本发明涉及机械学习方法、计算机程序、机械学习装置和成型机。
背景技术：
1、有一种注射成型机系统，能够通过强化学习适当地调整涉及成型机成型条件的变动参数(成型条件)(例如，专利文献1)。
2、先行技术文献
3、专利文献
4、专利文献1:日本特开2019-166702号公报
技术实现思路
1、发明要解决的课题
2、但是，在专利文献1的注射成型机系统中，由于强化学习的过程中必须独占机械、而且树脂材料会成为废料，所以依然希望缩短学习工时。
3、本发明的目的在于，提供一种机械学习方法、计算机程序、机械学习装置和成型机，其在调整成型机成型条件的学习模型的机械学习中，能够削减用于收集学习用数据的使用了成型机的实际成型工时。
4、用于解决课题的手段
5、本发明的机械学习方法，是学习模型的机械学习方法，所述学习模型在被输入了观测数据的情况下输出变动参数，所述观测数据通过对使用了成型机的实际成型的物理量进行观测而得到，所述变动参数是使通过实际成型得到的成型品的缺陷度降低的、涉及所述成型机的成型条件的变动参数，所述机械学习方法包括:对流体分析装置设定变动参数和固定参数，模拟成型工序；取得与通过模拟得到的成型品的缺陷度关联的缺陷关联参数；根据所取得的缺陷关联参数，算出成型品的缺陷度；使用对所述流体分析装置设定的变动参数和与算出的缺陷度相应的奖励，使所述学习模型进行机械学习。
6、本发明的计算机程序，用于使计算机对学习模型进行机械学习，所述学习模型在被输入了观测数据的情况下输出变动参数，所述观测数据通过对使用了成型机的实际成型的物理量进行观测而得到，所述变动参数是使通过实际成型得到的成型品的缺陷度降低的、涉及所述成型机的成型条件的变动参数，所述计算机程序使所述计算机执行下述处理：对流体分析装置设定变动参数和固定参数，模拟成型工序；取得与通过模拟得到的成型品的缺陷度关联的缺陷关联参数；根据所取得的缺陷关联参数，算出成型品的缺陷度；使用对所述流体分析装置设定的变动参数和与算出的缺陷度相应的奖励，使所述学习模型进行机械学习。
7、本发明的机械学习装置，是使学习模型进行机械学习的机械学习装置，所述学习模型在被输入了观测数据的情况下输出变动参数，所述观测数据通过对使用了成型机的实际成型的物理量进行观测而得到，所述变动参数是使通过实际成型得到的成型品的缺陷度降低的、涉及所述成型机的成型条件的变动参数，所述机械学习装置包括：模拟处理部，其对流体分析装置设定变动参数和固定参数，模拟成型工序；和取得部，其取得与通过该流体分析装置进行的模拟得到的成型品的缺陷度关联的缺陷关联参数；算出部，其根据该取得部所取得的缺陷关联参数，算出成型品的缺陷度；和学习处理部，其使用对所述流体分析装置设定的变动参数和算出的缺陷度，使所述学习模型进行机械学习。
8、本发明的成型机，包括上述机械学习装置，使用从所述学习模型输出的变动参数进行实际成型。
9、发明的效果
10、按照本发明，能够在调整成型机成型条件的学习模型的机械学习中削减用于收集学习用数据的使用了成型机的实际成型工时。
1.一种学习模型的机械学习方法，所述学习模型在被输入了观测数据的情况下输出变动参数，所述观测数据通过对使用了成型机的实际成型的物理量进行观测而得到，所述变动参数是使通过实际成型得到的成型品的缺陷度降低的、涉及所述成型机的成型条件的变动参数，所述机械学习方法包括:
2.根据权利要求1所述的机械学习方法，
3.根据权利要求1所述的机械学习方法，
4.根据权利要求1至权利要求3中任意一项所述的机械学习方法，
5.根据权利要求1至权利要求4中任意一项所述的机械学习方法，
6.根据权利要求1至权利要求5中任意一项所述的机械学习方法，
7.根据权利要求1至权利要求6中任意一项所述的机械学习方法，
8.根据权利要求6或权利要求7所述的机械学习方法，
9.根据权利要求1至权利要求8中任意一项所述的机械学习方法，
10.一种计算机程序，用于使计算机对学习模型进行机械学习，所述学习模型在被输入了观测数据的情况下输出变动参数，所述观测数据通过对使用了成型机的实际成型的物理量进行观测而得到，所述变动参数是使通过实际成型得到的成型品的缺陷度降低的、涉及所述成型机的成型条件的变动参数，所述计算机程序使所述计算机执行下述处理：
11.一种使学习模型进行机械学习的机械学习装置，所述学习模型在被输入了观测数据的情况下输出变动参数，所述观测数据通过对使用了成型机的实际成型的物理量进行观测而得到，所述变动参数是使通过实际成型得到的成型品的缺陷度降低的、涉及所述成型机的成型条件的变动参数，所述机械学习装置包括：
12.一种成型机，包括权利要求11所述的机械学习装置，