JPWO2018062398A1 - アルミニウム製品の特性予測装置、アルミニウム製品の特性予測方法、制御プログラム、および記録媒体 - Google Patents
アルミニウム製品の特性予測装置、アルミニウム製品の特性予測方法、制御プログラム、および記録媒体 Download PDFInfo
- Publication number
- JPWO2018062398A1 JPWO2018062398A1 JP2018542864A JP2018542864A JPWO2018062398A1 JP WO2018062398 A1 JPWO2018062398 A1 JP WO2018062398A1 JP 2018542864 A JP2018542864 A JP 2018542864A JP 2018542864 A JP2018542864 A JP 2018542864A JP WO2018062398 A1 JPWO2018062398 A1 JP WO2018062398A1
- Authority
- JP
- Japan
- Prior art keywords
- aluminum
- aluminum product
- characteristic
- parameters
- parameter
- 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.)
- Granted
Links
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 169
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims description 134
- 238000013528 artificial neural network Methods 0.000 claims abstract description 111
- 238000004519 manufacturing process Methods 0.000 claims abstract description 93
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims description 108
- 239000000463 material Substances 0.000 claims description 63
- 238000005096 rolling process Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 31
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 28
- 229910000838 Al alloy Inorganic materials 0.000 claims description 23
- 238000005266 casting Methods 0.000 claims description 14
- 229910052742 iron Inorganic materials 0.000 claims description 14
- 230000032683 aging Effects 0.000 claims description 12
- 238000000137 annealing Methods 0.000 claims description 12
- 238000009749 continuous casting Methods 0.000 claims description 12
- 238000007872 degassing Methods 0.000 claims description 12
- 238000005242 forging Methods 0.000 claims description 12
- QCWXUUIWCKQGHC-UHFFFAOYSA-N Zirconium Chemical compound [Zr] QCWXUUIWCKQGHC-UHFFFAOYSA-N 0.000 claims description 10
- 239000011888 foil Substances 0.000 claims description 10
- 238000000265 homogenisation Methods 0.000 claims description 10
- 229910052726 zirconium Inorganic materials 0.000 claims description 10
- 238000010309 melting process Methods 0.000 claims description 9
- 238000004381 surface treatment Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 7
- 229910052804 chromium Inorganic materials 0.000 claims description 7
- 239000011651 chromium Substances 0.000 claims description 7
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 claims description 7
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 claims description 6
- 238000002844 melting Methods 0.000 claims description 6
- 230000008018 melting Effects 0.000 claims description 6
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 3
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 claims description 3
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 3
- 238000010273 cold forging Methods 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000004512 die casting Methods 0.000 claims description 3
- 238000001192 hot extrusion Methods 0.000 claims description 3
- 229910052749 magnesium Inorganic materials 0.000 claims description 3
- 239000011777 magnesium Substances 0.000 claims description 3
- 229910052759 nickel Inorganic materials 0.000 claims description 3
- 229910052710 silicon Inorganic materials 0.000 claims description 3
- 239000010703 silicon Substances 0.000 claims description 3
- 239000010936 titanium Substances 0.000 claims description 3
- 229910052719 titanium Inorganic materials 0.000 claims description 3
- 239000011701 zinc Substances 0.000 claims description 3
- 229910052725 zinc Inorganic materials 0.000 claims description 3
- 238000007730 finishing process Methods 0.000 claims 2
- 238000001125 extrusion Methods 0.000 claims 1
- 239000000047 product Substances 0.000 description 93
- 238000004364 calculation method Methods 0.000 description 27
- 238000012360 testing method Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 24
- 239000000243 solution Substances 0.000 description 17
- 238000012795 verification Methods 0.000 description 13
- 229910045601 alloy Inorganic materials 0.000 description 9
- 239000000956 alloy Substances 0.000 description 9
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 6
- 230000004913 activation Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 229910052748 manganese Inorganic materials 0.000 description 6
- 239000011572 manganese Substances 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005097 cold rolling Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 239000013078 crystal Substances 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 238000001953 recrystallisation Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 229910018569 Al—Zn—Mg—Cu Inorganic materials 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000002244 precipitate Substances 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000035882 stress Effects 0.000 description 2
- 229910021365 Al-Mg-Si alloy Inorganic materials 0.000 description 1
- 229910018464 Al—Mg—Si Inorganic materials 0.000 description 1
- 229910017818 Cu—Mg Inorganic materials 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000006104 solid solution Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22F—CHANGING THE PHYSICAL STRUCTURE OF NON-FERROUS METALS AND NON-FERROUS ALLOYS
- C22F1/00—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working
- C22F1/04—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working of aluminium or alloys based thereon
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C23/00—Extruding metal; Impact extrusion
- B21C23/002—Extruding materials of special alloys so far as the composition of the alloy requires or permits special extruding methods of sequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D2/00—Arrangement of indicating or measuring devices, e.g. for temperature or viscosity of the fused mass
- B22D2/006—Arrangement of indicating or measuring devices, e.g. for temperature or viscosity of the fused mass for the temperature of the molten metal
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Materials Engineering (AREA)
- Thermal Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Continuous Casting (AREA)
Abstract
Description
本実施形態に係る特性予測装置1について、図1に基づいて説明する。図1は、特性予測装置1の要部構成を示すブロック図である。特性予測装置1は、アルミニウム(以下、アルミと記載)製品の製造条件を入力データとし、その製造条件にて製造されたアルミ製品が有する特性の予測値を示すパラメータ(以下、特性値と呼ぶ)を出力する装置である。
ニューラルネットワーク112の構成について図2に基づいて説明する。図2は、ニューラルネットワーク112の構成の一例を示す図である。図2のニューラルネットワーク112は、X1〜Xiのi個の入力データから、Z1〜Zkのk個の出力データを出力する。X1〜Xiは、アルミ製品の製造条件を示すパラメータであり、Z1〜Zkは特性値である。
ニューラルネットワーク112の計算方法について図3に基づいて説明する。図3は、ニューラルネットワーク112の計算方法を説明する図である。より詳細には、図3では、ニューラルネットワーク112に含まれる複数の階層のうち、階層(n−1)と階層(n)を示しており、このうち階層(n)のノードYj (n)における計算方法を示している。
学習部114は、ニューラルネットワーク112が学習データセット121を最もよく説明できるように、すなわち、出力層の値と学習データにおける特性値との差が最小となるように、ニューラルネットワーク112における全ての重みWを最適化する。
特性予測装置1は、アルミ製品の製造において生じる諸評価項目に関する特性値を出力することができる。例えば、アルミ製品の材料組織に関する特性値、アルミ製品の物性値、不良率、製造コスト等を示す特性値を出力することもできる。
<機械的性質を示す特性値>:引張強さ、耐力、破壊靭性
<外観不良を示す特性値>:結晶粒径または表面の目視評価の結果を示す値
<部分溶融を示す特性値>:表面欠陥数、伸び(部分溶融があることで影響を受ける因子)を示す値
<異方性を示す特性値>:耳率、0/45/90°の機械的性質の差分を示す値
<成形性を示す特性値>:伸びを示す値
<耐食性を示す特性値>:SCC(Stress Corrosion Cracking)破断時間、SWAT(Surface Water Absorption Test)試験結果を示す値
<表面特性を示す特性値>:表面欠陥数を示す値
<製造コストを示す特性値>:各工程に要したエネルギー量、時間、間接費などを示す値
アルミ製品がアルミ合金である場合、主要添加元素(合金成分)と、各製造工程における加工熱履歴が、材料組織に及ぼす影響が大きい。よって、アルミ合金の材料組織に関する特性値を予測する場合には、ニューラルネットワーク112に入力するパラメータとして、合金成分を示すパラメータと、各製造工程における加工熱履歴を示すパラメータとを用いることが望ましい。ニューラルネットワーク112に入力するパラメータを、合金成分を示すパラメータと加工熱履歴を示すパラメータに限定することにより、パラメータの種類を大幅に削減することができ、高速な学習と、予測精度の向上を図ることができる。
1パス目(1機目の圧延機):[入側温度、出側温度、板厚変化量、圧延速度]
2パス目(2機目の圧延機):[入側温度、出側温度、板厚変化量、圧延速度]
3パス目(3機目の圧延機):[入側温度、出側温度、板厚変化量、圧延速度]
4パス目(4機目の圧延機):[入側温度、出側温度、板厚変化量、圧延速度]
圧延後 :[冷却速度(温度、時間)]
なお、加工熱履歴を示すパラメータではないが、熱間仕上圧延工程に関するパラメータとしては、例えば、張力、コイルサイズ、クーラント量、および圧延ロール粗さ等が挙げられる。また、溶体化処理工程の加工熱履歴を示すパラメータとしては、例えば、昇温速度、保持温度、保持時間、冷却速度、および冷却遅れ時間等が挙げられる。
特性予測装置1により特性を予測することが可能なアルミ製品としては、例えば、アルミ鋳物材、アルミ板材(圧延材)、アルミ箔材、アルミ押出材、アルミ鍛造材等が挙げられる。これらのアルミ製品の製造工程には、下記のような工程が含まれるので、ニューラルネットワーク112に入力するパラメータとして、これらの製造工程の少なくとも何れか1工程における製造条件を示すパラメータを適用することが可能である。
<アルミ鋳物材>:溶解工程、脱ガス工程、連続鋳造工程、半連続鋳造工程、ダイキャスト工程
<アルミ板材(圧延材)>:溶解工程、脱ガス工程、鋳造工程、連続鋳造工程、均質化処理工程、熱間粗圧延工程、熱間仕上圧延工程、冷間圧延工程、溶体化処理工程、時効処理工程、矯正工程、焼鈍工程、表面処理工程
<アルミ箔材>:溶解工程、脱ガス工程、鋳造工程、連続鋳造工程、均質化処理工程、熱間粗圧延工程、熱間仕上圧延工程、冷間圧延工程、溶体化処理工程、時効処理工程、矯正工程、焼鈍工程、表面処理工程、箔圧延工程
<アルミ押出材>:溶解工程、脱ガス工程、鋳造工程、均質化処理工程、熱間押出工程、引き抜き工程、溶体化処理工程、時効処理工程、矯正工程、焼鈍工程、表面処理工程、切断工程
<アルミ鍛造材>:(アルミ鋳物材、アルミ圧延材、またはアルミ押出材を素材として)熱間鍛造工程、冷間鍛造工程、溶体化処理工程、時効処理工程、焼鈍工程
〔特定のアルミ製品において適用することが望ましいパラメータの例〕
特性を予測するアルミ製品が、熱処理型のアルミ合金である場合、溶体化処理後の室温保持時間を、ニューラルネットワーク112に入力するパラメータに含めることが好ましい。熱処理型のアルミ合金は、溶体化処理工程後の室温に応じて強度が変わるため、溶体化処理後の室温保持時間がパラメータとして重要であるからである。熱処理型のアルミ合金としては、例えば自動車ボディシート材として主に用いられる、Al−Mg−Si系合金が挙げられる。このAl−Mg−Si系合金(6000系アルミニウム合金)の他に、Al−Cu−Mg系合金(2000系アルミニウム合金)、Al−Zn−Mg−Cu系合金(7000系アルミニウム合金)等も熱処理型のアルミ合金である。
複数のパラメータ間に相関がある場合、それらのパラメータを集約してパラメータ数を減らしてもよい。例えば、何らかの加工プロセスにおけるパラメータの中に、加工前の寸法と加工後の寸法が含まれている場合、それらを加工度という一つのパラメータに集約してもよい。このような次元圧縮は、物理理論、経験則、およびシミュレーション計算などに基づいて行うことができる。
<材料温度、加工度、被加工材のサイズ、および加工設備のサイズを示す複数のパラメータ>:加工発熱量、および設備からの抜熱量を示すパラメータに集約
<合金成分、温度、および時間を示す複数のパラメータ>:固溶量、析出物の分散状態(数、サイズ、体積率)を示すパラメータに集約
<析出物の分散状態を示す複数のパラメータ>:再結晶抑止力を示すパラメータに集約
<加工度を示す複数のパラメータ>:転位密度というパラメータに集約
<転位密度、再結晶抑止力、温度、および時間を示す複数のパラメータ>:再結晶率というパラメータに集約
工業的な製造工程は複雑であり、上記のような関係性を見出すことは一般には容易ではないが、特性予測装置1を用いることで、これらの関係性を見出すことができる。
特性予測装置1が実行する学習処理について図4に基づいて説明する。図4は、学習処理の一例を示すフローチャートである。
最適な超パラメータは、学習等に用いるデータセットに応じて異なっているので、特性予測装置1に高精度な予測性能を発揮させるためには、超パラメータの最適化が必要である。以下、特性予測装置1が実行する最適化処理について図5に基づいて説明する。図5は、最適化処理の一例を示すフローチャートである。
特性予測装置1が実行する特性予測処理(特性予測方法)について図6に基づいて説明する。図6は、特性予測処理の一例を示すフローチャートである。なお、特性予測処理に使用するニューラルネットワーク112は、図4または図5の処理によって少なくとも学習が完了している。
特性予測装置1は、アルミ製品の製造条件を示すパラメータの一部が変化した場合に、特性値がどのように変化するかを示すデータを出力することもできる。この場合、データ取得部111は、アルミ製品の製造条件を示すパラメータの入力を受け付けると共に、変化させるパラメータ(以下、対象パラメータと呼ぶ)の指定を受け付ける。さらに、データ取得部111は、パラメータを変化させる範囲(上限値と下限値)の指定を受け付ける。
特性予測装置1は、ユーザが設定した製品特性を実現する製造条件を探索することもできる。この場合、データ取得部111は、特性値の条件の入力を受け付ける。
ニューラルネットワーク112の学習結果は、学習データセット121の条件範囲内から得ている。このため、ニューラルネットワーク112は、その条件から大きく外れる範囲については予測することができない。したがって、例えば上述の〔傾向探索〕のように、最大値と最小値の間から選択したパラメータを用いて計算したような場合、学習データセット121から外れたパラメータを選択してしまい、これにより信頼度が低い特性値が出力される可能性がある。
特性予測装置1が有する機能の一部を、特性予測装置1と通信可能な他の装置に持たせた特性予測システムによっても、特性予測装置1と同様の機能を実現できる。例えば、特性予測装置1と通信可能なサーバにニューラルネットワークを配置し、ニューラルネットワークによる計算はこのサーバに行わせてもよい。この場合、特性予測装置1は、ニューラルネットワーク112を備えている必要はない。また、例えば、誤差計算部113と学習部114を特性予測装置1と通信可能なサーバに配置して、このサーバに学習処理を行わせてもよい。同様に、評価部115と最適化部116を特性予測装置1と通信可能なサーバに配置して、このサーバに最適化処理を行わせてもよい。
特性予測装置1の制御ブロック(特に制御部11)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、CPU(Central Processing Unit)を用いてソフトウェアによって実現してもよい。
実施例1と同じ製造実績データを用い、重回帰分析にて特性予測を行った。具体的には、3600ロット分の製造実績データを用いた学習が完了した重回帰式を用いて、検定データから引張強さの予測を行った。結果は、表1に示すように、学習誤差が21.2%、検定誤差が58.9%であった。このように、比較例では、十分な予測精度が得られなかった。
〔まとめ〕
111 データ取得部
112 ニューラルネットワーク
116 最適化部
S21 データ取得ステップ
S23 出力ステップ
Claims (10)
- 所定の製造条件で製造された製品の特性を示す特性値を出力するアルミニウム製品の特性予測装置であって、
アルミニウム製品の製造条件を示す複数のパラメータを取得するデータ取得部と、
入力層と少なくとも1つの中間層と出力層とを含み、複数の上記パラメータを上記入力層への入力データとして、該パラメータが示す製造条件で製造されたアルミニウム製品の特性値を上記出力層から出力するニューラルネットワークと、を備えていることを特徴とするアルミニウム製品の特性予測装置。 - 上記ニューラルネットワークの超パラメータを複数通り決定し、決定した値に対応するニューラルネットワークの性能を示す評価値を比較して、特性値の予測に用いる超パラメータを決定する最適化部をさらに備えていることを特徴とする請求項1に記載のアルミニウム製品の特性予測装置。
- 上記アルミニウム製品は、アルミニウム鋳物材、アルミニウム圧延材、アルミニウム箔材、アルミニウム押出材、およびアルミニウム鍛造材、の何れかであり、
上記アルミニウム製品がアルミニウム鋳物材である場合、上記複数のパラメータには、溶解工程、脱ガス工程、連続鋳造工程、半連続鋳造工程、およびダイキャスト工程の少なくとも何れかにおける製造条件を示すパラメータが含まれ、
上記アルミニウム製品がアルミニウム圧延材である場合、上記複数のパラメータには、溶解工程、脱ガス工程、鋳造工程、連続鋳造工程、均質化処理工程、熱間粗圧延工程、熱間仕上圧延工程、冷間圧延工程、溶体化処理工程、時効処理工程、矯正工程、焼鈍工程、および表面処理工程の少なくとも何れかにおける製造条件を示すパラメータが含まれ、
上記アルミニウム製品がアルミニウム箔材である場合、上記複数のパラメータには、溶解工程、脱ガス工程、鋳造工程、連続鋳造工程、均質化処理工程、熱間粗圧延工程、熱間仕上圧延工程、冷間圧延工程、溶体化処理工程、時効処理工程、矯正工程、焼鈍工程、表面処理工程、および箔圧延工程の少なくとも何れかにおける製造条件を示すパラメータが含まれ、
上記アルミニウム製品がアルミニウム押出材である場合、上記複数のパラメータには、溶解工程、脱ガス工程、鋳造工程、均質化処理工程、熱間押出工程、引き抜き工程、溶体化処理工程、時効処理工程、矯正工程、焼鈍工程、表面処理工程、および切断工程の少なくとも何れかにおける製造条件を示すパラメータが含まれ、
上記アルミニウム製品がアルミニウム鍛造材である場合、上記複数のパラメータには、アルミニウム鋳物材、アルミニウム圧延材、またはアルミニウム押出材を素材として行われる、熱間鍛造工程、冷間鍛造工程、溶体化処理工程、時効処理工程、および焼鈍工程の少なくとも何れかにおける製造条件を示すパラメータが含まれることを特徴とする請求項1または2に記載のアルミニウム製品の特性予測装置。 - 上記複数のパラメータには、
上記アルミニウム製品における、鉄、けい素、亜鉛、銅、マグネシウム、マンガン、クロム、チタン、ニッケル、およびジルコニウムの少なくとも何れかの添加量を示すパラメータと、
上記アルミニウム製品の製造工程における加工熱履歴を示すパラメータと、が含まれており、
上記特性値は、上記アルミニウム製品の材料組織により支配的に決定される特性値である、ことを特徴とする請求項1から3の何れか1項に記載のアルミニウム製品の特性予測装置。 - 上記アルミニウム製品は、熱処理型のアルミニウム合金であり、
上記複数のパラメータには、溶体化処理後の室温保持時間を示すパラメータが含まれることを特徴とする請求項1から4の何れか1項に記載のアルミニウム製品の特性予測装置。 - 上記アルミニウム製品は、ジルコニウム、クロム、およびマンガンの少なくとも何れかを含む熱処理型のアルミニウム合金、または高強度鍛造材であり、
上記複数のパラメータには、ジルコニウム添加量を示すパラメータ、均質化処理の熱履歴を示すパラメータ、および溶体化処理の熱履歴を示すパラメータが含まれることを特徴とする請求項1から4の何れか1項に記載のアルミニウム製品の特性予測装置。 - 上記アルミニウム製品は、純度99.9%以上の高純度アルミニウムであり、
上記複数のパラメータには、鉄の添加量を示すパラメータが含まれることを特徴とする請求項1から4の何れか1項に記載のアルミニウム製品の特性予測装置。 - 所定の製造条件で製造された製品の特性を示す特性値を出力する特性予測装置を用いたアルミニウム製品の特性予測方法であって、
アルミニウム製品の製造条件を示す複数のパラメータを取得するデータ取得ステップと、
入力層と少なくとも1つの中間層と出力層とを含み、複数の上記パラメータを上記入力層への入力データとして、該パラメータが示す製造条件で製造されたアルミニウム製品の特性値を上記出力層から出力するニューラルネットワークによって算出された特性値を出力する出力ステップと、を含むことを特徴とするアルミニウム製品の特性予測方法。 - 請求項1に記載のアルミニウム製品の特性予測装置としてコンピュータを機能させるための制御プログラムであって、上記データ取得部および上記ニューラルネットワークとしてコンピュータを機能させるための制御プログラム。
- 請求項9に記載の制御プログラムを記録したコンピュータ読み取り可能な記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016194723 | 2016-09-30 | ||
JP2016194723 | 2016-09-30 | ||
PCT/JP2017/035248 WO2018062398A1 (ja) | 2016-09-30 | 2017-09-28 | アルミニウム製品の特性予測装置、アルミニウム製品の特性予測方法、制御プログラム、および記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018062398A1 true JPWO2018062398A1 (ja) | 2019-07-25 |
JP6889173B2 JP6889173B2 (ja) | 2021-06-18 |
Family
ID=61762639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018542864A Active JP6889173B2 (ja) | 2016-09-30 | 2017-09-28 | アルミニウム製品の特性予測装置、アルミニウム製品の特性予測方法、制御プログラム、および記録媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200024712A1 (ja) |
JP (1) | JP6889173B2 (ja) |
CN (1) | CN109843460A (ja) |
WO (1) | WO2018062398A1 (ja) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6703020B2 (ja) * | 2018-02-09 | 2020-06-03 | ファナック株式会社 | 制御装置及び機械学習装置 |
JP7197037B2 (ja) * | 2019-01-17 | 2022-12-27 | Jfeスチール株式会社 | 金属材料の製造仕様決定方法、製造方法、および製造仕様決定装置 |
JP7056592B2 (ja) * | 2019-01-17 | 2022-04-19 | Jfeスチール株式会社 | 金属材料の製造仕様決定方法、製造方法、および製造仕様決定装置 |
WO2020152750A1 (ja) * | 2019-01-21 | 2020-07-30 | Jfeスチール株式会社 | 金属材料の設計支援方法、予測モデルの生成方法、金属材料の製造方法、及び設計支援装置 |
JP7330712B2 (ja) * | 2019-02-12 | 2023-08-22 | 株式会社日立製作所 | 材料特性予測装置および材料特性予測方法 |
JP7281958B2 (ja) * | 2019-05-08 | 2023-05-26 | 株式会社Uacj | 特徴予測装置、製造条件最適化装置、特徴予測装置の制御方法、制御プログラム |
JP2020185573A (ja) * | 2019-05-10 | 2020-11-19 | オーエム金属工業株式会社 | 自動材料選択装置及び自動材料選択プログラム |
US11156991B2 (en) | 2019-06-24 | 2021-10-26 | Nanotronics Imaging, Inc. | Predictive process control for a manufacturing process |
CN110321658B (zh) * | 2019-07-10 | 2023-09-01 | 江苏金恒信息科技股份有限公司 | 一种板材性能的预测方法及装置 |
CN110378799B (zh) * | 2019-07-16 | 2022-07-12 | 东北大学 | 基于多尺度深度卷积网络的氧化铝综合生产指标决策方法 |
JP2021081930A (ja) * | 2019-11-18 | 2021-05-27 | 日本放送協会 | 学習装置、情報分類装置、及びプログラム |
JP7410379B2 (ja) * | 2019-11-27 | 2024-01-10 | 富士通株式会社 | 資源使用量予測方法および資源使用量予測プログラム |
EP3916667A1 (en) * | 2020-05-29 | 2021-12-01 | Fortia Financial Solutions | Real-time time series prediction for anomaly detection |
EP4166252A4 (en) * | 2020-06-15 | 2023-11-29 | JFE Steel Corporation | DEVICE FOR MEASURING MECHANICAL PROPERTIES, METHOD FOR MEASURING MECHANICAL PROPERTIES, SUBSTANCE PRODUCTION SYSTEM, SUBSTANCE MANAGEMENT METHOD AND SUBSTANCE PRODUCTION METHOD |
WO2021256443A1 (ja) * | 2020-06-15 | 2021-12-23 | Jfeスチール株式会社 | 機械的特性の計測装置、機械的特性の計測方法、物質の製造設備、物質の管理方法および物質の製造方法 |
JP7200982B2 (ja) * | 2020-09-14 | 2023-01-10 | Jfeスチール株式会社 | 材料特性値予測システム及び金属板の製造方法 |
JP7314891B2 (ja) * | 2020-09-14 | 2023-07-26 | Jfeスチール株式会社 | 鋼帯の製造方法 |
CN117043777A (zh) * | 2021-03-17 | 2023-11-10 | 株式会社力森诺科 | 材料特性预测方法和模型生成方法 |
JP7420157B2 (ja) * | 2021-03-23 | 2024-01-23 | Jfeスチール株式会社 | 圧延制御装置および圧延制御方法 |
JP2022190798A (ja) | 2021-06-15 | 2022-12-27 | トヨタ自動車株式会社 | 予測システム、予測方法及びプログラム |
JP2023000828A (ja) * | 2021-06-18 | 2023-01-04 | 富士フイルム株式会社 | 情報処理装置、情報処理方法及びプログラム |
TWI787940B (zh) * | 2021-08-04 | 2022-12-21 | 中國鋼鐵股份有限公司 | 加熱爐的爐溫設定值的優化方法 |
JP7493128B2 (ja) | 2021-08-19 | 2024-05-31 | Jfeスチール株式会社 | 操業条件提示方法および操業条件提示装置 |
TWI819578B (zh) * | 2022-04-20 | 2023-10-21 | 國立中央大學 | 多目標參數最佳化系統、方法及電腦程式產品 |
CN117548603A (zh) * | 2023-10-26 | 2024-02-13 | 武汉理工大学 | 一种基于铝合金成分的高性能锻造工艺 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0371907A (ja) * | 1989-05-02 | 1991-03-27 | Kobe Steel Ltd | 金属圧延形状調整装置 |
JPH05266227A (ja) * | 1992-03-19 | 1993-10-15 | Fujitsu Ltd | ニューロ利用サービス |
JPH083621A (ja) * | 1994-06-15 | 1996-01-09 | Nippon Steel Corp | 製鋼工程における溶鋼温度の調整方法 |
JPH08240587A (ja) * | 1995-03-03 | 1996-09-17 | Nippon Steel Corp | ニュ−ラルネットワ−クを用いた厚鋼板の材質予測方法 |
JPH09157808A (ja) * | 1995-12-06 | 1997-06-17 | Kobe Steel Ltd | アルミニウム合金材の高温強度予測方法及びその装置 |
JPH11501747A (ja) * | 1995-03-14 | 1999-02-09 | シーメンス アクチエンゲゼルシヤフト | ニューロン回路網の設計装置ならびにニューロン回路網 |
JPH11202903A (ja) * | 1998-01-07 | 1999-07-30 | Nippon Steel Corp | 製造プロセスの状態量推定方法 |
JP2000326051A (ja) * | 1999-05-20 | 2000-11-28 | Hitachi Metals Ltd | 鋳造方案設計方法及び鋳造方案設計システムならびに記録媒体 |
JP2001349883A (ja) * | 2000-06-09 | 2001-12-21 | Hitachi Metals Ltd | 金属材料の特性予測方法 |
JP2006095590A (ja) * | 2004-09-30 | 2006-04-13 | Honda Motor Co Ltd | アルミダイキャスト製品の鋳造条件の最適化方法 |
JP2007039714A (ja) * | 2005-08-01 | 2007-02-15 | Furukawa Sky Kk | 高温高速成形用アルミニウム合金板およびそれを用いた高温高速成形方法 |
JP2007070733A (ja) * | 2006-10-06 | 2007-03-22 | Sumitomo Chemical Co Ltd | 冷間加工材 |
JP2010106314A (ja) * | 2008-10-30 | 2010-05-13 | Jfe Steel Corp | 鋼製品の製造方法 |
JP2013053361A (ja) * | 2011-09-06 | 2013-03-21 | Furukawa-Sky Aluminum Corp | 耐熱強度に優れた飛翔体用アルミニウム合金 |
US20150356402A1 (en) * | 2014-06-04 | 2015-12-10 | GM Global Technology Operations LLC | Quick analysis of residual stress and distortion in cast aluminum components |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761423B (zh) * | 2013-12-31 | 2016-06-29 | 中南大学 | 一种基于pso-elm的热轧板材组织-性能预测方法 |
CN105404926B (zh) * | 2015-11-06 | 2017-12-05 | 重庆科技学院 | 基于bp神经网络与mbfo算法的铝电解生产工艺优化方法 |
-
2017
- 2017-09-28 CN CN201780060690.1A patent/CN109843460A/zh active Pending
- 2017-09-28 JP JP2018542864A patent/JP6889173B2/ja active Active
- 2017-09-28 WO PCT/JP2017/035248 patent/WO2018062398A1/ja active Application Filing
- 2017-09-28 US US16/337,980 patent/US20200024712A1/en active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0371907A (ja) * | 1989-05-02 | 1991-03-27 | Kobe Steel Ltd | 金属圧延形状調整装置 |
JPH05266227A (ja) * | 1992-03-19 | 1993-10-15 | Fujitsu Ltd | ニューロ利用サービス |
JPH083621A (ja) * | 1994-06-15 | 1996-01-09 | Nippon Steel Corp | 製鋼工程における溶鋼温度の調整方法 |
JPH08240587A (ja) * | 1995-03-03 | 1996-09-17 | Nippon Steel Corp | ニュ−ラルネットワ−クを用いた厚鋼板の材質予測方法 |
JPH11501747A (ja) * | 1995-03-14 | 1999-02-09 | シーメンス アクチエンゲゼルシヤフト | ニューロン回路網の設計装置ならびにニューロン回路網 |
JPH09157808A (ja) * | 1995-12-06 | 1997-06-17 | Kobe Steel Ltd | アルミニウム合金材の高温強度予測方法及びその装置 |
JPH11202903A (ja) * | 1998-01-07 | 1999-07-30 | Nippon Steel Corp | 製造プロセスの状態量推定方法 |
JP2000326051A (ja) * | 1999-05-20 | 2000-11-28 | Hitachi Metals Ltd | 鋳造方案設計方法及び鋳造方案設計システムならびに記録媒体 |
JP2001349883A (ja) * | 2000-06-09 | 2001-12-21 | Hitachi Metals Ltd | 金属材料の特性予測方法 |
JP2006095590A (ja) * | 2004-09-30 | 2006-04-13 | Honda Motor Co Ltd | アルミダイキャスト製品の鋳造条件の最適化方法 |
JP2007039714A (ja) * | 2005-08-01 | 2007-02-15 | Furukawa Sky Kk | 高温高速成形用アルミニウム合金板およびそれを用いた高温高速成形方法 |
JP2007070733A (ja) * | 2006-10-06 | 2007-03-22 | Sumitomo Chemical Co Ltd | 冷間加工材 |
JP2010106314A (ja) * | 2008-10-30 | 2010-05-13 | Jfe Steel Corp | 鋼製品の製造方法 |
JP2013053361A (ja) * | 2011-09-06 | 2013-03-21 | Furukawa-Sky Aluminum Corp | 耐熱強度に優れた飛翔体用アルミニウム合金 |
US20150356402A1 (en) * | 2014-06-04 | 2015-12-10 | GM Global Technology Operations LLC | Quick analysis of residual stress and distortion in cast aluminum components |
Non-Patent Citations (4)
Title |
---|
ビショップ C.M. CHRISTOPHER M. BISHOP, パターン認識と機械学習 上 初版 PATTERN RECOGNITION AND MACHINE LEARNING, vol. 第1版, JPN6020004764, 10 December 2007 (2007-12-10), ISSN: 0004325581 * |
ロサント シリル CYRILLE ROSSANT, IPYTHONデータサイエンスクックブック 初版 IPYTHON INTERACTIVE COMPUTING AND VISUALIZATION CO, vol. 第1版, JPN6020004766, 25 December 2015 (2015-12-25), pages 271, ISSN: 0004325582 * |
中島 伸一 SHINNICHI NAKAJIMA, 変分ベイズ学習 VARIATIONAL BAYESIAN LEARNING, JPN6020004769, 19 April 2016 (2016-04-19), pages 16 - 21, ISSN: 0004325583 * |
斎藤 康毅 KOUKI SAITOU, ゼロから作るDEEP LEARNING 初版 DEEP LEARNING FROM SCRATCH, vol. 第1版, JPN6020004770, 28 September 2016 (2016-09-28), pages 197 - 198, ISSN: 0004325584 * |
Also Published As
Publication number | Publication date |
---|---|
JP6889173B2 (ja) | 2021-06-18 |
CN109843460A (zh) | 2019-06-04 |
WO2018062398A1 (ja) | 2018-04-05 |
US20200024712A1 (en) | 2020-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6889173B2 (ja) | アルミニウム製品の特性予測装置、アルミニウム製品の特性予測方法、制御プログラム、および記録媒体 | |
Lin* et al. | Development of dislocation-based unified material model for simulating microstructure evolution in multipass hot rolling | |
CN104602830B (zh) | 材料组织预测装置、产品制造方法及材料组织预测方法 | |
Djavanroodi et al. | Artificial neural network modeling of ECAP process | |
Bakhtiari et al. | Modeling, analysis and multi-objective optimization of twist extrusion process using predictive models and meta-heuristic approaches, based on finite element results | |
JP6439780B2 (ja) | 電磁鋼板の磁気特性予測装置及び磁気特性制御装置 | |
JP5604945B2 (ja) | 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体 | |
Quan et al. | Artificial neural network modeling to evaluate the dynamic flow stress of 7050 aluminum alloy | |
US11803165B2 (en) | Manufacturing support system for predicting property of alloy material, method for generating prediction model, and computer program | |
GB2600213A (en) | Plate performance prediction method and apparatus | |
Su et al. | Physical-based constitutive model considering the microstructure evolution during hot working of AZ80 magnesium alloy | |
JP7390138B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Piot et al. | A semitopological mean-field model of discontinuous dynamic recrystallization: Toward a correct and rapid prediction of grain-size distribution | |
CN106067075B (zh) | 一种建筑用能负荷预测模型建立、负荷预测方法及其装置 | |
JP6978224B2 (ja) | 材料組織計算装置および制御プログラム | |
JP7438615B2 (ja) | 情報処理装置及びプログラム | |
CN114783540A (zh) | 一种基于粒子群优化bp神经网络的多元合金性能预测方法 | |
TWI778789B (zh) | 配方建構系統、配方建構方法、內儲程式之電腦可讀取記錄媒體與非暫時性電腦程式產品 | |
WO2019189455A1 (ja) | 製造方法、情報処理装置、関係式算出装置、および、製造システム | |
JP2002236119A (ja) | 鋼材の材質推定装置 | |
JP7281958B2 (ja) | 特徴予測装置、製造条件最適化装置、特徴予測装置の制御方法、制御プログラム | |
JP2019173096A5 (ja) | ||
Singarimbun | Adaptive Moment Estimation To Minimize Square Error In Backpropagation Algorithm | |
JP5423524B2 (ja) | 熱延コイルの製造条件決定装置および方法ならびに熱延コイルの製造方法 | |
JP2023039965A (ja) | 材料特性予測方法及びモデル生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190903 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190903 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190903 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190912 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191023 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191223 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20200212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200511 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20200511 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200511 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20200604 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20200609 |
|
C272 | Notice of ex officio correction |
Free format text: JAPANESE INTERMEDIATE CODE: C272 Effective date: 20200609 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20200814 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20200818 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20201013 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20210106 |
|
C19 | Decision taken to dismiss amendment |
Free format text: JAPANESE INTERMEDIATE CODE: C19 Effective date: 20210119 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20210119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210303 |
|
C302 | Record of communication |
Free format text: JAPANESE INTERMEDIATE CODE: C302 Effective date: 20210318 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20210323 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20210330 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20210511 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20210511 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210520 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6889173 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |