机器学习方法、机器学习装置以及机器学习程序制造方法及图纸

本发明专利技术提供机器学习方法、机器学习装置以及机器学习程序。机器学习方法获取包含有关树脂的颗粒状态的物理量和处理条件的状态变量，基于状态变量，计算出对处理条件的决定结果的奖励，基于计算出的奖励更新用于根据状态变量决定处理条件的函数，通过反复进行函数更新，从而决定获得奖励最多的处理条件。据此，不依靠熟练的技术人员的长年的经验，也能容易地决定对所要求的树脂的颗粒状态的适当的处理条件。件。件。

【技术实现步骤摘要】
机器学习方法、机器学习装置以及机器学习程序


[0001]本专利技术涉及机器学习树脂处理装置的处理条件的技术。

技术介绍

[0002]到目前为止，作为连续混炼树脂等材料的连续混炼装置(continuous kneading device)已有日本专利公开公报特开2012
‑
051363号公开的装置等。
[0003]日本专利公开公报特开2012
‑
051363号的连续混炼装置具备内部空洞的机筒和收容在该机筒内的混炼转子。该混炼转子被配置成轴心大致平行，并且可以朝向彼此不同的方向旋转。
[0004]在此种连续混炼装置中，将被供给到机筒内的原料导向混炼转子之间，并使用设置在混炼转子的混炼螺杆对被导入的原料赋予剪切力，从而材料被混炼。为了制造高质量的混炼树脂以及其混炼树脂的颗粒，要求适当决定混炼条件。
[0005]但是，以往，混炼条件是由熟练的技术人员依据长年的经验来决定的。因此，针对所要求的树脂的颗粒状态，容易地决定适当的处理条件困难。

技术实现思路

[0006]本专利技术为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器学习方法，是机器学习装置决定树脂处理装置的处理条件的机器学习方法，其中，所述树脂处理装置具有：树脂处理部，其具有旋转的螺杆以及覆盖所述螺杆的处理容器，将被供给的树脂混炼并输出；供给器，将所述树脂供给到所述树脂处理部；以及，制粒机，在所述树脂处理部的下游将从所述树脂处理部输出的树脂形成为颗粒，其特征在于，所述机器学习方法包括以下步骤：获取包含有关所述树脂的颗粒状态的至少一个物理量和至少一个处理条件的状态变量；基于所述状态变量，计算对所述至少一个处理条件的决定结果的奖励；基于所述奖励，更新用于根据所述状态变量决定所述至少一个处理条件的函数；以及，通过反复进行所述函数的更新，从而决定获得所述奖励最多的处理条件，其中，所述至少一个处理条件是有关所述树脂的第一参数、有关所述供给器的第二参数、有关所述树脂处理部的操作条件的第三参数、有关混炼后的树脂的第四参数、有关所述树脂处理装置的温度的第五参数、有关所述制粒机的第六参数、有关所述树脂处理装置的工作状况的第七参数之中的至少其中之一，所述至少一个物理量是混炼质量以及颗粒质量之中的至少其中之一。2.根据权利要求1所述的机器学习方法，其特征在于，所述树脂处理装置还包括：齿轮泵，被设置在所述树脂处理部与所述制粒机之间，将混炼后的树脂从所述树脂处理部抽出，所述至少一个处理条件还包含有关所述齿轮泵的第八参数。3.根据权利要求1所述的机器学习方法，其特征在于，所述第一参数是表示被设置在所述树脂处理部的下游侧并过滤所述树脂中的杂质的换网器的入口的树脂的压力的换网器前树脂压力、表示所述制粒机所具有的模板处理部的入口的所述树脂的压力的模板前树脂压力、所述换网器的入口与出口间的所述树脂的差压、表示所述换网器的网孔细度的网尺寸之中的至少其中之一。4.根据权利要求1所述的机器学习方法，其特征在于，所述第二参数是表示构成所述树脂的1种以上的原料的分子量的分布的原料分子量分布、原料MI、原料粒径分布、原料温度、所述供给器所具有的料斗的氧浓度、所述料斗的氮流量、在所述处理容器的前端部被供给到所述螺杆与所述处理容器的间隙的氮的流量、被供给到设置于所述处理容器的中间部的门与所述处理容器的间隙的氮的流量、在所述处理容器的末端部被供给到所述处理容器与所述螺杆的间隙的氮的流量、表示投入所述树脂处理部之前的所述1种以上的原料以及添加剂的混合方法的预混合方法之中的至少其中之一。5.根据权利要求1所述的机器学习方法，其特征在于，所述第三参数是表示构成所述树脂的原料的每单位时间的处理量的生产量、所述螺杆的每单位时间的转数、被设置在所述处理容器的中间部的门的开度、被设置在树脂处理部的下游的齿轮泵的入口压力、螺杆动力、以及用所述螺杆动力/所述生产量被定义的比能量之中的至少其中之一。6.根据权利要求1所述的机器学习方法，其特征在于，
所述第四参数是被设置在所述处理容器的中间部的门的所述树脂的温度、被设置在所述树脂处理部的下游的齿轮泵的入口的所述树脂的温度、所述齿轮泵的出口的所述树脂的温度、所述制粒机所具有的模板处理部的上游侧的所述树脂的温度之中的至少其中之一。7.根据权利要求1所述的机器学习方法，其特征在于，所述第五参数是所述树脂处理部的上游侧的第一腔室的温度、在所述树脂处理部设置在所述第一腔室的下游侧的第二腔室的温度、被设置在所述树脂处理部与设置在所述树脂处理部的下游侧的齿轮泵之间的转换片部的温度、所述齿轮泵的温度、设置在所述齿轮泵的下游侧的换网器的温度、所述制粒机的温度、以及所述制粒机的升温油的温度之中的至少其中之一。8.根据权利要求1所述的机器学习方法，其特征在于，...

【专利技术属性】
技术研发人员：入谷一夫，山口和郎，源内达雄，岩崎伸，黑田好则，
申请(专利权)人：株式会社神户制钢所，
类型：发明
国别省市：