JP-2026076962-A - 試料作製評価システム、試料作製評価システムの制御方法、プログラム、及び記録媒体

JP2026076962AJP 2026076962 AJP2026076962 AJP 2026076962AJP-2026076962-A

Abstract

【課題】品質の良い試料が作製される作製条件を短期間で取得するのに有利な技術を提供する。【解決手段】試料作製評価システムは、作製条件に基づいて試料を作製する試料作製装置と、試料を計測する計測装置と、計測装置の計測結果に基づいて試料を評価し、試料の評価結果を取得する情報処理装置と、を備える。情報処理装置は、評価結果が所定条件を満たさない場合、評価結果の修正が必要である旨を通知する。【選択図】図１

Inventors

大野雅普
志岐美佳

Assignees

キヤノン株式会社

Dates

Publication Date: 20260512
Application Date: 20250924
Priority Date: 20241024

Claims (20)

作製条件に基づいて試料を作製する試料作製装置と、前記試料を計測する計測装置と、前記計測装置の計測結果に基づいて前記試料を評価し、前記試料の評価結果を取得する情報処理装置と、を備え、前記情報処理装置は、前記評価結果が所定条件を満たさない場合、前記評価結果の修正が必要である旨を通知する、ことを特徴とする試料作製評価システム。
前記試料作製装置は、更新された前記作製条件に基づいて試料を作製する、ことを特徴とする請求項１に記載の試料作製評価システム。
前記試料作製装置は、前記作製条件が更新される度、更新された前記作製条件に基づいて試料を作製する、ことを特徴とする請求項１に記載の試料作製評価システム。
修正が必要な前記評価結果の数が所定数に達した場合、前記試料作製装置は、試料の作製を停止する、ことを特徴とする請求項３に記載の試料作製評価システム。
前記評価結果は、評価値を含み、前記情報処理装置は、前記評価値を用いて推定関数を求め、前記推定関数を用いて前記作製条件を更新するよう構成され、前記情報処理装置は、前記評価値の修正を受け付けた場合、修正後の前記評価値を用いて前記推定関数を求める、ことを特徴とする請求項１に記載の試料作製評価システム。
前記評価結果は、複数のランク値を含み、前記複数のランク値のうちのいずれかが前記評価値である、ことを特徴とする請求項５に記載の試料作製評価システム。
前記評価結果は、前記複数のランク値にそれぞれ対応する複数の確率を含み、前記情報処理装置は、前記複数の確率のうち最も高い第１確率に対応するランク値を、前記評価値とする、ことを特徴とする請求項６に記載の試料作製評価システム。
前記所定条件は、前記第１確率と、前記複数の確率のうち前記第１確率の次に高い第２確率との差が閾値以上であるという条件である、ことを特徴とする請求項７に記載の試料作製評価システム。
前記情報処理装置は、学習済みの機械学習モデルを用いて前記計測結果に対する前記評価結果を取得する、ことを特徴とする請求項１に記載の試料作製評価システム。
前記計測装置は、官能センサであり、前記情報処理装置は、前記計測結果として前記官能センサから前記試料の官能情報を取得する、ことを特徴とする請求項１乃至９のいずれか１項に記載の試料作製評価システム。
前記官能センサは、視覚センサ、嗅覚センサ、味覚センサ及び圧力センサのうち少なくとも１つである、ことを特徴とする請求項１０に記載の試料作製評価システム。
表示装置を更に備え、前記情報処理装置は、前記試料の評価結果が所定条件を満たさない場合、前記評価結果の修正が必要である旨を示す画像を前記表示装置に表示させることにより通知する、ことを特徴とする請求項１に記載の試料作製評価システム。
前記情報処理装置は、前記表示装置に、ユーザによる前記評価結果の修正を受け付けるユーザインタフェース画像を表示する、ことを特徴とする請求項１２に記載の試料作製評価システム。
作製条件に基づいて試料を作製する試料作製装置と、前記試料を計測する第１計測装置と、前記第１計測装置よりも高い精度で前記試料を計測する第２計測装置と、前記第１計測装置の計測結果に基づいて前記試料を評価し、前記試料の評価結果を取得する情報処理装置と、を備え、前記情報処理装置は、前記評価結果が所定条件を満たさない場合、前記第２計測装置に前記試料を計測させ、前記第２計測装置の計測結果に基づいて前記試料を評価し、前記試料の前記評価結果を更新する、ことを特徴とする試料作製評価システム。
前記評価結果は、評価値を含み、前記情報処理装置は、前記評価値を用いて推定関数を求め、前記推定関数を用いて前記作製条件を更新するよう構成され、前記情報処理装置は、前記評価値を更新した場合、更新後の前記評価値を用いて前記推定関数を求める、ことを特徴とする請求項１４に記載の試料作製評価システム。
前記第１計測装置及び前記第２計測装置の各々は、前記試料の表面の形状を計測する装置であり、前記計測結果は、前記表面の計測形状であり、前記評価結果は、前記計測形状と設計形状との差である、ことを特徴とする請求項１５に記載の試料作製評価システム。
前記所定条件は、前記差の最大値が閾値以上となる条件である、ことを特徴とする請求項１６に記載の試料作製評価システム。
前記試料作製装置は、更新された前記作製条件に基づいて試料を作製する、ことを特徴とする請求項１５乃至１７のいずれか１項に記載の試料作製評価システム。
作製条件に基づいて試料を作製する試料作製装置と、前記試料を計測する計測装置と、前記計測装置の計測結果に基づいて前記試料を評価し、前記試料の評価結果を取得する情報処理装置と、を備え、前記情報処理装置は、前記作製条件により作製した前記試料の少なくとも１つの第１計測結果より得られた少なくとも１つの第１評価結果が所定条件を満たした場合、前記試料作製装置に試料を再度作製させ、前記再度作製した試料を前記計測装置に計測させて前記計測装置から少なくとも１つの第２計測結果を取得し、前記少なくとも１つの第２計測結果に基づいて少なくとも１つの第２評価結果を取得し、前記少なくとも１つの第２評価結果に基づいて前記作製条件を更新する、ことを特徴とする試料作製評価システム。
前記情報処理装置は、前記少なくとも１つの第１計測結果が複数の第１計測結果である場合に前記複数の第１計測結果を平均する平均化処理、前記少なくとも１つの第１計測結果及び前記少なくとも１つの第２計測結果を平均する平均化処理、前記少なくとも１つの第１評価結果が複数の第１評価結果である場合に前記複数の第１評価結果を平均する平均化処理、又は前記少なくとも１つの第１評価結果及び前記少なくとも１つの第２評価結果を平均する平均化処理を行う、ことを特徴とする請求項１９に記載の試料作製評価システム。

Description

本開示は、試料を作製し、作製した試料を評価する技術に関する。材料などの開発では、原材料を選定し、原材料の配合量を決め、材料の攪拌又は加熱などの処理を行うことで、試料を作製する。また、開発では、作製された試料を計測して、計測結果を評価する。この評価が目標とする条件を満たすように、試料の作製条件を更新する。このような開発において、材料の性能の向上や開発効率の向上に重点を置いたデータ駆動型開発が知られている。データ駆動型開発は、例えば試料の作製条件と、計測した特性値のデータとから、所望の特性値が得られる作製条件を導出するものである。具体的には、試料の作製条件の決め、その作製条件で試料を作製し、作製した試料を計測して特性値を取得し、これまでに得られた試料の作製条件と計測結果を用いてデータ解析し、次の試料の作製条件を決定する。この一連の作業を探索サイクルと呼び、探索サイクルを繰り返し実行し、所望の特性値が得られる作製条件を導く。試料の作製条件の決定にはベイズ最適化などのデータ解析技術が使われることが多く、試料の作製及び計測は手動で行われることが多かった。特許文献１には、試料の作製及び計測を、ロボットなどを用いて自動的に行うことにより、一連の探索サイクルを自動化させることが開示されている。特開２０２１－４３９５９号公報（ａ）は第１実施形態に係る試料作製評価システムのブロック図である。（ｂ）は第１実施形態に係る情報処理装置のブロック図である。（ａ）は第１実施形態に係る情報処理部の説明図である。（ｂ）は第１実施形態に係る機械学習に用いられる教師データの一例を示す説明図である。第１実施形態に係る試料作製評価システムによる試料作製評価方法のフローチャートである。（ａ）は第１実施形態に係るユーザインタフェース画像の一例を示す説明図である。（ｂ）は第１実施形態に係る評価結果の説明図である。第１実施形態に係るユーザインタフェース画像の説明図である。第１実施形態に係る推定関数を説明するための図である。第１実施形態に係る推定関数を説明するための図である。（ａ）は第１実施形態に係る表示装置に表示される画像の一例を示す説明図である。（ｂ）は第１実施形態に係る表示装置に表示される画像の一例を示す説明図である。第１実施形態に係る表示装置に表示される画像の一例を示す説明図である。第２実施形態に係る試料作製評価システムのブロック図である。（ａ）は第２実施形態に係る試料の模式的な斜視図である。（ｂ）は第２実施形態に係る形状誤差の説明図である。（ａ）は第３実施形態に係る試料および試料を計測する計測装置の模式的な側面図である。（ｂ）は第３実施形態に係る試料を作製する際の作製条件の一例を示す説明図である。（ａ）は第３実施形態に係る試料の第１計測結果の一例を示すグラフである。（ｂ）は第３実施形態に係る試料の吐出量と目標吐出量との差を示すグラフである。（ｃ）は第３実施形態に係る試料の第２計測結果の一例を示すグラフである。（ｄ）は第３実施形態に係る試料の吐出量と目標吐出量との差を示すグラフである。第３実施形態に係る試料作製評価システムによる試料作製評価方法のフローチャートである。（ａ）は第３実施形態に係る複数の試料の計測結果の一例を示すグラフである。（ｂ）は第３実施形態に係る複数の試料の各々の平均吐出量と目標吐出量との差を示すグラフである。（ａ）は第３実施形態に係る複数の試料の計測結果の一例を示すグラフである。（ｂ）は第３実施形態に係る複数の試料の各々の平均吐出量と目標吐出量との差を示すグラフである。以下、本開示の例示的な実施形態について、図面を参照しながら詳細に説明する。以下に示す実施形態は例示であり、例えば細部の構成については本開示の趣旨を逸脱しない範囲において当業者が適宜変更して実施をすることができる。なお、以下の実施形態の説明において参照する図面では、特に但し書きがない限り、同一の参照番号を付して示す要素は、同様の機能を有するものとする。［第１実施形態］図１（ａ）は、第１実施形態に係る試料作製評価システム１００のブロック図である。試料作製評価システム１００は、試料作製装置１０１、計測装置１０２、情報処理装置１０３、及び表示装置１０４を備える。試料作製評価システム１００は、材料などの開発において、作製条件に基づいて試料を自動的に作製し、その試料の評価を自動的に行い、作製条件と評価結果のデータセットから、次の作製条件を決定する一連の探索サイクルを繰り返し行う。試料作製評価システム１００は、探索サイクルを複数回実行することにより、所望の試料が得られる作製条件を探索する。ここで、作製条件は、試料を作製する際に必要な条件であり、材料の種類、特性及び量など材料条件と、材料の攪拌、加熱、冷却及び硬化などの加工条件とを含む。即ち、作製条件は、試料を作製するのに用いる材料の情報、試料を作製するのに用いる材料の配合量の情報、及び試料の作製処理における処理温度（例えば硬化温度）の情報を含み得る。そのほかにも試料を作製する際に必要な条件があれば、それも作製条件に含まれ得る。なお、作製条件は、試料作製装置１０１に指令される指令値（目標値）である。情報処理部１０５が評価する評価項目は、例えば試料の外観などの官能検査の項目である。評価項目は、１種類であってもよいし、複数種類であってもよい。複数種類の評価項目がある場合、複数種類の評価項目が同時に最適化されるようにしてもよい。情報処理装置１０３は、作製条件と評価結果とを対応させたデータセットを解析することによって、次の作製条件を決定する。次の作製条件の決定には、ベイズ最適化が使われ得るが、応答曲面法、回帰分析、又は遺伝的アルゴリズムなど、ほかの最適化手法が用いられてもよい。試料作製装置１０１は、複数回の探索サイクルの各々において、与えられた作製条件で試料を自動的に作製する。また、情報処理装置１０３は、試料作製装置１０１により作製された試料を評価する。情報処理装置１０３は、１つ又は複数のコンピュータを有して構成される。以下、情報処理装置１０３が１つのコンピュータ、即ち１つのプロセッサを有する場合を例に説明する。図１（ｂ）は、第１実施形態に係る情報処理装置１０３のブロック図である。情報処理装置１０３は、プロセッサの一例であるＣＰＵ３０１、一時的な記憶デバイスであるＲＡＭ３０２、非一時的な記憶デバイス（記録媒体）であるＲＯＭ３０３及びＳＳＤ３０４、記録ディスクドライブ３０５、及びＩ／Ｏなどのインタフェース３０６を備える。非一時的な記憶デバイスは、コンピュータにより読み取り可能な記録媒体の一例であり、非一時的な記憶デバイスには、装置全体の各部を制御する制御処理や演算処理などの情報処理方法をＣＰＵ３０１に実行させるプログラム３０７が格納される。記録ディスクドライブ３０５は、記録媒体の一例である記録ディスク３０８に記録されたデータを読み出すことができる。なお、第１実施形態では、コンピュータによって読み取り可能な非一時的な記録媒体が例えばＳＳＤ３０４であり、ＳＳＤ３０４にプログラム３０７が記録されているが、これに限定されるものではない。プログラム３０７は、コンピュータによって読み取り可能な非一時的な記録媒体であれば、いかなる記録媒体に記録されていてもよい。プログラム３０７をコンピュータに供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、磁気テープ、不揮発性メモリ等を用いることができる。また、プログラム３０７は、不図示のネットワークから取得されてもよい。また、プロセッサを有する情報処理装置１０３は、上述の構成以外に、例えばＦＰＧＡ（ＦｉｅｌｄＰｒｏｇｒａｍｍａｂｌｅＧａｔｅＡｒｒａｙ）などのＰＬＤ（ＰｒｏｇｒａｍｍａｂｌｅＬｏｇｉｃＤｅｖｉｃｅ）、ＡＳＩＣ（ＡｐｐｌｉｃａｔｉｏｎＳｐｅｃｉｆｉｃＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔ）、プログラムが組み込まれた汎用若しくは専用のコンピュータ、又はこれらの全部若しくは一部の組み合わせによって構成されてもよい。情報処理装置１０３のＣＰＵ３０１は、プログラム３０７を実行することにより、図１（ａ）の情報処理部１０５として機能する。情報処理部１０５は、機械学習を行う学習処理と、学習済みの機械学習モデルに基づいて推論を行い、推論結果として試料の評価結果を求める評価処理と、評価結果から試料の作製に用いられる作製条件を決定する条件決定処理と、を実行する。そして、情報処理部１０５は、試料作製装置１０１に作製条件である制御命令を出力する。試料作製装置１０１は、制御命令に対応する作製条件に基づいて試料を作製する。試料の作製では、例えば、材料の秤量及び分注、材料の攪拌、脱泡、加熱冷却、加圧除荷、並びに硬化などの加工が行われる。なお、試料作製装置１０１において、試料の作製は、例えばロボットや自動機などを用いて行われる。計測装置１０２は、第１実施形態では官能センサの一例である視覚センサである。視覚センサは、例えばデジタルカメラであり、官能情報の一例である視覚情報として、試料作製装置１０１に作製された試料を撮像した撮像画像を生成する。情報処理部１０５が評価する評価項目は、例えば試料を撮像した画像の中に含まれる傷の量に関するランクであり、情報処理部１０５は、傷の量が少なくなる作製条件を決定する。図２（ａ）は、第１実施形態に係る情報処理部１０５の説明図である。情報処理部１０５は、学習部１０６及び評価部１０７を有する。学習部１０６は、機械学習処理を実行し、評価部１０７は、評価処理及び条件決定処理を実行する。学習部１０６は、機械学習として教師あり学習を行う。学習部１０６は、画像データ及び正解データを有する教師データＴ１を用いて教師ありの機械学習を行い、学習済みの機械学習モデルＭ１を生成する。機械学習モデルＭ１は、例えば図１（ｂ）のＳＳＤ３０４に保存される。評価部１０７は、評価処理として、学習済みの機械学習モデルＭ１を用いて、入力データである画像ＩＭ２に対して推論し、推論結果である評価結果Ｅ２を出力する。画像ＩＭ２は、計測装置１０２から取得される撮像画像などのデジタルデータである。計測装置１０２は、試料作製装置１０１によって作製された試料を撮像することによって、画像ＩＭ２を生成する。図２（ｂ）は、第１実施形態に係る機械学習に用いられる教師データＴ１の一例を示す説明図である。学習データである教師データＴ１は、複数の画像ＩＭ１と、複数の画像ＩＭ１にそれぞれ対応する複数のランク値Ａ１と、を含む。ユーザ（作業者）は、予め用意された複数の画像ＩＭ１の各々に写り込んだ試料の傷の量に応じて、複数の画像ＩＭ１の各々をＡランクからＧランクまでの複数のランクのいずれかに分類することにより、教師データＴ１を作成する。つまり、各画像ＩＭ１には、正解データとしてＡランクからＧランクまでのいずれかのランクに対応するランク値Ａ１が付与される。このように、学習部１０６に学習させる学習データは、ユーザによって官能検査が行われることにより、ユーザによって作成される。画像ＩＭ１は、撮像画像などのデジタルデータである。複数のランクのうち、Ａランクは官能検査において評価が最も高いランクであり、Ｇランクは官能検査において評価が最も低いランクである。つまり、Ａランク、Ｂランク、Ｃランク、Ｄランク、Ｅランク、Ｆランク及びＧランクは、この順で官能検査の評価が低くなる。Ａランクに写り込んだ試料は、官能検査で最もよい評価が得られた試料ということになる。複数のランクは、数値化することが可能である。例えば、Ａランクを「０」、Ｇランクを「１」などのランク値Ａ１に数値化して、複数のランクの各々を数値で表すことが可能である。図３は、第１実施形態に係る試料作製評価システ