ホーム > 特許ランキング > 株式会社ケミトックス
特開2022-29295樹脂成形システム、成形条件算出装置、樹脂成形方法および樹脂成形プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022029295
(43)【公開日】2022-02-17
(54)【発明の名称】樹脂成形システム、成形条件算出装置、樹脂成形方法および樹脂成形プログラム
(51)【国際特許分類】
B29C 45/76 20060101AFI20220209BHJP
B29C 45/77 20060101ALI20220209BHJP
【ＦＩ】
B29C45/76
B29C45/77
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2020132564
(22)【出願日】2020-08-04
(71)【出願人】
【識別番号】514301727
【氏名又は名称】株式会社ケミトックス
(74)【代理人】
【識別番号】100089875
【弁理士】
【氏名又は名称】野田 茂
(72)【発明者】
【氏名】神谷 裕二
【テーマコード（参考）】
4F206
【Ｆターム（参考）】
4F206AM23
4F206AR03
4F206AR082
4F206AR11
4F206JA07
4F206JL09
4F206JM04
4F206JM05
4F206JP17
4F206JP30
(57)【要約】 （修正有）
【課題】任意の仕様の樹脂成形物の成形条件をより効率的に得る、樹脂成形システム、成形条件算出装置、樹脂成形方法および樹脂成形プログラムの提供。
【解決手段】樹脂成形装置１２は、加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する。成形条件算出装置１４は、成形条件設定値の一部を含む入力データと、入力データ以外の成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習部１４０と、学習済みニューラルネットワーク１４２に対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出部１４４とを備える。入力データは、樹脂成形物の寸法と、樹脂成形物の材料名と、樹脂の加熱時の温度条件とを含み、出力データは、キャビティへの樹脂の注入条件、樹脂の充填量、樹脂の注入後の冷却時間とを含む。
【選択図】図１
【解決手段】樹脂成形装置１２は、加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する。成形条件算出装置１４は、成形条件設定値の一部を含む入力データと、入力データ以外の成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習部１４０と、学習済みニューラルネットワーク１４２に対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出部１４４とを備える。入力データは、樹脂成形物の寸法と、樹脂成形物の材料名と、樹脂の加熱時の温度条件とを含み、出力データは、キャビティへの樹脂の注入条件、樹脂の充填量、樹脂の注入後の冷却時間とを含む。
【選択図】図１
【特許請求の範囲】
【請求項1】
加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する樹脂成形装置と、前記樹脂成形装置における成形条件設定値を算出する成形条件算出装置と、を備える樹脂成形システムであって、
前記成形条件算出装置は、
前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習部と、
学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出部と、を備え、
前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、
前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、
ことを特徴とする樹脂成形システム。
前記成形条件算出装置は、
前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習部と、
学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出部と、を備え、
前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、
前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、
ことを特徴とする樹脂成形システム。
【請求項2】
前記樹脂成形装置は、前記キャビティを形成する固定側金型および移動側金型と、前記樹脂を加熱溶解するシリンダと、前記シリンダの先端に設けられ前記シリンダと前記固定側金型とを接続するノズルと、前記シリンダ内の前記樹脂を前記キャビティ方向に押し出すスクリューと、前記シリンダ内に前記樹脂のペレットを投入するホッパーを備え、
前記入力データの前記温度条件は、前記固定側金型の温度と、前記移動側金型の温度と、前記ノズルの温度と、前記シリンダの温度と、前記ホッパーに投入される前記ペレットの乾燥温度および乾燥時間とを含む、
ことを特徴とする請求項１記載の樹脂成形システム。
前記入力データの前記温度条件は、前記固定側金型の温度と、前記移動側金型の温度と、前記ノズルの温度と、前記シリンダの温度と、前記ホッパーに投入される前記ペレットの乾燥温度および乾燥時間とを含む、
ことを特徴とする請求項１記載の樹脂成形システム。
【請求項3】
前記シリンダは、延在方向に沿った複数の領域毎に温度を変更可能であり、
前記入力データの前記シリンダの温度は、前記複数の領域毎に設定されている、
ことを特徴とする請求項２記載の樹脂成形システム。
前記入力データの前記シリンダの温度は、前記複数の領域毎に設定されている、
ことを特徴とする請求項２記載の樹脂成形システム。
【請求項4】
前記入力データは、前記樹脂成形物の成形数と、前記樹脂成形装置の種類と、前記キャビティ内への前記樹脂の注入口であるゲートの位置とを更に含む、
ことを特徴とする請求項２または３記載の樹脂成形システム。
ことを特徴とする請求項２または３記載の樹脂成形システム。
【請求項5】
前記出力データの前記注入条件は、前記キャビティへの前記樹脂の射出圧設定値と、前記樹脂の射出速度と、前記樹脂の射出時間と、前記樹脂の注入中における前記スクリューの回転数と、前記樹脂の注入後における前記スクリューの保持圧である背圧とを含む、
ことを特徴とする請求項２から４のいずれか１項記載の樹脂成形システム。
ことを特徴とする請求項２から４のいずれか１項記載の樹脂成形システム。
【請求項6】
前記樹脂の射出圧は、射出開始からの経過時間に基づいて複数段に変更可能であり、
前記出力データの前記射出圧設定値は、前記射出開始からの経過時間に基づいて複数段に設定されており、
前記出力データは、前記射出圧設定値の切り替えタイミングを前記スクリューの位置によって規定する保圧切替位置を更に含む、
ことを特徴とする請求項５項記載の樹脂成形システム。
前記出力データの前記射出圧設定値は、前記射出開始からの経過時間に基づいて複数段に設定されており、
前記出力データは、前記射出圧設定値の切り替えタイミングを前記スクリューの位置によって規定する保圧切替位置を更に含む、
ことを特徴とする請求項５項記載の樹脂成形システム。
【請求項7】
前記樹脂成形物は、樹脂材料評価試験に用いるテストサンプルである、
ことを特徴とする請求項１から６のいずれか１項記載の樹脂成形システム。
ことを特徴とする請求項１から６のいずれか１項記載の樹脂成形システム。
【請求項8】
加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する樹脂成形装置における成形条件設定値を算出する成形条件算出装置であって、
前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習部と、
学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出部と、を備え、
前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、
前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、
ことを特徴とする成形条件算出装置。
前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習部と、
学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出部と、を備え、
前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、
前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、
ことを特徴とする成形条件算出装置。
【請求項9】
加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する樹脂成形装置を用いた樹脂成形方法であって、
前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習ステップと、
学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出ステップと、を含み、
前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、
前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、
ことを特徴とする樹脂成形方法。
前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習ステップと、
学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出ステップと、を含み、
前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、
前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、
ことを特徴とする樹脂成形方法。
【請求項10】
前記今回成形物に対応する出力データに基づいて前記樹脂成形装置を制御し、前記今回成形物を成形する装置制御ステップを更に含む、
ことを特徴とする請求項８記載の樹脂成形方法。
ことを特徴とする請求項８記載の樹脂成形方法。
【請求項11】
請求項９または請求項１０に記載の樹脂成形方法をコンピュータに実行させることを特徴とする樹脂成形プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、樹脂成形システム、成形条件算出装置、樹脂成形方法および樹脂成形プログラムに関する。
【背景技術】
【0002】
従来、樹脂成形物の成形方法の一例として、加熱溶解した樹脂を金型に注入し冷却する射出成形方式の樹脂成形装置（以下単に「樹脂成形装置」という）が知られている。
例えば、下記特許文献１は、樹脂成形装置における樹脂温度検出装置であり、樹脂流路を有するノズル部での樹脂流路の内径が最小となる部分である先端部の近傍である感熱位置に温度センサの感熱部が配置されることにより、金型へ射出される樹脂の温度を高精度に検出することを可能としている。
例えば、下記特許文献１は、樹脂成形装置における樹脂温度検出装置であり、樹脂流路を有するノズル部での樹脂流路の内径が最小となる部分である先端部の近傍である感熱位置に温度センサの感熱部が配置されることにより、金型へ射出される樹脂の温度を高精度に検出することを可能としている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１９－０９８６３０号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
樹脂成形装置では、移動側金型と固定側金型を嵌合させてキャビティ（空洞部）を形成する型締め工程、シリンダ内のスクリューを前進させてスクリュー前方に溜まった溶解樹脂をキャビティ内に射出する射出工程、圧力を所定時間保つ保圧工程、金型内に充填された樹脂が冷却されて固まるまで冷却する冷却工程、移動側金型を固定側金型に対して移動させて嵌合を解除する型開き工程、金型から樹脂成形物を取り出す取り出し工程等が実施される。
この時、必要とする成形品を得るために樹脂成形装置のシリンダ温度や射出速度、金型温度などの各種パラメータ（以下「成形条件」という）が設定されるが、その組み合わせは無数に存在する。
この時、必要とする成形品を得るために樹脂成形装置のシリンダ温度や射出速度、金型温度などの各種パラメータ（以下「成形条件」という）が設定されるが、その組み合わせは無数に存在する。
【0005】
一般に、要求される仕様（外観や寸法、機械的物性等）を有する樹脂成形物を得るために最適な成形条件は、習熟した技術と経験を有する技術者によって設定されている。より詳細には、技術者が成形の試し打ちを繰り返し、ヒケ、ウェルドライン、ボイド、反りおよびオーバーパッキングなどの成形の不具合をできる限り抑制可能な成形条件を選定している。一方で、試し打ちを行う度にコストがかさむため、試し打ちの回数はできる限り少なくする事が望まれる。
【0006】
本発明は、このような事情に鑑みなされたものであり、その目的は、任意の仕様の樹脂成形物の成形条件をより効率的に得ることができる樹脂成形システム、成形条件算出装置、樹脂成形方法および樹脂成形プログラムを提供することにある。
【課題を解決するための手段】
【0007】
上述の目的を達成するため、本発明にかかる樹脂成形システムは、加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する樹脂成形装置と、前記樹脂成形装置における成形条件設定値を算出する成形条件算出装置と、を備える樹脂成形システムであって、前記成形条件算出装置は、前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習部と、学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出部と、を備え、前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、ことを特徴とする。
また、本発明にかかる樹脂成形システムは、前記樹脂成形装置は、前記キャビティを形成する固定側金型および移動側金型と、前記樹脂を加熱溶解するシリンダと、前記シリンダの先端に設けられ前記シリンダと前記固定側金型とを接続するノズルと、前記シリンダ内の前記樹脂を前記キャビティ方向に押し出すスクリューと、前記シリンダ内に前記樹脂のペレットを投入するホッパーを備え、前記入力データの前記温度条件は、前記固定側金型の温度と、前記移動側金型の温度と、前記ノズルの温度と、前記シリンダの温度と、前記ホッパーに投入される前記ペレットの乾燥温度および乾燥時間とを含む、ことを特徴とする。
また、本発明にかかる樹脂成形システムは、前記シリンダは、延在方向に沿った複数の領域毎に温度を変更可能であり、前記入力データの前記シリンダの温度は、前記複数の領域毎に設定されている、ことを特徴とする。
また、本発明にかかる樹脂成形システムは、前記入力データは、前記樹脂成形物の成形数と、前記樹脂成形装置の種類と、前記キャビティ内への前記樹脂の注入口であるゲートの位置とを更に含む、ことを特徴とする。
また、本発明にかかる樹脂成形システムは、前記出力データの前記注入条件は、前記キャビティへの前記樹脂の射出圧設定値と、前記樹脂の射出速度と、前記樹脂の射出時間と、前記樹脂の注入中における前記スクリューの回転数と、前記樹脂の注入後における前記スクリューの保持圧である背圧とを含む、ことを特徴とする。
また、本発明にかかる樹脂成形システムは、前記樹脂の射出圧は、射出開始からの経過時間に基づいて複数段に変更可能であり、前記出力データの前記射出圧設定値は、前記射出開始からの経過時間に基づいて複数段に設定されており、前記出力データは、前記射出圧設定値の切り替えタイミングを前記スクリューの位置によって規定する保圧切替位置を更に含む、ことを特徴とする。
また、本発明にかかる成形条件算出装置は、加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する樹脂成形装置における成形条件設定値を算出する成形条件算出装置であって、前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習部と、学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出部と、を備え、前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、
ことを特徴とする。
また、本発明にかかる樹脂成形方法は、加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する樹脂成形装置を用いた樹脂成形方法であって、前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習ステップと、学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出ステップと、を含み、前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、ことを特徴とする。
また、本発明にかかる樹脂成形方法は、前記今回成形物に対応する出力データに基づいて前記樹脂成形装置を制御し、前記今回成形物を成形する装置制御ステップを更に含む、ことを特徴とする。
また、本発明にかかる樹脂成形プログラムは、上記記載の樹脂成形方法をコンピュータに実行させることを特徴とする。
また、本発明にかかる樹脂成形システムは、前記樹脂成形装置は、前記キャビティを形成する固定側金型および移動側金型と、前記樹脂を加熱溶解するシリンダと、前記シリンダの先端に設けられ前記シリンダと前記固定側金型とを接続するノズルと、前記シリンダ内の前記樹脂を前記キャビティ方向に押し出すスクリューと、前記シリンダ内に前記樹脂のペレットを投入するホッパーを備え、前記入力データの前記温度条件は、前記固定側金型の温度と、前記移動側金型の温度と、前記ノズルの温度と、前記シリンダの温度と、前記ホッパーに投入される前記ペレットの乾燥温度および乾燥時間とを含む、ことを特徴とする。
また、本発明にかかる樹脂成形システムは、前記シリンダは、延在方向に沿った複数の領域毎に温度を変更可能であり、前記入力データの前記シリンダの温度は、前記複数の領域毎に設定されている、ことを特徴とする。
また、本発明にかかる樹脂成形システムは、前記入力データは、前記樹脂成形物の成形数と、前記樹脂成形装置の種類と、前記キャビティ内への前記樹脂の注入口であるゲートの位置とを更に含む、ことを特徴とする。
また、本発明にかかる樹脂成形システムは、前記出力データの前記注入条件は、前記キャビティへの前記樹脂の射出圧設定値と、前記樹脂の射出速度と、前記樹脂の射出時間と、前記樹脂の注入中における前記スクリューの回転数と、前記樹脂の注入後における前記スクリューの保持圧である背圧とを含む、ことを特徴とする。
また、本発明にかかる樹脂成形システムは、前記樹脂の射出圧は、射出開始からの経過時間に基づいて複数段に変更可能であり、前記出力データの前記射出圧設定値は、前記射出開始からの経過時間に基づいて複数段に設定されており、前記出力データは、前記射出圧設定値の切り替えタイミングを前記スクリューの位置によって規定する保圧切替位置を更に含む、ことを特徴とする。
また、本発明にかかる成形条件算出装置は、加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する樹脂成形装置における成形条件設定値を算出する成形条件算出装置であって、前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習部と、学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出部と、を備え、前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、
ことを特徴とする。
また、本発明にかかる樹脂成形方法は、加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する樹脂成形装置を用いた樹脂成形方法であって、前記成形条件設定値の一部を含む入力データと前記入力データ以外の前記成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる学習ステップと、学習済みの前記ニューラルネットワークに対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する算出ステップと、を含み、前記入力データは、前記樹脂成形物の寸法と、前記樹脂成形物の材料名と、前記樹脂の加熱時の温度条件とを含み、前記出力データは、前記キャビティへの前記樹脂の注入条件、前記樹脂の充填量、前記樹脂の注入後の冷却時間とを含む、ことを特徴とする。
また、本発明にかかる樹脂成形方法は、前記今回成形物に対応する出力データに基づいて前記樹脂成形装置を制御し、前記今回成形物を成形する装置制御ステップを更に含む、ことを特徴とする。
また、本発明にかかる樹脂成形プログラムは、上記記載の樹脂成形方法をコンピュータに実行させることを特徴とする。
【発明の効果】
【0008】
本発明によれば、学習済みニューラルネットワークを用いて成形条件設定値（より詳細には出力データに含まれる成形条件設定値）を算出するので、より短期間で適切な成形条件設定値を得ることができ、樹脂成形作業の効率を向上させ、コストを低減する上で有利となる。
また、本発明では、入力データとして樹脂成形物の材料名のみを用いており、当該材料の物性や特性の情報を用いることなく樹脂成形物の成形条件を得ることができ、樹脂成形作業の効率を向上させる上で有利となる。
また、本発明では、入力データとして樹脂成形物の材料名のみを用いており、当該材料の物性や特性の情報を用いることなく樹脂成形物の成形条件を得ることができ、樹脂成形作業の効率を向上させる上で有利となる。
【図面の簡単な説明】
【0009】
【図1】樹脂成形システムの構成を示すブロック図である。
【図2】樹脂成形装置の構成を示す図である。
【図3】入力データおよび出力データのデータ構成を示す図である。
【図4】樹脂形成物の形状を示す図である。
【図5】ゲート位置の種類を示す図である。
【図6】射出工程における射出圧の変化を示す図である。
【図7】本実施の形態で採用したニューラルネットワークを模式的に示す図である。
【図8】各ノードの動作を模式的に示す図である。
【図9】活性化関数を示すグラフである。
【図10】学習部での学習結果の評価結果を示す第１の表である。
【図11】学習部での学習結果の評価結果を示す第２の表である。
【図12】実際値と予測値との相関を示すグラフである。
【図13】本発明と比較例との予測結果の正解率を示す表である。
【図14】実際値と予測値との差分の二乗誤差の総和を示すグラフである。
【図15】実際値と予測値との差分の二乗誤差の総和を示すグラフである。
【図16】変数ｘの変化量Δｘを示すグラフである。
【図17】変数ｘの変化量Δｘを示すグラフである。
【発明を実施するための形態】
【0010】
以下に添付図面を参照して、本発明にかかる樹脂成形システム、成形条件算出装置、樹脂成形方法および樹脂成形プログラムの好適な実施の形態を詳細に説明する。
本実施の形態では、樹脂成形装置を用いて樹脂（プラスチック）材料評価試験に用いるテストサンプルを主に成形する場合について説明する。
本実施の形態では、樹脂成形装置を用いて樹脂（プラスチック）材料評価試験に用いるテストサンプルを主に成形する場合について説明する。
【0011】
図１は、実施の形態にかかる樹脂成形システムの構成を示すブロック図である。
実施の形態にかかる樹脂成形システム１０は、樹脂成形装置１２および成形条件算出装置１４を備える。
樹脂成形装置１２は、加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する。また、成形条件算出装置１４は、樹脂成形装置１２における成形条件設定値を算出する。なお、図１には成形条件算出装置１４の機能的構成を示している。
実施の形態にかかる樹脂成形システム１０は、樹脂成形装置１２および成形条件算出装置１４を備える。
樹脂成形装置１２は、加熱溶解した樹脂を金型のキャビティに射出注入し冷却することにより樹脂成形物を成形する。また、成形条件算出装置１４は、樹脂成形装置１２における成形条件設定値を算出する。なお、図１には成形条件算出装置１４の機能的構成を示している。
【0012】
【0013】
金型１２０，１２２は、樹脂材料を樹脂成形物の形状に成形するために射出注入する金属製の型である。金型１２０，１２２は、固定側金型１２０と移動側金型１２２とを有し、これら２つの金型１２０，１２２が嵌合することによって形成されるキャビティ（空洞部）１２０２に樹脂材料が注入されることによって樹脂材料の成形がなされる。
金型１２０，１２２は、樹脂成形物の形状に合わせて交換が可能である。
金型１２０，１２２には、図示しない加熱部（加熱流体流路やヒーター等）が設けられており、それぞれ個別に温度管理されている。
金型１２０，１２２は、樹脂成形物の形状に合わせて交換が可能である。
金型１２０，１２２には、図示しない加熱部（加熱流体流路やヒーター等）が設けられており、それぞれ個別に温度管理されている。
【0014】
固定側金型１２０は、図示しない支持機構により移動側金型１２２に対して移動不能に支持されている。固定側金型１２０は、一方の表面１２０Ａに射出ユニット１２４が位置し、他方の表面１２０Ｂにキャビティ１２０２が位置する。表面１２０Ａ－１２０Ｂ間は、ゲート１２０４によって連通されている。ゲート１２０４は、射出ユニット１２４から供給される樹脂材料の流路である。
【0015】
移動側金型１２２は、型締めユニット１２６により固定側金型１２０に対して移動可能に支持されている。移動側金型１２２は、一方の表面１２２Ａに型締めユニット１２６が位置し、他方の表面１２２Ｂにキャビティ１２０２が位置する。表面１２２Ａ－１２２Ｂ間には、インジェクタピン１２０６が貫通している。インジェクタピン１２０６は、インジェクタピン駆動機構１２０８により他方の表面１２２Ｂから突出するように移動可能であり、成形後の樹脂成形物はインジェクタピン１２０６から押されることにより金型１２０，１２２から外れるように構成されている。
【0016】
型締めユニット１２６は、アーム１２６０とアクチュエータ１２６２とを備える。
アーム１２６０は、移動側金型１２２を支持するとともに、複数のヒンジを介してアクチュエータ１２６２と接続されている。
アクチュエータ１２６２は、アーム１２６０を固定側金型１２０と反対側（紙面左側）に移動させることにより、移動側金型１２２と固定側金型１２０との嵌合を解除する。
アーム１２６０は、移動側金型１２２を支持するとともに、複数のヒンジを介してアクチュエータ１２６２と接続されている。
アクチュエータ１２６２は、アーム１２６０を固定側金型１２０と反対側（紙面左側）に移動させることにより、移動側金型１２２と固定側金型１２０との嵌合を解除する。
【0017】
射出ユニット１２４は、シリンダ１２４０と、ノズル１２４２と、ホッパー１２４４と、スクリュー１２４６と、モータ１２４８とを備える。
シリンダ１２４０は、円筒形の部材であり、内部にスクリュー１２４６を収容する。シリンダ１２４０の周囲にはヒーター１２４９が設けられており、シリンダ１２４０内の樹脂材料を加熱可能となっている。
シリンダ１２４０は、円筒形の部材であり、内部にスクリュー１２４６を収容する。シリンダ１２４０の周囲にはヒーター１２４９が設けられており、シリンダ１２４０内の樹脂材料を加熱可能となっている。
【0018】
本実施の形態では、ヒーター１２４９はシリンダ１２４０の延在方向に間隔を置いて複数設けられており、複数のヒーター１２４９の温度を調整することによってシリンダ１２４０の部位（例えばノズル１２４２に近い順に前部Ｃ１、中部Ｃ２、後部Ｃ３）毎に温度を調整可能としている。すなわち、シリンダ１２４０は、延在方向に沿った複数の領域毎に温度を変更可能である。
【0019】
ノズル１２４２は、シリンダ１２４０の先端に位置し、シリンダ１２４０より直径が小さい部分である。ノズル１２４２の先端は開口１２４２Ａとなっており、この開口１２４２Ａが固定側金型１２０のゲート１２０４に接続する。なお、図示は省略するが、ノズル１２４２の周囲にもヒーター１２４９が設けられており、ノズル１２４２部分の温度調整が可能となっている。
【0020】
ホッパー１２４４は、樹脂材料のペレットＰが投入される投入口である。ホッパー１２４４は、シリンダ１２４０のノズル１２４２から離れた位置にある開口１２４０Ａに接続されており、ホッパー１２４４内に投入されたペレットＰは開口１２４０Ａからシリンダ１２４０内に投入される。シリンダ１２４０内に投入されたペレットＰは、シリンダ１２４０内の熱により溶解し、溶解樹脂Ｍとなる。
なお、多くの場合、ペレットＰは大気中の水分を吸湿しており、この状態で射出成形加工すると、樹脂材料の種類によっては加水分解を発生したり、物性が低下したりする場合がある。そこで、ペレットＰを乾燥炉で予備乾燥させてからホッパー１２４４に投入している。
なお、多くの場合、ペレットＰは大気中の水分を吸湿しており、この状態で射出成形加工すると、樹脂材料の種類によっては加水分解を発生したり、物性が低下したりする場合がある。そこで、ペレットＰを乾燥炉で予備乾燥させてからホッパー１２４４に投入している。
【0021】
スクリュー１２４６は、シリンダ１２４０の延在方向に延びるスクリュー軸１２４６Ａと、スクリュー軸１２４６Ａの周囲に位置するブレード１２４６Ｂを備える。
モータ１２４８は、スクリュー１２４６（より詳細にはスクリュー軸１２４６Ａ）を回転させるとともに、シリンダ１２４０の延在方向に沿ってスクリュー１２４６を移動させる。モータ１２４８によってスクリュー１２４６を回転および移動させることによって、シリンダ１２４０内の溶解樹脂Ｍを固定側金型１２０内に注入することが可能となる。
モータ１２４８は、スクリュー１２４６（より詳細にはスクリュー軸１２４６Ａ）を回転させるとともに、シリンダ１２４０の延在方向に沿ってスクリュー１２４６を移動させる。モータ１２４８によってスクリュー１２４６を回転および移動させることによって、シリンダ１２４０内の溶解樹脂Ｍを固定側金型１２０内に注入することが可能となる。
【0022】
すなわち、樹脂成形装置１２は、キャビティ１２０２を形成する固定側金型１２０および移動側金型１２２と、樹脂を加熱溶解するシリンダ１２４０と、シリンダ１２４０の先端に設けられシリンダ１２４０と固定側金型１２０とを接続するノズル１２４２と、シリンダ１２４０内の樹脂をキャビティ１２０２方向に押し出すスクリュー１２４６と、シリンダ１２４０内に樹脂のペレットＰを投入するホッパー１２４４とを備える。
【0023】
図２を用いて、樹脂成形装置１２による樹脂成形手順について説明する。
図２Ａに示す初期状態では、金型１２０，１２２は嵌合し、キャビティ１２０２は空となっている。ホッパー１２４４からシリンダ１２４０内に投入されたペレットＰは、シリンダ１２４０内の熱により溶解し、溶解樹脂Ｍとしてシリンダ１２４０の先端部分に貯留している。
次に、図２Ｂに示すように、スクリュー１２４６を回転させながらノズル１２４２方向に移動させることにより、所定量の溶解樹脂Ｍを金型１２０，１２２内のキャビティ１２０２に注入する。溶解樹脂Ｍを注入後、所定の冷却時間経過すると、溶解樹脂Ｍが硬化し樹脂成形物Ｆが成形される。
つづいて、図２Ｃに示すように、型締めユニット１２６のアクチュエータ１２６２を作動させ、移動側金型１２２を移動させることにより、移動側金型１２２と固定側金型１２０との嵌合を解除する。その後、インジェクタピン駆動機構１２０８によりインジェクタピン１２０６をキャビティ１２０２側に押し出すことにより、移動側金型１２２から樹脂成形物Ｆを取り外す。
図２Ａに示す初期状態では、金型１２０，１２２は嵌合し、キャビティ１２０２は空となっている。ホッパー１２４４からシリンダ１２４０内に投入されたペレットＰは、シリンダ１２４０内の熱により溶解し、溶解樹脂Ｍとしてシリンダ１２４０の先端部分に貯留している。
次に、図２Ｂに示すように、スクリュー１２４６を回転させながらノズル１２４２方向に移動させることにより、所定量の溶解樹脂Ｍを金型１２０，１２２内のキャビティ１２０２に注入する。溶解樹脂Ｍを注入後、所定の冷却時間経過すると、溶解樹脂Ｍが硬化し樹脂成形物Ｆが成形される。
つづいて、図２Ｃに示すように、型締めユニット１２６のアクチュエータ１２６２を作動させ、移動側金型１２２を移動させることにより、移動側金型１２２と固定側金型１２０との嵌合を解除する。その後、インジェクタピン駆動機構１２０８によりインジェクタピン１２０６をキャビティ１２０２側に押し出すことにより、移動側金型１２２から樹脂成形物Ｆを取り外す。
【0024】
図１の説明に戻り、成形条件算出装置１４は、ＣＰＵ、制御プログラムなどを格納・記憶するＲＯＭ、制御プログラムの作動領域としてのＲＡＭ、各種データを書き換え可能に保持するＥＥＰＲＯＭ、周辺回路等とのインターフェースをとるインターフェース部などを含んで構成されるコンピュータである。
【0025】
成形条件算出装置１４は、上記ＣＰＵが上記制御プログラムを実行することにより、学習部１４０および算出部１４４として機能する。
なお、図１では成形条件算出装置１４を１台の装置として図示しているが、学習部１４０および算出部１４４を別個のコンピュータに配置してもよい。
なお、図１では成形条件算出装置１４を１台の装置として図示しているが、学習部１４０および算出部１４４を別個のコンピュータに配置してもよい。
【0026】
学習部１４０は、樹脂成形装置１２における成形条件設定値の一部を含む入力データと、入力データ以外の成形条件設定値を含む出力データとのセットを教師データとして用いてニューラルネットワークに学習させる。成形条件設定値とは、樹脂成形装置１２のシリンダ温度や射出速度、金型温度などの各種パラメータの設定値であり、具体的な項目は詳細する。
教師データは、例えば過去に作成した樹脂成形物Ｆの成形条件設定値のデータを用いる。
学習部１４０で学習を行ったニューラルネットワークは、学習済みニューラルネットワーク１４２として上記ＲＯＭ等の記憶装置に記憶される。
教師データは、例えば過去に作成した樹脂成形物Ｆの成形条件設定値のデータを用いる。
学習部１４０で学習を行ったニューラルネットワークは、学習済みニューラルネットワーク１４２として上記ＲＯＭ等の記憶装置に記憶される。
【0027】
算出部１４４は、学習済みのニューラルネットワーク（学習済みニューラルネットワーク１４２）に対して今回成形物の入力データを入力し、当該今回成形物に対応する出力データを算出する。今回成形物とは、例えば新規に作成を依頼された樹脂成形物であり、出力データに対応する成形条件設定値が未知の樹脂成形物である。
算出部１４４で今回成形物に対応する出力データが算出されると、例えば作業者が当該出力データに基づいて樹脂成形装置１２に対して成形条件の設定を行い、今回成形物を成形する。
算出部１４４で今回成形物に対応する出力データが算出されると、例えば作業者が当該出力データに基づいて樹脂成形装置１２に対して成形条件の設定を行い、今回成形物を成形する。
【0028】
なお、算出部１４４で算出された今回成形物に対応する出力データに基づいて樹脂成形装置１２を制御する装置制御部を更に設けてもよい。すなわち、装置制御部は、上記作業者による樹脂成形装置１２への成形条件の設定に代えて、自動で樹脂成形装置１２への成形条件の設定を行い、今回成形物の成形を行わせる。装置制御部は、例えば成形条件算出装置１４を構成するコンピュータの一機能として設けてもよいし、樹脂成形装置１２の一機能として設けてもよい。
【0029】
つぎに、成形条件算出装置１４における学習処理の詳細について説明する。
図３は、入力データおよび出力データのデータ構成を示す図である。
本実施の形態では、入力データとして、樹脂成形物Ｆの厚さＤｉ１、樹脂成形物Ｆの材料名Ｄｉ２、成形機種（樹脂成形装置１２の種類）Ｄｉ３、固定側金型温度Ｄｉ４、移動側金型温度Ｄｉ５、ノズル温度Ｄｉ６、シリンダ前部温度Ｄｉ７、シリンダ中部温度Ｄｉ８、シリンダ後部温度Ｄｉ９、ゲート位置Ｄｉ１０、樹脂成形物ＦのサイズＤｉ１１、成形数Ｄｉ１２、材料乾燥温度Ｄｉ１３、材料乾燥時間Ｄｉ１４を入力する。
図３は、入力データおよび出力データのデータ構成を示す図である。
本実施の形態では、入力データとして、樹脂成形物Ｆの厚さＤｉ１、樹脂成形物Ｆの材料名Ｄｉ２、成形機種（樹脂成形装置１２の種類）Ｄｉ３、固定側金型温度Ｄｉ４、移動側金型温度Ｄｉ５、ノズル温度Ｄｉ６、シリンダ前部温度Ｄｉ７、シリンダ中部温度Ｄｉ８、シリンダ後部温度Ｄｉ９、ゲート位置Ｄｉ１０、樹脂成形物ＦのサイズＤｉ１１、成形数Ｄｉ１２、材料乾燥温度Ｄｉ１３、材料乾燥時間Ｄｉ１４を入力する。
【0030】
また、本実施の形態では、出力データとして、樹脂材料の一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３、射出速度Ｄｏ４、材料充填量Ｄｏ５、保圧切替位置Ｄｏ６、背圧Ｄｏ７、スクリュー回転数Ｄｏ８、射出時間Ｄｏ９、冷却時間Ｄｏ１０を出力する。
【0031】
以下、入力データＤｉ１～Ｄｉ１４および出力データＤｏ１～Ｄｏ１０の詳細について説明する。
入力データＤｉ１～Ｄｉ１４は、一般に樹脂成形物Ｆの製造依頼者（樹脂成形物Ｆの製造者の顧客）が指定するデータである。
入力データＤｉ１～Ｄｉ１４の入力は、例えば入力データＤｉ１～Ｄｉ１４の各項目のリストに対して今回指定する数値を入力することによって行う。
入力データＤｉ１～Ｄｉ１４は、一般に樹脂成形物Ｆの製造依頼者（樹脂成形物Ｆの製造者の顧客）が指定するデータである。
入力データＤｉ１～Ｄｉ１４の入力は、例えば入力データＤｉ１～Ｄｉ１４の各項目のリストに対して今回指定する数値を入力することによって行う。
【0032】
樹脂成形物Ｆの厚さＤｉ１：
樹脂成形物Ｆは、例えば図４に示すように板状に形成される。樹脂成形物Ｆの厚さＤｉ１は、板状の樹脂成形物Ｆの一方の表面から他方の表面までの距離であり、本実施の形態では単位をｍｍとし、樹脂成形物Ｆの厚さに対応する数値を入力する。
樹脂成形物Ｆは、例えば図４に示すように板状に形成される。樹脂成形物Ｆの厚さＤｉ１は、板状の樹脂成形物Ｆの一方の表面から他方の表面までの距離であり、本実施の形態では単位をｍｍとし、樹脂成形物Ｆの厚さに対応する数値を入力する。
【0033】
なお、図４には各種性能試験用のテストサンプルの形状の一例を図示している。
図４Ａに示すのは燃焼性試験用のバーサンプルであり、底面が１２５ｍｍ×１３ｍｍの長方形を呈している。図４Ａに示すバーサンプルは、燃焼性試験（（ＵＬ９４等）の他、大電流アーク発火試験（ＨＡＩ）、曲げ強さ試験（ＦＳ）、シャルピー衝撃試験（ＣＩ）などでも使用される。
図４Ｂに示すのは、直径１００ｍｍの円板型テストサンプルであり、絶縁破壊試験
（ＤＳ）、体積抵抗／表面抵抗試験（ＶＲ／ＳＲ）、耐トラッキング性試験（ＣＴＩ）などで用いられる。
図４Ｃに示すのは、引張試験や引張衝撃試験等に用いられるダンベル型サンプルであり、中央部の幅が両端部の幅と比較して小さくなっている。
図４Ａに示すのは燃焼性試験用のバーサンプルであり、底面が１２５ｍｍ×１３ｍｍの長方形を呈している。図４Ａに示すバーサンプルは、燃焼性試験（（ＵＬ９４等）の他、大電流アーク発火試験（ＨＡＩ）、曲げ強さ試験（ＦＳ）、シャルピー衝撃試験（ＣＩ）などでも使用される。
図４Ｂに示すのは、直径１００ｍｍの円板型テストサンプルであり、絶縁破壊試験
（ＤＳ）、体積抵抗／表面抵抗試験（ＶＲ／ＳＲ）、耐トラッキング性試験（ＣＴＩ）などで用いられる。
図４Ｃに示すのは、引張試験や引張衝撃試験等に用いられるダンベル型サンプルであり、中央部の幅が両端部の幅と比較して小さくなっている。
【0034】
樹脂成形物Ｆの材料名Ｄｉ２：
樹脂成形物Ｆの材料名Ｄｉ２は、ＡＢＳ（Ａｃｒｙｌｏｎｉｔｒｉｌｅ ｂｕｔａｄｉｅｎｅ ｓｔｙｒｅｎｅ）、ＰＰＳ（Ｐｏｌｙ Ｐｈｅｎｙｌｅｎｅ Ｓｕｌｆｉｄｅ）、ＰＰ（ｐｏｌｙｐｒｏｐｙｌｅｎｅ）など、樹脂成形物Ｆを形成する際に用いる材料の化学名称を示す。
本実施の形態では、入力データの材料名Ｄｉ２の項目は２９種類の材料名のリストとなっており、リスト中、樹脂成形物Ｆに用いる材料の欄には１を、それ以外の材料の欄には０を入力する。
樹脂成形物Ｆの材料名Ｄｉ２は、ＡＢＳ（Ａｃｒｙｌｏｎｉｔｒｉｌｅ ｂｕｔａｄｉｅｎｅ ｓｔｙｒｅｎｅ）、ＰＰＳ（Ｐｏｌｙ Ｐｈｅｎｙｌｅｎｅ Ｓｕｌｆｉｄｅ）、ＰＰ（ｐｏｌｙｐｒｏｐｙｌｅｎｅ）など、樹脂成形物Ｆを形成する際に用いる材料の化学名称を示す。
本実施の形態では、入力データの材料名Ｄｉ２の項目は２９種類の材料名のリストとなっており、リスト中、樹脂成形物Ｆに用いる材料の欄には１を、それ以外の材料の欄には０を入力する。
【0035】
成形機種（樹脂成形装置１２の種類）Ｄｉ３：
一般に、樹脂成形物Ｆの製造者は、メーカーや型番が異なる複数の樹脂成形装置１２を保有している。このため、複数の樹脂成形装置１２のいずれを樹脂成形物Ｆの成形に用いるかを本項目で指定する。後述するように、出力データの一次射出圧設定値Ｄｏ１等の項目は、樹脂成形装置１２の最大出力（射出圧であれば最大射出圧）を基準とした割合（％）として出力されるため、成形機種の違いが重要なパラメータとなる。
本実施の形態では、成形機種Ｄｉ３の項目は３種類の樹脂成形装置１２の機種名のリストとなっており、リスト中、樹脂成形物Ｆに用いる機種の欄には１を、それ以外の機種の欄には０を入力する。
一般に、樹脂成形物Ｆの製造者は、メーカーや型番が異なる複数の樹脂成形装置１２を保有している。このため、複数の樹脂成形装置１２のいずれを樹脂成形物Ｆの成形に用いるかを本項目で指定する。後述するように、出力データの一次射出圧設定値Ｄｏ１等の項目は、樹脂成形装置１２の最大出力（射出圧であれば最大射出圧）を基準とした割合（％）として出力されるため、成形機種の違いが重要なパラメータとなる。
本実施の形態では、成形機種Ｄｉ３の項目は３種類の樹脂成形装置１２の機種名のリストとなっており、リスト中、樹脂成形物Ｆに用いる機種の欄には１を、それ以外の機種の欄には０を入力する。
【0036】
固定側金型温度Ｄｉ４、移動側金型温度Ｄｉ５、ノズル温度Ｄｉ６、シリンダ前部温度Ｄｉ７、シリンダ中部温度Ｄｉ８、シリンダ後部温度Ｄｉ９：
固定側金型温度Ｄｉ４は、固定側金型１２０の加熱温度設定値である。移動側金型温度Ｄｉ５は、移動側金型１２２の加熱温度設定値である。ノズル温度Ｄｉ６は、ノズル１２４２の加熱温度設定値である。シリンダ前部温度Ｄｉ７は、シリンダ１２４０の前部Ｃ１の加熱温度設定値である。シリンダ中部温度Ｄｉ８は、シリンダ１２４０の中部Ｃ２の加熱温度設定値である。シリンダ後部温度Ｄｉ９は、シリンダ１２４０の後部Ｃ３の加熱温度設定値である。
これら温度条件の単位は℃であり、各項目に対して設定温度値を入力する。
固定側金型温度Ｄｉ４は、固定側金型１２０の加熱温度設定値である。移動側金型温度Ｄｉ５は、移動側金型１２２の加熱温度設定値である。ノズル温度Ｄｉ６は、ノズル１２４２の加熱温度設定値である。シリンダ前部温度Ｄｉ７は、シリンダ１２４０の前部Ｃ１の加熱温度設定値である。シリンダ中部温度Ｄｉ８は、シリンダ１２４０の中部Ｃ２の加熱温度設定値である。シリンダ後部温度Ｄｉ９は、シリンダ１２４０の後部Ｃ３の加熱温度設定値である。
これら温度条件の単位は℃であり、各項目に対して設定温度値を入力する。
【0037】
このような温度条件を入力データとして用いるのは、材料のグレード毎に好適な温度条件が指定されているためである。
上述のように、入力データである材料名Ｄｉ２は、樹脂成形物Ｆの材料の化学名称であるが、例えば同一の化学名称を有する商品（例えばペレットＰ）であっても、商品毎に異なる配合でガラス補強材や添加剤などが混合されており、これらは種類の異なる材料ともいえる。これらを区別するために「グレード名称（≒商品名）」が用いられており、材料メーカーにおいても、化学名称は同一だがグレードが異なる商品を販売している。そのため、材料のグレード毎に成形時の温度条件が定められており、既製品であれば販売元メーカーから温度条件が公開されており、開発品であれば開発段階での温度の指定がなされる。
上述のように、入力データである材料名Ｄｉ２は、樹脂成形物Ｆの材料の化学名称であるが、例えば同一の化学名称を有する商品（例えばペレットＰ）であっても、商品毎に異なる配合でガラス補強材や添加剤などが混合されており、これらは種類の異なる材料ともいえる。これらを区別するために「グレード名称（≒商品名）」が用いられており、材料メーカーにおいても、化学名称は同一だがグレードが異なる商品を販売している。そのため、材料のグレード毎に成形時の温度条件が定められており、既製品であれば販売元メーカーから温度条件が公開されており、開発品であれば開発段階での温度の指定がなされる。
【0038】
ゲート位置Ｄｉ１０：
ゲート位置Ｄｉ１０は、キャビティ１２０２に対するゲート１２０４の位置（溶解樹脂Ｍの流入位置）である。
本実施の形態では、樹脂成形物Ｆが図４Ａに示す燃焼性試験用のバーサンプルである場合に、図５Ａ～図５Ｇに示すようにゲート１２０４の位置が７種類から選択可能である。図５中の矢印は、溶解樹脂Ｍの流れを示している。いずれのゲート位置を選択するかは、樹脂成形物Ｆの用途や形状に合わせて決定される。
ゲート位置Ｄｉ１０は、キャビティ１２０２に対するゲート１２０４の位置（溶解樹脂Ｍの流入位置）である。
本実施の形態では、樹脂成形物Ｆが図４Ａに示す燃焼性試験用のバーサンプルである場合に、図５Ａ～図５Ｇに示すようにゲート１２０４の位置が７種類から選択可能である。図５中の矢印は、溶解樹脂Ｍの流れを示している。いずれのゲート位置を選択するかは、樹脂成形物Ｆの用途や形状に合わせて決定される。
【0039】
図５Ａでは、樹脂成形物Ｆの両端部にゲート１２０４を設けている（両端タブゲート）。
図５Ｂでは、樹脂成形物Ｆの両端部のうち一方にゲート１２０４を設けている（片端タブゲート）。
図５Ｃでは、樹脂成形物Ｆの両端部側方にゲート１２０４を設けている（両端サイドゲート）。
図５Ｄでは、樹脂成形物Ｆの両端部のうち一方の側方にゲート１２０４を設けている（片端サイドゲート）。
図５Ｅでは、樹脂成形物Ｆの長手方向の中央部側方にゲート１２０４を設けている（センターサイドゲート）。
図５Ｆでは、樹脂成形物Ｆの側面に、薄いフィルム状のゲート１２０４を設けている（フィルムゲート）。
図５Ｇでは、樹脂成形物Ｆの側方５箇所にゲート１２０４を設けている（５点サイドゲート）。
図５Ｂでは、樹脂成形物Ｆの両端部のうち一方にゲート１２０４を設けている（片端タブゲート）。
図５Ｃでは、樹脂成形物Ｆの両端部側方にゲート１２０４を設けている（両端サイドゲート）。
図５Ｄでは、樹脂成形物Ｆの両端部のうち一方の側方にゲート１２０４を設けている（片端サイドゲート）。
図５Ｅでは、樹脂成形物Ｆの長手方向の中央部側方にゲート１２０４を設けている（センターサイドゲート）。
図５Ｆでは、樹脂成形物Ｆの側面に、薄いフィルム状のゲート１２０４を設けている（フィルムゲート）。
図５Ｇでは、樹脂成形物Ｆの側方５箇所にゲート１２０４を設けている（５点サイドゲート）。
【0040】
本実施の形態では、ゲート位置Ｄｉ１０の項目は７種類のゲート位置のリストとなっており、リスト中、樹脂成形物Ｆに用いるゲート位置の欄には１を、それ以外のゲート位置の欄には０を入力する。
また、樹脂成形物Ｆが燃焼性試験用のバーサンプル以外である場合には、ゲート１２０４の位置は選択できないため、ゲート位置Ｄｉ１０は規定されない（全欄に０と入力される）。
また、樹脂成形物Ｆが燃焼性試験用のバーサンプル以外である場合には、ゲート１２０４の位置は選択できないため、ゲート位置Ｄｉ１０は規定されない（全欄に０と入力される）。
【0041】
樹脂成形物ＦのサイズＤｉ１１：
樹脂成形物ＦのサイズＤｉ１１は、樹脂成形物Ｆの厚さ以外の寸法である。
例えば樹脂成形物Ｆが図４Ａに示す燃焼性試験用のバーサンプルである場合にはサイズは１２５ｍｍ×１３ｍｍとなり、図４Ｂに示す円板型テストサンプルである場合にはサイズは直径１００ｍｍとなる。
本実施の形態では、樹脂成形物Ｆのサイズは１２種類から選択可能であるものとする。このため、サイズＤｉ１１の項目は１２種類の寸法のリストとなっており、リスト中、樹脂成形物Ｆの寸法の欄には１を、それ以外の寸法の欄には０を入力する。
樹脂成形物ＦのサイズＤｉ１１は、樹脂成形物Ｆの厚さ以外の寸法である。
例えば樹脂成形物Ｆが図４Ａに示す燃焼性試験用のバーサンプルである場合にはサイズは１２５ｍｍ×１３ｍｍとなり、図４Ｂに示す円板型テストサンプルである場合にはサイズは直径１００ｍｍとなる。
本実施の形態では、樹脂成形物Ｆのサイズは１２種類から選択可能であるものとする。このため、サイズＤｉ１１の項目は１２種類の寸法のリストとなっており、リスト中、樹脂成形物Ｆの寸法の欄には１を、それ以外の寸法の欄には０を入力する。
【0042】
成形数Ｄｉ１２：
一般に、樹脂成形装置１２では、同一サイズ・同一材料の樹脂成形物Ｆを、同時期に複数本製造する。入力データの成形数Ｄｉ１２の欄には、今回同時期に製造する同一サイズ・同一材料の樹脂成形物Ｆの数を入力する。
一般に、樹脂成形装置１２では、同一サイズ・同一材料の樹脂成形物Ｆを、同時期に複数本製造する。入力データの成形数Ｄｉ１２の欄には、今回同時期に製造する同一サイズ・同一材料の樹脂成形物Ｆの数を入力する。
【0043】
材料乾燥温度Ｄｉ１３、材料乾燥時間Ｄｉ１４：
上述のように、樹脂成形材料であるペレットＰは、一般的に空気中の水分を吸水している。ペレットＰの吸水量が多いと、シリンダ１２４０の中で溶解混練している過程で樹脂が加水分解を起こしたり、射出成形した際に成形物の表面にシルバーストリークが走ったり、気泡、光沢不良、転写不良などを起こす場合がある。そこで、シリンダ１２４０への投入前に、乾燥装置を用いてペレットＰに対して予備乾燥を行い、水分を除去している。
入力データの材料乾燥温度Ｄｉ１３および材料乾燥時間Ｄｉ１４の項目には、予備乾燥における乾燥装置の設定温度（単位は℃）および乾燥時間（単位はｈ（時間））を入力する。
上述のように、樹脂成形材料であるペレットＰは、一般的に空気中の水分を吸水している。ペレットＰの吸水量が多いと、シリンダ１２４０の中で溶解混練している過程で樹脂が加水分解を起こしたり、射出成形した際に成形物の表面にシルバーストリークが走ったり、気泡、光沢不良、転写不良などを起こす場合がある。そこで、シリンダ１２４０への投入前に、乾燥装置を用いてペレットＰに対して予備乾燥を行い、水分を除去している。
入力データの材料乾燥温度Ｄｉ１３および材料乾燥時間Ｄｉ１４の項目には、予備乾燥における乾燥装置の設定温度（単位は℃）および乾燥時間（単位はｈ（時間））を入力する。
【0044】
すなわち、本実施の形態では、入力データは、樹脂成形物Ｆの寸法（厚さＤｉ１、サイズＤｉ１１）と、樹脂成形物Ｆの材料名（材料名Ｄｉ２）と、樹脂の加熱時の温度条件とを含んでいる。温度条件は、固定側金型１２０の温度（固定側金型温度Ｄｉ４）と、移動側金型１２２の温度（移動側金型温度Ｄｉ５）と、ノズル１２４２の温度（ノズル温度Ｄｉ６）と、シリンダ１２４０の温度と、ホッパー１２４４に投入されるペレットＰの乾燥温度および乾燥時間（材料乾燥温度Ｄｉ１３、材料乾燥時間Ｄｉ１４）とを含んでいる。また、シリンダ１２４０の温度は、シリンダ１２４０の延在方向に沿った複数の領域（前部Ｃ１、中部Ｃ２、後部Ｃ３）毎に指定されている（シリンダ前部温度Ｄｉ７、シリンダ中部温度Ｄｉ８、シリンダ後部温度Ｄｉ９）。
更に、本実施の形態では、入力データは、樹脂成形物Ｆの成形数（成形数Ｄｉ１２）と、樹脂成形装置１２の種類（成形機種Ｄｉ３）と、キャビティ１２０２内への樹脂の注入口であるゲート１２０４の位置（ゲート位置Ｄｉ１０）とを更に含んでいる。
更に、本実施の形態では、入力データは、樹脂成形物Ｆの成形数（成形数Ｄｉ１２）と、樹脂成形装置１２の種類（成形機種Ｄｉ３）と、キャビティ１２０２内への樹脂の注入口であるゲート１２０４の位置（ゲート位置Ｄｉ１０）とを更に含んでいる。
【0045】
次に、出力データについて説明する。
出力データＤｏ１～Ｄｏ１０は、従来は樹脂成形物Ｆの製造者が試し打ち等を繰り返して決定するデータであるが、本実施の形態ではニューラルネットワーク（学習済みニューラルネットワーク１４２）を用いて成形条件算出装置１４が算出する。
出力データＤｏ１～Ｄｏ１０は、従来は樹脂成形物Ｆの製造者が試し打ち等を繰り返して決定するデータであるが、本実施の形態ではニューラルネットワーク（学習済みニューラルネットワーク１４２）を用いて成形条件算出装置１４が算出する。
【0046】
樹脂材料の一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３：
一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３は、キャビティ１２０２内に溶解樹脂Ｍを充填する際の圧力である。一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３の単位は、本来はＭＰａまたはｋｇｆ／ｃｍ２であるが、本実施の形態では、樹脂成形装置１２の最大射出圧力を１００％とし、最大射出圧力に対する割合（例えば９０％など）を指定することによって調整を行っている。したがって、本実施の形態では、一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３の単位を％とする。
一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３は、キャビティ１２０２内に溶解樹脂Ｍを充填する際の圧力である。一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３の単位は、本来はＭＰａまたはｋｇｆ／ｃｍ２であるが、本実施の形態では、樹脂成形装置１２の最大射出圧力を１００％とし、最大射出圧力に対する割合（例えば９０％など）を指定することによって調整を行っている。したがって、本実施の形態では、一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３の単位を％とする。
【0047】
本実施の形態では、図６に示すように、射出工程を３段階に分け、各段階において射出圧を変化させている。図６において、射出開始時刻Ｔ０から切替時刻Ｔ１までが一次射出圧、切替時刻Ｔ１から切替時刻Ｔ２までが二次射出圧、切替時刻Ｔ２から射出終了時刻Ｔ３までが三次射出圧となる。
また、図６における射出開始時刻Ｔ０から射出終了時刻Ｔ３までが後述する射出時間Ｄｏ９に対応し、切替時刻Ｔ１が後述する保圧切替位置Ｄｏ６に対応する。
射出開始時刻Ｔ０から切替時刻Ｔ１（一次射出圧時）にキャビティ１２０２内の大部分に溶解樹脂Ｍが充填される。切替時刻Ｔ１以降（二次射出圧時および三次射出圧時）は保圧工程となり、キャビティ１２０２内の残りの空間に溶解樹脂Ｍを更に押し込んで１００％充填させるとともに、その後も圧力を与え続けることにより樹脂が冷えて縮む分の材料を補給する。
また、図６における射出開始時刻Ｔ０から射出終了時刻Ｔ３までが後述する射出時間Ｄｏ９に対応し、切替時刻Ｔ１が後述する保圧切替位置Ｄｏ６に対応する。
射出開始時刻Ｔ０から切替時刻Ｔ１（一次射出圧時）にキャビティ１２０２内の大部分に溶解樹脂Ｍが充填される。切替時刻Ｔ１以降（二次射出圧時および三次射出圧時）は保圧工程となり、キャビティ１２０２内の残りの空間に溶解樹脂Ｍを更に押し込んで１００％充填させるとともに、その後も圧力を与え続けることにより樹脂が冷えて縮む分の材料を補給する。
【0048】
射出速度Ｄｏ４：
射出速度Ｄｏ４は、キャビティ１２０２内に溶解樹脂Ｍを充填する際のスピードである。射出速度Ｄｏ４の単位は、本来はｍｍ／ｓであるが、上記と同様に本実施の形態では樹脂成形装置１２の最大射出速度を１００％とし、最大射出速度に対する割合（例えば９０％など）を指定することによって調整を行っている。したがって、本実施の形態では、射出速度Ｄｏ４の単位を％とする。
射出速度Ｄｏ４は、キャビティ１２０２内に溶解樹脂Ｍを充填する際のスピードである。射出速度Ｄｏ４の単位は、本来はｍｍ／ｓであるが、上記と同様に本実施の形態では樹脂成形装置１２の最大射出速度を１００％とし、最大射出速度に対する割合（例えば９０％など）を指定することによって調整を行っている。したがって、本実施の形態では、射出速度Ｄｏ４の単位を％とする。
【0049】
材料充填量Ｄｏ５：
材料充填量Ｄｏ５は、射出に必要な溶解樹脂Ｍの体積（製品容量）である。本実施の形態では、スクリュー１２４６の先端部Ｔの基準位置からの移動距離（単位はｍｍ）で材料充填量Ｄｏ５を表す。
材料充填量Ｄｏ５は、射出に必要な溶解樹脂Ｍの体積（製品容量）である。本実施の形態では、スクリュー１２４６の先端部Ｔの基準位置からの移動距離（単位はｍｍ）で材料充填量Ｄｏ５を表す。
【0050】
保圧切替位置Ｄｏ６：
保圧切替位置Ｄｏ６は、上述した保圧工程への切替タイミングを規定する。本実施の形態では、スクリュー１２４６の先端部Ｔの基準位置からの移動距離（単位はｍｍ）で保圧切替位置Ｄｏ６を表す。
保圧切替位置Ｄｏ６は、上述した保圧工程への切替タイミングを規定する。本実施の形態では、スクリュー１２４６の先端部Ｔの基準位置からの移動距離（単位はｍｍ）で保圧切替位置Ｄｏ６を表す。
【0051】
背圧Ｄｏ７：
背圧Ｄｏ７は、溶解樹脂Ｍの計量時にスクリュー１２４６が後退する際の圧力である。背圧Ｄｏ７の単位は、本来はＭＰａまたはｋｇｆ／ｃｍ２であるが、本実施の形態では、樹脂成形装置１２の最大背圧を１００％とし、最大背圧に対する割合（例えば９０％など）を指定することによって調整を行っている。したがって、本実施の形態では、背圧Ｄｏ７の単位を％とする。
背圧Ｄｏ７は、溶解樹脂Ｍの計量時にスクリュー１２４６が後退する際の圧力である。背圧Ｄｏ７の単位は、本来はＭＰａまたはｋｇｆ／ｃｍ２であるが、本実施の形態では、樹脂成形装置１２の最大背圧を１００％とし、最大背圧に対する割合（例えば９０％など）を指定することによって調整を行っている。したがって、本実施の形態では、背圧Ｄｏ７の単位を％とする。
【0052】
スクリュー回転数Ｄｏ８は、溶解樹脂Ｍを混錬するためのスクリュー１２４６の回転数である。スクリュー回転数Ｄｏ８の単位は、本来はｒｐｍであるが、本実施の形態では、樹脂成形装置１２の最大スクリュー回転数を１００％とし、最大スクリュー回転数に対する割合（例えば９０％など）を指定することによって調整を行っている。したがって、本実施の形態では、スクリュー回転数Ｄｏ８の単位を％とする。
【0053】
射出時間Ｄｏ９：
射出時間Ｄｏ９は、溶解樹脂Ｍをキャビティ１２０２内に充填（射出）する期間であり、単位は秒（ｓｅｃ）である。
射出時間Ｄｏ９は、溶解樹脂Ｍをキャビティ１２０２内に充填（射出）する期間であり、単位は秒（ｓｅｃ）である。
【0054】
冷却時間Ｄｏ１０：
冷却時間Ｄｏ１０は、溶解樹脂Ｍをキャビティ１２０２内に充填（射出）完了した後、金型１２０，１２２内に留めて冷却する期間であり、単位は秒（ｓｅｃ）である。
冷却時間Ｄｏ１０は、溶解樹脂Ｍをキャビティ１２０２内に充填（射出）完了した後、金型１２０，１２２内に留めて冷却する期間であり、単位は秒（ｓｅｃ）である。
【0055】
すなわち、本実施の形態では、出力データは、キャビティ１２０２への樹脂の注入条件、樹脂の充填量（材料充填量Ｄｏ５）、樹脂の注入後の冷却時間（冷却時間Ｄｏ１０）を含んでいる。樹脂の注入条件は、キャビティ１２０２への樹脂の射出圧設定値と、樹脂の射出速度（射出速度Ｄｏ４）と、樹脂の射出時間（射出時間Ｄｏ９）と、樹脂の注入中におけるスクリュー１２４６の回転数（スクリュー回転数Ｄｏ８）と、樹脂の注入後におけるスクリュー１２４６の保持圧である背圧（背圧Ｄｏ７）とを含む。また、樹脂の射出圧は、射出開始からの経過時間に基づいて複数段に変更可能であり、上記射出圧設定値は、射出開始からの経過時間に基づいて複数段（一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３）に設定されており、出力データは、射出圧設定値の切り替えタイミングをスクリュー１２４６の位置によって規定する保圧切替位置（保圧切替位置Ｄｏ６）を更に含む。
【0056】
なお、上述した入力データＤｉおよび出力データＤｏを構成するパラメータの種類は一例であり、樹脂成形装置１２の構成や樹脂成形物Ｆの性質などによって入力データＤｉおよび出力データＤｏを構成するパラメータの種類を変更してもよい。例えば、実施の形態では、シリンダ１２４０を前部Ｃ１、中部Ｃ２、後部Ｃ３の３つの領域に分割し、それぞれに温度を設定したが、前部および後部の２つの領域に分割したり、４つ以上の領域に分割したりしてもよい。
【0057】
図７は、本実施の形態で採用したニューラルネットワークを模式的に示す図である。
本実施の形態では、１０個の出力データＤｏ１～Ｄｏ１０のそれぞれに対応して図７に示すようなニューラルネットワークＮを設定した。なお、図７ではバイアスの図示を省略している。
ニューラルネットワークＮは、複数のノード（パーセプトロン）で構成されている。本実施の形態では、ニューラルネットワークＮの隠れ層を２段に設定し、１段目の隠れ層（隠れ層１）のノード数を２０、２段目の隠れ層（隠れ層２）のノード数を７とした。すなわち、ニューラルネットワークＮは、複数の中間層によりディープラーニングを行う。各隠れ層のノード数は、演算結果の集約性と計算時間の兼ね合いから決定したものである。
本実施の形態では、１０個の出力データＤｏ１～Ｄｏ１０のそれぞれに対応して図７に示すようなニューラルネットワークＮを設定した。なお、図７ではバイアスの図示を省略している。
ニューラルネットワークＮは、複数のノード（パーセプトロン）で構成されている。本実施の形態では、ニューラルネットワークＮの隠れ層を２段に設定し、１段目の隠れ層（隠れ層１）のノード数を２０、２段目の隠れ層（隠れ層２）のノード数を７とした。すなわち、ニューラルネットワークＮは、複数の中間層によりディープラーニングを行う。各隠れ層のノード数は、演算結果の集約性と計算時間の兼ね合いから決定したものである。
【0058】
図８は、各ノードの動作を模式的に示す説明図である。
各ノードには、複数の入力ｉ（図８の例では３つの入力ｉ１，ｉ２，ｉ３）が入力される。
各入力ｉには重みｗが設定されている。入力ｉ１に対応する重みをｗ１、入力ｉ２に対応する重みをｗ２、入力ｉ３に対応する重みをｗ３とする。重みｗは、入力ｉの重要度を調整する値であり、重要度が高い入力ほど重みを大きく設定する。
バイアスｂは、ノードの出力を調整するための閾値である。
各ノードには、複数の入力ｉ（図８の例では３つの入力ｉ１，ｉ２，ｉ３）が入力される。
各入力ｉには重みｗが設定されている。入力ｉ１に対応する重みをｗ１、入力ｉ２に対応する重みをｗ２、入力ｉ３に対応する重みをｗ３とする。重みｗは、入力ｉの重要度を調整する値であり、重要度が高い入力ほど重みを大きく設定する。
バイアスｂは、ノードの出力を調整するための閾値である。
【0059】
各ノードには活性化関数ｆが設定されており、入力ｉと重みｗの積とバイアスｂとの和に活性化関数ｆを適用した値（図８の例ではｆ（ｉ１×ｗ１＋ｉ２×ｗ２＋ｉ３×ｗ３＋ｂ））がノードからの出力となると同時に、下流のノードに対する入力となる。
本実施の形態では、活性化関数ｆとして、図９に示すＲｅＬＵ関数を用いる。ＲｅＬＵ関数は、関数への入力値が０以下の場合には出力値が常に０、入力値が０より上の場合には出力値が入力値と同じ値となる関数であり、ディープラーニングを実施するニューラルネットワークで良く用いられる。
なお、図９には比較例としてシグモイド関数を図示している。
本実施の形態では、活性化関数ｆとして、図９に示すＲｅＬＵ関数を用いる。ＲｅＬＵ関数は、関数への入力値が０以下の場合には出力値が常に０、入力値が０より上の場合には出力値が入力値と同じ値となる関数であり、ディープラーニングを実施するニューラルネットワークで良く用いられる。
なお、図９には比較例としてシグモイド関数を図示している。
【0060】
図７に示すニューラルネットワークＮでは、各隠れ層および最終段における演算（入力に対する活性化関数の適用）を経て、最終的な出力о（出力データＤｏ１～Ｄо１０のいずれかの予測値）を得る。
【0061】
学習部１４０は、ニューラルネットワークＮの各ノードにおける重みｗおよびバイアスｂの最適値を教師データを用いて決定する。
上述のように、入力データの種類は１４であるが（Ｄｉ１～Ｄｉ１４）、材料名Ｄｉ２は２９種類、成形機種Ｄｉ３は３種類、ゲート位置Ｄｉ１０は７種類、サイズＤｉ１１は１２種類が列挙されたリストからそれぞれ選択される。よって、入力の項目数は６１個（１４－４＋２９＋３＋７＋１２）となる（入力ｉ１～ｉ６１）。
よって、１つのニューラルネットワークＮにおける重みｗおよびバイアスｂの数は、隠れ層１で１２４０個（重みｗ＝６１×２０、バイアスｂ＝２０）、隠れ層２で１４７個（重みｗ＝２０×７、バイアスｂ＝７）、最終段において８個（重みｗ＝７、バイアスｂ＝１）、合計１３９５個となり、更に１０個の出力データＤｏごとにニューラルネットワークＮを設定することから、学習部１４０は、１０倍の１３９５０個の変数を決定することになる。
なお、本実施の形態では、材料名Ｄｉ２を２９種類、成形機種Ｄｉ３を３種類、ゲート位置Ｄｉ１０を７種類、サイズＤｉ１１を１２種類としているが、実際のシステムでは、これらのデータの種類を拡張できるように構成し、将来的に新規の材料やサンプルサイズなどが増えた場合でも、学習を繰り返すことで成長可能なシステムとしている。
上述のように、入力データの種類は１４であるが（Ｄｉ１～Ｄｉ１４）、材料名Ｄｉ２は２９種類、成形機種Ｄｉ３は３種類、ゲート位置Ｄｉ１０は７種類、サイズＤｉ１１は１２種類が列挙されたリストからそれぞれ選択される。よって、入力の項目数は６１個（１４－４＋２９＋３＋７＋１２）となる（入力ｉ１～ｉ６１）。
よって、１つのニューラルネットワークＮにおける重みｗおよびバイアスｂの数は、隠れ層１で１２４０個（重みｗ＝６１×２０、バイアスｂ＝２０）、隠れ層２で１４７個（重みｗ＝２０×７、バイアスｂ＝７）、最終段において８個（重みｗ＝７、バイアスｂ＝１）、合計１３９５個となり、更に１０個の出力データＤｏごとにニューラルネットワークＮを設定することから、学習部１４０は、１０倍の１３９５０個の変数を決定することになる。
なお、本実施の形態では、材料名Ｄｉ２を２９種類、成形機種Ｄｉ３を３種類、ゲート位置Ｄｉ１０を７種類、サイズＤｉ１１を１２種類としているが、実際のシステムでは、これらのデータの種類を拡張できるように構成し、将来的に新規の材料やサンプルサイズなどが増えた場合でも、学習を繰り返すことで成長可能なシステムとしている。
【0062】
より詳細に、学習部１４０の処理について説明する。
ニューラルネットワークＮとして、１０個の出力データＤｏ１～Ｄｏ１０に対応したニューラルネットワークＮ１～Ｎ１０が設けられているが、ここではそのうち１つのニューラルネットワークＮについて考える。ニューラルネットワークＮの各ノードには、重みｗおよびバイアスｂがそれぞれ設定されている。
教師データの入力データｉ（ｉ１～ｉ６１）をニューラルネットワークＮに入力し、得られた出力データ（以下「予測値」という）をｏｉ（оｉ１～оｉ１０）とする。また、教師データの出力データ（以下「実際値」という）をＯｉ（Оｉ１～Оｉ１０）とする。
ニューラルネットワークＮとして、１０個の出力データＤｏ１～Ｄｏ１０に対応したニューラルネットワークＮ１～Ｎ１０が設けられているが、ここではそのうち１つのニューラルネットワークＮについて考える。ニューラルネットワークＮの各ノードには、重みｗおよびバイアスｂがそれぞれ設定されている。
教師データの入力データｉ（ｉ１～ｉ６１）をニューラルネットワークＮに入力し、得られた出力データ（以下「予測値」という）をｏｉ（оｉ１～оｉ１０）とする。また、教師データの出力データ（以下「実際値」という）をＯｉ（Оｉ１～Оｉ１０）とする。
【0063】
教師データは複数（本実施の形態では６０００個）用意されており、全教師データＤｔを用いて予測値ｏｉを算出し、実際値Ｏｉと比較する。すなわち、下記式（１）で表される二乗誤差の総和Ｅを求める。
Ｅ＝Σ（Ｏｉ－ｏｉ）２・・・（１）
Ｅ＝Σ（Ｏｉ－ｏｉ）２・・・（１）
【0064】
二乗誤差の総和Ｅ＝０ならば、全予測値が実際値と一致していることを意味する。一般には二乗誤差の総和Ｅ＝０とはならず、図１４に示すように二乗誤差の総和Ｅが最小値ｍとなる重みｗおよびバイアスｂが最適値といえる。学習部１４０による学習は、二乗誤差の総和Ｅの最小値ｍとなる重みｗおよびバイアスｂを求めることを意味する。
【0065】
学習部１４０は、まずニューラルネットワークＮ内の重みｗおよびバイアスｂにそれぞれ初期値を設定し、この初期状態のニューラルネットワークＮを用いて二乗誤差の総和Ｅ０を求める（図１４参照）。
なお、重みｗおよびバイアスｂの初期値は、－１から＋１の値を取る正規分布の出現率となる値としている。厳密には、細かな度数分布を作成し、その中で乱数を使ったモンテカルロ法を用いて疑似的な正規分布をもつ値を設定する。
なお、重みｗおよびバイアスｂの初期値は、－１から＋１の値を取る正規分布の出現率となる値としている。厳密には、細かな度数分布を作成し、その中で乱数を使ったモンテカルロ法を用いて疑似的な正規分布をもつ値を設定する。
【0066】
つぎに、学習部１４０は、ニューラルネットワークＮ内の１つの変数ｘ（重みｗまたはバイアスｂ、上記１３８８個の変数の１つ）の値を初期値からプラス方向またはマイナス方向に変更する。この時、他の変数（残り１３８７個）の値は固定する。そして、全教師データＤｔを用いて予測値ｏｉを算出し、実際値Ｏｉを用いて二乗誤差の総和Ｅ１を算出する。
【0067】
Ｅ１＜Ｅ０の場合（図１４における状態Ｓ１の場合）は、二乗誤差が小さくなっているため、変数ｘの変化方向（プラス方向またはマイナス方向）は適切だったと判断し、次回も変数ｘをさらに同方向に変化させる。
Ｅ１＞Ｅ０の場合（図１４における状態Ｓ２の場合）は、二乗誤差が大きくなっているため、変数ｘの変化方向（プラス方向またはマイナス方向）は適当でなかったと判断し、次回は変数ｘを初期値から逆方向に変化させる。
この作業を１３８８個の変数全てに行う。これを本実施の形態では「１セット」と呼ぶ。
Ｅ１＞Ｅ０の場合（図１４における状態Ｓ２の場合）は、二乗誤差が大きくなっているため、変数ｘの変化方向（プラス方向またはマイナス方向）は適当でなかったと判断し、次回は変数ｘを初期値から逆方向に変化させる。
この作業を１３８８個の変数全てに行う。これを本実施の形態では「１セット」と呼ぶ。
【0068】
２セット目以降は、前回のセットで適切と判断された方向に変数ｘを変化させる。
この時、発散防止のため、セット回数が大きくなるほど変数ｘの変化量Δｘを小さくする（図１６参照）。
また、Ｅの値が図１４のような曲線を取ると仮定すると、前回のセットにおけるＥの値（例えばＥ０）と、今回のセットにおけるＥの値（例えばＥ１）との差分ΔＥが大きい場合には、最適値（Ｅが最小値を取る点）が遠いと予測でき、反対に差分ΔＥが小さい場合には、最適値が近いと予測できる。このため、学習部１４０は、差分ΔＥが大きい変数ｘについては変化量Δｘを大きくし、差分ΔＥが小さい変数ｘについては変化量Δｘを小さくする。
この結果、変数ｘの変化量Δｘは、図１７のように変則的に変化する。
この時、発散防止のため、セット回数が大きくなるほど変数ｘの変化量Δｘを小さくする（図１６参照）。
また、Ｅの値が図１４のような曲線を取ると仮定すると、前回のセットにおけるＥの値（例えばＥ０）と、今回のセットにおけるＥの値（例えばＥ１）との差分ΔＥが大きい場合には、最適値（Ｅが最小値を取る点）が遠いと予測でき、反対に差分ΔＥが小さい場合には、最適値が近いと予測できる。このため、学習部１４０は、差分ΔＥが大きい変数ｘについては変化量Δｘを大きくし、差分ΔＥが小さい変数ｘについては変化量Δｘを小さくする。
この結果、変数ｘの変化量Δｘは、図１７のように変則的に変化する。
【0069】
また、本実施の形態では、１００セットを１バッチとし、更に３０バッチ計算を行った。すなわち、３０００セットの計算を行うのではなく、１００セット×３０バッチに分けて計算を行った。
図１６に示したように、本実施の形態では、１バッチ内でセット回数が大きくなるほど変数ｘの変化量Δｘを小さくして発散を防止しているが、Δｘを小さくしていくと、図１５に示すようにＥに複数の極値（局所解Ｌ）がある場合、最適解を見つけられず局所解に収束する可能性がある。その対策として、１００セット×３０バッチで計算を行い、バッチ毎にΔｘの振れ幅をリセットして、小さな谷の局所解を飛び越える作用を与えている。
なお、本実施の形態では、学習部１４０における学習時間は１０バッチ当たり１日であり、３０バッチで計３日間学習を行った。
図１６に示したように、本実施の形態では、１バッチ内でセット回数が大きくなるほど変数ｘの変化量Δｘを小さくして発散を防止しているが、Δｘを小さくしていくと、図１５に示すようにＥに複数の極値（局所解Ｌ）がある場合、最適解を見つけられず局所解に収束する可能性がある。その対策として、１００セット×３０バッチで計算を行い、バッチ毎にΔｘの振れ幅をリセットして、小さな谷の局所解を飛び越える作用を与えている。
なお、本実施の形態では、学習部１４０における学習時間は１０バッチ当たり１日であり、３０バッチで計３日間学習を行った。
【0070】
図１０は、学習部での学習結果の評価結果を示す第１の表である。
図１０では、学習結果の評価指標として、下記式（２）で示す決定係数Ｒ２を用いた。決定係数Ｒ２の値が大きいほど（１に近いほど）予測値と実際値との差分が小さく、学習の精度が高いと言える。
図１０では、学習結果の評価指標として、下記式（２）で示す決定係数Ｒ２を用いた。決定係数Ｒ２の値が大きいほど（１に近いほど）予測値と実際値との差分が小さく、学習の精度が高いと言える。
【0071】
【数1】
【0072】
図１０の表には、教師データのうち９０％を用いて学習を行ったニューラルネットワークＮについて、教師データの残り１０％を評価用データとして用い、１０種類の出力データＤｏ１～Ｄｏ１０のそれぞれについて決定係数Ｒ２を求めた結果を示している。
【0073】
また、図１０には、比較例として、市販の機械学習アプリケーションを用いて、同じ教師データで学習を行い、同様の評価を行った結果を示している。
比較例１は、ソニー株式会社製、「Ｐｒｅｄｉｃｔｉｏｎ Ｏｎｅ」であり、アルゴリズムは勾配ブースティング決定木とニューラルネットワークの組み合わせである。
比較例２は、Ｍｉｃｒｏｓｏｆｔ社製、「Ａｚｕｒｅ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ」であり、アルゴリズムは隠れ層１段のニューラルネットワークとした。
比較例１と比較例２とを比較すると、１０種類の出力データの９種類で比較例１の方が決定係数Ｒ２が大きくなっており、比較例１の方が高性能であるといえる。
比較例１は、ソニー株式会社製、「Ｐｒｅｄｉｃｔｉｏｎ Ｏｎｅ」であり、アルゴリズムは勾配ブースティング決定木とニューラルネットワークの組み合わせである。
比較例２は、Ｍｉｃｒｏｓｏｆｔ社製、「Ａｚｕｒｅ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ」であり、アルゴリズムは隠れ層１段のニューラルネットワークとした。
比較例１と比較例２とを比較すると、１０種類の出力データの９種類で比較例１の方が決定係数Ｒ２が大きくなっており、比較例１の方が高性能であるといえる。
【0074】
本発明では１０バッチ程度から良好な結果が得られており、比較例１と比較しても遜色ない結果が得られているといえる。
なお、一般にはバッチ数が大きいほど（学習が進むほど）決定係数Ｒ２が大きくなると考えられるが、教師データのうちどのデータを学習用データ（教師データ中９０％）または評価用データ（教師データ中１０％）に割り振るかはバッチ毎に異なるため、決定係数Ｒ２の値はバッチ毎に上下している。
なお、一般にはバッチ数が大きいほど（学習が進むほど）決定係数Ｒ２が大きくなると考えられるが、教師データのうちどのデータを学習用データ（教師データ中９０％）または評価用データ（教師データ中１０％）に割り振るかはバッチ毎に異なるため、決定係数Ｒ２の値はバッチ毎に上下している。
【0075】
図１１は、学習部での学習結果の評価結果を示す第２の表である。
図１１では、新規に成形依頼を受けた（教師データに含まれていない条件の）樹脂成形物Ｆの成形条件（出力データ）を算出部１４４において算出したものである。
図１１にはＮｏ．１～Ｎｏ．７まで７種類の樹脂成形物Ｆについての予測結果を図示しているが、実際には２５種類の樹脂成形物Ｆ（出力データは計２５０個）について予測した。
各成形条件の上段は実際値、中段は予測値、下段は予測値の正誤である。本実施の形態では、予測値が実際値の±２±２０％の範囲にある場合に正解とし、予測値が実際値の±２±２０％の範囲から外れている場合に誤り（図１１中◆マーク）と判定した。
図１２は、実際値と予測値との相関を示すグラフである。±２０％ではなく、±２±２０％を閾値としたのは、出力データが０付近の値である場合に、不必要に判定を激しくしないためである。なお、±２の部分は、各出力データの単位系を持つ値である。
図１１では、新規に成形依頼を受けた（教師データに含まれていない条件の）樹脂成形物Ｆの成形条件（出力データ）を算出部１４４において算出したものである。
図１１にはＮｏ．１～Ｎｏ．７まで７種類の樹脂成形物Ｆについての予測結果を図示しているが、実際には２５種類の樹脂成形物Ｆ（出力データは計２５０個）について予測した。
各成形条件の上段は実際値、中段は予測値、下段は予測値の正誤である。本実施の形態では、予測値が実際値の±２±２０％の範囲にある場合に正解とし、予測値が実際値の±２±２０％の範囲から外れている場合に誤り（図１１中◆マーク）と判定した。
図１２は、実際値と予測値との相関を示すグラフである。±２０％ではなく、±２±２０％を閾値としたのは、出力データが０付近の値である場合に、不必要に判定を激しくしないためである。なお、±２の部分は、各出力データの単位系を持つ値である。
【0076】
図１３に示すように、比較例１では、予測値が実際値の±２±２０％の範囲に入るケースが８２％、±２±１０％の範囲に入るケースが７２％であった。比較例２では、予測値が実際値の±２±２０％の範囲に入るケースが７４％、±２±１０％の範囲に入るケースが６４％であった。これに対して、本発明では、予測値が実際値の±２±２０％の範囲に入るケースが８３％、±２±１０％の範囲に入るケースが６９％であり、本発明の精度は比較例１と同程度であることが分かった。
【0077】
以上説明したように、実施の形態にかかる樹脂成形システム１０によれば、学習済みニューラルネットワーク１４２を用いて成形条件設定値（より詳細には出力データに含まれる成形条件設定値）を算出するので、より短期間で適切な成形条件設定値を得ることができ、樹脂成形作業の効率を向上させ、コストを低減する上で有利となる。
また、樹脂成形システム１０によれば、入力データとして樹脂成形物の材料名のみを用いており、当該材料の物性や特性の情報を用いることなく樹脂成形物の成形条件を得ることができ、樹脂成形作業の効率を向上させる上で有利となる。
また、樹脂成形システム１０によれば、入力データとして樹脂成形物の材料名のみを用いており、当該材料の物性や特性の情報を用いることなく樹脂成形物の成形条件を得ることができ、樹脂成形作業の効率を向上させる上で有利となる。
【0078】
なお、本実施の形態では、入力データとして、樹脂成形物Ｆの厚さＤｉ１、樹脂成形物Ｆの材料名Ｄｉ２、成形機種（樹脂成形装置１２の種類）Ｄｉ３、固定側金型温度Ｄｉ４、移動側金型温度Ｄｉ５、ノズル温度Ｄｉ６、シリンダ前部温度Ｄｉ７、シリンダ中部温度Ｄｉ８、シリンダ後部温度Ｄｉ９、ゲート位置Ｄｉ１０、樹脂成形物ＦのサイズＤｉ１１、成形数Ｄｉ１２、材料乾燥温度Ｄｉ１３、材料乾燥時間Ｄｉ１４を用い、また出力データとして、樹脂材料の一次射出圧設定値Ｄｏ１、二次射出圧設定値Ｄｏ２、三次射出圧設定値Ｄｏ３、射出速度Ｄｏ４、材料充填量Ｄｏ５、保圧切替位置Ｄｏ６、背圧Ｄｏ７、スクリュー回転数Ｄｏ８、射出時間Ｄｏ９、冷却時間Ｄｏ１０を用いたが、入力データおよび出力データの種類は、樹脂成形物の用途や成形環境等に応じて適宜変更が可能である。
例えば、本実施の形態では、樹脂成形物が樹脂材料評価試験に用いるテストサンプルであるものとしたが、当該樹脂成形物が用いられる樹脂材料評価試験の種類を入力データに含めてもよい。
例えば、図４Ａに示す１２５×１３ｍｍサイズのバーサンプルは、多くの場合は燃焼性試験に用いられるが、曲げ試験や大電流アーク発火性試験、シャルピー衝撃試験（後加工で切り欠き追加の上で使用）でも用いられる場合がある。また、図４Ｂに示す直径１００ｍｍの円板型テストサンプルは、絶縁破壊試験の他、耐トラッキング性試験、表面抵抗率・体積抵抗率測定、耐アーク試験等に用いられる。
このように今回形成する樹脂成形物が樹脂材料評価試験に用いるテストサンプルである場合に、目的とする評価試験の種類を入力データとして用いることにより、樹脂成形物の性能向上や成形効率向上の観点において、より良い成形条件（出力データ）を得られる可能性がある。
例えば、本実施の形態では、樹脂成形物が樹脂材料評価試験に用いるテストサンプルであるものとしたが、当該樹脂成形物が用いられる樹脂材料評価試験の種類を入力データに含めてもよい。
例えば、図４Ａに示す１２５×１３ｍｍサイズのバーサンプルは、多くの場合は燃焼性試験に用いられるが、曲げ試験や大電流アーク発火性試験、シャルピー衝撃試験（後加工で切り欠き追加の上で使用）でも用いられる場合がある。また、図４Ｂに示す直径１００ｍｍの円板型テストサンプルは、絶縁破壊試験の他、耐トラッキング性試験、表面抵抗率・体積抵抗率測定、耐アーク試験等に用いられる。
このように今回形成する樹脂成形物が樹脂材料評価試験に用いるテストサンプルである場合に、目的とする評価試験の種類を入力データとして用いることにより、樹脂成形物の性能向上や成形効率向上の観点において、より良い成形条件（出力データ）を得られる可能性がある。
【符号の説明】
【0079】
１０ 樹脂成形システム
１２ 樹脂成形装置
１２０ 固定側金型
１２２ 移動側金型
１２０２ キャビティ
１２０４ ゲート
１２０６ インジェクタピン
１２０８ インジェクタピン駆動機構
１２４ 射出ユニット
１２４０ シリンダ
１２４２ ノズル
１２４４ ホッパー
１２４６ スクリュー
１２４８ モータ
１２４９ ヒーター
１２６ 型締めユニット
１２６０ アーム
１２６２ アクチュエータ
Ｆ 樹脂成形物
Ｍ 溶解樹脂
Ｐ ペレット
１４ 成形条件算出装置
１４０ 学習部
１４２ 学習済みニューラルネットワーク
１４４ 算出部
Ｎ ニューラルネットワーク
１２ 樹脂成形装置
１２０ 固定側金型
１２２ 移動側金型
１２０２ キャビティ
１２０４ ゲート
１２０６ インジェクタピン
１２０８ インジェクタピン駆動機構
１２４ 射出ユニット
１２４０ シリンダ
１２４２ ノズル
１２４４ ホッパー
１２４６ スクリュー
１２４８ モータ
１２４９ ヒーター
１２６ 型締めユニット
１２６０ アーム
１２６２ アクチュエータ
Ｆ 樹脂成形物
Ｍ 溶解樹脂
Ｐ ペレット
１４ 成形条件算出装置
１４０ 学習部
１４２ 学習済みニューラルネットワーク
１４４ 算出部
Ｎ ニューラルネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】