JP2020163783A - 物性情報推測方法、物性情報推測モデル生成方法、装置、及びプログラム - Google Patents
物性情報推測方法、物性情報推測モデル生成方法、装置、及びプログラム Download PDFInfo
- Publication number
- JP2020163783A JP2020163783A JP2019068437A JP2019068437A JP2020163783A JP 2020163783 A JP2020163783 A JP 2020163783A JP 2019068437 A JP2019068437 A JP 2019068437A JP 2019068437 A JP2019068437 A JP 2019068437A JP 2020163783 A JP2020163783 A JP 2020163783A
- Authority
- JP
- Japan
- Prior art keywords
- information
- resin composition
- screw
- physical property
- screw extruder
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 239000011342 resin composition Substances 0.000 claims abstract description 169
- 238000004519 manufacturing process Methods 0.000 claims abstract description 131
- 229920005992 thermoplastic resin Polymers 0.000 claims abstract description 37
- 230000000704 physical effect Effects 0.000 claims description 157
- 239000000945 filler Substances 0.000 claims description 29
- 238000010238 partial least squares regression Methods 0.000 claims description 20
- 239000000654 additive Substances 0.000 claims description 17
- 229920005989 resin Polymers 0.000 claims description 7
- 239000011347 resin Substances 0.000 claims description 7
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 238000005452 bending Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 18
- 238000013500 data storage Methods 0.000 description 13
- 239000002245 particle Substances 0.000 description 12
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 238000005206 flow analysis Methods 0.000 description 8
- 238000004898 kneading Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- -1 polypropylene Polymers 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 5
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 4
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 4
- TZCXTZWJZNENPQ-UHFFFAOYSA-L barium sulfate Chemical compound [Ba+2].[O-]S([O-])(=O)=O TZCXTZWJZNENPQ-UHFFFAOYSA-L 0.000 description 4
- 239000010445 mica Substances 0.000 description 4
- 229910052618 mica group Inorganic materials 0.000 description 4
- 239000000454 talc Substances 0.000 description 4
- 229910052623 talc Inorganic materials 0.000 description 4
- 102220511116 APC membrane recruitment protein 1_D50S_mutation Human genes 0.000 description 3
- 239000005995 Aluminium silicate Substances 0.000 description 3
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 3
- 235000012211 aluminium silicate Nutrition 0.000 description 3
- 229920006026 co-polymeric resin Polymers 0.000 description 3
- 229920001577 copolymer Polymers 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001125 extrusion Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 239000000377 silicon dioxide Substances 0.000 description 3
- 101150108928 CCC1 gene Proteins 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229920000089 Cyclic olefin copolymer Polymers 0.000 description 2
- CSNNHWWHGAXBCP-UHFFFAOYSA-L Magnesium sulfate Chemical compound [Mg+2].[O-][S+2]([O-])([O-])[O-] CSNNHWWHGAXBCP-UHFFFAOYSA-L 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 239000004952 Polyamide Substances 0.000 description 2
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 2
- 229920000122 acrylonitrile butadiene styrene Polymers 0.000 description 2
- 150000001412 amines Chemical class 0.000 description 2
- ADCOVFLJGNWWNZ-UHFFFAOYSA-N antimony trioxide Chemical compound O=[Sb]O[Sb]=O ADCOVFLJGNWWNZ-UHFFFAOYSA-N 0.000 description 2
- 229910000019 calcium carbonate Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- VXNZUUAINFGPBY-UHFFFAOYSA-N ethyl ethylene Natural products CCC=C VXNZUUAINFGPBY-UHFFFAOYSA-N 0.000 description 2
- 239000003365 glass fiber Substances 0.000 description 2
- 229910002804 graphite Inorganic materials 0.000 description 2
- 239000010439 graphite Substances 0.000 description 2
- 239000011256 inorganic filler Substances 0.000 description 2
- 229910003475 inorganic filler Inorganic materials 0.000 description 2
- 229910052622 kaolinite Inorganic materials 0.000 description 2
- ZLNQQNXFFQJAID-UHFFFAOYSA-L magnesium carbonate Chemical compound [Mg+2].[O-]C([O-])=O ZLNQQNXFFQJAID-UHFFFAOYSA-L 0.000 description 2
- 239000001095 magnesium carbonate Substances 0.000 description 2
- 229910000021 magnesium carbonate Inorganic materials 0.000 description 2
- VTHJTEIRLNZDEV-UHFFFAOYSA-L magnesium dihydroxide Chemical compound [OH-].[OH-].[Mg+2] VTHJTEIRLNZDEV-UHFFFAOYSA-L 0.000 description 2
- 239000000347 magnesium hydroxide Substances 0.000 description 2
- 229910001862 magnesium hydroxide Inorganic materials 0.000 description 2
- 239000000395 magnesium oxide Substances 0.000 description 2
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 2
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 229920002647 polyamide Polymers 0.000 description 2
- 229920000515 polycarbonate Polymers 0.000 description 2
- 239000004417 polycarbonate Substances 0.000 description 2
- 229920006324 polyoxymethylene Polymers 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 239000011787 zinc oxide Substances 0.000 description 2
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- 239000005977 Ethylene Substances 0.000 description 1
- 229930040373 Paraformaldehyde Natural products 0.000 description 1
- 229930182556 Polyacetal Natural products 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- 239000004721 Polyphenylene oxide Substances 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- XECAHXYUAAWDEL-UHFFFAOYSA-N acrylonitrile butadiene styrene Chemical compound C=CC=C.C=CC#N.C=CC1=CC=CC=C1 XECAHXYUAAWDEL-UHFFFAOYSA-N 0.000 description 1
- 239000004676 acrylonitrile butadiene styrene Substances 0.000 description 1
- 229920001893 acrylonitrile styrene Polymers 0.000 description 1
- WNROFYMDJYEPJX-UHFFFAOYSA-K aluminium hydroxide Chemical compound [OH-].[OH-].[OH-].[Al+3] WNROFYMDJYEPJX-UHFFFAOYSA-K 0.000 description 1
- 229910052787 antimony Inorganic materials 0.000 description 1
- WATWJIUSRGPENY-UHFFFAOYSA-N antimony atom Chemical compound [Sb] WATWJIUSRGPENY-UHFFFAOYSA-N 0.000 description 1
- 229910000410 antimony oxide Inorganic materials 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 239000002216 antistatic agent Substances 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 239000000440 bentonite Substances 0.000 description 1
- 229910000278 bentonite Inorganic materials 0.000 description 1
- SVPXDRXYRYOSEX-UHFFFAOYSA-N bentoquatam Chemical compound O.O=[Si]=O.O=[Al]O[Al]=O SVPXDRXYRYOSEX-UHFFFAOYSA-N 0.000 description 1
- 150000001558 benzoic acid derivatives Chemical class 0.000 description 1
- 239000012965 benzophenone Substances 0.000 description 1
- 150000008366 benzophenones Chemical class 0.000 description 1
- 150000001565 benzotriazoles Chemical class 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000007844 bleaching agent Substances 0.000 description 1
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 description 1
- 229910052794 bromium Inorganic materials 0.000 description 1
- AOWKSNWVBZGMTJ-UHFFFAOYSA-N calcium titanate Chemical compound [Ca+2].[O-][Ti]([O-])=O AOWKSNWVBZGMTJ-UHFFFAOYSA-N 0.000 description 1
- 239000006229 carbon black Substances 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 229910052570 clay Inorganic materials 0.000 description 1
- 239000003484 crystal nucleating agent Substances 0.000 description 1
- GUJOJGAPFQRJSV-UHFFFAOYSA-N dialuminum;dioxosilane;oxygen(2-);hydrate Chemical compound O.[O-2].[O-2].[O-2].[Al+3].[Al+3].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O GUJOJGAPFQRJSV-UHFFFAOYSA-N 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000003063 flame retardant Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 150000002484 inorganic compounds Chemical class 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007561 laser diffraction method Methods 0.000 description 1
- 239000004611 light stabiliser Substances 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910052943 magnesium sulfate Inorganic materials 0.000 description 1
- 235000019341 magnesium sulphate Nutrition 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000006082 mold release agent Substances 0.000 description 1
- 229910052901 montmorillonite Inorganic materials 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- VTRUBDSFZJNXHI-UHFFFAOYSA-N oxoantimony Chemical compound [Sb]=O VTRUBDSFZJNXHI-UHFFFAOYSA-N 0.000 description 1
- 150000002989 phenols Chemical class 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 239000004014 plasticizer Substances 0.000 description 1
- 229920002492 poly(sulfone) Polymers 0.000 description 1
- 229920000728 polyester Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 229920000098 polyolefin Polymers 0.000 description 1
- 229920006380 polyphenylene oxide Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 229920000915 polyvinyl chloride Polymers 0.000 description 1
- 239000004800 polyvinyl chloride Substances 0.000 description 1
- SCUZVMOVTVSBLE-UHFFFAOYSA-N prop-2-enenitrile;styrene Chemical compound C=CC#N.C=CC1=CC=CC=C1 SCUZVMOVTVSBLE-UHFFFAOYSA-N 0.000 description 1
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 1
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000000790 scattering method Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 229920002050 silicone resin Polymers 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 235000001508 sulfur Nutrition 0.000 description 1
- 229920002725 thermoplastic elastomer Polymers 0.000 description 1
- 239000002562 thickening agent Substances 0.000 description 1
- 150000003918 triazines Chemical class 0.000 description 1
- 239000010456 wollastonite Substances 0.000 description 1
- 229910052882 wollastonite Inorganic materials 0.000 description 1
- 229910000859 α-Fe Inorganic materials 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/58—Component parts, details or accessories; Auxiliary operations
- B29B7/72—Measuring, controlling or regulating
- B29B7/726—Measuring properties of mixture, e.g. temperature or density
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/58—Component parts, details or accessories; Auxiliary operations
- B29B7/72—Measuring, controlling or regulating
- B29B7/728—Measuring data of the driving system, e.g. torque, speed, power, vibration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/34—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices
- B29B7/38—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary
- B29B7/40—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary with single shaft
- B29B7/42—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary with single shaft with screw or helix
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/34—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices
- B29B7/38—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary
- B29B7/46—Mixing; Kneading continuous, with mechanical mixing or kneading devices with movable mixing or kneading devices rotary with more than one shaft
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Processing And Handling Of Plastics And Other Materials For Molding In General (AREA)
- Extrusion Moulding Of Plastics Or The Like (AREA)
Abstract
【課題】スクリュー押出機によって製造される樹脂組成物の製造条件情報から該樹脂組成物の物性情報を推測することができる物性情報推測方法、物性情報推測モデル生成方法、装置、及びプログラムを提供すること。【解決手段】物性情報推測装置１４の推測部２４は、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報を、樹脂組成物を製造する製造条件情報から該樹脂組成物の物性情報を推測するための学習済みモデルへ入力して、入力された製造条件情報に対応する樹脂組成物の物性情報を推測する。【選択図】図１
Description
本開示は、物性情報推測方法、物性情報推測モデル生成方法、装置、及びプログラムに関する。
従来、スクリュー式押出機のシミュレーション装置が知られている（例えば、特許文献１参照）。このシミュレーション装置は、押出機の装置構成と運転条件および樹脂物性から、押出機内部の充満率、圧力、温度、固相占有率、滞留時間の分布状態を計算する。
また、同じ混練装置の操作条件下での低次元流動解析と高次元流動解析とを効率よく実現するシミュレーション装置が知られている（例えば、特許文献２参照）。このシミュレーション装置は、材料の流動解析を行う押出成形機シミュレーション装置であり、材料の物性と、材料を混練する混練装置の構成データ及び操作条件とを含む設定情報に基づいて、混練装置の演算対象場における材料の低次元の流動解析を行う。また、このシミュレーション装置は、低次元の流動解析後または低次元の流動解析に先立って、演算対象場における高次元の流動解析の対象となる対象領域の選択を受け付け、低次元の流動解析結果から、対象領域に関する材料の物理量を抽出し、抽出された物理量と、設定情報とに基づいて、対象領域における材料の高次元の流動解析を行う。
ところで、スクリュー押出機によって熱可塑性樹脂から樹脂組成物を製造する場合、当該樹脂組成物を製造する際の製造条件に応じて、樹脂組成物の完成品の物性は異なるものとなる。このため、どのような製造条件を設定すれば所望の物性を有する樹脂組成物が得られるのか、といった情報を得ることが望まれている。
しかし、上記特許文献１及び上記特許文献２には、スクリュー押出機によって熱可塑性樹脂から樹脂組成物を製造する場合に、樹脂組成物の物性情報を推測することについては開示されていない。このため、上記特許文献１及び上記特許文献２に開示されている技術は、スクリュー押出機によって樹脂組成物を製造する際の樹脂組成物の物性情報を推測することができない、という課題がある。
本開示の課題は、スクリュー押出機によって製造される樹脂組成物の製造条件情報から該樹脂組成物の物性情報を推測することができる物性情報推測方法、物性情報推測モデル生成方法、装置、及びプログラムを提供することである。
本開示の物性情報推測方法は、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報を、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルへ入力して、入力された前記製造条件情報に対応する前記樹脂組成物の物性情報を推測する、処理をコンピュータが実行する物性情報推測方法である。
また、本開示の前記製造条件情報は、前記スクリュー押出機のスクリュー構成に関する情報、前記樹脂組成物に添加される添加剤に関する情報、前記スクリュー押出機の吐出量情報、前記スクリュー押出機のスクリュー回転数情報、及び前記樹脂組成物が製造されているときの温度情報の少なくとも１つを含むようにすることができる。
また、本開示の前記学習済みモデルは、スクリュー押出機による樹脂組成物の製造条件情報である、前記スクリュー押出機のスクリュー構成に関する情報、前記スクリュー押出機の吐出量情報、及び前記スクリュー押出機のスクリュー回転数情報の少なくとも１つから該樹脂組成物が製造されているときの温度情報を推測する第１の学習済みモデルと、前記第１の学習済みモデルから出力された前記温度情報と、スクリュー押出機による樹脂組成物の製造条件情報である、前記スクリュー押出機のスクリュー構成に関する情報、前記スクリュー押出機の吐出量情報、及び前記スクリュー押出機のスクリュー回転数情報の少なくとも１つとから、前記樹脂組成物の物性情報を推測する第２の学習済みモデルと、を含むようにすることができる。
また、本開示の前記樹脂組成物に添加される添加剤に関する情報は、フィラーに関する情報であるようにすることができる。
また、本開示の前記製造条件情報は、前記スクリュー押出機のスクリュー構成に関する情報、前記樹脂組成物に添加される添加剤に関する情報、前記スクリュー押出機の吐出量情報、及び前記スクリュー押出機のスクリュー回転数情報であり、前記スクリュー押出機のスクリュー構成に関する情報、前記樹脂組成物に添加される添加剤に関する情報、前記スクリュー押出機の吐出量情報、及び前記スクリュー押出機のスクリュー回転数情報が異なる複数の前記製造条件情報を生成し、複数生成された前記製造条件情報の各々を、前記学習済みモデルへ入力し、複数の前記製造条件情報の各々に対応する前記物性情報を推測するようにすることができる。
また、本開示の前記物性情報は、前記樹脂組成物の曲げ弾性率、引張強度、引張伸び、曲げ強度、アイゾッド衝撃強さ、シャルピー衝撃強さ、及び圧縮降伏応力の何れか１つを含むようにすることができる。
また、本開示の前記学習済みモデルは、PLS（Partial Least Squares regression）によるモデル、サポートベクターマシーンモデル、ランダムフォレストによるモデル、ガウス過程によるモデル、又はニューラルネットワークモデルであるようにすることができる。
本開示の物性情報推測モデル生成方法は、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される学習用の樹脂組成物の製造条件情報と該学習用の樹脂組成物の物性情報との組み合わせを表す学習用データに基づいて、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される樹脂組成物の製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルを生成する、処理をコンピュータが実行する物性情報推測モデル生成方法である。
本開示の物性情報推測装置は、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報を、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルへ入力して、入力された前記製造条件情報に対応する前記樹脂組成物の物性情報を推測する推測部を備える物性情報推測装置である。
本開示の物性情報推測モデル生成装置は、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される学習用の樹脂組成物の製造条件情報と該学習用の樹脂組成物の物性情報との組み合わせを表す学習用データに基づいて、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される樹脂組成物の製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルを生成する生成部を備える物性情報推測モデル生成装置である。
本開示の物性情報推測プログラムは、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報を、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルへ入力して、入力された前記製造条件情報に対応する前記樹脂組成物の物性情報を推測する、処理をコンピュータに実行させるための物性情報推測プログラムである。
本開示の物性情報推測モデル生成プログラムは、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される学習用の樹脂組成物の製造条件情報と該学習用の樹脂組成物の物性情報との組み合わせを表す学習用データに基づいて、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される樹脂組成物の製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルを生成する、処理をコンピュータに実行させるための物性情報推測モデル生成プログラムである。
本開示の物性情報推測方法、装置、及びプログラムによれば、スクリュー押出機によって製造される樹脂組成物の製造条件情報から該樹脂組成物の物性情報を推測することができる、という効果を得られる。
本開示の物性情報推測モデル生成方法、装置、及びプログラムによれば、スクリュー押出機によって製造される樹脂組成物の製造条件情報から該樹脂組成物の物性情報を推測するための学習済みモデルを得ることができる、という効果を得られる。
以下、各実施形態について詳細に説明する。
［第１実施形態］
＜第１実施形態に係る物性情報推測システムのシステム構成＞
図１に、第１実施形態に係る物性情報推測システム１０の構成の一例を示す。第１実施形態の物性情報推測システム１０は、機能的には、図１に示されるように、入力装置１２、物性情報推測装置１４、及び表示装置３０を含んだ構成で表すことができる。本実施形態の物性情報推測システム１０は、スクリュー押出機によって熱可塑性樹脂から製造される樹脂組成物の物性情報を推測する。
入力装置１２は、外部から入力された情報を受け付ける。入力装置１２は、例えばキーボード、マウス、又は外部装置からの入力を受け付ける入出力装置等によって実現される。
物性情報推測装置１４は、ＣＰＵと、ＲＡＭと、後述する各処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。
例えば、物性情報推測装置１４は、図２に示すコンピュータ５０で実現することができる。コンピュータ５０はＣＰＵ５１、一時記憶領域としてのメモリ５２、及び不揮発性の記憶部５３を備える。また、コンピュータ５０は、入出力装置等（図示省略）が接続される入出力interface（Ｉ／Ｆ）５４、及び記録媒体に対するデータの読み込み及び書き込みを制御するread/write（Ｒ／Ｗ）部５５を備える。また、コンピュータ５０は、インターネット等のネットワークに接続されるネットワークＩ／Ｆ５６を備える。ＣＰＵ５１、メモリ５２、記憶部５３、入出力Ｉ／Ｆ５４、Ｒ／Ｗ部５５、及びネットワークＩ／Ｆ５６は、バス５７を介して互いに接続される。
記憶部５３は、Hard Disk Drive（ＨＤＤ）、solid state drive（ＳＳＤ）、フラッシュメモリ等によって実現できる。記憶媒体としての記憶部５３には、コンピュータ５０を機能させるためのプログラムが記憶されている。ＣＰＵ５１は、プログラムを記憶部５３から読み出してメモリ５２に展開し、プログラムが有するプロセスを順次実行する。
この物性情報推測装置１４は、機能的には、図１に示されるように、情報取得部１６と、学習用データ記憶部１８と、生成部２０と、学習済みモデル記憶部２２と、推測部２４とを備えている。
表示装置３０には、物性情報推測装置１４から出力された情報が表示される。
本実施形態の物性情報推測装置１４は、スクリュー押出機による樹脂組成物の製造条件情報から該樹脂組成物の物性情報を推測する。
図３に、スクリュー押出機を説明するための説明図を示す。図３に示されるように、スクリュー押出機Seには、熱可塑性樹脂、フィラー、及び添加剤等が投入され、樹脂組成物が製造される。スクリュー押出機Seに投入された熱可塑性樹脂、フィラー、及び添加剤等は、スクリュー押出機Seの各箇所に設置されたスクリューScによって混練され、樹脂組成物が生成される。なお、「樹脂組成物」とは樹脂組成物そのもののみを指し示すものではなく、樹脂組成物から得られる成形品又は成形体も含む。
スクリュー押出機としては単軸押出機、二軸押出機、多軸押出機などが使用できる。二軸押出機であれば、スクリューの回転方向及び組み合わせは、同方向回転式／異方向回転式、噛み合い式／非噛み合い式のいずれでも使用できる。スクリュー押出機の大きさ、すなわち、スクリュー径と長さは、処理したい量によって適宜選定すれば良い。
スクリューとは、せん断作用によって材料を混練することのできるスクリューを指す。混練能力を有するスクリューエレメントとしては、例えば、正方向のニーディングディスク、正方向のミキシングスクリュー、正方向のロータースクリュー、逆方向のニーディングディスク、ニュートラルのニーディングディスク、逆方向のミキシングスクリュー又は逆方向のロータースクリューが挙げられる。
なお、熱可塑性樹脂としては、ポリプロピレン、ポリエチレン、ポリオキシメチレン、ポリアミド、ポリカーボネート、ポリ塩化ビニル、アクリロニトリル−ブタジエン−スチレン共重合樹脂（ＡＢＳ樹脂）、アクリロニトリル−スチレン共重合樹脂（ＡＳ樹脂）、ポリエステル、及び熱可塑性エラストマーからなる群から選択される１種以上の樹脂またはその共重合樹脂が挙げられる。
図３に示されるように、例えば、スクリューScは、セグメント式スクリュピースPとスクリュー軸Sとを含んで構成されている。スクリューの構成は様々であり、スクリュー押出機に設置されるスクリューの組み合わせに応じて樹脂組成物の物性は異なるものとなる。
また、樹脂組成物が製造されているときの樹脂組成物の温度に応じて、樹脂組成物の物性は異なるものとなる。例えば、図３に示されるように、スクリュー押出機のある箇所1,2,3,4における温度T1,T2,T3,T4がどのような値であるのかに応じて、最終的に生成される樹脂組成物の物性は異なる。
そこで、本実施形態の物性情報推測装置１４は、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルを生成する。そして、本実施形態の物性情報推測装置１４は、その学習済みモデルを用いて樹脂組成物の物性情報を推測する。
以下、具体的に説明する。
入力装置１２は、学習用データの入力を受け付ける。本実施形態の学習用データは、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される学習用の樹脂組成物の製造条件情報と、該学習用の樹脂組成物の物性情報と、の組み合わせを表すデータである。
学習用の樹脂組成物の製造条件情報には、スクリュー押出機のスクリュー構成に関する情報、樹脂組成物に添加される添加剤に関する情報、スクリュー押出機の吐出量情報、スクリュー押出機のスクリュー回転数情報、及び樹脂組成物が製造されているときの温度情報が含まれている。また、スクリュー押出機のスクリュー構成に関する情報には、スクリューの形状情報及びスクリューの角度情報が含まれている。スクリュー構成に関する情報は、例えば、スクリュー構成X1,j(j=1〜整数、スクリューの形状及び角度）によって表現される。
また、入力装置１２は、物性情報を推測する対象の樹脂組成物の製造条件情報（以下、単に「推測対象の製造条件情報」と称する。）を受け付ける。推測対象の製造条件情報には、スクリュー押出機のスクリュー構成に関する情報、樹脂組成物に添加される添加剤に関する情報、スクリュー押出機の吐出量情報、スクリュー押出機のスクリュー回転数情報、及び樹脂組成物が製造されているときの温度情報が含まれている。また、スクリュー押出機のスクリュー構成に関する情報には、スクリューの形状情報及びスクリューの角度情報が含まれる。
また、本実施形態の樹脂組成物に添加される添加剤に関する情報は、フィラーに関する情報である場合を例に説明する。なお、推測対象の製造条件情報のうちの温度情報は、実測値である。
物性情報推測装置１４の情報取得部１６は、入力装置１２によって受け付けられた学習用データを取得する。そして、情報取得部１６は、学習用データを学習用データ記憶部１８へ格納する。また、情報取得部１６は、入力装置１２によって受け付けられた推測対象の製造条件情報を取得する。
学習用データ記憶部１８には、情報取得部１６によって取得された学習用データが格納される。図４に、学習用データ記憶部１８に格納される学習用データの一例を示す。図４に示される例では、複数の学習用データがテーブル形式によって格納される。例えば、図４に示されるテーブルのうち「ID」が「00001」の学習用データは、フィラー構成が「AAA1」であり、スクリュー構成が「BBB1」であり、スクリュー押出機の吐出量が「CCC1」であり、スクリュー押出機の回転数が「DDD１」であり、スクリュー押出機のある箇所１の温度１が「t1」であり、別の箇所２の温度２が「t2」であり、別の箇所３の温度３が「t3」であり、別の箇所４の温度４が「t4」であった場合に、生成された樹脂組成物の物性情報の一例である曲げ弾性率が「EEE1」であったことを表す。この複数の学習用データに基づいて、後述する学習済みモデルが生成される。
なお、図４には物性情報が曲げ弾性率である場合が示されているが、樹脂組成物の物性情報は、引張強度（MPa）、引張伸び（％）、曲げ強度（MPa）、曲げ弾性率（％）、アイゾッド衝撃強さ(KJ/m2)、シャルピー衝撃強さ(KJ/m2)、及び圧縮降伏応力（MPa）の何れであってもよい。
なお、例えば、フィラー構成に関する情報としては、以下の表１に挙げる情報が用いられる。なお、以下の表における「サンプルコード」は、フィラーを識別するための識別情報である。
なお、スクリュー押出機によって樹脂組成物を製造する際には、上記表１に示されるタルク及びマイカの他、ガラス繊維、クレー、シリカ、アルミナ、カオリン、石英、及びグラファイト等を更に用いるようにしてもよい。
また、フィラーは無機フィラーであってもよい。無機フィラーとしては、例えば、マイカ、タルク、シリカ、アルミナ、水酸化マグネシウム、硫酸バリウム、炭酸カルシウム、酸化チタン、酸化亜鉛、三酸化アンチモン、酸化マグネシウム、カオリナイト、塩基炭酸マグネシウム、セリサイト、モンモロリナイト、カオリナイト、ベントナイト等の無機化合物が挙げられる。
フィラーの形状は特に限定されず、どのような形状でもあってよい。フィラーの形状としては、例えば、柱状のフィラー、板状のフィラー、球状又は扁平状のフィラー、粒子形状のフィラー、繊維形状のフィラー、及び鱗片形状（層状）のフィラー等が挙げられる。粒子形状のフィラーとしては、ガラス（例えばガラスビーズ）、炭酸カルシウム、シリカ、炭酸マグネシウム、酸化マグネシウム、アルミナ、硫酸バリウム、カーボンブラック、黒鉛、フェライト、水酸化アルミニウム、水酸化マグネシウム、酸化アンチモン、酸化チタン、酸化亜鉛等が挙げられる。板状形状のフィラーとしては、タルク、カオリン、マイカ、モンモリロナイト等が挙げられる。繊維形状のフィラーとしては、ガラス（例えばガラスファイバー）、炭素繊維、金属繊維、ウォラストナイト、チタン酸カルシウム、ゾノトライト、塩基性硫酸マグネシウム等が挙げられる。鱗片状のフィラーとしては、例えば、タルク、マイカ、カオリン等が挙げられる。
なお、上記表１に示されるフィラーのアスペクト比は、以下の測定方法によって特定したものである。
［粒子径D50L（レーザー回折散乱法により測定される平均粒子径）］
フィラー濃度が0.1質量％の水分散液を調製し、JIS Z8825:2013に準拠してレーザー回折式粒子径分布測定装置（島津製作所社製、製品名「SALD−7000」）により粒子径分布（体積基準）を測定した。得られた粒子径分布において、累積体積が50％となる粒子径をD50Lとした。
［粒子径D50S（液相重力沈降法により測定される平均粒子径）］
フィラー濃度が0.1質量％の水分散液を調製し、ISO13317−3：2001に準拠してＸ線透過式沈降法粒度分布測定装置（マイクロメリティックスジャパン合同会社製、製品名「SediGraphIII5120」）により粒子径分布（体積基準）を測定した。得られた粒子径分布において、累積体積が50％となる粒子径をD50Sとした。
［アスペクト比］
フィラーのアスペクト比は上記D50L、D50Sを用いて以下の文献に記載されている式により算出した（Pabst, W., Berthold, Ch., Part. Part. Syst. Char., 24, 458-463 (2007)、Pabst, W., Berthold, Ch., Gregorova, E., J. Eur. Ceram. Soc., 27, 1759-1762 (2007)）。
生成部２０は、学習用データ記憶部１８に格納された複数の学習用データに基づいて、樹脂組成物を製造する製造条件情報Xから該樹脂組成物の物性情報Yを推測するための学習済みモデルを生成する。
本実施形態の生成部２０は、非線形モデリングの一種であるガウス過程（例えば、参考文献（C.E. Rasmussen, C.K.I. Williams, "Gaussean Process for Machine Learning", The MIT Press, Cambridge, MA, USA, (2006)）を参照。）によって、スクリュー押出機による製造条件情報Xから樹脂組成物の物性情報Yを推測するための学習済みモデル（以下、単に「学習済みのガウス過程モデル」と称する。）を生成する。具体的には、ガウス過程によって、物性情報の推測に適したパラメータが得られる。そして、生成部２０は、生成した学習済みのガウス過程モデルを学習済みモデル記憶部２２へ格納する。本実施形態の学習済みのガウス過程モデルは、ガウス過程によって得られたパラメータとガウス過程によるモデル式との組み合わせである。
学習済みモデル記憶部２２には、生成部２０によって生成された学習済みのガウス過程モデルが格納される。
推測部２４は、情報取得部１６によって取得された推測対象の製造条件情報を取得する。そして、推測部２４は、推測対象の製造条件情報に基づいて、スクリュー構成に関する情報、フィラーに関する情報、スクリュー押出機の吐出量情報、スクリュー押出機のスクリュー回転数情報、及び温度情報が異なる複数の製造条件情報を生成する。例えば、推測部２４は、100万件のサンプルを製造条件情報として生成する。
また、推測部２４は、学習済みモデル記憶部２２に格納された学習済みのガウス過程モデルを読み出す。そして、推測部２４は、複数生成された製造条件情報の各々を、学習済みのガウス過程モデルへ入力し、複数の製造条件情報の各々に対応する樹脂組成物の物性情報を推測する。
具体的には、推測対象の製造条件情報が学習済みのガウス過程モデルに入力されると、入力された製造条件情報に対応する製造条件下で製造される樹脂組成物の物性情報が出力される。より詳細には、学習済みのガウス過程モデルによって、複数の製造条件情報の各々に対する推測値の分布（例えば、推測値の平均、標準偏差、及び到達確率等）が得られる。
このように、スクリュー押出機によって樹脂組成物を製造する際の学習用の製造条件情報と学習用の物性情報とが対応付けられた学習用データを用意し、その学習用データを用いて学習済みのガウス過程モデルを生成することにより、スクリュー押出機によって製造される樹脂組成物の製造条件情報から、スクリュー押出機によって製造される樹脂組成物の物性情報を推測するためのモデルを得ることができる。
また、推測対象の製造条件情報から複数の異なる製造条件情報を生成し、それら複数の製造条件情報に対する樹脂組成物の物性情報を学習済みのガウス過程モデルを用いて推測することにより、推測値の凡その分布を得ることができる。これにより、どのような製造条件下であれば、どのような物性の樹脂組成物が製造されるのかを予測することができる。
表示装置３０は、推測部２４によって推測された物性情報を結果として表示する。
＜物性情報推測装置の作用＞
次に、物性情報推測装置１４の作用を説明する。学習用の製造条件情報と学習用の物性情報との組み合わせを表す学習用データの各々が物性情報推測装置１４へ入力されると、情報取得部１６は、学習用データを学習用データ記憶部１８へ格納する。そして、物性情報推測装置１４は、学習処理の指示信号を受け付けると、図５に示される学習処理ルーチンを実行する。
＜学習処理ルーチン＞
ステップＳ１００において、生成部２０は、学習用データ記憶部１８に格納された学習用データ各々を取得する。
ステップＳ１０２において、生成部２０は、上記ステップＳ１００で取得された学習用データの各々に基づいて、製造条件情報から物性情報を推測するためのガウス過程モデルを生成する。そして、生成部２０は、学習済みのガウス過程モデルを取得する。
ステップＳ１０４において、生成部２０は、上記ステップＳ１０２で生成された学習済みのガウス過程モデルを、学習済みモデル記憶部２２に格納して学習処理ルーチンを終了する。
次に、物性情報推測装置１４は、推測対象の製造条件情報の入力を受け付けると、図６に示される物性情報推測処理ルーチンを実行する。
＜物性情報推測処理ルーチン＞
ステップＳ２００において、情報取得部１６は、推測対象の製造条件情報を取得する。
ステップＳ２０２において、推測部２４は、上記ステップＳ２００で取得された推測対象の製造条件情報に基づいて、スクリュー構成に関する情報、フィラーに関する情報、スクリュー押出機の吐出量情報、スクリュー押出機のスクリュー回転数情報、及び温度情報が異なる複数の製造条件情報を生成する。
ステップＳ２０４において、推測部２４は、学習済みモデル記憶部２２に格納された学習済みのガウス過程モデルを読み出す。
ステップＳ２０６において、推測部２４は、上記ステップＳ２０２で生成された複数の製造条件情報を、上記ステップＳ２０４で読み出された学習済みのガウス過程モデルへ入力して、物性情報を推測する。
ステップＳ２０８において、推測部２４は、上記ステップＳ２０６で推測された、樹脂組成物の物性情報を結果として出力する。
以上説明したように、第１実施形態に係る物性情報推測装置１４は、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報を、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルへ入力して、入力された製造条件情報に対応する樹脂組成物の物性情報を推測する。これにより、スクリュー押出機によって製造される樹脂組成物の製造条件情報から樹脂組成物の物性情報を推測することができる。
また、第１実施形態に係る物性情報推測装置１４によれば、推測対象の製造条件情報から複数の異なる製造条件情報を生成し、それら複数の製造条件情報に対する樹脂組成物の物性情報を学習済みのガウス過程モデルを用いて推測することにより、推測値の凡その分布を得ることができる。これにより、どのような製造条件下であれば、どのような物性の樹脂組成物が製造されるのかを予測することができる。
また、第１実施形態に係る物性情報推測装置１４は、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される学習用の樹脂組成物の製造条件情報と該学習用の樹脂組成物の物性情報との組み合わせを表す学習用データに基づいて、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される樹脂組成物の製造条件情報から該樹脂組成物の物性情報を推測するための学習済みモデルを生成する。これにより、スクリューを備えたスクリュー押出機によって製造される樹脂組成物の製造条件情報から該樹脂組成物の物性情報を推測するための学習済みモデルを得ることができる。
なお、第１実施形態に係る物性情報推測装置１４は、非線形モデリングの一種であるガウス過程をモデルとして用いる場合を例に説明したが、これに限定されるものではない。例えば、樹脂組成物の製造条件情報から該樹脂組成物の物性情報を推測するためのモデルとしては、サポートベクターマシーンモデル、ランダムフォレストによるモデル（例えば、参考文献（D.S. Palmer, N.M. O'Boyle, R.C. Glen, J.B.O. Mitchell, "Random Forest Models To Predict Aqueous Solubility", J. Chem. Inf. Model. 47 (2007) p.150-158.）を参照。）、又はニューラルネットワークモデル等であってもよい。
［第２実施形態］
次に、第２実施形態について説明する。第２実施形態の物性情報推測システムは、樹脂組成物が製造されているときの温度情報を推測した後、推測された当該温度情報、スクリュー構成に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報から該樹脂組成物の物性情報を推測する点が、第１実施形態と異なる。
なお、第２実施形態に係る物性情報推測システムの構成は、第１実施形態と同様の構成となるため、同一符号を付して説明を省略する。
第２実施形態の学習用データ記憶部１８には、情報取得部１６によって取得された学習用データが更に格納される。
図７に、第２実施形態の学習用データ記憶部１８に格納される学習用データの一例を示す。第２実施形態の学習用データ記憶部１８には、第１実施形態の学習用データに加えて、更に、図７に示されるような学習用データが格納される。例えば、図７に示されるテーブルのうち「ID」が「00001」の学習用データは、フィラー構成が「AAA1」であり、スクリュー構成が「BBB1」であり、スクリュー押出機の吐出量が「CCC1」であり、スクリュー押出機の回転数が「DDD１」であった場合に、スクリュー押出機のある箇所１の温度１が「t1」であり、別の箇所２の温度２が「t2」であり、別の箇所３の温度３が「t3」であり、別の箇所４の温度４が「t4」であったことを表す。図７に示されるような、学習用の樹脂組成物の製造条件情報と、その製造条件下での学習用の樹脂組成物が製造されているときの温度情報とが対応付けられた学習用データに基づいて、後述する第１の学習済みモデルが生成される。
第１実施形態においては、樹脂組成物を製造する製造条件情報から該樹脂組成物の物性情報を推測するための学習済みのガウス過程モデルが生成され、その学習済みのガウス過程モデルへ推測対象の製造条件情報が入力されると、入力された推測対象の製造条件情報の製造条件下で製造される樹脂組成物の物性情報が出力された。なお、第１実施形態において、この場合の製造条件情報のうちの温度情報は実測値であった。
これに対し、第２実施形態の物性情報推測装置は、まず、第１の学習済みモデルを用いて、温度情報を推測する。この第１の学習済みモデルは、スクリュー構成に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報から該樹脂組成物が製造されているときの温度情報を推測するためのモデルである。
そして、第２実施形態の物性情報推測装置は、第２の学習済みモデルである第１実施形態の学習済みのガウス過程モデルを用いて、第１の学習済みモデルから出力された温度情報と、スクリュー構成に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報とから樹脂組成物の物性情報を推測する。このモデルは、第１実施形態の学習済みのガウス過程モデルに相当する。
具体的には、まず、第２実施形態の生成部２０は、学習用データ記憶部１８に格納される学習用データに基づいて、スクリュー構成に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報から該樹脂組成物が製造されているときの温度情報を推測するための第１の学習済みモデルを生成する。
より詳細には、第２実施形態の生成部２０は、部分的最小二乗回帰（PLS : Partial Least Squares regression）によって、樹脂組成物の製造条件情報である、スクリュー構成に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報から該樹脂組成物が製造されているときの温度情報を推測するための学習済みモデル（以下、単に「学習済みのPLS」と称する。）を生成する。部分的最小二乗回帰によって、温度情報の推測に適したパラメータが得られる。そして、生成部２０は、生成した学習済みのPLSを学習済みモデル記憶部２２へ格納する。本実施形態の学習済みのPLSは、部分的最小二乗回帰によって得られたパラメータとPLSによるモデル式との組み合わせである。学習済みのPLSは、第１の学習済みモデルの一例である。
また、第２実施形態の生成部２０は、第１の実施形態と同様に、学習用データ記憶部１８に格納される学習用データに基づいて、温度情報、スクリュー構成に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報から該樹脂組成物の物性情報を推測するための学習済みのガウス過程モデルを生成する。学習済みのガウス過程モデルは、第２の学習済みモデルの一例である。
そして、第２実施形態の学習済みモデル記憶部２２には、学習済みのPLSと学習済みのガウス過程モデルとが格納される。
第２実施形態の推測部２４は、情報取得部１６によって取得された推測対象の製造条件情報を取得する。なお、第２実施形態の推定対象の製造条件情報には、温度情報は含まれていない。
そして、推測部２４は、推測対象の製造条件情報に基づいて、スクリュー構成に関する情報、フィラーに関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報が異なる複数の製造条件情報を生成する。例えば、推測部２４は、100万件のサンプルを製造条件情報として生成する。
次に、推測部２４は、学習済みモデル記憶部２２に格納された学習済みのPLSを読み出す。そして、推測部２４は、生成された複数の製造条件情報を、学習済みのPLSへ入力して、複数の製造条件情報の各々に対応する温度情報の推測値を出力する。
次に、推測部２４は、学習済みモデル記憶部２２に格納された学習済みのガウス過程モデルを読み出す。そして、推測部２４は、学習済みのPLSから出力された温度情報の推測値と製造条件情報とを、学習済みのガウス過程モデルへ入力して、樹脂組成物の物性情報の推測値を得る。
以上説明したように、第２実施形態に係る物性情報推測装置は、第１の学習済みモデルを用いて、スクリュー押出機による樹脂組成物の製造条件情報である、スクリュー構成に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報から該樹脂組成物が製造されているときの温度情報を推測する。そして、第２実施形態に係る物性情報推測装置は、第２の学習済みモデルを用いて、第１の学習済みモデルから出力された温度情報と、スクリュー構成に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報から樹脂組成物の物性情報を推測する。これにより、温度情報を実測しなくとも、推定対象の製造条件情報の条件下において製造される樹脂組成物の物性情報を推測することができる。
なお、第２実施形態に係る物性情報推測装置は、線形モデリングの一種である部分的最小二乗回帰によって第１の学習済みモデルを生成し、非線形モデリングの一種であるガウス過程によって第２の学習済みモデルを生成する場合を例に説明したが、これに限定されるものではなく、どのようなモデルであってもよい。
次に、各実施例を示す。４つの実施例について以下説明する。
［実施例１］
図８の左側に、実施例１の結果を示す。図８に示されるプロット点は、学習済みのガウス過程モデル（スクリュー構成に関する情報、樹脂組成物に添加される添加剤に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報を製造条件情報として用いた場合）によって推測された物性の予測値Ｙ’と、実測値Ｙとの関係を表すプロット点である。
［実施例２］
図８の右側に、実施例２の結果を示す。図８に示されるプロット点は、学習済みのランダムフォレストによるモデル（スクリュー構成に関する情報、樹脂組成物に添加される添加剤に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報を製造条件情報として用いた場合）によって推測された物性の予測値Ｙ’と、実測値Ｙとの関係を表すプロット点である。
［実施例３］
図９の左側に、実施例３の結果を示す。図９に示されるプロット点は、学習済みのガウス過程モデル（樹脂組成物が製造されているときの温度情報、スクリュー構成に関する情報、樹脂組成物に添加される添加剤に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報を製造条件情報として用いた場合）によって推測された物性の予測値Ｙ’と、実測値Ｙとの関係を表すプロット点である。なお、この場合の温度情報は、第２実施形態の学習済みのPLSによって予測されたものを用いた。
［実施例４］
図９の右側に、実施例４の結果を示す。図９に示されるプロット点は、学習済みのランダムフォレストによるモデル（樹脂組成物が製造されているときの温度情報、スクリュー構成に関する情報、樹脂組成物に添加される添加剤に関する情報、スクリュー押出機の吐出量情報、及びスクリュー押出機のスクリュー回転数情報を製造条件情報として用いた場合）によって推測された物性の予測値Ｙ’と、実測値Ｙとの関係を表すプロット点である。なお、この場合の温度情報は、第２実施形態の学習済みのPLSによって予測されたものを用いた。
次に、以下の表２に、上記の結果を纏めたものを示す。
表２に示される「予測値Y'」と「実測値Y」とは、ある製造条件情報に対する予測値と実測値を表す。表２に示されるように、何れの実施例においても、スクリュー押出機による樹脂組成物の製造条件情報から樹脂組成物の物性情報が精度良く推定されていることがわかる。
なお、本発明は、上述した実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。
例えば、スクリュー押出機が備えるスクリューは原理的には１個であってもよく、学習用データを収集する際に用いられる温度計の設置場所としてはスクリューの設置箇所に１個以上の温度計が任意に設置される。また、例えば、スクリュー押出機に４個のスクリューが設置される場合には、温度計は１個であってもよいが、樹脂が流れる方向から先端を上流側、樹脂が押し出し機から出てくる方向を下流側とした場合、上流側に温度計を設置したほうがより良く、複数個温度計が設置されている方が好ましい。
また、スクリュー押出機によって製造される樹脂組成物は、本発明の効果を損なわない範囲で、その他の成分をさらに含有してもよい。その他の成分の例には、酸化防止剤（フェノール類、アミン類、イオウ類及びリン類等）、光安定剤（ベンゾトリアゾール類、トリアジン類、ベンゾフェノン類、ベンゾエート類、ヒンダードアミン類及びオギザニリド類等）、他の重合体（ポリオレフィン類、エチレン・プロピレン共重合体、エチレン・１−ブテン共重合体等のオレフィン共重合体、プロピレン・１−ブテン共重合体等のオレフィン共重合体、ポリスチレン、ポリアミド、ポリカーボネート、ポリアセタール、ポリスルフォン、ポリフェニレンオキシド、フッ素樹脂、シリコーン樹脂及びＬＣＰ等）、難燃剤（臭素系、塩素系、リン系、アンチモン系および無機系等）、離型剤、流動性改良剤、蛍光増白剤、可塑剤、増粘剤、帯電防止剤、顔料、結晶核剤等が含まれる。
また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、コンピュータ読み取り可能な記録媒体に格納して提供することも可能である。
１０ 物性情報推測システム
１２ 入力装置
１４ 物性情報推測装置
１６ 情報取得部
１８ 学習用データ記憶部
２０ 生成部
２２ 学習済みモデル記憶部
２４ 推測部
３０ 表示装置
５０ コンピュータ
１２ 入力装置
１４ 物性情報推測装置
１６ 情報取得部
１８ 学習用データ記憶部
２０ 生成部
２２ 学習済みモデル記憶部
２４ 推測部
３０ 表示装置
５０ コンピュータ
Claims (12)
- スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報を、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルへ入力して、入力された前記製造条件情報に対応する前記樹脂組成物の物性情報を推測する、
処理をコンピュータが実行する物性情報推測方法。 - 前記製造条件情報は、前記スクリュー押出機のスクリュー構成に関する情報、前記樹脂組成物に添加される添加剤に関する情報、前記スクリュー押出機の吐出量情報、前記スクリュー押出機のスクリュー回転数情報、及び前記樹脂組成物が製造されているときの温度情報の少なくとも１つを含む、
請求項１に記載の物性情報推測方法。 - 前記学習済みモデルは、
スクリュー押出機による樹脂組成物の製造条件情報である、前記スクリュー押出機のスクリュー構成に関する情報、前記スクリュー押出機の吐出量情報、及び前記スクリュー押出機のスクリュー回転数情報の少なくとも１つから該樹脂組成物が製造されているときの温度情報を推測する第１の学習済みモデルと、
前記第１の学習済みモデルから出力された前記温度情報と、スクリュー押出機による樹脂組成物の製造条件情報である、前記スクリュー押出機のスクリュー構成に関する情報、前記スクリュー押出機の吐出量情報、及び前記スクリュー押出機のスクリュー回転数情報の少なくとも１つとから、前記樹脂組成物の物性情報を推測する第２の学習済みモデルと、を含む、
請求項１に記載の物性情報推測方法。 - 前記樹脂組成物に添加される添加剤に関する情報は、フィラーに関する情報である、
請求項２又は請求項３に記載の物性情報推測方法。 - 前記製造条件情報は、前記スクリュー押出機のスクリュー構成に関する情報、前記樹脂組成物に添加される添加剤に関する情報、前記スクリュー押出機の吐出量情報、及び前記スクリュー押出機のスクリュー回転数情報であり、
前記スクリュー押出機のスクリュー構成に関する情報、前記樹脂組成物に添加される添加剤に関する情報、前記スクリュー押出機の吐出量情報、及び前記スクリュー押出機のスクリュー回転数情報が異なる複数の前記製造条件情報を生成し、
複数生成された前記製造条件情報の各々を、前記学習済みモデルへ入力し、複数の前記製造条件情報の各々に対応する前記物性情報を推測する、
請求項１に記載の物性情報推測方法。 - 前記物性情報は、前記樹脂組成物の曲げ弾性率、引張強度、引張伸び、曲げ強度、アイゾッド衝撃強さ、シャルピー衝撃強さ、及び圧縮降伏応力の何れか１つを含む、
請求項１〜請求項４のいずれか１項に記載の物性情報推測方法。 - 前記学習済みモデルは、PLS（Partial Least Squares regression）によるモデル、サポートベクターマシーンモデル、ランダムフォレストによるモデル、ガウス過程によるモデル、又はニューラルネットワークモデルである、
請求項１〜請求項６のいずれか１項に記載の物性情報推測方法。 - スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される学習用の樹脂組成物の製造条件情報と該学習用の樹脂組成物の物性情報との組み合わせを表す学習用データに基づいて、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される樹脂組成物の製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルを生成する、
処理をコンピュータが実行する物性情報推測モデル生成方法。 - スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報を、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルへ入力して、入力された前記製造条件情報に対応する前記樹脂組成物の物性情報を推測する推測部
を備える物性情報推測装置。 - スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される学習用の樹脂組成物の製造条件情報と該学習用の樹脂組成物の物性情報との組み合わせを表す学習用データに基づいて、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される樹脂組成物の製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルを生成する生成部
を備える物性情報推測モデル生成装置。 - スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報を、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から樹脂組成物を製造する製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルへ入力して、入力された前記製造条件情報に対応する前記樹脂組成物の物性情報を推測する、
処理をコンピュータに実行させるための物性情報推測プログラム。 - スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される学習用の樹脂組成物の製造条件情報と該学習用の樹脂組成物の物性情報との組み合わせを表す学習用データに基づいて、スクリューを備えたスクリュー押出機を用いて熱可塑性樹脂から製造される樹脂組成物の製造条件情報から、該樹脂組成物の物性情報を推測するための学習済みモデルを生成する、
処理をコンピュータに実行させるための物性情報推測モデル生成プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019068437A JP2020163783A (ja) | 2019-03-29 | 2019-03-29 | 物性情報推測方法、物性情報推測モデル生成方法、装置、及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019068437A JP2020163783A (ja) | 2019-03-29 | 2019-03-29 | 物性情報推測方法、物性情報推測モデル生成方法、装置、及びプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2020163783A true JP2020163783A (ja) | 2020-10-08 |
Family
ID=72716712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019068437A Pending JP2020163783A (ja) | 2019-03-29 | 2019-03-29 | 物性情報推測方法、物性情報推測モデル生成方法、装置、及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2020163783A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3988270A1 (en) * | 2020-10-26 | 2022-04-27 | Kabushiki Kaisha Kobe Seiko Sho (Kobe Steel, Ltd.) | Machine learning method, machine learning device, and machine learning program |
| WO2023157368A1 (ja) * | 2022-02-16 | 2023-08-24 | 株式会社日立製作所 | システム、配合比決定方法およびプログラム |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008501837A (ja) * | 2004-06-09 | 2008-01-24 | ストックハウゼン ゲーエムベーハー | コンピュータ生成モデルを用いた親水性ポリマー及び親水性ポリマーを含む追加処理製品の製造方法 |
-
2019
- 2019-03-29 JP JP2019068437A patent/JP2020163783A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008501837A (ja) * | 2004-06-09 | 2008-01-24 | ストックハウゼン ゲーエムベーハー | コンピュータ生成モデルを用いた親水性ポリマー及び親水性ポリマーを含む追加処理製品の製造方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3988270A1 (en) * | 2020-10-26 | 2022-04-27 | Kabushiki Kaisha Kobe Seiko Sho (Kobe Steel, Ltd.) | Machine learning method, machine learning device, and machine learning program |
| JP2022070134A (ja) * | 2020-10-26 | 2022-05-12 | 株式会社神戸製鋼所 | 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び樹脂処理装置 |
| CN114474462A (zh) * | 2020-10-26 | 2022-05-13 | 株式会社神户制钢所 | 机器学习方法、机器学习装置以及机器学习程序 |
| WO2023157368A1 (ja) * | 2022-02-16 | 2023-08-24 | 株式会社日立製作所 | システム、配合比決定方法およびプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shaqour et al. | Gaining a better understanding of the extrusion process in fused filament fabrication 3D printing: a review | |
| Sukindar et al. | Analyzing the effect of nozzle diameter in fused deposition modeling for extruding polylactic acid using open source 3D printing | |
| JP2020163783A (ja) | 物性情報推測方法、物性情報推測モデル生成方法、装置、及びプログラム | |
| Tomaszewska et al. | Review of recent developments of glass transition in PVC nanocomposites | |
| Chen et al. | 3D-Printable ABS blends with improved scratch resistance and balanced mechanical performance | |
| JP6913166B2 (ja) | スクリュ形状推定装置、スクリュ形状推定方法、スクリュ形状推定プログラム | |
| US20220410099A1 (en) | Method and controlling system for controlling polymer viscosity quality | |
| Guo et al. | A detailed evaluation of surface, thermal, and flammable properties of polyamide 12/glass beads composites fabricated by multi jet fusion | |
| Stanciu et al. | Thermal, rheological, mechanical, and electrical properties of polypropylene/multi-walled carbon nanotube nanocomposites | |
| Liu et al. | Nonparametric bayesian framework for material and process optimization with nanocomposite fused filament fabrication | |
| Sharma et al. | On effect of chemical-assisted mechanical blending of barium titanate and graphene in PVDF for 3D printing applications | |
| Acierno et al. | Fused deposition modelling (FDM) of thermoplastic-based filaments: process and rheological properties—an overview | |
| Carbone et al. | Amino acids and poly (amino acids) as nucleating agents for poly (lactic acid) | |
| Saari et al. | Additive manufacturing of soft and composite parts from thermoplastic elastomers | |
| Oburoğlu et al. | Effects of halloysite nanotube on the mechanical properties and nonisothermal crystallization kinetics of poly (butylene terephthalate)(PBT) | |
| JP2020163784A (ja) | 温度情報推測方法、温度情報推測モデル生成方法、装置、及びプログラム | |
| Ulkir | Conductive Additive Manufactured Acrylonitrile Butadiene Styrene Filaments: Statistical Approach to Mechanical and Electrical Behaviors | |
| JP6185515B2 (ja) | 可塑化シミュレーション装置、その可塑化シミュレーション方法および可塑化シミュレーションプログラム | |
| Nasrin et al. | Active learning for prediction of tensile properties for material extrusion additive manufacturing | |
| Nasr et al. | Influence of fusion temperature on nonisothermal crystallization kinetics of polyamide 6 | |
| Lü et al. | Contribution of the CR domain to P-selectin lectin domain allostery by regulating the orientation of the EGF domain | |
| WO2021256272A1 (ja) | シミュレーション装置、シミュレーション方法及びシミュレーションプログラム | |
| Morrison | Constitutive modeling of viscoelastic fluids | |
| Zhang et al. | A novel pellet-based 3D printing of high stretchable elastomer | |
| Celik et al. | Compounding, rheology and numerical simulation of highly filled graphite compounds for potential fuel cell applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211202 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221122 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230120 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230228 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230508 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230516 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230804 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240603 |