JPH05116967A - 光フアイバ母材の製造方法 - Google Patents

Abstract

(57)【要約】 【目的】熟練を必要とせずに光ファイバ母材の製造を容
易に行う。 【構成】光ファイバ母材製造の成功時の各時間毎のプロ
セスデータ及び各時間毎の光ファイバ母材６の形状の画
像データを入出力データとして光ファイバ母材製造の学
習を行ったニューラルネットワーク２０を用いる。新た
な光ファイバ母材製造時の各時間毎のプロセスデータを
ニューラルネットワーク２０に入力して光ファイバ母材
６の形状を予測する。その予測された光ファイバ母材６
の形状と成功時の光ファイバ母材６の形状とを比較器２
１で比較し、差があればバーナ３，４に供給する原料ガ
スの流量又は混合比の調整量を計算し、その予測形状と
成功時の形状が一致したときの原料ガスの流量又は混合
比の調整量で原料ガスの調整を行う。これを繰り返して
光ファイバ母材６の製造を行う。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、支持棒の先端に多孔質
の光ファイバ母材を製造する光ファイバ母材の製造方法
に関するものである。

【０００２】

【従来の技術】従来、光ファイバ母材の製造を行うに際
しては、先ず、図４に示すように反応容器１の上部の開
口部から支持棒２を該反応容器１内に挿入し、該支持棒
２をその軸心の回りに回転しつつ連続的又は断続的に引
き上げながら、該反応容器１内でコアバーナ３及びクラ
ッドバーナ４を用いてそれらの火炎中で合成したガラス
微粒子を該支持棒２の先端に堆積させて多孔質の玉部５
を形成する立ち上げ作業を行っていた。

【０００３】次に、コアバーナ３及びクラッドバーナ４
を用いて、該玉部５の下面にコア用のガラス微粒子とク
ラッド用のガラス微粒子とを堆積させ、それぞれ多孔質
のコア部６ａとクラッド部６ｂとからなる円柱状の光フ
ァイバ母材６を所定の長さに製造していた。

【０００４】この場合、支持棒２の引き上げは、次のよ
うにして行っていた。即ち、コア部６ａの下端を横切る
ように光線７を発する発光器８と、該光線８を受光する
受光器９とを用い、該発光器８からの光線７がコア部６
ａで遮断されると、支持棒２を定常速度で引き上げ、こ
の引上げ動作中に光線７が再び受光器９で受光される
と、支持棒２の引き上げを停止するという、断続引上げ
を行っていた。なお、符号１０は反応容器１に設けられ
ている排気口である。

【０００５】

【発明が解決しようとする課題】しかしながら、このよ
うな玉部５を含む光ファイバ母材６の製造は極めて難し
く、かなりの経験が必要である。また、前述したような
立ち上げ工程があるため、新設備の立ち上げ、連休明
け、環境（温度等）の変化等の原因で多数の失敗が起こ
り、歩留まりが悪く、且つかなりの時間を要する問題点
があった。

【０００６】本発明の目的は、熟練を要さなくても、光
ファイバ母材の製造を容易に行うことができる光ファイ
バ母材の製造方法を提供することにある。

【０００７】

【課題を解決するための手段】上記の目的を達成する本
発明の手段を説明すると、本発明は支持棒をその軸心の
回りに回転しつつ断続的又は連続的に引き上げて、バー
ナの火炎中で合成したガラス微粒子を該支持棒の先端側
に徐々に堆積して多孔質の光ファイバ母材を製造する光
ファイバ母材の製造方法において、前記光ファイバ母材
製造の成功時の各時間毎のプロセスデータ及び各時間毎
の前記光ファイバ母材の形状の画像データを入出力デー
タとして光ファイバ母材製造の学習を行ったニューラル
ネットワークを用い、新たな前記光ファイバ母材製造時
の各時間毎のプロセスデータを前記ニューラルネットワ
ークに入力してこれらのプロセスデータで製造を続行し
たときの前記光ファイバ母材の形状を予測し、その予測
された前記光ファイバ母材の形状と成功時の前記光ファ
イバ母材の形状とを比較し、差があれば前記バーナに供
給する原料ガスの流量又混合比の調整量を計算し、その
予測形状と成功時の形状が一致したときの前記原料ガス
の流量又は混合比の調整量で前記原料ガスの調整を行
い、このような予測と調整を所定の時間毎に行い、前記
光ファイバ母材の製造を行うことを特徴とする。

【０００８】

【作用】このように光ファイバ母材製造時の過去の成功
例のデータで学習したニューラルネットワークを用い、
新たな光ファイバ母材製造時の各時間毎のプロセスデー
タを該ニューラルネットワークに入力してこれらのプロ
セスデータで製造を続行したときの光ファイバ母材の形
状を予測し、その予測された光ファイバ母材の形状と成
功時の光ファイバ母材の形状とを比較し、差があればバ
ーナに供給する原料ガスの流量又混合比の調整量を計算
し、その予測形状と成功時の形状が一致したときの原料
ガスの流量又は混合比の調整量で原料ガスの調整を行
い、このような予測と調整を所定の時間毎に行い、光フ
ァイバ母材の製造を行うと、熟練を要さなくても、光フ
ァイバ母材の製造を容易に行うことができる。

【０００９】

【実施例】図１は、本発明に係る光ファイバ母材の製造
方法を実施する装置の一実施例を示したものである。な
お、前述した図４と対応する部分には、同一符号を付け
て示している。また、この図１では、光ファイバ母材を
単にスートと略記している。

【００１０】このような光ファイバ母材の製造装置を用
いた本実施例の光ファイバ母材の製造方法を以下に説明
する。

【００１１】まず、光ファイバ母材６の製造の成功時の
各時間毎の該光ファイバ母材６の形状の画像データ及び
光ファイバ母材６の製造の成功時の各時間毎のプロセス
データ予めコンピュータのＣＰＵ（中央処理装置）１１
内に取り込む。

【００１２】光ファイバ母材６の製造の成功時の光ファ
イバ母材６の形状の画像データの取り込みは、例えば１
０分間隔毎に、ＣＣＤカメラの如きビデオカメラ１２で
行い、画像データサンプラ１３でサンプリングし、画像
データ処理部１４で画像処理した後、画像データメモリ
１５に記録する。この場合、画像データ処理部１４は、
画像データサンプラ１３から得られる光ファイバ母材６
の形状を示す電気信号の画像データを光ファイバ母材６
の形状を示す明，暗の二値数値データで表すように変換
する。例えば、図２に示すように、画像領域１６をｘ・
ｙ個の小区画に分け、光ファイバ母材６の画像６ａの投
影がある部分を「暗」とし「０」で表し、光ファイバ母
材６の画像６ａの投影がない部分を「明」とし「１」で
表す。画像データメモリ１５は、毎回の画像処理の結果
を記録する。例えば、１本の光ファイバ母材６を製造す
るために10時間（600 分）必要とすると、インターバル
10分の場合、600 ／10＝60組の画像データが採取され、
画像データ処理部１４の処理を経た後、60組の画像デー
タが59組の因果関係として画像データメモリ１５に記録
される。これは、Ｔ１時刻のプロセスデータがＴ２時刻
の画像データに対応し、Ｔ２時刻のプロセスデータがＴ
３時刻の画像データに対応し、……，Ｔ59時刻のプロセ
スデータがＴ60時刻の画像データに対応するからであ
る。

【００１３】光ファイバ母材６の製造の成功時の各時間
毎のプロセスデータは、プロセスセンサ１７で検出し、
プロセスデータサンプラ１８でサンプリングしてプロセ
スデータメモリ１９に記憶する。この場合のプロセスデ
ータは、画像処理の場合と同様に60組のプロセスデータ
がプロセスデータメモリ１９に記録される。

【００１４】この場合、Ｔｉ（ｉ＝１，２，…，５９）
時刻のプロセスデータは、Ｔｉ＋１時刻の光ファイバ母
材６の形状の画像データに対応する。ここで、Ｔｉ時刻
を現在のデータサンプリング時刻とすれば、Ｔｉ＋１時
刻は次のデータサンプリング時刻である。なぜＴｉ時刻
のプロセスデータは、Ｔｉ＋１時刻の光ファイバ母材６
の形状の画像データに対応するかと言うと、一定の生産
条件（ガス流量，温度，圧力等）を加えると、光ファイ
バ母材６は直ぐにはできず、一定の時間を経てからその
形が決まるからである。勿論、Ｔｉ時刻とＴｉ＋１時刻
との間隔は、設備によって違うが、本実施例の設備では
約10分間隔でデータをサンプリングしている。このサン
プリングする時間間隔を、データのサンプリングインタ
ーバルという。

【００１５】画像データサンプラ１３とプロセスデータ
サンプラ１８は、一定間隔でデータを読み込む機能を有
する。この２つのサンプラ１３，１８は、同期して動作
する。サンプリングインターバルは、ＣＰＵ１１で設定
する。

【００１６】このようにして光ファイバ母材６の１本の
成功時のデータの因果関係を記録する。この記録は、光
ファイバ母材６の製造をデータを取りつつ行っていて、
失敗したらその時のデータを消去し、成功したらその時
のデータを残すことにより行う。

【００１７】このようなデータの準備ができたら、成功
時のデータをニューラルネットワーク２０の入出力デー
タとして光ファイバ母材６の製造の学習を行う。学習に
あたっては、図３に示すようなニューラルネットワーク
２０を構築する。ニューラルネットワーク２０の種類が
数多く提案されているが、図３に示したものは典型的な
バックプロパゲーションを用いたネットワークである。

【００１８】学習方法は、前述した59組の因果関係をニ
ューラルネットワーク２０に入力する。具体的な学習方
法（アルゴリズム）は、標準的な学術文献に詳しく説明
されているので省略するが、要するにニューラルネット
ワーク２０は前述した59組の因果関係を覚ると、人間の
ように１回の光ファイバ母材６の製造経験をしたことに
なる。その時のニューラルネットワーク２０は、学習済
ニューラルネットワークという。つまり、ニューラルネ
ットワーク２０は、メモリのように単純に上述した59組
の因果関係を覚えるだけでなく、人間のように一つの例
を覚えれば、一つの経験となり、類似事例が発生した場
合に、過去の経験を活かしてどんな結果が出てくるかの
予測が付くと同時に、該ニューラルネットワーク２０は
上述の59組のデータに基いて構成した神経ネットワーク
が上述の59組以外のプロセス（例えば、実生産中のＴ２
時刻のプロセスデータと、以前の59組の因果関係中のＴ
２時刻のプロセスデータとの差）が発生する場合、その
Ｔ２時刻のプロセスデータを学習済ニューラルネットワ
ークに入力すれば、次のＴ３時刻の光ファイバ母材６の
形状予測が可能である。

【００１９】このように新しく製造中のＴｉ（Ｔ１〜Ｔ
59）時刻のプロセスデータを学習済ニューラルネットワ
ーク２０に入力すると、Ｔｉ＋１（Ｔ２〜Ｔ60）時刻の
光ファイバ母材６の予測形状が比較器２１に出力され
る。比較器２１では、画像データメモリ１５から与えら
れるＴｉ時刻の光ファイバ母材６の形状と、学習済ニュ
ーラルネットワーク２０から与えられるＴｉ＋１時刻の
光ファイバ母材６の予測形状の比較が行われる。この場
合、Ｔｉ時刻のプロセスデータの全てが成功例のＴｉ時
刻のプロセスデータと同じであれば、予測のＴｉ＋１時
刻の光ファイバ母材６の形状は成功例の光ファイバ母材
６の形状と一致するが、Ｔｉ時刻のプロセスデータが成
功例のＴｉ時刻のプロセスデータと一致しない場合（つ
まり、プロセスの変化がある場合）、その予測の結果は
成功例の結果と違うことになる。この違いの量が許容範
囲内であればプロセスの調整をしなくてよいが、許容範
囲を越えた場合そのときにプロセスの調整をしないと、
次の時刻に光ファイバ母材６の形状が変化してしまうこ
とになる。

【００２０】プロセスの調整は、製造開始からデータ採
取のたびに行う。成功例の画像データメモリ１５のデー
タ内容は、学習を行ったときの成功例の光ファイバ母材
６の画像データである。製造開始時には、第１回目のプ
ロセスデータ（Ｔ１時刻のプロセスデータ）と画像デー
タ（Ｔ１時刻の画像データ）とが得られる。

【００２１】Ｔ１時刻のプロセスデータがプロセスデー
タサンプラ１８から得られると、該Ｔ１時刻のプロセス
データは学習済ニューラルネットワーク２０に入力され
る。もし、Ｔ１時刻のプロセスデータと成功例のＴ１時
刻のプロセスデータの全てが一致した場合、学習済ニュ
ーラルネットワーク２０のＴ２時刻の光ファイバ母材形
状の予測結果と成功例のＴ２時刻の光ファイバ母材６の
実際形状とは一致することが分かる。つまり、Ｔ１時刻
のプロセス条件下で光ファイバ母材６の製造を行うと、
Ｔ２時刻になるとその光ファイバ母材６の形状は成功例
の光ファイバ母材６の形状と一致するから、現在のプロ
セスを変えずにそのまま製造を継続すればよい。

【００２２】10分後に、Ｔ２時刻のプロセスデータと画
像データとが得られ、これらデータに基いて次の予測を
同様にして行い、前述したと同様の制御を行う。

【００２３】要するに、毎回採取したプロセスデータと
画像データが、成功例のプロセスデータ及び画像データ
と全て一致すれば、同じ形状の光ファイバ母材６が得ら
れるので、わざわざプロセスを変える必要がない。問題
は、採取したプロセスデータと画像データとが、成功例
のプロセスデータ及び画像データと一致しないときであ
る。プロセスの全ての条件を、完全に成功時の条件に一
致させることは不可能である。このような場合、どうや
ってプロセスを調整するかが重要である。

【００２４】例えば、Ｔ１時刻〜Ｔ５時刻の５回のサン
プリング結果のデータ（プロセスデータと画像データを
含む）が全部成功例のデータと一致して製造を続けてい
たが、Ｔ５時刻後にプロセス側が変化を起した（例え
ば、原料ガス輸送管の温度が低くなった。）と仮定す
る。この場合には、次のＴ６時刻にサンプリングしたプ
ロセスデータと画像データは、成功例のＴ６時刻のプロ
セスデータと画像データとは一致しなくなる。その時の
プロセスの調整は、次のようにして行う。

【００２５】（ａ）Ｔ６時刻の画像データと成功例のＴ
６時刻の画像データとの差を比較器２１で求め、現在時
刻Ｔ６における光ファイバ母材６の形状ずれを評価す
る。

【００２６】（ｂ）Ｔ６時刻のプロセスデータを学習済
ニューラルネットワーク２０に入力し、次の時刻Ｔ７の
光ファイバ母材６の形状を予測する。

【００２７】（ｃ）（Ｔ６時刻における光ファイバ母材
６の形状ずれ）＋（Ｔ７時刻における光ファイバ母材６
の形状予測）−（Ｔ７時刻の成功例における光ファイバ
母材６の形状）→最小になるように原料ガス流量を調整
する。

【００２８】この調整は、Ｔｉ＋１時刻の予測ずれ量を
ＣＰＵ１１の原料ガス流量修正部２５に与え、該原料ガ
ス流量修正部２５でＴｉ時刻の原料ガス流量の変更値を
求め、該Ｔｉ時刻の原料ガス流量の変更値を学習済ニュ
ーラルネットワーク２０に与え、予測を行い、（Ｔ６時
刻における光ファイバ母材６の形状ずれ）＋（Ｔ７時刻
における光ファイバ母材６の形状予測）−（Ｔ７時刻の
成功例における光ファイバ母材６の形状）→最小になる
まで繰り返す。

【００２９】（ｄ）上述（ｃ）の最小値が得られた時の
原料ガス流量値を最適原料ガス流量セット値２２とし
て、クラッドバーナ原料ガス流量調節器（マスフローコ
ントローラ）２３とコアバーナ原料ガス流量調節器（マ
スフローコントローラ）２４に与える。

【００３０】上記のことを更に詳しく説明すると、次の
通りである。

【００３１】（ａ）のずれは、Ｔ５時刻後のプロセスの
変動によって発生した光ファイバ母材６の形状ずれであ
る。このずれの量を次の光ファイバ母材６の目標値に反
映する必要がある。

【００３２】（ｂ）の予測は、単なるプロセスデータに
基いて行った予測で、上述（ａ）のずれをまだ反映して
ない。

【００３３】（ｃ）（Ｔ６時刻における光ファイバ母材
６の形状ずれ）＋（Ｔ７時刻における光ファイバ母材６
の形状予測）は、次のＴ７時刻の目標値である。この目
標値は、（Ｔ７時刻の成功例における光ファイバ母材６
の形状）に近付けるほど、成功する可能性が高いことが
わかる。

【００３４】特別の例で、（Ｔ６時刻の光ファイバ母材
６の形状ずれ）＝０の場合には、（Ｔ７時刻における光
ファイバ母材６の形状予測）−（Ｔ７時刻の成功例にお
ける光ファイバ母材６の形状）→最小にすることは一目
瞭然である。

【００３５】（ｄ）上述の（ｃ）を最小にするために、
プロセスのいろいろのところを調整してもよいが、ここ
は光ファイバ母材６の形状の変化に一番影響を与え易い
原料ガスの流量を調整量として行う。また、原料ガス流
量の設定値を調整しながら最小値を求める方法として
は、一般的な巡回セールスマン問題のアルゴリズムがあ
る。

【００３６】なお、原料ガスの流量の調整の代りに、原
料ガスの混合比の調整で制御を行うこともできる。

【００３７】このような成功例のデータをニューラルネ
ットワーク２０に繰り返し入力して学習すると、該ニュ
ーラルネットワーク２０はまた新しい構造になり、人間
のように経験を積むとベテランになる。また、新しい成
功例を学習しているから昔の経験に拘らず、新しい経験
を最優先し、光ファイバ母材６の生産に柔軟性を持たせ
ることができる。

【００３８】このような予測と調整を所定の時間毎に行
い、光ファイバ母材６の製造を行うと、熟練を要さなく
ても、光ファイバ母材６の製造を容易に行うことができ
る。

【００３９】

【発明の効果】以上説明したように本発明に係る光ファ
イバ母材の製造方法は、光ファイバ母材製造時の過去の
成功例のデータで学習したニューラルネットワークを用
い、新たな光ファイバ母材製造時の各時間毎のプロセス
データをコンピュータに入力してこれらのプロセスデー
タで製造を続行したときの光ファイバ母材の形状を予測
し、その予測された光ファイバ母材の形状と成功時の光
ファイバ母材の形状とを比較し、差があればバーナに供
給する原料ガスの流量又混合比の調整量を計算し、その
予測形状と成功時の形状が一致したときの原料ガスの流
量又は混合比の調整量で原料ガスの調整を行い、このよ
うな予測と調整を所定の時間毎に行い、光ファイバ母材
の製造を行うので、熟練を要さなくても、品質のよい光
ファイバ母材の製造を容易に行うことができる。

【図面の簡単な説明】

【図１】本発明に係る光ファイバ母材の製造方法を実施
する装置の一実施例を示すプロック図である。

【図２】本実施例で光ファイバ母材の画像を取り込む例
を示す説明図である。

【図３】本実施例で用いるニューラルネットワークの構
造図である。

【図４】従来の光ファイバ母材の製造装置を示すプロッ
ク図である。

【符号の説明】

１…反応容器、２…支持棒、３…コアバーナ、４…クラ
ッドバーナ、５…玉部、６…光ファイバ母材、６ａ…多
孔質のコア部、６ｂ…多孔質のクラッド部、７…光線、
８…発光器、９…受光器、１０…排気口、１１…ＣＰＵ
（中央処理装置）、１２…ビデオカメラ、１３…画像デ
ータサンプラ、１４…画像データ処理部、１５…画像デ
ータメモリ、１６…画像領域、１７…プロセスセンサ、
１８…プロセスデータサンプラ、１９…プロセスデータ
メモリ、２０…ニューラルネットワーク、２１…比較
器、２２…最適原料ガス流量セット値、２３…クラッド
バーナ原料ガス流量調節器、２４…コアバーナ原料ガス
流量調節器。

Claims (1)

【特許請求の範囲】
1. 【請求項１】 支持棒をその軸心の回りに回転しつつ断
   続的又は連続的に引き上げて、バーナの火炎中で合成し
   たガラス微粒子を該支持棒の先端側に徐々に堆積して多
   孔質の光ファイバ母材を製造する光ファイバ母材の製造
   方法において、 前記光ファイバ母材製造の成功時の各時間毎のプロセス
   データ及び各時間毎の前記光ファイバ母材の形状の画像
   データを入出力データとして光ファイバ母材製造の学習
   を行ったニューラルネットワークを用い、 新たな前記光ファイバ母材製造時の各時間毎のプロセス
   データを前記ニューラルネットワークに入力してこれら
   のプロセスデータで製造を続行したときの前記光ファイ
   バ母材の形状を予測し、その予測された前記光ファイバ
   母材の形状と成功時の前記光ファイバ母材の形状とを比
   較し、差があれば前記バーナに供給する原料ガスの流量
   又混合比の調整量を計算し、その予測形状と成功時の形
   状が一致したときの前記原料ガスの流量又は混合比の調
   整量で前記原料ガスの調整を行い、このような予測と調
   整を所定の時間毎に行い、前記光ファイバ母材の製造を
   行うことを特徴とする光ファイバ母材の製造方法。