KR20230086762A

KR20230086762A - 예측 방법, 예측 장치

Info

Publication number: KR20230086762A
Application number: KR1020237016195A
Authority: KR
Inventors: 아츠히로 노다; 가즈시 호리에; 가오리 나카타니
Original assignee: 가부시키가이샤 닛폰 쇼쿠바이
Priority date: 2020-10-13
Filing date: 2021-10-12
Publication date: 2023-06-15
Also published as: JPWO2022080367A1; CN116368370A; WO2022080367A1; EP4231000A1; US20230375472A1

Abstract

수지 분말의 제조 공정에서, 근적외 흡수 스펙트럼으로부터 흡수성 수지 분말의 물성을 예측한다. 예측 장치(100)는, 근적외 측정 데이터를 취득하는 측정 데이터 취득부(11)와, 근적외 측정 데이터 및 근적외 측정 데이터에 기초하여 생성된 1 이상의 가공 데이터의 적어도 어느 것을 예측 모델에 입력하여, 해당 수지 분말의 물성에 관련된 예측 정보를 출력하는 예측부(13)를 구비한다.

Description

예측 방법, 예측 장치

본 개시는 흡수성 수지 분말의 물성을 예측하는 예측 방법 및 예측 장치에 관한 것이다.

흡수성 수지(Super Absorbent Polymer, 이하, 생략해서 「SAP」라고 기재함)는, 수팽윤성 및 수불용성을 갖는 수지이다. SAP는, 분말상(또는, 입자상)으로 하는 경우가 많다. 흡수성 수지의 성능으로서는, 흡수 배율(CRC), 하중하 흡수 배율(AAP), 흡수 속도, SFC(생리 식염수 흐름 유도성) 등이 알려져 있다. 사용하는 용도, 구체적으로는 사용하는 위생 재료의 종류나 구성에 따라, 요구되는 물성값 및 그 범위가 다르기 때문에, 최종 제품의 형태에 따라서 다종다양한 물성값을 나타내는 SAP가 요구되고 있다.

SAP 분말의 물성을 확인하기 위해서는, 각 물성 측정 항목마다 다른 측정 방법을 적용할 필요가 있고, 또한, 각 측정에는 소정의 시간을 요한다. SAP의 제조에 있어서, 각 공정의 SAP의 물성값을 실시간으로 파악하는 것이 곤란하므로, 스펙 아웃품을 생산할 우려가 있다. 즉, SAP의 제조 시의 수율 저하를 초래할 우려가 있다.

특허문헌 1에는, 흡수성 수지에 특정 라만 스펙트럼을 사용하여, 흡수성 수지의 물성을 예측하는 방법이 개시되어 있다.

국제 공개 제2020/109601호

라만 스펙트럼의 측정에서는, 특정 단일 파장을 대상 시료에 조사하여, 특정 범위의 파수의 산란광을 측정한다. 이러한 조사광의 특성으로부터, 라만 스펙트럼은, 측정 대상의 입자경에 의한 영향을 받기 어렵다. 이 때문에, 라만 스펙트럼은, 측정 대상의 입자경을 정확하게 측정하는 것에는 부적합하다.

이에 반해, 근적외 흡수 스펙트럼을 사용하는 방법은, 대상 시료에 근적외광(일반적으로는 파장 750nm 내지 2500nm)의 복수 파장 혹은 연속 스펙트럼을 조사하여, 투과, 흡수, 굴절, 반사, 확산된 광을 측정하기 때문에, 대상 시료의 입자경의 정보를 포함한 측정을 행할 수 있다. 또한, 라만 스펙트럼 측정 시에 비해서, 근적외광을 사용하는 경우는 넓은 파장 범위에서 측정할 수 있기 때문에, 대상 시료의 보다 정확한 평균 정보를 얻을 수 있다.

본 개시의 일 양태는, 흡수성 수지 분말의 제조 공정에서, 근적외 흡수 스펙트럼으로부터, 흡수성 수지 분말의 물성을 예측하는 것을 실현하는 것을 목적으로 한다.

상기 과제를 해결하기 위해서, 본 개시의 일 양태에 관한 예측 방법은, 수지 분말의 물성을 예측하는 방법이며, (주: 상기 수지 분말은, 흡수성 수지 분말 및 해당 흡수성 수지 분말을 제조하기 위한 제조 공정에서 생성되는 중간 생성물의 어느 것을 가리킴), 상기 수지 분말의 근적외 흡수 스펙트럼을 나타내는 근적외 측정 데이터를 취득하는 측정 데이터 취득 스텝과, 상기 근적외 측정 데이터 및 상기 근적외 측정 데이터에 기초해서 생성된 1 이상의 가공 데이터의 적어도 하나 이상을 예측 모델에 입력하여, 해당 수지 분말의 물성에 관련된 예측 정보를 출력하는 예측 스텝을 포함한다.

또한, 상기 과제를 해결하기 위해서, 본 개시의 일 양태에 관한 예측 장치는, 수지 분말의 물성을 예측하는 예측 장치이며, (주: 상기 수지 분말은, 흡수성 수지 분말 및 해당 흡수성 수지 분말을 제조하기 위한 제조 공정에서 생성되는 중간 생성물의 어느 것을 가리킴), 측정 데이터 취득부(상기 수지 분말에 대해서 측정된 근적외 흡수 스펙트럼을 나타내는 측정 데이터를 취득함)와, 예측부(상기 근적외 측정 데이터 및 상기 근적외 측정 데이터에 기초해서 생성된 1 이상의 가공 데이터의 적어도 어느 것을 예측 모델에 입력하여, 해당 수지 분말의 물성에 관련된 예측 정보를 출력함)를 구비한다.

본 개시의 일 양태에 의하면, 근적외 흡수 스펙트럼으로부터, 흡수성 수지 분말의 물성을 예측할 수 있다는 효과를 발휘한다.

도 1은 본 개시의 실시 형태 1에 관한 예측 장치를 구비하는 예측 시스템의 구성의 일례를 나타내는 블록도이다.
도 2는 예측 장치의 주요부 구성의 일례를 나타내는 기능 블록도이다.
도 3은 예측 장치가 행하는 처리의 흐름을 나타내는 흐름도이다.
도 4는 예측 모델을 생성하는 예측 장치의 주요부 구성의 일례를 나타내는 기능 블록도이다.
도 5는 근적외 측정 데이터의 데이터 구조를 도시하는 도면이다.
도 6은 물성 정보의 데이터 구조를 도시하는 도면이다.
도 7은 기계 학습을 실행하는 예측 장치가 행하는 처리의 흐름을 나타내는 흐름도이다.
도 8은 본 개시의 실시 형태 2에서의 예측 시스템의 일례를 나타내는 블록도이다.
도 9는 본 개시의 실시 형태 2에 관한 예측 장치가 취득하는 MAC 어드레스와, 근적외 분광 광도계의 대응을 나타내는 표이다.
도 10은 겔 D50의 실측값과 예측값의 상관을 나타내는 그래프이다.
도 11은 CRC의 실측값과 예측값의 상관을 나타내는 그래프이다.
도 12는 AAP의 실측값과 예측값의 상관을 나타내는 그래프이다.
도 13은 SFC의 실측값과 예측값의 상관을 나타내는 그래프이다.
도 14는 D50의 실측값과 예측값의 상관을 나타내는 그래프이다.
도 15는 함수율(고형분)의 실측값과 예측값의 상관을 나타내는 그래프이다.

〔실시 형태 1〕

이하, 본 개시의 실시 형태에 대해서 상세하게 설명한다.

(예측 시스템(1000)의 구성)

먼저, 본 개시의 일 실시 형태에 관한 예측 장치(100)를 구비하는 예측 시스템(1000)의 구성에 대해서 도 1을 사용해서 설명한다. 도 1은, 예측 시스템(1000)의 구성의 일례를 나타내는 블록도이다.

예측 시스템(1000)은, 예측 장치(100), 근적외 분광 광도계(3) 및 외부 장치(4)를 구비하고 있다.

예측 장치(100)는, CPU(1) 및 메모리(2)를 구비하고 있다. 예측 장치(100)는, 도 1에 도시하는 바와 같이, 근적외 분광 광도계(3) 및 외부 장치(4)와 통신 가능하게 접속되어 있어도 된다. 예측 장치(100)와 근적외 분광 광도계(3)의 사이의 통신은, 근거리 무선 통신, 유선 접속 및 인터넷 등의 네트워크를 통한 통신의 어느 것이어도 된다. 혹은, 예측 장치(100)와 근적외 분광 광도계(3)의 사이의 통신은, USB 단자 등의 커넥터로 직접 접속되는 구성이어도 된다. 예측 장치(100)와 외부 장치(4)의 사이의 통신도, 예측 장치(100)와 근적외 분광 광도계(3)의 사이의 통신과 마찬가지이다.

도 1에는, 예측 장치(100)와 통신 가능하게 접속되어 있는 근적외 분광 광도계(3) 및 외부 장치(4)가 각각 1개인 경우를 도시하고 있지만, 이것에 한정되지 않는다. 예측 장치(100)와 통신 가능하게 접속되어 있는, 근적외 분광 광도계(3) 및 외부 장치(4)는 각각 1개이어도 되고, 복수이어도 된다.

예측 장치(100)는, 근적외 분광 광도계(3)로부터 취득한 근적외 흡수 스펙트럼을 나타내는 근적외 측정 데이터, 및 근적외 측정 데이터에 기초하여 생성된 1 이상의 가공 데이터의 적어도 어느 것을 예측 모델에 입력하여, 수지 분말의 물성에 관련된 예측 정보를 출력한다. 본 명세서에서는, 「근적외 흡수 스펙트럼을 나타내는 측정 데이터」를, 단순히 근적외 흡수 스펙트럼(근적외 측정 데이터)으로 기재하는 경우가 있다.

근적외 분광 광도계(3)는, 수지 분말에 근적외선을 조사했을 때의, 해당 수지 분말로부터의 반사광 및 해당 수지 분말의 투과광을 측정하여, 해당 수지 분말의 근적외선 흡수 특성을 나타내는 근적외 흡수 스펙트럼을 산출하는 기기이다. 여기서, 근적외선이란, 750 내지 2500nm의 파장 영역을 갖고 있는 광이다. 근적외 흡수 스펙트럼에 대해서는 나중에 설명한다.

외부 장치(4)는, 예측 장치(100)로부터 출력된 예측 결과를 수신하는 임의의 장치이어도 된다. 일례로서, 외부 장치(4)는, 임의의 표시 장치이어도 되고, 수지 분말의 제조 공정을 관리하는 관리자가 사용하는 컴퓨터이어도 된다. 혹은, 외부 장치(4)는, 수지 분말의 제조 공정의 처리를 실행하는 어느 것의 제조 장치이어도 된다.

(예측 장치(100)의 구성)

이하에서는, 예측 모델(22)을 사용하여, 흡수성 수지 분말(이하, 단순히 「수지 분말」이라고 기재하는 경우가 있음)의 물성을 예측하는 예측 장치(100)의 구성에 대해서, 도 2를 사용해서 설명한다. 도 2는, 예측 장치(100)의 주요부 구성의 일례를 나타내는 기능 블록도이다.

여기서, 예측 모델(22)은, 하기 (1) 및 (2) 중 적어도 어느 것을 학습 데이터로서 사용한 기계 학습 처리에 의해 생성된 것이어도 된다.

(1) 과거에 제조된, 물성이 기지인 복수의 제조 완료된 수지 분말의 근적외 흡수 스펙트럼을 포함하는 근적외 측정 데이터와, 해당 근적외 측정 데이터에 대응지어져 있는 최종 생성물의 물성 정보의 조합.

