JP2023505508A - 発泡体サンプルから材料特性を決定する方法 - Google Patents

Abstract

本発明は、発泡体サンプルから材料特性を決定するための方法の分野にある。これは、以下を含む発泡体サンプルの材料特性を決定するためのコンピュータ実装方法に関連し、（ａ）サンプルの表現を提供することと、（ｂ）表現から少なくとも１つの構造的特徴を抽出することであって、少なくとも１つの構造的特徴は、壁、支柱、またはノードを含む、ことと、（ｃ）構造的特徴から少なくとも１つの材料特性を取得するのに適した材料モデルに少なくとも１つの構造的特徴を提供することと、（ｄ）材料モデルから受け取った少なくとも１つの材料特性を出力することと、を含む。

Description

説明
本発明は、発泡体サンプル、特に発泡体サンプル画像から材料特性を決定するための方法の分野にある。

機械的、熱的、または化学的特性などの材料特性は、特に発泡体などの多孔質材料では、巨視的レベルと微視的レベルの両方で、材料の構造に強く依存する。材料特性を決定するには、通常、多くの労力を伴うテストが必要である。サンプルを準備し、適切なテスト機器を提供し、テストプロトコルに厳密に従う必要がある。このため、十分な訓練を受けた要員が必要である。したがって、より少ない人員とより少ない装置を含むより速い方法を提供することが望ましい。

ＷＯ２０１５／０８０９１２Ａ１は、コアサンプルのコンピュータ断層撮影画像から油田の貯留層をデジタルモデリングする方法を開示している。これらのモデルでシミュレーションを実行することにより、油田の特性を取得できる。しかし、多くの特定の仮定と物理学をモデルに組み込む必要があるため、油田分析以外にはほとんど適用できない。

ＷＯ２０１８／２０６２２５Ａ１は、欠陥を検出するために、画像からオブジェクトをモデル化し、それをその所望の形状と比較する方法を開示している。しかし、材料特性は得られない。

米国特許出願公開第２０１４／０４４３１５（Ａ１）号は、岩石サンプルから得られた目標特性値の精度を高める方法を開示している。しかし、この方法は発泡体サンプルにはほとんど移行できない。

サミュエル・パルド・アロンソは、２０１４年３月１日から「ポリマー発泡体のセルラー構造とその進化の特性評価に適用されるＸ線撮像」というタイトルの博士論文で、画像から３Ｄモデルを生成する方法を開示している。しかし、材料特性は得られない。

したがって、本発明の目的は、装置、人員、および時間の点でほとんど労力をかけずに材料特性を決定することができる方法を提供することであった。この方法は、様々な異なる発泡体材料とサイズスケールに合わせて変更する必要がある。この方法は、高速で信頼性の高いものにすることを目的としていた。

これらの目的は、以下を含む発泡体サンプルの材料特性を決定するためのコンピュータ実装方法によって達成された。

（ａ）サンプルの表現を提供することと、
（ｂ）表現から少なくとも１つの構造的特徴を抽出することであって、少なくとも１つの構造的特徴は、壁、支柱、またはノードを含む、ことと、
（ｃ）構造的特徴から少なくとも１つの材料特性を取得するのに適した材料モデルに少なくとも１つの構造的特徴を提供することと、
（ｄ）材料モデルから受け取った少なくとも１つの材料特性を出力することと、を含む。

本発明はさらに、先行する請求項のいずれか１項に記載の方法のステップを実行するための命令を含む、コンピュータプログラムを記憶する非一時的なコンピュータ可読データ媒体に関する。

本発明はさらに、以下を含むサンプルの材料特性を監視および／または制御するための生産監視および／または制御システムに関する。

（ａ）サンプルの表現を受信するように構成された入力ユニットと、
（ｂ）表現から少なくとも１つの構造的特徴を抽出するように構成された処理ユニットであって、少なくとも１つの構造的特徴は、壁、支柱、またはノードを含む、処理ユニットと、
（ｃ）構造的特徴から少なくとも１つの材料特性を取得するのに適した材料モデルに少なくとも１つの構造的特徴を提供するように構成された処理ユニットと、
（ｄ）材料モデルから受け取った材料特性を出力するように構成された出力ユニットと、を含む。

本発明の好ましい実施形態は、説明および特許請求の範囲に見出すことができる。異なる実施形態の組み合わせは、本発明の範囲内にある。

本発明の可能な実装を示している。 本発明の方法を使用した画像処理の例を示している。 本発明の方法を使用した画像処理の例を示している。 本発明の方法を使用した画像処理の例を示している。 本発明の方法を使用した画像処理の例を示している。 本発明の方法を使用した画像処理の例を示している。 本発明の方法を使用した画像処理の例を示している。 本発明の方法を使用した画像処理の例を示している。

本発明による方法は、発泡体サンプルの材料特性を決定するために有用である。サンプルは、材料の小片または完全なワークピースにすることができる。発泡体サンプルには、ポリマー発泡体、ゼオライト、排気触媒用の担持体などの多孔質材料が含まれる。サンプルの内部構造とは、サンプル内の相境界の分布を指す。例えば、ポリマー発泡体内の隙間とポリマーの間の相境界である。内部構造の特徴は、サンプルと画像の解像度に応じて、例えばマイクロレンジ（つまり、０．１～１０００μｍ）またはナノスケール（つまり、１～１００ｎｍ）など、様々なサイズスケールにすることができる。

材料特性は、ヤング率、弾性、引裂抵抗、耐摩耗性、摩擦係数などの機械的特性、熱容量、熱伝導率などの熱特性、電気伝導率や抵抗率、誘電率などの電気特性または、透明度、屈折率、拡散率などの光学特性であり得る。

本発明の文脈におけるサンプルの表現は、サンプルの内部構造を含むデータ構造である。表現は、サンプル情報内の各場所を、その場所の材料または隙間に関連付ける。表現は、２次元または３次元、好ましくは３次元であり得る。表現は、前の作業からすでに存在するか、遠隔コンピュータまたはクラウドから受信されるか、または本発明による方法のステップと同じコンピュータ上で生成される可能性がある。好ましくは、表現は、サンプルの内部構造を示す画像から生成される。表現には、ピクセルやボクセルデータなどのビットマップ、ポイントクラウド、標準の三角測量言語（ＳＴＬ）などの三角測量表面モデルなど、様々な形式を使用できる。表現の形式は、材料および／または隙間に関する情報を含めるのに適している必要がある。

サンプルの画像は様々な方法で提供できる。例えば、測定装置から直接取得することも、以前の測定値を含むデータベースから取得することもできる。様々な測定が利用可能である。例えば、写真、切断または破損したサンプルの光学顕微鏡法または電子顕微鏡法、またはコンピュータ断層撮影、磁気共鳴撮像、超音波検査、または共焦点顕微鏡法などの非破壊的方法である。画像は通常、サンプル内の平行な平面から取得されるが、平面は互いに角度を付けて立つこともできる。画像が取得される平面間の距離は、通常、サンプルの内部構造の最大の特徴を超えない。画像の数は様々であり得る。通常、画像が多いほど、より正確な結果が得られる。しかし、特に画像の解像度が高い場合は、画像の数によって計算時間が長くなる。したがって、通常は、特定のサンプルに対して十分な精度が得られる最小数の画像を使用するのが最適である。数は５から１０００の範囲で、例えば１０から５０または１００から４００の範囲であり得る。画像の解像度は、特徴がはっきりと認識できるように十分に高くする必要があるが、計算時間が長くなりすぎないように高すぎないようにする必要がある。画像の一般的な解像度は－１０×１０～１０２４×１０２４ピクセルで、画像は２次式である必要はないため、７６８×１０２４または５１２×２８８ピクセルも同様に使用できる。好ましくは、画像はグレースケールであるか、またはグレースケールに変換される。

好ましくは、画像から表現を生成する前に、相境界の検出を容易にするために画像が前処理される。前処理には、明るさ、コントラスト、ノイズ除去の調整、閾値の適用、またはそれらの組み合わせが含まれ得る。さらにより好ましくは、本発明による方法で最良の結果をもたらす前処理パラメータは、保存され、自動的にユーザに提案されるか、または前処理されるさらなる画像に直接適用される。

画像からの表現の生成は、様々な方法で実現できる。それらのほとんどは、それぞれの相境界を決定するエッジまたは表面の検出またはセグメンテーションを含む。エッジ検出は、例えば、エッジボクセルに閾値グレー値を割り当て、ボクセルグレー値間の補間、最大グレー値の導関数、明るい空気ボクセルと暗い材料ボクセルレベルの間の中間グレー値、または局所適応グレー閾値の検索により、３Ｄボクセルデータを３Ｄ表面データに変換する。ノイズとアーティファクトの低減、および補間は、熟練者に知られている多くの出版物の対象となる。

好ましくは、表現は、閾値アルゴリズムを適用することによってグレースケール画像をセグメント化することによって画像から生成され、それによって、グレースケールを、各色が１つの相、すなわち特定の材料または隙間を表す画像に変換する。例えば、発泡体では、材料は白で、隙間は黒であり得る。３つの材料を含む複合材料では、最初の材料は白、２番目の材料は灰色、３番目の材料は黒になる。場合によっては、セグメント化された画像がすでに表現に十分であり得る。しかし、表現から構造的特徴を確実に抽出するには、さらに方法を適用すると便利なことがよくある。好ましくは、セグメント化された画像は、各ピクセルまたはボクセルに、異なる色の最も近いピクセルまたはボクセルまでの距離を割り当てる距離関数の対象となる。好ましくは、距離関数を適用した後、流域アルゴリズムを適用して、細孔、埋め込まれた粒子、壁、支柱、またはノードなどのオブジェクトを識別する。流域アルゴリズムをオーバーフローさせる場合、壁、支柱、およびノードの中心を決定することもできる。

本発明による方法は、（ｂ）表現から少なくとも１つの構造的特徴を抽出することを含む。構造的特徴はすべて、サンプルの内部構造に直接リンクされている特徴である。構造的特徴は、壁、すなわち、異なる材料の２つの粒子の間、または２つの細孔の間の材料、例えば、それらの厚さ、曲率、平面膨張またはモーメントに関連し得る。構造的特徴はまた、支柱、すなわち、異なる材料の３つの粒子の間、または３つの細孔の間の材料、例えば、それらの断面、長さ、曲率、またはモーメントに関連し得る。構造的特徴はまた、ノード、すなわち、異なる材料の４つの粒子の間、または４つの細孔の間の材料、例えば、それらの体積またはモーメントに関連し得る。構造的特徴は、細孔または粒子、例えばそれらの体積、球形度、モーメントにも関連し得る。構造的特徴は、セル、例えばそれらの局所密度、モーメントにも関連し得る。構造的特徴は、例えば、細孔、壁、セル、支柱、およびノードの接続などの発泡体グラフなどのグラフにも関連し得る。

これらの特徴を評価することにより、より複雑な構造的特徴を得ることができる。例としては、サンプルの支柱の長さの勾配を決定するなど、絶対値とその空間分布の分離評価がある。もう１つの例は、構造的特徴を考慮した評価である。これは、隣接する細孔のサイズに関連する支柱の長さなど、物理モデルに関連することがよくある。もう１つの例は、細孔あたりの壁の数や壁あたりの支柱の数などの発泡体グラフの評価である。

本発明によれば、少なくとも１つの構造的特徴は、壁、支柱、またはノードを含む。構造的特徴が１つだけ抽出される場合は、壁、支柱、またはノードのいずれかにする必要がある。通常、複数の構造的特徴が抽出される。この場合、構造的特徴の少なくとも１つは壁、支柱、またはノードであり、他は壁、支柱、またはノードの残りの１つまたは複数、または上記のような他の構造的特徴であり得る。好ましくは、構造的特徴は、壁、支柱、またはノードのうちの少なくとも２つを含み、特に、構造的特徴は、すべて、すなわち、壁、支柱、およびノードを含む。

構造的特徴の抽出は、様々な方法で実現できる。適切なアルゴリズムには、流域、距離評価、成分分析、局所ボクセル評価、またはこれらのうちの少なくとも２つなどのそれらの好ましい組み合わせが含まれる。これらの方法は、例えば、ＳｃｉＫｉｔ－ｉｍａｇｅ、ＯｐｅｎＣＶ、ＳｉｍｐｌｅＣＶ、ＮｕｍＰｙ、ＳｃｉＰｙ、ＰＩＬ／Ｐｉｌｌｏｗ、Ｍａｈｏｔａｓ、ＩＴＫ、ＧｒａｐｈｉｃｓＭａｇｉｃｋ、またはＣａｉｒｏなどの画像処理ライブラリで十分に利用できる。表現から構造的特徴を抽出することには、測定方法などの他の方法に比べていくつかの利点がある。非常に異なる特徴を抽出できるため、他の方法では異なる測定方法でしかアクセスできないため、柔軟性が高くなる。多くの場合、アーティファクトや妨害源の影響を受けにくい傾向があるため、より正確である。

本発明による方法は、（ｃ）構造的特徴から少なくとも１つの材料特性を取得するのに適した材料モデルに少なくとも１つの構造的特徴を提供することを含む。１つの材料特性のみ、または好ましくは少なくとも２つまたは少なくとも３つなどの１つ以上の材料特性を決定することが可能である。

材料モデルとは、一般に、構造的特徴を入力および出力に関連する材料特性として受け取るモデルを指す。材料モデルには、物理モデルとデータ駆動型モデルが含まれる。物理モデルは、熱力学や古典的な力学などの自然の法則を使用して、構造的特徴を材料特性に変換する。セルラー構造を有する材料のかなりの数の物理モデルは、例えばＬ．ギブソンとＭ．アシュビーのセルラーソリッド、ケンブリッジ大学出版局、ＩＳＢＮ ９７８－０－５２１－４９９１１－８によって要約される。物理モデルは、実験データによって実証可能である。

データ駆動型モデルは、訓練データに従ってパラメータ化された訓練済みの数学モデルであり、物理法則の知識を必要とせずに、構造的特徴を入力し、関連する材料特性を出力する。データ駆動型モデルは、好ましくは、データ駆動型機械学習モデルである。材料モデルは、線形または多項式回帰、ランダムフォレストモデル、ベイジアンネットワーク、またはニューラルネットワークにすることができる。好ましくは、データ駆動型モデルは、履歴データで訓練された後、対象の材料特性に大きな影響を与える構造的特徴のみを考慮に入れて使用することにより単純化される。このようにして、必要な履歴データの量が削減され、それでも高精度の堅牢なモデルが得られる。

本発明の文脈における履歴データは、少なくとも１つの構造的特徴および少なくとも１つの材料特性を含むデータセットを指す。このようなデータは通常、過去のサンプルの測定によって、通常は直接または間接的にそれぞれの材料特性を取得するための適切な方法、例えばインデントなどの機械的テストによって取得される。関連する構造的特徴は、上記の方法と同様のサンプルの画像を分析することによって取得するか、または各構造的特徴に特化した分析方法によって取得することができる。

材料モデルは、プロセスの他のステップと同じシステムで実行することも、サーバーやクラウドなどの遠隔システムで実行することもできる。この場合、構造的特徴は材料モデルを実行する遠隔システムに送信され、結果は遠隔システムから受信される。これは通常、通信インターフェースを介して実現される。

通常、材料の種類、つまりサンプルの各相の化学組成は、構造的特徴と材料的特徴の関係に影響を与える。サンプルの材料の種類が異なる場合は、サンプルの各相の材料の種類に関する情報を考慮することが望ましい。このようにして、通常、より正確な材料の特徴に到達する。材料の種類は、セラミック、樹脂、ゴムなどの粘弾性ポリマー、または金属などの一般的な材料クラスとして指定できる。材料の種類は、その化学組成を参照することによって、より具体的に示すこともできる。例えば、ポリスチレン、ゼオライト、メラミン－ホルムアルデヒド樹脂、オーク材、ホウケイ酸ガラスなどである。したがって、好ましくは、サンプルの各相の材料の種類が提供される。

通常、適切なモデルを選択することにより、材料の種類が考慮される。材料の種類ごとに個別のモデルを設定することも可能である。これは、例えば、少数の異なる製品を生産する工場など、少数の異なる種類の材料のみが対象となる場合に意味がある。または、モデルで各相の材料の種類を追加の入力パラメータとして使用することもできる。明らかに、データ駆動型モデルの場合、モデルの訓練に使用される履歴データには、サンプルの各相の材料の種類を適切にラベル付けする必要がある。物理モデルの場合、データベースから簡単に取得できるため、通常、バルク材料の特性が選択される。小さな構造の材料の特性がバルク材料から逸脱しているという事実から生じるエラーは、ほとんどの用途で許容される。

本発明による方法は、（ｄ）材料モデルから受け取った少なくとも１つの材料特性を出力することを含む。出力とは、非一時的なデータ記憶媒体に材料特性を書き込んだり、ユーザインターフェースに表示したり、局所または遠隔システムで別のプログラムに送信したりすることを意味し、好ましくは、少なくとも１つの材料特性がユーザインターフェースに出力される。

サンプルの材料特性を決定するための方法は、好ましくは、以下を含む。
（ａ１）発泡体サンプルの画像を提供することと、
（ａ２）サンプルの各相の材料の種類を提供することと、
（ａ３）画像を表現に変換することと、
（ｂ）表現から少なくとも１つの構造的特徴を抽出することであって、少なくとも１つの構造的特徴は、壁、支柱、またはノードを含む、ことと、
（ｃ）物理モデルまたは構造的特徴および材料の種類を含む履歴データに基づいて訓練されたデータ駆動型モデルである材料モデルに少なくとも１つの構造的特徴を提供することと、
（ｄ）材料モデルから受け取った少なくとも１つの材料特性を出力することと、を含む。

本発明をどのように実装することができるかの例を図１に示す。サンプルは工場１０で製造され得る。これらは、サンプルの画像を生成する顕微鏡デバイス１１にかけられる。これらの画像は、処理ユニット１２によって表現に変換される。表現は、表現から少なくとも１つの構造的特徴を抽出する処理ユニット１３に提供される。少なくとも１つの構造的特徴は、それをモデルに提供する処理ユニット１４に提供される。このモデルは、データストレージデバイス１５から取得した履歴データによって訓練されている。モデルは、出力デバイス１６に提供される材料特性を取得する。この出力デバイス１６は、例えば、生産パラメータを調整するために、材料特性を工場１０に出力することができる。

本発明はさらに、本発明による方法のステップを実行するための命令を含むコンピュータプログラムを記憶する非一時的なコンピュータ可読データ媒体に関する。コンピュータ可読データ媒体には、例えばサーバー上のハードドライブ、ＵＳＢストレージデバイス、ＣＤ、ＤＶＤ、またはブルーレイディスクが含まれる。コンピュータプログラムは、本発明による方法の実行に必要なすべての機能およびデータを含み得るか、または遠隔システム、例えばクラウドシステム上で処理される方法の一部を有するためのインターフェースを提供し得る。

本発明はさらに、発泡体サンプルの材料特性を監視および／または制御するための生産監視および／または制御システムに関する。以下に明示的に異なって説明されない限り、好ましい実施形態を含む方法に関する説明は、システムにも当てはまる。システムは、例えば、コンピュータ、タブレット、またはスマートフォンのコンピューティングデバイスにすることができる。多くの場合、コンピューティングデバイスには、サーバーやクラウドネットワークなどの他のコンピューティングデバイスと通信するためのネットワーク接続がある。生産とは、工場での大量生産、または研究プログラムの文脈でのいくつかのサンプルの生産を指す場合がある。監視は通常、製品が常に特定の材料特性の設定範囲内にあることを確認するため、または異なる仕様（例えば、高品質の製品と平均的な品質の製品）に基づいて製品を分類するために、品質管理の文脈で行われる。制御とは、研究開発プロセスを促進およびスピードアップするために、最良のサンプルを選択するプロセスを指す場合がある。

本発明によれば、システムは、（ａ）サンプルの内部構造を示す画像を受信するように構成された入力ユニットを備える。好ましくは、入力ユニットは、例えば、局所または遠隔の記憶媒体から、またはサンプルを分析する測定装置から直接、処理される画像をユーザが選択することを可能にするユーザインターフェースを備える。好ましくは、入力ユニットは、サンプルの各相の材料の種類を受け取るように構成されている。入力ユニットは、Ｗｅｂサービスまたはスタンドアロンソフトウェアパッケージとして実装できる。入力ユニットは、プレゼンテーション層またはアプリケーション層を形成し得る。好ましくは、入力ユニットは、ユーザインターフェースを備える。

本発明によれば、システムは、（ｂ）表現から少なくとも１つの構造的特徴を抽出するように構成された処理ユニットを備える。処理ユニットは、局所処理ユニットであり得、中央処理ユニット（ＣＰＵ）および／またはグラフィックス処理ユニット（ＧＰＵ）および／または特定用途向け集積回路（ＡＳＩＣ）および／またはテンソル処理ユニット（ＴＰＵ）および／またはフィールドプログラム可能なゲートアレイ（ＦＰＧＡ）を含む。処理ユニットはまた、クラウドサービスなどの遠隔コンピュータシステムへのインターフェースであり得る。

本発明によれば、システムは、（ｃ）構造的特徴から少なくとも１つの材料特性を取得するのに適した材料モデルに少なくとも１つの構造的特徴を提供するように構成された処理ユニットを備える。処理ユニットは、（ｂ）と同じでも、異なるものでもかまわない。例えば、（ｂ）の処理ユニットは局所機械上にあり、一方、（ｃ）の処理ユニットはクラウドサービスへのインターフェースである。

本発明によれば、システムは、（ｄ）材料モデルから受け取った材料特性を出力するように構成された出力ユニットを備える。出力ユニットは、Ｗｅｂサービスまたはスタンドアロンソフトウェアパッケージとして実装できる。出力ユニットは、プレゼンテーション層またはアプリケーション層を形成し得る。好ましくは、出力ユニットは、サンプルの材料特性を表示するように構成されたユーザインターフェースである。次に、ユーザは必要なアクションを実行できる。例えば、サンプルが仕様から外れている場合は生産パラメータを調整したり、研究プロジェクトで最高品質のサンプルを選択したりできる。あるいは、出力ユニットは、生産パラメータを自動的に調整するか、またはそれらの材料特性に応じてサンプルを分類する装置へのインターフェースを含むか、または有することができる。
実施例
図２ａから２ｇは、ステップ（ａ）と（ｂ）を実現する方法の例を示している。図２ａは、例えばＸ線断層撮影装置から得られた生データを示している。２値化を準備するためのフィルターを適用した後、図２ｂの画像が得られる。図２ｃは、閾値を適用して画像を２値化した結果を示している。図２ｄの場合、距離フィルターが両方の相に適用された。つまり、細孔相では反対の負の符号が、材料相では正の符号が適用された。続いて、局所的な最小値が識別され、セル間に線があり、マスキングがない流域アルゴリズムが適用された。結果を図２ｅに示す。図２ｆは、図２ｃの画像からの２値化データを使用して、そこから取得したマスクラベル付きセルを示し、ラベル付き細孔を取得する。図２ｅに示されている流域の結果の境界線は、発泡体の骨格を表しており、図２ｇに示されている。そこから、骨格内のボクセルは、隣接するセルの数でラベル付けできる。つまり、隣接するセルを有するボクセルは壁を表し、隣接する３つのセルを有するボクセルは支柱を表し、４つ以上のセルを有するボクセルはノードを表す。接続されたボクセルには、単一の壁、支柱、またはノードと同じ種類のラベルが付けられる。

そこから、セル壁に位置する材料の一部φ＝０．２４９であり、発泡体密度（ρ_ｆｏａｍ）とバルク材料の密度（ρ_ｂｕｌｋ）の比率を表す相対密度ρ＊＝０．５３１が抽出された。相対的なヤング率Ｅ^＊＝０．３４４は、次の式

を使用して得られた。

Claims (15)

1. 発泡体サンプルの材料特性を決定するためのコンピュータ実装方法であって、
   （ａ）前記サンプルの表現を提供することと、
   （ｂ）前記表現から少なくとも１つの構造的特徴を抽出することであって、前記少なくとも１つの構造的特徴は、壁、支柱、またはノードを含む、ことと、
   （ｃ）前記構造的特徴から少なくとも１つの材料特性を取得するのに適した材料モデルに前記少なくとも１つの構造的特徴を提供することと、
   （ｄ）前記材料モデルから受け取った前記少なくとも１つの材料特性を出力することと、を含む、コンピュータ実装方法。
2. 前記表現は、前記サンプルの内部構造を示す画像から生成される、請求項１に記載のコンピュータ実装方法。
3. 前記表現は、閾値アルゴリズムを適用することによってグレースケール画像をセグメント化することによって画像から生成される、請求項２に記載のコンピュータ実装方法。
4. 前記セグメント化された画像は、距離関数および流域アルゴリズムの対象となる、請求項３に記載のコンピュータ実装方法。
5. 前記画像から表現を生成する前に、前記画像は、保存された前処理パラメータを自動的に適用することによって前処理される、請求項２から４のいずれか１項に記載のコンピュータ実装方法。
6. 前記方法が、前記サンプルの材料の種類を提供することをさらに含み、前記材料モデルが材料の種類に固有である、請求項１から５のいずれか１項に記載のコンピュータ実装方法。
7. 前記表現が３次元表現である、請求項１から６のいずれか１項に記載のコンピュータ実装方法。
8. 前記材料特性がユーザインターフェース上に表示される、請求項１から７のいずれか１項に記載のコンピュータ実装方法。
9. 少なくとも２つの構造的特徴が前記表現から抽出され、前記材料モデルに提供される、請求項１から８のいずれか１項に記載のコンピュータ実装方法。
10. 前記サンプルがポリマー発泡体である、請求項１から９のいずれか１項に記載のコンピュータ実施方法。
11. 先行する請求項のいずれか１項に記載の方法のステップを実行するための命令を含む、コンピュータプログラムを記憶する非一時的なコンピュータ可読データ媒体。
12. 発泡体サンプルの材料特性を監視および／または制御するための生産監視および／または制御システムであって、
    （ａ）前記サンプルの表現を受信するように構成された入力ユニットと、
    （ｂ）前記表現から少なくとも１つの構造的特徴を抽出するように構成された処理ユニットであって、前記少なくとも１つの構造的特徴は、壁、支柱、またはノードを含む、処理ユニットと、
    （ｃ）前記構造的特徴から少なくとも１つの材料特性を取得するのに適した材料モデルに前記少なくとも１つの構造的特徴を提供するように構成された処理ユニットと、
    （ｄ）前記材料モデルから受け取った材料特性を出力するように構成された出力ユニットと、を含む、生産監視および／または制御システム。
13. 前記入力ユニットは、前記サンプルの各相の材料の種類を受け取るように構成される、請求項１２に記載の生産監視および／または制御システム。
14. 前記処理ユニット（ｂ）および／または（ｃ）は、遠隔コンピュータシステムへのインターフェースである、請求項１２または１３に記載の生産監視および／または制御システム。
15. 前記入力ユニットおよび／または前記出力ユニットがユーザインターフェースである、請求項１２から１４のいずれか１項に記載の生産監視および／または制御システム。

Images