JP7311598B2 - 学習モデルの生成方法、コンピュータプログラム、学習モデル、制御装置、及び制御方法 - Google Patents
学習モデルの生成方法、コンピュータプログラム、学習モデル、制御装置、及び制御方法 Download PDFInfo
- Publication number
- JP7311598B2 JP7311598B2 JP2021529575A JP2021529575A JP7311598B2 JP 7311598 B2 JP7311598 B2 JP 7311598B2 JP 2021529575 A JP2021529575 A JP 2021529575A JP 2021529575 A JP2021529575 A JP 2021529575A JP 7311598 B2 JP7311598 B2 JP 7311598B2
- Authority
- JP
- Japan
- Prior art keywords
- powder
- learning model
- data
- processing apparatus
- raw material
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 115
- 238000004590 computer program Methods 0.000 title claims description 15
- 239000000843 powder Substances 0.000 claims description 436
- 238000009700 powder processing Methods 0.000 claims description 387
- 239000002994 raw material Substances 0.000 claims description 229
- 238000004364 calculation method Methods 0.000 claims description 155
- 238000012545 processing Methods 0.000 claims description 144
- 238000005259 measurement Methods 0.000 claims description 110
- 238000002156 mixing Methods 0.000 claims description 54
- 239000002245 particle Substances 0.000 claims description 54
- 238000001035 drying Methods 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 36
- 238000010586 diagram Methods 0.000 claims description 35
- 239000000428 dust Substances 0.000 claims description 28
- 230000007613 environmental effect Effects 0.000 claims description 24
- 238000013329 compounding Methods 0.000 claims description 19
- 239000000654 additive Substances 0.000 claims description 18
- 238000004381 surface treatment Methods 0.000 claims description 18
- 230000000996 additive effect Effects 0.000 claims description 17
- 239000012530 fluid Substances 0.000 claims description 14
- 238000005469 granulation Methods 0.000 claims description 14
- 230000003179 granulation Effects 0.000 claims description 14
- 238000003756 stirring Methods 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 8
- 239000002826 coolant Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000002441 X-ray diffraction Methods 0.000 claims description 6
- 238000004949 mass spectrometry Methods 0.000 claims description 6
- 238000002834 transmittance Methods 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 4
- 239000003507 refrigerant Substances 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004455 differential thermal analysis Methods 0.000 claims description 2
- 238000002411 thermogravimetry Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims 1
- 238000010298 pulverizing process Methods 0.000 description 69
- 238000004891 communication Methods 0.000 description 48
- 239000000543 intermediate Substances 0.000 description 41
- 239000007789 gas Substances 0.000 description 39
- 238000003860 storage Methods 0.000 description 37
- 239000000463 material Substances 0.000 description 18
- 230000002093 peripheral effect Effects 0.000 description 13
- 230000004913 activation Effects 0.000 description 12
- 238000000227 grinding Methods 0.000 description 7
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000007747 plating Methods 0.000 description 6
- 238000007751 thermal spraying Methods 0.000 description 6
- 238000005299 abrasion Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 4
- 239000004810 polytetrafluoroethylene Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000007740 vapor deposition Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 3
- -1 SUS304 and SUS316 Substances 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 239000000919 ceramic Substances 0.000 description 3
- 238000010668 complexation reaction Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 229910003460 diamond Inorganic materials 0.000 description 3
- 239000010432 diamond Substances 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 229910052759 nickel Inorganic materials 0.000 description 3
- 102200082816 rs34868397 Human genes 0.000 description 3
- 102220342298 rs777367316 Human genes 0.000 description 3
- UONOETXJSWQNOL-UHFFFAOYSA-N tungsten carbide Chemical compound [W+]#[C-] UONOETXJSWQNOL-UHFFFAOYSA-N 0.000 description 3
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 239000010419 fine particle Substances 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 239000011361 granulated particle Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010791 quenching Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000001373 regressive effect Effects 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 238000002945 steepest descent method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000001506 calcium phosphate Substances 0.000 description 1
- 229910000389 calcium phosphate Inorganic materials 0.000 description 1
- 235000011010 calcium phosphates Nutrition 0.000 description 1
- 238000005255 carburizing Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000011195 cermet Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 239000011147 inorganic material Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000007561 laser diffraction method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 229910000625 lithium cobalt oxide Inorganic materials 0.000 description 1
