JP2023000306A - 予測装置、製造装置及び予測方法 - Google Patents
予測装置、製造装置及び予測方法 Download PDFInfo
- Publication number
- JP2023000306A JP2023000306A JP2021101048A JP2021101048A JP2023000306A JP 2023000306 A JP2023000306 A JP 2023000306A JP 2021101048 A JP2021101048 A JP 2021101048A JP 2021101048 A JP2021101048 A JP 2021101048A JP 2023000306 A JP2023000306 A JP 2023000306A
- Authority
- JP
- Japan
- Prior art keywords
- fluororesin
- value
- prediction
- polymerization
- mfr
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims description 24
- 238000006116 polymerization reaction Methods 0.000 claims abstract description 249
- 238000003756 stirring Methods 0.000 claims abstract description 73
- 239000000203 mixture Substances 0.000 claims abstract description 28
- 239000002994 raw material Substances 0.000 claims abstract description 6
- 239000000463 material Substances 0.000 claims description 25
- 238000010801 machine learning Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000013277 forecasting method Methods 0.000 claims 1
- 229920005989 resin Polymers 0.000 abstract description 15
- 239000011347 resin Substances 0.000 abstract description 15
- 229910052731 fluorine Inorganic materials 0.000 abstract description 14
- 239000011737 fluorine Substances 0.000 abstract description 13
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 abstract description 12
- 239000000155 melt Substances 0.000 abstract description 4
- BFKJFAAPBSQJPD-UHFFFAOYSA-N tetrafluoroethene Chemical group FC(F)=C(F)F BFKJFAAPBSQJPD-UHFFFAOYSA-N 0.000 description 21
- 229920001577 copolymer Polymers 0.000 description 16
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 9
- 125000004432 carbon atom Chemical group C* 0.000 description 9
- 125000005010 perfluoroalkyl group Chemical group 0.000 description 7
- 239000005977 Ethylene Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- BQCIDUSAKPWEOX-UHFFFAOYSA-N 1,1-Difluoroethene Chemical compound FC(F)=C BQCIDUSAKPWEOX-UHFFFAOYSA-N 0.000 description 5
- 125000000217 alkyl group Chemical group 0.000 description 5
- -1 hexafluoropropylene, chlorotrifluoroethylene, trifluoroethylene, trifluoropropylene, tetrafluoropropylene, pentafluoropropylene, trifluorobutene Chemical class 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000000178 monomer Substances 0.000 description 5
- 125000006551 perfluoro alkylene group Chemical group 0.000 description 5
- QYKIQEUNHZKYBP-UHFFFAOYSA-N Vinyl ether Chemical compound C=COC=C QYKIQEUNHZKYBP-UHFFFAOYSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- HCDGVLDPFQMKDK-UHFFFAOYSA-N hexafluoropropylene Chemical group FC(F)=C(F)C(F)(F)F HCDGVLDPFQMKDK-UHFFFAOYSA-N 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- UUAGAQFQZIEFAH-UHFFFAOYSA-N chlorotrifluoroethylene Chemical group FC(F)=C(F)Cl UUAGAQFQZIEFAH-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 125000001153 fluoro group Chemical group F* 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229920001519 homopolymer Polymers 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 229920002493 poly(chlorotrifluoroethylene) Polymers 0.000 description 2
- 239000005023 polychlorotrifluoroethylene (PCTFE) polymer Substances 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 230000000379 polymerizing effect Effects 0.000 description 2
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 2
- 239000004810 polytetrafluoroethylene Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229920001567 vinyl ester resin Polymers 0.000 description 2
- QMIWYOZFFSLIAK-UHFFFAOYSA-N 3,3,3-trifluoro-2-(trifluoromethyl)prop-1-ene Chemical compound FC(F)(F)C(=C)C(F)(F)F QMIWYOZFFSLIAK-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229920000840 ethylene tetrafluoroethylene copolymer Polymers 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- XUCNUKMRBVNAPB-UHFFFAOYSA-N fluoroethene Chemical compound FC=C XUCNUKMRBVNAPB-UHFFFAOYSA-N 0.000 description 1
- 229910000856 hastalloy Inorganic materials 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000011342 resin composition Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229920005992 thermoplastic resin Polymers 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F14/00—Homopolymers and copolymers of compounds having one or more unsaturated aliphatic radicals, each having only one carbon-to-carbon double bond, and at least one being terminated by a halogen
- C08F14/18—Monomers containing fluorine
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F2/00—Processes of polymerisation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Medicinal Chemistry (AREA)
- Polymers & Plastics (AREA)
- Organic Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Addition Polymer Or Copolymer, Post-Treatments, Or Chemical Modifications (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Polymerisation Methods In General (AREA)
Abstract
Description
「フッ素樹脂」とは、フッ素原子を含む樹脂であり、少なくとも1種の含フッ素モノマーを含むモノマーが重合した樹脂である。
「機械学習」は、入力されたデータに含まれる特徴を学習し、新たに入力されたデータに対応する結果を推定する「モデル」を生成する手法である。具体的には、機械学習は、「学習器」により学習される。このように生成されたモデルを「学習済みモデル」とする。
図1に示すように、製造装置1は、予測装置10と、重合槽2と、撹拌機3と、制御装置4とを備える。重合槽2は、フッ素樹脂の材料が投入される。例えば、材料は、重合工程の開始のタイミングで投入される。また、材料の一部は、重合工程において、追加的に投入されてもよい。重合槽2は、外気と圧力や温度が遮断されたように、密閉して形成される。また、重合槽2には、内部の圧力値を計測する圧力センサ21や、内部の温度値を計測する温度センサ22が接続される。各センサ21,22で接続されるセンサ値は、予測装置10により取得される。
予測装置10は、制御部11と、記憶部12と、通信部13とを備える情報処理装置である。制御部11は、予測装置10全体の制御を司るコントローラである。制御部11は、記憶部12に記憶される予測プログラム123を読み出して実行することにより、計時部111、取得部112、予測部113及び出力処理部114としての処理を実現する。また、制御部11は、ハードウェアとソフトウェアの協働により所定の機能を実現するものに限定されず、所定の機能を実現する専用に設計されたハードウェア回路でもよい。制御部11は、例えば、CPU、MPU、GPU、FPGA、DSP、ASIC等、種々のプロセッサで実現することができる。
予測部113は、学習器を用いて、学習済みモデルを生成する。なお、ここでは、予測部113内に学習器が含まれるものとして説明するが、これに限定されない。例えば、学習器は、予測装置10の外部に存在するものでもよい。学習器が予測装置10の外部に存在する場合、予測部113は、外部の学習器で生成され、記憶部12に記憶される学習済みモデルを利用する。
ここで、「重合時間」及び「MFR値」は、1回の重合工程で1回又は2~3回等の限定した回数のみ得られるが、「圧力値」及び「撹拌電流値」は、多数回得ることができる。したがって、学習器は、学習データとして、この複数の圧力値及び電流値をそのまま学習データとするのではなく、前処理により得られた学習データを使用してもよい。具体的には、学習器は、特定の期間の複数の圧力値の平均値及び複数の撹拌電流値の平均値を説明変数に含む学習データとすることができる。例えば、図5に示すように、異なる重合工程毎に全体の時間を等分してグループを設定し、各グループについて圧力値及び撹拌電流値の平均値を求め、学習器は、これらの平均値を説明変数とする学習データとして使用する。なお、ここで重合工程A~Cは、異なるタイミングで行われた同種のフッ素樹脂の重合工程であるものとする。
予測部113は、上述したように生成された学習済みモデルと、取得部112が取得するセンサ値を利用して、現在の重合工程での重合槽内の混合物のMFR値を予測する。ここで、学習器は、上述したように、重合工程の一部の期間について設定された複数のグループ毎の圧力値の平均値と撹拌電流値の平均値とを含む学習データにより、学習した。したがって、予測部113も、学習データと同一の数のグループ毎に得られた平均値を利用して取得データを前処理する。そして、前処理された取得データを用いて、学習済みモデルによりMFR値を予測する。
図8に示すフローチャートを用いて、製造装置1において実行されるフッ素樹脂の重合工程の処理の流れを説明する。まず、製造装置1では、重合槽2内にフッ素樹脂の材料が投入される(S1)。
上述の説明では、予測装置10は、学習データとして、センサ値である圧力値の平均値及び撹拌電流値の平均値を利用して学習済みモデル122を生成するものとして説明した。これに限定せず、センサ値の最大値、最小値又は分散値を利用してもよい。また、平均値、最大値、最小値及び分散値を組み合わせて利用してもよい。
上述の説明では、製造装置1は、ステップS1において、フッ素樹脂の材料を投入する例で説明した。一方、フッ素樹脂の重合工程において、重合槽2に材料等を追加投入する場合もある。このような場合、予測装置10は、追加投入された材料の積算量をMFR値の予測に用いてもよい。
上述の説明では、各回のフッ素樹脂の重合工程で得られたセンサ値を用いて、MFR値を予測する例で説明した。一方、重合工程を複数回繰り返して実施する場合、前の重合工程で得られたデータをMFR値の予測に用いてもよい。
その他、学習データとして、重合工程で利用する種々のデータ、又は、重合工程で取得される種々のデータを利用することができる。この場合、学習済みモデルで利用するデータとしても、同種のデータを利用する。例えば、温度センサ22により計測される温度値を学習用センサ値及び予測用センサ値としてもよい。
以上のように、本出願において開示する技術の例示として、上記実施形態を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施形態にも適用可能である。
10 予測装置
11 制御部
111 計時部
112 取得部
113 予測部
114 出力処理部
12 記憶部
121 取得データ
122 学習済みモデル
123 予測プログラム
13 通信部
14 入力部
15 出力部
2 重合槽
21 圧力センサ
22 温度センサ
3 撹拌機
31 モータ
32 回転軸
33 撹拌翼
4 制御装置
Claims (17)
- フッ素樹脂の重合工程における、原料を投入後かつ製造終了前の所定タイミングの重合槽内の前記フッ素樹脂を含む混合物のMFR値を予測する予測装置であって、
前記フッ素樹脂の現在の重合工程で計測される前記重合槽内の圧力値と、当該重合槽内を撹拌する撹拌機の撹拌電流値とを含む情報を予測用センサ値として取得する取得部と、
前記フッ素樹脂と同種のフッ素樹脂の過去の重合工程で計測された学習用センサ値と、当該過去の重合工程の所定タイミングにおけるフッ素樹脂について計測されたMFR値との関係を機械学習により学習済みの学習済みモデルにより、前記取得部で取得された予測用センサ値を用いて、現在の重合工程にあるフッ素樹脂を含む混合物の前記所定タイミングにおけるMFR値を予測する予測部と、
を備える予測装置。 - 前記現在の重合工程の開始から現在までの経過時間を重合時間として計時する計時部をさらに備え、
前記予測部は、前記予測用センサ値と共に前記計時部で計時される前記重合時間を用いて、前記MFR値を予測する
請求項1に記載の予測装置。 - 前記予測部で予測された前記MFR値を用いて得られた前記現在の重合工程の終了時間に関する情報を出力する出力処理部をさらに備える
請求項1又は2に記載の予測装置。 - 前記フッ素樹脂の重合工程において、前記重合槽に材料を追加投入することが可能であり、
前記取得部は、前記圧力値及び前記撹拌電流値とともに、前記重合槽に投入される材料の積算量を予測用センサ値として取得し、
前記予測部は、前記過去の重合工程で得られた積算量を含む学習用センサ値で学習済みの学習済みモデルにより、前記予測用センサ値を用いてMFR値を予測する
請求項1乃至3のいずれか1に記載の予測装置。 - 前記予測部は、前記フッ素樹脂の重合工程の一部の期間に計測された前記圧力値を用いて前記MFR値を予測する
請求項1乃至4のいずれか1に記載の予測装置。 - 前記予測部は、前記一部の期間内の前記圧力値の平均値、最大値、最小値又は分散値の少なくともいずれかを用いてMFR値を予測する
請求項5に記載の予測装置。 - 前記予測部は、前記フッ素樹脂の重合工程の一部の期間に計測された前記撹拌電流値を用いて前記MFR値を予測する
請求項1乃至4のいずれか1に記載の予測装置。 - 前記予測部は、前記一部の期間内の前記撹拌電流値の平均値、最大値、最小値又は分散値を用いてMFR値を予測する
請求項7に記載の予測装置。 - 前記一部の期間は、前記フッ素樹脂の重合工程の開始から終了までの時間を分割した複数の期間から選択される
請求項5乃至8のいずれか1に記載の予測装置。 - 前記フッ素樹脂の重合工程を少なくとも2回実施し、
前記取得部は、前回の重合工程で得られたフッ素樹脂のMFR値を取得し、
前記予測部は、前記取得部が取得した前回の重合工程で得られたフッ素樹脂のMFR値を含む予測用センサ値を用いて前記フッ素樹脂のMFR値を予測する
請求項1乃至9のいずれか1に記載の予測装置。 - フッ素樹脂の重合工程において、重合槽内の当該フッ素樹脂の製造の終了のための特定の操作が行われる目標タイミングを求める演算装置であって、
現在の製造における前記フッ素樹脂の性能の目標を表す目標のMFR値と、前記フッ素樹脂の原料を投入後かつ製造終了前の所定タイミングにおけるMFR値とを受け付ける受付部と、
前記フッ素樹脂と同種のフッ素樹脂の過去の製造の前記所定タイミングにおける前記フッ素樹脂のMFR値と、当該過去の製造で得られた前記フッ素樹脂のMFR値と、当該過去の製造の目標タイミングとの関係と、前記受付部で受け付けた前記目標のMFR値及び前記所定タイミングにおけるMFR値とを用いて、前記フッ素樹脂の製造終了の判断に利用される目標タイミングを求める演算部と、
を備える演算装置。 - フッ素樹脂の重合工程において、当該フッ素樹脂の製造の終了の判断に用いる目標タイミングを求める演算装置であって、
現在の製造において前記フッ素樹脂の製造に関わる値として観測されるセンサ値を、演算用センサ値として受け付けるとともに、現在の製造における前記フッ素樹脂の性能の目標を表す目標のMFR値を目標値として受け付ける受付部と、
前記フッ素樹脂と同種のフッ素樹脂の過去の製造で得られたセンサ値と、当該過去の製造で得られた前記フッ素樹脂のMFR値と、当該過去の製造の目標タイミングとの関係を用いて、前記受付部で受け付けた前記演算用センサ値から、前記現在の製造の目標タイミングを求める演算部と、
を備える演算装置。 - フッ素樹脂を製造する製造装置であって、
前記フッ素樹脂の材料が投入される重合槽と、
前記重合槽内を撹拌する撹拌機と、
前記フッ素樹脂の現在の重合工程で計測される前記重合槽内の圧力値と、前記撹拌機の撹拌電流値とを予測用センサ値として取得する取得部と、
前記フッ素樹脂と同種のフッ素樹脂の過去の重合工程で計測された学習用センサ値と、当該過去の重合工程に要した時間と、当該過去の重合工程で得られたフッ素樹脂について計測されたMFR値との関係を機械学習により学習済みの学習済みモデルにより、前記取得部で取得された予測用センサ値を用いて、現在の重合工程にあるフッ素樹脂を含む混合物のMFR値を予測する予測部と、
前記予測部で予測された前記MFR値を用いて得られる前記現在の重合工程の終了時間に関する情報を出力する出力処理部と、
を備える製造装置。 - 前記フッ素樹脂の材料を重合槽に投入するステップと、
前記重合槽内を撹拌するステップと、
前記フッ素樹脂の現在の重合工程で計測される前記重合槽内の圧力値と、前記撹拌機の撹拌電流値とを予測用センサ値として取得するステップと、
前記フッ素樹脂と同種のフッ素樹脂の過去の重合工程で計測された学習用センサ値と、当該過去の重合工程に要した時間と、当該過去の重合工程で得られたフッ素樹脂について計測されたMFR値との関係を機械学習により学習済みの学習済みモデルにより、取得された前記予測用センサ値を用いて、現在の重合工程にあるフッ素樹脂を含む混合物のMFR値を予測するステップと、
予測された前記MFR値を用いて得られる前記現在の重合工程の終了時間に関する情報を用いて、現在の製造を終了させるステップと、
を有するフッ素樹脂の製造方法。 - フッ素樹脂の原料を重合槽に投入するステップと、
現在の前記フッ素樹脂の製造において前記フッ素樹脂の製造に関わる値として観測されるMFR値を、予測用センサ値として取得するステップと、
前記フッ素樹脂と同種のフッ素樹脂の過去の製造において得られたセンサ値と、当該過去の製造の所定タイミングにおける前記フッ素樹脂のMFR値との関係を用いて、取得された前記予測用センサ値から、現在、製造される前記フッ素樹脂の所定タイミングにおける前記MFR値を予測するステップと、
現在の製造における前記フッ素樹脂の性能の目標を表す目標のMFR値と、予測された前記所定タイミングにおけるMFR値とを受け付けるステップと、
前記フッ素樹脂と同種のフッ素樹脂の過去の製造の前記所定タイミングにおける前記フッ素樹脂のMFR値と、当該過去の製造で得られた前記フッ素樹脂のMFR値と、当該過去の製造の目標タイミングとの関係と、受け付けた前記目標のMFR値及び前記所定タイミングにおけるMFR値とを用いて、前記フッ素樹脂の製造終了の判断に利用される目標タイミングを求めるステップと、
求められた前記目標タイミングを用いて現在の製造を終了させるステップと、
を有するフッ素樹脂の製造方法。 - フッ素樹脂の重合工程における重合槽内での前記フッ素樹脂を含む混合物のMFR値を予測する予測方法であって、
前記フッ素樹脂の現在の重合工程で計測される前記重合槽内の圧力値と、当該重合槽内を撹拌する撹拌機の撹拌電流値とを予測用センサ値として取得する取得ステップと、
前記フッ素樹脂と同種のフッ素樹脂の過去の重合工程で計測された学習用センサ値と、当該過去の重合工程に要した時間と、当該過去の重合工程で得られたフッ素樹脂について計測されたMFR値との関係を機械学習により学習済みの学習済みモデルにより、前記取得ステップで取得された予測用センサ値を用いて、現在の重合工程にあるフッ素樹脂を含む混合物のMFR値を予測する予測ステップと、
を含む予測方法。 - フッ素樹脂の重合工程における重合槽内での前記フッ素樹脂のMFR値を予測するための学習済みモデルの生成方法であって、
前記フッ素樹脂と同種のフッ素樹脂の重合工程で計測されたセンサ値と、当該重合工程に要した重合時間とを含む教師データと、当該教師データに対する正解データである当該の重合工程で得られたフッ素樹脂について計測されたMFR値とを含むデータの組を複数取得するステップと、
学習器を用いて、複数の前記教師データと前記正解データとから、前記フッ素樹脂の重合工程で得られるセンサ値から、前記重合工程にあるフッ素樹脂のMFR値を出力とする学習済みモデルを生成するステップと、
を含む生成方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021101048A JP2023000306A (ja) | 2021-06-17 | 2021-06-17 | 予測装置、製造装置及び予測方法 |
CN202280042560.6A CN117500845A (zh) | 2021-06-17 | 2022-06-07 | 预测装置、制造装置和预测方法 |
PCT/JP2022/022970 WO2022264885A1 (ja) | 2021-06-17 | 2022-06-07 | 予測装置、製造装置及び予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021101048A JP2023000306A (ja) | 2021-06-17 | 2021-06-17 | 予測装置、製造装置及び予測方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023000306A true JP2023000306A (ja) | 2023-01-04 |
Family
ID=84527455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021101048A Pending JP2023000306A (ja) | 2021-06-17 | 2021-06-17 | 予測装置、製造装置及び予測方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2023000306A (ja) |
CN (1) | CN117500845A (ja) |
WO (1) | WO2022264885A1 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05140229A (ja) * | 1991-11-22 | 1993-06-08 | Mitsubishi Kasei Corp | ポリオレフインの製造方法 |
JPH05140230A (ja) * | 1991-11-22 | 1993-06-08 | Mitsubishi Kasei Corp | ポリオレフインを製造するための重合反応運転支援装置 |
JP2003076934A (ja) * | 2001-09-03 | 2003-03-14 | Tosoh Corp | ポリマーの物性予測方法及びそれを用いたプラントの運転制御方法 |
JP2007191657A (ja) * | 2006-01-23 | 2007-08-02 | Hitachi Ltd | ポリマー重合装置 |
JP2019151833A (ja) * | 2018-02-28 | 2019-09-12 | ダイキン工業株式会社 | 熱可塑性樹脂組成物およびその製造方法 |
WO2020054183A1 (ja) * | 2018-09-10 | 2020-03-19 | 富士フイルム株式会社 | フロー反応支援装置及び方法、フロー反応設備及び方法 |
WO2022004880A1 (ja) * | 2020-07-03 | 2022-01-06 | ダイキン工業株式会社 | 予測装置、演算装置、製造装置及び製造方法 |
-
2021
- 2021-06-17 JP JP2021101048A patent/JP2023000306A/ja active Pending
-
2022
- 2022-06-07 CN CN202280042560.6A patent/CN117500845A/zh active Pending
- 2022-06-07 WO PCT/JP2022/022970 patent/WO2022264885A1/ja active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05140229A (ja) * | 1991-11-22 | 1993-06-08 | Mitsubishi Kasei Corp | ポリオレフインの製造方法 |
JPH05140230A (ja) * | 1991-11-22 | 1993-06-08 | Mitsubishi Kasei Corp | ポリオレフインを製造するための重合反応運転支援装置 |
JP2003076934A (ja) * | 2001-09-03 | 2003-03-14 | Tosoh Corp | ポリマーの物性予測方法及びそれを用いたプラントの運転制御方法 |
JP2007191657A (ja) * | 2006-01-23 | 2007-08-02 | Hitachi Ltd | ポリマー重合装置 |
JP2019151833A (ja) * | 2018-02-28 | 2019-09-12 | ダイキン工業株式会社 | 熱可塑性樹脂組成物およびその製造方法 |
WO2020054183A1 (ja) * | 2018-09-10 | 2020-03-19 | 富士フイルム株式会社 | フロー反応支援装置及び方法、フロー反応設備及び方法 |
WO2022004880A1 (ja) * | 2020-07-03 | 2022-01-06 | ダイキン工業株式会社 | 予測装置、演算装置、製造装置及び製造方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117500845A (zh) | 2024-02-02 |
WO2022264885A1 (ja) | 2022-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11275345B2 (en) | Machine learning Method and machine learning device for learning fault conditions, and fault prediction device and fault prediction system including the machine learning device | |
US20230119336A1 (en) | Prediction device, calculation device, manufacturing device, and manufacturing method | |
Flores-Cerrillo et al. | Control of particle size distributions in emulsion semibatch polymerization using mid-course correction policies | |
JP2017120649A (ja) | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム | |
EP3938854A1 (en) | Method of performing a process and optimizing control signals used in the process | |
JP7274330B2 (ja) | 製造システム、情報処理方法、および製造方法 | |
US8250006B2 (en) | Inferential sensors developed using three-dimensional pareto-front genetic programming | |
JP6711323B2 (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 | |
US11119456B2 (en) | Production system, information processing method, and production method | |
US20230376855A1 (en) | Anomaly detection and tuning recommendation system | |
Tian et al. | Efficient estimation of material property curves and surfaces via active learning | |
WO2022264885A1 (ja) | 予測装置、製造装置及び予測方法 | |
CN108959787B (zh) | 考虑实际工况的宏宏双驱动系统的热变形预测方法及系统 | |
JP2010214661A (ja) | 混練判定システム | |
Derks et al. | Parallel processing of chemical information in a local area network—II. A parallel cross-validation procedure for artificial neural networks | |
TWI825490B (zh) | 用於通過近紅外光譜學和機器學習技術在製造過程中進行端點檢測之設備和方法,及相關電腦可讀取媒體 | |
JP2013200245A (ja) | 前処理方法 | |
JP7243082B2 (ja) | 混練異常度学習装置、混練異常度推定装置、混練異常度学習方法、混練異常度推定方法及びプログラム | |
KR101837464B1 (ko) | 폴리프로필렌 중합반응 시 중합체의 시뮬레이션 방법 | |
JP2011145905A (ja) | 予測関数生成装置、方法、及び、プログラム | |
Ghugare et al. | Development of genetic programming based softsensor model for styrene polymerization process and its application in model based control | |
JP2024008431A (ja) | 複合材料の物性値予測装置、物性値予測プログラム及び物性値予測方法 | |
TW202320084A (zh) | 模型生成裝置、預測裝置、模型生成方法、預測方法,及樹脂組成物製造系統 | |
CN114139602A (zh) | 一种基于gmm与em算法的设备参数劣化实时预警方法 | |
JP2019524962A (ja) | エチレンビニルアセテート共重合工程の制御システム及びその制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220607 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220607 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220906 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221201 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230703 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230710 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20231006 |