JP7176393B2 - 押出トレッドゴム形状の設計方法及び押出トレッドゴム形状の設計装置 - Google Patents

Description

本発明は、押出トレッドゴム形状の設計方法及び押出トレッドゴム形状の設計装置に関する。

従来から、コンピューターを用いて、３次元のトレッドゴムモデルから押出トレッドゴム形状を計算する方法が検討されている（例えば、特許文献１参照）。

しかしながら、上記方法では、加硫時のゴム流れ等の影響が考慮されておらず、さらなる改良が期待されていた。

特許第４５６６３８６号公報

本発明は、以上のような実状に鑑み案出されたもので、押出トレッドゴム形状を精度よく設計できる方法及び装置を提供することを主たる目的としている。

本発明は、コンピューターを用いて押出成形時のタイヤ用の押出トレッドゴム形状を設計するための方法であって、予め定められたタイヤ周方向の長さで、トレッドパターン付きの三次元のトレッドゴムモデルを作成する工程と、前記トレッドゴムモデルに基づいて、トレッド幅方向の任意の領域ごとのゴム体積を計算してゴム体積分布を計算する工程と、前記ゴム体積分布に、前記コンピューターに予め記憶された形状補正係数を乗じて、前記押出トレッドゴム形状を計算する工程とを含む。

本発明に係る前記押出トレッドゴム形状の設計方法において、前記形状補正係数は、これまで実際に製造された複数のタイヤについて、トレッドゴムモデルの前記ゴム体積分布と、その押出トレッドゴム形状とに基づいて決定されたパラメーターである、ことが望ましい。

本発明に係る前記押出トレッドゴム形状の設計方法において、前記形状補正係数を計算する係数計算工程をさらに含む、ことが望ましい。

本発明に係る前記押出トレッドゴム形状の設計方法において、前記係数計算工程では、タイヤサイズに応じて前記形状補正係数が計算される、ことが望ましい。

本発明に係る前記押出トレッドゴム形状の設計方法において、前記係数計算工程では、前記トレッドゴムの加硫成形時の径方向の伸張率に応じて前記形状補正係数が計算される、ことが望ましい。

本発明に係る前記押出トレッドゴム形状の設計方法において、前記係数計算工程では、前記トレッドパターンに応じて前記形状補正係数が計算される、ことが望ましい。

本発明に係る前記押出トレッドゴム形状の設計方法において、前記トレッドゴムは、タイヤ周方向にのびる周方向溝によって、複数の陸部に分割され、前記係数計算工程では、各陸部ごとに前記形状補正係数が計算される、ことが望ましい。

本発明に係る前記押出トレッドゴム形状の設計方法において、前記係数計算工程は、前記形状補正係数を計算するための学習モデルを作成し、記憶する工程を含む、ことが望ましい。

本発明に係る前記押出トレッドゴム形状の設計方法において、前記学習モデルは、少なくともタイヤサイズに関する変数、前記トレッドゴムの加硫成形時の径方向の伸張率に関する変数、前記トレッドパターンを構成する溝の諸元に関する変数、加硫済みタイヤの内部構造に関する変数、前記トレッドゴムの配合に関する変数のいずれかを入力層とし、前記押出トレッドゴム形状に適合する前記トレッドゴムを用いて製造されたタイヤのトレッドゴムの前記トレッドゴムモデルに対する適合度を出力層とするニューラルネットワークを含む、ことが望ましい。

また、本発明は、コンピューターを含み、押出成形時のタイヤ用の押出トレッドゴム形状を設計するための装置であって、予め定められたタイヤ周方向の長さで、トレッドパターン付きの三次元のトレッドゴムモデルを作成するモデル作成部と、前記トレッドゴムモデルに基づいて、トレッド幅方向の任意の領域ごとのゴム体積を計算してゴム体積分布を計算する体積計算部と、前記ゴム体積分布を補正するための形状補正係数を記憶する記憶部と、前記ゴム体積分布に、前記形状補正係数を乗じて、前記押出トレッドゴム形状を計算する形状計算部とを含む。

本発明に係る前記押出トレッドゴム形状の設計装置において、前記形状補正係数を計算する係数計算部をさらに含む、ことが望ましい。

本発明に係る前記押出トレッドゴム形状の設計装置において、前記係数計算部は、前記形状補正係数を計算するための学習モデルを作成する、ことが望ましい。

本発明に係る前記押出トレッドゴム形状の設計装置において、前記学習モデルは、少なくともタイヤサイズに関する変数、前記トレッドゴムの加硫成形時の径方向の伸張率に関する変数、前記トレッドパターンを構成する溝の諸元に関する変数、加硫済みタイヤの内部構造に関する変数、前記トレッドゴムの配合に関する変数のいずれかを入力層とし、前記押出トレッドゴム形状に適合する前記トレッドゴムを用いて製造されたタイヤのトレッドゴムの前記トレッドゴムモデルに対する適合度を出力層とするニューラルネットワークを含む、ことが望ましい。

本発明の押出トレッドゴム形状の設計方法によれば、三次元の前記トレッドゴムモデルの前記ゴム体積分布が計算され、前記ゴム体積分布に前記コンピューターに予め記憶された前記形状補正係数を乗じることにより、前記押出トレッドゴム形状が計算される。前記形状補正係数によって加硫時のゴム流れ等の影響を付け加えて、前記押出トレッドゴム形状が計算されるので、前記押出トレッドゴム形状を精度よく設計することが可能となる。

本発明の押出トレッドゴム形状の設計装置によれば、三次元の前記トレッドゴムモデルの前記ゴム体積分布が計算され、前記ゴム体積分布に前記コンピューターに予め記憶された前記形状補正係数を乗じることにより、前記押出トレッドゴム形状が計算される。前記形状補正係数によって加硫時のゴム流れ等の影響を付け加えて、前記押出トレッドゴム形状が計算されるので、前記押出トレッドゴム形状を精度よく設計することが可能となる。

本発明の一実施形態である押出トレッドゴム形状の設計方法の処理手順を示すフローチャートである。 上記押出トレッドゴム形状の設計方法に用いられるコンピューターのハードウェア構成を示すブロック図である。 コンピューターの機能を示すブロック図である。 モデル作成工程にて作成されるトレッドゴムモデルの一例を示す斜視図である。 体積計算工程にて計算されたゴム体積分布の一例を示す図である。 形状計算工程にて用いられる形状補正係数の一例を示す図である。 形状計算工程にて補正された体積分布を示す図である。 形状計算工程にて計算された押出トレッドゴム形状を示す図である。 上記押出トレッドゴム形状の設計方法の変形例の処理手順を示すフローチャートである。 係数計算工程にて作成される学習モデルの一例を示す図である。 実施例及び比較例の各トレッドゴムのトレッドゴムモデルに対する寸法の差を示すグラフである。

以下、本発明の実施の一形態が図面に基づき説明される。
図１は、本実施形態の押出トレッドゴム形状の設計方法の処理手順を示している。押出トレッドゴム形状の設計方法は、コンピューターを用いて押出成形時のタイヤ用の押出トレッドゴム形状を設計するための方法である。

押出トレッドゴム形状の設計方法は、三次元のトレッドゴムモデルを作成するモデル作成工程Ｓ１０と、ゴム体積分布を計算する体積計算工程Ｓ２０と、押出トレッドゴム形状を計算する形状計算工程Ｓ３０とを含んでいる。各工程Ｓ１０乃至Ｓ３０は、コンピューターによって実行される。

図２は、押出トレッドゴム形状の設計方法に用いられるコンピューター１のハードウェアの構成を示すブロック図である。本実施形態の押出トレッドゴム形状の設計装置は、コンピューター１を含んでいる。コンピューター１は、各種の演算処理、情報処理等を実行する制御部２、制御部２の動作を司るプログラム及び各種の情報が格納された記憶部３、制御部２に各種の指令や情報を入力するための入力部４及びＣＰＵによる処理結果を出力するための出力部５等を備えている。

制御部２は、ＣＰＵ（Central Processing Unit）及びメモリによって構成されている。なお、制御部２には、ＣＰＵに加えて又はＣＰＵに替えて、データー処理に秀でたＧＰＵ（Graphics Processing Unit）が適用されていてもよい。記憶部３には、例えば、大容量のハードディスク駆動装置が適用される。入力部４には、キーボード及びマウス等のデバイスが適用される。出力部５には、ＬＣＤ（Liquid Crystal Display）等のディスプレイ装置が適用される。

コンピューター１には、他のコンピューター（図示せず）との間で、各種の情報（例えば、タイヤの設計に関する情報）を交換するための通信部６が設けられていてもよい。通信部６は、例えば、ＬＡＮを介して他のコンピューターと接続されている。この場合、押出トレッドゴム形状の設計装置は、コンピューター１及び他のコンピューターを含むネットワークによって構成される。

図３は、コンピューター１の機能を示すブロック図である。同図に示される各種の機能は、制御部２と記憶部３に格納されているプログラム及び各種の情報とが協働し、上記工程Ｓ１０乃至Ｓ３０を実行することにより実現される。すなわち、記憶部３に上記プログラム等が格納されたコンピューター１は、三次元のトレッドゴムモデルを作成するモデル作成部１０と、ゴム体積分布を計算する体積計算部２０と、押出トレッドゴム形状を計算する形状計算部３０とを有する。

より具体的には、モデル作成工程Ｓ１０では、モデル作成部１０によって、予め定められたタイヤ周方向の長さで、トレッドパターン付きの三次元のトレッドゴムモデルが作成される。

図４は、トレッドゴムモデル２００の一例を示している。本実施形態のトレッドゴムモデル２００は、タイヤ周方向に延びる４本の周方向溝によって５つの陸部に区分されるトレッドパターンを有している。トレッドゴムモデル２００には、必要に応じて、タイヤ軸方向に延びる横溝及びサイプ等が設けられている。本トレッドゴムモデル２００は、乗用車用タイヤのトレッドゴムモデルであるが、重荷重用タイヤのトレッドゴムモデルにも適用可能である。

三次元のトレッドゴムモデル２００は、例えば、タイヤ加硫金型を構成するトレッドリング部の設計データーから容易に作成可能である。トレッドゴムモデル２００のタイヤ周方向の長さは任意であるが、例えば、溝及び陸部によって構成されるトレッドパターンがタイヤ周方向に周期的に反復されるトレッドゴムにあっては、その１ピッチ分の長さが望ましい。

次いで、体積計算工程Ｓ２０では、体積計算部２０によって、トレッドゴムモデル２００に基づいて、トレッド幅方向の任意の領域ごとのゴム体積が計算され、ゴム体積分布が計算される。

図５は、体積計算工程Ｓ２０において計算されたゴム体積分布３００の一例を示している。同図において、横軸はトレッドゴムモデル２００の赤道からの幅方向の距離であり（セリアルステンシルの側がマイナス（図中左）方向：図６、７、８、１１においても同様とする）、縦軸は、各領域の体積を示している（図７においても同様とする）。トレッドゴムモデル２００の分割数及び各領域の幅は、任意であり、トレッドゴムモデル２００上のトレッドパターンの複雑さ等に応じて適宜設定される。

さらに、形状計算工程Ｓ３０では、形状計算部３０によって、ゴム体積分布３００に、形状補正係数を乗ずることにより、押出トレッドゴム形状が計算される。形状補正係数は、コンピューター１の記憶部３に予め記憶されている。

図６は、タイヤＡ乃至Ｆにおける形状補正係数４００の一例を示している。形状補正係数４００は、加硫時のゴム流れ等の影響を考慮した係数であり、トレッドゴムモデル２００の幅方向に異なる値で分布している。本実施形態では、各陸部ごとに一定値の形状補正係数４００が設定されている。例えば、加硫時にゴムが流入し易い領域の形状補正係数４００は、１より小さい値に設定され、加硫時にゴムが流出し易い領域の形状補正係数４００は、１より大きい値に設定される。

図７は、形状計算工程Ｓ３０においてゴム体積分布３００に形状補正係数４００を乗ずることにより、補正された体積分布５００を示している。本実施形態において補正された体積分布５００は、各陸部ごとに一定の体積分布となるように平滑化され、階段状の形状を有する。

図８は、体積分布５００に基づいて計算された押出トレッドゴム形状６００を示している。同図において、横軸は押出トレッドゴム形状６００の赤道からの幅方向の距離であり、縦軸は、厚さの分布を示している。本実施形態の押出トレッドゴム形状６００は、階段状の体積分布５００の段差をなくすように、輪郭が折れ線化された形状に計算される。なお、体積分布５００から押出トレッドゴム形状６００を算出する際には、各陸部に相当する領域ごとの体積が維持されるように、輪郭の折れ線化処理が実行される。

本発明の押出トレッドゴム形状の設計方法及び押出トレッドゴム形状の設計装置によれば、形状補正係数４００によって加硫時のゴム流れ等の影響を付け加えて、押出トレッドゴム形状６００が計算されるので、押出トレッドゴム形状６００を精度よく設計することが可能となる。

図６に示される形状補正係数４００は、これまで実際に製造された複数のタイヤについて、トレッドゴムモデル２００のゴム体積分布と、その押出トレッドゴム形状とに基づいて決定されたパラメーターである。このような形状補正係数４００を用いて押出トレッドゴム形状を計算することにより、押出トレッドゴム形状をより一層精度よく設計することが可能となる。

図９は、図１の押出トレッドゴム形状の設計方法の変形例を示している。この押出トレッドゴム形状の設計方法では、形状補正係数４００を計算する係数計算工程Ｓ１をさらに含む点で、図１の押出トレッドゴム形状の設計方法とは異なる。モデル作成工程Ｓ１０乃至形状計算工程Ｓ３０については、図１の押出トレッドゴム形状の設計方法と同様である。

本実施形態の係数計算工程Ｓ１は、モデル作成工程Ｓ１０に先だって実行される。係数計算工程Ｓ１は、形状計算工程Ｓ３０の前に実行されればよく、モデル作成工程Ｓ１０又は体積計算工程Ｓ２０の後で実行されてもよい。係数計算工程Ｓ１は、係数計算部４０によって実行される。

記憶部３には、制御部２を係数計算部４０として機能させるプログラムが格納されている。係数計算部４０によって算出された形状補正係数４００は、記憶部３に記憶される。これにより、形状計算工程Ｓ３０で形状補正係数４００が利用可能となる。

図６に示されるように、形状補正係数４００は、タイヤごとに異なる値をとる。本願発明者は、加硫時のゴム流れは、タイヤサイズごとに異なることを見出した。例えば、加硫時にバットレス部からショルダー部にゴムが流れ込む傾向にあるサイズ、及び、加硫時にショルダー部からバットレス部にゴムが流れ込む傾向にあるサイズが存在する。従って、係数計算工程Ｓ１では、タイヤサイズに応じて形状補正係数４００が計算されるのが望ましい。

また、本願発明者は、加硫時のゴム流れは、トレッドゴムの加硫成形時の径方向の伸張率（いわゆる加硫ストレッチ）ごとに異なることを見出した。例えば、上記伸張率が大きいタイヤは、加硫時のゴム流れが大きくなる傾向にある。従って、係数計算工程Ｓ１では、上記伸張率に応じて形状補正係数４００が計算されるのが望ましい。

さらに、本願発明者は、加硫時のゴム流れは、トレッドパターンごとに異なることを見出した。例えば、深い溝が多数形成されるトレッドパターンでは、加硫時のゴム流れが制限される傾向にある。従って、係数計算工程Ｓ１では、トレッドパターンに応じて形状補正係数４００が計算されるのが望ましい。

上述した加硫時の幅方向のゴム流れは、周方向溝を形成するため加硫金型に設けられている突状部がトレッドゴムに当接することにより阻害される傾向にある。従って、係数計算工程Ｓ１では、各陸部ごとに形状補正係数４００が計算されるのが望ましい。

係数計算工程Ｓ１は、形状補正係数４００を計算するための学習モデルを作成し、記憶する工程を含むのが望ましい。この場合、係数計算部４０は、形状補正係数４００を計算するための学習モデルを作成する。作成された学習モデルは、記憶部３に記憶されている。

図１０は、学習モデル７００を示している。学習モデル７００は、例えば、人工知能（ＡＩ：Artificial Intelligence）を用いたディープラーニング（深層学習）によって生成される。本実施形態では、学習モデル７００は、制御部２の演算によって生成され、記憶部３に記憶されている。学習モデル７００は、例えば、コンピューター１の外部の他のコンピューターの演算によって生成され、コンピューター１に入力され、記憶部３に記憶されるものであってもよい。

学習モデル７００は、タイヤサイズに関する変数７０１ａ、伸張率に関する変数７０１ｂ、溝の諸元に関する変数７０１ｃ、加硫済みタイヤの内部構造に関する変数７０１ｄ、トレッドゴムの配合に関する変数７０１ｅ…を入力層７０１として、押出トレッドゴム形状６００に適合するトレッドゴムを用いて製造されたタイヤのトレッドゴムのトレッドゴムモデル２００に対する適合度７０３ａ、７０３ｂ、７０３ｃ、…を出力層７０３として、機械学習によって生成された中間層７０２によって定義される。入力層７０１は、少なくともタイヤサイズに関する変数７０１ａ、伸張率に関する変数７０１ｂ、溝の諸元に関する変数７０１ｃ、加硫済みタイヤの内部構造に関する変数７０１ｄ、トレッドゴムの配合に関する変数７０１ｅのいずれかを含んでいればよい。出力層７０３の各適合度７０３ａ、７０３ｂ、７０３ｃ…は、各タイヤにおけるトレッドゴムの厚さ分布に基づいて計算される。そして、出力層７０３の各データーは、入力層７０１の各データーと紐付けられた状態で記憶部３に記憶されており、ディープラーニングの教師データーとして利用される。

中間層７０２は、多段階に階層化された複数のニューロン（ノード）７０４と最適化された重み付け係数７０５（パラメーター）との組み合わせを含んでいる。各ニューロン７０４は、重み付け係数７０５によって接続されている。このような中間層７０２は、ニューラルネットワークと称される。すなわち、本実施形態の学習モデル７００は、ニューラルネットワークを含んでいる。

中間層７０２は、例えば、各ニューロンについて、入力ｘが入力されたときの出力ｙと真の出力ｙ(教師データー)との差分を小さくするように、それぞれの重み付け係数７０５を調整することにより学習される。このような学習手法は、誤差逆伝搬法(Backpropagation)と称される。各ニューロン７０４と各重み付け係数７０５が定められることにより、学習モデル７００が生成される。

このような実施形態によれば、形状補正係数４００の計算にあたって、人工知能によって膨大な数のデーターを処理することにより生成された学習モデル７００が用いられるので、タイヤ設計者の過去の経験のみに頼ることなく、加硫時のゴム流れを考慮した最適な押出トレッドゴム形状６００が容易かつ精度よく計算されることとなる。特に、タイヤサイズ、伸張率、溝の諸元、タイヤの内部構造、トレッドゴムの配合等の原因が複雑に絡み合うタイヤの加硫時のゴム流れを、熟練したタイヤ設計者の経験を凌駕する精度で予測することが可能となる。また、新規なトレッドパターンのタイヤについての押出トレッドゴム形状を適切に設計可能となる。従って、加硫金型の完成後のタイヤの試作（作り込み）回数を削減し、開発期間を短縮し、コストを抑制することが可能となる。

以上、本発明の押出トレッドゴム形状の設計方法及び押出トレッドゴム形状が詳細に説明されたが、本発明は上記の具体的な実施形態に限定されることなく種々の態様に変更して実施される。

図４のトレッドパターンを有するサイズ：２０５／５５Ｒ１６のタイヤについて、学習モデル７００によって導かれた形状補正係数４００を用いて計算された押出トレッドゴム形状６００に適合するトレッドゴムが押し出され、実施例のタイヤが製造された。一方、ゴム体積分布３００から形状補正係数４００を用いることなく計算された形状に適合するトレッドゴムが押し出され、比較例のタイヤが製造された。各タイヤ（加硫済み）のトレッドゴムの厚さが幅方向の複数箇所で測定され、トレッドゴムモデル２００に対する寸法の差が検証された。

図１１は、上記実施例及び比較例の各トレッドゴムのトレッドゴムモデル２００に対する寸法の差を示している。図１１から明らかなように、実施例のタイヤは、比較例に比べて設計目標値であるトレッドゴムモデル２００の形状に近く、押出トレッドゴム形状が精度よく設計できていることが確認できた。

１ ：コンピューター
１０ ：モデル作成部
２０ ：体積計算部
３０ ：形状計算部
４０ ：係数計算部
２００ ：トレッドゴムモデル
３００ ：ゴム体積分布
４００ ：形状補正係数
５００ ：体積分布
６００ ：押出トレッドゴム形状
７００ ：学習モデル
７０１ ：入力層
７０３ ：出力層
Ｓ１ ：係数計算工程
Ｓ１０ ：モデル作成工程
Ｓ２０ ：体積計算工程
Ｓ３０ ：形状計算工程

Claims (13)

1. コンピューターを用いて押出成形時のタイヤ用の押出トレッドゴム形状を設計するための方法であって、
   予め定められたタイヤ周方向の長さで、トレッドパターン付きの三次元のトレッドゴムモデルを作成する工程と、
   前記トレッドゴムモデルに基づいて、トレッド幅方向の任意の領域ごとのゴム体積を計算してゴム体積分布を計算する工程と、
   前記ゴム体積分布に、前記コンピューターに予め記憶された前記トレッドゴムモデルの幅方向に異なる値で分布する形状補正係数を乗じて、前記押出トレッドゴム形状を計算する工程とを含む、
   押出トレッドゴム形状の設計方法。
2. 前記形状補正係数は、これまで実際に製造された複数のタイヤについて、トレッドゴムモデルの前記ゴム体積分布と、その押出トレッドゴム形状とに基づいて決定されたパラメーターである、請求項１記載の押出トレッドゴム形状の設計方法。
3. 前記形状補正係数を計算する係数計算工程をさらに含む、請求項２記載の押出形状の設計方法。
4. 前記係数計算工程では、タイヤサイズに応じて前記形状補正係数が計算される、請求項３記載の押出トレッドゴム形状の設計方法。
5. 前記係数計算工程では、トレッドゴムの加硫成形時の径方向の伸張率に応じて前記形状補正係数が計算される、請求項３又は４に記載の押出トレッドゴム形状の設計方法。
6. 前記係数計算工程では、前記トレッドパターンに応じて前記形状補正係数が計算される、請求項３乃至５のいずれかに記載の押出トレッドゴム形状の設計方法。
7. トレッドゴムは、タイヤ周方向にのびる周方向溝によって、複数の陸部に分割され、
   前記係数計算工程では、各陸部ごとに前記形状補正係数が計算される、請求項６記載の押出トレッドゴム形状の設計方法。
8. 前記係数計算工程は、前記形状補正係数を計算するための学習モデルを作成し、記憶する工程を含む、請求項３記載の押出トレッドゴム形状の設計方法。
9. 前記学習モデルは、少なくともタイヤサイズに関する変数、トレッドゴムの加硫成形時の径方向の伸張率に関する変数、前記トレッドパターンを構成する溝の諸元に関する変数、加硫済みタイヤの内部構造に関する変数、前記トレッドゴムの配合に関する変数のいずれかを入力層とし、前記押出トレッドゴム形状に適合する押出トレッドゴムを用いて製造されたタイヤのトレッドゴムの前記トレッドゴムモデルに対する適合度を出力層とするニューラルネットワークを含む、請求項８記載の押出トレッドゴム形状の設計方法。
10. コンピューターを含み、押出成形時のタイヤ用の押出トレッドゴム形状を設計するための装置であって、
    予め定められたタイヤ周方向の長さで、トレッドパターン付きの三次元のトレッドゴムモデルを作成するモデル作成部と、
    前記トレッドゴムモデルに基づいて、トレッド幅方向の任意の領域ごとのゴム体積を計算してゴム体積分布を計算する体積計算部と、
    前記ゴム体積分布を補正するための前記トレッドゴムモデルの幅方向に異なる値で分布する形状補正係数を記憶する記憶部と、
    前記ゴム体積分布に、前記形状補正係数を乗じて、前記押出トレッドゴム形状を計算する形状計算部とを含む、
    押出トレッドゴム形状の設計装置。
11. 前記形状補正係数を計算する係数計算部をさらに含む、請求項１０記載の押出トレッドゴム形状の設計装置。
12. 前記係数計算部は、前記形状補正係数を計算するための学習モデルを作成する、請求項１１記載の押出トレッドゴム形状の設計装置。
13. 前記学習モデルは、少なくともタイヤサイズに関する変数、トレッドゴムの加硫成形時の径方向の伸張率に関する変数、前記トレッドパターンを構成する溝の諸元に関する変数、加硫済みタイヤの内部構造に関する変数、前記トレッドゴムの配合に関する変数のいずれかを入力層とし、前記押出トレッドゴム形状に適合する押出トレッドゴムを用いて製造されたタイヤのトレッドゴムの前記トレッドゴムモデルに対する適合度を出力層とするニューラルネットワークを含む、請求項１２記載の押出トレッドゴム形状の設計装置。

Images