JP2003277993A - 実車の塗膜厚予測方法、実車の塗膜厚予測システムおよび記録媒体 - Google Patents
実車の塗膜厚予測方法、実車の塗膜厚予測システムおよび記録媒体Info
- Publication number
- JP2003277993A JP2003277993A JP2002078283A JP2002078283A JP2003277993A JP 2003277993 A JP2003277993 A JP 2003277993A JP 2002078283 A JP2002078283 A JP 2002078283A JP 2002078283 A JP2002078283 A JP 2002078283A JP 2003277993 A JP2003277993 A JP 2003277993A
- Authority
- JP
- Japan
- Prior art keywords
- film thickness
- coating film
- coating
- vehicle
- analysis
- 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.)
- Granted
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
- C25D13/00—Electrophoretic coating characterised by the process
- C25D13/22—Servicing or operating apparatus or multistep processes
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
- C25D21/00—Processes for servicing or operating cells for electrolytic coating
- C25D21/12—Process control or regulation
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Automation & Control Theory (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
(57)【要約】
【課題】車両モデルベースでの電着塗装解析を実施しな
くても、実車の塗膜厚を予測可能にすることで、実車の
塗膜厚予測に要する演算量の低減を図り、実車の塗膜厚
を効率的に算出する。 【解決手段】対象車の一部を構成する構成部材を解析対
象にした電着塗装解析を行い、この構成部材の塗膜厚解
析値を算出する（ステップ１）。つぎに、予め用意され
た相関予測式に基づいて、塗膜厚解析値から、対象車に
関する実車状態の塗膜厚を予測する（ステップ２）。こ
の相関予測式は、対象車が電着塗装を行おうとする電着
塗装ラインにおいて既に電着塗装が行われた量産車に関
する実車状態の塗膜厚と、量産車の一部を構成する構成
部材を解析対象にした電着塗装解析より得られる構成部
材の塗膜厚解析値との相関関係を規定している。
くても、実車の塗膜厚を予測可能にすることで、実車の
塗膜厚予測に要する演算量の低減を図り、実車の塗膜厚
を効率的に算出する。 【解決手段】対象車の一部を構成する構成部材を解析対
象にした電着塗装解析を行い、この構成部材の塗膜厚解
析値を算出する（ステップ１）。つぎに、予め用意され
た相関予測式に基づいて、塗膜厚解析値から、対象車に
関する実車状態の塗膜厚を予測する（ステップ２）。こ
の相関予測式は、対象車が電着塗装を行おうとする電着
塗装ラインにおいて既に電着塗装が行われた量産車に関
する実車状態の塗膜厚と、量産車の一部を構成する構成
部材を解析対象にした電着塗装解析より得られる構成部
材の塗膜厚解析値との相関関係を規定している。
Description
【０００１】
【発明の属する技術分野】本発明は、車両モデルベース
での電着塗装解析を実施することなく、電着塗装による
実車の塗膜厚を予測する手法に関する。
での電着塗装解析を実施することなく、電着塗装による
実車の塗膜厚を予測する手法に関する。
【０００２】
【従来の技術】電着塗装は、高分子電解質の電気泳動現
象や電気透析現象等を利用した塗装法である。この塗装
は、被塗装物の表面に塗膜が均一に付着し、防食性にも
優れているため、車両ボディや部品といった各種部材の
下塗り塗装として広く用いられている。電着塗装によ
り、部材表面に付着する塗装膜厚を一定の範囲に収める
ことは、防錆対策、塗料消費量の減少、或いは部材軽量
化等の観点から重要な設計課題である。そのため、電着
塗装解析による塗膜析出状態の解析・検討が重要とな
る。従来は、車両形状をメッシュで表現した車両モデル
を用いて、電着塗装解析を行うことによって、実車の塗
膜厚を予測・評価していた。
象や電気透析現象等を利用した塗装法である。この塗装
は、被塗装物の表面に塗膜が均一に付着し、防食性にも
優れているため、車両ボディや部品といった各種部材の
下塗り塗装として広く用いられている。電着塗装によ
り、部材表面に付着する塗装膜厚を一定の範囲に収める
ことは、防錆対策、塗料消費量の減少、或いは部材軽量
化等の観点から重要な設計課題である。そのため、電着
塗装解析による塗膜析出状態の解析・検討が重要とな
る。従来は、車両形状をメッシュで表現した車両モデル
を用いて、電着塗装解析を行うことによって、実車の塗
膜厚を予測・評価していた。
【０００３】
【発明が解決しようとする課題】しかしながら、電着塗
装解析を車両モデルベースで行う場合には、まず車両形
状をメッシュで表現した解析メッシュを生成する必要が
ある。例えば、車両中の個々の部材の形状をメッシュで
表現した部材メッシュを車両全体に重合・拡張し、全て
の部材を含む実車全体の車両メッシュを生成する。この
場合、車両全体に対して部材メッシュを重ね合わせてい
くため、複雑な車両メッシュのメッシュ数が膨大にな
る。また、車両全体に対する電着塗装解析に要する演算
量も膨大になる。したがって、効率的なメッシュ生成と
解析とを行うためにはコンピュータに高い処理能力が要
求される。しかしながら、一般に普及しているパーソナ
ルコンピュータの処理能力には限界があるため、車両モ
デルの解析メッシュを生成するのに、或いは、車両ベー
スでの塗膜量を予測するのに長時間を要するという問題
がある。
装解析を車両モデルベースで行う場合には、まず車両形
状をメッシュで表現した解析メッシュを生成する必要が
ある。例えば、車両中の個々の部材の形状をメッシュで
表現した部材メッシュを車両全体に重合・拡張し、全て
の部材を含む実車全体の車両メッシュを生成する。この
場合、車両全体に対して部材メッシュを重ね合わせてい
くため、複雑な車両メッシュのメッシュ数が膨大にな
る。また、車両全体に対する電着塗装解析に要する演算
量も膨大になる。したがって、効率的なメッシュ生成と
解析とを行うためにはコンピュータに高い処理能力が要
求される。しかしながら、一般に普及しているパーソナ
ルコンピュータの処理能力には限界があるため、車両モ
デルの解析メッシュを生成するのに、或いは、車両ベー
スでの塗膜量を予測するのに長時間を要するという問題
がある。
【０００４】本発明は、かかる事情に鑑みてなされたも
のであり、その目的は、車両モデルベースでの電着塗装
解析を実施しなくても、実車の塗膜厚を予測可能にする
ことである。
のであり、その目的は、車両モデルベースでの電着塗装
解析を実施しなくても、実車の塗膜厚を予測可能にする
ことである。
【０００５】また、本発明の別の目的は、実車の塗膜厚
予測に要する演算量の低減を図り、実車の塗膜厚を効率
的に算出可能にすることである。
予測に要する演算量の低減を図り、実車の塗膜厚を効率
的に算出可能にすることである。
【０００６】
【課題を解決するための手段】かかる課題を解決するた
めに、第１の発明は、電着塗装ラインを用いて電着塗装
を行おうとする対象車に関して、実車状態の塗膜厚を予
測する方法を提供する。この予測方法は、コンピュータ
を用いて、対象車の一部を構成する構成部材を解析対象
にした電着塗装解析を行い、構成部材の塗膜厚解析値を
算出する第１のステップと、コンピュータが、予め用意
された相関予測式に基づいて、塗膜厚解析値から、対象
車に関する実車状態の塗膜厚を予測する第２のステップ
とを有する。相関予測式は、対象車が電着塗装を行おう
とする電着塗装ラインにおいて既に電着塗装が行われた
量産車に関する実車状態の塗膜厚と、量産車の一部を構
成する構成部材を解析対象にした電着塗装解析より得ら
れる構成部材の塗膜厚解析値との相関関係を規定してい
る。その際、量産車の一部を構成する構成部材と、量産
車の一部を構成する構成部材とを同一にすれば、塗膜厚
の予測精度の向上を図ることができる。
めに、第１の発明は、電着塗装ラインを用いて電着塗装
を行おうとする対象車に関して、実車状態の塗膜厚を予
測する方法を提供する。この予測方法は、コンピュータ
を用いて、対象車の一部を構成する構成部材を解析対象
にした電着塗装解析を行い、構成部材の塗膜厚解析値を
算出する第１のステップと、コンピュータが、予め用意
された相関予測式に基づいて、塗膜厚解析値から、対象
車に関する実車状態の塗膜厚を予測する第２のステップ
とを有する。相関予測式は、対象車が電着塗装を行おう
とする電着塗装ラインにおいて既に電着塗装が行われた
量産車に関する実車状態の塗膜厚と、量産車の一部を構
成する構成部材を解析対象にした電着塗装解析より得ら
れる構成部材の塗膜厚解析値との相関関係を規定してい
る。その際、量産車の一部を構成する構成部材と、量産
車の一部を構成する構成部材とを同一にすれば、塗膜厚
の予測精度の向上を図ることができる。
【０００７】ここで、上記第２のステップにおいて、相
関予測式として、少なくとも、構成部材の塗膜厚解析値
を入力変数とした関数を用いてもよい。また、相関予測
式として、少なくとも、構成部材の塗膜厚解析値を入力
としたニューラルネットワークを用いてもよい。
関予測式として、少なくとも、構成部材の塗膜厚解析値
を入力変数とした関数を用いてもよい。また、相関予測
式として、少なくとも、構成部材の塗膜厚解析値を入力
としたニューラルネットワークを用いてもよい。
【０００８】また、上記第２のステップは、コンピュー
タが、相関予測式より算出された、対象車に関する実車
状態の塗膜厚に対して、電着設備条件または電着液特性
を考慮した補正を行う第３のステップを含むことが好ま
しい。この場合、第３のステップは、少なくとも電着設
備条件または電着液特性を入力としたニューラルネット
ワークを用いて行うことが望ましい。
タが、相関予測式より算出された、対象車に関する実車
状態の塗膜厚に対して、電着設備条件または電着液特性
を考慮した補正を行う第３のステップを含むことが好ま
しい。この場合、第３のステップは、少なくとも電着設
備条件または電着液特性を入力としたニューラルネット
ワークを用いて行うことが望ましい。
【０００９】また、上記第１のステップは、構成部材に
関して解析メッシュを生成するステップと、解析メッシ
ュに対して、電着液が外部から浸入しない処理を施すス
テップとを含むことが好ましい。
関して解析メッシュを生成するステップと、解析メッシ
ュに対して、電着液が外部から浸入しない処理を施すス
テップとを含むことが好ましい。
【００１０】第２の発明は、電着塗装ラインを用いて電
着塗装を行おうとする対象車に関して、実車状態の塗膜
厚を予測するシステムを提供する。この予測システム
は、記憶装置とコンピュータとを有する。記憶装置に
は、予測相関式が記憶されている。この予測相関式は、
対象車が電着塗装を行おうとする電着塗装ラインにおい
て既に電着塗装が行われた量産車に関する実車状態の塗
膜厚と、量産車の一部を構成する構成部材を解析対象に
した電着塗装解析より得られる構成部材の塗膜厚解析値
との相関関係を規定している。コンピュータは、対象車
の一部を構成する構成部材を解析対象にした電着塗装解
析を行い、構成部材の塗膜厚解析値を算出する。また、
コンピュータは、相関予測式に基づいて、塗膜厚解析値
から、対象車に関する実車状態の塗膜厚を予測する。そ
の際、量産車の一部を構成する構成部材と、量産車の一
部を構成する構成部材とを同一にすれば、塗膜厚の予測
精度の向上を図ることができる。
着塗装を行おうとする対象車に関して、実車状態の塗膜
厚を予測するシステムを提供する。この予測システム
は、記憶装置とコンピュータとを有する。記憶装置に
は、予測相関式が記憶されている。この予測相関式は、
対象車が電着塗装を行おうとする電着塗装ラインにおい
て既に電着塗装が行われた量産車に関する実車状態の塗
膜厚と、量産車の一部を構成する構成部材を解析対象に
した電着塗装解析より得られる構成部材の塗膜厚解析値
との相関関係を規定している。コンピュータは、対象車
の一部を構成する構成部材を解析対象にした電着塗装解
析を行い、構成部材の塗膜厚解析値を算出する。また、
コンピュータは、相関予測式に基づいて、塗膜厚解析値
から、対象車に関する実車状態の塗膜厚を予測する。そ
の際、量産車の一部を構成する構成部材と、量産車の一
部を構成する構成部材とを同一にすれば、塗膜厚の予測
精度の向上を図ることができる。
【００１１】第３の発明は、電着塗装ラインを用いて電
着塗装を行おうとする対象車に関して、実車状態の塗膜
厚を予測する方法をコンピュータに実行させるプログラ
ムが記録された記録媒体を提供する。この記録媒体に
は、対象車の一部を構成する構成部材を解析対象にした
電着塗装解析を行い、構成部材の塗膜厚解析値を算出す
る第１のステップと、コンピュータが、予め用意された
相関予測式に基づいて、塗膜厚解析値から、対象車に関
する実車状態の塗膜厚を予測する第２のステップとを有
する塗膜厚予測方法をコンピュータに実行させるプログ
ラムが記録されている。ここで、相関予測式は、対象車
が電着塗装を行おうとする電着塗装ラインにおいて既に
電着塗装が行われた量産車に関する実車状態の塗膜厚
と、量産車の一部を構成する構成部材を解析対象にした
電着塗装解析より得られる構成部材の塗膜厚解析値との
相関関係を規定している。ここで、量産車の一部を構成
する構成部材と、量産車の一部を構成する構成部材とを
同一にすれば、塗膜厚の予測精度の向上を図ることがで
きる。
着塗装を行おうとする対象車に関して、実車状態の塗膜
厚を予測する方法をコンピュータに実行させるプログラ
ムが記録された記録媒体を提供する。この記録媒体に
は、対象車の一部を構成する構成部材を解析対象にした
電着塗装解析を行い、構成部材の塗膜厚解析値を算出す
る第１のステップと、コンピュータが、予め用意された
相関予測式に基づいて、塗膜厚解析値から、対象車に関
する実車状態の塗膜厚を予測する第２のステップとを有
する塗膜厚予測方法をコンピュータに実行させるプログ
ラムが記録されている。ここで、相関予測式は、対象車
が電着塗装を行おうとする電着塗装ラインにおいて既に
電着塗装が行われた量産車に関する実車状態の塗膜厚
と、量産車の一部を構成する構成部材を解析対象にした
電着塗装解析より得られる構成部材の塗膜厚解析値との
相関関係を規定している。ここで、量産車の一部を構成
する構成部材と、量産車の一部を構成する構成部材とを
同一にすれば、塗膜厚の予測精度の向上を図ることがで
きる。
【００１２】
【発明の実施の形態】（システム構成）図１は、本実施
形態に係る実車の塗膜厚予測システムの構成図であり、
このシステムを用いて、電着塗装ラインを用いて電着塗
装を行おうとする実車に関して、実車状態の塗膜厚を予
測する。このシステムは、コンピュータ１０，キーボー
ドやマウス等の入力装置１１，ＣＲＴや液晶ディスプレ
イ等の表示装置１２および磁気ディスク等の記憶装置１
３で構成されている。コンピュータ１０は、ＣＰＵ，Ｒ
ＡＭ，ＲＯＭ，入出力インターフェース等で構成された
周知なものである。このコンピュータ１０は、解析対象
である実車（対象車）の一部を構成するある構成部材
（部材単体または複数部材の組立体）の電着塗装解析を
行うとともに、その解析結果（塗膜厚解析値）に基づ
き、この対象車に関する電着塗装ラインにおける実車レ
ベルの塗膜厚を予測する。オペレータは、表示装置１２
に表示された情報に基づき、入力装置１１を操作して、
解析対象となる構成部材の指定や数値の入力等を行う。
形態に係る実車の塗膜厚予測システムの構成図であり、
このシステムを用いて、電着塗装ラインを用いて電着塗
装を行おうとする実車に関して、実車状態の塗膜厚を予
測する。このシステムは、コンピュータ１０，キーボー
ドやマウス等の入力装置１１，ＣＲＴや液晶ディスプレ
イ等の表示装置１２および磁気ディスク等の記憶装置１
３で構成されている。コンピュータ１０は、ＣＰＵ，Ｒ
ＡＭ，ＲＯＭ，入出力インターフェース等で構成された
周知なものである。このコンピュータ１０は、解析対象
である実車（対象車）の一部を構成するある構成部材
（部材単体または複数部材の組立体）の電着塗装解析を