(2) 각 제조 완료된 수지 분말을 제조하기 위한 제조 공정에서 생성된, 물성이 기지인 복수의 생성 완료된 중간 생성물의 근적외 흡수 스펙트럼을 포함하는 근적외 측정 데이터와, 해당 근적외 측정 데이터에 대응지어져 있는 중간 생성물의 물성 정보의 조합.

일례에 있어서, 학습 완료된 예측 모델(22)이, 예측 장치(100)에 미리 도입되어 있어도 된다. 혹은, 예측 장치(100)가, 상기 (1) 및 (2) 중 적어도 어느 것을 학습 데이터로서 사용한 기계 학습 처리를 행하는 기능을 더 구비하고 있어도 된다.

예측 장치(100)는, 이러한 기계 학습에 의해 생성된 예측 모델(22)을 사용함으로써, 근적외 흡수 스펙트럼으로부터, 해당 근적외 흡수 스펙트럼이 측정된 수지 분말의 물성을 정확하게 예측할 수 있다. 예측 모델(22)의 생성 방법에 대해서는 나중에 설명한다.

도 2에 도시하는 바와 같이, 예측 장치(100)는, 예측 장치(100)의 각 부를 통괄적으로 제어하는 제어부(10), 제어부(10)가 사용하는 각종 데이터를 기억하는 기억부(20), 및 외부 장치(4)에 예측 결과를 출력하기 위한 통신부(50)를 구비하고 있다. 제어부(10)는, 도 1의 CPU(1)에 대응하고 있고, 기억부(20)는, 도 1의 메모리(2)에 대응하고 있다.

통신부(50)는, 외부 장치(4)와의 데이터 통신을 행하기 위한 것이다. 예측 장치(100)와 외부 장치(4)의 사이의 통신은, 근거리 무선 통신, 유선 접속 및 인터넷 등의 네트워크를 통한 통신의 어느 것이어도 된다. 혹은, 예측 장치(100)와 외부 장치(4)가, USB 단자 등의 커넥터로 직접 접속되는 구성이어도 된다.

제어부(10)는, 측정 데이터 취득부(11) 및 예측부(13)를 구비하고 있다.

측정 데이터 취득부(11)는, 근적외 분광 광도계(3)로부터 근적외 흡수 스펙트럼을 취득한다. 측정 데이터 취득부(11)는, 취득한 근적외 흡수 스펙트럼을, 기억부(20)에 근적외 측정 데이터(도시하지 않음)로서 기억해도 된다. 또한 측정 데이터 취득부(11)는, 해당 근적외 측정 데이터로부터, 과거에 기억한 근적외 흡수 스펙트럼을 판독하여, 계속되는 예측에 사용해도 된다.

예측부(13)는, 근적외 흡수 스펙트럼을 후술하는 예측 모델(22)에 입력하고, 수지 분말의 물성에 관련된 예측 정보를 출력한다.

또한, 예측부(13)는, 근적외 흡수 스펙트럼에 기초하여, 1 이상의 가공 데이터를 생성해도 된다. 여기서, 가공 데이터란, 근적외 흡수 스펙트럼의 미가공(生) 데이터와 달리, 근적외 흡수 스펙트럼에 대하여 1 이상의 소정의 전처리를 실시한 데이터이다. 예측부(13)는, 측정 데이터 취득부(11)에 의해 취득된 근적외 흡수 스펙트럼에 대하여, 예측 모델(22)에 정해진 전처리를 행해도 된다(전처리 스텝). 전처리에는, 이하에 예를 드는 처리가 적어도 1개 포함된다.

·이상치 제거 처리

이상치 제거 처리는, 수지 분말의 복수 개소에서 측정된 근적외 흡수 스펙트럼을 서로 비교했을 때, 다른 근적외선 흡수 스펙트럼으로부터 유의미하게 벗어나 있는 근적외 흡수 스펙트럼을 검출하여, 해당 근적외 흡수 스펙트럼을 제거하기 위한 처리이다. 「수지 분말의 복수 개소에서 측정된」이란, 수지 분말을 포함하는 소정의 면적을 갖는 측정 대상 시료의 복수의 다른 영역에 측정광을 조사해서 측정한 것에 상당한다. 구체적인 이상치 검출 방법으로서, One Class 서포트 벡터 머신 처리(One Class SVM 처리), 마하라노비스 거리를 사용한 검출, LOF(Local Outlier factor, 국소 이상치 인자법), Tukey법, 최근접 이웃법 등을 들 수 있다.

·평균화 처리

평균화 처리는, 수지 분말의 복수 개소에서 측정된 복수의 근적외 흡수 스펙트럼으로부터, 1개의 평균 스펙트럼 데이터를 산출하는 처리이다.

·파장 선택 처리

파장 선택 처리는, 후술하는 예측 모델(22)에 입력하는 스펙트럼 데이터의 파장 범위를 선택하는 처리이다. 파장 범위 처리에서는, 예를 들어, 근적외 흡수 스펙트럼이 측정된 수지 분말마다 특징적인 흡수 패턴이 나타나 있는 파장 범위를 선택해도 된다.

·미분 처리

미분 처리는, 스펙트럼 데이터를 파장에 대해서 미분한 미분 데이터를 생성한다. 미분 데이터는, 스펙트럼 데이터를 파장에 대해서 1차 미분한 데이터, 및 2차 미분한 데이터를 포함하고 있어도 된다.

·베이스 라인 보정 처리

베이스 라인 보정 처리는, 수지 분말의 복수 개소에서 측정된 복수의 근적외 흡수 스펙트럼의 베이스 라인을 정렬시키는 처리이다.

위에서 예를 든 전처리는 일례에 지나지 않으며, 예측부(13)가 행하는 전처리는 이들에 한정되지 않는다. 예를 들어, 예측부(13)는, 근적외 흡수 스펙트럼에 대하여, 이하에 예를 드는 처리를 행해도 된다.

·평활화 처리(가중 이동 평균 처리, 평활화 스플라인 처리 등)

·차 스펙트럼 처리

·표준화 처리(SNV(Standard Normal Variate) 처리)

·다중 산란 보정 처리(MSC(Multiplicative Scatter Correction) 처리)

·주성분 분석(PCA)에 의한 차원 삭감

기타, 분류 및 클러스터링 등을 행해도 된다.

예측부(13)가 행하는 예측 방법에서는, 예를 들어, 수지 분말의 근적외 흡수 스펙트럼을 나타내는 근적외 측정 데이터를, 해당 수지 분말의 복수 개소에서 취득하고, 취득한 복수의 근적외 흡수 스펙트럼에 대하여 평균화 처리를 행하여, 평균 스펙트럼 데이터를 산출하는 평균화 스텝을 포함해도 된다. 예측 스텝에서, 해당 평균 스펙트럼 데이터가, 가공 데이터로서 예측 모델(22)에 입력되어도 된다. 또한, 평균화 스텝은, 예측 모델(22)에 의해 정해진 처리이어도 된다.

예측부(13)가 행하는 예측 방법에서는, 예를 들어, 예측 모델(22)에 입력하는 평균 스펙트럼 데이터의 파장 범위를 선택하는 파장 범위 선택 스텝을 더 포함해도 된다. 또한, 예측 스텝에서, 해당 파장 범위에서의 해당 평균 스펙트럼 데이터가, 가공 데이터로서 예측 모델(22)에 입력되어도 된다. 또한, 파장 범위 선택 스텝은, 예측 모델(22)에 의해 정해진 처리이어도 된다.

예측부(13)가 행하는 예측 방법에서는, 예를 들어, 상술한 파장 범위에서의 평균 스펙트럼 데이터를 파장에 대해서 미분한 미분 데이터를 생성하는 미분 데이터 생성 스텝을 더 포함해도 된다. 또한, 예측 스텝에서, 해당 미분 데이터가, 가공 데이터로서 예측 모델(22)에 입력되어도 된다. 또한, 미분 데이터 생성 스텝은, 예측 모델(22)에 의해 정해진 처리이어도 된다.

(예측 장치(100)가 행하는 처리)

이하, 예측 장치(100)가 행하는 처리에 대해서, 도 3을 사용해서 설명한다. 도 3은, 예측 장치(100)가 행하는 처리의 흐름을 나타내는 흐름도이다.

먼저, 측정 데이터 취득부(11)는, 근적외 분광 광도계(3)에서 측정된 근적외 흡수 스펙트럼인, 근적외 측정 데이터를 취득한다(스텝 S1: 근적외 측정 데이터 취득 스텝).

이어서, 예측부(13)는, 기억부(20)로부터 예측 모델(22)을 판독한다(스텝 S2).

예측부(13)는, 스텝 S1에서 취득한 근적외 측정 데이터를 예측 모델(22)에 입력한다(스텝 S3). 이때, 예측부(13)는, 예측 모델(22)에 기초하여, 취득된 근적외 흡수 스펙트럼에 대하여 상술한 전처리를 행해도 된다. 예측부(13)는, 상술한 전처리 중, 1개를 행해도 되고, 2개 이상을 행해도 된다. 예측부(13)가 행하는 전처리에 대해서는, 후에 구체예를 들어 설명한다.

계속해서, 예측부(13)는, 예측 모델(22)에 기초하여, 전처리 후의 근적외 측정 데이터, 또는 미처리의 근적외 측정 데이터로부터 예측 대상의 물성을 예측한다(스텝 S4: 예측 스텝).

통신부(50)는, 예측부(13)로부터 출력된 예측 결과를 나타내는 예측 정보를, 외부 장치(4)에 출력한다(스텝 S4).

<전처리의 예>

여기에서는, 일례로서, 수지 분말을 제조하는 제조 공정에서의 중간 생성물인 함수 겔의 근적외 흡수 스펙트럼으로부터, 겔 D50을 예측할 경우에, 예측부(13)가 행하는 구체적인 전처리를 예로 들어 설명한다.

예측부(13)는, 측정 데이터 취득부(11)가 취득한 복수의 근적외 흡수 스펙트럼에 대하여 이상치 검출 처리(예를 들어, One Class SVM 등)를 행하여, 다른 근적외선 흡수 스펙트럼으로부터 유의미하게 벗어나 있는 근적외 흡수 스펙트럼을 제거한다.

계속해서, 예측부(13)는, 남은 복수의 근적외 흡수 스펙트럼에 대하여 평균화 처리를 행하여, 1개의 평균 스펙트럼 데이터를 생성한다.

또한, 예측부(13)가 행하는 전처리는, 근적외 흡수 스펙트럼의 측정 대상이 수지 분말을 제조하는 제조 공정에서의 어느 단계의 것인지, 및 예측 대상의 물성은 무엇인지에 따라서 다르게 되어 있어도 된다. 즉, 예측부(13)가, 스펙트럼 데이터의 파장 범위를 선택하는 파장 선택 처리를 행해도 된다. 혹은, 예측부(13)가, 스펙트럼 데이터를 파장에 대해서 미분한 미분 데이터를 생성하는 미분 처리를 행해도 된다. 또한, 이들 처리를 조합해서 행해도 된다.

이와 같이, 근적외 흡수 스펙트럼의 측정 대상이 수지 분말을 제조하는 제조 공정에서의 어느 단계의 것인지, 및 예측 대상의 물성은 무엇인지에 따라서, 적절한 전처리를 행함으로써, 예측 장치(100)의 예측 정밀도를 향상시킬 수 있다.

(예측 장치(100)의 구성)

이어서, 예측 모델(22)을 생성하기 위한 기계 학습을 행하는 예측 장치(100)의 구성에 대해서, 도 4를 사용해서 설명한다. 도 4는, 예측 모델(22)을 생성하는 예측 장치(100)의 주요부 구성의 일례를 나타내는 기능 블록도이다. 또한, 설명의 편의상, 도 1에서 설명한 부재와 동일한 기능을 갖는 부재에 대해서는, 동일한 부호를 부기하고, 그 설명을 반복하지 않는다. 또한, 예측 장치(100)는, 임의의 공지된 교사 있는 기계 학습을 행함으로써, 예측 모델(22)을 생성해도 된다.

제어부(10)는, 측정 데이터 취득부(11), 예측부(13) 및 예측 모델 생성부(18)를 구비하고 있다.

측정 데이터 취득부(11)는, 예측 모델 생성부(18)가 지정한, 근적외 측정 데이터(21)에 포함되는 복수의 근적외 흡수 스펙트럼(근적외 흡수 스펙트럼군이라고도 칭함)을 취득하여, 해당 근적외 흡수 스펙트럼군을 예측부(13)에 출력한다.

예측부(13)는, 예측 모델 생성부(18)에서 생성된 예측 모델 후보(후술함)를 예측 모델 생성부(18)로부터 판독한다. 또한, 예측 모델 생성부(18)가 지정한, 근적외 측정 데이터(21)에 포함되는 근적외 흡수 스펙트럼군을 예측 모델 후보에 입력하고, 입력된 근적외 흡수 스펙트럼군에 대응하는 물성군을 예측한 예측 결과를 예측 모델 생성부(18)에 출력한다.

예측 모델 생성부(18)는, 기계 학습에서 학습·검증을 행할 예측 모델 후보를 생성한다. 예측 모델 후보란, 사전의 기계 학습이 완료되지 않은 예측 모델이다. 소정의 기계 학습이 완료되고, 예측 정밀도가 기준을 충족한 경우, 예측 모델 후보는 예측 모델(22)로서 기억부(20)에 저장된다. 또한, 예측 모델 생성부(18)는, 기억부(20)에 갖는 근적외 측정 데이터(21) 및 물성 정보(23) 중에서 기계 학습에 제공할 데이터군을 지정한다.

예측 모델 생성부(18)는, 하기 (1)과 (2)를 비교하여, 모델 평가 지표를 산출해도 된다.

(1) 예측부(13)로부터 출력된 예측 모델 후보가 예측한 예측 결과

(2) 기억부(20)로부터 판독한 물성 정보(23)에 포함되는, 예측 모델 후보에 입력된 근적외 흡수 스펙트럼군에 대응지어져 있는 물성군.

여기서, 모델 평가 지표는, 예를 들어, (1)의 예측 결과와, (2)의 물성 정보(23)에 포함되는 물성군의 오차를 평가하기 위한 지표이다. 모델 평가 지표는, 예측 결과의 정밀도를 평가 가능한 임의의 지표이어도 되고, 평균 제곱 오차이어도 되고, 결정 계수(R²)이어도 된다.

예측 모델 생성부(18)는, 모델 평가 지표에 기초하여, 예측 모델 후보가 소정의 평가 기준을 충족하고 있는지 여부를 판정한다. 소정의 평가 기준은, 예측 모델 후보의 예측 정밀도를 평가하기 위해서, 미리 임의로 정해져 있는 기준이다.

예측 모델 후보가 소정의 평가 기준을 충족하고 있을 경우, 예측 모델 생성부(18)는, 해당 예측 모델 후보를, 최적의 예측 모델로서 예측 모델(22)에 저장한다. 한편, 생성한 예측 모델 후보가 소정의 평가 기준을 충족하지 못한 경우, 예측 모델 생성부(18)는, 해당 예측 모델 후보를 갱신한다.

「예측 모델 후보의 갱신」은, 예측 결과와, 물성 정보(23)에 포함되는 물성의 오차가 최소로 되도록 예측 모델 후보의 가중치, 하이퍼 파라미터 등을 갱신해서 예측 모델 후보를 갱신하는 것, 및 새로운 예측 모델 후보를 생성하는 것을 포함하고 있어도 된다. 예측 모델 후보의 갱신에는, 오차 역전파법 등이 적용되어도 된다.

물성 정보(23)는, 과거에 제조된, 물성이 기지인 복수의 제조 완료된 수지 분말의 근적외 흡수 스펙트럼을 포함하는 근적외 측정 데이터에 대응지어져 있는 최종 생성물의 물성 정보를 포함한다. 또한, 물성 정보(23)는, 각 제조 완료된 수지 분말을 제조하기 위한 제조 공정에서 생성된, 물성이 기지인 복수의 생성 완료된 중간 생성물의 근적외 흡수 스펙트럼을 나타내는 근적외 측정 데이터(21)에 대응지어져 있는 중간 생성물의 물성 정보를 포함한다. 물성 정보란, 후에 설명하는, 흡수성 수지 분말의 물성에 관련된 정보일 수 있다.

물성 정보(23)에는, 물성으로서, 측정 대상이 된 수지 분말의 실측값, 또는 중간 생성물의 실측값이 포함되어 있어도 된다. 또한, 각 물성에는 측정 ID가 부여되어 있어도 된다. 물성 정보(23)는, 예측 모델 후보로부터 예측 모델(22)을 생성하기 위한 기계 학습에 사용되는 물성군을 포함하고 있어도 된다.

근적외 측정 데이터(21)에는, 측정 대상이 된 수지 분말, 또는 중간 생성물의 근적외 흡수 스펙트럼의 데이터 파일이 포함된다. 이 데이터 파일은, 예를 들어, csv 파일 및 텍스트 파일일 수 있다. 또한, 각 근적외 흡수 스펙트럼의 데이터 파일에는, 각각 측정 ID가 부여되어 있어도 된다. 근적외 측정 데이터(21)는, 예측 모델 후보로부터 예측 모델(22)을 생성하기 위한 기계 학습에 사용되는 근적외 흡수 스펙트럼군을 포함하고 있어도 된다.

여기서, 근적외 측정 데이터(21)에 포함되는 근적외 흡수 스펙트럼과, 물성 정보(23)에 포함되는 물성의 대응 관계에 대해서 도 5 및 6을 사용해서 설명한다.

도 5는, 근적외 측정 데이터(21)의 데이터 구조, 도 6은, 물성 정보(23)의 데이터 구조를 나타낸다. 도 5에서, 근적외 측정 데이터(21)는, 복수의 근적외 흡수 스펙트럼의 데이터 파일을 갖고 있고, 각 근적외 흡수 스펙트럼의 데이터 파일에는, 측정 ID가 부여되어 있다.

또한, 도 6에서, 물성 정보(23)는, 복수의 물성(실측값)의 데이터 파일을 갖고 있고, 각 물성에는 측정 ID가 부여되어 있다. 도 6에 도시하는 바와 같이, 이 측정 ID는, 상술한, 근적외 흡수 스펙트럼의 데이터 파일에 부여된 측정 ID와 동일한 ID가 부여되어도 되고, 동일한 ID끼리의 근적외 흡수 스펙트럼과, 물성 정보는 동일한 생성물을 측정한 결과인 것으로 해도 된다. 예를 들어, 도 5의 측정 ID 「001」이 부여되어 있는 근적외 흡수 스펙트럼과, 도 6의 측정 ID 「001」이 부여되어 있는 물성은, 동일한 수지 분말 또는 중간 생성물에 대해서 측정된 데이터이어도 된다.

예측부(13)는, 예측 모델 생성부(18)에 의해 지정된 예측 모델 후보를 사용한다. 예측부(13)는, 예측 모델 생성부(18)에 의해 지정된 근적외 흡수 스펙트럼의 측정 ID를 취득하고, 해당 측정 ID와 동일한 측정 ID를 갖는 기억부(20)로부터 판독한 근적외 흡수 스펙트럼군에 대응하는 물성군을, 동일한 생성물에 관한 정보로서 비교해도 된다. 혹은, 예측부(13)로부터 출력된 예측 결과에는, 예측 모델 후보에 입력된 근적외 흡수 스펙트럼의 측정 ID와 동일한 측정 ID가 부여되어도 된다. 예측 모델 생성부(18)는, 예측부(13)로부터 출력된 예측 결과와, 해당 예측 결과와 동일한 측정 ID를 갖는, 기억부(20)로부터 판독한 근적외 흡수 스펙트럼군에 대응하는 물성군을, 동일한 생성물에 관한 정보로서 비교해도 된다.

또한, 근적외 흡수 스펙트럼에 부여되는 측정 ID와, 물성에 부여되는 측정 ID는 다르게 되어 있어도 된다. 각각의 측정 ID가 다른 경우는, 물성의 측정 ID와, 근적외 흡수 스펙트럼의 측정 ID가 대응지어져 있으면 된다.

예측 모델(22)은, 선형 회귀 및 비선형 회귀 중 어느 것의 기계 학습을 사용해서 생성된 것이어도 된다. 예측 모델(22)을 생성하는 기계 학습으로서는, 예를 들어, 선형 회귀로서는, PLS(부분적 최소 제곱 회귀), PCR(주성분 회귀), 단순 회귀, 중회귀, 릿지 회귀, 라쏘 회귀, 베이즈 선형 회귀 등을 들 수 있다. 비선형 회귀의 예로서는, (컨벌루션)뉴럴 네트워크, 서포트 벡터 회귀, k 최근접 이웃법 및 회귀 트리 등을 들 수 있다. 위에 예를 든 방법을 조합한 앙상블 학습을 사용해도 된다. 또한 예측 모델(22)은, 각종 물성값의 수치 예측을 행하는 모델이어도 되고, 해당 물성값이 합격인지 불합격인지에 관한 판정 예측을 행하는 모델이어도 된다.

본 개시에 있어서, 예측 모델(22)의 생성에는, PLS 및 PCR의 기계 학습이 사용되는 것이 바람직하다.

예측 모델(22)은, 근적외 흡수 스펙트럼에 대하여 행하는, 필요한 전처리에 대해서 정하고 있어도 된다.

(예측 모델(22)을 생성하는 처리)

계속해서, 예측 장치(100)가 행하는 처리에 대해서 도 7을 사용해서 설명한다. 도 7은, 기계 학습을 실행하는 예측 장치(100)가 행하는 처리의 흐름을 나타내는 흐름도이다. 또한, 여기에서는, 예측 장치(100)가, 학습 데이터로서, 근적외 측정 데이터(21)와 해당 근적외 측정 데이터(21)에 대응하는 물성 정보(23)의 조합을 사용해서 예측 모델(22)을 생성하는 경우를 예로 들어 설명한다.

먼저, 측정 데이터 취득부(11)는, 기억부(20)로부터, 예측 모델 후보에 사용하기 위해서 예측 모델 생성부(18)가 지정한, 근적외 측정 데이터(21)에 포함되는 근적외 흡수 스펙트럼군을 판독한다. 또한, 측정 데이터 취득부(11)는, 물성 정보(23)에 포함되는, 근적외 흡수 스펙트럼군에 대응지어져 있는 물성군을 판독한다(스텝 S11).

이어서, 예측 모델 생성부(18)는, 예측 모델 후보를 생성하여, 해당 예측 모델 후보를 예측부(13)에 출력한다(스텝 S12).

예측부(13)는, 측정 데이터 취득부(11)가 취득한 근적외 흡수 스펙트럼군을 예측 모델 후보에 입력한다(스텝 S13).

예측부(13)는, 예측 모델 후보에 입력된 근적외 흡수 스펙트럼군에 대응하는 물성군을 예측한 예측 결과를 출력한다(스텝 S14).

예측 모델 생성부(18)는, 입력된 근적외 흡수 스펙트럼군에 대응지어져 있는 물성군과, 예측부(13)로부터 출력된 예측 결과를 비교하여, 모델 평가 지표를 산출한다(스텝 S15).

예측 모델 생성부(18)는, 모델 평가 지표에 기초하여, 예측 모델 후보가 소정의 평가 기준을 충족하고 있는지 여부를 판정한다(스텝 S16). 예측 모델 후보가 소정의 평가 기준을 충족하고 있을 경우(스텝 S16에서 "예"), 예측 모델 생성부(18)는, 해당 예측 모델 후보를 최적의 예측 모델 후보로서 예측 모델(22)에 저장한다(스텝 S19).

한편, 예측 모델 후보가 평가 기준을 충족하지 못한 경우(스텝 S16에서 "아니오"), 예측 모델 생성부(18)는, 예측 모델 후보를 갱신한다(스텝 S12). 또한, 예측 모델 생성부(18)는, 스텝 S12에서, 평가 기준을 충족하지 못한 예측 모델 후보의 가중치, 하이퍼 파라미터 등을 갱신해도 되고, 새로운 예측 모델 후보를 생성해도 된다.

스텝 S16이 "예"가 될 때까지, 스텝 S12 내지 S16의 처리를 반복한다.

도 7에서는, 예측 모델 생성부(18)가 예측 모델 후보를 1개 생성하고, 해당 1개의 예측 모델 후보로부터 기계 학습에 의해 예측 모델(22)을 생성하는 처리를 예로 들어 설명했지만, 이것에 한정되지 않는다. 예를 들어, 예측 모델 생성부(18)는, 예측 모델 후보를 복수 생성해도 된다. 이 경우, 예측 모델 후보 각각에 대해서, 도 7에 도시하는 기계 학습을 실행한 후에, 가장 예측 정밀도가 높은 예측 모델 후보를, 최적의 예측 모델 후보로서 예측 모델(22)에 저장하는 구성이어도 된다. 또한, 전처리까지 포함한 예측 모델로서, 기계 학습을 행해도 된다.

(근적외 흡수 스펙트럼을 얻는 측정 방법)

본 개시의 근적외 흡수 스펙트럼의 측정 방법은, 상술한 예측 장치(100)에 의한 예측 방법에 사용하기 위한 수지 분말의 근적외 흡수 스펙트럼을 측정하는 방법이다. 상기 측정 방법은, 수지 분말에 근적외선을 조사하는 스텝과, 해당 수지 분말로부터의 반사광 및 투과광 중 적어도 한쪽을 측정한 측정값으로부터 상기 수지 분말의 근적외 흡수 스펙트럼을 산출하는 스텝을 포함한다. 상기 수지 분말은, 흡수성 수지 분말 및 해당 흡수성 수지 분말을 제조하기 위한 제조 공정에서 생성되는 중간 생성물의 어느 것이다. 이하에, 근적외 흡수 스펙트럼에 대해서 설명한다.

(근적외 흡수 스펙트럼)

여기에서는, 예측 장치(100)가, 수지 분말의 물성 예측에 사용하는 근적외 흡수 스펙트럼에 대해서 설명한다.

<측정 기기>

근적외 흡수 스펙트럼은, 특정 파장 영역의 근적외선을 시료에 조사하여, 투과광 또는 반사광을 검출하는 근적외 분광법을 이용해서 측정된다. 근적외 흡수 스펙트럼은, 예를 들어, 근적외 분광 광도계에 의해 측정할 수 있다. 근적외 분광 광도계로서는, 특별히 한정되지 않지만, 예를 들어, FT-NIR NIRFlex(상표 등록) N-500 시리즈 및 NIRMaster 시리즈(BUCHI 제조), IRMA51 시리즈 및 IRMD51 시리즈(가부시키가이샤 치노 제조), IR Tracer100 NIR 시스템(시마즈 세이사쿠쇼 제조), Spectrum3 NIR(PerkinElmer 제조) 그리고 MATRIX 시리즈 FT-NIR 분광계(BRUKER 제조) 등을 사용할 수 있다. 얻어진 스펙트럼 데이터의 해석은, 시판되고 있는 소프트웨어를 사용할 수 있다. 또한, 근적외 분광 광도계는, 근적외 다성분 분석계나 근적외 분석계 등 메이커에 따라서 명칭이 다르게 표기되어 있는 경우가 있다.

<근적외선의 파장>

근적외선은, 750 내지 2500nm의 파장 영역에 속하는 파장을 갖는 광이다. 근적외선 스펙트럼은, 상기 파장 영역에 속하는 파장을 갖는 근적외선을 포함하는 광을 조사해서 측정된다. 조사광의 파장은 근적외 파장 영역의 전파장이어도 되고, 선택한 1개 이상의 특정 파장이어도 된다. 본 개시의 근적외 흡수 스펙트럼 측정에서는, 상기 조사광을 측정 대상의 흡수성 수지에 조사하여, 투과, 흡수, 굴절, 반사, 확산된 광을 측정하기 때문에, 화학적인 정보뿐만 아니라 물리적인 정보를 수집할 수 있다. 바꾸어 말하면, 측정 대상 시료의 온도, 측정 광로 중의 분위기(증기 유무, 질소 치환 유무, 기압 등), 표면 조도, 시료 두께, 시료 충전 상태, 측정까지의 시간 등의 영향을 받는다. 따라서, 예측 정밀도의 관점에서는, 근적외 흡수 스펙트럼을 취득할 때는, 가능한 한 상기 물리적 조건이 균일한 조건 하에서 측정하는 것이 바람직하다. 또한 필요에 따라, 상기 물리적 조건(예를 들어 상기 시료 온도)을 별도 측정해 두고, 당해 측정값에 기초하여, 대응하는 근적외 흡수 스펙트럼을 보정해도 된다.

본 개시에 있어서, 근적외 흡수 스펙트럼은, 중합 공정 전, 중합 공정과 건조 공정의 사이, 건조 공정 후의 적어도 어느 시점에서 측정되고, 예측 스텝에서 출력되는 상기 예측 정보는, 수지 분말의 제조 공정에서 사용되는 어느 하나 이상의 제조 장치의 제어에 이용되어도 된다.

본 개시에 있어서, 근적외 흡수 스펙트럼을 이용할 수 있는 장점은, (1) 분석 결과가 신속하게 얻어지는 점, (2) 비접촉이면서 비파괴 분석인 점, (3) 동시에 다성분의 정량 분석이 가능한 점, (4) 물리량(입도 등)을 측정할 수 있는 점, (5) 조작이 용이한 점을 들 수 있다.

(흡수성 수지 분말의 물성)

본 개시의 예측 방법은, 흡수성 수지 분말 및 해당 흡수성 수지 분말을 제조하기 위한 제조 공정에서 생성되는 중간 생성물의 적어도 어느 것의 물성에 관련된 예측 정보를 출력한다.

예측 장치(100)의 예측 대상으로 할 수 있는 물성에는, 이하의 (1) 내지 (16) 중 적어도 어느 하나를 포함해도 된다.

(1) 겔 D50

(2) CRC

(3) AAP

(4) SFC

(5) T20, U20, K20

(6) Vortex

(7) D50

(8) 함수 겔의 함수율

(9) 고형분율

(10) Residual Monomers

(11) FSR

(12) FSC

(13) Flow Rate

(14) Density

(15) Ext

(16) 겔 Ext

예측 장치(100)가 예측 대상으로 할 수 있는 물성으로서는, (1) 겔 D50, (2) CRC, (3) AAP, (4) SFC, (6) Vortex, (7) D50, (8) 함수 겔의 함수율, (9) 고형분율 중 적어도 하나인 것이 바람직하다.

<흡수성 수지>

본 개시에서의 「흡수성 수지」란, 수팽윤성 수불용성의 가교 중합체를 의미하며, 일반적으로 입자상이다. 또한, 「수팽윤성」이란, NWSP 241.0.R2(15)에서 규정되는 무가압하 흡수 배율(CRC)이 5g/g 이상인 것을 의미하고, 「수불용성」이란, NWSP 270.0.R2(15)에서 규정되는 가용분(Ext)이 50질량％ 이하인 것을 의미한다.

상기 흡수성 수지는, 그 용도에 따라서 적절히 설계 가능하고, 특별히 한정되는 것은 아니지만, 카르복실기를 갖는 불포화 단량체를 가교 중합시킨, 친수성 가교 중합체인 것이 바람직하다. 또한, 전량(100중량％)이 중합체인 형태에 한정되지 않고, 상기 성능을 유지하는 범위 내에서, 표면 가교된 것이나 첨가제 등을 포함한 조성물이어도 된다.

일례로서, 「흡수성 수지」는, 「폴리(메타)아크릴산(염)」이며, 주성분으로서, (메타)아크릴산 및/또는 그의 염을 반복 단위로서 포함해도 된다.

「NWSP」는, 「Non-Woven Standard Procedures-Edition2015」를 나타내고, EDANA(European Disposales And Nonwovens Associations: 유럽 부직포 공업회)와 INDA(Association of the Nonwoven Fabrics Industry: 북미 부직포 공업회)가, 부직포 및 그 제품의 평가법을 미국 및 유럽에서 통일해서 공동으로 발행한 것으로, 흡수성 수지의 표준적인 측정법을 나타내는 것이다. 특별히 언급하지 않는 한, 본 개시에서는 「NWSP」에 준거하여, 흡수성 수지의 물성을 측정한다.

<겔 D50>

겔 D50은, 중간 생성물인 함수 겔의 고형분으로 환산한 질량 평균 입자경이다. 겔 D50은, WO2016/204302에 기재된 방법에 준거해서 측정한다. 본 개시의 겔 D50은, WO2016/204302에 기재된 SolidD50에 대응하는 값이다.

본 개시에 있어서, 겔 D50은, 중합 공정 후부터 건조 공정 전까지에서 측정할 수 있다. 수용액 중합으로 흡수성 수지를 제조하는 경우는, 후술하는 겔 분쇄 공정 후, 또는 건조 공정 전에 측정된다.

<CRC> (NWSP241.0.R2(15))

「CRC」는, Centrifuge Retention Capacity(원심 분리 유지 용량)의 약칭이며, 흡수성 수지의 무가압하 흡수 배율(「흡수 배율」이라고 칭하는 경우도 있음)을 의미한다.

구체적으로는, 흡수성 수지 0.2g을 부직포제의 주머니에 넣은 후, 대과잉의 0.9중량％ 염화나트륨 수용액 중에 30분간 침지해서 흡수성 수지를 자유 팽윤시키고, 그 후, 원심 분리기(250G)로 수분 제거한 후의 흡수 배율(단위; g/g)을 말한다.

<AAP> (NWSP242.0.R2(15))

「AAP」는, Absorption Against Pressure의 약칭이며, 흡수성 수지의 가압하 흡수 배율을 의미한다.

AAP는, 구체적으로는, 흡수성 수지 0.9g을 대과잉의 0.9중량％ 염화나트륨 수용액에 대하여, 1시간, 2.06kPa(21g/cm², 0.3psi) 하중 하에서 팽윤시킨 후의 흡수 배율(단위; g/g)을 말한다. 또한, 하중 조건을 4.83kPa(49g/cm², 0.7psi)로 변경해서 측정하는 경우도 있다.

<SFC>

「SFC」는, (Saline Flow Conductivity/생리 식염수 흐름 유도성)의 약칭이며, 하중 2.07kPa에서의 흡수성 수지에 대한 0.69중량％ 염화나트륨 수용액의 통액성(단위; ×10^-7·cm³·s·g^-1)을 말한다. 「SFC」는, 미국 특허 제5669894호에 개시된 SFC 시험 방법에 준하여 측정된다.

<T20>

「T20」은, 흡수 시간이며, 1g의 수지 분말이 0.9중량％ 염화나트륨 수용액 20g을 흡수하기 위해서 요하는 시간(단위; 초)으로, 미국 공개 특허 공보 US2012/0318046에 개시된 측정 방법에 준거해서 측정된다.

<U20>

「U20」은, 20분간의 흡수(단위; g/g)이며, 미국 공개 특허 공보 US2012/0318046에 개시된 측정 방법에 준거해서 측정된다.

<K20>

「K20」은, 20분간의 유효 투과율(단위; m²)이며, 미국 공개 특허 공보 US2012/0318046에 개시된 측정 방법에 준거해서 측정된다.

Vortex(흡수 시간)는, 이하의 수순에 따라서 측정한다. 우선, 미리 조정된 생리 식염수(0.9질량％ 염화나트륨 수용액) 1000질량부에, 식품 첨가물인 식용 청색 1호(브릴리언트 블루) 0.02질량부를 첨가한 후, 액온을 30℃로 조정한다.

계속해서, 용량 100ml의 비이커에, 상기 생리 식염수 50ml를 칭량하여 취하고, 길이 40mm, 직경 8mm의 교반기 팁을 사용해서 600rpm으로 교반하면서, 흡수성 수지 2.0g을 투입한다. 흡수성 수지의 투입 시를 시점으로 해서, 그 흡수성 수지가 생리 식염수를 흡액하여 교반기 팁을 덮을 때까지의 시간을 Vortex(흡수 시간)(단위; 초)로서 측정한다.

<D50>

본 개시에 있어서, 「D50」은, 후술하는, 건조 공정에서 제조된 수지 분말의 질량 평균 입자경이다. 질량 평균 입자경(D50)은, 미국 특허 제7638570호에 기재된 「(3) Mass-Average Particle Diameter(D50) and Logarithmic Standard Deviation of Particle Diameter Distribution」과 마찬가지의 방법으로 측정한다.

<함수 겔의 함수율 및 고형분율> (NWSP230.0.R2)

함수 겔의 함수율 및 고형분율은, 건조 전의 함수 겔의 함수율 및 수지 고형분율이다. 함수 겔의 함수율 및 고형분율은, 중합 공정 후부터 건조 공정 전까지에 있어서 측정할 수 있다. 즉, 분쇄되기 전의 함수 겔의 함수율 및 고형분율이어도 되고, 분쇄 후의 입자상 함수 겔의 함수율 및 고형분율이어도 된다.

함수 겔의 함수율은, NWSP에 준거해서 측정한다. 또한, 측정 시에, 시료의 질량을 2.0g으로, 건조 온도를 180℃로, 건조 시간을 24시간으로 각각 변경한다. 구체적으로는, 저면의 직경이 50mm인 알루미늄 컵에 함수 겔 2.0g을 투입한 후, 시료(함수 겔 및 알루미늄 컵)의 총 질량(W1)(g)을 정확하게 칭량한다. 이어서, 상기 시료를, 분위기 온도 180℃로 설정된 오븐 내에 정치한다. 24시간 경과 후, 해당 시료를 상기 오븐으로부터 취출하여, 총 질량(W2)(g)을 정확하게 칭량한다. 본 측정에 제공된 함수 겔의 질량을 M(g)라 했을 때, 하기 (식 1)에 따라서, 함수 겔의 함수율(100-α)(질량％)을 구한다. 또한, α는 함수 겔의 고형분율(질량％)이다.

(100-α)(질량％)={(W1-W2)/M}×100 … (식 1)

<겔 CRC>

「겔 CRC」는, 건조 전의 함수 겔의 CRC이다. 겔 CRC는, 중합 공정 후부터 건조 공정 전까지에 있어서 측정할 수 있다. 즉, 분쇄되기 전의 함수 겔의 CRC이어도 되고, 분쇄 후의 입자상 함수 겔의 CRC이어도 된다.

구체적으로는, 「겔 CRC」란, 함수 겔 0.6g을 부직포제의 주머니에 넣은 후, 대과잉의 0.9중량％ 염화나트륨 수용액 중에 24시간 침지해서 흡수성 수지를 자유 팽윤시키고, 그 후, 원심 분리기(250G)로 수분 제거한 후의 흡수 배율(단위; g/g)을 말한다.

<Ext> (NWSP270.0.R2(15))

「Ext」는, Extractables의 약칭이며, 물 가용분(물 가용 성분량)을 의미한다. 구체적으로는, 흡수성 수지 1.0g을 0.9중량％ 염화나트륨 수용액 200mL에 첨가하여, 16시간 교반한 후의 용해 폴리머양(단위; 중량％)이다. 용해 폴리머양의 측정은, pH 적정을 사용해서 행한다.

<겔 Ext>

「겔 Ext」는, 건조 전의 함수 겔의 Ext이다. 겔 Ext는, 중합 공정 후부터 건조 공정 전까지에 있어서 측정할 수 있다. 즉, 분쇄되기 전의 함수 겔의 Ext이어도 되고, 분쇄 후의 입자상 함수 겔의 Ext이어도 된다.

구체적으로는, 상술한 「Ext」의 측정 방법에 기초해서, 시료를 2.0g으로 변경해서 측정하여, 고형분당 물 가용분의 질량％로서 산출한다.

<Residual Monomers> (NWSP210.0.R2(19))

「Residual Monomers」는, 흡수성 수지 중에 잔존하는 단량체(모노머)량이며, NWSP210.0.R2(19)에 준거해서 측정된다.

<FSR>

「FSR」은, 흡수 속도이며(단위; g/g/s), 국제 공개 제2009/016055호에 개시된 측정 방법에 준거해서 측정된다.

<FSC> (NWSP240.0.R2(15))

「FSC」는, Free Swell Capacity의 약칭이며, 흡수성 수지의 무가압하 현수 흡수 배율을 의미한다. FSC는, NWSP240.0.R2(15)에 준거해서 측정된다.

<Flow Rate> (NWSP251.0.R2(15))

「Flow Rate」는, 흡수성 수지의 유하 속도를 의미한다. Frow Rate는, NWSP251.0.R2(15)에 준거해서 측정된다.

「Density」는, 흡수성 수지의 부피 비중을 의미한다. Density는, NWSP251.0.R2(15)에 준거해서 측정된다.

상술한 물성은, 수지 분말의 제조 공정의 어느 타이밍에 측정되어도 된다.

(수지 분말의 제조 방법)

상술한, 수지 분말의 각 물성은, 흡수성 수지 분말의 제조 공정 내에서 측정되는 것이다. 이하에, 수지 분말의 제조 방법에 대해서 설명한다.

본 개시에 있어서, 흡수성 수지 분말의 제조 방법으로서는, 공지의 방법 또는 그 조합을 사용할 수 있다. 흡수성 수지 분말의 제조 방법은, 일례로서, 중합 공정, 건조 공정을 포함하고 있으면 되고, 바람직한 예로서는, 겔 분쇄 공정, 후가교 공정 및 정립 공정을 갖고 있어도 된다. 이하에, 각 공정에 대해서 설명한다.

<중합 공정>

중합 공정은, 일례로서, 아크릴산(염)을 주성분으로서 포함하는 단량체, 및 적어도 1종류의 중합성 내부 가교제를 포함하는 단량체 수용액을 중합시켜서, 함수 겔상 가교 중합체(이하, 「함수 겔」이라고 표기함)를 얻는 공정이다.

[중합 개시제]

본 개시에서 사용되는 중합 개시제는, 중합 형태 등에 따라 적절히 선택되기 때문에, 특별히 한정되지 않지만, 예를 들어, 열분해형 중합 개시제, 광분해형 중합 개시제, 또는 이들 중합 개시제의 분해를 촉진하는 환원제를 병용한 레독스계 중합 개시제 등을 들 수 있다. 구체적으로는, 미국 특허 제7265190호에 개시된 중합 개시제 중, 1종류 또는 2종류 이상이 사용된다. 또한, 중합 개시제의 취급성이나 입자상 흡수제 또는 흡수성 수지의 물성의 관점에서, 바람직하게는 과산화물 또는 아조 화합물, 보다 바람직하게는 과산화물, 더욱 바람직하게는 과황산염이 사용된다.

또한, 상기 중합 개시제 대신에, 방사선, 전자선, 자외선 등의 활성 에너지선을 조사해서 중합 반응을 실시해도 되고, 이들 활성 에너지선과 중합 개시제를 병용해도 된다.

[중합 형태]

본 개시에 적용되는 중합 형태로서는, 특별히 한정되지 않지만, 함수 겔의 흡수 특성이나 중합 제어의 용이성 등의 관점에서, 바람직하게는 분무 액적 중합, 수용액 중합, 역상 현탁 중합, 보다 바람직하게는 수용액 중합, 역상 현탁 중합, 더욱 바람직하게는 수용액 중합을 들 수 있다. 그 중에서도, 연속 수용액 중합이 특히 바람직하고, 연속 벨트 중합, 연속 니더 중합의 어느 것이어도 적용된다.

<겔 분쇄 공정>

겔 분쇄 공정은, 중합 공정에서 얻어진 함수 겔을 겔 분쇄하여, 입자상 함수 겔을 얻는 공정이다. 분무 액적 중합, 역상 현탁 중합에 의해 흡수성 수지를 제조하는 경우는 입자상 함수 겔을 얻을 수 있으므로, 겔 파쇄 공정을 행하지 않아도 된다. 또한 연속 니더 중합과 같이 중합 공정과 동시에 겔 파쇄 공정을 행해도 된다. 특히, 흡수 속도가 높은 SAP를 얻는 관점에서는, 본 겔 분쇄 공정에서, 함수 겔을 세립화하여, 겔 D50이 원하는 범위인 입자상 함수 겔을 제조하는 것이 바람직하다.

[겔 분쇄기]

본 공정에서 사용되는 중합 시 또는 중합 후의 겔 분쇄 장치로서는, 특별히 한정되지 않고, 뱃치형 또는 연속형의 더블 암형 니더 등, 복수의 회전 교반 날개를 구비한 겔 분쇄기나, 1축 압출기, 2축 압출기, 미트 초퍼, 스크루형 압출기, 파쇄 수단을 구비한 복축형 혼련기 등을 들 수 있다.

그 중에서도, 케이싱의 한쪽 단부에 다공판이 설치된 스크루형 압출기가 바람직하고, 구체적으로는, 예를 들어, 일본 특허 공개 제2000-63527호 공보나 WO2011/126079에 개시된 스크루형 압출기를 들 수 있다.

[겔 분쇄 영역]

본 개시에 있어서 상기 겔 분쇄는, 중합 공정의 도중 및/또는 후에 행해지고, 보다 바람직하게는 중합 공정 후의 함수 겔상 중합체에 대하여 행해진다. 니더 중합 등, 중합 중에 겔 분쇄를 행하는 형태의 경우, 단량체 수용액은 중합 시간의 경과와 함께 연속적으로 함수 겔상 중합체로 변화해 간다. 그 때문에, 중합 온도가 최대로 된 시점 이후의 함수 겔상 중합체, 혹은 단량체의 중합률이 90몰％ 이상인 함수 겔상 중합체를 겔 분쇄하면 된다. 여기서, 중합 온도의 최댓값은, 중합 피크 온도라고도 칭해진다. 단량체의 중합률은, 전화율이라고 칭해지는 경우도 있다. 단량체의 중합률은, 함수 겔상 중합체의 pH 적정으로부터 산출되는 폴리머양과, 잔존 모노머양으로부터 산출된다.

또한, 상기 중합 공정이 벨트 중합일 경우, 겔 분쇄를 행하기 전에, 중합 공정 도중 및/또는 후의 함수 겔상 중합체, 바람직하게는 중합 공정 후의 함수 겔상 중합체를, 수 10cm 정도의 크기로 절단 또는 조(粗)분쇄할 수 있다. 이 조작에 의해, 겔 분쇄 장치에 함수 겔상 중합체를 충전하기 쉬워져서, 겔 분쇄 공정을 보다 원활하게 실시할 수 있다. 또한, 상기 절단 또는 조분쇄하는 수단으로서는, 함수 겔상 중합체를 개지 않도록 절단 또는 조분쇄할 수 있는 수단이 바람직하며, 예를 들어, 기요틴 커터 등을 들 수 있다. 또한, 상기 절단 또는 조분쇄로 얻어지는 함수 겔상 중합체의 크기나 형상은, 겔 분쇄 장치에 충전할 수 있으면 되며, 특별히 한정되지 않는다.

<건조 공정>

건조 공정은, 입자상 함수 겔을 원하는 고형분율까지 건조시킴으로써, 입상 건조물을 얻는 공정이다. 건조 방법으로서는, 특별히 한정되지 않지만, 예를 들어 가열 건조, 열풍 건조, 감압 건조, 유동층 건조, 적외선 건조, 마이크로파 건조, 드럼 드라이어 건조, 소수성 유기 용매와의 공비 탈수에 의한 건조, 고온의 수증기를 이용한 고습 건조 등을 들 수 있다. 또한 본 건조 공정에서 후술하는 후가교제를 본 건조 공정에서 사용하여, 건조 공정에서 후가교(표면 가교라고도 함)된 흡수성 수지 분말을 얻어도 된다.

[건조 장치]

건조 공정에서 사용되는 건조 장치로서는, 특별히 한정되지 않고, 전열 전도형 건조기, 복사 전열형 건조기, 열풍 전열형 건조기, 유전 가열형 건조기 등의 1종 또는 2종 이상이 적절히 선택된다. 건조 장치는, 뱃치식이어도 되고, 연속식이어도 된다. 또한, 건조 장치는, 직접 가열식이어도 되고, 간접 가열식이어도 된다. 또한, 건조 장치는, 재료 정치형, 재료 교반형, 재료 이송형 및 열풍 반송형 중 어느 것의 건조 장치이어도 된다. 예를 들어, 통기 밴드식, 통기 회로식, 통기 종형식, 평행류 밴드식, 통기 터널식, 통기 교반식, 통기 회전식, 가열관 구비 회전식, 유동층식, 기류식 등의 전열형 건조기를 들 수 있다.

[건조 온도]

건조 공정에서의 건조 온도는, 80℃ 이상이며, 100℃ 이상인 것이 바람직하고, 120℃ 이상인 것이 보다 바람직하고, 150℃ 이상인 것이 특히 바람직하다. 또한, 건조 온도는, 250℃ 이하이며, 230℃ 이하인 것이 바람직하고, 220℃ 이하인 것이 보다 바람직하다. 건조 온도의 상한값과 하한값은 어떤 조합이어도 바람직하다. 건조 온도가 80℃ 미만이면, 적합한 수지 고형분(함수율)이 얻어질 때까지의 건조 시간이 길어지기 때문에 바람직하지 않다. 또한, 미건조물이 생성되어, 후의 분쇄 공정 시에 막힘이 생길 수 있다. 건조 온도가 250℃를 초과하면, 안전면 및 착색 이물의 발생 문제가 있어 바람직하지 않다. 또한, 건조 온도란, 직접 가열의 경우에는 건조에 사용하는 열 매체의 온도를 가리키고, 열풍 건조의 경우에는 건조에 사용하는 열풍의 온도를 가리키고, 간접 가열의 경우에는 건조에 사용하는 전열면의 온도를 가리킨다.

[건조 시간]

건조 공정에서의 건조 시간은, 고형분이 80중량％ 이상으로 될 때까지의 시간을 가리키며, 60분간 이하가 바람직하고, 40분간 이하, 30분간 이하, 25분간 이하의 순으로 바람직하다. 건조 시간의 하한값은, 건조 효율을 고려해서 1분간 정도이다. 또한, 전체 건조 시간은, 120분간 이하인 것이 바람직하고, 100분간 이하, 80분간 이하, 60분간 이하의 순으로 보다 바람직하다. 건조 시간이 짧으면, 미건조물이 생성되어, 후의 분쇄 공정 시에 막힘이 생길 수 있다.

[수지 고형분]

상기 겔 분쇄 공정에서 얻어진 입자상 함수 겔은, 상술한 건조 공정에서 건조되어 건조 중합체로 된다. 건조 중합체의 건조 감량(분말 또는 입자 1g을 180℃에서 3시간 가열해서 측정)으로부터 구해지는 수지 고형분은, 바람직하게는 80중량％ 이상이며, 보다 바람직하게는 85 내지 99중량％이고, 더욱 바람직하게는 86 내지 98중량％이다.

<후가교 공정>

본 공정은, 중합 후의 함수 겔, 및 그 건조물에 흡수성 수지의 관능기(특히 카르복실기)와 반응하는 후가교제를 첨가해서 가교 반응시키는 공정이다. 주로, 흡수성 수지 입자의 표면으로부터 가교되기 때문에, 표면 가교, 또는 2차 가교라고도 불린다. 일례로서, 본 공정에서, 입상 함수 겔 및/또는 입상 건조물에 후가교제를 첨가해서 반응시킨다. 본 공정은, 후가교제 첨가 공정과, 열처리 공정을 갖고, 필요에 따라 열처리 공정 후에 냉각 공정을 갖고 있어도 된다.

<정립 공정>

본 공정은, 입상 건조물, 또는 후가교된 입상 건조물의 입도를 조정하는 공정이다. 이 정립 공정에 의해, 입자경, 또는 입도 분포가 보다 적극적으로 제어된 흡수성 수지 분말이 얻어진다.

바람직하게는, 정립 공정은, 해쇄 스텝 및/또는 분급 스텝을 포함한다. 해쇄 스텝은, 건조 공정 또는 가열 처리 공정을 거쳐, 느슨하게 응집된 입상 건조물을 해쇄기로 풀어서 입자경을 정돈하는 스텝이다. 분급 스텝은, 분급기를 사용하여, 입상 건조물 혹은 후가교된 입상 건조물, 또는, 그것들의 해쇄물로부터 조대 입자 및 미분을 제거하는 공정이다. 분쇄 스텝만으로, 입자경 및 입도 분포가 제어된 흡수성 수지 분말을 얻는 정립 공정이 이상적이다. 흡수성 수지 분말의 입자경 및 입도 분포에 따라서, 흡수 성능, 취급성, 및 기저귀나 생리 용품 등의 위생 재료에 적용했을 때의 사용감이 변동되기 때문에, 상기 정립 공정을 거쳐, 원하는 입자경 및 입도 분포의 흡수성 수지 분말을 얻는 것이 바람직하다.

<기타 공정>

흡수성 수지 분말의 제조 방법에는, 상술한 공정 이외에도, 냉각 공정, 단량체 수용액의 조제 공정, 각종 첨가제의 첨가 공정, 미분 제거 공정 및 미분 리사이클 공정을 포함하고 있어도 된다. 또한, 다른 공지의 공정을 포함하고 있어도 된다.

〔실시 형태 2〕

본 개시의 다른 실시 형태에 대해서, 이하에 설명한다. 또한, 설명의 편의상, 상기 실시 형태에서 설명한 부재와 동일한 기능을 갖는 부재에 대해서는, 동일 부호를 부기하고, 그 설명을 생략한다.

(예측 시스템(1000a)의 구성)

예를 들어, 예측 장치(100)는, 흡수성 수지 분말의 제조 공정에 포함되는 중합 공정 전, 중합 공정과 건조 공정의 사이, 및 건조 공정 후의 적어도 어느 것에 있어서 중간 생성물의 근적외 흡수 스펙트럼을 측정하여, 상기 공정의 임의의 단계의 중간 생성물(또는 완성된 수지 분말)의 물성에 관련된 예측 정보를 출력해도 된다.

또한, 수지 분말의 제조 방법에 있어서, 예측 장치(100)가 출력하는 예측 정보에 기초하여, 흡수성 수지 분말의 어느 하나 이상의 제조 공정에서, 그 제조 조건이 제어되어도 된다.

또한, 수지 분말의 제조 방법을 제어하기 위해서, 예측 장치(100)가 출력하는 예측 정보를 사용해도 된다.

또한, 수지 분말의 제조 공정에 포함되는 임의의 처리 공정을 실행하는 어느 것의 제조 장치(도 1의 외부 장치(4)에 대응)가, 예측 장치(100)로부터 출력된 예측 정보에 기초해서 제어되어도 된다. 이와 같은 구성을 구비하는 예측 시스템(1000a)에 대해서, 도 8에 대해서 설명한다. 도 8은, 본 개시의 다른 실시 형태에 관한 예측 시스템(1000a)의 구성의 일례를 나타내는 블록도이다.

도 8에서, 예측 시스템(1000a)은, 예측 장치(100), 근적외 분광 광도계(3a 내지 3f) 및 외부 장치(4a 내지 4e)를 구비하고 있다. 예측 장치(100)는, 근적외 분광 광도계(3a 내지 3f) 및 외부 장치(4a 내지 4e)와 접속되어 있다. 외부 장치(4a 내지 4e)는, 일례로서, 각 공정(중합 공정, 분쇄 공정 등)을 행하기 위한 제어 장치이다.

여기에서는, 일례로서, 흡수성 수지 분말의 겔 D50이 예측되는 경우를 설명한다. 겔 D50은, 예를 들어, 겔 분쇄 공정 후에 측정되는 흡수성 수지 분말의 물성이다. 도 8에서, 외부 장치(4b)가 겔 분쇄 공정을 제어하는 장치이며, 근적외 분광 광도계(3c)가 겔 분쇄 공정 후의 근적외 흡수 스펙트럼을 측정하는, 근적외 분광 광도계일 경우를 상정한다.

먼저, 근적외 분광 광도계(3c)는, 측정한 흡수성 수지 분말의 근적외 흡수 스펙트럼을 예측 장치(100)에 출력한다. 예측 장치(100)는, 취득한 근적외 흡수 스펙트럼에 대하여, 예측 모델에 기초해서 전처리를 행한다. 전처리로서는, 일례로서, 이상치 제거 처리 및 평균화 처리를 들 수 있다. 예측 장치(100)는, 예측 모델에 기초하여, 전처리 완료된 근적외 흡수 스펙트럼으로부터 겔 D50을 예측한다. 예측 장치(100)는, 일례로서, 예측 결과를 외부 장치(4c)에 출력한다. 외부 장치(4c)는, 예를 들어, 건조 공정을 제어하는 장치이어도 된다.

예를 들어, 예측 장치(100)가, 겔 D50의 크기가 소정의 값보다도 크다고 예측한 경우, 건조 공정을 제어하는 외부 장치(4c)는, 소정보다도 고온의 조건에서 수지 분말을 가열하도록 제어하는 등, 공정에서의 조건을 변경해도 된다.

또한, 예측 장치(100)가, 겔 D50의 크기가 소정의 값보다도 크다고 예측한 경우, 겔 분쇄 공정을 제어하는 외부 장치(4b)는, 소정보다도 겔 분쇄 부하를 높여도 된다. 구체적으로는 외부 장치(4b)는, 겔에 대하여, 보다 고전단이 걸리도록, 회전수를 빠르게 하도록 제어하는 등, 공정에서의 조건을 변경해도 된다.

다른 예로서는, 예를 들어, 최종 제품 물성의 CRC가, 제품 규격에 대하여 높아진다고 예측 장치(100)가 예측한 경우는, 중합 공정에서의 가교제량을 저감시키는 제어를 행하는 것을 들 수 있다. 또한, 예를 들어, 최종 제품 물성의 AAP가 제품 규격에 대하여 낮은 경우는, 후가교 공정의 처리제 조성을 변경하는 제어를 행하는 것을 들 수 있다.

본 실시 형태에 있어서, 예측 장치(100)는, 복수 있는 근적외 분광 광도계 중, 어느 근적외 분광 광도계로부터 취득한 근적외 측정 데이터인지를 식별할 수 있어도 된다. 일례로서, 예측 장치(100)는, 예측 시스템(1000a) 내의 각 근적외 분광 광도계의 MAC 어드레스와, 각 근적외 분광 광도계의 설치 장소를 미리 취득해 둔다. 일례로서, 도 9에 MAC 어드레스와, 근적외 분광 광도계의 대응표를 나타낸다. 이와 같이, 근적외 측정 데이터를 취득할 때, 근적외 분광 광도계의 MAC 어드레스를 함께 취득함으로써, 예측 시스템(1000a) 내의 어느 공정에서의 근적외 측정 데이터인지를, 예측 장치(100)가 식별할 수 있다.

이와 같은 구성을 구비하는 예측 시스템(1000a)은, 수지 분말을 제조하는 각 공정에서의 중간 생성물의 물성(예를 들어, 겔 입자경 등의 분쇄 겔 물성) 또는 최종 제품인 수지 분말의 물성(예를 들어, 상술한 CRC나 AAP)을 단시간에 고정밀도로 예측할 수 있다. 예측 정보를, 수지 분말을 제조하는 제조 공정의 각 처리를 실행하는 제조 장치(외부 장치(4a 내지 4e))의 제어에 이용하면, 각 제조 공정에서의 물성 조작 인자를 실시간으로 조정할 수 있어, 스펙 아웃품의 발생을 효과적으로 억제할 수 있다.

또한, 근적외 분광 광도계(3a 내지 3f)는, 일반적으로 저렴(적어도 라만 분광계에 비해서 저렴)하다. 그 때문에, 수지 분체의 제조 공정에, 복수의 근적외 분광 광도계(3a 내지 3f)를 배치하기 위한 비용을 낮게 억제하는 것도 가능하다.

〔소프트웨어에 의한 실현예〕

실시 형태 1 및 실시 형태 2에 기재된 예측 장치(100)의 제어 블록(특히 제어부(10))의 제어 블록(특히 제어부(10))은, 집적 회로(IC칩) 등에 형성된 논리 회로(하드웨어)에 의해 실현해도 되고, 소프트웨어에 의해 실현해도 된다.

후자의 경우, 예측 장치(100)는, 각 기능을 실현하는 소프트웨어인 프로그램의 명령을 실행하는 컴퓨터를 구비하고 있다. 이 컴퓨터는, 예를 들어 1개 이상의 프로세서를 구비하고 있음과 함께, 상기 프로그램을 기억한 컴퓨터 판독 가능한 기록 매체를 구비하고 있다. 그리고, 상기 컴퓨터에 있어서, 상기 프로세서가 상기 프로그램을 상기 기록 매체로부터 판독해서 실행함으로써, 본 개시의 목적이 달성된다. 상기 프로세서로서는, 예를 들어 CPU(Central Processing Unit)를 사용할 수 있다. 상기 기록 매체로서는, 「일시적이지 않은 유형의 매체」, 예를 들어, ROM(Read Only Memory) 등 외에, 테이프, 디스크, 카드, 반도체 메모리, 프로그래머블한 논리 회로 등을 사용할 수 있다. 또한, 상기 프로그램을 전개하는 RAM(Random Access Memory) 등을 더 구비하고 있어도 된다. 또한, 상기 프로그램은, 해당 프로그램을 전송 가능한 임의의 전송 매체(통신 네트워크나 방송파 등)를 통해서 상기 컴퓨터에 공급되어도 된다. 또한, 본 개시의 일 양태는, 상기 프로그램이 전자적인 전송에 의해 구현화된, 반송파에 매립된 데이터 신호의 형태로도 실현될 수 있다.

본 개시는 상술한 각 실시 형태에 한정되는 것은 아니고, 청구항에 나타낸 범위에서 다양한 변경이 가능하고, 다른 실시 형태에 각각 개시된 기술적 수단을 적절히 조합해서 얻어지는 실시 형태에 대해서도 본 개시의 기술적 범위에 포함된다.

실시예

본 개시의 일 실시예에 대해서 이하에 설명한다. 또한, 근적외선 흡수 스펙트럼 측정에 제공하는 시료의 물성을 조정하기 위해서, 상기 기재된 중합 공정, 겔 분쇄 공정, 건조 공정, 후가교 공정, 정립 공정 및 기타 공정의 조건을 적절히 변경하여, 측정 대상의 시료를 얻었다. 후술하는 중합 공정에서는, 예를 들어 내부 가교제인 폴리에틸렌글리콜디아크릴레이트양을 변경했다. 후술하는 겔 분쇄 공정에서는, 예를 들어 다공판의 구멍 직경의 변경을 행했다. 후술하는 건조 공정에서는, 예를 들어 건조 시간을 변경했다. 또한, 후술하는 후가교 공정에서는, 예를 들어 후가교제종이나 사용량의 변경, 나아가 열처리 시의 온도 및 시간의 변경을 행했다.

<흡수성 수지(SAP)의 제작>

〔중합 공정〕

내경 50mm, 용량 120mL의 폴리프로필렌제 용기에 아크릴산 23.2g, 폴리에틸렌글리콜디아크릴레이트(중량 평균 분자량(Mw) 523Da) 0.135g(0.080몰％), 2.0중량％의 디에틸렌트리아민오아세트산·삼나트륨 수용액 0.071g, 이온 교환수 22.2g 및 48.5중량％의 수산화나트륨 수용액 9.6g을 혼합하여, 용액(A)을 조제했다.

마그네틱 스터러를 사용해서 교반하면서, 45℃로 온도 조절한 상기 용액(A)에 48.5중량％의 수산화나트륨 수용액 9.8g을 개방계에서 약 5초간에 걸쳐 첨가해서 혼합하여 단량체 수용액 (1)을 조제했다. 또한, 해당 혼합 과정에서 발생한 중화열 및 용해열에 의해, 해당 단량체 수용액 (1)의 액온이 약 80℃까지 상승했다.

그 후, 얻어진 단량체 수용액 (1)의 온도가 78℃로 된 시점에서, 4.5중량％의 과황산나트륨 수용액 1.01g을 추가하여, 약 3초간 교반했다. 그 후, 얻어진 반응액 (1)을 스테인리스제 샤알레 내에 개방계에서 주입했다.

상기 스테인리스제 샤알레의 사이즈는, 내경 88mm 및 높이 20mm이었다. 또한, 상기 스테인리스제 샤알레의 표면 온도를, 핫 플레이트(NEO HOTPLATE H1-1000, (주)이우치 세이에이도 제조)를 사용하여 미리 50℃까지 가열했다.

상기 반응액 (1)의 공급 후, 빠르게 배기구를 갖는 유리제 용기로 스테인리스제 샤알레를 덮고, 케이스 내의 압력이 85kPa로 되도록 진공 펌프로 흡인했다. 또한, 케이스 밖의 압력은 101.3kPa(상압)이었다.

상기 반응액 (1)이 상기 스테인리스제 샤알레에 주입된 후, 잠시 후에 중합이 개시되었다. 해당 중합은, 수증기를 발생시키면서 상방을 향해서 사방팔방으로 팽창 발포하면서 진행되고, 그 후, 저면보다도 약간 큰 사이즈로까지 수축했다. 이 팽창 수축은 약 1분 이내에 종료되었다. 중합 용기(즉, 유리제 용기로 스테인리스제 샤알레를 덮은 것) 내에 3분간 유지한 후, 함수 겔상 가교 중합체(이하, 「함수 겔」이라고 칭함) (1)을 취출했다.

〔겔 분쇄 공정〕

얻어진 함수 겔 (1)을, 이하의 사양을 갖는 스크루 압출기(미트 초퍼)로 겔 분쇄했다. 상기 스크루 압출기는, 그 선단부에 다공판을 구비하고, 해당 다공판의 직경은 82mm, 구멍 직경 8.0mm, 구멍수 33개, 두께 9.5mm이었다. 또한 겔 분쇄의 조건으로서, 함수 겔 (1)의 투입량은 약 360g/분, 겔 투입과 병행해서 90℃의 탈이온수를 50g/분으로 첨가하면서 겔 분쇄를 행했다. 이 겔 분쇄된 입자상 함수 겔 (1)을 후술하는 겔 D50의 평가에 사용했다.

〔건조 공정〕

상기 겔 분쇄된 입자상 함수 겔 (1)을 눈 크기 850㎛의 스테인리스제 금속망 상에 펼쳐서, 190℃에서 30분간 열풍 건조를 행했다. 계속해서, 해당 건조 조작으로 얻어진 건조 중합체 (1)을 롤밀(유겐가이샤 이노쿠치 기켄사 제조, WML형 롤 분쇄기)로 분쇄한 후, 눈 크기 710㎛ 및 눈 크기 175㎛의 JIS 표준 체를 사용해서 분급하여 흡수성 수지 분말 (1)을 얻었다.

〔후가교 공정〕

상기 흡수성 수지 분말 (1) 100g에, 에틸렌글리콜디글리시딜에테르 0.025g, 에틸렌카르보네이트 0.3g, 프로필렌글리콜 0.5g 및 탈이온수 2.0g을 포함하는 표면 가교제 용액을 분무해서 혼합했다. 이 혼합물을 200℃에서 35분간 가열 처리함으로써, 표면 가교된 흡수성 수지 분말 (2)를 얻었다.

상기 일련의 조작에 의해, 부정형 파쇄상의 흡수성 수지 분말 (1) 및 (2)를 얻었다. 이 흡수성 수지 분말을 후술하는 CRC, AAP, SFC, D50 및 함수율(고형분)의 평가에 사용했다.

<흡수성 수지의 측정>

근적외 흡수 스펙트럼의 측정 기기 및 조건은 하기와 같다.

(i) 기기: FT-NIR NIRFlex(상표 등록) N-500(BUCHI 제조)

측정 파장: 800 내지 2500nm

측정 방식: 확산 반사 측정

(ii) 기기: IRMA5184S(가부시키가이샤 치노 제조)

측정 파장(8파장): 1320, 1460, 1600, 1720, 1800, 1960, 2100, 2310nm

측정 방식: 근적외 흡수식

<흡수성 수지 분말의 각 물성에서의 예측 장치의 성능 평가>

얻어진 근적외 흡수 스펙트럼의 파장 데이터를 특징량으로 하고, 측정한 시료의 물성 정보를 목적 변수로 해서, PCR 또는 PLS(Partial least square) 회귀 분석법에 의해 이들의 관계식을 구했다. 이하에 흡수성 수지 분말의 물성 (1) 겔 D50, (2) CRC, (3) AAP, (4) SFC, (5) D50 및 (6) 고형분 각각에 대해서, 예측 장치의 성능을 평가했다.

평가에 사용하는 데이터 세트는, 근적외 측정 데이터와, 해당 근적외 측정 데이터에 대응지어져 있는 물성의 조합을 복수개 포함한다. 데이터 세트를 학습 데이터와, 검증 데이터로 분할해서 평가에 사용한다. 여기서, 학습 데이터는, 근적외 흡수 스펙트럼과, 해당 근적외 흡수 스펙트럼에 대응지어져 있는 물성의 실측값을 포함하는 데이터이며, 사전의 기계 학습에 사용하기 위한 데이터이다. 또한, 검증 데이터란, 학습 데이터에 포함되어 있지 않은 데이터이다. 본 실시예에서는, 평가에 사용하는 데이터 세트를 랜덤하게 분할하여, 학습 데이터에 대하여 PLS 또는 PCR에 의한 예측 모델을 작성했다.

먼저, 복수의 흡수성 수지 분말 (1) 및 (2)의 근적외 흡수 스펙트럼과, 물성을 측정하고, 근적외 흡수 스펙트럼과, 해당 근적외 흡수 스펙트럼에 대응지어져 있는 물성의 조합을 N개 포함한 데이터 세트를 준비한다. 데이터 세트를, 학습 데이터와 검증 데이터로 분할하여, 80％의 조합을 학습용, 나머지 20％의 조합을 검증용으로 했다.

이하에, 각 물성에 대해서 플롯한 그래프를 나타낸다. 각 그래프에 있어서, 「training」으로 나타내는 데이터는 학습 데이터이며, 「test」로 나타내는 데이터는 검증 데이터이다. 그래프 내의 점선은, 물성의 실측값과, 물성의 예측값이 완전히 일치할 때 얻어지는 진정한 회귀 직선을 나타낸다. 학습 데이터 및 검증 데이터의 물성의 실측값에 대한 물성의 예측값을 플롯했다. 각 그래프에 있어서, 실측값과 예측값을 플롯한 점이 회귀 직선에 가까울수록, 예측 장치의 성능이 높다고 판단할 수 있다.

(1) 겔 D50

데이터 세트는 근적외 측정 흡수 스펙트럼과, 해당 근적외 흡수 스펙트럼에 대응지어져 있는 물성의 조합을 36개 갖는다. 데이터 세트를, 학습 데이터와 검증 데이터로 랜덤 분할하여, 80％를 학습용, 20％를 검증용으로 사용했다. 학습 데이터에 대하여 PCR에 의한 예측 모델을 작성했다. 도 10은, 겔 D50의 실측값에 대한 예측값을, 80 내지 190㎛의 범위에서 플롯한 그래프이다.

(2) CRC

데이터 세트는 근적외 측정 흡수 스펙트럼과, 해당 근적외 흡수 스펙트럼에 대응지어져 있는 물성의 조합을 79개 갖는다. 데이터 세트를, 학습 데이터와 검증 데이터로 랜덤 분할하여, 80％를 학습용, 20％를 검증용으로 사용했다. 학습 데이터에 대하여 PLS에 의한 예측 모델을 작성했다. 도 11은, CRC의 실측값에 대한 예측값을, 24 내지 31g/g의 범위에서 플롯한 그래프이다.

(3) AAP

데이터 세트는 근적외 측정 흡수 스펙트럼과, 해당 근적외 흡수 스펙트럼에 대응지어져 있는 물성의 조합을 69개 갖는다. 데이터 세트를, 학습 데이터와 검증 데이터로 랜덤 분할하여, 80％를 학습용, 20％를 검증용으로 사용했다. 학습 데이터에 대하여 PLS에 의한 예측 모델을 작성했다. 도 12는, AAP의 실측값에 대한 예측값을, 24.5 내지 27g/g의 범위에서 플롯한 그래프이다.

(4) SFC

데이터 세트는 근적외 측정 흡수 스펙트럼과, 해당 근적외 흡수 스펙트럼에 대응지어져 있는 물성의 조합을 64개 갖는다. 데이터 세트를, 학습 데이터와 검증 데이터로 랜덤 분할하여, 80％를 학습용, 20％를 검증용으로 사용했다. 학습 데이터에 대하여 PLS에 의한 예측 모델을 작성했다. 도13은, SFC의 실측값에 대한 예측값을, 20 내지 110(×10^-7·cm³·s·g^-1)의 범위에서 플롯한 그래프이다.

(5) D50

데이터 세트는 근적외 측정 흡수 스펙트럼과, 해당 근적외 흡수 스펙트럼에 대응지어져 있는 물성의 조합을 90개 갖는다. 데이터 세트를, 학습 데이터와 검증 데이터로 랜덤 분할하여, 80％를 학습용, 20％를 검증용으로 사용했다. 학습 데이터에 대하여 PLS에 의한 예측 모델을 작성했다. 도 14는, D50의 실측값에 대한 예측값을, 250 내지 450㎛의 범위에서 플롯한 그래프이다.

(6) 함수율(고형분율)

데이터 세트는 근적외 측정 흡수 스펙트럼과, 해당 근적외 흡수 스펙트럼에 대응지어져 있는 물성의 조합을 29개 갖는다. 데이터 세트를, 학습 데이터와 검증 데이터로 랜덤 분할하여, 80％를 학습용, 20％를 검증용으로 사용했다. 학습 데이터에 대하여 PLS에 의한 예측 모델을 작성했다. 도 15는, 함수율의 실측값에 대한 예측값을 96.5 내지 98.5wt％의 범위에서 플롯한 그래프이다. 고형분은, 100-함수율(중량％)에 의해 구해지기 때문에, 본 그래프는, 고형분율에서의 실측값에 대한 예측값을 나타내는 것이라고도 할 수 있다.

<평가 결과>

어느 물성에서든, 예측값은, 실측값과 좋은 상관을 나타냈다. 또한, 학습 데이터에 포함되어 있지 않은 검증 데이터에 대해서도, 학습 데이터와 마찬가지의 정밀도로 각 물성을 예측할 수 있어, 예측 장치(100)가 양호한 성능을 갖는 것으로 나타났다.

100: 예측 장치
11: 측정 데이터 취득부
13: 예측부
22: 예측 모델
23: 물성 정보

Claims

수지 분말의 물성을 예측하는 예측 방법이며,
상기 수지 분말은, 흡수성 수지 분말 및 해당 흡수성 수지 분말을 제조하기 위한 제조 공정에서 생성되는 중간 생성물의 어느 것이며,
상기 수지 분말의 근적외 흡수 스펙트럼을 나타내는 근적외 측정 데이터를 취득하는 근적외 측정 데이터 취득 스텝과,
상기 근적외 측정 데이터, 및 상기 근적외 측정 데이터에 기초하여 생성된 1 이상의 가공 데이터의 적어도 1개 이상을 예측 모델에 입력하여, 해당 수지 분말의 물성에 관련된 예측 정보를 출력하는 예측 스텝을 포함하는, 예측 방법.
제1항에 있어서, 상기 예측 모델은, (1) 과거에 제조된, 물성이 기지인 복수의 제조 완료된 수지 분말의 근적외 흡수 스펙트럼을 포함하는 근적외 측정 데이터와, 해당 근적외 측정 데이터에 대응지어져 있는 최종 생성물의 물성 정보의 조합, 및 (2) 각 제조 완료된 수지 분말을 제조하기 위한 제조 공정에서 생성된, 물성이 기지인 복수의 생성 완료된 중간 생성물의 근적외 흡수 스펙트럼을 포함하는 근적외 측정 데이터와, 해당 근적외 측정 데이터에 대응지어져 있는 중간 생성물의 물성 정보의 조합 중 적어도 어느 것을 학습 데이터로서 사용한 기계 학습에 의해 생성된 것인, 예측 방법.
제2항에 있어서, 상기 예측 모델은, 선형 회귀 및 비선형 회귀 중 어느 것을 사용해서 생성된 것인, 예측 방법.
제2항 또는 제3항에 있어서, 상기 예측 모델은, 주성분 회귀 및 부분적 최소 제곱 회귀 중 어느 것을 사용해서 생성된 것인, 예측 방법.
제1항 내지 제4항 중 어느 한 항에 있어서, 상기 가공 데이터를 생성하는 전처리 스텝을 포함하고,
상기 전처리 스텝에서, 이상치 제거 처리, 평균화 처리, 파장 범위 선택 처리 및 미분 처리 중 어느 하나 이상을 행하는, 예측 방법.
제1항 내지 제5항 중 어느 한 항에 있어서, 상기 예측 정보는, (1) 상기 중간 생성물인 함수 겔의 질량 평균 입자경(겔 D50), (2) 상기 수지 분말의 무가압하 흡수 배율(CRC), (3) 상기 수지 분말의 가압하 흡수 배율(AAP), (4) 상기 수지 분말의 식염수 흐름 유도성(SFC), (5) 상기 수지 분말의 질량 평균 입자경(D50) 및 (6) 상기 수지 분말의 고형분 함유량 또는 고형분율 중 적어도 어느 하나를 포함하는, 예측 방법.
제1항 내지 제6항 중 어느 한 항에 있어서, 상기 수지 분말의 상기 제조 공정은, 중합 공정, 건조 공정을 포함하고,
상기 근적외 흡수 스펙트럼은, 상기 중합 공정 전, 상기 중합 공정과 상기 건조 공정의 사이, 및 상기 건조 공정 후의 적어도 어느 것에 있어서 측정되고,
상기 예측 스텝에서 출력되는 상기 예측 정보에 기초하여, 상기 수지 분말의 제조 공정에서 사용되는 어느 하나 이상의 제조 장치가 제어되는, 예측 방법.
수지 분말의 물성을 예측하는 예측 장치이며,
상기 수지 분말은, 흡수성 수지 분말, 및 해당 흡수성 수지 분말을 제조하기 위한 제조 공정에서 생성되는 중간 생성물의 어느 것이며,
상기 수지 분말에 대해서 측정된 근적외 흡수 스펙트럼을 나타내는 근적외 측정 데이터를 취득하는 측정 데이터 취득부와,
상기 근적외 측정 데이터 및 상기 근적외 측정 데이터에 기초하여 생성된 1 이상의 가공 데이터의 적어도 어느 것을 예측 모델에 입력하여, 해당 수지 분말의 물성에 관련된 예측 정보를 출력하는 예측부를 구비하는, 예측 장치.
중합 공정 및 건조 공정을 포함하는 수지 분말의 제조 방법이며,
제1항 내지 제7항 중 어느 한 항에 기재된 예측 방법에 의해 얻어진 예측 정보에 기초하여,
상기 수지 분말의 어느 하나 이상의 제조 공정에서, 그 제조 조건이 제어되는, 수지 분말의 제조 방법.
수지 분말의 제조 방법을 제어하기 위한, 제1항 내지 제7항 중 어느 한 항에 기재된 예측 방법에 의해 얻어진 예측 정보의 사용.
제1항 내지 제6항 중 어느 한 항에 기재된 예측 방법에 사용하는 수지 분말의 근적외 흡수 스펙트럼을 측정하는 측정 방법이며,
상기 수지 분말에 근적외선을 조사하는 스텝과,
상기 수지 분말로부터의 반사광 및 투과광 중 적어도 한쪽을 측정한 측정값으로부터 상기 수지 분말의 근적외 흡수 스펙트럼을 산출하는 스텝을 포함하고,
상기 수지 분말은, 흡수성 수지 분말 및 해당 흡수성 수지 분말을 제조하기 위한 제조 공정에서 생성되는 중간 생성물의 어느 것인, 측정 방법.