ホーム > 特許ランキング > 住友重機械工業株式会社
知財求人 - 知財ポータルサイト「IP Force」
特開2024-92298プレス管理システム、プレス管理方法及びプレス管理プログラム
(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】P2024092298
(43)【公開日】2024-07-08
(54)【発明の名称】プレス管理システム、プレス管理方法及びプレス管理プログラム
(51)【国際特許分類】
B21J 9/20 20060101AFI20240701BHJP
B30B 15/00 20060101ALI20240701BHJP
【ＦＩ】
B21J9/20
B30B15/00 B
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2022208131
(22)【出願日】2022-12-26
(71)【出願人】
【識別番号】000002107
【氏名又は名称】住友重機械工業株式会社
(74)【代理人】
【識別番号】100090033
【弁理士】
【氏名又は名称】荒船 博司
(74)【代理人】
【識別番号】100093045
【弁理士】
【氏名又は名称】荒船 良男
(72)【発明者】
【氏名】生沼 大暉
(72)【発明者】
【氏名】古賀 方土
【テーマコード（参考）】
4E087
4E088
【Ｆターム（参考）】
4E087AA10
4E087CA11
4E087CB01
4E087EA15
4E087EB07
4E087EC01
4E087GA20
4E087GB04
4E088JJ02
4E088JJ04
4E088JJ10
(57)【要約】
【課題】プレス加工後の製品品質を好適に推定する。
【解決手段】プレス管理システム１は、プレス装置２の運転状態に関する計測データ６６ａを取得するセンサ類３７と、記憶部６６と、制御部６７と、を備えている。制御部６７は、プレス装置２による製品の検査結果を、計測データ６６ａと対応付けて記憶部６６に記憶させ、計測データ６６ａと検査結果を対応付けた学習データを機械学習させて学習モデル６６ｂを作成し、センサ類３７が取得した計測データ６６ａと学習モデル６６ｂとに基づいて、検査結果を推定する。
【選択図】図５
【解決手段】プレス管理システム１は、プレス装置２の運転状態に関する計測データ６６ａを取得するセンサ類３７と、記憶部６６と、制御部６７と、を備えている。制御部６７は、プレス装置２による製品の検査結果を、計測データ６６ａと対応付けて記憶部６６に記憶させ、計測データ６６ａと検査結果を対応付けた学習データを機械学習させて学習モデル６６ｂを作成し、センサ類３７が取得した計測データ６６ａと学習モデル６６ｂとに基づいて、検査結果を推定する。
【選択図】図５
【特許請求の範囲】
【請求項1】
プレス装置の運転状態に関する運転情報を取得する情報取得部と、
前記プレス装置による製品の検査結果を、前記運転情報と対応付けて記憶部に記憶させる記憶制御部と、
前記運転情報と前記検査結果を対応付けた学習データを機械学習させて学習モデルを作成するモデル作成部と、
前記情報取得部が取得した前記運転情報と前記学習モデルとに基づいて、前記検査結果を推定する推定部と、
を備えるプレス管理システム。
前記プレス装置による製品の検査結果を、前記運転情報と対応付けて記憶部に記憶させる記憶制御部と、
前記運転情報と前記検査結果を対応付けた学習データを機械学習させて学習モデルを作成するモデル作成部と、
前記情報取得部が取得した前記運転情報と前記学習モデルとに基づいて、前記検査結果を推定する推定部と、
を備えるプレス管理システム。
【請求項2】
前記プレス装置は、複数の加工工程に臨む複数の被成形物に対して同時にプレス加工を行う、
請求項１に記載のプレス管理システム。
請求項１に記載のプレス管理システム。
【請求項3】
検査対象の被成形物に対してマーキングを施すマーキング部を備える、
請求項１に記載のプレス管理システム。
請求項１に記載のプレス管理システム。
【請求項4】
前記マーキング部は、前記検査対象の被成形物と同時にプレス加工された他の被成形物にマーキングを施す、
請求項３に記載のプレス管理システム。
請求項３に記載のプレス管理システム。
【請求項5】
前記マーキング部は、前記プレス装置でのプレス加工後の前記被成形物に対してマーキングを施す、
請求項３に記載のプレス管理システム。
請求項３に記載のプレス管理システム。
【請求項6】
前記モデル作成部は、前記運転情報及び前記検査結果のうち所定範囲の最新のものを前記学習データとして、前記学習モデルを作成する、
請求項１に記載のプレス管理システム。
請求項１に記載のプレス管理システム。
【請求項7】
前記モデル作成部は、前記検査結果が追加されると、当該追加された検査結果を含んだ前記学習データを機械学習させて、前記学習モデルを更新する、
請求項６に記載のプレス管理システム。
請求項６に記載のプレス管理システム。
【請求項8】
