JPH11509325A

JPH11509325A - 多変量較正と組み合わせた分光分析方法を使用することによるボードの性質の予測

Info

Publication number: JPH11509325A
Application number: JP9506601A
Authority: JP
Inventors: ビャーンアングストラム; モナヘドクヴィスト
Original assignee: キャスコプロダクツアクチェボラーグ
Priority date: 1995-07-14
Filing date: 1996-07-02
Publication date: 1999-08-17
Anticipated expiration: 2016-07-02
Also published as: EP0839317A1; HU221230B1; CA2226727A1; PL181795B1; KR100233948B1; RO117048B1; TR199800033T1; NO980135L; DE69605801T2; CZ3198A3; ZA965808B; US5965888A; HUP9900683A3; SK4098A3; AU690470B2; NO980135D0; MX9800413A; CN1117271C; JP3370681B2; IL122437A0

Abstract

(57)【要約】木材原料／パネルを10％未満の含水量で分光測定により分析し、スペクトルデータを多変量分析により基準材料から製造されたパネルまたは前記基準パネルの既知パラメーターに対し較正された基準材料／パネルからの基準データと比較することを含む、木材パネルのパラメーターの測定方法。材料／パネルを分析し、スペクトルデータを所望のパラメーターとの組み合わせにリンクし、前記組み合わせを前記基準材料／パネルの既知パラメーターとリンクされた基準材料／パネルからの基準データからなる基準組み合わせと比較することを含み、前記基準組み合わせが多変量分析により既知変数に較正されている、パネルのパラメーターに影響するプロセス変数の制御。

Description

【発明の詳細な説明】多変量較正と組み合わせた分光分析方法を使用することによるボードの性質の予測発明の分野：本発明はパーティクルボード及びその他の木材をベースとするパネルの性質を反映する種々のパラメーターの定性測定及び定量測定のための方法、更に特別には木材をベースとするパネルの性質を反映する種々のパラメーターの瞬時かつ連続の分析のための、木材をベースとするパネルの製造方法を含むプラントへの木材原料流、特にその乾燥表面及びコア粒子について行われる、多変量較正と組み合わせた分光分析方法に関するものであり、その種々のパラメーターを知ることにより、必要によりそのプロセス変数を測定する。特に、本発明はパーティクルボード及びその他の木材をベースとするパネルの性質の予測のための手段としての多変量較正と組み合わせたＮＩＲ（近赤外）技術の使用に関する。また、本発明は多変量分析と組み合わせた分光測定方法により木材をベースとするパネルそれ自体を分析することによる木材をベースとするパネルのパラメーターの測定方法に関する。発明の背景：パーティクルボードは乾燥した木材微粒子から製造でき、これらの木材微粒子がバインダーと混合され、マットに成形され、次いでこれが高温及び高圧下に一緒に稠密ボードにプレスされる。殆どのあらゆる型の種の木材原料が使用し得る。しかしながら、仕上げボードの性質、例えば、密度、接着性等は木材の性質に依存する。本明細書及び請求の範囲中、“粒子”と称される、ソーダスト、削りくず、チップ及び丸い木材からの削りくずは木材原料として使用される。丸い木材のフレーキングはドラムフレーカー中で行われ、一方、チップはナイファリング(knif- ering)フレーカー中で加工される。崩壊に続いて、全ての木材は高性能ドライヤー中で２〜４％の含水量まで乾燥される。その乾燥プロセス後に、木材粒子が好ましいサイズに篩にかけられる。不良材料がハンマーミルを通過し、篩系にフィードバックされる。フレーク／ソーダストの形態及びそれらのサイズ分布の両方がボード性質に重要である。パーティクルボード及び中間密度繊維ボード(MDF)に最も普通に使用されるバインダーは尿素−ホルムアルデヒド樹脂(UF)であるが、またメラミン−尿素樹脂（MUF）、フェノール樹脂(PF)及びイソシアネート樹脂(MDI)が特に耐候性ボードの製造に或る程度使用される。樹脂、水、硬化剤及びワックスエマルションが重量ベースで自動的に投与される。これらの薬品の用量は乾燥木材の乾燥物質％で計算される。添加されるバインダーの量は樹脂の型及び所望されるボードの品質に応じて変化する。 UF樹脂の用量は通常７〜10％であり、MUF 樹脂は11〜13％であり、PF樹脂は６〜８％であり、またMDI 樹脂は２〜５％である。PF樹脂及びMDI 樹脂の比較的低い用量はこれらの樹脂の優れた結合能を反映している。通常のパーティクルボードは約６％の水分、９％の結合剤及びその他の薬品並びに85％の木材からなる。完全に支配的な成分が木材であるという事実にかかわらず、パーティクルボード工業内の研究開発（Ｒ＆Ｄ）努力は、80年代の半ばまで殆ど専らバインダーを取り扱っており、木材の役割は無視されていた。木材は、パルプの製造が行われる前の或る時間にわたって貯蔵されて品質問題及び加工問題を回避する必要があることが、パルプ及び紙工業で公知である。貯蔵中に、木材は化学組成の重大な変化を受ける。例えば、幾つかの揮発性化合物が消失し、遊離酸及び結合された酸の量が増加し、不飽和結合が酸化し、エステルの加水分解等が起こるであろう。しかしながら、パーティクルボード工業はこれらの事実に多くの関心を払っておらず、その代わり、加工問題及び品質問題はおそらくバインダー品質の変化に起因するものと結論していた。現在に至るまで、酸含量と木材の加工性の間に或る種の関連があると考えられるとしても、木材の分析結果とボードの性質の間の妥当な相関関係を証明することは可能ではなかった。本発明の一つの目的はプラントへの木材原料流のオン−ライン、イン−ラインまたはアット−ライン測定を行って、それがプロセスラインに入る前に不適な材料を選別する可能性を得ることである。本発明の分析技術による生木材粒子の研究は、今驚くことに、木材の測定された分析値とボードの性質、例えば、ボードの遊離ホルムアルデヒドの含量（これは非常に厳格な環境上の要求を考慮して現在極めて重要である）並びに硬さ、及び耐水性の間の非常に高い相関関係を示した。パーティクルボード及びその製造方法に関する情報はThomas M.Maloney著“Mo dern Particleboard＆dry-process fibreboard manufacturing”(1993)（特に４章及び５章を参照のこと）において入手でき、この文献が参考として本明細書にそのまま含まれる。ＮＩＲ分光分析法の原理はWilliams，P.; Norris，K．(1987): New-Infrared Technology in the Agriculture and Food Industries．AACC，St．Paul/MIn 及びSterk，E.; Luchter，K．(1986): Near Infrared Analyses（NIRA）A Technol ogy for Quantitative and Qualitative Analyses．(Applied Spectroscopy Rev ues 22:4.)により記載されており、これらの全てが参考として本明細書に含まれる。多成分系の特性決定における多変量データ分析の使用は現在開発中の分野である。