JP2021533386A - 自動化人工知能（ａｉ）試験機のための方法およびシステム - Google Patents

Abstract

本開示は、材料試料のための試験機を対象とする。試験機は装填ステーションおよび試験ステーションを、試験している材料試料を装填ステーションと試験ステーションとの間で移動させるピックアンドプレイス装置と共に含む。制御システムは、材料試料の移動を制御する。制御システムはまた、試験パラメータと共に試験機パラメータも生成する。【選択図】図４

Description

関連出願の相互参照
本開示は、２０１８年７月２７日に出願された米国仮出願第６２／７０３，９８５号に対する優先権を主張し、それは参照により本明細書に組み込まれる。

開示の分野
本開示は、一般に機械の製造および試験に関し、より詳細には自動化人工知能試験機のための方法およびシステムに関する。

従来型の材料試験は典型的には、材料試料を試験装置に手で装填し、次いで材料試料を試験するユーザーによって実行される。材料試験の例は、引張試験、圧縮試験、動的機械試験、硬度試験、および摩耗試験を含む。各試験中に使用されるパラメータは試験結果に影響を及ぼし得る。試験の性質に応じて、材料試料は、印加された圧力が試験パラメータとして見えるように試料に圧力を印加することによって試験装置内に固定され得る。試料に印加された圧力が変動すると、材料試験の測定結果に変動が生じて、試験にエラーを引き起こす。試験パラメータにおける変動の減少に起因してエラーを削減する材料試験のための装置および方法に対する当技術分野における必要性がある。

従って、自動化人工知能試験機のための新しい方法およびシステムが提供される。

本開示の一態様では、少なくとも１つの材料試料を試験するための自動化人工知能（ＡＩ）駆動試験機が提供され、少なくとも１つの材料試料を受け取るための装填ステーション、少なくとも１つの材料試料の試験特性を試験するための試験ステーション、少なくとも１つの材料試料を装填ステーションと試験ステーションとの間で移送するためのピックアンドプレイス（ＰＰ）装置、ならびに試験ステーションおよびＰＰ装置を制御して、試験ステーションと関連付けられたデータを収集するための制御システムを含む。

別の態様では、本システムは、少なくとも１つの材料試料の測定特性を測定するための測定ステーションをさらに含む。別の態様では、装填ステーションは、装填トレイまたはマガジン装填システムを含む。さらなる態様では、試験ステーションは一対のＡＩグリップを含む。

さらに別の態様では、一対のＡＩグリップは、固定ＡＩグリップ、および可動ＡＩグリップを含む。さらなる態様では、可動ＡＩグリップは固定ＡＩグリップに関して移動して少なくとも１つの材料試料を試験する。なおさらなる態様では、少なくとも１つの材料試料の歪みおよび応力が試験される。一態様では、一対のＡＩグリップの各々は、ＡＩグリップが少なくとも１つの材料試料を掴むのを可能にするためのアクチュエータを含む。別の態様では、アクチュエータはステッパーモーターである。

一態様では、一対のＡＩグリップはセンサーのセットをさらに含む。別の態様では、センサーのセットは滑り（ｓｌｉｐ）を検知する。なおさらなる態様では、制御システムは測定特性を処理して試験ステーションのためのパラメータを生成する。さらに別の態様では、パラメータはＡＩグリップ特徴と関連付けられる。さらに別の態様では、ＡＩグリップ特徴はグリップ強度を含む。

本開示の別の態様では、少なくとも１つの材料試料の自動化試験の方法を提供し、少なくとも１つの材料試料を受け取ること、少なくとも１つの材料試料に対する試験パラメータを決定すること、および少なくとも１つの材料試料を決定した試験パラメータで試験することを含む。

さらに別の態様では、試験パラメータを決定することは、少なくとも１つの材料試料の少なくとも１つの測定特性を決定すること、および少なくとも１つの測定特性を処理して試験パラメータを決定することを含む。別の態様では、試験パラメータはグリップ強度またはグリップ力を含む。なおさらなる態様では、少なくとも１つの材料試料を試験することは、少なくとも１つの材料試料に関して引張試験を実行することを含む。さらなる態様では、本方法は、少なくとも１つの材料試料に印加された応力の力（ｓｔｒｅｓｓ ｆｏｒｃｅ）を測定することを含む。別の態様では、本方法は、少なくとも１つの材料試料に印加された歪力（ｓｔｒａｉｎ ｆｏｒｃｅ）を測定することを含む。

本開示の実施形態はここで、ほんの一例として、添付の図面を参照して説明される。

自動化人工知能（ＡＩ）駆動試験機の正面図である。 自動化ＡＩ駆動試験機の一実施形態の概略図である。 ＡＩを使用して試験パラメータを決定するためのシステムの概略図である。 材料の自動化ＡＩ試験のための方法を概説する流れ図である。 ハウジングのないＡＩ駆動試験機の正面図である。 ハウジングのないＡＩ駆動試験機の斜視図である。 ＡＩ駆動試験機の部分の斜視図である。 試料を装填するためのトレイの斜視図である。 ＡＩグリップの斜視図である。 内部センサーを備えたＡＩグリップの正面図である。 代替形状で内部圧力センサーを備えたＡＩグリップの正面図である。 ＡＩグリップの分解図である。 ２つのアクチュエータを備えたＡＩグリップの一実施形態の正面図である。 ＤＣモーターを備えたＡＩグリップの正面図である。 滑りセンサーを備えたＡＩグリップの一実施形態の上面図である。 圧力パッドの略図である。 圧力パッドの略図である。 ＡＩ予測組成をもつ材料を生成するための方法を概説する流れ図である。