プレス管理システムの制御部が、
プレス装置の運転状態に関する運転情報を取得する情報取得工程と、
前記プレス装置による製品の検査結果を、前記運転情報と対応付けて記憶部に記憶させる記憶制御工程と、
前記運転情報と前記検査結果を対応付けた学習データを機械学習させて学習モデルを作成するモデル作成工程と、
前記情報取得工程で取得した前記運転情報と前記学習モデルとに基づいて、前記検査結果を推定する推定工程と、
を実行するプレス管理方法。
プレス装置の運転状態に関する運転情報を取得する情報取得工程と、
前記プレス装置による製品の検査結果を、前記運転情報と対応付けて記憶部に記憶させる記憶制御工程と、
前記運転情報と前記検査結果を対応付けた学習データを機械学習させて学習モデルを作成するモデル作成工程と、
前記情報取得工程で取得した前記運転情報と前記学習モデルとに基づいて、前記検査結果を推定する推定工程と、
を実行するプレス管理方法。
【請求項9】
コンピュータを、
プレス装置の運転状態に関する運転情報と、前記プレス装置による製品の検査結果とを対応付けて記憶部に記憶させる記憶制御部、
前記運転情報と前記検査結果を対応付けた学習データを機械学習させて学習モデルを作成するモデル作成部、
前記運転情報と前記学習モデルとに基づいて、前記検査結果を推定する推定部、
として機能させるプレス管理プログラム。
プレス装置の運転状態に関する運転情報と、前記プレス装置による製品の検査結果とを対応付けて記憶部に記憶させる記憶制御部、
前記運転情報と前記検査結果を対応付けた学習データを機械学習させて学習モデルを作成するモデル作成部、
前記運転情報と前記学習モデルとに基づいて、前記検査結果を推定する推定部、
として機能させるプレス管理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、プレス管理システム、プレス管理方法及びプレス管理プログラムに関する。
【背景技術】
【0002】
特許文献１に記載のプレス装置では、複数種類の加工条件それぞれの条件特徴量と、荷重特徴量との相関を、金型パターンごとに機械学習して学習モデルを生成している。そして、この学習モデルに基づいて、荷重特徴量に対する各加工条件の重要度を金型パターンごとに解析して、製品の良否に関わる加工条件を推定している。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２１－５３６９１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、上記特許文献１に記載の技術では、プレス加工後の製品品質の情報を得ることができない。
プレス加工後の製品品質は、一般に、高精度な全数検査が現実的でないため、抜き取り検査によって基準を満たすか否かの確認が行われる。したがって、製造工程に何らかの異変が発生して品質に影響を及ぼした場合、発見が遅れることがあり、その間の製品は追加作業で修正するか破棄することになってしまう。
プレス加工後の製品品質は、一般に、高精度な全数検査が現実的でないため、抜き取り検査によって基準を満たすか否かの確認が行われる。したがって、製造工程に何らかの異変が発生して品質に影響を及ぼした場合、発見が遅れることがあり、その間の製品は追加作業で修正するか破棄することになってしまう。
【0005】
本発明は、上記事情に鑑みてなされたもので、プレス加工後の製品品質を好適に推定することを目的とする。
【課題を解決するための手段】
【0006】
本発明は、プレス管理システムであって、
プレス装置の運転状態に関する運転情報を取得する情報取得部と、
前記プレス装置による製品の検査結果を、前記運転情報と対応付けて記憶部に記憶させる記憶制御部と、
前記運転情報と前記検査結果を対応付けた学習データを機械学習させて学習モデルを作成するモデル作成部と、
前記情報取得部が取得した前記運転情報と前記学習モデルとに基づいて、前記検査結果を推定する推定部と、
を備える。
プレス装置の運転状態に関する運転情報を取得する情報取得部と、
前記プレス装置による製品の検査結果を、前記運転情報と対応付けて記憶部に記憶させる記憶制御部と、
前記運転情報と前記検査結果を対応付けた学習データを機械学習させて学習モデルを作成するモデル作成部と、
前記情報取得部が取得した前記運転情報と前記学習モデルとに基づいて、前記検査結果を推定する推定部と、
を備える。
【発明の効果】
【0007】
本発明によれば、プレス加工後の製品品質を好適に推定することができる。
【図面の簡単な説明】
【0008】
【図1】実施形態に係るプレス管理システムの要部を示す図である。
【図2】実施形態に係るプレス管理システムの概略の制御構成を示すブロック図である。
【図3】実施形態に係るプレス装置の運転時に計測される計測データの一例を示す図である。
【図4】実施形態に係るプレス管理システムでの作業工程の流れを示すフローチャートである。
【図5】実施形態に係る品質推定処理の流れを示すフローチャートである。
【図6】実施形態に係る計測データと品質検査結果の一例を示すグラフである。
【発明を実施するための形態】
【0009】
以下、本発明の実施形態について、図面を参照して詳細に説明する。
【0010】
［プレス管理システムの構成］
図１は、本実施形態に係るプレス管理システム１の要部を示す図である。
この図に示すように、本実施形態に係るプレス管理システム１は、プレス装置２、コンベア４１、４２、ヒータ５１、マーカ５２、制御装置６（図２参照）を備える。
図１は、本実施形態に係るプレス管理システム１の要部を示す図である。
この図に示すように、本実施形態に係るプレス管理システム１は、プレス装置２、コンベア４１、４２、ヒータ５１、マーカ５２、制御装置６（図２参照）を備える。
【0011】
プレス装置２は、熱間鍛造を行う鍛造プレス装置であり、偏心軸２４と、クラッチブレーキ２５と、コネクティングロッド２６と、スライド２７と、上金型２８及び下金型２９とを備えている。
【0012】
偏心軸２４は、エキセン軸やクランク軸等で構成されている。
クラッチブレーキ２５は、モータにより回転駆動されるフライホイール（図示省略）と偏心軸２４との連結及び連結解除の切り替えと、偏心軸２４の制動とを行う。クラッチブレーキ２５によりフライホイールと偏心軸２４が連結されると、偏心軸２４が中心軸回りに回転する。偏心軸２４の回転運動は、コネクティングロッド２６を介してスライド２７の並進運動に変換され、スライド２７が上下方向に進退する。
クラッチブレーキ２５は、モータにより回転駆動されるフライホイール（図示省略）と偏心軸２４との連結及び連結解除の切り替えと、偏心軸２４の制動とを行う。クラッチブレーキ２５によりフライホイールと偏心軸２４が連結されると、偏心軸２４が中心軸回りに回転する。偏心軸２４の回転運動は、コネクティングロッド２６を介してスライド２７の並進運動に変換され、スライド２７が上下方向に進退する。
【0013】
スライド２７の下面には上金型２８が固定されており、上金型２８の下方には下金型２９が固定されている。スライド２７が上下に進退することで、上金型２８と下金型２９とが接離し、これらの間でワーク（被成形物）Ｗが鍛造成形される。
上金型２８と下金型２９とは、図１における紙面左右方向に複数組が並んで一体的に設けられており、並び順に従って型形状が成形品の最終形状に近づくように形成されている。本実施形態の上金型２８と下金型２９では、特に限定はされないが、３回（粗プレス、本プレス、仕上げプレス）の加工工程が順次行われる。
以下では、上金型２８と下金型２９の間で同時にプレスされる３つのワークＷのうち、粗プレスされるものを「Ｗpre」、本プレスされるものを「Ｗｍ」、仕上げプレスされるものを「Ｗpost」、と符号を区別して各々を識別する場合がある。
上金型２８と下金型２９とは、図１における紙面左右方向に複数組が並んで一体的に設けられており、並び順に従って型形状が成形品の最終形状に近づくように形成されている。本実施形態の上金型２８と下金型２９では、特に限定はされないが、３回（粗プレス、本プレス、仕上げプレス）の加工工程が順次行われる。
以下では、上金型２８と下金型２９の間で同時にプレスされる３つのワークＷのうち、粗プレスされるものを「Ｗpre」、本プレスされるものを「Ｗｍ」、仕上げプレスされるものを「Ｗpost」、と符号を区別して各々を識別する場合がある。
【0014】
図２は、プレス管理システム１の概略の制御構成を示すブロック図である。
この図に示すように、プレス装置２は、上記構成のほか、駆動部３０、金型ヒータ３２、搬送装置３３、潤滑剤噴射装置３４、ノックアウト装置３５、複数のセンサ類３７を備えている。
この図に示すように、プレス装置２は、上記構成のほか、駆動部３０、金型ヒータ３２、搬送装置３３、潤滑剤噴射装置３４、ノックアウト装置３５、複数のセンサ類３７を備えている。
【0015】
駆動部３０は、スライド２７を進退させるための構成であり、上述のモータやクラッチブレーキ２５を含む。
金型ヒータ３２は、上金型２８と下金型２９を所定の温度まで加熱する。
搬送装置３３は、上金型２８と下金型２９の間や、プレス装置２とコンベア４１、４２との間でワークＷを搬送する。具体的に、搬送装置３３は、上金型２８と下金型２９が離間したときに、最上流側の上金型２８及び下金型２９にコンベア４１から新たなワークＷを供給したり、上金型２８と下金型２９の間でワークＷを順次搬送したり、最下流側の上金型２８及び下金型２９でプレスが完了したワークＷをコンベア４２へ取り出したりする。
金型ヒータ３２は、上金型２８と下金型２９を所定の温度まで加熱する。
搬送装置３３は、上金型２８と下金型２９の間や、プレス装置２とコンベア４１、４２との間でワークＷを搬送する。具体的に、搬送装置３３は、上金型２８と下金型２９が離間したときに、最上流側の上金型２８及び下金型２９にコンベア４１から新たなワークＷを供給したり、上金型２８と下金型２９の間でワークＷを順次搬送したり、最下流側の上金型２８及び下金型２９でプレスが完了したワークＷをコンベア４２へ取り出したりする。
【0016】
潤滑剤噴射装置３４は、金型表面に金型潤滑剤を吹き付けるものである。潤滑剤噴射装置３４は、プレス方向と直交する方向に進退可能に構成され、上金型２８と下金型２９とが離間したときにこれらの間に進入して潤滑剤を吹き付ける。金型潤滑剤は、金型とワークの潤滑状態を良くし、例えば金型へのワークＷのはりつきを抑えて成形を容易にする。
ノックアウト装置３５は、金型からワークＷを離型させる装置であり、上金型２８から離型させるスライドノックアウト（ＳＫＯ）装置と、下金型２９から離型させるベッドノックアウト（ＢＫＯ）装置との、少なくとも一方を含む。ノックアウト装置３５は、金型を貫通して進退可能なピンを例えば油圧シリンダで進退させて、金型からワークＷを押し出す。
ノックアウト装置３５は、金型からワークＷを離型させる装置であり、上金型２８から離型させるスライドノックアウト（ＳＫＯ）装置と、下金型２９から離型させるベッドノックアウト（ＢＫＯ）装置との、少なくとも一方を含む。ノックアウト装置３５は、金型を貫通して進退可能なピンを例えば油圧シリンダで進退させて、金型からワークＷを押し出す。
【0017】
複数のセンサ類３７は、プレス装置２の運転状態に関する情報（運転情報）を取得する。本実施形態のセンサ類３７は、例えば、以下に示す複数のセンサのうち少なくとも１つを含む。ただし、センサ類３７は、プレス装置２の製品品質に影響するパラメータを取得するものであれば、以下のものに限定されない。
・荷重センサ：プレスに関与する部材（金型やスライド）に掛かる荷重を検出する。
・型温度センサ：上金型２８及び／又は下金型２９の温度を検出する。
・材料温度センサ：プレス装置２に供給されるワークＷの温度を検出する。
・角度センサ：偏心軸２４の回転角度（プレス角度）を検出する（スライド２７の位置及び速度の検出に相当）。
・ノックアウト位置センサ：ノックアウト装置３５におけるノックアウトピンの位置を検出する。
・潤滑剤流量センサ：潤滑剤噴射装置３４における金型潤滑剤の流量を検出する。
・シャットハイトセンサ：シャットハイト（ベッド上面からスライド２７の下死点位置までの高さ）を検出する。
・荷重センサ：プレスに関与する部材（金型やスライド）に掛かる荷重を検出する。
・型温度センサ：上金型２８及び／又は下金型２９の温度を検出する。
・材料温度センサ：プレス装置２に供給されるワークＷの温度を検出する。
・角度センサ：偏心軸２４の回転角度（プレス角度）を検出する（スライド２７の位置及び速度の検出に相当）。
・ノックアウト位置センサ：ノックアウト装置３５におけるノックアウトピンの位置を検出する。
・潤滑剤流量センサ：潤滑剤噴射装置３４における金型潤滑剤の流量を検出する。
・シャットハイトセンサ：シャットハイト（ベッド上面からスライド２７の下死点位置までの高さ）を検出する。
【0018】
コンベア４１は、ワークＷを、その投入位置からプレス装置２まで搬送する。
コンベア４２は、プレス装置２でプレスされたワークＷを、プレス装置２から検査員Ｓによる検査位置まで、又は所定の保管位置まで搬送する。
コンベア４２は、プレス装置２でプレスされたワークＷを、プレス装置２から検査員Ｓによる検査位置まで、又は所定の保管位置まで搬送する。
【0019】
ヒータ５１は、コンベア４１上に配置され、ワークＷを所定の温度まで加熱する。
マーカ５２は、プレス装置２でのプレス加工が完了したワークＷに対し、レーザ又はインクジェットによりマーキングを施す。本実施形態では、後述するように、全数のワークＷに対してではなく、検査対象のワークＷと、当該ワークＷと同時にプレス加工された他のワークＷとに対してのみ、マーキングが施される。
マーカ５２は、プレス装置２でのプレス加工が完了したワークＷに対し、レーザ又はインクジェットによりマーキングを施す。本実施形態では、後述するように、全数のワークＷに対してではなく、検査対象のワークＷと、当該ワークＷと同時にプレス加工された他のワークＷとに対してのみ、マーキングが施される。
【0020】
制御装置６は、プレス管理システム１の動作を制御するものであり、操作部６２、表示部６３、記憶部６６、制御部６７を備える。
【0021】
操作部６２は、ユーザ操作を受け付けるマウス等のポインティングデバイスやキーボードを備えており、これらが受けた操作内容に対応する入力信号が制御部６７に出力される。
表示部６３は、例えば液晶ディスプレイ、有機エレクトロルミネッセンスディスプレイその他のディスプレイであり、制御部６７から入力される表示信号に基づいて各種情報を表示する。なお、表示部６３は、操作部６２の一部を兼ねるタッチパネルであってもよいし、音声表示（出力）が可能なスピーカを含んでもよい。
表示部６３は、例えば液晶ディスプレイ、有機エレクトロルミネッセンスディスプレイその他のディスプレイであり、制御部６７から入力される表示信号に基づいて各種情報を表示する。なお、表示部６３は、操作部６２の一部を兼ねるタッチパネルであってもよいし、音声表示（出力）が可能なスピーカを含んでもよい。