行うとともに、その解析結果（塗膜厚解析値）に基づ
き、この対象車に関する電着塗装ラインにおける実車レ
ベルの塗膜厚を予測する。オペレータは、表示装置１２
に表示された情報に基づき、入力装置１１を操作して、
解析対象となる構成部材の指定や数値の入力等を行う。
【００１３】記憶装置１３には、対象車の一部を構成す
る構成部材をメッシュで表現した部材メッシュデータ、
塗装環境をメッシュ表現したバックグラウンドメッシュ
メッシュ等が記憶されている。これらのデータは、構成
部材ベースでの電着塗装解析を行う際に用いられる。ま
た、記憶装置１３には、後述する相関予測式も記憶され
ており、対象車に関する実車レベルの塗膜厚は、この相
関予測式を用いて、構成部材ベースの解析結果から一義
的に算出される。なお、後述するコンピュータ処理の過
程で生成された電着塗装の解析結果も記憶装置１３に記
憶される。
る構成部材をメッシュで表現した部材メッシュデータ、
塗装環境をメッシュ表現したバックグラウンドメッシュ
メッシュ等が記憶されている。これらのデータは、構成
部材ベースでの電着塗装解析を行う際に用いられる。ま
た、記憶装置１３には、後述する相関予測式も記憶され
ており、対象車に関する実車レベルの塗膜厚は、この相
関予測式を用いて、構成部材ベースの解析結果から一義
的に算出される。なお、後述するコンピュータ処理の過
程で生成された電着塗装の解析結果も記憶装置１３に記
憶される。
【００１４】図２は、実車の塗膜厚予測の手順を示すフ
ローチャートである。まず、ステップ１において、対象
車のある構成部材（部材単体または複数部材の組立体）
を解析対象とし、標準塗料を用いた構成部材ベースの電
着塗装解析を行う。この解析結果として、その構成部材
の塗膜厚Ｘ（塗膜厚解析値）が算出される。
ローチャートである。まず、ステップ１において、対象
車のある構成部材（部材単体または複数部材の組立体）
を解析対象とし、標準塗料を用いた構成部材ベースの電
着塗装解析を行う。この解析結果として、その構成部材
の塗膜厚Ｘ（塗膜厚解析値）が算出される。
【００１５】図３は、構成部材ベースの電着塗装解析の
一例を示すフローチャートである。この解析手順自体は
周知なものであるので、概略的に説明する。まず、ステ
ップ１１では初期設定が行われる。このステップでは、
注目している部位(例えば、フロントピラーやセンター
ピラー)の解析メッシュを入力し、境界条件や計算条件
を設定する。構成部材ベースで解析を行うに際して、部
材切断面から電着液が部材組立体内部に浸入するのを防
ぐため、解析対象となる切出した構成部材(テストピー
ス)に対して、計算上の詰め物や蓋等に相当する端面修
正を施しておく。外部からの電着液浸入を阻止する処理
を施すことにより、解析精度の向上を図る。
一例を示すフローチャートである。この解析手順自体は
周知なものであるので、概略的に説明する。まず、ステ
ップ１１では初期設定が行われる。このステップでは、
注目している部位(例えば、フロントピラーやセンター
ピラー)の解析メッシュを入力し、境界条件や計算条件
を設定する。構成部材ベースで解析を行うに際して、部
材切断面から電着液が部材組立体内部に浸入するのを防
ぐため、解析対象となる切出した構成部材(テストピー
ス)に対して、計算上の詰め物や蓋等に相当する端面修
正を施しておく。外部からの電着液浸入を阻止する処理
を施すことにより、解析精度の向上を図る。
【００１６】ステップ１２では、計算のタイムステップ
をΔtだけ進め、続くステップ１３では、現在の時刻ｔ
における電極電圧等の電位境界条件を更新する。そし
て、有限体積法、有限要素法、或いは有限差分法等によ
り、電位拡散方程式を解いて、電着液槽内の電位分布を
計算する（ステップ１４）。これにより得られた電位分
布に基づいて、部材表面に吸着している塗料の膜厚抵抗
を考慮して部材表面の電流密度を求める（ステップ１
５）。つぎに、予め基礎実験等によって確認しておいた
電流密度と塗膜厚との予測式より、電流密度から、部材
表面における塗膜析出量ΔＸを算出する（ステップ１
６）。続くステップ１７において、従前の塗膜厚Ｘ(１
タイムステップ前の塗膜厚)に今回算出された塗膜析出
量ΔＸを加えることで塗膜厚Ｘを更新する（現在の時刻
ｔにおける塗膜厚に相当）。そして、ステップ１８にお
いて、現在の時刻ｔと解析終了時刻ｔENDとを比較し
て、解析終了であるか否かを判断する。解析終了時刻ｔ
ENDに到達していない場合にはステップ１２に戻り、解
析終了時刻ｔENDに到達するまでステップ１２〜１８の
手順を繰返し実行する。やがて解析終了時刻ｔENDに到
達すると、ステップ１８からステップ１９に進んで塗膜
厚Ｘを出力し、電着塗装解析を終了する。
をΔtだけ進め、続くステップ１３では、現在の時刻ｔ
における電極電圧等の電位境界条件を更新する。そし
て、有限体積法、有限要素法、或いは有限差分法等によ
り、電位拡散方程式を解いて、電着液槽内の電位分布を
計算する（ステップ１４）。これにより得られた電位分
布に基づいて、部材表面に吸着している塗料の膜厚抵抗
を考慮して部材表面の電流密度を求める（ステップ１
５）。つぎに、予め基礎実験等によって確認しておいた
電流密度と塗膜厚との予測式より、電流密度から、部材
表面における塗膜析出量ΔＸを算出する（ステップ１
６）。続くステップ１７において、従前の塗膜厚Ｘ(１
タイムステップ前の塗膜厚)に今回算出された塗膜析出
量ΔＸを加えることで塗膜厚Ｘを更新する（現在の時刻
ｔにおける塗膜厚に相当）。そして、ステップ１８にお
いて、現在の時刻ｔと解析終了時刻ｔENDとを比較し
て、解析終了であるか否かを判断する。解析終了時刻ｔ
ENDに到達していない場合にはステップ１２に戻り、解
析終了時刻ｔENDに到達するまでステップ１２〜１８の
手順を繰返し実行する。やがて解析終了時刻ｔENDに到
達すると、ステップ１８からステップ１９に進んで塗膜
厚Ｘを出力し、電着塗装解析を終了する。
【００１７】図２のステップ１に続くステップ２では、
構成部材ベースの電着塗装解析によって算出された塗膜
厚Ｘから、記憶装置１３中に予め設定された相関予測式
に基づいて、対象車に関する実車状態の塗膜厚Ｙを算出
する。ここで、構成部材ベースとは、対象車全体を解析
対象にするのではなく、対象車の一部を構成する一構成
部材を解析対象することをいう。また、この相関予測式
は、「量産車」に関する実車状態の塗膜厚と、「量産
車」の一部を構成する構成部材の塗膜厚解析値との相関
関係を規定している。ここで、「量産車」とは、対象車
が電着塗装を行おうとする電着塗装ラインにおいて既に
電着塗装が行われた車であり、例えば、前型車や類似車
が挙げられる。すなわち、量産車は、今回塗膜状態を予
測しようとしている実車そのものではなく、同一の電着
塗装ラインで電着塗装が既に行われた車である。また、
量産車の構成部材に関する塗膜厚解析値は、この構成部
材を解析対象に電着塗装解析を行うことにより得られ
る。なお、予測精度の向上を図るために、量産車の構成
部材は、対象車の構成部材と同一部材であることが好ま
しい。
構成部材ベースの電着塗装解析によって算出された塗膜
厚Ｘから、記憶装置１３中に予め設定された相関予測式
に基づいて、対象車に関する実車状態の塗膜厚Ｙを算出
する。ここで、構成部材ベースとは、対象車全体を解析
対象にするのではなく、対象車の一部を構成する一構成
部材を解析対象することをいう。また、この相関予測式
は、「量産車」に関する実車状態の塗膜厚と、「量産
車」の一部を構成する構成部材の塗膜厚解析値との相関
関係を規定している。ここで、「量産車」とは、対象車
が電着塗装を行おうとする電着塗装ラインにおいて既に
電着塗装が行われた車であり、例えば、前型車や類似車
が挙げられる。すなわち、量産車は、今回塗膜状態を予
測しようとしている実車そのものではなく、同一の電着
塗装ラインで電着塗装が既に行われた車である。また、
量産車の構成部材に関する塗膜厚解析値は、この構成部
材を解析対象に電着塗装解析を行うことにより得られ
る。なお、予測精度の向上を図るために、量産車の構成
部材は、対象車の構成部材と同一部材であることが好ま
しい。
【００１８】相関予測式は、下記の手法１〜２のいずれ
かによって設定される。
かによって設定される。
【００１９】（手法１）相関予測式として下式の重相関
関数ｆ（Ｘ，Ｌ，Ａ，Ｈ，・・・）を用いる（Ｘ，Ｌ，
Ａ，Ｈは入力変数、Ｃ0〜Ｃ4は係数）。
関数ｆ（Ｘ，Ｌ，Ａ，Ｈ，・・・）を用いる（Ｘ，Ｌ，
Ａ，Ｈは入力変数、Ｃ0〜Ｃ4は係数）。
【数１】
