JP2017188032A - ポリマー組成物の性能の予測方法 - Google Patents
ポリマー組成物の性能の予測方法 Download PDFInfo
- Publication number
- JP2017188032A JP2017188032A JP2016078291A JP2016078291A JP2017188032A JP 2017188032 A JP2017188032 A JP 2017188032A JP 2016078291 A JP2016078291 A JP 2016078291A JP 2016078291 A JP2016078291 A JP 2016078291A JP 2017188032 A JP2017188032 A JP 2017188032A
- Authority
- JP
- Japan
- Prior art keywords
- polymer composition
- performance
- data
- polymer
- materials
- 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
- 229920000642 polymer Polymers 0.000 title claims abstract description 208
- 239000000203 mixture Substances 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000000463 material Substances 0.000 claims abstract description 70
- 238000005316 response function Methods 0.000 claims abstract description 43
- 238000002156 mixing Methods 0.000 claims abstract description 39
- 238000009826 distribution Methods 0.000 claims description 20
- 238000013329 compounding Methods 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 abstract 2
- 229920001971 elastomer Polymers 0.000 description 9
- 239000005060 rubber Substances 0.000 description 9
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 8
- 238000001179 sorption measurement Methods 0.000 description 8
- 239000006057 Non-nutritive feed additive Substances 0.000 description 6
- 239000000945 filler Substances 0.000 description 6
- 238000005227 gel permeation chromatography Methods 0.000 description 6
- 239000003921 oil Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- LZZYPRNAOMGNLH-UHFFFAOYSA-M Cetrimonium bromide Chemical compound [Br-].CCCCCCCCCCCCCCCC[N+](C)(C)C LZZYPRNAOMGNLH-UHFFFAOYSA-M 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 239000000377 silicon dioxide Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 244000043261 Hevea brasiliensis Species 0.000 description 2
- 239000005062 Polybutadiene Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 229920003052 natural elastomer Polymers 0.000 description 2
- 229920001194 natural rubber Polymers 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 229920002857 polybutadiene Polymers 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000003204 osmotic effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 229920003048 styrene butadiene rubber Polymers 0.000 description 1
- 238000005199 ultracentrifugation Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Landscapes
- Compositions Of Macromolecular Compounds (AREA)
Abstract
