JP4981492B2 - Product reliability analysis apparatus, product reliability analysis method and program - Google Patents
Product reliability analysis apparatus, product reliability analysis method and program Download PDFInfo
- Publication number
- JP4981492B2 JP4981492B2 JP2007067382A JP2007067382A JP4981492B2 JP 4981492 B2 JP4981492 B2 JP 4981492B2 JP 2007067382 A JP2007067382 A JP 2007067382A JP 2007067382 A JP2007067382 A JP 2007067382A JP 4981492 B2 JP4981492 B2 JP 4981492B2
- Authority
- JP
- Japan
- Prior art keywords
- product
- data
- initial shape
- analysis
- reliability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims description 163
- 238000000034 method Methods 0.000 claims description 52
- 238000013461 design Methods 0.000 claims description 33
- 238000013500 data storage Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 2
- 230000001172 regenerating effect Effects 0.000 claims 2
- 238000009826 distribution Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 239000003365 glass fiber Substances 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000003822 epoxy resin Substances 0.000 description 5
- 229920000647 polyepoxide Polymers 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012407 engineering method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 238000001338 self-assembly Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
Description
本発明は、製品信頼性解析装置、製品信頼性解析方法及びプログラムに関する。特に、寸法、性能等の特性値にばらつきを持つ工業製品の製品信頼性を短時間に解析することが可能な製品信頼性解析装置、製品信頼性解析方法及びプログラムに関する。 The present invention relates to a product reliability analysis apparatus, a product reliability analysis method, and a program. In particular, the present invention relates to a product reliability analysis apparatus, a product reliability analysis method, and a program capable of analyzing in a short time the product reliability of industrial products having variations in characteristic values such as dimensions and performance.
一般的に、工業製品は、寸法、性能等の特性値にばらつきを持っていることはよく知られている。しかし、製品を構成する材料等の寿命に、このような特性値にばらつきがどの程度影響を及ぼすかは自明ではない。そこで、製品の信頼性を予測するために、様々な方法が提案されている。 In general, it is well known that industrial products have variations in characteristic values such as dimensions and performance. However, it is not self-evident how much the variation affects such a characteristic value on the lifetime of the material constituting the product. Therefore, various methods have been proposed to predict the reliability of products.
例えば、従来からの方法として厳密な計算値で形状データ等が入力されたモデルを利用して、計算機シミュレーションを実施し、寿命予測を実行する方法がある。厳密な計算値で形状データ等が入力されたモデルの生成方法として、特許文献１では、複雑な形状の解析被対象物についても、数値解析に要する座標や解析格子データを容易に生成することができる解析格子データ生成装置が提案されている。
For example, as a conventional method, there is a method of performing life prediction by performing a computer simulation using a model in which shape data or the like is input with strict calculation values. As a method for generating a model in which shape data or the like is input with strict calculation values, in
また、少しずつ形状が異なる実物の製品のＸ線ＣＴ画像等を多数用意して、この画像を再構成して複数のずれを含んだ計算モデルを生成する方法もある。
しかしながら、厳密な計算値で形状データ等が入力されたモデルを利用した場合、正確に製品が製造されたと仮定した場合の寿命予測結果しか得ることができない。また、製品のばらつきを調査しようとして、人為的に製品の寸法を変更したモデルで再計算して所望の情報を得ることもできる場合も有るが、多数本の電線等の例のように、多数の構成要素がランダムに少しずつ位置や寸法のずれを有する製品では、人為的に偏差を与えようにも、入力作業に時間がかかりすぎて、不可能な場合が多かった。 However, when a model in which shape data and the like are input with strict calculated values is used, it is possible to obtain only a life prediction result when it is assumed that the product is manufactured accurately. In addition, in order to investigate product variations, it may be possible to obtain the desired information by recalculating the model with artificially changed product dimensions. However, as in the case of a large number of wires, etc. In the case of a product in which the position and dimensions of each of the components are slightly changed at random, there are many cases where the input operation takes too much time to make a deviation artificially and is impossible.
また、Ｘ線ＣＴ画像等を多数用意して、この画像を再構成して複数のずれを含んだ計算モデルを生成する場合も、解析モデルとして使用できるデータを得ようとすると測定のために多大な時間と手間を要し、解析のメリットである時間短縮の効果がそがれるという問題点もあった。 In addition, when a large number of X-ray CT images are prepared and a calculation model including a plurality of deviations is generated by reconstructing the images, it is very difficult for measurement to obtain data that can be used as an analysis model. It takes a lot of time and effort, and there is also a problem that the effect of shortening the time, which is the merit of analysis, is reduced.
一般的に、複雑な形状を有する製品を少しずつランダムに変形させた、即ち、ばらつきを持たせた計算モデルを自動的に構築することは、計算機にとっては非常に難易度が高く、従来実用化された技術はない。 In general, it is very difficult for a computer to automatically construct a calculation model with a complicated shape, which is randomly deformed, that is, with variations. There is no technology.
本発明は、以上のような問題点を解決するためになされたもので、知識工学の手法を用いることで、統計的にばらつきを含んだ製品に準ずる特性を持った解析モデルを生成することにより、製品の信頼性を短時間に解析することが可能な製品信頼性解析装置、製品信頼性解析方法及びプログラムを提供することを目的とする。 The present invention has been made to solve the above problems, and by using a knowledge engineering technique, an analytical model having characteristics equivalent to a product that statistically includes variations is generated. An object of the present invention is to provide a product reliability analysis apparatus, a product reliability analysis method, and a program capable of analyzing product reliability in a short time.
上述した従来の問題点を解決すべく下記の発明を提供する。 The following invention is provided to solve the above-mentioned conventional problems.
本発明の第１の態様にかかる製品信頼性解析装置は、製品の信頼性を解析する製品信頼性解析装置であって、信頼性を解析する対象となる前記製品の設計データに基づいて、当該製品の初期形状の解析モデルデータを生成する初期形状データ生成手段と、前記初期形状データ生成手段によって生成された前記初期形状の解析モデルデータに基づいて、前記製品を解析する解析手段と、前記解析手段によって解析された結果に基づいて、前記製品の信頼性を判定する信頼性判定手段とを備え、前記初期形状データ生成手段は、前記製品に対応した知識工学の手法を単独または複合して適用して、前記設計データに比較して、当該製品の特性値に対して所定の製品有効範囲内の偏差を持った前記初期形状の解析モデルデータを生成することを特徴とする。 A product reliability analysis apparatus according to a first aspect of the present invention is a product reliability analysis apparatus that analyzes the reliability of a product, and based on the design data of the product to be analyzed for reliability, Initial shape data generating means for generating analysis model data of the initial shape of the product, analysis means for analyzing the product based on the analysis model data of the initial shape generated by the initial shape data generating means, and the analysis Reliability determination means for determining the reliability of the product based on a result analyzed by the means, and the initial shape data generation means applies a knowledge engineering method corresponding to the product alone or in combination. And generating the analysis model data of the initial shape having a deviation within a predetermined product effective range with respect to the characteristic value of the product as compared with the design data. To.
このような構成であれば、初期形状データ生成手段によって、知識工学の手法を単独または複合的に用いることで、統計的にばらつきを含んだ製品に準ずる特性を持った解析モデルデータを生成する。また、解析手段によって、製品に準ずる特性を備えた少しずつ形状等の異なる複数の解析モデルデータを統計処理のサンプルとして必要な個数用意することにより、計算機上で実験データに準ずるばらつきをもった解析結果を得られる。また、信頼性判定手段によって、寿命等の信頼性特性が実製品において、どの程度の幅をもって出現するかを予測する。 With such a configuration, the initial shape data generating means generates analytical model data having characteristics equivalent to a product that statistically includes variations by using knowledge engineering techniques alone or in combination. In addition, the analysis means prepares the necessary number of analysis model data with different characteristics, etc., which have characteristics similar to those of the product, as a sample for statistical processing, so that analysis with variations equivalent to experimental data can be performed on the computer. The result is obtained. In addition, the reliability determination means predicts how much reliability characteristics such as lifetime appear in the actual product.
ここで、知識工学の手法とは、ニューラルネットワーク、遺伝的アルゴリズム、ファジー理論、セルオートマトン等の方法のことであり、製品により最適な方法を選択して知識工学の手法として利用する。また、知識工学とは、ソフトコンピューティングのこと、あるいは、ソフトコンピューティングを含めている。また、製品の特性値とは、製品の寸法、性能等を表す値である。 Here, the knowledge engineering method is a method such as a neural network, a genetic algorithm, a fuzzy theory, or a cellular automaton, and an optimum method is selected according to the product and used as a knowledge engineering method. Knowledge engineering refers to soft computing or includes soft computing. Further, the product characteristic value is a value representing the size, performance, etc. of the product.
これにより、設計データ等の厳密な形状データの入力作業をすることなく、寸法、性能等にばらつきを有した製品に準ずる特性を持った解析モデルデータを高精度に短時間で構築することができる。即ち、実際に製品を製造することなく、製品の信頼性を高精度に短時間で解析することができる。従って、製品の製造期間を短縮するとともに製造コストを削減することができる。 As a result, it is possible to construct analysis model data having characteristics similar to those of products having variations in dimensions, performance, etc. in a short time with high accuracy, without inputting strict shape data such as design data. . That is, the reliability of the product can be analyzed with high accuracy in a short time without actually manufacturing the product. Therefore, it is possible to shorten the manufacturing period of the product and reduce the manufacturing cost.
本発明の第２の態様にかかる製品信頼性解析装置は、本発明の第１の態様にかかる製品信頼性解析装置において、前記初期形状データ生成手段は、前記製品の前記設計データと前記知識工学の手法に対応付けられた当該製品の制約条件データとに基づいて、前記設計データに比較して、当該製品の特性値に対して前記偏差を持った前記初期形状の解析モデルデータを生成する自己組織化手段を備え、前記自己組織化手段による処理を複数回繰り返すことにより、前記設計データに比較して、当該製品の特性値に対して異なった前記偏差を持った複数の前記初期形状の解析モデルデータを生成することを特徴とする。 The product reliability analysis apparatus according to the second aspect of the present invention is the product reliability analysis apparatus according to the first aspect of the present invention, wherein the initial shape data generation means includes the design data of the product and the knowledge engineering. Self-generating analysis model data of the initial shape having the deviation with respect to the characteristic value of the product based on the constraint data of the product associated with the method of Analyzing a plurality of the initial shapes having different deviations with respect to the characteristic value of the product compared to the design data by repeating the process by the self-organizing means a plurality of times. Model data is generated.
これにより、設計データ等の厳密な形状データの入力作業をすることなく、寸法、性能等にばらつきを有した製品に準ずる特性を持った解析モデルデータを高精度に短時間で構築することができる。ここで、制約条件データには乱数を使用した微小変位等の初期条件データ等も含まれる。 As a result, it is possible to construct analysis model data having characteristics similar to those of products having variations in dimensions, performance, etc. in a short time with high accuracy, without inputting strict shape data such as design data. . Here, the constraint condition data includes initial condition data such as a minute displacement using random numbers.
本発明の第３の態様にかかる製品信頼性解析装置は、本発明の第２の態様にかかる製品信頼性解析装置において、前記初期形状データ生成手段は、前記設計データに基づいて実際に作成された試作品の実績データと前記自己組織化手段によって算出された前記解析モデルデータとに基づいて、前記解析モデルデータを再生成する学習手段を、更に備え、前記自己組織化手段による処理および前記学習手段による処理を複数回繰り返すことにより、前記設計データに比較して、当該製品の特性値に対して異なった前記偏差を持った複数の前記初期形状の解析モデルデータを生成することを特徴とする。 A product reliability analysis apparatus according to a third aspect of the present invention is the product reliability analysis apparatus according to the second aspect of the present invention, wherein the initial shape data generation means is actually created based on the design data. Learning means for re-generating the analysis model data based on the actual data of the prototype and the analysis model data calculated by the self-organization means, and further comprising processing and learning by the self-organization means A plurality of analysis model data of the initial shape having the deviation different from the characteristic value of the product as compared with the design data is generated by repeating the processing by the means a plurality of times. .
これにより、算出された形状の解析モデルデータを実際の製品から得られる実データに近いデータに近づけることができる。即ち、実際の製品から得られる実データの特徴を解析モデルデータに学習効果として取り入れることができる。 Thereby, the analysis model data of the calculated shape can be brought close to data close to the actual data obtained from the actual product. That is, the characteristics of actual data obtained from actual products can be incorporated into the analysis model data as a learning effect.
本発明の第４の態様にかかる製品信頼性解析装置は、本発明の第１から３のいずれか１つの態様にかかる製品信頼性解析装置において、前記初期形状データ生成手段は、前記製品を複数の製品部分に分割し、前記製品部分毎に、前記初期形状の解析モデルデータを生成し、作成した前記製品部分毎の前記初期形状の解析モデルデータを合体させ、当該製品の全体の前記初期形状の解析モデルデータを生成することを特徴とする。 A product reliability analysis apparatus according to a fourth aspect of the present invention is the product reliability analysis apparatus according to any one of the first to third aspects of the present invention, wherein the initial shape data generation means includes a plurality of the products. The initial shape analysis model data is generated for each product portion, the created initial shape analysis model data for each product portion is merged, and the initial shape of the product as a whole is divided. The analysis model data is generated.
これにより、大規模な製品の場合であっても、複数の製品部分に分割して、各製品部分の解析モデルデータを生成することにより、製品全体の初期形状の解析モデルデータを生成することができる。また、大規模な製品の信頼性を確保することができる。 As a result, even in the case of a large-scale product, the analysis model data of the initial shape of the entire product can be generated by dividing the product into a plurality of product parts and generating the analysis model data of each product part. it can. In addition, the reliability of large-scale products can be ensured.
本発明の第１の態様にかかる製品信頼性解析方法は、コンピュータを使用して、製品の信頼性を解析する製品信頼性解析方法であって、（ａ）上述した本発明の第１から４のいずれか１つの態様にかかる製品信頼性解析装置の初期形状データ生成手段が、信頼性を解析する対象となる前記製品の設計データに基づいて、当該製品の初期形状の解析モデルデータを生成し、生成した前記初期形状の解析モデルデータを記憶手段に記憶する初期形状データ生成工程と、（ｂ）前記製品信頼性解析装置の解析手段が、前記初期形状データ生成工程（ａ）によって生成された前記初期形状の解析モデルデータに基づいて、前記製品を解析する解析工程と、（ｃ）前記製品信頼性解析装置の信頼性判定手段が、前記解析工程（ｂ）によって解析された結果に基づいて、前記製品の信頼性を判定する信頼性判定工程と、を備え、前記初期形状データ生成工程（ａ）は、前記製品に対応した知識工学の手法を単独または複合して適用して、前記設計データに比較して、当該製品の特性値に対して所定の製品有効範囲内の偏差を持った前記初期形状の解析モデルデータを生成することを特徴とする。 A product reliability analysis method according to a first aspect of the present invention is a product reliability analysis method for analyzing the reliability of a product using a computer , and (a) the first to fourth aspects of the present invention described above. either initial shape data generating means product reliability analysis apparatus according to one embodiment is based on the design data of the product of interest to analyze the reliability, generates analysis model data of the initial shape of the product An initial shape data generation step of storing the generated analysis model data of the initial shape in a storage unit ; and (b) an analysis unit of the product reliability analysis device is generated by the initial shape data generation step (a). based on the analysis model data of the initial shape, and the analysis step of analyzing the product, the reliability determination means (c) the product reliability analyzer, analyzed by said analysis step (b) formation A reliability determination step for determining the reliability of the product based on the above, and the initial shape data generation step (a) applies knowledge engineering techniques corresponding to the product individually or in combination. The analysis model data of the initial shape having a deviation within a predetermined product effective range with respect to the characteristic value of the product as compared with the design data is generated.
これにより、上述した本発明の第１の態様にかかる製品信頼性解析装置と同等の効果が得られる。 Thereby, the same effect as the product reliability analysis apparatus according to the first aspect of the present invention described above can be obtained.
本発明の第２の態様にかかる製品信頼性解析方法は、本発明の第１の態様にかかる製品信頼性解析方法において、前記初期形状データ生成工程（ａ）は、（ｄ）前記初期形状データ生成手段に設けた自己組織化手段が、前記製品の前記設計データと前記知識工学の手法に対応付けられた当該製品の制約条件データとに基づいて、前記設計データに比較して、当該製品の特性値に対して前記偏差を持った前記初期形状の解析モデルデータを生成する自己組織化工程を備え、前記自己組織化工程（ｄ）による処理を複数回繰り返すことにより、前記設計データに比較して、当該製品の特性値に対して異なった前記偏差を持った複数の前記初期形状の解析モデルデータを生成することを特徴とする。 The product reliability analysis method according to the second aspect of the present invention is the product reliability analysis method according to the first aspect of the present invention, wherein the initial shape data generation step (a) includes (d) the initial shape data. Based on the design data of the product and the constraint data of the product associated with the knowledge engineering technique, the self-organizing unit provided in the generating unit compares the design data with the product data. A self-organization process for generating analysis model data of the initial shape having the deviation with respect to a characteristic value, and the process by the self-organization process (d) is repeated a plurality of times to compare with the design data Thus, a plurality of analysis model data of the initial shape having the deviation different from the characteristic value of the product is generated.
これにより、上述した本発明の第２の態様にかかる製品信頼性解析装置と同等の効果が得られる。 Thereby, an effect equivalent to that of the product reliability analysis apparatus according to the second aspect of the present invention described above can be obtained.
本発明の第３の態様にかかる製品信頼性解析方法は、本発明の第２の態様にかかる製品信頼性解析方法において、前記初期形状データ生成工程（ａ）は、（ｅ）前記初期形状データ生成手段に設けた学習手段が、前記設計データに基づいて実際に作成された試作品の実績データと前記自己組織化工程によって算出された前記解析モデルデータとに基づいて、前記解析モデルデータを再生成し、再生成した前記解析モデルデータを学習データ記憶手段に記憶する学習工程を、更に備え、前記自己組織化工程（ｄ）による処理および前記学習工程（ｅ）による処理を複数回繰り返すことにより、前記設計データに比較して、当該製品の特性値に対して異なった前記偏差を持った複数の前記初期形状の解析モデルデータを生成することを特徴とする。
The product reliability analysis method according to the third aspect of the present invention is the product reliability analysis method according to the second aspect of the present invention, wherein the initial shape data generation step (a) includes (e) the initial shape data. A learning means provided in the generating means reproduces the analysis model data based on the actual data of the prototype actually created based on the design data and the analysis model data calculated by the self-organization process forming City, a learning step of storing the analysis model data regenerated in the learning data storage means, further comprising, by repeating several times the processing by the process and the learning process by self-assembly step (d) (e) Generating a plurality of analysis model data of the initial shape having the deviation different from the characteristic value of the product compared to the design data
これにより、上述した本発明の第３の態様にかかる製品信頼性解析装置と同等の効果が得られる。 Thereby, an effect equivalent to that of the above-described product reliability analysis apparatus according to the third aspect of the present invention is obtained.
本発明の第４の態様にかかる製品信頼性解析方法は、本発明の第１から３のいずれか１つの態様にかかる製品信頼性解析方法において、前記初期形状データ生成工程（ａ）は、前記製品を複数の製品部分に分割し、前記製品部分毎に、前記初期形状の解析モデルデータを生成し、作成した前記製品部分毎の前記初期形状の解析モデルデータを合体させ、当該製品の全体の前記初期形状の解析モデルデータを生成することを特徴とする。 The product reliability analysis method according to the fourth aspect of the present invention is the product reliability analysis method according to any one of the first to third aspects of the present invention, wherein the initial shape data generation step (a) Dividing the product into a plurality of product parts, generating analysis model data of the initial shape for each of the product parts, combining the created analysis model data of the initial shape for each of the product parts, The analysis model data of the initial shape is generated.
これにより、上述した本発明の第４の態様にかかる製品信頼性解析装置と同等の効果が得られる。 Thereby, an effect equivalent to that of the above-described product reliability analysis apparatus according to the fourth aspect of the present invention can be obtained.
本発明の第１の態様にかかるプログラムは、製品の信頼性を解析する処理を、コンピュータに実行させるプログラムであって、上述した本発明の第１から４のいずれか１つの態様にかかる製品信頼性解析装置の各手段を実現させる処理を前記コンピュータに実行させることを特徴とする。 The program according to the first aspect of the present invention is a program that causes a computer to execute processing for analyzing the reliability of a product, and the product reliability according to any one of the first to fourth aspects of the present invention described above. The computer is caused to execute processing for realizing each means of the sex analysis device.
このような構成であれば、コンピュータによってプログラムが読み取られ、読み取られたプログラムによって、コンピュータが処理を実行すると、上述した本発明の第１から４のいずれか１つの態様にかかる製品信頼性解析装置と同等の効果が得られる。 If it is such a structure, if a computer reads a program and a computer performs a process with the read program, the product reliability analysis apparatus concerning any one aspect of the 1st to 4th of this invention mentioned above Equivalent effect is obtained.
本発明によれば、設計データ等の厳密な形状データの入力作業をすることなく、寸法、性能等にばらつきを有した製品に準ずる特性を持った解析モデルデータを高精度に短時間で構築することができる。即ち、実際に製品を製造することなく、製品の信頼性を高精度に短時間で解析することができる。従って、製品の製造期間を短縮するとともに製造コストを削減することができる。 According to the present invention, analysis model data having characteristics similar to those of products having variations in dimensions, performance, etc. can be constructed with high accuracy in a short time without the need to input strict shape data such as design data. be able to. That is, the reliability of the product can be analyzed with high accuracy in a short time without actually manufacturing the product. Therefore, it is possible to shorten the manufacturing period of the product and reduce the manufacturing cost.
また、算出された形状の解析モデルデータを実際の製品から得られる実データに近いデータに近づけることができる。即ち、実際の製品から得られる実データの特徴を解析モデルデータに学習効果として取り入れることができる。 Further, the analysis model data of the calculated shape can be brought close to data close to actual data obtained from an actual product. That is, the characteristics of actual data obtained from actual products can be incorporated into the analysis model data as a learning effect.
また、大規模な製品の場合であっても、複数の製品部分に分割して、各製品部分の解析モデルデータを生成することにより、製品全体の初期形状の解析モデルデータを生成することができる。また、大規模な製品の信頼性を確保することができる。 Even in the case of a large-scale product, the analysis model data of the initial shape of the entire product can be generated by dividing the product into a plurality of product parts and generating the analysis model data of each product part. . In addition, the reliability of large-scale products can be ensured.