Ｙ＝Ｃ0＋Ｃ1・Ｘ＋Ｃ2・Ｌ＋Ｃ3・Ａ＋Ｃ4・Ｈ＋…
【００２０】ここで、変数Ｙは、量産車に関する実車状
態の塗膜厚（塗膜析出量）であり、変数Ｘは、量産車の
一部を構成する構成部材の塗膜析出量（構成部材ベース
の電着塗装解析による塗膜厚）である。また、変数Ｌ
は、予測点と穴(電着穴や構造上の穴)との間の距離、変
数Ｌは、変数Ｌの対象となる穴面積、変数Ｈは部材間距
離である。例えば、図４にように、ある部材に２つの電
着穴と構造上の穴とが形成されている場合、予測点から
３つの穴までの距離Ｌ１，Ｌ２，Ｌ３が入力変数とな
り、３つの穴の面積Ａ１，Ａ２，Ａ３が入力変数とな
る。また、図５に示すように、互いに対向した２つの部
材Ａ，Ｂ間の距離Ｈは、部材Ｂ側の予測点から部材Ａま
での距離として特定される。
態の塗膜厚（塗膜析出量）であり、変数Ｘは、量産車の
一部を構成する構成部材の塗膜析出量（構成部材ベース
の電着塗装解析による塗膜厚）である。また、変数Ｌ
は、予測点と穴(電着穴や構造上の穴)との間の距離、変
数Ｌは、変数Ｌの対象となる穴面積、変数Ｈは部材間距
離である。例えば、図４にように、ある部材に２つの電
着穴と構造上の穴とが形成されている場合、予測点から
３つの穴までの距離Ｌ１，Ｌ２，Ｌ３が入力変数とな
り、３つの穴の面積Ａ１，Ａ２，Ａ３が入力変数とな
る。また、図５に示すように、互いに対向した２つの部
材Ａ，Ｂ間の距離Ｈは、部材Ｂ側の予測点から部材Ａま
での距離として特定される。
【００２１】なお、数式１において、塗膜厚Ｘは、必須
の入力変数であるが、それ以外の変数Ｌ，Ａ，Ｋに関し
ては、すべてを入力変数とする必要は必ずしもなく、予
測精度との関係で適宜選択して適用してもよい。
の入力変数であるが、それ以外の変数Ｌ，Ａ，Ｋに関し
ては、すべてを入力変数とする必要は必ずしもなく、予
測精度との関係で適宜選択して適用してもよい。
【００２２】実車状態の塗膜厚Ｙ（塗膜析出量）は、構
成部材ベースの電着塗装解析により算出された構成部材
の塗膜厚Ｘを必須の入力変数とた相関予測式に基づい
て、一義的に算出される。構成部材の塗膜厚Ｘが厚いほ
ど実車の塗膜厚Ｙも厚くなるという関係からわかるよう
に、両変数Ｘ，Ｙの間には明確な相関関係がある。そこ
で、実験やシミュレーション等を通じて、係数Ｃ0〜Ｃ4
の値を適切に設定すれば、構成部材ベースの塗膜厚Ｘか
ら実車の電着塗装ライン上における実車塗膜厚Ｙ（実車
状態の塗膜厚）を予測することが可能となる。
成部材ベースの電着塗装解析により算出された構成部材
の塗膜厚Ｘを必須の入力変数とた相関予測式に基づい
て、一義的に算出される。構成部材の塗膜厚Ｘが厚いほ
ど実車の塗膜厚Ｙも厚くなるという関係からわかるよう
に、両変数Ｘ，Ｙの間には明確な相関関係がある。そこ
で、実験やシミュレーション等を通じて、係数Ｃ0〜Ｃ4
の値を適切に設定すれば、構成部材ベースの塗膜厚Ｘか
ら実車の電着塗装ライン上における実車塗膜厚Ｙ（実車
状態の塗膜厚）を予測することが可能となる。
【００２３】なお、相関予測式は数式１の重相関関数ｆ
の代わりに、入力変数Ｘ1〜Ｘ4と塗膜析出量Ｙとの対応
関係を記述したテーブルであってもよい。また、重相関
関数ｆを予め複数用意しておいて、個々の電着塗装のケ
ースに応じて、適宜のものを選択して適用してもよい。
の代わりに、入力変数Ｘ1〜Ｘ4と塗膜析出量Ｙとの対応
関係を記述したテーブルであってもよい。また、重相関
関数ｆを予め複数用意しておいて、個々の電着塗装のケ
ースに応じて、適宜のものを選択して適用してもよい。
【００２４】（第２のケース）相関予測式としてニュー
ラルネットワークを利用する。図６は、一般的なニュー
ラルネットワークの基本構成を示す図である。入力層、
中間層および出力層からなる階層型ニューラルネットワ
ークにおいて、それぞれの層は、同一機能を有する複数
の素子で構成されている。それぞれの素子は、固有の重
み係数ｗijで結合されている。
ラルネットワークを利用する。図６は、一般的なニュー
ラルネットワークの基本構成を示す図である。入力層、
中間層および出力層からなる階層型ニューラルネットワ
ークにおいて、それぞれの層は、同一機能を有する複数
の素子で構成されている。それぞれの素子は、固有の重
み係数ｗijで結合されている。
【００２５】図７は、素子の内部構造の説明図である。
それぞれの素子は、入力データｙiに対して数式２，３
に示す計算を行い、その演算結果を出力データＹjして
出力する。ここで、ｗijは、ｉ番目の素子とｊ番目の素
子との間の重み係数であり、θjはしきい値である。
それぞれの素子は、入力データｙiに対して数式２，３
に示す計算を行い、その演算結果を出力データＹjして
出力する。ここで、ｗijは、ｉ番目の素子とｊ番目の素
子との間の重み係数であり、θjはしきい値である。
【数２】
【数３】
【００２６】数式３は、シグモイド関数と呼ばれ、ニュ
ーラルネットワーク素子の関数として一般的に用いられ
ている。図８は、シグモイド関数の入出力特性図であ
る。この特性図からわかるように、シグモイド関数は０
から１まで連続的に変化し、しきい値θjが小さくなる
につれて、ステップ関数に近づいていく。
ーラルネットワーク素子の関数として一般的に用いられ
ている。図８は、シグモイド関数の入出力特性図であ
る。この特性図からわかるように、シグモイド関数は０
から１まで連続的に変化し、しきい値θjが小さくなる
につれて、ステップ関数に近づいていく。
【００２７】ニューラルネットワークによる推定結果の
精度向上を図るためには、重み係数ｗijとしきい値θj
とを適切に調整する必要がある。この調整（学習ともい
う）は、Back-Propagation法と呼ばれる手法を用いて行
う。これは、学習するための教師用データを予め用意
し、結果が教師用データと一致するように学習を進め、
重み係数ｗijとしきい値θjとを決定する方法である。
重み係数ｗijとしきい値θjとの初期値は、ともに乱数
で与える。入力データをニューラルネットワークの入力
層素子に入力し、出力層素子からの出力結果を教師用デ
ータの値と比較し、下記の数式４で表される誤差Ｅを算
出する。ここで、Ｙkは、ニューラルネットワーク出力
素子の出力値、Ｄkは望ましい出力値、ｎは教師用デー
タ数である。
精度向上を図るためには、重み係数ｗijとしきい値θj
とを適切に調整する必要がある。この調整（学習ともい
う）は、Back-Propagation法と呼ばれる手法を用いて行
う。これは、学習するための教師用データを予め用意
し、結果が教師用データと一致するように学習を進め、
重み係数ｗijとしきい値θjとを決定する方法である。
重み係数ｗijとしきい値θjとの初期値は、ともに乱数
で与える。入力データをニューラルネットワークの入力
層素子に入力し、出力層素子からの出力結果を教師用デ
ータの値と比較し、下記の数式４で表される誤差Ｅを算
出する。ここで、Ｙkは、ニューラルネットワーク出力
素子の出力値、Ｄkは望ましい出力値、ｎは教師用デー
タ数である。
【数４】
【００２８】つぎに、数式５により算出された誤差Ｅに
対する各重み係数ｗij、しきい値の寄与率∂Ｅ/∂ｗi
j，∂Ｅ/∂θjを求め、数式５，６に基づき、各重み係
数の変化量Δｗij(t+1)、しきい値の変化量Δθj(t+1)
を算出する。
対する各重み係数ｗij、しきい値の寄与率∂Ｅ/∂ｗi
j，∂Ｅ/∂θjを求め、数式５，６に基づき、各重み係
数の変化量Δｗij(t+1)、しきい値の変化量Δθj(t+1)
を算出する。
【数５】
【数６】
【００２９】ここで、α，β，γ，εは定数であり、α
＝γ＝0.1，β＝ε＝0.9とする。また、Δｗij(t)は１
学習前の重み係数の修正量であり、Δθj(t)は、１学習
前のしきい値の修正量である。上述した重み係数ｗij，
しきい値θjに対する修正を繰り返して学習を進める。
学習回数は、１教師データ当たり500回以上とする。
＝γ＝0.1，β＝ε＝0.9とする。また、Δｗij(t)は１
学習前の重み係数の修正量であり、Δθj(t)は、１学習
前のしきい値の修正量である。上述した重み係数ｗij，
しきい値θjに対する修正を繰り返して学習を進める。
学習回数は、１教師データ当たり500回以上とする。
【００３０】図９は、実車の塗膜厚Ｙを予測するニュー
ラルネットワークの構成図である。同図に示した３層モ
デルのように、入力層の素子数は２つ以上必要であり、
構成部材ベースの解析結果である塗膜厚Ｘ以外に、予測
点と穴(電着穴や構造上の穴)との距離Ｌ、Ｌの対象とな
る穴面積Ａ、部材間距離Ｈ等を設定する。なお、上述し
た手法１と同様に、距離Ｌ、穴面積Ａ、部材間距離Ｈの
すべてを入力とする必要は必ずしもなく、必要に応じて
適宜の変数を適用すればよい。また、中間層の素子数に
関しては、理論的に求める方法がないため、中間層の素
子数を変えた場合に推定精度がどのように変化するかを
調べた上で適切な数を設定する。出力層の素子からの出
力が実車レベルの塗膜厚Ｙ（塗膜析出量）に相当する。
ラルネットワークの構成図である。同図に示した３層モ
デルのように、入力層の素子数は２つ以上必要であり、
構成部材ベースの解析結果である塗膜厚Ｘ以外に、予測
点と穴(電着穴や構造上の穴)との距離Ｌ、Ｌの対象とな
る穴面積Ａ、部材間距離Ｈ等を設定する。なお、上述し
た手法１と同様に、距離Ｌ、穴面積Ａ、部材間距離Ｈの
すべてを入力とする必要は必ずしもなく、必要に応じて
適宜の変数を適用すればよい。また、中間層の素子数に
関しては、理論的に求める方法がないため、中間層の素
子数を変えた場合に推定精度がどのように変化するかを
調べた上で適切な数を設定する。出力層の素子からの出
力が実車レベルの塗膜厚Ｙ（塗膜析出量）に相当する。
【００３１】この手法２では、ステップ１の電着塗装解
析で算出された部材塗膜厚Ｘを必須の入力とし、かつ、
距離Ｌ、穴面積Ａ、部材間距離Ｈを適宜入力としたニュ
ーラルネットワークを用いて、実車塗膜厚Ｙを求めてい
る。非線形的な現象の予測に適したニューラルネットワ
ークを用いることで、手法１の重相関関数ｆを用いる場
合と比べて、実車塗膜厚Ｙの予測精度を向上させること
ができる。
析で算出された部材塗膜厚Ｘを必須の入力とし、かつ、
距離Ｌ、穴面積Ａ、部材間距離Ｈを適宜入力としたニュ
ーラルネットワークを用いて、実車塗膜厚Ｙを求めてい
る。非線形的な現象の予測に適したニューラルネットワ
ークを用いることで、手法１の重相関関数ｆを用いる場
合と比べて、実車塗膜厚Ｙの予測精度を向上させること
ができる。
【００３２】ステップ３では、ステップ２で得られた実
車塗膜厚Ｙを必要に応じて補正する。ここでは、電圧パ
ターンや塗料特性との差異等を考慮した多次元関数やニ
ューラルネットワーク等により補正値を求め、この補正
値を用いて塗膜厚Ｙを補正する。図１０は、補正値算出
用ニューラルネットワークの構成図である。入力として
は、電着塗装の最大電圧（Ｍａｘ電圧）、電圧パター
ン、設備稼働状況等の電着設備条件と、塗料液温、塗料
特性等の電着液特性とを含む。このように、電着設備条
件や電着液特性等を入力としたニューラルネットワーク
を適用すれば、実状に適した最適な補正値を見出せ、電
着設備条件や電着液が変わった場合にも適用することが
できる。
車塗膜厚Ｙを必要に応じて補正する。ここでは、電圧パ
ターンや塗料特性との差異等を考慮した多次元関数やニ
ューラルネットワーク等により補正値を求め、この補正
値を用いて塗膜厚Ｙを補正する。図１０は、補正値算出
用ニューラルネットワークの構成図である。入力として
は、電着塗装の最大電圧（Ｍａｘ電圧）、電圧パター
ン、設備稼働状況等の電着設備条件と、塗料液温、塗料
特性等の電着液特性とを含む。このように、電着設備条
件や電着液特性等を入力としたニューラルネットワーク
を適用すれば、実状に適した最適な補正値を見出せ、電
着設備条件や電着液が変わった場合にも適用することが
できる。
【００３３】また、相関予測式としてニューラルネット
ワークを用い、かつ、補正値用のニューラルネットワー
クを用いる場合、図１１に示すような単一化したニュー
ラルネットワーク構成にしてもよい。この場合、入力
は、構成部材の塗膜厚Ｘ、部材間距離Ｈ、距離Ｌ、穴面
積Ａに、電着設備条件と塗料特性とを付加した形態にな
る。このような構成にすれば、予測精度の高い実車塗膜
厚Ｙを一度に求めることができ、ステップ３の補正処理
が不要になる。
ワークを用い、かつ、補正値用のニューラルネットワー
クを用いる場合、図１１に示すような単一化したニュー
ラルネットワーク構成にしてもよい。この場合、入力
は、構成部材の塗膜厚Ｘ、部材間距離Ｈ、距離Ｌ、穴面
積Ａに、電着設備条件と塗料特性とを付加した形態にな
る。このような構成にすれば、予測精度の高い実車塗膜
厚Ｙを一度に求めることができ、ステップ３の補正処理
が不要になる。
【００３４】そして、ステップ３に続くステップ４にお
いて補正された実車塗膜厚Ｙを出力し、処理を終了す
る。
いて補正された実車塗膜厚Ｙを出力し、処理を終了す
る。
【００３５】本実施形態では、注目している構成部材の
解析メッシュを用いて、この構成部材の電着塗装解析を
行い、構成部材レベルの塗膜厚Ｘを算出する。構成部材
レベルの塗膜厚Ｘと車両レベルの塗膜厚Ｙとは相関関係
にある。したがって、実験やシミュレーション等を通じ
て、両者の関係を相関予測式として事前に求めておけ
ば、車両モデルベースでの電着塗装解析を実施しなくて
も、実際の電着塗装ライン上における実車塗膜厚Ｙを効
率的に予測することが可能となる。
解析メッシュを用いて、この構成部材の電着塗装解析を
行い、構成部材レベルの塗膜厚Ｘを算出する。構成部材
レベルの塗膜厚Ｘと車両レベルの塗膜厚Ｙとは相関関係
にある。したがって、実験やシミュレーション等を通じ
て、両者の関係を相関予測式として事前に求めておけ
ば、車両モデルベースでの電着塗装解析を実施しなくて
も、実際の電着塗装ライン上における実車塗膜厚Ｙを効
率的に予測することが可能となる。
【００３６】また、複雑な車両モデルの解析メッシュを
生成する必要はなく、車両モデルベースでの電着塗装解
析を行う必要もない。演算量が比較的少ない構成部材ベ
ースでの電着塗装解析を行えば、実車レベルの塗膜厚Ｙ
を迅速に算出することができる。したがって、処理能力
がそれほど高くないパーソナルコンピュータでも、実車
の塗膜厚Ｙを効率的に予測することが可能となる。
生成する必要はなく、車両モデルベースでの電着塗装解
析を行う必要もない。演算量が比較的少ない構成部材ベ
ースでの電着塗装解析を行えば、実車レベルの塗膜厚Ｙ
を迅速に算出することができる。したがって、処理能力
がそれほど高くないパーソナルコンピュータでも、実車
の塗膜厚Ｙを効率的に予測することが可能となる。
【００３７】さらに、部材単体の電着塗装試験を実施す
る必要がないので、コストダウンと時間短縮とを図るこ
とができる。特に、本実施形態では、解析対象となる対
象車に先行して、同一の電着塗装ラインによって電着塗
装された量産車に関して、既に蓄積されているデータを
用いて、相関予測式を設定する。この相関予測式は、対
象となる電着塗装ライン固有の特性（例えば、塗料の流
れ、電極の位置等）を良好に反映している。したがっ
て、先行して実際に電着塗装が行われた量産車に関する
相関予測式を、それと同一の電着塗装ラインで電着塗装
を行おうとする対象車に適用すれば、その対象車に関す
る実車状態の塗膜厚を良好に予測することができる。そ
の際、対象車の構成部材と量産車の構成部材とを同一に
すれば、塗膜厚の予測精度を一層向上させることができ
る。
る必要がないので、コストダウンと時間短縮とを図るこ
とができる。特に、本実施形態では、解析対象となる対
象車に先行して、同一の電着塗装ラインによって電着塗
装された量産車に関して、既に蓄積されているデータを
用いて、相関予測式を設定する。この相関予測式は、対
象となる電着塗装ライン固有の特性（例えば、塗料の流
れ、電極の位置等）を良好に反映している。したがっ
て、先行して実際に電着塗装が行われた量産車に関する
相関予測式を、それと同一の電着塗装ラインで電着塗装
を行おうとする対象車に適用すれば、その対象車に関す
る実車状態の塗膜厚を良好に予測することができる。そ
の際、対象車の構成部材と量産車の構成部材とを同一に
すれば、塗膜厚の予測精度を一層向上させることができ
る。
【００３８】なお、対象車と量産車との構造上の相違
は、相関予測式には反映できないため、構造上の相違に
起因した塗膜厚は相関予測式自体では評価できない。し
かしながら、本実施形態では、相関予測式の入力変数Ｘ
を、対象車の構成部材を解析対象にした電着塗装解析よ
り算出している。この入力変数Ｘは、対象車と量産車と
の間における構造上の相違を反映している。これによ
り、異車種の蓄積データより特定された相関予測式であ
っても、対象車に関する実車状態の塗膜厚を精度よく検
出することができる。
は、相関予測式には反映できないため、構造上の相違に
起因した塗膜厚は相関予測式自体では評価できない。し
かしながら、本実施形態では、相関予測式の入力変数Ｘ
を、対象車の構成部材を解析対象にした電着塗装解析よ
り算出している。この入力変数Ｘは、対象車と量産車と
の間における構造上の相違を反映している。これによ
り、異車種の蓄積データより特定された相関予測式であ
っても、対象車に関する実車状態の塗膜厚を精度よく検
出することができる。
【００３９】なお、上述した実施形態の機能を実現する
コンピュータプログラムを記録した記録媒体を、図１の
ような構成を有するシステムに対して供給してもよい。
この場合、このシステム中のコンピュータ１が、記録媒
体に格納されたコンピュータプログラムを読み取り実行
することによって、本発明の目的を達成することができ
る。したがって、記録媒体から読み取られたコンピュー
タプログラム自体が本発明の新規な機能を実現するた
め、そのプログラムを記録した記録媒体が本発明を構成
する。コンピュータプログラムを記録した記録媒体とし
ては、例えば、ＣＤ−ＲＯＭ、フレキシブルディスク、
ハードディスク、メモリカード、光ディスク、ＤＶＤ−
ＲＯＭ、ＤＶＤ−ＲＡＭ等が挙げられる。また、上述し
た実施形態の機能を実現するコンピュータプログラム自
体も新規な機能を有している。
コンピュータプログラムを記録した記録媒体を、図１の
ような構成を有するシステムに対して供給してもよい。
この場合、このシステム中のコンピュータ１が、記録媒
体に格納されたコンピュータプログラムを読み取り実行
することによって、本発明の目的を達成することができ
る。したがって、記録媒体から読み取られたコンピュー
タプログラム自体が本発明の新規な機能を実現するた
め、そのプログラムを記録した記録媒体が本発明を構成
する。コンピュータプログラムを記録した記録媒体とし
ては、例えば、ＣＤ−ＲＯＭ、フレキシブルディスク、
ハードディスク、メモリカード、光ディスク、ＤＶＤ−
ＲＯＭ、ＤＶＤ−ＲＡＭ等が挙げられる。また、上述し
た実施形態の機能を実現するコンピュータプログラム自
体も新規な機能を有している。
【００４０】
【発明の効果】本発明では、車両モデルベースでの電着
塗装解析を行わなくても、着目している構成部材の電着
塗装解析結果から実車の塗膜厚を一義的に算出する。し
たがって、車両モデルの解析メッシュを生成したり、車
両モデルベースでの電着塗装解析を行う必要がないの
で、少ない演算量で実車の塗膜厚を効率的に予測するこ
とが可能となる。
塗装解析を行わなくても、着目している構成部材の電着
塗装解析結果から実車の塗膜厚を一義的に算出する。し
たがって、車両モデルの解析メッシュを生成したり、車
両モデルベースでの電着塗装解析を行う必要がないの
で、少ない演算量で実車の塗膜厚を効率的に予測するこ
とが可能となる。
【図１】実車の塗膜厚予測システムの構成図
【図２】実車の塗膜厚予測手順を示すフローチャート
【図３】構成部材ベースの電着塗装解析のフローチャー
ト
ト
【図４】相関予測式における入力変数の説明図
【図５】相関予測式における入力変数の説明図
【図６】一般的なニューラルネットワークの基本構成を
示す図
示す図
【図７】素子の内部構造の説明図
【図８】シグモイド関数の入出力特性図
【図９】実車の塗膜厚を予測するニューラルネットワー
クの構成図
クの構成図
【図１０】補正値算出用ニューラルネットワークの構成
図
図
【図１１】単一化したニューラルネットワークの構成図
１０ コンピュータ
１１ 入力装置
１２ 表示装置
１３ 記憶装置
Claims (9)
- 【請求項１】電着塗装ラインを用いて電着塗装を行おう
とする対象車に関して、実車状態の塗膜厚を予測する方
法において、 コンピュータを用いて、前記対象車の一部を構成する構
成部材を解析対象にした電着塗装解析を行い、前記構成
部材の塗膜厚解析値を算出する第１のステップと、 コンピュータが、予め用意された相関予測式に基づい
て、前記塗膜厚解析値から、前記対象車に関する実車状
態の塗膜厚を予測する第２のステップとを有し、 前記相関予測式は、前記対象車が電着塗装を行おうとす
る電着塗装ラインにおいて既に電着塗装が行われた量産
車に関する実車状態の塗膜厚と、前記量産車の一部を構
成する前記構成部材を解析対象にした電着塗装解析より
得られる前記構成部材の塗膜厚解析値との相関関係を規
定していることを特徴とする実車の塗膜厚予測方法。 - 【請求項２】前記量産車の一部を構成する前記構成部材
は、前記量産車の一部を構成する前記構成部材と同一で
あることを特徴とする請求項１に記載された実車の塗膜
厚予測方法。 - 【請求項３】上記第２のステップにおいて、前記相関予
測式として、少なくとも、前記構成部材の塗膜厚解析値
を入力変数とした関数を用いることを特徴とする請求項
１または２に記載された実車の塗膜厚予測方法。 - 【請求項４】上記第２のステップにおいて、前記相関予
測式として、少なくとも、前記構成部材の塗膜厚解析値
を入力としたニューラルネットワークを用いることを特
徴とする請求項１または２に記載された実車の塗膜厚予
測方法。 - 【請求項５】上記第２のステップは、コンピュータが、
前記相関予測式より算出された、前記対象車に関する実
車状態の塗膜厚に対して、電着設備条件または電着液特
性を考慮した補正を行う第３のステップを含むことを特
徴とする請求項１から４のいずれかに記載された実車の
塗膜厚予測方法。 - 【請求項６】上記第３のステップは、少なくとも電着設
備条件または電着液特性を入力としたニューラルネット
ワークを用いて行うことを特徴とする請求項５に記載さ
れた実車の塗膜厚予測方法。 - 【請求項７】上記第１のステップは、 前記構成部材に関して解析メッシュを生成するステップ
と、 前記解析メッシュに対して、電着液が外部から浸入しな
い処理を施すステップとを含むことを特徴とする請求項
１から６のいずれかに記載された実車の塗膜厚予測方
法。 - 【請求項８】電着塗装ラインを用いて電着塗装を行おう
とする対象車に関して、実車状態の塗膜厚を予測するシ
ステムにおいて、 前記対象車が電着塗装を行おうとする電着塗装ラインに
おいて既に電着塗装が行われた量産車に関する実車状態
の塗膜厚と、前記量産車の一部を構成する構成部材を解
析対象にした電着塗装解析より得られる前記構成部材の
塗膜厚解析値との相関関係を規定した相関予測式を記憶
した記憶装置と、 前記対象車の一部を構成する構成部材を解析対象にした
電着塗装解析を行い、前記構成部材の塗膜厚解析値を算
出するとともに、前記相関予測式に基づいて、前記塗膜
厚解析値から、前記対象車に関する実車状態の塗膜厚を
予測するコンピュータとを有することを特徴とする実車
の塗膜厚予測システム。 - 【請求項９】電着塗装ラインを用いて電着塗装を行おう
とする対象車に関して、実車状態の塗膜厚を予測する方
法をコンピュータに実行させるプログラムが記録された
記録媒体において、 前記対象車の一部を構成する構成部材を解析対象にした
電着塗装解析を行い、前記構成部材の塗膜厚解析値を算
出する第１のステップと、 コンピュータが、予め用意された相関予測式に基づい
て、前記塗膜厚解析値から、前記対象車に関する実車状
態の塗膜厚を予測する第２のステップとを有し、 前記相関予測式は、前記対象車が電着塗装を行おうとす
る電着塗装ラインにおいて既に電着塗装が行われた量産
車に関する実車状態の塗膜厚と、前記量産車の一部を構
成する前記構成部材を解析対象にした電着塗装解析より
得られる前記構成部材の塗膜厚解析値との相関関係を規
定していることを特徴とする実車の塗膜厚予測方法をコ
ンピュータに実行させるプログラムが記録された記録媒
体。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002078283A JP4220169B2 (ja) | 2002-03-20 | 2002-03-20 | 実車の塗膜厚予測方法、実車の塗膜厚予測システムおよび記録媒体 |
| EP03006134.5A EP1351035B1 (en) | 2002-03-20 | 2003-03-18 | Paint film thickness predicting method, system, and recording medium |
| US10/390,716 US6816756B2 (en) | 2002-03-20 | 2003-03-19 | Paint film thickness predicting method and system for actual car, and recording medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002078283A JP4220169B2 (ja) | 2002-03-20 | 2002-03-20 | 実車の塗膜厚予測方法、実車の塗膜厚予測システムおよび記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003277993A true JP2003277993A (ja) | 2003-10-02 |