本開示は、人工知能（ＡＩ）を使用して改善された試料装填および／または試験パラメータを決定し、エラーを削減して材料試験を自動的に実行する自動化材料試験のシステムおよび方法を対象とする。

図１は、ハウジング１０５を備えた自動化人工知能（ＡＩ）駆動試験機１００の正面図である。図２は、自動化ＡＩ駆動試験機１００の一実施形態の概略図である。一実施形態では、機械１００は、試料トレイを受け取るための装填、またはトレイ装填セクション２１０、第１の測定ステーション２２０、第２の測定ステーション２２１、ピックアンドプレイス（ＰＰ）ステーション２３０、試験ステーション２４０、コントローラ２５０、およびマーキングシステム２６０を含む。コントローラ２５０は、プロセッサ２５１およびプロセッサ可読持続性データ記憶を含み得るメモリ２５２を含む。図面では、構成要素間のある接続が示されているが、全ての接続は示されていないことが理解されるであろう。

試験機１００によって試験する予定の材料試料が、試料トレイによってなど、装填セクションに装填され得る。言い換えれば、試験機１００は、材料試料を試料トレイ内に装填し、その試料トレイをトレイ装填セクション２１０に装填することによって材料試料を受け取り得る。一実施形態では、試料トレイ２１０は手動で充填され、次いで装填セクションに挿入される。別の実施形態では、試料トレイはハウジング１０５内の永続的構成要素であり得、試料は試料トレイに個々に挿入され得る。この挿入は、手動で、または自動化された方法で実行され得る。ＰＰシステム２３０は、材料試料を試験機１００内で移送するために使用される。例えば、ＰＰシステムは材料試料を、試料トレイまたは装填ステーション２１０、第１の測定ステーション２２０、第２の測定ステーション２２１、マーキングステーション２６０および試験ステーション２４０の間などの、機械１００内の異なるステーション間で自動化された方法で移送し得る。一実施形態では、プロセッサ２５１は、メモリ２５２内に格納されたプログラムにアクセスしてＰＰシステム２３０の動きを制御するか、またはユーザーからの入力に基づいて試料の移動を制御し得る。第１の測定ステーション２２０は、試料の第１の測定特性、例えば試料の硬度、表面粗さ、および／または密度を測定し得る。硬度は、例えば、ロックウェル硬度試験、ビッカース硬度試験、ヌープ硬度試験、および／またはブリネル硬度試験によって決定され得る。第２の測定ステーション２２１は、試料の第２の測定特性、例えば試料の厚さおよび幅を測定し得る。試料の厚さおよび幅は、例えば、ダイアルゲージ、ダイアル厚さ計、高解像度カメラ、ラインスキャンシステム、レーザー測距器、および／またはエッジ検出で決定され得る。好ましい実施形態では、第２の測定ステーションは、標準試料の既知の厚さおよび幅で較正され得る。測定ステーション２２０および２２１によって取得された測定はメモリ２５２内に格納され得る。本システムは、材料試料の測定特性を決定するための他の測定ステーションを含み得ることが理解されよう。

測定は、データとして見られて、試験ステーション２４０のため、および試験後分析のために、試験パラメータを修正するために使用され得る。好ましい実施形態では、測定ステーション２２０および２２１の各々は、機械１００の統合された部分または構成要素であるが、ステーション２２０および２２１は、必要に応じて、機械１００に追加され、かつ／または機械１００から取り外される周辺構成要素である得る。

マーキングシステム２６０は、目に見えるマークを材料試料に自動化された方法で付け得る。例えば、マーキングシステム２６０は、試験、分析または情報収集目的で、２つのマークを材料試料に付け得る。マーキングシステム２６０は、マーカー、インクジェットプリンタ、レーザー、または試料にマークを付ける任意の他の方法を含み得る。図示されていないが、試験ステーション２４０は好ましくは、以下でさらに詳細に説明するように、ＡＩグリップのセットを含む。

プロセッサ２５１は、メモリ２５２からデータをロードして、試料および試験ステーション２４０のパラメータを以前の試料および試験からのパラメータと比較し得る。プロセッサはまた、コマンドをコントローラ２５０に送信して、ＡＩグリップの特性を変更し得る。

試験ステーション２４０は、材料試料を自動化された方法で、例えば、ＡＩグリップを用いて試料の試験を実行することによって、試験し得る。実行され得る試験の非排他的な例は、引張、引裂き、疲労、圧縮、屈曲、および曲げ試験を含むが、それらに制限されない。