この発明の一実施態様を、図面を参照しながら説明する。なお、以下に説明する実施態様は説明のためのものであり、本発明の範囲を制限するものではない。従って、当業者であればこれらの各要素もしくは全要素をこれと均等なもので置換した実施態様を採用することが可能であるが、これらの実施態様も本発明の範囲に含まれる。 An embodiment of the present invention will be described with reference to the drawings. In addition, the embodiment described below is for explanation, and does not limit the scope of the present invention. Accordingly, those skilled in the art can employ embodiments in which each or all of these elements are replaced by equivalents thereof, and these embodiments are also included in the scope of the present invention.
図１は、本発明を適用可能な製品信頼性解析装置１０のシステム構成の一例を示す図である。図１に示すように、製品信頼性解析装置１０は、初期形状データ生成部２０、解析部３０、信頼性判定部４０、設計データ記憶部５１、制約条件データ記憶部５２、学習データ記憶部５３、解析モデルデータ記憶部５４及び実績データ記憶部５５を備えている。
FIG. 1 is a diagram showing an example of a system configuration of a product
初期形状データ生成部２０は、知識工学の手法を単独または複合的に用いることにより、統計的にばらつきを含んだ製品に準ずる特性を持った解析モデルデータを生成する。利用する知識工学の手法は、ニューラルネットワーク、遺伝的アルゴリズム、ファジー理論、セルオートマトン等の方法であり、製品により最適な方法を選択して利用する。
The initial shape
解析部３０は、初期形状データ生成部２０によって生成された、製品に準ずる特性を備えた少しずつ形状等の異なる複数の解析モデルデータを、統計処理のサンプルとして必要な個数用意して、計算機上で実験データに準ずるばらつきをもった解析を実行する。例えば、応力をかけたときの製品に準ずる特性を持った解析モデルデータの歪量を解析する。ここで、解析モデルデータは、解析モデルデータ記憶部５４から取得する。
The
信頼性判定部４０は、解析部３０によって解析された結果に基づいて、寿命等の信頼性特性が実製品において、どの程度の幅をもって出現するかを予測する。
Based on the result analyzed by the
上述した初期形状データ生成部２０は、自己組織化部２１及び学習部２２を備えている。自己組織化部２１は、設計データ記憶部５１から製品の寸法や位置等の情報を、制約条件データ記憶部５２からばらつきを制限するための初期条件等の情報を、学習データ記憶部５３から学習データを取得し、取得した情報に基づいて知識工学の手法を利用して、自動的に、ずれを含んだ製品に準ずる特性を持った解析モデルデータを生成する。
The initial shape
また、この生成処理を複数回繰り返すことにより、統計的にばらつきを含んだ複数の解析モデルデータを生成する。生成した解析モデルデータは解析モデルデータ記憶部５４に記憶される。
Further, by repeating this generation process a plurality of times, a plurality of analysis model data statistically including variations is generated. The generated analysis model data is stored in the analysis model
学習部２２は、自己組織化部２１に使用する学習データを算出し、学習データ記憶部５３に記憶する。学習データは、設計データに基づいて製造された試作品の実データと自己組織化部２１によって算出された解析モデルデータとの相違量（例えば、差分等）である。即ち、学習データは、実際の製品から得られる実データの特徴を解析モデルデータに反映させる値である。ここで、実データは実績データ記憶部５５から、解析モデルデータは解析モデルデータ記憶部５４から取得する。
The
上述の実施の形態の製品信頼性解析装置１０において、初期形状データ生成部２０は本発明の初期形状データ生成手段及び初期形状データ生成工程に対応し、解析部３０は本発明の解析手段及び解析工程に対応し、信頼性判定部４０は本発明の信頼性判定手段及び信頼性判定工程に対応し、自己組織化部２１は本発明の自己組織化手段及び自己組織化工程に対応し、学習部２２は本発明の学習手段及び学習工程に対応する。
In the product
次に、本発明の好適ないくつかの実施例を説明する。 Next, several preferred embodiments of the present invention will be described.
繊維強化された素材、例えば、ガラス繊維入りエポキシ樹脂板、カーボン繊維入りの金属パイプ等においては、信頼性を予測することの困難性が品質保証コストを増大させるもとになっていた。図２は、ガラス繊維入りエポキシ樹脂板の断面をあらわした模式図である。図２に示すように、ガラス繊維６１による織物に樹脂６２を含浸し一体となった構造の例である。ガラス繊維６１の１本１本の配置を考慮した解析モデルを利用して、材料に応力が加わった際に生ずる歪量を算出し、材料の耐久性（寿命）を予測した。例えば、実装基板における貫通孔に集中的に応力がかかり、絶縁破壊につながる劣化を予測した。
In a fiber reinforced material, for example, an epoxy resin plate with glass fiber, a metal pipe with carbon fiber, etc., the difficulty of predicting reliability has been the cause of increasing quality assurance costs. FIG. 2 is a schematic view showing a cross section of an epoxy resin plate containing glass fibers. As shown in FIG. 2, it is an example of a structure in which a fabric made of
本実施例に使用したガラス繊維入りエポキシ樹脂板は、フィラメント径が６μｍのガラスファイバ、２００本からなる撚り糸を織ったガラスクロスにエポキシ樹脂を含浸させて形成したものである。また、その基板の寸法は、縦が１００ｍｍ、横が２００ｍｍ、厚さが１．６ｍｍである。 The epoxy resin plate with glass fiber used in this example is formed by impregnating an epoxy resin into a glass cloth woven with glass fibers having a filament diameter of 6 μm and 200 twisted yarns. The dimensions of the substrate are 100 mm in length, 200 mm in width, and 1.6 mm in thickness.
本実施例では、まず、知識工学の手法として遺伝的アルゴリズムを利用して、計算機上の自己組織化プロセスを実行した。予め位置の揺らぎを生じさせるため、ここでは、乱数による微小変位を初期条件として導入した。数回繰り返すことで、わずかにガラス繊維６１の配置がずれた複数の解析モデルが得られた。
In this embodiment, first, a self-organization process on a computer was executed using a genetic algorithm as a knowledge engineering technique. In order to cause the position fluctuation in advance, a minute displacement by random numbers is introduced as an initial condition here. By repeating several times, a plurality of analysis models in which the arrangement of the
更に、本実施例では、知識工学の手法としてニューラルネットワークを利用して、自己学習させる学習プロセスを追加した。解析対象によっては、自己組織化プロセスのみで所望の解析も出るが得られる場合もある。また、学習用の教師データを使用する方法と使用しない方法とがあるが、本実施例では、教師データを使用した学習を実行した。その結果、より現実の配置に近い解析モデルが得られることを確認した。 Further, in this embodiment, a learning process for self-learning is added using a neural network as a knowledge engineering technique. Depending on the analysis target, the desired analysis can be obtained only by the self-organization process. Further, there are a method of using learning teacher data and a method of not using learning data. In this embodiment, learning using teacher data is performed. As a result, it was confirmed that an analysis model closer to the actual arrangement was obtained.
図３は、複数の解析モデルから得られた予測寿命の分布及び測定によって得られた耐久寿命の分布を示した図である。横軸は寿命の長さを階級に変換した値を示し、縦軸は規格化された度数を示している。図３に示すように、解析モデルから得られた予測寿命の分布６３と測定によって得られた耐久寿命の分布６４とはほぼ一致する結果となった。従って、計算機には不得手とされていた製品の製造ばらつきを反映した解析モデルを構築できることがわかった。
FIG. 3 is a diagram showing the distribution of predicted life obtained from a plurality of analysis models and the distribution of durability life obtained by measurement. The horizontal axis indicates the value obtained by converting the length of the life into a class, and the vertical axis indicates the normalized frequency. As shown in FIG. 3, the predicted
乗り物、ロボット等に使用される電線は、繰り返し曲げや振動によって疲労破壊を起こすことがしばしばあり、設計を誤ると非常に短寿命となりかねない。図４は、複数の電線６５を束にして構成したケーブルの模式図である。電線６５の１本１本の配索経路を考慮した解析モデルを利用して、ケーブルの耐久性（寿命）を予測した。
Electric wires used in vehicles, robots, and the like often cause fatigue failure due to repeated bending and vibration, and if they are designed incorrectly, they can have a very short life. FIG. 4 is a schematic diagram of a cable configured by bundling a plurality of
本実施例に使用したケーブルは、２０本の電線を束としたもので、電線長はおよそ５００ｍｍである。また、２０本の電線の構成は、外径１．０ｍｍの電線が５本、外径１．５ｍｍの電線が５本、外径２．０ｍｍの電線が５本、外径２．５ｍｍの電線が３本、外径３．０ｍｍの電線が１本、及び外径５．０ｍｍの電線が１本である。 The cable used in this example is a bundle of 20 wires, and the wire length is approximately 500 mm. The configuration of the 20 wires is 5 wires with an outer diameter of 1.0 mm, 5 wires with an outer diameter of 1.5 mm, 5 wires with an outer diameter of 2.0 mm, and wires with an outer diameter of 2.5 mm. , Three wires with an outer diameter of 3.0 mm, and one wire with an outer diameter of 5.0 mm.
本実施例では、まず、知識工学の手法としてセルオートマトン法を利用して、計算機上の自己組織化プロセスを実行した。予め位置の揺らぎを生じさせるため、ここでは、乱数による微小変位を初期条件として導入した。数回繰り返すことで、わずかに電線６５の配索経路がずれた複数の解析モデルが得られた。
In this embodiment, first, a self-organization process on a computer was executed by using a cellular automaton method as a knowledge engineering technique. In order to cause the position fluctuation in advance, a minute displacement by random numbers is introduced as an initial condition here. By repeating several times, a plurality of analysis models in which the routing paths of the
更に、本実施例では、知識工学の手法としてニューラルネットワークを利用して、自己学習させる学習プロセスを追加した。その結果、より現実の配置に近い解析モデルが得られることを確認した。 Further, in this embodiment, a learning process for self-learning is added using a neural network as a knowledge engineering technique. As a result, it was confirmed that an analysis model closer to the actual arrangement was obtained.
図５は、複数の解析モデルから得られた予測寿命の分布及び測定によって得られた耐久寿命の分布を示した図である。横軸は寿命の長さを階級に変換した値を示し、縦軸は規格化された度数を示している。図５に示すように、解析モデルから得られた予測寿命の分布６６と測定によって得られた耐久寿命の分布６７とはほぼ一致する結果となった。従って、計算機には不得手とされていた製品の製造ばらつきを反映した解析モデルを構築できることがわかった。
FIG. 5 is a diagram showing a distribution of predicted life obtained from a plurality of analysis models and a distribution of endurance life obtained by measurement. The horizontal axis indicates the value obtained by converting the length of the life into a class, and the vertical axis indicates the normalized frequency. As shown in FIG. 5, the predicted
１０ 製品信頼性解析装置
２０ 初期形状データ生成部
２１ 自己組織化部
２２ 学習部
３０ 解析部
４０ 信頼性判定部
DESCRIPTION OF
Claims (9)
信頼性を解析する対象となる前記製品の設計データに基づいて、当該製品の初期形状の解析モデルデータを生成する初期形状データ生成手段と、
前記初期形状データ生成手段によって生成された前記初期形状の解析モデルデータに基づいて、前記製品を解析する解析手段と、
前記解析手段によって解析された結果に基づいて、前記製品の信頼性を判定する信頼性判定手段と、
を備え、
前記初期形状データ生成手段は、前記製品に対応した知識工学の手法を単独または複合して適用して、前記設計データに比較して、当該製品の特性値に対して所定の製品有効範囲内の偏差を持った前記初期形状の解析モデルデータを生成することを特徴とする製品信頼性解析装置。 A product reliability analyzer for analyzing product reliability,
Initial shape data generation means for generating analysis model data of an initial shape of the product based on design data of the product to be analyzed for reliability;
Analysis means for analyzing the product based on the analysis model data of the initial shape generated by the initial shape data generation means;
Reliability determination means for determining the reliability of the product based on the result analyzed by the analysis means;
With
The initial shape data generation means applies a knowledge engineering technique corresponding to the product alone or in combination, and compares the design data with a characteristic value of the product within a predetermined product effective range. A product reliability analysis apparatus for generating analysis model data of the initial shape having a deviation.
前記製品の前記設計データと前記知識工学の手法に対応付けられた当該製品の制約条件データとに基づいて、前記設計データに比較して、当該製品の特性値に対して前記偏差を持った前記初期形状の解析モデルデータを生成する自己組織化手段を備え、
前記自己組織化手段による処理を複数回繰り返すことにより、前記設計データに比較して、当該製品の特性値に対して異なった前記偏差を持った複数の前記初期形状の解析モデルデータを生成することを特徴とする請求項１に記載の製品信頼性解析装置。 The initial shape data generating means includes
Based on the design data of the product and the constraint data of the product associated with the knowledge engineering technique, the deviation having the deviation from the product characteristic value compared to the design data A self-organizing means for generating analytical model data of the initial shape is provided,
By generating a plurality of analysis model data of the initial shape having the deviation different from the characteristic value of the product compared to the design data by repeating the process by the self-organizing means a plurality of times. The product reliability analysis apparatus according to claim 1.
前記設計データに基づいて実際に作成された試作品の実績データと前記自己組織化手段によって算出された前記解析モデルデータとに基づいて、前記解析モデルデータを再生成する学習手段を、更に備え、
前記自己組織化手段による処理および前記学習手段による処理を複数回繰り返すことにより、前記設計データに比較して、当該製品の特性値に対して異なった前記偏差を持った複数の前記初期形状の解析モデルデータを生成することを特徴とする請求項２に記載の製品信頼性解析装置。 The initial shape data generating means includes
Based on the actual data of the prototype actually created based on the design data and the analysis model data calculated by the self-organization means, the learning means for regenerating the analysis model data, further comprising:
By repeating the process by the self-organizing unit and the process by the learning unit a plurality of times, a plurality of analysis of the initial shape having the deviation different from the characteristic value of the product as compared with the design data The product reliability analysis apparatus according to claim 2, wherein model data is generated.
（ａ）請求項１から４のいずれか1項に記載の製品信頼性解析装置の初期形状データ生成手段が、信頼性を解析する対象となる前記製品の設計データに基づいて、当該製品の初期形状の解析モデルデータを生成し、生成した前記初期形状の解析モデルデータを記憶手段に記憶する初期形状データ生成工程と、
（ｂ）前記製品信頼性解析装置の解析手段が、前記初期形状データ生成工程（ａ）によって生成された前記初期形状の解析モデルデータに基づいて、前記製品を解析する解析工程と、
（ｃ）前記製品信頼性解析装置の信頼性判定手段が、前記解析工程（ｂ）によって解析された結果に基づいて、前記製品の信頼性を判定する信頼性判定工程と、
を備え、
前記初期形状データ生成工程（ａ）は、前記製品に対応した知識工学の手法を単独または複合して適用して、前記設計データに比較して、当該製品の特性値に対して所定の製品有効範囲内の偏差を持った前記初期形状の解析モデルデータを生成することを特徴とする製品信頼性解析方法。 A product reliability analysis method for analyzing product reliability using a computer ,
(A) The initial shape data generation means of the product reliability analysis apparatus according to any one of claims 1 to 4 is configured to perform initial analysis of the product based on design data of the product to be analyzed for reliability. Generating an analysis model data of the shape, and storing the generated analysis model data of the initial shape in a storage means ; and
(B) an analysis step in which the analysis means of the product reliability analysis device analyzes the product based on the analysis model data of the initial shape generated by the initial shape data generation step (a);
(C) a reliability determination step in which the reliability determination means of the product reliability analysis apparatus determines the reliability of the product based on the result analyzed in the analysis step (b);
With
In the initial shape data generation step (a), a knowledge engineering technique corresponding to the product is applied singly or in combination, and compared with the design data, a predetermined product validity for the product characteristic value is obtained. A product reliability analysis method characterized by generating analysis model data of the initial shape having a deviation within a range.
（ｄ）前記初期形状データ生成手段に設けた自己組織化手段が、前記製品の前記設計データと前記知識工学の手法に対応付けられた当該製品の制約条件データとに基づいて、前記設計データに比較して、当該製品の特性値に対して前記偏差を持った前記初期形状の解析モデルデータを生成する自己組織化工程を備え、
前記自己組織化工程（ｄ）による処理を複数回繰り返すことにより、前記設計データに比較して、当該製品の特性値に対して異なった前記偏差を持った複数の前記初期形状の解析モデルデータを生成することを特徴とする請求項５に記載の製品信頼性解析方法。 The initial shape data generation step (a)
(D) The self-organizing means provided in the initial shape data generating means generates the design data based on the design data of the product and the constraint data of the product associated with the knowledge engineering technique. In comparison, comprising a self-organizing step of generating analytical model data of the initial shape having the deviation with respect to the characteristic value of the product,
By repeating the process of the self-organizing step (d) a plurality of times, a plurality of analysis models of the initial shape having different deviations from the characteristic values of the product are compared with the design data. The product reliability analysis method according to claim 5, wherein the product reliability analysis method is generated.
（ｅ）前記初期形状データ生成手段に設けた学習手段が、前記設計データに基づいて実際に作成された試作品の実績データと前記自己組織化工程によって算出された前記解析モデルデータとに基づいて、前記解析モデルデータを再生成し、再生成した前記解析モデルデータを学習データ記憶手段に記憶する学習工程を、更に備え、
前記自己組織化工程（ｄ）による処理および前記学習工程（ｅ）による処理を複数回繰り返すことにより、前記設計データに比較して、当該製品の特性値に対して異なった前記偏差を持った複数の前記初期形状の解析モデルデータを生成することを特徴とする請求項６に記載の製品信頼性解析方法。 The initial shape data generation step (a)
(E) The learning means provided in the initial shape data generating means is based on the actual result data of the prototype actually created based on the design data and the analysis model data calculated by the self-organization process. , Further comprising a learning step of regenerating the analysis model data and storing the regenerated analysis model data in learning data storage means ,
By repeating the process of the self-organization step (d) and the process of the learning step (e) a plurality of times, a plurality of deviations having different deviations with respect to the characteristic value of the product compared to the design data The product reliability analysis method according to claim 6, wherein the analysis model data of the initial shape is generated.
請求項１から４のいずれか1項に記載の製品信頼性解析装置の各手段を実現させる処理を前記コンピュータに実行させることを特徴とするプログラム。 A program that causes a computer to execute processing for analyzing the reliability of a product,
A program for causing a computer to execute processing for realizing each unit of the product reliability analysis device according to any one of claims 1 to 4.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007067382A JP4981492B2 (en) | 2007-03-15 | 2007-03-15 | Product reliability analysis apparatus, product reliability analysis method and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007067382A JP4981492B2 (en) | 2007-03-15 | 2007-03-15 | Product reliability analysis apparatus, product reliability analysis method and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2008226173A JP2008226173A (en) | 2008-09-25 |
| JP4981492B2 true JP4981492B2 (en) | 2012-07-18 |
Family
ID=39844658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007067382A Active JP4981492B2 (en) | 2007-03-15 | 2007-03-15 | Product reliability analysis apparatus, product reliability analysis method and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4981492B2 (en) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001134783A (en) * | 1999-11-04 | 2001-05-18 | Hitachi Ltd | Analysis modeling optimal control device and optimal control method |
| JP2005026250A (en) * | 2003-06-30 | 2005-01-27 | Toyota Motor Corp | Method and apparatus for predicting crack occurrence life of solder joints |
| JP2005251117A (en) * | 2004-03-08 | 2005-09-15 | Neomax Co Ltd | Simulation method, design support apparatus, computer program, and recording medium |
| JP2006023238A (en) * | 2004-07-09 | 2006-01-26 | Fujitsu Ten Ltd | Assembly quality evaluation method and system |
| JP4296160B2 (en) * | 2005-03-29 | 2009-07-15 | 株式会社東芝 | Circuit board quality analysis system and quality analysis method |
-
2007
- 2007-03-15 JP JP2007067382A patent/JP4981492B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2008226173A (en) | 2008-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210034980A1 (en) | Real-time visualization of machine learning models | |
| Bessa et al. | A framework for data-driven analysis of materials under uncertainty: Countering the curse of dimensionality | |
| KR20220141249A (en) | Using analytics and algorithms to predict weld quality | |
| WO2019219799A1 (en) | Dynamic discovery of dependencies among time series data using neural networks | |
| JP2008536220A (en) | Product design method and system | |
| JP2018513490A (en) | Method and apparatus for operating an automation system | |
| JP2009515257A (en) | System and computer program product for analyzing and manufacturing a structural member having a predetermined load capacity | |
| KR20210042961A (en) | Assembly and method for estimating the remaining service life of a machine | |
| JP6888737B2 (en) | Learning devices, learning methods, and programs | |
| JP6353290B2 (en) | Polymer material model creation method | |
| Yi et al. | Energy simulation of the fused deposition modeling process using machine learning approach | |
| CN117852116A (en) | Method for constructing digital twin model | |
| JP2020021301A (en) | Training data evaluation device, training data evaluation method, and program | |
| JP4981492B2 (en) | Product reliability analysis apparatus, product reliability analysis method and program | |
| Friederich et al. | A framework for validating data-driven discrete-event simulation models of cyber-physical production systems | |
| Cedersjö et al. | Toward efficient execution of dataflow actors | |
| Metin et al. | Automated machine learning for fabric quality prediction: a comparative analysis | |
| Mueller et al. | Automated root cause analysis of non-conformities with machine learning algorithms | |
| Raponi et al. | Kriging-guided level set method for crash topology optimization | |
| JP4928528B2 (en) | Wire harness moving path analysis system | |
| JP2010238115A (en) | Method for generation of analysis model initial shape, and program | |
| CN112445684A (en) | Real-time fault diagnosis and early warning method and device and computer storage medium | |
| Zhang et al. | A materials informatics framework based on reduced‐order models for extracting structure–property linkages of additively manufactured continuous fiber‐reinforced polymer composites | |
| MARUNO et al. | Probabilistic prediction of mechanical behavior of additively manufactured product considering geometrical imperfections associated with building direction | |
| Thatoi et al. | Fault Diagnosis of Beam‐Like Structure Using Modified Fuzzy Technique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100201 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110913 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110926 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111124 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120416 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120420 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150427 Year of fee payment: 3 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 4981492 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |