| 研究課題/領域番号 |
21K03806
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分18020:加工学および生産工学関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
野村 和史 大阪大学, 大学院工学研究科, 准教授 (90397729)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | アーク溶接 / モニタリング / 溶込み深さ / AI / CNN / 機械学習 / 判断根拠の可視化 / その場計測 / 溶接品質 / 欠陥推定 / 非破壊 |
|---|
| 研究開始時の研究の概要 |
溶接施工において溶込み深さや内部欠陥の有無といった溶接品質は，様々な外乱のために完全な保証が出来ておらず，また施工後の外観からは判断できないため，一般的には後工程による検査が必要となる．本研究は，溶接中に溶融池およびその周辺の視覚的な情報を取得し，その画像情報から溶接品質を推定・予測するものであり，欠陥のその場計測や品質の安定化が期待できる．手法としては画像と品質の相関を取るための機械学習モデルの構築ならびにその判断根拠の可視化を基盤とし，モデルの発展と適用範囲の拡充を通して溶接品質の制御まで視野に入れた研究を行う．
|
| 研究成果の概要 |
ロボットによる自動アーク溶接は様々な産業分野で利用されているが，母材間ギャップやワイヤ狙い位置ズレといった外乱に左右され，溶込み深さなどの溶接品質が不安定になりやすい．このような課題に対して我々は，溶接現象のモニタリング画像から溶込み深さを推定するCNNベースの機械学習モデルを構築しその有効性を確認した．ただし機械学習モデルではしばしば問題となるBlack Box化や一部で推定精度が低いといった課題があった．そこで本研究では，判断根拠の可視化法の適用を通して入力画像の重要な領域を見出し溶接現象との物理的な関係を明らかにし，さらに入出力関係をシフトすることでより高精度な推定モデルを構築した．
|
| 研究成果の学術的意義や社会的意義 |
昨今の機械学習は画像との相性が非常に高く溶接分野においても応用があり，画像から人の目でわかる特徴点を算出する操作を自動化したものが少なくない．本研究は，溶融池モニタリング結果を直接溶接品質と相関させ，重要な特徴量を可視化する手法の提案とその評価をしたものである．これは，人の目では一見わからない職人技能の可視化であり，真の自動化のためには必須であるといえる．一見してBlack Box化したAI応用技術であっても，物理的な溶接現象を反映したものであることが可視化され，更に入出力関係を吟味することで精度の高いモデルが構築できることを示すことができたことは学術的にも工学的にも非常に意義深いと言える．
|
