＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊
ブラスト処理後の表面粗さ、Ra,Rzjis についてだが非常に規則的に生成されるため予測は簡単である。統計的に処理すれば結果はその通りになる。
母集団をテストピースの粗さとして150ｍｍ各のプレートを１００枚ほどランダムに対象物に設置し、Rzjisを１枚当たり５か所測定、１００枚あるので５００か所抽出したサンプルを基に標準偏差、平均から確率密度関数からグラフ化すれば次回からはその条件での再設定は必要ない。都度確認のためのデータ取は必要だが、おかしな結果が出た場合は研削材、コンプレッサー、ノズルの他に作業者がブラストしてる場合はその作業者自体を検査対象としとけばよい。我々の場合はすでに人間がブラストすることは原則的に禁止してるので自律型ロボットのシステム検査をエラーコードから確認する。
中心極限定理により正規分布となるため多少の問題があっても1σ範囲内に収まることが確認できた。すなわちブラスト処理で言うところの狙い値は中高グレードで１σ範囲内低グレードで２σ範囲、指定なしであれば３σとなる。
追記
測定データを見ていると、乱数のようで規則性があることがグラフ化することで判明した。なので逆の手順を追えばいいわけである。かといって簡単ではないが。
下記の件を考えているうちに 非整数ブラウン運動であるからプロフィルのディテイルは乱数すなわち正規乱数に従えば予測できることが解った。
正規分布に従うことが解った。
Hはハースト指数で0.5以外を本来は定めるのだが拡散も収束も平板であれば必要ないはずである。ハースト数の要素（例えば研削材の特性）になるものをピックアップすればかなりいい感じに予測できる。
やっと、世界中で適当にブラストしていてもレンジ2σくらいは問題ないことが判明した。証明するのは難儀だが私の頭の中では整理できた。
やはり、ブラスト処理はAIに機械学習の必要はなく、最適な行動予測だけで処理が成り立つことが解った。
 |
| すべての表面粗さの測定データを放り込んで正規分布分析した |
