㈱MAZINが、東京都立産業技術研究センターの公募型共同研究(2020年)で行った「AIによる成形条件自動調整システム」について共有化しておきます。これは、ベイズ最適化とAIを使った最適成形条件探索方法の開発です。
《概要》良品成形(熟練者による条件)と同じ品質になるように、ベイズ最適化とAIを使って成形条件を自動調整するシステム。
金型内部の圧力データを活用した動的ベイズ学習モデルによる状態推定を行うことで不具合原因の究明を効率化する「金型内部状態推定方法の開発」。
《効果》非熟練者への技能伝承が十分に行われていない現場であっても、成形にかかるリードタイムを短縮することができる。金型内部状態推定方法を適用することにより、不具合原因の究明を効率化させることができる。
【珈琲ブレイ句】このシステムは、始めに最適条件(初期値)を入力します。そして、テスト成形を繰り返すと、AIが自動的に学習して調整条件を見つけてくれます。この新たな最適条件で生産を始めればOKというわけです。
これにより、熟練者がいなくとも、4Mが少し異なっても、瞬時に成形条件をチューニングしてくれるという素晴らしい開発です。
ただ、気になるところがひとつあります。始めに用意する初期値が「最適条件」ですかという疑問です。 また、品質工学のロバスト性能を追求した最適化とは根本的に異なっています。
この疑問の解決方法は、始めに用意する最適条件を、品質工学(タグチメソッド)によるロバスト性の高い最適条件にすれば解決しそうです。Taguchi-Bayesian Optimization(タグチ・ベイズ最適化)の世界ですね。
情報元:株式会社MAZIN「動的ベイズ学習モデルによる射出成形機のloT化」~射出成形の日々の条件調整でお困りの方へ~
関連BLOG: タグチメソッド・パラメータ最適化とベイズ最適化の比較
関連BLOG: タグチメソッド・パラメータ最適化とベイズ最適化②