特開 2023-176923 射出成形システムの成形条件の生成方法、射出成形システム、および射出成形システムの成形条件生成支援プログラム

(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】P2023176923

(43)【公開日】2023-12-13

(54)【発明の名称】射出成形システムの成形条件の生成方法、射出成形システム、および射出成形システムの成形条件生成支援プログラム

(51)【国際特許分類】

   B29C 45/76 20060101AFI20231206BHJP

   B29C 45/56 20060101ALI20231206BHJP

   B29C 45/03 20060101ALI20231206BHJP

【ＦＩ】

B29C45/76

B29C45/56

B29C45/03

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2022089510

(22)【出願日】2022-06-01

(71)【出願人】

【識別番号】000004215

【氏名又は名称】株式会社日本製鋼所

(74)【代理人】

【識別番号】100103894

【弁理士】

【氏名又は名称】家入 健

(72)【発明者】

【氏名】菊川 雅之

【テーマコード（参考）】

4F206

【Ｆターム（参考）】

4F206AM19

4F206AM23

4F206AR00

4F206JA03

4F206JA07

4F206JL02

4F206JL09

4F206JP13

4F206JP14

4F206JP17

4F206JP30

(57)【要約】

【課題】 射出圧縮成形時またはコアバック成形時の成形条件を従来よりも比較的容易に生成することができる射出成形システムの成形条件の生成方法、射出成形システム、および射出成形システムの成形条件生成支援プログラムを提供する。
【解決手段】固定金型１５と可動金型１７の間にキャビティＣが形成される成形金型４１と、前記成形金型４１が取付けられる型締装置１３と前記キャビティＣに射出を行う射出装置１４とを有する射出成形機１１が備えられ、少なくとも前記射出成形機１１に関する情報と前記成形金型４１に関する情報と前記射出装置１４に供給される樹脂材料に関する情報から、射出圧縮成形またはコアバック成形に関する学習モデルが射出圧縮成形またはコアバック成形に関する成形条件を生成する。
【選択図】図１

【特許請求の範囲】

【請求項1】

射出圧縮成形時またはコアバック成形時に固定金型に対して可動金型を移動させる射出成形機を備えた射出成形システムの成形条件の生成方法であって、
固定金型と可動金型の間にキャビティが形成される成形金型と、
前記成形金型が取付けられる型締装置と前記キャビティに射出を行う射出装置とを有する射出成形機が備えられ、
少なくとも前記射出成形機に関する情報と前記成形金型に関する情報と前記射出装置に供給される樹脂材料に関する情報から、
射出圧縮成形またはコアバック成形に関する学習モデルが射出圧縮成形またはコアバック成形に関する成形条件を生成する、射出成形システムの成形条件の生成方法。

【請求項2】

前記学習モデルを用いて射出圧縮成形またはコアバック成形を行って成形品を成形し、
前記成形品に関する情報を得て前記射出圧縮成形またはコアバック成形に関する学習モデルを修正する、請求項１に記載の射出成形システムの成形条件の生成方法。

【請求項3】

可動金型を射出圧縮成形時またはコアバック成形時に固定金型に対して可動金型を移動させる射出成形機を備えた射出成形システムにおいて、
固定金型と可動金型の間にキャビティが形成される成形金型と、
前記成形金型が取付けられる型締装置と前記キャビティに射出を行う射出装置とを有する射出成形機と、
成形条件を記憶する記憶装置と、
少なくとも前記射出成形機に関する情報と前記成形金型に関する情報と前記射出装置に供給される樹脂材料に関する情報から射出圧縮成形またはコアバック成形に関する成形条件を生成する学習モデルを有する学習装置と、が備えられた射出成形システム。

【請求項4】

前記射出圧縮成形またはコアバック成形に関する学習モデルを用いて射出圧縮成形またはコアバック成形を行って成形した成形品の状態を検出する検出装置と、
前記検出装置から送られる情報により前記射出圧縮成形またはコアバック成形に関する学習モデルが修正される学習装置と、が備えられた請求項３に記載の射出成形システム。

【請求項5】

前記射出圧縮成形またはコアバック成形に関する学習モデルを用いて射出圧縮成形またはコアバック成形を行って成形した成形品の状態を作業者が入力する入力装置と、
前記入力装置から送られる情報により前記射出圧縮成形またはコアバック成形に関する学習モデルが修正される学習装置と、が備えられた請求項３に記載の射出成形システム。

【請求項6】

請求項３ないし請求項５の少なくとも1項の射出成形システムに搭載される射出成形システムの成形条件生成支援プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、射出圧縮成形時またはコアバック成形時に固定金型に対して可動金型を移動させる射出成形機を備えた射出成形システムの成形条件の生成方法、射出成形システム、および射出成形システムの成形条件生成支援プログラムに関するものである。

【背景技術】

【0002】

従来、射出圧縮成形の成形条件の設定に関するものとしては特許文献１や特許文献２に記載されたものが知られている。特許文献１は、型締圧を除去した時の金型位置が基準点に対して設定された任意の設定値からはずれた場合に射出圧縮成形の射出充填量の補正することが記載されている。また特許文献１においては前記基準点を製品形状などよりあらかじめ決めておくことが記載されている。また特許文献２は、試験射出の段階で溶融樹脂の射出速度と金型のキャビティ容積増加方向の速度との間で良品を成形できる良品成形条件を求めておき、上記良品成形条件に適合する条件で成形を行うことが記載されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開平８－１７４６１６号公報

【特許文献2】特開平４－２４６５２３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら前記特許文献１および特許文献２の射出圧縮成形の成形条件の設定に際しては樹脂材料の種類は全く考慮されていない。実際の射出圧縮成形では、樹脂材料の種類によって加熱シリンダの温度は相違するし、その結果、キャビティ内によける溶融樹脂材料の流動性などの挙動も相違してくる。そのため射出圧縮成形の成形条件は一概に定められない。また特許文献１には製品形状を成形条件に反映させることを示唆するような記載はあるが、実際の射出圧縮成形の成形条件の設定に際しては、製品形状の他の金型の情報も必要となる場合が殆どであるので、仮に製品形状を反映させて成形条件を設定したとしても射出圧縮成形の成形条件は一概に定められない。そのため射出圧縮成形の成形条件の設定に際しては依然として熟練した操作者により試行錯誤を繰り返しながら行われているのが実情である。またコアバック成形についても同様に依然として熟練した操作者により試行錯誤を繰り返しながら行われているのが実情である。

【0005】

そこで本発明では、射出圧縮成形時またはコアバック成形時の成形条件を従来よりも比較的容易に生成することができる射出成形システムの成形条件の生成方法、射出成形システム、および射出成形システムの成形条件生成支援プログラムを提供することを目的とする。その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

【課題を解決するための手段】

【0006】

本発明の請求項１に記載の射出成形システムの成形条件の生成方法は、射出圧縮成形時またはコアバック成形時に固定金型に対して可動金型を移動させる射出成形機を備えた射出成形システムの成形条件の生成方法であって、射出圧縮成形時またはコアバック成形時に固定金型に対して可動金型を移動させる射出成形機を備えた射出成形システムの成形条件の生成方法であって、固定金型と可動金型の間にキャビティが形成される成形金型と、前記成形金型が取付けられる型締装置と前記キャビティに射出を行う射出装置とを有する射出成形機が備えられ、少なくとも前記射出成形機に関する情報と、前記成形金型に関する情報と、前記射出装置に供給される樹脂材料に関する情報から、射出圧縮成形またはコアバック成形に関する学習モデルが射出圧縮成形またはコアバック成形に関する成形条件を生成する。

【発明の効果】

【0007】

本発明の射出成形システムの成形条件の生成方法は、射出圧縮成形時またはコアバック成形時に固定金型に対して可動金型を移動させる射出成形機を備えた射出成形システムの成形条件の生成方法であって、固定金型と可動金型の間にキャビティが形成される成形金型と、前記成形金型が取付けられる型締装置と前記キャビティに射出を行う射出装置とを有する射出成形機が備えられ、少なくとも前記射出成形機に関する情報と、前記成形金型に関する情報と、前記射出装置に供給される樹脂材料に関する情報から、射出圧縮成形またはコアバック成形に関する学習モデルが射出圧縮成形またはコアバック成形に関する成形条件を生成するので、射出圧縮成形時またはコアバック成形時の成形条件を従来よりも比較的容易に生成することができる。

【図面の簡単な説明】

【0008】

【図1】本実施形態の射出成形システムの射出成形機の概略説明図である。

【図2】本実施形態の射出成形機の型締装置と成形金型の要部拡大図であって型開状態を示す図である。

【図3】本実施形態の射出成形機の型締装置と成形金型の要部拡大図であって射出圧縮成形開始時の状態を示す図である。

【図4】本実施形態の射出成形機の型締装置と成形金型の要部拡大図であって射出圧縮成形終了時の状態を示す図である。

【図5】図２のＡ－Ａ線の矢視図である。

【図6】本実施形態の射出成形システムの機械学習装置のブロック図である。

【図7】本実施形態の射出成形システムの射出成形機の入力装置に関し成形金型に関する情報を入力する画面の概略図である。

【図8】本実施形態の射出成形システムの射出成形機の入力装置に関し成形不良に関する情報を入力する画面の概略図である。

【図9】本実施形態の射出成形システムの機械学習装置の学習モデルのニューラルネットワークを示す図である。

【図10】本実施形態の射出成形システムの機械学習装置の学習モデルを用いた成形条件の生成と学習モデルの修正に関するフローチャート図である。

【0009】

以下、具体的な実施の形態について、図面を参照しながら詳細に説明する。ただし、以下の実施の形態に限定される訳ではない。また、説明を明確にするため、以下の記載及び図面は、適宜簡略化されている。また、図面が煩雑にならないように、ハッチングが省略されている部分がある。

【0010】

＜射出成形機＞
本実施形態の射出成形機１１を備えた射出成形システム１について図１ないし図５を参照して説明する。最初に射出圧縮成形時またはコアバック成形時に固定金型に対して可動金型を移動させる射出成形機１１について図１を参照して説明する。射出成形機１１は、ベッド１２上に型締装置１３と射出装置１４を備えている。型締装置１３について先に説明すると、型締装置１３は、固定金型１５が取り付けられる固定盤１６に対して可動金型１７が取り付けられる可動盤１８を移動させる２基の型開閉機構１９と固定金型１５と可動金型１７の型締を行う４基の型締機構２０の型締シリンダ２１を備えたものである（ただし図１では手前側の型開閉機構１９と型締機構２０のみを記載）。

【0011】

ベッド１２上に固定される固定盤１６の反金型取付面側の中央部には前記射出装置１４のノズル２２を挿入するためのすり鉢部２３が設けられ、すり鉢部２３の中央には固定金型１５に前記ノズル２２が接続されるため孔が設けられている。また固定盤１６内部の四隅近傍には型締機構２０の型締シリンダ２１がそれぞれ設けられている。型締シリンダ２１はピストン２４の前進側のロッドがタイバ２５を構成している。型締シリンダ２１は、ピストン２４の前進側に型締油室を備え、ピストン２４の後退側に型開油室を備えた復動シリンダである。また型締シリンダ２１はバルブ、センサ、ポンプ、タンク等を備えた油圧装置２６に接続されている。なお本発明において型締シリンダ２１は、サーボバルブや流量制御弁等のクローズドループ制御可能なバルブにより制御される。

【0012】

前記各タイバ２５の外周の先端側近傍位置には、係合溝２５ａが型開閉方向の所定の長さにわたって複数形成されている。そして各タイバ２５は、可動盤１８の四隅近傍に設けられた挿通孔２９にそれぞれ挿通されている。可動盤１８における反金型取付面における挿通孔２９の近傍には、係合機構であるハーフナット３０が配設されている。ハーフナット３０は、シリンダ等の駆動機構２８により係合歯３１がタイバ２５の係合溝２５ａに向けて進退可能となっている。そしてハーフナット３０は、係合歯３１の前進時に可動盤１８をタイバ２５に対して係合可能となっている。また可動盤１８は図示しないエジェクタ機構等を備える。

【0013】

ベッド２上には、固定盤１６に対して可動盤１８を近接・離間移動させる型開閉機構１９が２基配設されている。型開閉機構１９はサーボモータ２７とボールねじ機構３２が用いられている。前記サーボモータ２７の図示しないロータリエンコーダにより固定盤１６に対する可動盤１８の距離（固定金型１５に対する可動金型１７の距離）が測定される。なお固定盤１６に対する可動盤１８の距離は、前記ロータリエンコーダ以外のリニアスケールなどの位置検出機構により測定されるものでもよい。

【0014】

型締装置１３は、型締シリンダ２１とは別にタイバ２５を一定距離移動させるタイバ移動機構３３をタイバ２５の本数に対応して４基備えている（ただし図１では２基のみ記載されている）。タイバ移動機構３３は、1本のタイバ２５につき２基の油圧シリンダ３４を備え、油圧シリンダ３４のロッドと、型締シリンダ２１のピストン２４から反金型取付面側に向けて突出したロッド３５は連結板３６により連結されている。油圧シリンダ３４は油圧装置２６に設けられたクローズドループ制御可能なバルブ３７により制御される。また固定盤１６にはタイバ２５の移動位置を検出するための位置検出機構３８が取付られている。なおタイバ移動機構３３は、サーボモータにより作動されるものでよい。

【0015】

なお型締装置は、図１に示されるものに限定されず、トグル機構を用いたものなどでもよい。トグル機構を用いたものについては図示を省略するが、可動盤の背面に受圧盤が設けられ、可動盤と受圧盤を連結してトグル機構の各トグルリンクが設けられている。また受圧盤の背面側にはサーボモータなどの型締機構が設けられ、受圧盤に軸支されたボールねじを回転駆動可能となっている。また前記ボールねじは、ボールねじナットに挿通され、ボールねじナットはクロスヘッドに固定されている。そしてクロスヘッドにトグルリンクが回動可能に取付られている。このようなトグル機構においては、クロスヘッドの移動量に対して型閉完了近傍における可動盤の移動量は小さなものとなっており、サーボモータによる可動盤の移動制御が高精度に行える。

【0016】

次に型締装置１３に取付られる成形金型４１について図２ないし図５を参照して説明する。成形金型４１は、射出圧縮成形に使用されるものであって、固定金型１５と可動金型１７の間にキャビティＣが形成されるものである。固定金型１５はキャビ型であって凹部からなるキャビティ面４２と後述する可動金型１７との摺動面４３を備えている。また前記摺動面４３の外側周囲には可動金型１７と対向するパーティング面４４となっている。また固定金型１５は、射出（射出充填）の際に溶融樹脂が流通する流路４５が形成され、前記キャビティ面４２の部分にゲート４６が形成されている。前記流路４５はホットランナでもよくコールドランナでもよい。また前記固定金型１５は、その内部に温調媒体が流通する温調用流路４７が備えられている。

【0017】

可動金型１７はコア型であって凸部の先端面がキャビティ面４８となっている。また凸部の側面は固定金型１５の摺動面４３と、型閉時にごく僅かな間隔を隔てて対向する摺動面４９となっている。また摺動面４９の外側周囲の固定金型１５と対向する面はパーティング面５０となっている。ただし成形完了時に固定金型１５のパーティング面４４と可動金型１７のパーティング面５０は当接するとは限らない。また可動金型１７は、その内部に温調媒体が流通する温調用流路５１と成形品Ｐを突き出すエジェクタ５２が備えられている。図２のＡ－Ａ線の矢視である図５は、可動金型１７のキャビティ面４８等を示したものである。前記キャビティ面４８の面積に応じて射出時の射出圧が可動金型１７や可動盤１８に及ぼされる。

【0018】

前記成形金型４１は、構造上インロー金型とも呼ばれる。図３は、成形金型４１が射出圧縮成形開始時の状態を示している。また図４は成形金型４１が射出圧縮成形終了時の状態を示している。図３と図４からも判るように、前記成形金型４１は固定金型１５に対して可動金型１７を型閉方向に移動させるとキャビティＣの容積が減少されて内部の溶融樹脂が圧縮されるものである。また成形金型４１が射出圧縮成形用金型とコアバック成形用金型を兼用することはまず無いが、成形金型がコアバック成形用金型の場合も基本的な構造は同じである。即ちコアバック成形金型の場合は、図４の状態で射出開始され、キャビティ内の溶融樹脂が発泡することによりキャビティの容積が拡大して図３の状態で成形が完了する。

【0019】

次に射出装置１４について説明する。射出装置１４は加熱シリンダ５４の内部に図示しないスクリュ等を備えているとともに、加熱シリンダ５４の前部にはノズル２２が取付けられている。また射出装置１４は後部側に駆動機構５５を備えており、前記スクリュの回転と加熱シリンダ５４の軸方向への前後進移動が行われる。更に射出装置１４の加熱シリンダ５４が取り付けれる図示しないブロックまたはプレートにはホッパ等を備えた材料供給機構５３が備えられている。射出装置１４は、図示しないノズルタッチ装置により全体が前後進移動可能であり、前進した場合にはノズル２２の先端が固定金型１５にタッチする。なお射出装置１４の構造や数については特に限定されない。

【0020】

＜制御装置と検査装置等の周辺装置＞
次に本実施形態の制御装置６１について図６のブロック図を中心に説明する。射出成形機１１は制御装置６１を備えている。制御装置６１は射出成形機１１の制御を行うものであり、図示しない演算部、記憶部、入力部、出力部などを備えている。制御装置６１は射出成形機１１の油圧装置２６、型開閉機構１９のサーボモータ２７のサーボアンプ６２、射出装置１４の図示しない射出用サーボモータや計量用サーボモータのサーボアンプ６３、入力装置６４に接続されている。更に制御装置６１は、射出成形機１１の各センサ等にも接続されている。更に制御装置６１は、温調装置６５の制御装置や、検査装置６６、成形品取出装置６７、材料供給機構５３に接続される図示しない材料供給装置の制御装置などの周辺機器やその制御装置とも接続されている。

【0021】

検査装置６６は、ＣＣＤカメラ等のカメラ６８を備えており、成形品Ｐの情報が読み取れるものである。ここでは成形品取出装置６７のカメラ６８が成形品Ｐを読み取る位置は、成形品取出装置６７に保持された状態でもコンベア等の別の位置でもよい。また検査装置６６は、成形品Ｐの重量を測定する重量計測器、成形品の表面の状態を測定する色彩計測器、成形品の強度を測定する張力計測器、荷重計測器などであってもよい。また保圧完了時のスクリュの位置を検出するための位置センサや、射出圧縮成形の冷却終了時の可動盤１８または可動金型１７の位置を検出するための位置センサなども補完的な検査装置６６として用いられる。

【0022】

＜機械学習装置＞
また本実施形態の射出成形システム１では、成形条件生成支援プログラムを構成する機械学習装置７０を搭載した制御装置７１が射出成形機１１の制御装置６１とは別に設けられている。制御装置７１は、工場の中央制御装置として複数の射出成形機１１に接続されるものでもよく、工場外の同じ会社内の別の構造物や、射出成形機メーカーや管理会社に設けられたものでもよい。これらにおいて射出成形機１１と制御装置７１は、有線または無線のいずれにより接続されたものでもよい。なお、成形条件生成支援プログラムである機械学習装置７０は、射出成形機１１の制御装置６１内に設けられたものでもよい。

【0023】

複数の射出成形機１１を統括する制御装置７１は、入力部７２を備えている。前記入力部７２は射出成形機１１の制御装置６１や検査装置６６等に接続されている。そして射出成形機１１や検査装置６６の情報が入力されるようになっている。また制御装置７１は機械学習装置７０を備えている。機械学習装置７０は、学習モデル部７３を備えている。学習モデル部７３には、推定部７４と学習モデル生成・修正部７５と学習モデル記憶部７６が含まれる。推定部７４はニューラルネットワークを用いて射出圧縮成形における成形条件の生成を行う。また学習モデル生成・修正部７５は、生成された成形条件による成形品が最適でなく成形条件が補正された際に、バックプロパゲーション等により学習モデルの修正を行う。また学習モデル記憶部７６は、生成または修正された成形条件が格納される。

【0024】

また機械学習装置７０の学習モデル部７３は、成形条件記憶部７７、射出成形機情報記憶部７８、成形金型情報記憶部７９、樹脂材料情報記憶部８０に接続されている。成形条件記憶部７７には、機械出荷時または制御装置取付時から射出圧縮成形またはコアバック成形に用いる基本パターンの成形条件が保存されている。また成形金型４１に応じて新しく生成した成形条件も記憶されている。射出成形機情報記憶部７８は、制御装置７１に接続される全ての射出成形機１１について、成形条件を生成するために必要な情報が記憶されている。具体的には型締装置１３の型締機構の情報（スペック情報）、射出装置１４の射出用サーボモータを含む射出機構や計量用サーボモータを含む計量機構の駆動部の情報（スペック情報）、射出装置１４のスクリュの情報（スペック情報）や加熱シリンダ５４のヒータやシリンダ内径の情報（スペック情報）などである。また成形金型情報記憶部７９は、前記射出成形機１１に搭載される各成形金型４１の情報が記憶されている。更に樹脂材料情報記憶部８０には基本的な樹脂材料に関する情報や、過去に射出成形機１１で使用された樹脂材料に関する情報が記憶されている。

【0025】

また機械学習装置７０には成形条件確認・修正部８１が設けられ、成形条件確認・修正部８１は、前記学習モデル部７３と成形条件記憶部７７に接続されている。そして機械学習装置７０の成形条件確認・修正部８１では成形結果に基づいてオペレータが不良種別ボタン１２４を押すと成形条件が修正される。またはオペレータが直接、学習モデル部７３の推定部７４によって生成した成形条件の項目のうちの少なくとも一つを手入力等により修正してもよい。また機械学習装置７０は出力部８２に接続されている。出力部８２は、射出成形機１１の制御装置６１に接続されている。

【0026】

＜入力装置と入力画面＞
次に射出成形機１１の設定等を行う入力装置６４とその入力画面９１について図７、図８を参照して説明する。射出成形機１１の固定盤１６の側面等に設けられる入力装置６４は、オペレータが成形条件を設定入力したり、射出成形機１１の作動状態を表示するものであり、タッチパネル等から構成される。入力装置６４は、射出成形機１１に関する成形条件の設定値を各ページを切替えて入力可能なものであり、射出成形機１１の成形時の実測値や生産情報も表示可能となっている。なお射出成形システム１ではオペレータが手持ちして射出成形機１１の周囲で使用するハンディタイプの入力装置を、射出成形機１１に固設された入力装置６４とは別に設けることも考えられ、それらも本発明の入力装置に含まれる。

【0027】

入力装置６４には、上記したような各種の成形条件を設定入力する一般的な画面（図示せず）の他、図７に示されるように成形金型４１に関する情報や射出装置１４に供給される樹脂材料に関する情報を入力する入力画面９１が設けられている。入力画面９１について説明すると、成形品Ｐを含めた成形金型４１の情報として、キャビティ投影面積（図５におけるキャビティ面４８）の入力部９２，成形終了時のキャビティ容積の入力部９３、キャビティ最長流動長さ（ゲートから最も遠い端部までの流動長さ）の入力部９４、成形品重量の入力部９５、成形品体積の入力部９６、成形品の種別を入力する入力部９７、成形品の個数（取り数）を入力する入力部９８、射出時キャビティ内合流（キャビティ内に射出された樹脂の流れが途中で合流するかを示すものであってウエルド対策に必要）の有無の入力部９９がまとめて表示されている。

【0028】

更に入力画面９１は、キャビティＣと成形品Ｐに関連して、図７に示される成形品平均板厚Ａの入力部１００、成形品厚肉部板厚の入力部１０１、成形品形状を選択して入力する入力部１０２、射出圧縮成形時の圧縮ストロークＢの入力部１０３を備えている。また射出された溶融樹脂がキャビティに送られるランナ部分に関しては、ランナＲの長さの入力部１０４、ランナＲの断面積（最狭部）の入力部１０５、ランナＲの種別（ホットランナかコールドランナか）の入力部１０６、ゲートＧの数の入力部１０７、ゲートＧの位置（中央か端部か中央と端部の中間か）を選択して入力する入力部１０８、ゲートＧの断面積を入力する入力部１０９を備えている。更にまた入力画面９１は、金型重量を入力する入力部１１０、金型種別（射出圧縮成形用のインロー金型や、図１１に示されるような射出圧縮成形用の平当金型といった種別や加熱冷却金型などを入力する入力部１１１、冷却想定時間を入力する入力部１１２を備えている。

【0029】

そして本実施形態では入力画面９１は、射出装置に供給される樹脂材料に関する情報を入力するためのポリプロピレン、ポリカーボネート、アクリル（ＰＭＭＡ）などの樹脂種別を選択して入力する入力部１１３、樹脂材料のグレード（同じ樹脂材料でも更に細分化して入力する必要がある場合）を選択して入力する入力部１１４、ガラス繊維や炭素繊維などの複合材料を入力する入力部１１５、複合材料の比率（重量％）を入力する入力部１１６等を備えている。また樹脂材料のグレードの部分に樹脂メーカーの射出時または金型の推奨温度がある場合は入力できるようにしてもよい。

【0030】

入力画面９１から入力される前記成形金型４１に関する情報としては、キャビティ投影面積または成形品面積のいずれか、キャビティ容積または成形品重量か成形品体積のいずれか、成形品個数が２個以上の場合の成形品個数は必須の入力項目となっている。また樹脂の種別についても必須の入力項目となっている。

【0031】

なお図７では成形品Ｐを含めた成形金型４１に関する情報の入力部と射出装置１４に供給される樹脂材料に関する情報の入力部は例示であって図示以外に項目の増減があってもよい。更にこれらの入力部は全ての入力部の項目を入力しないで空欄のままでも成形条件の生成が可能なものである。また図７の入力画面９１では、成形品を含めた成形金型に関する情報と射出装置に供給される樹脂材料に関する情報は同じ入力画面９１から入力されるが、それぞれ別の入力画面としてもよい。また成形金型４１に関する情報または樹脂材料に関する情報は、有線または無線の通信手段や、ＱＲコード（登録商標）やバーコードなどにより読み込まれるものでもよい。その際の成形品を含めた成形金型４１に関する情報や樹脂材料に関する情報の項目は、前記入力画面９１から入力される情報と一致していてもよいし項目も増減することもできる。

【0032】

本実施形態では射出成形機１１に関する情報は、射出成形機１１から制御装置７１の射出成形機情報記憶部７８に送られて記憶されている。しかし成形金型４１に応じて射出成形機１１の使用する射出装置１４やその他の機構が変更される場合は、入力画面９１から射出成形機１１に関する情報を入力するものでもよい。

【0033】

発泡成形の際に可動金型が後退するコアバック成形の際の入力画面は、図示は省略するが別の画面を設けてもよい。その場合、図７において圧縮ストロークＢの入力部９５となっている部分がコアバック量（発泡膨張ストローク）の入力部となる。また化学発泡か物理発泡かの種別を入力する入力部が設けられる。またそして化学発泡の場合は、複合材料の入力部１０７の部分が、発泡剤の種別と発泡剤の比率（重量％）の入力部となる。また物理発泡の場合は、発泡用のガス等を射出装置の加熱シリンダまたは金型のキャビティに供給する際のガス供給部の位置、ガス種別、ガス圧力などの入力部が設けられる。

【0034】

また入力装置には、射出圧縮成形により成形された成形品Ｐに関する情報を入力する成形品状態の入力画面１２１を備えている。図８は、成形品状態の入力画面１２１の一例であり、成形品Ｐが良品の場合はオペレータが良品ボタン１２２を押し次に確定ボタン１２３を押すことにより良品であることが入力可能となっている。また成形品Ｐに不良がある場合は、オペレータがそれぞれの成形品Ｐの不良の種別を示す不良種別ボタン１２４を押し次に確定ボタン１２３を押すことにより不良であることとその種別が入力可能となっている。成形品状態の入力画面１２１の不良種別ボタン１２４は、ショートショット（重量不足）、オーバーパック（重量オーバー）、重量バラツキ、バリ、ヒケ、変形（反りを含む）、焼け、フローマーク、ボイド、シルバーストリーク、クラック、ウエルド、その他表面不良、コンタミ、ゲート不良、エジェクタ痕、その他表面不良、などの入力ボタンが設けられている。

【0035】

従ってオペレータは、成形品Ｐが良品であると判断した場合は、良品ボタン１２２と確定ボタン１２３を順に押せば成形品Ｐが良品であるという情報を入力することができる。またオペレータは、成形品Ｐにショートショットがあると判断した場合は、不良種別ボタン１２４であるショートショットのボタンと確定ボタン１２３順に押せば成形品Ｐがショートショットであるという情報を入力することができる。また成形品Ｐに２種類以上の不良がある場合は、複数の不良種別ボタン１２４を押した後に確定ボタン１２３を押す。更に不良の程度については、ショートショット等の不良の種別ボタン（同じボタン）を複数回押すことにより、前記不良種別ボタン１２４の色が変色されていき、その後に確定ボタン１２３を押すことにより、不良の程度が入力されるようになっている。

【0036】

なお不良の程度は、別途に設けた数値ボタンなどから入力するようにしてもよい。更には不良発生頻度の高い不良種別であるショートショット（重量不足）、オーバーパック（重量オーバー）、重量バラツキ、バリ、ヒケ、変形（反りを含む）等は、ボタンの大きさを大きくしてもよく、逆に不良発生頻度の低い不良種別は、「その他」ボタンを押すことにより別画面の不良発生頻度の低い不良種別の入力画面に移動するようにしてもよい。また押した頻度の高い不良種別ボタン１２４から順に入力画面１２１に整列表示されるようにしてもよい。そして成形品Ｐを見たオペレータが前記成形品状態の入力画面１２１のいずれかの不良種別ボタン１２４と確定ボタン１２３を順に押すことにより、機械学習装置７０の成形条件確認・修正部８１に成形品Ｐの不良の種別の情報を送信することができるようになっている。

【0037】

＜射出成形システムの成形条件生成支援プログラム＞
本実施形態では射出成形機１１とは離隔した外部の制御装置７１に射出成形システムの成形条件の生成支援プログラムが格納されている。より具体的には、制御装置７１は機械学習装置７０を備えており、機械学習装置７０の学習モデル部７３に射出圧縮成形またはコアバック成形に関する学習モデル（生成支援プログラム）が保存されている。図９に示されるように本実施形態の学習モデルは、中間層１３３（隠れ層）を1層以上設けたニューラルネットワーク１３１を用いたものである。学習モデルのニューラルネットワーク１３１は、入力層１３２から、少なくとも射出成形機１１の情報と、成形金型４１に関する情報と、射出装置１４に供給される樹脂材料に関する情報が入力されると、それぞれ重みｗが付与された関数式等を用いて中間層１３３において必要に応じてバイアスｂを付加し、出力層１３４に出力ｙとして成形条件を得るものである。なお図９では中間層１３３は模式的に記載されたものであり、実際はもっと複雑な関数式や重みｗ、バイアスｂが用いられる。また図９では中間層１３３は一層だけ記載されているが、中間層１３３を２層以上設けたディープラーニングを行うものでもよい。更にニューラルネットワーク１３１は、その少なくとも一部に畳み込みニューラルネットワークを用いたものでもよい。

【0038】

最初の機械学習装置７０の学習モデル部７３への学習モデルの保存の仕方は、インターネット回線を通じてのダウンロードや移動媒体によるインストールしたものなどでもよい。本実施形態では最初の射出圧縮成形に関する学習モデルは、射出成形機メーカーによって作成されたものである。また成形条件記憶部７７には、過去データの特定の射出成形機情報と、特定の成形金型に関する情報と、特定の樹脂材料に関する情報の組み合わせに紐づけされて良品が成形された成形条件が多数格納されている。更に射出成形機情報記憶部７８には射出成形機１１の情報が予め記憶されており、成形金型情報記憶部７９にはる成形金型４１の情報が予め記憶されており、樹脂材料情報記憶部８０には樹脂材料に関する情報が予め記憶されている。なお前記射出成形機１１の情報や成形金型４１の情報は、射出成形機１１の制御装置６１に格納されており、中央演算装置の制御装置７１において学習モデルを用いて成形条件の生成を行う際に通信により送られるものでもよい。

【0039】

＜射出圧縮成形に関する学習モデルを用いた成形条件の生成または修正＞
射出成形システム１の機械学習装置７０の学習モデルを用いた成形条件の生成について図１０のフローチャート図を用いて説明する。図１０のフローチャート図は制御装置６１，７１の制御のみを示すものではなく、オペレータが行う作業も含むものである。前記射出成形機１１の情報については当初から制御装置７１の射出成形機情報記憶部７８に格納されている。そして最初に制御装置６１に接続される入力装置６４または制御装置７１に接続される図示しない入力装置から射出圧縮成形に使用する成形金型４１の情報と樹脂材料に関する情報を入力する（ｓ１）。

【0040】

次に成形条件記憶部７７に最初から射出圧縮成形に関する成形条件が保存されているかどうかを判断し（ｓ２）、成形条件が保存されている場合（ｓ２＝Ｙ）は、学習モデル部７３の推定部７４において、記憶されている成形条件に前記射出成形機１１の情報と、前記の成形金型４１に関する情報と、射出装置に供給される樹脂材料に関する情報を機械学習装置７０の学習モデル部７３の学習モデル記憶部７６に記憶されているニューラルネットワーク１３１の入力層１３２から入力し、重みｗ１ないしｗ１２とバイアスｂ１，ｂ２を付与した関数式をそれぞれ用いて中間層１３３を介して出力層１３４に出力値ｙ１、ｙ２を出力して成形条件を生成する（ｓ３）。