【0022】
記憶部６６は、例えばＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）等を備えて構成されるメモリであり、各種のプログラム及びデータを記憶するとともに、制御部６７の作業領域としても機能する。
本実施形態の記憶部６６には、計測データ６６ａと学習モデル６６ｂが記憶される。
本実施形態の記憶部６６には、計測データ６６ａと学習モデル６６ｂが記憶される。
【0023】
計測データ６６ａは、プレス装置２の運転時にセンサ類３７により計測される、プレス装置２の運転状態に関する運転情報である。ただし、計測データ６６ａは、プレス装置２の運転情報以外の情報を含んでもよい。
図３に計測データ６６ａの一例を示す。この図に示すように、計測データ６６ａは、荷重（Load）や型温度（Temperature）等のセンサ類３７による計測値のほか、時刻やロットＮｏ、金型内でのワークＷの配列（Combination）、マーキング内容（Mark）等を含む。マーキング内容は、マーカ５２によるプレス後のワークＷへのマーキングの文字内容であり、本実施形態では「日付＋通し番号＋連番」からなる番号となっている。ただし、マーキングされない場合には「０」が記録される。また、計測データ６６ａにおける各行のデータは、仕上げプレス点のワークＷpostに対応する。
図３に計測データ６６ａの一例を示す。この図に示すように、計測データ６６ａは、荷重（Load）や型温度（Temperature）等のセンサ類３７による計測値のほか、時刻やロットＮｏ、金型内でのワークＷの配列（Combination）、マーキング内容（Mark）等を含む。マーキング内容は、マーカ５２によるプレス後のワークＷへのマーキングの文字内容であり、本実施形態では「日付＋通し番号＋連番」からなる番号となっている。ただし、マーキングされない場合には「０」が記録される。また、計測データ６６ａにおける各行のデータは、仕上げプレス点のワークＷpostに対応する。
【0024】
図２に示すように、学習モデル６６ｂは、センサ類３７による計測データ６６ａに基づいて、ワークＷの製品品質を推定するものである。学習モデル６６ｂは、後述の品質推定処理（図５参照）により、例えば、製品品質の情報が付与された計測データを学習データとした機械学習により構築されて記憶部６６に格納される。
さらに、記憶部６６には、後述の品質推定処理（図５参照）を実行するための品質推定プログラム６６ｃが予め記憶されている。
さらに、記憶部６６には、後述の品質推定処理（図５参照）を実行するための品質推定プログラム６６ｃが予め記憶されている。
【0025】
制御部６７は、例えばＣＰＵ（Central Processing Unit）等を備えて構成され、制御装置６各部の動作を制御する。具体的に、制御部６７は、操作部６２の操作内容に基づいて、表示部６３に各種情報を表示させたり、記憶部６６に予め記憶されているプログラムを展開し、展開されたプログラムと協働して各種処理を実行したりする。
【0026】
【0027】
プレス管理システム１では、以下の一連の作業工程が複数のワークＷに対して連続的に実行される。
具体的には、図４に示すように、プレス管理システム１では、コンベア４１の上流側にワークＷが投入されると（ステップＳ１）、制御装置６の制御部６７が、当該ワークＷをヒータ５１で所定の温度まで加熱する（ステップＳ２）。
具体的には、図４に示すように、プレス管理システム１では、コンベア４１の上流側にワークＷが投入されると（ステップＳ１）、制御装置６の制御部６７が、当該ワークＷをヒータ５１で所定の温度まで加熱する（ステップＳ２）。
【0028】
次に、制御部６７は、加熱されたワークＷに対してプレス装置２で熱間鍛造を行う（ステップＳ３）。
ここでは、加熱されたワークＷがコンベア４１でプレス装置２に搬送され、プレス装置２で３回（３段階）のプレス加工が行われる。このとき、複数のセンサ類３７による計測データ６６ａの取得と、当該計測データ６６ａに基づく後述の品質推定処理による製品品質の推定とが行われる。プレス装置２でのプレス加工が完了したワークＷはコンベア４２に搬送される。
なお、このプレス工程（又はマーキング工程）後に、その後処理工程（例えば、バリ取り、熱処理、第２プレス等）を設けてもよい。
ここでは、加熱されたワークＷがコンベア４１でプレス装置２に搬送され、プレス装置２で３回（３段階）のプレス加工が行われる。このとき、複数のセンサ類３７による計測データ６６ａの取得と、当該計測データ６６ａに基づく後述の品質推定処理による製品品質の推定とが行われる。プレス装置２でのプレス加工が完了したワークＷはコンベア４２に搬送される。
なお、このプレス工程（又はマーキング工程）後に、その後処理工程（例えば、バリ取り、熱処理、第２プレス等）を設けてもよい。
【0029】
次に、制御部６７は、プレス装置２でのプレス加工後のワークＷのうち、定期的（または不定期的）に選択された一部のものに対し、マーカ５２により所定の情報をマーキングする（ステップＳ４）。
本実施形態では、プレス装置２から排出されるワークＷに対し、自動でマーキングがなされる。具体的には、後述のステップＳ５で抜き取り検査される検査対象ワークＷｔ、及び当該検査対象ワークＷｔと同時にプレス加工されるワークＷが全て識別できるように、これらに連番でマーキングが施される。本実施形態では、３つのワークＷが同時にプレスされるため、１回の抜き取り検査につき、二点鎖線で示す検査対象ワークＷｔの前後２つを含めた計５つのワークＷにマーキングが施される（図３参照）。
なお、全数のワークＷに対してマーキングを施してもよい。
本実施形態では、プレス装置２から排出されるワークＷに対し、自動でマーキングがなされる。具体的には、後述のステップＳ５で抜き取り検査される検査対象ワークＷｔ、及び当該検査対象ワークＷｔと同時にプレス加工されるワークＷが全て識別できるように、これらに連番でマーキングが施される。本実施形態では、３つのワークＷが同時にプレスされるため、１回の抜き取り検査につき、二点鎖線で示す検査対象ワークＷｔの前後２つを含めた計５つのワークＷにマーキングが施される（図３参照）。
なお、全数のワークＷに対してマーキングを施してもよい。
【0030】
次に、定期的（または不定期的）に選択された一部のワークＷに対し、検査員Ｓが抜き取りで品質検査を行う（ステップＳ５）。
本実施形態では、検査員Ｓは、プレス加工されたワークＷのなかから、ステップＳ４においてマーキングされた検査対象ワークＷｔを抜き取り、製品品質としてその結晶粒径を測定する。具体的に、検査員Ｓは、まずワークＷからサンプル片を切り出し、その表面処理をする。そして、検査員Ｓは、ワーク断面の顕微鏡観察による結晶粒径の測定を行い、複数の結晶粒についてその平均粒径を算出する。算出した平均粒径は、後述するように、学習モデル６６ｂの作成に用いられる。
なお、検査対象ワークＷｔは、例えばプレス装置２からワークＷを排出する搬送ライン（コンベア４２）に抜き取り検査ワーク用ラインを設けるなどして、その他のワークＷから振り分けてもよい。また、抜き取り検査（品質検査）の内容は、結晶粒径の測定に限定されず、例えば、寸法測定や直角度測定、硬度測定、密度測定、外観検査、成分分析等を含む。
本実施形態では、検査員Ｓは、プレス加工されたワークＷのなかから、ステップＳ４においてマーキングされた検査対象ワークＷｔを抜き取り、製品品質としてその結晶粒径を測定する。具体的に、検査員Ｓは、まずワークＷからサンプル片を切り出し、その表面処理をする。そして、検査員Ｓは、ワーク断面の顕微鏡観察による結晶粒径の測定を行い、複数の結晶粒についてその平均粒径を算出する。算出した平均粒径は、後述するように、学習モデル６６ｂの作成に用いられる。
なお、検査対象ワークＷｔは、例えばプレス装置２からワークＷを排出する搬送ライン（コンベア４２）に抜き取り検査ワーク用ラインを設けるなどして、その他のワークＷから振り分けてもよい。また、抜き取り検査（品質検査）の内容は、結晶粒径の測定に限定されず、例えば、寸法測定や直角度測定、硬度測定、密度測定、外観検査、成分分析等を含む。
【0031】
［品質推定処理］
続いて、上述したプレス管理システム１の作業工程のうち、ステップＳ３のプレス工程における製品品質を推定する品質推定処理について説明する。
図５は、品質推定処理の流れを示すフローチャートであり、図６は、計測データ６６ａと品質検査結果の一例を示すグラフである。なお、図６では、「〇」のプロットがセンサ又は検査による実測値を示し、検査結果における「●」のプロットが学習モデルによる推定値を示す。
続いて、上述したプレス管理システム１の作業工程のうち、ステップＳ３のプレス工程における製品品質を推定する品質推定処理について説明する。
図５は、品質推定処理の流れを示すフローチャートであり、図６は、計測データ６６ａと品質検査結果の一例を示すグラフである。なお、図６では、「〇」のプロットがセンサ又は検査による実測値を示し、検査結果における「●」のプロットが学習モデルによる推定値を示す。
【0032】
品質推定処理は、プレス時の計測データ６６ａと品質検査の結果とに基づいて学習モデル６６ｂを作成し、この学習モデル６６ｂによりワークＷの製品品質を推定する処理である。この品質推定処理は、例えばプレス装置２の運転開始に伴って、制御部６７が記憶部６６から品質推定プログラム６６ｃを読み出して展開することで、上述したプレス管理システム１の作業工程と連動して実行される。
【0033】
図５に示すように、品質推定処理では、まずユーザ（例えば検査員Ｓ）が、上述したプレス管理システム１の作業工程における品質検査（ステップＳ５）の結果を、制御装置６に入力する（ステップＴ１）。
具体的に、ここでは、検査対象ワークＷｔの識別番号（例えばマーキング内容）と対応付けて、当該検査対象ワークＷｔの検査結果（本実施形態では平均粒径）が入力される。これにより、図６（ａ）に示すように、センサ類３７によるプレス時の計測データ６６ａと、入力された検査結果とが対応付けられる。対応付けられた計測データ６６ａと検査結果は、記憶部６６に記憶される。ここで、図６における「センサＡ」、「センサＢ」とは、センサ類３７に含まれるセンサによる測定値であって、結晶粒径に影響するプレス時の荷重（応力）や金型温度等のプレス条件である。
具体的に、ここでは、検査対象ワークＷｔの識別番号（例えばマーキング内容）と対応付けて、当該検査対象ワークＷｔの検査結果（本実施形態では平均粒径）が入力される。これにより、図６（ａ）に示すように、センサ類３７によるプレス時の計測データ６６ａと、入力された検査結果とが対応付けられる。対応付けられた計測データ６６ａと検査結果は、記憶部６６に記憶される。ここで、図６における「センサＡ」、「センサＢ」とは、センサ類３７に含まれるセンサによる測定値であって、結晶粒径に影響するプレス時の荷重（応力）や金型温度等のプレス条件である。
【0034】
次に、制御部６７は、学習モデル６６ｂを作成するための学習データを設定する（ステップＴ２）。
ここでは、計測データ６６ａに検査結果を付与した学習データを設定する。このとき、図６（ｂ）、（ｃ）に示すように、学習データには所定のデータ範囲Ｒの最新のものだけが含まれるように、学習モデル６６ｂの作成（更新）タイミングに応じて学習データを更新する。これにより、現在（リアルタイム）のプレス状態に近い計測データ６６ａに基づく学習モデル６６ｂを作成でき、ひいては、プレス状態の経時変化に対応した学習モデル６６ｂを構築できる。本実施形態のデータ範囲Ｒは、時間範囲として設定される。
なお、データ範囲Ｒは、狭すぎると学習モデル６６ｂの予測精度が落ちる反面、広すぎると現在のプレス状態から乖離したデータが含まれてしまうおそれがあるため、オペレータが適宜設定するのが好ましい。ただし、データ範囲Ｒの設定手法は特に限定されず、例えば計測データ６６ａやその他のパラメータに応じて設定されることとしてもよい。また、データ範囲Ｒは最新の計測データ６６ａを含まなくてもよい。例えば過去の計測データ６６ａのうち現在と同じ時期のものを含める等としてもよい。
ここでは、計測データ６６ａに検査結果を付与した学習データを設定する。このとき、図６（ｂ）、（ｃ）に示すように、学習データには所定のデータ範囲Ｒの最新のものだけが含まれるように、学習モデル６６ｂの作成（更新）タイミングに応じて学習データを更新する。これにより、現在（リアルタイム）のプレス状態に近い計測データ６６ａに基づく学習モデル６６ｂを作成でき、ひいては、プレス状態の経時変化に対応した学習モデル６６ｂを構築できる。本実施形態のデータ範囲Ｒは、時間範囲として設定される。
なお、データ範囲Ｒは、狭すぎると学習モデル６６ｂの予測精度が落ちる反面、広すぎると現在のプレス状態から乖離したデータが含まれてしまうおそれがあるため、オペレータが適宜設定するのが好ましい。ただし、データ範囲Ｒの設定手法は特に限定されず、例えば計測データ６６ａやその他のパラメータに応じて設定されることとしてもよい。また、データ範囲Ｒは最新の計測データ６６ａを含まなくてもよい。例えば過去の計測データ６６ａのうち現在と同じ時期のものを含める等としてもよい。
【0035】
次に、制御部６７は、ステップＴ２で設定した学習データのクレンジングを行い（ステップＴ３）、必要な特徴量化を行う（ステップＴ４）。
そして、制御部６７は、ステップＴ３、Ｔ４の前処理を経た学習データを例えばＡＩ（Artificial Intelligence；人口知能）に機械学習させて、学習モデル６６ｂを作成する（ステップＴ５）。作成された学習モデル６６ｂは記憶部６６に記憶され、古いものが記憶されていた場合には新たなものに更新される。
そして、制御部６７は、ステップＴ３、Ｔ４の前処理を経た学習データを例えばＡＩ（Artificial Intelligence；人口知能）に機械学習させて、学習モデル６６ｂを作成する（ステップＴ５）。作成された学習モデル６６ｂは記憶部６６に記憶され、古いものが記憶されていた場合には新たなものに更新される。
【0036】
次に、制御部６７は、プレス工程の実行時において、作成した学習モデル６６ｂを用い、製品品質の推定を行う（ステップＴ６）。
具体的に、制御部６７は、リアルタイムの計測データ６６ａを学習モデル６６ｂに入力し、これに対応する結晶の平均粒径を取得する。
なお、学習モデル６６ｂで推定した値が検査結果から大きく乖離している場合には、ステップＴ２での学習データの設定（更新）を見合わせて別途原因調査を行ってもよい。
具体的に、制御部６７は、リアルタイムの計測データ６６ａを学習モデル６６ｂに入力し、これに対応する結晶の平均粒径を取得する。
なお、学習モデル６６ｂで推定した値が検査結果から大きく乖離している場合には、ステップＴ２での学習データの設定（更新）を見合わせて別途原因調査を行ってもよい。
【0037】
［本実施形態の技術的効果］
以上のように、本実施形態によれば、プレス装置２の運転状態に関する計測データ６６ａ（運転情報）と、プレス装置２による製品の検査結果とが対応付けられ、この計測データ６６ａと検査結果を対応付けた学習データを機械学習させて学習モデル６６ｂが作成される。そして、センサ類３７が取得した計測データ６６ａと学習モデル６６ｂとに基づいて、製品品質（検査結果）が推定される。
これにより、検査結果が低頻度の抜き取り検査によるものであっても、プレス加工後の製品品質を好適に推定することができる。
以上のように、本実施形態によれば、プレス装置２の運転状態に関する計測データ６６ａ（運転情報）と、プレス装置２による製品の検査結果とが対応付けられ、この計測データ６６ａと検査結果を対応付けた学習データを機械学習させて学習モデル６６ｂが作成される。そして、センサ類３７が取得した計測データ６６ａと学習モデル６６ｂとに基づいて、製品品質（検査結果）が推定される。
これにより、検査結果が低頻度の抜き取り検査によるものであっても、プレス加工後の製品品質を好適に推定することができる。
【0038】
また、本実施形態によれば、プレス装置２が、複数の加工工程に臨む複数のワークＷに対して同時にプレス加工を行う。つまり、同時にプレス加工される複数のワークＷが、互いの製品品質に影響を及ぼし合う。
このように、ワークＷとその製品品質とが一対一で対応しない場合であっても、機械学習による学習モデル６６ｂを利用することで、好適に製品品質を推定することができる。
このように、ワークＷとその製品品質とが一対一で対応しない場合であっても、機械学習による学習モデル６６ｂを利用することで、好適に製品品質を推定することができる。
【0039】
また、本実施形態によれば、検査対象ワークＷｔにマーキングを施すマーカ５２が、検査対象ワークＷｔと同時にプレス加工される他のワークＷにもマーキングを施す。
これにより、一のワークＷの製品品質に影響を及ぼす他の全てのワークＷを識別することができる。
これにより、一のワークＷの製品品質に影響を及ぼす他の全てのワークＷを識別することができる。
【0040】
また、本実施形態によれば、計測データ６６ａ及び検査結果のうち所定のデータ範囲Ｒの最新のものを学習データとして、学習モデル６６ｂが作成される。
これにより、現在（リアルタイム）のプレス状態に近い計測データ６６ａに基づく学習モデル６６ｂを作成できる。したがって、より正確に製品品質を推定することができる。
これにより、現在（リアルタイム）のプレス状態に近い計測データ６６ａに基づく学習モデル６６ｂを作成できる。したがって、より正確に製品品質を推定することができる。
【0041】
また、本実施形態によれば、検査結果が追加されると、当該追加された検査結果を含んだ学習データを機械学習させて、学習モデル６６ｂが更新される。
これにより、検査結果が追加されるたびに、学習モデル６６ｂを最新のものに更新することができる。したがって、プレス状態の経時変化に対応した学習モデル６６ｂを好適に作成できる。
これにより、検査結果が追加されるたびに、学習モデル６６ｂを最新のものに更新することができる。したがって、プレス状態の経時変化に対応した学習モデル６６ｂを好適に作成できる。
【0042】
［その他］
以上、本発明の実施形態について説明したが、本発明は上記の実施形態に限られない。
例えば、上記実施形態では、鍛造プレス装置を例に挙げて説明したが、本発明に係るプレス装置は鍛造プレス装置に限定されない。
以上、本発明の実施形態について説明したが、本発明は上記の実施形態に限られない。
例えば、上記実施形態では、鍛造プレス装置を例に挙げて説明したが、本発明に係るプレス装置は鍛造プレス装置に限定されない。
【0043】
また、上記実施形態では、制御装置６の記憶部６６に各種のデータ等が記憶されることとした。しかし、これに限定されず、例えば、制御装置６又はプレス装置２と通信可能なサーバ等の記憶装置に各種のプログラム及びデータが記憶されることとしてもよい。
その他、上記実施形態で示した細部は、発明の趣旨を逸脱しない範囲で適宜変更可能である。
その他、上記実施形態で示した細部は、発明の趣旨を逸脱しない範囲で適宜変更可能である。
【符号の説明】
【0044】
１ プレス管理システム
２ プレス装置
６ 制御装置
２８ 上金型
２９ 下金型
３７ センサ類（情報取得部）
５２ マーカ（マーキング部）
６６ 記憶部
６６ａ 計測データ（運転情報）
６６ｂ 学習モデル
６６ｃ 品質推定プログラム（プレス管理プログラム）
６７ 制御部（記憶制御部、モデル作成部、推定部）
Ｒ データ範囲
Ｗ ワーク
Ｗｔ 検査対象ワーク
２ プレス装置
６ 制御装置
２８ 上金型
２９ 下金型
３７ センサ類（情報取得部）
５２ マーカ（マーキング部）
６６ 記憶部
６６ａ 計測データ（運転情報）
６６ｂ 学習モデル
６６ｃ 品質推定プログラム（プレス管理プログラム）
６７ 制御部（記憶制御部、モデル作成部、推定部）
Ｒ データ範囲
Ｗ ワーク
Ｗｔ 検査対象ワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】