JP2021039612A - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents
情報処理装置、情報処理方法、および情報処理プログラム Download PDFInfo
- Publication number
- JP2021039612A JP2021039612A JP2019161533A JP2019161533A JP2021039612A JP 2021039612 A JP2021039612 A JP 2021039612A JP 2019161533 A JP2019161533 A JP 2019161533A JP 2019161533 A JP2019161533 A JP 2019161533A JP 2021039612 A JP2021039612 A JP 2021039612A
- Authority
- JP
- Japan
- Prior art keywords
- error
- prediction
- prediction model
- manufacturing conditions
- characteristic
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 66
- 238000003672 processing method Methods 0.000 title claims description 16
- 238000004519 manufacturing process Methods 0.000 claims abstract description 209
- 238000000034 method Methods 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 229910052751 metal Inorganic materials 0.000 claims description 9
- 239000002184 metal Substances 0.000 claims description 8
- 229910045601 alloy Inorganic materials 0.000 claims description 5
- 239000000956 alloy Substances 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 4
- 239000007769 metal material Substances 0.000 claims 1
- 239000000047 product Substances 0.000 description 78
- 238000012216 screening Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 15
- 238000012360 testing method Methods 0.000 description 13
- 239000000463 material Substances 0.000 description 12
- 229910052782 aluminium Inorganic materials 0.000 description 11
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000000137 annealing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005097 cold rolling Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005098 hot rolling Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
- General Factory Administration (AREA)
Abstract
【解決手段】情報処理装置(1)は、特性予測モデル(112)を用いて推論した製品の特性値と、該特性値の実測値との差を予測誤差として特定する予測誤差特定部(1021)と、製品の製造条件と予測誤差との関係をモデル化して誤差予測モデル(113)を生成する誤差予測モデル生成部(1023)と、を備えている。
【選択図】図1
Description
〔概要〕
本発明の一実施形態に係る情報処理装置1の概要を説明する。詳細は図1等に基づいて以下説明するが、情報処理装置1は、特性予測モデル112を用いて予測した製品の特性値と、該特性値の実測値との差を予測誤差として特定する予測誤差特定部1021を備えている。また、情報処理装置1は、製品の製造条件と予測誤差との関係をモデル化して誤差予測モデル113を生成する誤差予測モデル生成部1023を備えている。
図1は、情報処理装置1の要部構成の一例を示すブロック図である。図1に示すように、情報処理装置1は、情報処理装置1の各部を統括して制御する制御部10、情報処理装置1が使用する各種データを記憶する記憶部11、および入出力部12を備えている。入出力部12には、情報処理装置1における入力操作を受け付ける入力部121と、制御に対する出力を受け付ける出力部122が含まれる。なお、記憶部11および入出力部12は、情報処理装置1に外付けされた、情報処理装置1とは別体の装置であってもよい。また、出力部122は、所定の態様でデータを出力できるものであればよい。例えば、データを表示出力させる場合には、表示装置を出力部122とすればよい。
特性予測モデル112の構成例を説明する。本実施形態では、一例として、特性予測の対象とする製品がH2nアルミニウム板材(以下、アルミ板材と略称する)である例を説明する。アルミ板材の製造工程には、原料の鋳造、ソーキング、熱間圧延(熱延)、冷間圧延(冷延)、および焼鈍の各工程が含まれる。
誤差予測モデル113の説明変数には、特性予測モデル112の説明変数の少なくとも一部を含める。例えば、説明変数寄与評価部1020が、特性予測モデル112の説明変数の中から、特性予測モデル112による予測への寄与が相対的に大きい説明変数を特定した場合、その説明変数を除いた残りの説明変数を、誤差予測モデル113の説明変数とする。誤差予測モデル113の生成に使用する説明変数は、特性予測モデル112の説明変数と同じであるから、製造レコードテーブル110から読み出すことができる。
上記のようにして構築した誤差予測モデル113の妥当性の検証結果を図2および図3に基づいて説明する。図2は、誤差予測モデル113で予測した予測誤差と、実測値に基づいて算出した予測誤差(以下、実測値ベースの予測誤差と呼ぶ)との相関関係を示す図である。また、図3は、誤差予測モデル113で予測した耐力の予測誤差と、誤差予測モデル113で予測した引張強さの予測誤差との相関関係を示す図である。
上述のように、適合判定部1030は、誤差予測モデル113を用いて算出された予測誤差の値に基づき、当該予測誤差を算出する基になった製造条件が特性予測モデル112に対する入力データとして妥当であるか否かを判定する。そして、適合判定部1030は、妥当ではないと判定した製造条件を、順推論部1010への入力データから除外する。つまり、適合判定部1030は、順推論部1010に渡されるデータを、除外するものと除外しないものとにスクリーニングする。以下、図4から図6に基づいて入力データのスクリーニングの例を説明する。
情報処理装置1が誤差予測モデル113を生成する処理の流れを図7に基づいて説明する。図7は、誤差予測モデル113を生成する情報処理方法の一例を示すフローチャートである。
情報処理装置1が製品特性の予測値を算出する処理の流れを図8に基づいて説明する。図8は、製造条件のスクリーニングを行った上で製品特性の予測値を算出する情報処理方法の一例を示すフローチャートである。
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
誤差予測部1031が算出する予測誤差は、入力データ(製造条件)のスクリーニング以外にも利用することができる。例えば、実施形態1の情報処理装置1は、新規製造条件入力部1211に入力データが与えられた場合に、その入力データをスクリーニングすることなく特性予測モデル112を読み込ませた順推論部1010に渡して特性値を推論してもよい。この場合、順推論部1010が推論した特性値を順推論結果表示部1220に表示出力させると共に、誤差予測部1031が推論した予測誤差も順推論結果表示部1220に表示出力させてもよい。これにより、情報処理装置1のユーザに、算出された特性値にどの程度の誤差が含まれ得るかを認識させることができる。つまり、この構成では、入力データの妥当性判断をユーザに行わせることができる。
(i)特定値の推論は行うが、誤差予測は行わない
(ii)誤差予測を行い、誤差の程度が大きいと予測される場合には、特性値の推論結果を棄却する(詳細は実施形態1参照)
(iii)特性予測値から誤差の予測値を減じる補正を行う(詳細は前段落参照)
なお、本発明は、製品の特性を予測するための特性予測モデルに限られず、任意の予測モデルについて、どの程度の誤差が生じるかを予測するために利用することができる。
情報処理装置1の制御ブロック(特に制御部10、入力部121、および出力部122に含まれる各部)、判定装置21、予測装置22、および製造条件決定装置23の制御ブロックは、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、ソフトウェアによって実現してもよい。
101 推論部A
1020 説明変数寄与評価部
1021 予測誤差特定部
1023 誤差予測モデル生成部
1031 誤差予測部
1030 適合判定部
112 特性予測モデルテーブル
113 誤差予測モデルテーブル
Claims (9)
- 製品の製造条件と該製造条件で製造された当該製品の特性値との関係をモデル化した特性予測モデルを用いて算出した上記特性値と、上記製造条件で実際に製造された上記製品の特性値との差を、上記特性予測モデルの予測誤差として特定する予測誤差特定部と、
上記製品の製造条件と上記予測誤差との関係をモデル化して、上記製品の製造条件から予測誤差を予測するための誤差予測モデルを生成する誤差予測モデル生成部と、を備えていることを特徴とする情報処理装置。 - 上記製造条件に含まれる複数の説明変数の中から、上記特性予測モデルによる予測への寄与が相対的に大きい説明変数を少なくとも1つ特定する説明変数寄与評価部を備え、
上記誤差予測モデル生成部は、上記説明変数寄与評価部が特定した説明変数を除いた上記製造条件と、上記予測誤差との関係をモデル化して、上記誤差予測モデルを生成することを特徴とする請求項1に記載の情報処理装置。 - 上記特性予測モデルは、金属、合金、および、金属を含む複合材、の何れかの製品について、当該製品の製造条件から、当該製品の製品特性を示す特性値を予測するモデルであることを特徴とする請求項1または2に記載の情報処理装置。
- 製品の製造条件と該製造条件で製造された当該製品の特性値との関係をモデル化した特性予測モデルを用いて算出した上記特性値と上記製造条件で実際に製造された上記製品の特性値との差である予測誤差と、上記製造条件との関係をモデル化した誤差予測モデルを用いて、上記特性予測モデルにある製造条件を入力する場合の予測誤差を算出する誤差予測部と、
上記誤差予測部が算出した予測誤差の値に基づき、上記ある製造条件が上記特性予測モデルに対する入力データとして妥当であるか否かを判定する適合判定部と、を備えていることを特徴とする情報処理装置。 - 上記適合判定部が妥当と判定した製造条件を上記特性予測モデルに入力して上記特性値を推論する推論部を備えていることを特徴とする請求項4に記載の情報処理装置。
- 情報処理装置が実行する情報処理方法であって、
製品の製造条件と該製造条件で製造された当該製品の特性値との関係をモデル化した特性予測モデルを用いて算出した上記特性値と、上記製造条件で実際に製造された上記製品の特性値との差を、上記特性予測モデルの予測誤差として特定する予測誤差特定ステップと、
上記製品の製造条件と上記予測誤差との関係をモデル化して、上記製品の製造条件から予測誤差を予測するための誤差予測モデルを生成するモデル生成ステップと、を含むことを特徴とする情報処理方法。 - 情報処理装置が実行する情報処理方法であって、
製品の製造条件と該製造条件で製造された当該製品の特性値との関係をモデル化した特性予測モデルを用いて算出した上記特性値と上記製造条件で実際に製造された上記製品の特性値との差である予測誤差と、上記製造条件との関係をモデル化した誤差予測モデルを用いて、上記特性予測モデルにある製造条件を入力する場合の予測誤差を算出する誤差予測ステップと、
上記誤差予測ステップで算出した予測誤差の値に基づき、上記ある製造条件が上記特性予測モデルに対する入力データとして妥当であるか否かを判定する判定ステップと、を含むことを特徴とする情報処理方法。 - 請求項1に記載の情報処理装置としてコンピュータを機能させるための情報処理プログラムであって、上記予測誤差特定部および上記誤差予測モデル生成部としてコンピュータを機能させるための情報処理プログラム。
- 請求項4に記載の情報処理装置としてコンピュータを機能させるための情報処理プログラムであって、上記誤差予測部および上記適合判定部としてコンピュータを機能させるための情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019161533A JP7390138B2 (ja) | 2019-09-04 | 2019-09-04 | 情報処理装置、情報処理方法、および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019161533A JP7390138B2 (ja) | 2019-09-04 | 2019-09-04 | 情報処理装置、情報処理方法、および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021039612A true JP2021039612A (ja) | 2021-03-11 |
JP7390138B2 JP7390138B2 (ja) | 2023-12-01 |
Family
ID=74848751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019161533A Active JP7390138B2 (ja) | 2019-09-04 | 2019-09-04 | 情報処理装置、情報処理方法、および情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7390138B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420385A (zh) * | 2021-05-25 | 2021-09-21 | 武汉工程大学 | 一种基于机器学习的钢材微观组织力学性能预测方法 |
JP7263567B1 (ja) | 2022-01-11 | 2023-04-24 | みずほリサーチ&テクノロジーズ株式会社 | 情報選択システム、情報選択方法及び情報選択プログラム |
WO2023136191A1 (ja) * | 2022-01-17 | 2023-07-20 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012081518A (ja) * | 2010-09-16 | 2012-04-26 | Sumitomo Metal Ind Ltd | 厚鋼板の冷却制御方法、冷却制御装置及び厚鋼板の製造方法 |
JP2014038595A (ja) * | 2012-07-20 | 2014-02-27 | Jfe Steel Corp | 鋼材の材質予測装置及び材質制御方法 |
JP2016164730A (ja) * | 2015-03-06 | 2016-09-08 | 富士通株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2017202514A (ja) * | 2016-05-13 | 2017-11-16 | 新日鐵住金株式会社 | 厚鋼板の冷却制御方法および製造方法 |
JP2019125048A (ja) * | 2018-01-12 | 2019-07-25 | 富士通株式会社 | 需要予測プログラム、需要予測方法および需要予測装置 |
-
2019
- 2019-09-04 JP JP2019161533A patent/JP7390138B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012081518A (ja) * | 2010-09-16 | 2012-04-26 | Sumitomo Metal Ind Ltd | 厚鋼板の冷却制御方法、冷却制御装置及び厚鋼板の製造方法 |
JP2014038595A (ja) * | 2012-07-20 | 2014-02-27 | Jfe Steel Corp | 鋼材の材質予測装置及び材質制御方法 |
JP2016164730A (ja) * | 2015-03-06 | 2016-09-08 | 富士通株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2017202514A (ja) * | 2016-05-13 | 2017-11-16 | 新日鐵住金株式会社 | 厚鋼板の冷却制御方法および製造方法 |
JP2019125048A (ja) * | 2018-01-12 | 2019-07-25 | 富士通株式会社 | 需要予測プログラム、需要予測方法および需要予測装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420385A (zh) * | 2021-05-25 | 2021-09-21 | 武汉工程大学 | 一种基于机器学习的钢材微观组织力学性能预测方法 |
JP7263567B1 (ja) | 2022-01-11 | 2023-04-24 | みずほリサーチ&テクノロジーズ株式会社 | 情報選択システム、情報選択方法及び情報選択プログラム |
WO2023136118A1 (ja) * | 2022-01-11 | 2023-07-20 | みずほリサーチ&テクノロジーズ株式会社 | 情報選択システム、情報選択方法及び情報選択プログラム |
JP2023102156A (ja) * | 2022-01-11 | 2023-07-24 | みずほリサーチ&テクノロジーズ株式会社 | 情報選択システム、情報選択方法及び情報選択プログラム |
WO2023136191A1 (ja) * | 2022-01-17 | 2023-07-20 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7390138B2 (ja) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7390138B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
WO2018062398A1 (ja) | アルミニウム製品の特性予測装置、アルミニウム製品の特性予測方法、制御プログラム、および記録媒体 | |
CN109074051B (zh) | 质量管理装置、质量管理方法及记录介质 | |
JP7297831B2 (ja) | 製造条件出力装置、品質管理システム及びプログラム | |
JP5462750B2 (ja) | 溶鋼温度管理方法、装置及びプログラム | |
JP2005315703A (ja) | 鋼材の材質予測方法 | |
Hu et al. | Prediction of mechanical properties of wrought aluminium alloys using feature engineering assisted machine learning approach | |
JP7156975B2 (ja) | 運営評価装置、運営評価方法、およびプログラム | |
CN109313110A (zh) | 使用数字图像相关技术的应用评估 | |
US11803165B2 (en) | Manufacturing support system for predicting property of alloy material, method for generating prediction model, and computer program | |
TW202212020A (zh) | 品質設計方法與電子裝置 | |
JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
CN111597705B (zh) | 一种轴承裂纹预测模型的构建方法及装置 | |
JP2007157007A (ja) | 製造プロセス監視制御装置と監視制御方法及び記憶媒体 | |
JP4269778B2 (ja) | 圧延加工の金属組織予測方法 | |
JP2010207900A (ja) | 熱間圧延における変形抵抗予測方法 | |
JP2020185573A (ja) | 自動材料選択装置及び自動材料選択プログラム | |
JP6990351B2 (ja) | 球状黒鉛鋳鉄鋳物の硬度を予測する方法 | |
WO2018221353A1 (ja) | 材料組織計算装置および制御プログラム | |
JP2021114257A (ja) | 品質予測装置、品質予測方法、品質予測プログラム、学習装置、および学習済みモデル | |
WO2019189455A1 (ja) | 製造方法、情報処理装置、関係式算出装置、および、製造システム | |
JP5950861B2 (ja) | 技術評価装置、技術評価方法 | |
JP2019173096A5 (ja) | ||
JP6832175B2 (ja) | 処理フロー管理装置及び処理フロー管理方法 | |
JP2002183250A (ja) | 製造プロセスにおける解析装置、方法、及びコンピュータ読み取り可能な記憶媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220525 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230601 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231030 |
|
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: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7390138 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |