謝 辞 AI対応プログラムの導入および機器改造，（株）MORESCOに潤滑剤の提供をいただいた．ここに記して，謝意を表し本稿では，機械学習を利用して成形中にスライドモーションを変更する知能化に関してのモデルケースとして，インパクト成形における不良率の低減，および，熱間鍛造の最適化について説明した．機械学習におけるネットワーク構造の検討や教師データの収集方法など，推論精度の向上のためにまだまだ改善の余地があると思われる．また，センサ技術の向上により塑性加工への機械学習の適用はますます拡大すると予想される．今後も研究を継続するとともに，活発な研究の推進を期待したい． 本研究は，公益財団法人天田財団 2020年度重点研究開発助成（AF-2020001-A3）を受けて実施されたものである．また，アサイ産業（株）に当研究所所有のプレス機へのます． 1) 経済産業省：ものづくり白書，(2023)，38-44. 2) 四宮徳章・坪井瑞記・喜多俊輔・安木誠一：塑性と加3) 四宮徳章・坪井瑞記・喜多俊輔・安木誠一：塑性と加4) 斎藤康毅：ゼロから作るDeep Learning-Pythonで学ぶディープラーニングの理論と実装-, (2016), 39-42, オライリー・ジャパン. 5) Sebastian, R. and Vahid, M. 著・(株)クイープ 訳：Python機械学習プログラミング-達人データサイエンティストによる理論と実践, (2021), 447-448, インプレス. 6) 四宮徳章・白川信彦：塑性と加工, 56-654(2015), 570-574. 7) 牧野貴樹：生産研究, 66-3(2014), 305-308. 8) 迫田丈志，石川裕次，田才晃，前田匡樹：コンクリー9) 上野正勝，伊藤亀太郎: 鉄と鋼, 74-6(1988), 1073-1080. ４．結言 工，64-748(2023)，87-92. 工，65-762(2024)，掲載決定. ト工学, 55-9(2017), 777-782. 参考文献 − 72 −
元のページ ../index.html#74