事例ベース推論による形状認識機構を備えた遺伝的アルゴリズムによる板取システム

• Project/Area Number: 10750299
• Research Category: Grant-in-Aid for Encouragement of Young Scientists (A)
• Allocation Type: Single-year Grants
• Research Field: System engineering
• Research Institution: The University of Electro-Communications
• Principal Investigator: 金井 秀明 電気通信大学, 大学院・情報システム学研究科, 助手 (90282920)
• Project Period (FY): 1999
• Project Status: Completed (Fiscal Year 1999)
• Budget Amount: ¥2,100,000 (Direct Cost: ¥2,100,000); Fiscal Year 1999: ¥600,000 (Direct Cost: ¥600,000); Fiscal Year 1998: ¥1,500,000 (Direct Cost: ¥1,500,000)
• Keywords: 事例ベース推論 / 板取り問題 / CAD / CAM / GA / 形状認識 / Nesting / 遺伝的アルゴリズム / 板取り / システム工学

Research Abstract

配置要素の形状特徴による局所的な配置手法と遺伝的アルゴリズム(GA)によって大局的な配置手法を組合わせることで,従来の手法より効率的に板取を行う手法を確立することである.本手法の有効性を検証するために試作システムを構築した.試作システムの有効性の検証に重点をおいた.また開発した事例ベース推論による部品の形状認識部の性能をより向上させるため,生産現場から事例(部品データや板取結果)を収集とその整理を行った.
(1)試作システムの運用実験と評価:本システムを先の業者の生産現場に持ち込み,板取技術者と本システムの作業(時間,スクラップ量など)を比較し,システムの評価を行った.その結果,本システムによって理時間を短縮できた.スクラップ量に関しては,技術者より劣った.ただし,単純な形状に対する板取りに関しては,技術者と同等のスクラップ量ですんだ.
(2)形状認識部の性能向上のための事例データ収集:事例ベース推論手法には大量の事例データが必要である.そのため,電子部品加工業者から,実際に製品に使われている部品データおよび板取結果を利用した.事例ベース推論による形状認識の性能が向上したが,データが増加したため処理時間が多くかかった.しかし最近の計算機の処理能力の急激な向上を考慮すれば、処理時間の増加は問題にならないと思われる.したがって,今後はより大量なデータを用いることにより認識性能の向上を重視すべきだと思われる.