1.一种具有进行机械学习的人工智能的注射成形系统,具备至少一个注射成形机,该注射成形系统的特征在于,
具备:
状态观测部,其在执行由上述注射成形机进行的注射成形时,对与执行中的注射成形有关的物理量进行观测;
物理量数据存储部,其存储由上述状态观测部观测到的物理量数据;
回报条件设定部,其设定上述机械学习中的回报条件;
回报计算部,其根据由上述状态观测部观测到的上述物理量数据和在上述回报条件设定部中设定的上述回报条件来计算回报;
操作条件调整学习部,其根据由上述回报计算部计算出的上述回报、在上述注射成形系统中设定的操作条件和上述物理量数据,进行操作条件调整的机械学习;
学习结果存储部,其存储由上述操作条件调整学习部进行机械学习的学习结果;以及
操作条件调整量输出部,其根据由上述操作条件调整学习部进行的学习结果,决定操作条件调整的对象和调整量并输出。
2.根据权利要求1所述的注射成形系统,其特征在于,
将存储在上述学习结果存储部中的学习结果用于上述操作条件调整学习部的学习。
3.根据权利要求1或2所述的注射成形系统,其特征在于,
还具备计测单元,
由上述状态观测部观测的上述物理量数据包含由上述计测单元计测的成形品的重量、尺寸、根据成形品的图像数据计算出的外观、长度、角度、面积、体积、光学成形品的光学检查结果、成形品强度计测结果中的至少一个,
与其它上述物理量数据一起作为一个成形品的物理量数据而存储在上述物理量数据存储部中。
4.根据权利要求1~3中任一项所述的注射成形系统,其特征在于,
能够从上述注射成形机所具备的显示器向上述回报条件设定部输入回报条件。
5.根据权利要求1~4中任一项所述的注射成形系统,其特征在于,
当有助于物理量数据的稳定化、周期缩短、节能化中的至少一个时,上述回报计算部根据其程度赋予正的回报。
6.根据权利要求1~5中任一项所述的注射成形系统,其特征在于,
如果产生物理量数据不稳定、周期延长、消耗能量增大中的至少一个现象,则上述回报计算部根据其程度赋予负的回报。
7.根据权利要求1~6中任一项所述的注射成形系统,其特征在于,
针对上述物理量数据预先设定允许值,
当上述物理量数据在上述允许值内时,上述回报计算部赋予正的回报。
8.根据权利要求1~7中任一项所述的注射成形系统,其特征在于,
针对上述物理量数据预先设定允许值,
当上述物理量数据从上述允许值偏离时,上述回报计算部根据其偏离量来赋予负的回报。
9.根据权利要求1~8中任一项所述的注射成形系统,其特征在于,
针对上述物理量数据预先设定目标值,
当上述物理量数据接近上述目标值时,上述回报计算部根据上述目标值与上述物理量数据的偏离量来赋予正的回报。
10.根据权利要求1~9中任一项所述的注射成形系统,其特征在于,
针对上述物理量数据预先设定目标值,
当上述物理量数据偏离上述目标值时,上述回报计算部根据上述目标值与上述物理量数据的偏离量来赋予负的回报。
11.根据权利要求1~10中任一项所述的注射成形系统,其特征在于,
如果产生表示成形缺陷的状态,则上述回报计算部根据其程度来赋予负的回报。
12.根据权利要求11所述的注射成形系统,其特征在于,
上述成形缺陷为毛刺、气孔、翘曲、气泡、缩痕、流痕、熔接痕、银纹、颜色不均匀、变色、碳化、杂质混入、透镜成形品的光轴向允许值外的偏离、成形品厚度缺陷中的至少一个。
13.根据权利要求1~12中任一项所述的注射成形系统,其特征在于,
上述操作条件调整学习部进行机械学习的操作条件为合模条件、顶出条件、注射保压条件、计量条件、温度条件、喷嘴接触条件、树脂供给条件、模厚条件、成形品取出条件、热流道条件中的至少一个。
14.根据权利要求13所述的注射成形系统,其特征在于,
还具备设定上述成形品取出条件的作为成形品取出单元的机器人。
15.根据权利要求1~14中任一项所述的注射成形系统,其特征在于,
使上述操作条件中的至少一个在预定范围内变动而使上述操作条件调整学习部学习。
16.根据权利要求1~15中任一项所述的注射成形系统,其特征在于,
多个上述注射成形系统还分别具备与外部的通信单元,收发各上述物理量数据存储部存储的物理量数据、学习结果存储部存储的学习结果进行共享。
17.一种机械学习器,对注射成形机的操作条件调整进行机械学习,其特征在于,
该机械学习器具备:
学习结果存储部,其存储上述操作条件调整的学习结果;
状态观测部,其在执行由上述注射成形机进行的注射成形时,对与执行中的注射成形有关的物理量进行观测;以及
操作条件调整量输出部,其根据存储在上述学习结果存储部中的学习结果来决定操作条件调整的对象和调整量并输出。