また、ケモメトリクス方法と称される統計方法が化学の分野に一般に適用される。ケモメトリクスの技術はS.D.Brown,“Chemometrics”，Anal.Chem．62，8 4R-101R（1990）に更に充分に説明されており、これが参考として本明細書にそのまま含まれる。この明細書及び請求の範囲中の“ボード”という用語は下記のボード型：パーティクルボード、中間密度繊維ボード（ＭＤＦ）、ウェハボード、延伸標準ボード（ＯＳＢ）、ハードボード及び合板を含む。ボードの品質に影響するプロセス変数は、例えば、木材原料、即ち、木材の種類、成熟レベル、粒子の組成並びにサイズ及び含水量；粒子発生、例えば、ホムバク／マイアー(Hombak/Mayer)粒子；ドライヤー、その入口温度及び出口温度、乾燥粒子水分；篩パラメーター、例えば、表面及びコア粒子、ダスト含量、分級、含水量、粒子温度；グルーブレンダー変数、例えば、表面及びコア粒子、スケール沈降、粒子温度、接着剤の量、ワックスの量、含水量、冷却水；フォーミングステーション変数、例えば、体積重量、厚さ等；プレ−プレス変数、例えば、プレス時間及び温度；ホット−プレス変数、例えば、プレス時間、圧力、温度；冷却変数、例えば、温度；及びサンディング変数、例えば、表面の細かさである。科学雑誌“Holz als Rohund Werkstoff 50（1992）p25-28”中の論文に、Niem z らは、ボードの品質が樹脂固形分及び広葉樹／針葉樹の関係により影響されると記述している。Niemz らはチップにある尿素−ホルムアルデヒド樹脂の部分及び広葉樹対針葉樹の混合比を定量するためにＮＩＲ分光分析を使用する。行われる試験の目的は、そのプロセスが接着されたソーダストに尿素−ホルムアルデヒドを与え、かつ広葉樹／針葉樹混合比を得るのに適するかどうかを証明することである。また、前記論文に、ＮＩＲ技術が木材水分のオン−ライン及びオフ−ライン調節のため、また薬品及び農業製品の分析のために線形多重回帰と組み合わせて使用し得ることが記述されている。更に、食品及び飼料の定量分析に関するNorris 1962はＮＩＲを数学−統計学的方法（ケモメトリクス）（これは古典的化学において定量分析に使用されていた）と組み合わせたことが記述されている。同雑誌p73-78のKniestによる別の論文に、ソーダスト−接着剤混合物が線形多重回帰と組み合わせたＮＩＲ分光分析により特性決定されている。しかしながら、p77、項目３、第二節に、未接着サンプルの測定が夫々のボードのプロセスモデル化に必要なデータ配分のために可能ではないことが記述されている［Zur Du rchfuhrung o.g．Industrieversuche ist die Messung der Zugehorigen unbele imten Probe aufgrund der fur die Prozessmodellierung notwendigen Datenzu ordnung zur jeweiligen Spanplatte nicht moglich.］。当業者は未接着粒子からボードの性質を予測することを可能と考えておらず、また製造されたボードから非破壊方法でこのような性質をすることを可能と考えていなかったことが前記文献から明らかであり、ボードを特性決定するパラメーターの測定方法の開始時に有効なオン−ライン、イン−ラインまたはアット−ライン方法を見出すという問題が未解決のままであった。ボードの性質を特定する関連パラメーターは、例えば、密度及び密度プロフィール、内部結合、厚さの膨大、吸収、透過性、パーホレータ値、破損のモジュラス（ＭＯＲ）、揮発性有機化合物（ＶＯＣ）に関するパラメーター及び排出チャンバー値である。密度はこれに関して体積重量と同じであり、既知体積を有するボードのストリップを計量し、その質量を体積で割ることにより通常測定される。値はｋｇ／ｍ³ で表される。内部結合（ＩＢ）はボードの面に垂直の張力に抵抗する所定のボードの性質である。その結果は樹脂含量及びボード密度に依存している。両方の場合、殆ど線形の関数である。厚さ膨大は或るサイズのサンプルを２〜２４時間の期間にわたって２０℃または２３℃の温度で水に入れることにより測定される。サンプルの厚さはソーキングの前後で測定される。厚さの差が初期の厚さにより割られ、％で表される。厚さ膨大は、例えば、予期しない雨または水系塗料等に耐えるボードの能力の目安である。吸収値は厚さ膨大を測定するのに使用されたのと同じサンプルで通常求められる。サンプルは水暴露の前後に計量される。その重量差が初期重量により割られ、％で表される。吸収値は苛酷な条件下でボード挙動を予測するのに使用し得る。透過性値は空気をサンプルを通って吸引することにより得られ（ボード端部がワックスでシールされる）、ボードを横切る圧力低下がサンプル中の空気流に沿って測定される。透過性はボード密度の変化に応じてボード表面上で変化するが、通常、平均透過性とホルムアルデヒド放出値との間に良好な相関関係がある。透過性はホルムアルデヒドがボードから飛散している際に有する抵抗を測定する。値はｃｍ／分で表される。パーホレータ値は或る含水量（６．５％）におけるボードのホルムアルデヒド含量を表す。ホルムアルデヒドはボードをトルエン中で抽出することにより得られる。放出されたホルムアルデヒドが水に吸収され、測光により測定される。予測し得るように、パーホレータ値とボードからのホルムアルデヒド放出の間に関連があり、それ故、パーホレータ方法は多くの国で認可された方法である。値はｍｇＨＣＨＯ／１００ｇオーブン乾燥ボードで表される。排出チャンバー方法は木材をベースとするパネルまたはその他の材料からのホルムアルデヒド放出の測定のための最も正確な方法として世界中で現在全て受け入れられている。チャンバー中の条件は通常の家庭中の条件を模擬するようにセットされる。チャンバーのサイズは諸国の間で１ｍ³から４０ｍ³まで変化する。その温度は２３℃から２５℃まで変化し、負荷は０．３ｍ²／ｍ³から１．０ｍ² ／ｍ³まで変化し、相対湿度は４５％から５０％まで変化し、また空気流量は０．５／時間から１．０／時間まで変化する。ボードサンプルがチャンバー中のラック中に或る距離で垂直に入れられる。定常状態に達するまで、空気サンプルが採取され、これは通常３〜１０日を要する。値はｐｐｍＨＣＨＯまたはｍｇＨＣＨＯ／ｍ³で表される。密度プロフィールはマット形成機能及びプレスの機能そしてまた木材粒子の形状寸法及び混合の目安である。そのプロフィールは表面間の夫々０．１ｍｍについて密度を測定することができるＸ線を備えた装置の使用により現在測定される。パーティクルボードに通常の密度プロフィールは１１００ｋｇ／ｍ³からコア中の６００ｋｇ／ｍ³までの表面密度を示す。こうして、多くの研究が長年にわたって前記問題の解決を見出すために過去なされてきたが、便利な解決が本発明に至るまで得られていなかった。発明の要約：本発明はボード及びその他の木材をベースとするパネルの品質を反映する種々のパラメーターの定性測定及び定量測定のための方法に関するものであり、そのプロセスを誘導する変数が前記パラメーターに基いて測定され、即ち、調節し得る。更に特別には、本発明は木材原料流、特に乾燥表面及びコア粒子、または木材をベースとするパネルそれ自体について行われるボードの品質を反映する種々のパラメーターの瞬時かつ連続の分析のための分光分析方法に関する。本発明により、ボードの性質が予測でき、それにより、必要により、ボードプロセス変数を誘導するパラメーターがプラントへの木材原料流、特に乾燥表面及びコア粒子に関するＮＩＲ分光分析及び多変量較正の同時適用により測定されることが示された。本発明によれば、木材原料はスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析され、その後に前記スペクトルデータが１０％未満の含水量を有する基準木材原料から前記分光測定方法により得られた基準スペクトルデータと比較され、その基準スペクトルデータは多変量分析により前記基準木材原料から製造された木材をベースとするパネルの既知パラメーターに対し較正されていた。また、木材をベースとするパネルの性質は、１０％未満の含水量を有する間に木材をベースとするパネルそれ自体をスペクトルデータを与える分光測定方法により分析する工程、及び前記スペクトルデータを１０％未満の含水量を有する基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータと比較する工程を含む本発明概念の方法により測定でき、その基準スペクトルデータは多変量分析により前記基準木材をベースとするパネルの既知パラメーターに対し較正されていた。一実施態様によれば、木材原料または木材をベースとするパネルがスペクトルデータを与える分光測定方法により分析され、そのスペクトルデータはその後に一つ以上のプロセス変数との組み合わせにリンクされ、その組み合わせが基準木材原料または基準木材をベースとするパネルから前記分光測定方法により得られた、基準スペクトルデータを基準プロセス変数とリンクすることにより得られた基準組み合わせと比較され、その基準組み合わせは多変量分析により前記基準木材原料から製造された木材をベースとするパネルの既知パラメーターまたは前記基準木材をベースとするパネルの既知パラメーターに対し較正されていた。この文脈において、“組み合わせにリンクすること”は、その組み合わせがスペクトルデータ及び一つ以上のプロセス変数の数学的関数に相当することを意味し、こうしてこのプロセス変数はその関数に対し独立の変数に相当する。これは、従属変数、即ち、“組み合わせ”が測定される場合に、前記独立変数が或る数学的表式または数式に通常挿入されることを意味する。本発明は、一実施態様によれば、ボードの製造の較正について得られたスペクトルの多変量分析と組み合わせてボードの乾燥表面もしくはコア粒子、またはその両方に関するＮＩＲ分光分析の適用に関する。発明の詳細な説明：本発明によれば、１０％未満の含水量を有する場合のパネルの原料のスペクトルを検出し、これらのスペクトルを多変量較正技術により前記パラメーターに変換することにより、ボード及びその他の木材をベースとするパネルの種々のパラメーター、特に密度、密度プロフィール、内部結合、厚さ膨大、吸収値、透過性値、パーホレータ値及び排出チャンバー値を直接かつ連続的に測定することが可能であることが示された。この方法は、ボード製造方法のプロセス変数を測定し、即ち、調節するために使用し得る。使用される分光測定方法は吸収、反射、放出または透過分光測定であってもよく、所謂近赤外(NIR) 波長範囲内で適用されることが好ましい。特に、ボードのベースを形成する乾燥表面及びコア木材粒子の吸収または透過スペクトルを直接かつ連続的に検出し、そしてこれらのスペクトルからの不連続の波長における前記値の使用により、ボードの種々のパラメーターを計算することが可能であることが示された。本発明の目的は、プロセスライン中の１０％未満の含水量を有する木材をベースとするパネルまたはその原料を分光測定方法により、特に１８０−２５００ｎｍ、好適には４００−２５００ｎｍ、特に１００ｎｍ〜２５００ｎｍの波長範囲で分析し、そのスペクトルのケモメトリック評価を適用することにより達成される。その方法はボードまたはその他の木材をベースとするパネルの品質を反映する種々のパラメーターの瞬時かつ連続の分析を可能にし、それにより、プロセスを誘導する変数が測定し得る。その方法は、原料及び好適にはボード製造プラント内のドライヤー中で乾燥された、このような材料からつくられた木材をベースとするパネルに適用されることが好ましい。木材をベースとするパネルまたは原料、特に表面及びコア粒子は当業者に知られている状況下で８％未満、好ましくは４％未満の水分レベルまで乾燥されていることが好ましい。本発明は、例えば、低含水量が再現性の測定結果を促進する点で有利である。そうしないと、水分は分光測定情報を妨げたり、または隠したりする傾向を有する。更に、原料またはパネル中の天然源または合成源の揮発性化合物（これらはまた分光測定情報を妨げたり、または隠したりすることがある）は、含水量が低下されるにつれて原料またはパネルから蒸発するものと考えられる。こうして、分析をかなり低い含水量で行うことにより、更に多くの分光測定情報が利用され、更に正確かつ再現性の測定結果を保証する。原料に関して、製造プロセスに実際に使用される時、即ち、それがかなり乾燥している時にあることが予想されるものに近いような状態にある時に材料を分析することは勿論また大いに有利である。木材をベースとするパネルはボードであることが好ましく、パーティクルボードであることが好適である。本発明に従って行われる多変量分析は主成分分析（ＰＣＡ）、部分最小自乗回帰（ＰＬＳ）、主成分回帰（ＰＣＲ）、多線形回帰分析（ＭＬＲ）または判別分析、好ましくは部分最小自乗回帰であってもよい。また、本発明の方法は木材をベースとするパネルの製造方法へと流れる木材原料から製造された木材をベースとするパネルのパラメーターに影響するプロセス変数の調節方法において適用し得る。その場合、本方法はボードパラメーターを測定するのに使用されてもよく、次いでその情報がプロセスを制御するための系に供給される。また、必要によりノイズまたは基準線ドリフトを減少した後に、得られたスペクトルが、スペクトルをボードパラメーターに変換しないでプロセス変数をセットするための系に直接入れられる制御系を設計することが可能である。これは好適にはプロセス変数がパネルパラメーター及びスペクトルデータの関数として表される較正モデルを確立し、次いでそのモデルを実際の製造に使用することにより達成でき、そこではスペクトルデータが原料、即ち、フィードフォワード制御、または製造されたパネル、即ち、フィードバック制御から得られ、所望のパネルパラメーターとリンクされて必要とされるプロセス変数を与える。一実施態様によれば、木材をベースとするパネルはスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析され、こうして得られたスペクトルデータが既知プロセス変数で前記プロセス中でつくられた基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータと比較され、前記基準パネルは１０％未満の含水量を有し、前記基準木材をベースとするパネルのパラメーターが知られており、その基準スペクトルデータは多変量分析により前記の既知プロセス変数について較正されている。別の実施態様によれば、木材原料または木材をベースとするパネルが同様にスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析され、前記スペクトルデータが使用された基準木材原料、または１０％未満の含水量を有する間に木材をベースとするパネルの基準製造方法において前記基準木材原料から製造された基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータと比較され、その基準スペクトルデータは多変量分析により前記基準方法において適用されたプロセス変数について較正されている。更に別の実施態様によれば、木材原料または木材をベースとするパネルは、再度１０％未満の含水量を有する間に、スペクトルデータを与える分光測定方法により分析され、得られたスペクトルデータが少なくとも一つの所望のパラメーターとの組み合わせにリンクされ、前記組み合わせが１０％未満の含水量を有する基準木材原料または基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータを前記基準木材原料または前記基準木材をベースとするパネルの既知のパラメーターとリンクすることにより得られた基準組み合わせと比較され、その基準組み合わせは多変量分析により既知プロセス変数について較正されている。技術的には、分光測定分析はオン−ライン、イン−ラインまたはアット−ライン光学繊維プローブにより、または別々の分析のために個々のサンプルを採取することにより行い得る。両方の場合、スペクトルは夫々の特別なスペクトルから幾つかの不連続の波長からの値を使用して更に別のデータ処理にかけられる。分光測定方法に使用される放射線は原料または木材をベースとするパネルに直接衝突することが理解されるべきである。スペクトル情報は種々の性質を反映する。関係するパラメーターに応じて、関連する選択された情報が特定のパラメーターに相関関係がある。このような技術の例は、光源、検出器、電子部品及びシグナルを光学繊維を通ってサンプルに伝達するのに必要なその他の部品を含む、プロセスから離れて置かれた、装置の使用であり、この場合、光がサンプル中を透過され、またはサンプルで反射もしくは部分反射される。得られたシグナルが付随の光学繊維ケーブル中で検出器に戻され、記録される。スペクトロメーター中で、光が電気信号に変換され、次いでこれがコンピューターに運ばれ、そこで先に貯蔵された基準スキャンのスペクトルがサンプルスペクトルに関連付けられ、例えば、サンプルスペクトルから減算され、基準修正スペクトルが計算される。別の例はサンプルを妥当な時間間隔で手動でまたは自動的に採取し、サンプルを光源、検出器、電子部品及びその他の必要な部品を含む分析装置中で分析にかけることによる。次いで吸収または透過スペクトルが夫々の特別なスペクトルからの幾つかの不連続の波長からの値を使用して更に別のデータ処理にかけられる。検出器はせいぜい１０ｎｍ、好ましくは２ｎｍ、最も好ましくは１ｎｍ以下の測定間隔を有することが好ましい。その検出は１８０ｎｍ〜２５００ｎｍのＶＩＳ−ＮＩＲ波長範囲で行われる。これはスキャニング装置、ダイオードアレイ装置、フーリエ変換装置または当業者に知られているその他の同様の装置の使用により行い得る。吸収または透過を含む波長の評価は分析に妥当な特徴を与える。得られたスペクトルへのケモメトリカル方法の適用により、その測定が全波長範囲からの情報を含むとしても、化学分析に寄与する情報を含まない波長を無視することが可能である。分光測定の使用によるボードパラメーターの測定及び調節は二つの主工程を含み、その第一工程は学習セットの開発；データ処理；及び既知パラメーター値を有する表面及びコア粒子の使用によるデータ分析のサブ工程を伴う較正モデルの開発である。第二主工程は未知のパラメーター値のサンプルの分光測定分析、スペクトルデーター処理、続いて必要によりデーター分析；及びそれにより得られたデータへの第一主工程で開発された較正モデルの適用である。本発明の一実施態様は乾燥された表面及びコア粒子の４００−２５００ｎｍ、特に１０００−２５００ｎｍの波長範囲内の近赤外スペクトルを分析し、ケモメトリック評価をそのスペクトルに適用して粒子のパラメーター、例えば、密度、密度プロフィール、内部結合、吸収、透過性、パーホレータ値、及び排出チャンバー値を計算することである。ボード変数と乾燥表面及びコア粒子に関するＮＩＲ測定により得られた結果の間の相関関係は図１〜６に示された結果と比較して表から明らかである。好ましい実施態様によれば、本発明の方法は（Ｉ）（Ｉ．ａ）基準木材原料または基準木材をベースとするパネルの基準サンプルの基準スペクトル生データを分光測定方法により記録し、（Ｉ．ｂ）基準スペクトル生データを処理してノイズを減少し、ドリフト及び拡散光散乱について調節し、（Ｉ．ｃ）多変量分析を含むデータ分析を行うことにより処理された基準スペクトルデータを基準サンプルの既知パラメーターで較正することにより較正モデルを開発する工程、及び（II）未知のパラメーターを有する木材原料または木材をベースとするパネルのサンプルのスペクトル生データを前記分光測定方法により記録し、それにより得られたスペクトル生データを処理してノイズを減少し、ドリフト及び拡散光散乱について調節し、未知のパラメーターを測定するために開発された較正モデルを処理されたスペクトルデータに適用する工程を含む。サブ工程（Ｉ．ｃ）における多変量分析は処理された基準スペクトルデータを潜在変数に移すことを含むことが好ましく、またサブ工程（II）において、処理されたスペクトルデータが（Ｉ．ｃ）のように潜在変数に移されることが好ましく、また未知のパラメーターを測定するために、開発された較正モデルが潜在変数に適用される。潜在変数への変換は主成分分析（ＰＣＡ）による。この好ましい実施態様が以下に更に詳しく説明される。（Ｉ）較正モデルの開発ボードパラメーターが幾つかのサンプルについて従来方法で測定される。次いでこれらの値が較正モデルの開発に使用され、このモデルでは、以下に説明される三つのサブ工程が前記サンプルの記録された吸収、反射または放出スペクトルに適用される。（Ｉ．ａ）学習セットの開発モデル学習セットは、好ましくは製造ラインの代表であるべきである既知の値を有するサンプルからの多数の吸収または透過スペクトルからなる。学習セットはケモメトリックアルゴリズムに使用されて得られるモデルパラメーターを計算する。（Ｉ．ｂ）データ処理ノイズを減少し、基準線ドリフトについて調節するために、スペクトル生データが処理されるべきである。また、この処理は隠された情報、例えば、明らかに異なったスペクトルの同一性または明らかに非常に似ているスペクトルの非同一性を明らかにし得る。更に、ベールの法則（それについて述べると、所定の吸収係数及び吸収媒体中の光路の長さについて、吸収された光の合計量はサンプルの分子濃度に比例する）へと導く仮定は、サンプルが構成する複雑な系において常に満足されるとは限らない。これは、工業サンプル及び実験サンプルにしばしば見られる幾つかの因子のためである。別の複雑な因子は、サンプル中の粒子に依存する、光散乱変化である。種々の理論がこの問題を解決するために開発されており、最も使用されるものは、吸収及び散乱を考慮するKubelka-Munk変換(P.Kub elka，F.Munk，Z.Tech．Physik 12，593(1931)、参考として本明細書に含まれる）、及び乗法散乱修正(P.Geladi，D.MacDougall，H.Martens，Appl.Spect.39，4 91-500(1985)、参考として本明細書に含まれる)であり、この場合、夫々のスペクトルが、それを“理想の”スペクトル（平均スペクトル）と比較することによりオフセット及び傾きの両方で“修正”される。また、スペクトルデータを線形化する別の方法は、例えば、第四次導関数までの導関数の使用によるものである (A.Savitzky，M.J.E.Golay，Anal.Chem．36，1627-1639（1964）、参考として本明細書に含まれる)。スペクトルの導関数は、隣接波長間の相対変化のみからなる、変換されたスペクトルをもたらし、誘導スペクトルのピーク強さが濃度と線形である傾向があることが示されていた(T.C.O'Haver，T.Begley，Anal.Chem．5 3，1876（1981）、参考として本明細書に含まれる）。また、線形化はフーリエ変換の使用により、または参考として本明細書に含まれるR.J.Barnes，M.S.Dhan oa 及びS.J.Lister，Appl.Spectrosc.，43 巻，５号，pp.772-777（1989）に開示されたような標準正規変量変換の使用により行い得る。（Ｉ．ｃ）データ分析次いでケモメトリック技術を使用するデータ分析は較正モデルが開発されることを可能にする。使用し得る幾つかのケモメトリック技術、例えば、主成分分析（ＰＣＡ）、部分最小自乗回帰（ＰＬＳ）、主成分回帰（ＰＣＲ）、多線形回帰分析（ＭＬＲ）及び判別分析がある。本発明の好ましいケモメトリック技術はＰＬＳ方法である。（Ｉ．ｃ．１）主成分分析（ＰＣＡ）ＰＣＡにより、修正変数の組が未修正変数の更に小さい組に圧縮される。この変換は座標系の回転からなり、初期の配置中よりも少ない数の軸に関する情報の配列をもたらす。これにより、互いに高度に相関関係がある変数が単一構成要素として処理されるであろう。ＰＣＡを使用することにより、変数の初期の組中に存在したが、モデル中ではるかに使用し易い情報の殆どに依然として相当する未修正変数の小さい組を得ることがこうして可能であろう。一般に、２〜１５の主成分が変数の分散の８５％〜９８％を説明するであろう。（Ｉ．ｃ．２）部分最小自乗回帰（ＰＬＳ）ＰＬＳは定量的関係が変数のブロック、例えば、一連のサンプルに関する記述子データ（スペクトル）のブロック及びこれらのサンプルについて測定された応答データのブロックの間で証明し得るモデル化計算方法である。ブロック間の定量的関係により、新しいサンプルに関するスペクトルデータを記述子ブロックに入れ、予想された応答の予測をすることが可能である。その方法の一つの大きな利点は、結果が異なるプロットによりグラフで評価し得ることである。殆どの場合、プロットのビジュアル解読が変数間の異なる関係の良き理解を得るのに充分である。その方法はＰＣＡと同様の投影に基いている。ＰＬＳ方法は参考として本明細書に含まれるCharlsson R.，Design and optimization in organic synth esis，B.G.M.Vandeginste，O.M.Kvalheim 編集，Data handling in science and techno-logy，(Elsevier，1992)，8 巻に詳しく開示されている。（Ｉ．ｃ．３）主成分回帰（ＰＣＲ）ＰＣＲはＰＣＡ及びＰＬＳに密接に関連している。ＰＣＡのように、記述子ブロック中の夫々の物体が低次元空間に投影されて、スコア及びローディングを生じる。次いでスコアが最小自乗操作で応答ブロックに対し回帰されて、未知のサンプルを予測するのに使用し得る回帰モデルをもたらす。ＰＬＳ及びＰＣＡと同じモデル統計学がモデルを妥当にするのに使用し得る。ＰＣＡ、ＰＬＳ及びＰＣＲにおける優れた個別指導について、P.Geladiら，“Partial Least-Squares Re gression: A Tutor-ial”，Anal.Chim.Acta，185，1-32(1986)(これは参考として本明細書にそのまま含まれる)を参照のこと。（Ｉ．ｃ．４）多線形回帰分析（ＭＬＲ）ＭＬＲにより、スペクトルの関数としてのボードパラメーターに関する最良フィッティング平面が、その平面の夫々の境界を形成する最小自乗技術を使用して形成される。次いでこの平面が使用されて予測値を認識し、その値を未知のボードパラメーター値に指定する。この技術は一般に比較的“クリーンな”系に制限され、この場合、有意な量のマトリックス干渉がなく、ＰＬＳとは対照的に、それは変数よりも多い物体を必要とする。（Ｉ．ｃ．５）判別分析これは、スペクトルデータの使用により、既知のボードパラメーター値が線形決定境界により分離された異なるクラスターにグルーピングされる方法である。そのスペクトルから、未知のボードパラメーター値のサンプルがその後にクラスターに適合でき、ボードパラメーター値が値、例えば、クラスターの平均値を指定し得る。これは品質スクリーニングに非常に有益な技術であるが、統計上有意な結果を得るのに非常に大きいデータベースを必要とする。（II）較正モデルの適用による測定較正モデルが一旦開発されると、未知の値の測定が（Ｉ．ａ）に合致して吸収または透過スペクトルを記録することにより行い得る。それにより得られたスペクトル生データを（Ｉ．ｂ）に従って処理し、必要により（Ｉ．ｃ）に従って処理されたスペクトルデータについてデータ分析を行い、そして開発された較正モデルをそれにより得られたデータに適用する。本発明が実施例により今説明される。５種の試験ボードを異なる粒子組成を有するが、同じ接着剤レシピを有する実験でつくった。３種の異なるエージ（古い、３ケ月、及び新鮮）の３種の異なる生粒子を使用した。それらを乾燥させ、実験室で表面及びコア粒子に篩分けた。夫々のエージは一つの試験ボードに相当し、第四試験ボードは３種のその他の混合物に相当した。第五試験ボードは商用製造からの表面及びコア粒子を有する基準サンプルである。ボードの粒子混合物を下記の表Ｉに示す。夫々のサンプルの含水量は通常の方法に従って分析されていた。粒子の夫々の型に関するＮＩＲ測定をスウェーデン、ナッカにあるAKZO NOBEL Analyscentrumで行った。使用した装置はドリフトセルを備えたＦＴ−ＮＩＲ装置Bomem 160 であった。粒子をビーカーに入れ、サンプルを１０００−２５００ｎｍで１６回／スペクトルでスキャンした。完全ボードについて既知技術に従って行った測定に加えて、デシケーターリッドによる放出測定（以下に報告されるようなＥＸＳ方法）をまた試験し、そしてまたボードをボックスに入れ、空気をボードを通って吸引する方法（以下に報告されるようなＢＯＸ方法）で試験した。結果をホルムアルデヒドについてモニター、Interscans直接装置で示した。プラント中のオン−ライン方法に最も近似する測定を、デシケーターリッド中の空気が３０℃の温度を有する時に冷却生ボードについて行い、ホルムアルデヒド測定オン−ラインがチャンバー値と良く相関関係があるか否かの情報を与えるべきである。前記測定の結果を下記の表 IIに示す。多変量データに関するシリアスプログラムを使用して基準化ＮＩＲスペクトルからの更なる情報を得た。粒子変数並びにボード変数に関する応答モデルを６ＰＬＳ成分でつくった。応答モデルを、Ｙ＝ＫＸ＋Ｍ、即ち、通常のＸ −Ｙ座標系中の直線を記載する式として表すことができた。式中、Ｙは予想パラメーターであり、Ｘは実際に測定されたパラメーターであり、Ｋは応答モデルに関する相関定数（直線の傾きを示す）であり、かつＭはＹ軸によるその直線の中断、即ち、Ｘがモデル中で０の値を有する時にＹがとる値である。理想の応答モデルについて、Ｋは１であり、かつＭは０である。異なる測定に関するＫ及びＭの値を、実際の値とのモデルの相関関係（これは理想のモデルについて１である）、及び平均予想誤差と一緒に表III に示す。表面及びコア粒子について行った多波長分光分析法、続いてスペクトルデータの線形化及び多変量データ評価（ＰＬＳアルゴリズム）を使用してボードパラメーター値を測定した。基準サンプルは表に報告されるように異なる源からの合計１０種のサンプルからなり、それにより異なるパラメーターを有していた。サンプルは０．９〜２．３％の含水量まで乾燥されており、表面及びコア粒子に篩分けられていた。表面粒子フラクション：（０．５−２ｍｍ）コア粒子フラクション：（２−８ｍｍ）２×４の三層ボードを含む一つの試験を夫々の組成物について行い、同様に等しい部数の３種の組成物の混合物を用いて試験を行った。表面及びコア基準粒子を用いる一つの試験を行った。Casco Products AB からの尿素−ホルムアルデヒド樹脂UF 1155 を全ての試験に使用した。ボードの四つをチャンバーボードに組み合わせた。放出測定をデシケーターリッド並びにボックス中のボードの空気吸引で行った。夫々の試験に関する完全ボード試験をチャンバー試験後に行った。下記の略号を表に使用する。Dens ．密度IB 内部結合TSW 24 h 厚さ膨大ABS 24 h 吸収PB 透過性、ｃｍ／分PV パーホレータ値photom．、ｍｇＨＣＨＯ／１００ｇREM 迅速放出方法、ｍｇＨＣＨＯ／リットルEm.kam 排出チャンバー、ｍｇＨＣＨＯ／ｍ³ EXS 30 ℃ ボードに対し離れてテープを有する、デシケータリッド０．８２ｄｍ²。３リットルの空気を毎分ボード上で吸引した。新たに生ボードをプレスした。温度３０℃。EXS 23 ℃ ボードに対し離れてテープを有する、デシケータリッド０．８２ｄｍ²。３リットルの空気を毎分ボード上で吸引した。新たに生ボードをプレスした。温度２３℃。EXS 1d ボードに対し離れてテープを有する、デシケータリッド０．８２ｄｍ²。３リットルの空気を毎分ボード上で吸引した。ボードをこすった。１日。Box 4d ボード４．８ｄｍ²中を吸引した空気、５１／分。ボードをこすり、端部をテープでとめた、４日。Box 12d ボード４．８ｄｍ²中を吸引した空気、５１／分。ボードをこすり、端部をテープでとめた、１２日。Box 27d ボード４．８ｄｍ²中を吸引した空気、５１／分。ボードをこすり、端部をテープでとめた、２７日。Box k-sk ボード４．８ｄｍ²中を吸引した空気、５１／分。ボードをこすり、端部をテープでとめ、チャンバー中で試験したボードについて測定。表III からわかるように傾きＫ及び相関関係は１の理想値に全て非常に近似している。殆どの切片Ｍは０の理想値に非常に近似しており、密度のパラメーターが例外である。しかしながら、その場合、測定されたボードの実際の値は745 から760 までの範囲であったことが注目されるべきであり、発散が実際の値に関して実際に小さく見られたことを示し、これはまたその場合の小さい平均予想誤差により反映される。

【手続補正書】特許法第１８４条の８第１項【提出日】１９９７年７月１０日【補正内容】グステーション変数、例えば、体積重量、厚さ等；プレ−プレス変数、例えば、プレス時間及び温度；ホット−プレス変数、例えば、プレス時間、圧力、温度；冷却変数、例えば、温度；及びサンディング変数、例えば、表面の細かさである。第４８回Appita Annual General Conference（１９９４年５月２−６日、オーストラリア、メルボルンにて開催）からの議事において、Meder らは”Predicti on of wood chip and pulp and paper properties via multivariate analysis of spectral data”という論文（479-484頁）を披露した。論文の最終的な部分（484頁）によれば、Meder らは木材チップの科学組成を予測するのに（即ち、正確にいえばスペクトルから前記組成を決定するのに）、また、（論文中に明確に示されているように、非常に成功したわけではなかったが）いくつかのクラフト及びＴＭＰパルプの物性及び紙の特性を予測することを試みて、ＦＴＩＲ、ＮＩＲ及びＮＭＲスペクトルのＰＣＲ分析を用いた。しかしながら、この論文は、木材をベースとするパネルの製造工程への木材原料流から製造される、木材をベースとするパネルの定性または定量方法を示唆しておらず、そのような工程におけるプロセス変数の制御方法も同様である。科学雑誌“Holz als Rohund Werkstoff 50（1992）p25-28”中の論文に、Niem z らは、ボードの品質が樹脂固形分及び広葉樹／針葉樹の関係により影響されると記述している。Niemz らはチップにある尿素−ホルムアルデヒド樹脂の部分及び広葉樹対針葉樹の混合比を定量するためにＮＩＲ分光分析を使用する。行われる試験の目的は、そのプロセスが接着されたソーダストに尿素−ホルムアルデヒドを与え、かつ広葉樹／針葉樹混合比を得るのに適するかどうかを証明することである。また、前記論文に、ＮＩＲ技術が木材水分のオン−ライン及びオフ−ライン調節のため、また薬品及び農業製品の分析のために線形多重回帰と組み合わせて使用し得ることが記述されている。更に、食品及び飼料の定量分析に関するNorris 1962はＮＩＲを数学−統計学的方法（ケモメトリクス）（これは古典的化学において定量分析に使用されていた）と組み合わせたことが記述されている。同雑誌p73-78のKniestによる別の論文に、ソーダスト−接着剤混合物が線形多重回帰と組み合わせたＮＩＲ分光分析により特性決定されている。しかしながら、p77、項目３、第二節に、未接着サンプルの測定が夫々のボードのプロセスモデル化に必要なデータ配分のために可能ではないことが記述されている［Zur Du rchfuhrung o.g．Industrieversuche ist die Messung der Zugehorigen unbele imten Probe aufgrund der fur die Prozessmodellierung notwendigen Datenzu ordnung zur jeweiligen Spanp1atte nicht moglich.］。当業者は未接着粒子からボードの性質を予測することを可能と考えておらず、また製造されたボードから非破壊方法でこのような性質をすることを可能と考えていなかったことが前記文献から明らかであり、ボードを特性決定するパラメーターの測定方法の開始時に有効なオン−ライン、イン−ラインまたはアット−ライン方法を見出すという問題が未解決のままであった。ボードの性質を特定する関連パラメーターは、例えば、密度及び密度プロフィ請求の範囲１．木材をベースとするパネルの製造方法に流入する木材原料から製造された木材をベースとするパネルのパラメーターの定性または定量測定方法であって、その方法が −木材原料または木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析し、そして −前記スペクトルデータを１０％未満の含水量を有する基準木材原料または基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータと比較することを含み、その基準スペクトルデータが多変量分析により前記基準木材原料から製造された木材をベースとするパネルの既知パラメーターまたは前記基準木材をベースとするパネルの既知パラメーターに対し較正されていたことを特徴とする測定方法。２．その方法が −木材原料または木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析し、 −前記スペクトルデータをプロセス変数との組み合わせにリンクし、そして −前記組み合わせを、１０％未満の含水量を有する基準木材原料または基準木材をベースとするパネルから前記分光測定方法により得られた、基準スペクトルデータを基準プロセス変数とリンクすることにより得られた基準組み合わせと比較することを含み、その基準組み合わせが多変量分析により前記基準木材原料から製造された木材をベースとするパネルの既知パラメーターまたは前記基準木材をベースとするパネルの既知パラメーターに対し較正されていたことを特徴とする請求の範囲第１項に記載の方法。３．−木材原料が分析され、 −そのスペクトルデータが基準木材原料から得られる基準スペクトルデータと比較され、その基準スペクトルデータが前記基準木材原料から製造された木材をベースとするパネルの既知パラメーターに対し較正されていたことを特徴とする請求の範囲第１項に記載の方法。４．−木材原料が分析され、 −そのスペクトルデータが基準木材をベースとするパネルから得られる基準スペクトルデータと比較され、その基準スペクトルデータが多変量分析により前記基準木材をベースとするパネルの既知パラメーターに対し較正されていたことを特徴とする請求の範囲第１項に記載の方法。５．木材をベースとするパネルがボードであることを特徴とする先の請求の範囲に記載の方法。６．ボードがパーティクルボードであることを特徴とする請求の範囲第５項に記載の方法。７．（Ｉ）（Ｉ．ａ）基準木材原料または基準木材をベースとするパネルの基準サンプルの基準スペクトル生データを分光測定方法により記録し、（Ｉ．ｂ）基準スペクトル生データを処理してノイズを減少し、ドリフト及び拡散光散乱について調節し、（Ｉ．ｃ）多変量分析を含むデータ分析を行うことにより処理された基準スペクトルデータを基準サンプルの既知パラメーターで較正することにより較正モデルを開発し、そして（II）未知のパラメーターを有する木材原料または木材をベースとするパネルのサンプルのスペクトル生データを前記分光測定方法により記録し、それにより得られたスペクトル生データを処理してノイズを減少し、ドリフト及び拡散光散乱について調節し、そして未知のパラメーターを測定するために開発された鮫正モデルを処理されたスペクトルデータに適用することを特徴とする請求の範囲第１項に記載の方法。８．（Ｉ．ｃ）において、多変量分析が処理された基準スペクトルデータを潜在変数に移すことを含み、かつ（II）において、処理されたスペクトルデータを（Ｉ．ｃ）のように潜在変数に移し、かつ未知のパラメーターを測定するために、開発された較正モデルを潜在変数に適用することを特徴とする請求の範囲第７項に記載の方法。９．分光測定方法が吸収、反射、放出または透過分光測定方法であることを特徴とする請求の範囲第７項または第８項に記載の方法。１０．木材原料または木材をベースとするパネル及び基準木材原料または基準木材をベースとするパネルを８％未満、好ましくは４％未満の含水量まで乾燥することを特徴とする請求の範囲第１項に記載の方法。１１．木材原料が表面もしくはコア粒子、またはその両方を含むことを特徴とする請求の範囲第１項に記載の方法。１２．分光測定方法がＮＩＲ分光測定方法であることを特徴とする請求の範囲第１項に記載の方法。１３．測定すべきボードパラメーターが密度、密度プロフィール、内部結合、厚さ膨大、吸収値、透過性値、パーホレータ値、及び排出チャンバー値から選ばれることを特徴とする請求の範囲第１項に記載の方法。１４．多変量分析が主成分分析（ＰＣＡ）、部分最小自乗回帰（ＰＬＳ）、主成分回帰（ＰＣＲ）、多線形回帰分析（ＭＬＲ）及び判別分析から選ばれることを特徴とする請求の範囲第１項に記載の方法。１５．使用される多変量分析が部分最小自乗回帰（ＰＬＳ）であることを特徴とする請求の範囲第１４項に記載の方法。１６．木材をベースとするパネルの製造方法に流入する木材原料から製造された木材をベースとするパネルのパラメーターに影響するプロセス変数の制御方法であって、それが −木材原料または木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析する工程、及び −前記スペクトルデータを既知のプロセス変数で前記方法中でつくられた基準木材原料または基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータと比較する工程を含み、前記基準パネルが１０％未満の含水量を有し、前記基準木材をベースとするパネルのパラメーターが知られており、その基準スペクトルデータが多変量分析により前記既知のプロセス変数に対し較正されていたことを特徴とする制御方法。１７．−前記スペクトルデータが基準木材原料または木材をベースとするパネルの基準製造方法で前記基準木材原料から製造された基準木材をベースとするパネルから得られる基準スペクトルデータと比較され、その基準スペクトルデータが前記基準方法に適用されたプロセス変数に対し較正されていたことを特徴とする請求の範囲第１６項に記載のプロセス変数の制御方法。１８．前記スペクトルデータが所望のパラメーターとの組み合わせにリンクされ、及び前記組み合わせが、基準木材原料または基準木材をベースとするパネルから得られた、基準スペクトルデータを前記基準木材原料または前記基準木材をベースとするパネルの既知パラメーターとリンクすることにより得られた基準組み合わせと比較され、その基準組み合わせが多変量分析により既知プロセス変数に対し較正されていたことを特徴とする請求の範囲第１６項に記載のプロセス変数の制御方法。１９．−前記木材原料が分析され、及び −前記組み合わせが、基準スペクトルデータを前記基準木材原料の既知パラメーターとリンクすることにより得られた基準組み合わせと比較されることを特徴とする請求の範囲第１８項に記載のプロセス変数の制御方法。２０．−前記木材をベースとするパネルが分析され、及び −前記組み合わせが、基準スペクトルデータを前記基準木材をベースとするパネルの既知パラメーターとリンクすることにより得られた基準組み合わせと比較されることを特徴とする請求の範囲第１８項に記載のプロセス変数の制御方法。【手続補正書】【提出日】１９９８年２月２０日【補正内容】（１）明細書第１２頁第４〜５行の「ボード変数と…明らかである。」を削除する。

───────────────────────────────────────────────────── フロントページの続き (81)指定国ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＫＥ，ＬＳ，ＭＷ，ＳＤ，ＳＺ，ＵＧ)，ＵＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＺ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，ＨＵ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，ＶＮ

Claims

【特許請求の範囲】１．木材をベースとするパネルの製造方法に流入する木材原料から製造された木材をベースとするパネルのパラメーターの定性または定量測定方法であって、その方法が −木材原料または木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析し、そして −前記スペクトルデータを１０％未満の含水量を有する基準木材原料または基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータと比較することを含み、その基準スペクトルデータが多変量分析により前記基準木材原料から製造された木材をベースとするパネルの既知パラメーターまたは前記基準木材をベースとするパネルの既知パラメーターに対し較正されていたことを特徴とする測定方法。２．その方法が −木材原料または木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析し、 −前記スペクトルデータをプロセス変数との組み合わせにリンクし、そして −前記組み合わせを、１０％未満の含水量を有する基準木材原料または基準木材をベースとするパネルから前記分光測定方法により得られた、基準スペクトルデータを基準プロセス変数とリンクすることにより得られた基準組み合わせと比較することを含み、その基準組み合わせが多変量分析により前記基準木材原料から製造された木材をベースとするパネルの既知パラメーターまたは前記基準木材をベースとするパネルの既知パラメーターに対し較正されていたことを特徴とする請求の範囲第１項に記載の方法。３．その方法が −木材原料をスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析し、そして −前記スペクトルデータを１０％未満の含水量を有する間に基準木材原料から前記分光測定方法により得られた基準スペクトルデータと比較することを含み、その基準スペクトルデータが多変量分析により前記基準木材原料から製造された木材をベースとするパネルの既知パラメーターに対し較正されていたことを特徴とする請求の範囲第１項に記載の方法。４．その方法が −木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析し、そして −前記スペクトルデータを１０％未満の含水量を有する間に基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータと比較することを含み、その基準スペクトルデータが多変量分析により前記基準木材をベースとするパネルの既知パラメーターに対し較正されていたことを特徴とする請求の範囲第１項に記載の方法。５．木材をベースとするパネルがボードであることを特徴とする先の請求の範囲に記載の方法。６．ボードがパーティクルボードであることを特徴とする請求の範囲第５項に記載の方法。７．（Ｉ）（Ｉ．ａ）基準木材原料または基準木材をベースとするパネルの基準サンプルの基準スペクトル生データを分光測定方法により記録し、（Ｉ．ｂ）基準スペクトル生データを処理してノイズを減少し、ドリフト及び拡散光散乱について調節し、（Ｉ．ｃ）多変量分析を含むデータ分析を行うことにより処理された基準スペクトルデータを基準サンプルの既知パラメーターで較正することにより較正モデルを開発し、そして（II）未知のパラメーターを有する木材原料または木材をベースとするパネルのサンプルのスペクトル生データを前記分光測定方法により記録し、それにより得られたスペクトル生データを処理してノイズを減少し、ドリフト及び拡散光散乱について調節し、そして未知のパラメーターを測定するために開発された較正モデルを処理されたスペクトルデータに適用することを特徴とする請求の範囲第１項に記載の方法。８．（Ｉ．ｃ）において、多変量分析が処理された基準スペクトルデータを潜在変数に移すことを含み、かつ（II）において、処理されたスペクトルデータを（Ｉ．ｃ）のように潜在変数に移し、かつ未知のパラメーターを測定するために、開発された較正モデルを潜在変数に適用することを特徴とする請求の範囲第７項に記載の方法。９．分光測定方法が吸収、反射、放出または透過分光測定方法であることを特徴とする請求の範囲第７項または第８項に記載の方法。１０．木材原料または木材をベースとするパネル及び基準木材原料または基準木材をベースとするパネルを８％未満、好ましくは４％未満の含水量まで乾燥することを特徴とする請求の範囲第１項に記載の方法。１１．木材原料が表面もしくはコア粒子、またはその両方を含むことを特徴とする請求の範囲第１項に記載の方法。１２．分光測定方法がＮＩＲ分光測定方法であることを特徴とする請求の範囲第１項に記載の方法。１３．測定すべきボードパラメーターが密度、密度プロフィール、内部結合、厚さ膨大、吸収値、透過性値、パーホレータ値、及び排出チャンバー値から選ばれることを特徴とする請求の範囲第１項に記載の方法。１４．多変量分析が主成分分析（ＰＣＡ）、部分最小自乗回帰（ＰＬＳ）、主成分回帰（ＰＣＲ）、多線形回帰分析（ＭＬＲ）及び判別分析から選ばれることを特徴とする請求の範囲第１項に記載の方法。１５．使用される多変量分析が部分最小自乗回帰（ＰＬＳ）であることを特徴とする請求の範囲第１４項に記載の方法。１６．木材をベースとするパネルの製造方法に流入する木材原料から製造された木材をベースとするパネルのパラメーターに影響するプロセス変数の制御方法であって、それが −木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析する工程、及び −前記スペクトルデータを既知のプロセス変数で前記方法中でつくられた基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータと比較する工程を含み、前記基準パネルが１０％未満の含水量を有し、前記基準木材をベースとするパネルのパラメーターが知られており、その基準スペクトルデータが多変量分析により前記既知のプロセス変数に対し較正されていたことを特徴とする制御方法。１７．木材をベースとするパネルの製造方法に流入する木材原料から製造された木材をベースとするパネルのパラメーターに影響するプロセス変数の制御方法であって、それが −木材原料または木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析する工程、及び −前記スペクトルデータを１０％未満の含水量を有する間に基準木材原料または木材をベースとするパネルの基準製造方法で前記基準木材原料から製造された基準木材をベースとするパネルから前記分光測定方法により得られた基準スペクトルデータと比較する工程を含み、その基準スペクトルデータが多変量分析により前記基準方法に適用されたプロセス変数に対し較正されていたことを特徴とする制御方法。１８．木材をベースとするパネルの製造方法に流入する木材原料から製造された木材をベースとするパネルのパラメーターに影響するプロセス変数の制御方法であって、それが −木材原料または木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析する工程、 −前記スペクトルデータを所望のパラメーターとの組み合わせにリンクする工程、及び −前記組み合わせを、１０％未満の含水量を有する基準木材原料または基準木材をベースとするパネルから前記分光測定方法により得られた、基準スペクトルデータを前記基準木材原料または前記基準木材をベースとするパネルの既知パラメーターとリンクすることにより得られた基準組み合わせと比較する工程を含み、その基準組み合わせが多変量分析により既知プロセス変数に対し較正されていたことを特徴とする制御方法。１９．木材をベースとするパネルの製造方法に流入する木材原料から製造された木材をベースとするパネルのパラメーターに影響するプロセス変数の制御方法であって、それが −木材原料をスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析する工程、 −前記スペクトルデータを所望のパラメーターとの組み合わせにリンクする工程、及び −前記組み合わせを、１０％未満の含水量を有する基準木材原料から前記分光測定方法により得られた、基準スペクトルデータを前記基準木材原料の既知パラメーターとリンクすることにより得られた基準組み合わせと比較する工程を含み、その基準組み合わせが多変量分析により既知プロセス変数に対し較正されていたことを特徴とする制御方法。２０．木材をベースとするパネルの製造方法に流入する木材原料から製造された木材をベースとするパネルのパラメーターに影響するプロセス変数の制御方法であって、それが −木材をベースとするパネルをスペクトルデータを与える分光測定方法により１０％未満の含水量を有する間に分析する工程、 −前記スペクトルデータを所望のパラメーターとの組み合わせにリンクする工程、及び −前記組み合わせを、１０％未満の含水量を有する基準木材をベースとするパネルから前記分光測定方法により得られた、基準スペクトルデータを前記基準木材をベースとするパネルの既知パラメーターとリンクすることにより得られた基準組み合わせと比較する工程を含み、その基準組み合わせが多変量分析により既知プロセス変数に対し較正されていたことを特徴とする制御方法。