JP6928753B2

JP6928753B2 - Parameter value acquisition device and evaluation method

Info

Publication number: JP6928753B2
Application number: JP2017033692A
Authority: JP
Inventors: 勇輔山科; 真治野村; 浩毅立石; 祐介筈井
Original assignee: Primetals Technologies Japan Ltd
Current assignee: Primetals Technologies Japan Ltd
Priority date: 2017-02-24
Filing date: 2017-02-24
Publication date: 2021-09-01
Anticipated expiration: 2037-02-24
Also published as: JP2021140801A; JP2018138308A; JP7154339B2

Description

本発明は、パラメータ値取得装置および評価方法に関する。 The present invention relates to the parameter value acquisition device and valuation methods.

接合装置などの装置を動作させるための設定を行う技術が幾つか提案されている。
例えば特許文献１には、特定の溶接工程のための溶接パラメータを対話的に設定する接合装置が記載されている。この接合装置の制御装置は、「エネルギディレクタを有する圧縮溶接」、「剪断接合」などの溶接工程のリストを表示して、適当な溶接工程を選択するようユーザを促す。ユーザが溶接工程を選択すると、制御装置は、「溶接面積」、「溶接距離」など、選択された接続工程に応じた情報をさらに入力するよう促す。さらに制御装置は、使用される溶接機の種類を入力するよう促す。 Several techniques have been proposed for making settings for operating devices such as joining devices.
For example, Patent Document 1 describes a joining device that interactively sets welding parameters for a specific welding process. The control device of this joining device displays a list of welding steps such as "compression welding with an energy director" and "shear joining" and prompts the user to select an appropriate welding step. When the user selects a welding process, the control device prompts for further input of information according to the selected connection process, such as "welding area" and "welding distance". In addition, the controller prompts you to enter the type of welder used.

要求された情報をユーザが入力すると、制御装置はルックアップテーブルを参照して溶接パラメータの初期値を設定する。そして制御装置は、設定された溶接パラメータで溶接を行って品質評価を入力するよう促す。ユーザが品質の問題を入力すると、制御装置は、問題を緩和する可能な動作項目について信頼度合いが設定された情報を参照して、是正効果の高い動作項目のパラメータを変更する。制御装置は、許容し得る溶接部がえられるか、いかなる変更によっても許容し得る溶接部が得られなくなるまで、品質評価の入力を受けてパラメータの変更を繰り返す。 When the user enters the requested information, the controller refers to the look-up table and sets the initial values of the welding parameters. Then, the control device prompts the user to perform welding with the set welding parameters and input the quality evaluation. When the user inputs a quality problem, the control device changes the parameters of the action item with a high corrective effect by referring to the information in which the reliability is set for the action item that can alleviate the problem. The control device repeatedly changes the parameters in response to the input of the quality evaluation until an acceptable weld is obtained or no acceptable weld is obtained by any change.

特許第４１３８９０４号公報Japanese Patent No. 4138904

特許文献１に記載の接合装置では、入力された情報に対する溶接パラメータの初期値のルックアップテーブル、及び、品質の問題を緩和する可能な動作項目の情報を予め制御装置に記憶させておく必要がある。これらルックアップテーブル及び情報を設定するためには、接合に関する専門的な知識が必要である。これに対し、ユーザが、接合装置による接合など対象装置（動作させる装置）が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能であることが好ましい。 In the joining device described in Patent Document 1, it is necessary to store in advance a lookup table of initial values of welding parameters for the input information and information on possible operation items that alleviate quality problems in the control device. be. Expert knowledge of joining is required to set up these look-up tables and information. On the other hand, even if the user does not have specialized knowledge about the processing performed by the target device (device to be operated) such as joining by the joining device, the target device can be set so that the desired processing result can be obtained. It is preferable to have.

本発明は、ユーザが、接合装置など対象装置が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能なパラメータ値取得装置および評価方法を提供する。 The present invention is a parameter value acquisition device and an evaluation method that can set a target device so that a desired processing result can be obtained even if the user does not have specialized knowledge about the processing performed by the target device such as a joining device. Provide the law.

本発明の第１の態様によれば、パラメータ値取得装置は、対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力する第一モデルを生成する第一モデル生成部と、前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、を備える。 According to the first aspect of the present invention, the parameter value acquisition device is an evaluation index for inputting a setting parameter value indicating a setting when the target device is used and a condition parameter value based on the condition when the target device is used. The condition parameter value is input to the first model generation unit that generates the first model that outputs the value and the first model generated by the first model generation unit, and the setting parameter value and the evaluation index value are input. Based on the second model acquisition unit that acquires the second model showing the relationship with and the second model acquired by the second model acquisition unit, the setting parameter values that satisfy the conditions defined for the evaluation index value are set. It includes a parameter value acquisition unit for acquisition.

本発明の第１の態様によれば、パラメータ値取得装置は、対象装置使用時の設定を示す設定パラメータ値、及び、前記対象装置使用時の条件に基づく条件パラメータ値の入力に対して評価指標値を出力する第一モデルを生成する第一モデル生成部と、前記第一モデル生成部が生成した第一モデルに対して前記条件パラメータ値を入力して、前記設定パラメータ値と前記評価指標値との関係を示す第二モデルを取得する第二モデル取得部と、前記第二モデル取得部が取得した第二モデルに基づいて、前記評価指標値について定められている条件を満たす設定パラメータ値を取得するパラメータ値取得部と、を備えるパラメータ値取得装置であって、前記対象装置は、２枚の鋼鈑を接合する接合装置であり、前記設定パラメータ値は、電極輪が２枚の鋼鈑を挟む圧力、２枚の鋼鈑の重ね代、電極輪の回転数、電源装置が電極輪から２枚の鋼鈑に流す電流値、加圧ローラが２枚の鋼鈑を挟む圧力、および、キャリッジフレームの移動速度のうち１つ以上の値を含み、前記条件パラメータ値は、鋼鈑板厚、鋼鈑の強度、鋼鈑の組成、前記接合装置の周囲の温度、および、前記接合装置の周囲の湿度のうち１つ以上の値を含む。
前記第二モデル取得部は、前記設定パラメータ値の組み合わせ毎に接合強度の平均値から接合強度の分散の３σを減算又は加算するようにしてもよい。
本発明の第２の態様によれば、評価方法では、上記したいずれかのパラメータ値取得装
置が取得する第一モデルおよび第二モデルの精度を、接合強度の真値と、前記第二モデルから得られる接合強度の推定値との、平均二乗誤差及び平均誤差のうち少なくともいずれか一方を用いて評価する。 According to the first aspect of the present invention, the parameter value acquisition device is an evaluation index for inputting a setting parameter value indicating a setting when the target device is used and a condition parameter value based on the condition when the target device is used. The condition parameter value is input to the first model generation unit that generates the first model that outputs the value and the first model generated by the first model generation unit, and the setting parameter value and the evaluation index value are input. Based on the second model acquisition unit that acquires the second model showing the relationship with and the second model acquired by the second model acquisition unit, the setting parameter values that satisfy the conditions defined for the evaluation index value are set. A parameter value acquisition device including a parameter value acquisition unit to be acquired, the target device is a joining device for joining two steel plates , and the set parameter value is a steel plate having two electrode rings. The pressure to sandwich the two steel plates, the stacking allowance of the two steel plates, the number of rotations of the electrode ring, the current value that the power supply device flows from the electrode ring to the two steel plates, the pressure that the pressurizing roller sandwiches the two steel plates, and The condition parameter values include one or more values of the moving speed of the carriage frame, the condition parameter values being the steel plate thickness , the strength of the steel plate, the composition of the steel plate, the ambient temperature of the joining device, and the joining device. including one or more values of the ambient humidity.
The second model acquisition unit may subtract or add 3σ of the dispersion of the joint strength from the average value of the joint strength for each combination of the set parameter values.
According to the second aspect of the present invention, in the evaluation method, the accuracy of the first model and the second model acquired by any of the above-mentioned parameter value acquisition devices is determined from the true value of the joint strength and the second model. Evaluate using at least one of the mean square error and the mean error with the estimated value of the obtained joint strength.

上記したパラメータ値取得装置、対象装置動作システム、パラメータ値取得方法およびプログラムによれば、ユーザが、接合装置など対象装置が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能にすることができる。 According to the above-mentioned parameter value acquisition device, target device operation system, parameter value acquisition method and program, the desired processing result is obtained even if the user does not have specialized knowledge about the processing performed by the target device such as the joining device. The target device can be set to obtain the above.

本発明の実施形態に係る対象装置動作システムの機能構成を示す概略ブロック図である。It is a schematic block diagram which shows the functional structure of the target device operation system which concerns on embodiment of this invention. 同実施形態に係る接合装置及び接合装置を制御する制御装置の構成例を示す概略構成図である。It is a schematic block diagram which shows the structural example of the joining device which concerns on this embodiment and the control device which controls a joining device. 同実施形態に係るパラメータ値取得装置の機能構成を示す概略ブロック図である。It is a schematic block diagram which shows the functional structure of the parameter value acquisition apparatus which concerns on the same embodiment. 同実施形態に係るノイズデータ除去部が除去する学習用データの例を示す図である。It is a figure which shows the example of the learning data which the noise data removal part which concerns on this embodiment removes. 同実施形態に係る第二モデルの例を示す図である。It is a figure which shows the example of the 2nd model which concerns on the same embodiment. 同実施形態に係るパラメータ値取得部が取得する設定パラメータ値の例を示す図である。It is a figure which shows the example of the setting parameter value acquired by the parameter value acquisition part which concerns on the same embodiment. 同実施形態に係るパラメータ値取得装置が第一モデルを生成する処理手順の例を示すフローチャートである。It is a flowchart which shows the example of the processing procedure which the parameter value acquisition apparatus which concerns on this embodiment generates a 1st model. 同実施形態に係るパラメータ値取得装置が設定パラメータ値を取得する処理手順の例を示すフローチャートである。It is a flowchart which shows the example of the processing procedure which the parameter value acquisition apparatus which concerns on this embodiment acquires a setting parameter value. 同実施形態のケース１における真値と推定値との関係を示す図である。It is a figure which shows the relationship between the true value and the estimated value in case 1 of the same embodiment. 同実施形態のケース２における真値と推定値との関係を示す図である。It is a figure which shows the relationship between the true value and the estimated value in case 2 of the same embodiment. 同実施形態のケース３における真値と推定値との関係を示す図である。It is a figure which shows the relationship between the true value and the estimated value in case 3 of the same embodiment.

以下、本発明の実施形態を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
図１は、本発明の実施形態に係る対象装置動作システムの機能構成を示す概略ブロック図である。図１に示すように、対象装置動作システム１は、パラメータ値取得装置１００と、制御装置２００と、対象装置３００とを備える。 Hereinafter, embodiments of the present invention will be described, but the following embodiments do not limit the inventions claimed. Also, not all combinations of features described in the embodiments are essential to the means of solving the invention.
FIG. 1 is a schematic block diagram showing a functional configuration of a target device operating system according to an embodiment of the present invention. As shown in FIG. 1, the target device operation system 1 includes a parameter value acquisition device 100, a control device 200, and a target device 300.

対象装置動作システム１は、対象装置３００使用時の設定を決定して対象装置３００を動作させるシステムである。具体的には、パラメータ値取得装置１００が対象装置３００使用時の設定を決定する。対象装置３００使用時の設定の対象は、対象装置３００の使用に際して設定可能な事項、かつ、対象装置３００による処理結果に影響する事項であればよい。対象装置３００使用時の設定は、対象装置３００の制御パラメータ値であってもよいし、対象装置３００が扱う部材又は材料に関する設定であってもよい。以下では、対象装置３００使用時の設定を示す値を設定パラメータ値と称する。 The target device operation system 1 is a system that determines the settings when the target device 300 is used and operates the target device 300. Specifically, the parameter value acquisition device 100 determines the setting when the target device 300 is used. The target of the setting when the target device 300 is used may be any item that can be set when the target device 300 is used and that affects the processing result by the target device 300. The setting when the target device 300 is used may be a control parameter value of the target device 300, or may be a setting related to a member or a material handled by the target device 300. Hereinafter, the value indicating the setting when the target device 300 is used is referred to as a setting parameter value.

パラメータ値取得装置１００が対象装置３００使用時の設定を決定すると、制御装置２００が、決定された設定に基づいて対象装置３００を制御し動作させる。制御装置２００と対象装置３００とが１つの装置として構成されていてもよいし、別々の装置として構成されていてもよい。
制御装置２００への設定パラメータ値の入力が自動で行われるようにしてもよい。例えば、パラメータ値取得装置１００が制御装置２００と通信を行って設定パラメータ値を制御装置２００へ送信するようにしてもよい。あるいは、制御装置２００への設定パラメータ値の入力が手動で行われるようにしてもよい。例えば、制御装置２００が設定パラメータ値を画面に表示し、ユーザが表示を参照して設定パラメータ値を制御装置２００に入力するようにしてもよい。
図１の線Ｌ１１１は、パラメータ値取得装置１００が決定した設定パラメータ値の制御装置２００への入力を示す。また、線Ｌ１１１は、制御装置２００からパラメータ値取得装置１００への学習用データの入力も示す。線Ｌ１１２は、制御装置２００による対象装置３００の制御を示す。 When the parameter value acquisition device 100 determines the setting when the target device 300 is used, the control device 200 controls and operates the target device 300 based on the determined setting. The control device 200 and the target device 300 may be configured as one device, or may be configured as separate devices.
The input of the setting parameter value to the control device 200 may be automatically performed. For example, the parameter value acquisition device 100 may communicate with the control device 200 to transmit the set parameter value to the control device 200. Alternatively, the input of the setting parameter value to the control device 200 may be performed manually. For example, the control device 200 may display the setting parameter value on the screen, and the user may refer to the display and input the setting parameter value to the control device 200.
The line L111 in FIG. 1 shows the input of the set parameter value determined by the parameter value acquisition device 100 to the control device 200. The line L111 also indicates the input of learning data from the control device 200 to the parameter value acquisition device 100. Line L112 shows the control of the target device 300 by the control device 200.

パラメータ値取得装置１００は、対象装置３００が動作した際に得られた学習用データに基づいて、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値を出力するモデルを生成する。ここでいう条件パラメータ値は、例えば対象装置３００使用時の気温など、対象装置３００使用時の条件を示す値である。ここでの対象装置３００使用時の条件は、対象装置３００による処理結果に影響する事項のうち、対象装置３００の使用に際して設定可能な事項以外の事項であればよい。ここでいう評価指標値は、対象装置３００による処理結果を評価可能な指標値であればよい。 The parameter value acquisition device 100 generates a model that outputs an evaluation index value with respect to the input of the set parameter value and the condition parameter value based on the learning data obtained when the target device 300 operates. The condition parameter value referred to here is a value indicating a condition when the target device 300 is used, such as a temperature when the target device 300 is used. The conditions for using the target device 300 here may be any items other than those that can be set when using the target device 300 among the items that affect the processing result by the target device 300. The evaluation index value referred to here may be an index value capable of evaluating the processing result by the target device 300.

パラメータ値取得装置１００は、例えばパソコン（Personal Computer；ＰＣ）又はワークステーション（Work Station；ＷＳ）などのコンピュータを用いて構成される。パラメータ値取得装置１００と制御装置２００とが１つの装置として構成されていてもよいし、別々の装置として構成されていてもよい。例えば、パラメータ値取得装置１００と制御装置２００とが１つのＰＬＣ（Programmable Logic Controller）を用いて構成されていてもよい。 The parameter value acquisition device 100 is configured by using a computer such as a personal computer (PC) or a workstation (Work Station; WS), for example. The parameter value acquisition device 100 and the control device 200 may be configured as one device or may be configured as separate devices. For example, the parameter value acquisition device 100 and the control device 200 may be configured by using one PLC (Programmable Logic Controller).

以下では、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値を出力するモデルを第一モデルと称する。
パラメータ値取得装置１００が第一モデルの生成に用いる学習用データは、対象装置３００の試運転にて得られたデータであってもよいし、対象装置３００の実運用にて得られたデータであってもよいし、これらの組み合わせであってもよい。 Hereinafter, the model that outputs the evaluation index value in response to the input of the setting parameter value and the condition parameter value is referred to as the first model.
The learning data used by the parameter value acquisition device 100 to generate the first model may be the data obtained in the trial run of the target device 300 or the data obtained in the actual operation of the target device 300. It may be a combination of these.

対象装置３００使用時の設定を行う際、パラメータ値取得装置１００は、対象装置３００使用時の条件、及び、評価指標値に対する条件の入力を受ける。そして、対象装置３００は、生成済みの第一モデルに対象装置３００使用時の条件を入力して、設定パラメータ値の入力に対して評価指標値を出力するモデルを取得する。以下では、設定パラメータ値の入力に対して評価指標値を出力するモデルを第二モデルと称する。
パラメータ値取得装置１００は、得られた第二モデルに基づいて、評価指標値に対する条件を満たす設定パラメータ値を取得する。 When making settings when the target device 300 is used, the parameter value acquisition device 100 receives input of conditions when the target device 300 is used and conditions for the evaluation index value. Then, the target device 300 inputs the conditions for using the target device 300 into the generated first model, and acquires a model that outputs the evaluation index value in response to the input of the setting parameter value. Hereinafter, the model that outputs the evaluation index value in response to the input of the setting parameter value is referred to as the second model.
The parameter value acquisition device 100 acquires a setting parameter value that satisfies the condition for the evaluation index value based on the obtained second model.

このように、第一モデル生成時には、パラメータ値取得装置１００は、対象装置３００が動作した際の学習用データを得られればよい。この学習用データは、対象装置３００使用時に設定した設定パラメータ値、対象装置３００使用時の条件の測定値、及び、評価指標値の測定値の組み合わせにて得られる。この点で、学習用データの生成に、対象装置３００が行う処理に関する専門知識を必要としない。 As described above, at the time of generating the first model, the parameter value acquisition device 100 may obtain the learning data when the target device 300 operates. This learning data is obtained by combining the set parameter values set when the target device 300 is used, the measured values of the conditions when the target device 300 is used, and the measured values of the evaluation index values. In this respect, the generation of the learning data does not require specialized knowledge about the processing performed by the target device 300.

また、パラメータ値取得装置１００は、対象装置３００使用時の設定の際には、対象装置３００使用時の条件、及び、評価指標値に対する条件を得られればよい。対象装置３００使用時の条件は、例えば気温を測定するなど、対象装置３００使用時に該当事項の測定を行うことで得られる。また、評価指標値に対する条件は、例えば対象装置３００が生成する製品に対する要求仕様など、対象装置３００の使用目的に応じて決定される。この点で、対象装置３００使用時の設定の入力データの生成にも、対象装置３００が行う処理に関する専門知識を必要としない。
この点で、ユーザが、対象装置３００が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置３００を設定可能である。上述したように、対象装置３００の設定が自動で行われるようにしてもよいし、手動で行われるようにしてもよい。 Further, when the parameter value acquisition device 100 is set when the target device 300 is used, it suffices to obtain the conditions when the target device 300 is used and the conditions for the evaluation index value. The conditions when the target device 300 is used can be obtained by measuring the corresponding items when the target device 300 is used, for example, by measuring the temperature. Further, the conditions for the evaluation index value are determined according to the purpose of use of the target device 300, such as the required specifications for the product generated by the target device 300. In this respect, the generation of input data for the settings when the target device 300 is used does not require specialized knowledge regarding the processing performed by the target device 300.
In this respect, the target device 300 can be set so that a desired processing result can be obtained even if the user does not have specialized knowledge about the processing performed by the target device 300. As described above, the target device 300 may be set automatically or manually.

図２は、接合装置及び接合装置を制御する制御装置の構成例を示す概略構成図である。図２に示す制御装置２０１は、マッシュシーム制御部２１１と、加圧ローラ制御部２１２と、キャリッジルーム制御部２１３とを備える。接合装置３０１は、台板４０１と、支柱４１１と、支持フレーム４１２と、クランプ装置４２０と、キャリッジフレーム４３１と、支持ローラ４３２と、キャリッジフレーム駆動装置４３３と、電極輪４４１と、電極輪押圧装置４４２と、電極輪用モータ４４３と、電源装置４４４と、加圧ローラ４５１と、加圧ローラ押圧装置４５２とを備える。クランプ装置４２０は、クランプ部材４２１と、クランプ押圧装置４２２とを備える。
制御装置２０１は、制御装置２００の例に該当する。接合装置３０１は、対象装置３００の例に該当する。但し、対象装置３００は接合装置に限らず、対象装置３００使用に際して設定事項があるいろいろな装置とすることができる。 FIG. 2 is a schematic configuration diagram showing a configuration example of a joining device and a control device that controls the joining device. The control device 201 shown in FIG. 2 includes a mash seam control unit 211, a pressure roller control unit 212, and a carriage room control unit 213. The joining device 301 includes a base plate 401, a support column 411, a support frame 412, a clamp device 420, a carriage frame 431, a support roller 432, a carriage frame drive device 433, an electrode ring 441, and an electrode ring pressing device. It includes a 442, an electrode wheel motor 443, a power supply device 444, a pressurizing roller 451 and a pressurizing roller pressing device 452. The clamp device 420 includes a clamp member 421 and a clamp pressing device 422.
The control device 201 corresponds to the example of the control device 200. The joining device 301 corresponds to the example of the target device 300. However, the target device 300 is not limited to the joining device, and may be various devices having setting items when using the target device 300.

接合装置３０１は、マッシュシーム接合機（Mash Seam Welder）の例に該当する。マッシュシーム接合機は従来の接合機よりも設定要素が多く、専門知識を必要とせずに設定できることが特に望まれる。
台板４０１には、支持フレーム４１２が支柱４１１を介して固定されており、支持フレーム４１２にはクランプ装置４２０が設けられている。クランプ装置４２０では、クランプ部材４２１が接合対象である鋼鈑９１１及び９１２を上下から挟み、クランプ押圧装置４２２がクランプ部材４２１を鋼鈑９１１及び９１２に押し付ける。これによりクランプ装置４２０は、鋼鈑９１１及び９１２を把持して固定する。クランプ押圧装置４２２は、例えば油圧シリンダを用いて構成される。 The joining device 301 corresponds to an example of a Mash Seam Welder. The mash seam joining machine has more setting elements than the conventional joining machine, and it is particularly desired that the mash seam joining machine can be set without requiring specialized knowledge.
A support frame 412 is fixed to the base plate 401 via a support column 411, and a clamp device 420 is provided on the support frame 412. In the clamp device 420, the clamp member 421 sandwiches the steel plates 911 and 912 to be joined from above and below, and the clamp pressing device 422 presses the clamp member 421 against the steel plates 911 and 912. As a result, the clamp device 420 grips and fixes the steel plates 911 and 912. The clamp pressing device 422 is configured by using, for example, a hydraulic cylinder.

また、台板４０１にはキャリッジフレーム４３１が載置されている。キャリッジフレーム４３１には支持ローラ４３２が回転可能に設けられており、キャリッジフレーム４３１は、キャリッジフレーム駆動装置４３３に駆動されて台板４０１上を移動する。キャリッジフレーム駆動装置４３３は、例えば油圧シリンダを用いて構成される。
キャリッジフレーム４３１には電極輪４４１及び加圧ローラ４５１が設けられており、キャリッジフレーム４３１の移動に伴って電極輪４４１及び加圧ローラ４５１も移動する。これにより、電極輪４４１及び加圧ローラ４５１は鋼鈑９１１及び９１２に対して相対的に移動する。 A carriage frame 431 is mounted on the base plate 401. A support roller 432 is rotatably provided on the carriage frame 431, and the carriage frame 431 is driven by the carriage frame driving device 433 to move on the base plate 401. The carriage frame drive device 433 is configured by using, for example, a hydraulic cylinder.
The carriage frame 431 is provided with an electrode ring 441 and a pressure roller 451. As the carriage frame 431 moves, the electrode ring 441 and the pressure roller 451 also move. As a result, the electrode ring 441 and the pressure roller 451 move relative to the steel plates 911 and 912.

電極輪押圧装置４４２は、電極輪４４１が鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、電極輪４４１を鋼鈑９１１と９１２との重なり部分に押し付ける。電極輪押圧装置４４２は、例えば油圧シリンダを用いて構成される。
電極輪用モータ４４３は、電極輪４４１を回転させる。電源装置４４４は、電極輪４４１が鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、電極輪４４１から鋼鈑９１１と９１２との重なり部分に電流（溶接電流）を流す。
加圧ローラ押圧装置４５２は、加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、加圧ローラ４５１を鋼鈑９１１と９１２との重なり部分に押し付ける。これにより、加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を圧延する。 The electrode ring pressing device 442 presses the electrode ring 441 against the overlapping portion between the steel plates 911 and 912 in a state where the electrode ring 441 sandwiches the overlapping portion between the steel plates 911 and 912 from above and below. The electrode ring pressing device 442 is configured by using, for example, a hydraulic cylinder.
The electrode ring motor 443 rotates the electrode ring 441. In the power supply device 444, a current (welding current) is passed from the electrode ring 441 to the overlapping portion between the steel plates 911 and 912 in a state where the electrode ring 441 sandwiches the overlapping portion between the steel plates 911 and 912 from above and below.
The pressure roller pressing device 452 presses the pressure roller 451 against the overlapping portion between the steel plates 911 and 912 in a state where the pressure roller 451 sandwiches the overlapping portion between the steel plates 911 and 912 from above and below. As a result, the pressure roller 451 rolls the overlapping portion of the steel plates 911 and 912.

接合装置３０１が鋼鈑９１１及び９１２を接合する際、２枚の鋼鈑９１１の端部と９１２の端部とが重ね合わさった状態で、クランプ装置４２０のクランプ部材４２１が、これら鋼鈑９１１及び９１２を把持して固定する。鋼鈑９１１及び９１２は、重なり部分が電極輪４４１及び加圧ローラ４５１に挟まれる位置に固定されている。
電極輪４４１は、上記のように、鋼鈑９１１と９１２との重なり部分を上下から挟んだ状態で、電極輪押圧装置４４２によって鋼鈑９１１と９１２との重なり部分に押し付けられる。そして、電極輪４４１は、電極輪用モータ４４３に駆動されて回転し、また、電源装置４４４からの電流を鋼鈑９１１と９１２との重なり部分に流す。これにより、鋼鈑９１１と９１２との重なり部分が加熱されて溶接（マッシュシーム溶接、Mash Seam Welding）される。 When the joining device 301 joins the steel plates 911 and 912, the clamp member 421 of the clamping device 420 is in a state where the ends of the two steel plates 911 and the ends of the 912 are overlapped with each other. The 912 is gripped and fixed. The steel plates 911 and 912 are fixed at positions where the overlapping portion is sandwiched between the electrode ring 441 and the pressure roller 451.
As described above, the electrode ring 441 is pressed against the overlapping portion between the steel plates 911 and 912 by the electrode ring pressing device 442 in a state where the overlapping portion between the steel plates 911 and 912 is sandwiched from above and below. Then, the electrode ring 441 is driven by the electrode wheel motor 443 to rotate, and the current from the power supply device 444 is passed through the overlapping portion of the steel plate 911 and 912. As a result, the overlapping portion of the steel plates 911 and 912 is heated and welded (Mash Seam Welding).

そして、キャリッジフレーム駆動装置４３３がキャリッジフレーム４３１を駆動することで、上記のように電極輪４４１及び加圧ローラ４５１が鋼鈑９１１及び９１２に対して相対的に移動する。鋼鈑９１１及び９１２は、重なり部分の長手方向が電極輪４４１及び加圧ローラ４５１の移動方向になる向きに固定されており、電極輪４４１及び加圧ローラ４５１は、鋼鈑９１１と９１２との重なり部分を挟みながら移動する。
電極輪４４１は、鋼鈑９１１と９１２との重なり部分を長手方向に移動しながら重なり部分全体を溶接する。加圧ローラ４５１は、電極輪４４１による溶接個所を圧延する。 Then, when the carriage frame driving device 433 drives the carriage frame 431, the electrode ring 441 and the pressure roller 451 move relative to the steel plates 911 and 912 as described above. The steel plates 911 and 912 are fixed so that the longitudinal direction of the overlapping portion is the moving direction of the electrode ring 441 and the pressure roller 451. Move while sandwiching the overlapping part.
The electrode ring 441 welds the entire overlapping portion while moving the overlapping portion between the steel plates 911 and 912 in the longitudinal direction. The pressure roller 451 rolls the welded portion by the electrode ring 441.

制御装置２０１は、接合装置３０１の各部を制御する。
マッシュシーム制御部２１１は、接合装置３０１によるマッシュシーム溶接の制御を行う。具体的には、マッシュシーム制御部２１１は、電極輪押圧装置４４２を制御して、電極輪４４１による鋼鈑９１１と９１２との重なり部分への押圧を調整する。また、マッシュシーム制御部２１１は、電極輪用モータ４４３を制御して電極輪４４１の回転数を調整する。また、マッシュシーム制御部２１１は、電源装置４４４からの電流値を制御する。
図２の線Ｌ２１１は、マッシュシーム制御部２１１が電源装置４４４を制御することを示している。線Ｌ２１２及びＬ２１５は、マッシュシーム制御部２１１が電極輪押圧装置４４２を制御することを示している。線Ｌ２１３及びＬ２１４は、マッシュシーム制御部２１１が電極輪用モータ４４３を制御することを示している。 The control device 201 controls each part of the joining device 301.
The mash seam control unit 211 controls the mash seam welding by the joining device 301. Specifically, the mash seam control unit 211 controls the electrode ring pressing device 442 to adjust the pressing of the electrode ring 441 on the overlapping portion of the steel plate 911 and 912. Further, the mash seam control unit 211 controls the electrode wheel motor 443 to adjust the rotation speed of the electrode ring 441. Further, the mash seam control unit 211 controls the current value from the power supply device 444.
Line L211 in FIG. 2 indicates that the mash seam control unit 211 controls the power supply device 444. Lines L212 and L215 indicate that the mash seam control unit 211 controls the electrode ring pressing device 442. Lines L213 and L214 indicate that the mash seam control unit 211 controls the electrode wheel motor 443.

加圧ローラ制御部２１２は、加圧ローラ押圧装置４５２を制御して、加圧ローラ４５１による鋼鈑９１１と９１２との重なり部分への押圧を調整する。これにより、加圧ローラ制御部２１２は、加圧ローラ４５１による鋼鈑９１１と９１２との溶接個所の圧延量を調整する。
線Ｌ２２１及びＬ２２２は、加圧ローラ制御部２１２が加圧ローラ押圧装置４５２を制御することを示している。 The pressure roller control unit 212 controls the pressure roller pressing device 452 to adjust the pressure of the pressure roller 451 on the overlapping portion of the steel plate 911 and 912. As a result, the pressure roller control unit 212 adjusts the rolling amount of the welded portion between the steel plate 911 and 912 by the pressure roller 451.
Lines L221 and L222 indicate that the pressure roller control unit 212 controls the pressure roller pressing device 452.

キャリッジルーム制御部２１３は、キャリッジフレーム駆動装置４３３を制御して、鋼鈑９１１及び９１２に対する電極輪４４１及び加圧ローラ４５１の相対速度を調整する。
線Ｌ２３１は、キャリッジルーム制御部２１３がキャリッジフレーム駆動装置４３３を制御することを示している。 The carriage room control unit 213 controls the carriage frame drive device 433 to adjust the relative speeds of the electrode wheels 441 and the pressure roller 451 with respect to the steel plates 911 and 912.
Line L231 indicates that the carriage room control unit 213 controls the carriage frame drive device 433.

制御装置２０１は、パラメータ値取得装置１００が求めた設定パラメータ値に基づいて接合装置３０１を制御する。例えば、マッシュシーム制御部２１１は、パラメータ値取得装置１００が求めた圧力目標値で電極輪４４１が鋼鈑９１１と９１２との重なり部分を挟むように電極輪押圧装置４４２を制御する。また、マッシュシーム制御部２１１は、パラメータ値取得装置１００が求めた回転数目標値で電極輪４４１が回転するように電極輪用モータ４４３を制御する。さらに、マッシュシーム制御部２１１は、パラメータ値取得装置１００が求めた電流目標値の電流を電極輪４４１から鋼鈑９１１と９１２との重なり部分に流すように電源装置４４４を制御する。加圧ローラ制御部２１２は、パラメータ値取得装置１００が求めた圧力目標値で加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を挟むように加圧ローラ押圧装置４５２を制御する。キャリッジルーム制御部２１３は、パラメータ値取得装置１００が求めた目標速度でキャリッジフレーム４３１を移動させるようキャリッジフレーム駆動装置４３３を制御する。 The control device 201 controls the joining device 301 based on the set parameter value obtained by the parameter value acquisition device 100. For example, the mash seam control unit 211 controls the electrode ring pressing device 442 so that the electrode ring 441 sandwiches the overlapping portion between the steel plate 911 and 912 at the pressure target value obtained by the parameter value acquisition device 100. Further, the mash seam control unit 211 controls the electrode wheel motor 443 so that the electrode ring 441 rotates at the rotation speed target value obtained by the parameter value acquisition device 100. Further, the mash seam control unit 211 controls the power supply device 444 so that the current of the current target value obtained by the parameter value acquisition device 100 flows from the electrode ring 441 to the overlapping portion of the steel plate 911 and 912. The pressure roller control unit 212 controls the pressure roller pressing device 452 so that the pressure roller 451 sandwiches the overlapping portion between the steel plate 911 and 912 at the pressure target value obtained by the parameter value acquisition device 100. The carriage room control unit 213 controls the carriage frame drive device 433 so as to move the carriage frame 431 at a target speed obtained by the parameter value acquisition device 100.

電極輪４４１が鋼鈑９１１と９１２との重なり部分を挟む圧力、電極輪４４１の回転数、電源装置４４４が電極輪から鋼鈑９１１と９１２との重なり部分に流す電流値、加圧ローラ４５１が鋼鈑９１１と９１２との重なり部分を挟む圧力、キャリッジフレーム４３１の移動速度は、いずれも設定パラメータ値の例に該当する。これらの値は制御装置２０１に設定可能である。
鋼鈑９１１と９１２との重ね代も設定パラメータの例に該当する。例えばユーザが、パラメータ値取得装置１００が求めた重ね代だけ鋼鈑９１１と９１２とを重ね合わせてクランプ装置４２０にセットする。 The pressure at which the electrode ring 441 sandwiches the overlapping portion between the steel plates 911 and 912, the number of rotations of the electrode ring 441, the current value that the power supply device 444 flows from the electrode ring to the overlapping portion between the steel plates 911 and 912, and the pressure roller 451 The pressure for sandwiching the overlapping portion between the steel plates 911 and 912 and the moving speed of the carriage frame 431 all correspond to the examples of the setting parameter values. These values can be set in the control device 201.
The overlap margin between the steel plate 911 and 912 also corresponds to the example of the setting parameter. For example, the user superimposes the steel plates 911 and 912 by the overlap margin obtained by the parameter value acquisition device 100 and sets them in the clamp device 420.

条件パラメータ値の例としては、鋼鈑板厚、鋼鈑の強度、鋼鈑の組成など、部材又は材料に関する条件、かつ、調整が行われないものが挙げられる。一方、鋼鈑の重ね代は、部材又は材料に関する条件ではあるが、クランプ装置４２０へのセット時に調整が行われるので、上記のように設定パラメータの例に該当する。
条件パラメータ値の例として、温度、湿度など、接合装置３０１の周囲環境の条件も挙げられる。
Examples of the condition parameter values include conditions related to members or materials such as steel plate thickness , steel plate strength, and steel plate composition, and those that are not adjusted. On the other hand, although the stacking allowance of the steel plate is a condition relating to the member or the material, it is adjusted at the time of setting on the clamp device 420, and therefore corresponds to the example of the setting parameter as described above.
Examples of the condition parameter values include the conditions of the ambient environment of the joining device 301 such as temperature and humidity.

図３は、パラメータ値取得装置１００の機能構成を示す概略ブロック図である。図３に示すように、パラメータ値取得装置１００は、入力部１１０と、出力部１２０と、記憶部１８０と、制御部１９０とを備える。制御部１９０は、条件パラメータ値追加処理部１９１と、ノイズデータ除去部１９２と、第一モデル生成部１９３と、第二モデル取得部１９４と、パラメータ値取得部１９５とを備える。 FIG. 3 is a schematic block diagram showing a functional configuration of the parameter value acquisition device 100. As shown in FIG. 3, the parameter value acquisition device 100 includes an input unit 110, an output unit 120, a storage unit 180, and a control unit 190. The control unit 190 includes a condition parameter value addition processing unit 191, a noise data removal unit 192, a first model generation unit 193, a second model acquisition unit 194, and a parameter value acquisition unit 195.

入力部１１０は、評価指標値生成のための学習用データなど、各種データの入力を受ける。入力部１１０の構成としていろいろな構成を用いることができる。例えば、入力部１１０が通信回路を備えて他の機器と通信を行ってデータを受信するようにしてもよい。あるいは、入力部１１０がＵＳＢ（Universal Serial Bus）ポートなど記憶デバイスの接続インタフェースを備え、記憶デバイスからデータを読み出すようにしてもよい。あるいは、入力部１１０がキーボード等の入力デバイスを備え、ユーザ操作によるデータ入力を受けるようにしてもよい。あるいは、入力部１１０がこれらのうち複数を組み合わせて構成されていてもよい。 The input unit 110 receives input of various data such as learning data for generating an evaluation index value. Various configurations can be used as the configuration of the input unit 110. For example, the input unit 110 may include a communication circuit to communicate with another device and receive data. Alternatively, the input unit 110 may be provided with a connection interface for a storage device such as a USB (Universal Serial Bus) port so as to read data from the storage device. Alternatively, the input unit 110 may be provided with an input device such as a keyboard to receive data input by a user operation. Alternatively, the input unit 110 may be configured by combining a plurality of these.

出力部１２０は、対象装置３００使用時にパラメータ値取得装置１００が求めた設定パラメータ値など、各種データを出力する。出力部１２０の構成としていろいろな構成を用いることができる。例えば、出力部１２０が通信回路を備えて他の機器と通信を行ってデータを送信するようにしてもよい。あるいは、出力部１２０がＵＳＢポートなど記憶デバイスの接続インタフェースを備え、記憶デバイスにデータを書き込むようにしてもよい。あるいは出力部１２０が、例えば液晶パネル又はＬＥＤ（Light Emitting Diode）パネル等の表示画面を備えてデータを表示するようにしてもよい。 The output unit 120 outputs various data such as the setting parameter value obtained by the parameter value acquisition device 100 when the target device 300 is used. Various configurations can be used as the configuration of the output unit 120. For example, the output unit 120 may include a communication circuit to communicate with other devices to transmit data. Alternatively, the output unit 120 may be provided with a connection interface for a storage device such as a USB port, and data may be written to the storage device. Alternatively, the output unit 120 may be provided with a display screen such as a liquid crystal panel or an LED (Light Emitting Diode) panel to display data.

記憶部１８０は、パラメータ値取得装置１００が備える記憶デバイスを用いて構成され、各種データを記憶する。
制御部１９０は、パラメータ値取得装置１００の各部を制御して各種処理を行う。制御部１９０は、例えばパラメータ値取得装置１００が備えるＣＰＵ（Central Processing Unit、中央処理装置）が記憶部１８０からプログラムを読み出して実行することで構成される。 The storage unit 180 is configured by using the storage device included in the parameter value acquisition device 100, and stores various data.
The control unit 190 controls each unit of the parameter value acquisition device 100 to perform various processes. The control unit 190 is configured by, for example, a CPU (Central Processing Unit) included in the parameter value acquisition device 100 reading a program from the storage unit 180 and executing the program.

条件パラメータ値追加処理部１９１は、第一モデルの生成に用いられる学習用データに条件パラメータ値を追加する。
具体的には、学習用データに含まれる物理量と新たな物理量との関係を示す物理モデルを記憶部１８０が予め記憶しておく。ここでいう物理量は、条件パラメータ値にて示されていてもよいし、設定パラメータ値にて示されていてもよい。ここでいう新たな物理量は、入力部１１０が取得した学習用データに含まれていない物理量である。条件パラメータ値追加処理部１９１は、学習用データに含まれる物理量を物理モデルに適用して新たな物理量を算出し、算出した物理量のデータを条件パラメータ値として学習用データに追加する。 The condition parameter value addition processing unit 191 adds the condition parameter value to the training data used for generating the first model.
Specifically, the storage unit 180 stores in advance a physical model showing the relationship between the physical quantity included in the learning data and the new physical quantity. The physical quantity referred to here may be indicated by a condition parameter value or a set parameter value. The new physical quantity referred to here is a physical quantity that is not included in the learning data acquired by the input unit 110. The condition parameter value addition processing unit 191 applies the physical quantity included in the training data to the physical model, calculates a new physical quantity, and adds the calculated physical quantity data to the training data as the condition parameter value.

例えば、対象装置３００が図２の接合装置である場合、条件パラメータ値追加処理部１９１が鋼鈑９１１及び９１２の単位面積当たりの入熱量を計算するようにしてもよい。条件パラメータ値追加処理部１９１は、得られた入熱量を条件パラメータ値として学習用データに追加する。
但し、条件パラメータ値追加処理部１９１はパラメータ値取得装置１００に必須ではない。パラメータ値取得装置１００が、入力部１１０が取得した学習用データに条件パラメータ値を追加せずに用いて第一モデルを生成するようにしてもよい。 For example, when the target device 300 is the joining device shown in FIG. 2, the condition parameter value addition processing unit 191 may calculate the amount of heat input per unit area of the steel plates 911 and 912. The condition parameter value addition processing unit 191 adds the obtained heat input amount as a condition parameter value to the learning data.
However, the condition parameter value addition processing unit 191 is not essential to the parameter value acquisition device 100. The parameter value acquisition device 100 may generate the first model by using the training data acquired by the input unit 110 without adding the condition parameter value.

ノイズデータ除去部１９２は、第一モデルの生成に用いられる学習用データのうちノイズデータを削除する。ここでいうノイズデータは、他の学習用データとの相関性が所定条件以上に低いデータである。例えば、ノイズデータ除去部１９２は、学習用データを近似する回帰平面を求め、得られた回帰平面から所定条件以上離れているデータを除去する。ノイズデータ除去部１９２が、回帰平面に代えて学習用データの近似式を求めるようにしてもよい。特に、ノイズデータ除去部１９２が取得する学習用データの近似式は平面を表す式に限らない。 The noise data removing unit 192 deletes the noise data among the learning data used for generating the first model. The noise data referred to here is data whose correlation with other learning data is lower than a predetermined condition. For example, the noise data removing unit 192 obtains a regression plane that approximates the learning data, and removes data that is separated from the obtained regression plane by a predetermined condition or more. The noise data removing unit 192 may obtain an approximate expression of the learning data instead of the regression plane. In particular, the approximate expression of the learning data acquired by the noise data removing unit 192 is not limited to the expression representing the plane.

図４は、ノイズデータ除去部１９２が除去する学習用データの例を示す図である。図４では、対象装置３００が図２の接合装置３０１である場合の例を示している。図４のグラフの横軸は、電源装置４４４が電極輪４４１から鋼鈑９１１と９１２との重なり部分に流す電流の値を示す。縦軸は、鋼鈑９１１と９１２との接合強度を示す。接合強度として例えば引張強度を用いることができる。横軸の電流値は設定パラメータ値又は条件パラメータ値の例に該当する。縦軸の接合強度は評価指標値の例に該当する。 FIG. 4 is a diagram showing an example of learning data removed by the noise data removing unit 192. FIG. 4 shows an example in which the target device 300 is the joining device 301 of FIG. The horizontal axis of the graph of FIG. 4 shows the value of the current that the power supply device 444 flows from the electrode ring 441 to the overlapping portion of the steel plate 911 and 912. The vertical axis shows the joint strength between the steel plates 911 and 912. For example, tensile strength can be used as the joint strength. The current value on the horizontal axis corresponds to an example of a set parameter value or a conditional parameter value. The joint strength on the vertical axis corresponds to the example of the evaluation index value.

図４の各点は学習用データの例を示す。線Ｌ３１１は、学習用データを近似する回帰直性を示す。ノイズデータ除去部１９２は、回帰直線（線Ｌ３１１）から所定の距離以上離れているデータＤ１１及びＤ１２を除去する。
図及び説明を分かり易くするために図４ではノイズデータ除去部１９２が二次元のデータを扱う場合の例を示しているが、ノイズデータ除去部１９２が扱うデータは３次元以上のデータであってもよい。この場合、ノイズデータ除去部１９２は、学習用データの近似として回帰平面又は３次元以上の面を示す近似式を取得する。
但し、ノイズデータ除去部１９２はパラメータ値取得装置１００に必須ではない。パラメータ値取得装置１００（第一モデル生成部１９３）が、ノイズデータの除去が行われていない学習用データを用いて第一モデルを生成するようにしてもよい。 Each point in FIG. 4 shows an example of learning data. Line L311 shows regression straightness that approximates the training data. The noise data removing unit 192 removes data D11 and D12 that are separated from the regression line (line L311) by a predetermined distance or more.
In order to make the figures and explanations easier to understand, FIG. 4 shows an example in which the noise data removing unit 192 handles two-dimensional data, but the data handled by the noise data removing unit 192 is three-dimensional or higher-dimensional data. May be good. In this case, the noise data removing unit 192 acquires an approximate expression indicating a regression plane or a plane having three or more dimensions as an approximation of the learning data.
However, the noise data removing unit 192 is not indispensable for the parameter value acquisition device 100. The parameter value acquisition device 100 (first model generation unit 193) may generate the first model using the learning data in which the noise data has not been removed.

第一モデル生成部１９３は、第一モデルを生成する。上述したように、第一モデルは、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値を出力するモデルである。例えば、第一モデル生成部１９３が、ランダムフォレスト（Random Forest）又はＳＶＭ（Support Vector Machine）など既存の機械学習法に学習用データを適用して第一モデルを生成するようにしてもよい。 The first model generation unit 193 generates the first model. As described above, the first model is a model that outputs an evaluation index value in response to input of a setting parameter value and a condition parameter value. For example, the first model generation unit 193 may generate the first model by applying the training data to an existing machine learning method such as a random forest (Random Forest) or an SVM (Support Vector Machine).

あるいは、第一モデル生成部１９３が、機械学習法に加えて或いは代えて、予め与えられている物理モデル式を用いて第一モデルを生成するようにしてもよい。
また、第一モデル生成部１９３が、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値の確率分布を出力するモデルを生成するようにしてもよい。例えば、第一モデル生成部１９３が機械学習法にガウス過程又はベイズ線形回帰を用いて、評価指標値の平均及び分散を出力するようにしてもよい。 Alternatively, the first model generation unit 193 may generate the first model using a pre-given physical model formula in addition to or instead of the machine learning method.
Further, the first model generation unit 193 may generate a model that outputs the probability distribution of the evaluation index value with respect to the input of the setting parameter value and the condition parameter value. For example, the first model generation unit 193 may output the mean and variance of the evaluation index values by using Gaussian process or Bayesian linear regression in the machine learning method.

第二モデル取得部１９４は、第一モデルに対して条件パラメータ値を入力して第二モデルを取得する。第二モデルは、第一モデルに条件パラメータ値を入力することで、第一モデルから条件パラメータの数だけ次元を減少させたモデルである。上述したように、第二モデルは、設定パラメータ値と評価指標値との関係を示す。
図５は、第二モデルの例を示す図である。図５では、対象装置３００が図２の接合装置３０１である場合の例を示している。図５に示す３次元直交座標の座標軸は、電源装置４４４が電極輪４４１から鋼鈑９１１と９１２との重なり部分に流す電流の値、鋼鈑９１１と９１２との重ね代、及び、鋼鈑９１１と９１２との接合強度を示す。これらの座標軸の電流値及び重ね代は、いずれも設定パラメータ値の例に該当する。接合強度は評価指標値の例に該当する。 The second model acquisition unit 194 acquires the second model by inputting the condition parameter value to the first model. The second model is a model in which the dimension is reduced by the number of condition parameters from the first model by inputting the condition parameter value into the first model. As described above, the second model shows the relationship between the set parameter value and the evaluation index value.
FIG. 5 is a diagram showing an example of the second model. FIG. 5 shows an example in which the target device 300 is the joining device 301 of FIG. The coordinate axes of the three-dimensional Cartesian coordinates shown in FIG. 5 are the value of the current that the power supply device 444 flows from the electrode ring 441 to the overlapping portion of the steel plates 911 and 912, the overlap margin of the steel plates 911 and 912, and the steel plate 911. The joint strength between and 912 is shown. Both the current value and the overlap allowance of these coordinate axes correspond to the example of the setting parameter value. The joint strength corresponds to the example of the evaluation index value.

図５の例では第二モデルが応答曲面モデルで得られており、一組の電流値及び重ね代の入力に対して接合強度の値を１つ出力する。すなわち、この第二モデルは、電流値及び重ね代の組み合わせを接合強度に多対一に射影する。例えば、第一モデル生成部１９３が応答曲面法を用いて第一モデルを応答曲面モデルにて生成することで、第二モデル取得部１９４は第二モデルを応答曲面モデルにて取得する。 In the example of FIG. 5, the second model is obtained by the response curved surface model, and one value of the bonding strength is output for the input of a set of current values and the overlapping allowance. That is, this second model projects the combination of the current value and the stacking allowance on the joint strength in a many-to-one manner. For example, the first model generation unit 193 generates the first model with the response surface model using the response surface methodology, and the second model acquisition unit 194 acquires the second model with the response surface model.

図及び説明を分かり易くするために図５では第二モデルが３次元のモデルである場合の例を示しているが、第二モデル取得部１９４が取得する第二モデルは３次元のモデルに限らない。第二モデル取得部１９４が取得する第二モデルは４次元以上のモデルであってもよいし、２次元のモデルであってもよい。特に、第二モデルへの入力となる設定パラメータ値及の数が３つ以上であってもよい。
第二モデル取得部１９４が取得する第二モデルは、設定パラメータ値の入力に対して評価指標値を出力するモデルであればよく、応答曲面モデルに限らない。 In order to make the figures and explanations easy to understand, FIG. 5 shows an example in which the second model is a three-dimensional model, but the second model acquired by the second model acquisition unit 194 is limited to the three-dimensional model. No. The second model acquired by the second model acquisition unit 194 may be a four-dimensional or higher-dimensional model or a two-dimensional model. In particular, the number of setting parameter values and the number of input to the second model may be three or more.
The second model acquired by the second model acquisition unit 194 may be any model that outputs the evaluation index value in response to the input of the set parameter value, and is not limited to the response curved surface model.

第一モデル生成部１９３が設定パラメータ値及び条件パラメータ値の入力に対して評価指標値の確率分布を出力する第一モデルを生成する場合、第二モデル取得部１９４は、設定パラメータ値の入力に対して評価指標値の確率分布を出力する第二モデルを取得する。
この場合、第二モデル取得部１９４が評価指標値を安全側に算出することで、一組の設定パラメータ値の入力に対して評価指標値の値を１つ出力する第二モデルを取得するようにしてもよい。 When the first model generation unit 193 generates the first model that outputs the probability distribution of the evaluation index value with respect to the input of the set parameter value and the condition parameter value, the second model acquisition unit 194 receives the input of the set parameter value. On the other hand, the second model that outputs the probability distribution of the evaluation index value is acquired.
In this case, the second model acquisition unit 194 calculates the evaluation index value on the safe side so as to acquire the second model that outputs one evaluation index value value for the input of a set of setting parameter values. It may be.

例えば、接合強度が大きいことが好ましい場合、第二モデル取得部１９４は、設定パラメータ値の組み合わせ毎に接合強度の平均値から接合強度の分散の３倍（３σ）を減算した接合強度を算出する。そして、第二モデル取得部１９４は、算出した接合強度を用いて第二モデルを生成する。この第二モデルに示される設定パラメータ値に基づいて制御装置２００が対象装置３００を制御した場合、９９．７％以上の確率で、この第二モデルに示される接合強度以上の接合強度を得られる。 For example, when it is preferable that the joint strength is large, the second model acquisition unit 194 calculates the joint strength by subtracting 3 times (3σ) of the dispersion of the joint strength from the average value of the joint strength for each combination of the set parameter values. .. Then, the second model acquisition unit 194 generates a second model using the calculated joint strength. When the control device 200 controls the target device 300 based on the setting parameter values shown in the second model, a joint strength equal to or higher than the joint strength shown in the second model can be obtained with a probability of 99.7% or more. ..

パラメータ値取得部１９５は、第二モデル取得部１９４が取得した第二モデルに基づいて、評価指標値について定められている条件を満たす設定パラメータ値を取得する。例えば、パラメータ値取得部１９５は、評価指標を目的変数とし、設定パラメータを説明変数とし、評価指標値について定められている条件を制約条件とする最適化問題を解くことで、設定パラメータ値を取得する。パラメータ値取得部１９５がこの最適化問題を解くアルゴリズムとして、既存の最適化アルゴリズムを用いることができる。 The parameter value acquisition unit 195 acquires a setting parameter value that satisfies the conditions defined for the evaluation index value based on the second model acquired by the second model acquisition unit 194. For example, the parameter value acquisition unit 195 acquires the setting parameter value by solving an optimization problem in which the evaluation index is used as the objective variable, the setting parameter is used as the explanatory variable, and the condition defined for the evaluation index value is used as the constraint condition. do. An existing optimization algorithm can be used by the parameter value acquisition unit 195 as an algorithm for solving this optimization problem.

図６は、パラメータ値取得部１９５が取得する設定パラメータ値の例を示す図である。図６では、図５の第二モデルを等高線を用いて示している。図６のグラフの横軸は、鋼鈑９１１と９１２との重ね代を示す。縦軸は、電源装置４４４が電極輪４４１から鋼鈑９１１と９１２との重なり部分に流す電流の値を示す。等高線は接合強度を示す。
横軸の重ね代及び縦軸の電流値は、いずれも設定パラメータ値の例に該当する。等高線で示される接合強度は評価指標値の例に該当する。 FIG. 6 is a diagram showing an example of setting parameter values acquired by the parameter value acquisition unit 195. In FIG. 6, the second model of FIG. 5 is shown using contour lines. The horizontal axis of the graph of FIG. 6 shows the overlapping allowance of the steel plates 911 and 912. The vertical axis shows the value of the current that the power supply device 444 flows from the electrode ring 441 to the overlapping portion of the steel plates 911 and 912. Contour lines indicate the joint strength.
The overlap allowance on the horizontal axis and the current value on the vertical axis both correspond to examples of setting parameter values. The joint strength indicated by the contour lines corresponds to the example of the evaluation index value.

領域Ａ１１は、必要とされる接合強度以上に大きい接合強度を得られる領域である。接合強強度が必要とされる接合強度以上に大きいことは、評価指標値について定められている条件の例に該当する。
図６の例では、パラメータ値取得部１９５は、評価指標値について定められている条件に加えて、重ね代について定められている条件、及び、電流値について定められている条件も取得し、これらの条件を全て満たす設定パラメータ値の領域を選択している。領域Ａ１２は、鋼鈑９１１と９１２との重ね代が予定範囲内となる領域である。領域Ａ１３は、領域Ａ１１及び領域Ａ１２のいずれにも含まれる領域のうち、さらに電流値が所定の電流値以下である領域である。パラメータ値取得部１９５は、評価指標値の条件、重ね代の条件、及び、電流値の条件を満たす領域Ａ１３を選択する。
制御装置２００が、パラメータ値取得部１９５が取得した設定パラメータ値に基づいて対象装置３００を制御することで、対象装置３００は、定められた条件を満たす動作をすることができる。 The region A11 is a region where a joint strength larger than the required joint strength can be obtained. The fact that the joint strength is greater than the required joint strength corresponds to an example of the conditions defined for the evaluation index value.
In the example of FIG. 6, the parameter value acquisition unit 195 acquires the conditions defined for the stacking allowance and the conditions defined for the current value in addition to the conditions defined for the evaluation index value. The area of the setting parameter value that satisfies all the conditions of is selected. The area A12 is an area in which the overlap margin between the steel plates 911 and 912 is within the planned range. The region A13 is a region included in both the region A11 and the region A12, and the current value is further equal to or less than a predetermined current value. The parameter value acquisition unit 195 selects the region A13 that satisfies the evaluation index value condition, the overlap margin condition, and the current value condition.
When the control device 200 controls the target device 300 based on the set parameter value acquired by the parameter value acquisition unit 195, the target device 300 can perform an operation satisfying a predetermined condition.

設定パラメータ値の条件が示されている場合、パラメータ値取得部１９５が、評価指標値について定められている条件に加えて、設定パラメータ値について定められている条件も制約条件として最適化問題を解くようにしてもよい。
また、設定パラメータ値の条件が示されている場合、パラメータ値取得部１９５が、示されている条件の範囲内のみを検索して設定パラメータ値を取得するようにしてもよい。例えば、パラメータ値取得部１９５が、領域１２の範囲内のみを探索して評価指標値の条件及び電流値の条件を満たす設定パラメータ値を取得するようにしてもよい。これにより、パラメータ値取得部１９５の負荷が軽減され、また、パラメータ値取得部１９５がより速く設定パラメータ値を取得することが期待される。ユーザの経験上、適切な設定パラメータ値の範囲がわかっている場合も、パラメータ値取得部１９５がその範囲内のみを探索して設定パラメータ値を取得するようにしてもよい。 When the condition of the setting parameter value is shown, the parameter value acquisition unit 195 solves the optimization problem by setting the condition defined for the setting parameter value as a constraint condition in addition to the condition defined for the evaluation index value. You may do so.
Further, when the condition of the setting parameter value is indicated, the parameter value acquisition unit 195 may search only within the range of the indicated condition and acquire the setting parameter value. For example, the parameter value acquisition unit 195 may search only within the range of the region 12 and acquire the setting parameter value that satisfies the condition of the evaluation index value and the condition of the current value. As a result, the load on the parameter value acquisition unit 195 is reduced, and it is expected that the parameter value acquisition unit 195 acquires the set parameter value faster. Even if the range of an appropriate setting parameter value is known from the user's experience, the parameter value acquisition unit 195 may search only within that range to acquire the setting parameter value.

パラメータ値取得部１９５が、領域Ａ１３のように設定パラメータ値の範囲を取得するようにしてもよい。この場合、出力部１２０が、例えば図６のグラフのように設定パラメータ値の範囲を図示するなど、設定パラメータ値の範囲を表示するようにしてもよい。
あるいは、パラメータ値取得部１９５が、領域Ａ１３の中から設定パラメータ値の組み合わせを１組選択するなど、１組の設定パラメータ値を取得するようにしてもよい。この場合、出力部１２０が、パラメータ値取得部１９５が選択した設定パラメータ値を表示するようにしてもよいし、これらの設定パラメータ値を制御装置２００へ送信するようにしてもよい。 The parameter value acquisition unit 195 may acquire a range of set parameter values as in the area A13. In this case, the output unit 120 may display the range of the set parameter value, for example, by illustrating the range of the set parameter value as shown in the graph of FIG.
Alternatively, the parameter value acquisition unit 195 may acquire one set of set parameter values, such as selecting one set of combinations of set parameter values from the area A13. In this case, the output unit 120 may display the set parameter values selected by the parameter value acquisition unit 195, or may transmit these set parameter values to the control device 200.

次に、図７及び図８を参照してパラメータ値取得装置１００の動作について説明する。
図７は、パラメータ値取得装置１００が第一モデルを生成する処理手順の例を示すフローチャートである。
図７の処理で、入力部１１０が学習用データを取得する（ステップＳ１０１）。上述したように、ここでの学習用データは、対象装置３００の動作時に得られた設定パラメータ値、条件パラメータ値、及び、評価指標値の組み合わせである。第一モデル生成時に入力部１１０が、複数の学習用データを纏めて取得するようにしてもよい。あるいは、対象装置３００が動作する毎に入力部１１０が学習用データを取得して記憶部１８０に記憶させておくようにしてもよい。 Next, the operation of the parameter value acquisition device 100 will be described with reference to FIGS. 7 and 8.
FIG. 7 is a flowchart showing an example of a processing procedure in which the parameter value acquisition device 100 generates the first model.
In the process of FIG. 7, the input unit 110 acquires the learning data (step S101). As described above, the learning data here is a combination of the setting parameter value, the condition parameter value, and the evaluation index value obtained during the operation of the target device 300. The input unit 110 may collectively acquire a plurality of learning data at the time of generating the first model. Alternatively, the input unit 110 may acquire the learning data and store it in the storage unit 180 each time the target device 300 operates.

次に、制御部１９０は、得られた学習用データのうち、評価指標値を特定することで、評価指標値と他のデータとを区別する（ステップＳ１０２）。例えば、制御部１９０は、学習用データに含まれる接合強度を評価指標値として特定するなど、予め定められているデータを評価指標値として特定するようにしてもよい。あるいは、学習用データ中で評価指標値にタグが付されるなど、評価指標値が他のデータと区別して示されていてもよい。 Next, the control unit 190 distinguishes the evaluation index value from other data by specifying the evaluation index value among the obtained learning data (step S102). For example, the control unit 190 may specify predetermined data as an evaluation index value, such as specifying the joint strength included in the learning data as an evaluation index value. Alternatively, the evaluation index value may be shown separately from other data, such as by tagging the evaluation index value in the learning data.

次に、条件パラメータ値追加処理部１９１は、学習用データに条件パラメータ値を追加する（ステップＳ１０３）。上述したように、条件パラメータ値追加処理部１９１は、学習用データに含まれる物理量を物理モデルに適用して新たな物理量を算出し、算出した物理量のデータを条件パラメータ値として学習用データに追加する。
但し、ステップＳ１０３の処理は必須ではない。パラメータ値取得装置１００が、ステップＳ１０２の処理の後、ステップＳ１０３の処理を行わずにステップＳ１０４の処理を行うようにしてもよい。 Next, the condition parameter value addition processing unit 191 adds the condition parameter value to the training data (step S103). As described above, the condition parameter value addition processing unit 191 applies the physical quantity contained in the training data to the physical model to calculate a new physical quantity, and adds the calculated physical quantity data to the training data as the condition parameter value. do.
However, the process of step S103 is not essential. The parameter value acquisition device 100 may perform the process of step S104 without performing the process of step S103 after the process of step S102.

次に、ノイズデータ除去部１９２は、学習用データからノイズデータを削除する（ステップＳ１０４）。上述したように、ノイズデータ除去部１９２は学習用データの回帰面又は近似式など学習用データの近似を求め、得られた近似から所定条件以上離れている学習用データを除去する。
但し、ステップＳ１０４の処理は必須ではない。パラメータ値取得装置１００が、ステップＳ１０３の処理の後、ステップＳ１０４の処理を行わずにステップＳ１０５の処理を行うようにしてもよい。あるいは、パラメータ値取得装置１００が、ステップＳ１０２の処理の後、ステップＳ１０３の処理及びステップＳ１０４の処理のいずれも行わずにステップＳ１０５の処理を行うようにしてもよい。 Next, the noise data removing unit 192 deletes the noise data from the training data (step S104). As described above, the noise data removing unit 192 obtains an approximation of the learning data such as a regression plane or an approximation formula of the learning data, and removes the learning data that is separated from the obtained approximation by a predetermined condition or more.
However, the process of step S104 is not essential. The parameter value acquisition device 100 may perform the process of step S105 without performing the process of step S104 after the process of step S103. Alternatively, the parameter value acquisition device 100 may perform the process of step S105 after the process of step S102 without performing either the process of step S103 or the process of step S104.

次に、第一モデル生成部１９３は、第一モデルを生成する（ステップＳ１０５）。上述したように、第一モデル生成部１９３が、設定パラメータ値及び条件パラメータ値の入力に対して評価指標値を１つの値で取得する出力する第一モデルを生成するようにしてもよいし、評価指標値の確率分布を出力する第一モデルを生成するようにしてもよい。
ステップＳ１０５の後、図７の処理を終了する。 Next, the first model generation unit 193 generates the first model (step S105). As described above, the first model generation unit 193 may generate an output first model that acquires the evaluation index value as one value for the input of the setting parameter value and the condition parameter value. The first model that outputs the probability distribution of the evaluation index value may be generated.
After step S105, the process of FIG. 7 ends.

図８は、パラメータ値取得装置１００が設定パラメータ値を取得する処理手順の例を示すフローチャートである。
図８の処理で、入力部１１０は、条件パラメータ値を取得する（ステップＳ２０１）。ステップＳ２０１で入力部１１０が取得する条件パラメータ値は、パラメータ値取得装置１００が取得する設定パラメータ値を用いて制御装置２００が対象装置３００を動作させる際の条件を示す値である。例えば、ステップＳ２０１で入力部１１０が取得する条件パラメータ値は、現在の気温など現在の環境条件を示す。
図７のステップＳ１０３で条件パラメータ値追加処理部１９１が条件パラメータ値を学習データに追加した場合、条件パラメータ値追加処理部１９１は、ステップＳ２０１で入力部１１０が取得した条件パラメータ値に基づいて、ステップＳ１０３の場合と同様に条件パラメータ値を算出する。この条件パラメータ値が第一モデルへの入力の１つとなっているためである。 FIG. 8 is a flowchart showing an example of a processing procedure in which the parameter value acquisition device 100 acquires the set parameter value.
In the process of FIG. 8, the input unit 110 acquires the condition parameter value (step S201). The condition parameter value acquired by the input unit 110 in step S201 is a value indicating a condition when the control device 200 operates the target device 300 by using the setting parameter value acquired by the parameter value acquisition device 100. For example, the condition parameter value acquired by the input unit 110 in step S201 indicates the current environmental conditions such as the current temperature.
When the condition parameter value addition processing unit 191 adds the condition parameter value to the training data in step S103 of FIG. 7, the condition parameter value addition processing unit 191 is based on the condition parameter value acquired by the input unit 110 in step S201. The condition parameter value is calculated in the same manner as in step S103. This is because this condition parameter value is one of the inputs to the first model.

次に、第二モデル取得部１９４は、ステップＳ２０１で得られた条件パラメータ値を第一モデルに入力することで第二モデルを取得する（ステップＳ２０２）。
また、入力部１１０は、評価指標値について定められている条件を取得する（ステップＳ２０３）。
また、入力部１１０は、設定パラメータ値について定められている条件を取得する（ステップＳ２０４）。但し、ステップＳ２０４の処理は必須ではない。パラメータ値取得装置１００が、ステップＳ２０３の処理の後、ステップＳ２０４の処理を行わずにステップＳ２０５の処理を行うようにしてもよい。 Next, the second model acquisition unit 194 acquires the second model by inputting the condition parameter value obtained in step S201 into the first model (step S202).
Further, the input unit 110 acquires the conditions defined for the evaluation index value (step S203).
Further, the input unit 110 acquires the conditions defined for the setting parameter value (step S204). However, the process of step S204 is not essential. The parameter value acquisition device 100 may perform the process of step S205 without performing the process of step S204 after the process of step S203.

次に、パラメータ値取得部１９５は、評価指標値について定められている条件を満たす設定パラメータ値を第二モデルに基づいて取得する（ステップＳ２０５）。ステップＳ２０４で設定パラメータ値の条件も得られている場合、パラメータ値取得部１９５は、評価指標値について定められている条件、及び、設定パラメータ値について定められている条件のいずれも満たす設定パラメータ値を取得する。上述したように、パラメータ値取得部１９５が最適化問題を解くことで設定パラメータ値を取得するようにしてもよい。
次に、出力部１２０は、ステップＳ２０５で得られた設定パラメータ値を出力する（ステップＳ２０６）。
ステップＳ２０６の後、図８の処理を終了する。 Next, the parameter value acquisition unit 195 acquires a setting parameter value that satisfies the condition defined for the evaluation index value based on the second model (step S205). When the condition of the set parameter value is also obtained in step S204, the parameter value acquisition unit 195 satisfies both the condition defined for the evaluation index value and the condition defined for the set parameter value. To get. As described above, the parameter value acquisition unit 195 may acquire the set parameter value by solving the optimization problem.
Next, the output unit 120 outputs the setting parameter value obtained in step S205 (step S206).
After step S206, the process of FIG. 8 ends.

次に、図９〜図１１を参照して、条件パラメータ値の追加及びノイズデータの除去によるモデル精度の向上の例について説明する。条件パラメータ値の追加は、上述した条件パラメータ値追加処理部１９１の処理である。ノイズデータの除去は、上述したノイズデータ除去部１９２の処理である。
条件パラメータ値の追加及びノイズデータの除去の有無に関する以下の３つのケースの各々について、接合装置で２枚の鋼鈑を接合した接合強度の真値と、上述した第二モデルを用いて求めた推定値との誤差を算出した。
ケース１：条件パラメータ値の追加及びノイズデータの除去のいずれも行わない場合
ケース２：条件パラメータ値の追加は行わずノイズデータの除去を行う場合
ケース３：条件パラメータ値の追加及びノイズデータの除去のいずれも行う場合 Next, an example of improving the model accuracy by adding the condition parameter value and removing the noise data will be described with reference to FIGS. 9 to 11. The addition of the condition parameter value is the process of the condition parameter value addition processing unit 191 described above. The noise data removal is the process of the noise data removal unit 192 described above.
For each of the following three cases regarding the addition of conditional parameter values and the presence / absence of noise data removal, the true value of the joining strength of two steel plates joined by a joining device and the above-mentioned second model were used. The error from the estimated value was calculated.
Case 1: When neither addition of condition parameter value nor removal of noise data is performed Case 2: When noise data is removed without adding condition parameter value Case 3: Addition of condition parameter value and removal of noise data When doing any of

第一モデルを求める機械学習法としてランダムフォレストを用いた。また、条件パラメータ値の追加では、溶接理論に基づいて新たな条件パラメータ値を算出し、学習用データに追加した。
真値と推定値との誤差を評価する指標値として平均二乗誤差（Root Mean Square Error；ＲＭＳＥ）及び平均誤差を算出した。平均二乗誤差は式（１）のように示される。
データ数は、ケース１が２０５、ケース２及びケース３はいずれも１７９である。ここでいうデータ数は、求めた真値及び推定値の組み合わせの個数である。 Random forest was used as a machine learning method to find the first model. In addition, when adding conditional parameter values, new conditional parameter values were calculated based on welding theory and added to the learning data.
The root mean square error (RMSE) and the mean error were calculated as index values for evaluating the error between the true value and the estimated value. The mean square error is expressed by Eq. (1).
The number of data is 205 in case 1 and 179 in both case 2 and case 3. The number of data referred to here is the number of combinations of the obtained true value and the estimated value.

ここで、ｙは真値を示す。ｙ’は推定値を示す。Ｎはデータ数を示す。
平均誤差は式（２）のように示される。 Here, y indicates a true value. y'indicates an estimated value. N indicates the number of data.
The average error is expressed by Eq. (2).

ｙ、ｙ’、Ｎは式（１）の場合と同様である。
平均事情誤差、平均誤差のいずれも値が小さいほど推定値が真値に近いと評価できる。
図９は、ケース１における真値と推定値との関係を示す図である。図９のグラフの横軸は真値を示し、縦軸は推定値を示す。真値と推定値との組み合わせをグラフにプロットしている。また、真値と推定値との相対誤差が±１０％以内の範囲を２本の破線で示している。
ケース１では、平均二乗誤差が２３．６３であった。また、平均誤差は１６．９７であった。 y, y', and N are the same as in the case of the equation (1).
It can be evaluated that the smaller the value of both the average circumstance error and the average error, the closer the estimated value is to the true value.
FIG. 9 is a diagram showing the relationship between the true value and the estimated value in Case 1. The horizontal axis of the graph of FIG. 9 shows the true value, and the vertical axis shows the estimated value. The combination of the true value and the estimated value is plotted on the graph. Further, the range in which the relative error between the true value and the estimated value is within ± 10% is indicated by two broken lines.
In Case 1, the mean square error was 23.63. The average error was 16.97.

図１０は、ケース２における真値と推定値との関係を示す図である。図９の場合と同様、図１０のグラフの横軸は真値を示し、縦軸は推定値を示す。真値と推定値との組み合わせをグラフにプロットしている。また、真値と推定値との相対誤差が±１０％以内の範囲を２本の破線で示している。
ケース２では、平均二乗誤差が２０．８４であった。また、平均誤差は１４．３４であった。平均二乗誤差、平均誤差のいずれもケース２の方がケース１よりも小さくなっており、接合強度の推定精度が向上したと評価できる。グラフを見ても、ケース２の方がケース１よりも真値と推定値との相対誤差が±１０％以内の範囲に含まれる割合が高い。 FIG. 10 is a diagram showing the relationship between the true value and the estimated value in Case 2. As in the case of FIG. 9, the horizontal axis of the graph of FIG. 10 shows the true value, and the vertical axis shows the estimated value. The combination of the true value and the estimated value is plotted on the graph. Further, the range in which the relative error between the true value and the estimated value is within ± 10% is indicated by two broken lines.
In case 2, the mean square error was 20.84. The average error was 14.34. Both the mean square error and the mean error are smaller in the case 2 than in the case 1, and it can be evaluated that the estimation accuracy of the joint strength is improved. Looking at the graph, Case 2 has a higher proportion of the relative error between the true value and the estimated value within ± 10% than Case 1.

図１１は、ケース３における真値と推定値との関係を示す図である。図１１では、条件パラメータ値として（１）単位重ね代当たりの接合荷重、（２）単位重ね代当たりの電流、（３）単位重ね代当たりの入熱量を追加した場合の例を示している。
単位重ね代当たりの接合荷重（上記１）の単位として、例えばｋＮ／ｍｍ^２を用いる。単位重ね代当たりの電流（上記２）の単位として、例えばｋＡ／ｍｍ^２を用いる。単位重ね代当たりの入熱量（上記３）の単位として、例えばＪ／ｍｍ^２を用いる。 FIG. 11 is a diagram showing the relationship between the true value and the estimated value in Case 3. FIG. 11 shows an example in which (1) the joining load per unit stacking allowance, (2) the current per unit stacking allowance, and (3) the amount of heat input per unit stacking allowance are added as the condition parameter values.
^{For example, kN / mm 2} is used as the unit of the joining load (1 above) per unit stacking allowance. ^{For example, kA / mm 2} is used as the unit of the current per unit stacking allowance (2 above). ^{For example, J / mm 2} is used as the unit of the amount of heat input per unit stacking allowance (3 above).

図９の場合と同様、図１１のグラフの横軸は真値を示し、縦軸は推定値を示す。真値と推定値との組み合わせをグラフにプロットしている。また、真値と推定値との相対誤差が±１０％以内の範囲を２本の破線で示している。
ケース３では、平均二乗誤差が１６．０９であった。また、平均誤差は１０．３６であった。平均二乗誤差、平均誤差のいずれもケース３の方がケース２よりもさらに小さくなっており、接合強度の推定精度がさらに向上したと評価できる。グラフを見ても、ケース３の方がケース２よりもさらに、真値と推定値との相対誤差が±１０％以内の範囲に含まれる割合が高い。
以上より、ノイズデータの除去によってモデルの精度が向上し、条件パラメータ値の追加によってモデルの精度がさらに向上したと評価できる。 As in the case of FIG. 9, the horizontal axis of the graph of FIG. 11 shows the true value, and the vertical axis shows the estimated value. The combination of the true value and the estimated value is plotted on the graph. Further, the range in which the relative error between the true value and the estimated value is within ± 10% is indicated by two broken lines.
In Case 3, the mean square error was 16.09. The average error was 10.36. Both the mean square error and the mean error are smaller in the case 3 than in the case 2, and it can be evaluated that the estimation accuracy of the joint strength is further improved. Looking at the graph, Case 3 has a higher proportion of the relative error between the true value and the estimated value within ± 10% than Case 2.
From the above, it can be evaluated that the accuracy of the model is improved by removing the noise data, and the accuracy of the model is further improved by adding the conditional parameter values.

以上のように、第一モデル生成部１９３は第一モデルを生成する。第二モデル取得部１９４は、第一モデルに対して条件パラメータ値を入力して第二モデルを取得する。パラメータ値取得部１９５は、第二モデルに基づいて、評価指標値について定められている条件を満たす設定パラメータ値を取得する。
第一モデル生成時には、対象装置３００が動作した際の学習用データを得られればよい。この学習用データは、対象装置３００使用時に設定した設定パラメータ値、対象装置３００使用時の条件の測定値、及び、評価指標値の測定値の組み合わせにて得られる。この点で、学習用データの生成に、対象装置３００が行う処理に関する専門知識を必要としない。
また、対象装置３００使用時の設定の際には、対象装置３００使用時の条件、及び、評価指標値に対する条件を得られればよい。対象装置３００使用時の条件は、対象装置３００使用時に該当事項の測定を行うことで得られる。また、評価指標値に対する条件は、対象装置３００の使用目的に応じて決定される。この点で、対象装置３００使用時の設定の入力データの生成にも、対象装置３００が行う処理に関する専門知識を必要としない。
この点で、パラメータ値取得装置１００によれば、ユーザが、対象装置３００が行う処理に関する専門的な知識を有していない場合でも、所望の処理結果を得られるように対象装置を設定可能である。 As described above, the first model generation unit 193 generates the first model. The second model acquisition unit 194 acquires the second model by inputting the condition parameter value to the first model. The parameter value acquisition unit 195 acquires a setting parameter value that satisfies the conditions defined for the evaluation index value based on the second model.
At the time of generating the first model, it is sufficient to obtain the learning data when the target device 300 operates. This learning data is obtained by combining the set parameter values set when the target device 300 is used, the measured values of the conditions when the target device 300 is used, and the measured values of the evaluation index values. In this respect, the generation of the learning data does not require specialized knowledge about the processing performed by the target device 300.
Further, when setting when the target device 300 is used, it suffices to obtain the conditions when the target device 300 is used and the conditions for the evaluation index value. The conditions when the target device 300 is used can be obtained by measuring the corresponding items when the target device 300 is used. Further, the conditions for the evaluation index value are determined according to the purpose of use of the target device 300. In this respect, the generation of input data for the settings when the target device 300 is used does not require specialized knowledge regarding the processing performed by the target device 300.
In this respect, according to the parameter value acquisition device 100, the target device can be set so that a desired processing result can be obtained even if the user does not have specialized knowledge about the processing performed by the target device 300. be.

また、第一モデル生成部１９３は、対象装置３００の物理モデルを用いて算出されるパラメータ値を条件パラメータ値に含む第一モデルを生成する。
これにより、第一モデルの精度向上が期待される。第一モデルの精度が向上することで、パラメータ値取得装置１００は、要求された条件を満たす設定パラメータ値をより高精度に取得することができる。 Further, the first model generation unit 193 generates a first model in which the parameter value calculated by using the physical model of the target device 300 is included in the condition parameter value.
This is expected to improve the accuracy of the first model. By improving the accuracy of the first model, the parameter value acquisition device 100 can acquire the set parameter value satisfying the required condition with higher accuracy.

また、ノイズデータ除去部１９２は、複数の学習用データのうち、これら複数の学習用データが示す傾向から所定条件以上乖離した学習用データを除外するノイズデータ除去処理を行う。第一モデル生成部１９３は、ノイズデータ除去部１９２によるノイズデータ除去処理後の学習用データを用いて第一モデルを生成する。
これにより、第一モデルの精度向上が期待される。第一モデルの精度が向上することで、パラメータ値取得装置１００は、要求された条件を満たす設定パラメータ値をより高精度に取得することができる。 Further, the noise data removing unit 192 performs noise data removing processing for excluding the learning data that deviates from the tendency indicated by the plurality of learning data by a predetermined condition or more from the plurality of learning data. The first model generation unit 193 generates a first model using the learning data after the noise data removal processing by the noise data removal unit 192.
This is expected to improve the accuracy of the first model. By improving the accuracy of the first model, the parameter value acquisition device 100 can acquire the set parameter value satisfying the required condition with higher accuracy.

また、第二モデル取得部１９４は、第二モデルを応答曲面モデルにて取得する。
第二モデルとして連続的なモデルを得られることで、例えば勾配法などいろいろな最適化アルゴリズムの適用が可能である。 Further, the second model acquisition unit 194 acquires the second model as a response curved surface model.
By obtaining a continuous model as the second model, it is possible to apply various optimization algorithms such as the gradient method.

なお、制御部１９０の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することで各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。 A program for realizing all or a part of the functions of the control unit 190 is recorded on a computer-readable recording medium, and the program recorded on the recording medium is read by the computer system and executed to execute each unit. May be processed. The term "computer system" as used herein includes hardware such as an OS and peripheral devices.
In addition, the "computer system" includes the homepage providing environment (or display environment) if the WWW system is used.
Further, the "computer-readable recording medium" refers to a portable medium such as a flexible disk, a magneto-optical disk, a ROM, or a CD-ROM, or a storage device such as a hard disk built in a computer system. Further, a "computer-readable recording medium" is a communication line for transmitting a program via a network such as the Internet or a communication line such as a telephone line, and dynamically holds the program for a short period of time. In that case, it also includes the one that holds the program for a certain period of time, such as the volatile memory inside the computer system that is the server or client. Further, the above-mentioned program may be a program for realizing a part of the above-mentioned functions, and may be a program for realizing the above-mentioned functions in combination with a program already recorded in the computer system.

以上、本発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。 Although the embodiments of the present invention have been described in detail with reference to the drawings, the specific configuration is not limited to this embodiment, and design changes and the like within a range not deviating from the gist of the present invention are also included.

１対象装置動作システム
１００パラメータ値取得装置
１１０入力部
１２０出力部
１８０記憶部
１９０制御部
１９１条件パラメータ値追加処理部
１９２ノイズデータ除去部
１９３第一モデル生成部
１９４第二モデル取得部
１９５パラメータ値取得部
２００、２０１、２０２制御装置
２１１マッシュシーム制御部
２１２加圧ローラ制御部
２１３キャリッジルーム制御部
２２１片面工程制御部
２２２両面工程制御部
２２３後工程制御部
３００対象装置
３０１接合装置
４０１台板
４１１支柱
４１２支持フレーム
４２０クランプ装置
４２１クランプ部材
４２２クランプ押圧装置
４３１キャリッジフレーム
４３２支持ローラ
４３３キャリッジフレーム駆動装置
４４１電極輪
４４２電極輪押圧装置
４４３電極輪用モータ
４４４電源装置
４５１加圧ローラ
４５２加圧ローラ押圧装置
９１１、９１２鋼鈑 1 Target device operation system 100 Parameter value acquisition device 110 Input unit 120 Output unit 180 Storage unit 190 Control unit 191 Condition parameter value addition processing unit 192 Noise data removal unit 193 First model generation unit 194 Second model acquisition unit 195 Parameter value acquisition Units 200, 201, 202 Control unit 211 Mash seam control unit 212 Pressurized roller control unit 213 Carriage room control unit 221 Single-sided process control unit 222 Double-sided process control unit 223 Post-process control unit 300 Target device 301 Joining device 401 Base plate 411 Support 412 Support frame 420 Clamping device 421 Clamping member 422 Clamp pressing device 431 Carriage frame 432 Supporting roller 433 Carriage frame driving device 441 Electrode ring pressing device 443 Electrode wheel pressing device 443 Electrode wheel motor 444 Power supply device 451 Pressurizing roller 452 Pressurizing roller pressing device 911, 912 Steel plate

Claims

A setting parameter value indicating a setting when the target device is used, and a first model generation unit that generates a first model that outputs an evaluation index value in response to input of a condition parameter value based on the condition when the target device is used.
A second model acquisition unit that inputs the condition parameter value to the first model generated by the first model generation unit and acquires a second model showing the relationship between the set parameter value and the evaluation index value. ,
Based on the second model acquired by the second model acquisition unit, the parameter value acquisition unit that acquires the setting parameter value that satisfies the conditions defined for the evaluation index value, and the parameter value acquisition unit.
It is a parameter value acquisition device equipped with
The subject device is a welding device for joining two steel plates,
The set parameter values include the pressure at which the electrode ring sandwiches the two steel plates, the stacking allowance of the two steel plates, the number of rotations of the electrode rings, the current value that the power supply device flows from the electrode rings to the two steel plates, and the addition. The pressure of the pressure roller sandwiching the two steel plates and the moving speed of the carriage frame include one or more values.
The conditional parameter value includes one or more of the steel plate thickness , the strength of the steel plate, the composition of the steel plate, the temperature around the joining device, and the humidity around the joining device.
Parameter values acquisition device.

The parameter value acquisition device according to claim 1 , wherein the second model acquisition unit subtracts or adds 3σ of the dispersion of the joint strength from the average value of the joint strength for each combination of the set parameter values.

The accuracy of the first model and the second model acquired by the parameter value acquisition device according to claim 1 or 2 , is the true value of the joint strength and the estimated value of the joint strength obtained from the second model. An evaluation method that evaluates using at least one of the mean square error and the mean error.