| JP4220169B2 JP4220169B2 (ja) | 2009-02-04 |
Family
ID=28035568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002078283A Expired - Fee Related JP4220169B2 (ja) | 2002-03-20 | 2002-03-20 | 実車の塗膜厚予測方法、実車の塗膜厚予測システムおよび記録媒体 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6816756B2 (ja) |
| EP (1) | EP1351035B1 (ja) |
| JP (1) | JP4220169B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017066486A (ja) * | 2015-09-30 | 2017-04-06 | 富士重工業株式会社 | 塗料の流動シミュレーション方法 |
| CN116770395A (zh) * | 2023-08-22 | 2023-09-19 | 深圳市互成自动化设备有限公司 | 一种电泳喷粉涂装质量监测方法及系统 |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7171394B2 (en) * | 2003-10-30 | 2007-01-30 | Ford Motor Company | Global paint process optimization |
| US7346474B2 (en) * | 2004-06-02 | 2008-03-18 | Fuji Jukogyo Kabushiki Kaisha | Method of analyzing residual fluid and computer readable medium |
| US20060031027A1 (en) * | 2004-08-03 | 2006-02-09 | Alman David H | Method and apparatus for predicting properties of a chemical mixture |
| US7606671B2 (en) * | 2007-12-12 | 2009-10-20 | Elcometer, Inc. | Method of quantifying paint and bodywork on automobiles and other painted objects using coating thickness gauges |
| US8244481B2 (en) * | 2009-12-09 | 2012-08-14 | Toyota Motor Engineering & Manufacturing North America, Inc. | Methods for utilizing paint formulations based on paint component risk scores |
| US8775341B1 (en) | 2010-10-26 | 2014-07-08 | Michael Lamport Commons | Intelligent control with hierarchical stacked neural networks |
| US9015093B1 (en) | 2010-10-26 | 2015-04-21 | Michael Lamport Commons | Intelligent control with hierarchical stacked neural networks |
| EP3330411A1 (en) * | 2016-12-02 | 2018-06-06 | Elsyca N.V. | Intelligent volume meshing for modelling electrochemical processes |
| CN110108245B (zh) * | 2019-05-22 | 2021-04-13 | 优信拍（北京）信息科技有限公司 | 车辆漆面情况的检测方法、装置及设备 |
| EP4065312A1 (en) * | 2019-11-27 | 2022-10-05 | 3M Innovative Properties Company | Robotic repair control systems and methods |
| CN111926367B (zh) * | 2020-08-25 | 2021-10-22 | 一汽解放青岛汽车有限公司 | 电泳工艺参数确定方法、装置、系统、设备和介质 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0278482B1 (en) * | 1987-02-10 | 1991-01-09 | Mazda Motor Corporation | Coating method |
| US5674562A (en) * | 1990-06-25 | 1997-10-07 | Lanxide Technology Company, Lp | Method for making self supporting composite bodies |
| JPH0559593A (ja) * | 1991-08-28 | 1993-03-09 | Kansai Paint Co Ltd | 電着塗装方法 |
| US5366690A (en) * | 1993-06-18 | 1994-11-22 | Combustion Engineering, Inc. | Zirconium alloy with tin, nitrogen, and niobium additions |
| US6185472B1 (en) * | 1995-12-28 | 2001-02-06 | Kabushiki Kaisha Toshiba | Semiconductor device manufacturing method, manufacturing apparatus, simulation method and simulator |
| US5941825A (en) * | 1996-10-21 | 1999-08-24 | Philipp Lang | Measurement of body fat using ultrasound methods and devices |
| US6128081A (en) * | 1996-11-22 | 2000-10-03 | Perceptron, Inc. | Method and system for measuring a physical parameter of at least one layer of a multilayer article without damaging the article and sensor head for use therein |
| CA2272956A1 (en) * | 1996-11-22 | 1998-05-28 | Autospect, Inc. | Physical parameter measuring apparatus and method thereof |
| DE60020673T2 (de) * | 1999-03-10 | 2005-11-10 | Ishikawajima-Harima Heavy Industries Co., Ltd. | Verfahren zum herstellen von warmgewalztem stahlblech |
| US6519037B2 (en) * | 1999-12-23 | 2003-02-11 | Lj Laboratories, Llc | Spectrometer having optical unit including a randomized fiber optic implement |
| US6219138B1 (en) * | 2000-01-10 | 2001-04-17 | The United States Of America As Represented By The Secretary Of The Navy | Particle sizing technique |
| JP3879384B2 (ja) * | 2000-03-31 | 2007-02-14 | 株式会社日立製作所 | 減肉予測情報の提供方法，減肉予測プログラムが記録されたコンピュータ読み取り可能な記録媒体及び配管工事計画の立案方法 |
| JP4554037B2 (ja) * | 2000-07-04 | 2010-09-29 | 東京エレクトロン株式会社 | 消耗品の消耗度予測方法及び堆積膜厚の予測方法 |
-
2002
- 2002-03-20 JP JP2002078283A patent/JP4220169B2/ja not_active Expired - Fee Related
-
2003
- 2003-03-18 EP EP03006134.5A patent/EP1351035B1/en not_active Expired - Fee Related
- 2003-03-19 US US10/390,716 patent/US6816756B2/en not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017066486A (ja) * | 2015-09-30 | 2017-04-06 | 富士重工業株式会社 | 塗料の流動シミュレーション方法 |
| CN116770395A (zh) * | 2023-08-22 | 2023-09-19 | 深圳市互成自动化设备有限公司 | 一种电泳喷粉涂装质量监测方法及系统 |
| CN116770395B (zh) * | 2023-08-22 | 2023-10-20 | 深圳市互成自动化设备有限公司 | 一种电泳喷粉涂装质量监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP1351035A3 (en) | 2011-05-18 |
| US20030182006A1 (en) | 2003-09-25 |
| EP1351035A2 (en) | 2003-10-08 |
| EP1351035B1 (en) | 2018-07-25 |
| JP4220169B2 (ja) | 2009-02-04 |
| US6816756B2 (en) | 2004-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110341690B (zh) | 一种基于确定性策略梯度学习的phev能量管理方法 | |
| Momennejad et al. | Predicting the future with multi-scale successor representations | |
| JP4220169B2 (ja) | 実車の塗膜厚予測方法、実車の塗膜厚予測システムおよび記録媒体 | |
| CN111753952A (zh) | 学习包括高斯过程的概率模型的参数 | |
| CN107704426A (zh) | 基于扩展小波神经网络模型的水位预测方法 | |
| CN115742855A (zh) | 电动汽车剩余里程预测方法、装置、电动汽车及介质 | |
| CN109540089B (zh) | 一种基于贝叶斯-克里金模型的桥面高程拟合方法 | |
| JP2002180295A (ja) | 電着塗装解析方法および電着塗装解析装置 | |
| Bonan et al. | Data assimilation for moving mesh methods with an application to ice sheet modelling | |
| CN113111256A (zh) | 基于深度知识图谱的生产工单推荐方法 | |
| CN116303786B (zh) | 一种基于多维数据融合算法的区块链金融大数据管理系统 | |
| JP2003049298A (ja) | 実車の塗膜厚予測方法、実車の塗膜厚予測システムおよび記録媒体 | |
| CN115236978B (zh) | 基于预测车速的等效因子调整系统及方法 | |
| CN115775156A (zh) | 基于混合学习模型的矿山经济评价原材料价格预测方法 | |
| CN114692529A (zh) | 一种cfd高维响应的不确定度量化方法、装置、计算机设备 | |
| Suzdaleva et al. | Recursive estimation of mixtures of exponential and normal distributions | |
| Chang et al. | A grey-based rolling procedure for short-term forecasting using limited time series data. | |
| Ali et al. | The use of ARIMA, LSTM and GRU models in time series hybridization with practical application | |
| Poongadan et al. | Non-linear Time Series Prediction using Improved CEEMDAN, SVD and LSTM | |
| JP2007002323A (ja) | 電着塗料使用量算出方法 | |
| CN117851736B (zh) | 一种基于模糊自适应寻优融合的气象要素插值方法 | |
| CN114822025B (zh) | 一种交通流量组合预测方法 | |
| Aqlani et al. | Comparative Analyisis of Software Cost Estimation Project using Algorithmic Method | |
| Munoz-Minjares et al. | Jitter representation in SCNA breakpoints using asymmetric exponential power distribution | |
| Yasui et al. | An Empirical and Conceptual Categorization of Value-based Exploration Methods |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050310 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060216 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060227 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060404 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060703 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060831 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20061017 |
|
| 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: 20081113 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111121 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121121 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121121 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131121 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| 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 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |