JP7384729B2 - Computer programs, machine learning machines, information processing methods and injection molding machines - Google Patents
Computer programs, machine learning machines, information processing methods and injection molding machines Download PDFInfo
- Publication number
- JP7384729B2 JP7384729B2 JP2020059005A JP2020059005A JP7384729B2 JP 7384729 B2 JP7384729 B2 JP 7384729B2 JP 2020059005 A JP2020059005 A JP 2020059005A JP 2020059005 A JP2020059005 A JP 2020059005A JP 7384729 B2 JP7384729 B2 JP 7384729B2
- Authority
- JP
- Japan
- Prior art keywords
- display screen
- operator
- setting display
- molding machine
- mold
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000001746 injection moulding Methods 0.000 title claims description 63
- 238000004590 computer program Methods 0.000 title claims description 26
- 238000010801 machine learning Methods 0.000 title claims description 25
- 230000010365 information processing Effects 0.000 title claims description 20
- 238000003672 processing method Methods 0.000 title claims description 8
- 230000007704 transition Effects 0.000 claims description 121
- 238000000465 moulding Methods 0.000 claims description 63
- 238000000034 method Methods 0.000 claims description 56
- 238000012545 processing Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 22
- 230000002787 reinforcement Effects 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 description 26
- 238000003860 storage Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 20
- 238000002347 injection Methods 0.000 description 13
- 239000007924 injection Substances 0.000 description 13
- 230000005856 abnormality Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Injection Moulding Of Plastics Or The Like (AREA)
Description
本発明は、コンピュータプログラム、機械学習機、情報処理方法及び成形機に関する。 The present invention relates to a computer program, a machine learning machine, an information processing method, and a molding machine.
射出成形機の表示画面には、操作設定値表示画面、機械動作監視情報表示画面、生産監視情報表示画面、警告表示画面等の多数の画面が存在する。通常、これらの画面はメニュー画面をトップ画面にして階層化されている。オペレータは、所望の画面にたどりつくために、少なくとも階層数だけ画面を切り替える必要があり、操作性が悪いという問題がある。 The display screen of an injection molding machine includes many screens such as an operation setting value display screen, a machine operation monitoring information display screen, a production monitoring information display screen, and a warning display screen. Usually, these screens are layered with the menu screen as the top screen. In order to arrive at the desired screen, the operator must switch screens at least as many times as the number of layers, which poses a problem of poor operability.
特許文献１には、ＡＩ技術を用いて、オペレータが操作したアイコン等の使用頻度に応じて、操作画面遷移用アイコンの配置順序を変更する技術が開示されている。
特許文献２には、オペレータによって成形条件の設定項目が複数回変更された場合、当該設定項目を強調表示する技術が開示されている。
特許文献３には、射出成形機の状態に応じて必要な画面を即座に読み出して表示する技術が開示されている。
本開示の目的は、オペレータの操作による成形機の設定表示画面の遷移履歴を学習することによって、オペレータによる使い勝手の良い順序で画面が遷移するよう、次に表示すべき設定表示画面を決定することができるコンピュータプログラム、機械学習機、表示方法及び成形機を提供する。 The purpose of the present disclosure is to determine the next setting display screen to be displayed so that the screens change in an order that is convenient for the operator by learning the transition history of the setting display screen of a molding machine due to operator operations. We provide computer programs, machine learning machines, display methods, and molding machines that can.
本開示に係るコンピュータプログラムは、コンピュータに、成形機を操作するための複数の設定表示画面から選択された設定表示画面を表示装置に表示させるためのコンピュータプログラムであって、オペレータの操作による設定表示画面の遷移履歴に基づいて、次に表示する設定表示画面を決定する処理を前記コンピュータに実行させる。 A computer program according to the present disclosure is a computer program for causing a computer to display a setting display screen selected from a plurality of setting display screens for operating a molding machine on a display device, the computer program displaying settings according to an operator's operation. The computer is caused to execute a process of determining a setting display screen to be displayed next based on a screen transition history.
本開示に係る機械学習機は、成形機を操作するためのオペレータの操作による設定表示画面の遷移履歴を取得する取得部と、取得した複数の設定表示画面の遷移履歴に基づいて、次に表示する設定表示画面を学習する学習部とを備える。 The machine learning machine according to the present disclosure includes an acquisition unit that acquires a transition history of setting display screens caused by operations by an operator for operating a molding machine, and a machine learning machine that displays the next display based on the acquired transition history of the plurality of setting display screens. and a learning section that learns the setting display screen to be used.
本開示に係る情報処理方法は、成形機を操作するための複数の設定表示画面から選択された設定表示画面を表示装置に表示する情報処理方法であって、オペレータの操作による設定表示画面の遷移履歴に基づいて、次に表示する設定表示画面を決定し、決定した設定表示画面を前記表示装置に表示する。 An information processing method according to the present disclosure is an information processing method for displaying a setting display screen selected from a plurality of setting display screens for operating a molding machine on a display device, and in which the setting display screen changes according to an operation by an operator. Based on the history, a setting display screen to be displayed next is determined, and the determined setting display screen is displayed on the display device.
本開示に係る成形機は、複数の設定表示画面から選択された設定表示画面を表示装置に表示する成形機であって、成形機を操作するためのオペレータの操作による設定表示画面の遷移履歴を取得する取得部と、取得した複数の設定表示画面の遷移履歴に基づいて、次に表示する設定表示画面を学習する学習部とを備える。 A molding machine according to the present disclosure is a molding machine that displays a setting display screen selected from a plurality of setting display screens on a display device, and displays a transition history of setting display screens due to operations by an operator for operating the molding machine. The information processing apparatus includes an acquisition unit that acquires information, and a learning unit that learns the settings display screen to be displayed next based on the transition history of the acquired settings display screens.
上記によれば、オペレータの操作による成形機の設定表示画面の遷移履歴を学習することによって、オペレータによる使い勝手の良い順序で画面が遷移するよう、次に表示すべき設定表示画面を決定することができる。 According to the above, by learning the transition history of the setting display screen of the molding machine due to operator operations, it is possible to determine the next setting display screen to be displayed so that the screens change in an order that is convenient for the operator. can.
本開示の実施形態に係るコンピュータプログラム、機械学習機、表示方法及び成形機を以下に図面を参照しつつ説明する。なお、本開示はこれらの例示に限定されるものではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。また、以下に記載する実施形態の少なくとも一部を任意に組み合わせてもよい。 A computer program, a machine learning machine, a display method, and a molding machine according to embodiments of the present disclosure will be described below with reference to the drawings. Note that the present disclosure is not limited to these examples, but is indicated by the scope of the claims, and is intended to include all changes within the meaning and scope equivalent to the scope of the claims. Furthermore, at least some of the embodiments described below may be combined arbitrarily.
（実施形態１）
図１は実施形態１に係る射出成形機１００の構成例を示す部分断面正面図である。本実施形態１に係る射出成形機１００は、射出装置１と、当該射出装置１の前方に配された型締装置２と、制御装置３と、表示装置４と、オペレータ情報読取装置５とを備える。
(Embodiment 1)
FIG. 1 is a partially sectional front view showing a configuration example of an
射出装置１は、加熱シリンダと、当該加熱シリンダ内で回転方向と軸方向とに駆動可能に設けられているスクリュと、当該スクリュを回転方向に駆動する回転モータと、スクリュを軸方向に駆動するモータ等から構成されている。
The
型締装置２は、金型を開閉させ、射出装置１から射出された溶融樹脂が金型に充填される際、金型が開かないように金型を締め付けるトグル機構と、当該トグル機構を駆動するモータとを備える。なお射出成形機１００の構成は上記に限定されない。また本実施形態は、成形機の一種である射出成形機１００を例に記載するが、本発明の成形機は射出成形機に限定されるものではなく、プレス成形機や積層成形機などの他の成形機を除外するものではない。
The
図２は、実施形態１に係る制御装置３のハードウェア構成を示すブロック図である。
制御装置３は、コンピュータであり、制御部３ａ、主記憶部３ｂ、入出力Ｉ／Ｆ３ｃ、及び補助記憶部３ｄを備える。
FIG. 2 is a block diagram showing the hardware configuration of the
The
制御部３ａは、一又は複数のＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＧＰＧＰＵ（General-purpose computing on graphics processing units）、ＴＰＵ（Tensor Processing Unit）
等の演算処理装置を用いて構成されている。
The
It is configured using arithmetic processing devices such as.
主記憶部３ｂは、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリ等の一時記憶領域であり、制御部３ａが演算処理を実行するために必要なデータを一時的に記憶する。
The
図１及び図３に示されるように、入出力Ｉ／Ｆ３ｃは、射出装置１、表示装置４、オペレータ情報読取装置５等が接続されるインタフェースである。制御部３ａは、入出力Ｉ／Ｆ３ｃを介して、射出装置１から当該射出装置１の状態を示す状態情報を取得する。状態情報は、例えば射出装置１の異常の有無等を示す情報である。本発明において入出力Ｉ／Ｆ３ｃは、設定表示画面の遷移履歴を取得する取得部に相当する。
As shown in FIGS. 1 and 3, the input/output I/
また、制御部３ａは、入出力Ｉ／Ｆ３ｃを介して、画面情報を表示装置４へ出力することによって、表示装置４に、当該画面情報に係る画面を表示させる。表示装置４は、図１に示すように、タッチパネル４１と、ハードウェアキー４２とを備える。タッチパネル４１には、例えば、設定表示画面４１ａと、メニュー画面４１ｂとが表示される。設定表示画面４１ａは、例えば設定表示画面４１ａを変更するためのタブ４１ｃを有する。オペレータは、タブ４１ｃをタッチ操作することによっても、設定表示画面４１ａを切り替えることができる。メニュー画面４１ｂは、階層画面遷移用操作部４１ｄと、ＡＩ画面遷移用操作部４１ｅとを含む。オペレータは、階層画面遷移用操作部４１ｄを操作することによって、階層構造をなす設定表示画面４１ａを切り換えることができる。つまりオペレータは、階層画面遷移用操作部４１ｄを操作することによって、上位階層の設定表示画面４１ａを下位階層の設定表示画面４１ａに切り替えたり、下位階層の設定表示画面４１ａから上位階層の設定表示画面４１ａに切り換えたり、トップ階層の設定表示画面４１ａに切り替えたりすることができる。なおタッチパネル４１の大きさによっては設定表示画面４１ａを上下に２画面配置することができる。またメニュー画面４１ｂは常時表示されないようにしてもよい。
Further, the
更に、制御部３ａは、入出力Ｉ／Ｆ３ｃを介して、オペレータ情報読取装置５が読み取った情報を取得する。オペレータ情報読取装置５は、例えば、オペレータＩＤが記録されたＩＣカードを読み取るカードリーダ、オペレータＩＤを入力するキーボード、タッチパネル４１等であり、制御部３ａは、オペレータ情報読取装置５によって、オペレータＩＤを取得する。なお、オペレータ情報読取装置５は、カードリーダ、キーボード等に限定されるものではなく、顔認証、指紋認証、静脈認証等、オペレータを識別可能な情報を取得できる装置であればよい。またオペレータ情報読取装置５は、本発明には必須のものではなく、単にオペレータが表示装置４の前の操作位置にいることを検知するだけのものでもよい。
Further, the
補助記憶部３ｄは、ハードディスク、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、フラッシュメモリ等の記憶装置である。補助記憶部３ｄは、制御部３ａが実行するコンピュータプログラムＰ、制御部３ａの処理に必要な各種のデータを記憶する。また、補助記憶部３ｄは、学習モデル６、標準階層構造７、オペレータＤＢ８を記憶する。
The
学習モデル６は、オペレータＩＤ、オペレータの属性、成形品を示す成形品情報、金型を示す金型情報、又は成形機の状態を示す成形機状態情報と、オペレータの操作による設定表示画面４１ａの遷移履歴に応じて、次に表示すべき設定表示画面４１ａを学習したモデルである。詳細は後述する。
The
標準階層構造７は、射出成形機１００を操作等するために必要な複数の設定表示画面４１ａを階層的に関連付ける情報である。設定表示画面４１ａは、例えば、射出成形機１００に設定値を入力するための画面、射出成形機１００の動作を監視するための画面、生産管理を行うための画面、異常通知に関する画面等があり、機能又は用途毎に階層化されている（図７参照）。
The standard hierarchical structure 7 is information that hierarchically associates a plurality of setting
オペレータＤＢ８は、オペレータＩＤ、オペレータの属性、オペレータ名等を関連付けて記憶するデータベースである。オペレータの属性は、各オペレータに割り当てられた権限レベル、担当工程、保有資格、熟練度等を示す情報と、顔認証、指紋認証、静脈認証等、オペレータを識別可能な情報が含まれる。
The
なお、補助記憶部３ｄは制御装置３に接続された外部記憶装置であってもよい。コンピュータプログラムＰは、制御装置３の製造段階において補助記憶部３ｄに書き込まれてもよいし、遠隔のサーバ装置が配信するものを制御装置３が通信にて取得して補助記憶部３ｄに記憶させてもよい。コンピュータプログラムＰは、磁気ディスク、光ディスク、半導体メモリ等の記録媒体３０に読み出し可能に記録された態様であってもよい。
また、本実施形態１においては、制御装置３が学習モデル６の学習処理を行う例を説明するが、実施形態２で説明するように、学習処理は、制御装置３以外の装置が行ってもよい。この場合、学習された学習モデル６に係るデータは、コンピュータプログラムＰと同様に、ネットワークを介した配信の態様で提供されてもよいし、記録媒体３０に記録された態様で提供されてもよい。
Note that the
Furthermore, in the first embodiment, an example will be described in which the
このように構成された本実施形態１に係る制御装置３は、補助記憶部３ｄに記憶されたコンピュータプログラムＰを制御部３ａが読み出して実行することにより、入出力部３１、成形機制御処理部３２、機械学習機３３、画像表示処理部３４等がソフトウェア的な機能部として実現される。
The
入出力部３１は、射出成形機１００と通信を行い、成形機の状態を示す成形機状態情報を取得する。また、入出力部３１は、オペレータ情報読取装置５と通信を行い、オペレータＩＤを取得する。なお、オペレータＩＤをキーにしてオペレータＤＢ８を参照することによって、オペレータの属性が得られる。更に、入出力部３１は、表示装置４と通信を行い、成形品を示す成形品情報、金型を示す金型情報、オペレータの操作による設定表示画面４１ａの切り替え操作情報を取得する。経時的にオペレータによる設定表示画面４１ａの切り替え操作情報を取得することによって、設定表示画面４１ａの遷移履歴が得られる。
The input/
成形機制御処理部３２は、射出成形機１００の動作を制御する。
The molding machine
機械学習機３３は、オペレータの属性、これまでの設定表示画面４１ａの遷移履歴より、次に表示すべき設定表示画面４１ａを学習する機能部である。機械学習機３３は、取得した複数の設定表示画面の遷移履歴に基づいて、次に表示する設定表示画面を学習する学習部の機能を有する。
The
画像表示処理部３４は、表示装置４に設定表示画面４１ａ及びメニュー画面４１ｂを表示し、オペレータの操作に従って設定表示画面４１ａを切り替える処理を実行する。
The image
図３は、実施形態１に係る機械学習機３３の構成例を示すブロック図である。図４は、実施形態１に係る学習モデル６の構成例を示すブロック図である。機械学習機３３は、例えば、強化学習により、設定表示画面４１ａの表示順序を学習するものであり、観測部３３ａと、学習モデル６と、設定表示画面選択部３３ｂと、報酬算出部３３ｃと、更新処理部３３ｄとを備える。
FIG. 3 is a block diagram showing a configuration example of the
観測部３３ａは、現在の状態を示す状態量を観測する。状態量は、例えば、オペレータＩＤ、オペレータの属性、成形品を示す成形品情報、金型を示す金型情報或いは金型情報と紐付けされて記憶される成形条件情報、又は成形機の状態を示す成形機状態情報と、オペレータの操作による設定表示画面４１ａの遷移履歴とを含む。遷移履歴は、例えば、オペレータの操作によって、ある時点から現時点までに表示した設定表示画面４１ａを示すベクトル量である。例えば、射出成形機１００の操作を開始して、画面Ａ、画面Ｂ、画面Ｃを順に操作した場合、遷移履歴は（Ｐ１，Ｐ２，Ｐ３，０，０，…）のように表すことができる。なお「０」はまだ操作されていないことを示す。Ｐ１，Ｐ２，Ｐ３…は、設定表示画面４１ａを示す識別子である。ベクトルの次元数は特に限定されるものではない。
The
学習モデル６は、例えばＤＱＮ（Deep Q Network）である。学習モデル６は、現時点の状態を示す状態量が入力された場合、次に表示装置４に表示すべき設定表示画面４１ａを評価するための行動価値を出力するモデルである。
学習モデル６は、図４に示すように、状態量が入力される入力層６１と、状態量を認識する中間層６２と、次に特定の設定表示画面４１ａを表示すること（行動）の価値を示す行動価値を出力する出力層６３とを有する。
入力層６１は、オペレータＩＤ、オペレータの属性、成形品を示す成形品情報、金型を示す金型情報、成形機の状態を示す成形機状態情報の少なくとも一つと、オペレータの操作による設定表示画面４１ａの遷移履歴の入力を受け付ける複数のニューロンを有し、入力された情報を中間層６２に受け渡す。中間層６２は、入力層６１に入力された各情報を圧縮して現時点の状態の特徴を抽出する。出力層６３は、複数の設定表示画面４１ａに対応する複数のニューロンを有し、各ニューロンは、各設定表示画面４１ａに遷移することの行動価値を出力する。なお前記ニューロンを備えたニューラルネットワークについては上記に限定されない。例えば中間層６２を２層以上備えてディープラーニングを行うニューラルネットワークを備えたものでもよい。
The
As shown in FIG. 4, the
The
設定表示画面選択部３３ｂは、学習モデル６から出力される行動価値に基づいて、次に表示すべき一又は複数の設定表示画面４１ａを選択する機能部である。通常、設定表示画面４１ａは、行動価値が高い順に表示候補の設定表示画面４１ａを選択する。
The setting display
報酬算出部３３ｃは、オペレータの操作によって切り替えられた設定表示画面４１ａの遷移履歴等に基づいて報酬を算出し、算出した報酬を更新処理部３３ｄへ出力する。
The
更新処理部３３ｄは、報酬算出部３３ｃから出力された報酬に基づいて、行動前に算出した行動価値と、行動後の評価によって得られるＴＤ誤差により、学習モデル６を機械学習させる。行動価値の更新式は下記式（１）で表される。
The
Ｑ（ｓｔ，ａｔ）←Ｑ（ｓｔ，ａｔ）＋α（Ｒ＋γｍａｘＱ（ｓｔ＋１，ａｔ＋１）－Ｑ（ｓｔ，ａｔ）…（１）
但し、
ｓｔ：時間ｔにおける状態量
ａｔ：時間ｔにおける行動（特定の設定表示画面４１ａを表示する）
Ｑ（ｓｔ，ａｔ）：行動価値
α：学習係数
Ｒ：即時報酬
γ：時間割引率
ｍａｘＱ（ｓｔ＋１，ａｔ＋１）：次ステップの価値最大の行動選択時の行動価値
Q(st, at)←Q(st,at)+α(R+γmaxQ(st+1,at+1)−Q(st,at)…(1)
however,
st: state quantity at time t: action at time t (displays specific
Q (st, at): Action value α: Learning coefficient R: Immediate reward γ: Time discount rate maxQ (st+1, at+1): Action value when selecting the action with the maximum value for the next step
更新処理部３３ｄは、ＴＤ誤差、つまり上記式（１）の右辺第２項がゼロに近づくように、誤差逆伝播法、誤差勾配降下法等によって、学習モデル６の重み係数を最適化することにより、学習モデル６を機械学習させる。
The
なお、機械学習の方法としてＱ学習を説明したが、ｓａｒｓａ等の他の価値反復法を用いてもよい。また、機械学習の方法として方策勾配法等を用いてもよい。更に、学習モデル６としてＤＱＮを説明したが、状態量と、行動価値とを対応付けたテーブルを用いてもよい。
Note that although Q learning has been described as a machine learning method, other value repetition methods such as SARSA may also be used. Furthermore, a policy gradient method or the like may be used as a machine learning method. Furthermore, although DQN has been described as the
図５は、実施形態１に係る強化学習の処理手順を示すフローチャートである。図５は、バッチ処理によって学習モデル６を機械学習させる方法を示している。バッチ処理によって、ある程度、標準的な順序で設定表示画面４１ａが表示されるように学習モデル６を事前学習させることができる。
FIG. 5 is a flowchart showing the processing procedure of reinforcement learning according to the first embodiment. FIG. 5 shows a method for performing machine learning on the
まず、制御部３ａは、複数エピソードの状態量を収集する（ステップＳ１１）。ここでは、階層画面遷移用操作部４１ｄを用いて行われた設定表示画面４１ａの遷移履歴を収集すればよい。
First, the
制御部３ａは、収集した設定表示画面４１ａの遷移履歴の報酬を算出する（ステップＳ１２）。報酬の算出方法を説明する。
制御部３ａは、ある状態またはある一の設定表示画面４１ａから別の設定表示画面４１ａへ遷移した場合、その回数に応じて正の報酬を与える。または設定表示画面４１ａから別の設定表示画面４１ａへ遷移した場合の報酬は、２画面間だけで紐付けして行われるのではなく、３画面以上の設定表示画面４１ａの表示順序をグループ化し、オペレータにより表示される回数の多いグループに対して正の報酬を与えてもよい。
制御部３ａは、ある状態において一の設定表示画面４１ａへ遷移した場合、当該設定表示画面４１ａの表示時間が所定時間未満であるとき、この設定表示画面４１ａは表示不要な可能性のある画面または表示不要な画面であるとして、かかる画面遷移に負の報酬を与える。所定時間は、例えば３秒以内である。逆に設定表示画面４１ａの表示時間が所定時間以上であった場合、かかる画面遷移に正の報酬を当ててもよい。または表示されたものの設定入力されなかった設定表示画面についても表示不要な可能性のある画面または表示不要な画面であるとして負の報酬を与えるようにしてもよい。ただし前記の設定入力されなかった設定表示画面には、表示のみを行う画面は含まれない。
また、制御部３ａは、ある状態において一の設定表示画面４１ａへ遷移した場合、階層画面遷移用操作部４１ｄを用いた操作に切り替えられた場合、この設定表示画面４１ａは表示不要な可能性のある画面であったものとして、かかる画面遷移に負の報酬を与える。
更に、射出成形機１００の一連の操作、例えば段取り操作が終了するまでの画面操作時間、遷移画面数に応じて、報酬を算出してもよい。例えば、遷移画面数が少ない程、余分な画面遷移が無かったものとして正の報酬を与えるとよい。また例えば段取り操作などの設定入力が完了するまでの時間が短かった場合の画面遷移に正の報酬を与えるようにしてもよい。
The
The
When the
In addition, when the
Furthermore, the remuneration may be calculated according to a series of operations of the
また、制御部３ａは、タッチパネル４１又はハードウェアキー４２にてマニュアルで報酬を受け付ける（ステップＳ１３）。例えば、制御部３ａは、射出装置１が所定状態である状態量にある場合、所定の設定表示画面４１ａへの画面遷移に大きな報酬を付与する。所定状態は、例えば、射出成形機１００の立ち上げ時の状態、連続成形終了時の状態、異常発生時の状態等である。このように報酬を付与することによって、射出装置１が、ある所定状態になった場合、上記所定の設定表示画面４１ａが表示されるようになる。
Further, the
また、例えば、制御部３ａは、オペレータの操作によって表示された一連の複数の設定操作画面の縮小画像を並べて表示装置４に表示し、その設定操作画面の並べ替え、削除等をタッチパネル４１で受け付け、当該受付結果を報酬として受け付けてもよい。
例えば、特定の設定表示画面４１ａが削除された場合、その一つ前の設定表示画面４１ａが表示されていた状態で、当該特定の設定表示画面４１ａへの画面遷移に負の報酬を与える。
例えば、特定の設定表示画面４１ａの次に表示された第１の設定表示画面４１ａと、その次に表示された第２の設定表示画面４１ａとの順序の入れ換えを受け付けた場合、当該特定の設定表示画面４１ａから第１の設定表示画面４１ａへの画面遷移に負の報酬を設定し、当該特定の設定表示画面４１ａから第２の設定表示画面４１ａへの画面遷移に正の報酬を設定する。
Further, for example, the
For example, when a specific
For example, if the order of the first
次いで、制御部３ａは、算出又は受け付けた報酬に基づいて、学習モデル６を機械学習させ（ステップＳ１４）、処理を終える。機械学習は、上記の通り、ＴＤ誤差がゼロに近づくように学習モデル６の重み係数を最適化することによって行う。
Next, the
図６は、実施形態１に係る画面表示の処理手順を示すフローチャート、図７は、実施形態１に係る画面表示方法を示す模式図である。制御部３ａは、階層画面遷移用操作部４１ｄが操作されたか否かを判定する（ステップＳ３１）。階層画面遷移用操作部４１ｄが操作されたと判定した場合（ステップＳ３１：ＹＥＳ）、制御部３ａは、補助記憶部３ｄが記憶する標準階層構造７に基づいて、設定表示画面４１ａを選択し、選択された設定表示画面４１ａを表示装置４に表示する（ステップＳ３２）。
FIG. 6 is a flowchart showing a screen display processing procedure according to the first embodiment, and FIG. 7 is a schematic diagram showing a screen display method according to the first embodiment. The
例えば、図７の上部の階層構造（標準）に示すように、画面Ａ、画面Ｃ、画面Ｄ、画面Ｂ、画面Ｅを順次表示する場合を説明する。階層構造及びオペレータの操作に基づいて、次に表示する設定表示画面を決定する方法は第１方法であって、まず、オペレータは、設定入力画面遷移アイコンを操作し、設定入力選択画面に遷移する。次にオペレータの操作によって、下位階層の画面Ａへ遷移し、更に下位階層の画面Ｃへ遷移する。次に画面Ｄを表示するために、一度上位階層の画面Ａに戻り、また下位階層の画面Ｄへ遷移する。次に画面Ｂ及び画面Ｅを表示するために、一度上位階層の設定入力画面に戻り、下位階層の画面Ｂへ遷移し、更に下位階層の画面Ｅへ遷移する。 For example, a case where screen A, screen C, screen D, screen B, and screen E are sequentially displayed as shown in the hierarchical structure (standard) at the top of FIG. 7 will be described. The first method is to determine the next setting display screen to be displayed based on the hierarchical structure and the operator's operations, in which the operator first operates the setting input screen transition icon to transition to the setting input selection screen. . Next, by the operator's operation, a transition is made to a screen A in a lower hierarchy, and then to a screen C in a further lower hierarchy. Next, in order to display screen D, the user returns to screen A in the upper hierarchy and then transitions to screen D in the lower hierarchy. Next, in order to display screen B and screen E, the user returns to the setting input screen of the upper layer, transitions to screen B of the lower layer, and then transitions to screen E of the lower layer.
階層画面遷移用操作部４１ｄが操作されていないと判定した場合やオペレータが設定表示画面４１ａ内の遷移用操作釦を操作して他の画面に遷移した場合（ステップＳ３１：ＮＯ）、又はステップＳ３２の処理を終えた場合、制御部３ａは、ＡＩ画面遷移用操作部４１ｅが操作されたか否かを判定する（ステップＳ３３）。ＡＩ画面遷移用操作部４１ｅが操作されたと判定した場合（ステップＳ３３：ＹＥＳ）、学習モデル６を用いて次に表示すべき設定表示画面４１ａを選択して表示するＡＩ画面遷移処理を実行する（ステップＳ３４）。オペレータの操作による設定表示画面の遷移履歴に基づいて、次に表示する設定表示画面を決定する方法は第２方法であって、前記第１方法と前記第２方法は、オペレータの選択によりいずれかが受け付け可能となっている。また前記第１方法による設定の途中から第２方法による設定入力に切換えたり、第２方法による設定の途中から第１方法による設定入力に切換えしてもよい。
If it is determined that the hierarchical screen transition operation unit 41d is not operated, or if the operator operates the transition operation button in the
例えば、図７の下部の連続画面（ＡＩ）に示すように、学習モデル６の学習が完了していれば、階層構造を上ったり、下ったりする操作は不要であり、制御部３ａは、画面Ａ、画面Ｃ、画面Ｄ、画面Ｂ、画面Ｅに順次遷移させ、表示装置４に表示させることができる。ただしオペレータは、学習モデル６の学習結果により設定表示画面４１ａが表示されている際も入力作業により別の設定表示画面４１ａ（例えば画面Ｄの後に画面Ｆ）を割り込み表示させることが可能である。そして画面Ｄの後に画面Ｆが割り込みされた場合は、学習モデル６に反映がなされる。即ち画面Ｄの後に画面Ｆが割り込みされる回数に応じて強化学習がなされ、所定の回数を超えると画面Ｄの後に画面Ｆが表示されるようになる。またオペレータが学習モデル６による設定表示画面４１ａの表示中に異常が発生し、異常を確認する画面Ｇを開いたとしても、画面Ｇを開く回数が極めて少ない場合は、当初の学習モデル６による画面表示順序に影響を与えない。
For example, as shown in the continuous screen (AI) at the bottom of FIG. 7, if the learning of the
ＡＩ画面遷移用操作部４１ｅが操作されていないと判定した場合（ステップＳ３３：ＮＯ）、又はステップＳ３４の処理を終えた場合、制御部３ａは、処理を終了するか否かを判定する（ステップＳ３５）。処理を終了しないと判定した場合（ステップＳ３５：ＮＯ）、処理をステップＳ３１へ戻す。処理を終了すると判定した場合（ステップＳ３５：ＹＥＳ）、処理を終える。
If it is determined that the AI screen
図８は、ＡＩ画面遷移処理を示すフローチャート、図９及び図１０は、設定表示画面４１ａの遷移履歴の一例を示す模式図、図１１は、ＡＩ画面遷移用操作部４１ｅの第１例を示す模式図である。学習モデル６を用いて、次に表示すべき設定表示画面４１ａを推定して表示する処理を実行しながら、オペレータが所望する設定表示画面４１ａの遷移を学習する処理を説明する。
FIG. 8 is a flowchart showing AI screen transition processing, FIGS. 9 and 10 are schematic diagrams showing an example of the transition history of the
制御部３ａは、現時点の状態量を取得する（ステップＳ５１）。そして、取得した状態量を学習モデル６に入力することによって、複数の設定表示画面４１ａの行動価値を算出する（ステップＳ５２）。そして、制御部３ａは算出された行動価値に基づいて、設定表示画面４１ａの候補を決定する（ステップＳ５３）。ここでは、行動価値が最も高い設定表示画面４１ａに決定する。そして、制御部３ａは、図１１に示すように、次に表示すべき設定表示画面４１ａ候補を示すアイコン４１ｆと、前回表示した設定表画面候補を示すアイコン４１ｇと、次画面への遷移を指示する進むアイコン４１ｈと、前画面への遷移を指示するための戻るアイコン４１ｉとを表示装置４に表示する（ステップＳ５４）。
The
そして、制御部３ａは、オペレータの操作による選択操作を受け付け（ステップＳ５５）、選択された設定表示画面４１ａへ遷移して表示装置４に表示する（ステップＳ５６）。例えば、図１１に示す例では、オペレータによって進むアイコン４１ｈが操作された場合、型開閉設定画面が表示装置４に表示される。
Then, the
次いで、制御部３ａは、オペレータの操作結果に基づいて、報酬を算出する（ステップＳ５７）。例えば、進むアイコン４１ｈの操作によって操作された設定表示画面４１ａの表示時間が所定時間未満である場合、オペレータはその設定表示画面４１ａを見る必要が無かったと推定されるので負の報酬を設定する。報酬の付与方法は、バッチ処理と同様である。
Next, the
次いで、制御部３ａは、ステップＳ５７で算出された報酬によって、学習モデル６を機械学習させ（ステップＳ５８）、処理を終える。
Next, the
上記の処理を繰り返すことによって、オペレータが所望する順序で設定表示画面４１ａが表示されるようになる。例えば型段取りから成形までの作業時を学習した学習モデル６によれば、図９及び図１０に示すように、条件読出画面、温度設定画面、段取画面、材料パージ画面、型開閉設定画面、計量設定画面、射出設定画面、生産個数設定画面等をこの順に遷移させて表示することができる。オペレータは、進むアイコン４１ｈを操作するだけで、上記の順序で設定表示画面４１ａを遷移させることができる。
By repeating the above process, the
なお機械学習された学習モデル６により準備され次に表示される候補の画面は、図１１に示されるように候補（例えば、アイコン４１ｆ、４１ｇ）が示されない態様でもよい。具体的には単に「次画面へ」等のアイコンやキーをオペレータがタッチすることにより、次画面への遷移が行われるものでもよい。また現在表示されている設定表示画面４１ａをオペレータがスワイプまたはフリック等をすることにより、次画面への遷移が行われるものでもよい。
Note that the candidate screen prepared by the machine-learned
これら機械学習の学習モデル６は、オペレータ情報読取装置５によりオペレータを把握して一人ひとりのオペレータごとにカスタマイズされたものを構築してもよい。または複数のオペレータが出力した画面表示順序を全て合算して標準的な学習モデル６を構築してもよい。
These machine
図１２は、ＡＩ画面遷移用操作部４１ｅの第２例を示す模式図である。第２例に係るＡＩ画面遷移用操作部４１ｅは、次に表示する設定表示画面４１ａの候補として、複数の設定表示画面４１ａを選択可能に構成されている。具体的には、制御部３ａは、行動価値が高い順に複数の設定表示画面４１ａを選択し、選択された複数の設定表示画面４１ａを示す文字又は画像を含むＡＩ画面遷移用操作部４１ｅを表示する。より具体的には、図１２に示すように、ＡＩ画面遷移用操作部４１ｅは、選択された複数の設定表示画面４１ａの名称及びアイコンを含む。
FIG. 12 is a schematic diagram showing a second example of the AI screen
オペレータは、所望の設定表示画面４１ａを示すアイコンを選択することによって、当該設定表示画面４１ａを表示装置４に表示することができる。なお、制御部３ａは、当該設定表示画面４１ａへ遷移する行動に対して正の報酬を付与して、学習モデル６を強化学習させる。
The operator can display the desired
図１３は、ＡＩ画面遷移用操作部４１ｅの第３例を示す模式図である。第３例に係るＡＩ画面遷移用操作部４１ｅは、第２例と同様、次に表示する設定表示画面４１ａの候補として、複数の設定表示画面４１ａの縮小画像を表示し、オペレータが所望する当該設定表示画面４１ａを選択できるように構成されている。具体的には、制御部３ａは、行動価値が高い順に複数の設定表示画面４１ａを選択し、選択された複数の設定表示画面４１ａの縮小画像を含むＡＩ画面遷移用操作部４１ｅを表示する。
FIG. 13 is a schematic diagram showing a third example of the AI screen
オペレータは、所望の設定表示画面４１ａを示す縮小画像を選択することによって、当該設定表示画面４１ａを表示装置４に表示することができる。また、オペレータは、不要な設定表示画面４１ａの縮小画像に対する所定方向、例えば横方向へのスワイプ又はフリック操作によって、当該設定表示画面４１ａを表示候補から排除することができる。
制御部３ａは、不要な設定表示画面４１ａを除き、行動価値が高い複数の設定表示画面４１ａを含むＡＩ画面遷移用操作部４１ｅを再表示する。例えば、図１３に示す例では「計量」画面が不要な設定表示画面４１ａとして除去され、新たに「生産監視」画面が表示される。
なお、制御部３ａは、排除された設定表示画面４１ａへ遷移する行動に対して負の報酬を付与して、学習モデル６を学習させる。また、第２例と同様、選択された設定表示画面４１ａへ遷移する行動に対して正の報酬を付与して、学習モデル６を学習させる。
The operator can display the desired
The
Note that the
以上のように構成されたコンピュータプログラムＰ、機械学習機３３、情報処理方法及び射出成形機１００によれば、オペレータの操作による成形機の設定表示画面４１ａの遷移履歴を強化学習することによって、オペレータによる使い勝手の良い順序で次に表示すべき設定表示画面４１ａを決定することができる。
According to the computer program P, the
なお、本実施形態１では、強化学習を説明したが、教師あり学習によって学習モデル６を学習させてもよい。例えば、状態情報に、熟練者の操作に基づく設定表示画面４１ａの遷移方法を示す教師データを付与した訓練データを用意し、当該訓練データに基づいて学習モデル６を学習させる。この場合、学習モデル６に状態情報を入力すると、学習モデル６は複数の設定表示画面４１ａへ遷移すべき確率を示した情報を出力する。制御部３ａは、学習モデル６から出力される情報に基づいて、設定表示画面４１ａを遷移させる。また、教師有り学習のモデルとして、ＲＮＮ(Recurrent Neural Network)を用いてもよい。
Note that although reinforcement learning has been described in the first embodiment, the
また、本実施形態１では、強化学習を説明したが、教師なし学習によって学習モデル６を学習させてもよい。
更に、モデルフリーの強化学習を説明したが、モデルベースの強化学習によって、画面遷移を学習してもよい。
Furthermore, although reinforcement learning has been described in the first embodiment, the
Furthermore, although model-free reinforcement learning has been described, screen transitions may be learned by model-based reinforcement learning.
更にまた、実施形態では機械学習によって次に表示すべき設定表示画面４１ａを学習及び表示する例を説明したが、ルールベースで表示すべき設定表示画面４１ａを決定してもよい。
例えば、制御部３ａは、例えば複数の画面遷移履歴を収集して、画面遷移履歴の度数分布を作成し、最も度数が高い画像遷移履歴を用いて、設定表示画面４１ａを遷移及び表示させるとよい。
Furthermore, in the embodiment, an example has been described in which the
For example, the
更にまた、設定表示画面４１ａに入力されるべき設定値を学習モデル６に学習させるように構成してもよい。この場合、遷移する設定表示画面４１ａと、設定値との組みを行動とし、状態量が学習モデル６に入力された場合に当該行動の行動価値が出力されるように構成するとよい。
Furthermore, the
更にまた、成形条件等を所定の順序に沿って入力するケースでは、設定表示画面４１ａ毎に、設定値を入力されるべきか否かを記憶しておき、未入力のまま画面遷移操作が行われた場合、警告を出力するように射出成形機１００を構成してもよい。
Furthermore, in the case where molding conditions, etc. are input in a predetermined order, it is possible to memorize whether or not setting values should be input for each setting
更にまた、設定項目毎に設定値の正常範囲を記憶しておき、正常範囲外の設定値が設定された場合、警告を出力するように射出成形機１００を構成してもよい。
Furthermore, the
更にまた、本実施形態１では、成形条件設定等、特定の作業における設定表示画面４１ａの画面遷移を強化学習する例を説明したが、段取作業、成形条件設定作業、集計作業、温度確認作業、射出側作動確認作業、型締側作動確認作業等、作業の種類毎に画面遷移を強化学習するように構成するとよい。この場合、作業の種類毎に異なる学習モデル６を補助記憶部３ｄに記憶させるとよい。もちろん、作業の種類を示す変数を、状態量に含め、一つの学習モデル６を用いてもよい。更には２つ以上の作業にまたがる画面遷移を強化学習するものでもよい。
制御部３ａは、複数種類の作業を示すアイコンを含むＡＩ画面遷移用操作部４１ｅを表示する。オペレータによって一のアイコンが操作された場合、制御部３ａは、選択されたアイコンに対応する学習モデル６を選択し、選択された学習モデル６６ａを用いて、次に表示すべき設定表示画面４１ａを決定し、表示するとよい。状態量が作業の種類を示す情報を含む場合、制御部３ａは、上記実施形態１と同様の処理で、作業の種類に応じて順序で、設定表示画面４１ａを表示することができる。
Furthermore, in
The
ある射出成形機１００で学習された学習モデル６は、他の射出成形機１００にも転用が可能である。例えば射出成形機メーカーから新規の射出成形機１００を出荷する場合は、制御装置３にコンピュータプログラムＰと別の射出成形機１００で学習済みの学習モデル６を搭載しておくことができる。そして更にオペレータの画面操作により新規の射出成形機１００に搭載した学習モデル６を進化させることができる。
The
（実施形態２）
図１４は、射出成形システムの構成例を示す模式図である。実施形態２に係る射出成形システムは、設定表示画面４１ａの遷移処理をサーバである情報処理装置９が実行する点が異なるため、以下では主に上記相違点を説明する。その他の構成及び作用効果は実施形態１と同様であるため、対応する箇所には同様の符号を付して詳細な説明を省略する。
(Embodiment 2)
FIG. 14 is a schematic diagram showing a configuration example of an injection molding system. The injection molding system according to the second embodiment is different in that the information processing device 9, which is a server, executes the transition process of the
実施形態２に係る射出成形システムは、情報処理装置９と、一又は複数の射出成形機１００と備える。情報処理装置９及び射出成形機１００は、ＬＡＮ（Local Area Network）、インターネット等のネットワークＮを介して通信接続されている。
The injection molding system according to the second embodiment includes an information processing device 9 and one or more
情報処理装置９はコンピュータであり、制御部９ａ、主記憶部９ｂ、通信部９ｃ、及び補助記憶部９ｄを備える。通信部９ｃは、ネットワークＮを介して射出成形機１００との間でデータを送受信するための通信回路である。制御部９ａ、主記憶部９ｂ、及び補助記憶部９ｄのハードウェア構成は、実施形態１で説明した射出成形機１００と同様である。補助記憶部９ｄが記憶するコンピュータプログラムＰ，学習モデル６、標準階層構造７、オペレータＤＢ８、記録媒体９０も、実施形態１の各種プログラム及びモデル等と同様である。
なお、情報処理装置９は複数のコンピュータからなるマルチコンピュータであっても良く、ソフトウェアによって仮想的に構築された仮想マシンであってもよい。情報処理装置９は射出成形機１００と同じ施設又は工場に設置されたローカルサーバであってもよく、インターネット等を介して射出成形機１００に通信接続されたクラウドサーバであってもよい。
The information processing device 9 is a computer and includes a
Note that the information processing device 9 may be a multicomputer consisting of a plurality of computers, or may be a virtual machine virtually constructed using software. The information processing device 9 may be a local server installed in the same facility or factory as the
このように構成された情報処理装置９は、ネットワークＮを介して射出成形機１００から状態量を取得し、取得した状態量に基づいて、次に表示すべき一又は複数の設定表示画面４１ａを決定し、決定した一又は複数の設定表示画面４１ａを示す情報を画像装置へ送信する。射出成形機１００は、情報処理装置９から送信された情報を取得し、図１同様にしてＡＩ画面遷移用操作部４１ｅを表示し、オペレータの操作に従って、設定表示画面４１ａを表示する。
また、情報処理装置９は、一又は複数の射出成形機１００から状態量を収集し、収集した状態量に基づいて、学習モデル６を学習する。
The information processing device 9 configured in this manner acquires state quantities from the
Further, the information processing device 9 collects state quantities from one or more
なお、情報処理装置９は、学習済みの学習モデル６を規定する情報を射出成形機１００へ配信するように構成してもよい。射出成形機１００は、配信された情報に基づく学習モデル６を記憶し、当該学習モデル６を用いて、設定表示画面４１ａの遷移処理を実行するとよい。
Note that the information processing device 9 may be configured to distribute information defining the learned
実施形態２に係る情報処理装置９、コンピュータプログラムＰ及び情報処理方法においても実施形態１同様、オペレータの操作による成形機の設定表示画面４１ａの遷移履歴を学習することによって、オペレータによる使い勝手の良い順序で次に表示すべき設定表示画面４１ａを決定することができる。
Similarly to the first embodiment, in the information processing device 9, computer program P, and information processing method according to the second embodiment, by learning the transition history of the
（付記１）
コンピュータに、成形機を操作するための複数の設定表示画面から次に表示すべき設定表示画面を選択するためのニューラルネットワークを生成させるコンピュータプログラムであって、
オペレータの識別子、オペレータの属性、成形品を示す成形品情報、金型を示す金型情報、又は成形機の状態を示す成形機状態情報の少なくとも一つを取得し、
オペレータの操作による設定表示画面の遷移履歴を取得し、
取得した遷移履歴に基づいて報酬を算出し、
取得したオペレータの識別子、オペレータの属性、成形品を示す成形品情報、金型を示す金型情報、又は成形機の状態を示す成形機状態情報の少なくとも一つと、オペレータの操作による設定表示画面の遷移履歴とを含む状態量が前記ニューラルネットワークに入力された場合、該ニューラルネットワークから出力される次に表示する設定表示画面の価値と前記報酬に基づく価値との差分が小さくなるように前記ニューラルネットワークを強化学習させる
処理を前記コンピュータに実行させるためのコンピュータプログラム。
(Additional note 1)
A computer program that causes a computer to generate a neural network for selecting a setting display screen to be displayed next from a plurality of setting display screens for operating a molding machine, the computer program comprising:
Obtain at least one of an operator identifier, an operator attribute, molded product information indicating a molded product, mold information indicating a mold, or molding machine status information indicating the status of the molding machine,
Obtain the transition history of the setting display screen due to operator operations,
Calculate rewards based on the acquired transition history,
At least one of the obtained operator identifier, operator attributes, molded product information indicating the molded product, mold information indicating the mold, or molding machine status information indicating the status of the molding machine, and the setting display screen according to the operator's operation. When a state quantity including a transition history is input to the neural network, the neural network is configured such that the difference between the value of the next setting display screen outputted from the neural network and the value based on the reward is small. A computer program for causing the computer to perform reinforcement learning processing.
１００ 射出成形機
１ 射出装置
２ 型締装置
３ 制御装置
３ａ 制御部
３ｂ 主記憶部
３ｃ 入出力Ｉ／Ｆ
３ｄ 補助記憶部
４ 表示装置
５ オペレータ情報読取装置
６ 学習モデル
７ 標準階層構造
８ オペレータＤＢ
３１ 入出力部
３２ 成形機制御処理部
３３ 機械学習機
３３ａ 観測部
３３ｂ 設定表示画面選択部
３３ｃ 報酬算出部
３３ｄ 更新処理部
３４ 画像表示処理部
４１ タッチパネル
４１ａ 設定表示画面
４１ｂ メニュー画面
４１ｃ タブ
４１ｄ 階層画面遷移用操作部
４１ｅ ＡＩ画面遷移用操作部
４２ ハードウェアキー
６１ 入力層
６２ 中間層
６３ 出力層
１００ 射出成形機
100
3d
31 Input/
Claims (8)
金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、オペレータの操作による設定表示画面の遷移履歴とに基づいて次に表示する設定表示画面を学習し、
金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、オペレータの操作による設定表示画面の遷移履歴とを取得し、
取得した各情報及びオペレータの操作による設定表示画面の遷移履歴とに基づいて次に表示する設定表示画面を決定し、
オペレータによる操作により、現在表示されている設定表示画面から次に表示することが決定された設定表示画面に変更する
処理を前記コンピュータに実行させるためのコンピュータプログラム。 A computer program for causing a computer to display, on a display device, a setting display screen selected from a plurality of setting display screens for operating an injection molding machine,
Mold information indicating the mold or molding condition information stored in association with the mold information, an operator identifier, an attribute of the operator, molded product information indicating the molded product, and a molding machine status indicating the state of the injection molding machine. Learning the settings display screen to be displayed next based on at least one piece of information and the transition history of the settings display screen due to operator operations;
Mold information indicating the mold or molding condition information stored in association with the mold information, an operator identifier, an attribute of the operator, molded product information indicating the molded product, and a molding machine status indicating the state of the injection molding machine. Obtaining at least one piece of information and a transition history of the setting display screen due to operator operations,
Determines the setting display screen to be displayed next based on each acquired information and the transition history of the setting display screen due to operator operations ,
Changes from the currently displayed settings display screen to the settings display screen that is determined to be displayed next through operator operation.
A computer program for causing the computer to execute processing.
請求項１に記載のコンピュータプログラム。 According to claim 1, the currently displayed setting display screen is changed to the setting display screen determined to be displayed next by an operator's icon operation or key touch operation on the screen, or swipe operation or flick operation of the screen. The computer program described.
処理を前記コンピュータに実行させるための請求項１又は請求項２に記載のコンピュータプログラム。 In the transition history of settings display screens, execute a process on the computer to learn settings display screens whose display time is less than a predetermined time, or settings display screens that are displayed but for which no settings are input, as setting screens that have little need to be displayed. 3. The computer program according to claim 1 or 2, for causing the computer to perform the following operations.
金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、オペレータの操作による設定表示画面の遷移履歴とを取得し、
取得した遷移履歴に基づいて報酬を算出し、
取得した金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、オペレータの操作による設定表示画面の遷移履歴とを含む状態量がニューラルネットワークに入力された場合、該ニューラルネットワークから出力される次に表示する設定表示画面の価値と前記報酬に基づく価値との差分が小さくなるように前記ニューラルネットワークを強化学習させ、
取得した情報に基づく前記状態量を、前記ニューラルネットワークに入力することによって出力された価値に基づいて次に表示する設定表示画面を決定し、
オペレータによる操作により、現在表示されている設定表示画面から次に表示することが決定された設定表示画面に変更する
処理を前記コンピュータに実行させるためのコンピュータプログラム。 A computer program for causing a computer to display, on a display device, a setting display screen selected from a plurality of setting display screens for operating an injection molding machine,
Mold information indicating the mold or molding condition information stored in association with the mold information, an operator identifier, an attribute of the operator, molded product information indicating the molded product, and a molding machine status indicating the state of the injection molding machine. Obtaining at least one piece of information and a transition history of the setting display screen due to operator operations,
Calculate rewards based on the acquired transition history,
Mold information indicating the acquired mold or molding condition information stored in association with the mold information, operator identifier, operator attributes, molded product information indicating the molded product, and molding information indicating the state of the injection molding machine. When a state quantity including at least one piece of machine state information and a transition history of setting display screens due to operator operations is input to a neural network, the value of the next setting display screen output from the neural network and the above Reinforcement learning is performed on the neural network so that the difference with the value based on the reward is small,
determining a setting display screen to be displayed next based on the value output by inputting the state quantity based on the acquired information into the neural network ;
Changes from the currently displayed settings display screen to the settings display screen that is determined to be displayed next through operator operation.
A computer program for causing the computer to execute processing.
第１方法を受け付けた場合、前記階層構造及びオペレータの操作に基づいて、次に表示する設定表示画面を決定し、
第２方法を受け付けた場合、オペレータの操作による設定表示画面の遷移履歴に基づいて、次に表示する設定表示画面を決定する
処理を前記コンピュータに実行させるための請求項１～請求項４のいずれか１項に記載のコンピュータプログラム。 A first method of determining a setting display screen to be displayed next based on a hierarchical structure for switching and displaying a plurality of setting display screens and an operator's operation of a setting display screen based on the hierarchical structure; Accepting the selection of the second method of determining the next setting display screen to be displayed based on the transition history of the setting display screen,
If the first method is accepted, the setting display screen to be displayed next is determined based on the hierarchical structure and the operator's operation,
If the second method is accepted, the computer is configured to determine the next setting display screen to be displayed based on the transition history of the setting display screens caused by operator operations. The computer program according to item 1.
取得した、金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、複数の設定表示画面の遷移履歴とに基づいて、次に表示する設定表示画面を学習する学習部と
を備える機械学習機。 Mold information indicating the mold or molding condition information stored in association with the mold information, an operator identifier, an attribute of the operator, molded product information indicating the molded product, and a molding machine status indicating the state of the injection molding machine. an acquisition unit that acquires at least one piece of information and a transition history of setting display screens caused by operator operations for operating the injection molding machine;
Indicates the acquired mold information indicating the mold or molding condition information stored in association with the mold information, operator identifier, operator attributes, molded product information indicating the molded product, and the state of the injection molding machine. a learning section that learns a setting display screen to be displayed next based on at least one piece of molding machine status information and a transition history of a plurality of setting display screens;
A machine learning machine equipped with.
金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、オペレータの操作による設定表示画面の遷移履歴とに基づいて次に表示する設定表示画面を学習し、
金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、オペレータの操作による設定表示画面の遷移履歴とを取得し、
取得した各情報及びオペレータの操作による設定表示画面の遷移履歴とに基づいて次に表示する設定表示画面を決定し、
オペレータによる操作により、現在表示されている設定表示画面から次に表示することが決定された設定表示画面に変更する
情報処理方法。 An information processing method for displaying a setting display screen selected from a plurality of setting display screens for operating an injection molding machine on a display device, the method comprising:
Mold information indicating the mold or molding condition information stored in association with the mold information, an operator identifier, an attribute of the operator, molded product information indicating the molded product, and a molding machine status indicating the state of the injection molding machine. Learning the settings display screen to be displayed next based on at least one piece of information and the transition history of the settings display screen due to operator operations;
Mold information indicating the mold or molding condition information stored in association with the mold information, an operator identifier, an attribute of the operator, molded product information indicating the molded product, and a molding machine status indicating the state of the injection molding machine. Obtaining at least one piece of information and a transition history of the setting display screen due to operator operations,
Determines the setting display screen to be displayed next based on each acquired information and the transition history of the setting display screen due to operator operations ,
Changes from the currently displayed settings display screen to the settings display screen that is determined to be displayed next through operator operation.
Information processing method.
金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、射出成形機を操作するためのオペレータの操作による設定表示画面の遷移履歴とを取得する取得部と、
取得した、金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、複数の設定表示画面の遷移履歴とに基づいて、次に表示する設定表示画面を学習する学習部と、
制御部と
を備え、
前記制御部は、
複数の設定表示画面を切り換えて表示するための階層構造及びオペレータの前記階層構造に基づく設定表示画面の操作に基づいて、次に表示する設定表示画面を決定する第１方法と、金型を示す金型情報又は金型情報と紐付けされて記憶される成形条件情報と、オペレータの識別子、オペレータの属性、成形品を示す成形品情報、射出成形機の状態を示す成形機状態情報の少なくとも一つと、射出成形機を操作するためのオペレータの操作による設定表示画面の遷移履歴とに基づいて、次に表示する設定表示画面又はその候補を決定する第２方法との選択を受け付け、
第１方法を受け付けた場合、前記階層構造及びオペレータの操作に基づいて、次に表示する設定表示画面を決定して前記表示装置に表示し、
第２方法を受け付けた場合、オペレータの操作による設定表示画面の遷移履歴に基づいて、次に表示する設定表示画面又はその候補を決定して前記表示装置に表示する
射出成形機。 An injection molding machine that displays a setting display screen selected from a plurality of setting display screens on a display device,
Mold information indicating the mold or molding condition information stored in association with the mold information, an operator identifier, an attribute of the operator, molded product information indicating the molded product, and a molding machine status indicating the state of the injection molding machine. an acquisition unit that acquires at least one piece of information and a transition history of setting display screens caused by operator operations for operating the injection molding machine;
Indicates the acquired mold information indicating the mold or molding condition information stored in association with the mold information, operator identifier, operator attributes, molded product information indicating the molded product, and the state of the injection molding machine. a learning unit that learns a setting display screen to be displayed next based on at least one piece of molding machine status information and a transition history of a plurality of setting display screens ;
control unit and
Equipped with
The control unit includes:
A hierarchical structure for switching and displaying a plurality of setting display screens, and a first method for determining a setting display screen to be displayed next based on an operator's operation of a setting display screen based on the hierarchical structure, and a mold. At least one of mold information or molding condition information stored in association with the mold information, an operator identifier, operator attributes, molded product information indicating the molded product, and molding machine status information indicating the state of the injection molding machine. and a second method of determining the setting display screen to be displayed next or its candidate based on the transition history of the setting display screen due to operator operations for operating the injection molding machine,
If the first method is accepted, a setting display screen to be displayed next is determined based on the hierarchical structure and the operator's operation, and displayed on the display device;
If the second method is accepted, the setting display screen to be displayed next or its candidate is determined based on the transition history of the setting display screen due to operator operations, and is displayed on the display device.
Injection molding machine.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020059005A JP7384729B2 (en) | 2020-03-27 | 2020-03-27 | Computer programs, machine learning machines, information processing methods and injection molding machines |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020059005A JP7384729B2 (en) | 2020-03-27 | 2020-03-27 | Computer programs, machine learning machines, information processing methods and injection molding machines |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021154657A JP2021154657A (en) | 2021-10-07 |
| JP7384729B2 true JP7384729B2 (en) | 2023-11-21 |
Family
ID=77916625
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020059005A Active JP7384729B2 (en) | 2020-03-27 | 2020-03-27 | Computer programs, machine learning machines, information processing methods and injection molding machines |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7384729B2 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024057416A1 (en) * | 2022-09-13 | 2024-03-21 | ファナック株式会社 | Control device and control method |
| WO2024142401A1 (en) * | 2022-12-28 | 2024-07-04 | 三菱電機株式会社 | Numerical control device, training device, inference device, and operation screen display method for numerical control device |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003181899A (en) | 2001-12-19 | 2003-07-02 | Toyo Mach & Metal Co Ltd | Molding machine |
| JP2006281662A (en) | 2005-04-01 | 2006-10-19 | Nissei Plastics Ind Co | Controller device of injection molding machine |
| JP2008114403A (en) | 2006-11-01 | 2008-05-22 | Sumitomo Heavy Ind Ltd | Device and method for setting molding conditions |
| JP2019012492A (en) | 2017-07-03 | 2019-01-24 | ファナック株式会社 | Information processing apparatus and information processing system |
| JP2020044836A (en) | 2018-09-14 | 2020-03-26 | 株式会社名機製作所 | Injection molding machine, state notification system of injection molding machine, and state notification method of injection molding machine |
| JP2020104395A (en) | 2018-12-27 | 2020-07-09 | ファナック株式会社 | Display device of injection molding machine |
-
2020
- 2020-03-27 JP JP2020059005A patent/JP7384729B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003181899A (en) | 2001-12-19 | 2003-07-02 | Toyo Mach & Metal Co Ltd | Molding machine |
| JP2006281662A (en) | 2005-04-01 | 2006-10-19 | Nissei Plastics Ind Co | Controller device of injection molding machine |
| JP2008114403A (en) | 2006-11-01 | 2008-05-22 | Sumitomo Heavy Ind Ltd | Device and method for setting molding conditions |
| JP2019012492A (en) | 2017-07-03 | 2019-01-24 | ファナック株式会社 | Information processing apparatus and information processing system |
| JP2020044836A (en) | 2018-09-14 | 2020-03-26 | 株式会社名機製作所 | Injection molding machine, state notification system of injection molding machine, and state notification method of injection molding machine |
| JP2020104395A (en) | 2018-12-27 | 2020-07-09 | ファナック株式会社 | Display device of injection molding machine |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021154657A (en) | 2021-10-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109870903B (en) | Parameter optimization method, device and non-transitory computer readable medium | |
| Sahu et al. | Predicting software bugs of newly and large datasets through a unified neuro-fuzzy approach: Reliability perspective | |
| US8494798B2 (en) | Automated model building and batch model building for a manufacturing process, process monitoring, and fault detection | |
| US10949740B2 (en) | Machine learning device, numerical controller, machine tool system, manufacturing system, and machine learning method for learning display of operation menu | |
| JP7384729B2 (en) | Computer programs, machine learning machines, information processing methods and injection molding machines | |
| WO1989000726A1 (en) | Controller having deducing function | |
| JP7064356B2 (en) | Future state estimation device and future state estimation method | |
| KR20000053252A (en) | Computer based system for imaging and analysing an engineering object system and indicating values of specific design changes | |
| US20230046379A1 (en) | Factory Management Device, Factory Management Method, and Factory Management Program | |
| JP2010282547A (en) | Input variable selection support apparatus | |
| JP2021012593A (en) | System, method, and program | |
| CN111626827B (en) | Article recommendation method, device, equipment and medium based on sequence recommendation model | |
| US10845967B2 (en) | Display device for injection molding machine | |
| CN112904807B (en) | Industrial analysis system, method, and non-transitory computer readable medium | |
| WO2020053991A1 (en) | Manufacturing system design assistance apparatus | |
| JP2020112967A (en) | Data generation device, predictor learning device, data generation method, and learning method | |
| JP5447831B2 (en) | Diagnostic device and diagnostic method | |
| JP2000322445A (en) | Information retrieval system and recording medium recording program thereof | |
| JP2643295B2 (en) | Fuzzy control arithmetic unit and fuzzy inference method | |
| CN115769194A (en) | Automatic data linking across datasets | |
| JP2022045731A (en) | Information processing device, information processing system and information processing method | |
| CN106027278A (en) | Command generation method and information processing apparatus | |
| JP2020074177A (en) | Machine learning device for learning display of operation menu, numerical control device, machine tool system, manufacturing system, and machine learning method | |
| KR102552115B1 (en) | Recording medium storing general purpose machine learning program | |
| KR102576664B1 (en) | Method for building prototype of graphical user interface and system thereof |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20200529 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200529 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221003 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230719 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230919 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231031 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231109 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7384729 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |