KR101384638B1 - Estimation model of tread pattern regarding snow traction performance - Google Patents
Estimation model of tread pattern regarding snow traction performance Download PDFInfo
- Publication number
- KR101384638B1 KR101384638B1 KR1020120133856A KR20120133856A KR101384638B1 KR 101384638 B1 KR101384638 B1 KR 101384638B1 KR 1020120133856 A KR1020120133856 A KR 1020120133856A KR 20120133856 A KR20120133856 A KR 20120133856A KR 101384638 B1 KR101384638 B1 KR 101384638B1
- Authority
- KR
- South Korea
- Prior art keywords
- tire
- performance
- area
- snow
- value
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/02—Tyres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C25/00—Apparatus or tools adapted for mounting, removing or inspecting tyres
- B60C25/002—Inspecting tyres
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mechanical Engineering (AREA)
- Tires In General (AREA)
Abstract
Description
본 발명은 타이어 패턴 설계 변경 시 야기되는 슬롯(slot)과 사이프(sipe)의 면적 변화와 슬롯(slot)과 사이프(sipe)의 면적 변화가 야기시키는 타이어의 스노우 트랙션 힘(snow traction force)의 변화를 통계-회귀 분석을 통하여 규명하고, 이것을 통하여 연구 개발된 타이어 패턴 성능 예측 모델에 해당하는 트랙션 성능 지표를 연구 개발되고, 연구 개발된 트랙션 성능 지표(TPI, traction performance index)를 타이어의 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 201.9를 곱한 값(a)을 구하고, 타이어의 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 812.5 를 곱한 값(b)을 구하며, 상기 a 값에 b 값을 합한 값(c)하고, c 값에 24.8을 더한 스노우 트랙션 성능과 관련한 타이어 패턴 성능 예측 모델에 관한 것이다. According to the present invention, the change in the area of the slots and sipes caused by the change of the tire pattern design and the change in the snow traction force of the tires caused by the change of the area of the slots and the sipes are caused. The traction performance index corresponding to the tire pattern performance prediction model researched and developed through this statistical-regression analysis is developed and the traction performance index (TPI, traction performance index), which is researched and developed through the slot void region of the tire Is obtained by multiplying the total area of the tire by 201.9, a value obtained by multiplying the slot void area of the tire by the total area of the tire by 812.5, and the value of a by b. It relates to a tire pattern performance prediction model related to snow traction performance with the combined value (c) plus 24.8.
스노우 성능을 예측하는 방법은 크게 두 가지로 분류된다. 하나는 실제 환경을 잘 모사한 FEM 해석을 통하여 가상 현실에서 성능을 예측하는 방법이고, 다른 하나는 실험과 통계 분석을 통하여 스노우(Snow)성능에 지대한 영향을 미치는 주요 인자를 찾아내고, 이 인자들의 영향도를 규명함으로써, 실험식, 즉 예측 모델을 개발하고, 이 예측모델(실험식)을 통하여 성능을 예측하는 방법이다.There are two main ways to predict snow performance. One is to predict the performance in virtual reality through the FEM analysis that accurately simulates the real environment, and the other is to find the main factors that have a great influence on Snow performance through experiments and statistical analysis. By identifying the degree of influence, it is a method of developing an empirical formula, that is, a predictive model, and predicting performance through the predictive model.
전자는 정확도 측면에서 통계 분석을 통하여 개발된 예측 모델에 비하여 우수한 예측을 수행할 수는 있으나, 시간과 비용적인 측면에서 다소 비효율적이라는 단점을 가지고 있다. The former can perform better prediction than the predictive model developed through statistical analysis in terms of accuracy, but has the disadvantage of being inefficient in terms of time and cost.
반면, 통계적 타이어 패턴 성능 예측 모델은 시간적 효율이 높아, 타이어 설계 현장에서 광범위하게 사용되고 있다. On the other hand, statistical tire pattern performance prediction models have high time efficiency and are widely used in tire design sites.
이러한 통계적 예측 모델에는 GM과 Uniroyal에서 개발한 것들이 있다. 이 예측 모델들은 모두 Projected line density(이하 'PLD'라 한다)는 인자를 예측 인자로 활용한다. PLD란 도 1에서와 같이x축에 수직인 평면에 투영된 슬롯(slot)과 사이프(sipe)의 길이의 합을 패턴의 전체 면적으로 나눠준 값이다.These statistical prediction models include those developed by GM and Uniroyal. All of these predictive models use a factor of projected line density (hereinafter referred to as 'PLD') as a predictor. PLD is a value obtained by dividing the sum of the lengths of the slots and the sipes projected on a plane perpendicular to the x-axis by the total area of the pattern.
산출식은 아래 (1), (2)와 같다.
The calculation formula is as follows (1) and (2).
(1) Slot projected line density = (sum of slot length projected to plane A)/(Length x TDW)
(1) Slot projected line density = (sum of slot length projected to plane A) / (Length x TDW)
(2) Sipe projected line density = (sum of sipe length projected to plane A)/(Length x TDW)
(2) Sipe projected line density = (sum of sipe length projected to plane A) / (Length x TDW)
이 예측 모델들은 위 인자를 활용하여 아래의 실험식에 따라 타이어 패턴 성능 예측 값을 산출한다.These prediction models use the above factors to calculate the tire pattern performance prediction value according to the following equation.
이를 통하여 스노우 성능을 검토함으로써, 그 결과를 설계에 활용하는 방식으로 빠른 시간 안에 예측을 수행할 수 있다는 장점을 가지고 있다.
This has the advantage of being able to make predictions in a short time by reviewing snow performance and using the results in design.
TPI : traction performance index
TPI: traction performance index
하지만 위의 통계적 예측 모델들은 예측 정확도 면에서 개선이 필요한 실정이다.However, the above statistical prediction models need to be improved in terms of prediction accuracy.
특히, 아래의 예시와 같이 PLD는 동일 하지만 보니드(Void) 면적이 다른 타이어 패턴 간의 스노우 성능 차이를 변별하지 못하는 구조적인 문제점을 가지고 있다. In particular, as shown in the following example, the PLD has the same structural problem that cannot distinguish the snow performance difference between tire patterns having the same void area.
이것은 PLD를 인자로 활용하기 때문에 야기되는 문제로서, 예측력을 향상하여 실제 타이어 설계 단계에서 진보한 예측 도구로 활용하기 위해서는 새로운 인자를 발굴하고 그 인자들에 대한 기여 수준을 규명함으로써, 타이어 패턴 성능 예측 모델을 새롭게 구성할 필요가 있다.This is a problem caused by the use of PLD as a factor.In order to improve the predictive power and use it as an advanced prediction tool in the actual tire design stage, it is necessary to find a new factor and identify the contribution level to the factors, thereby predicting the tire pattern performance. You need to restructure your model.
본 발명이 해결하려는 트레드 패턴에 대한 스노우(Snow) 성능을 예측함에 있어서 실제 적용 사례를 보여주는 바와 같이 종래의 타이어 패턴 성능 예측 모델에서 패턴 간 우열을 전혀 설명하지 못하고 스노우 성능 예측을 하지 못하는데 반하여 연구 개발된 타이어 패턴 성능 예측 모델의 경우 예측 수준을 크게 향상시키는데 있다. As the present application shows a practical application in predicting snow performance for a tread pattern to be solved by the present invention, the conventional tire pattern performance prediction model does not explain the superiority between patterns at all and does not predict snow performance. In the case of the predicted tire pattern performance prediction model, the prediction level is greatly improved.
본 발명이 해결하려는 또 다른 과제는 슬롯(slot)과 사이프(sipe)의 면적을 바로 예측 모델에 대입하여 결과값을 산출할 수 있도록 함으로써, 예측 프로세스를 단축시키는데 있다.Another problem to be solved by the present invention is to shorten the prediction process by inserting the area of the slot and the sipe directly into the prediction model to calculate the result.
본 발명이 해결하려는 또 다른 과제는 타이어 패턴 성능 예측 모델의 설계 요소인 슬롯(slot)과 사이프(sipe)의 면적을 예측 인자로 직접 사용함으로써, 설계자가 타이어 패턴 설계 변경 시, 스노우(Snow) 성능 뿐만 아니라 타 성능에 대해서도 직관력을 가질 수 있어 전반적인 설계 능력 및 효율을 향상시키는데 있다.Another problem to be solved by the present invention is to directly use the area of the slot (slot) and the sipe (design element of the tire pattern performance prediction model) as a predictor, so that the snow performance when the designer changes the tire pattern design In addition, they can have intuition on other performances to improve overall design capability and efficiency.
본 발명 과제의 해결 수단은 타이어 패턴 설계 변경 시 야기되는 슬롯(slot)과 사이프(sipe)의 면적 변화와 슬롯(slot)과 사이프(sipe)의 면적 변화가 야기시키는 타이어 스노우 트랙션 힘(snow traction force)의 변화를 통계-회귀 분석을 통하여 규명하고, 이것을 통하여 연구 개발된 타이어 패턴 성능 예측 모델에 해당하는 트랙션 성능 지표를 연구 개발하고, 연구 개발된 트랙션 성능 지표(TPI, traction performance index)를 타이어의 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 201.9를 곱한 값('a'라 한다)을 구하고, 타이어 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 812.5 를 곱한 값('b'라 한다)을 구하며, 상기 a 값에 b 값을 합한 값('c'라 한다)하고, c 값에 24.8을 더한 스노우 트랙션 성능과 관련한 타이어 패턴 성능 예측 모델을 제공하는데 있다.The solution of the present invention is the tire snow traction force caused by the change of the area of the slot and the sipe and the change of the area of the slot and the sipe caused by the tire pattern design change. The change of) is identified through statistical-regression analysis, and through this, the traction performance index corresponding to the tire pattern performance prediction model developed and researched is developed, and the traction performance index (TPI, traction performance index) The slot void area divided by the entire area of the tire is multiplied by 201.9 (called 'a'), and the tire slot void area divided by the total area of the tire multiplied by 812.5 (called 'b'). It is to provide a tire pattern performance prediction model related to the snow traction performance of the sum of the value a and the value b and sum the value of b (called 'c') and add 24.8 to the value c.
본 발명의 또 다른 과제의 해결 수단은 연구 개발된 트랙션 성능과 관련한 타이어 패턴 성능 예측 모델을 수식으로 나타내면,
According to another aspect of the present invention, a tire pattern performance prediction model related to researched and developed traction performance may be represented by a formula.
TPI = 24.8 + 201.9 x (slot void area/total area) + 812.5 x (slot void area/total area) ------ (1)
TPI = 24.8 + 201.9 x (slot void area / total area) + 812.5 x (slot void area / total area) ------ (1)
와 같이 표시되는 스노우 트랙션 성능과 관련한 타이어 패턴 성능 예측 모델을 제공하는데 있다.The present invention provides a tire pattern performance prediction model related to snow traction performance.
본 발명은 트레드 패턴에 대한 스노우 성능을 예측함에 있어서 실제 적용 사례를 보여주는 바와 같이 종래의 타이어 패턴 성능 예측 모델에서 패턴 간 우열을 전혀 설명하지 못하고 스노우 성능 예측을 하지 못하는데 반하여 연구 개발된 타이어 패턴 성능 예측 모델의 경우 예측 수준을 크게 향상시킬 수 있는 유리한 효과가 있다. According to the present invention, the tire pattern performance prediction that has been researched and developed is not explained at all, and the prediction of snow performance is not explained at all in the conventional tire pattern performance prediction model as shown in the practical application in predicting snow performance on the tread pattern. The model has the beneficial effect of significantly improving the prediction level.
본 발명의 또 다른 효과는 슬롯(slot)과 사이프(sipe)의 면적을 바로 예측 모델에 대입하여 결과값을 산출할 수 있도록 함으로써, 예측 프로세스를 단축시킨 것이다.Another effect of the present invention is to shorten the prediction process by inserting the area of the slot and the sipe into the prediction model to calculate the result value.
본 발명의 또 다른 효과는 타이어 패턴 성능 예측 모델의 설계 요소인 슬롯(slot)과 사이프(sipe)의 면적을 예측 인자로 직접 사용함으로써, 설계자가 패턴 설계 변경 시, 스노우(Snow) 성능 뿐만 아니라 타 성능에 대해서도 직관력을 가질 수 있어 전반적인 설계 능력 및 효율을 향상시킬 수 있다. Another effect of the present invention is to directly use the area of the slot and the sipe, which is a design element of the tire pattern performance prediction model, as a predictor, so that when the designer changes the pattern design, the snow performance as well as Performance can also be intuitive, improving overall design capability and efficiency.
도 1은 슬롯과 사이프를 포함하는 타이어의 패턴을 도시한 것이다.
도 2는 GM 및 Uniroyal Formula사용시 스노우 트랙션 힘 성능 예측을 도시한 것이다.
도 3은 타이어의 스노우 트랙션 힘을 발생시키는 원리를 나타낸 것이다.
도 4는 GM, Uniroyal 및 본 발명의 Formula사용하여 스노우 트랙션 힘 성능 예측을 도시한 것이다.
도 5는 GM과 본 발명에 따른 스노우 트랙션 힘을 예측결과를 그래프로 도시한 것이다.
도 6은GM, Uniroyal 및 본 발명의 Formula사용하여 스노우 트랙션 힘 성능 예측을 그래프와 데이터로 나타낸 것이다.
도 7은 본 발명에 따른 스노우 타이어 패턴 성능 예측 모델이 타이어 패턴 설계 단계에서 활용할 수 있음을 나타낸 것이다
도 8은 본 발명에 따른 스노우 타이어 패턴 성능 예측 모델을 적용 시, 패턴 설계 시 필요한 검토 항목을 간소화할 수 있은 나타낸 것이다. 1 shows a pattern of a tire comprising a slot and a sipe.
Figure 2 shows snow traction force performance prediction when using GM and Uniroyal Formula.
Figure 3 shows the principle of generating the snow traction force of the tire.
4 shows snow traction force performance prediction using GM, Uniroyal and the Formula of the present invention.
5 is a graph showing a prediction result of the snow traction force GM and the present invention.
6 is a graphical representation of snow traction force performance prediction using GM, Uniroyal and Formula of the present invention.
Figure 7 shows that the snow tire pattern performance prediction model according to the present invention can be utilized in the tire pattern design stage
8 is a view showing that when applying a snow tire pattern performance prediction model according to the present invention, the items required for reviewing the pattern can be simplified.
본 발명을 실시하기 위한 구체적인 내용에 대하여 살펴본다. Hereinafter, the present invention will be described in detail.
본 발명은 트레드 패턴에 대한 스노우(Snow) 성능을 예측하는 기술과 관련된 것으로서, 종래의 기술에서 제기된 예측력의 문제를 획기적으로 개선하였으며, 예측 시간에 대한 효율 또한 크게 향상시켰다. The present invention relates to a technique for predicting snow performance for a tread pattern, and significantly improves the problem of predictive power raised in the prior art, and also greatly improves efficiency for prediction time.
본 발명에서는 종래 기술의 근본적인 한계와 문제를 야기한 PLD라는 인자를 대체할 새로운 인자를 발굴하였으며, 이 새로운 인자가 스노우(Snow) 트랙션 성능에 기여하는 수준을 정량적으로 규명함으로써, 새로운 스노우 타이어 패턴 성능 예측 모델을 제시한다. In the present invention, a new factor was found to replace the PLD factor that caused the fundamental limitations and problems of the prior art, and by quantitatively identifying the level at which this new factor contributes to snow traction performance, new snow tire pattern performance prediction Present the model.
또한, 본 발명에 따른 통계적 스노우 타이어 패턴 성능 예측 모델이 가지는 장점인 예측 시간의 효율성 면에서도 종래의 기술에 비하여 상당 수준 효율성을 향상시켰으며, 이것은 패턴 설계에 사용되는 설계 요소인 슬롯(slot)과 사이프(sipe)의 면적을 직접 스노우 타이어 패턴 성능 예측 모델의 인자로 채택한 데서 기인한 것이다. In addition, the efficiency of the prediction time, which is an advantage of the statistical snow tire pattern performance prediction model according to the present invention, has been significantly improved compared to the prior art. This is due to the fact that the area of the sipe is directly adopted as a factor of the snow tire pattern performance prediction model.
종래의 스노우 타이어 패턴 성능 예측 모델은 슬롯(slot)과 사이프(sipe)로부터 각각의 PLD를 산출하고, 이것을 스노우 타이어 패턴 성능 예측 모델에 대입하여 스노우(Snow)성능 예측 값을 계산하는 프로세스를 거치는 반면, 본 발명은 슬롯(slot)과 사이프(sipe)의 면적을 바로 스노우 타이어 패턴 성능 예측 모델에 대입하여 결과값을 산출할 수 있도록 함으로써, 예측 프로세스를 단축시킨 것이다.The conventional snow tire pattern performance prediction model calculates each PLD from slots and sipes, and substitutes the snow tire pattern performance prediction model to calculate snow performance prediction values. The present invention shortens the prediction process by substituting the area of the slot and the sipe directly into the snow tire pattern performance prediction model to calculate the result value.
타이어가 스노우 트랙션 힘(Snow traction force)를 발생시키는 원리는 도3에서 보여주는 것과 같이 크게 네 가지로 정리된다. The principle that the tire generates the snow traction force is largely divided into four as shown in FIG.
첫째는 사이프(sipe)와 슬롯(slot)의 에지(edge)가 스노우(Snow)를 디깅(digging)하는 것에 의하여 발생하는 디깅력(digging force)인 FD이다.The first is FD, which is a digging force generated by the digging of snow by the edges of the sipes and slots.
둘째는 슬롯(slot)과 사이프(sipe)의 보이드에 침투한 스노우(Snow)의 전단 강성에 의한 전단력(shear force)인 FS이다.The second is FS, which is a shear force due to the shear stiffness of Snow that penetrated into the voids of slots and sipes.
셋째는 타이어와 스노우(Snow) 노면 간의 접촉면에서 발생하는 마찰력인 Fu이다.Third is Fu, a frictional force that occurs at the contact surface between the tire and the snow road.
마지막으로 넷째는 타이어가 회전하면서 스노우(Snow)을 압축시킬 때 발생하는 저항에 의한 FB이다.Finally, the fourth is the FB caused by the resistance that occurs when the tire compresses the snow as it rotates.
본 발명에서는 위 네 가지의 힘 중 타이어 패턴 형상에 의하여 발생되는 힘인 디깅력(digging force)과 전단력(shear force)에 주목한 것이다. In the present invention, the digging force and shear force, which are forces generated by the tire pattern shape, are noted.
이것은 타이어 패턴의 설계 변경(슬롯(slot)과 사이프(sipe)를 추가, 배치, 그리는 일련의 행위)은 디깅(digging)과 전단력(shear force)에 직접적인 영향을 준다.This changes the design of the tire pattern (the sequence of actions that adds, places, and draws slots and sipes) directly affects digging and shear forces.
또한, 이러한 힘들이 타이어가 발생시키는 스노우 트랙션 힘(snow traction force)의 상당 부분을 차지하고 있기 때문이다. In addition, these forces account for a significant portion of the snow traction force that the tire generates.
위의 원리에 착안하여 본 발명에서는 타이어 패턴 설계 변경 시 야기되는 슬롯(slot)과 사이프(sipe)의 면적 변화와 슬롯(slot)과 사이프(sipe)의 면적 변화가 야기시키는 타이어의 스노우 트랙션 힘(snow traction force)의 변화를 통계-회귀 분석을 통하여 규명하고, 이것을 통하여 본 발명에 따른 타이어 패턴 성능 예측 모델을 연구 개발한 것이다. In view of the above principle, in the present invention, the snow traction force of the tire caused by the change of the area of the slot and the sipe and the change of the area of the slot and the sipe caused by the tire pattern design change ( The change in snow traction force was investigated through statistical-regression analysis, and through this, the tire pattern performance prediction model according to the present invention was researched and developed.
본 발명에 의하여 연구 개발된 트랙션 성능(TPI) 예측 모델은 수식(1)과 같다.
The traction performance (TPI) prediction model researched and developed by the present invention is shown in Equation (1).
TPI = 24.8 + 201.9 x (slot void area/total area) + 812.5 x (slot void area/total area) -------------- (1)
TPI = 24.8 + 201.9 x (slot void area / total area) + 812.5 x (slot void area / total area) -------------- (1)
식 (1)에서 트랙션 성능 지표(TPI, traction performance index)는 타이어의 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 201.9를 곱한 값('a'라 한다)을 구하고, 타이어의 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 812.5 를 곱한 값('b'라 한다)을 구한다.In Equation (1), the traction performance index (TPI) is obtained by dividing the slot void area of the tire by the total area of the tire by multiplying 201.9 (called 'a'), and calculating the slot void area of the tire. Find the value divided by the total area of the tire multiplied by 812.5 (called 'b').
상기 a 값에 b 값을 합한 값('c'라 한다)하고, c 값에 24.8을 더하면 TPI 값이 된다. The value of a is the sum of the value of b (called 'c'), and 24.8 is added to the value of c to give a TPI value.
본 발명에 따른 스노우 타이어 패턴 성능 예측 모델의 연구 개발에 활용된 시편은 도4와 같으며, 시험은 북미 RSI 시험장에서 진행하였다. Specimens utilized in the research and development of the snow tire pattern performance prediction model according to the present invention is shown in Figure 4, the test was carried out at the North American RSI test site.
도 4와 도5에서의 예측 모델 간의 예측 값과 시험 결과 값과의 비교 및 도 5의 그래프를 통하여 알 수 있듯이 본 발명에 의하여 연구 개발된 예측 모델은 기존 예측 모델에 비하여 우수한 예측력을 보여주고 있다. As can be seen from the comparison between the predicted value and the test result value between the predictive models in FIGS. 4 and 5 and the graph of FIG. 5, the predictive model researched and developed by the present invention shows superior predictive power compared to the existing predictive model. .
다시 말해 도 4와 도5 를 통해서 알 수 있듯이, 본 발명에 따른 예측 모델이 종래의 예측 모델에 비하여 타이어 패턴 간 성능 차이를 잘 설명한다고 말할 수 있다. In other words, as can be seen from Figures 4 and 5, it can be said that the prediction model according to the present invention well describes the performance difference between the tire pattern compared to the conventional prediction model.
도6은 실제 타이어 패턴 개발 과정에 적용한 사례로서, 본 발명에 따른 타이어 패턴 성능 예측 모델을 통하여 예측력이 크게 향상되었음을 알 수 있다. Figure 6 is an example applied to the actual tire pattern development process, it can be seen that the predictive power is greatly improved through the tire pattern performance prediction model according to the present invention.
본 발명에 따른 타이어 패턴 성능 예측 모델은 타이어 패턴 설계 단계에서 도 7에서와 같이 활용할 수 있다.Tire pattern performance prediction model according to the present invention can be utilized as shown in Figure 7 in the tire pattern design step.
본 발명에 따른 타이어 패턴 성능 예측 모델을 통하여 스노우(Snow) 트랙션 성능에 대한 예측 정확도가 크게 향상되었기 때문에 본 발명에 따른 스노우(Snow) 타이어 패턴 성능 예측 모델을 통하여 얻은 예측 값과 타 성능과 관련한 예측 값들을 서로 비교함으로써, 설계 목적과 컨셉트에 부합하는 패턴 안을 선택하여 결정할 수 있다. Since the prediction accuracy of snow traction performance is greatly improved through the tire pattern performance prediction model according to the present invention, predictions related to the prediction value and other performance obtained through the snow tire pattern performance prediction model according to the present invention are predicted. By comparing the values with each other, you can select and decide within a pattern that matches your design goals and concept.
본 발명에 의해서 향상된 스노우 트랙션 성능 예측 능력은 타이어 패턴안 선정 과정에서 실패의 확률을 줄여, 잘못된 예측 수행으로 인하여 발생될 수 있는 일련의 설계 과정들을 차단할 수 있어, 설계 효율성을 크게 향상시킬 것으로 기대된다. Improved snow traction performance prediction by the present invention can reduce the probability of failure in the tire pattern selection process, it is possible to block a series of design processes that can occur due to the wrong prediction, it is expected to greatly improve the design efficiency .
또한, 본 발명에 따른 스노우 타이어 패턴 성능 예측 모델을 적용 시, 도 8에서와 같이 패턴 설계 시 필요한 검토 항목을 간소화할 수 있으므로 시간적 효율을 향상시킬 수 있다. In addition, when applying the snow tire pattern performance prediction model according to the present invention, it is possible to simplify the review items required when designing the pattern as shown in Figure 8 it is possible to improve the time efficiency.
앞서 기술한 바와 같이, 본 발명은 트레드 패턴에 대한 스노우(Snow) 트랙션 성능 예측을 함에 있어서 종래의 기술에서 제기된 예측력의 문제를 획기적으로 개선하므로 타이어의 스노우 트랙션 성능 예측력을 크게 향상시킬 수 있다.As described above, the present invention can greatly improve the snow traction performance predictability of the tire because it significantly improves the problem of the prediction power raised in the prior art in making snow traction performance prediction for the tread pattern.
실제 적용 사례를 보여주는 도 9그래프와 표에서와 같이 종래에 사용되었던 GM, Uniroyal 의 예측 모델에서는 패턴 간 우열을 전혀 설명하지 못하고 스노우(Snow) 성능 예측을 하지 못하는데 반하여 본 발명에 따른 스노우 타이어 패턴 성능 예측 모델은 상당히 높은 수준의 예측을 보여주고 있음을 알 수 있다.As shown in FIG. 9 graph and table showing actual application examples, the prediction model of GM and Uniroyal, which was used in the past, does not explain the superiority between patterns at all and does not predict Snow performance, whereas snow tire pattern performance according to the present invention is performed. It can be seen that the prediction model shows a fairly high level of prediction.
본 발명은 타이어 패턴 설계 변경 시 야기되는 슬롯(slot)과 사이프(sipe)의 면적 변화와 슬롯(slot)과 사이프(sipe)의 면적 변화가 야기시키는 타이어의 스노우 트랙션 힘(snow traction force)의 변화를 통계-회귀 분석을 통하여 규명하고, 이것을 통하여 연구 개발된 타이어 패턴 성능 예측 모델에 해당하는 트랙션 성능 지표를 개발하고, 연구 개발된 트랙션 성능 지표(TPI, traction performance index)를 타이어의 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 201.9를 곱한 값('a'라 한다)을 구하고, 타이어의 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 812.5 를 곱한 값('b'라 한다)을 구하며, 상기 a 값에 b 값을 합한 값('c'라 한다)하고, c 값에 24.8을 더한 스노우 트랙션 성능과 관련한 패턴 성능 예측 모델을 제공하여 프로세스 과정을 단축하고 스노우 트랙션 성능 예측을 크게 향상시킬 수 있으므로 산업상 이용가능성이 매우 높다.
According to the present invention, the change in the area of the slots and sipes caused by the change of the tire pattern design and the change in the snow traction force of the tires caused by the change of the area of the slots and the sipes are caused. The traction performance index corresponding to the tire pattern performance prediction model developed through the statistical-regression analysis was developed, and the traction performance index (TPI, traction performance index) was developed. Obtain the value divided by the total area of the tire multiplied by 201.9 (called 'a'), and the value of the slot void area of the tire divided by the total area of the tire multiplied by 812.5 (called 'b'), It provides a pattern performance prediction model related to snow traction performance by adding the value of a to the value of b (called 'c') and adding 24.8 to the value of c. So the design can greatly improve performance prediction is very high availability of the industry.
Claims (3)
타이어 슬롯과 사이프의 면적 변화와 슬롯과 사이프의 면적 변화가 야기시키는 타이어의 스노우 트랙션 힘의 변화를 타이어 패턴 성능 예측에 적용하되,
스노우 트랙션 성능과 관련한 타이어 패턴 성능 예측 모델은
타이어 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 201.9를 곱한 값을 구하는 제1단계;
타이어의 슬롯 보이드 영역을 타이어의 전체 영역으로 나눈 값에 812.5 를 곱한 값을 구하는 제2단계;
상기 제1단계에서 구한 값에 상기 제2단계에서 구한 값을 합한 값을 구하는 제3단계; 및
상기 제3 단계에서 구한 값에 24.8을 더한 값을 구하는 제4단계로 이루어진 스노우 트랙션 성능과 관련한 타이어 패턴 성능 예측 모델.In the tire pattern performance prediction model related to the snow traction performance,
Changes in the tire's snow traction force caused by changes in the area of the tire slots and sipes and in the area of the slots and sipes are applied to the prediction of tire pattern performance.
Tire pattern performance prediction model related to snow traction performance
Calculating a value obtained by dividing the tire slot void area by the entire area of the tire by multiplying 201.9;
Obtaining a value obtained by dividing the slot void area of the tire by the entire area of the tire by multiplying 812.5;
A third step of obtaining a value obtained by adding up the value obtained in the first step with the value obtained in the second step; And
A tire pattern performance prediction model related to snow traction performance, comprising a fourth step of obtaining a value obtained by adding 24.8 to the value obtained in the third step.
타이어 패턴 성능 예측 모델의 제1단계 내지 제4단계는
타이어 패턴 설계 변경 시 야기되는 슬롯과 사이프의 면적 변화와 슬롯과 사이프의 면적 변화가 야기시키는 타이어의 스노우 트랙션 힘의 변화를 통계-회귀 분석에 의하여 획득함을 특징으로 하는 스노우 트랙션 성능과 관련한 타이어 패턴 성능 예측 모델.The method according to claim 1,
Steps 1 through 4 of the tire pattern performance prediction model
Tire pattern related to snow traction performance, which is obtained by statistical-regression analysis of changes in the area of the slots and sipes caused by the change of the tire pattern design and changes in the snow traction force of the tires caused by the area of the slots and sipes. Performance prediction model.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120133856A KR101384638B1 (en) | 2012-11-23 | 2012-11-23 | Estimation model of tread pattern regarding snow traction performance |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120133856A KR101384638B1 (en) | 2012-11-23 | 2012-11-23 | Estimation model of tread pattern regarding snow traction performance |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101384638B1 true KR101384638B1 (en) | 2014-04-14 |
Family
ID=50657497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120133856A KR101384638B1 (en) | 2012-11-23 | 2012-11-23 | Estimation model of tread pattern regarding snow traction performance |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101384638B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6037095B2 (en) * | 1973-06-29 | 1985-08-24 | セルモン ソシエテ アノニム | Production method of piperazine substituted product |
| JP2001009838A (en) * | 1998-09-21 | 2001-01-16 | Bridgestone Corp | Method for designing pneumatic tire, method for designing mold for vulcanization of tire, manufacture of mold for vulcanization of tire, manufacture of pneumatic tire, optimization analysis apparatus, and storage medium storing optimization analysis program of tire |
| JP2006111168A (en) * | 2004-10-15 | 2006-04-27 | Bridgestone Corp | Method of predicting tire performance, method of simulating tire, tire performance predicting program, and recording medium |
| KR20120002031U (en) * | 2010-09-10 | 2012-03-20 | 금호타이어 주식회사 | Measuring System for Snow Traction of Tire |
-
2012
- 2012-11-23 KR KR1020120133856A patent/KR101384638B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6037095B2 (en) * | 1973-06-29 | 1985-08-24 | セルモン ソシエテ アノニム | Production method of piperazine substituted product |
| JP2001009838A (en) * | 1998-09-21 | 2001-01-16 | Bridgestone Corp | Method for designing pneumatic tire, method for designing mold for vulcanization of tire, manufacture of mold for vulcanization of tire, manufacture of pneumatic tire, optimization analysis apparatus, and storage medium storing optimization analysis program of tire |
| JP2006111168A (en) * | 2004-10-15 | 2006-04-27 | Bridgestone Corp | Method of predicting tire performance, method of simulating tire, tire performance predicting program, and recording medium |
| KR20120002031U (en) * | 2010-09-10 | 2012-03-20 | 금호타이어 주식회사 | Measuring System for Snow Traction of Tire |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106897109B (en) | Virtual machine performance prediction method based on random forest regression | |
| Wang et al. | Performance prediction for apache spark platform | |
| GB2521545B (en) | Analysis of enhanced oil recovery (EOR) processes for naturally-fractured reservoirs | |
| Aimene et al. | Modeling multiple hydraulic fractures interacting with natural fractures using the material point method | |
| CN106897544B (en) | Method of modeling oil and gas production from fractured unconventional formations | |
| US20140052419A1 (en) | Probability-based regenerator site analysis | |
| CN112765916A (en) | Generation method of post-simulation parameter netlist of integrated circuit | |
| Ostromsky et al. | Advanced sensitivity analysis of the Danish Eulerian Model in parallel and grid environment | |
| KR101384638B1 (en) | Estimation model of tread pattern regarding snow traction performance | |
| US8589844B2 (en) | Methods for analyzing design rules | |
| Liu et al. | Pre-layout wire length and congestion estimation | |
| CN116595918B (en) | Method, device, equipment and storage medium for verifying quick logical equivalence | |
| Van Steenkiste et al. | Sensitivity analysis of expensive black-box systems using metamodeling | |
| Tiryaki | Estimating rock cuttability using regression trees and artificial neural networks | |
| JP2006199155A (en) | Tire model creation method, creation device and tire model creation program | |
| JP5513200B2 (en) | How to create a tire model | |
| JP2007223504A (en) | Method and device for estimating tire performance, and storage medium | |
| JP4943893B2 (en) | Tire model creation method, tire model creation device, and tire model creation program | |
| JP2008296811A (en) | Rolling property predicting method for pneumatic tire | |
| JP2011201390A (en) | Tire performance prediction method and tire performance prediction device | |
| Park et al. | Routability prediction and optimization using explainable AI | |
| Sidharth et al. | Phase-field modeling of brittle fracture using automatically oriented exponential finite elements | |
| Zhao et al. | Carbon-Efficient Neural Architecture Search | |
| US10936777B1 (en) | Unified improvement scoring calculation for rebuffering an integrated circuit design | |
| Westra et al. | Global routing: Metrics, benchmarks, and tools |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20170329 Year of fee payment: 6 |