引張試験に関して、試料は典型的には、ＡＩグリップによって試料の両端で掴まれ、グリップ力および把持位置は、例えば、ユーザーからの入力によって、または測定ステーションからのデータによってなど、プロセッサによって決定される。次いで引張力が、ＡＩグリップを用いて、試料を引っ張るために必要な力（すなわち、応力）および測定された引張力に起因した試料の伸張（すなわち、歪み）で、典型的には試料が破損するまで、試料に印加される。応力−歪み関係は、材料試料の特性に関する情報を提供し、試料の強度、靭性、係数、塑性変形の兆候などを含み得る。把持力は、ユーザーによって決定され得るか、またはメモリから取得され得、材料によって異なり得る。把持力が低すぎると、引張試験中に試料が滑って、測定された応力および測定された歪みにおける突然の変化、従って、測定におけるエラーを引き起こし得る。把持力が高すぎると、試料に損傷を与えて、試料を時期尚早に破損させ、同様に測定におけるエラーを引き起こし得る。本開示では、把持強度は、測定によって決定されて試験中のエラーの可能性を低下させ得る。本開示のシステム、装置および方法は、分かりやすくするために、引張試験について検討するが、本開示の恩恵を受ける当業者は、本開示は多種多様な材料試験、例えば、圧縮試験、動的機械試験、摩耗試験、および同様のものに適用され得ることを理解するであろう。

一実施形態では、試験ステーション２４０は、試料を８．３３ｍｍ／ｓの歪み速度で引っ張ることにより試料に関して引張試験を実行し得る。一実施形態では、試験ステーション２４０は、試料を最大１００ｍｍ／ｓの歪み速度で引っ張ることにより試料に関して引張試験を実行し得る。試験ステーション２４０はまた、試料を最大１，０００ニュートン、または最大１０，０００ニュートンの引張力で引っ張ることによっても試料に関して引張試験を実行し得る。一定の歪み速度を維持するために、引張力は試験中に動的に調整され得る。試験ステーション２４０は、例えば、一定の歪み速度を維持するために必要な引張力が少なくともほぼゼロまで下がる時を検出することにより、試料破損が生じた場合に試験を停止し得る。

一実施形態では、試験ステーション２４０は、高解像度カメラなどのコンピュータビジョンシステムを含む。コンピュータビジョンシステムは、試料が試験されるときに試料のビデオを生成するために位置付けられ配向されて、コントローラ２５０に通信可能に結合される。ビデオはメモリ２５２内に格納され、マーキングシステムによって作成されたマークの位置を監視するために実行されるコンピュータビジョンプログラムによって分析され得る。マークの位置は、コンピュータビジョンシステムによって判断されるとおり、マーク間の距離を決定するためにプロセッサによって使用され得、それにより、試料が試験ステーションによって引っ張られる時に試料の歪みを判断する。マークの位置および／またはマーク間の距離は、較正試料で較正され得る。マーク位置の決定に加えて、コンピュータビジョンシステムは試料装填位置を決定し、試料装填位置を好ましい試料装填位置と比較し得る。試料装填位置は、コンピュータビジョンシステムによって取得された試料の画像をメモリ２５２内に格納された好ましい画像の上に重ね合わせて、試料の実際の位置と、参照画像内の試料の好ましい位置との間の任意の差を判断することによりコンピュータビジョンシステムによって決定され得る。試料の位置は、その試料の位置をコンピュータビジョンシステムで確認できる物理基準位置と比較することによりコンピュータビジョンシステムによって決定され得る。好ましい試料装填位置は、ＡＩアルゴリズムによる、成功した試験性能と相関された試料装填位置であり得る。コンピュータビジョンは、試料の伸びを１％以下の誤差で判断し得る。コンピュータビジョンシステムは、試料が試験される時に試料の歪みを判断するために２つの同期されたカメラを含み得る。

コンピュータビジョンシステムは、試料の形状も判断して、試料形状を既知の試料形状と比較し、一致した試料形状で試験を自動的に選択し得る。コンピュータビジョンシステムはまた、コンピュータビジョンによって判断された試料の形状における変化を直接に、すなわち、マークを使用することなく、分析することによっても試料の歪みを判断し得る。

試験の直前に試料を掴むために、ＡＩグリップは、以前の試験からのフィードバックに基づいて、グリップ強度および距離を調整し得る。フィードバックは、試料の硬度、厚さ、幅、密度、および表面粗さ、などの測定されたパラメータ、ならびに／または過去に既に試験されている類似の試料からのデータを含み得る。この過去のデータ、および各試料に対する試料データ、ならびにそのＡＩ分析を使用して、好ましいグリップ強度が判断され、試験ステーション２４０内での試験中に使用されて、試験を繰り返し可能な方法で実行し得る。これに関連して、ＡＩグリップは、実行された各試験から学習し得、各試験後、最適または好ましいグリップ強度決定の精度が改善し得る。

図３は、ＡＩを使用して試験パラメータを決定するためのシステム３００の概略図を示す。システム３００は、入力３２０を、その入力３２０を処理するプロセッサ３１０に提供する入力構成要素を含む。プロセッサ２５１と同じであり得る、プロセッサ３１０は好ましくは、入力３２０を処理して、ＡＩグリップのグリップ強度またはパラメータを改善するための試験パラメータ値３３０を決定するアルゴリズム３１０を含む。入力３２０の非排他的な例は、材料試料組成、硬度、厚さ、幅、および密度を含む。試験パラメータ値３３０の非排他的な例は、グリップ力、グリップ閉じ距離（ｃｌｏｓｉｎｇ ｄｉｓｔａｎｃｅ）、および動的閉じ率（ｃｌｏｓｉｎｇ ｒａｔｅ）である。動的閉じ率は、試料歪み対その歪みでの試料厚さの比率であり、言い換えれば、試料が伸びるにつれて生じる試料の薄化を補うためにＡＩグリップのグリップ閉じ距離が減少され得る量である。ＡＩグリップの把持能力を改善することは、様々な材料を掴むためにグリップの能力を改善することを含み得る。グリップの把持能力を改善することは、成功した試験と相関している試験パラメータで試料を掴むことを含み得る。追加として、いくつかの実施形態では、ＰＰシステムは可動グリッパを含み得、可動グリッパのグリップ強度は、ＡＩグリップのグリップ強度と同じであり得る。

