data 415 may include at least one numerical value of the measurement information 411 , the measurement information 412 , the modeling information 413 and the feature amount information 414 in the process data 415 .
  • the defect output unit 313 may superimpose a mark indicating that no defect is formed on a portion of the three-dimensional model of the object BO where no defect is formed.
  • the defect output unit 313 may differ in the display format of the mark MI indicating that a defect is formed and the display format of the mark that indicates that no defect is formed. Based on at least part of the defect information 425 and the process data 415, the defect output unit 313 may change the display format of the mark indicating that no defect is formed.
  • the defect output unit 313 may display energy information 435 in addition to or instead of defect information 425 .
  • the defect output unit 313 may display, as the energy information 435, a display object indicating an estimated value regarding the amount of energy transmitted to the one portion of the modeled object BO.
  • the defect output unit 313 may change the display format of the display object corresponding to the energy information 435 based on at least part of the defect information 425 and the process data 415 .
  • the defect output unit 313 may change the display format of the display object corresponding to the energy information 435 based on the estimated value of the energy amount.
  • the defect output unit 313 may change the display format of the mark MI indicating a defect predicted to occur in the one portion based on the energy information 435 of the one portion of the object BO.
  • detailed information of the energy information 435 indicated by the mark MI may be displayed (for example, displayed as a pop-up).
  • the detailed information of the energy information 435 may include numerical values of at least one of energy density, power density, and penetration geometry. In this case, it becomes easier for the user to intuitively understand the amount of energy transmitted to each part of the object BO.
  • the defect output unit 313 may display the process data 415 in addition to or instead of the defect information 425.
  • the defect output unit 313 may display a display object indicating the process data 415 related to modeling of the one portion on the one portion of the object BO.
  • the defect output unit 313 may change the display format of the display object indicating the process data 415 based on at least part of the defect information 425 and the process data 415 . In this case, it becomes easier for the user to intuitively understand the process data 415 regarding the modeling of each portion of the object BO.
  • the defect output unit 313 may display density information regarding the density of the modeled object BO.
  • the defect output unit 313 may display, as density information, a display object indicating the density of the one portion on the one portion of the modeled object BO.
  • the defect output unit 313 may change the display format of the display object indicating the density based on at least part of the defect information 425 and the process data 415 .
  • the defect output unit 313 may change the display format of the display object corresponding to the energy information 435 based on the density.
  • the defect output unit 313 may change the display format of the mark MI indicating a defect predicted to occur in the one portion based on the density information of the one portion of the object BO.
  • the one portion of the modeled object BO predicted to have a defect may be a portion having a density (that is, the density estimated as described above) lower than the threshold.
  • the mark MI may be a display object that indicates a portion with a density lower than a threshold as a defect. Note that when the user selects a mark MI using the input device 34, detailed information (for example, numerical value of density) indicated by the mark MI may be displayed (for example, pop-up display). . In this case, it becomes easier for the user to intuitively understand the density of each portion of the modeled object BO.
  • the defect output unit 313 may simultaneously display at least two of the defect information 425, the process data 415, the energy information 435 and the density information. For example, defect output unit 313 may display energy information 435 and defect information 415 at the same time. In this case, the defect output unit 313 changes the display format of the energy information 435 by the first change method based on the estimated value of the energy amount, and changes the display format of the defect information 415 by the second change method based on the characteristic of the defect. You can change the method.
  • a first modification method is a method of modifying a first characteristic (eg, size) of a display object such as a mark MI
  • a second modification method is a method of modifying a second property (eg, size) of a display object such as a mark MI.
  • defect output unit 313 may display density information and process data 415 at the same time. In this case, the defect output unit 313 changes the display format of the density information based on the density by the first changing method, and changes the display format of the process data 415 based on the process data 415 by the second changing method. good too.
  • the defect output unit 313 may display density information and defect information 425 at the same time.
  • the defect output unit 313 changes the display format of the density information by the first change method based on the density, and changes the display format of the defect information 425 by the second change method based on the characteristic of the defect. good too.
  • the defect output unit 313 may display defect information 425 in association with modeling time.
  • the modeling apparatus 1 sequentially models each part of the modeled object BO (typically, the three-dimensional structure ST). Therefore, the position of each part of the modeled object BO (that is, the modeling position) can be converted into the modeling time. Therefore, the defect output unit 313 displays the defect information 425 in association with the modeling time so as to indicate at which modeling time in the series of modeling periods for modeling the three-dimensional structure ST the defect was formed.
  • the defect output unit 313 associates the defect output unit 313 with the modeling time so as to indicate at which modeling time in a series of modeling periods for modeling the three-dimensional structure ST the modeling that caused the formation of the defect was performed.
  • Information 425 may be displayed.
  • FIG. 17 shows a display example of defect information 425 indicating that defects were formed at modeling times t1, t2, and t3 in a series of modeling periods.
  • the defect output unit 313 may display the energy information 435 in association with the modeling time.
  • FIG. 17 shows an example in which energy information 435 is displayed using a graph showing changes in energy amount over time.
  • the user or the control unit 16 determines whether the defect was created due to an insufficient amount of energy relative to the target amount or due to an excess amount of energy relative to the target amount. It is possible to grasp more appropriately whether The modeling apparatus 1 sequentially stacks the solidified layers STL to model the modeled object BO. Therefore, it can be said that the position of each solidified layer STL of the modeled object BO in the stacking direction (for example, the Z-axis direction) can be converted into the modeling time.
  • the defect output unit 313 may display the defect information 425 in association with each solidified layer STL (eg, each solidified layer STL from the first layer to the Nth layer).
  • FIG. 17 shows an example in which the energy information 435 is displayed using the vertical axis within the two-dimensional plane defined by the two axes of the defect output section 313 .
  • defect output unit 313 may display at least one of defect information 425, process data 415, and density information using the vertical axis.
  • defect output section 313 may display at least two of energy information 435, defect information 425, process data 415, and density information within a three-dimensional space defined by three axes.
  • the information processing device 3 uses the measurement information 411 and 412 obtained by the measuring device 2 actually measuring the object to be measured when forming the object BO. at least one of is used to generate the defect information 425 regarding the defects formed in the modeled object BO. In other words, the information processing device 3 uses at least one of the measurement information 411 and 412 to predict defects to be formed in the modeled object BO. For this reason, compared to the information processing apparatus of the first comparative example that predicts defects formed in the model BO without using the measurement information 411 and 412 obtained by actually measuring the measurement object, the information processing The device 3 can more accurately predict defects to be formed in the modeled object BO.
  • the information processing device 3 predicts defects to be formed in the model BO using a prediction model PM generated in advance by machine learning. Therefore, compared to the information processing apparatus of the second comparative example that predicts defects formed in the model BO without using the prediction model PM, the information processing apparatus 3 can detect defects formed in the model BO more easily. It can be predicted with high accuracy.
  • FIG. 18 is a block diagram showing the configuration of the model generation device 5. As shown in FIG.
  • the model generation device 5 includes an arithmetic device 51, a storage device 52, and a communication device 53. Furthermore, the model generation device 5 may comprise an input device 54 and an output device 55 . However, the model generation device 5 does not have to include at least one of the input device 54 and the output device 55 . Arithmetic device 51 , storage device 52 , communication device 53 , input device 54 , and output device 55 may be connected via data bus 56 .
  • the computing device 51 includes, for example, at least one of a CPU, GPU and FPGA. Arithmetic device 51 reads a computer program. For example, arithmetic device 51 may read a computer program stored in storage device 52 . For example, the computing device 51 may read a computer program stored in a computer-readable non-temporary recording medium using a recording medium reading device (not shown) included in the model generation device 5 . The computing device 51 may acquire (that is, download) a computer program from a device (not shown) arranged outside the model generation device 5 via the communication device 53 (or other communication device). may be read). Arithmetic device 51 executes the read computer program.
  • the arithmetic unit 51 implements logical functional blocks for executing the processing to be performed by the model generation device 5 (for example, the model generation processing for generating the prediction model PM).
  • the arithmetic device 51 can function as a controller for realizing logical functional blocks for executing the processing that the model generation device 5 should perform.
  • FIG. 18 shows an example of logical functional blocks implemented within the arithmetic unit 51 for executing model generation processing.
  • an information acquisition unit 511 and a model generation unit 512 are implemented in the computing device 51 .
  • the processing performed by the information acquisition unit 511 and the model generation unit 512 will be described later in detail with reference to FIG. 19 and the like, but the outline thereof will be described below.
  • the information acquisition unit 511 acquires a plurality of (typically a large amount of) learning data 610 necessary for machine learning for generating the prediction model PM.
  • a plurality of learning data 610 acquired by the information acquisition unit 511 are stored as a learning data set 600 in the storage device 52 .
  • the model generation unit 512 uses at least part of the learning data set 600 to perform machine learning for generating the prediction model PM. Note that the model generation process can also be said to be a model generation operation.
  • the storage device 52 can store desired data.
  • the storage device 52 may temporarily store computer programs executed by the arithmetic device 51 .
  • the storage device 52 may temporarily store data temporarily used by the arithmetic device 51 while the arithmetic device 51 is executing a computer program.
  • the storage device 52 may store data that the model generation device 5 saves over a long period of time.
  • the storage device 52 may include at least one of RAM (Random Access Memory), ROM (Read Only Memory), hard disk device, magneto-optical disk device, SSD (Solid State Drive), and disk array device. good. That is, the storage device 52 may include non-temporary recording media.
  • the communication device 53 can communicate with devices external to the model generation device 5 via a communication network (not shown).
  • the input device 54 is a device that receives input of information to the model generation device 5 from outside the model generation device 5 .
  • the input device 54 may include an operation device (for example, at least one of a keyboard, a mouse, and a touch panel) that can be operated by the user of the model generation device 5 .
  • the input device 54 may include a recording medium reading device capable of reading information recorded as data on a recording medium that can be externally attached to the model generation device 5 .
  • Information can be input as data to the model generation device 5 from a device external to the model generation device 5 via the communication device 53 .
  • the communication device 53 may function as an input device that receives input of information to the model generation device 5 from outside the model generation device 5 .
  • the output device 55 is a device that outputs information to the outside of the model generation device 5 .
  • the output device 55 may output information as an image.
  • the output device 55 may include a display device (so-called display) capable of displaying images.
  • the output device 55 may output information as audio.
  • the output device 55 may include an audio device capable of outputting audio (so-called speaker).
  • the output device 55 may output information on paper. That is, the output device 55 may include a printing device (so-called printer) capable of printing desired information on paper.
  • the output device 55 may output information as data to a recording medium that can be externally attached to the model generation device 5 .
  • Information can be output as data from the model generation device 5 to a device external to the model generation device 5 via the communication device 53 .
  • the communication device 53 may function as an output device that outputs information to the outside of the model generation device 5 .
  • FIG. 19 is a flowchart showing the flow of model generation processing performed by the model generation device 5. As shown in FIG.
  • model generation device 5 typically performs model generation processing before the information processing device 3 described above starts defect prediction processing. This is because the information processing device 3 performs defect prediction processing using the prediction model PM generated by the model generation device 5 .
  • the model generation device 5 may perform the model generation processing at desired timing after the information processing device 3 starts the defect prediction processing using the prediction model PM.
  • the model generation process may be considered equivalent to the process of updating (in other words, improving or re-learning) the prediction model PM already installed in the information processing device 3 .
  • the information acquisition unit 511 acquires a plurality of learning data 610 required for machine learning for generating the prediction model PM (steps S21 to S24).
  • the learning data 610 the above-described process data 415 obtained and/or calculated when the object BO is actually formed, and defects formed in the object BO that has been formed. (that is, the characteristics of the object BO) are associated with the actual measurement results are used. Therefore, in order to cause the information acquisition unit 511 to acquire the learning data 610 (that is, to perform the model generation process), the object BO is actually modeled.
  • the modeling apparatus 1 described above may model the modeled object BO.
  • another modeling apparatus different from the modeling apparatus 1 may model the modeled object BO.
  • the modeled object BO that is modeled for the model generation process is referred to as "modeled object BO*" to distinguish it from the modeled object BO that is the target of the defect prediction process.
  • the modeled object BO that is the target of the defect prediction process may also be used as the modeled object BO that is modeled to perform the model generation process.
  • the process data 415 may not include at least one of the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414. Therefore, the process data 415 included in the learning data 610 may also not include at least one of the measurement information 411 , the measurement information 412 , the modeling information 413 and the feature amount information 414 . That is, the learning data need not include at least one of the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414.
  • the measuring device 2 measures the object to be measured in the same way as when the modeled object BO to be subjected to the defect prediction process is modeled. do. As a result, at least one of measurement information 411 and 412 is generated.
  • the information acquisition unit 511 acquires, as part of the learning data 610, at least one of the measurement information 411 and 412 generated during the modeling period in which the modeled object BO* is modeled (step S21). In other words, the information acquisition unit 511 acquires at least one of the measurement information 411 and 412 in the same manner as the information acquisition unit 311 described above. Therefore, the process of step S21 of FIG.
  • the measurement information 411 and 412 acquired for performing the model generation processing are referred to as "measurement information 611 and 612", respectively. 411 and 412 are distinguished. However, the information acquisition unit 511 does not have to acquire at least one of the measurement information 611 and 612 as part of the learning data 610 .
  • another measuring device different from the measuring device 2 may measure the measurement object. That is, another measuring device different from the measuring device 2 may generate at least one of the measurement information 611 and 612 .
  • the information acquisition unit 511 acquires modeling information 413 regarding the modeling of the modeled object BO* as part of the learning data 610 (step S22). That is, the information acquisition unit 511 acquires the molding information 413 in the same manner as the information acquisition unit 311 described above. Therefore, the process of step S22 of FIG. 19 may be the same as the process of step S12 of FIG. 9 described above.
  • the modeling information 413 acquired for model generation processing is referred to as "modeling information 613" to distinguish it from the modeling information 413 acquired for defect prediction processing.
  • the information acquisition unit 511 does not have to acquire the modeling information 613 as part of the learning data 610 .
  • the information acquisition unit 511 calculates at least one of the measurement information 611 and 612 acquired in step S21, similarly to the above-described defect prediction unit 312 that calculates the feature amount of the measurement object based on at least one of the measurement information 411 and 412. Based on one, the feature amount of the object to be measured is calculated (step S23). That is, the information acquisition unit 511 generates the feature amount information 414 in the same manner as the defect prediction unit 312 described above. Therefore, the process of step S23 of FIG. 19 may be the same as the process of step S13 of FIG. 9 described above.
  • the generated feature amount information 414 is used as part of the learning data 610 .
  • the feature amount information 414 generated for model generation processing is referred to as "feature amount information 614" to distinguish it from the feature amount information 414 generated for defect prediction processing. do.
  • the information acquisition unit 511 does not have to generate the feature amount information 614 as part of the learning data 610 .
  • the feature amount calculated based on the temperature image data D_T may be calculated by the temperature measurement device 21, or may be calculated based on the shape image data D_3D. may be calculated by the shape measuring device 22 .
  • at least one of the measurement information 611 and 612 may include feature amount information 614 .
  • each of the measurement information 411, the measurement information 412, the modeling information 413, and the feature amount information 414 acquired in the defect prediction process may be associated with the position information 416 indicating the modeling position.
  • Each of the measurement information 611, the measurement information 612, the modeling information 613, and the feature amount information 614 acquired in the model generation processing is also position information indicating the modeling position where the modeling processing was performed to model the modeled object BO*. 416.
  • the position information 416 used for model generation processing is referred to as "position information 616" to distinguish it from the position information 416 used for defect prediction processing.
  • the information acquisition unit 511 acquires actual measurement results of defects formed in the modeled object BO* (that is, characteristics of the modeled object BO*) (step S24). For example, after the modeling apparatus 1 finishes modeling the modeled object BO*, the modeled object BO* is transported from the modeling apparatus 1 to a defect measuring device (for example, an X-ray CT device or the like) capable of measuring defects. good too. After that, the defect measuring device may actually measure the defects formed on the model BO*. After that, the information acquisition unit 511 may acquire the measurement result by the defect measuring device as the actual measurement result of the defect. Defect measurement information 617 indicating actual measurement results of acquired defects is used as part of the learning data 610 . The defect measurement information 617 is used as a machine learning label (that is, a correct label or teacher data), as will be described later.
  • a machine learning label that is, a correct label or teacher data
  • the defect measurement information 617 may include information similar to the defect information 425 described above.
  • the defect measurement information 617 may include information regarding the presence/absence of defects in each portion of the modeled object BO*.
  • the defect measurement information 617 may include information regarding the density of the modeled object BO*.
  • the defect measurement information 617 may include information regarding the characteristics (for example, at least one of size, position and shape) of defects formed in the model BO*.
  • the density of the modeled object BO itself may not be regarded as a defect of the modeled object BO.
  • a measurement result obtained by a density measuring device that actually measures the density of may be acquired as density measurement information.
  • learning data set 600 includes multiple pieces of learning data 610 .
  • Each piece of learning data 610 includes position information 616 indicating a certain modeling position, process data 615 including measurement information 611, measurement information 612, modeling information 613, and feature amount information 614 associated with the position information 616, and position information. and defect actual measurement information 617 indicating the actual measurement result of the defect at the modeling position indicated by 616 . Therefore, typically, when one modeled object BO* is modeled, the information acquisition unit 511 acquires a data set including a plurality of learning data 610 corresponding to a plurality of different modeling positions. good too. Furthermore, when a plurality of objects BO* are formed, the information acquisition unit 511 may acquire a plurality of data sets respectively corresponding to a plurality of different objects BO*.
  • the information acquisition unit 511 continues acquiring learning data 610 until the required number of learning data 610 is acquired (step S25).
  • the model generation unit 512 uses at least part of the learning data set 600 to perform machine learning for generating the prediction model PM. (step S26). That is, the model generation unit 512 uses at least part of the plurality of learning data 610 acquired in steps S21 to S24 to perform machine learning for generating the prediction model PM (step S26).
  • the model generation unit 512 extracts N (where N is an integer equal to or greater than 1) learning data 610 actually used for machine learning from the learning data set 600 . After that, the model generation unit 512 generates a prediction model PM to be machine-learned (for example, a prediction model PM before learning or a prediction model PM that has already been learned but is to be re-learned), and Defect information 425 regarding defects formed in the model BO* is generated using the process data 615 obtained from the model. In other words, the model generation unit 512 uses the prediction model PM and the process data 615 to predict defects formed in the model BO*.
  • N is an integer equal to or greater than 1
  • the model generation unit 512 uses the prediction model PM and the process data 615 to predict defects formed in the model BO*.
  • the process of generating the defect information 425 using the prediction model PM and the process data 615 is the process of generating the defect information 425 using the prediction model PM and the process data 415 (that is, step S14 in FIG. 9 described above). process).
  • the defect information 425 generated in the model generation process is called "defect information 625" to distinguish it from the defect information 425 generated in the defect prediction process.
  • the model generation unit 512 repeats the process of generating the defect information 625 N times using the N pieces of process data 615 included in the N pieces of learning data 610 . As a result, N pieces of defect information 625 are generated.
  • the model generation unit 512 uses a loss function related to the error (that is, the difference) between the N defect information 625 and the N defect measurement information 617 included in the N learning data 610 to generate the prediction model PM update.
  • the loss function for example, at least one of mean absolute error (MAE), mean square error (MSE), root mean square error (RMSE), and coefficient of determination A loss function using
  • the model generation unit 512 may update the prediction model PM so that the loss calculated using the loss function becomes smaller (preferably minimized). As a result, a prediction model PM with improved defect prediction accuracy compared to the prediction model PM before learning is generated.
  • the model generator 512 may update the prediction model PM using the accuracy index value in the confusion matrix in addition to or instead of the loss function described above.
  • An example of the accuracy index value in the confusion matrix is at least one of recall, precision, and F-measure.
  • the model generation unit 512 may generate defect information 625 using all of the process data 615 included in the learning data 610 .
  • model generator 512 may generate defect information 625 using part of process data 615 included in learning data 610 . That is, the model generator 512 does not have to use other part of the process data 615 included in the learning data 610 to generate the defect information 625 .
  • the model generation unit 512 uses one data portion of the model data 615 that is assumed to be necessary to efficiently generate the prediction model PM, while the prediction model of the process data 615 Defect information 625 may be generated without other data portions that are not assumed to be necessary for efficient PM generation.
  • the model generation unit 512 when the learning data 610 includes process data 615 including all of the measurement information 611, the measurement information 612, the molding information 613, and the feature amount information 614, the model generation unit 512 generates the measurement information 611, the measurement While using at least one of the information 612, the modeling information 613, and the feature amount information 614, the defect Information 625 may be generated.
  • the model generation unit 512 uses part of the measurement information 611, part of the measurement information 612, part of the modeling information 613, and/or part of the feature amount information 614, while using part of the measurement information 611.
  • the defect information 625 may be generated without using the other part, the other part of the measurement information 612, the other part of the modeling information 613 and/or the other part of the feature amount information 614.
  • the model generation unit 512 may generate a plurality of prediction models PM corresponding to different combinations of information elements. For example, the model generation unit 512 uses the first combination of information elements included in the process data 615 to generate the first prediction model PM, the information included in the process data 615 and different from the first combination. A second combination of elements may be used to generate a second predictive model PM that is different from the first predictive model PM.
  • the model generation unit 512 uses all of the measurement information 611, the measurement information 612, the molding information 613, and the feature amount information 614 to generate the first prediction model PM, and the measurement information 611, the measurement information 612, and the feature A second predictive model PM may be generated without using the modeling information 613 while using the quantity information 614 .
  • the model generation unit 512 uses all of the measurement information 611, all of the measurement information 612, all of the modeling information 613 and/or all of the feature amount information 614 to generate the first prediction model PM.
  • part of the measurement information 611, part of the measurement information 612, part of the modeling information 613 and/or part of the feature amount information 614 are used, while other part of the measurement information 611 and other part of the measurement information 612 , the other part of the molding information 613 and/or the other part of the feature amount information 614, the second predictive model PM may be generated.
  • the model generation unit 512 may verify the generated prediction model PM. For example, the model generation unit 512 may extract M (M is an integer equal to or greater than 1) pieces of learning data 610 actually used for verification from the learning data set 600 . At this time, the model generation unit 512 may extract M pieces of learning data 610 using a cross-validation technique. After that, the model generation unit 512 may generate M pieces of defect information 625 using the generated prediction model PM and M pieces of process data 615 respectively included in the M pieces of learning data 610 . After that, the model generation unit 512 uses a loss function (or the accuracy index value in the confusion matrix described above) regarding the error between the M defect information 625 and the M defect measurement information 617 included in the M learning data 610. may be used to evaluate the accuracy of the generated prediction model PM. If the accuracy of the prediction model PM is less than the allowable accuracy, the model generation unit 512 may perform machine learning again to generate the prediction model PM described above.
  • M is an integer equal to or greater than 1
  • Modification (5-1) Modified Example of Model Generation Processing
  • the model generation unit 512 extracts at least one data that satisfies a predetermined extraction criterion.
  • One learning data 610 may be extracted.
  • the extraction criteria may include criteria related to the measurement information 611.
  • the model generator 512 may extract learning data 610 including measurement information 611 that satisfies the extraction criteria.
  • Extraction criteria may include criteria for metrology information 612 .
  • the model generator 512 may extract learning data 610 including measurement information 612 that satisfies the extraction criteria.
  • Extraction criteria may include criteria for modeling information 613 .
  • the model generation unit 512 may extract learning data 610 including modeling information 613 that satisfies the extraction criteria.
  • Extraction criteria may include criteria for feature information 614 .
  • the model generation unit 512 may extract learning data 610 including feature amount information 614 that satisfies the extraction criteria.
  • Extraction criteria may include criteria for location information 616 .
  • model generator 512 may extract learning data 610 including position information 616 that satisfies the extraction criteria.
  • the extraction criteria may include criteria regarding defect measurement information 617 .
  • the model generator 512 may extract learning data 610 including defect measurement information 617 that satisfies the extraction criteria.
  • the model generation unit 512 may extract at least one piece of learning data 610 that satisfies the extraction criteria regarding the modeling condition information included in the modeling information 613.
  • an extraction criterion for the molding condition information for example, a criterion that "the molding condition is set to a predetermined condition" may be used.
  • learning data 610 relating to the modeled object BO* that is modeled using specific modeling conditions is extracted.
  • the model generating unit 512 can generate a predictive model PM that matches the object BO that is to be molded using a specific molding condition.
  • the model generation unit 512 can generate a prediction model PM suitable for predicting defects formed in the object BO that is molded using a specific molding condition. Therefore, the defect prediction unit 312 uses such a prediction model PM to more accurately predict defects formed in the object BO when the object BO is produced using specific modeling conditions. can do.
  • FIG. 21 shows an example in which the criterion "the modeling condition is set to the modeling condition A" is used as the extraction criterion for the modeling condition information.
  • the model generating unit 512 can generate a predictive model PM suitable for the modeled object BO that is modeled using the modeling condition A.
  • the model generation unit 512 can generate a prediction model PM suitable for predicting defects formed in the object BO that is molded using the molding condition A. Therefore, the defect prediction unit 312 uses such a prediction model PM to more accurately predict defects to be formed in the object BO when the object BO is formed using the modeling condition A. be able to.
  • FIG. 22 shows, as an extraction criterion for the modeling condition information, "The modeling condition is set to a throughput priority condition that prioritizes the throughput for modeling the modeled object BO* over the quality of the modeled object BO*.”
  • the model generating unit 512 can generate a predictive model PM suitable for the modeled object BO that is modeled using the throughput priority condition. That is, the model generation unit 512 can generate a prediction model PM suitable for predicting defects formed in the object BO that is formed using the throughput priority condition. For this reason, the defect prediction unit 312 uses such a prediction model PM to more accurately detect defects formed in the object BO when the object BO is produced using a modeling condition called a throughput priority condition. well predictable.
  • the throughput for forming the object BO* can be said to be the time required for forming the object BO*, or the time required to form the object BO*.
  • the modeling condition is set to a quality priority condition that prioritizes the quality of the modeled object BO* over the throughput for modeling the modeled object BO*.
  • the criterion “the In this case, the model generating unit 512 can generate a predictive model PM suitable for the modeled object BO that is modeled using the quality priority condition.
  • the model generation unit 512 can generate a prediction model PM suitable for predicting defects formed in the modeled object BO that is modeled using the quality priority condition.
  • the defect prediction unit 312 uses such a prediction model PM to more accurately detect defects formed in the object BO when the object BO is produced using a modeling condition called a quality priority condition. well predictable.
  • the model generating unit 512 can generate a predictive model PM that matches the modeled object BO that is modeled using the balance condition. That is, the model generation unit 512 can generate a prediction model PM suitable for predicting defects formed in the modeled object BO that is modeled using the balance condition. For this reason, the defect prediction unit 312 uses such a prediction model PM to more accurately detect defects formed in the object BO when the object BO is produced using a modeling condition called a balance condition. can be predicted.
  • the model generation unit 512 may extract at least one piece of learning data 610 that satisfies extraction criteria regarding design information included in the modeling information 613 .
  • an extraction criterion for the design information for example, a criterion that "the three-dimensional shape of the object BO* has a predetermined shape" may be used.
  • learning data 610 relating to the modeled object BO* having a specific three-dimensional shape is extracted.
  • the model generator 512 can generate a predictive model PM that matches the model BO having a specific three-dimensional shape.
  • the model generation unit 512 can generate a prediction model PM suitable for predicting defects formed in the model BO having a specific three-dimensional shape. Therefore, the defect prediction unit 312 uses such a prediction model PM to more accurately predict defects to be formed in the object BO when the object BO having a specific three-dimensional shape is produced. can do.
  • FIG. 23 shows an example in which the criterion "the shape of the modeled object BO* is cylindrical" is used as the extraction criterion for design information.
  • the model generating unit 512 can generate a predictive model PM suitable for the cylindrical shaped object BO.
  • the model generation unit 512 can generate a prediction model PM suitable for predicting defects formed in the cylindrical shaped object BO. Therefore, the defect prediction unit 312 can more accurately predict defects formed in the modeled object BO when the modeled object BO having a cylindrical shape is modeled using such a prediction model PM. can.
  • the modeled object BO* having the same shape as the modeled object BO that is the target of the defect prediction process is not necessarily modeled for the model generation process. This is because the modeled object BO that is the target of the defect prediction process does not always have a simple shape.
  • the defect prediction unit 312 divides the modeled object BO into at least two divided objects BOd having different shapes, and uses at least two prediction models PM respectively corresponding to at least two different shapes, Defects formed in at least two divided objects BOd may be predicted respectively.
  • FIG. 24 shows an example in which the modeled object BO can be divided into a divided object BOd1 having a cylindrical shape and a divided object BOd2 having a rectangular parallelepiped shape.
  • the defect prediction unit 312 uses the prediction model PM corresponding to the cylindrical shaped object BO (that is, the learning data 610 that satisfies the extraction criterion that the shape of the shaped object BO* is cylindrical).
  • the prediction model PM may be used to predict defects formed in the divided object BOd1 having a cylindrical shape.
  • the defect prediction unit 312 is generated using the prediction model PM corresponding to the cuboid shaped object BO (that is, the learning data 610 that satisfies the extraction criterion that “the shape of the shaped object BO* is a cuboid shape”). Defects formed in the divided object BOd2 having a rectangular parallelepiped shape may be predicted using the prediction model PM).
  • the defect prediction unit 312 predicts defects formed in the modeled object BO with appropriate accuracy. well predictable.
  • the modeling apparatus 1 may use different A small number of builds BO* with simple shapes may be built.
  • the modeling apparatus 1 may model a spherical modeled object BO*, a rectangular parallelepiped modeled object BO*, a cylindrical modeled object BO*, and a cone-shaped modeled object BO*. good.
  • the modeling apparatus 1 does not have to model a large number of objects BO* having complicated shapes different from each other.
  • the defect prediction unit 312 uses a plurality of prediction models PM respectively corresponding to a plurality of different shapes to predict defects formed in the object BO having a complicated shape with appropriate accuracy. can do.
  • the modeling apparatus 1 may model the modeled object BO* having the same shape as the modeled object BO. In this case, the modeling apparatus 1 may model a modeled object BO* having the same size as the modeled object BO (that is, a modeled object BO having a congruent shape with the modeled object BO). Alternatively, the modeling apparatus 1 may model a modeled object BO* having a size different from that of the modeled object BO (that is, a modeled object BO having a shape similar to that of the modeled object BO).
  • the situation in which a plurality of prediction models PM are used to predict defects formed in a certain object BO is not limited to the use of a plurality of prediction models PM corresponding to a plurality of different shapes. do not have.
  • the situation in which a plurality of predictive models PM are used to predict defects formed in a certain object BO is not limited to the case where the predictive models PM are generated using extraction criteria related to design information.
  • the defect prediction unit 312 in an arbitrary scene, generates a prediction model PM using learning data 610 that satisfies the first extraction criterion, and learning data that satisfies a second criterion different from the first extraction criterion.
  • the predictive model PM generated using 610 may be used to predict defects formed in a certain build BO.
  • the model generation unit 512 may extract at least one piece of learning data 610 that satisfies extraction criteria regarding material information included in the modeling information 613 .
  • an extraction criterion for material information for example, a criterion that "a specific modeling material is used to model the modeled object BO*" may be used.
  • learning data 610 relating to the modeled object BO* modeled using a specific modeling material is extracted.
  • the model generation unit 512 can generate a predictive model PM that matches the modeled object BO that is modeled using a specific modeling material.
  • the model generating unit 512 can generate a predictive model PM suitable for predicting defects formed in the modeled object BO that is modeled using a specific modeling material. Therefore, the defect prediction unit 312 uses such a prediction model PM to more accurately predict defects formed in the object BO when the object BO is formed using a specific modeling material. can do.
  • FIG. 25 shows an example in which the criterion "modeled object BO* is modeled using modeling material A" is used as an extraction criterion for material information.
  • the model generating unit 512 can generate a predictive model PM that matches the modeled object BO that is modeled using the modeling material A.
  • the model generation unit 512 can generate a prediction model PM suitable for predicting defects formed in the object BO that is modeled using the modeling material A. Therefore, the defect prediction unit 312 uses such a prediction model PM to more accurately predict defects to be formed in the object BO when the object BO is formed using the modeling material A. be able to.
  • the modeled object BO* is not necessarily modeled in order to perform the model generation process using the same modeling material as the modeled object BO that is the target of the defect prediction process.
  • the modeling material for modeling the modeled object BO can be approximated by a combination of two or more types of modeling materials used to model the modeled object BO*.
  • the molding material for molding object BO is metal a and metal b.
  • the building material (alloy c) for building the modeled object BO is a combination of the two types of building materials (metal a and metal b) used to model the modeled object BO*.
  • the model generating unit 512 generates the learning data 610 that satisfies the extraction criterion a that “the object BO* is modeled using the metal a as the modeling material” and the “object BO* using the metal b as the modeling material”.
  • the prediction model PM may be generated using both learning data 610 that satisfies the extraction criterion b that * is modeled.
  • the ratio between the number of learning data 610 that satisfies the extraction criterion a and the number of learning data 610 that satisfies the extraction criterion b may be set according to the ratio of metal a to metal b in alloy c.
  • the defect prediction unit 312 predicts defects to be formed in the object BO with appropriate accuracy when the object BO is formed using the alloy c as the modeling material. can be done.
  • the model generation unit 512 uses both a data set containing at least one learning data 610 that satisfies the first extraction criterion and a data set containing at least one learning data 610 that satisfies the second extraction criterion. , may generate a prediction model PM.
  • the model generation unit 512 may generate the prediction model PM using three or more data sets respectively corresponding to three or more extraction criteria.
  • the defect prediction unit 312 determines that the modeled object BO It is possible to accurately predict the defects formed in the
  • the modeling material for modeling the modeled object BO is used to model the modeled object BO*. It is not limited to cases where approximation is possible with a combination of two or more types of modeling materials used.
  • a scene in which a plurality of data sets respectively corresponding to a plurality of extraction criteria are used to generate a certain prediction model PM is not limited to the case where the prediction model PM is generated using extraction criteria related to material information. .
  • the model generation unit 512 may generate a single prediction model PM using a plurality of data sets respectively corresponding to a plurality of extraction criteria in any scene.
  • the information processing device 3 uses the modeled object BO formed by the modeling device 1 as an example of characteristic information related to the characteristics of the modeled object BO modeled by the modeling device 1. generating defect information 425 for the detected defects. However, the information processing device 3 may generate characteristic information different from the defect information 425 .
  • the information processing device 3 may generate, as an example of the characteristic information, texture state information regarding the state of the metal texture that constitutes at least part of the model BO. That is, the information processing device 3 may predict the state of the metal structure that constitutes at least part of the modeled object BO.
  • tissue status information is shown in FIG.
  • the texture state information may include information about the orientation of the metal texture (so-called crystal orientation).
  • the texture state information may include information about the Miller index of the metallography.
  • the texture state information may include information about metallographic size.
  • the information about the metallographic size may include information about at least one of metallographic length, width and grain size.
  • the texture state information may include information about the shape of the metal texture.
  • the information about the shape of the metallographic structure may include information about the aspect ratio of the metallographic structure.
  • the texture state information may include information about the crystal lattice type of the metal texture.
  • the information processing device 3 may generate mechanical property information regarding mechanical properties of at least a part of the modeled object BO as an example of the property information.
  • the information processing device 3 may predict the mechanical properties of at least part of the modeled object BO.
  • An example of mechanical property information is shown in FIG.
  • the mechanical property information may include information regarding the tensile strength of the model BO.
  • the mechanical property information may include information regarding the tensile strength of the model BO.
  • the mechanical property information may include information on the 0.2% proof stress of the model BO.
  • the mechanical property information may include information regarding the yield point of the model BO.
  • the mechanical property information may include information on elongation of the model BO.
  • the mechanical property information may include information regarding the aperture of the model BO.
  • the mechanical property information may include information on the Young's modulus of the model BO.
  • the mechanical property information may include information on hardness (that is, hardness) of the model BO.
  • the mechanical property information may include information regarding fracture toughness values of the shaped object BO.
  • the mechanical property information may include information on the high temperature strength of the model BO.
  • the mechanical property information may include information on the coefficient of linear expansion of the model BO.
  • the information processing device 3 Even when the information processing device 3 generates characteristic information different from the defect information 425 in this way, the information processing device 3 generates the process data 415 and the prediction model PM in the same way as when the defect information 425 is generated. may be used to generate characteristic information. However, in this case, the information processing device 3 uses, as the prediction model PM, a learning model generated by machine learning so that characteristic information can be generated based on the process data 415 . Similarly, the model generating device 5 performs machine learning for generating a predictive model PM capable of generating characteristic information based on the process data 415. FIG.
  • the information acquisition unit 311 associates the measurement information 411 with the modeling position.
  • the information acquisition unit 311 adds the information about the temperature of one part of the measurement object (hereinafter referred to as “target part”) to the modeling position (i.e., target part position).
  • the information acquisition unit 311 obtains the information about the temperature of the target portion associated with the modeling position from the temperature of the target portion and the temperature of the neighboring portion temporally and/or spatially located near the target portion. Information about the calculated temperature may be used.
  • the condition is that the time difference between the time when the target portion is irradiated with the shaping light EL and the time when the neighboring portion is irradiated with the shaping light EL is within a predetermined time. It may be a portion that satisfies.
  • the neighboring portion that is spatially adjacent to the target portion may be a portion that satisfies the condition that the distance between the target portion and the neighboring portion is within a predetermined distance.
  • the information acquisition unit 311 obtains the temperature of the target portion P11 of the solidified layer STL, which is an example of the measurement target (in particular, the temperature associated with the position of the target portion 11, which is the modeling position). ), it is calculated from the temperature of the target portion P11 and the temperature of at least one neighboring portion (in the example shown in FIG. 28A, four neighboring portions P12 to P15) located temporally near the target portion P11. Temperature may also be used.
  • the neighboring portions P12 and P13 are portions irradiated with the shaping light EL immediately before the target portion was irradiated with the shaping light EL.
  • the neighboring portions P14 and P15 are portions irradiated with the shaping light EL immediately after the target portion was irradiated with the shaping light EL.
  • the neighboring portions P12 to P15 may be considered to be located in the vicinity of the target portion P11 in the scanning order (scanning direction) of the shaping light EL.
  • the information acquisition unit 311 may associate the temperature of the target portion P11 and the temperature obtained by performing a predetermined filtering process on the neighboring portions P12 to P15 as the temperature associated with the position of the target portion P11.
  • the predetermined filtering process may be a filtering process for performing an averaging process.
  • the predetermined filtering process may be filtering using at least one of an averaging filter and a median filter.
  • the information acquisition unit 311 obtains the temperature of the target portion P21 of the solidified layer STL (in particular, the temperature associated with the position of the target portion 21, which is the modeling position).
  • a temperature calculated from the temperature and the temperature of the target portion P21 and the temperature of at least one neighboring portion (eight neighboring portions P22 to P29 in the example shown in FIG. 28B) located spatially nearby may be used.
  • the neighboring portions P12 and P13 are portions irradiated with the shaping light EL immediately before the target portion was irradiated with the shaping light EL.
  • the neighboring portions P14 and P15 are portions irradiated with the shaping light EL immediately after the target portion was irradiated with the shaping light EL.
  • the information acquisition unit 311 uses the temperature of the target portion P21 and the temperature obtained by performing the predetermined filtering process described in the preceding paragraph on the neighboring portions P22 to P29 as the temperature associated with the position of the target portion P21. may be associated.
  • the information acquisition unit 311 determines the temperature of the target portion P31 of the n-th solidified layer STL (in particular, the temperature associated with the position of the target portion 31, which is the modeling position), The temperature of the target portion P31, the temperature of the neighboring portion P32 that at least partially overlaps with the target portion P31 in the stacking direction of the solidified layer STL of the (n ⁇ 1)th solidified layer STL, and the solidification of the (n+1)th solidified layer STL A temperature calculated from the temperature of the target portion P31 and the temperature of a neighboring portion P33 that at least partially overlaps in the stacking direction of the layers STL may be used.
  • the neighboring portions P32 to P33 may be considered to be located in the vicinity of the target portion P31 in the stacking direction of the solidified layers STL.
  • the information acquisition unit 311 obtains the temperature associated with the position of the target portion P31 by performing the predetermined filtering process described in the paragraph two before on the temperature of the target portion P31 and neighboring portions P32 to P33. Temperature may be associated.
  • the information acquisition unit 311 obtains the shape and time of the target portion as information (that is, the measurement information 412) on the shape of the target portion associated with the modeling position. Information about the shape calculated from the shapes of neighboring portions that are physically and/or spatially located near the target portion may also be used.
  • the information acquisition unit 311 obtains information on modeling of the target portion (that is, modeling information 413) related to the modeling position of the target portion, and information on modeling of the target portion and information on neighborhoods temporally and/or spatially located in the vicinity of the target portion. Information calculated from information relating to the modeling of the part may also be used.
  • the information acquisition unit 311 acquires the feature amount of the target part and the information about the feature amount of the target part associated with the modeling position (that is, the feature amount information 414). Information about the feature amount calculated from the feature amount of the neighboring portion may be used.
  • the temperature measurement device 21 outputs the temperature image data D_T representing the temperature image IMG_T to the information processing device 3 as the measurement information 411 .
  • the temperature measuring device 21 may output to the information processing device 3 as the measurement information 411 temperature video data representing videos corresponding to a plurality of temporally or spatially continuous temperature images IMG_T.
  • the shape measuring device 22 may output to the information processing device 3 as the measurement information 412 shape moving image data representing moving images corresponding to a plurality of temporally continuous shape images IMG_3D.
  • the defect prediction unit 312 may calculate the time change of the feature amount of the measurement object based on at least one of the measurement information 411 and 412 .
  • the defect prediction unit 312 may generate the feature amount information 414 indicating the time change of the feature amount of the object to be measured. For example, based on the measurement information 411, the defect prediction unit 312 may generate feature amount information 414 indicating temporal changes in the temperature of each portion of the object to be measured. For example, based on the measurement information 411, the defect prediction unit 312 may generate feature amount information 414 indicating temporal changes in the number of spatters SPT occurring in each portion of the object to be measured. For example, based on the measurement information 412, the defect prediction unit 312 may generate feature amount information 414 indicating temporal changes in the thickness of the solidified layer STL. For example, based on the measurement information 412, the defect prediction unit 312 may generate feature amount information 414 indicating temporal changes in surface roughness (or arbitrary surface properties) of the solidified layer STL.
  • the modeling system SYS includes the information processing device 3 in addition to the modeling device 1 .
  • the modeling apparatus 1 (for example, the control unit 16) may include the information processing device 3. That is, the control unit 16 may function as the information processing device 3 as well.
  • the modeling apparatus 1 may include an information processing device 3 separately from the control unit 16 . Note that the control unit 1 may execute some functions of the information processing device 3 .
  • the modeling system SYS includes the information processing device 3 in addition to the measuring device 2 .
  • the measuring device 2 may include the information processing device 3 .
  • the information processing device 3 may be included in the measurement device 2 . That is, the measuring device 2 may function as the information processing device 3 as well. Note that the measuring device 2 may perform a part of the functions of the information processing device 3 .
  • the modeling system SYS may include a model generation device 5.
  • the information processing device 3 may include the model generation device 5 . That is, the information processing device 3 may function as the model generation device 5 as well.
  • the modeling device 1 eg, control unit 16
  • FIG. The modeling device 1 (for example, the control unit 16) may include the information processing device 3 including the model generation device 5. That is, the control unit 16 may function as the model generation device 5 as well.
  • the modeling apparatus 1 may include the model generation device 5 separately from the control unit 16 . Note that the control unit 1 may perform some functions of the model generation device 5 .
  • the modeling apparatus 1 may include an information processing device 3 including a model generation device 5 separately from the control unit 16 .
  • the measurement device 2 may include the model generation device 5 .
  • the measurement device 2 may include the information processing device 3 including the model generation device 5 . That is, the measurement device 2 may function as the model generation device 5 as well. Note that the measurement device 2 may perform some functions of the model generation device 5 .
  • the modeling system SYS uses the modeling light EL to melt the modeling material.
  • the build system SYS may use any energy beam to melt the build material.
  • Examples of arbitrary energy beams include at least one of charged particle beams and electromagnetic waves.
  • Examples of charged particle beams include at least one of electron beams and ion beams.
  • Supplementary note 1 an acquisition unit that acquires measurement information related to modeling of a modeled object obtained during a modeling period of the modeled object that is modeled by solidifying a modeling material that has been melted by irradiation with an energy beam;
  • An information processing apparatus comprising: an information processing unit that generates property information regarding properties of the modeled object using the measurement information acquired by the acquisition unit.
  • the characteristic information includes defect information related to defects formed inside the modeled object, density information related to the density of at least a part of the modeled object, and structure state information related to the state of a metal structure forming at least a part of the modeled object.
  • the defect includes a void formed inside the model, The information processing apparatus according to appendix 2, wherein the defect information includes gap information about the gap.
  • the information processing apparatus according to appendix 4 The information processing apparatus according to appendix 2 or 3, wherein the defect information includes at least one of information regarding the presence or absence of the defect and information regarding characteristics of the defect.
  • the characteristics of the defect include at least one of the size of the defect, the position of the defect, and the shape of the defect.
  • the structure state information includes information on at least one of the orientation of the metallographic structure, the Miller index of the metallographic structure, the size of the metallographic structure, the shape of the metallographic structure, and the type of crystal lattice of the metallographic structure. 6.
  • the information processing device according to any one of 2 to 5.
  • the mechanical property information includes the tensile strength of the shaped article, the 0.2% proof stress of the shaped article, the yield point of the shaped article, the elongation of the shaped article, the reduction of area of the shaped article, the Young's modulus of the shaped article, the including information on at least one of hardness of the shaped article, fracture toughness value of the shaped article, fatigue limit of the shaped article, high temperature strength of the shaped article, and coefficient of linear expansion of the shaped article.
  • [Appendix 9] The information processing apparatus according to appendix 8, wherein the output unit includes a display unit that displays the characteristic information.
  • [Appendix 10] The information processing apparatus according to appendix 8 or 9, wherein the output unit includes a transmission unit that transmits the characteristic information to a modeling device that models the modeled object.
  • [Appendix 11] 11. The information processing apparatus according to any one of appendices 8 to 10, wherein the output unit outputs the measurement information together with the characteristic information.
  • the property information includes first information about a property of one portion of the modeled object;
  • the measurement information includes second information obtained by measurement related to the modeling of the one portion of the modeled object, 12.
  • the information processing apparatus according to appendix 11, wherein the output unit outputs the characteristic information and the measurement information in an output format in which the first information and the second information are associated.
  • Appendix 13 13
  • Appendix 14 14
  • the information processing apparatus according to any one of attachments 11 to 13, wherein the output unit includes a transmission unit that transmits the characteristic information and the measurement information to a modeling apparatus that models the modeled object.
  • the information processing unit further generates energy information regarding an amount of energy transmitted from the energy beam to the modeling material based on the measurement information, 15.
  • the output unit outputs the energy information together with the characteristic information.
  • the property information includes first information about a property of one portion of the modeled object; the energy information includes second information relating to the amount of energy transferred from the energy beam to the build material in building the portion of the build object; 16.
  • the output unit includes a display unit that displays the characteristic information and the energy information in an output format in which the first information and the second information are associated.
  • the information processing apparatus includes a transmission unit that transmits the characteristic information and the energy information to a modeling device that models the modeled object.
  • the output unit includes a transmission unit that transmits the characteristic information and the energy information to a modeling device that models the modeled object.
  • the output unit outputs the characteristic information during the modeling period in which the modeled object is modeled and/or after the modeled object is completely modeled.
  • the information processing unit generates the characteristic information using the measurement information and a learning model generated by machine learning so that the characteristic information can be generated based on the measurement information.
  • the information processing device according to any one of . [Appendix 21] 21.
  • the information processing apparatus according to any one of Supplements 1 to 20, wherein the measurement information includes information about a shape of at least part of the modeled object obtained during the modeling period.
  • the modeled object is modeled by solidifying at least part of the material layer melted by irradiating at least part of the layered material layer formed by the supplied modeling material with the energy beam, 22.
  • the information processing apparatus according to any one of appendices 1 to 21, wherein the measurement information includes information about a shape of at least part of the material layer obtained during the modeling period.
  • the modeled object includes a solidified product formed by solidifying at least part of the molten modeling material by irradiating at least part of the supplied modeling material with the energy beam, 23.
  • the information processing apparatus according to any one of appendices 1 to 22, wherein the measurement information includes information on the shape of at least part of the solidified material obtained during the modeling period.
  • the measurement information includes information on at least part of a molten pool formed by melting the metal material by irradiation with the energy beam.
  • the acquisition unit further acquires modeling information related to modeling of the modeled object, 25.
  • the information processing apparatus according to any one of additional notes 1 to 24, wherein the information processing section generates the characteristic information using the measurement information and the modeling information.
  • the information processing unit uses the measurement information, the molding information, and a learning model generated by machine learning so as to be able to generate the characteristic information based on the measurement information and the molding information.
  • the information processing apparatus according to Supplementary note 25, which generates characteristic information [Supplementary note 27]
  • the modeling information includes at least one of device information relating to a modeling apparatus that models the modeled object, material information relating to the modeling material used to model the modeled object, and design information of the modeled object.
  • the information processing apparatus according to appendix 27, wherein the device information includes at least one of information about modeling conditions used by the modeling device to shape the modeled object and information about the operating status of the modeling device.
  • An information processing apparatus comprising: an information processing unit that generates characteristic information regarding characteristics of the modeled object using the modeling information acquired by the acquisition unit.
  • the characteristic information includes defect information related to defects formed inside the modeled object, density information related to the density of at least a part of the modeled object, and structure state information related to the state of a metal structure forming at least a part of the modeled object. , and at least one of mechanical property information relating to mechanical properties of at least part of the modeled object.
  • the information processing apparatus includes a void formed inside the modeled object.
  • the information processing apparatus according to appendix 33, wherein the characteristics of the defect include at least one of the size of the defect, the position of the defect, and the shape of the defect. [Appendix 35] 35.
  • the information processing device according to the item.
  • the mechanical property information includes the tensile strength of the shaped article, the 0.2% proof stress of the shaped article, the yield point of the shaped article, the elongation of the shaped article, the reduction of area of the shaped article, the Young's modulus of the shaped article, the including information on at least one of hardness of the shaped article, fracture toughness value of the shaped article, fatigue limit of the shaped article, high temperature strength of the shaped article, and coefficient of linear expansion of the shaped article.
  • the information processing device according to any one of .
  • the information processing apparatus according to any one of appendices 29 to 36, further comprising an output unit that outputs the characteristic information.
  • the information processing apparatus includes a display unit that displays the characteristic information.
  • the output unit includes a transmission unit that transmits the characteristic information to a modeling device that models the modeled object.
  • the output unit outputs the modeling information together with the characteristic information.
  • the property information includes first information about a property of one portion of the modeled object; the modeling information includes second information about the one portion of the modeled object; 41.
  • the information processing apparatus according to appendix 40, wherein the output unit outputs the characteristic information and the modeling information in an output format in which the first information and the second information are associated.
  • the information processing apparatus according to appendix 41, wherein the output unit includes a display unit that displays the characteristic information and the modeling information in an output format in which the first information and the second information are associated.
  • the information processing unit further generates energy information regarding an amount of energy transmitted from the energy beam to the modeling material based on measurement information regarding the modeling of the modeled object obtained during the modeling period of the modeled object, 44.
  • the information processing apparatus according to any one of appendices 37 to 43, wherein the output unit outputs the energy information together with the characteristic information.
  • the property information includes first information about a property of one portion of the modeled object; the energy information includes second information relating to the amount of energy transferred from the energy beam to the build material in building the portion of the build object; 45.
  • the information processing apparatus according to appendix 44, wherein the output unit outputs the characteristic information and the energy information in an output format in which the first information and the second information are associated.
  • the information processing unit generates the property information using the modeling information and a learning model generated by machine learning so that the property information can be generated based on the modeling information.
  • the information processing device according to any one of [Appendix 50]
  • the modeling information includes at least one of device information relating to a modeling apparatus that models the modeled object, material information relating to the modeling material used for modeling the modeled object, and design information of the modeled object.
  • the information processing device according to any one of . [Appendix 51] 51.
  • the information processing apparatus according to appendix 50, wherein the device information includes at least one of information about modeling conditions used by the modeling device to shape the modeled object and information about the operating status of the modeling device.
  • the acquisition unit acquires measurement information related to modeling of the modeled object obtained during a modeling period of the modeled object, 52.
  • the information processing apparatus according to any one of appendices 29 to 51, wherein the information processing section generates the characteristic information using the measurement information and the modeling information acquired by the acquisition section.
  • the information processing unit uses the molding information, the measurement information, and a learning model generated by machine learning so as to be able to generate the characteristic information based on the molding information and the measurement information. 53.
  • the information processing apparatus according to appendix 52, wherein the characteristic information is generated.
  • Appendix 54 54.
  • the information processing apparatus according to appendix 52 or 53, wherein the measurement information includes information about a shape of at least part of the modeled object obtained during the modeling period.
  • the modeled object is modeled by solidifying at least part of the material layer melted by irradiating at least part of the layered material layer formed by the supplied modeling material with the energy beam, 55.
  • the information processing apparatus according to any one of appendices 52 to 54, wherein the measurement information includes information regarding a shape of at least part of the material layer obtained during the modeling period.
  • the modeled object includes a solidified product formed by solidifying at least part of the molten modeling material by irradiating at least part of the supplied modeling material with the energy beam, 56.
  • the information processing apparatus according to any one of appendices 52 to 55, wherein the measurement information includes information on the shape of at least part of the solidified material obtained during the modeling period.
  • the measurement information includes information on at least part of a molten pool formed by melting the metal material by irradiation with the energy beam.
  • the information processing device according to any one of Appendixes 1 to 57; a modeling apparatus capable of shaping a modeled object by solidifying a powdered metal material melted by irradiation with an energy beam; Equipped with a measuring device and The modeling system in which the measurement information is obtained using the measurement device.
  • [Appendix 59] Acquiring measurement information relating to the modeling of a modeled object obtained during a modeling period of the modeled object that is formed by solidifying a modeling material that has been melted by irradiation with an energy beam; An information processing method, comprising: generating characteristic information relating to characteristics of the modeled object using the obtained measurement information.
  • [Appendix 60] Acquiring modeling information related to modeling of a modeled object that is formed by solidifying a modeling material that has been melted by irradiation with an energy beam; An information processing method comprising: generating property information relating to properties of the modeled object, using the acquired modeling information.
  • [Appendix 61] A computer program that causes a computer to execute the information processing method according to appendix 59 or 60.
  • the characteristic information includes defect information related to defects formed inside the modeled object, density information related to the density of at least a part of the modeled object, and structure state information related to the state of a metal structure forming at least a part of the modeled object.
  • Appendix 69 any one of appendices 64 to 68, wherein the texture state information includes information about at least one of the metallographic orientation, the metallographic size, the metallographic shape, and the crystal lattice type of the metallographic structure The modeling method described in the item.
  • the mechanical property information includes the tensile strength of the shaped article, the 0.2% proof stress of the shaped article, the yield point of the shaped article, the elongation of the shaped article, the reduction of area of the shaped article, the Young's modulus of the shaped article, the including information on at least one of a hardness of the shaped article, a fracture toughness value of the shaped article, a fatigue limit of the shaped article, a high temperature strength of the shaped article and a coefficient of linear expansion of the shaped article.
  • the property information includes first information about a property of one portion of the modeled object;
  • the measurement information includes second information obtained by measurement related to the modeling of the one portion of the modeled object, 75.
  • Appendix 76 76.
  • Appendix 77 77.
  • [Appendix 78] further comprising generating energy information regarding the amount of energy transferred from the energy beam to the build material based on the measurement information; 78.
  • the outputting includes outputting the energy information together with the characteristic information.
  • the property information includes first information about a property of one portion of the modeled object; the energy information includes second information relating to the amount of energy transferred from the energy beam to the build material in building the portion of the build object; 79.
  • the modeling method according to appendix 78, wherein the outputting includes outputting the characteristic information and the energy information in an output format in which the first information and the second information are associated.
  • the modeling method according to appendix 79, wherein the outputting includes displaying the characteristic information and the energy information in an output format in which the first information and the second information are associated.
  • the obtaining includes obtaining the characteristic information generated using the measurement information and a learning model generated by machine learning so as to be able to generate the characteristic information based on the measurement information.
  • the modeled object is modeled by solidifying at least part of the material layer melted by irradiating at least part of the layered material layer formed by the supplied modeling material with the energy beam, 85.
  • the modeled object includes a solidified product formed by solidifying at least part of the molten modeling material by irradiating at least part of the supplied modeling material with the energy beam, 86.
  • the modeling method according to any one of appendices 63 to 85, wherein the measurement information includes information on the shape of at least part of the solidified material obtained during the modeling period.
  • [Appendix 87] 87.
  • the modeling method according to any one of appendices 63 to 86, wherein the measurement information includes information on at least part of a molten pool formed by melting the metal material by irradiation with the energy beam.
  • Appendix 88 88.
  • the modeling method includes acquiring the characteristic information generated using the measurement information and modeling information relating to modeling of the modeled object.
  • the obtaining is generated using the measurement information, the molding information, and a learning model generated by machine learning so as to be able to generate the characteristic information based on the measurement information and the molding information.
  • the modeling method according to Supplementary Note 88 [Supplementary Note 90]
  • the modeling information includes at least one of device information on a modeling device that models the modeled object, material information on the modeling material used to model the modeled object, and design information on the modeled object.
  • the modeling method wherein the device information includes at least one of information on modeling conditions used by the modeling device to model the modeled object and information on the operating status of the modeling device.
  • the device information includes at least one of information on modeling conditions used by the modeling device to model the modeled object and information on the operating status of the modeling device.
  • the characteristic information includes defect information related to defects formed inside the modeled object, density information related to the density of at least a part of the modeled object, and structure state information related to the state of a metal structure forming at least a part of the modeled object.
  • any one of appendices 93 to 97 wherein the texture state information includes information on at least one of the orientation of the metallographic structure, the size of the metallographic structure, the shape of the metallographic structure, and the type of crystal lattice of the metallographic structure The modeling method described in the item.
  • the mechanical property information includes the tensile strength of the shaped article, the 0.2% proof stress of the shaped article, the yield point of the shaped article, the elongation of the shaped article, the reduction of area of the shaped article, the Young's modulus of the shaped article, the including information on at least one of hardness of the shaped article, fracture toughness value of the shaped article, fatigue limit of the shaped article, high temperature strength of the shaped article and coefficient of linear expansion of the shaped article.
  • the modeling method as described in any one of 1.
  • the property information includes first information about a property of one portion of the modeled object; the modeling information includes second information about the one portion of the modeled object; 104.
  • the modeling method according to Appendix 103 wherein the outputting includes outputting the characteristic information and the modeling information in an output format in which the first information and the second information are associated.
  • Appendix 105 105.
  • the modeling method according to appendix 104 wherein the outputting includes displaying the characteristic information and the modeling information in an output format in which the first information and the second information are associated.
  • Appendix 106 106.
  • [Appendix 107] further comprising generating energy information regarding an amount of energy transmitted from the energy beam to the build material based on measurement information regarding the build of the build obtained during the build of the build; 107.
  • the modeling method according to any one of appendices 100 to 106, wherein the outputting includes outputting the energy information together with the characteristic information.
  • the property information includes first information about a property of one portion of the modeled object; the energy information includes second information relating to the amount of energy transferred from the energy beam to the build material in building the portion of the build object; 108.
  • the modeling method according to appendix 107, wherein the outputting includes outputting the characteristic information and the energy information in an output format in which the first information and the second information are associated.
  • [Appendix 111] 110 According to any one of appendices 100 to 110, the outputting includes outputting the characteristic information during the modeling period in which the modeled object is modeled and/or after the modeled object is completely modeled. molding method.
  • the obtaining includes obtaining the property information generated using the modeling information and a learning model generated by machine learning so as to be able to generate the property information based on the modeling information.
  • the modeling method according to any one of Appendices 92 to 111 [Appendix 113]
  • the modeling information includes at least one of device information about a modeling device that models the modeled object, material information about the modeling material used for modeling the modeled object, and design information of the modeled object.
  • the modeling method as described in any one of 1.
  • Appendix 114 114.
  • the modeling method according to Appendix 113, wherein the device information includes at least one of information on modeling conditions used by the modeling device to model the modeled object and information on the operating status of the modeling device.
  • the acquisition unit acquires measurement information related to modeling of the modeled object obtained during a modeling period of the modeled object, Any of appendices 92 to 114, wherein the obtaining includes obtaining the characteristic information generated using the measurement information and the measurement information regarding the modeling of the modeled object obtained during the modeling period of the modeled object. or the molding method according to item 1.
  • the obtaining is generated using the molding information, the measurement information, and a learning model generated by machine learning so as to be able to generate the characteristic information based on the molding information and the measurement information. 116.
  • the modeling method according to appendix 115 comprising acquiring the characteristic information.
  • the modeled object is modeled by solidifying at least part of the material layer melted by irradiating at least part of the layered material layer formed by the supplied modeling material with the energy beam, 118.
  • the modeling method according to any one of appendices 115 to 117, wherein the measurement information includes information about the shape of at least part of the material layer obtained during the modeling period.
  • the modeled object includes a solidified product formed by solidifying at least part of the molten modeling material by irradiating at least part of the supplied modeling material with the energy beam, 118.
  • Appendix 120 120.
  • Appendix 121 Measurement information relating to the modeling of the modeled object obtained during the modeling period of the modeled object, which is formed by solidifying the powdered metal material melted by the irradiation of the energy beam, and characteristic information relating to the characteristics of the modeled object.
  • an acquisition unit that acquires An information output device comprising: an output unit that outputs the characteristic information together with the measurement information.
  • the property information includes first information about a property of one portion of the modeled object;
  • the measurement information includes second information obtained by measurement related to the modeling of the one portion of the modeled object, 122.
  • the information output device according to appendix 121, wherein the output unit outputs the characteristic information and the measurement information in an output format in which the first information and the second information are associated.
  • the output unit includes a display unit that displays the characteristic information and the measurement information in an output format in which the first information and the second information are associated.
  • the information output device according to any one of attachments 121 to 123, wherein the output unit includes a transmission unit that transmits the characteristic information and the measurement information to a modeling device that models the modeled object.
  • the output unit includes a transmission unit that transmits the characteristic information and the measurement information to a modeling device that models the modeled object.
  • the output unit outputs the characteristic information together with the measurement information during the modeling period in which the modeled object is modeled and/or after the modeled object is completely modeled. information output device.
  • the characteristic information includes defect information related to defects formed inside the modeled object, density information related to the density of at least a part of the modeled object, and structure state information related to the state of a metal structure forming at least a part of the modeled object.
  • the acquisition unit acquires energy information regarding an amount of energy transmitted from the energy beam to the metal material in forming the modeled object by solidifying the powdered metal material melted by irradiation with the energy beam, 127.
  • the information output device according to any one of appendices 121 to 126, wherein the output unit outputs the energy information together with the measurement information.
  • an acquisition unit that acquires An information output device comprising: an output unit that outputs the characteristic information together with the energy information.
  • the property information includes first information about a property of one portion of the modeled object; the energy information includes second information relating to the amount of energy transferred from the energy beam to the metal material in shaping the portion of the shaped article; 129.
  • the output unit includes a display unit that displays the characteristic information and the energy information in an output format in which the first information and the second information are associated.
  • the characteristic information includes defect information related to defects formed inside the modeled object, density information related to the density of at least a part of the modeled object, and structure state information related to the state of a metal structure forming at least a part of the modeled object. , and at least one of mechanical property information relating to mechanical properties of at least part of the modeled object.
  • the acquisition unit acquires measurement information related to modeling of the modeled object obtained during a modeling period of the modeled object that is shaped by solidifying the powdered metal material melted by the irradiation of the energy beam, 135.
  • the information output device according to any one of appendices 128 to 134, wherein the output unit outputs the measurement information together with the energy information.
  • the present invention is not limited to the above-described embodiments, and can be modified as appropriate within the scope not contrary to the gist or idea of the invention that can be read from the scope of claims and the entire specification.
  • a measurement system, a modeling system, an information processing method, a modeling method, and an information output device are also included in the technical scope of the present invention.
  • Modeling system 1 Modeling device 2 Measuring device 21 Temperature measuring device 22 Shape measuring device 3 Information processing device 31 Arithmetic device 311 Information acquisition unit 312 Defect prediction unit 313 Defect output unit 35 Output device 411, 412 Measurement information 413 Modeling information 414 Feature quantity Information 415 Process data 416 Position information 425 Defect information 435 Energy information 5 Model generator PM Prediction model

Abstract

情報処理装置は、エネルギビームの照射により溶融した粉末状の金属材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得する取得部と、計測情報を用いて、造形物の内部に形成された欠陥に関する欠陥情報を生成する情報処理部とを含み、計測情報は、エネルギビームの照射による金属材料の溶融によって形成される溶融池の少なくとも一部の温度に関する情報を含む。

Description

情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置
　本発明は、例えば、造形物の造形に関する技術分野に関する。
　造形物を造形可能な造形装置の一例が、特許文献１に記載されている。このような造形装置の技術的課題の一つとして、造形物を適切に造形することがあげられる。
国際公開第２０１９／２３９５３０号パンフレット
　第１の態様によれば、エネルギビームの照射により溶融した粉末状の金属材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得する取得部と、前記取得部で取得された前記計測情報を用いて、前記造形物の内部に形成された欠陥に関する欠陥情報を生成する情報処理部とを含み、前記計測情報は、前記エネルギビームの照射による前記金属材料の溶融によって形成される溶融池の少なくとも一部の温度に関する情報を含む情報処理装置が提供される。
　第２の態様によれば、第１の態様によって提供される情報処理装置と、計測装置とを備え、前記計測情報は、前記計測装置を用いて得られる計測システムが提供される。
　第３の態様によれば、第１の態様によって提供される情報処理装置と、エネルギビームの照射により溶融した粉末状の金属材料が固化することにより造形物を造形可能な造形装置と、計測装置とを備え、前記計測情報は、前記計測装置を用いて得られる造形システムが提供される。
　第４の態様によれば、エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得する取得部と、前記取得部で取得された前記計測情報を用いて、前記造形物の特性に関する特性情報を生成する情報処理部とを備える情報処理装置が提供される。
　第５の態様によれば、エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形に関する造形情報を取得する取得部と、前記取得部で取得された前記造形情報を用いて、前記造形物の特性に関する特性情報を生成する情報処理部とを備える情報処理装置が提供される。
　第６の態様によれば、エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得することと、取得された前記計測情報を用いて、前記造形物の特性に関する特性情報を生成することとを含む情報処理方法が提供される。
　第７の態様によれば、エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形に関する造形情報を取得することと、取得された前記造形情報を用いて、前記造形物の特性に関する特性情報を生成することとを含む情報処理方法が提供される。
　第８の態様によれば、エネルギビームの照射により溶融した造形材料が固化することにより造形物を造形することと、前記造形物の造形期間中に前記造形物の造形に関する計測を行うことと、前記計測によって得られた計測情報を用いて生成された前記造形物の特性に関する特性情報を取得することとを含む造形方法が提供される。
　第９の態様によれば、エネルギビームの照射により溶融した造形材料が固化することにより造形物を造形することと、前記造形物の造形に関する造形情報を用いて生成された前記造形物の特性に関する特性情報を取得することとを含む造形方法が提供される。
　第１０の態様によれば、エネルギビームの照射により溶融した粉末状の金属材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報と、前記造形物の特性に関する特性情報とを取得する取得部と、前記計測情報と共に、前記特性情報を出力する出力部とを備える情報出力装置が提供される。
　第１１の態様によれば、エネルギビームの照射により溶融した粉末状の金属材料が固化することによる造形物の造形において前記エネルギビームから前記金属材料に伝達されるエネルギ量に関するエネルギ情報と、前記造形物の特性に関する特性情報とを取得する取得部と、前記エネルギ情報と共に、前記特性情報を出力する出力部とを備える情報出力装置が提供される。
　本発明の作用及び他の利得は次に説明する実施するための形態から明らかにされる。
図１は、本実施形態の造形システムの全体構成を示すブロック図である。 図２は、本実施形態の造形装置の構成を示すブロック図である。 図３は、本実施形態の造形装置の構成を示す断面図である。 図４は、本実施形態の計測装置の構成を示すブロック図である。 図５は、本実施形態の温度計測装置が出力する温度画像の一例を示す。 図６は、本実施形態の形状計測装置が出力する形状画像の一例を示す。 図７は、本実施形態の情報処理装置の構成を示すブロック図である。 図８は、造形物の内部に生ずる欠陥の一例である空隙を示す断面図である。 図９は、情報処理装置が行う欠陥予測処理の流れを示すフローチャートである。 図１０は、造形位置を示す位置情報と関連付けられて情報ＤＢに格納されている計測情報、装置情報及び特徴量情報を示す。 図１１は、位置情報を関連付けた欠陥情報を出力する出力方法を示す。 図１２は、欠陥情報と共にプロセスデータを出力する出力方法を示す。 図１３は、溶け込み幾何形状指標を説明するための断面図である。 図１４は、欠陥情報と共にエネルギ情報を出力する出力方法を示す。 図１５は、欠陥統計情報を示す。 図１６は、欠陥情報の表示方法の一例を示す。 図１７は、欠陥情報の表示方法の一例を示す。 図１８は、本実施形態のモデル生成装置の構成を示すブロック図である。 図１９は、モデル生成装置が行うモデル生成処理の流れを示すフローチャートである。 図２０は、学習用データセットのデータ構造の一例を示す。 図２１は、造形条件情報に関する抽出基準を満たす学習データを示す。 図２２は、造形条件情報に関する抽出基準を満たす学習データを示す。 図２３は、設計情報に関する抽出基準を満たす学習データを示す。 図２４は、形状に応じて造形物を分割することで得られる、形状が異なる複数の分割物体を示す斜視図である。 図２５は、材料情報に関する抽出基準を満たす学習データを示す。 図２６は、特性情報の他の例を示す。 図２７は、特性情報の他の例を示す。 図２８（ａ）から図２８（ｃ）のそれぞれは、固化層を示す斜視図である。
　以下、図面を参照しながら、情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置の実施形態について説明する。以下では、付加加工を行うことで造形物を造形可能な造形システムＳＹＳを用いて、情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置の実施形態について説明する。特に、以下では、粉末焼結積層造形法（ＳＬＳ：Ｓｅｌｅｃｔｉｖｅ　Ｌａｓｅｒ　Ｓｉｎｔｅｒｉｎｇ）等の粉末床溶融結合法（Ｐｏｗｄｅｒ　Ｂｅｄ　Ｆｕｓｉｏｎ）に基づく付加加工を行うことで造形物を造形可能な造形システムＳＹＳを用いて、情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置の実施形態について説明する。
　但し、造形システムＳＹＳは、粉末床溶融結合法とは異なる造形方法に基づく付加加工を行うことで、造形物を造形してもよい。粉末床溶融結合法とは異なる造形方法の一例として、レーザ肉盛溶接法（ＬＭＤ：Ｌａｓｅｒ　Ｍｅｔａｌ　Ｄｅｐｏｓｉｔｉｏｎ）等の指向性エネルギ堆積法（ＤＥＤ：Ｄｅｒｅｃｔｅｄ　Ｅｎｅｒｇｙ　Ｄｅｐｏｓｉｔｉｏｎ）、結合材噴射法（バインダージェッティング方式：Ｂｉｎｄｅｒ　Ｊｅｔｔｉｎｇ）、材料噴射法（マテリアルジェッティング方式：Ｍａｔｅｒｉａｌ　Ｊｅｔｔｉｎｇ）、光造形法及びレーザメタルフュージョン法（ＬＭＦ：Ｌａｓｅｒ　Ｍｅｔａｌ　Ｆｕｓｉｏｎ）のうちの少なくとも一つがあげられる。或いは、造形システムＳＹＳは、付加加工とは異なる任意の加工（例えば、除去加工）を行うことで、造形物を造形してもよい。
　また、以下の説明では、互いに直交するＸ軸、Ｙ軸及びＺ軸から定義されるＸＹＺ直交座標系を用いて、造形システムＳＹＳを構成する各種構成要素の位置関係について説明する。尚、以下の説明では、説明の便宜上、Ｘ軸方向及びＹ軸方向のそれぞれが水平方向（つまり、水平面内の所定方向）であり、Ｚ軸方向が鉛直方向（つまり、水平面に直交する方向であり、実質的には上下方向）であるものとする。また、Ｘ軸、Ｙ軸及びＺ軸周りの回転方向（言い換えれば、傾斜方向）を、それぞれ、θＸ方向、θＹ方向及びθＺ方向と称する。ここで、Ｚ軸方向を重力方向としてもよい。また、ＸＹ平面を水平方向としてもよい。
　（１）造形システムＳＹＳの構成
　はじめに、造形システムＳＹＳの構成について説明する。
　（１－１）造形システムＳＹＳの構成
　はじめに、図１を参照しながら、造形システムＳＹＳの全体構成について説明する。図１は、造形システムＳＹＳの全体構成を示すブロック図である。
　図１に示すように、造形システムＳＹＳは、造形装置１と、計測装置２と、情報処理装置３とを備える。情報処理装置３は、不図示の通信ネットワーク又はデータバスを介して、造形装置１及び計測装置２の少なくとも一方と通信可能であってもよい。つまり、情報処理装置３は、不図示の通信ネットワーク又はデータバスを介して、任意の情報を、造形装置１及び計測装置２の少なくとも一方に送信可能であってもよい。情報処理装置３は、不図示の通信ネットワーク又はデータバスを介して、任意の情報を、造形装置１及び計測装置２の少なくとも一方から受信可能であってもよい。
　造形装置１は、粉末床溶融結合法に基づく付加加工を行うことで造形物を造形可能な装置である。尚、造形装置１の構成については、後に図２及び図３を参照しながら詳細に説明するが、その概要について簡単に説明する。造形装置１は、未溶融の造形材料を用いて材料層ＭＬ（後述の図３参照）を形成する。造形装置１は、材料層ＭＬの少なくとも一部に造形光ＥＬを照射する。その結果、造形装置１は、材料層ＭＬの少なくとも一部に、造形光ＥＬの照射によって溶融した造形材料を含む溶融池ＭＰ（後述の図３参照）を形成する。つまり、造形光ＥＬの照射による造形材料の溶融によって、溶融池ＭＰが形成される。その後、溶融池ＭＰに対して造形光ＥＬが照射されなくなると、溶融池ＭＰにおいて溶融していた造形材料は、冷却されて固化する。その結果、固化した造形材料を含む造形物が形成される。造形システムＳＹＳは、このような造形光ＥＬの照射による溶融池ＭＰの形成及び溶融した造形材料の固化を含む一連の造形処理を、材料層ＭＬ上において造形光ＥＬの照射位置を移動させながら繰り返す。その結果、固化した造形材料から構成される層状の造形物（以下、この造形物を、“固化層ＳＴＬ（後述の図３参照）”と称する）が形成される。その後、造形装置１は、材料層ＭＬの形成と固化層ＳＴＬの形成とを繰り返すことで、複数の固化層ＳＴＬを含む造形物を造形する。
　計測装置２は、計測対象物の少なくとも一部を計測可能な（言い換えれば、測定可能な）装置である。計測装置２は、計測対象物の少なくとも一部の特性を計測可能な装置である。例えば、計測装置２は、計測対象物の少なくとも一部の特性として、計測対象物の少なくとも一部の形状（特に、三次元形状）を計測可能であってもよい。例えば、計測装置２は、計測対象物の少なくとも一部の特性として、計測対象物の少なくとも一部の温度を計測可能であってもよい。
　計測対象物は、造形装置１による造形物の造形に関連する任意の物体を含んでいてもよい。
　例えば、計測対象物は、造形装置１が造形する造形物そのものを含んでいてもよい。造形装置１が造形する造形物は、造形装置１が最終的に造形するべき、所望形状を有する三次元構造物ＳＴ（つまり、複数の固化層ＳＴＬから構成される造形物）を含んでいてもよい。造形装置１が造形する造形物は、三次元構造物ＳＴを造形する過程で造形装置１が造形する中間的な造形物を含んでいてもよい。中間的な造形物は、造形途中の三次元構造物ＳＴ（例えば、少なくとも一つの固化層ＳＴＬから構成される造形物）を含んでいてもよい。中間的な造形物は、造形が完了した固化層ＳＴＬそのものを含んでいてもよい。中間的な造形物は、固化層ＳＴＬを造形する過程で造形装置１が造形する中間的な造形物（つまり、造形途中の固化層ＳＴＬ）を含んでいてもよい。尚、以下の説明では、説明の便宜上、造形装置１が造形する造形物の種類を区別する必要がない場面では、造形装置１が造形する造形物を、“造形物ＢＯ”と総称する。つまり、以下の説明では、特段の表記がない場合は、造形物ＢＯは、造形が完了した三次元構造物ＳＴ、造形途中の三次元構造物ＳＴ、造形が完了した固化層ＳＴＬ及び造形途中の固化層ＳＴＬのうちの少なくとも一つを意味していてもよい。尚、計測対象物は、造形装置１が未溶融の造形材料を溶融する過程で溶融池ＭＰから発生する後述のスパッタ（固化した粒状の造形材料）及び後述のヒューム（造形材料の蒸気）の少なくとも一方を含んでいてもよい。尚、造形物ＢＯは、スパッタ及びヒュームの少なくとも一方を意味してもよい。
　例えば、造形物ＢＯを造形するために材料層ＭＬが形成されるがゆえに、計測対象物は、材料層ＭＬを含んでいてもよい。例えば、造形物ＢＯを造形するために溶融池ＭＰが形成されるがゆえに、計測対象物は、溶融池ＭＰを含んでいてもよい。
　情報処理装置３は、計測装置２による計測対象物の計測結果を用いて、造形装置１が造形した造形物ＢＯの特性に関する特性情報を生成可能な装置である。本実施形態では、情報処理装置３が、特性情報の一例として、造形装置１が造形した造形物ＢＯに形成された欠陥に関する欠陥情報４２５（後述する図５等参照）を生成する例について説明する。つまり、本実施形態では、情報処理装置３が、欠陥情報４２５を生成するための欠陥予測処理を行う例について説明する。尚、欠陥予測処理は、欠陥予測動作とも言える。
　尚、情報処置装置３は、計測装置２と共に特性情報を生成するとみなしてもよい。この場合、情報処置装置３と計測装置２とを備えるシステムが、情報処理システム又は計測システムと称されてもよい。
　（１－２）造形装置１の構成
　続いて、図２及び図３を参照しながら、造形装置１の構成について説明する。図２は、造形装置１の構成を示すブロック図である。図３は、造形装置１の構成を示す断面図である。
　図２及び図３に示すように、造形装置１は、造形ユニット１０と、制御ユニット１６とを備える。更に、造形ユニット１０は、材料供給槽１１と、リコータ１２と、リコータ駆動系１２１と、造形槽１３と、昇降ステージ１４と、ステージ駆動系１４１と、造形ヘッド１５と、ヘッド駆動系１５１とを備える。
　材料供給槽１１は、造形材料を収容するための収容容器である。材料供給槽１１の底面１１１は、不図示の駆動系によって上下方向（つまり、Ｚ軸方向）に沿って移動可能である。尚、材料供給槽１１は、材料供給部とも言えるし材料供給室とも言える。
　造形材料は、粉末状の材料である。つまり、造形材料は、粉体である。但し、造形材料は、粉末状の材料でなくてもよい。例えば、造形材料として、ワイヤ状の造形材料、ゲル状の造形材料、液体状の造形材料、ゾル状の材料及び気体状の造形材料の少なくとも一つが用いられてもよい。また、上述したように、造形システムＳＹＳは、エネルギビームである造形光ＥＬを用いて造形材料を溶融させることで、造形物ＢＯを造形する。このため、造形材料は、所定強度以上の造形光ＥＬの照射によって溶融可能な材料である。このような造形材料として、例えば、金属材料が使用可能である。但し、造形材料として、金属材料とは異なるその他の材料が用いられてもよい。例えば、造形材料として、樹脂材料が用いられてもよいし、他の周知の材料が用いられてもよい。
　リコータ１２は、材料供給槽１１に収容された造形材料を造形槽１３に供給する。具体的には、リコータ１２は、所定の厚さΔｄを有し且つ表面がほぼ平らになった造形材料の層（つまり、材料層ＭＬ）が造形槽１３内の昇降ステージ１４上に形成されるように、造形材料を供給する。造形槽１３は、材料層ＭＬの形成と、形成された材料層ＭＬの少なくとも一部を固化させることによる固化層ＳＴＬの形成とを繰り返すことで、複数の固化層ＳＴＬが積層された三次元構造物ＳＴを造形するための作業容器（造形空間）である。造形槽１３の底面は昇降ステージ１４により構成される。昇降ステージ１４は、後述する制御ユニット１６の制御に従って、ステージ駆動系１４１により上下方向（つまり、Ｚ軸方向）に移動する。尚、造形槽１３は、造形部とも言えるし造形室とも言える。
　造形ヘッド１５は、不図示の光源が生成した造形光ＥＬを、材料層ＭＬの少なくとも一部に照射する。更に、造形ヘッド１５は、ヘッド駆動系１５１としての不図示のガルバノミラーを用いて、材料層ＭＬの表面上での造形光ＥＬの照射位置を移動させてもよい。更に、造形ヘッド１５は、ヘッド駆動系１５１としての不図示のモーターによって移動することで、材料層ＭＬの表面上での造形光ＥＬの照射位置を移動させてもよい。
　制御ユニット１６は、例えば、演算装置と、記憶装置とを備えていてもよい。演算装置は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）及びＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）の少なくとも一方を含んでいてもよい。記憶装置は、例えば、メモリを含んでいてもよい。制御ユニット１６は、演算装置がコンピュータプログラムを実行することで、造形ユニット１０の動作を制御する装置として機能する。このコンピュータプログラムは、制御ユニット１６が行うべき後述する処理を演算装置に行わせる（つまり、実行させる）ためのコンピュータプログラムである。つまり、このコンピュータプログラムは、造形ユニット１０に後述する動作を行わせるように制御ユニット１６を機能させるためのコンピュータプログラムである。演算装置が実行するコンピュータプログラムは、制御ユニット１６が備える記憶装置（つまり、記録媒体）に記録されていてもよいし、制御ユニット１６に内蔵された又は制御ユニット１６に外付け可能な任意の記憶媒体（例えば、ハードディスクや半導体メモリ）に記録されていてもよい。或いは、演算装置は、実行するべきコンピュータプログラムを、ネットワークインタフェースを介して、制御ユニット１６の外部の装置からダウンロードしてもよい。
　制御ユニット１６は、造形装置１の内部に設けられていなくてもよい。例えば、制御ユニット１６は、造形装置１外にサーバ等として設けられていてもよい。この場合、制御ユニット１６と造形装置１とは、有線及び／又は無線のネットワーク（或いは、データバス及び／又は通信回線）で接続されていてもよい。有線のネットワークとして、例えばＩＥＥＥ１３９４、ＲＳ－２３２ｘ、ＲＳ－４２２、ＲＳ－４２３、ＲＳ－４８５及びＵＳＢの少なくとも一つに代表されるシリアルバス方式のインタフェースを用いるネットワークが用いられてもよい。有線のネットワークとして、パラレルバス方式のインタフェースを用いるネットワークが用いられてもよい。有線のネットワークとして、１０ＢＡＳＥ－Ｔ、１００ＢＡＳＥ－ＴＸ及び１０００ＢＡＳＥ－Ｔの少なくとも一つに代表されるイーサネット（登録商標）に準拠したインタフェースを用いるネットワークが用いられてもよい。無線のネットワークとして、電波を用いたネットワークが用いられてもよい。電波を用いたネットワークの一例として、ＩＥＥＥ８０２．１ｘに準拠したネットワーク（例えば、無線ＬＡＮ及びＢｌｕｅｔｏｏｔｈ（登録商標）の少なくとも一方）があげられる。無線のネットワークとして、赤外線を用いたネットワークが用いられてもよい。無線のネットワークとして、光通信を用いたネットワークが用いられてもよい。この場合、制御ユニット１６と造形装置１とはネットワークを介して各種の情報の送受信が可能となるように構成されていてもよい。また、制御ユニット１６は、ネットワークを介して造形装置１にコマンドや制御パラメータ等の情報を送信可能であってもよい。造形装置１は、制御ユニット１６からのコマンドや制御パラメータ等の情報を、上記ネットワークを介して受信する受信装置を備えていてもよい。造形装置１は、制御ユニット１６に対してコマンドや制御パラメータ等の情報を、上記ネットワークを介して送信する送信装置（つまり、制御ユニット１６に対して情報を出力する出力装置）を備えていてもよい。或いは、制御ユニット１６が行う処理のうちの一部を行う第１制御装置が造形装置１の内部に設けられている一方で、制御ユニット１６が行う処理のうちの他の一部を行う第２制御装置が造形装置１の外部に設けられていてもよい。
　制御ユニット１６内には、演算装置がコンピュータプログラムを実行することで、機械学習によって構築可能な演算モデルが実装されてもよい。機械学習によって構築可能な演算モデルの一例として、例えば、ニューラルネットワークを含む演算モデル（いわゆる、人工知能（ＡＩ：Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ））があげられる。この場合、演算モデルの学習は、ニューラルネットワークのパラメータ（例えば、重み及びバイアスの少なくとも一つ）の学習を含んでいてもよい。制御ユニット１６は、演算モデルを用いて、造形装置１の動作を制御してもよい。つまり、造形装置１の動作を制御する動作は、演算モデルを用いて造形装置１の動作を制御する動作を含んでいてもよい。尚、制御ユニット１６には、教師データを用いたオフラインでの機械学習により構築済みの演算モデルが実装されてもよい。また、制御ユニット１６に実装された演算モデルは、制御ユニット１６上においてオンラインでの機械学習によって更新されてもよい。或いは、制御ユニット１６は、制御ユニット１６に実装されている演算モデルに加えて又は代えて、制御ユニット１６の外部の装置（つまり、造形装置１の外部に設けられる装置）に実装された演算モデルを用いて、造形装置１の動作を制御してもよい。
　尚、制御ユニット１６が実行するコンピュータプログラムを記録する記録媒体としては、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷやフレキシブルディスク、ＭＯ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、ＤＶＤ－Ｒ、ＤＶＤ＋Ｒ、ＤＶＤ－ＲＷ、ＤＶＤ＋ＲＷ及びＢｌｕ－ｒａｙ（登録商標）等の光ディスク、磁気テープ等の磁気媒体、光磁気ディスク、ＵＳＢメモリ等の半導体メモリ、及び、その他プログラムを格納可能な任意の媒体の少なくとも一つが用いられてもよい。記録媒体には、コンピュータプログラムを記録可能な機器（例えば、コンピュータプログラムがソフトウェア及びファームウェア等の少なくとも一方の形態で実行可能な状態に実装された汎用機器又は専用機器）が含まれていてもよい。更に、コンピュータプログラムに含まれる各処理や機能は、制御ユニット１６（つまり、コンピュータ）がコンピュータプログラムを実行することで制御ユニット１６内に実現される論理的な処理ブロックによって実現されてもよいし、制御ユニット１６が備える所定のゲートアレイ（ＦＰＧＡ、ＡＳＩＣ）等のハードウェアによって実現されてもよいし、論理的な処理ブロックとハードウェアの一部の要素を実現する部分的ハードウェアモジュールとが混在する形式で実現してもよい。
　制御ユニット１６は、造形装置１（特に、造形ユニット１０）が以下に説明する動作を行うことで造形物ＢＯを造形するように、造形装置１（特に、造形ユニット１０）の動作を制御してもよい。
　まず、リコータ１２は、材料供給槽１１内の造形材料を造形槽１３に供給することで、造形槽１３内に（例えば、昇降ステージ１４上に）材料層ＭＬを形成する。具体的には、ステージ駆動系１４１は、造形槽１３の昇降ステージ１４を、材料層ＭＬの厚さΔｄだけ下方（図３に示す例では、－Ｚ側）に移動させる。合わせて、材料供給槽１１の底面１１１が、所定量だけ上方（図３に示す例では、＋Ｚ側）に移動する。その後、リコータ１２は、材料供給槽１１の造形材料を、材料供給槽１１から造形槽１３に供給すると共に、供給した造形材料の層を、その厚さが所定の厚さΔｄとなるようにほぼ平らにならすことで、材料層ＭＬを形成する。
　その後、造形ヘッド１５は、形成された材料層ＭＬの少なくとも一部に造形光ＥＬを照射することで、材料層ＭＬの少なくとも一部に溶融池ＭＰを形成する。ここで、上述したように、造形ヘッド１５は、材料層ＭＬの表面上での造形光ＥＬの照射位置を移動させる。つまり、造形ヘッド１５は、材料層ＭＬの表面の少なくとも一部を造形光ＥＬで走査する。具体的には、造形ヘッド１５が造形光ＥＬで走査する経路は、造形装置１が造形する三次元構造物ＳＴの設計情報（例えば、ＣＡＤデータ及びＳＴＬ（Ｓｔｅｒｅｏｌｉｔｈｏｇｒａｐｈｙ）データ等の三次元形状データ）に基づいて生成された断層モデル情報から設定される。従って、制御ユニット１６は、造形装置１が造形しようとしている固化層ＳＴＬに対応する断層モデルの形状情報に基づいて、造形材料を溶融させた後に固化させるべき目標造形領域を材料層ＭＬに設定する。造形ヘッド１５は、目標造形領域に造形光ＥＬが照射されるように、造形光ＥＬの照射位置を移動させる。その結果、材料層ＭＬにおいて造形光ＥＬが照射された位置に、固化層ＳＴＬが造形される。つまり、材料層ＭＬから固化層ＳＴＬが造形される。言い換えれば、材料層ＭＬの少なくとも一部が溶融及び固化することで、固化層ＳＴＬが形成される。尚、固化層ＳＴＬの厚さは、典型的には、材料層ＭＬの厚さΔｄと同一であるが、材料層ＭＬの厚さΔｄと異なっていてもよい。
　昇降ステージ１４上に供給された造形材料（つまり、材料層ＭＬ）から固化層ＳＴＬが形成されると、昇降ステージ１４は下方向（図３に示す例では、－Ｚ側）に移動する。その後、リコータ１２は、固化層ＳＴＬの上面（図３に示す例では、＋Ｚ側の表面）に新たに材料層ＭＬを形成する。この新たな材料層ＭＬの少なくとも一部が固化されることで、新たな固化層ＳＴＬが形成される。このような材料層ＭＬの形成と固化層ＳＴＬの形成とが繰り返されることで、複数の固化層ＳＴＬが積層される。その結果、積層された複数の固化層ＳＴＬを含む三次元構造物ＳＴが造形される。
　制御ユニット１６は、造形装置１が造形物ＢＯを造形するために用いる造形条件を用いて、造形物ＢＯを造形するように造形装置１（特に、造形ユニット１０）の動作を制御してもよい。つまり、制御ユニット１６は、造形物ＢＯを造形する造形装置１の動作内容を規定するために設定される造形条件を用いて、造形物ＢＯを造形するように造形装置１（特に、造形ユニット１０）の動作を制御してもよい。造形条件は、造形ヘッド１５による造形光ＥＬの照射態様に関する照射条件を含んでいてもよい。照射条件は、造形光ＥＬを生成する光源の出力、光源から射出される造形光ＥＬの強度、材料層ＭＬ上での造形光ＥＬの強度、材料層ＭＬ上での造形光ＥＬの強度分布、造形光ＥＬの照射タイミング、造形光ＥＬの照射位置、造形光ＥＬの照射位置の移動ルール（いわゆる、スキャン戦略であり、実質的には走査経路を示す情報）、造形光ＥＬの照射位置の移動軌跡、隣り合う二つの移動軌跡の間隔であるハッチング距離（ハッチピッチ）、造形光ＥＬの照射位置の移動速度（つまり、走査速度）、光源から射出される造形光ＥＬのスポット径及び材料層ＭＬ上で造形光ＥＬが形成するスポットの径のうちの少なくとも一つを含んでいてもよい。造形条件は、リコータ駆動系１２１によるリコータ１２の移動態様に関するリコータ移動条件を含んでいてもよい。造形条件は、ステージ駆動系１４１による昇降ステージ１４の移動態様を規定するステージ移動条件を含んでいてもよい。造形条件は、ヘッド駆動系１５１による造形ヘッド１５の移動態様を規定するヘッド移動条件を含んでいてもよい。移動態様は、例えば、移動量、移動速度、移動方向及び移動タイミング（移動時期）の少なくとも一つを含んでいてもよい。造形条件は、造形材料の性質及び／又は造形材料の供給態様を規定する材料条件を含んでいても良い。造形材料の性質を規定する条件は、供給される造形材料の種類、供給される造形材料の粒径、供給される造形材料の粒度分布、供給される造形材料の流動性及び供給される造形材料の安息角のうちの少なくとも一つを含んでいてもよい。造形材料の供給態様は、造形材料の供給量、造形材料の供給タイミング、造形材料の供給速度及び供給された造形材料によって形成される材料層ＭＬの厚さΔｄのうちの少なくとも一つを含んでいてもよい。つまり、材料条件は、材料条件造形材料の供給量、造形材料の供給タイミング、造形材料の供給速度、供給された造形材料によって形成される材料層ＭＬの厚さΔｄ、供給される造形材料の種類、供給される造形材料の粒径、供給される造形材料の粒度分布、供給される造形材料の流動性及び供給される造形材料の安息角のうちの少なくとも一つを含んでいてもよい。造形条件は、造形装置１が造形物ＢＯを造形する造形環境に関する環境条件を含んでいてもよい、造形環境は、造形ユニット１０（特に、造形槽１３）の内部であって、材料層ＭＬが溶融され固化層ＳＴＬが形成される空間である造形空間の酸素濃度、造形空間の不活性ガス濃度、造形空間の温度、造形空間に供給する不活性ガスの種類、及び昇降ステージ１４の温度（特に昇降ステージ１４の＋Ｚ側の面の温度）のうちの少なくとも一つを含んでいてもよい。造形条件は、造形装置１が造形するべき造形物ＢＯ（特に、三次元構造物ＳＴ）の設計条件を含んでいてもよい。造形物ＢＯの設計条件は、造形物ＢＯの設計上三次元形状を示す設計データを含んでいてもよい。設計データは、造形物ＢＯのある部分の設計上のサイズ（例えば、長さ、幅、深さ、高さ、面積及び体積のうちの少なくとも一つ）に関する情報を含んでいてもよい。設計データは、造形物ＢＯのある部分の設計上の向き（例えば、傾き角）に関する情報を含んでいてもよい。設計データは、造形物ＢＯの三次元モデルを示す三次元モデルデータを含んでいてもよい。三次元モデルデータは、ＣＡＤ（Ｃｏｍｐｕｔｅｒ　Ａｉｄｅｄ　Ｄｅｓｉｇｎ）データを含んでいてもよい。ＣＡＤデータは、ＳＴＬ（Ｓｔａｎｄａｒｄ　Ｔｒｉａｎｇｌａｔｅｄ　Ｌａｎｇｕａｇｅ）データを含んでいてもよい。設計データは、造形物ＢＯの三次元モデルをスライスすることで得られるスライスモデルを示すスライスモデルデータを含んでいてもよい。
　（１－３）計測装置２の構成
　続いて、図４を参照しながら、計測装置２の構成について説明する。図４は、計測装置２の構成を示すブロック図である。
　図４に示すように、計測装置２は、温度計測装置２１と、形状計測装置２２とを備えている。温度計測装置２１は、計測対象物の少なくとも一部の温度を計測可能な装置である。形状計測装置２２は、計測対象物の少なくとも一部の形状（例えば、表面の形状であり、特に、三次元形状）を計測可能な装置である。上述したように、計測装置２は、計測対象物の少なくとも一部の任意の特性を計測可能な装置である。図４は、計測装置２が、計測対象物の少なくとも一部の特性の一例として、計測対象物の少なくとも一部の温度と、計測対象物の少なくとも一部の形状とを計測可能である例を示している。但し、計測装置２は、計測対象物の温度及び形状の少なくとも一方に加えて又は代えて、温度及び形状とは異なる計測対象物の任意の特性を計測可能であってもよい。
　温度計測装置２１は、計測対象物の温度を計測可能である限りは、どのような計測装置であってもよい。例えば、温度計測装置２１は、計測対象物が発する赤外線（つまり、赤外帯域の光）を検出することで、計測対象物の温度を計測してもよい。例えば、温度計測装置２１は、計測対象物が発する、波長が異なる２種類の光を検出することで、計測対象物の温度を計測してもよい。つまり、温度計測装置２１は、２色法（例えば、近赤外２色法）を用いて、計測対象物の温度を計測してもよい。温度計測装置２１は、計測対象物からの光を検出するための複数の光検出素子を含む不図示の光検出装置を備えていてもよい。温度計測装置２１は、光検出装置の検出結果に基づいて、計測対象物の温度を計測してもよい。温度計測装置２１は、光検出装置の複数の光検出素子の検出結果に基づいて、計測対象物の温度を計測してもよい。例えば、温度計測装置２１は、複数の光検出素子のそれぞれの検出結果毎に温度を計測してもよい。つまり、温度計測装置２１は、計測対象物における複数の異なる位置の温度を計測してもよい。温度計測装置２１は、不図示の光検出装置としてのＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅ）又はＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ－Ｏｘｉｄｅ－Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）を備えていてもよい。尚、温度計測装置２１は、計測対象物からの光を検出するための不図示の単一の光検出素子を備えていてもよい。温度計測装置２１は、単一の光検出素子の検出結果に基づいて、計測対象物の温度を計測してもよい。
　温度計測装置２１は、温度計測装置２１による計測結果に関する情報を含む計測情報４１１を出力する。例えば、温度計測装置２１は、計測対象物の少なくとも一部の温度に関する情報を含む計測情報４１１を出力してもよい。計測対象物の少なくとも一部の温度は、計測対象物の一の部分の温度を含んでいてもよい。計測対象物の少なくとも一部の温度は、計測対象物の複数の部分の温度を含んでいてもよい。本実施形態では、温度計測装置２１は、計測情報４１１として、図５に示すように、温度画像ＩＭＧ＿Ｔを示す温度画像データＤ＿Ｔを出力する例について説明する。温度画像ＩＭＧ＿Ｔは、計測対象物の少なくとも一部の温度分布を示す画像である。温度画像ＩＭＧ＿Ｔは、例えば、計測対象物の温度の違いを色又は階調の違いで示すことで、計測対象物の少なくとも一部の温度を示す画像であってもよい。この場合、温度画像データＤ＿Ｔは、温度画像ＩＭＧ＿Ｔを構成する複数の画素のそれぞれの色又は階調を示すデータであってもよい。但し、温度計測装置２１の出力が温度画像ＩＭＧ＿Ｔを示す温度画像データに限定されることはない。例えば、温度計測装置２１は、計測対象物の少なくとも一部の温度を示す数値データである温度データを計測情報４１１として出力してもよい。
　本実施形態では、温度計測装置２１が、計測対象物の一例である溶融池ＭＰの少なくとも一部の温度を計測する例について説明する。この場合、温度計測装置２１は、計測情報４１１として、図５に示すように、溶融池ＭＰの少なくとも一部の温度分布を示す温度画像ＩＭＧ＿Ｔ（具体的には、温度画像データＤ＿Ｔ）を出力してもよい。
　但し、温度計測装置２１は、溶融池ＭＰの少なくとも一部の温度に加えて又は代えて、溶融池ＭＰとは異なる計測対象物の少なくとも一部の温度を計測してもよい。つまり、温度画像ＩＭＧ＿Ｔには、溶融池ＭＰとは異なる計測対象物が写り込んでいてもよい。例えば、溶融池ＭＰが形成される場合には、溶融池ＭＰの上方（＋Ｚ方向）や溶融池ＭＰの周辺に、造形光ＥＬの照射に起因して微粒子であるスパッタＳＰＴが発生する可能性がある。この場合、図５に示すように、温度画像ＩＭＧ＿Ｔには、スパッタＳＰＴが写り込んでいてもよい。例えば、溶融池ＭＰが形成される場合には、溶融池ＭＰの上方（＋Ｚ方向）や溶融池ＭＰの周辺に、造形光ＥＬの照射に起因して造形材料の蒸発物であるヒュームが発生する可能性がある。この場合、温度画像ＩＭＧ＿Ｔには、ヒュームが写り込んでいてもよい。例えば、計測対象物は、溶融池ＭＰとスパッタＳＰＴとヒュームの少なくとも一つを含んでいてもよい。温度計測装置２１は、溶融池ＭＰとスパッタＳＰＴとヒュームの少なくとも一つの少なくとも一部の温度を計測してもよい。
　尚、上述したように、溶融池ＭＰを含む計測対象物は、造形物ＢＯの造形に関連する任意の物体である。このため、計測情報４１１は、造形物ＢＯの造形に関する計測情報であるとみなしてもよい。
　温度計測装置２１は、造形装置１が造形物ＢＯを造形している造形期間中に、計測対象物の少なくとも一部の温度を計測する。造形期間は、最終的な造形物ＢＯである三次元構造物ＳＴを造形するために造形装置１が材料層ＭＬの形成と固化層ＳＴＬの形成とを繰り返している一連の期間を意味していてもよい。造形期間は、三次元構造物ＳＴを造形するために造形装置１の造形槽１３内において材料層ＭＬの形成と固化層ＳＴＬの形成とが繰り返されている一連の期間を意味していてもよい。造形期間は、造形装置１が材料層ＭＬの形成と固化層ＳＴＬの形成とを繰り返すように制御ユニット１６が造形ユニット１０を制御している期間を意味していてもよい。造形期間は、最終的な造形物ＢＯである三次元構造物ＳＴを造形するために造形装置１が材料層ＭＬの形成と固化層ＳＴＬの形成とを繰り返すように制御ユニット１６が造形ユニット１０を制御している期間を意味していてもよい。造形期間は、造形装置１が１層目の固化層ＳＴＬを形成するために造形槽１３に材料を供給してから各材料層ＭＬへの造形光ＥＬの照射を経て造形すべき全ての固化層ＳＴＬの形成が終了するまでの期間を意味していてもよい。尚、造形すべき固化層ＳＴＬが１層の場合は、造形期間は、造形装置１が１層目の固化層ＳＴＬを形成するために造形槽１３に材料を供給してから１層目の材料層ＭＬへの造形光ＥＬの照射を経て１層目の固化層ＳＴＬの形成が終了するまでの期間を意味してもよい。
　造形期間は、造形装置１が造形材料の供給と、造形材料の溶融と、溶融した造形材料の固化に起因した造形物ＢＯ（つまり、溶融した造形材料が固化することで形成される固化物）の造形とを繰り返している期間を意味していてもよい。造形期間は、造形装置１が造形物ＢＯを造形する造形空間内において造形材料の供給と、造形材料の溶融と、溶融した造形材料の固化に起因した造形物ＢＯの造形とが繰り返されている期間を意味していてもよい。造形期間は、造形装置１が造形材料の供給と、造形材料の溶融と、溶融した造形材料の固化に起因した造形物ＢＯの造形とを繰り返すように制御ユニット１６が造形ユニット１０を制御している期間を意味していてもよい。造形期間は、最終的な造形物ＢＯである三次元構造物ＳＴを造形するために造形装置１が造形材料の供給と、造形材料の溶融と、溶融した造形材料の固化に起因した造形物ＢＯの造形とを繰り返すように制御ユニット１６が造形ユニット１０を制御している期間を意味していてもよい。
　ここで、温度計測装置２１が造形期間中に計測対象物の少なくとも一部の温度を計測する場合には、造形物ＢＯの造形が進むにつれて、温度計測装置２１の計測視野（計測範囲）に対して、計測対象物が移動する可能性がある。例えば、温度計測装置２１の計測対象物である溶融池ＭＰは、造形光ＥＬの照射位置の移動に伴って材料層ＭＬ上で移動する。その結果、溶融池ＭＰは、温度計測装置２１の計測視野に対して移動する可能性がある。このため、温度計測装置２１は、溶融池ＭＰが形成される可能性がある領域の全体が温度計測装置２１の計測視野に含まれるように、造形装置１に対して位置合わせされてもよい。一例として、溶融池ＭＰが材料層ＭＬに形成されるがゆえに、温度計測装置２１は、材料層ＭＬの全体が温度計測装置２１の計測視野に含まれるように、造形装置１に対して位置合わせされてもよい。或いは、温度計測装置２１は、位置が変わる溶融池ＭＰが温度計測装置２１の計測視野に含まれるように、計測視野を移動させてもよい。例えば、造形ヘッド１５がヘッド駆動系１５１としての不図示のガルバノミラーを用いて材料層ＭＬの表面上での造形光ＥＬの照射位置を移動させる場合、溶融池ＭＰの少なくとも一部からの光を同じガルバノミラーを介して検出するように温度計測装置２１を造形装置１に配置することによって、造形光ＥＬの照射位置の移動と共に温度計測装置２１の計測視野を移動させてもよい。例えば、温度計測装置２１は、温度計測装置２１自身が移動することで、計測視野を移動させてもよい。尚、温度計測装置２１は、溶融池ＭＰとスパッタＳＰＴとヒュームの少なくとも一つが計測視野に含まれるように造形装置１に対して位置合せされてもよい。尚、温度計測装置２１は、位置が変わる溶融池ＭＰとスパッタＳＰＴとヒュームの少なくとも一つが温度計測装置２１の計測視野に含まれるように、計測視野を移動させてもよい。
　続いて、形状計測装置２２は、計測対象物の形状を計測可能である限りは、どのような計測装置であってもよい。例えば、形状計測装置２２は、光学的に計測対象物の三次元形状を計測してもよい。光学的に計測対象物の三次元形状を計測する計測装置の一例として、３Ｄスキャナがあげられる。３Ｄスキャナは、計測対象物の少なくとも一部にパターン光を投影し、パターン光が投影された計測対象物の少なくとも一部を撮像することで、計測対象物の形状を計測してもよい。光学的に計測対象物の三次元形状を計測する計測装置の他の一例として、干渉方式の計測装置、光干渉断層撮影（ＯＣＴ：Ｏｐｔｉｃａｌ　Ｃｏｈｅｒｅｎｃｅ　Ｔｏｍｏｇｒａｐｈｙ）方式の計測装置、白色共焦点変位計を備える計測装置、位相変調方式の計測装置及び強度変調方式の計測装置の少なくとも一つがあげられる。ＯＣＴ方式の計測装置の一例は、特開２０２０－１０１４９９号公報に記載されている。白色共焦点変位計の一例は、特開２０２０－０８５６３３号公報に記載されている。位相変調方式の計測装置の一例は、特開２０１０－０２５９２２号公報に記載されている。強度変調方式の計測装置の一例は、特開２０１６－５１０４１５号公報及び米国特許出願公開第２０１４／２２６１４５号明細書に記載されている。尚、形状測定装置２２は、光学的に計測対象物の三次元形状を計測する上記の計測装置に限られず、非接触で計測対象物の三次元形状を計測可能な他の既存の測定装置であってもよい。形状測定装置２２は、超音波で計測対象物の三次元形状を計測する計測装置であってもよい。例えば、形状計測装置２２は、光学的に計測対象物の二次元形状を計測してもよい。光学的に計測対象物の二次元形状を計測する計測装置の一例として、画像測定機があげられる。画像測定機は、計測対象物の少なくとも一部を撮像することで、取得した画像から計測対象物の二次元形状（寸法）を計測してもよい。尚、形状測定装置２２は、画像測定機に限られず、非接触で計測対象物の二次元形状を計測可能な他の既存の測定装置であってもよい。尚、形状測定装置２２は、光学的に計測対象物の形状を計測する測定方式に限られず、他の測定方式であってもよい。例えば、形状測定装置２２は、タッチプローブを計測対象物の少なくとも一部に接触させて計測対象物の形状を計測する接触式の測定装置であってもよい。
　形状計測装置２２は、形状計測装置２２による計測結果に関する情報を含む計測情報４１２を出力する。例えば、形状計測装置２２は、計測対象物の少なくとも一部の形状に関する情報を含む計測情報４１２を出力してもよい。計測対象物の少なくとも一部の形状は、計測対象物の表面の一の部分の形状を含んでいてもよい。計測対象物の少なくとも一部の形状は、計測対象物の表面の複数の部分の形状を含んでいてもよい。本実施形態では、形状計測装置２２は、計測情報４１２として、図６に示すように、形状画像ＩＭＧ＿３Ｄを示す形状画像データＤ＿３Ｄを出力する例について説明する。形状画像ＩＭＧ＿３Ｄは、計測対象物の少なくとも一部の形状を示す画像である。形状画像ＩＭＧ＿３Ｄは、例えば、計測対象物の表面の位置の違い（つまり、形状計測装置２２からの距離の違い）を色又は階調の違いで示すことで、計測対象物の少なくとも一部の形状を示す画像であってもよい。或いは、形状画像ＩＭＧ＿３Ｄは、例えば、いわゆる深度情報を含む画像であってもよい。この場合、形状画像データＤ＿３Ｄは、形状画像ＩＭＧ＿３Ｄを構成する複数の画素のそれぞれの色又は階調を示すデータであってもよい。但し、形状計測装置２２の出力が形状画像データＤ＿３Ｄに限定されることはない。例えば、形状計測装置２２は、計測対象物の少なくとも一部の形状を示す点群データを計測情報４１２として出力してもよい。例えば、形状計測装置２２は、形状計測装置２２から計測対象物の少なくとも一部までの距離を示す数値データである距離データを計測情報４１２として出力してもよい。
　本実施形態では、形状計測装置２２が、それぞれが計測対象物の一例である造形物ＢＯ及び材料層ＭＬの少なくとも一方の形状を計測する例について説明する。この場合、形状計測装置２２は、計測情報４１２として、図６に示すように、造形物ＢＯ及び材料層ＭＬの少なくとも一方の形状を示す形状画像ＩＭＧ＿３Ｄ（具体的には、形状画像データＤ＿３Ｄ）を出力してもよい。
　但し、形状計測装置２２は、造形物ＢＯ及び材料層ＭＬの少なくとも一方の形状に加えて又は代えて、造形物ＢＯ及び材料層ＭＬとは異なる計測対象物の少なくとも一部の形状を計測してもよい。つまり、形状画像ＩＭＧ＿３Ｄには、造形物ＢＯ及び材料層ＭＬとは異なる計測対象物が写り込んでいてもよい。例えば、計測対象物は、造形物ＢＯ、材料層ＭＬ、及びスパッタＳＰＴの少なくとも一つを含んでいてもよい。形状計測装置２２は、造形物ＢＯ、材料層ＭＬ、及びスパッタＳＰＴの少なくとも一つの少なくとも一部の形状を計測してもよい。
　尚、上述したように、造形物ＢＯ及び材料層ＭＬの少なくとも一方を含む計測対象物は、造形物ＢＯの造形に関連する任意の物体である。このため、計測情報４１２は、計測情報４１１と同様に、造形物ＢＯの造形に関する計測情報であるとみなしてもよい。
　形状計測装置２２は、造形装置１が造形物ＢＯを造形している造形期間中に、計測対象物の少なくとも一部の形状を計測する。ここで、形状計測装置２２が造形期間中に計測対象物の少なくとも一部の形状を計測する場合には、造形物ＢＯの造形が進むにつれて、形状計測装置２２の計測視野に対して、計測対象物が移動する可能性がある。このため、形状計測装置２２は、計測対象物である造形物ＢＯ及び材料層ＭＬが存在する可能性がある領域の全体が形状計測装置２２の計測視野に含まれるように、造形装置１に対して位置合わせされてもよい。一例として、材料層ＭＬから造形物ＢＯが造形されるがゆえに、形状計測装置２２は、材料層ＭＬの全体が形状計測装置２２の計測視野に含まれるように、造形装置１に対して位置合わせされてもよい。或いは、形状計測装置２２は、計測対象物である造形物ＢＯ及び材料層ＭＬが形状計測装置２２の計測視野に含まれるように、計測視野を移動させてもよい。例えば、形状計測装置２２は、形状計測装置２２自身が移動することで、計測視野を移動させてもよい。
　（１－４）情報処理装置３の構成
　続いて、図７を参照しながら、情報処理装置３の構成について説明する。図７は、情報処理装置３の構成を示すブロック図である。
　図７に示すように、情報処理装置３は、演算装置３１と、記憶装置３２と、通信装置３３とを備えている。更に、情報処理装置３は、入力装置３４と、出力装置３５とを備えていてもよい。但し、情報処理装置３は、入力装置３４及び出力装置３５のうちの少なくとも一つを備えていなくてもよい。演算装置３１と、記憶装置３２と、通信装置３３と、入力装置３４と、出力装置３５とは、データバス３６を介して接続されていてもよい。
　演算装置３１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｅｃｓｓｉｎｇ　Ｕｎｉｔ）及びＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）のうちの少なくとも一つを含む。演算装置３１は、コンピュータプログラムを読み込む。例えば、演算装置３１は、記憶装置３２が記憶しているコンピュータプログラムを読み込んでもよい。例えば、演算装置３１は、コンピュータで読み取り可能であって且つ一時的でない記録媒体が記憶しているコンピュータプログラムを、情報処理装置３が備える図示しない記録媒体読み取り装置を用いて読み込んでもよい。演算装置３１は、通信装置３３（或いは、その他の通信装置）を介して、情報処理装置３の外部に配置される不図示の装置からコンピュータプログラムを取得してもよい（つまり、ダウンロードしてもよい又は読み込んでもよい）。演算装置３１は、読み込んだコンピュータプログラムを実行する。その結果、演算装置３１内には、情報処理装置３が行うべき処理（例えば、上述した欠陥予測処理）を実行するための論理的な機能ブロックが実現される。つまり、演算装置３１は、情報処理装置３が行うべき処理を実行するための論理的な機能ブロックを実現するためのコントローラとして機能可能である。
　図７には、欠陥予測処理を実行するために演算装置３１内に実現される論理的な機能ブロックの一例が示されている。図７に示すように、演算装置３１内には、情報取得部３１１と、欠陥予測部３１２と、欠陥出力部３１３とが実現される。尚、情報取得部３１１、欠陥予測部３１２及び欠陥出力部３１３のそれぞれが行う処理については、後に図９等を参照しながら詳述するが、以下にその概要について説明する。
　情報取得部３１１は、造形装置１が造形した造形物ＢＯに形成された欠陥に関する欠陥情報４２５を生成するために必要な情報を取得する。例えば、情報取得部３１１は、造形物ＢＯの造形に関する計測情報４１１及び４１２の少なくとも一方を取得してもよい。つまり、情報取得部３１１は、造形物ＢＯの造形に際して計測対象物を実際に計測することで得られる計測情報４１１及び４１２の少なくとも一方を取得してもよい。情報取得部３１１が取得した情報は、例えば、記憶装置３２内の情報ＤＢ（データベース：ＤａｔａＢａｓｅ）３２１に格納されてもよい。
　欠陥予測部３１２は、情報取得部３１１が取得した情報の少なくとも一部を用いて、欠陥情報４２５を生成する。本実施形態では、欠陥情報４２５が、造形物ＢＯの内部に形成された欠陥に関する情報を含む例について説明する。造形物ＢＯの内部に形成される欠陥は、造形物ＢＯの外部に露出しない欠陥を含んでいてもよい。造形物ＢＯの内部に形成される欠陥は、造形物ＢＯの外部に露出した欠陥を含んでいてもよい。欠陥情報４２５が、造形物ＢＯの表面（つまり、外面）に形成された欠陥に関する情報を含んでいてもよい。
　情報取得部３１１が取得した情報は、造形物ＢＯに形成された欠陥を直接的に計測することで得られた情報ではない。このため、欠陥予測部３１２が欠陥情報４２５を生成する処理は、実質的には、造形物ＢＯに形成された欠陥を予測する処理と等価であるとみなしてもよい。
　本実施形態では、欠陥予測部３１２は、情報取得部３１１が取得した情報の少なくとも一部と、予測モデルＰＭとを用いて、欠陥情報４２５を生成してもよい。予測モデルＰＭは、例えば、情報取得部３１１が取得した情報に基づいて欠陥情報４２５を生成可能となるように機械学習によって生成された学習モデルである。このような予測モデルＰＭに関する情報は、モデル情報３２２として記憶装置３２に格納されていてもよい。
　欠陥予測部３１２が予測する欠陥の一例として、造形物ＢＯの内部に形成された空隙ＳＰがあげられる。尚、空隙ＳＰは、空孔、ポア、ボイド、ボロシティ又は割れ（言い換えれば、クラック）と称されてもよい。この場合、欠陥情報４２５は、空隙ＳＰに関する空隙情報を含んでいてもよい。例えば、図８は、造形物ＢＯの一例である三次元構造物ＳＴ（つまり、最終的に造形された造形物ＢＯ）の内部に形成された空隙ＳＰの一例を示している。空隙ＳＰは、造形物ＢＯの表面に開口を形成する（つまり、造形物ＢＯの表面に露出している）空隙ＳＰ１を含んでいてもよい。尚、空隙ＳＰ１は、開空孔（言い換えれば、オープンポア）と称されてもよい。空隙ＳＰは、造形物ＢＯの表面に開口を形成しない（つまり、造形物ＢＯの表面に露出していない）空隙ＳＰ２を含んでいてもよい。尚、空隙ＳＰ２は、閉空孔（言い換えれば、クローズポア）と称されてもよい。
　このような空隙ＳＰは、例えば、造形物ＢＯを造形する場合に造形光ＥＬから材料層ＭＬに伝達されるエネルギ量（つまり、造形材料に伝達されるエネルギ量）が目標量に対して過剰である又は不足している場合に生成される可能性がある。例えば、造形光ＥＬから材料層ＭＬに伝達されるエネルギ量が目標量に対して不足している場合には、本来は溶融するべき造形材料が適切に溶融しない可能性がある。典型的には、造形材料の溶融量が不十分になる可能性がある。その結果、造形物ＢＯの内部に空隙ＳＰが形成される可能性がある。例えば、造形光ＥＬから材料層ＭＬに伝達されるエネルギ量が目標量に対して過剰である場合には、造形光ＥＬの照射によって造形材料（材料層ＭＬ）が溶融する過程で発生するキーホールに由来する空隙ＳＰが形成される可能性がある。本実施形態では、欠陥予測部３１２は、このような空隙ＳＰに関する空隙情報を含む欠陥情報４２５を生成可能である。
　再び図７において、欠陥出力部３１３は、欠陥予測部３１２が生成した欠陥情報４２５を出力する。例えば、欠陥出力部３１３は、出力装置３５を用いて、欠陥情報４２５を出力してもよい。例えば、欠陥出力部３１３は、出力装置として機能可能な通信装置３３を用いて、欠陥情報４２５を出力してもよい。尚、欠陥出力部３１３が欠陥情報４２５を出力するがゆえに、欠陥出力部３１３を備える情報処理装置３は、情報出力装置と称されてもよい。
　記憶装置３２は、所望のデータを記憶可能である。例えば、記憶装置３２は、演算装置３１が実行するコンピュータプログラムを一時的に記憶していてもよい。記憶装置３２は、演算装置３１がコンピュータプログラムを実行している場合に演算装置３１が一時的に使用するデータを一時的に記憶してもよい。記憶装置３２は、情報処理装置３が長期的に保存するデータを記憶してもよい。尚、記憶装置３２は、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ハードディスク装置、光磁気ディスク装置、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）及びディスクアレイ装置のうちの少なくとも一つを含んでいてもよい。つまり、記憶装置３２は、一時的でない記録媒体を含んでいてもよい。
　通信装置３３は、不図示の通信ネットワークを介して、造形装置１及び計測装置２のそれぞれと通信可能である。或いは、通信装置３３は、不図示の通信ネットワークを介して、造形装置１及び計測装置２の少なくとも一方に加えて又は代えて、造形装置１及び計測装置２のとは異なる他の装置と通信可能であってもよい。
　入力装置３４は、情報処理装置３の外部からの情報処理装置３に対する情報の入力を受け付ける装置である。例えば、入力装置３４は、情報処理装置３のユーザが操作可能な操作装置（例えば、キーボード、マウス及びタッチパネルのうちの少なくとも一つ）を含んでいてもよい。例えば、入力装置３４は、情報処理装置３に対して外付け可能な記録媒体にデータとして記録されている情報を読み取り可能な記録媒体読取装置を含んでいてもよい。
　尚、情報処理装置３には、通信装置３３を介して、情報処理装置３の外部の装置から情報がデータとして入力可能である。この場合、通信装置３３は、情報処理装置３の外部からの情報処理装置３に対する情報の入力を受け付ける入力装置として機能してもよい。
　出力装置３５は、情報処理装置３の外部に対して情報を出力する装置である。例えば、出力装置３５は、情報を画像として出力してもよい。つまり、出力装置３５は、画像を表示可能な表示装置（いわゆる、ディスプレイ）を含んでいてもよい。例えば、出力装置３５は、情報を音声として出力してもよい。つまり、出力装置３５は、音声を出力可能な音声装置（いわゆる、スピーカ）を含んでいてもよい。例えば、出力装置３５は、紙面に情報を出力してもよい。つまり、出力装置３５は、紙面に所望の情報を印刷可能な印刷装置（いわゆる、プリンタ）を含んでいてもよい。例えば、出力装置３５は、情報処理装置３に外付け可能な記録媒体に、情報をデータとして出力してもよい。
　尚、情報処理装置３からは、通信装置３３を介して情報処理装置３の外部の装置に対して情報がデータとして出力可能である。この場合、通信装置３３は、情報処理装置３の外部に対して情報を出力する出力装置として機能してもよい。
　（２）情報処理装置３が行う欠陥予測処理
　続いて、図９を参照しながら、情報処理装置３が行う欠陥予測処理について説明する。図９は、情報処理装置３が行う欠陥予測処理の流れを示すフローチャートである。
　図９に示すように、情報取得部３１１は、計測情報４１１及び４１２の少なくとも一方を取得する（ステップＳ１１）。但し、情報取得部３１１は、計測情報４１１及び４１２の少なくとも一方を取得しなくてもよい。
　例えば、情報取得部３１１は、通信装置３３を用いて、計測情報４１１を生成する計測装置２から、計測情報４１１を取得してもよい。例えば、情報取得部３１１は、通信装置３３を用いて、計測情報４１２を生成する計測装置２から、計測情報４１２を取得してもよい。例えば、計測情報４１１及び４１２の少なくとも一方が計測装置２とは異なる外部の装置（例えば、クラウドサーバ）に格納されている場合には、情報取得部３１１は、通信装置３３を用いて、外部の装置から計測情報４１１及び４１２の少なくとも一方を取得してもよい。例えば、計測情報４１１及び４１２の少なくとも一方が記録媒体に記録されている場合には、情報取得部３１１は、記録媒体読取装置として機能可能な入力装置３４を用いて、記録媒体から計測情報４１１及び４１２の少なくとも一方を取得してもよい。
　情報取得部３１１は、造形装置１が造形物ＢＯ（特に、三次元構造物ＳＴ）を造形している造形期間中に、計測情報４１１及び４１２の少なくとも一方を取得してもよい。尚、造形期間の定義の一例については、既に上述したとおりである。この場合、情報取得部３１１は、造形期間中に温度計測装置２１が溶融池ＭＰの少なくとも一部の温度を計測することで造形期間中に得られた計測情報４１１を、造形期間中に取得してもよい。同様に、情報取得部３１１は、造形期間中に形状計測装置２２が造形物ＢＯ及び材料層ＭＬの少なくとも一方の形状を計測することで得られた計測情報４１２を、造形期間中に取得してもよい。
　情報取得部３１１は、造形装置１が造形物ＢＯ（特に、三次元構造物ＳＴ）を造形し終えた後に、計測情報４１１及び４１２の少なくとも一方を取得してもよい。つまり、情報取得部３１１は、造形期間が終了した後に、計測情報４１１及び４１２の少なくとも一方を取得してもよい。この場合、情報取得部３１１は、造形期間中に温度計測装置２１が溶融池ＭＰの少なくとも一部の温度を計測することで造形期間中に得られた計測情報４１１を、造形期間が終了した後に取得してもよい。同様に、情報取得部３１１は、造形期間中に形状計測装置２２が造形物ＢＯ及び材料層ＭＬの少なくとも一方の形状を計測することで得られた計測情報４１２を、造形期間が終了した後に取得してもよい。
　情報取得部３１１は、取得した計測情報４１１を、計測情報４１１が生成された時点で造形装置１が造形処理を行っていた造形位置と関連付けてもよい。或いは、温度計測装置２１が、計測情報４１１と温度計測装置２１が温度を計測した時点で造形装置１が造形処理を行っていた造形位置とを関連付け、造形位置が関連付けられた計測情報４１１を出力してもよい。情報取得部３１１は、造形位置と関連付けられた計測情報４１１を、記憶装置３２の情報ＤＢ３２１に格納してもよい。このため、情報取得部３１１は、計測情報４１１と共に、計測情報４１１が生成された時点での造形位置に関する情報を取得してもよい。尚、造形位置は、典型的には、造形装置１が造形光ＥＬを照射していた位置を意味していてもよい。つまり、造形位置は、造形装置１が溶融池ＭＰを形成していた位置を意味していてもよい。例えば、温度画像データＤ＿Ｔが計測情報４１１として用いられる場合には、情報取得部３１１は、取得した温度画像データＤ＿Ｔを、温度画像データＤ＿Ｔが生成された時点での造形位置（つまり、温度画像データＤ＿Ｔが示す温度画像ＩＭＧ＿Ｔに写り込んでいる溶融池ＭＰが形成されていた位置）と関連付けてもよい。例えば、情報取得部３１１は、取得した計測情報４１１を、計測対象物（例えば、溶融池ＭＰ）からの光（温度を計測するための光）が温度計測装置２１で検出された時点での造形位置と関連づけてもよい。例えば、情報取得部３１１は、第１時刻に温度計測装置２１が検出した計測対象物からの光に基づいて算出された計測情報４１１と、第１時刻に造形装置１が造形処理を行っていた第１の造形位置とを関連付け、第１時刻とは異なる第２時刻に温度計測装置２１が検出した計測対象物からの光に基づいて算出された計測情報４１１と、第２時刻に造形装置１が造形処理を行っていた第２の造形位置とを関連付けてもよい。
　同様に、情報取得部３１１は、取得した計測情報４１２を、造形装置１が造形処理を行っていた造形位置と関連付けてもよい。具体的には、情報取得部３１１は、計測対象物の一の部分の形状に関する計測情報４１２を、造形装置１が計測対象物の一の部分の造形処理を行っていた造形位置（つまり、計測対象物の一の部分の位置）と関連付けてもよい。情報取得部３１１は、計測対象物の他の部分の形状に関する計測情報４１２を、造形装置１が計測対象物の他の部分の造形処理を行っていた造形位置（つまり、計測対象物の他の部分の位置）と関連付けてもよい。或いは、形状計測装置２２が、計測情報４１２と造形装置１が造形処理を行っていた造形位置とを関連付け、造形位置が関連付けられた計測情報４１２を出力してもよい。情報取得部３１１は、造形位置と関連付けられた計測情報４１２を、記憶装置３２の情報ＤＢ３２１に格納してもよい。このため、情報取得部３１１は、計測情報４１２と共に、計測情報４１２が生成された時点での造形位置に関する情報を取得してもよい。例えば、形状画像データＤ＿３Ｄが計測情報４１２として用いられる場合には、情報取得部３１１は、取得した形状画像データＤ＿３Ｄを、形状画像ＩＭＧ＿３Ｄが生成された時点での造形位置（つまり、形状画像データＤ＿３Ｄが示す形状画像ＩＭＧ＿３Ｄに写り込んでいる造形物ＢＯ及び材料層ＭＬの少なくとも一方が形状計測装置２２によって計測された時点での造形位置）と関連付けてもよい。
　造形位置は、Ｘ軸方向における位置、Ｙ軸方向における位置及びＺ軸方向における位置を含む位置座標によって特定されてもよい。ここで、材料層ＭＬの表面に沿った方向（つまり、Ｘ軸方向及びＹ軸方向の少なくとも一方）における造形位置は、材料層ＭＬの表面に沿った方向における造形光ＥＬの照射位置に相当する。一方で、材料層ＭＬの表面に交差する方向（つまり、Ｚ軸方向）における造形位置は、材料層ＭＬの表面に造形光ＥＬが照射されるがゆえに、材料層ＭＬの表面の位置に相当する。但し、固化層ＳＴＬを形成するたびに昇降ステージ１４が材料層ＭＬの厚さΔｄだけ下方に移動するがゆえに、見かけ上、材料層ＭＬの表面に交差する方向（つまり、Ｚ軸方向）における材料層ＭＬの表面の位置は変化していないとも言える。このため、昇降ステージ１４の移動を考慮しない座標系を用いて造形位置を特定する場合には、一の固化層ＳＴＬを形成するための造形位置と、一の固化層ＳＴＬとは異なる他の固化層ＳＴＬを形成するための造形位置とが、Ｚ軸方向において一致してしまう（つまり、区別できなくなる）可能性がある。そこで、この場合には、材料層ＭＬ及び固化層ＳＴＬの少なくとも一方の表面に交差する方向（つまり、Ｚ軸方向）における造形位置は、移動する昇降ステージ１４を基準とする座標系内での位置によって特定されてもよい。例えば、材料層ＭＬ及び固化層ＳＴＬの少なくとも一方の表面に交差する方向（つまり、Ｚ軸方向）における造形位置は、材料層ＭＬの表面に交差する方向（つまり、Ｚ軸方向）における昇降ステージ１４の表面からの材料層ＭＬの表面までの距離によって特定されてもよい。或いは、造形位置は、造形装置１が最終的に造形するべき三次元構造物ＳＴの各部分での位置を特定するための座標系内において特定されてもよい。尚、造形位置は、移動する昇降ステージ１４を基準とする三次元座標系における座標で表されてもよい。尚、造形位置は、各層（材料層ＭＬと固化層ＳＴＬの少なくとも一方を含む層）におけるＸＹ平面上の座標で表されてもよい。この場合、例えば、計測対象物の一例である第１の固化層ＳＴＬの各部分の温度及び形状をそれぞれ示す計測情報４１１及び４１２は、第１の固化層ＳＴＬを基準とする座標で表される造形位置と関連付けられ、計測対象物の一例である第１の固化層ＳＴＬとは異なる第２の固化層ＳＴＬの各部分の温度及び形状をそれぞれ示す計測情報４１１及び４１２は、第２の固化層ＳＴＬを基準とする座標で表される造形位置と関連付けられてもよい。尚、計測対象物の一例である第１の固化層ＳＴＬの各部分の計測情報４１１又は４１２が、第１の固化層ＳＴＬを基準とする座標で表される造形位置と関連付けられ、計測対象物の一例である第１の固化層ＳＴＬとは異なる第２の固化層ＳＴＬの各部分の計測情報４１１又は４１２が、第２の固化層ＳＴＬを基準とする座標で表される造形位置と関連付けられてもよい。尚、造形位置は、造形槽１３において造形材料が供給された位置を意味していてもよい。尚、造形位置は、材料層ＭＬが形成された位置を意味していてもよい。
　ステップＳ１１の処理と相前後して又は並行して、情報取得部３１１は、造形物ＢＯの造形に関する造形情報４１３を取得する（ステップＳ１２）。造形情報４１３は、造形物ＢＯの造形に関する情報であって、且つ、計測装置２によって計測対象物が実際に計測されることで生成される情報とは異なる情報を含む。但し、情報取得部３１１は、造形情報４１３を取得しなくてもよい。
　造形情報４１３は、造形物ＢＯを造形する造形装置１に関する装置情報を含んでいてもよい。装置情報は、造形装置１が造形物ＢＯを造形するために用いる造形条件に関する造形条件情報（いわゆる、レシピ情報）を含んでいてもよい。尚、造形条件の具体例については、既に説明済みである。装置情報は、造形装置１の動作状況に関する動作状況情報を含んでいてもよい。つまり、装置情報は、予め設定された造形条件に従って動作している造形装置１の実際の動作状況に関する動作状況情報を含んでいてもよい。動作状況情報は、造形条件に従って動作している造形ヘッド１５による造形光ＥＬの実際の照射態様に関する情報を含んでいてもよい。動作状況情報は、造形条件に従って動作しているリコータ駆動系１２１によるリコータ１２の実際の移動態様に関する情報を含んでいてもよい。動作状況情報は、造形条件に従って動作しているステージ駆動系１４１による昇降ステージ１４の実際の移動態様に関する情報を含んでいてもよい。動作状況情報は、造形条件に従って動作しているヘッド駆動系１５１による造形ヘッド１５の実際の移動態様に関する情報を含んでいてもよい。動作状況情報は、造形条件に従って動作しているリコータ１２による造形材料の実際の供給態様に関する情報を含んでいてもよい。動作状況情報は、造形装置１が造形物ＢＯを造形する造形環境の実際の状況に関する情報を含んでいてもよい。
　情報取得部３１１は、通信装置３３を用いて、造形装置１から造形情報４１３を取得してもよい。造形情報４１３が造形装置１とは異なる外部の装置（例えば、クラウドサーバ）に格納されている場合には、情報取得部３１１は、通信装置３３を用いて、外部の装置から造形情報４１３を取得してもよい。造形情報４１３が記録媒体に記録されている場合には、情報取得部３１１は、記録媒体読取装置として機能可能な入力装置３４を用いて、記録媒体から造形情報４１３を取得してもよい。
　情報取得部３１１は、造形装置１が造形物ＢＯ（特に、三次元構造物ＳＴ）を造形している造形期間中に、造形情報４１３を取得してもよい。情報取得部３１１は、造形期間が終了した後に、造形情報４１３を取得してもよい。情報取得部３１１は、造形期間の前（造形物ＢＯの造形を開始する前）に、造形情報４１３を取得してもよい。
　情報取得部３１１は、計測情報４１１及び４１２と同様に、取得した造形情報４１３を、造形装置１が造形処理を行っていた造形位置と関連付けてもよい。具体的には、情報取得部３１１は、造形物ＢＯの一の部分の造形に関する造形情報４１３を、造形装置１が造形物ＢＯの一の部分の造形処理を行っていた造形位置（つまり、造形物ＢＯの一の部分の位置）と関連付けてもよい。情報取得部３１１は、造形物ＢＯの他の部分の造形に関する造形情報４１３を、造形装置１が造形物ＢＯの他の部分の造形処理を行っていた造形位置（つまり、造形物ＢＯの他の部分の位置）と関連付けてもよい。或いは、情報処理装置３とは異なる装置が、造形情報４１３と造形装置１が造形処理を行う造形位置とを関連付け、情報取得部３１１は、造形位置が関連付けられた造形情報４１２を取得してもよい。情報取得部３１１は、造形位置と関連付けられた造形情報４１３を、記憶装置３２の情報ＤＢ３２１に格納してもよい。
　例えば、情報取得部３１１は、造形情報４１３に含まれる造形条件情報を、造形条件情報が示す造形条件を用いて造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、造形情報４１３が造形条件の一例である照射条件を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれる照射条件に関する情報を、照射条件に応じた造形光ＥＬを用いて造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、造形情報４１３が造形条件の一例であるリコータ移動条件を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれるリコータ移動条件に関する情報を、リコータ移動条件に応じてリコータ１２を移動させながら造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、造形情報４１３が造形条件の一例であるステージ移動条件を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれるステージ移動条件に関する情報を、ステージ移動条件に応じて昇降ステージ１４を移動させながら造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、造形情報４１３が造形条件の一例であるヘッド移動条件を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれるヘッド移動条件に関する情報を、ヘッド移動条件に応じて造形ヘッド１５を移動させながら造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、造形情報４１３が造形条件の一例である材料条件を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれる材料条件に関する情報を、材料条件に応じて造形材料を供給しながら造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、造形情報４１３が造形条件の一例である環境条件を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれる環境条件に関する情報を、環境条件が示す環境下において造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、造形情報４１３が造形条件の一例である設計条件を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれる設計条件に関する情報を、設計条件が示す造形物ＢＯを造形するために造形装置１が造形処理を行っていた造形位置と関連付けてもよい。
　例えば、情報取得部３１１は、造形情報４１３に含まれる動作状況情報を、動作状況情報が示す動作状況で動作する造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、動作状況情報が造形光ＥＬの実際の照射態様に関する情報を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれる動作状況情報を、動作状況情報が示す照射態様で造形光ＥＬを実際に照射することで造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、動作状況情報がリコータ１２の実際の移動態様に関する情報を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれる動作状況情報を、動作状況情報が示す移動態様でリコータ１２を実際に移動させることで造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、動作状況情報が昇降ステージ１４の実際の移動態様に関する情報を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれる動作状況情報を、動作状況情報が示す移動態様で昇降ステージ１４を実際に移動させることで造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、動作状況情報が造形ヘッド１５の実際の移動態様に関する情報を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれる動作状況情報を、動作状況情報が示す移動態様で造形ヘッド１５を実際に移動させることで造形装置１が造形処理を行っていた造形位置と関連付けてもよい。一例として、動作状況情報が造形材料の実際の供給態様に関する情報を含んでいる場合には、情報取得部３１１は、造形情報４１３に含まれる動作状況情報を、動作状況情報が示す供給態様で造形材料を実際に供給することで造形装置１が造形処理を行っていた造形位置と関連付けてもよい。
　その後、欠陥予測部３１２は、ステップＳ１１において取得した計測情報４１１及び４１２の少なくとも一方に基づいて、計測対象物の特徴量を算出（言い換えれば、抽出）する（ステップＳ１３）。但し、欠陥予測部３１２は、計測対象物の特徴量を算出しなくてもよい。
　欠陥予測部３１２は、造形装置１が造形物ＢＯ（特に、三次元構造物ＳＴ）を造形している造形期間中に、特徴量を算出してもよい。この場合、欠陥予測部３１２は、造形期間中に計測装置２が計測対象物を計測することで造形期間中に得られた計測情報４１１及び４１２に基づいて、造形期間中に特徴量を算出してもよい。
　欠陥予測部３１２は、造形期間が終了した後に、特徴量を算出してもよい。この場合、欠陥予測部３１２は、造形期間中に計測装置２が計測対象物を計測することで造形期間中に得られた計測情報４１１及び４１２に基づいて、造形期間が終了した後に特徴量を算出してもよい。
　尚、計測情報４１１及び４１２の少なくとも一方に基づいて計測対象物の特徴量が算出可能であるがゆえに、計測情報４１１及び４１２の少なくとも一方は、計測対象物の特徴量に関する情報を含んでいるとみなしてもよい。つまり、計測情報４１１及び４１２の少なくとも一方は、造形装置１が造形物ＢＯを造形する造形期間中に得られた、計測対象物の特徴量に関する情報を含んでいるとみなしてもよい。
　例えば、計測情報４１１である温度画像ＩＭＧ＿Ｔは、溶融池ＭＰの少なくとも一部の温度に関する情報を含んでいる。溶融池ＭＰの温度は、溶融池ＭＰとは異なる物体（例えば、材料層ＭＬ又は造形物ＢＯ）の温度よりもずっと高い。このため、温度画像ＩＭＧ＿Ｔ内において、溶融池ＭＰと、溶融池ＭＰとは異なる物体とは、その温度分布から区別可能である。このため、欠陥予測部３１２は、計測情報４１１に基づいて、溶融池ＭＰの特徴量を算出してもよい。例えば、欠陥予測部３１２は、溶融池ＭＰの特徴量として、溶融池ＭＰの形状を示す指標値を算出してもよい。例えば、欠陥予測部３１２は、溶融池ＭＰの特徴量として、溶融池ＭＰのサイズを示す指標値を算出してもよい。サイズの一例として、第１の方向に沿ったサイズである長さ、第１の方向に交差する第２の方向に沿ったサイズである幅、第１及び第２方向に交差する第３方向に沿ったサイズである深さ（言い換えれば、高さ又は厚さ）、表面の面積及び体積の少なくとも一つがあげられる。例えば、欠陥予測部３１２は、溶融池ＭＰの特徴量として、溶融池ＭＰの温度を示す指標値（例えば、平均温度、最大温度、最小温度、温度のばらつき、及び、温度の分布態様の少なくとも一つ）を算出してもよい。
　例えば、計測情報４１１が溶融池ＭＰとは異なる計測対象物の少なくとも一部の温度に関する情報を含んでいる場合には、欠陥予測部３１２は、計測情報４１１に基づいて、溶融池ＭＰとは異なる計測対象物の特徴量を算出してもよい。例えば、上述したように、温度画像ＩＭＧ＿Ｔには、造形光ＥＬの照射に起因して溶融池ＭＰから発生するスパッタＳＰＴが写り込んでいることがある。この場合、欠陥予測部３１２は、計測情報４１１に基づいて、スパッタＳＰＴの特徴量を算出してもよい。例えば、欠陥予測部３１２は、スパッタＳＰＴの特徴量として、温度画像ＩＭＧ＿Ｔに写り込んでいるスパッタの数を算出してもよい。例えば、欠陥予測部３１２は、スパッタＳＰＴの特徴量として、温度画像ＩＭＧ＿Ｔに写り込んでいるスパッタのサイズを示す指標値（例えば、平均サイズ、最大サイズ及び最小サイズのうちの少なくとも一つ）を算出してもよい。例えば、欠陥予測部３１２は、スパッタＳＰＴの特徴量として、温度画像ＩＭＧ＿Ｔに写り込んでいるスパッタの温度を示す指標値（例えば、平均温度、最大温度、最小温度、温度のばらつき、及び、温度の分布態様の少なくとも一つ）を算出してもよい。また、上述したように、温度画像ＩＭＧ＿Ｔには、造形光ＥＬの照射に起因して発生するヒュームが写り込んでいることがある。この場合、欠陥予測部３１２は、計測情報４１１に基づいて、ヒュームの特徴量を算出してもよい。例えば、欠陥予測部３１２は、ヒュームの特徴量として、温度画像ＩＭＧ＿Ｔに写り込んでいるヒュームのサイズを示す指標値（例えば、面積及び体積のうちの少なくとも一つ）を算出してもよい。欠陥予測部３１２は、ヒュームの特徴量として、温度画像ＩＭＧ＿Ｔに写り込んでいるヒュームの温度を示す指標値（例えば、平均温度、最大温度、最小温度、温度のばらつき、及び、温度の分布態様の少なくとも一つ）を算出してもよい。
　尚、温度画像データＤ＿Ｔに基づいて算出される特徴量（つまり、計測対象物の温度に関する特徴量）は、欠陥予測部３１２に加えて又は代えて、温度計測装置２１によって算出されてもよい。この場合、温度計測装置２１は、算出した特徴量を含む計測情報４１１を出力してもよい。
　例えば、計測情報４１２である形状画像データＤ＿３Ｄは、造形物ＢＯの形状に関する情報を含んでいる。このため、欠陥予測部３１２は、計測情報４１２に基づいて、造形物ＢＯの特徴量を算出してもよい。
　一例として、造形物ＢＯが、造形が完了した又は造形途中の三次元構造物ＳＴを含んでいてもよいことは上述したとおりである。この場合、欠陥予測部３１２は、計測情報４１２に基づいて、造形が完了した又は造形途中の三次元構造物ＳＴの特徴量を算出してもよい。例えば、欠陥予測部３１２は、三次元構造物ＳＴの特徴量として、三次元構造物ＳＴの表面の状態を示す指標値を算出してもよい。表面の状態を示す指標値の一例として、表面の凹凸の程度を示す面粗さ（言い換えれば、表面性状）があげられる。面粗さの一例として、算術平均高さＳａ、二乗平均平方根高さＳｑ及び最大高さＳｚの少なくとも一つがあげられる。例えば、欠陥予測部３１２は、三次元構造物ＳＴの特徴量として、三次元構造物ＳＴのサイズ（例えば、上述したように、長さ、幅、高さ（深さ又は厚さ）、表面の面積及び体積の少なくとも一つ）を示す指標値を算出してもよい。
　他の一例として、造形物ＢＯが、造形が完了した又は造形途中の固化層ＳＴＬを含んでいてもよいことは上述したとおりである。この場合、欠陥予測部３１２は、計測情報４１２に基づいて、造形が完了した又は造形途中の固化層ＳＴＬの特徴量を算出してもよい。例えば、欠陥予測部３１２は、固化層ＳＴＬの特徴量として、固化層ＳＴＬの表面の状態を示す指標値（例えば、上述した面粗さ）を算出してもよい。例えば、欠陥予測部３１２は、固化層ＳＴＬの特徴量として、固化層ＳＴＬのサイズを示す指標値（例えば、上述したように、長さ、幅、高さ（深さ）、厚さ、表面の面積及び体積の少なくとも一つ）を算出してもよい。例えば、欠陥予測部３１２は、ｎ－１層目の固化層ＳＴＬ上に造形されるｎ層目の固化層ＳＴＬの厚さを、ｎ層目の固化層ＳＴＬの表面形状（高さ）からｎ－１層目の固化層ＳＴＬの表面形状（高さ）を引くことで算出してもよい。尚、ｎは、２以上の整数を示す。
　例えば、計測情報４１２である形状データＤ＿３Ｄは、材料層ＭＬの形状に関する情報を含んでいる。このため、欠陥予測部３１２は、計測情報４１２に基づいて、材料層ＭＬの特徴量を算出してもよい。例えば、欠陥予測部３１２は、材料層ＭＬの特徴量として、材料層ＭＬの表面の状態を示す指標値（例えば、上述した面粗さ）を算出してもよい。例えば、欠陥予測部３１２は、材料層ＭＬの特徴量として、材料層ＭＬのサイズ（例えば、上述したように、長さ、幅、高さ（深さ）、厚さ、表面の面積及び体積の少なくとも一つ）を示す指標値を算出してもよい。例えば、欠陥予測部３１２は、ｎ層目の固化層ＳＴＬを造形するためにｎ－１層目の固化層ＳＴＬ上に形成される材料層ＭＬの厚さを、材料層ＭＬの表面形状（高さ）からｎ－１層目の固化層ＳＴＬの表面形状（高さ）を引くことで算出してもよい。
　尚、形状画像データＤ＿３Ｄに基づいて算出される特徴量（つまり、計測対象物の形状に関する特徴量）は、欠陥予測部３１２に加えて又は代えて、形状計測装置２２によって算出されてもよい。この場合、形状計測装置２２は、算出した特徴量を含む計測情報４１２を出力してもよい。
　上述したように、計測情報４１１及び４１２の少なくとも一方が造形位置と関連付けられている場合には、欠陥予測部３１２は、計測情報４１１及び４１２の少なくとも一方から算出される特徴量を示す特徴量情報４１４を、造形位置と関連付けてもよい。欠陥予測部３１２は、造形位置と関連付けられた特徴量情報４１４を、記憶装置３２の情報ＤＢ３２１に格納してもよい。
　ここで、図１０には、造形位置を示す位置情報４１６と関連付けられて情報ＤＢ３２１に格納されている計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４の一例が示されている。図１０に示すように、情報ＤＢ３２１には、位置情報４１６と、当該位置情報４１６に関連付けられている計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４を含むプロセスデータ４１５とを含む単位データ４１０が複数格納されていてもよい。尚、図１０に示す例では、プロセスデータ４１５は、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４の全てを含んでいる。但し、プロセスデータ４１５は、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つを含んでいなくてもよい。
　ここで、位置情報４１６と関連付けられているプロセスデータ４１５の一例について説明する。例えば、計測情報４１１としての温度画像データＤ＿Ｔは、温度画像データＤ＿Ｔが示す温度画像ＩＭＧ＿Ｔの中心（例えば、材料層ＭＬに造形光ＥＬを照射し且つ溶融池ＭＰからの光を温度計測装置２１に導く上述した不図示のガルバノミラーが造形光ＥＬを照射する位置）を示す位置情報４１６が関連付けられていてもよい。例えば、計測情報４１２としての形状画像データＤ＿３Ｄは、形状画像データＤ＿３Ｄが示す形状画像ＩＭＧ＿３Ｄの中心を示す位置情報４１６が関連付けられていてもよい。例えば、特徴量情報４１４は、特徴量情報４１４に関連付けられている位置情報４１６が示す位置が中心となる温度画像ＩＭＧ＿Ｔから算出される溶融池ＭＰのサイズに関する情報を含んでいてもよい。例えば、特徴量情報４１４は、特徴量情報４１４に関連付けられている位置情報４１６が示す位置が中心となる温度画像ＩＭＧ＿Ｔから算出されるスパッタＳＰＴの数に関する情報を含んでいてもよい。例えば、特徴量情報４１４は、特徴量情報４１４に関連付けられている位置情報４１６が示す位置に形成される固化層ＳＴＬの厚さに関する情報を含んでいてもよい。複数の固化層ＳＴＬのＺ軸方向の位置が異なるがゆえに、特徴量情報４１４に関連付けられている位置情報４１６が示すＺ軸方向の位置は、複数の固化層ＳＴＬを互いに区別するための情報として利用可能であってもよい。例えば、特徴量情報４１４は、特徴量情報４１４に関連付けられている位置情報４１６が示す位置に形成される固化層ＳＴＬ（つまり、位置情報４１６が示すＺ軸方向の位置によって一意に特定可能な位置の固化層ＳＴＬ）の表面粗さに関する情報を含んでいてもよい。
　尚、図１０に示す例では、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４の全てが、造形位置を示す位置情報４１６と関連付けられている。しかしながら、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つが、位置情報４１６と関連付けられていなくてもよい。
　再び図９において、その後、欠陥予測部３１２は、プロセスデータ４１５（つまり、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４）を用いて、欠陥情報４２５を生成する（ステップＳ１４）。本実施形態では、欠陥予測部３１２が、プロセスデータ４１５（つまり、情報取得部３１１が取得した計測情報４１１、計測情報４１２及び造形情報４１３、並びに、情報取得部３１１が取得したこれらの情報から生成される特徴量情報）と予測モデルＰＭとを用いて欠陥情報４２５を生成する例について説明する。
　尚、情報取得部３１１が、計測情報４１１、計測情報４１２及び造形情報４１３の少なくとも一つを取得しなくてもよく、且つ、欠陥予測部３１２が、、計測対象物の特徴量を算出しなくてもよい（つまり、特徴量情報４１４を生成しなくてもよいことは、上述したとおりである。この場合、欠陥予測部３１２は、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つを用いることなく、欠陥情報４２５を生成してもよい。つまり、欠陥予測部３１２は、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つを用いる一方で、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも他の一つを用いることなく、欠陥情報４２５を生成してもよい。欠陥予測部３１２は、プロセスデータ４１５の一部を用いる一方で、プロセスデータ４１５の他の一部を用いることなく、欠陥情報４２５を生成してもよい。プロセスデータ４１５は、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つを備えていなくてもよい。
　予測モデルＰＭは、プロセスデータ４１５に基づいて欠陥情報４２５を生成可能となるように機械学習によって生成された学習モデルである。予測モデルＰＭは、典型的には、プロセスデータ４１５を説明変数として用い且つ欠陥情報４２５を目的変数として用いる学習モデルである。このような学習モデルの一例として、回帰モデル（例えば、線形回帰モデル及び非線形回帰モデルの少なくとも一方）、決定木モデル、クラスタリングモデル（言い換えれば、分類モデル）及びニューラルネットワークモデルのうちの少なくとも一つがあげられる。尚、機械学習によって予測モデルＰＭを生成する方法については、後に図１８等を参照しながら詳述する。
　上述したように、プロセスデータ４１５は、造形位置を示す位置情報４１６と関連付けられている。この場合、欠陥予測部３１２は、一の造形位置を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、当該一の造形位置に形成される欠陥に関する情報を含む欠陥情報４２５を生成してもよい。逆に言えば、予測モデルＰＭは、一の造形位置を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、当該一の造形位置に形成される欠陥に関する情報を含む欠陥情報４２５を生成可能となるように、機械学習によって生成されていてもよい。欠陥予測部３１２は、一の造形位置を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、当該一の造形位置及び当該一の造形位置の近傍位置の少なくとも一方に形成される欠陥に関する情報を含む欠陥情報４２５を生成してもよい。逆に言えば、予測モデルＰＭは、一の造形位置を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、当該一の造形位置及び当該一の造形位置の近傍位置の少なくとも一方に形成される欠陥に関する情報を含む欠陥情報４２５を生成可能となるように、機械学習によって生成されていてもよい。尚、一の造形位置の近傍位置は、一の造形位置からの距離が所定距離以下となる位置を意味していてもよい。欠陥予測部３１２は、一の造形位置及び一の造形位置の近傍位置の少なくとも一方を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、当該一の造形位置に形成される欠陥に関する情報を含む欠陥情報４２５を生成してもよい。逆に言えば、予測モデルＰＭは、一の造形位置及び一の造形位置の近傍位置の少なくとも一方を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、当該一の造形位置に形成される欠陥に関する情報を含む欠陥情報４２５を生成可能となるように、機械学習によって生成されていてもよい。欠陥予測部３１２は、一の造形位置及び一の造形位置の近傍位置の少なくとも一方を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、当該一の造形位置及び一の造形位置の近傍位置の少なくとも一方に形成される欠陥に関する情報を含む欠陥情報４２５を生成してもよい。逆に言えば、予測モデルＰＭは、一の造形位置及び一の造形位置の近傍位置の少なくとも一方を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、当該一の造形位置及び一の造形位置の近傍位置の少なくとも一方に形成される欠陥に関する情報を含む欠陥情報４２５を生成可能となるように、機械学習によって生成されていてもよい。
　このようにある位置に形成される欠陥に関する情報を含む欠陥情報４２５が生成される場合には、欠陥情報４２５は、欠陥が形成されている位置に関する情報（例えば、欠陥が形成されている造形位置に関する情報）と関連付けられていてもよい。言い換えれば、欠陥予測部３１２は、欠陥が形成されている位置に関する情報が関連付けられた欠陥情報４２５を生成してもよい。逆に言えば、予測モデルＰＭは、欠陥が形成されている位置に関する情報（例えば、欠陥が形成されている造形位置に関する情報）と関連付けられた欠陥情報４２５を生成可能となるように、機械学習によって生成されていてもよい。
　欠陥予測部３１２は、欠陥の有無に関する情報を含む欠陥情報４２５を生成してもよい。具体的には、欠陥予測部３１２は、造形物ＢＯのある位置に欠陥が形成されているか否かを示す情報を含む欠陥情報４２５を生成してもよい。逆に言えば、予測モデルＰＭは、欠陥の有無に関する情報を含む欠陥情報４２５を生成可能となるように、機械学習によって生成されていてもよい。
　欠陥が上述した空隙ＳＰである場合には、欠陥が発生している（つまり、空隙ＳＰが形成されている）場合の造形物ＢＯの密度は、欠陥が発生していない（つまり、空隙ＳＰが形成されていない）場合の造形物ＢＯの密度とは異なるものとなる可能性が高い。典型的には、欠陥が発生している場合の造形物ＢＯの密度は、欠陥が発生していない場合の造形物ＢＯの密度よりも低くなる可能性が高い。このため、造形物ＢＯの密度は、欠陥の有無を間接的に示す情報として利用可能であるとも言える。そこで、欠陥予測部３１２は、造形物ＢＯの密度に関する情報（密度情報）を含む欠陥情報４２５を生成してもよい。逆に言えば、予測モデルＰＭは、造形物ＢＯの密度に関する情報を含む欠陥情報４２５を生成可能となるように、機械学習によって生成されていてもよい。尚、二つの造形物ＢＯに欠陥が発生している場合、内部に発生している欠陥の体積（つまり、空隙ＳＰの容積）がより大きい一の造形物ＢＯの密度はは、内部に発生している欠陥の体積（つまり、空隙ＳＰの容積）がより小さい他の造形物ＢＯの密度よりも低くなる可能性が高い。尚、二つの造形物ＢＯに欠陥が発生している場合、内部に発生している複数の欠陥の総体積（つまり、複数の空隙ＳＰの総容積）がより大きい一の造形物ＢＯの密度は、内部に発生している複数の欠陥の総体積（つまり、複数の空隙ＳＰの総容積）がより小さい他の造形物ＢＯの密度よりも低くなる可能性が高い。
　造形物ＢＯの密度は、造形物ＢＯの各部分（例えば、位置情報４２６が示す位置を中心とする単位空間に含まれる各部分）の密度を含んでいてもよい。この場合、予測モデルＰＭは、一の造形位置を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、一の造形位置を中心とする単位空間に含まれる造形物ＢＯの一の部分の密度に関する情報を生成可能となるように、機械学習によって生成されていてもよい。予測モデルＰＭは、他の造形位置を示す位置情報４１６と関連付けられているプロセスデータ４１５を用いて、他の造形位置を中心とする単位空間に含まれる造形物ＢＯの一の部分の密度に関する情報を生成可能となるように、機械学習によって生成されていてもよい。或いは、予測モデルＰＭは、造形物ＢＯに関するプロセスデータ４１５を用いて、造形物ＢＯの密度に関する情報を生成可能となるように、機械学習によって生成されていてもよい。尚、造形物ＢＯの密度は、造形物ＢＯの平均密度を含んでいてもよい。上述したように、造形物ＢＯは、造形が完了した三次元構造物ＳＴ、造形途中の三次元構造物ＳＴ、造形が完了した固化層ＳＴＬ及び造形途中の固化層ＳＴＬのうちの少なくとも一つを意味するこのため、造形物ＢＯの密度は、造形が完了した三次元構造物ＳＴ、造形途中の三次元構造物ＳＴ、造形が完了した固化層ＳＴＬ及び造形途中の固化層ＳＴＬのうちの少なくとも一つの密度を意味していてもよい。
　欠陥予測部３１２は、造形物ＢＯの密度に関する情報に基づいて、欠陥の有無に関する情報を含む欠陥情報４２５を生成してもよい。例えば、欠陥予測部３１２は、造形物ＢＯの密度が所定の密度閾値を下回る場合に、造形物ＢＯに欠陥があると判定してもよい。例えば、欠陥予測部３１２は、造形物ＢＯの密度が所定の密度閾値を下回らない場合に、造形物ＢＯに欠陥がないと判定してもよい。
　但し、欠陥が上述した空隙ＳＰではない場合であっても、造形物ＢＯの密度が設計上の密度と異なる場合には、造形物ＢＯには何らかの欠陥が発生している可能性がある。そこで、欠陥が上述した空隙ＳＰではない場合であっても、欠陥予測部３１２は、造形物ＢＯの密度に関する情報を含む欠陥情報４２５を生成してもよい。
　尚、欠陥予測部３１２は、欠陥情報４２５とは別に、造形物ＢＯの密度に関する情報を生成してもよい。なぜならば、造形物ＢＯの密度そのものは、造形物ＢＯの欠陥ではないとみなしてもよいからである。この場合、造形物ＢＯの密度に関する情報（密度情報）は、欠陥情報４２５とは別に、造形物ＢＯの特性に関する特性情報の一例として、特性情報に含まれてもよい。
　欠陥予測部３１２は、欠陥（例えば、空隙ＳＰ）の特性に関する情報を含む欠陥情報４２５を生成してもよい。逆に言えば、予測モデルＰＭは、欠陥の特性に関する情報を含む欠陥情報４２５を生成可能となるように、機械学習によって生成されていてもよい。欠陥の特性は、欠陥のサイズ、欠陥の位置及び欠陥の形状のうちの少なくとも一つを含んでいてもよい。欠陥が空隙ＳＰである場合には、欠陥の形状が球形の形状となることが多い。この場合、欠陥の形状を表す指標値として、真球度及び楕円率の少なくとも一方が用いられてもよい。
　欠陥が上述した空隙ＳＰである場合には、欠陥予測部３１２は、許容サイズを超えるサイズを有する空隙ＳＰを欠陥とみなす一方で、許容サイズを超えていないサイズを有する空隙ＳＰを欠陥とみなさなくてもよい。この場合、欠陥予測部３１２は、予測モデルＰＭを用いて予測された欠陥の特性に関する情報に基づいて、欠陥の有無に関する情報を生成してもよい。空隙ＳＰのサイズに限らず、欠陥予測部３１２は、許容条件を満たさない特性を有する空隙ＳＰを欠陥とみなす一方で、許容条件を満たす特性を有する空隙ＳＰを欠陥とみなさなくてもよい。
　欠陥予測部３１２は、造形装置１が造形物ＢＯ（特に、三次元構造物ＳＴ）を造形している造形期間中に、欠陥情報４２５を生成してもよい。この場合、欠陥予測部３１２は、造形期間中に取得された計測情報４１１及び４１２の少なくとも一つを含むプロセスデータ４１５を用いて、造形期間中に欠陥情報４２５を生成してもよい。欠陥予測部３１２は、造形期間中に取得した造形情報４１３を含むプロセスデータ４１５を用いて、造形期間中に欠陥情報４２５を生成してもよい。欠陥予測部３１２は、造形期間中に生成された特徴量情報４１４を含むプロセスデータ４１５を用いて、造形期間中に欠陥情報４２５を生成してもよい。
　欠陥予測部３１２は、造形期間が終了した後に、欠陥情報４２５を生成してもよい。この場合、欠陥予測部３１２は、造形期間中に又は造形期間が終了した後に取得された計測情報４１１及び４１２の少なくとも一つを含むプロセスデータ４１５を用いて、造形期間が終了した後に欠陥情報４２５を生成してもよい。欠陥予測部３１２は、造形期間中に又は造形期間が終了した後に取得された造形情報４１３を含むプロセスデータ４１５を用いて、造形期間が終了した後に欠陥情報４２５を生成してもよい。欠陥予測部３１２は、造形期間中に又は造形期間が終了した後に生成された特徴量情報４１４を含むプロセスデータ４１５を用いて、造形期間が終了した後に欠陥情報４２５を生成してもよい。
　その後、欠陥出力部３１３は、ステップＳ１４において欠陥予測部３１２が生成した欠陥情報４２５を出力する（ステップＳ１５）。但し、欠陥出力部３１３は、欠陥情報４２５を出力しなくてもよい。
　欠陥出力部３１３は、造形装置１が造形物ＢＯ（特に、三次元構造物ＳＴ）を造形している造形期間中に、欠陥情報４２５を出力してもよい。この場合、欠陥出力部３１３は、造形期間中に生成された欠陥情報４２５を、造形期間中に出力してもよい。また、欠陥出力部３１３は、造形期間が終了した後に、欠陥情報４２５を出力してもよい。この場合、欠陥出力部３１３は、造形期間中に又は造形期間が終了した後に生成された欠陥情報４２５を、造形期間が終了した後に出力してもよい。
　欠陥出力部３１３は、造形装置１のユーザに対して、欠陥情報４２５を出力してもよい。この場合、欠陥出力部３１３は、出力装置３５を用いて、欠陥情報４２５を出力してもよい。例えば、欠陥出力部３１３は、表示装置として機能可能な出力装置３５を用いて、欠陥情報４２５を、画像として出力（つまり、表示）してもよい。例えば、欠陥出力部３１３は、音声装置（スピーカ）として機能可能な出力装置３５を用いて、欠陥情報４２５を、音声として出力してもよい。例えば、欠陥出力部３１３は、印刷装置として機能可能な出力装置３５を用いて、欠陥情報４２５が印刷された紙面を出力してもよい。或いは、欠陥出力部３１３は、出力装置３５を用いることに加えて又は代えて、通信装置３３を用いて、欠陥情報４２５をデータとして出力（つまり、送信）してもよい。例えば、欠陥出力部３１３は、通信装置３３を用いて、欠陥情報４２５をデータとして、ユーザが保有している情報端末（例えば、パソコン、スマートフォン又はタブレット端末）に出力（送信）してもよい。
　いずれの場合においても、ユーザは、造形物ＢＯに形成されている欠陥に関する情報を取得することができる。つまり、ユーザは、造形物ＢＯに欠陥が形成されているか否かを認識することができる。更には、ユーザは、造形物ＢＯにどのような欠陥が形成されているかを認識することができる。この場合、ユーザは、欠陥に起因した影響を小さくするための行動をとってもよい。例えば、ユーザは、欠陥に起因した影響を小さくする（例えば、欠陥を小さくする又は除去する）するための追加工を行うように、追加工を行う装置（例えば、造形装置１又は造形装置１とは異なる他の加工装置）を制御してもよい。例えば、ユーザは、欠陥を除去するための追加工を手作業で行ってもよい。
　上述したように造形期間中に欠陥情報４２５が出力される場合には、造形装置１が造形物ＢＯを造形し続けると、欠陥が形成された造形物ＢＯ（特に、三次元構造物ＳＴ）が造形されてしまう可能性がある。そこで、ユーザは、欠陥情報４２５が出力された場合には、造形物ＢＯの造形を停止するように、造形装置１を制御してもよい。例えば、ユーザは、欠陥情報４２５が出力された場合には、一律に造形物ＢＯの造形を停止するように、造形装置１を制御してもよい。或いは、ユーザは、欠陥情報４２５が所定の停止条件を満たす場合には、造形物ＢＯの造形を停止するように、造形装置１を制御してもよい。例えば、ユーザは、欠陥情報４２５が示す欠陥が造形物ＢＯの適切な造形に悪影響を与える場合には、造形物ＢＯの造形を停止するように、造形装置１を制御してもよい。一方で、ユーザは、欠陥情報４２５が所定の停止条件を満たさない場合には、造形物ＢＯの造形をそのまま継続するように、造形装置１を制御してもよい。例えば、ユーザは、欠陥情報４２５が示す欠陥が造形物ＢＯの適切な造形に悪影響を与えない場合には、造形物ＢＯの造形をそのまま継続するように、造形装置１を制御してもよい。
　造形物ＢＯに欠陥が形成されている場合には、造形物ＢＯを造形する造形装置１の動作内容を規定するために設定される造形条件が適切ではない可能性がある。そこで、ユーザは、造形条件を修正してもよい。具体的には、ユーザは、欠陥情報４２５に基づいて、造形物ＢＯに欠陥が形成されなくなるように造形条件を修正してもよい。この場合、ユーザは、造形条件全体を修正してもよい。或いは、ユーザは、造形条件を部分的に修正してもよい。尚、造形条件を修正することは、造形条件を変更することと等価であるとみなしてもよい。
　造形条件を部分的に修正する場合には、例えば、ユーザは、造形条件の一部を修正する一方で、造形条件の他の一部を修正しなくてもよい。一例として、ユーザは、照射条件、リコータ移動条件、ステージ移動条件、ヘッド移動条件、材料条件、環境条件及び設計条件のうちの少なくとも一つを修正する一方で、照射条件、リコータ移動条件、ステージ移動条件、ヘッド移動条件、材料条件、環境条件及び設計条件のうちの少なくとも他の一つを修正しなくてもよい。一例として、ユーザは、照射条件に含まれる複数の条件（例えば、造形光ＥＬを生成する光源の出力、光源から射出される造形光ＥＬの強度、材料層ＭＬ上での造形光ＥＬの強度、材料層ＭＬ上での造形光ＥＬの強度分布、造形光ＥＬの照射タイミング、造形光ＥＬの照射位置、造形光ＥＬの照射位置の移動ルール、造形光ＥＬの照射位置の移動軌跡、隣り合う二つの移動軌跡の間隔であるハッチング距離、造形光ＥＬの照射位置の移動速度（つまり、走査速度）、光源から射出される造形光ＥＬのスポット径及び材料層ＭＬ上で造形光ＥＬが形成するスポットの径）のうちの少なくとも一つを修正する一方で、照射条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。ユーザは、リコータ移動条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、リコータ移動条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。ユーザは、ヘッド移動条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、ヘッド移動条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。ユーザは、ステージ移動条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、ステージ移動条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。ユーザは、材料条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、材料条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。ユーザは、環境条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、環境条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。ユーザは、設計条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、設計条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。
　造形条件を部分的に修正する場合には、例えば、ユーザは、造形物ＢＯの一の部分を造形するために用いられる造形条件を修正する一方で、造形物ＢＯの他の部分を造形するために用いられる造形条件を修正しなくてもよい。一例として、造形物ＢＯの一の部分に欠陥が形成されていることを欠陥情報４２５が示している場合には、ユーザは、造形物ＢＯの一の部分を造形するために用いられる造形条件を修正する一方で、造形物ＢＯの一の部分とは異なる他の部分を造形するために用いられる造形条件を修正しなくてもよい。或いは、ユーザは、造形物ＢＯの一の部分及び当該一の部分の近傍部分を造形するために用いられる造形条件を修正する一方で、造形物ＢＯの一の部分及び当該一の部分の近傍部分とは異なる他の部分を造形するために用いられる造形条件を修正しなくてもよい。尚、一の部分の近傍部分は、一の部分からの距離が所定距離以下となる部分を意味していてもよい。その結果、造形条件の修正に要する時間の短縮が可能となる。
　造形条件が修正された場合には、造形装置１は、ユーザが修正した造形条件を用いて、造形物ＢＯを造形してもよい。一例として、造形期間が終了した後に（つまり、ある三次元構造物ＳＴの造形が完了した後に）欠陥情報４２５が出力された場合には、ユーザは、同じ形状等を有する三次元構造物ＳＴを次に造形する場合に用いられる造形条件を修正してもよい。この場合、造形装置１は、同じ形状等を有する三次元構造物ＳＴを次に造形する場合に、修正された造形条件を用いてもよい。他の一例として、造形期間中に（つまり、ある三次元構造物ＳＴの造形が完了する前に）欠陥情報４２５が出力された場合には、ユーザは、造形途中の三次元構造物ＳＴを完成させるために用いられる造形条件を修正してもよい。この場合、造形装置１は、修正された造形条件を用いて、造形途中の三次元構造物ＳＴの造形を再開してもよい。尚、造形期間中に造形物ＢＯの一の部分に欠陥が形成されていることを示す欠陥情報４２５が出力された場合、ユーザは、造形物ＢＯの一の部分の欠陥を補修してもよい。例えば、ユーザは、造形物ＢＯの一の部分に再度、造形光ＥＬを照射して再溶融させるように、造形装置１を制御してもよい。この時、ユーザは、修正された造形条件を用いて、造形物ＢＯの一の部分に再度、造形光ＥＬを照射するように、造形装置１を制御してもよい。
　欠陥出力部３１３は、情報処理装置３の外部の装置に対して、欠陥情報４２５を出力してもよい。この場合、欠陥出力部３１３は、通信装置３３を用いて、外部の装置に対して欠陥情報４２５を出力（つまり、送信）してもよい。具体的には、欠陥出力部３１３は、造形装置１に対して欠陥情報４２５を送信してもよい。その結果、造形装置１は、欠陥情報４２５を受信（取得）してもよい。
　この場合、造形装置１は、造形装置１が備える不図示の出力装置を用いて、欠陥情報４２５を出力してもよい。例えば、造形装置１は、造形装置１が備える表示装置を用いて、欠陥情報４２５を画像として出力してもよい。例えば、造形装置１は、造形装置１が備える音声装置を用いて、欠陥情報４２５を音声として出力してもよい。例えば、造形装置１は、造形装置１が備える印刷装置を用いて、欠陥情報４２５が印刷された紙面を出力してもよい。造形装置１は、造形装置１が備える不図示の通信装置を用いて、欠陥情報４２５をデータとして出力（つまり、送信）してもよい。例えば、造形装置１は、欠陥情報４２５をデータとして、ユーザが保有している情報端末（例えば、パソコン、スマートフォン又はタブレット端末）に出力（送信）してもよい。
　造形装置１の制御ユニット１６は、受信した欠陥情報４２５に基づいて、造形ユニット１０を制御してもよい。例えば、制御ユニット１６は、欠陥情報４２５に基づいて、欠陥に起因した影響を小さくする（例えば、欠陥を小さくする又は除去する）ための追加工を行うように、造形ユニット１０（或いは、他の加工装置）を制御してもよい。この場合、ユーザの手を煩わせることなく、欠陥に起因した影響を小さくすることが可能となる。
　また、制御ユニット１６は、欠陥情報４２５が出力された場合には、造形物ＢＯの造形を停止するように、造形ユニット１０を制御してもよい。例えば、制御ユニット１６は、欠陥情報４２５が出力された場合には、一律に造形物ＢＯの造形を停止するように、造形ユニット１０を制御してもよい。例えば、制御ユニット１６は、欠陥情報４２５が所定の停止条件を満たす場合には、造形物ＢＯの造形を停止するように、造形ユニット１０を制御してもよい。例えば、制御ユニット１６は、欠陥情報４２５が示す欠陥が造形物ＢＯの適切な造形に悪影響を与える場合には、造形物ＢＯの造形を停止するように、造形ユニット１０を制御してもよい。一方で、制御ユニット１６は、欠陥情報４２５が所定の停止条件を満たさない場合には、造形物ＢＯの造形をそのまま継続するように、造形ユニット１０を制御してもよい。例えば、制御ユニット１６は、欠陥情報４２５が示す欠陥が造形物ＢＯの適切な造形に悪影響を与えない場合には、造形物ＢＯの造形をそのまま継続するように、造形ユニット１０を制御してもよい。この場合、ユーザの手を煩わせることなく、欠陥に起因した影響を小さくすることが可能となる。
　また、制御ユニット１６は、欠陥情報４２５に基づいて、造形条件を修正してもよい。具体的には、制御ユニット１６は、欠陥情報４２５に基づいて、造形物ＢＯに欠陥が形成されなくなるように造形条件を修正してもよい。この場合、制御ユニット１６は、造形条件全体を修正してもよい。或いは、制御ユニット１６は、ユーザが造形条件を部分的に修正する場合と同様に、造形条件を部分的に修正してもよい。
　造形条件を部分的に修正する場合には、例えば、制御ユニット１６は、造形条件の一部を修正する一方で、造形条件の他の一部を修正しなくてもよい。一例として、制御ユニット１６は、照射条件、リコータ移動条件、ステージ移動条件、ヘッド移動条件、材料条件、環境条件及び設計条件のうちの少なくとも一つを修正する一方で、照射条件、リコータ移動条件、ステージ移動条件、ヘッド移動条件、材料条件、環境条件及び設計条件のうちの少なくとも他の一つを修正しなくてもよい。一例として、制御ユニット１６は、照射条件に含まれる複数の条件（例えば、造形光ＥＬを生成する光源の出力、光源から射出される造形光ＥＬの強度、材料層ＭＬ上での造形光ＥＬの強度、材料層ＭＬ上での造形光ＥＬの強度分布、造形光ＥＬの照射タイミング、造形光ＥＬの照射位置、造形光ＥＬの照射位置の移動ルール、造形光ＥＬの照射位置の移動軌跡、隣り合う二つの移動軌跡の間隔であるハッチング距離、造形光ＥＬの照射位置の移動速度（つまり、走査速度）、光源から射出される造形光ＥＬのスポット径及び材料層ＭＬ上で造形光ＥＬが形成するスポットの径）のうちの少なくとも一つを修正する一方で、照射条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。制御ユニット１６は、リコータ移動条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、リコータ移動条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。制御ユニット１６は、ヘッド移動条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、ヘッド移動条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。制御ユニット１６は、ステージ移動条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、ステージ移動条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。制御ユニット１６は、材料条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、材料条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。制御ユニット１６は、環境条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、環境条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。制御ユニット１６は、設計条件に含まれる複数の条件のうちの少なくとも一つを修正する一方で、設計条件に含まれる複数の条件のうちの少なくとも他の一つを修正しなくてもよい。
　造形条件を部分的に修正する場合には、例えば、制御ユニット１６は、造形物ＢＯの一の部分を造形するために用いられる造形条件を修正する一方で、造形物ＢＯの他の部分を造形するために用いられる造形条件を修正しなくてもよい。一例として、造形物ＢＯの一の部分に欠陥が形成されていることを欠陥情報４２５が示している場合には、制御ユニット１６は、造形物ＢＯの一の部分を造形するために用いられる造形条件を修正する一方で、造形物ＢＯの一の部分とは異なる他の部分を造形するために用いられる造形条件を修正しなくてもよい。或いは、制御ユニット１６は、造形物ＢＯの一の部分及び当該一の部分の近傍部分を造形するために用いられる造形条件を修正する一方で、造形物ＢＯの一の部分及び当該一の部分の近傍部分とは異なる他の部分を造形するために用いられる造形条件を修正しなくてもよい。その結果、造形条件の修正に要する時間の短縮が可能となる。
　造形条件が修正された場合には、制御ユニット１６は、制御ユニット１６が修正した造形条件を用いて、造形物ＢＯを造形するように造形ユニット１０を制御してもよい。一例として、造形期間が終了した後に（つまり、ある三次元構造物ＳＴの造形が完了した後に）情報処理装置３から造形装置１（特に、制御ユニット１６）に欠陥情報４２５が入力された場合には、制御ユニット１６は、同じ形状等を有する三次元構造物ＳＴを次に造形する場合に用いられる造形条件を修正してもよい。この場合、制御ユニット１６は、同じ形状等を有する三次元構造物ＳＴを次に造形する場合に、修正した造形条件を用いて造形ユニット１０を制御してもよい。他の一例として、造形期間中に（つまり、ある三次元構造物ＳＴの造形が完了する前に）情報処理装置３から造形装置１（特に、制御ユニット１６）に欠陥情報４２５が入力された場合には、制御ユニット１６は、造形途中の三次元構造物ＳＴを完成させるために用いられる造形条件を修正してもよい。この場合、制御ユニット１６は、修正された造形条件を用いて、造形途中の三次元構造物ＳＴの造形を再開するように、造形ユニット１０を制御してもよい。尚、造形期間中に造形物ＢＯの一の部分に欠陥が形成されていることを示す欠陥情報４２５が入力された場合、造形ユニット１０は、造形物ＢＯの一の部分の欠陥を補修してもよい。例えば、制御ユニット１６は、造形物ＢＯの一の部分に再度、造形光ＥＬを照射して再溶融させるように、造形ユニット１０を制御してもよい。この時、制御ユニット１６は、修正された造形条件を用いて、造形物ＢＯの一の部分に再度、造形光ＥＬを照射するように、造形ユニット１０を制御してもよい。
　欠陥情報４２５を出力する場合には、図１１に示すように、欠陥出力部３１３は、欠陥が形成されている位置を示す位置情報４２６が関連付けられている欠陥情報４２５を出力（例えば、表示又は送信）してもよい。尚、欠陥情報４２５が表示される場合には、図１１は、欠陥情報４２５と位置情報４２６とが関連付けられた表示形式の一例を示している。一方で、欠陥情報４２５がデータとして送信される場合には、図１１は、欠陥情報４２５と位置情報４２６とが関連付けられたデータ構造の一例を示している。この場合、ユーザ又は制御ユニット１６は、造形物ＢＯのどこに欠陥が形成されているかを容易に特定することができる。
　ここで、位置情報４２６と関連付けられている欠陥情報４２５の一例について説明する。例えば、欠陥情報４２５は、欠陥の密度に関する情報として、欠陥情報４２５に関連付けられている位置情報４２６が示す位置が中心となる任意の単位空間における欠陥の密度に関する情報を含んでいてもよい。つまり、欠陥の密度に関する情報を含む欠陥情報４２５は、この単位空間の中心の位置を示す位置情報４２６が関連付けられていてもよい。尚、任意の単位空間における欠陥の密度は、任意の単位空間における欠陥の平均密度を含んでいてもよい。例えば、欠陥情報４２５は、欠陥の特性に関する情報として、欠陥情報４２５に関連付けられている位置情報４２６が示す位置が中心となる任意の単位空間に形成された欠陥の特性に関する情報を含んでいてもよい。つまり、欠陥の特性に関する情報を含む欠陥情報４２５は、この単位空間の中心の位置を示す位置情報４２６が関連付けられていてもよい。或いは、例えば、欠陥情報４２５は、欠陥の特性に関する情報として、欠陥情報４２５に関連付けられている位置情報４２６が示す位置が重心となる欠陥（例えば、空隙ＳＰ）の特性に関する情報を含んでいてもよい。つまり、欠陥の特性に関する情報を含む欠陥情報４２５は、欠陥の重心の位置を示す位置情報４２６が関連付けられていてもよい。
　欠陥情報４２５を出力する場合には、図１２に示すように、欠陥出力部３１３は、欠陥情報４２５と共に、上述したプロセスデータ４１５を出力（例えば、表示又は送信）してもよい。欠陥出力部３１３は、欠陥情報４２５とプロセスデータ４１５とが関連付けられた出力形式で、欠陥情報４２５とプロセスデータ４１５とを出力（例えば、表示又は送信）してもよい。つまり、欠陥出力部３１３は、欠陥情報４２５と共に、プロセスデータ４１５を構成する計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つを出力（例えば、表示又は送信）してもよい。欠陥出力部３１３は、欠陥情報４２５と構成する計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つとが関連付けられた出力形式で、欠陥情報４２５とプロセスデータ４１５を構成する計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つとを出力（例えば、表示又は送信）してもよい。図１２に示す例では、欠陥情報４２５とプロセスデータ４１５とは、位置情報４１６（４２６）を介して関連付けられている。但し、欠陥情報４２５とプロセスデータ４１５とは、位置情報４１６（４２６）を用いる方法とは異なる方法で関連付けられていてもよい。尚、欠陥情報４２５が表示される場合には、図１２は、欠陥情報４２５と共にプロセスデータ４１５が表示される表示形式の一例を示している。一方で、欠陥情報４２５がデータとして送信される場合には、図１２は、欠陥情報４２５と共にプロセスデータ４１５が送信されるデータ構造の一例を示している。
　この場合、欠陥出力部３１３は、造形物ＢＯの一の部分に形成される欠陥に関する欠陥情報４２５（説明の便宜上、“欠陥情報４２５ａ”と称する）と、造形物ＢＯの一の部分の造形に関するプロセスデータ４１５（説明の便宜上、“プロセスデータ４１５ａ”と称する）とが関連付けられた出力形式で、欠陥情報４２５及びプロセスデータ４１５を出力してもよい。図１２に示す例では、欠陥情報４２５ａとプロセスデータ４１５ａとは、造形物ＢＯの一の部分の位置を示す位置情報４１６及び４２６（説明の便宜上、“位置情報４１６ａ及び４２６ａ”と称する）を介して関連付けられている。この場合、ユーザ又は制御ユニット１６は、造形物ＢＯの一の部分の造形に関するプロセスデータ４１５を参照することで、造形物ＢＯの一の部分に欠陥が形成された原因を把握しやすくなる。
　ここで、欠陥が上述した空隙ＳＰである場合には、造形光ＥＬから材料層ＭＬに伝達されたエネルギ量が目標量に対して不足している又は過剰であることが、欠陥が生ずる原因の一つであることは上述したとおりである。このため、造形光ＥＬから材料層ＭＬに伝達されたエネルギ量が欠陥情報４２５と共に出力されれば、ユーザ又は制御ユニット１６は、欠陥情報４２５が示す欠陥が形成された原因をより適切に把握することができる。
　そこで、欠陥予測部３１２は、プロセスデータ４１５に基づいて、造形光ＥＬから材料層ＭＬに伝達されたエネルギ量に関する推定値を算出してもよい。具体的には、欠陥予測部３１２は、造形物ＢＯの一の部分の造形に関するプロセスデータ４１５に基づいて、造形物ＢＯの一の部分の造形において造形光ＥＬから材料層ＭＬに伝達されたエネルギ量に関する推定値を算出してもよい。例えば、欠陥予測部３１２は、プロセスデータ４１５のうちの計測情報４１１及び４１２の少なくとも一方に基づいて、エネルギ量に関する推定値を算出してもよい。
　一例として、欠陥予測部３１２は、計測情報４１１から算出される特徴量の一例である溶融池ＭＰの幅と、計測情報４１２から算出される特徴量の一例である固化層ＳＴＬの厚さとを用いて、エネルギ量に関する推定値の一例であるエネルギ密度（つまり、単位体積当たりのエネルギ量）の推定値を算出してもよい。具体的には、溶融池ＭＰの幅をΔｙとし、固化層ＳＴＬの厚さをΔｚとし、造形光ＥＬを生成する光源の出力をＰとし、材料層ＭＬ上での造形光ＥＬの照射位置の移動速度（つまり、走査速度）をｖとし、且つ、エネルギ密度の推定値をＥＤとした場合において、欠陥予測部３１２は、ＥＤ＝Ｐ／（ｖ×Δｙ×Δｚ）という数式を用いて、エネルギ密度の推定値を算出してもよい。尚、光源の出力（Ｐ）と造形光ＥＬの走査速度（ｖ）のそれぞれは、造形情報４１３の値を用いてもよい。
　他の一例として、欠陥予測部３１２は、計測情報４１１から算出される特徴量の一例である溶融池ＭＰの幅を用いて、エネルギ量に関する推定値の一例であるパワー密度（つまり、単位面積当たりのエネルギ量）の推定値を算出してもよい。具体的には、欠陥予測部３１２は、溶融池ＭＰの幅に基づいて、材料層ＭＬ上で造形光ＥＬが形成するスポットの径を算出する。その後、欠陥予測部３１２は、算出したスポットの径に基づいて、パワー密度を算出してもよい。具体的には、スポットの径をｄとし、造形光ＥＬを生成する光源の出力をＰとし、材料層ＭＬ上での造形光ＥＬの照射位置の移動速度（つまり、走査速度）をｖとし、且つ、パワー密度の推定値をＰＤとした場合において、ＰＤ＝Ｐ／（ｄ×ｖ）という数式を用いて、パワー密度の推定値を算出してもよい。尚、光源の出力（Ｐ）と造形光ＥＬの走査速度（ｖ）のそれぞれは、造形情報４１３の値を用いてもよい。尚、造形光ＥＬのスポット径（ｄ）は、造形情報４１３の値を用いてもよい。
　他の一例として、欠陥予測部３１２は、計測情報４１１から算出される特徴量の一例である溶融池ＭＰのサイズを用いて、エネルギ量に関する推定値の一例である溶け込み幾何形状という指標値の推定値を算出してもよい。溶け込み幾何形状の一例が、図１３に示されている。図１３に示すように、溶け込み幾何形状は、溶融池ＭＰにおいて溶融した造形材料の深さｄｐ及びｄｏと、材料層ＭＬの厚さｔＬとによって定義される。深さｄｐは、材料層ＭＬの表面から溶融池ＭＰにおいて溶融した造形材料の最底部までの距離（つまり、溶融池ＭＰの深さ）に相当する。深さｄｏは、材料層ＭＬの表面から隣り合う二つの溶融池ＭＰ（具体的には、隣り合う二つの走査ラインに形成される二つの溶融池ＭＰ）が交わる位置までの距離に相当する。深さｄｐ及びｄｏは、いずれも、溶融池ＭＰのサイズから算出（推定）可能である。この場合、溶け込み幾何形状として、ｄｐ／ｔＬという数式から算出される第１溶け込み幾何形状と、ｄｏ／ｔＬという数式から算出される第２溶け込み幾何形状とが用いられてもよい。この場合、第１及び第２溶け込み幾何形状の少なくとも一方が１未満になる場合には、造形材料の溶融が不足している（つまり、エネルギ量が不足している）と推定される。第１及び第２溶け込み幾何形状の少なくとも一方が１以上且つ許容上限値未満になる場合には、造形材料の溶融が適切である（つまり、エネルギ量が適切である）と推定される。第１及び第２溶け込み幾何形状の少なくとも一方が許容上限値以上になる場合には、造形材料の溶融が過剰である（つまり、エネルギ量が過剰である）と推定される。
　上述したように、プロセスデータ４１５の少なくとも一部が造形位置（つまり、位置情報４１６）と関連付けられている場合には、欠陥予測部３１２は、欠陥予測部３１２が算出したエネルギ量に関する推定値に関するエネルギ情報４３５を、造形位置と関連付けてもよい。欠陥予測部３１２は、造形位置と関連付けられたエネルギ情報４３５を生成してもよい。例えば、欠陥予測部３１２は、造形物ＢＯの一の部分に造形光ＥＬから材料層ＭＬに伝達されたエネルギ量に関する推定値に関する情報を含むエネルギ情報４３５を、造形装置１が造形処理を行っていた造形位置（つまり、造形物ＢＯの一の部分）と関連付けてもよい。欠陥予測部３１２は、造形物ＢＯの他の部分に造形光ＥＬから材料層ＭＬに伝達されたエネルギ量に関する推定値に関する情報を含むエネルギ情報４３５を、造形装置１が造形処理を行っていた造形位置（つまり、造形物ＢＯの他の部分）と関連付けてもよい。
　その後、欠陥出力部３１３は、図１４に示すように、欠陥情報４２５と共に、欠陥予測部３１２が算出したエネルギ量に関する推定値に関するエネルギ情報４３５を出力（例えば、表示又は送信）してもよい。つまり、欠陥出力部３１３は、欠陥情報４２５とエネルギ情報４３５とが関連付けられた出力形式で、欠陥情報４２５とエネルギ情報４３５とを出力（例えば、表示又は送信）してもよい。図１４に示す例では、欠陥情報４２５とエネルギ情報４３５とは、位置情報４１６（４２６）を介して関連付けられている。この場合、造形物ＢＯの一の部分に造形光ＥＬから材料層ＭＬに伝達されたエネルギ量に関する推定値に関する情報を含むエネルギ情報４３５と、造形物ＢＯの一の部分に発生した欠陥に関する情報を含む欠陥情報４２５とが関連付けられてもよい。造形物ＢＯの他の部分に造形光ＥＬから材料層ＭＬに伝達されたエネルギ量に関する推定値に関する情報を含むエネルギ情報４３５と、造形物ＢＯの他の部分に発生した欠陥に関する情報を含む欠陥情報４２５とが関連付けられてもよい。但し、欠陥情報４２５とエネルギ情報４３５とは、位置情報４１６（４２６）を用いる方法とは異なる方法で関連付けられていてもよい。尚、欠陥情報４２５が表示される場合には、図１４は、欠陥情報４２５と共にエネルギ情報４３５が表示される表示形式の一例を示している。一方で、欠陥情報４２５がデータとして送信される場合には、図１４は、欠陥情報４２５と共にエネルギ情報４３５が出力されるデータ構造の一例を示している。また、図１４は、欠陥情報４２５及びエネルギ情報４３５と共にプロセスデータ４１５が出力されているが、プロセスデータ４１５は必ずしも出力されなくてもよい。
　その結果、ユーザ又は制御ユニット１６は、欠陥情報４２５が示す欠陥が形成された原因をより適切に把握することができる。具体的には、ユーザ又は制御ユニット１６は、欠陥情報４２５が示す欠陥が形成された原因が、造形光ＥＬから材料層ＭＬに伝達されたエネルギ量が目標量に対して不足していることであるのか、又は、造形光ＥＬから材料層ＭＬに伝達されたエネルギ量が目標量に対して過剰であることなのかを、より適切に把握することができる。その結果、ユーザ又は制御ユニット１６は、上述した造形条件（特に、造形光ＥＬに関する照射条件）をより適切に修正することができる。例えば、造形光ＥＬから材料層ＭＬに伝達されたエネルギ量が目標量に対して不足している場合には、ユーザ又は制御ユニット１６は、エネルギ量が増加するように造形条件を修正してもよい。一例として、ユーザ又は制御ユニット１６は、造形光ＥＬを生成する光源の出力を大きくする、材料層ＭＬの下方に位置するサポート部材の厚みを減らすことで造形光ＥＬから材料層ＭＬに伝達されるエネルギ量が拡散する経路を減らす、及び／又は、材料層ＭＬ上での造形光ＥＬの照射位置の移動速度（つまり、走査速度）を遅くすることで、造形光ＥＬから材料層ＭＬに伝達されたエネルギ量を増やすように、造形条件を修正してもよい。一方で、例えば、造形光ＥＬから材料層ＭＬに伝達されたエネルギ量が目標量に対して過剰である場合には、ユーザ又は制御ユニット１６は、エネルギ量が減少するように造形条件を修正してもよい。一例として、ユーザ又は制御ユニット１６は、造形光ＥＬを生成する光源の出力を小さくする、材料層ＭＬの下方に位置するサポート部材の厚みを増やすことで造形光ＥＬから材料層ＭＬに伝達されるエネルギ量が拡散する経路を増やす、及び／又は、材料層ＭＬ上での造形光Ｌの照射位置の移動速度（つまり、走査速度）を早くすることで、造形光ＥＬから材料層ＭＬに伝達されたエネルギ量を減らすように、造形条件を修正してもよい。
　欠陥出力部３１３は、造形物ＢＯの一の部分に形成される欠陥に関する欠陥情報４２５（説明の便宜上、“欠陥情報４２５ａ”と称する）と、造形物ＢＯの一の部分の造形において造形光ＥＬから材料層ＭＬに伝達されるエネルギ量に関するエネルギ情報４３５（説明の便宜上、“エネルギ情報４３５ａ”と称する）とが関連付けられた出力形式で、欠陥情報４２５及びエネルギ情報４３５を出力してもよい。図１４に示す例では、欠陥情報４２５ａとエネルギ情報４３５ａとは、造形物ＢＯの一の部分の位置を示す位置情報４１６及び４２６（説明の便宜上、“位置情報４１６ａ及び４２６ａ”と称する）を介して関連付けられている。この場合、ユーザ又は制御ユニット１６は、ある位置に形成された欠陥の原因をより適切に把握しやすくなる。
　欠陥出力部３１３は、欠陥情報４２５をそのまま出力することに加えて又は代えて、欠陥情報４２５が示す欠陥の統計値を示す欠陥統計情報４４５を出力（例えば、表示又は送信）してもよい。欠陥統計情報４４５の一例が図１５に示されている。図１５に示すように、欠陥統計情報４４５は、欠陥の総数、欠陥の最大体積（つまり、最大の欠陥の体積）、欠陥の最大長（つまり、最長の欠陥の長さ）、欠陥の平均体積及び欠陥の平均長のうちの少なくとも一つを含んでいてもよい。
　図１１から図１３に示す例では、欠陥出力部３１３は、表の形式で欠陥情報４２５を出力（具体的には、表示）している。しかしながら、欠陥情報４２５がユーザに向けて表示される場合には、欠陥出力部３１３は、欠陥情報４２５が示す欠陥に関する情報をユーザが直感的に理解しやすくなる表示形式で、欠陥情報４２５を表示してもよい。
　例えば、図１６に示すように、欠陥出力部３１３は、造形物ＢＯ（図１６に示す例では、三次元構造物ＳＴ）の三次元モデルと共に、欠陥情報４２５を表示してもよい。この場合、欠陥出力部３１３は、造形物ＢＯの三次元モデルのうち欠陥が形成されている部分に、欠陥が形成されていることを示すマークＭＩを重畳してもよい。この場合、入力装置３４を用いてユーザがマークＭＩを選択した場合には、当該マークＭＩが示す欠陥の詳細な情報が表示（例えば、ポップアップで表示）されてもよい。尚、欠陥の詳細な情報には、欠陥の特性と密度との少なくとも一方の情報が含まれていても良い。例えば、欠陥の詳細な情報には、欠陥の特性と密度との少なくとも一方の数値が含まれていても良い。更に、欠陥出力部３１３は、欠陥が形成されていることを示すマークＭＩの表示形式を、欠陥が形成された原因に応じて変えてもよい。例えば、欠陥出力部３１３は、エネルギ量が過剰であることが原因で形成された欠陥を示すマークＭＩの表示形式と、エネルギ量が不足していることが原因で形成された欠陥を示すマークＭＩの表示形式とを変えてもよい。例えば、表示形式は、マークＭＩの色、マークＭＩの輝度、マークＭＩのサイズ及びマークＭＩの形状の少なくとも一つであってもよい。
　欠陥出力部３１３は、欠陥情報４２５及びプロセスデータ４１５の少なくとも一部に基づいて、マークＭＩの表示形式を変更してもよい。例えば、欠陥出力部３１３は、計測情報４１１から算出される一の位置に形成された溶融池ＭＰの温度に基づいて、一の位置に発生すると予測された欠陥を示すマークＭＩの表示形式を変更してもよい。例えば、欠陥出力部３１３は、計測情報４１１から算出される一の位置に形成された溶融池ＭＰの温度と溶融池ＭＰの基準温度との差分に基づいて、一の位置に発生すると予測された欠陥を示すマークＭＩの表示形式を変更してもよい。例えば、欠陥出力部３１３は、計測情報４１２から算出される一の位置に形成された固化層ＳＴＬの厚さと固化層ＳＴＬの設計上の厚さとの差分に基づいて、一の位置に発生すると予測された欠陥を示すマークＭＩの表示形式を変更してもよい。尚、入力装置３４を用いてユーザがマークＭＩを選択した場合には、当該マークＭＩが示すプロセスデータ４１５の詳細な情報が表示（例えば、ポップアップで表示）されてもよい。尚、プロセスデータ４１５の詳細な情報には、プロセスデータ４１５のうちの計測情報４１１と計測情報４１２と造形情報４１３と特徴量情報４１４との少なくとも一つの数値が含まれていてもよい。
　欠陥出力部３１３は、造形物ＢＯの三次元モデルのうち欠陥が形成されていない部分に、欠陥が形成されていないことを示すマークを重畳してもよい。この場合、欠陥出力部３１３は、欠陥が形成されていることを示すマークＭＩの表示形式と、欠陥が形成されていないことを示すマークの表示形式とを異なるものとしてもよい。欠陥出力部３１３は、欠陥情報４２５及びプロセスデータ４１５の少なくとも一部に基づいて、欠陥が形成されていないことを示すマークの表示形式を変更してもよい。
　欠陥出力部３１３は、欠陥情報４２５に加えて又は代えて、エネルギ情報４３５を表示してもよい。例えば、欠陥出力部３１３は、造形物ＢＯの一の部分に、当該一の部分に伝達されたエネルギ量に関する推定値を示す表示オブジェクトを、エネルギ情報４３５として表示してもよい。この場合においても、欠陥出力部３１３は、欠陥情報４２５及びプロセスデータ４１５の少なくとも一部に基づいて、エネルギ情報４３５に対応する表示オブジェクトの表示形式を変更してもよい。例えば、欠陥出力部３１３は、エネルギ量に関する推定値に基づいて、エネルギ情報４３５に対応する表示オブジェクトの表示形式を変更してもよい。尚、欠陥出力部３１３は、造形物ＢＯの一の部分のエネルギ情報４３５に基づいて、当該一の部分に発生すると予測された欠陥を示すマークＭＩの表示形式を変更してもよい。尚、入力装置３４を用いてユーザがマークＭＩを選択した場合には、当該マークＭＩが示すエネルギ情報４３５の詳細な情報が表示（例えば、ポップアップで表示）されてもよい。尚、エネルギ情報４３５の詳細な情報には、エネルギ密度とパワー密度と溶け込み幾何形状との少なくとも一つの数値が含まれていてもよい。この場合、ユーザは、造形物ＢＯの各部分に伝達されたエネルギ量を直感的に理解しやすくなる。
　欠陥出力部３１３は、欠陥情報４２５に加えて又は代えて、プロセスデータ４１５を表示してもよい。例えば、欠陥出力部３１３は、造形物ＢＯの一の部分に、当該一の部分の造形に関するプロセスデータ４１５を示す表示オブジェクトを表示してもよい。この場合においても、欠陥出力部３１３は、欠陥情報４２５及びプロセスデータ４１５の少なくとも一部に基づいて、プロセスデータ４１５を示す表示オブジェクトの表示形式を変更してもよい。この場合、ユーザは、造形物ＢＯの各部分の造形に関するプロセスデータ４１５を直感的に理解しやすくなる。
　欠陥出力部３１３は、欠陥情報４２５に加えて又は代えて、造形物ＢＯの密度に関する密度情報を表示してもよい。例えば、欠陥出力部３１３は、造形物ＢＯの一の部分に、当該一の部分の密度を示す表示オブジェクトを、密度情報として表示してもよい。この場合においても、欠陥出力部３１３は、欠陥情報４２５及びプロセスデータ４１５の少なくとも一部に基づいて、密度を示す表示オブジェクトの表示形式を変更してもよい。例えば、欠陥出力部３１３は、密度に基づいて、エネルギ情報４３５に対応する表示オブジェクトの表示形式を変更してもよい。尚、欠陥出力部３１３は、造形物ＢＯの一の部分の密度情報に基づいて、当該一の部分に発生すると予測された欠陥を示すマークＭＩの表示形式を変更してもよい。尚、欠陥が発生すると予測された造形物ＢＯの当該一の部分は、密度（つまり、上記のように推定された密度）が閾値よりも低い部分であってもよい。つまり、マークＭＩは、密度が閾値よりも低い部分を欠陥として示す表示オブジェクトであってもよい。尚、入力装置３４を用いてユーザがマークＭＩを選択した場合には、当該マークＭＩが示す密度情報の詳細な情報（例えば、密度の数値）が表示（例えば、ポップアップで表示）されてもよい。この場合、ユーザは、造形物ＢＯの各部分の密度を直感的に理解しやすくなる。
　欠陥出力部３１３は、欠陥情報４２５、プロセスデータ４１５、エネルギ情報４３５及び密度情報の少なくとも二つを同時に表示してもよい。例えば、欠陥出力部３１３は、エネルギ情報４３５と欠陥情報４１５とを同時に表示してもよい。この場合、欠陥出力部３１３は、エネルギ量に関する推定値に基づいてエネルギ情報４３５の表示形式を第１の変更方法で変更し、欠陥の特性に基づいて欠陥情報４１５の表示形式を第２の変更方法で変更してもよい。第１の変更方法は、例えば、マークＭＩ等の表示オブジェクトの第１の特性（例えば、サイズ）を変更する方法であり、第２の変更方法は、例えば、マークＭＩ等の表示オブジェクトの第２の特性（例えば、色）変更する方法であってもよい。或いは、例えば、欠陥出力部３１３は、密度情報とプロセスデータ４１５とを同時に表示してもよい。この場合、欠陥出力部３１３は、密度に基づいて密度情報の表示形式を第１の変更方法で変更し、プロセスデータ４１５に基づいてプロセスデータ４１５の表示形式を第２の変更方法で変更してもよい。或いは、例えば、欠陥出力部３１３は、密度情報と欠陥情報４２５とを同時に表示してもよい。この場合、欠陥出力部３１３は、密度に基づいて密度情報の表示形式を第１の変更方法で変更し、欠陥の特性に基づいて欠陥情報４２５の表示形式を第２の変更方法で変更してもよい。
　例えば、図１７に示すように、欠陥出力部３１３は、造形時刻と関連付けて、欠陥情報４２５を表示してもよい。具体的には、上述したように、造形装置１は、造形物ＢＯ（典型的には、三次元構造物ＳＴ）の各部分を順に造形する。このため、造形物ＢＯの各部分の位置（つまり、造形位置）は、造形時刻に変換可能である。そこで、欠陥出力部３１３は、三次元構造物ＳＴを造形する一連の造形期間のいずれの造形時刻において欠陥が形成されたか否かを示すように、造形時刻と関連付けて、欠陥情報４２５を表示してもよい。つまり、欠陥出力部３１３は、三次元構造物ＳＴを造形する一連の造形期間のいずれの造形時刻において、欠陥の形成を引き起こした造形が行われたかを示すように、造形時刻と関連付けて、欠陥情報４２５を表示してもよい。図１７は、一連の造形期間のうちの造形時刻ｔ１、ｔ２及びｔ３において欠陥が形成されたことを示す欠陥情報４２５の表示例を示している。加えて、欠陥出力部３１３は、造形時間と関連付けて、エネルギ情報４３５を表示してもよい。図１７は、エネルギ量の時間変化を示すグラフを用いてエネルギ情報４３５が表示される例を示している。この場合、ユーザ又は制御ユニット１６は、欠陥が形成された原因が、エネルギ量が目標量に対して不足していることであるのか、又は、エネルギ量が目標量に対して過剰であることなのかを、より適切に把握することができる。尚、造形装置１は、固化層ＳＴＬを順次、積層して造形物ＢＯを造形する。このため、造形物ＢＯの各固化層ＳＴＬの積層方向（例えば、Ｚ軸方向）の位置は、造形時間に変換可能とも言える。例えば、欠陥出力部３１３は、各固化層ＳＴＬ（例えば、１層目からＮ層目までのそれぞれの固化層ＳＴＬ）と関連付けて、欠陥情報４２５を表示してもよい。
　図１７は、欠陥出力部３１３が二つの軸によって規定される二次元平面内において、縦軸を用いてエネルギ情報４３５が表示される例を示している。しかしながら、欠陥出力部３１３は、縦軸を用いて、欠陥情報４２５、プロセスデータ４１５及び密度情報の少なくとも一つを表示してもよい。或いは、欠陥出力部３１３は、三つの軸によって規定される三次元空間内において、エネルギ情報４３５、欠陥情報４２５、プロセスデータ４１５及び密度情報の少なくとも二つを表示してもよい。
　（３）技術的効果
　以上説明したように、本実施形態では、情報処理装置３は、造形物ＢＯの造形に際して計測装置２が計測対象物を実際に計測することで得られる計測情報４１１及び４１２の少なくとも一方を用いて、造形物ＢＯに形成される欠陥に関する欠陥情報４２５を生成している。つまり、情報処理装置３は、計測情報４１１及び４１２の少なくとも一方を用いて、造形物ＢＯに形成される欠陥を予測している。このため、計測対象物を実際に計測することで得られる計測情報４１１及び４１２を用いることなく造形物ＢＯに形成される欠陥を予測する第１比較例の情報処理装置と比較して、情報処理装置３は、造形物ＢＯに形成される欠陥をより高精度に予測することができる。
　また、情報処理装置３は、予め機械学習によって生成された予測モデルＰＭを用いて、造形物ＢＯに形成される欠陥を予測している。このため、予測モデルＰＭを用いることなく造形物ＢＯに形成される欠陥を予測する第２比較例の情報処理装置と比較して、情報処理装置３は、造形物ＢＯに形成される欠陥をより高精度に予測することができる。
　（４）予測モデルＰＭの生成
　続いて、予測モデルＰＭの生成について説明する。
　（４－１）モデル生成装置５の構成
　はじめに、図１８を参照しながら、予測モデルＰＭを生成するモデル生成装置５の構成について説明する。図１８は、モデル生成装置５の構成を示すブロック図である。
　図１８に示すように、モデル生成装置５は、演算装置５１と、記憶装置５２と、通信装置５３とを備えている。更に、モデル生成装置５は、入力装置５４と、出力装置５５とを備えていてもよい。但し、モデル生成装置５は、入力装置５４及び出力装置５５のうちの少なくとも一つを備えていなくてもよい。演算装置５１と、記憶装置５２と、通信装置５３と、入力装置５４と、出力装置５５とは、データバス５６を介して接続されていてもよい。
　演算装置５１は、例えば、ＣＰＵ、ＧＰＵ及びＦＰＧＡのうちの少なくとも一つを含む。演算装置５１は、コンピュータプログラムを読み込む。例えば、演算装置５１は、記憶装置５２が記憶しているコンピュータプログラムを読み込んでもよい。例えば、演算装置５１は、コンピュータで読み取り可能であって且つ一時的でない記録媒体が記憶しているコンピュータプログラムを、モデル生成装置５が備える図示しない記録媒体読み取り装置を用いて読み込んでもよい。演算装置５１は、通信装置５３（或いは、その他の通信装置）を介して、モデル生成装置５の外部に配置される不図示の装置からコンピュータプログラムを取得してもよい（つまり、ダウンロードしてもよい又は読み込んでもよい）。演算装置５１は、読み込んだコンピュータプログラムを実行する。その結果、演算装置５１内には、モデル生成装置５が行うべき処理（例えば、予測モデルＰＭを生成するためのモデル生成処理）を実行するための論理的な機能ブロックが実現される。つまり、演算装置５１は、モデル生成装置５が行うべき処理を実行するための論理的な機能ブロックを実現するためのコントローラとして機能可能である。
　図１８には、モデル生成処理を実行するために演算装置５１内に実現される論理的な機能ブロックの一例が示されている。図１８に示すように、演算装置５１内には、情報取得部５１１と、モデル生成部５１２とが実現される。尚、情報取得部５１１及びモデル生成部５１２のそれぞれが行う処理については、後に図１９等を参照しながら詳述するが、以下にその概要について説明する。情報取得部５１１は、予測モデルＰＭを生成するための機械学習に必要な複数の（典型的には、大量の）学習データ６１０を取得する。情報取得部５１１が取得した複数の学習データ６１０は、記憶装置５２に学習データセット６００として格納される。モデル生成部５１２は、学習データセット６００の少なくとも一部を用いて、予測モデルＰＭを生成するための機械学習を行う。尚、モデル生成処理は、モデル生成動作とも言える。
　記憶装置５２は、所望のデータを記憶可能である。例えば、記憶装置５２は、演算装置５１が実行するコンピュータプログラムを一時的に記憶していてもよい。記憶装置５２は、演算装置５１がコンピュータプログラムを実行している場合に演算装置５１が一時的に使用するデータを一時的に記憶してもよい。記憶装置５２は、モデル生成装置５が長期的に保存するデータを記憶してもよい。尚、記憶装置５２は、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ハードディスク装置、光磁気ディスク装置、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）及びディスクアレイ装置のうちの少なくとも一つを含んでいてもよい。つまり、記憶装置５２は、一時的でない記録媒体を含んでいてもよい。
　通信装置５３は、不図示の通信ネットワークを介して、モデル生成装置５の外部の装置と通信可能である。
　入力装置５４は、モデル生成装置５の外部からのモデル生成装置５に対する情報の入力を受け付ける装置である。例えば、入力装置５４は、モデル生成装置５のユーザが操作可能な操作装置（例えば、キーボード、マウス及びタッチパネルのうちの少なくとも一つ）を含んでいてもよい。例えば、入力装置５４は、モデル生成装置５に対して外付け可能な記録媒体にデータとして記録されている情報を読み取り可能な記録媒体読取装置を含んでいてもよい。
　尚、モデル生成装置５には、通信装置５３を介して、モデル生成装置５の外部の装置から情報がデータとして入力可能である。この場合、通信装置５３は、モデル生成装置５の外部からのモデル生成装置５に対する情報の入力を受け付ける入力装置として機能してもよい。
　出力装置５５は、モデル生成装置５の外部に対して情報を出力する装置である。例えば、出力装置５５は、情報を画像として出力してもよい。つまり、出力装置５５は、画像を表示可能な表示装置（いわゆる、ディスプレイ）を含んでいてもよい。例えば、出力装置５５は、情報を音声として出力してもよい。つまり、出力装置５５は、音声を出力可能な音声装置（いわゆる、スピーカ）を含んでいてもよい。例えば、出力装置５５は、紙面に情報を出力してもよい。つまり、出力装置５５は、紙面に所望の情報を印刷可能な印刷装置（いわゆる、プリンタ）を含んでいてもよい。例えば、出力装置５５は、モデル生成装置５に外付け可能な記録媒体に、情報をデータとして出力してもよい。
　尚、モデル生成装置５からは、通信装置５３を介してモデル生成装置５の外部の装置に対して情報がデータとして出力可能である。この場合、通信装置５３は、モデル生成装置５の外部に対して情報を出力する出力装置として機能してもよい。
　（４－２）モデル生成装置５が行うモデル生成処理の流れ
　続いて、図１９を参照しながら、モデル生成装置５が行うモデル生成処理について説明する。図１９は、モデル生成装置５が行うモデル生成処理の流れを示すフローチャートである。
　尚、モデル生成装置５は、典型的には、上述した情報処理装置３が欠陥予測処理を開始する前に、モデル生成処理を行う。なぜならば、情報処理装置３は、モデル生成装置５が生成した予測モデルＰＭを用いて欠陥予測処理を行うからである。但し、モデル生成装置５は、情報処理装置３が予測モデルＰＭを用いた欠陥予測処理を開始した後に、所望のタイミングでモデル生成処理を行ってもよい。この場合、モデル生成処理は、情報処理装置３に既に実装された予測モデルＰＭを更新する（言い換えれば、改善又は再学習する）処理と等価であるとみなしてもよい。
　図１９に示すように、情報取得部５１１は、予測モデルＰＭを生成するための機械学習に必要な複数の学習データ６１０を取得する（ステップＳ２１からステップＳ２４）。
　ここで、本実施形態では、学習データ６１０として、造形物ＢＯが実際に造形された場合に取得及び／又は算出された上述したプロセスデータ４１５と、造形された造形物ＢＯに形成されている欠陥（つまり、造形物ＢＯの特性）の実際の計測結果とが関連付けられているデータが用いられる。このため、情報取得部５１１に学習データ６１０を取得させるために（つまり、モデル生成処理を行うために）、造形物ＢＯが実際に造形される。具体的には、上述した造形装置１が、造形物ＢＯを造形してもよい。或いは、造形装置１に加えて又は代えて、造形装置１とは異なる他の造形装置が、造形物ＢＯを造形してもよい。尚、以下の説明では、モデル生成処理を行うために造形される造形物ＢＯを、“造形物ＢＯ＊”と称することで、欠陥予測処理の対象となる造形物ＢＯと区別する。但し、欠陥予測処理の対象となる造形物ＢＯが、モデル生成処理を行うために造形される造形物ＢＯとしても用いられてもよい。
　尚、上述したように、プロセスデータ４１５は、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つを備えていなくてもよい。このため、学習データ６１０に含まれるプロセスデータ４１５もまた、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つを備えていなくてもよい。つまり、学習データは、計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のうちの少なくとも一つを備えていなくてもよい。
　モデル生成処理を行うために造形物ＢＯ＊が造形される造形期間中には、欠陥予測処理の対象となる造形物ＢＯが造形される場合と同様に、計測装置２は、計測対象物を計測する。その結果、計測情報４１１及び４１２の少なくとも一方が生成される。情報取得部５１１は、造形物ＢＯ＊が造形される造形期間中に生成された計測情報４１１及び４１２の少なくとも一方を、学習データ６１０の一部として取得する（ステップＳ２１）。つまり、情報取得部５１１は、上述した情報取得部３１１と同様に、計測情報４１１及び４１２の少なくとも一方を取得する。このため、図１９のステップＳ２１の処理は、上述した図９のステップＳ１１の処理と同一であってもよい。尚、以下の説明では、モデル生成処理を行うために取得される計測情報４１１及び４１２を、それぞれ、“計測情報６１１及び６１２”と称することで、欠陥予測処理を行うために取得される計測情報４１１及び４１２と区別する。但し、情報取得部５１１は、計測情報６１１及び６１２の少なくとも一方を、学習データ６１０の一部として取得しなくてもよい。
　尚、計測装置２に加えて又は代えて、計測装置２とは異なる他の計測装置が、計測対象物を計測してもよい。つまり、計測装置２とは異なる他の計測装置が、計測情報６１１及び６１２の少なくとも一方を生成してもよい。
　更に、情報取得部５１１は、造形物ＢＯ＊の造形に関する造形情報４１３を、学習データ６１０の一部として取得する（ステップＳ２２）。つまり、情報取得部５１１は、上述した情報取得部３１１と同様に、造形情報４１３を取得する。このため、図１９のステップＳ２２の処理は、上述した図９のステップＳ１２の処理と同一であってもよい。尚、以下の説明では、モデル生成処理を行うために取得される造形情報４１３を、“造形情報６１３”と称することで、欠陥予測処理を行うために取得される造形情報４１３と区別する。但し、情報取得部５１１は、造形情報６１３を、学習データ６１０の一部として取得しなくてもよい。
　更に、情報取得部５１１は、計測情報４１１及び４１２の少なくとも一方に基づいて計測対象物の特徴量を算出する上述した欠陥予測部３１２と同様に、ステップＳ２１において取得した計測情報６１１及び６１２の少なくとも一方に基づいて、計測対象物の特徴量を算出する（ステップＳ２３）。つまり、情報取得部５１１は、上述した欠陥予測部３１２と同様に、特徴量情報４１４を生成する。このため、図１９のステップＳ２３の処理は、上述した図９のステップＳ１３の処理と同一であってもよい。生成された特徴量情報４１４は、学習データ６１０の一部として用いられる。尚、以下の説明では、モデル生成処理を行うために生成される特徴量情報４１４を、“特徴量情報６１４”と称することで、欠陥予測処理を行うために生成される特徴量情報４１４と区別する。但し、情報取得部５１１は、特徴量情報６１４を、学習データ６１０の一部として生成しなくてもよい。
　尚、欠陥予測処理の説明の中で説明したように、温度画像データＤ＿Ｔに基づいて算出される特徴量が、温度計測装置２１によって算出されてもよいし、形状画像データＤ＿３Ｄに基づいて算出される特徴量が、形状計測装置２２によって算出されてもよい。この場合、計測情報６１１及び６１２の少なくとも一方が、特徴量情報６１４を含んでいてもよい。
　欠陥予測処理において取得される計測情報４１１、計測情報４１２、造形情報４１３及び特徴量情報４１４のそれぞれは、造形位置を示す位置情報４１６と関連付けられてもよいことは、上述したとおりである。モデル生成処理において取得される計測情報６１１、計測情報６１２、造形情報６１３及び特徴量情報６１４のそれぞれもまた、造形物ＢＯ＊を造形するために造形処理が行われていた造形位置を示す位置情報４１６と関連付けられてもよい。尚、以下の説明では、モデル生成処理を行うために用いられる位置情報４１６を、“位置情報６１６”と称することで、欠陥予測処理を行うために用いられる位置情報４１６と区別する。
　更に、情報取得部５１１は、造形物ＢＯ＊に形成されている欠陥（つまり、造形物ＢＯ＊の特性）の実際の計測結果を取得する（ステップＳ２４）。例えば、造形装置１が造形物ＢＯ＊を造形し終えた後に、造形物ＢＯ＊は、造形装置１から、欠陥を計測可能な欠陥計測装置（例えば、Ｘ線ＣＴ装置等）へと搬送されてもよい。その後、欠陥計測装置が造形物ＢＯ＊に形成されている欠陥を実際に計測してもよい。その後、情報取得部５１１は、欠陥計測装置による計測結果を、欠陥の実際の計測結果として取得してもよい。取得された欠陥の実際の計測結果を示す欠陥実測情報６１７は、学習データ６１０の一部として用いられる。欠陥実測情報６１７は、後述するように、機械学習のラベル（つまり、正解ラベル又は教師データ）として用いられる。
　欠陥実測情報６１７は、上述した欠陥情報４２５と同様の情報を含んでいてもよい。例えば、欠陥実測情報６１７は、造形物ＢＯ＊の各部分における欠陥の有無に関する情報を含んでいてもよい。欠陥実測情報６１７は、造形物ＢＯ＊の密度に関する情報を含んでいてもよい。欠陥実測情報６１７は、造形物ＢＯ＊に形成されている欠陥の特性（例えば、サイズ、位置及び形状の少なくとも一つ）に関する情報を含んでいてもよい。
　尚、上述したように造形物ＢＯの密度そのものが造形物ＢＯの欠陥ではないとみなしてもよいがゆえに、情報取得部５１１は、欠陥実測情報６１７とは別に、密度計測装置が造形物ＢＯ＊の密度を実際に計測した密度計測装置による計測結果を、密度実測情報として取得してもよい。
　このように取得された学習データ６１０を格納する学習データセット６００のデータ構造の一例が、図２０に示されている。図２０に示すように、学習データセット６００は、複数の学習データ６１０を含む。各学習データ６１０は、ある造形位置を示す位置情報６１６と、当該位置情報６１６に関連付けられている計測情報６１１、計測情報６１２、造形情報６１３及び特徴量情報６１４を含むプロセスデータ６１５と、位置情報６１６が示す造形位置における欠陥の実測結果を示す欠陥実測情報６１７とを含む。このため、典型的には、一つの造形物ＢＯ＊が造形された場合には、情報取得部５１１は、異なる複数の造形位置にそれぞれ対応する複数の学習データ６１０を含むデータセットを取得してもよい。更に、複数の造形物ＢＯ＊が造形された場合には、情報取得部５１１は、異なる複数の造形物ＢＯ＊にそれぞれ対応する複数のデータセットを取得してもよい。
　再び図１９において、情報取得部５１１は、必要な数の学習データ６１０が取得されるまで、学習データ６１０の取得を継続する（ステップＳ２５）。必要な数の学習データ６１０が取得された場合には（ステップＳ２５：Ｙｅｓ）、モデル生成部５１２は、学習データセット６００の少なくとも一部を用いて、予測モデルＰＭを生成するための機械学習を行う（ステップＳ２６）。つまり、モデル生成部５１２は、ステップＳ２１からＳ２４において取得された複数の学習データ６１０の少なくとも一部を用いて、予測モデルＰＭを生成するための機械学習を行う（ステップＳ２６）。
　具体的には、モデル生成部５１２は、学習データセット６００から、機械学習のために実際に用いるＮ（尚、Ｎは、１以上の整数）個の学習データ６１０を抽出する。その後、モデル生成部５１２は、機械学習の対象となる予測モデルＰＭ（例えば、学習前の予測モデルＰＭ又は学習済みであるものの再学習の対象となる予測モデルＰＭ）と、各学習データ６１０に含まれるプロセスデータ６１５とを用いて、造形物ＢＯ＊に形成された欠陥に関する欠陥情報４２５を生成する。つまり、モデル生成部５１２は、予測モデルＰＭとプロセスデータ６１５とを用いて、造形物ＢＯ＊に形成された欠陥を予測する。尚、予測モデルＰＭとプロセスデータ６１５とを用いて欠陥情報４２５を生成する処理は、予測モデルＰＭとプロセスデータ４１５とを用いて欠陥情報４２５を生成する処理（つまり、上述の図９のステップＳ１４の処理）と同一であってもよい。また、以下の説明では、モデル生成処理において生成される欠陥情報４２５を、“欠陥情報６２５”と称することで、欠陥予測処理において生成される欠陥情報４２５と区別する。モデル生成部５１２は、欠陥情報６２５を生成する処理を、Ｎ個の学習データ６１０にそれぞれ含まれるＮ個のプロセスデータ６１５を用いてＮ回繰り返す。その結果、Ｎ個の欠陥情報６２５が生成される。
　その後、モデル生成部５１２は、Ｎ個の欠陥情報６２５とＮ個の学習データ６１０にそれぞれ含まれるＮ個の欠陥実測情報６１７との誤差（つまり、差分）に関する損失関数を用いて、予測モデルＰＭを更新する。損失関数の一例として、例えば平均絶対誤差（ＭＡＥ：Ｍｅａｎ　Ａｂｓｏｌｕｔｅ　Ｅｒｒｏｒ）、平均二乗誤差（ＭＳＥ：Ｍｅａｎ　Ｓｑｕａｒｅ　Ｅｒｒｏｒ）、平均平方二乗誤差（ＲＭＳＥ：Ｒｏｏｔ　Ｍｅａｎ　Ｓｑｕａｒｅ　Ｅｒｒｏｒ）及び決定係数のうちの少なくとも一つを用いた損失関数があげられる。この場合、モデル生成部５１２は、損失関数を用いて算出される損失が小さくなるように（好ましくは、最小になるように）、予測モデルＰＭを更新してもよい。その結果、学習前の予測モデルＰＭと比較して、欠陥の予測精度が向上した予測モデルＰＭが生成される。
　尚、予測モデルＰＭが欠陥の有無に関する情報を含む欠陥情報４２５を生成する場合には、予測モデルＰＭは、２値分類を行っているとも言える。この場合、モデル生成部５１２は、上述した損失関数に加えて又は代えて、混同行列における精度指標値を用いて、予測モデルＰＭを更新してもよい。混同行列における精度指標値の一例として、再現率（Ｒｅｃａｌｌ）、適合率（Ｐｒｅｃｉｓｉｏｎ）及びＦ値（Ｆ－ｍｅａｓｕｒｅ）のうちの少なくとも一つがあげられる。
　モデル生成部５１２は、学習データ６１０に含まれるプロセスデータ６１５の全てを用いて、欠陥情報６２５を生成してもよい。或いは、モデル生成部５１２は、学習データ６１０に含まれるプロセスデータ６１５の一部を用いて、欠陥情報６２５を生成してもよい。つまり、モデル生成部５１２は、欠陥情報６２５を生成するために、学習データ６１０に含まれるプロセスデータ６１５の他の一部を用いなくてもよい。一例として、モデル生成部５１２は、モデルデータ６１５のうちの予測モデルＰＭを効率的に生成するために必要であると想定される一のデータ部分を用いる一方で、プロセスデータ６１５のうちの予測モデルＰＭを効率的に生成するためには必要とは限らないと想定される他のデータ部分を用いることなく、欠陥情報６２５を生成してもよい。一例として、計測情報６１１、計測情報６１２、造形情報６１３及び特徴量情報６１４の全てを含むプロセスデータ６１５が学習データ６１０に含まれている場合には、モデル生成部５１２は、計測情報６１１、計測情報６１２、造形情報６１３及び特徴量情報６１４のうちの少なくとも一つを用いる一方で、計測情報６１１、計測情報６１２、造形情報６１３及び特徴量情報６１４の少なくとも他の一つを用いることなく、欠陥情報６２５を生成してもよい。他の一例として、モデル生成部５１２は、計測情報６１１の一部、計測情報６１２の一部、造形情報６１３の一部及び／又は特徴量情報６１４の一部を用いる一方で、計測情報６１１の他の一部、計測情報６１２の他の一部、造形情報６１３の他の一部及び／又は特徴量情報６１４の他の一部を用いることなく、欠陥情報６２５を生成してもよい。
　モデル生成部５１２は、予測モデルＰＭを生成するために用いる情報要素の組み合わせを変更することで、情報要素の異なる組み合わせにそれぞれ対応する複数の予測モデルＰＭを生成してもよい。例えば、モデル生成部５１２は、プロセスデータ６１５に含まれる情報要素の第１の組み合わせを用いて、第１の予測モデルＰＭを生成し、プロセスデータ６１５に含まれ且つ第１の組み合わせとは異なる情報要素の第２組み合わせを用いて、第１の予測モデルＰＭとは異なる第２の予測モデルＰＭを生成してもよい。一例として、モデル生成部５１２は、計測情報６１１、計測情報６１２、造形情報６１３及び特徴量情報６１４の全てを用いて、第１の予測モデルＰＭを生成し、計測情報６１１、計測情報６１２及び特徴量情報６１４を用いる一方で、造形情報６１３を用いることなく、第２の予測モデルＰＭを生成してもよい。他の一例として、モデル生成部５１２は、計測情報６１１の全て、計測情報６１２の全て、造形情報６１３の全て及び／又は特徴量情報６１４の全てを用いて、第１の予測モデルＰＭを生成し、計測情報６１１の一部、計測情報６１２の一部、造形情報６１３の一部及び／又は特徴量情報６１４の一部を用いる一方で、計測情報６１１の他の一部、計測情報６１２の他の一部、造形情報６１３の他の一部及び／又は特徴量情報６１４の他の一部を用いることなく、第２の予測モデルＰＭを生成してもよい。
　モデル生成部５１２は、予測モデルＰＭを生成した後に、生成した予測モデルＰＭの検証を行ってもよい。例えば、モデル生成部５１２は、学習データセット６００から、検証のために実際に用いるＭ（尚、Ｍは、１以上の整数）個の学習データ６１０を抽出してもよい。この際、モデル生成部５１２は、交差検証の手法を用いて、Ｍ個の学習データ６１０を抽出してもよい。その後、モデル生成部５１２は、生成した予測モデルＰＭと、Ｍ個の学習データ６１０にそれぞれ含まれるＭ個のプロセスデータ６１５とを用いて、Ｍ個の欠陥情報６２５を生成してもよい。その後、モデル生成部５１２は、Ｍ個の欠陥情報６２５とＭ個の学習データ６１０にそれぞれ含まれるＭ個の欠陥実測情報６１７との誤差に関する損失関数（或いは、上述した混同行列における精度指標値）を用いて、生成した予測モデルＰＭの精度を評価してもよい。予測モデルＰＭの精度が許容精度を下回る場合には、モデル生成部５１２は、上述した予測モデルＰＭを生成するための機械学習を再度行ってもよい。
　（５）変形例
　（５－１）モデル生成処理の変形例
　モデル生成部５１２は、学習データセット６００から機械学習のために実際に用いられる少なくとも一つの学習データ６１０を抽出する際に、所定の抽出基準を満たす少なくとも一つの学習データ６１０を抽出してもよい。
　抽出基準は、計測情報６１１に関する基準を含んでいてもよい。この場合、モデル生成部５１２は、抽出基準を満たす計測情報６１１を含む学習データ６１０を抽出してもよい。抽出基準は、計測情報６１２に関する基準を含んでいてもよい。この場合、モデル生成部５１２は、抽出基準を満たす計測情報６１２を含む学習データ６１０を抽出してもよい。抽出基準は、造形情報６１３に関する基準を含んでいてもよい。この場合、モデル生成部５１２は、抽出基準を満たす造形情報６１３を含む学習データ６１０を抽出してもよい。抽出基準は、特徴量情報６１４に関する基準を含んでいてもよい。この場合、モデル生成部５１２は、抽出基準を満たす特徴量情報６１４を含む学習データ６１０を抽出してもよい。抽出基準は、位置情報６１６に関する基準を含んでいてもよい。この場合、モデル生成部５１２は、抽出基準を満たす位置情報６１６を含む学習データ６１０を抽出してもよい。抽出基準は、欠陥実測情報６１７に関する基準を含んでいてもよい。この場合、モデル生成部５１２は、抽出基準を満たす欠陥実測情報６１７を含む学習データ６１０を抽出してもよい。
　一例として、モデル生成部５１２は、造形情報６１３に含まれている造形条件情報に関する抽出基準を満たす少なくとも一つの学習データ６１０を抽出してもよい。造形条件情報に関する抽出基準として、例えば、「造形条件が所定の条件に設定されている」という基準が用いられてもよい。この場合、特定の造形条件を用いて造形された造形物ＢＯ＊に関する学習データ６１０が抽出される。その結果、モデル生成部５１２は、ある特定の造形条件を用いて造形される造形物ＢＯに合わせた予測モデルＰＭを生成することができる。つまり、モデル生成部５１２は、ある特定の造形条件を用いて造形される造形物ＢＯに形成されている欠陥を予測するのに適した予測モデルＰＭを生成することができる。このため、欠陥予測部３１２は、このような予測モデルＰＭを用いて、特定の造形条件を用いて造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥をより一層精度よく予測することができる。
　例えば、図２１は、造形条件情報に関する抽出基準として、「造形条件が造形条件Ａに設定されている」という基準が用いられる例を示している。この場合、モデル生成部５１２は、造形条件Ａを用いて造形される造形物ＢＯに合わせた予測モデルＰＭを生成することができる。つまり、モデル生成部５１２は、造形条件Ａを用いて造形される造形物ＢＯに形成されている欠陥を予測するのに適した予測モデルＰＭを生成することができる。このため、欠陥予測部３１２は、このような予測モデルＰＭを用いて、造形条件Ａを用いて造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥をより一層精度よく予測することができる。
　例えば、図２２は、造形条件情報に関する抽出基準として、「造形条件が、造形物ＢＯ＊の品質よりも、造形物ＢＯ＊を造形するためのスループットを優先するスループット優先条件に設定されている」という基準が用いられる例を示している。この場合、モデル生成部５１２は、スループット優先条件を用いて造形される造形物ＢＯに合わせた予測モデルＰＭを生成することができる。つまり、モデル生成部５１２は、スループット優先条件を用いて造形される造形物ＢＯに形成されている欠陥を予測するのに適した予測モデルＰＭを生成することができる。このため、欠陥予測部３１２は、このような予測モデルＰＭを用いて、スループット優先条件という造形条件を用いて造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥をより一層精度よく予測することができる。尚、造形物ＢＯ＊を造形するためのスループットは、造形物ＢＯ＊の造形に要する時間とも言えるし、造形物ＢＯ＊の造形時間とも言える。
　尚、図２２に示す例において、造形条件情報に関する抽出基準として、「造形条件が、造形物ＢＯ＊の品質を、造形物ＢＯ＊を造形するためのスループットよりも優先する品質優先条件に設定されている」という基準が用いられてもよい。この場合、モデル生成部５１２は、品質優先条件を用いて造形される造形物ＢＯに合わせた予測モデルＰＭを生成することができる。つまり、モデル生成部５１２は、品質優先条件を用いて造形される造形物ＢＯに形成されている欠陥を予測するのに適した予測モデルＰＭを生成することができる。このため、欠陥予測部３１２は、このような予測モデルＰＭを用いて、品質優先条件という造形条件を用いて造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥をより一層精度よく予測することができる。
　同様に、図２２に示す例において、造形条件情報に関する抽出基準として、「造形条件が、造形物ＢＯ＊の品質と、造形物ＢＯ＊を造形するためのスループットとを両立するバランス条件に設定されている」という基準が用いられてもよい。この場合、モデル生成部５１２は、バランス条件を用いて造形される造形物ＢＯに合わせた予測モデルＰＭを生成することができる。つまり、モデル生成部５１２は、バランス条件を用いて造形される造形物ＢＯに形成されている欠陥を予測するのに適した予測モデルＰＭを生成することができる。このため、欠陥予測部３１２は、このような予測モデルＰＭを用いて、バランス条件という造形条件を用いて造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥をより一層精度よく予測することができる。
　他の一例として、モデル生成部５１２は、造形情報６１３に含まれている設計情報に関する抽出基準を満たす少なくとも一つの学習データ６１０を抽出してもよい。設計情報に関する抽出基準として、例えば、「造形物ＢＯ＊の三次元形状が、所定の形状になる」という基準が用いられてもよい。この場合、特定の三次元形状を有する造形物ＢＯ＊に関する学習データ６１０が抽出される。その結果、モデル生成部５１２は、ある特定の三次元形状を有する造形物ＢＯに合わせた予測モデルＰＭを生成することができる。つまり、モデル生成部５１２は、ある特定の三次元形状を有する造形物ＢＯに形成されている欠陥を予測するのに適した予測モデルＰＭを生成することができる。このため、欠陥予測部３１２は、このような予測モデルＰＭを用いて、特定の三次元形状を有する造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥をより一層精度よく予測することができる。
　例えば、図２３は、設計情報に関する抽出基準として、「造形物ＢＯ＊の形状が、円筒形状である」という基準が用いられる例を示している。この場合、モデル生成部５１２は、円筒形状の造形物ＢＯに合わせた予測モデルＰＭを生成することができる。つまり、モデル生成部５１２は、円筒形状の造形物ＢＯに形成されている欠陥を予測するのに適した予測モデルＰＭを生成することができる。このため、欠陥予測部３１２は、このような予測モデルＰＭを用いて、円筒形状を有する造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥をより一層精度よく予測することができる。
　但し、欠陥予測処理の対象となる造形物ＢＯと同一の形状を有する造形物ＢＯ＊が、モデル生成処理を行うために造形されるとは限らない。なぜならば、欠陥予測処理の対象となる造形物ＢＯが単純な形状を有しているとは限らないからである。この場合、欠陥予測処理において、欠陥予測部３１２は、造形物ＢＯを形状が異なる少なくとも二つの分割物体ＢＯｄに分割し、異なる少なくとも二つの形状にそれぞれ対応する少なくとも二つの予測モデルＰＭを用いて、少なくとも二つの分割物体ＢＯｄに形成されている欠陥をそれぞれ予測してもよい。例えば、図２４は、造形物ＢＯが、円筒形状を有する分割物体ＢＯｄ１と、直方体形状を有する分割物体ＢＯｄ２とに分割可能である例を示している。この場合、欠陥予測部３１２は、円筒形状の造形物ＢＯ対応する予測モデルＰＭ（つまり、「造形物ＢＯ＊の形状が円筒形状である」という抽出基準を満たす学習データ６１０を用いて生成された予測モデルＰＭ）を用いて、円筒形状を有する分割物体ＢＯｄ１に形成されている欠陥を予測してもよい。一方で、欠陥予測部３１２は、直方体形状の造形物ＢＯに対応する予測モデルＰＭ（つまり、「造形物ＢＯ＊の形状が直方体形状である」という抽出基準を満たす学習データ６１０を用いて生成された予測モデルＰＭ）を用いて、直方体形状を有する分割物体ＢＯｄ２に形成されている欠陥を予測してもよい。その結果、造形物ＢＯと同一の形状を有する造形物ＢＯ＊がモデル生成処理を行うために造形されない場合であっても、欠陥予測部３１２は、造形物ＢＯに形成される欠陥を相応に精度よく予測することができる。
　このような異なる複数の形状にそれぞれ対応する複数の予測モデルＰＭを用いてもよいことを考慮すれば、造形装置１は、モデル生成処理を行うために造形される造形物ＢＯ＊として、互いに異なる単純な形状を有する少数の造形物ＢＯ＊を造形してもよい。例えば、造形装置１は、球形状の造形物ＢＯ＊と、直方体形状を有する造形物ＢＯ＊と、円筒形状を有する造形物ＢＯ＊と、錐形状を有する造形物ＢＯ＊とを造形してもよい。言い換えれば、造形装置１は、互いに異なる複雑な形状を有する多数の造形物ＢＯ＊を造形しなくてもよい。この場合であっても、欠陥予測部３１２は、異なる複数の形状にそれぞれ対応する複数の予測モデルＰＭを用いることで、複雑な形状を有する造形物ＢＯに形成される欠陥を相応に精度よく予測することができる。
　但し、欠陥予測処理の対象となる造形物ＢＯと同一の形状を有する造形物ＢＯ＊が造形された場合には、欠陥予測処理の対象となる造形物ＢＯと異なる形状を有する造形物ＢＯ＊が造形された場合と比較して、造形物ＢＯの欠陥をより一層精度よく予測可能な予測モデルＰＭが生成可能である。このため、造形装置１は、造形物ＢＯと同一の形状を有する造形物ＢＯ＊を造形してもよい。この場合、造形装置１は、造形物ＢＯと同一のサイズを有する造形物ＢＯ＊（つまり、造形物ＢＯと合同な形状を有する造形物ＢＯ）を造形してもよい。或いは、造形装置１は、造形物ＢＯと異なるサイズを有する造形物ＢＯ＊（つまり、造形物ＢＯと相似な形状を有する造形物ＢＯ）を造形してもよい。
　尚、ある造形物ＢＯに形成されている欠陥を予測するために複数の予測モデルＰＭが用いられる場面は、異なる複数の形状にそれぞれ対応する複数の予測モデルＰＭを用いる場合に限定されることはない。ある造形物ＢＯに形成されている欠陥を予測するために複数の予測モデルＰＭが用いられる場面は、設計情報に関する抽出基準を用いて予測モデルＰＭが生成される場合に限定されることはない。つまり、欠陥予測部３１２は、任意の場面において、第１の抽出基準を満たす学習データ６１０を用いて生成された予測モデルＰＭと、第１の抽出基準とは異なる第２の基準を満たす学習データ６１０を用いて生成された予測モデルＰＭとを用いて、ある造形物ＢＯに形成されている欠陥を予測してもよい。
　他の一例として、モデル生成部５１２は、造形情報６１３に含まれている材料情報に関する抽出基準を満たす少なくとも一つの学習データ６１０を抽出してもよい。材料情報に関する抽出基準として、例えば、「特定の造形材料が用いて、造形物ＢＯ＊が造形される」という基準が用いられてもよい。この場合、特定の造形材料を用いて造形された造形物ＢＯ＊に関する学習データ６１０が抽出される。その結果、モデル生成部５１２は、ある特定の造形材料を用いて造形される造形物ＢＯに合わせた予測モデルＰＭを生成することができる。つまり、モデル生成部５１２は、ある特定の造形材料を用いて造形される造形物ＢＯに形成されている欠陥を予測するのに適した予測モデルＰＭを生成することができる。このため、欠陥予測部３１２は、このような予測モデルＰＭを用いて、特定の造形材料を用いて造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥をより一層精度よく予測することができる。
　例えば、図２５は、材料情報に関する抽出基準として、「造形材料Ａを用いて造形物ＢＯ＊が造形される」という基準が用いられる例を示している。この場合、モデル生成部５１２は、造形材料Ａを用いて造形される造形物ＢＯに合わせた予測モデルＰＭを生成することができる。つまり、モデル生成部５１２は、造形材料Ａを用いて造形される造形物ＢＯに形成されている欠陥を予測するのに適した予測モデルＰＭを生成することができる。このため、欠陥予測部３１２は、このような予測モデルＰＭを用いて、造形材料Ａを用いて造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥をより一層精度よく予測することができる。
　但し、欠陥予測処理の対象となる造形物ＢＯを造形するための造形材料と同一の造形材料を用いて、モデル生成処理を行うために造形物ＢＯ＊が造形されるとは限らない。一方で、造形物ＢＯを造形するための造形材料が、造形物ＢＯ＊を造形するために用いられた２種類以上の造形材料の組み合わせで近似可能である場合がある。例えば、造形物ＢＯ＊を造形するために金属ａを含む造形材料と金属ｂを含む造形材料とが用いられた状況下において造形物ＢＯを造形するための造形材料が金属ａと金属ｂとの合金ｃである場合には、造形物ＢＯを造形するための造形材料（合金ｃ）は、造形物ＢＯ＊を造形するために用いられた２種類の造形材料（金属ａ及び金属ｂ）の組み合わせで近似可能である。この場合、モデル生成部５１２は、「造形材料として金属ａを用いて造形物ＢＯ＊が造形される」という抽出基準ａを満たす学習データ６１０と、「造形材料として金属ｂを用いて造形物ＢＯ＊が造形される」という抽出基準ｂを満たす学習データ６１０との双方を用いて、予測モデルＰＭを生成してもよい。この場合、抽出基準ａと満たす学習データ６１０の数と抽出基準ｂと満たす学習データ６１０の数との比率は、合金ｃにおける金属ａと金属ｂとの比率に応じて設定されてもよい。欠陥予測部３１２は、このような予測モデルＰＭを用いて、造形材料として合金ｃを用いて造形物ＢＯが造形される場合において、造形物ＢＯに形成される欠陥を相応に精度よく予測することができる。
　つまり、モデル生成部５１２は、第１の抽出基準を満たす少なくとも一つの学習データ６１０を含むデータセットと、第２の抽出基準を満たす少なくとも一つの学習データ６１０を含むデータセットとの双方を用いて、予測モデルＰＭを生成してもよい。或いは、モデル生成部５１２は、三つ以上の抽出基準にそれぞれ対応する三つ以上のデータセットを用いて、予測モデルＰＭを生成してもよい。その結果、造形物ＢＯを造形するための造形材料と同一の造形材料を用いて造形物ＢＯ＊がモデル生成処理を行うために造形されない場合であっても、欠陥予測部３１２は、造形物ＢＯに形成される欠陥を精度よく予測することができる。
　尚、ある予測モデルＰＭを生成するために複数の抽出基準にそれぞれ対応する複数のデータセットが用いられる場面は、造形物ＢＯを造形するための造形材料が、造形物ＢＯ＊を造形するために用いられた２種類以上の造形材料の組み合わせで近似可能である場合に限定されることはない。ある予測モデルＰＭを生成するために複数の抽出基準にそれぞれ対応する複数のデータセットが用いられる場面は、材料情報に関する抽出基準を用いて予測モデルＰＭが生成される場合に限定されることはない。つまり、モデル生成部５１２は、任意の場面において、複数の抽出基準にそれぞれ対応する複数のデータセットを用いて、ある単一の予測モデルＰＭを生成してもよい。
　（５－２）予測モデルの変形例
　上述した説明では、情報処理装置３は、造形装置１が造形した造形物ＢＯの特性に関する特性情報の一例として、造形装置１が造形した造形物ＢＯに形成された欠陥に関する欠陥情報４２５を生成している。しかしながら、情報処理装置３は、欠陥情報４２５とは異なる特性情報を生成してもよい。
　例えば、情報処理装置３は、特性情報の一例として、造形物ＢＯの少なくとも一部を構成する金属組織の状態に関する組織状態情報を生成してもよい。つまり、情報処理装置３は、造形物ＢＯの少なくとも一部を構成する金属組織の状態を予測してもよい。組織状態情報の一例が、図２６に示されている。図２６に示すように、組織状態情報は、金属組織の方位（いわゆる、結晶方位）に関する情報を含んでいてもよい。組織状態情報は、金属組織のミラー指数に関する情報を含んでいてもよい。組織状態情報は、金属組織のサイズに関する情報を含んでいてもよい。金属組織のサイズに関する情報は、金属組織の長さ、幅及び粒径のうちの少なくとも一つに関する情報を含んでいてもよい。組織状態情報は、金属組織の形状に関する情報を含んでいてもよい。金属組織の形状に関する情報は、金属組織のアスペクト比に関する情報を含んでいてもよい。組織状態情報は、金属組織の結晶格子の種類のうに関する情報を含んでいてもよい。
　例えば、情報処理装置３は、特性情報の一例として、造形物ＢＯの少なくとも一部の機械的な特性に関する機械特性情報を生成してもよい。つまり、情報処理装置３は、造形物ＢＯの少なくとも一部の機械的な特性を予測してもよい。機械特性情報の一例が、図２７に示されている。図２７に示すように、機械特性情報は、造形物ＢＯの引張強度に関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯの引張強度に関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯの０．２％耐力に関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯの降伏点に関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯの伸びに関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯの絞りに関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯのヤング率に関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯの硬さ（つまり、硬度）に関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯの破壊じん性値に関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯの高温強度に関する情報を含んでいてもよい。機械特性情報は、造形物ＢＯの線膨張係数に関する情報を含んでいてもよい。
　このように情報処理装置３が欠陥情報４２５とは異なる特性情報を生成する場合においても、欠陥情報４２５が生成される場合と同様に、情報処理装置３は、プロセスデータ４１５と予測モデルＰＭとを用いて特性情報を生成してもよい。但し、この場合には、情報処理装置３は、プロセスデータ４１５に基づいて特性情報を生成可能となるように機械学習によって生成された学習モデルを、予測モデルＰＭとして用いる。同様に、モデル生成装置５は、プロセスデータ４１５に基づいて特性情報を生成可能な予測モデルＰＭを生成するための機械学習を行う。
　（５－３）欠陥予測処理の変形例
　上述した説明では、情報取得部３１１は、計測情報４１１に、造形位置を関連付けている。つまり、情報取得部３１１は、計測対象物の一の部分（以降、“対象部分”と称する）の温度に関する情報に、造形装置１が対象部分の造形処理を行っていた造形位置（つまり、対象部分の位置）を関連付けている。変形例では、情報取得部３１１は、造形位置に関連付けられる対象部分の温度に関する情報として、対象部分の温度及び時間的に及び／又は空間的に対象部分の近傍に位置する近傍部分の温度とから算出される温度に関する情報を用いてもよい。尚、対象部分と時間的に近傍に位置する近傍部分は、対象部分に造形光ＥＬが照射された時刻と近傍部分に造形光ＥＬが照射された時刻との時間差が所定時間以内になるという条件を満たす部分であってもよい。対象部分と空間的に近傍に位置する近傍部分は、対象部分と近傍部分との間の距離が所定距離以内になるという条件を満たす部分であってもよい。
　例えば、図２８（ａ）に示すように、情報取得部３１１は、計測対象物の一例である固化層ＳＴＬの対象部分Ｐ１１の温度（特に、造形位置である対象部分１１の位置に関連付けられる温度）として、対象部分Ｐ１１の温度及び対象部分Ｐ１１と時間的に近傍に位置する少なくとも一つの近傍部分（図２８（ａ）に示す例では、四つの近傍Ｐ１２からＰ１５）の温度とから算出される温度を用いてもよい。近傍部分Ｐ１２及びＰ１３は、造形光ＥＬが対象部分に照射される直前に造形光ＥＬが照射されていた部分である。近傍部分Ｐ１４及びＰ１５は、造形光ＥＬが対象部分に照射された直後に造形光ＥＬが照射されていた部分である。この場合、近傍部分Ｐ１２からＰ１５は、造形光ＥＬの走査順序（走査方向）において対象部分Ｐ１１の近傍に位置しているとみなしてもよい。一例として、情報取得部３１１は、対象部分Ｐ１１の位置に関連付けられる温度として、対象部分Ｐ１１の温度及び近傍部分Ｐ１２からＰ１５に対して所定のフィルタリング処理を施すことで得られる温度を関連付けてもよい。所定のフィルタリング処理は、平均化処理を行うためのフィルタリング処理であってもよい。この場合、所定のフィルタリング処理は、平均化フィルタ及びメディアンフィルタの少なくとも一つを用いるフィルタリング処理であってもよい。
　例えば、図２８（ｂ）に示すように、情報取得部３１１は、固化層ＳＴＬの対象部分Ｐ２１の温度（特に、造形位置である対象部分２１の位置に関連付けられる温度）として、対象部分Ｐ２１の温度及び対象部分Ｐ２１と空間的に近傍に位置する少なくとも一つの近傍部分（図２８（ｂ）に示す例では、八つの近傍Ｐ２２からＰ２９）の温度とから算出される温度を用いてもよい。近傍部分Ｐ１２及びＰ１３は、造形光ＥＬが対象部分に照射される直前に造形光ＥＬが照射されていた部分である。近傍部分Ｐ１４及びＰ１５は、造形光ＥＬが対象部分に照射された直後に造形光ＥＬが照射されていた部分である。一例として、情報取得部３１１は、対象部分Ｐ２１の位置に関連付けられる温度として、対象部分Ｐ２１の温度及び近傍部分Ｐ２２からＰ２９に対して前段落で説明した所定のフィルタリング処理を施すことで得られる温度を関連付けてもよい。
　例えば、図２８（ｃ）に示すように、情報取得部３１１は、ｎ層目の固化層ＳＴＬの対象部分Ｐ３１の温度（特に、造形位置である対象部分３１の位置に関連付けられる温度）として、対象部分Ｐ３１の温度、ｎ－１層目の固化層ＳＴＬのうち固化層ＳＴＬの積層方向において対象部分Ｐ３１と少なくとも部分的に重複する近傍部分Ｐ３２の温度及びｎ＋１層目の固化層ＳＴＬのうち固化層ＳＴＬの積層方向において対象部分Ｐ３１と少なくとも部分的に重複する近傍部分Ｐ３３の温度とから算出される温度を用いてもよい。この場合、近傍部分Ｐ３２からＰ３３は、固化層ＳＴＬの積層方向において対象部分Ｐ３１の近傍に位置しているとみなしてもよい。一例として、情報取得部３１１は、対象部分Ｐ３１の位置に関連付けられる温度として、対象部分Ｐ３１の温度及び近傍部分Ｐ３２からＰ３３に対して前々段落で説明した所定のフィルタリング処理を施すことで得られる温度を関連付けてもよい。
　尚、重複する説明の省略のために詳細な説明は省略するが、情報取得部３１１は、造形位置に関連付けられる対象部分の形状に関する情報（つまり、計測情報４１２）として、対象部分の形状及び時間的に及び／又は空間的に対象部分の近傍に位置する近傍部分の形状とから算出される形状に関する情報を用いてもよい。情報取得部３１１は、造形位置に関連付けられる対象部分の造形に関する情報（つまり、造形情報４１３）として、対象部分の造形に関する情報及び時間的に及び／又は空間的に対象部分の近傍に位置する近傍部分の造形に関する情報とから算出される情報を用いてもよい。情報取得部３１１は、造形位置に関連付けられる対象部分の特徴量に関する情報（つまり、特徴量情報４１４）として、対象部分の特徴量及び時間的に及び／又は空間的に対象部分の近傍に位置する近傍部分の特徴量から算出される特徴量に関する情報を用いてもよい。
　上述した説明では、温度計測装置２１は、温度画像ＩＭＧ＿Ｔを示す温度画像データＤ＿Ｔを、計測情報４１１として情報処理装置３に出力している。しかしながら、温度計測装置２１は、時間的に又は空間的に連続する複数の温度画像ＩＭＧ＿Ｔに相当する動画を示す温度動画データを、計測情報４１１として情報処理装置３に出力してもよい。同様に、形状計測装置２２は、時間的に連続する複数の形状画像ＩＭＧ＿３Ｄに相当する動画を示す形状動画データを、計測情報４１２として情報処理装置３に出力してもよい。この場合、欠陥予測部３１２は、計測情報４１１及び４１２の少なくとも一方に基づいて、計測対象物の特徴量の時間変化を算出してもよい。つまり、欠陥予測部３１２は、計測情報４１１及び４１２の少なくとも一方に基づいて、計測対象物の特徴量の時間変化を示す特徴量情報４１４を生成してもよい。例えば、欠陥予測部３１２は、計測情報４１１に基づいて、計測対象物の各部分の温度の時間変化を示す特徴量情報４１４を生成してもよい。例えば、欠陥予測部３１２は、計測情報４１１に基づいて、計測対象物の各部分に発生するスパッタＳＰＴの数の時間変化を示す特徴量情報４１４を生成してもよい。例えば、欠陥予測部３１２は、計測情報４１２に基づいて、固化層ＳＴＬの厚さの時間変化を示す特徴量情報４１４を生成してもよい。例えば、欠陥予測部３１２は、計測情報４１２に基づいて、固化層ＳＴＬの表面粗さ（或いは、任意の表面性状）の時間変化を示す特徴量情報４１４を生成してもよい。
　（５－３）その他の変形例
　上述した説明では、造形システムＳＹＳは、造形装置１とは別に、情報処理装置３を備えている。しかしながら、造形装置１（例えば、制御ユニット１６）が、情報処理装置３を含んでいてもよい。つまり、制御ユニット１６が、情報処理装置３としても機能してもよい。或いは、造形装置１は、制御ユニット１６とは別に、情報処理装置３を含んでいてもよい。尚、制御ユニット１が、情報処理装置３の一部の機能を実行してもよい。
　上述した説明では、造形システムＳＹＳは、計測装置２とは別に、情報処理装置３を備えている。しかしながら、計測装置２が、情報処理装置３を含んでいてもよい。例えば、情報処理装置３が、計測装置２に含まれていてもよい。つまり、計測装置２が、情報処理装置３としても機能してもよい。尚、計測装置２が、情報処理装置３の一部の機能を実行してもよい。
　造形システムＳＹＳは、モデル生成装置５を含んでいてもよい。例えば、情報処理装置３が、モデル生成装置５を含んでいてもよい。つまり、情報処理装置３が、モデル生成装置５としても機能してもよい。例えば、造形装置１（例えば、制御ユニット１６）が、モデル生成装置５を含んでいてもよい。造形装置１（例えば、制御ユニット１６）が、モデル生成装置５を含む情報処理装置３を含んでいてもよい。つまり、制御ユニット１６が、モデル生成装置５としても機能してもよい。或いは、造形装置１は、制御ユニット１６とは別に、モデル生成装置５を含んでいてもよい。尚、制御ユニット１が、モデル生成装置５の一部の機能を実行してもよい。造形装置１は、制御ユニット１６とは別に、モデル生成装置５を含む情報処理装置３を含んでいてもよい。例えば、計測装置２が、モデル生成装置５を含んでいてもよい。計測装置２が、モデル生成装置５を含む情報処理装置３を含んでいてもよい。つまり、計測装置２が、モデル生成装置５としても機能してもよい。尚、計測装置２が、モデル生成装置５の一部の機能を実行してもよい。
　上述した説明では、造形システムＳＹＳは、造形光ＥＬを用いて、造形材料を溶融させている。しかしながら、造形システムＳＹＳは、任意のエネルギビームを用いて、造形材料を溶融させてもよい。任意のエネルギビームの一例として、荷電粒子ビーム及び電磁波等の少なくとも一つがあげられる。荷電粒子ビームの一例として、電子ビーム及びイオンビーム等の少なくとも一つがあげられる。
　（６）付記
［付記１］
　エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得する取得部と、
　前記取得部で取得された前記計測情報を用いて、前記造形物の特性に関する特性情報を生成する情報処理部と
　を備える情報処理装置。
［付記２］
　前記特性情報は、前記造形物の内部に形成された欠陥に関する欠陥情報、前記造形物の少なくとも一部の密度に関する密度情報、前記造形物の少なくとも一部を構成する金属組織の状態に関する組織状態情報、及び、前記造形物の少なくとも一部の機械的な特性に関する機械特性情報の少なくとも一つを含む
　付記１に記載の情報処理装置。
［付記３］
　前記欠陥は、前記造形物の内部に形成された空隙を含み、
　前記欠陥情報は、前記空隙に関する空隙情報を含む
　付記２に記載の情報処理装置。
［付記４］
　前記欠陥情報は、前記欠陥の有無に関する情報及び前記欠陥の特性に関する情報の少なくとも一方を含む
　付記２又は３に記載の情報処理装置。
［付記５］
　前記欠陥の特性は、前記欠陥のサイズ、前記欠陥の位置、及び、前記欠陥の形状のうちの少なくとも一つを含む
　付記４に記載の情報処理装置。
［付記６］
　前記組織状態情報は、前記金属組織の方位、前記金属組織のミラー指数、前記金属組織のサイズ、前記金属組織の形状及び前記金属組織の結晶格子の種類のうちの少なくとも一つに関する情報を含む
　付記２から５のいずれか一項に記載の情報処理装置。
［付記７］
　前記機械特性情報は、前記造形物の引張強度、前記造形物の０．２％耐力、前記造形物の降伏点、前記造形物の伸び、前記造形物の絞り、前記造形物のヤング率、前記造形物の硬さ、前記造形物の破壊じん性値、前記造形物の疲労限度、前記造形物の高温強度及び前記造形物の線膨張係数のうちの少なくとも一つに関する情報を含む
　付記２から６のいずれか一項に記載の情報処理装置。
［付記８］
　前記特性情報を出力する出力部を更に備える
　付記１から７のいずれか一項に記載の情報処理装置。
［付記９］
　前記出力部は、前記特性情報を表示する表示部を含む
　付記８に記載の情報処理装置。
［付記１０］
　前記出力部は、前記特性情報を、前記造形物を造形する造形装置に送信する送信部を含む
　付記８又は９に記載の情報処理装置。
［付記１１］
　前記出力部は、前記特性情報と共に前記計測情報を出力する
　付記８から１０のいずれか一項に記載の情報処理装置。
［付記１２］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記計測情報は、前記造形物の前記一の部分の造形に関する計測で得られた第２情報を含み、
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記計測情報とを出力する
　付記１１に記載の情報処理装置。
［付記１３］
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記計測情報とを表示する表示部を含む
　付記１２に記載の情報処理装置。
［付記１４］
　前記出力部は、前記特性情報と前記計測情報とを、前記造形物を造形する造形装置に送信する送信部を含む
　付記１１から１３のいずれか一項に記載の情報処理装置。
［付記１５］
　前記情報処理部は、前記計測情報に基づいて、前記エネルギビームから前記造形材料に伝達されるエネルギ量に関するエネルギ情報を更に生成し、
　前記出力部は、前記特性情報と共に前記エネルギ情報を出力する
　付記８から１４のいずれか一項に記載の情報処理装置。
［付記１６］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記エネルギ情報は、前記造形物の前記一の部分の造形において前記エネルギビームから前記造形材料に伝達されるエネルギ量に関する第２情報を含み、
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを出力する
　付記１５に記載の情報処理装置。
［付記１９］
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを表示する表示部を含む
　付記１６に記載の情報処理装置。
［付記１８］
　前記出力部は、前記特性情報と前記エネルギ情報とを、前記造形物を造形する造形装置に送信する送信部を含む
　付記１５から１７のいずれか一項に記載の情報処理装置。
［付記１９］
　前記出力部は、前記造形物を造形する前記造形期間中に及び／又は前記造形物を造形し終えた後に、前記特性情報を出力する
　付記８から１８のいずれか一項に記載の情報処理装置。
［付記２０］
　前記情報処理部は、前記計測情報と、前記計測情報に基づいて前記特性情報を生成可能となるように機械学習によって生成された学習モデルとを用いて、前記特性情報を生成する
　付記１から１９のいずれか一項に記載の情報処理装置。
［付記２１］
　前記計測情報は、前記造形期間中に得られた、前記造形物の少なくとも一部の形状に関する情報を含む
　付記１から２０のいずれか一項に記載の情報処理装置。
［付記２２］
　前記造形物は、供給された前記造形材料によって形成される層状の材料層の少なくとも一部への前記エネルギビームの照射により溶融した前記材料層の少なくとも一部が固化することで造形され、
　前記計測情報は、前記造形期間中に得られた前記材料層の少なくとも一部の形状に関する情報を含む
　付記１から２１のいずれか一項に記載の情報処理装置。
［付記２３］
　前記造形物は、供給された前記造形材料の少なくとも一部への前記エネルギビームの照射により溶融した前記造形材料の少なくとも一部が固化することで形成される固化物を含み、
　前記計測情報は、前記造形期間中に得られた前記固化物の少なくとも一部の形状に関する情報を含む
　付記１から２２のいずれか一項に記載の情報処理装置。
［付記２４］
　前記計測情報は、前記エネルギビームの照射による前記金属材料の溶融によって形成される溶融池の少なくとも一部に関する情報を含む
　付記１から２３のいずれか一項に記載の情報処理装置。
［付記２５］
　前記取得部は、前記造形物の造形に関する造形情報を更に取得し、
　前記情報処理部は、前記計測情報と前記造形情報とを用いて、前記特性情報を生成する
　付記１から２４のいずれか一項に記載の情報処理装置。
［付記２６］
　前記情報処理部は、前記計測情報と、前記造形情報と、前記計測情報及び前記造形情報に基づいて前記特性情報を生成可能となるように機械学習によって生成された学習モデルとを用いて、前記特性情報を生成する
　付記２５に記載の情報処理装置
［付記２７］
　前記造形情報は、前記造形物を造形する造形装置に関する装置情報と、前記造形物の造形に用いる前記造形材料に関する材料情報と、前記造形物の設計情報との少なくとも一つを含む
　付記２５又は２６に記載の情報処理装置。
［付記２８］
　前記装置情報は、前記造形装置が前記造形物を造形するために用いる造形条件に関する情報と、前記造形装置の動作状況に関する情報との少なくとも一方を含む
　付記２７に記載の情報処理装置。
［付記２９］
　エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形に関する造形情報を取得する取得部と、
　前記取得部で取得された前記造形情報を用いて、前記造形物の特性に関する特性情報を生成する情報処理部と
　を備える情報処理装置。
［付記３０］
　前記特性情報は、前記造形物の内部に形成された欠陥に関する欠陥情報、前記造形物の少なくとも一部の密度に関する密度情報、前記造形物の少なくとも一部を構成する金属組織の状態に関する組織状態情報、及び、前記造形物の少なくとも一部の機械的な特性に関する機械特性情報の少なくとも一つを含む
　付記２９に記載の情報処理装置。
［付記３１］
　前記欠陥は、前記造形物の内部に形成された空隙を含む
　付記３０に記載の情報処理装置。
［付記３２］
　前記欠陥情報は、前記空隙に関する空隙情報を含む
　付記３１に記載の情報処理装置。
［付記３３］
　前記欠陥情報は、前記欠陥の有無に関する情報及び前記欠陥の特性に関する情報の少なくとも一方を含む
　付記３０から３２のいずれか一項に記載の情報処理装置。
［付記３４］
　前記欠陥の特性は、前記欠陥のサイズ、前記欠陥の位置、及び、前記欠陥の形状のうちの少なくとも一つを含む
　付記３３に記載の情報処理装置。
［付記３５］
　前記組織状態情報は、前記金属組織の方位、前記金属組織のサイズ、前記金属組織の形状及び前記金属組織の結晶格子の種類のうちの少なくとも一つに関する情報を含む
　付記３０から３４のいずれか一項に記載の情報処理装置。
［付記３６］
　前記機械特性情報は、前記造形物の引張強度、前記造形物の０．２％耐力、前記造形物の降伏点、前記造形物の伸び、前記造形物の絞り、前記造形物のヤング率、前記造形物の硬さ、前記造形物の破壊じん性値、前記造形物の疲労限度、前記造形物の高温強度及び前記造形物の線膨張係数のうちの少なくとも一つに関する情報を含む
　付記３０から３５のいずれか一項に記載の情報処理装置。
［付記３７］
　前記特性情報を出力する出力部を更に備える
　付記２９から３６のいずれか一項に記載の情報処理装置。
［付記３８］
　前記出力部は、前記特性情報を表示する表示部を含む
　付記３７に記載の情報処理装置。
［付記３９］
　前記出力部は、前記特性情報を、前記造形物を造形する造形装置に送信する送信部を含む
　付記３７又は３８に記載の情報処理装置。
［付記４０］
　前記出力部は、前記特性情報と共に前記造形情報を出力する
　付記３７から３９のいずれか一項に記載の情報処理装置。
［付記４１］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記造形情報は、前記造形物の前記一の部分に関する第２情報を含み、
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記造形情報とを出力する
　付記４０に記載の情報処理装置。
［付記４２］
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記造形情報とを表示する表示部を含む
　付記４１に記載の情報処理装置。
［付記４３］
　前記出力部は、前記特性情報と前記造形情報とを、前記造形物を造形する造形装置に送信する送信部を含む
　付記４０から４２のいずれか一項に記載の情報処理装置。
［付記４４］
　前記情報処理部は、前記造形物の造形期間中に得られた前記造形物の造形に関する計測情報に基づいて、前記エネルギビームから前記造形材料に伝達されるエネルギ量に関するエネルギ情報を更に生成し、
　前記出力部は、前記特性情報と共に前記エネルギ情報を出力する
　付記３７から４３のいずれか一項に記載の情報処理装置。
［付記４５］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記エネルギ情報は、前記造形物の前記一の部分の造形において前記エネルギビームから前記造形材料に伝達されるエネルギ量に関する第２情報を含み、
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを出力する
　付記４４に記載の情報処理装置。
［付記４６］
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを表示する表示部を含む
　付記４５に記載の情報処理装置。
［付記４７］
　前記出力部は、前記特性情報と前記エネルギ情報とを、前記造形物を造形する造形装置に送信する送信部を含む
　付記４４から４６のいずれか一項に記載の情報処理装置。
［付記４８］
　前記出力部は、前記造形物を造形する前記造形期間中に及び／又は前記造形物を造形し終えた後に、前記特性情報を出力する
　付記３７から４７のいずれか一項に記載の情報処理装置。
［付記４９］
　前記情報処理部は、前記造形情報と、前記造形情報に基づいて前記特性情報を生成可能となるように機械学習によって生成された学習モデルとを用いて、前記特性情報を生成する
　付記２９から４８のいずれか一項に記載の情報処理装置
［付記５０］
　前記造形情報は、前記造形物を造形する造形装置に関する装置情報と、前記造形物の造形に用いる前記造形材料に関する材料情報と、前記造形物の設計情報との少なくとも一つを含む
　付記２９から４９のいずれか一項に記載の情報処理装置。
［付記５１］
　前記装置情報は、前記造形装置が前記造形物を造形するために用いる造形条件に関する情報と、前記造形装置の動作状況に関する情報との少なくとも一方を含む
　付記５０に記載の情報処理装置。
［付記５２］
　前記取得部は、前記造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得し、
　前記情報処理部は、前記取得部で取得された前記計測情報及び前記造形情報を用いて、前記特性情報を生成する
　付記２９から５１のいずれか一項に記載の情報処理装置。
［付記５３］
　前記情報処理部は、前記造形情報と、前記計測情報と、前記造形情報及び前記計測情報に基づいて前記特性情報を生成可能となるように機械学習によって生成された学習モデルとを用いて、前記特性情報を生成する
　付記５２に記載の情報処理装置。
［付記５４］
　前記計測情報は、前記造形期間中に得られた、前記造形物の少なくとも一部の形状に関する情報を含む
　付記５２又は５３に記載の情報処理装置。
［付記５５］
　前記造形物は、供給された前記造形材料によって形成される層状の材料層の少なくとも一部への前記エネルギビームの照射により溶融した前記材料層の少なくとも一部が固化することで造形され、
　前記計測情報は、前記造形期間中に得られた前記材料層の少なくとも一部の形状に関する情報を含む
　付記５２から５４のいずれか一項に記載の情報処理装置。
［付記５６］
　前記造形物は、供給された前記造形材料の少なくとも一部への前記エネルギビームの照射により溶融した前記造形材料の少なくとも一部が固化することで形成される固化物を含み、
　前記計測情報は、前記造形期間中に得られた前記固化物の少なくとも一部の形状に関する情報を含む
　付記５２から５５のいずれか一項に記載の情報処理装置。
［付記５７］
　前記計測情報は、前記エネルギビームの照射による前記金属材料の溶融によって形成される溶融池の少なくとも一部に関する情報を含む
　付記５２から５６のいずれか一項に記載の情報処理装置。
［付記５８］
　付記１から５７のいずれか一項に記載の情報処理装置と、
　エネルギビームの照射により溶融した粉末状の金属材料が固化することにより造形物を造形可能な造形装置と、
　計測装置と
　を備え、
　前記計測情報は、前記計測装置を用いて得られる造形システム。
［付記５９］
　エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得することと、
　取得された前記計測情報を用いて、前記造形物の特性に関する特性情報を生成することと
　を含む情報処理方法。
［付記６０］
　エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形に関する造形情報を取得することと、
　取得された前記造形情報を用いて、前記造形物の特性に関する特性情報を生成することと
　を含む情報処理方法。
［付記６１］
　付記５９又は６０に記載の情報処理方法をコンピュータに実行させるコンピュータプログラム。
［付記６２］
　付記６１に記載のコンピュータプログラムが記録された記録媒体。
［付記６３］
　エネルギビームの照射により溶融した造形材料が固化することにより造形物を造形することと、
　前記造形物の造形期間中に前記造形物の造形に関する計測を行うことと、
　前記計測によって得られた計測情報を用いて生成された前記造形物の特性に関する特性情報を取得することと、
　を含む造形方法。
［付記６４］
　前記特性情報は、前記造形物の内部に形成された欠陥に関する欠陥情報、前記造形物の少なくとも一部の密度に関する密度情報、前記造形物の少なくとも一部を構成する金属組織の状態に関する組織状態情報、及び、前記造形物の少なくとも一部の機械的な特性に関する機械特性情報の少なくとも一つを含む
　付記６３に記載の造形方法。
［付記６５］
　前記欠陥は、前記造形物の内部に形成された空隙を含む
　付記６４に記載の造形方法。
［付記６６］
　前記欠陥情報は、前記空隙に関する空隙情報を含む
　付記６５に記載の造形方法。
［付記６７］
　前記欠陥情報は、前記欠陥の有無に関する情報及び前記欠陥の特性に関する情報の少なくとも一方を含む
　付記６４から６６のいずれか一項に記載の造形方法。
［付記６８］
　前記欠陥の特性は、前記欠陥のサイズ、前記欠陥の位置、及び、前記欠陥の形状のうちの少なくとも一つを含む
　付記６７に記載の造形方法。
［付記６９］
　前記組織状態情報は、前記金属組織の方位、前記金属組織のサイズ、前記金属組織の形状及び前記金属組織の結晶格子の種類のうちの少なくとも一つに関する情報を含む
　付記６４から６８のいずれか一項に記載の造形方法。
［付記７０］
　前記機械特性情報は、前記造形物の引張強度、前記造形物の０．２％耐力、前記造形物の降伏点、前記造形物の伸び、前記造形物の絞り、前記造形物のヤング率、前記造形物の硬さ、前記造形物の破壊じん性値、前記造形物の疲労限度、前記造形物の高温強度及び前記造形物の線膨張係数のうちの少なくとも一つに関する情報を含む
　付記６４から６９のいずれか一項に記載の造形方法。
［付記７１］
　前記特性情報を出力することを更に含む
　付記６３から７０のいずれか一項に記載の造形方法。
［付記７２］
　前記出力することは、前記特性情報を表示することを含む
　付記７１に記載の造形方法。
［付記７３］
　前記出力することは、前記特性情報を、前記造形物を造形する造形装置に送信することを含む
　付記７１又は７２に記載の造形方法。
［付記７４］
　前記出力することは、前記特性情報と共に前記計測情報を出力することを含む
　付記７１から７３のいずれか一項に記載の造形方法。
［付記７５］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記計測情報は、前記造形物の前記一の部分の造形に関する計測で得られた第２情報を含み、
　前記出力することは、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記計測情報とを出力することを含む
　付記７４に記載の造形方法。
［付記７６］
　前記出力することは、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記計測情報とを表示することを含む
　付記７５に記載の造形方法。
［付記７７］
　前記出力することは、前記特性情報と前記計測情報とを、前記造形物を造形する造形装置に送信することを含む
　付記７４から７６のいずれか一項に記載の造形方法。
［付記７８］
　前記計測情報に基づいて、前記エネルギビームから前記造形材料に伝達されるエネルギ量に関するエネルギ情報を生成することを更に含み、
　前記出力することは、前記特性情報と共に前記エネルギ情報を出力することを含む
　付記７１から７７のいずれか一項に記載の造形方法。
［付記７９］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記エネルギ情報は、前記造形物の前記一の部分の造形において前記エネルギビームから前記造形材料に伝達されるエネルギ量に関する第２情報を含み、
　前記出力することは、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを出力することを含む
　付記７８に記載の造形方法。
［付記８０］
　前記出力することは、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを表示することを含む
　付記７９に記載の造形方法。
［付記８１］
　前記出力することは、前記特性情報と前記エネルギ情報とを、前記造形物を造形する造形装置に送信することを含む
　付記７８から８０のいずれか一項に記載の造形方法。
［付記８２］
　前記出力することは、前記造形物を造形する前記造形期間中に及び／又は前記造形物を造形し終えた後に、前記特性情報を出力することを含む
　付記７１から８１のいずれか一項に記載の造形方法。
［付記８３］
　前記取得することは、前記計測情報と前記計測情報に基づいて前記特性情報を生成可能となるように機械学習によって生成された学習モデルとを用いて生成された前記特性情報を取得することを含む
　付記６３から８２のいずれか一項に記載の造形方法。
［付記８４］
　前記計測情報は、前記造形期間中に得られた、前記造形物の少なくとも一部の形状に関する情報を含む
　付記６３から８３のいずれか一項に記載の造形方法。
［付記８５］
　前記造形物は、供給された前記造形材料によって形成される層状の材料層の少なくとも一部への前記エネルギビームの照射により溶融した前記材料層の少なくとも一部が固化することで造形され、
　前記計測情報は、前記造形期間中に得られた前記材料層の少なくとも一部の形状に関する情報を含む
　付記６３から８４のいずれか一項に記載の造形方法。
［付記８６］
　前記造形物は、供給された前記造形材料の少なくとも一部への前記エネルギビームの照射により溶融した前記造形材料の少なくとも一部が固化することで形成される固化物を含み、
　前記計測情報は、前記造形期間中に得られた前記固化物の少なくとも一部の形状に関する情報を含む
　付記６３から８５のいずれか一項に記載の造形方法。
［付記８７］
　前記計測情報は、前記エネルギビームの照射による前記金属材料の溶融によって形成される溶融池の少なくとも一部に関する情報を含む
　付記６３から８６のいずれか一項に記載の造形方法。
［付記８８］
　前記取得することは、前記計測情報と前記造形物の造形に関する造形情報とを用いて生成された前記特性情報を取得することを含む
　付記６３から８７のいずれか一項に記載の造形方法。
［付記８９］
　前記取得することは、前記計測情報と、前記造形情報と、前記計測情報及び前記造形情報に基づいて前記特性情報を生成可能となるように機械学習によって生成された学習モデルとを用いて生成された前記特性情報を取得することを含む
　付記８８に記載の造形方法
［付記９０］
　前記造形情報は、前記造形物を造形する造形装置に関する装置情報と、前記造形物の造形に用いる前記造形材料に関する材料情報と、前記造形物の設計情報との少なくとも一つを含む
　付記８８又は８９に記載の造形方法。
［付記９１］
　前記装置情報は、前記造形装置が前記造形物を造形するために用いる造形条件に関する情報と、前記造形装置の動作状況に関する情報との少なくとも一方を含む
　付記９０に記載の造形方法。
［付記９２］
　エネルギビームの照射により溶融した造形材料が固化することにより造形物を造形することと、
　前記造形物の造形に関する造形情報を用いて生成された前記造形物の特性に関する特性情報を取得することと
　を含む造形方法。
［付記９３］
　前記特性情報は、前記造形物の内部に形成された欠陥に関する欠陥情報、前記造形物の少なくとも一部の密度に関する密度情報、前記造形物の少なくとも一部を構成する金属組織の状態に関する組織状態情報、及び、前記造形物の少なくとも一部の機械的な特性に関する機械特性情報の少なくとも一つを含む
　付記９２に記載の造形方法。
［付記９４］
　前記欠陥は、前記造形物の内部に形成された空隙を含む
　付記９３に記載の造形方法。
［付記９５］
　前記欠陥情報は、前記空隙に関する空隙情報を含む
　付記９４に記載の造形方法。
［付記９６］
　前記欠陥情報は、前記欠陥の有無に関する情報及び前記欠陥の特性に関する情報の少なくとも一方を含む
　付記９３から９５のいずれか一項に記載の造形方法。
［付記９７］
　前記欠陥の特性は、前記欠陥のサイズ、前記欠陥の位置、及び、前記欠陥の形状のうちの少なくとも一つを含む
　付記９６に記載の造形方法。
［付記９８］
　前記組織状態情報は、前記金属組織の方位、前記金属組織のサイズ、前記金属組織の形状及び前記金属組織の結晶格子の種類のうちの少なくとも一つに関する情報を含む
　付記９３から９７のいずれか一項に記載の造形方法。
［付記９９］
　前記機械特性情報は、前記造形物の引張強度、前記造形物の０．２％耐力、前記造形物の降伏点、前記造形物の伸び、前記造形物の絞り、前記造形物のヤング率、前記造形物の硬さ、前記造形物の破壊じん性値、前記造形物の疲労限度、前記造形物の高温強度及び前記造形物の線膨張係数のうちの少なくとも一つに関する情報を含む
　付記９３から９８のいずれか一項に記載の造形方法。
［付記１００］
　前記特性情報を出力することを更に含む
　付記９２から９９のいずれか一項に記載の造形方法。
［付記１０１］
　前記出力することは、前記特性情報を表示することを含む
　付記１００に記載の造形方法。
［付記１０２］
　前記出力することは、前記特性情報を、前記造形物を造形する造形装置に送信することを含む
　付記１００又は１０１に記載の造形方法。
［付記１０３］
　前記出力することは、前記特性情報と共に前記造形情報を出力することを含む
　付記１００から１０２のいずれか一項に記載の造形方法。
［付記１０４］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記造形情報は、前記造形物の前記一の部分に関する第２情報を含み、
　前記出力することは、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記造形情報とを出力することを含む
　付記１０３に記載の造形方法。
［付記１０５］
　前記出力することは、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記造形情報とを表示することを含む
　付記１０４に記載の造形方法。
［付記１０６］
　前記出力することは、前記特性情報と前記造形情報とを、前記造形物を造形する造形装置に送信することを含む
　付記１０３から１０５のいずれか一項に記載の造形方法。
［付記１０７］
　前記造形物の造形期間中に得られた前記造形物の造形に関する計測情報に基づいて、前記エネルギビームから前記造形材料に伝達されるエネルギ量に関するエネルギ情報を生成することを更に含み、
　前記出力することは、前記特性情報と共に前記エネルギ情報を出力することを含む
　付記１００から１０６のいずれか一項に記載の造形方法。
［付記１０８］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記エネルギ情報は、前記造形物の前記一の部分の造形において前記エネルギビームから前記造形材料に伝達されるエネルギ量に関する第２情報を含み、
　前記出力することは、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを出力することを含む
　付記１０７に記載の造形方法。
［付記１０９］
　前記出力することは、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを表示することを含む
　付記１０８に記載の造形方法。
［付記１１０］
　前記出力することは、前記特性情報と前記エネルギ情報とを、前記造形物を造形する造形装置に送信することを含む
　付記１０７から１０９のいずれか一項に記載の造形方法。
［付記１１１］
　前記出力することは、前記造形物を造形する前記造形期間中に及び／又は前記造形物を造形し終えた後に、前記特性情報を出力することを含む
　付記１００から１１０のいずれか一項に記載の造形方法。
［付記１１２］
　前記取得することは、前記造形情報と前記造形情報に基づいて前記特性情報を生成可能となるように機械学習によって生成された学習モデルとを用いて生成された前記特性情報を取得することを含む
　付記９２から１１１のいずれか一項に記載の造形方法
［付記１１３］
　前記造形情報は、前記造形物を造形する造形装置に関する装置情報と、前記造形物の造形に用いる前記造形材料に関する材料情報と、前記造形物の設計情報との少なくとも一つを含む
　付記９２から１１２のいずれか一項に記載の造形方法。
［付記１１４］
　前記装置情報は、前記造形装置が前記造形物を造形するために用いる造形条件に関する情報と、前記造形装置の動作状況に関する情報との少なくとも一方を含む
　付記１１３に記載の造形方法。
［付記１１５］
　前記取得部は、前記造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得し、
　前記取得することは、前記計測情報及び前記造形物の造形期間中に得られた前記造形物の造形に関する計測情報を用いて生成された前記特性情報を取得することを含む
　付記９２から１１４のいずれか一項に記載の造形方法。
［付記１１６］
　前記取得することは、前記造形情報と、前記計測情報と、前記造形情報及び前記計測情報に基づいて前記特性情報を生成可能となるように機械学習によって生成された学習モデルとを用いて生成された前記特性情報を取得することを含む
　付記１１５に記載の造形方法。
［付記１１７］
　前記計測情報は、前記造形期間中に得られた、前記造形物の少なくとも一部の形状に関する情報を含む
　付記１１５又は１１６に記載の造形方法。
［付記１１８］
　前記造形物は、供給された前記造形材料によって形成される層状の材料層の少なくとも一部への前記エネルギビームの照射により溶融した前記材料層の少なくとも一部が固化することで造形され、
　前記計測情報は、前記造形期間中に得られた前記材料層の少なくとも一部の形状に関する情報を含む
　付記１１５から１１７のいずれか一項に記載の造形方法。
［付記１１９］
　前記造形物は、供給された前記造形材料の少なくとも一部への前記エネルギビームの照射により溶融した前記造形材料の少なくとも一部が固化することで形成される固化物を含み、
　前記計測情報は、前記造形期間中に得られた前記固化物の少なくとも一部の形状に関する情報を含む
　付記１１５から１１８のいずれか一項に記載の造形方法。
［付記１２０］
　前記計測情報は、前記エネルギビームの照射による前記金属材料の溶融によって形成される溶融池の少なくとも一部に関する情報を含む
　付記１１５から１１９のいずれか一項に記載の造形方法。
［付記１２１］
　エネルギビームの照射により溶融した粉末状の金属材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報と、前記造形物の特性に関する特性情報とを取得する取得部と、
　前記計測情報と共に前記特性情報を出力する出力部と
　を備える情報出力装置。
［付記１２２］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記計測情報は、前記造形物の前記一の部分の造形に関する計測で得られた第２情報を含み、
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記計測情報とを出力する
　付記１２１に記載の情報出力装置。
［付記１２３］
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記計測情報とを表示する表示部を含む
　付記１２２に記載の情報出力装置。
［付記１２４］
　前記出力部は、前記特性情報と前記計測情報とを、前記造形物を造形する造形装置に送信する送信部を含む
　付記１２１から１２３のいずれか一項に記載の情報出力装置。
［付記１２５］
　前記出力部は、前記造形物を造形する前記造形期間中に及び／又は前記造形物を造形し終えた後に、前記計測情報と共に前記特性情報を出力する
　付記１２１から１２４のいずれか一項に記載の情報出力装置。
［付記１２６］
　前記特性情報は、前記造形物の内部に形成された欠陥に関する欠陥情報、前記造形物の少なくとも一部の密度に関する密度情報、前記造形物の少なくとも一部を構成する金属組織の状態に関する組織状態情報、及び、前記造形物の少なくとも一部の機械的な特性に関する機械特性情報の少なくとも一つを含む
　付記１２１から１２５のいずれか一項に記載の情報出力装置。
［付記１２７］
　前記取得部は、前記エネルギビームの照射により溶融した前記粉末状の金属材料が固化することによる前記造形物の造形において前記エネルギビームから前記金属材料に伝達されるエネルギ量に関するエネルギ情報を取得し、
　前記出力部は、前記計測情報と共に前記エネルギ情報を出力する
　付記１２１から１２６のいずれか一項に記載の情報出力装置。
［付記１２８］
　エネルギビームの照射により溶融した粉末状の金属材料が固化することによる造形物の造形において前記エネルギビームから前記金属材料に伝達されるエネルギ量に関するエネルギ情報と、前記造形物の特性に関する特性情報とを取得する取得部と、
　前記エネルギ情報と共に、前記特性情報を出力する出力部と
　を備える情報出力装置。
［付記１２９］
　前記特性情報は、前記造形物のうちの一の部分の特性に関する第１情報を含み、
　前記エネルギ情報は、前記造形物の前記一の部分の造形において前記エネルギビームから前記金属材料に伝達されるエネルギ量に関する第２情報を含み、
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを出力する
　請求項１２８に記載の情報出力装置。
［付記１３０］
　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記特性情報と前記エネルギ情報とを表示する表示部を含む
　付記１２９に記載の情報出力装置。
［付記１３１］
　前記出力部は、前記特性情報と前記エネルギ情報とを、前記造形物を造形する造形装置に送信する送信部を含む
　付記１２８から１３０のいずれか一項に記載の情報出力装置。
［付記１３３］
　前記出力部は、前記造形物を造形する前記造形期間中に及び／又は前記造形物を造形し終えた後に、前記エネルギ情報と共に前記特性情報を出力する
　付記１２８から１３２のいずれか一項に記載の情報出力装置。
［付記１３４］
　前記特性情報は、前記造形物の内部に形成された欠陥に関する欠陥情報、前記造形物の少なくとも一部の密度に関する密度情報、前記造形物の少なくとも一部を構成する金属組織の状態に関する組織状態情報、及び、前記造形物の少なくとも一部の機械的な特性に関する機械特性情報の少なくとも一つを含む
　付記１２８から１３３のいずれか一項に記載の情報出力装置。
［付記１３５］
　前記取得部は、前記エネルギビームの照射により溶融した前記粉末状の金属材料が固化することにより造形される前記造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得し、
　前記出力部は、前記エネルギ情報と共に前記計測情報を出力する
　付記１２８から１３４のいずれか一項に記載の情報出力装置。
　上述の各実施形態の構成要件の少なくとも一部は、上述の各実施形態の構成要件の少なくとも他の一部と適宜組み合わせることができる。上述の各実施形態の構成要件のうちの一部が用いられなくてもよい。また、法令で許容される限りにおいて、上述の各実施形態で引用した全ての公開公報及び米国特許の開示を援用して本文の記載の一部とする。
　本発明は、上述した実施例に限られるものではなく、特許請求の範囲及び明細書全体から読み取れる発明の要旨或いは思想に反しない範囲で適宜変更可能であり、そのような変更を伴う情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置もまた本発明の技術的範囲に含まれるものである。
　ＳＹＳ　造形システム
　１　造形装置
　２　計測装置
　２１　温度計測装置
　２２　形状計測装置
　３　情報処理装置
　３１　演算装置
　３１１　情報取得部
　３１２　欠陥予測部
　３１３　欠陥出力部
　３５　出力装置
　４１１、４１２　計測情報
　４１３　造形情報
　４１４　特徴量情報
　４１５　プロセスデータ
　４１６　位置情報
　４２５　欠陥情報
　４３５　エネルギ情報
　５　モデル生成装置
　ＰＭ　予測モデル

Claims (40)

  1. 　エネルギビームの照射により溶融した粉末状の金属材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得する取得部と、
    　前記取得部で取得された前記計測情報を用いて、前記造形物の内部に形成された欠陥に関する欠陥情報を生成する情報処理部と
    　を含み、
    　前記計測情報は、前記エネルギビームの照射による前記金属材料の溶融によって形成される溶融池の少なくとも一部の温度に関する情報を含む
    　情報処理装置。
  2. 　前記欠陥は、前記造形物の内部に形成された空隙を含み、
    　前記欠陥情報は、前記空隙に関する空隙情報を含む
    　請求項１に記載の情報処理装置。
  3. 　前記空隙情報は、前記造形物の少なくとも一部の密度に関する情報を含む
    　請求項２に記載の情報処理装置。
  4. 　前記欠陥情報は、前記欠陥の有無に関する情報及び前記欠陥の特性に関する情報の少なくとも一方を含む
    　請求項１から３のいずれか一項に記載の情報処理装置。
  5. 　前記欠陥の特性は、前記欠陥のサイズ、前記欠陥の位置、及び、前記欠陥の形状のうちの少なくとも一つを含む
    　請求項４に記載の情報処理装置。
  6. 　前記欠陥情報を出力する出力部を更に備える
    　請求項１から５のいずれか一項に記載の情報処理装置。
  7. 　前記出力部は、前記欠陥情報を表示する表示部を含む
    　請求項６に記載の情報処理装置。
  8. 　前記出力部は、前記欠陥情報を、前記造形物を造形する造形装置に送信する送信部を含む
    　請求項６又は７に記載の情報処理装置。
  9. 　前記出力部は、前記欠陥情報と共に前記計測情報を出力する
    　請求項６から８のいずれか一項に記載の情報処理装置。
  10. 　前記欠陥情報は、前記造形物のうちの一の部分に形成される欠陥に関する第１情報を含み、
    　前記計測情報は、前記造形物の前記一の部分の造形に関する計測で得られた第２情報を含み、
    　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記欠陥情報と前記計測情報とを出力する
    　請求項９に記載の情報処理装置。
  11. 　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記欠陥情報と前記計測情報とを表示する表示部を含む
    　請求項１０に記載の情報処理装置。
  12. 　前記出力部は、前記欠陥情報と前記計測情報とを、前記造形物を造形する造形装置に送信する送信部を含む
    　請求項９から１１のいずれか一項に記載の情報処理装置。
  13. 　前記情報処理部は、前記温度に関する情報に基づいて、前記エネルギビームから前記金属材料に伝達されるエネルギ量に関するエネルギ情報を更に生成し、
    　前記出力部は、前記欠陥情報と共に前記エネルギ情報を出力する
    　請求項６から１２のいずれか一項に記載の情報処理装置。
  14. 　前記欠陥情報は、前記造形物のうちの一の部分に形成される欠陥に関する第１情報を含み、
    　前記エネルギ情報は、前記造形物の前記一の部分の造形において前記エネルギビームから前記金属材料に伝達されるエネルギ量に関する第２情報を含み、
    　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記欠陥情報と前記エネルギ情報とを出力する
    　請求項１３に記載の情報処理装置。
  15. 　前記出力部は、前記第１情報と前記第２情報とが関連付けられた出力形式で、前記欠陥情報と前記エネルギ情報とを表示する表示部を含む
    　請求項１４に記載の情報処理装置。
  16. 　前記出力部は、前記欠陥情報と前記エネルギ情報とを、前記造形物を造形する造形装置に送信する送信部を含む
    　請求項１３から１５のいずれか一項に記載の情報処理装置。
  17. 　前記出力部は、前記造形物を造形する前記造形期間中に及び／又は前記造形物を造形し終えた後に、前記欠陥情報を出力する
    　請求項６から１６のいずれか一項に記載の情報処理装置。
  18. 　前記情報処理部は、前記温度に関する情報と、前記温度に関する情報に基づいて前記欠陥情報を生成可能となるように機械学習によって生成された学習モデルとを用いて、前記欠陥情報を生成する
    　請求項１から１７のいずれか一項に記載の情報処理装置。
  19. 　前記計測情報は、前記造形期間中に得られた、前記造形物の少なくとも一部の形状に関する情報を含む
    　請求項１から１８のいずれか一項に記載の情報処理装置。
  20. 　前記造形物は、供給された前記金属材料によって形成される層状の材料層の少なくとも一部への前記エネルギビームの照射により溶融した前記材料層の少なくとも一部が固化することで造形され、
    　前記計測情報は、前記造形期間中に得られた前記材料層の少なくとも一部の形状に関する情報を含む
    　請求項１から１９のいずれか一項に記載の情報処理装置。
  21. 　前記取得部は、前記造形物の造形に関する造形情報を更に取得し、
    　前記情報処理部は、前記計測情報と前記造形情報とを用いて、前記欠陥情報を生成する
    　請求項１から２０のいずれか一項に記載の情報処理装置。
  22. 　前記造形情報は、前記造形物を造形する造形装置に関する装置情報と、前記造形物の造形に用いる前記金属材料に関する材料情報と、前記造形物の設計情報との少なくとも一つを含む
    　請求項２１に記載の情報処理装置。
  23. 　前記装置情報は、前記造形装置が前記造形物を造形するために用いる造形条件に関する情報と、前記造形装置の動作状況に関する情報との少なくとも一方を含む
    　請求項２２に記載の情報処理装置。
  24. 　前記情報処理部は、前記温度に関する情報を用いて、前記造形物の少なくとも一部を構成する金属組織の状態に関する情報、及び前記造形物の少なくとも一部の機械的な特性に関する情報の少なくとも一方を生成する
    　請求項１から２３のいずれか一項に記載の情報処理装置。
  25. 　請求項１から２４のいずれか一項に記載の情報処理装置と、
    　計測装置と
    　を備え、
    　前記計測情報は、前記計測装置を用いて得られる計測システム。
  26. 　請求項１から２４のいずれか一項に記載の情報処理装置と、
    　エネルギビームの照射により溶融した粉末状の金属材料が固化することにより造形物を造形可能な造形装置と、
    　計測装置と
    　を備え、
    　前記計測情報は、前記計測装置を用いて得られる造形システム。
  27. 　前記欠陥情報に基づいて、前記造形装置を制御する
    　請求項２６に記載の造形システム。
  28. 　前記欠陥情報が所定の停止条件を満たす場合に、前記造形装置は、前記造形物を造形する動作を停止する
    　請求項２６又は２７に記載の造形システム。
  29. 　前記造形装置は、前記欠陥情報に基づいて、前記造形物を造形する
    　請求項２６から２８のいずれか一項に記載の造形システム。
  30. 　前記造形装置は、前記造形装置が前記造形物を造形するための造形条件に基づいて、前記造形物を造形し、
    　前記造形装置は、前記情報処理装置が生成した前記欠陥情報に基づいて修正された前記造形条件に基づいて、前記造形物又は新たな造形物を造形する
    　請求項２６から２９のいずれか一項に記載の造形システム。
  31. 　前記造形装置は、前記欠陥情報を用いて前記造形物を造形するための造形条件を修正する
    　請求項２６から３０のいずれか一項に記載の造形システム。
  32. 　前記造形装置は、前記空隙情報を用いて前記造形システムのユーザによって修正された前記造形条件に基づいて、前記造形物を造形する
    　請求項３０又は３１に記載の造形システム。
  33. 　エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得する取得部と、
    　前記取得部で取得された前記計測情報を用いて、前記造形物の特性に関する特性情報を生成する情報処理部と
    　を備える情報処理装置。
  34. 　エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形に関する造形情報を取得する取得部と、
    　前記取得部で取得された前記造形情報を用いて、前記造形物の特性に関する特性情報を生成する情報処理部と
    　を備える情報処理装置。
  35. 　エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報を取得することと、
    　取得された前記計測情報を用いて、前記造形物の特性に関する特性情報を生成することと
    　を含む情報処理方法。
  36. 　エネルギビームの照射により溶融した造形材料が固化することにより造形される造形物の造形に関する造形情報を取得することと、
    　取得された前記造形情報を用いて、前記造形物の特性に関する特性情報を生成することと
    　を含む情報処理方法。
  37. 　エネルギビームの照射により溶融した造形材料が固化することにより造形物を造形することと、
    　前記造形物の造形期間中に前記造形物の造形に関する計測を行うことと、
    　前記計測によって得られた計測情報を用いて生成された前記造形物の特性に関する特性情報を取得することと
    　を含む造形方法。
  38. 　エネルギビームの照射により溶融した造形材料が固化することにより造形物を造形することと、
    　前記造形物の造形に関する造形情報を用いて生成された前記造形物の特性に関する特性情報を取得することと
    　を含む造形方法。
  39. 　エネルギビームの照射により溶融した粉末状の金属材料が固化することにより造形される造形物の造形期間中に得られた前記造形物の造形に関する計測情報と、前記造形物の特性に関する特性情報とを取得する取得部と、
    　前記計測情報と共に、前記特性情報を出力する出力部と
    　を備える情報出力装置。
  40. 　エネルギビームの照射により溶融した粉末状の金属材料が固化することによる造形物の造形において前記エネルギビームから前記金属材料に伝達されるエネルギ量に関するエネルギ情報と、前記造形物の特性に関する特性情報とを取得する取得部と、
    　前記エネルギ情報と共に、前記特性情報を出力する出力部と
    　を備える情報出力装置。
PCT/JP2021/034378 2021-09-17 2021-09-17 情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置 WO2023042387A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202180102339.0A CN117957078A (zh) 2021-09-17 2021-09-17 信息处理装置、测量系统、造型系统、信息处理方法、造型方法以及信息输出装置
PCT/JP2021/034378 WO2023042387A1 (ja) 2021-09-17 2021-09-17 情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/034378 WO2023042387A1 (ja) 2021-09-17 2021-09-17 情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置

Publications (1)

Publication Number Publication Date
WO2023042387A1 true WO2023042387A1 (ja) 2023-03-23

Family

ID=85602611

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/034378 WO2023042387A1 (ja) 2021-09-17 2021-09-17 情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置

Country Status (2)

Country Link
CN (1) CN117957078A (ja)
WO (1) WO2023042387A1 (ja)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010025922A (ja) 2008-06-20 2010-02-04 Nikon Corp 干渉装置
US20140226145A1 (en) 2013-02-12 2014-08-14 Faro Technologies, Inc. Multi-mode optical measurement device and method of operation
WO2016143137A1 (ja) * 2015-03-12 2016-09-15 株式会社ニコン 三次元造形物製造装置および構造物の製造方法
JP2018167565A (ja) * 2017-03-30 2018-11-01 三菱日立パワーシステムズ株式会社 ３次元積層造形方法および３次元積層造形装置
WO2018217903A1 (en) * 2017-05-24 2018-11-29 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning
WO2019239530A1 (ja) 2018-06-13 2019-12-19 株式会社ニコン 演算装置、検出システム、造形装置、演算方法、検出方法、造形方法、演算プログラム、検出プログラムおよび造形プログラム
JP2020085633A (ja) 2018-11-22 2020-06-04 株式会社キーエンス 変位測定システム、変位測定装置、変位測定方法
JP2020101499A (ja) 2018-12-25 2020-07-02 株式会社Ｘｔｉａ 光学測定機器及びそのデータ生成方法
US20200257933A1 (en) * 2019-02-05 2020-08-13 Imagars Llc Machine Learning to Accelerate Alloy Design

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010025922A (ja) 2008-06-20 2010-02-04 Nikon Corp 干渉装置
US20140226145A1 (en) 2013-02-12 2014-08-14 Faro Technologies, Inc. Multi-mode optical measurement device and method of operation
JP2016510415A (ja) 2013-02-12 2016-04-07 ファロ テクノロジーズ インコーポレーテッド マルチモード光学測定機器と作動方法
WO2016143137A1 (ja) * 2015-03-12 2016-09-15 株式会社ニコン 三次元造形物製造装置および構造物の製造方法
JP2018167565A (ja) * 2017-03-30 2018-11-01 三菱日立パワーシステムズ株式会社 ３次元積層造形方法および３次元積層造形装置
WO2018217903A1 (en) * 2017-05-24 2018-11-29 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning
WO2019239530A1 (ja) 2018-06-13 2019-12-19 株式会社ニコン 演算装置、検出システム、造形装置、演算方法、検出方法、造形方法、演算プログラム、検出プログラムおよび造形プログラム
JP2020085633A (ja) 2018-11-22 2020-06-04 株式会社キーエンス 変位測定システム、変位測定装置、変位測定方法
JP2020101499A (ja) 2018-12-25 2020-07-02 株式会社Ｘｔｉａ 光学測定機器及びそのデータ生成方法
US20200257933A1 (en) * 2019-02-05 2020-08-13 Imagars Llc Machine Learning to Accelerate Alloy Design

Also Published As

Publication number Publication date
CN117957078A (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
JP6825109B2 (ja) 三次元積層造形装置、三次元積層造形方法、及び、三次元積層造形物
Leach et al. Geometrical metrology for metal additive manufacturing
TWI779183B (zh) 加成製造中人工智慧反饋控制系統、方法及媒介
JP6751040B2 (ja) 積層造形物の製造方法、製造システム、及び製造プログラム
US20200147872A1 (en) Method and Arrangement for Producing a Workpiece by using Additive Manufacturing Techniques
JP6923268B2 (ja) 溶融プール監視システム及び付加製造プロセスにおけるエラー検出方法
CN110366463B (zh) 用于控制增材制造的部件的微结构的系统和方法
JP2020015944A (ja) 付加製造用学習モデル生成装置、付加製造による造形物の製造条件決定装置および付加製造による造形物の状態推定装置
WO2018217903A1 (en) Real-time adaptive control of additive manufacturing processes using machine learning
JP6943512B2 (ja) 構築表面マッピングのための装置および方法
JPWO2019030837A1 (ja) 三次元積層造形装置の施工異常検出システム、三次元積層造形装置、三次元積層造形装置の施工異常検出方法、三次元積層造形物の製造方法、及び、三次元積層造形物
JP2018075709A (ja) システム並びにシステムを製造及び制御するための方法
US11975481B2 (en) Adaptive closed-loop control of additive manufacturing for producing a workpiece
US20230127361A1 (en) Methods and apparatus for 2-d and 3-d scanning path visualization
EP3747571A1 (en) Powder bed fusion monitoring
US20180326712A1 (en) Systems and methods for additive manufacturing recoating
JP2018531815A (ja) 工作物の製造における、付加製造機械を含む機械のチェーンの制御の改善、またはそれに関する改善
US11733678B2 (en) Method for determining building instructions for an additive manufacturing method, method for generating a database with correction measures for controlling the process of an additive manufacturing method
EP3659727A1 (en) Method for automatic identification of material deposition deficiencies during an additive manufacturing process and manufacturing device
JP6980109B2 (ja) インターレース較正、およびインターレース較正の使用の方法
JP2021009126A (ja) 付加製造物の品質推定装置
WO2023042387A1 (ja) 情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置
JP7404833B2 (ja) 品質予測システム
CN116194242A (zh) 机器学习装置、层叠造型系统、焊接条件的机器学习方法、焊接条件的决定方法以及程序
NL2013861B1 (en) Apparatus for producing an object by means of additive manufacturing.

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: 21957568

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023548070

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 2021957568

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2021957568

Country of ref document: EP

Effective date: 20240417