KR100750379B1 - Method for optimizing material property - Google Patents
Method for optimizing material property Download PDFInfo
- Publication number
- KR100750379B1 KR100750379B1 KR1020060009248A KR20060009248A KR100750379B1 KR 100750379 B1 KR100750379 B1 KR 100750379B1 KR 1020060009248 A KR1020060009248 A KR 1020060009248A KR 20060009248 A KR20060009248 A KR 20060009248A KR 100750379 B1 KR100750379 B1 KR 100750379B1
- Authority
- KR
- South Korea
- Prior art keywords
- variables
- coordinate system
- phosphor
- properties
- group
- Prior art date
Links
- 239000000463 material Substances 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 46
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims 2
- 238000005457 optimization Methods 0.000 abstract description 29
- 238000012360 testing method Methods 0.000 abstract description 11
- 239000000203 mixture Substances 0.000 description 24
- 230000002068 genetic effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 210000000349 chromosome Anatomy 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000002986 genetic algorithm method Methods 0.000 description 2
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03C—DOMESTIC PLUMBING INSTALLATIONS FOR FRESH WATER OR WASTE WATER; SINKS
- E03C1/00—Domestic plumbing installations for fresh water or waste water; Sinks
- E03C1/12—Plumbing installations for waste water; Basins or fountains connected thereto; Sinks
- E03C1/26—Object-catching inserts or similar devices for waste pipes or outlets
- E03C1/266—Arrangement of disintegrating apparatus in waste pipes or outlets; Disintegrating apparatus specially adapted for installation in waste pipes or outlets
- E03C1/2665—Disintegrating apparatus specially adapted for installation in waste pipes or outlets
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F27/00—Mixers with rotary stirring devices in fixed receptacles; Kneaders
- B01F27/05—Stirrers
- B01F27/11—Stirrers characterised by the configuration of the stirrers
- B01F27/112—Stirrers characterised by the configuration of the stirrers with arms, paddles, vanes or blades
- B01F27/1123—Stirrers characterised by the configuration of the stirrers with arms, paddles, vanes or blades sickle-shaped, i.e. curved in at least one direction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F27/00—Mixers with rotary stirring devices in fixed receptacles; Kneaders
- B01F27/05—Stirrers
- B01F27/11—Stirrers characterised by the configuration of the stirrers
- B01F27/13—Openwork frame or cage stirrers not provided for in other groups of this subclass
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F27/00—Mixers with rotary stirring devices in fixed receptacles; Kneaders
- B01F27/60—Mixers with rotary stirring devices in fixed receptacles; Kneaders with stirrers rotating about a horizontal or inclined axis
- B01F27/62—Mixers with rotary stirring devices in fixed receptacles; Kneaders with stirrers rotating about a horizontal or inclined axis comprising liquid feeding, e.g. spraying means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F27/00—Mixers with rotary stirring devices in fixed receptacles; Kneaders
- B01F27/60—Mixers with rotary stirring devices in fixed receptacles; Kneaders with stirrers rotating about a horizontal or inclined axis
- B01F27/70—Mixers with rotary stirring devices in fixed receptacles; Kneaders with stirrers rotating about a horizontal or inclined axis with paddles, blades or arms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
- B01F35/20—Measuring; Control or regulation
- B01F35/22—Control or regulation
- B01F35/221—Control or regulation of operational parameters, e.g. level of material in the mixer, temperature or pressure
- B01F35/2214—Speed during the operation
- B01F35/22142—Speed of the mixing device during the operation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
- B01F35/20—Measuring; Control or regulation
- B01F35/22—Control or regulation
- B01F35/221—Control or regulation of operational parameters, e.g. level of material in the mixer, temperature or pressure
- B01F35/2215—Temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
- B01F35/40—Mounting or supporting mixing devices or receptacles; Clamping or holding arrangements therefor
- B01F35/41—Mounting or supporting stirrer shafts or stirrer units on receptacles
- B01F35/412—Mounting or supporting stirrer shafts or stirrer units on receptacles by supporting both extremities of the shaft
- B01F35/4122—Mounting or supporting stirrer shafts or stirrer units on receptacles by supporting both extremities of the shaft at the side walls of the receptacle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B09—DISPOSAL OF SOLID WASTE; RECLAMATION OF CONTAMINATED SOIL
- B09B—DISPOSAL OF SOLID WASTE NOT OTHERWISE PROVIDED FOR
- B09B5/00—Operations not covered by a single other subclass or by a single other group in this subclass
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M27/00—Means for mixing, agitating or circulating fluids in the vessel
- C12M27/02—Stirrer or mobile mixing elements
- C12M27/06—Stirrer or mobile mixing elements with horizontal or inclined stirrer shaft or axis
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M45/00—Means for pre-treatment of biological substances
- C12M45/02—Means for pre-treatment of biological substances by mechanical forces; Stirring; Trituration; Comminuting
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Zoology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Organic Chemistry (AREA)
- Wood Science & Technology (AREA)
- General Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Biotechnology (AREA)
- Sustainable Development (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Mechanical Engineering (AREA)
- Molecular Biology (AREA)
- Hydrology & Water Resources (AREA)
- Luminescent Compositions (AREA)
Abstract
본 발명은 재료 특성의 최적화하는 방법으로, (a) 최적화하고자 하는 재료의 소정 특성에 영향을 미치는 변수들로부터 무작위로 변수 군을 선정하는 단계; (b) 상기 변수 군에 따라 재료를 제조하여 상기 소정 특성을 평가하는 단계; (c) 상기 제조된 재료들 중에서, 상기 평가된 소정 특성 값에 기초하여 일부의 재료만을 선택하는 단계; (d) 상기 (c)단계에서 선택된 재료들 중에서, 선택된 각각의 재료의 변수를 기준점으로 하는 임의의 좌표계를 설정하고 설정된 좌표계에 임의의 수치를 입력함으로써, 상기 (c)단계에서 선택된 재료의 변수로부터 새로운 변수 군을 얻는 단계; 및 (e) 얻어진 새로운 변수 군에 대하여 상기 (b), (c) 및 (d)단계를 반복 수행하는 단계를 포함하는 것을 특징으로 한다.The present invention provides a method of optimizing material properties, comprising: (a) randomly selecting a group of variables from variables influencing certain properties of a material to be optimized; (b) preparing a material according to said group of variables to evaluate said predetermined property; (c) selecting only a part of the material among the manufactured materials based on the evaluated characteristic value; (d) Among the materials selected in step (c), by setting an arbitrary coordinate system with reference to the variable of each selected material as a reference point and inputting an arbitrary value in the set coordinate system, the variable of the material selected in step (c) Obtaining a new group of variables from; And (e) repeating steps (b), (c) and (d) for the new variable group obtained.
본 발명의 상기 구성에 따르면, 시험노력을 현저히 절감시키고 동시에 시험대상을 광범위하게 하면서 재료의 특성을 빠르고 정확하게 최적화할 수 있다.According to the above configuration of the present invention, it is possible to rapidly and accurately optimize the properties of the material while significantly reducing the test effort and at the same time widening the test object.
재료 특성, 최적화, 형광체, 휘도 Material properties, optimization, phosphor, brightness
Description
도 1은 본 발명에 따른 최적화 방법의 개념을 나타내는 모식도이다.1 is a schematic diagram showing the concept of an optimization method according to the present invention.
도 2는 본 발명에 따른 최적화 방법에 있어서, 무작위로 설정되는 좌표계를 도시한 도면이다.2 is a diagram illustrating a coordinate system set randomly in the optimization method according to the present invention.
도 3은 본 발명에 따른 최적화 방법을 통해, 형광체의 휘도 최적화를 시뮬레이션한 그래프이다.3 is a graph simulating the luminance optimization of the phosphor through the optimization method according to the present invention.
도 4는 유전자 알고리즘 방법에 따라 형광체의 휘도 최적화를 시뮬레이션한 그래프이다.4 is a graph simulating the brightness optimization of the phosphor according to the genetic algorithm method.
본 발명은 다양한 특성을 갖는 재료를 개발함에 있어서, 원하는 재료 특성을 최적화하는 방법에 관한 것으로, 보다 상세하게는 진화기법을 활용한 동적 근방(dynamic neighborhood) 개념을 이용하여 재료의 특성을 정확하고 효율적으로 최적화하는 방법에 관한 것이다.The present invention relates to a method for optimizing desired material properties in developing a material having various characteristics. More particularly, the present invention relates to a method of accurately and efficiently using a dynamic neighborhood concept using evolutionary techniques. It is about how to optimize.
재료의 특성은 구성 원소나 다양한 공정 변수 등에 의해 변화가 되는데, 특성에 미치는 변수의 수가 적으면 최적화가 용이하지만, 구성하는 변수의 수가 많아 지면, 시험을 통해서 최적화하는 것은 불가능하게 된다.The characteristics of the material change depending on the constituent elements and various process variables. The smaller the number of variables affecting the properties, the easier it is to optimize.
이와 관련하여, 공지의 최적화 방법으로, 제품의 특성에 미치는 인자들을 제어 인자와 잡음 인자로 나누어 직교배열법을 통해 다수 인자를 최적화하는 다구찌 방법이 알려져 있다. 그러나 다구찌 방법에서는 일단 국부 최적화(local optimization)가 될 경우, 전역 최적화(global optimization)를 이루기 어렵다는 문제점이 있다.In this regard, as a known optimization method, the Taguchi method of optimizing a number of factors through orthogonal array method is known by dividing the factors affecting the characteristics of the product into control factors and noise factors. However, the Taguchi method has a problem that once it is local optimization, it is difficult to achieve global optimization.
한편, 국부 최적화(local optimization)의 문제점을 해결하기 위하여, 본 발명자들은 유전자 알고리즘 방법, 즉 임의의 조성을 선택하여 염색체 군을 선정하고, 선정된 염색체 군에 선택, 교배 및 돌연변이 과정을 반복수행하여 형광체의 특성을 전역 최적화하는 방법을 제시한 바가 있다.On the other hand, in order to solve the problem of local optimization, the present inventors select a chromosome group by selecting a genetic algorithm method, that is, a random composition, and by repeating the selection, hybridization and mutation process on the selected chromosome group phosphors We have suggested how to globally optimize the properties of.
그런데 상기 유전자 알고리즘에 의한 형광체 최적화 방법은, 다양한 조성을 신속하고도 정확하게 시험할 수 있어, 새로운 물질의 개발에 매우 유용한 장점이 있으나, 우성 개체 위주로 선택하여 교배 및 돌연변이를 반복하기 때문에, 세대수가 증가할수록 생성되는 염색체 군에는 동일한 것이 많아 최적화에 있어서 불필요한 노력이 소요되는 문제점이 있다. 또한 특성이 나쁜 영역에 포함되어 있지만 좁은 영역에서 우수한 특성을 가진 재료를 탐색하기가 용이하지 않다는 문제점이 있었다.However, the method of optimizing the phosphor by the genetic algorithm can quickly and accurately test various compositions, which is very useful for the development of new materials. However, since the number of generations increases as the dominant individual is selected to repeat breeding and mutation. Many of the chromosome groups to be produced are the same, there is a problem that takes unnecessary effort in optimization. In addition, there is a problem that it is not easy to search for a material having excellent properties in a narrow area, although it is included in a bad area.
본 발명은 전술한 유전자 알고리즘을 이용한 재료 특성의 최적화 방법의 문제점을 해결하기 위한 것으로, 재료의 특성에 영향을 미치는 인자를 최적화함에 있 어서 진화기법을 활용한 동적 근방(dynamic neighborhood) 개념을 이용함으로써, 시험노력의 절감과 시험대상의 확대, 그리고 최적화의 속도 및 정확도를 현저하게 향상시킨 방법을 제공하는 것을 과제로 한다.The present invention is to solve the problem of the method of optimizing the material properties using the genetic algorithm described above, by using the dynamic neighborhood concept utilizing evolution techniques in optimizing the factors affecting the properties of the material The task is to provide methods that significantly reduce test effort, expand test subjects, and significantly improve the speed and accuracy of optimization.
상기 과제를 해결하기 위해 본 발명은, 재료 특성을 최적화하는 방법으로서, (a) 최적화하고자 하는 재료의 소정 특성에 영향을 미치는 변수들로부터 무작위로 변수 군을 선정하는 단계; (b) 상기 변수 군에 따라 재료를 제조하여 상기 소정 특성을 평가하는 단계; (c) 상기 제조된 재료들 중에서, 상기 평가된 소정 특성 값에 기초하여 일부의 재료만을 선택하는 단계; (d) 상기 (c)단계에서 선택된 재료들 중에서, 선택된 각각의 재료의 변수를 기준점으로 하는 임의의 좌표계를 설정하고 설정된 좌표계에 임의의 수치를 입력함으로써, 상기 (c)단계에서 선택된 재료의 변수로부터 새로운 변수 군을 얻는 단계; 및 (e) 얻어진 새로운 변수 군에 대하여 상기 (b), (c) 및 (d)단계를 반복수행하는 단계를 포함하는 방법을 제공한다.In order to solve the above problems, the present invention provides a method for optimizing material properties, comprising: (a) randomly selecting a variable group from variables influencing certain properties of a material to be optimized; (b) preparing a material according to said group of variables to evaluate said predetermined property; (c) selecting only a part of the material among the manufactured materials based on the evaluated characteristic value; (d) Among the materials selected in step (c), by setting an arbitrary coordinate system with reference to the variable of each selected material as a reference point and inputting an arbitrary value in the set coordinate system, the variable of the material selected in step (c) Obtaining a new group of variables from; And (e) repeating steps (b), (c) and (d) for the new variable group obtained.
이상과 같이, 본 발명은 최적화하고자 하는 재료의 소정 특성에 영향을 미치는 변수들로부터 무작위로 변수 군을 선정하여, 그에 따라 재료를 제조한 후 소정 특성 값을 평가하고 평가한 특성 값에 기초하여 일부의 재료들을 선택하는 자연 선택의 단계를 적용한 진화적 기법을 이용하고 있다. As described above, the present invention randomly selects a group of variables from the variables affecting the predetermined properties of the material to be optimized, and accordingly, after the material is manufactured, the predetermined property values are evaluated and based on the evaluated characteristic values. It uses evolutionary techniques that apply natural selection steps to select materials.
아울러, 선택된 각각의 재료들은 그 특성을 나타내게 한 변수를 기준점으로 하여 임의의 좌표계를 설정하고 설정된 좌표계에 임의의 수치를 입력하여 기준점 근방(neighborhood)에 위치하는 새로운 변수 군을 얻는 동적 근방(dynamic neighborhood) 개념을 적용한 것을 특징으로 한다.In addition, each of the selected materials sets up an arbitrary coordinate system based on the variable that caused the characteristics, and inputs a random value into the set coordinate system to obtain a new group of variables located in the neighborhood of the reference point. ) The concept is applied.
본 발명의 상기 구성은, 최적화하고자 하는 특성이 우수한 재료의 주변에 우수한 특성의 재료가 있을 확률이 높고, 특성이 나쁜 재료의 주변에 나쁜 특성의 재료가 있을 확률이 높을 수 있다는 개념에 근거한 것이다.The above configuration of the present invention is based on the concept that there is a high probability that there is a material having excellent properties in the vicinity of the material having excellent properties to be optimized, and there is a high probability that there is a high probability that there is a bad material in the vicinity of the material having poor properties.
한편, 전술한 유전자 알고리즘을 적용한 형광체 최적화 방법에서는 새로운 변수의 선정이 우성선택, 교배, 돌연변이에 의존하기 때문에, 세대가 반복되면 될수록, 유사한 개체를 반복시험하게 된다. 계산적으로만 실행되는 최적화의 경우에는 유사계산적으로만 실행되는 유사개체 반복 선택이 큰 문제를 일으키지 않지만, 본 발명에서와 같은 실제 실험에 의한 최적화에서는 유사한 개체 반복시험으로 인해 불필요한 노력 및 비용이 소요되며, 광범위한 개체에 대한 탐색이 어렵다는 문제가 발생하였다. On the other hand, in the phosphor optimization method using the genetic algorithm described above, the selection of new variables depends on dominant selection, crossover, and mutation, and thus, similar generations are repeated as generations are repeated. In the case of optimization that is executed only computationally, similar object iteration selection that is executed only similarly does not cause a big problem, but in the optimization by the actual experiment as in the present invention, it takes unnecessary effort and cost due to similar individual iterations. The problem was that the search for a wide range of individuals was difficult.
이에 반해 본 발명에 따른 최적화 방법은, 새로운 변수 군의 선정이 최적화하고자 하는 특성 값이 우수한 변수들을 기준점으로 그 이웃을 탐색하는 방법으로 얻어지기 때문에, 유사한 변수를 갖는 재료를 반복시험할 가능성이 매우 낮으며, 최적화의 속도 및 정확도도 유전자 알고리즘을 적용한 방법에 비해 떨어지지 않는 장점이 있다.On the contrary, since the optimization method according to the present invention is obtained by a method of searching the neighbors with reference points of variables having excellent characteristic values to be optimized, it is highly likely to repeat the test of materials having similar variables. It is low, and the speed and accuracy of the optimization also has the advantage that does not fall compared to the method using the genetic algorithm.
또한, 본 발명에 있어서, 상기 (d)단계에서 있어서 상기 수치의 입력은, 상기 특성 값의 크기에 따라 각 기준점으로부터의 거리가 달라지도록, 수행되는 것을 특징으로 한다.In the present invention, the input of the numerical value in the step (d) is characterized in that is performed so that the distance from each reference point varies depending on the magnitude of the characteristic value.
다시 말해, 본 발명은 선택된 재료들의 최적화하고자 하는 특성 값으로부터 탐색할 새로운 변수 군의 탐색 범위를 선택된 각 재료의 특성 값에 따라 다르게 설정하는 것을 특징으로 한다.In other words, the present invention is characterized in that the search range of the new variable group to be searched from the property values to be optimized of the selected materials is set differently according to the property values of each material selected.
예를 들어, 형광체의 휘도를 높이기 위해 형광체의 조성을 최적화하는 경우, 휘도를 평가한 후, 선택된 일부의 형광체 중에서 휘도가 높은 형광체에 대해서는 좌표계에 입력되는 수치를 낮게 설정하고 휘도가 낮은 형광체에 대해서는 좌표계에 입력되는 수치를 높게 설정하게 되면, 새로 얻어지는 조성 군(즉, 변수 군)은 자연히 휘도가 높은 형광체에는 가깝고 휘도가 낮은 형광체에는 멀리 떨어진 조성들로 구성되게 된다. 따라서 본 발명에 따르면, 휘도가 좋은 형광체의 주변의 조성은 상세한 탐색이 이루어지기 때문에 형광체 최적화의 정확도를 높일 수 있으며, 동시에 휘도가 나쁜 형광체의 경우 그로부터 멀리 떨어진 조성에 대한 탐색이 이루어지게 됨으로써 광범위한 조성의 탐색이 가능하여 우발적으로 우수한 형광체의 탐색이 이루어지는 장점이 있다.For example, in the case of optimizing the composition of the phosphor to increase the luminance of the phosphor, after evaluating the luminance, among the selected phosphors, the value input to the coordinate system is set low for the phosphor having high luminance, and the coordinate system for the phosphor having low luminance. When the value input to the high value is set, the newly obtained composition group (that is, the variable group) is composed of compositions that are naturally close to the phosphor having high luminance and far away from the phosphor having low luminance. Therefore, according to the present invention, the composition of the surroundings of the phosphor having good brightness can be precisely searched, so that the accuracy of the phosphor optimization can be improved, and at the same time, the phosphor having a low brightness can be searched for a composition far from it. There is an advantage that can be searched by the search for excellent phosphor accidentally.
한편, 상기 수치의 입력은 상기 특성 값에 따라 입력되는 수치를 다르게 하거나, 각 좌표에 있어서 축의 배율을 다르게 설정하는 방법으로 수행될 수 있다.On the other hand, the input of the numerical value may be performed by a method of changing the numerical value input according to the characteristic value, or setting the magnification of the axis in each coordinate differently.
또한, 본 발명에 있어서 상기 좌표계는 도 3에 도시되어 있는 바와 같이, 상기 기준점으로부터 다양한 면적의 탐색이 이루어지도록 좌표계를 이루는 축의 각도 및 축의 배율이 임의로 설정될 수 있다. 이렇게 함으로써, 다양한 범위의 탐색이 가능하게 된다.In addition, in the present invention, as shown in FIG. 3, the angle of the axis and the magnification of the axis constituting the coordinate system may be arbitrarily set so that various areas may be searched from the reference point. In this way, a wide range of searching is possible.
또한, 본 발명에 있어서 상기 (d)단계를 반복할 때마다, 상기 좌표계를 다르게 설정할 수 있다.In addition, in the present invention, the coordinate system may be set differently every time the step (d) is repeated.
이하, 본 발명에 따른 재료의 최적화 방법을 휘도를 향상시키기 위한 형광체의 조성 최적화에 대해 적용한 시뮬레이션한 결과를 설명하도록 한다.Hereinafter, a simulation result of applying the method for optimizing the material according to the present invention to optimize the composition of the phosphor for improving luminance will be described.
먼저, 도시된 도면에 기초하여 본 발명에 따른 "진화적 기법을 이용한 동적 근방"의 개념에 대해 보다 상세히 설명한다. 도 1은 본 발명에 따른 진화적 기법을 이용한 동적 근방 개념에 따라 형광체의 휘도를 최적화하는 개념을 설명하기 위한 모식도이다. 도 1(a) 내지 도 1(d)에서 횡축과 종축은 각각 형광체의 특성에 영향을 미치는 변수, 즉 성분의 함량에 관한 축이며, 음영으로 표시되어 등고선으로 표시된 것은 밝을수록 측정된 휘도가 높고 어두울수록 휘도가 낮은 것을 나타낸다.First, the concept of "dynamic vicinity using an evolutionary technique" according to the present invention will be described in more detail based on the illustrated drawings. 1 is a schematic diagram illustrating a concept of optimizing the luminance of a phosphor according to a dynamic neighborhood concept using an evolutionary technique according to the present invention. In Figs. 1 (a) to 1 (d), the horizontal axis and the vertical axis are variables related to the properties of the phosphor, that is, the axis of the content of the components, respectively. The darker it is, the lower the luminance is.
도 1(a)는 최초로 다수개의 조성을 무작위로 선정하여, 해당 조성의 형광체를 합성한 후, 그 휘도를 평가한 결과를 나타낸 것이다. 도시된 바와 같이 등고선의 밝기에 관계없이 다양한 조성의 형광체가 불규칙하게 흩어져 있다.FIG. 1 (a) shows a result of initially selecting a plurality of compositions randomly, synthesizing a phosphor of the composition, and evaluating the luminance thereof. As shown, phosphors of various compositions are irregularly scattered regardless of the brightness of the contour lines.
도 1(b)는 도 1(a)에서 형광체의 휘도 특성이 우수한 1 ~ 4만을 선택하여, 각각의 조성점을 기준점으로 하여 좌표계를 설정하여, 해당 기준점으로부터 일정한 거리 떨어져 있는 4개의 조성을 선정하는 과정을 나타낸다. 한편 도 1(b)에 도시되어 있는 바와 같이, 휘도가 비교적 높은 1 ~ 3에 대해서는 새로운 조성의 위치는 비교적 기준점 가까이에 위치하고, 휘도가 낮은 4에 대해서는 새로운 조성의 위치는 기준점으로부터 매우 멀리 위치하도록 좌표계로부터 떨어지는 거리를 조정한다. 이로써, 휘도가 우수한 기준점으로부터는 보다 우수한 조성으로의 탐색을 도모하 고, 휘도가 낮은 기준점으로부터는 멀리 탐색함으로써 우발적으로 우수한 조성을 찾아낼 수 있도록 한다.FIG. 1 (b) selects only 1 to 4 having excellent luminance characteristics of the phosphor in FIG. 1 (a), sets a coordinate system using each composition point as a reference point, and selects four compositions separated from the reference point by a predetermined distance. Indicate the process. On the other hand, as shown in Fig. 1 (b), the positions of the new composition are relatively close to the reference point for 1 to 3 having relatively high luminance, and the position of the new composition is very far from the reference point for 4 having low luminance. Adjust the distance away from the coordinate system. As a result, a search for a better composition can be made from a reference point having excellent brightness, and an excellent composition can be found accidentally by searching away from a reference point having a low brightness.
도 1(c)는 도 1(b)에서 선정된 조성의 형광체를 제조한 후, 평가된 휘도에 따라 일부 조성을 선택한 후, 도 1(b)와 다른 좌표계를 설정하여, 해당 기준점으로부터 일정 거리에 떨어져 있는 4개의 조성을 선정하는 과정을 나타낸다. 이와 같이, 새로운 조성을 선정할 때마다 새로운 좌표계를 설정하게 되면, 탐색의 방향이 일정하지 않기 때문에, 보다 다양한 영역의 탐색이 가능하게 된다. FIG. 1 (c) shows a phosphor having a composition selected in FIG. 1 (b), selects a partial composition according to the evaluated luminance, and sets a coordinate system different from that of FIG. The process of selecting four separate compositions is shown. In this way, if a new coordinate system is set every time a new composition is selected, the search direction is not constant, and thus, more various areas can be searched.
도 2는 상기 과정을 반복하는 과정에서 설정된 좌표계를 도시한 도면이다. 도시된 바와 같이, 좌표계를 다르게 설정하게 되면, 탐색되는 영역이 다양하게 변화될 수 있어, 최적화에 있어서 다양성을 부여할 수 있게 된다.2 is a diagram illustrating a coordinate system set in a process of repeating the above process. As shown, if the coordinate system is set differently, the searched area may be changed in various ways, thereby providing variety in optimization.
도 1(d) 최적화가 완료된 형광체의 조성을 나타내는 도면이다. 도시된 바와 같이, 선택된 4개의 형광체의 휘도는 전체 조성 영역에서 휘도가 가장 좋은 부분에 집중되게 된다.Fig. 1 (d) is a diagram showing the composition of a phosphor whose optimization has been completed. As shown, the luminance of the selected four phosphors is concentrated in the portion having the best luminance in the entire composition region.
도 3과 4는 각각 본 발명에 따른 최적화 방법과 유전자 알고리즘에 따른 최적화 방법의 의하여 형광체의 휘도를 최적화함에 있어서, 동일한 목적함수를 통해 최적화 과정을 시뮬레이션한 결과를 나타내는 그래프이다.3 and 4 are graphs showing the results of simulating the optimization process through the same objective function in optimizing the luminance of the phosphor by the optimization method according to the present invention and the optimization method according to the genetic algorithm, respectively.
시뮬레이션의 방법은 전역적 최적점 및 국부 최적점들이 모두 분석적(analytical)으로 풀리는 것으로 알려진 세 개의 목적함수 (objective function)를 이용하여, 그 알려진 전역적 최적점을 찾아가는 과정을 각 세대의 최대값 또는 평균값이 세대가 증가할수록 증가하여 결국 최적점에 이르는 과정을 보여준다.The method of simulation uses the three objective functions known to solve both analytically and globally optimally to determine the known global optimality. The average value increases with generation and shows the process of reaching an optimal point.
도 4에는 각각의 목적함수(objective function, O.F.)와 최적 포인트(optimum point, O.P.) 및 국부 최적점의 개수(# of local optimum point)가 기재되어 있으며, 도 4에 표기된 세 개의 목적함수들을 조성에 대한 휘도 함수라고 가정한다면, 이를 통해 실제 시험 없이도 이 방법의 유용성을 입증하는 수단이 될 수 있다는 것을 간접 증명하는 것이다.In FIG. 4, each objective function (OF), an optimum point (OP), and a number of local optimum points (# of local optimum points) are described, and three objective functions shown in FIG. 4 are formed. Assuming that it is a luminance function for, this indirectly demonstrates that it can be a means of demonstrating the usefulness of this method without actual testing.
도 3에서 가로축은 세대수를 나타내고, 세로축은 형광체의 최대 휘도를 나타낸다. 도시된 바와 같이, 본 발명에 따른 최적화 방법에 의할 때, 대략 10세대에서 15세대 부근에서 형광체의 최적화가 이루어짐을 알 수 있다. 즉 약 10세대 정도의 시험만으로 임의의 조성으로부터 최적의 형광체를 구현할 수 있는 것이다. 더욱이 본 발명에서는 세로축의 시초 값을 다르게 설정하여도 최적화가 매우 빠르게 진행되며, 대부분의 휘도가 20세대 이후에는 동일한 수준에 이르므로, 그 정확도도 우수함을 알 수 있다.In FIG. 3, the horizontal axis represents the number of generations, and the vertical axis represents the maximum luminance of the phosphor. As shown, when the optimization method according to the present invention, it can be seen that the optimization of the phosphor is achieved in approximately 10 to 15 generations. In other words, only about 10 generations of tests can realize an optimal phosphor from any composition. In addition, in the present invention, optimization proceeds very quickly even if the initial value of the vertical axis is set differently, and since most of the luminance reaches the same level after 20 generations, it can be seen that the accuracy is excellent.
한편, 도 3의 도시된 도면도 도 4와 동일한 목적함수에 따른 결과이다. 도 4에서 가로축은 세대수를 나타내며, 세로축은 적응도를 나타내며, 도면상의 원은 평균 휘도를 검은 사각형은 최대 휘도의 범위를 나타낸다. 도 4의 도면에 표현된 목적함수로써 형광체의 휘도 최적화 시뮬레이션 한 결과, 유전자 알고리즘에 의하여도 동일하게 10세대 내지 15세대 정도면 최대 휘도의 최적화가 가능한 것을 알 수 있다. Meanwhile, FIG. 3 is also a result of the same objective function as in FIG. 4. In FIG. 4, the horizontal axis represents the number of generations, the vertical axis represents the degree of adaptability, the circles on the drawing represent the average luminance, and the black squares represent the range of the maximum luminance. As a result of the brightness optimization simulation of the phosphor by the objective function shown in FIG. 4, it can be seen that the maximum brightness can be optimized in the 10th to 15th generations by the genetic algorithm.
이상과 같이, 본 발명에 따른 최적화 방법은 유전자 알고리즘에 따른 최적화 방법과 동등한 수준의 세대수와 정확도로 최적화가 가능할 뿐 아니라, 세대의 반복에 따른 유사한 개체의 반복적인 시험이 필요 없게 되어, 그만큼 다양한 개체에 대한 시험이 가능하므로 시험대상의 폭이 현저히 넓어져 우발적으로 우수한 특성의 재료를 찾아낼 가능성이 높아지는 장점이 있다.As described above, the optimization method according to the present invention can not only be optimized with the same number of generations and accuracy as the optimization method according to the genetic algorithm, but also eliminates the need for repetitive testing of similar individuals according to generation repetition. Since the test is possible, the width of the test object is significantly widened, which increases the possibility of accidentally finding a material having excellent characteristics.
Claims (8)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020060009248A KR100750379B1 (en) | 2006-01-31 | 2006-01-31 | Method for optimizing material property |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020060009248A KR100750379B1 (en) | 2006-01-31 | 2006-01-31 | Method for optimizing material property |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20070078871A KR20070078871A (en) | 2007-08-03 |
| KR100750379B1 true KR100750379B1 (en) | 2007-08-17 |
Family
ID=38599685
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020060009248A KR100750379B1 (en) | 2006-01-31 | 2006-01-31 | Method for optimizing material property |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100750379B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101586166B1 (en) * | 2015-02-27 | 2016-01-15 | 경북대학교 산학협력단 | System and method of developing composition for powder molding |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5594651A (en) | 1995-02-14 | 1997-01-14 | St. Ville; James A. | Method and apparatus for manufacturing objects having optimized response characteristics |
| JP2001273358A (en) | 2000-03-24 | 2001-10-05 | Sumika Chemical Analysis Service Ltd | Virtual laboratory system |
| KR20020000986A (en) * | 2000-06-23 | 2002-01-09 | 강상훈 | Method for scientific experiment simulation and apparatus thereof |
| JP2003036412A (en) | 2001-07-24 | 2003-02-07 | Toshiba Corp | Method and device for evaluating chemical toxicity and database device |
-
2006
- 2006-01-31 KR KR1020060009248A patent/KR100750379B1/en not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5594651A (en) | 1995-02-14 | 1997-01-14 | St. Ville; James A. | Method and apparatus for manufacturing objects having optimized response characteristics |
| JP2001273358A (en) | 2000-03-24 | 2001-10-05 | Sumika Chemical Analysis Service Ltd | Virtual laboratory system |
| KR20020000986A (en) * | 2000-06-23 | 2002-01-09 | 강상훈 | Method for scientific experiment simulation and apparatus thereof |
| JP2003036412A (en) | 2001-07-24 | 2003-02-07 | Toshiba Corp | Method and device for evaluating chemical toxicity and database device |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20070078871A (en) | 2007-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2016130094A (en) | DETERMINING A VEHICLE'S TRAJECTORY | |
| KR101703450B1 (en) | Structural topology optimization method using bigbang-bigcrunch algorithm | |
| KR20170052344A (en) | Method and apparatus for searching new material | |
| Raffe et al. | A survey of procedural terrain generation techniques using evolutionary algorithms | |
| TWI648707B (en) | Computer implemented method and system for generating a defect sample of a wafer and non-transitory computer readable medium | |
| CN107358636A (en) | A kind of rarefaction defect image generating method based on textures synthesis | |
| JPWO2014104151A1 (en) | Image processing apparatus and feature detection method | |
| US8280708B2 (en) | Configuration of tools and processes for metal forming | |
| KR100750379B1 (en) | Method for optimizing material property | |
| JP2017194448A (en) | Method of acquiring tsom image and method of inspecting semiconductor device | |
| JP2020030683A (en) | Rubber material design method, rubber material design device, and program | |
| WO2019189016A1 (en) | Information processing device, information processing method, and program | |
| CN108961201A (en) | Image definition recognition methods and auto focusing method | |
| CN104504429B (en) | two-dimensional code generation method and device | |
| CN116028815A (en) | Time sequence data enhancement method for industrial time sequence unbalanced data | |
| CN106062917A (en) | Method for automatic correction of astigmatism | |
| CN105654498A (en) | Image segmentation method based on dynamic local search and immune clone automatic clustering | |
| CN106681892A (en) | Page data processing method and device | |
| Oghazian et al. | Calibrating a Formfinding Algorithm for Simulation of Tensioned Knitted Textile Architectural Models | |
| US9898394B2 (en) | Test design assistance device, test design assistance method, program and computer-readable medium | |
| Smolka et al. | Contrast enhancement of gray scale images based on the random walk model | |
| CN113709753B (en) | Wireless broadband communication system site layout networking method and system | |
| WO2022208791A1 (en) | Information processing device, method, and program | |
| CN114882961B (en) | Firing curve prediction method based on raw material weight as model parameter selection condition | |
| CN112183014B (en) | Force guiding layout method for carrying out crowded area expansion based on maximum flow algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20100621 Year of fee payment: 4 |
|
| LAPS | Lapse due to unpaid annual fee |