JP7443158B2 - ゴム材料物性予測システム、およびゴム材料物性予測方法 - Google Patents

Description

本発明は、ゴム材料の物性を予測するシステム、およびゴム材料物性予測方法に関する。

例えば車両に装着されるタイヤ等に用いられるゴム材料は、主要原料であるポリマーに補強剤、各種薬剤が添加された複合材料である。ゴム材料は、用途に応じて様々に配合され、物性が異なるものが開発されている。

特許文献１には従来のゴム材料の性能の予測方法が開示されている。この予測方法は、個々の材料の分子に関する情報を含む第１データと、複数種類のゴム状弾性体の材料の配合割合を含む第２データと、第２データの各ゴム状弾性体に対応する加硫条件を含む第３データと、第２データの各ゴム状弾性体に対応する第１性能を含む第４データとの関係を示す近似応答関数を構築する工程、及び、近似応答関数と、評価対象のゴム状弾性体の材料の配合割合と、加硫条件と、分子に関する情報とに基づいて、評価対象のゴム状弾性体の第１性能を計算する工程を含む。

特開２０１８－１４７４６０号公報

特許文献１に記載されたゴム材料の性能予測では、既知のゴム材料の分子情報や性能に基づいて近似応答関数を構築し、ゴム材料の性能を予測する。既知のゴム材料の範囲内における予測では補間的な近似応答関数でも一定の予測精度が得られるが、配合が異なるなどして外挿による性能予測が必要な場合には十分な予測精度が得られないという問題点があった。

本発明は、斯かる事情に鑑みてなされたものであり、その目的とするところは、ゴム材料の物性の予測精度を向上することができるゴム材料物性予測システムおよびゴム材料物性予測方法を提供することにある。

本発明のある態様はゴム材料物性予測システムである。ゴム材料物性予測システムは、ゴム材料の配合情報および物性を含むゴム材料データを記憶する記憶装置と、前記記憶装置に記憶されたゴム材料データを取得するゴム情報取得部と、前記ゴム情報取得部により取得したゴム材料データに基づきガウス過程回帰に獲得関数を併用したモデルを用いて作成される物性予測関数を有し、ゴム材料の物性を前記物性予測関数によって予測する物性予測処理部と、を備えることを特徴とする。

また本発明の別の態様はゴム材料物性予測方法である。ゴム材料物性予測方法は、記憶装置に記憶されたゴム材料の配合情報および物性を含むゴム材料データを取得するゴム情報取得ステップと、ゴム情報取得ステップにより取得したゴム材料データに基づきガウス過程回帰に獲得関数を併用したモデルを用いて作成される物性予測関数を有し、ゴム材料の物性を前記物性予測関数によって予測する物性予測処理ステップと、を備えることを特徴とする。

本発明によれば、ゴム材料の物性を精度良く予測することができる。

実施形態１に係るゴム材料物性予測システムの機能構成を示すブロック図である。 物性予測関数の作成処理の手順を示すフローチャートである。 ゴム材料の物性予測の一例を示す図表である。 外部データベースに蓄積されたゴム材料データを含めて物性予測した一例を示す図表である。 物性予測を含むゴム材料物性予測システムの機能構成を示すブロック図である。

以下、本発明を好適な実施の形態をもとに図１から図５を参照しながら説明する。各図面に示される同一または同等の構成要素、部材には、同一の符号を付するものとし、適宜重複した説明は省略する。また、各図面における部材の寸法は、理解を容易にするために適宜拡大、縮小して示される。また、各図面において実施の形態を説明する上で重要ではない部材の一部は省略して表示する。

（実施形態１）
図１は、実施形態１に係るゴム材料物性予測システム１００の機能構成を示すブロック図である。ゴム材料物性予測システム１００は、記憶装置１０、ゴム情報取得部２０および物性予測処理部３０を備え、例えばタイヤ等に用いられるゴム材料の物性を予測する。ゴム材料物性予測システム１００は、例えばＰＣ（パーソナルコンピュータ）等の情報処理装置である。ゴム材料物性予測システム１００における各部は、ハードウェア的には、コンピュータのＣＰＵをはじめとする電子素子や機械部品などで実現でき、ソフトウェア的にはコンピュータプログラムなどによって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろな形態で実現できることは、当業者には理解されるところである。

記憶装置１０は、例えばＳＳＤ（Solid State Drive）、ハードディスク、ＣＤ－ＲＯＭ、ＤＶＤ等によって構成される記憶装置である。記憶装置１０には、複数のゴム材料の配合情報および物性を含むゴム材料データが記憶されている。また、記憶装置１０には、さらに作成される新たなゴム材料の配合情報が入力されて記憶され、当該ゴム材料の物性の予測に供される。

ゴム材料の物性は、例えば硬度Ｈｓ、引張応力Ｓおよび損失正接ｔａｎδ等である。後述するように、物性予測処理部３０ではゴム材料データにおける相関性に基づいて物性予測関数を構築しており、記憶装置１０にはより多くの既知のゴム材料データが記憶されていることが好ましい。

既知のゴム材料データは、外部データ装置９０から取得されてもよい。外部データ装置９０は、例えばインターネット等の通信ネットワークで接続されており、外部データ装置９０が保有するデータベースに蓄積されたゴム材料の配合情報、物性および性状などのゴム材料データをゴム材料物性予測システム１００で利用する。

物性予測処理部３０は、物性予測関数３１を有し、既知のゴム材料データに基づいて物性予測関数３１を構築し、作成される新たなゴム材料の物性を予測する。物性予測関数３１は、ガウス過程回帰に基づく関数であり、Ｎ次元の平均ベクトルμとＮ×Ｎ次元の分散共分散行列σをパラメータとして、次式のように表される。
ｙ＝Ｎ（μ，σ） ・・・・（１）
この式（１）では、線形回帰を非線形に拡張し、ガウス分布に従うノイズが加わる確率モデルによって予測値ｙが求められ、併せて分散も出力可能である。

また、獲得関数（Acquisition function）を併用することで、外挿データに対する可能性の度合いを考慮した指標を算出できる。獲得関数としては、次式によるＥＩ（Expected Improvement）を用いる。
ＥＩ＝σ［φ（ｚ）＋ｚΦ（ｚ）］ ・・・・（２）
ｚ＝（ｙ－ｙ_ｍａｘ）／σ
φ（ｚ）：標準正規分布の確率密度関数
Φ（ｚ）：累積分布関数
ＥＩが最大化する、すなわちσが最大になるような実験推定を探索することで、精度のよい予測が可能になる。また説明変数が多次元になる場合、計算コストがかさむため、説明変数ごとにＥＩを計算し、各ＥＩの加重平均を用いてもよい。

次にゴム材料物性予測システム１００の動作について説明する。図２は、物性予測関数３１の作成処理の手順を示すフローチャートである。ゴム情報取得部２０は、記憶装置１０からゴム材料の配合情報および物性を含むゴム材料データを取得する（Ｓ１）。ゴム材料データには、配合情報以外に、材料の性状情報や加工条件が含まれていてもよい。

物性予測処理部３０は、ゴム情報取得部２０により取得したゴム材料データの相関、例えば配合情報と物性との相関などに基づいて物性予測関数３１を作成する（Ｓ２）。作成された物性予測関数３１は非線形性モデルであるため、ゴム物性の実情が反映され易くなっている。

図３は、ゴム材料の物性予測の一例を示す図表である。図３では比較のために線形回帰モデルで予測した例を含む。物性予測関数３１によって、ゴム材料の硬度、応力およびエネルギーロスを予測し、図３では、予測値の精度を平均二乗誤差で求めている。図３に示すように、物性予測関数３１による予測精度は、線形回帰モデルよりも良好となっている。

ゴム材料物性予測システム１００は、ガウス過程回帰に獲得関数を併用したモデルを用いることによって、外挿予測に対しても予測精度が良好となる。また、図３においては、ゴム材料の物性として硬度、応力、エネルギーロスを予測しているが、物性予測関数３１によって他の物性について予測することができる。

（変形例）
図４は、外部データベースに蓄積されたゴム材料データを含めて物性予測した一例を示す図表である。記憶装置１０には、例えば一機関の内部データとしてゴム材料データが記憶されている。外部データ装置９０として、化合物データを蓄積したＰｕｂＣｈｅｍやＺＩＮＣなどの外部データベースを利用し、内部データとしてのゴム材料データに、当該外部データベースに蓄積されたゴム材料データを加えて、物性予測関数３１を作成する。

図４に示すように、一般的な線形回帰による予測精度に比べて、硬度、応力、エネルギーロスのいずれにおいても外部データベースに蓄積されたゴム材料データを含めて物性予測関数３１を作成することによって、予測精度を高めることができる。

図５は、物性予測を含むゴム材料物性予測システム１００の機能構成を示すブロック図である。ゴム材料物性予測システム１００は、配合予測処理部５０を有するほか、実施形態１と同様に構成される。

配合予測処理部５０は、物性予測関数３１に基づいて、物性からゴム材料の配合情報を逆問題として求める。ゴム材料物性予測システム１００は、配合予測処理部５０において与えられた物性に近い配合情報を求めることにより、ゴム材料の開発過程で検討されるべき新たな配合情報を提案することができ、ゴム材料開発の効率を向上することができる。

次に実施形態に係るゴム材料物性予測システム１００およびゴム材料物性予測方法の特徴について説明する。
実施形態に係るゴム材料物性予測システム１００は、記憶装置１０、ゴム情報取得部２０および物性予測処理部３０を備える。記憶装置１０は、ゴム材料の配合情報および物性を含むゴム材料データを記憶する。ゴム情報取得部２０は、記憶装置１０に記憶されたゴム材料データを取得する。物性予測処理部３０は、ゴム情報取得部２０により取得したゴム材料データに基づきガウス過程回帰に獲得関数を併用したモデルを用いて作成される物性予測関数３１を有し、ゴム材料の物性を物性予測関数３１によって予測する。これにより、ゴム材料物性予測システム１００は、物性予測関数に基づいてゴム材料の物性の予測精度を向上することができる。

ゴム情報取得部２０は、外部データベースに蓄積されたゴム材料データを取得する。物性予測関数３１は、記憶装置１０および外部データベースから取得されたゴム材料データに基づいて作成されている。これにより、ゴム材料物性予測システム１００は、ゴム材料の物性の予測精度をさらに向上することができる。

ゴム材料の物性に基づき物性予測関数３１を用いてゴム材料の配合情報を予測する配合予測処理部５０を更に備える。これにより、ゴム材料物性予測システム１００は、ゴム材料開発の効率を向上することができる。

ゴム材料物性予測方法は、ゴム情報取得ステップおよび物性予測処理ステップを備える。ゴム情報取得ステップは、記憶装置１０に記憶されたゴム材料の配合情報および物性を含むゴム材料データを取得する。物性予測処理ステップは、ゴム情報取得ステップにより取得したゴム材料データに基づきガウス過程回帰に獲得関数を併用したモデルを用いて作成される物性予測関数３１を有し、ゴム材料の物性を物性予測関数３１によって予測する。このゴム材料物性予測方法によれば、物性予測関数に基づいてゴム材料の物性の予測精度を向上することができる。

以上、本発明の実施の形態をもとに説明した。これらの実施の形態は例示であり、いろいろな変形および変更が本発明の特許請求範囲内で可能なこと、またそうした変形例および変更も本発明の特許請求の範囲にあることは当業者に理解されるところである。従って、本明細書での記述および図面は限定的ではなく例証的に扱われるべきものである。

１０ 記憶装置、 ２０ ゴム情報取得部、 ３０ 物性予測処理部、
３１ 物性予測関数、 ５０ 配合予測処理部、
１００ ゴム材料物性予測システム。

Claims (4)

1. ゴム材料の配合情報および物性を含むゴム材料データを記憶する記憶装置と、
   前記記憶装置に記憶されたゴム材料データを取得するゴム情報取得部と、
   前記ゴム情報取得部により取得したゴム材料データに基づきガウス過程回帰に獲得関数を併用したモデルを用いて作成される物性予測関数を有し、ゴム材料の物性を前記物性予測関数によって予測する物性予測処理部と、
   を備えることを特徴とするゴム材料物性予測システム。
2. 前記ゴム情報取得部は、外部データベースに蓄積されたゴム材料データを取得し、
   前記物性予測関数は、前記記憶装置および前記外部データベースから取得されたゴム材料データに基づいて作成されていることを特徴とする請求項１に記載のゴム材料物性予測システム。
3. ゴム材料の物性に基づき前記物性予測関数を用いてゴム材料の配合情報を予測する配合予測処理部を更に備えることを特徴とする請求項１または２に記載のゴム材料物性予測システム。
4. 記憶装置に記憶されたゴム材料の配合情報および物性を含むゴム材料データを取得するゴム情報取得ステップと、
   ゴム情報取得ステップにより取得したゴム材料データに基づきガウス過程回帰に獲得関数を併用したモデルを用いて作成される物性予測関数を有し、ゴム材料の物性を前記物性予測関数によって予測する物性予測処理ステップと、
   を備えることを特徴とするゴム材料物性予測方法。

Images