【0041】

具体的には成形条件記憶部７７に射出成形機１１の情報、成形金型４１の情報、樹脂材料に関する情報と紐付けされて射出成形機１１により射出圧縮成形を行う際の成形条件が記憶されている。ここにおいて成形条件とは、射出成形機１１を用いて射出圧縮成形を行って良好な成形品を得るための各種設定値のことである。そして前記したように射出成形機１１の情報、成形金型４１の情報、樹脂材料に関する情報が類似する過去の成形条件が保存されている場合は、前記過去の成形条件も入力層から入力する。過去の類似の成形条件については、先順位を付けた項目に従って類似の成形条件を複数抽出してもよく、機械学習装置がクラスタリング等や教師あり学習等の手法により類似の成形条件を抽出してもよい。また過去の類似の成形条件を用いない場合は、射出成形機情報記憶部７８に記憶されている射出成形機１１の情報、成形金型情報記憶部７９に記憶されている成形金型４１の情報または入力装置６４から入力された成形金型４１の情報、樹脂材料情報記憶部８０に記憶されている樹脂材料に関する情報かまたは入力装置６４の入力画面９１から入力された樹脂材料に関する情報を用いて射出圧縮成形時の成形条件の生成を行う。

【0042】

この段階で機械学習装置７０の学習モデル部７３の推定部７４で用いられる学習モデルがどういう関数式と重み付けにより入力層１３２から中間層１３３への演算と中間層１３３から出力層１３４への演算を行っているかは外部からは容易に判別不可能である。しかし以下に大まかな基準を示す。まず成形品重量または成形品体積（キャビティ容積）と成形品個数、ランナ（流路４５がコールドランナの場合はランナの長さや断面積から大まかな射出量が定まる。そして射出成形機１１の情報であるスクリュ径（または加熱シリンダ内径）から射出ストローク（計量完了位置（射出開始位置）から保圧完了位置、または射出開始位置から保圧切換位置）が決定される。次に成形品形状（キャビティ形状）、ランナ形状、ゲート形状、使用される樹脂材料から射出速度と射出圧力が決定される。使用される樹脂材料については、樹脂材料によって加熱シリンダ５４の温度が相違し、その結果、溶融樹脂のレオロジー特性も異なり、焼けが発生する射出速度等も個なるので、射出速度や射出圧力に大きな影響を与える。また成形品形状（キャビティ形状）が薄肉である場合や樹脂材料の溶融時の流動性が悪い場合、そのことが射出圧縮成形を採用する原因となっているケースもあり、射出速度や射出圧力に影響を与える。

【0043】

そして樹脂材料や射出速度と射出圧力が決定されれば、それに対向して型締装置による射出時の可動金型の保持力や可動盤（可動金型）の位置、射出後に行われる圧縮成形の圧力（力）または圧縮速度（可動金型の移動速度）が定められる。成形品形状（キャビティ形状）が薄肉である場合や樹脂材料の溶融時の流動性が悪い場合は、圧縮開始時の固定盤１６（または固定金型１５）に対する可動盤１８（または可動金型１７）の位置を実際の成形品Ｐの板厚よりも厚く、所定の位置へ後退させておくなどの設定が行われる。即ち射出プレスと呼ばれる成形終了時のキャビティ容積に対して成形開始時のキャビティ容積のほうが大きい成形が行われる。上記のように射出圧縮成形の場合、型締装置１３側の成形条件と射出装置１４側の成形条件に因果関係があり、一方の設定値を変更すると他方の設定値も変更が必要となる場合が多い。そのためオペレータによる成形条件生成は、熟練が必要となり、熟練者でも時間がかかる。前記問題を解消するためには過去の成形条件の良否を記憶していて反映することが可能な機械学習装置７０およびその学習モデルを用いることが有用である。射出圧縮成形の学習モデルは相互の因果関係が複雑であるので、一例として数理計画法など相互関係の調整を行う学習モデルが組み込まれることもある。

【0044】

また型締装置１３側の成形条件と射出装置１４側の成形条件は緊密な関係にあるので、オペレータが入力または選択した型締装置１３側の成形条件に対して、学習モデルが射出装置１４側の成形条件を設定したり修正するものでもよい。またはオペレータが入力または選択した射出装置１４側の成形条件に対して学習モデルが型締装置１３側の成形条件を設定したり修正するものでもよい。一例としてレンズ成形等の厚肉部を備えた光学成形品の場合は、焼け等の樹脂材料の劣化を防止するために射出速度または射出圧力は比較的低く設定される。それに対して型締装置１３側ではキャビティＣ内の溶融樹脂を所定以上の速度で圧縮してキャビティＣ内に溶融樹脂を延展する。冷却想定時間については、成形金型の温度（温調媒体温度）との関係で設定される。成形金型の温度（温調媒体温度）は、樹脂材料の種類によって対応する温度がある程度決まるが、金型形状やキャビティ形状によっても影響を受ける。冷却温度については冷却想定温度の形で最初に入力しておくことも考えられるが、金型形状やキャビティ形状、樹脂材料の種類から冷却時間を成形条件の一部として生成（推定）するものでもよい。

【0045】

また本発明においては成形条件が全く保存されていない場合でも初期の成形条件を生成することができる。ただし初期の成形条件で射出圧縮成形等の成形を行って良品が成形されることは少ないと言える。即ち成形条件が保存されていない場合は、学習モデル部７３の推定部７４において射出成形機情報記憶部７８に保存されている射出成形機情報と、入力された成形金型に関する情報と樹脂材料に関する情報のみを用いて学習モデルが成形条件を生成する（ｓ４）。一例としてはキャビティ投影面積、キャビティ容積（成形品体積）または成形品重量等の少なくとも一つの成形金型に関する情報と樹脂材料に関する情報が入力画面９１から入力されると学習モデルを用いて初期の成形条件が生成（推定）される。

【0046】

＜射出圧縮成形に関する学習モデルの修正＞
次に射出成形機１１を作動させてり実際に射出圧縮成形を行って成形品Ｐに関する情報を得て射出圧縮成形またはコアバック成形に関するする学習モデルを修正する部分について説明する。図１０のフローチャート図に沿って続きを説明すると、学習モデル部７３の推定部７４において、成形条件が保存されていて成形条件が生成された場合（s３）も、成形条件が保存されておらずに成形条件が生成された場合（s４）も、次に射出成形機１１を手動または半自動（連続した自動成形以外）で作動させて成形品Ｐの成形が行われる（ｓ５）。射出圧縮成形では、成形時に射出装置１４からキャビティＣに溶融樹脂を射出後に、固定金型１５に対して可動金型１７を移動させてキャビティＣ内で前記溶融樹脂を圧縮する成形が行われる。この際、前記設定された成形条件における射出量に対して、更に射出量の少ない成形条件が自動的に生成され、前記射出量の少ない成形条件でショートショットによる成形が行われる。そしてオペレータは実際に成形された成形品Ｐをエジェクタ５２で突き出して可動金型１７等から取出し自ら視認して確認し、ショートショットであった場合は入力画面において「ショートショット（重量不足）」の不良種別ボタン１２４を押し更に確定ボタン１２３を押すと、成形条件が変更され射出量が増加される。この際に射出量の増加は、一律に一定量増加されるのではなく、前回射出量や成形品重量等に対して所定の比率で増加量が定められる。

【0047】

そしてショートショットが解消されるとオペレータは、取出した成形品Ｐについて検査して良品か不良品かの判断を行う（ｓ６）。最初から良品が成形できる可能性は低く、オペレータが取出した成形品Ｐについて検査して「ヒケ」、「焼け」、「フローマーク」、「シルバーストリーク」、その他の不良があると判断した場合（ｓ６＝Ｎ）は、入力装置６４の入力画面９１から対応する不良種別ボタン１２４を押し（ｓ７）、更に確定ボタン１２３を押して成形条件の改善を行う。この際に不良の程度によって該当する不良種別ボタン１２４を複数回押すようにしてもよい。

【0048】

学習モデル記憶部７６には、射出成形機に関する情報、成形金型に関する情報、樹脂材料に関する情報に応じて、いずれかの不良種別ボタン１２４が１回押された際にどの成形条件をどれだけ修正するかという情報が保存されている。そして具体的には「ヒケ」ボタンが押された際には、成形条件確認・修正部８１において、型締装置１３側の圧縮量を増加させるとともに射出装置１４側の保圧時の保圧圧力を増加するなど、型締装置１３側、射出装置１４側のそれぞれについて成形条件の修正が行われる（ｓ８）。また「焼け」ボタンが押された場合は射出装置１４側の射出速度を低下させるなどの成形条件の修正を行う。成形条件の修正は、前記したように型締装置１３側、射出装置１４側の少なくとも一方の成形条件を修正するものでもよい。

【0049】

そして再度オペレータは手動または半自動で成形品Ｐの成形を行う。この際に学習モデルにより推定された成形条件を表示装置に一度表示させて、オペレータが確認し、良好な成形条件と判断したときに手動成形または半自動成形の成形スタートボタンを押して成形を行うことが望ましい。またオペレータが確認した結果、良好な成形条件ではないと判断した場合は、オペレータは手入力で成形条件を修正するようにしてもよい。ただし機械学習装置７０の学習モデルが学習を重ね、常に良好な成形条件（微修正の範囲を含む）を生成できるようになれば、学習モデルが生成した成形条件は表示装置に表示せずにそのまま次の射出成形を開始するようにしてもよい。この作業は成形品Ｐが良品であるとオペレータにより確認されるまでは、（ｓ７）、（ｓ８）のステップを繰り返す。

【0050】

そして不良種別ボタン１２４を押したことにより成形条件が改善され、良品が取れるようになった場合（ｓ６＝Ｙ）は、オペレータは良品ボタン１２２を押し（ｓ９）、更に確定ボタン１２３を押す。このことにより機械学習装置７０の成形条件確認・修正部８１において成形条件が正しかったことが確認され、学習モデル生成・修正部において学習モデルの修正を行うことなく、学習モデル記憶部７６にその際の成形条件が保存される。そして自動成形（連続成形）を開始するためのスタートボタンを押すと連続成形が開始される（ｓ１０）。

【0051】

また機械学習装置７０においては、前記対策が良好な成形条件の修正であったとして学習モデル生成・修正部７５において学習モデルの修正が行われる（ｓ１１）。なお（ｓ１０）の連続運転の開始と（ｓ１１）の学習モデルの修正は、どちらが先であっても同時であってもよい。本実施形態では学習モデルの修正は、バックプロパゲーション（誤差逆伝播法または誤差逆伝搬法とも呼ばれる）により行われる。即ち図９に示されるニューラルネットワーク１３１の出力層１３４の側から中間層１３３、入力層１３２の側へ順に、出力側から入力側に向けてそれぞれの重みｗやバイアスｂの改善を行う。即ち学習モデルが推定した出力解を検証し、正解との誤差を減らすようにニューラルネットワークの重みｗやバイアスｂの調整をする。一例としては勾配降下法により、誤差関数を微分することによりニューラルネットワークの重みｗの値を変更する。換言すれば誤差関数の傾きに対して重みｗを増減させることにより誤差を減らしていくことができる。

【0052】

そして成形品Ｐが良品であった場合の成形条件を生成した学習モデルは、学習モデル部７３の学習モデル生成・修正部７５において該学習モデルのニューラルネットワーク１３１の関数式が正しかったものとして前記関数式の重みｗの増加等を行う。そして修正された学習モデルのニューラルネットワーク１３１は、学習モデル記憶部７６に保存される。このようにして当該成形金型に関する情報と樹脂材料に関する情報の際の成形条件の学習モデルを記憶するとともに、
近似した成形金型に関する情報と樹脂材料に関する情報である場合も良好な成形条件が推定される比率が高まるようにする。

【0053】

また同時に不良種別ボタン１２４を１回押すごとにどの成形条件がどれだけ補正されるかの修正幅（または修正比率）もまた、学習モデル部７３の学習モデル生成・修正部７５により修正され学習モデル記憶部７６に保存される。この修正幅は当然ながら射出成形機に関する情報や成形金型に関する情報、樹脂材料に関する情報に応じて一律ではない。前記不良種別ボタン１２４を１回押すごとにどの成形条件の修正幅（または修正比率）が最適化されることによりオペレータは入力画面から数値入力をしないでも適切な成形条件の修正ができるようになる。一例として不良種別ボタン１２４を１回だけ押した場合は微修正、３回押した場合には標準的な修正、５回押した場合は大修正などの使い分けができ、１回あたりの修正の程度は、学習モデルの再学習により調整がなされる。なお修正幅が大きい場合等は、オペレータが修正後の成形条件の数値を確認してから次の成形を開始することなどは上記の通りである。なお前記成形条件の修正は全自動運転に入ってからでも行うことができる。

【0054】

＜他の実施形態の学習モデルの修正方法＞
なお射出圧縮成形に関する学習モデルの修正は強化学習により行ってもよい。強化学習を行う場合、不良に対して不良種別ボタン１２４を押して不良種別ボタン１２４に対応する成形条件の修正が行われ次回以降の成形で成形品Ｐが良品となった場合は良品ボタン１２２と確定ボタン１２３を押して、修正された成形条件（または修正した項目の数値修正幅や修正比率）に対してプラスの報酬を与え、修正前の成形条件（または修正された項目）に対してマイナスの報酬を与える。また成形品Ｐの不良に対して不良種別ボタン１２４を押しても次回以降に成形した成形品Ｐが良品とならなかった場合は不良種別ボタン１２４を押す回数を増加させるなどする。それでも成形した成形品Ｐが良品とならなかった場合は修正後の成形条件（または修正した項目の数値修正幅や修正比率）に対してマイナスの報酬を与える。そしてまた機械学習装置７０の学習モデルのみでは良品が成形できない場合は、オペレータが直接設定入力して良品が成形できる成形条件に修正する。なお前記のオペレータが直接設定入力するケースであっても、最初から全ての成形条件をオペレータが入力する場合よりも設定入力する範囲は少なくなり、基本的な大きなミスの発生は減少するので成形条件の改善に貢献できる場合が多い。

【0055】

＜コアバック成形＞
次にコアバック成形（発泡成形）についての学習モデルを用いた成形条件の生成と修正について記載する。コアバック成形は、型締装置１３を型締時に成形金型の固定金型と可動金型の間に形成されるキャビティに射出装置から発泡材料または発泡ガスを含む樹脂材料を射出し、その後にキャビティ内での樹脂材料に含まれる発泡材料や発泡ガスの膨張により内部に気泡を有する成形品を成形する成形方法である。発泡成形においては成形品の膨張に対応して可動金型を適切に後退させることが重要となる。従って成形金型４１のキャビティの容積が変更されつつ成形が行われるという点で、射出圧縮成形とコアバック成形には共通点がある。

【0056】

コアバック成形の際に可動金型の後退速度が早すぎると成形品の表面にヒケやスキン層の不良が発生する可能性や想定よりも成形品板厚が厚い成形品となってしまう可能性がある。また可動金型の後退速度が遅すぎると発泡膨張不足により想定よりも成形品の板厚が薄い成形品となってしまう可能性がある。そのためオペレータは発泡成形された成形品を見て、ヒケ等が発生している場合は、不良種別のヒケボタンや、コアバック成形専用の板厚オーバーのボタンを押して成形条件を補正する。具体的にはヒケボタンや、コアバック成形専用の板厚オーバーのボタンが押されると成形条件のうちの可動金型の後退速度が所定速度低下されるかまたは可動金型の後退停止位置が所定量前方（キャビティＣが狭くなる方向）に変更されるなどの成形条件の修正が行われる。または別の入力画面から可動金型の後退速度や後退時のキャビティ内圧力、後退時間などの成形条件の数値を直接設定し直してもよい。また成形品の板厚が薄い場合は、コアバック成形専用の発泡膨張不足のボタンを押して成形条件の修正を行う。具体的にはコアバック成形専用の発泡膨張不足のボタンが押されると成形条件のうちの可動金型の後退速度が所定速度増速されるか、または可動金型の後退停止位置が所定量後方（キャビティＣが広くなる方向）に変更されるなどの成形条件の修正が行われる。または別の画面から可動金型の後退速度や後退時のキャビティ内圧力、後退時間などの成形条件の数値を直接設定し直してもよい。

【0057】

この際に不良種別のヒケボタン、コアバック成形専用の板厚オーバーのボタン、発泡膨張不足のボタンを押して成形条件を修正し、良品が成形されるようになった場合、学習モデルをバックプロパゲーションにより出力層１３４の側から中間層１３３、入力層１３２の側へ順にそれぞれの重みｗやバイアスｂの改善を行う。または強化学習により良好となった成形条件または成形条件の修正幅に対してプラスの報酬を付与する。そのことにより次回に同様の射出成形機に関する情報、成形金型に関する情報、樹脂材料に関する情報のケースにおいて、成形条件生成部において最初から良品が成形できる成形条件が生成される確率が増加する。コアバック成形の成形条件の生成や修正についても、射出圧縮成形の学習モデルと同様に型締装置１３側と射出装置１４側の相互の因果関係が複雑であるので、オペレータによる調整に比較して過去の成形条件を記憶し修正が可能な学習モデルが組み込まれることが有用である。
＜不良種別ボタンを使用しない場合＞

【0058】

なお上記の射出圧縮成形またはコアバック成形における成形品に関する情報を得て前記射出圧縮成形またはコアバック成形に関する学習モデルを修正する方法は、手動成形または半自動成形時にオペレータが直接成形品を成形金型から取出し、成形品に不良がある場合は、射出成形機１１の入力装置６４の入力画面９１から不良種別ボタン１２４を押して種別を入力していた。この方式は従来から成形を行っているオペレータにとっても使い勝手のよい方式であるし、別途の検査装置等の設備投資が不要である。また中央の制御装置７１を用いないでも射出成形機１１の制御装置６１に機械学習装置７０を搭載して成形条件の修正を行うことも可能である。

【0059】

しかしながら本発明において入力画面１２１の不良種別ボタン１２４からの成形条件の修正は必須のものではなく、入力画面１２１に不良種別ボタン１２４を設けず、検査装置も使用せず、不良品を見たオペレータが入力画面から個別の成形条件の少なくとも一つの要素を手入力により修正するだけのものでもよい。

【0060】

また射出圧縮成形およびコアバック成形における成形品に関する情報は、ＣＣＤカメラ、光電管、重量計、色彩計などの検出装置により検出するようにしてもよい。検出装置を使用する場合は、最初に成形品が良品である場合は、良品であることを機械学習装置に教師あり学習させる。また成形品に不良がある場合は、不良の形状と不良の種類を紐付けして機械学習装置に教師あり学習させる。

【0061】

そして前記検出装置が成形品を検査して特定の種類の不良があると判断した場合は、上記の不良種別ボタン１２４をオペレータが押す場合と同様に、バックプロパゲーションによる重み付けの変更、または強化学習による報酬の付与により学習モデルを修正する。そして最初に設定した射出成形機１１の情報と、前記成形金型４１に関する情報と、前記射出装置１４に供給される樹脂材料に関する情報を用いて学習モデルが行う成形条件の生成の結果が変更されるようにする。なお成形条件の微修正はオペレータによる部分も残すようにすることが好ましい。従って検査装置を使用するケースは、全自動運転開始後の成形品の監視に用いてもよい。そして成形品の不良率が僅かに上昇した時点で、対策を射出成形機１１の表示画面または中央の複数の射出成形機１１を統括する制御装置７１の表示画面にメッセージとして表示する。前記メッセージを見たオペレータは、対策が正しいと考える場合は射出成形機１１の入力装置６４または複数の射出成形機１１を統括する入力装置から数値を微修正して成形条件を修正する。

【0062】

本発明については一々列挙はしないが、上記した本実施形態のものに限定されず、実施形態の各記載を組み合わせしたものや当業者が本発明の趣旨を踏まえて変更を加えたものについても、適用されることは言うまでもないことである。例えば上記の実施形態は、射出圧縮成形やコアバック成形以外の一般的な射出成形についても応用可能である。特に成形品の状態を判断したオペレータが入力装置の不良種別ボタンを選択して押すことにより、成形条件が修正され、修正された成形条件を用いて成形した成形品の不良が解消される方法は、どのような成形であっても応用が可能である。

【符号の説明】

【0063】

１ 射出成形システム
１１ 射出成形機
１３ 型締装置
１４ 射出装置
１５ 固定金型
１７ 可動金型
６１，７１ 制御装置
６４ 入力装置
７０ 機械学習装置
７３ 学習モデル部
７４ 推定部
７５ 学習モデル生成・修正部
７６ 学習モデル記憶部
７７ 成形条件記憶部
８１ 成形条件確認・修正部
９１，１２１ 入力画面
１３１ ニューラルネットワーク
１３２ 入力層
１３３ 中間層
１３４ 出力層
Ｃ キャビティ
Ｐ 成形品
ｂ バイアス
ｗ 重み
ｙ 出力値

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】