【課題】複数のポリマー及び複数の配合剤を含む個々の材料から構成されたポリマー組成物の性能を予測する。【解決手段】複数のポリマー及び複数の配合剤を含む個々の材料について、分子に関する情報を含む第１データを入力する工程Ｓ１、材料のいくつかを混合した複数種類のポリマー組成物について、材料の配合割合を含む第２データを入力する工程Ｓ２、第２データの各ポリマー組成物に対応する第１性能を含む第３データを入力する工程Ｓ３、第１データと、第２データと、第３データとの関係を示す近似応答関数を構築する工程Ｓ４、評価対象のポリマー組成物の材料の配合割合と、各材料の分子に関する情報とを入力する工程Ｓ６、及び、近似応答関数と、評価対象のポリマー組成物の材料の配合割合と、各材料の分子に関する情報とに基づいて、評価対象のポリマー組成物の第１性能を計算する工程Ｓ９を含む。【選択図】図１
Description
本発明は、ポリマー組成物の性能を予測するための方法に関する。
従来、複数のポリマーや配合剤を含む材料が配合されることによって、新たな性能を有する種々のポリマー組成物が開発されている。配合された個々のポリマーと、新たに開発されたポリマー組成物等とは、性能が異なる。このため、ポリマー組成物の性能を事前に予測することは難しい。
ポリマー組成物の開発には、例えば、複数のポリマーを異なる割合で配合し、ポリマー成物が所望の性能を有するまで繰り返し製造されている。このように、ポリマー組成物の開発には、多くのコストが必要となるため、ポリマー組成物の性能を事前に予測することができる方法が強く求められていた。
また、ポリマー組成物の製造工程の設計では、ポリマー組成物の性能が大きく影響する。従って、ポリマー組成物の物性を事前に予測することは、製造工程でのトラブルを未然に防ぐためにも重要である。
本発明は、以上のような実状に鑑み案出されたもので、複数のポリマー及び複数の配合剤を含む個々の材料から構成されたポリマー組成物の性能を予測することができる方法を提供することを主たる目的としている。
本発明は、ポリマー組成物の予め定められた第１性能を予測するための方法であって、コンピュータに、複数のポリマー及び複数の配合剤を含む個々の材料について、分子に関する情報を含む第１データを入力する工程、前記コンピュータに、前記材料のいくつかを混合した複数種類のポリマー組成物について、前記材料の配合割合を含む第２データを入力する工程、前記コンピュータに、前記第２データの前記各ポリマー組成物に対応する第１性能を含む第３データを入力する工程、前記コンピュータが、前記第１データと、前記第２データと、前記第３データとの関係を示す近似応答関数を構築する工程、前記コンピュータに、評価対象のポリマー組成物の材料の配合割合と、前記各材料の分子に関する情報とを入力する工程、及び前記コンピュータが、前記近似応答関数と、前記評価対象のポリマー組成物の材料の配合割合と、前記分子に関する情報とに基づいて、前記評価対象のポリマー組成物の第１性能を計算する工程を含むことを特徴とする。
本発明に係る前記ポリマー組成物の性能の予測方法において、前記第１性能は、せん断粘度を含むのが望ましい。
本発明に係る前記ポリマー組成物の性能の予測方法において、前記分子に関する情報は、数平均分子量、重量平均分子量、分子量分布、又は、分子鎖の分岐度の少なくとも一つを含むのが望ましい。
本発明のポリマー組成物の性能の予測方法は、コンピュータに、複数のポリマー及び複数の配合剤を含む個々の材料について、分子に関する情報を含む第１データを入力する工程、材料のいくつかを混合した複数種類のポリマー組成物について、材料の配合割合を含む第２データを入力する工程、及び、第２データの各ポリマー組成物に対応する第１性能を含む第３データを入力する工程を含んでいる。
さらに、本発明のポリマー組成物の性能の予測方法は、コンピュータが、第１データと、第２データと、第３データとの関係を示す近似応答関数を構築する工程、コンピュータに、評価対象のポリマー組成物の材料の配合割合と、各材料の分子に関する情報とを入力する工程、及び、コンピュータが、近似応答関数と、評価対象のポリマー組成物の材料の配合割合と、材料の分子に関する情報とに基づいて、評価対象のポリマー組成物の第１性能を計算する工程を含んでいる。
本発明の近似応答関数は、第２データに含まれていない未知のポリマー組成物の第１性能を、第３データに含まれるポリマー組成物の第１性能を用いて補完して予測することができる。従って、近似応答関数に、評価対象のポリマー組成物の材料の配合割合を入力されることにより、評価対象のポリマー組成物の第１性能を予測することができる。
以下、本発明の実施の一形態が図面に基づき説明される。
本発明のポリマー組成物の性能の予測方法（以下、単に「予測方法」ということがある）は、ポリマー及び配合剤を含む材料から構成されたポリマー組成物の性能を、近似応答関数に基づいて予測するための方法である。本実施形態のポリマー組成物は、複数のポリマーが配合されかつ混練された未加硫ゴムである場合が例示されるが、これに限定されるわけではない。
本発明のポリマー組成物の性能の予測方法（以下、単に「予測方法」ということがある）は、ポリマー及び配合剤を含む材料から構成されたポリマー組成物の性能を、近似応答関数に基づいて予測するための方法である。本実施形態のポリマー組成物は、複数のポリマーが配合されかつ混練された未加硫ゴムである場合が例示されるが、これに限定されるわけではない。
ポリマーとしては、例えば、一般的なポリマー組成物（本実施形態では、未加硫ゴム）に配合される未加硫の原料ゴムである。原料ゴムの一例としては、天然ゴム（ＮＲ）、ブタジエンゴム（ＢＲ）、又は、スチレンブタジエンゴム（ＳＢＲ）等である。配合材としては、例えば、カーボンやシリカ等のフィラー、オイル、又は、加工助剤が含まれる。
本実施形態の予測方法では、コンピュータが用いられる。図１は、本実施形態の予測方法を実行するためのコンピュータの一例を示す斜視図である。コンピュータ１は、本体１ａ、キーボード１ｂ、マウス１ｃ及びディスプレイ装置１ｄを含んでいる。この本体１ａには、例えば、演算処理装置（ＣＰＵ）、ＲＯＭ、作業用メモリ、磁気ディスクなどの記憶装置、及び、ディスクドライブ装置１ａ１、１ａ２が設けられている。記憶装置には、本実施形態の予測方法を実行するためのソフトウェア等が予め記憶されている。
図２は、本実施形態の予測方法の処理手順の一例を示すフローチャートである。本実施形態の予測方法では、先ず、コンピュータ１に、複数のポリマー及び複数の配合剤を含む個々の材料について、分子に関する情報を含む第１データが入力される（工程Ｓ１）。
ポリマーの分子に関する情報としては、例えば、数平均分子量、重量平均分子量、分子量分布、又は、分子鎖の分岐度の少なくとも一つを含んでいる。本実施形態では、これらの全ての分子に関する情報が含まれる。なお、ポリマーの分子に関する情報には、例えば、他のポリマーとの相溶性を示す指標である溶解性パラメータδが含まれてもよい。
数平均分子量Ｍｎは、ポリマーを構成する分子鎖１本あたりの平均分子量を示すための指標である。即ち、ポリマーの数平均分子量Ｍｎは、ポリマー全体の質量を、ポリマー全体の分子数で除した値である。このようなポリマーの数平均分子量Ｍｎは、例えば、末端定量法、浸透圧法、蒸気圧法又はＧＰＣ（ゲル浸透クロマトグラフィー）法等によって測定することができる。
重量平均分子量Ｍｗは、ポリマーの分子鎖の質量で加重平均した分子量を示すための指標である。即ち、ポリマーの重量平均分子量Ｍｗは、ポリマーを構成する分子鎖１本あたりの分子量と質量とを乗じた値のポリマー全体の和を、ポリマー全体の質量で除した値である。このような重量平均分子量Ｍｗは、ポリマーの物性を把握するのに役立つ。なお、ポリマーの重量平均分子量Ｍｗは、例えば、光散乱法、又は、超遠心法（沈降速度法）等によって測定することができる。
分子量分布Ｍｗ／Ｍｎは、ポリマーの分子量の分布の広がりを示す指標である。ポリマーの分子量分布Ｍｗ／Ｍｎは、ポリマーの重量平均分子量Ｍｗ、及び、ポリマーの数平均分子量Ｍｎをそれぞれ測定した後に、ポリマーの重量平均分子量Ｍｗを、ポリマーの数平均分子量Ｍｎで除することによって求めることができる。なお、分子量分布Ｍｗ／Ｍｎは、例えば、ＧＰＣ（ゲル浸透クロマトグラフィー）法によって直接測定することもできる。
分子量分布Ｍｗ／Ｍｎが大きいほど、ポリマーの分子量の分布が広いことを示している。逆に、分子量分布Ｍｗ／Ｍｎが小さいほど、ポリマーの分子量の分布が狭いことを示している。さらに、分子量分布Ｍｗ／Ｍｎが１に近づくほど、単分数に近いことを示している。従って、分子量分布Ｍｗ／Ｍｎは、ポリマーを構成する分子量の分布を把握するのに役立つ。
分子鎖の分岐度（ポリマーリニアリティ）は、分子鎖での分岐構造の大きさを示す指標である。分岐度は、ＧＰＣ（ゲル浸透クロマトグラフィー）法によって測定することができる。分岐度が大きいほど、分子鎖の広がりが小さくなり、ポリマーの粘度が小さくなる傾向がある。逆に、分岐度が小さいほど、分子鎖の広がりが大きくなり、ポリマーの粘度が大きくなる傾向がある。従って、分岐度は、ポリマーの粘度の大きさを把握するのに役立つ。
これらの数平均分子量、重量平均分子量、分子量分布、又は、分子鎖の分岐度は、上記した測定方法で取得され、第１データのポリマーの分子に関する情報として、コンピュータ１に入力される。なお、数平均分子量、重量平均分子量、分子量分布、又は、分子鎖の分岐度が既知の場合は、既知の情報がコンピュータ１に入力される。
配合剤の分子に関する情報としては、例えば、カーボンやシリカ等のフィラーの場合、例えば、粒子径、ＣＴＡＢ吸着比表面積、又は、ＢＥＴ吸着比表面積の少なくとも一つを含んでいる。本実施形態では、これらの全ての分子に関する情報が含まれる。
カーボンやシリカの粒子径、ＣＴＡＢ吸着比表面積又はＢＥＴ吸着比表面積は、材料（ポリマーや配合物）を混合したポリマー組成物の性能に大きな影響を与えるものである。これらの分子に関する情報は、例えば、既知の測定方法によって取得された情報、又は、製造元から提供される情報に基づいて、コンピュータ１に入力される。
本実施形態では、１種類のオイル及び加工助剤が配合されるため、ポリマーやフィラーのように、第１データに、オイル及び加工助剤の分子に関する情報が入力されていない。なお、複数種類のオイル及び加工助剤が配合される場合は、オイル及び加工助剤についても、分子に関する情報が入力されるのが望ましい。オイルの分子に関する情報としては、例えば、分子量、粘度、又は、動粘度の少なくとも一つを含んでいる。加工助剤の分子に関する情報としては、例えば、溶解度パラメータ又は融点等の少なくとも１つを含んでいる。
次に、本実施形態の予測方法では、コンピュータ１に、上記したポリマー及び配合剤を含む材料のいくつかを混合した複数種類のポリマー組成物について、材料の配合割合を含む第２データが入力される（工程Ｓ２）。
第２データが入力されるポリマー組成物は、既知のポリマー組成物である。各ポリマー組成物は、異なる配合割合で、材料がそれぞれ混合されている。本実施形態の工程Ｓ２では、これらの既知のポリマー組成物について、材料の配合割合が、コンピュータ１に入力される。
次に、本実施形態の予測方法では、コンピュータ１に、第２データの各ポリマー組成物に対応する第１性能を含む第３データが入力される（工程Ｓ３）。
本実施形態の第１性能としては、ポリマー組成物のせん断粘度η、本実施形態では、ポリマー組成物のせん断粘度ηのべき乗ｎが含まれている。ポリマー組成物のせん断粘度ηは、例えば、未加硫のポリマー組成物の粘弾性特性（貯蔵せん断弾性率Ｇ'及び損失せん断弾性率Ｇ"）が複数の温度条件で測定され、例えば、下記式（１）で示されるCox-Merz則を用いてせん断粘度に変換することで得られる。このようにして得られたせん断粘度ηは、例えば下記式（２）のべき乗法則で近似することができる。なお、未加硫のポリマー組成物の粘弾性特性（Ｇ'及びＧ"）の測定には、動的粘弾性測定装置が用いられる。
ここで、ω：角速度
上記式（２）においてべき乗ｎは、せん断粘度ηとせん断速度γ'との傾きを示している。べき乗ｎが変化すると、ポリマー組成物の粘度の分布が変化し、さらに、ポリマー組成物の速度の分布が変化する。例えば、ポリマー組成物の速度が速くなると、ポリマー組成物のせん断速度が大きくなり、ポリマー組成物が膨張しやすくなる。このように、べき乗ｎは、例えば、ゴム押出機のダイ（口金）を通過した直後の未加硫ゴムの膨張率を予測するのに用いることができる。従って、せん断粘度ηのべき乗ｎは、未加硫ゴムの膨張率を考慮したダイの形状を設計するのに役立つ。
次に、本実施形態の予測方法では、コンピュータ１が、第１データ、第２データ及び第３データの関係を示す近似応答関数を構築する（工程Ｓ４）。
本実施形態の工程Ｓ４では、近似応答関数の構築に先立ち、第２データに含まれる各ポリマー組成物について、各ポリマー組成物の分子に関する情報が計算される。各ポリマー組成物の分子に関する情報は、ポリマー組成物の材料の配合割合（充填量）に基づいて、第１データの材料の分子に関する情報を加重平均することによって計算される。
発明者らは、鋭意研究を重ねた結果、ポリマー組成物の分子に関する情報が、ポリマー組成物を構成する各材料の分子に関する情報と、材料の配合割合（充填量）とを乗じた値に依存することを知見した。このような知見に基づいて計算されたポリマー組成物の分子に関する情報は、実際に測定されなくても、実際のポリマー組成物の各材料の分子に関する情報に近似させることができるため、測定時間やコストの増大を抑制することができる。
工程Ｓ４で計算されるポリマー組成物の分子に関する情報は、材料の分子に関する情報（本実施形態では、数平均分子量Ｍｎ、重量平均分子量Ｍｗ、分子量分布、分岐度、カーボンやシリカの粒子径、ＣＴＡＢ吸着比表面積、又は、ＢＥＴ吸着比表面積）である。例えば、ポリマー組成物が２種類のポリマー（第１ポリマー、第２ポリマー）から構成される場合、ポリマー組成物のポリマーの分子に関する情報Ｍｗｆは、下記式（３）に基づいて求められる。
そして、工程Ｓ４では、第１データとして入力された材料の分子に関する情報、第２データとして入力された各ポリマー組成物の材料の配合割合、第２データから求められた各ポリマー組成物の分子に関する情報、及び、第３データとして入力された各ポリマー組成物に対応する第１性能を用いて、第１データと、第２データと、第３データとの関係を示す近似応答関数が生成される。このような近似応答関数は、例えば、第２データに含まれていない未知のポリマー組成物の第１性能を、第２データに含まれるポリマー組成物の第１性能を用いて補完して予測することができる。従って、このような近似応答関数を予め構築しておくことにより、ポリマー組成物を実際に製造しなくても、ポリマー組成物の第１性能を予測することができる。
近似応答関数は、慣例に従って、種々の方法で構築することができる。例えば応答曲面法（ＲＳＭ：Response Surface Methodology）、動径基底関数（ＲＢＦ：Radial Basis Function）、又は、Kriging法などが好適に用いられる。ＲＳＭ、ＲＢＦ、Kriging法の順に近似精度は向上するが、同時に計算コストも増大する。本実施形態では、精度とコストとのバランスに優れたＲＢＦが用いられる。
ＲＢＦは、ニューラルネットワークの一種であり、ガウス関数を重ね合わせていくことで表現される近似応答曲面である。ＲＢＦでは、入力（設計変数（本実施形態では、各ポリマーの物理量））と出力（目的関数（本実施形態では、各ポリマーの性能））とが、非常に非線形の強い関係であっても精度良く表現することが可能である。また、ＲＢＦは、測定結果の中に異常なデータが含まれている場合であっても、ガウス関数の重ね合わせを最小二乗法で行うため、異常データに振り回されることなく応答関数を生成できる。さらに、ＲＢＦでは、通常のニューラルネットワークとは異なり、バックプロパゲーションを必要としないため、近似応答関数を構築するための計算コストをより小さく抑えることができる。このような近似応答関数は、市販のコンピュータソフトウエア（例えば、The MathWorks 社製のMATLABや、ESTECO社製のmodeFRONTIER 等）を用いることによって構築することができる。
次に、本実施形態の予測方法では、近似応答関数の精度が、良好か否かが判断される（工程Ｓ５）。工程Ｓ５では、近似応答関数について、ブラインドテストが実施される。本実施形態では、先ず、第２データに含まれる少なくとも一つのポリマー組成物が選択される。次に、選択されたポリマー組成物を除く第２データのポリマー組成物を用いて、上記した工程Ｓ４の手順に従って、近似応答関数を構築する。そして、選択されたポリマー組成物の材料の配合割合と、選択されたポリマー組成物の分子に関する情報が、近似応答関数に代入される。これにより、選択されたポリマー組成物の第１性能が計算される。
そして、工程Ｓ５では、計算された第１性能と、実際のポリマー組成物の第１性能とが比較される。計算された第１性能（せん断粘度ηのべき乗ｎ）と、実際のポリマー組成物の第１性能（せん断粘度ηのべき乗ｎ）との相関係数が、予め定められた許容範囲内にある場合、近似応答関数の精度が良好であると判断される。
許容範囲については、求められる計算精度に応じて、適宜設定することができる。本実施形態では、例えば、相関係数が０．７５以上、より好ましくは０．９０以上であれば、近似応答関数の精度が良好であると判断されている。
工程Ｓ５では、近似応答関数の精度が良好であると判断された場合（工程Ｓ５で、「Ｙ」）、次の工程Ｓ６が実施される。他方、近似応答関数の精度が良好でないと判断された場合（工程Ｓ５で、「Ｎ」）、第２データに新たなポリマー組成物の材料の配合割合が追加され（工程Ｓ７）、かつ、第３データに、新たなポリマー組成物に対応する第１性能が追加される（工程Ｓ８）。そして、第１データと、新たなポリマー組成物が追加された第２データ及び第３データとを用いて、近似応答関数が再構築される（工程Ｓ４）。このように、本実施形態では、ブラインドテストが実施されることにより、精度の高い近似応答関数を構築することができる。
ブラインドテストは、第２データを構成する全てのポリマー組成物について実施されるのが望ましい。これにより、精度の高い近似応答関数を、より確実に構築することができる。また、第２データに新たに追加されるポリマー組成物が、第１データに含まれない新たな材料が用いられる場合、第１データに、新たな材料の分子に関する情報が追加される。
次に、本実施形態の予測方法では、コンピュータ１に、評価対象のポリマー組成物の材料の配合割合と、各材料の分子に関する情報とが入力される（工程Ｓ６）。評価対象のポリマー組成物は、第２データに含まれない未知のポリマー組成物である。評価対象のポリマー組成物の材料は、第１データの材料から選択され、それらの材料の配合割合が決定される。そして、評価対象のポリマー組成物の材料の配合割合と、各材料の分子に関する情報とに基づいて、第１データの材料の分子に関する情報を加重平均することによって、評価対象のポリマー組成物の分子に関する情報が計算される。この計算には、上記式（３）が用いられる。評価対象のポリマー組成物の材料の配合割合、及び、評価対象のポリマー組成物の分子に関する情報は、コンピュータ１に入力される。
次に、本実施形態の予測方法では、コンピュータ１が、評価対象のポリマー組成物の第１性能を計算する（工程Ｓ９）。工程Ｓ９では、近似応答関数と、評価対象のポリマー組成物の材料の配合割合と、評価対象のポリマー組成物の分子に関する情報とに基づいて、評価対象のポリマー組成物の第１性能が計算される。工程Ｓ９では、評価対象のポリマー組成物の材料の配合割合、及び、評価対象のポリマー組成物の分子に関する情報が、近似応答関数に代入される。これにより、評価対象のポリマー組成物の第１性能が計算される。
上述したように、近似応答関数は、例えば、第２データに含まれていない未知のポリマー組成物の第１性能を、第２データに含まれるポリマー組成物の第１性能を用いて補完して予測を可能とするものである。従って、評価対象のポリマー組成物の材料の配合割合、及び、評価対象のポリマー組成物の分子に関する情報が、近似応答関数に代入されることにより、評価対象のポリマー組成物の性能（本実施形態では、せん断粘度ηのべき乗ｎ）を容易に予測することができる。
評価対象のポリマー組成物のせん断粘度ηのべき乗ｎは、ゴム押出機のダイ（口金）を通過した未加硫ゴムの膨張量を予測するのに用いることができる。従って、せん断粘度ηのべき乗ｎは、未知のポリマー組成物の製造に用いられるダイの設計に役立つ。このように、本実施形態の予測方法では、評価対象のポリマー組成物を製造することなく、評価対象のポリマー組成物の性能を容易に予測することができるため、開発コストを大幅に低減することができる。
本実施形態では、近似応答関数、評価対象のポリマー組成物の材料の配合割合、及び、評価対象のポリマー組成物の分子に関する情報に基づいて、評価対象のポリマー組成物の第１性能が計算されるものが例示されたが、このような態様に限定されるわけではない。例えば、近似応答関数に、所望の第１性能が代入されることにより、所望の第１性能を有するポリマー組成物の材料の配合割合が計算（即ち、逆解析）されてもよい。
以上、本発明の特に好ましい実施形態について詳述したが、本発明は図示の実施形態に限定されることなく、種々の態様に変形して実施しうる。
図１に示した処理手順に従い、ポリマー（ポリマー１〜ポリマー１４）及び配合剤（フィラー１〜フィラー４）について、分子に関する情報を含む第１データが、コンピュータに入力された。分子に関する情報は、ポリマーの数平均分子量Ｍｎ、ポリマーの重量平均分子量Ｍｗ、ポリマーの分子量分布及びポリマーを構成する分子鎖の分岐度である。フィラーの分子に関する情報は、粒子径、ＣＴＡＢ吸着比表面積、又は、ＢＥＴ吸着比表面積である。第１データは、表１のとおりである。
さらに、表１に示した材料のいくつかを混合した複数種類のポリマー組成物（ポリマー組成物１〜ポリマー組成物２０）について、材料の配合割合を含む第２データが、コンピュータに入力された。さらに、第２データの各ポリマー組成物に対応する第１性能を含む第３データが、コンピュータに入力された。第１性能は、１２０℃での組成物のせん断粘度ηのべき乗ｎである。第２データ及び第３データは、表２のとおりである。
そして、第１データ、第２データ及び第３データに基づいて、近似応答関数が構築された。構築された近似応答関数の精度が良好であるか否かが、ポリマー組成物１〜ポリマー組成物２０の材料の配合割合、及び、各材料の分子に関する情報に基づいて、ブラインドテストが実施された。ブライドテストでは、ポリマー組成物１〜２０のうち、１つのポリマー組成物を除いた第１データ、第２データ及び第３データを用いて、近似応答関数を構築し、その１種類のポリマー組成物の材料の配合割合、及び、分子に関する情報に基づいて、第１性能が予測された。
図２は、ポリマー組成物１〜ポリマー組成物２０の第１性能（即ち、せん断粘度ηのべき乗ｎ）の予測値と、ポリマー組成物１〜ポリマー組成物２０の第１性能（即ち、せん断粘度ηのべき乗ｎ）の実測値との関係を示すグラフである。ブラインドテストの結果、ポリマー組成物１〜ポリマー組成物２０について、第１性能の予測値と、第１性能の実測値との相関係数は、０．９４２２であり、近似応答関数の精度が良好であると判断された。このような近似応答関数が用いられることにより、未知のポリマー組成物の第１性能を予測しうることを確認できた。
Ｓ１ 個々の材料の第１データを入力する工程
Ｓ２ 複数種類のポリマー組成物の第２データを入力する工程
Ｓ３ 各ポリマー組成物に対応する第１性能を含む第３データを入力する工程
Ｓ４ 近似応答関数を構築する工程
Ｓ６ 評価対象のポリマー組成物の材料の配合割合と、各材料の分子に関する情報とを入力する工程
Ｓ９ 評価対象のポリマー組成物の第１性能を計算する工程
Ｓ２ 複数種類のポリマー組成物の第２データを入力する工程
Ｓ３ 各ポリマー組成物に対応する第１性能を含む第３データを入力する工程
Ｓ４ 近似応答関数を構築する工程
Ｓ６ 評価対象のポリマー組成物の材料の配合割合と、各材料の分子に関する情報とを入力する工程
Ｓ９ 評価対象のポリマー組成物の第１性能を計算する工程
Claims (3)
- ポリマー組成物の予め定められた第１性能を予測するための方法であって、
コンピュータに、複数のポリマー及び複数の配合剤を含む個々の材料について、分子に関する情報を含む第１データを入力する工程、
前記コンピュータに、前記材料のいくつかを混合した複数種類のポリマー組成物について、前記材料の配合割合を含む第２データを入力する工程、
前記コンピュータに、前記第２データの前記各ポリマー組成物に対応する第１性能を含む第３データを入力する工程、
前記コンピュータが、前記第１データと、前記第２データと、前記第３データとの関係を示す近似応答関数を構築する工程、
前記コンピュータに、評価対象のポリマー組成物の材料の配合割合と、前記各材料の分子に関する情報とを入力する工程、
及び
前記コンピュータが、前記近似応答関数と、前記評価対象のポリマー組成物の材料の配合割合と、前記分子に関する情報とに基づいて、前記評価対象のポリマー組成物の第１性能を計算する工程を含むことを特徴とするポリマー組成物の性能の予測方法。 - 前記第１性能は、せん断粘度を含む請求項１記載のポリマー組成物の性能の予測方法。
- 前記分子に関する情報は、数平均分子量、重量平均分子量、分子量分布、又は、分子鎖の分岐度の少なくとも一つを含む請求項１又は２記載のポリマー組成物の性能の予測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016078291A JP6627624B2 (ja) | 2016-04-08 | 2016-04-08 | ポリマー組成物の性能の予測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016078291A JP6627624B2 (ja) | 2016-04-08 | 2016-04-08 | ポリマー組成物の性能の予測方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017188032A true JP2017188032A (ja) | 2017-10-12 |
| JP6627624B2 JP6627624B2 (ja) | 2020-01-08 |
Family
ID=60044839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016078291A Active JP6627624B2 (ja) | 2016-04-08 | 2016-04-08 | ポリマー組成物の性能の予測方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6627624B2 (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019088185A1 (ja) * | 2017-11-01 | 2019-05-09 | 株式会社日立製作所 | 設計支援装置及び設計支援方法 |
| CN110728047A (zh) * | 2019-10-08 | 2020-01-24 | 中国工程物理研究院化工材料研究所 | 一种基于机器学习性能预测含能分子计算机辅助设计系统 |
| JP2020038495A (ja) * | 2018-09-04 | 2020-03-12 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
| JP2020038493A (ja) * | 2018-09-04 | 2020-03-12 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
| JP2020074095A (ja) * | 2018-03-09 | 2020-05-14 | 昭和電工株式会社 | ポリマーの物性予測装置、プログラム、及びポリマーの物性予測方法 |
| JP2021026739A (ja) * | 2019-08-09 | 2021-02-22 | 横浜ゴム株式会社 | 物性データ予測方法及び装置物性データ予測装置 |
| JP2021026478A (ja) * | 2019-08-05 | 2021-02-22 | 三井化学株式会社 | 物性情報推測方法、物性情報推測モデル生成方法、物性情報推測装置、物性情報推測モデル生成装置、物性情報推測プログラム、及び物性情報推測モデル生成プログラム |
| JP2021026608A (ja) * | 2019-08-07 | 2021-02-22 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
| JP2021140701A (ja) * | 2020-03-09 | 2021-09-16 | 株式会社豊田中央研究所 | 材料設計プログラム |
| WO2023103187A1 (zh) * | 2021-12-10 | 2023-06-15 | 江苏中利集团股份有限公司 | 多组分聚合物生产中辅料对材料结构的评估方法和系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08255190A (ja) * | 1995-03-17 | 1996-10-01 | Sekisui Chem Co Ltd | 粘着剤及び粘着テープの設計支援システム |
| JP2010277328A (ja) * | 2009-05-28 | 2010-12-09 | Medibic:Kk | 配合設計用シミュレーションデータベース装置、配合設計用システム、方法およびプログラム |
-
2016
- 2016-04-08 JP JP2016078291A patent/JP6627624B2/ja active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08255190A (ja) * | 1995-03-17 | 1996-10-01 | Sekisui Chem Co Ltd | 粘着剤及び粘着テープの設計支援システム |
| JP2010277328A (ja) * | 2009-05-28 | 2010-12-09 | Medibic:Kk | 配合設計用シミュレーションデータベース装置、配合設計用システム、方法およびプログラム |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019086817A (ja) * | 2017-11-01 | 2019-06-06 | 株式会社日立製作所 | 設計支援装置及び設計支援方法 |
| WO2019088185A1 (ja) * | 2017-11-01 | 2019-05-09 | 株式会社日立製作所 | 設計支援装置及び設計支援方法 |
| JP2020074095A (ja) * | 2018-03-09 | 2020-05-14 | 昭和電工株式会社 | ポリマーの物性予測装置、プログラム、及びポリマーの物性予測方法 |
| JP7217696B2 (ja) | 2018-03-09 | 2023-02-03 | 昭和電工株式会社 | ポリマーの物性予測装置、プログラム、及びポリマーの物性予測方法 |
| JP7218519B2 (ja) | 2018-09-04 | 2023-02-07 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
| JP7139801B2 (ja) | 2018-09-04 | 2022-09-21 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
| JP2020038493A (ja) * | 2018-09-04 | 2020-03-12 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
| JP2020038495A (ja) * | 2018-09-04 | 2020-03-12 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
| JP7302134B2 (ja) | 2019-08-05 | 2023-07-04 | 三井化学株式会社 | 物性情報推測方法、物性情報推測モデル生成方法、物性情報推測装置、物性情報推測モデル生成装置、物性情報推測プログラム、及び物性情報推測モデル生成プログラム |
| JP2021026478A (ja) * | 2019-08-05 | 2021-02-22 | 三井化学株式会社 | 物性情報推測方法、物性情報推測モデル生成方法、物性情報推測装置、物性情報推測モデル生成装置、物性情報推測プログラム、及び物性情報推測モデル生成プログラム |
| JP2021026608A (ja) * | 2019-08-07 | 2021-02-22 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
| JP7348488B2 (ja) | 2019-08-07 | 2023-09-21 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
| JP2021026739A (ja) * | 2019-08-09 | 2021-02-22 | 横浜ゴム株式会社 | 物性データ予測方法及び装置物性データ予測装置 |
| JP7348489B2 (ja) | 2019-08-09 | 2023-09-21 | 横浜ゴム株式会社 | 物性データ予測方法及び装置物性データ予測装置 |
| CN110728047A (zh) * | 2019-10-08 | 2020-01-24 | 中国工程物理研究院化工材料研究所 | 一种基于机器学习性能预测含能分子计算机辅助设计系统 |
| CN110728047B (zh) * | 2019-10-08 | 2023-04-07 | 中国工程物理研究院化工材料研究所 | 一种基于机器学习性能预测含能分子计算机辅助设计系统 |
| JP2021140701A (ja) * | 2020-03-09 | 2021-09-16 | 株式会社豊田中央研究所 | 材料設計プログラム |
| JP7303765B2 (ja) | 2020-03-09 | 2023-07-05 | 株式会社豊田中央研究所 | 材料設計プログラム |
| WO2023103187A1 (zh) * | 2021-12-10 | 2023-06-15 | 江苏中利集团股份有限公司 | 多组分聚合物生产中辅料对材料结构的评估方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6627624B2 (ja) | 2020-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6627624B2 (ja) | ポリマー組成物の性能の予測方法 | |
| JP6953926B2 (ja) | ゴム状弾性体の性能の予測方法 | |
| Salehiyan et al. | Characterization of morphologies of compatibilized polypropylene/polystyrene blends with nanoparticles via nonlinear rheological properties from FT-rheology | |
| Ansari et al. | Rheology of Ziegler–Natta and metallocene high-density polyethylenes: broad molecular weight distribution effects | |
| Wood-Adams et al. | Thermorheological behavior of polyethylene: effects of microstructure and long chain branching | |
| Auhl et al. | Linear and nonlinear shear flow behavior of monodisperse polyisoprene melts with a large range of molecular weights | |
| Chen et al. | Unveiling reinforcement and toughening mechanism of filler network in natural rubber with synchrotron radiation X-ray nano-computed tomography | |
| Reinheimer et al. | Fourier Transform Rheology as an innovative morphological characterization technique for the emulsion volume average radius and its distribution | |
| KR101801999B1 (ko) | 고무 재료의 시뮬레이션 방법 | |
| Rastin et al. | On the reliability of existing theoretical models in anticipating type of morphology and domain size in HDPE/PA-6/EVOH ternary blends | |
| Evans et al. | Major roles of blend partner fragility and dye placement on component glass transition temperatures: Fluorescence study of near-infinitely dilute species in binary blends | |
| CN101458246B (zh) | 测量线形聚合物分子量分布的方法 | |
| Thodesen et al. | Modeling viscosity behavior of crumb rubber modified binders | |
| Nie et al. | Fourier-transform rheology of unvulcanized styrene butadiene rubber filled with increasingly silanized silica | |
| Ransom et al. | Molecular weight dependence of the viscosity of highly entangled polyisobutylene | |
| Jensen et al. | Self-consistent modeling of entangled network strands and linear dangling structures in a single-strand mean-field slip-link model | |
| Ghosh et al. | Prediction of rolling resistance for truck bus radial tires with nanocomposite based tread compounds using finite element simulation | |
| Pole et al. | Correlations in rheological behavior between large amplitude oscillatory shear and steady shear flow of silica‐filled star‐shaped styrene‐butadiene rubber compounds: Experiment and simulation | |
| Van Ravensteijn et al. | Role of architecture on thermorheological properties of poly (alkyl methacrylate)-based polymers | |
| Zhang et al. | Rheology, morphology and phase behavior of SBS/sulfur modified asphalt based on experimental assessment and molecular dynamics | |
| Chen et al. | Temperature-dependent viscoelastic energy dissipation and fatigue crack growth in filled silicone elastomers | |
| Hirschberg et al. | Complex polymer topologies in blends: shear and elongational rheology of linear/pom-pom polystyrene blends | |
| Huang et al. | Multiscale simulations of coupled composition-stress-morphology of binary polymer blend | |
| Wu et al. | Impacts of filler loading and particle size on the transition to linear-nonlinear dichotomy in the rheological responses of particle-filled polymer solutions | |
| Huang et al. | Predictive Mesoscale Simulation of Flow-Induced Blend Morphology, Interfacial Relaxation, and Linear Viscoelasticity of Polymer–Elastomer Blends |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190204 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191028 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191105 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191118 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6627624 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |