ボクセル・マッピングによる製造品質特徴量の抽出/学習システムの研究

2001 Fiscal Year Annual Research Report

• Project/Area Number: 13650804
• Research Institution: Konan University
• Principal Investigator: 長坂 悦敬 甲南大学, 経営学部, 助教授 (00268236)
• Keywords: 形状特徴抽出 / 製造品質 / CAD / ボクセル / ニューラルネットワーク / 形状分類

Research Abstract

製品形状は設計や生産準備工程でたいへん重要な因子である。実際の生産準備業務では、各製品の仕様に合わせて型図面、治工具図面、工程設計書や作業指示票、生産計画表などが作成され、その善し悪しが製品の品質、コスト、納期に大きな影響を与える。従来から形状分類については人間が判断し、いわゆるGT(グループテクノロジー)によって体系化、コードを付与して管理するという方法が用いられてきた。類似部品はGTコードを頼りに探すことになるが、コードだけから類似形状を探し出すことは容易でない。つまり、形状を分類したり、類似形状を見つけるためには人が図面を見て判断するという作業を繰り返さなければならない。ここでは、製造品質について検討するための重要な要素である形状特徴を抽出し、分類する方法について検討し、プロトタイプシステムを開発した。すなわち、まず、対象とする3次元形状を等間隔の仮想直交格子で分割し、その形状に属する仮想微小要素を決定する(仮想空間格子モデル)。仮想要素数を一定以上確保できれば、いわば3次元空間におけるラスター画素(ボクセル、Volume Pixel)が出来上がり、形状特徴抽出処理が適用しやすくなる。仮想空間格子モデルの作成には、STLフォーマットによる形状データ、または、基本立体形状を絶対座標系に配置するだけで簡単に作成できる方法を適用する。次に、仮想空間格子モデルに濃度重みつき距離変換法を応用して表面からの無次元距離を求めるとともにスケルトン(形状の骨格)を抽出する。スケルトンはその特徴量をパラメータとして抜き出し正規化してベクトル量として認識する。そのパターンを教師データとしてニューロアルゴリズムで学習させることでいくつかのマスタ形状が登録される。その後、対象形状との類似度を定量的に数値で表示し、形状分類や局部形状を含む製品の検索を可能にした。

Research Products

• [Publications] Y.Nagasaka, M.Nakamura, T.Murakami: "EXTRACTING AND LEARNING GEOMETRIC FEATURES BASED ON A VOXEL MAPPING METHOD FOR MANUFACTURING DESIGN"Proc of 3^<rd> Int.Conf.On Intelligent Processing and Manufacturing of Materials. BT3. 1-10 (2001)
• [Publications] 長坂 悦敬: "製造部門からのコンカレントエンジニアリング"科学と工業. 75・3. 31-37 (2001)
• [Publications] 長坂 悦敬: "生産企画論"学術図書出版社. 264 (2001)