図４は、材料の自動化ＡＩ試験のための方法４００に対する流れ図を示す。最初に、材料試料がＡＩ駆動試験機に装填されるか、またはＡＩ駆動試験機によって受け取られる（４１０）。材料試料をＡＩ駆動試験機に装填することは、材料試料を単一の試料ホルダーに装填すること、および試料ホルダーをＡＩ駆動試験機に装填することを含み得る。材料試料を機械に装填する別の例は、複数の材料試料を装填トレイ内の複数のスロットに装填することを含み得る。

材料試料パラメータのセットが次いで決定されるか、または測定される（４２０）。試料パラメータは、少なくとも１つの測定ステーションにおいて材料試料の特性を測定して測定データを生成することによって決定され得る。材料試料パラメータは、データベース内および／またはメモリ内の材料試料と関連付けられたデータにアクセスすることによっても決定され得る。測定データは物理的寸法（長さ、厚さ、形状）、組成（化学組成、架橋密度、フィラーのサイズおよび体積分率、処理履歴）、粘弾性特性、硬度、靭性、強度、および係数を含み得る。

材料試料パラメータは次いで、ＡＩ試験パラメータのセットを提供するために分析される（４３０）。一実施形態では、材料試料パラメータのセットは、メモリ内に格納された訓練データに関して訓練されたＡＩアルゴリズムを用いてプロセッサによって分析され得る。訓練データは、グリップ強度およびグリップ位置などであるが、それらに制限されない試験パラメータを含み得る。試験の前に、ＡＩアルゴリズムは訓練データに関して訓練され得、それは成功（例えば、滑りが生じない）および不成功（例えば、滑りが生じる）の試験に対する試験パラメータを分析してＡＩ試験パラメータのセットを成功した試験と相関させることを含み得る。

試料パラメータのセットをＡＩアルゴリズムで分析してＡＩ試験パラメータのセットを提供することは、試料パラメータの複数のセットをＡＩアルゴリズムで分析して、ＡＩ試験パラメータの複数のセットを、例えば、試料パラメータの各セットを順々に分析することによって、提供することも含み得る。

一実施形態では、ＡＩ試験パラメータは、固定ＡＩグリップ位置、可動ＡＩグリップ位置およびＡＩグリップ強度を含み得る。固定グリップ位置は、試料を固定ＡＩグリップに対してＰＰシステムで移動させることによって決定され得る。可動グリップ位置は、試料を可動ＡＩグリップに対してＰＰシステムで移動させることによって、または可動ＡＩグリップを試料に対して移動させることによって、決定され得る。グリップ強度は、試料滑りに対する閾値を上回っているか、もしくは試料損傷に対する閾値を下回っているか、またはその両方であり得る。

材料試料は次いで、ＰＰシステムを介してなど、試験ステーションに移送される（４４０）。材料試料は次いで、ＡＩ試験パラメータに従って試験されて試験データを生成する（４５０）。例えば、材料試料の引張強度が試験され得る。この例では、プロセッサはＡＩ試験パラメータ（グリップ位置および強度など）をＡＩグリップに送信し、決定されたＡＩ試験パラメータで試料を掴む。試料は次いで、２つのＡＩグリップで試料を引き離すことにより（応力および歪みに関して前述したとおり）試験できる。ＡＩグリップ強度は圧力センサーで監視され得る。別の実施形態では、ＡＩ試験パラメータに従い自動化された方法で材料試料を試験することは、可動グリップを固定グリップから離すことにより材料試料を引っ張ること、材料試料を引っ張りながら材料試料の歪みを測定して歪みデータを生成すること、および材料試料を引っ張りながら材料試料の応力を測定して応力データを生成することを含み得る。

ＡＩ試験パラメータに従い自動化された方法で材料試料を試験することは、少なくとも２つの歪みゲージマークで材料試料にマークを付けることを含み得る。材料試料の歪みを測定することは、材料試料を引っ張られているときに材料試料のビデオを記録すること、およびそのビデオをコンピュータビジョンアルゴリズムで分析することを含み得る。歪みデータを記録することは、ビデオを、例えば、メモリ（２５２）内に記録することを含む。ビデオを記録することは、ビデオを後に、例えば、失敗した試験の後に、再生するのを可能にして、試験の失敗の原因を特定するのを可能にし得る。材料試料を引っ張ることは、材料試料の滑りを監視すること、および滑りが生じた場合にはその試験データに滑りフラグでフラグを立てることを含み得る。滑りは滑りセンサーで、または応力および／もしく歪み速度における変化によって、監視され得る。滑りフラグでフラグを立てられた試験は、例えば、前述のとおり試験のビデオを見直すことによって、滑りの根本原因を特定するために再考察され得る。

試験が完了した後、引き裂かれた材料試料はグリップによって、例えば、試料ホルダーまたはトレイなどへ、取り出され得る。材料試料をＡＩ駆動試験機から取り出すことは、少なくとも２つの試料片を試料ホルダーの第２の部分へ自動化された方法で移送すること、および試料ホルダーをＡＩ駆動試験機から取り出すことを含み得る。複数の試料が試験される場合、装填、決定、分析、移送、試験、および取出しが次の試料に対して繰り返され得る。

別の実施形態では、継続的な材料試験は、ＡＩ試験パラメータのセット、試料パラメータのセットおよび試験データを訓練データと結び付けて更新された訓練データを生成すること、ならびにＡＩアルゴリズムをその更新された訓練データで訓練して、例えば、ＡＩアルゴリズムの精度を改善することを可能にし得る。

図５は、ハウジングのない試験機１００のより詳細な正面図を示す。図６は、図５の試験機の斜視図を示し、図７は試験機の部分の斜視図を示す。

試験機１００は、フレーム１１０、基部１１５、ピックアンドプレイス（ＰＰ）システム１２０、レール１２５、２つのＡＩグリップ１３５を含む引張り、または試験システム１３０、および装填システム１４０を含む。第１のＡＩグリップは、直線移動システムによってレール１２５に移動可能に連結されて可動グリップとして見られ得、第２のＡＩグリップ１３０は基部１１５に固定して連結されて固定グリップと呼ばれ得る。装填システム１４０は基部１１５に連結される。直線移動システムは、サーボモーターによって駆動されるボールねじ線形アクチュエータ、またはサーボモーター、ＤＣモーターまたはＡＣモーターによって駆動される滑車およびベルトシステムであり得る。

ハウジング１０５は、試験機１００内部の全ての構成要素を囲み、アクセスおよび保守のための複数の位置を有する。装填システム１４０は試料を試験機１００内に挿入するか、または受け取るために必要な全ての構成要素を含む。ＰＰシステム１２０は、試料を、例えば、装填システム１４０からＡＩグリップ１３５へ、機械の中を通って運ぶ。試験システム１３０は、ＡＩグリップ１３５、ロードセル、センサーおよび直線移動システムを含み、機械によって試験が完了するのを確実にする。

試料は、ハウジング１０５内の開口部を通して編成された方法で試験機１００に装填される。図１および図５〜図７に示す実施形態は、図８に示すような、トレイ１４２を使用するが、他の実施形態は、マガジン装填システムまたは、試料が重なり合って置かれて機械内にセットされるシステムなどの、他の装填システムを使用し得る。トレイ１４２は、１２のスロット１４４を含み、各スロットは試料を保持し得る。代替実施形態では、トレイ１４２は、６、１２、または任意の数のスロット１４４など、異なる数のスロット１４４を含み得る。トレイ１４２は、試験された試料の破片を保持するための区画１４６を含む。

装填システム１４０は試料を、ＰＰシステム１２０によって拾い上げられる位置に編成された方法で置き得る。例えば、各スロット１４４内に保持された各試料は、ＰＰシステム１２０によって順番に拾い上げられ得る。その順番は任意の所望の順番であり得る。好都合に、各スロット１４４内に保持された各試料の識別は、試験機１００により、各試料の試験によって生じるデータと相関され得る。トレイ１４２は、水平方向に直線状に移動して各スロット１４４をＰＰシステム１２０と合わせ得る。

トレイ１４２は、試料装填情報を提供するために少なくとも１つのセンサーを含み得る。試料装填情報の非排他的な例は、位置合わせ情報（例えば、トレイ１４２が試験機１００に適切に装填されているかどうか、各スロット１４４のＰＰシステム１２０に対する位置を判断するための較正情報）ならびに試料の量および位置情報（例えば、どのスロット１４４が試料を含んでいるか、自動化試料試験を可能にするために各試料が各スロット内に置かれているかどうか）を含む。試験機１００および／またはトレイ１４２は、トレイ１４２が試験機１００に挿入されているかどうかを検出するためにセンサーを含み得、試験機１００は、トレイ１４２が試験機１００に挿入されているとして検出される場合に限り、試料試験を開始するように構成され得る。

一旦、試料が機械に装填されると、ＰＰシステム１２０は試料を試験機１００内の複数の位置に移動させ得る。

ＰＰシステム１２０は、スロット１４４のうちの１つ内に保持された材料試料を掴むために可動グリッパ１２２を含む。好ましい実施形態では、ＰＰシステム１２０は垂直方向に移動可能であり、可動グリッパ１２２によって掴まれた試料をその方向に移動させ得る。試料の上方向への垂直移動は、試料をＡＩグリップ内に位置付け得る。試料は、ＡＩグリップが試料を掴み得、可動グリッパが次いでその試料を放し得るように、可動グリッパ１２２からＡＩグリップへ移送され得る。現在、ＡＩグリップだけで掴まれている、試料は次いで、試験され得る。試験の後、試料（または試料の破片）は、ＡＩグリップ１３５が試料片を放すことができるように可動グリッパ１２２によって掴まれ得、その断片は下方向に垂直に移動されて試料をトレイ１４２に戻し得る。

試験を実行することは、可動グリップ（レールに移動可能に連結されている）を固定グリップから離すことによって試料を引っ張ることを含む。ＡＩグリップは、直線移動システムが可動グリップを固定ＡＩグリップから離している間、試料を掴んでいることによって試料を引っ張り得る。一旦、システムが試験を完了すると、試料はＰＰシステム１２０によってＡＩグリップから取り除かれて、試料の破片がトレイ１４２に戻され、全ての利用可能な、または必要な試料が全ての試験を終えるまで、次の試料が試験される。試料の試験が試料を破壊することを含む場合、試料をトレイ１４２に戻すことは、試料をトレイ１４２の区画１４６に戻すことを含み得る。

ＰＰシステム１２０はまた、ＡＩグリップ１３５内の材料試料を複数の位置においても位置付け得、各位置は異なる高さ、横方向の位置、および／またはＡＩグリップに対する試料の角度を含む。

試験に関して、例えば、ゴム試料は、ゴム試料の成功した引張試験に対して使用されたグリップ強度のＡＩ試験パラメータによって決定されたＡＩグリップ強度で掴まれ得、成功した試験は、滑りも過度のグリップ強度に起因した試料破損も生じなかった試験として定義される。別の例として、ナイロン６，６試料は、ナイロン試料の成功した引張試験に対して使用されたグリップ強度の試験パラメータによって決定されたＡＩグリップ強度で掴まれ得る。

図９は、ＡＩグリップの斜視図を示す。ＡＩグリップ９００は実質的に、ＡＩグリップ１３５と同様であり得る。ＡＩグリップ９００はグリップハウジング９１０、アクチュエータ９２０、カプラー９３０および圧力パッド９４０を含む。動作中、アクチュエータ９２０は、直線力をカプラー９３０に印加することにより、２つの圧力パッド９４０の間に保持された試料上に圧縮圧を生じる。カプラー９３０上の直線力は、カプラー９３０を通して第２の圧力パッド９４０に伝達される。第２の圧力パッド９４０は直線力を、第２の圧力パッド９４０と接触している試料の表面にわたって分散させて、圧縮圧を生成する。

アクチュエータ９２０は、ステッパーモーター（図９に示すような）、ＤＣモーター（図１４に示すような）、空気圧式アクチュエータ、または線圧を生成するために使用できる任意のタイプの機構であり得る。圧力パッド９４０は好ましくは、試料が試験中に滑らないように、しかし、試料の掴まれている部分が試験中に損傷もしないように、設計される。一実施形態では、圧力パッドの表面は複数のコーティングで作られて、試験中、全ての材料に対してグリップを改善し得る。圧力パッド設計の一例は、フィッシュスケールデザインであり、図１６Ａに示されている。圧力パッド設計の別の例は、サンドペーパーデザインと組み合わせたフィッシュスケールデザインであり、図１６Ｂに示されている。

図１０は、ＡＩグリップ９００の別の実施形態の正面図を示す。グリップハウジング９１０、アクチュエータ９２０、カプラー９３０および圧力パッドのセット９４０と共に、グリップ９００は、圧力を測定するための好ましくは内部の、圧力センサー９５０をさらに含む。本実施形態では、圧力センサー９５０はハウジング９１０に連結される。前述のとおり、アクチュエータ９２０はカプラー９３０を介して、圧力パッド９４０の間に保持された試料上に圧縮圧を生成し、圧力センサー９５０はアクチュエータ９２０によって生成された圧縮圧の強度または力を測定する。

センサー９５０は、小型ロードセル、ブレーキロードセル、力検知抵抗（ＦＳＲ）、量子トンネル複合材料（ＱＴＣ）または圧力／力を測定する任意の他のセンサーであり得る。圧力センサー９５０はフィードバックをプロセッサに提供して、滑りが生じる可能性を低下させる圧力で試料が掴まれるのを確実にし得る。図１１は、代替形状で圧力センサーを備えたＡＩグリップ９００の実施形態の正面図を示しており、センサー９５２は、ハウジング９１０の外部に配置される。この実施形態では、圧力センサーは、アクチュエータ９２０から圧力パッド９４０、試料、およびハウジング９１０を通って伝達された圧力を測定し得る。

図１２は、ＡＩグリップ９００の分解図である。図１３は、２つのアクチュエータを備えたＡＩグリップ９００の一実施形態の正面図を示す。第１のアクチュエータ９２０および第２のアクチュエータ９２１はＡＩグリップ９００の両側から圧縮圧を生じる。ＡＩグリップ９００は第１のアクチュエータ９２０および第２のアクチュエータ９２１に連結されたハウジング９１０を含む。カプラー９３０は第１のアクチュエータ９２０に連結される。第１の圧力パッド９４０はカプラー９３０に連結される。第２の圧力パッド９４１は第２のアクチュエータ９２１に連結される。

図１４は、ＡＩグリップ９００の別の実施形態の正面図を示す。本実施形態では、アクチュエータ９２１は、ＤＣモーターである。

図１５は、ＡＩグリップ９００の別の実施形態の一実施形態の水平横断面図を示す。この実施形態では、グリップ９００は、滑りを検出するために滑りセンサー９６０を含む。グリップハウジング９１０は、試料が試験中に滑るかどうかを検出する滑りセンサー９６０に連結される。滑りセンサー９６０は、レーザー測定システム、試料と物理的に接触している電気機械式スイッチ、または動きを検出する任意の他のセンサーであり得る。滑りセンサー９６０は、試験中に滑りが生じた場合に試験にフラグが立てられ得るように、フィードバックを提供し得る。ＡＩグリップ９００はまた、グリップ圧力を動的に移動および／または増大させて滑りを阻止し、その試料に対する結果が失われないことを確実にし得る。追加として、ＡＩグリップ９００は、滑りセンサー９６０および圧力センサー９５０の両方を含み得る。試験中、グリップは、圧力センサーおよび／または滑りセンサーを通して滑りを検出し得、グリップ圧力を自動的に調整して滑りを止め得る。滑りを止めることが可能でない場合、機械は試験にフラグを立て、かつ／または結果を分析して滑りが結果に影響したかどうかを確認し得る。

図１７は、ＡＩ予測組成をもつ材料を生成するための方法を概説する流れ図である。

最初に、材料特性要件のセットが受け取られる（１７１０）。材料特性要件の非排他的な例は、硬度、靭性、ヤング率、貯蔵弾性率、損失弾性率、摩耗抵抗、破断最大歪み、塑性変形開始時の歪み、およびクリープ速度を含む。材料特性要件は、方法１７００によって生成される材料によって満足すべき値のセットとして見られ得る。

ＡＩアルゴリズムは次いで、データセットで訓練される（１７２０）。データセットは、材料特性要件のセットに類似した特性をもつ材料試料からの試験データを含み得る。ＡＩアルゴリズムは線形反復アルゴリズムであり得る。ＡＩアルゴリズムを訓練することは、材料試料組成を生成した材料試料特性と比較して、材料試料組成を材料試料特性と相関させることを含み得る。

材料特性要件のセットは次いで、ＡＩアルゴリズムによってモデル化されてＡＩ予測組成を生成する（１７３０）。ＡＩ予測組成は、化学組成（ポリマー試料に対するポリマー鎖長および分布、フィラーのタイプおよび体積分率、架橋の存在および密度、可塑剤のタイプおよび体積分率）、および処理条件（最高温度、加熱および冷却速度、圧力）を含み得る。ＡＩ予測組成は、ＡＩアルゴリズムによって識別されるような材料特性要件のセットを満足するか、または上回る確率が最も高い組成であり得る。

ＡＩ予測組成をもつ材料試料が次いで製造される（１７４０）。材料試料を製造することはその材料試料の試験を可能にする。材料試料は次いで、ＡＩ駆動試験機で試験されて、材料試料特性のセットを判断する（１７５０）。ＡＩ駆動試験機によって判断された材料試料特性は材料特性要件のセットと同じ特性であり得る。

材料試料特性のセットは、材料特性要件のセットと比較されて精度レベルを決定する（１７６０）。精度レベルは、重要な材料特性の割合、例えば、要求される材料硬度で割った材料試料硬度×１００％、であり得る。精度レベルは複数の材料特性の割合の加重平均であり得る。精度レベルは２値（ｙｅｓ／ｎｏ）値であり、この場合、ｙｅｓは材料特性要件を満足するか、または上回る全ての材料試料特性に対応し、ｎｏは材料特性要件を満足することも上回ることもない少なくとも１つの材料試料特性に対応する。

精度レベルが精度レベル閾値を上回っている場合、ＡＩ予測組成をもつ材料が生成される。例えば、精度レベル閾値は、重要な材料特性に対して１００％、複数の材料特性の加重平均に対して１００％、または２値精度レベル（ｙｅｓが閾値を上回る場合）に対してｎｏであり得る。精度レベルが精度レベル閾値を上回っていない場合、材料組成、材料試料特性のセット、および精度レベルがデータセットに追加されて、本方法のデータセット部分を更新する。本方法は、精度レベル閾値を上回る精度レベルで材料試料が生成されるまで、繰り返され得る。本方法の部分は、精度レベルが、以前に生成された試料の精度レベルよりも大幅には高くない状態まで繰り返され得、この場合、大幅に高いは、１％高い、０．１％高い、または０．１％未満高い、であり得る。

多重線形反復（ｍｕｌｔｉｐｌｅ ｌｉｎｅａｒ ｉｔｅｒａｔｉｏｎ）法などの、ＡＩモデルは、強度または硬度などの材料特性を達成するために材料組成を予測し得る。予測組成をもつ材料を作製すると、試験機１００を使用して自動化試験が実行され得、自動化試験で取得されたデータは次いで、ＡＩモデルを改善してＡＩモデルの精度を向上させるために、ＡＩモデルにフィードバックされ得る。一実施形態では、試料がシステムによって受け取られる。試料は次いで、把持装置（ＡＩグリップなど）内に置かれる。試料の組成が次いで、例えば、その試料の特徴をデータベース内に格納されたレコードと比較することにより、判断される。これらの特徴は、特徴を検知するシステム内のセンサーによって取得できる。特徴の非排他的な例は、硬度、厚さ、幅、表面仕上げおよび表面摩擦を含む。ＡＩグリップのグリップ強度が次いで、試料組成の判断に応答して調整され得る。

一実施形態では、本開示は自己学習型のＡＩグリップを説明する。従って、様々な特性の試料に関してより多くの試験が実行されるにつれて、グリップ特徴は試験している材料に対応するように更新され得る。これは、経時的に、試料試験中に起こる試料滑りの可能性を低下させ、それにより試料把持の有効性を改善し得る。ＡＩ学習構成要素は、自動化ＡＩ駆動試験機の能力を改善して、幅広い様々な試料および材料を改善されたグリップ強度精度で試験し得る。

前述の記述では、説明を目的として、実施形態の完全な理解を提供するために多数の詳細が記載されている。しかし、これらの具体的詳細は必要ではない可能性があることが当業者には明らかであろう。他の事例では、理解を曖昧にしないために周知の構造はブロック図形式で示され得る。例えば、具体的詳細は、本明細書で説明される実施形態の要素がソフトウェアルーチン、ハードウェア回路、ファームウェア、またはそれらの組合せとして実装されるかどうかに関して提供されない。

本開示の実施形態またはその構成要素は、機械可読媒体（その中に具現化されたコンピュータ可読プログラムコードを有するコンピュータ可読媒体、プロセッサ可読媒体、またはコンピュータ利用可能媒体とも呼ばれる）内に格納されたコンピュータプログラム製品として提供できるか、または表すことができる。機械可読媒体は、任意の適切な有形的、持続性媒体にでき、ディスケット、コンパクトディスク読取り専用メモリ（ＣＤ−ＲＯＭ）、メモリ装置（揮発性または不揮発性）を含む磁気、光学式、もしくは電気的記憶媒体、または同様の記憶機構を含む。機械可読媒体は、命令、コードシーケンス、構成情報、または他のデータの様々なセットを含むことができ、それらは、実行される場合、プロセッサまたはコントローラに、本開示の一実施形態に従った方法内のステップを実行させる。当業者は、説明された実施態様を実装するために必要な他の命令および操作も機械可読媒体上に格納できることを理解するであろう。機械可読媒体上に格納された命令は、プロセッサ、コントローラまたは他の適切な処理装置によって実行でき、説明されたタスクを実行するための回路とインタフェースをとることができる。

前述の実施形態は、例示のみを目的としている。変更、修正および変形が、当業者により範囲から逸脱することなく特定の実施形態に対して行うことができ、範囲は、本明細書に添付のクレームによってのみ定義される。

Claims (20)

1. 少なくとも１つの材料試料を試験するための自動化人工知能（ＡＩ）駆動試験機であって、
   前記少なくとも１つの材料試料を受け取るための装填ステーションと、
   前記少なくとも１つの材料試料の試験特性を試験するための試験ステーションと、
   前記少なくとも１つの材料試料を前記装填ステーションと前記試験ステーションとの間で移送するためのピックアンドプレイス（ＰＰ）装置と、
   前記試験ステーションおよび前記ＰＰ装置を制御して、前記試験ステーションと関連付けられたデータを収集するための制御システムと
   を備える、自動化人工知能（ＡＩ）駆動試験機。
2. 前記少なくとも１つの材料試料の測定特性を測定するための少なくとも１つの測定ステーションをさらに備える、請求項１に記載のＡＩ駆動試験機。
3. 前記装填ステーションは、装填トレイまたはマガジン装填システムを含む、
   請求項１に記載のＡＩ駆動試験機。
4. 前記試験ステーションは一対のＡＩグリップを含む、請求項１に記載のＡＩ駆動試験機。
5. 前記一対のＡＩグリップは、
   固定ＡＩグリップと、
   可動ＡＩグリップと
   を含む、請求項４に記載のＡＩ駆動試験機。
6. 前記可動ＡＩグリップは前記固定ＡＩグリップに関して移動して前記少なくとも１つの材料試料を試験する、請求項５に記載のＡＩ駆動試験機。
7. 前記少なくとも１つの材料試料の歪みおよび応力が試験される、請求項６に記載のＡＩ駆動試験機。
8. 前記一対のＡＩグリップの各々は、前記ＡＩグリップが前記少なくとも１つの材料試料を掴むのを可能にするためのアクチュエータを含む、請求項４に記載のＡＩ駆動試験機。
9. 前記アクチュエータはステッパーモーターである、請求項８に記載のＡＩ駆動試験機。
10. 前記一対のＡＩグリップはセンサーのセットをさらに含む、請求項５に記載のＡＩ駆動試験機。
11. センサーの前記セットは滑りを検知する、請求項１０に記載のＡＩ駆動試験機。
12. 前記制御システムは前記測定特性を処理して前記試験ステーションのためのパラメータを生成する、請求項２に記載のＡＩ試験機。
13. 前記パラメータはＡＩグリップ特徴と関連付けられる、請求項１２に記載のＡＩ試験機。
14. 前記ＡＩグリップ特徴はグリップ強度を含む、請求項１３に記載のＡＩ試験機。
15. 少なくとも１つの材料試料の自動化試験の方法であって、
    前記少なくとも１つの材料試料を受け取ることと、
    前記少なくとも１つの材料試料に対する試験パラメータを決定することと、
    前記少なくとも１つの材料試料を前記決定された試験パラメータで試験することと
    を含む、方法。
16. 試験パラメータを決定することは、
    前記少なくとも１つの材料試料の少なくとも１つの測定特性を決定することと、
    前記少なくとも１つの測定特性を処理して前記試験パラメータを決定することと
    を含む、請求項１５に記載の方法。
17. 前記試験パラメータはグリップ強度またはグリップ力を含む、請求項１６に記載の方法。
18. 前記少なくとも１つの材料試料を試験することは、
    前記少なくとも１つの材料試料に関して引張試験を実行すること
    を含む、請求項１５に記載の方法。
19. 前記少なくとも１つの材料試料に印加された応力の力（ｓｔｒｅｓｓ ｆｏｒｃｅ）を測定すること
    をさらに含む、請求項１８に記載の方法。
20. 前記少なくとも１つの材料試料に印加された歪力（ｓｔｒａｉｎ ｆｏｒｃｅ）を測定すること
    をさらに含む、請求項１８に記載の方法。

Images