JP2022124783A - タイヤの断面形状予測方法およびタイヤの製造方法 - Google Patents

Abstract

【課題】グリーンタイヤの設計仕様データおよび使用するモールドの成形面の断面形状データを用いて、グリーンタイヤを加硫して製造されるタイヤの断面形状をより高精度で予測できる予測方法およびこの予測方法を利用したタイヤの製造方法を提供する。【解決手段】グリーンタイヤＧの断面形状を含む設計仕様データＤ１と、モールド６の成形面７の断面形状データＤ２と、モールド６を用いて設計仕様データＤ１が異なる多数のグリーンタイヤＧを加硫して製造したタイヤＴの断面画像データＤ３と、を教師データとして機械学習させて生成した予測モデルＰＭを演算装置２に記憶し、予測対象のグリーンタイヤＧａの設計仕様データＤ１と、成形面７の断面形状データＤ２とを予測モデルＰＭに代入し演算処理することで、グリーンタイヤＧａをモールド６で加硫して製造される対象タイヤＴａの断面形状を予測する。【選択図】図１

Description

本発明は、タイヤの断面形状予測方法およびタイヤの製造方法に関し、さらに詳しくは、グリーンタイヤの設計仕様データおよび使用するモールドの成形面の断面形状データを用いて、グリーンタイヤを加硫して製造されるタイヤの断面形状をより高精度で予測できる簡便な予測方法およびこの予測方法を利用したタイヤの製造方法に関するものである。

タイヤは、未加硫のグリーンタイヤが加硫用モールドの中で加硫されることで製造される。グリーンタイヤは予め設定された形状に成形され、加硫中に最終形状に変形されてタイヤが完成する。グリーンタイヤの成形工程で、ゴムボリュームの過不足などに起因してグリーンタイヤの形状が適切でない場合、目的とする形状のタイヤが得られないことがある。そのため、加硫したグリーンタイヤがどのような最終形状に変形するのかを精度よく予測できれば、目的とする形状のタイヤを確実に得るには有益である。

従来、任意の製造工程におけるタイヤの断面形状を予測する方法が提案されている（特許文献１参照）。特許文献１で提案されている方法では、予測したカーカスの断面形状を基準にしてタイヤの断面形状が算出される。そして、カーカスの断面形状は、この断面形状を決定する所定の関数を用いて、予測対象工程での製造条件情報およびカーカスの構造仕様情報に基づいて予測される。

しかしながら、この提案されている方法では、短時間で予測することを目的の一つにしているため、カーカスの断面形状を決定する関数としては、膜理論や梁理論などの極めてシンプルな理論から導出される理論式が採用されている。そのため、グリーンタイヤを加硫して製造されるタイヤの断面形状を精度よく予測するには限界があり、簡便でありながらタイヤの断面形状をより高精度で予測するには改善の余地がある。

特開２００６－１６８２９４号公報

本発明の目的は、グリーンタイヤの設計仕様データおよび使用するモールドの成形面の断面形状データを用いて、グリーンタイヤを加硫して製造されるタイヤの断面形状をより高精度で予測できる簡便な予測方法およびこの予測方法を利用したタイヤの製造方法を提供することにある。

上記目的を達成するため本発明のタイヤの断面形状予測方法は、グリーンタイヤの断面形状を含む設計仕様データに基づいてグリーンタイヤを成形する際に、前記設計仕様データを異ならせた多数の前記グリーンタイヤを成形し、成形したそれぞれの前記グリーンタイヤを所定のモールドを用いて加硫して製造されたそれぞれのタイヤの断面画像データを取得し、それぞれの設計仕様データと、前記モールドの成形面の断面形状データと、前記断面画像データと、を教師データとして、前記教師データを用いて機械学習させることで、加硫して製造されるタイヤの断面形状を予測する予測モデルを生成し、この予測モデルが記憶された演算装置に、予測対象となるグリーンタイヤの設計仕様データを入力して、この入力した設計仕様データと前記成形面の断面形状データとに基づいて、前記予測モデルを用いた前記演算装置による演算処理により、前記モールドを用いて予測対象となる前記グリーンタイヤを加硫して製造される対象タイヤの断面形状を予測することを特徴とする。

本発明のタイヤの製造方法は、上記のタイヤの断面形状予測方法によって予測された結果に基づいて、目標とする断面形状のタイヤを製造するためのグリーンタイヤの前記設計仕様データを把握し、この把握した設計仕様データに基づいてグリーンタイヤを成形して、この成形したグリーンタイヤを前記モールドと同じ仕様のモールドを用いて加硫することを特徴とする。

本発明のタイヤの断面形状予測方法によれば、前記設計仕様データと、前記成形面の断面形状データと、前記タイヤ断面画像データとを、前記教師データとして機械学習させて生成した予測モデルを使用する。そのため、予測対象となるグリーンタイヤの設計仕様データと前記成形面の断面形状データとを前記予測モデルに入力して前記演算装置によって演算処理することで、前記モールドを用いて予測対象となる前記グリーンタイヤを加硫して製造される対象タイヤの断面形状をより高精度で予測することが可能になる。そして、前記設計仕様データ、前記成形面の断面形状データはそれぞれ、グリーンタイヤ、モールドを実際に測定することなく、設計上のデータを使用できるので容易に取得でき、対象タイヤの断面形状の予測が簡便になる。

本発明のタイヤの製造方法によれば、上記のタイヤの断面形状予測方法によって予測された高い精度の結果に基づいて、目標とする断面形状のタイヤを製造するためのグリーンタイヤの設計仕様データを把握することができる。そして、この把握した設計仕様データに基づいてグリーンタイヤを成形して前記モールドと同じ仕様のモールドを用いて加硫するので、目標とする断面形状のタイヤを得るには有利になる。

本発明に用いる予測システムを例示する説明図である。 グリーンタイヤの右半分を横断面視で例示する説明図である。 モールドの右半分を横断面視で例示する説明図である。 モールドの中に配置した状態のグリーンタイヤの右半分を横断面視で例示する説明図である。 予測モデルを用いて予測されたタイヤの断面形状の外表面（プロファイル）を成形面の断面形状とともに例示する説明図である。 図５のタイヤの断面形状の外表面をグリーンタイヤの断面形状の外表面とともに例示する説明図である。 予測モデルを用いた予測結果に基づいて修正されたグリーンタイヤの断面形状の外表面を、修正前の断面形状の外表面とともに例示する説明図である。 図７の修正されたグリーンタイヤを加硫している加硫装置を横断面視で例示する説明図である。 図８のグリーンタイヤの右半分を横断面視で例示する説明図である。 加硫されたタイヤの右半分を横断面視で例示する説明図である。

以下、本発明のタイヤの断面形状予測方法およびタイヤの製造方法を、図に示す実施形態に基づいて具体的に説明する。

図１に例示する予測システム１を用いて、本発明のタイヤの断面形状予測方法が行われる。この予測システム１は、演算装置２と入力部３と表示部４とを有し、さらに設計システム５と断面画像撮影装置５ａとを有している。演算装置２と入力部３、表示部４は有線または無線により通信可能に接続されている。設計システム５および断面画像撮影装置５ａにより出力されたデータは直接、または入力部３を通じて演算装置２に入力される。

演算装置２は、種々のデータが入力、記憶され、これらデータを用いて演算処理を行う。演算装置２としては、種々のコンピュータを用いることができる。したがって、演算装置２は、種々のデータが記憶されるメモリと、演算処理を行うＣＰＵを有している。

入力部３は、演算装置２に種々のデータを入力する入力手段である。入力部３としては、キーボード、マウス、各種端末機器を用いることができる。

表示部４は、演算装置２に入力された種々のデータ、これらデータを用いて演算処理された演算結果（数値、表、図面など）を表示する表示手段である。表示部４としては、各種のモニタを用いることができる。

設計システム５は、グリーンタイヤＧを設計するためのプログラム（ＣＡＤプログラムなど）が記憶されたコンピュータを有している。この設計システム５を用いてグリーンタイヤＧを成形（製造）するための設計図データが作成される。この設計図データがグリーンタイヤＧの断面形状を含む設計仕様データＤ１を構成する。このように設計仕様データＤ１は、グリーンタイヤＧを製造（成形）するために使用される設計図データなので、本発明では、実物のグリーンタイヤＧを測定装置などで測定して、その断面形状データなどの設計仕様データＤ１を取得する必要はない。

設計システム５に記憶されているグリーンタイヤＧの断面形状を含む設計仕様データＤ１は、演算装置２に入力される。この発明では、設計仕様データＤ１として、少なくとも、グリーンタイヤＧの断面形状データが演算装置２に入力される。尚、設計システム５のコンピュータとして、予測システム１の演算装置２を利用してもよい。即ち、予測システム１が設計システム５の機能を有する構成にすることもできる。

断面画像撮影装置５ａは、製造されたタイヤＴの横断面の画像データを取得する手段である。断面画像撮影装置５ａとしては、公知のデジタルカメラなどの画像撮影装置、公知のＸ線撮影装置（ＣＴスキャナ）を例示できる。Ｘ線撮影装置（ＣＴスキャナ）を用いると、グリーンタイヤＧを横断面に切断することなく、断面形状データを測定、取得できる。デジタルカメラなどを用いる場合は、タイヤＴを横断面に切断してその切断面を撮影する。

設計仕様データＤ１としては、図２に例示するような、グリーンタイヤＧの断面形状データが用いられる。一般的なグリーンタイヤＧでは、最内周にインナーライナ層ｍ１が配置され、その外側面にカーカス層ｍ２が配置され、カーカス層ｍ２の外側面に未加硫ゴムＲが配置される。トレッド部の未加硫ゴムＲにはベルト層ｍ４などが埋設される。グリーンタイヤＧの断面形状は、一般的にタイヤ周方向で変化しないので、グリーンタイヤＧの任意の周方向位置での断面形状データを用いることができる。尚、図面では、グリーンタイヤ、タイヤ、モールドの右半分を例示しているが左半分は右半分と同仕様である。

設計仕様データＤ１には、その他に、グリーンタイヤＧのそれぞれの構成部材の各種特性データを例示できる。具体的には、グリーンタイヤＧを形成している未加硫ゴムＲのボリュームデータ（断面積データ）、この未加硫ゴムＲの粘度データ、カーカス層ｍ２の断面形状データ（および配置データ）と剛性データ、ビード部ｍ３の断面形状データ（および配置データ）と剛性データなどを例示できる。採用する設計仕様データＤ１は、グリーンタイヤＧの断面形状データの１種類だけでもよいが、その他の１種類以上の設計仕様データＤ１を加えることもできる。尚、図中の二点鎖線ＣＬはタイヤ幅方向中心を示している。

未加硫ゴムＲのボリュームデータ（断面積データ）、カーカス層ｍ２の断面形状データ（および配置データ）、ビード部ｍ３の断面形状データ（および配置データ）は、設計システム５に記憶されている設計仕様データＤ１から算出、取得される。未加硫ゴムＲの粘度データは、ムーニー粘度計などの公知の粘度測定器を用いて取得される。この粘度データは、常温での測定値でもよいが、未加硫ゴムＲが加硫工程で加熱されて流動性が向上することを考慮して、最も流動性が高くなる温度での測定値を採用することもできる。カーカス層ｍ２およびビード部ｍ３の剛性データは、公知の曲げ試験機などを用いて取得される。

モールド６の成形面７の断面形状データＤ２とは具体的には、図３に例示するような成形面７の断面形状データである。図３に例示するモールド６は、セクショナルタイプなので、サイドモールド６ａとセクターモールド６ｂとで構成されている。サイドモールド６ａはグリーンタイヤＧの主にサイド部の外側およびビード部ｍ３の外側を加硫成形し、セクターモールド６ｂは主にトレッド部を加硫成形する。

成形面７の断面形状は、タイヤ周方向で変化するのが一般的なので、予め設定されたタイヤ周方向位置での成形面７の断面形状データを用いる。例えば、最も特徴的な溝を含む代表的な成形面７の断面形状データＤ２、または、溝が省略された成形面７の断面形状データＤ２を用いることができる。

或いは、成形面７のタイヤ周方向で断面形状が変化する部分（部位）は予測の対象外として、タイヤ周方向で断面形状が実質的に変化しない部分（サイド部の外側とビード部の外側の少なくとも一方）のみを予測対象にすることもできる。即ち、サイド部の外側部分のみ、ビード部ｍ３の外側部分のみ、または、サイド部の外側部分およびビード部ｍ３の外側部分のみに限定して断面形状を予測してもよい。この場合は、予測対象に相当する部分の設計仕様データＤ１および成形面７の断面形状データＤ２を用いればよい。

成形面７の断面形状データＤ２は、モールド６の製造に用いた設計図データ（ＣＡＤデータなど）が存在しているので、改めて測定して取得しなくてもよい。例えば、設計システム５に記憶されているモールド６の設計図データから成形面７の断面形状に相当するデータを抽出して、成形面７の断面形状データとして用いることができる。

本発明では、機械学習により生成した予測モデルＰＭを利用する。この予測モデルＰＭは、グリーンタイヤＧを加硫して製造したタイヤＴの断面形状を予測するためのコンピュータプログラムである。この予測モデルＰＭを生成する手順の一例を説明する。

まず、グリーンタイヤＧの断面形状を含む設計仕様データＤ１に基づいてグリーンタイヤＧを成形する。この際に、設計仕様データＤ１を異ならせた多数のグリーンタイヤＧを成形する。

設計仕様データＤ１に基づいて成形された実物のグリーンタイヤＧの断面形状と、この設計仕様データＤ１の断面形状とは、現在の確立された公知のタイヤ成形方法では、一般的な（汎用的な）タイヤであれば両者の同一性を概ね担保できる。したがって、両者の断面形状は実質的に同一と見做すことができ、本発明では両者の断面形状は実質的に同一として取り扱う。尚、基本となるタイヤについては、設計仕様データＤ１に基づいて成形されたグリーンタイヤＧを測定することにより、その断面形状を把握して、設計仕様データＤ１の断面形状との同一性を確認しておく。これにより、確認した基本タイヤのサイズ違いや類似種類のタイヤについても両者の同一性を担保できる。また、両者の同一性を確認した基本タイヤとは仕様が大きく異なるタイヤを予測対象にする場合は、設計仕様データＤ１に基づいて成形された実物のグリーンタイヤＧを測定することにより、その断面形状を把握して、設計仕様データＤ１の断面形状との同一性を確認した上で、本発明による予測対象にする。

次いで、成形したそれぞれのグリーンタイヤＧを所定のモールド６を用いて加硫する。図４に例示するように、加硫されるグリーンタイヤＧはモールド６の中に配置された後、モールド６が閉型されて、モールド６の成形面７と膨張させた加硫用ブラダ９との間で加圧および加熱される。図４では、当初形状（モールド６の内部に配置される前）のグリーンタイヤＧが記載されていて、成形面７の断面形状と加硫用ブラダ９は破線によって記載されている。

グリーンタイヤＧを加硫することで図１０に例示するタイヤＴを製造する。次いで、製造されたタイヤＴの断面画像データＤ３を、断面画像撮影装置５ａを用いて取得する。尚、所定のモールド６は、特定の１つのモールド６に限らず、その所定のモールド６と同じ仕様のモールド６であればよい。

取得するタイヤＴの断面画像データＤ３は、図１０に例示するようにモールド６に嵌っている状態でよい。モールド６に実際に嵌っている状態でタイヤＴの断面画像データＤ３を取得してもよいし、タイヤＴをモールド６の外に取り出して、モールド６に嵌っていた状態と同様の状態（形状）にして断面画像データＤ３を取得してもよい。

取得した多数のタイヤＴの断面画像データＤ３とともに、製造したそれぞれのタイヤＴを加硫する前のグリーンタイヤＧの断面形状を含む設計仕様データＤ１と、このグリーンタイヤＧを加硫したモールド６の成形面７の断面形状データＤ２とを準備する。次いで、設計仕様データＤ１、成形面７の断面形状データＤ２およびタイヤ断面画像データＤ３を、タイヤＴの断面形状の予測のための基礎データ（即ち、教師データ）として、機械学習させることで予測モデルＰＭを生成する。

具体的には、上記データＤ１、Ｄ２、Ｄ３を演算装置２に入力して、これらデータＤ１、Ｄ２、Ｄ３を用いて機械学習させる。即ち、タイヤＴの断面画像と、グリーンタイヤＧのタイヤ仕様および成形面７の断面形状との関係を紐付けして、製造されるタイヤＴの断面形状に対するグリーンタイヤＧのタイヤ仕様および成形面７の断面形状の影響具合が分析、評価される。

タイヤＴの断面形状は、グリーンタイヤＧの外表面とモールド６の成形面７との間隔（すき間）の大きさ、カーカス層ｍ２と成形面７の間での未加硫ゴムＲのボリュームが大きく影響する。未加硫ゴムＲは加硫中に流動するので、カーカス層ｍ２と成形面７との間の未加硫ゴムＲの粘度（流動性）もタイヤＴの断面形状に影響を及ぼす。

グリーンタイヤＧの外表面とモールド６の成形面７との間隔が過大である場合、カーカス層ｍ２と成形面７との間の未加硫ゴムＲのボリュームが過小である場合は、ゴム不足によりタイヤＴに変形が生じることがある。グリーンタイヤＧの外表面とモールド６の成形面７との間隔が過小である場合、カーカス層ｍ２と成形面７との間の未加硫ゴムＲのボリュームが過大である場合は、ゴム過剰によりタイヤＴに変形が生じることがある。

そして、カーカス層ｍ２と成形面７との間の未加硫ゴムＲの粘度が高いと流動性が低くなるのでグリーンタイヤＧの形状変化が生じ難くなる。この粘度が低いと流動性が高くなるのでグリーンタイヤＧの形状変形が生じ易くなる。

また、カーカス層ｍ２の断面形状（および配置）と剛性は、カーカス層ｍ２と成形面７との間の未加硫ゴムＲの流動性に影響するのでタイヤＴの断面形状に影響する。ビード部ｍ３の断面形状（および配置）と剛性もカーカス層ｍ２と成形面７との間の未加硫ゴムＲの流動性に影響するのでタイヤＴの断面形状に影響する。上述したそれぞれの要因が複雑に影響し合ってタイヤＴの断面形状が変化する。

それ故、データＤ１、Ｄ２、Ｄ３を教師データとして用いて、データＤ１とＤ２との組み合わせによるデータＤ３（断面画像データ）おける相違点や相違程度、それぞれの場合における特徴を人工知能（ＡＩ）に機械学習させることで、予測モデルＰＭを生成することが可能になる。機械学習の手法としては、ニューラルネットワークを用いたディープラーニングなど公知の種々の手法を例示できる。ディープラーニングでは、公知の手法で入力層と複数の中間層と出力層との多層構造にして、各層の間でノード間に重みを設定して結び付けたネットワークを使用する。そして、断面画像データＤ３に影響する設計仕様データＤ１、断面形状データＤ２を入力層から入力して、断面画像データＤ３の予測値を出力層に出力する。算出した予測値と断面画像データＤ３の実測値とを比較して両者の誤差を小さくするようにそれぞれの重みを変更する。これにより、予測精度を向上させた予測モデルＰＭを生成（構築）する。生成した予測モデルＰＭは、演算装置２に記憶される。

次いで、予測対象となるグリーンタイヤＧａを所定のモールド６で加硫して製造された対象タイヤＴａの断面形状を予測する手順の一例を説明する。

演算装置２には、入力部３を用いて予測対象となるグリーンタイヤＧａの設計仕様データＤ１を入力する。演算装置２は、入力されたグリーンタイヤＧａの設計仕様データＤ１とモールド６の成形面７の断面形状データＤ２とを予測モデルＰＭに代入して、予測モデルＰＭを実行させる演算処理を行う。この演算処理によって、モールド６を用いて予測対象となるグリーンタイヤＧａを加硫して対象タイヤＴａを製造した場合に、その対象タイヤＴａの断面形状が予測されて、その予測結果が表示部４に表示される。

この予測は、グリーンタイヤＧａの一対のビード部ｍ２のビードコアがそれぞれ、成形面７の正規に位置に固定されて加硫されることを前提とする。したがって、タイヤＴの断面画像データＤ３も、一対のビード部ｍ２のビードコアがそれぞれ、成形面７の正規に位置に固定されて加硫されたタイヤＴのデータを用いる。

予測モデルＰＭを用いた予測結果は、例えば図５、図６に示すように、対象タイヤＴａの断面形状の外表面Ｘ（プロファイルＸ）が実線で表示される。図５ではこの断面形状の外表面Ｘが、破線で表示されている成形面７の断面形状とともに記載されている。図６では、この断面形状の外表面Ｘが、破線で表示されているグリーンタイヤＧａの断面形状の外表面とともに記載されている。尚、予測結果（断面形状の外表面Ｘ）は図５、図６の表示に限定されず、対象タイヤＴａの断面形状の外表面Ｘが把握できるものであればよい。

予測結果は、タイヤ横断面の平面座標系で表示されるので、グリーンタイヤＧａのどの位置が対象タイヤＴａではどのように変化するのかを一目して把握できる。そのため、目標とするタイヤの断面形状に対して、グリーンタイヤＧａのどの位置が過大なのか、或いは、過小であるのかが容易に判明する。それ故、目標とする断面形状のタイヤＴｇを得るには、グリーンタイヤＧａの断面形状をどの程度、変更すべきかを把握し易い。

この予測方法では、上述した設計仕様データＤ１と、成形面７の断面形状データＤ２と、タイヤＴの断面画像データＤ３とを、教師データとして機械学習させて生成した予測モデルＰＭを使用する。そのため、様々な要因が複雑に影響し合って形成されるタイヤＴａの断面形状を、予測対象となるグリーンタイヤＧａの設計仕様データＤ１と成形面７の断面形状データＤ２とを予測モデルＰＭに入力して演算処理することで、一段と高精度で予測することができる。

また、設計仕様データＤ１として採用するグリーンタイヤＧ、Ｇａの断面形状データは、測定装置を用いて実物のグリーンタイヤＧ、Ｇａを測定して得る必要はなく、グリーンタイヤＧ、Ｇａの成形に用いる設計データなので、取得が容易である。また、成形面７は精密な機械加工によって製造されているので、成形面７の断面形状データＤ２として、モールド６の製造に用いた設計データ（ＣＡＤデータなど）を採用していても、測定装置を用いて実物の成形面７を測定した測定データと実質的に一致する。そのため、簡便でありながら、高い精度で予測することができる。

設計仕様データＤ１には、グリーンタイヤＧ、Ｇａのカーカス層ｍ２よりも外側の未加硫ゴムＲのボリュームを含めるとよい。これにより、予測精度を向上させるには有利になる。

また、設計仕様データＤ１には、グリーンタイヤＧ、Ｇａの成形面７に接触する未加硫ゴムＲの粘度データを含めるとよい。即ち、カーカス層ｍ２よりも外側の未加硫ゴムＲの粘度データを含めると、予測精度を向上させるには有利になる。

また、設計仕様データＤ１として、既述した様々なデータを含めると、予測精度を向上させるには有利になる。ただし、設計仕様データＤ１の種類を増やす程、演算処理の負担が大きくなり、この負担増加に見合う予測精度の向上が得られないこともある。そこで、効率的に精度よく予測をするには、影響度が最も高いグリーンタイヤＧの断面形状データの１種類を少なくとも含めて、必要に応じて、その他の１種類以上の設計仕様データＤ１を加えるとよい。

教師データとして、グリーンタイヤＧを加硫する際の少なくとも加硫温度を含む加硫条件データＤ４を追加することもできる。加硫温度は未加硫ゴムＲの流動性に影響し、これに伴い、タイヤＴの断面形状に影響する。そのため、加硫温度を教師データに含めると、タイヤＴａの断面形状の予測精度を向上させるには有利になる。その他の加硫条件データＤ４としては、加硫用ブラダ９によってグリーンタイヤＧに付与される加硫圧力を例示できる。加硫圧力も未加硫ゴムＲの流動性に影響し、これに伴い、タイヤＴの断面形状に影響する。

加硫条件データＤ４を教師データに含める場合は、予測対象となるグリーンタイヤＧａの加硫条件データＤ４を演算装置２に入力し、この入力した加硫条件データＤ４も対象タイヤＴａの断面形状の予測に用いる。教師データに加硫条件データＤ４を含めると、演算処理の負担が大きくなり、この負担増加に見合う予測精度の向上が得られないこともある。そこで、必要に応じて、加硫条件データＤ４を教師データに加えるとよい。

このモールド６を用いる場合の加硫条件があまり変わらず、実質的に同等の加硫条件で加硫を行うことを前提にしているならば、加硫条件データＤ４を考慮する必要はない。このような場合は、前提としている所与の加硫条件下での断面画像データＤ３を用いる。

本発明のタイヤの製造方法は、本発明の断面形状予測方法を利用する。そのタイヤの製造方法の手順の一例を説明する。

このタイヤの製造方法では、予測モデルＰＭを用いて予測された結果に基づいて、目標とする断面形状のタイヤＴｇを製造するためのグリーンタイヤＧａＮの設計仕様データＤ１を把握する。即ち、図５、図６を参照してグリーンタイヤＧａに対して修正が必要な位置および修正程度を把握する。そして、この把握した設計仕様データＤ１に基づいて修正したグリーンタイヤＧａＮを公知の方法で成形する。例えば、図７に示すように、修正前のグリーンタイヤＧａの断面形状の外表面を、予測結果に基づいて変化させる。

次いで、図８、図９に例示するように、予測モデルＰＭを用いた予測結果を反映させて修正したグリーンタイヤＧａＮを公知の加硫装置８に設置された所定のモールド６と同じ仕様のモールド６の中に配置する。そして、閉型したモールド６の中でグリーンタイヤＧａＮを公知の方法で加硫することにより、図１０に例示する目標とする断面形状のタイヤＴａが製造される。

このタイヤの製造方法では、上述した予測方法を利用することで、目標とする断面形状のタイヤＴｇを製造するためのグリーンタイヤＧａＮの設計仕様データＤ１を把握することができる。利用する予測方法の予測精度が高いので、この把握した設計仕様データＤ１に基づいてグリーンタイヤＧａを成形して、所定のモールド６と同じ仕様のモールド６を用いて加硫することで、目標とする断面形状を有するタイヤＴｇを得るには有利になる。

１ 予測システム
２ 演算装置
３ 入力部
４ 表示部
５ 設計システム
５ａ 断面画像撮影装置
６ モールド
６ａ サイドモールド
６ｂ セクターモール
７ 成形面
８ 加硫装置
９ 加硫用ブラダ
ＰＭ 予測モデル
Ｇ、Ｇａ、ＧａＮグリーンタイヤ
ｍ１ インナーライナ層
ｍ２ カーカス層
ｍ３ ビード部
ｍ４ ベルト層
Ｒ 未加硫ゴム
Ｒｃ 加硫ゴム
Ｔ、Ｔａ、Ｔｇ タイヤ（加硫済みタイヤ）

Claims (5)

1. グリーンタイヤの断面形状を含む設計仕様データに基づいてグリーンタイヤを成形する際に、前記設計仕様データを異ならせた多数の前記グリーンタイヤを成形し、成形したそれぞれの前記グリーンタイヤを所定のモールドを用いて加硫して製造されたそれぞれのタイヤの断面画像データを取得し、それぞれの設計仕様データと、前記モールドの成形面の断面形状データと、前記断面画像データと、を教師データとして、前記教師データを用いて機械学習させることで、加硫して製造されるタイヤの断面形状を予測する予測モデルを生成し、この予測モデルが記憶された演算装置に、予測対象となるグリーンタイヤの設計仕様データを入力して、この入力した設計仕様データと前記成形面の断面形状データとに基づいて、前記予測モデルを用いた前記演算装置による演算処理により、前記モールドを用いて予測対象となる前記グリーンタイヤを加硫して製造される対象タイヤの断面形状を予測することを特徴とするタイヤの断面形状予測方法。
2. 前記設計仕様データに、前記グリーンタイヤのカーカス層よりも外側の未加硫ゴムのボリュームを含める請求項１に記載のタイヤの断面形状予測方法。
3. 前記設計仕様データに、前記グリーンタイヤの前記成形面に接触する未加硫ゴムの粘度データを含める請求項１または２に記載のタイヤの断面形状予測方法。
4. 前記教師データとして、前記グリーンタイヤを加硫する際の少なくとも加硫温度を含む加硫条件データを追加し、予測対象となる前記グリーンタイヤの前記加硫条件データを前記演算装置に入力して、この入力した前記加硫条件データも前記対象タイヤの断面形状の予測に用いる請求項１～３のいずれかに記載のタイヤの断面形状予測方法。
5. 請求項１～４のいずれかに記載のタイヤの断面形状予測方法によって予測された結果に基づいて、目標とする断面形状のタイヤを製造するためのグリーンタイヤの前記設計仕様データを把握し、この把握した設計仕様データに基づいてグリーンタイヤを成形して、この成形したグリーンタイヤを前記モールドと同じ仕様のモールドを用いて加硫するタイヤの製造方法。

Images