- BFZPBUKRYWOWDV-UHFFFAOYSA-N lithium;oxido(oxo)cobalt Chemical compound [Li+].[O-][Co]=O BFZPBUKRYWOWDV-UHFFFAOYSA-N 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- VTHJTEIRLNZDEV-UHFFFAOYSA-L magnesium dihydroxide Chemical compound [OH-].[OH-].[Mg+2] VTHJTEIRLNZDEV-UHFFFAOYSA-L 0.000 description 1
- 239000000347 magnesium hydroxide Substances 0.000 description 1
- 229910001862 magnesium hydroxide Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000000790 scattering method Methods 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 238000005563 spheronization Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- QORWJWZARLRLPR-UHFFFAOYSA-H tricalcium bis(phosphate) Chemical compound [Ca+2].[Ca+2].[Ca+2].[O-]P([O-])([O-])=O.[O-]P([O-])([O-])=O QORWJWZARLRLPR-UHFFFAOYSA-H 0.000 description 1
- 239000001993 wax Substances 0.000 description 1
- 238000004260 weight control Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Drying Of Solid Materials (AREA)
Description
(実施の形態1)
図1は実施の形態1に係る粉体処理システム1の全体構成を示す模式図である。実施の形態1に係る粉体処理システム1は、例えば、原料供給機2、熱風発生機3、粉体処理装置4A、サイクロン5、集塵機6、ブロワ7、製品タンク8、集塵タンク9及び制御装置100(図3を参照)を備える。
なお、本実施の形態では、粉体輸送路TP3に粒子径センサS2を設置する構成としたが、原料供給機2、サイクロン5から製品タンク8に至る経路、集塵機6から集塵タンク9に至る経路等に設置されてもよい。
図3は実施の形態1に係る制御装置100の内部構成を示すブロック図である。制御装置100は、汎用又は専用のコンピュータにより構成されており、制御部101、記憶部102、入力部103、出力部104、通信部105、操作部106、及び表示部107を備える。
図5は実施の形態1における学習モデル210の構成例を示す模式図である。学習モデル210は、例えば、深層学習を含む機械学習の学習モデルであり、ニューラルネットワークによって構成されている。学習モデル210は、入力層211、中間層212A,212B、及び出力層213を備える。図5の例では、2つの中間層212A,212Bを記載しているが、中間層の数は2つに限定されず、3つ以上であってもよい。
図7は制御装置100による学習モデル210の生成手順を説明するフローチャートである。制御装置100の制御部101は、粉体処理装置4Aの動作状態を示す計測データと、粉体処理装置4Aから得られる粉体に関する粉体データとを収集する(ステップS101)。ステップS101において収集する計測データは、上述したように、熱媒の温度及び流量、粉体原料の供給量又は供給速度、粉砕ロータ413の回転速度、分級ロータ415の回転速度、ケーシング410内の圧力、及び乾燥処理の処理時間を含む。また、ステップS101において収集する粉体データは、粉体処理装置4Aから得られる粉体の湿分を示すデータを含む。収集した計測データ及び粉体データは、タイムスタンプと共に、記憶部102に記憶される。
更に、PLS(Partial Least Squares)回帰、重回帰分析、主成分分析、因子分析、クラスター分析等を含む多変量分析を用いて学習モデルを構築してもよい。
実施の形態2では、混合処理についての適用例を説明する。実施の形態2に係る粉体処理システム1は、乾燥処理を行う粉体処理装置4Aに代えて、混合処理を行う粉体処理装置4Bを備える。
実施の形態3では、複合化処理についての適用例を説明する。実施の形態3に係る粉体処理システム1は、乾燥処理を行う粉体処理装置4Aに代えて、複合化処理を行う粉体処理装置4Cを備える。
なお、本実施の形態では、粉体処理装置4Cを用いて複合化を行ったが、目標値を混合度として混合処理を行ってもよく、単一原料に対し、目標値を円形度として球形化などの表面処理を行ってもよい。
実施の形態4では、表面処理についての適用例を説明する。実施の形態4に係る粉体処理システム1は、乾燥処理を行う粉体処理装置4Aに代えて、表面処理を行う粉体処理装置4Dを備える。
また、本実施の形態では、ブロワ7を用いて、粉体処理装置4Dから粉体を取り出す気体の流れを形成する構成としたが、ブロワ7に代えてポンプを用いてもよい。
更に、本実施の形態では、粉体処理装置4Dに気体を導入する構成としたが、気体を導入する構成に代えて、液体を導入する構成としてもよい。
実施の形態5では、造粒処理についての適用例を説明する。実施の形態5に係る粉体処理システム1は、乾燥処理を行う粉体処理装置4Aに代えて、造粒処理を行う粉体処理装置4Eを備える。
実施の形態6では、実施の形態1で説明した学習モデル210の再学習手順について説明する。
なお、粉体処理システム1の全体構成、及び粉体処理システム1における各装置の構成については実施の形態1と同様であるため、その説明を省略することとする。
実施の形態7では、粉体処理装置4Aにおける制御パラメータの調整手順について説明する。
なお、粉体処理システム1の全体構成、及び粉体処理システム1における各装置の構成については実施の形態1と同様であるため、その説明を省略することとする。
実施の形態8では、端末装置500から粉体処理システム1の動作を制御する構成について説明する。
なお、粉体処理システム1の全体構成、及び粉体処理システム1における各装置の構成については実施の形態1と同様であるため、その説明を省略することとする。
実施の形態9では、端末装置500において粉体処理の種別を選択する構成について説明する。
なお、粉体処理システム1の全体構成、及び粉体処理システム1における各装置の構成については実施の形態1と同様であるが、制御装置100の記憶部102には、実施の形態1~5において説明した学習モデル210~250が記憶されており、制御装置100は、学習モデル210~250を用いた演算結果に基づき、粉体処理装置4A~4Eの動作を制御するものとする。
実施の形態10では、粉体原料の種別に応じて学習モデル210を生成する構成について説明する。
なお、粉体処理システム1の全体構成、及び粉体処理システム1における各装置の構成については実施の形態1と同様であるため、その説明を省略することとする。
Claims (37)
- コンピュータが、
乾燥処理を行う粉体処理装置に関して、前記粉体処理装置の動作状態を示す計測データと、前記粉体処理装置から得られる粉体について計測された湿分を含む粉体データとを複数組取得し、
取得した複数組の計測データと粉体データとを教師データに用いて、ユーザが所望する粉体についての目標値として湿分が入力された場合、前記粉体処理装置に対する制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
学習モデルの生成方法。 - 前記目標値は、ユーザが所望する粉体の単位時間あたりの収量を更に含み、
前記乾燥処理により得られる粉体について計測された単位時間あたりの収量を含む粉体データを教師データに用いて、前記学習モデルを生成する
請求項1に記載の学習モデルの生成方法。 - 前記計測データは、熱媒の温度及び流量、粉体原料の供給量又は供給速度、前記粉体原料を攪拌するための回転体の回転速度、前記粉体原料を処理する処理室内の圧力、並びに、前記乾燥処理の処理時間を含み、
前記目標値が入力された場合、前記熱媒の温度及び流量、前記粉体原料の供給量又は供給速度、前記回転体の回転速度、前記処理室内の圧力、並びに、前記乾燥処理の処理時間を含む制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
請求項1又は請求項2に記載の学習モデルの生成方法。 - 前記計測データは、前記粉体を分級するための回転体の回転速度を更に含み、
前記目標値が入力された場合、前記粉体を分級するための回転体の回転速度を更に含む制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
請求項3に記載の学習モデルの生成方法。 - コンピュータが、
混合処理を行う粉体処理装置に関して、前記粉体処理装置の動作状態を示す計測データと、前記粉体処理装置から得られる粉体の混合度を含む粉体データとを複数組取得し、
取得した複数組の計測データと粉体データとを教師データに用いて、ユーザが所望する粉体についての目標値として混合度が入力された場合、前記粉体処理装置に対する制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
学習モデルの生成方法。 - 前記目標値は、ユーザが所望する粉体の濃度又は湿分を更に含み、
前記混合処理により得られる粉体について計測された濃度又は湿分を含む粉体データを教師データに用いて、前記学習モデルを生成する
請求項5に記載の学習モデルの生成方法。 - 前記計測データは、粉体原料の供給量又は供給速度、前記粉体原料を攪拌するための回転体の回転速度、前記粉体処理装置に供給する流体の供給量又は供給速度、並びに、前記混合処理の処理時間を含み、
前記目標値が入力された場合、前記粉体原料の供給量又は供給速度、前記回転体の回転速度、前記流体の供給量又は供給速度、並びに、前記混合処理の処理時間を含む制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
請求項5又は請求項6に記載の学習モデルの生成方法。 - 前記コンピュータが、
複合化処理を行う粉体処理装置に関して、前記粉体処理装置の動作状態を示す計測データと、前記粉体処理装置から得られる粉体について計測された複合化度を含む粉体データとを複数組取得し、
取得した複数組の計測データと粉体データとを教師データに用いて、ユーザが所望する粉体についての目標値として複合化度が入力された場合、前記粉体処理装置に対する制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
請求項1から請求項7の何れか1つに記載の学習モデルの生成方法。 - 前記目標値は、ユーザが所望する粉体の導電率、熱伝導率又は透過率を更に含み、
前記複合化処理により得られる粉体について計測された導電率、熱伝導率又は透過率を含む粉体データを教師データに用いて、前記学習モデルを生成する
請求項8に記載の学習モデルの生成方法。 - 前記計測データは、粉体原料の供給量又は供給速度、前記粉体原料を攪拌するための回転体の回転速度、前記複合化処理の処理時間、並びに、前記粉体処理装置の負荷動力を含み、
前記目標値が入力された場合、前記粉体原料の供給量又は供給速度、前記回転体の回転速度、前記複合化処理の処理時間、並びに、前記粉体処理装置の負荷動力を含む制御パラメータについての演算結果を出力するように構成された学習モデルを生成する
請求項8又は請求項9に記載の学習モデルの生成方法。 - 前記コンピュータが、
表面処理を行う粉体処理装置に関して、前記粉体処理装置の動作状態を示す計測データと、前記粉体処理装置から得られる粉体について計測された円形度を含む粉体データとを複数組取得し、
取得した複数組の計測データと粉体データとを教師データに用いて、ユーザが所望する粉体についての目標値として円形度が入力された場合、前記粉体処理装置に対する制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
請求項1から請求項10の何れか1つに記載の学習モデルの生成方法。 - 前記目標値は、ユーザが所望する粉体の密度又は流動性を更に含み、
前記表面処理により得られる粉体について計測された密度又は流動性を含む粉体データを教師データに用いて、前記学習モデルを生成する
請求項11に記載の学習モデルの生成方法。 - 前記計測データは、粉体原料の供給量又は供給速度、前記粉体原料を攪拌するための回転体の回転速度、前記粉体を分級するための回転体の回転速度、前記表面処理の処理時間、並びに、前記粉体処理装置の負荷動力を含み、
前記目標値が入力された場合、前記粉体原料の供給量又は供給速度、攪拌用及び分級用の前記回転体の回転速度、前記表面処理の処理時間、並びに、前記粉体処理装置の負荷動力を含む制御パラメータについての演算結果を出力するように構成された学習モデルを生成する
請求項11又は請求項12に記載の学習モデルの生成方法。 - 前記粉体処理装置を含む系内に流れる流体は、気体又は液体である
請求項11から請求項13の何れか1つに記載の学習モデルの生成方法。 - 前記コンピュータが、
造粒処理を行う粉体処理装置に関して、前記粉体処理装置の動作状態を示す計測データと、前記粉体処理装置から得られる粉体について計測された粒子径及び形状を含む粉体データとを複数組取得し、
取得した複数組の計測データと粉体データとを教師データに用いて、ユーザが所望する粉体についての目標値として粒子径及び形状が入力された場合、前記粉体処理装置に対する制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
請求項1から請求項14の何れか1つに記載の学習モデルの生成方法。 - 前記目標値は、ユーザが所望する粉体の密度、流動性、硬度、吸水量、又は吸油量を更に含み、
前記造粒処理により得られる粉体について計測された密度、流動性、硬度、吸水量、又は吸油量を含む粉体データを教師データに用いて、前記学習モデルを生成する
請求項15に記載の学習モデルの生成方法。 - 前記計測データは、粉体原料の供給量又は供給速度、前記粉体原料を攪拌するための回転体の回転速度、前記粉体原料を処理する処理室内の圧力、並びに、前記処理室に投入する添加剤の投入量を含み、
前記目標値が入力された場合、前記粉体原料の供給量又は供給速度、前記回転体の回転速度、前記処理室内の圧力、並びに、前記処理室に投入する添加剤の投入量を含む制御パラメータについての演算結果を出力するように構成された学習モデルを生成する
請求項15又は請求項16に記載の学習モデルの生成方法。 - 前記計測データは、前記粉体処理装置の駆動電力若しくは駆動電流、前記粉体処理装置に供給する冷媒の流量若しくは温度、前記粉体処理装置の処理室から粉体を取り出す際の吐出・吸引流量若しくは温度、及び、前記処理室内の温度、湿度若しくは圧力の少なくとも1つを更に含み、
前記目標値が入力された場合、前記粉体処理装置の駆動電力若しくは駆動電流、前記冷媒の流量若しくは温度、前記吐出・吸引流量若しくは温度、又は、前記処理室内の温度、湿度若しくは圧力の少なくとも1つを更に含む制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
請求項1から請求項17の何れか1つに記載の学習モデルの生成方法。 - 前記教師データは、粉体処理に用いた粉体原料の原料データを更に含み、
前記原料データを更に含む教師データを用いて、前記目標値と、前記粉体処理装置に供給する粉体原料の原料データとが入力された場合、前記制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
請求項1から請求項18の何れか1つに記載の学習モデルの生成方法。 - 前記原料データは、前記粉体原料の湿分、温度、密度、粒子径、円形度、混合度、流動性、BET(Brunauer - Emmett - Teller)値、NIR(Near Infrared)、XRD(X-ray Diffraction)、TG-DTA(Thermogravimetry - Differential Thermal Analysis)、MS(Mass Spectrometry)、SEM(Scanning Electron Microscope)、FE-SEM(Field Emission - SEM)、及びTEM(Transmission Electron Microscope)のデータの少なくとも1つを含む
請求項19に記載の学習モデルの生成方法。 - 前記教師データは、粉体処理を実行する際の環境データを更に含み、
前記環境データを更に含む教師データを用いて、前記目標値と、前記粉体処理を実行する際の環境データとが入力された場合、前記制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
請求項1から請求項20の何れか1つに記載の学習モデルの生成方法。 - 教師データに用いる計測データと粉体データとを再取得し、
再取得した前記計測データと前記粉体データとを教師データに用いて、前記学習モデルを再学習する
請求項1から請求項21の何れか1つに記載の学習モデルの生成方法。 - コンピュータに、
乾燥処理を行う粉体処理装置に関して、前記粉体処理装置の動作状態を示す計測データと、前記粉体処理装置から得られる粉体について計測された湿分を含む粉体データとを複数組取得し、
取得した複数組の計測データと粉体データとを教師データに用いて、ユーザが所望する粉体についての目標値として湿分が入力された場合、前記粉体処理装置に対する制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
処理を実行させるためのコンピュータプログラム。 - コンピュータに、
混合処理を行う粉体処理装置に関して、前記粉体処理装置の動作状態を示す計測データと、前記粉体処理装置から得られる粉体の混合度を含む粉体データとを複数組取得し、
取得した複数組の計測データと粉体データとを教師データに用いて、ユーザが所望する粉体についての目標値として混合度が入力された場合、前記粉体処理装置に対する制御パラメータについての演算結果を出力するよう構成された学習モデルを生成する
処理を実行させるためのコンピュータプログラム。 - ユーザが所望する粉体についての目標値として前記粉体の湿分が入力される入力層、
乾燥処理を行う粉体処理装置に対する制御パラメータについての演算結果を出力する出力層、及び
前記粉体処理装置から得られる粉体について計測された湿分を含む粉体データと、前記粉体処理装置の動作状態を示す計測データとを複数組含む教師データを用いて、前記入力層に入力される湿分と、前記出力層が出力する演算結果との関係を学習してある中間層
を備え、
前記入力層にユーザが所望する粉体についての目標値として湿分が入力された場合、前記中間層にて演算し、前記制御パラメータについての演算結果を出力するようコンピュータを機能させる
学習モデル。 - ユーザが所望する粉体についての目標値として前記粉体の混合度が入力される入力層、
混合処理を行う粉体処理装置に対する制御パラメータについての演算結果を出力する出力層、及び
前記粉体処理装置から得られる粉体の混合度を含む粉体データと、前記粉体処理装置の動作状態を示す計測データとを複数組含む教師データを用いて、前記入力層に入力される混合度と、前記出力層が出力する演算結果との関係を学習してある中間層
を備え、
前記入力層にユーザが所望する粉体についての目標値として混合度が入力された場合、前記中間層にて演算し、前記制御パラメータについての演算結果を出力するようコンピュータを機能させる
学習モデル。 - ユーザが所望する粉体についての目標値として前記粉体の湿分を受付ける受付部と、
乾燥処理を行う粉体処理装置から得られる粉体について計測された湿分を含む粉体データと、前記粉体処理装置の動作状態を示す計測データとを複数組含む教師データを用いて学習してあり、湿分を入力した場合、前記粉体処理装置に対する制御パラメータについての演算結果を出力するように構成された学習モデルと、
前記受付部にて受付けた湿分を前記学習モデルへ入力し、前記学習モデルによる演算を実行する演算処理部と、
前記学習モデルによる演算結果に基づき、前記粉体処理装置に関する動作を制御する制御部と
を備える制御装置。 - ユーザが所望する粉体についての目標値として前記粉体の混合度を受付ける受付部と、
混合処理を行う粉体処理装置から得られる粉体の混合度を含む粉体データと、前記粉体処理装置の動作状態を示す計測データとを複数組含む教師データを用いて学習してあり、混合度を入力した場合、前記粉体処理装置に対する制御パラメータについての演算結果を出力するように構成された学習モデルと、
前記受付部にて受付けた混合度を前記学習モデルへ入力し、前記学習モデルによる演算を実行する演算処理部と、
前記学習モデルによる演算結果に基づき、前記粉体処理装置に関する動作を制御する制御部と
を備える制御装置。 - 前記粉体処理装置が実行する粉体処理の種別毎に前記学習モデルを備え、
前記受付部は、粉体処理の種別に対する選択を受付け、
前記演算処理部は、前記受付部により受付けた粉体処理の種別に対応した学習モデルを選択し、選択した学習モデルへ前記目標値を入力することによって前記学習モデルによる演算を実行する
請求項27又は請求項28に記載の制御装置。 - 粉体原料の種別毎に前記学習モデルを備え、
前記受付部は、粉体原料の種別に対する選択を受付け、
前記演算処理部は、前記受付部により受付けた粉体原料の種別に対応した学習モデルを選択し、選択した学習モデルへ前記目標値を入力することによって前記学習モデルによる演算を実行する
請求項27又は請求項28に記載の制御装置。 - 前記学習モデルの演算結果に基づき動作が制御されている粉体処理装置から、粉体の湿分又は混合度の実測値を含む粉体データを取得し、取得した粉体データに含まれる実測値と前記粉体について受付けた湿分又は混合度についての目標値との比較結果に応じて、前記実測値が前記目標値に近づくように、前記制御パラメータを調整する調整部を備え、
前記制御部は、調整後の制御パラメータに基づき、前記粉体処理装置に関する動作を制御する
請求項27から請求項30の何れか1つに記載の制御装置。 - 前記目標値、前記粉体データ、前記計測データ、前記粉体処理装置の運転履歴、及び前記粉体処理装置を含む装置構成図の少なくとも1つを表示するための画面データを生成する生成部と、
生成した画面データを出力する出力部と
を備える請求項27から請求項31の何れか1つに記載の制御装置。 - 前記制御部は、前記粉体処理装置、並びに、前記粉体処理装置に接続される原料供給機、熱風発生機、サイクロン、集塵機、ブロワ、及びポンプの少なくとも1つの動作を制御する
請求項27から請求項32の何れか1つに記載の制御装置。 - コンピュータが、
ユーザが所望する粉体についての目標値として前記粉体の湿分を受付け、
受付けた湿分を、乾燥処理を行う粉体処理装置から得られる粉体について計測された湿分を含む粉体データと、前記粉体処理装置の動作状態を示す計測データとを複数組含む教師データを用いて学習してあり、湿分の入力に応じて、前記粉体処理装置に対する制御パラメータについての演算結果を出力するように構成された学習モデルへ入力し、
前記学習モデルによる演算を実行し、
前記学習モデルによる演算結果に基づき、前記粉体処理装置に関する動作を制御する
制御方法。 - コンピュータが、
ユーザが所望する粉体についての目標値として前記粉体の混合度を受付け、
受付けた混合度を、混合処理を行う粉体処理装置から得られる粉体の混合度を含む粉体データと、前記粉体処理装置の動作状態を示す計測データとを複数組含む教師データを用いて学習してあり、混合度の入力に応じて、前記粉体処理装置に対する制御パラメータについての演算結果を出力するように構成された学習モデルへ入力し、
前記学習モデルによる演算を実行し、
前記学習モデルによる演算結果に基づき、前記粉体処理装置に関する動作を制御する
制御方法。 - コンピュータに、
ユーザが所望する粉体についての目標値として前記粉体の湿分を受付け、
受付けた湿分を、乾燥処理を行う粉体処理装置から得られる粉体について計測された湿分を含む粉体データと、前記粉体処理装置の動作状態を示す計測データとを複数組含む教師データを用いて学習してあり、湿分の入力に応じて、前記粉体処理装置に対する制御パラメータについての演算結果を出力するように構成された学習モデルへ入力し、
前記学習モデルによる演算を実行し、
前記学習モデルによる演算結果に基づき、前記粉体処理装置に関する動作を制御する
処理を実行させるためのコンピュータプログラム。 - コンピュータに、
ユーザが所望する粉体についての目標値として前記粉体の混合度を受付け、
受付けた混合度を、混合処理を行う粉体処理装置から得られる粉体の混合度を含む粉体データと、前記粉体処理装置の動作状態を示す計測データとを複数組含む教師データを用いて学習してあり、混合度の入力に応じて、前記粉体処理装置に対する制御パラメータについての演算結果を出力するように構成された学習モデルへ入力し、
前記学習モデルによる演算を実行し、
前記学習モデルによる演算結果に基づき、前記粉体処理装置に関する動作を制御する
処理を実行させるためのコンピュータプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/026150 WO2021001897A1 (ja) | 2019-07-01 | 2019-07-01 | 学習モデルの生成方法、コンピュータプログラム、学習モデル、制御装置、及び制御方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021001897A1 JPWO2021001897A1 (ja) | 2021-01-07 |
JPWO2021001897A5 JPWO2021001897A5 (ja) | 2022-01-25 |
JP7311598B2 true JP7311598B2 (ja) | 2023-07-19 |
Family
ID=74100530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021529575A Active JP7311598B2 (ja) | 2019-07-01 | 2019-07-01 | 学習モデルの生成方法、コンピュータプログラム、学習モデル、制御装置、及び制御方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7311598B2 (ja) |
WO (1) | WO2021001897A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113039497A (zh) | 2018-08-24 | 2021-06-25 | 思拓凡瑞典有限公司 | 用于生物制药产品的监测系统和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001157851A (ja) | 1999-12-02 | 2001-06-12 | Mitsubishi Heavy Ind Ltd | 石炭粉砕性自動推定方法とその装置 |
JP2002233787A (ja) | 2001-12-20 | 2002-08-20 | Hosokawa Micron Corp | 粉体処理装置および粉体処理方法 |
JP2003200079A (ja) | 2001-12-28 | 2003-07-15 | Kawasaki Heavy Ind Ltd | 砕石プラントの運転方法及び装置 |
JP2003275281A (ja) | 2002-03-20 | 2003-09-30 | Hosokawa Micron Corp | 薬物含有複合粒子の製造方法 |
JP2010084976A (ja) | 2008-09-30 | 2010-04-15 | Mitsubishi Heavy Ind Ltd | 湿潤粉体の乾燥装置及び乾燥方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0924291A (ja) * | 1995-07-14 | 1997-01-28 | Mitsubishi Chem Corp | 部分分級割合モデルを用いた粉体生産方法の制御方法および粉体生産装置 |
JP3390783B2 (ja) * | 1997-09-30 | 2003-03-31 | 川崎重工業株式会社 | 破砕・粉砕処理システム |
-
2019
- 2019-07-01 WO PCT/JP2019/026150 patent/WO2021001897A1/ja active Application Filing
- 2019-07-01 JP JP2021529575A patent/JP7311598B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001157851A (ja) | 1999-12-02 | 2001-06-12 | Mitsubishi Heavy Ind Ltd | 石炭粉砕性自動推定方法とその装置 |
JP2002233787A (ja) | 2001-12-20 | 2002-08-20 | Hosokawa Micron Corp | 粉体処理装置および粉体処理方法 |
JP2003200079A (ja) | 2001-12-28 | 2003-07-15 | Kawasaki Heavy Ind Ltd | 砕石プラントの運転方法及び装置 |
JP2003275281A (ja) | 2002-03-20 | 2003-09-30 | Hosokawa Micron Corp | 薬物含有複合粒子の製造方法 |
JP2010084976A (ja) | 2008-09-30 | 2010-04-15 | Mitsubishi Heavy Ind Ltd | 湿潤粉体の乾燥装置及び乾燥方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021001897A1 (ja) | 2021-01-07 |
JPWO2021001897A1 (ja) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Suresh et al. | A comprehensive review on process and engineering aspects of pharmaceutical wet granulation | |
CN103384563B (zh) | 热处理设备及制造调色剂的方法 | |
Teżyk et al. | Recent progress in continuous and semi-continuous processing of solid oral dosage forms: a review | |
Kwade | Wet comminution in stirred media mills—research and its practical application | |
Hou et al. | Parameters optimization of a nano-particle wet milling process using the Taguchi method, response surface method and genetic algorithm | |
JP7311598B2 (ja) | 学習モデルの生成方法、コンピュータプログラム、学習モデル、制御装置、及び制御方法 | |
CN107673083B (zh) | 基于变速率学习的螺杆式物料下料装置及其控制器 | |
WO2020245915A1 (ja) | 学習モデルの生成方法、コンピュータプログラム、学習モデル、制御装置、及び制御方法 | |
EP3012019B1 (en) | Particle production device and particle production method using same | |
CN107405679B (zh) | 铸造砂冷却器 | |
CN111047104A (zh) | 粉磨系统的能耗优化方法 | |
JP2018143944A (ja) | 噴霧乾燥装置 | |
Dahlgren et al. | Continuous twin screw wet granulation and drying—control strategy for drug product manufacturing | |
Rahmanian et al. | Strength and structure of granules produced in continuous granulators | |
WO2020245914A1 (ja) | コンピュータプログラム、サーバ装置、表示システム、及び表示方法 | |
JP7311571B2 (ja) | 粉体処理システムの診断装置、診断方法、及びコンピュータプログラム | |
JP7311599B2 (ja) | 粉体処理システムの診断装置、診断方法、及びコンピュータプログラム | |
Rojas et al. | Solids transport modeling in a fluidized drum granulator | |
JP2002126561A (ja) | 解砕装置 | |
Emady et al. | Granulation and tabletting | |
Takeuchi et al. | Development of a novel particle size control system for hammer milling | |
CN205055904U (zh) | 一种用于电工级氧化镁生产的全自动混合设备 | |
Nadeem et al. | Estimation of pellet size and strength of limestone and manganese concentrate using soft computing techniques | |
Kenekar et al. | Multi-objective optimization of high-shear wet granulation process for better granule properties and fluidized bed drying characteristics | |
Pazhayattil et al. | Scaling-Up of Solid Orals: Granulation, Drying, Size Reduction, Blending, Compression, and Coating Technologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211021 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211021 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230224 |
|
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: 20230627 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230706 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7311598 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |