WO2021235408A1 - ガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法 - Google Patents

ガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法 Download PDF

Info

Publication number
WO2021235408A1
WO2021235408A1 PCT/JP2021/018678 JP2021018678W WO2021235408A1 WO 2021235408 A1 WO2021235408 A1 WO 2021235408A1 JP 2021018678 W JP2021018678 W JP 2021018678W WO 2021235408 A1 WO2021235408 A1 WO 2021235408A1
Authority
WO
WIPO (PCT)
Prior art keywords
base material
glass
flame
burner
data
Prior art date
Application number
PCT/JP2021/018678
Other languages
English (en)
French (fr)
Inventor
朋浩 石原
由美子 澤井
Original Assignee
住友電気工業株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 住友電気工業株式会社 filed Critical 住友電気工業株式会社
Priority to US17/924,128 priority Critical patent/US20230183121A1/en
Priority to JP2022524474A priority patent/JPWO2021235408A1/ja
Priority to CN202180032865.4A priority patent/CN115551812B/zh
Publication of WO2021235408A1 publication Critical patent/WO2021235408A1/ja

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C03—GLASS; MINERAL OR SLAG WOOL
    • C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
    • C03B37/00—Manufacture or treatment of flakes, fibres, or filaments from softened glass, minerals, or slags
    • C03B37/01—Manufacture of glass fibres or filaments
    • C03B37/012—Manufacture of preforms for drawing fibres or filaments
    • C03B37/014—Manufacture of preforms for drawing fibres or filaments made entirely or partially by chemical means, e.g. vapour phase deposition of bulk porous glass either by outside vapour deposition [OVD], or by outside vapour phase oxidation [OVPO] or by vapour axial deposition [VAD]
    • C03B37/01413—Reactant delivery systems
    • C—CHEMISTRY; METALLURGY
    • C03—GLASS; MINERAL OR SLAG WOOL
    • C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
    • C03B37/00—Manufacture or treatment of flakes, fibres, or filaments from softened glass, minerals, or slags
    • C03B37/01—Manufacture of glass fibres or filaments
    • C03B37/012—Manufacture of preforms for drawing fibres or filaments
    • C03B37/014—Manufacture of preforms for drawing fibres or filaments made entirely or partially by chemical means, e.g. vapour phase deposition of bulk porous glass either by outside vapour deposition [OVD], or by outside vapour phase oxidation [OVPO] or by vapour axial deposition [VAD]
    • C03B37/01413—Reactant delivery systems
    • C03B37/0142—Reactant deposition burners
    • C—CHEMISTRY; METALLURGY
    • C03—GLASS; MINERAL OR SLAG WOOL
    • C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
    • C03B37/00—Manufacture or treatment of flakes, fibres, or filaments from softened glass, minerals, or slags
    • C03B37/01—Manufacture of glass fibres or filaments
    • C03B37/012—Manufacture of preforms for drawing fibres or filaments
    • C03B37/014—Manufacture of preforms for drawing fibres or filaments made entirely or partially by chemical means, e.g. vapour phase deposition of bulk porous glass either by outside vapour deposition [OVD], or by outside vapour phase oxidation [OVPO] or by vapour axial deposition [VAD]
    • C03B37/01446—Thermal after-treatment of preforms, e.g. dehydrating, consolidating, sintering
    • C—CHEMISTRY; METALLURGY
    • C03—GLASS; MINERAL OR SLAG WOOL
    • C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
    • C03B2201/00—Type of glass produced
    • C03B2201/06—Doped silica-based glasses
    • C03B2201/30—Doped silica-based glasses doped with metals, e.g. Ga, Sn, Sb, Pb or Bi
    • C03B2201/31—Doped silica-based glasses doped with metals, e.g. Ga, Sn, Sb, Pb or Bi doped with germanium
    • C—CHEMISTRY; METALLURGY
    • C03—GLASS; MINERAL OR SLAG WOOL
    • C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
    • C03B2207/00—Glass deposition burners
    • C03B2207/60—Relationship between burner and deposit, e.g. position
    • C03B2207/62—Distance
    • C—CHEMISTRY; METALLURGY
    • C03—GLASS; MINERAL OR SLAG WOOL
    • C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
    • C03B2207/00—Glass deposition burners
    • C03B2207/60—Relationship between burner and deposit, e.g. position
    • C03B2207/64—Angle
    • C—CHEMISTRY; METALLURGY
    • C03—GLASS; MINERAL OR SLAG WOOL
    • C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
    • C03B2207/00—Glass deposition burners
    • C03B2207/70—Control measures

Definitions

  • the present disclosure relates to a glass base material manufacturing apparatus, a glass base material manufacturing method, and a base material profile prediction method.
  • Patent Document 1 the shape of the deposited surface of the glass fine particle deposit (finally forming a part of the optical fiber base material) by the VAD (Vaper-phase Axial Deposition) method is monitored, and the shape is pulled up to the target shape. Controlling the speed, controlling the pulling speed, controlling at least one of the concentration and flow rate of the gas including the glass raw material, the burner position, and stopping the deposition operation of the glass fine particles when the shape deviates from the target shape. , are disclosed.
  • VAD Vaper-phase Axial Deposition
  • the glass base material manufacturing apparatus is an apparatus for producing glass fine particle deposits by the VAD method, and in order to achieve the above-mentioned object, a gas supply system, a burner, and a profile prediction system are used. , Equipped with.
  • the gas supply system separately supplies the glass raw material gas and the flame generating gas (fuel gas).
  • the burner blows the glass fine particles in the flame onto the glass fine particle deposit while producing glass fine particles from the glass raw material gas in the flame obtained by burning the fuel gas supplied from the gas supply system.
  • the profile prediction system is a refractive index of a transparent glass base material obtained by dehydrating and sintering a glass fine particle deposit at one or more arbitrary time points during the period from the start of production to the end of production of the glass fine particle deposit. Output the prediction result of the profile.
  • the profile prediction system includes an image pickup device and a calculation unit.
  • the image pickup device captures a flame blown from a burner onto a glass fine particle deposit, or a particle stream composed of glass fine particles generated in the flame.
  • the arithmetic unit performs image processing for extracting at least image data representing the state of flame or particle flow from the image obtained by the image pickup device.
  • the calculation unit regresses and predicts the refractive index profile of the transparent glass base material, which is the objective variable, from the explanatory variables including at least the image data.
  • FIG. 1 is a diagram for explaining the problems of the glass base material manufacturing apparatus, the glass base material manufacturing method, and the base material profile prediction method of the present disclosure.
  • FIG. 2 is a diagram showing a configuration example of a glass base material manufacturing apparatus according to an embodiment of the present disclosure.
  • FIG. 3 is a diagram for explaining the position of the burner with respect to the glass fine particle deposit during the glass fine particle deposit.
  • FIG. 4 is a diagram for explaining a basic analysis for determining explanatory variables (No. 1).
  • FIG. 5 is a diagram showing an example of a schematic configuration of a PC including a calculation unit.
  • FIG. 6 is a diagram for explaining image processing (contour data extraction) in the calculation unit.
  • FIG. 7 is a table showing numerical data obtained by the image processing of FIG. FIG.
  • FIG. 8 is a diagram for explaining image processing (luminance distribution data extraction) in the calculation unit.
  • FIG. 9 is a diagram for explaining a basic analysis for determining explanatory variables (No. 2).
  • FIG. 10 is a diagram for explaining the objective variable.
  • FIG. 11 is a table showing explanatory variables and objective variables for each base material sample (transparent glass base material).
  • FIG. 12 is a table showing the prediction results for each objective variable obtained by the base material profile prediction method of the present disclosure.
  • FIG. 13 is a graph showing the correlation between the predicted value of the objective variable and the measured value.
  • FIG. 14 is a base material profile predicted by the base material profile prediction method of the present disclosure, which is shown together with the measured base material profile (refractive index profile of the transparent glass base material).
  • FIG. 15 shows the results of regression prediction of all points of the refractive index profile by the measured base material profile and the base material profile prediction method (random forest) of the present disclosure.
  • FIG. 1 is a diagram showing the work from the conventional glass base material manufacturing method (deposition process) to profile measurement.
  • the core burner 17 is arranged on the center side of the glass fine particle deposit 14 and the clad burner 18 is arranged on the outer peripheral side in the deposition step, and the glass fine particles are sprayed from each.
  • the transparent glass base material 140 is obtained by heating the glass fine particle deposit 14 with the heater 141.
  • the obtained transparent glass base material 140 corresponds to the core of the optical fiber, which is the final product, and the portion corresponding to the optical cladding around the core, and serves as a portion that directly affects the optical characteristics of the optical fiber, and the obtained transparent glass.
  • the refractive index profile in the radial direction is measured at a plurality of locations along the longitudinal direction of the base metal (profile measurement).
  • profile measurement the transparent glass base material judged to be acceptable proceeds to the next process.
  • the manufacturing conditions are adjusted in the deposition process (feedback). However, several days have usually passed from the start of production of the glass fine particle deposit 14 to the end of profile measurement. If it is determined that the profile-measured transparent glass base material 140 is defective, all of the glass products manufactured in the last few days, that is, the glass fine particle deposits manufactured before the manufacturing conditions are adjusted. All or part of the body 14 and the transparent glass base material 140 may be determined to be defective. As described above, it has been difficult to improve the manufacturing yield by the above-mentioned method for manufacturing a glass base material according to the prior art.
  • the present disclosure has been made in order to solve the above-mentioned problems, and the refractive index profile of the transparent glass base material including the portion to be the core of the final product optical fiber is set to the glass fine particles before sintering. It is an object of the present invention to provide a glass base material manufacturing apparatus, a glass base material manufacturing method, and a base material profile prediction method that can be predicted at the stage of manufacturing a deposit.
  • the glass base material manufacturing apparatus is an apparatus for manufacturing a glass fine particle deposit (including a portion to be a core of an optical fiber which is a final product) by a VAD method.
  • a gas supply system separately supplies the glass raw material gas and the flame generating gas (fuel gas).
  • the burner blows the glass fine particles generated in the flame onto the glass fine particle deposit while producing glass fine particles from the glass raw material gas in the flame obtained by burning the fuel gas supplied from the gas supply system.
  • the profile prediction system is a refractive index of a transparent glass base material obtained by dehydrating and sintering a glass fine particle deposit at one or more arbitrary time points during the period from the start of production to the end of production of the glass fine particle deposit. Output the prediction result of the profile.
  • the profile prediction system has an image pickup device and a calculation unit.
  • the image pickup device captures a flame blown from a burner onto a glass fine particle deposit, or a particle stream composed of glass fine particles generated in the flame.
  • the arithmetic unit performs image processing for extracting at least image data representing the state of flame or particle flow from the image obtained by the image pickup device.
  • the calculation unit regresses and predicts the refractive index profile of the transparent glass base material, which is the objective variable, from the explanatory variables including the image data.
  • the image data representing the state of the particle flow includes contour information of the flame or particle flow, brightness information of light arriving from the flame or particle flow, and the like, which are specified by an image obtained by capturing the flame or particle flow. Will be.
  • the refractive index profile of the transparent glass base material is predicted at one or more arbitrary points during the period from the start of production to the end of production of the glass fine particle deposit. Therefore, it is possible to predict the profile of the transparent glass base material over the entire length of the transparent glass base material. In addition, it is possible to change the manufacturing conditions by predicting the profile during the manufacturing of such glass fine particle deposits, and it is possible to effectively suppress the characteristic defects caused by the structural defects of the optical fiber which is the final product. become.
  • the glass base material manufacturing apparatus and the like of the present disclosure are the main parts of the finally obtained optical fiber base material (the part including the part that should be the core of the optical fiber), and the glass fine particle deposits are formed.
  • the refractive index profile of the transparent glass base material obtained by dehydration and sintering is made predictable during the production of the glass fine particle deposit. This means that the manufacturing conditions of the transparent glass base material can be adjusted before the profile measurement, and as a result, it becomes possible to reduce the number of defective products of the transparent glass base material. In addition, it is possible to make process engineers skillless and shorten the feedback time for adjusting manufacturing conditions.
  • the refractive index profile of the glass base material can be controlled to a desired profile shape over the entire length of the base material, so that the obtained transparent glass base material can be obtained. It becomes possible to stabilize the characteristics of the above to the desired characteristics. Further, by manufacturing an optical fiber as a final product from an optical fiber base material containing such a transparent glass base material, it becomes possible to stabilize the optical characteristics of the optical fiber to desired characteristics.
  • the glass base material manufacturing method of the present disclosure is a method of manufacturing a glass fine particle deposit by the VAD method, and is realized by the above-mentioned glass base material manufacturing apparatus.
  • the glass base material manufacturing method includes, as one aspect thereof, a gas supply step, a deposition step, and a prediction step.
  • the gas supply process the glass raw material gas and the fuel gas are individually supplied to the burner.
  • the deposition step glass fine particles are generated from the glass raw material gas in the flame obtained by burning the fuel gas supplied to the burner, and the glass fine particles generated in the flame are sprayed onto the glass fine particle deposit.
  • the refractive index profile of the transparent glass base material obtained by dehydration and sintering of the glass fine particle deposit is predicted at one or more arbitrary time points during the period from the start to the end of the deposition step.
  • the prediction step includes an imaging step and a calculation step.
  • the imaging step a flame blown from the burner onto the glass fine particle deposit or a particle stream composed of the glass fine particles generated in the flame is imaged.
  • the calculation step at least image data representing the state of flame or particle flow is extracted from the image obtained in the imaging step.
  • the refractive index profile of the transparent glass base material which is the objective variable, is regression-predicted from the explanatory variables including the extracted image data.
  • the glass base material manufacturing method also has the same effect as the above-mentioned glass base material manufacturing apparatus.
  • the base material profile prediction method of the present disclosure is a method applicable to the above-mentioned glass base material manufacturing apparatus and glass base material manufacturing method, and is obtained by dehydration and sintering of glass fine particle deposits manufactured by the VAD method.
  • the refractive index profile of the obtained transparent glass base material is predicted at any time point of 1 or more during the period from the start of production to the end of production of the glass fine particle deposit.
  • the base material profile prediction method includes an imaging step, an image processing step, and a calculation step as one aspect thereof. In the imaging step, a flame blown from the burner onto the glass fine particle deposit or a particle stream composed of the glass fine particles generated in the flame is imaged.
  • This flame or particle flow imaging is generated in the flame while producing glass fine particles from the glass raw material gas supplied to the burner in the flame obtained by burning the fuel gas supplied to the burner. It is performed at an arbitrary time point when the glass fine particles are sprayed onto the glass fine particle deposit.
  • image data representing the state of the flame or the particle flow is extracted from the image obtained in the imaging step.
  • the refractive index profile of the transparent glass base material which is the objective variable, is recursively predicted from the explanatory variables including at least the image data extracted in the image processing step.
  • the base material profile prediction method also has the same effect as the above-mentioned glass base material manufacturing apparatus.
  • the explanatory variables include at least the contour data of the flame or the particle flow in the flame. This is because, as will be described later as an example, a high correlation can be confirmed between the contour data of the particle flow and the shape of the refractive index profile of the transparent glass base material by the basic analysis (the same applies to the contour data of the flame). Further, as one aspect of the present disclosure, the explanatory variables include the brightness distribution data of the flame or the particle flow, the data quantifying the installation position and the installation angle of the burner, the flow rate data of the glass raw material gas input to the burner, and the fuel gas.
  • the objective variable preferably includes a refractive index profile of the transparent glass base material or one or more types of data characterizing the refractive index profile of the transparent glass base material.
  • this refractive index profile is the distribution of the specific refractive index difference along the radial direction (the direction orthogonal to the central axis of the base material) of the transparent glass base material. In this case, it becomes possible to visually display the prediction result.
  • the calculation unit or the calculation process sets the refractive index profile or one or more types of data characterizing the refractive index profile in the objective variable, and determines each objective variable.
  • This learning model is a prediction model constructed by using known data for the correlation between the explanatory variables and the objective variables.
  • the regression analysis includes at least one decision tree regression, random forest, gradient boosting, multiple regression, and Lasso regression for each objective variable.
  • the glass base material manufacturing apparatus having the above-mentioned structure has a filter arranged between the image pickup device and the space sandwiched between the glass fine particle deposit and the burner. , You may prepare further.
  • This filter allows light of a predetermined wavelength from a flame or particle stream to pass through. For example, in the case of imaging thermal radiant light from a flame or a particle stream, the load of image processing is reduced by removing light having an unnecessary wavelength.
  • FIG. 2 is a diagram showing a configuration example of a glass base material manufacturing apparatus according to an embodiment of the present disclosure (an apparatus that realizes a glass base material manufacturing method according to an embodiment of the present disclosure).
  • the basic configuration of the glass base material manufacturing apparatus 10 shown in FIG. 2 is substantially the same as the apparatus configuration shown in Patent Document 1, but is limited to the apparatus configuration shown in Patent Document 1. Without this, the same equipment configuration as a general glass base material manufacturing equipment can be applied.
  • the glass base material manufacturing apparatus 10 according to the present embodiment is provided with a profile prediction system in addition to the basic configuration as described above, and thus has the apparatus configuration shown in Patent Document 1 and general glass base material manufacturing. It is different from the device configuration of the device.
  • the glass base material manufacturing apparatus 10 mainly has a configuration for carrying out the deposition process (reaction vessel, gas supply system, burner, drive unit, etc.) and a configuration for controlling the deposition process (control unit, image).
  • the glass base material manufacturing apparatus 10 includes a reaction vessel 11 for manufacturing the glass fine particle deposit 14.
  • An exhaust duct 29 is provided in the reaction vessel 11, and a support rod having a core burner 17, a clad burner 18, and a starting glass rod for depositing glass fine particles is attached to one end of the reaction vessel 11.
  • a part of 12 is located.
  • the starting glass rod a glass rod made of quartz glass having a diameter of 25 mm and a length of 400 mm is applied.
  • the other end of the support rod 12 is supported by the elevating and rotating device 15, which rotates the support rod 12 along the arrow S1 in FIG. 2 and in the direction indicated by the arrow S2.
  • the support rod 12 is moved up and down along the line.
  • the operation of the elevating / rotating device 15 is controlled by a drive unit (pulling speed control unit) 20 that constitutes a part of the control unit (control device) 16.
  • the control unit 16 controls the gas flow rate to the gas supply system 19 according to the control conditions input from the outside, controls the position of the core burner stage 24 and the angle adjusting mechanism 24a provided on the core burner stage 24, and clads.
  • the position of the angle adjusting mechanism 25a provided on the burner stage 25 for clad and the burner stage 25 for clad is individually controlled.
  • the core burner 17 has five pipes (arranged concentrically) having different outer diameters.
  • the glass raw material gas (SiCl 4 , GeCl 4 and O 2 ) supplied from the gas supply system 19 is introduced into the pipe having the smallest diameter (innermost pipe).
  • the space of the outer circumferential burner seal gas (N 2), further a fuel gas (H 2) in the space of the outer periphery thereof, further burner seal gas (N 2) on its outer periphery, and more its periphery supporting gas (O 2 ) is introduced.
  • glass fine particles SiO 2
  • a refractive index adjusting dopant GeO 2
  • the glass fine particles are sprayed from the core burner 17 onto the glass fine particle deposit 14.
  • the burner seal gas is a gas introduced to prevent thermal deterioration at the tip of the burner and accumulation of glass fine particles on the tip of the burner. It works to separate the gas.
  • the structure of the clad burner 18 is almost the same as the structure of the core burner 17 described above, but the type of the raw material of the refractive index adjusting dopant contained in the glass raw material gas supplied from the gas supply system 19 is different. ..
  • the glass raw material gas contains CF 4 together with SiCl 4.
  • the refractive index of the clad portion is not adjusted, the raw material of the dopant for adjusting the refractive index may not be contained in the glass raw material gas.
  • the shape of the deposited surface of a part of the glass fine particle deposit 14 is monitored by the measuring camera (CCD camera) 21.
  • the signal processing unit (image processing unit) 22 outputs the video data generated based on the electric signal from the measurement camera 21 to the image analysis unit (deposited shape measurement unit) 23 which constitutes a part of the control unit 16. ..
  • the image analysis unit 23 divides the video data (moving image) into a two-dimensional image (still image), and extracts the deposited surface shape from the obtained two-dimensional image (still image).
  • the image analysis unit 23 performs drive control to the drive unit 20 so that the extracted sedimentary surface shape becomes the target shape (outputs a modified drive control signal to the drive unit 20). Further, the image analysis unit 23 calculates the correction amount of the concentration and flow rate of the gas including the glass raw material and the correction amount of the burner position so that the shape of the deposited surface becomes the target shape.
  • the control unit 16 controls the gas supply system 19, the core burner stage 24, and the clad burner stage 25 according to the correction amount obtained by the image analysis unit 23.
  • the glass base material manufacturing apparatus 10 is obtained by dehydrating and sintering the glass fine particle deposit 14 at one or more arbitrary time points during the period from the start of the production to the end of the production of the glass fine particle deposit 14. Further, a profile prediction system for outputting the prediction result of the refractive index profile of the transparent glass base material 140 (see FIG. 1) is provided. In one example, profile prediction (base material profile prediction method of the present disclosure) is performed at 36000 points (1 second intervals) separated from each other along the longitudinal direction of the glass fine particle deposit 14.
  • the profile prediction system includes a filter 102, a CCD camera (imaging device) 103, a signal processing unit 104, a calculation unit 105, and an output unit 106 such as a display.
  • At least the calculation unit 105 and the output unit 106 can be configured by a personal computer (hereinafter referred to as “PC”) 110.
  • the filter 102 is arranged between the CCD camera 103 and the space sandwiched between the glass fine particle deposit 14 and the core burner 17, and has a predetermined wavelength of light (for example, particles) from the particle flow in the burner flame. Lets pass some of the heat radiant light from the stream). In particular, the load of image processing is reduced by removing light having an unnecessary wavelength.
  • the sampling interval by the CCD camera 103 is about 0.1 to 1 second.
  • the shutter speed is between 0.1 ms and 1000 ms.
  • the calculation unit 105 performs image processing for extracting at least image data representing the state of flame or particle flow from the two-dimensional image obtained by the image pickup device.
  • the image processing in the calculation unit 105 is performed by using image analysis software, and specifically, the contour of the flame or the particle flow is clarified after the brightness of the two-dimensional image from the signal processing unit 104 is adjusted. Will be done.
  • the calculation unit 105 recursively predicts the refractive index profile of the transparent glass base material 140, which is the objective variable, from the explanatory variables including at least the data obtained by coordinating the contour of the flame or the particle flow.
  • Fuel gas (H 2 ) flow rate, flammable gas (O 2 ) flow rate, dehydration and sintering conditions (temperature, gas flow rate) when the glass fine particle deposit 14 is made into transparent vitrification, etc. are set as explanatory variables.
  • the data that characterizes the refractive index profile is set in the objective variable.
  • the dehydration and sintering steps are steps for transparently vitrifying the glass fine particle deposit 14 in the heating furnace, and in the core tube in which the glass fine particle deposit 14 is housed, for example, nitrogen, argon, helium, chlorine, etc.
  • dehydration and sintering transparency of the glass fine particle deposit 14 Is the process of performing.
  • the "gas flow rate" as a condition for dehydration and sintering means the flow rate of the gas supplied into the core tube in this dehydration and sintering step.
  • the arithmetic unit 105 uses decision tree regression, random forest (RF), gradient boosting, multiple regression, lasso regression, etc. to determine the contour of the flame or particle flow and the index of refraction profile. Pre-model the correlation.
  • the calculation unit 105 predicts the refractive index profile of the transparent glass base material 140 by using the learning model (prediction model) constructed in this way.
  • the image data representing the state of the flame or the particle flow includes contour data of the flame or the particle flow specified by a two-dimensional image obtained by capturing the particle flow, or brightness information of thermal radiation light from the particles. included.
  • FIG. 3 is a diagram for explaining the position of the burner with respect to the glass fine particle deposit 14 during the glass fine particle deposit.
  • the glass fine particle deposit 14 and the burner 17 for the core are arranged so that the base metal central axis AX1 and the burner central axis (substantially the central axis of the pipe) AX2 intersect. ..
  • Such a relative positional relationship is the same for the positional relationship between the glass fine particle deposit 14 and the clad burner 18.
  • the burner stage 24 for the core moves the burner central axis AX2 along the burner X axis.
  • the angle adjusting mechanism 24a adjusts the angle (burner angle ⁇ ) of the core burner with respect to the core burner stage 24.
  • FIG. 4 is a diagram for explaining the basic analysis that is the basis for determining the contour data of the particle flow (may be the luminance distribution data) and the burner position as explanatory variables as an example.
  • FIG. 4 shows the outline of the particle flow (a group of glass fine particles in a flame sprayed from the core burner 17 to the glass fine particle deposit 14) adjusted by the positional relationship between the glass fine particle deposit 14 and the core burner 17.
  • a scissors-type refractive index profile is shown as a schematic shape of the refractive index profile of the transparent glass base material 140 obtained after dehydration and sintering.
  • the burner central axis AX2 of the core burner 17 is shifted to (a position close to the starting glass rod 13 than X 0) the upper with respect to the origin X 0 burner X-axis
  • the core burner 17 is arranged.
  • the transparent glass base material 140 after dehydration and sintering has a refractive index peak at a position away from the central axis AX0. It is easy to obtain a scissors-type refractive index profile.
  • a chevron-shaped refractive index profile is shown as a schematic shape of the refractive index profile of the transparent glass base material 140 obtained after dehydration and sintering.
  • burner central axis AX2 of the core burner 17 is lower relative to the origin X 0 burner X-axis
  • the core burner 17 is arranged so as to shift to.
  • a trapezoidal refractive index profile is shown as a schematic shape of the refractive index profile of the transparent glass base material 140 obtained after dehydration and sintering.
  • pattern 3 as shown in the left column, as the burner central axis AX2 of the core burner 17 intersects the origin X 0 of the burner X-axis, the core burner 17 is disposed.
  • the refractive index changes in the peripheral region centered on the central axis AX0 of the transparent glass base material 140 after dehydration and sintering. It is easy to obtain a trapezoidal refractive index profile with a small size.
  • FIG. 5 is a diagram showing an example of a schematic configuration of a PC 110 including a calculation unit 105.
  • the calculation unit 105 takes in the image signal from the signal processing unit 104, and performs image processing for extracting explanatory variables (flame or particle flow contour data, flame or particle flow luminance distribution data, etc.).
  • the explanatory variables are determined through a basic analysis as shown in FIG. 4, and the explanatory variable candidates include, for example, flame or particle flow contour data, flame or particle flow brightness distribution data, and a core burner 17. Installation position (burner X-axis position, burner angle ⁇ , etc.), flow rate of glass raw material gas, flow rate of fuel gas for flame generation, and the like.
  • the shape of the deposited surface, dehydration and sintering conditions (including temperature, gas flow rate, etc.) and the like can also be candidates for explanatory variables.
  • the contour data is obtained by performing image processing in advance, but other information is input from the outside as manufacturing condition data.
  • the contour data of the particle flow existing in the flame, the brightness distribution data of the particle flow, and the burner installation position (burner X-axis position) And the burner angle) are determined as explanatory variables.
  • the arithmetic unit 105 has a memory in which the correlation between the explanatory variable and the objective variable is constructed by the learning model by utilizing the explanatory variable and the objective variable obtained in the past manufacturing, and the constructed learning model is stored. Regression prediction is performed using the learning model. For the regression prediction, an arbitrarily selected regression analysis (regression analysis 1 to regression analysis 3 in the example of FIG. 5) is performed for each objective variable. For regression analysis, for example, decision tree regression, random forest, gradient boosting, multiple regression, Lasso regression and the like can be applied.
  • random forest is an analysis method in which learning data is randomly selected and a decision tree is constructed multiple times, and classification and regression are performed based on the majority decision and average value of the estimation results of each decision tree.
  • random forest is called ensemble learning because it uses multiple learning models (decision trees).
  • Gradient boosting is an analysis method that first analyzes the decision tree and then repeats the process of constructing the decision tree multiple times for the error between the predicted value and the true value of the constructed decision tree model. It is ensemble learning like Random Forest, but while Random Forest creates decision trees in parallel, gradient boosting constructs decision trees in series.
  • Multiple regression analysis is an analysis method for predicting one objective variable with a plurality of explanatory variables (numerical values).
  • one objective variable is y and n (integer of 1 or more) explanatory variables are xi (i). Is an integer from 1 to n), it is given by the following equation (1).
  • y a1 ⁇ x1 + a2 ⁇ x2 + ... + an ⁇ xn + b ...
  • ai (i is an integer from 1 to n) is a regression coefficient
  • b is an intercept.
  • a learning model is constructed by determining the regression coefficients ai and the intercept b using a plurality of training data in which the objective variable y and the explanatory variable xi are known.
  • Lasso regression analysis is an analysis model in which "L1 regularization" is added to linear regression such as the above-mentioned multiple regression analysis.
  • the regression coefficient for data that does not easily affect the prediction is brought close to zero, so that the regression analysis selects only the substantially important explanatory variables.
  • FIG. 6 is a diagram for explaining image processing (contour data extraction) in the above-mentioned calculation unit 105. Further, FIG. 7 is a table showing numerical data obtained by the image processing of FIG.
  • the calculation unit 105 takes in the video data (moving image) output from the signal processing unit 104, and divides this data into n (an integer of 1 or more) two-dimensional still images Gi (i is an integer of 1 to n).
  • n an integer of 1 or more
  • two-dimensional still images Gi i is an integer of 1 to n.
  • the contour data (image data) of the particle flow in the flame blown from the core burner 17 to the glass fine particle deposit 14 is extracted for each two-dimensional still image.
  • the two-dimensional still image Gi is an image in which the imaging area RA shown in FIG. 2 is captured by the CCD camera 103, and a necessary area is cut out. Is done.
  • the contour data of the particle flow is extracted by adjusting the brightness of the cut out region. As shown in the upper part of FIG.
  • the extracted contour data is composed of an upper contour Fu and a lower contour Fd, and finally, each contour Fu and Fd is smoothed.
  • the upper part of FIG. 6 shows the smoothing process of the upper contour Fu located in the region GS.
  • the region GA including the n upper contour Fus is a region defined by the coordinates Y011 to Y072 (hereinafter referred to as “explanatory variable candidates”) on the contour Y axis. ..
  • the contour coordinate average values of n upper contour Fus on the contour X-axis are calculated.
  • the region GB including n lower contours Fd is a region defined by the coordinates X006 to X066 (hereinafter referred to as "explanatory variable candidates") on the contour X axis.
  • the contour coordinate average values of n lower contours Fd on the contour Y-axis are calculated.
  • the contour coordinate average values of each of the seven candidates (Y011, Y021, ..., Y071) extracted from the explanatory variable candidates Y011 and Y072 that define the region GA
  • the contour coordinate average value of each of the seven candidates (X006, X016, ..., X066) extracted from the explanatory variable candidates X006 to X066 that define the region GB is set.
  • FIG. 8 is a diagram for explaining image processing (luminance distribution data extraction) in the calculation unit 105.
  • the luminance distribution of the particle flow in the two-dimensional still image Gi is the luminance distribution at each point on the line segment FL connecting the start point CP1 and the end point CP70 on the two-dimensional still image Gi (70 luminance measurement points in the example of FIG. 8).
  • CPx is an arbitrary integer from 1 to 70.
  • the average luminance ABT (CPx) is obtained by averaging the luminance BTs (CPx) obtained from each of the n two-dimensional still images at the same luminance measurement points.
  • the obtained average luminance ABT (CPx) shows the average luminance distribution at a total of 70 points from CP1 to CP70 on the line segment FL.
  • the luminance distribution data prepared as an explanatory variable is composed of, for example, an average luminance ABT (CPx) at 40 locations arbitrarily selected from CP1 to CP70.
  • the number of luminance measurement points selected from the luminance measurement points on the line segment FL is not limited to 40, and for example, the luminance distribution composed of 5 points, 10 points, 20 points, and 40 points can be used. By evaluation, the optimum number of constituents of luminance distribution data (number of luminance measurement points) may be determined.
  • FIG. 9 is a diagram for explaining the basic analysis that is the basis for determining the burner position as an explanatory variable.
  • the burner installation position (burner X-axis position and burner angle ⁇ ) of the core burner 17 is used as explanatory variables.
  • a trend graph of the contour Y-axis value in which the contour X-axis value of the upper contour Fu of the particle flow is minimized is shown for each base material.
  • Group A is a base material group in which the position of the core burner 17 is moved along the burner X axis with respect to group 0, and group B is a base material group in which the angle of the core burner 17 is further adjusted. be.
  • the burner installation position (burner X-axis position and burner angle ⁇ ) is also added to the explanatory variables.
  • FIG. 10 is a diagram for explaining the objective variable.
  • This embodiment predicts the refractive index profile of the transparent glass base material 140 obtained by sintering the glass fine particle deposit 14 on which the glass fine particles are deposited by the VAD method while dehydrating it.
  • the objective variables are four types of data that characterize the index of refraction profile to be predicted.
  • FIG. 10 describes four types of data that characterize the refractive index profile.
  • the objective variable 1 represents the difference between the maximum specific refractive index difference and the specific refractive index difference of the central axis A0.
  • the objective variable 2 represents the distance from the central axis A0 to the radial position where the maximum specific refractive index difference is obtained.
  • the objective variable 3 (feature amount “C / D”) indicates the slope of the profile.
  • the feature amount “C” is the specific refractive index difference which is 1/2 of the maximum specific refractive index difference
  • the feature amount "D” is 1/2 of the maximum specific refractive index difference from the radial position which is the maximum specific refractive index difference. It is the distance to the radial position, and their ratio “C / D” is the objective variable 3.
  • the objective variable 4 represents the maximum specific refractive index difference.
  • FIG. 11 shows a part of the data (explanatory variable and objective variable) used to construct the learning model in this embodiment.
  • Data were obtained from the base material sample of the book.
  • a learning model is constructed using all the data (explanatory variables and objective variables) excluding the test target, and the error between the measured value of the test target and the predicted value of the training model is RMSE (Root Mean Square). It is evaluated by Error).
  • RMSE Root mean square error ((1 / n) x ⁇ (true value-predicted value) 2 ) 1/2
  • n Number of data
  • FIG. 11 shows explanatory variables (measured values) and objective variables (measured values) for each of the total 96 base material samples classified as described above.
  • data of four types of objective variables (A, B, C / D, E) are shown for each base material sample.
  • the contour coordinate average value at each of the seven locations of the region GB shown in FIG. 7 the contour coordinate average value at each of the seven locations of the region GA, and the 40 locations shown in FIG. 8 are shown. It is composed of a total of 56 types of data such as brightness data, burner X-axis position, and burner angle, and these 56 types of data constituting explanatory variables are shown for each base material sample.
  • FIG. 12 shows the analysis method with the highest prediction accuracy for each objective variable in the base material profile prediction of the present disclosure, and its accuracy (RMSE). Further, FIG. 13 is a graph showing the correlation between the predicted value of the objective variable and the measured value.
  • the calculation unit 105 predicts the objective variable 1 (feature amount “A”) using a random forest with the highest accuracy as the regression prediction of the objective variable 1.
  • the contour data of the particle flow in the flame, the brightness distribution data of the particle flow, and the burner position (burner X-axis position and burner angle) were determined as explanatory variables through the basic analysis shown in FIGS. 4 and 9. ..
  • the calculation unit 105 uses gradient boosting, which is the most accurate regression prediction of the objective variable 2 and the objective variable 3, to provide the objective variable 2 (feature amount “B”) and the objective variable 3 (feature amount “C / D”). ”) Is predicted.
  • the calculation unit 105 predicts the objective variable 4 (feature amount “E”) by using the Lasso regression, which has the highest accuracy as the regression prediction of the objective variable 4.
  • FIG. 14 is a base material profile predicted by the base material profile prediction method referred to in paragraphs “0053” to “0059”.
  • the solid line is the measured refractive index profile, and the broken line is the predicted profile. It can be seen that the regression prediction is performed with high accuracy in both the pattern 2 "mountain type” and the pattern 1 "scissors type”.
  • FIG. 15 is the result of regression prediction of all points of the refractive index profile (500 points in the radial direction) only in the random forest.
  • the solid line is the measured profile and the broken line is the predicted profile. It can be seen that the base material profile can be predicted with high accuracy using only one type of learning model.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Organic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Manufacture, Treatment Of Glass Fibers (AREA)

Abstract

本開示の一態様は、ＶＡＤ法によるガラス微粒子堆積体の製造段階において得られる透明ガラス母材の屈折率プロファイルの予測を可能にする。当該ガラス母材製造装置は、ガス供給システムと、バーナーと、信号処理装置と、を備える。信号処理装置は、ガラス微粒子からなる粒子流を撮像する撮像デバイスと、演算部と、を有する。演算部は、ガラス微粒子堆積体の製造開始から製造終了までの期間中における１またはそれ以上の任意時点で、撮像デバイスにより得られた画像から少なくとも火炎または粒子流の状態を表す画像データを抽出し、該画像データを含む説明変数から、目的変数となる透明ガラス母材の屈折率プロファイルを回帰予測する。

Description

ガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法
　本開示は、ガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法に関するものである。
  本願は、２０２０年５月２０日に出願された日本特許出願第２０２０－０８８００９号による優先権を主張するものであり、その内容に依拠すると共に、その全体を参照して本明細書に組み込む。
　特許文献１には、ＶＡＤ（Vaper-phase Axial Deposition）法によるガラス微粒子堆積体（最終的に光ファイバ母材の一部を構成する）の堆積面形状をモニタすること、目標形状となるよう引上げ速度を制御すること、引上げ速度の制御とともにガラス原料等を含むガスの濃度や流量、バーナー位置の少なくともいずれかを制御すること、および、目標形状から外れる場合にガラス微粒子の堆積動作を中止すること、が開示されている。
特開２０１２－９１９６５号公報
　本開示の一実施形態に係るガラス母材製造装置は、ＶＡＤ法によりガラス微粒子堆積体を製造する装置であって、上述の目的を達成するため、ガス供給システムと、バーナーと、プロファイル予測システムと、を備える。ガス供給システムは、ガラス原料ガスおよび火炎生成用ガス（燃料ガス）を個別に供給する。バーナーは、ガス供給システムから供給された燃料ガスの燃焼により得られる火炎内でガラス原料ガスからガラス微粒子を生成しつつ、該火炎内のガラス微粒子をガラス微粒子堆積体に吹き付ける。プロファイル予測システムは、ガラス微粒子堆積体の製造開始から製造終了までの期間中における１またはそれ以上の任意時点で、ガラス微粒子堆積体を脱水および焼結することにより得られる透明ガラス母材の屈折率プロファイルの予測結果を出力する。特に、プロファイル予測システムは、撮像デバイスと、演算部と、を有する。撮像デバイスは、バーナーからガラス微粒子堆積体へ吹き付けられる火炎、または、該火炎内で生成される、ガラス微粒子からなる粒子流を撮像する。演算部は、撮像デバイスにより得られた画像から少なくとも火炎または粒子流の状態を表す画像データを抽出する画像処理を行う。また、演算部は、少なくとも画像データを含む説明変数から、目的変数となる透明ガラス母材の屈折率プロファイルを回帰予測する。
図１は、本開示のガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法の課題を説明するための図である。 図２は、本開示の一実施形態に係るガラス母材製造装置の構成例を示す図である。 図３は、ガラス微粒子堆積中のガラス微粒子堆積体に対するバーナー位置を説明するための図である。 図４は、説明変数を決定する基本分析を説明するための図である（その１）。 図５は、演算部を含むＰＣの概略構成の一例を示す図である。 図６は、演算部における画像処理（輪郭データ抽出）を説明するための図である。 図７は、図６の画像処理により得られる数値データを示す表である。 図８は、演算部における画像処理（輝度分布データ抽出）を説明するための図である。 図９は、説明変数を決定する基本分析を説明するための図である（その２）。 図１０は、目的変数を説明するための図である。 図１１は、母材サンプル（透明ガラス母材）ごとに説明変数および目的変数を示す表である。 図１２は、本開示の母材プロファイル予測方法により得られた、目的変数ごとの予測結果を示す表である。 図１３は、目的変数の予測値と実測値との相関を示すグラフである。 図１４は、実測された母材プロファイル（透明ガラス母材の屈折率プロファイル）とともに示された、本開示の母材プロファイル予測方法により予測された母材プロファイルである。 図１５は、実測された母材プロファイルと、本開示の母材プロファイル予測方法（ランダムフォレスト）により屈折率プロファイルの全点を回帰予測した結果である。
　［本開示が解決しようとする課題］
  発明者らは、上述の従来技術について検討した結果、以下のような課題を発見した。すなわち、上記特許文献１に開示されたガラス母材製造方法では、ＶＡＤ法によるガラス微粒子堆積体の堆積形状をモニタしているが、ガラス微粒子堆積体を脱水および焼結することにより得られる透明ガラス母材の屈折率プロファイルの予測まではできない。従来、最終製品である光ファイバのコアとなるべき部分を含むガラス微粒子堆積体から得られる透明ガラス母材の屈折率プロファイルは、該光ファイバの光学特性に大きく影響するため、次工程を実行する前に、プロファイル測定が実施される。
　図１は、従来のガラス母材製造方法（堆積工程）からプロファイル測定までの作業を示す図である。従来のガラス母材製造方法では、堆積工程においてガラス微粒子堆積体１４の中心側にコア用バーナー１７、外周側にクラッド用バーナー１８を配置して、それぞれからガラス微粒子が吹き付けられる。その後、ヒータ１４１によりガラス微粒子堆積体１４を加熱することにより透明ガラス母材１４０が得られる。得られた透明ガラス母材１４０は、最終製品である光ファイバのコアおよび該コア周辺の光学クラッドに相当する部分に相当し、光ファイバの光学特性に直接影響する部位となり、得られた透明ガラス母材の長手方向に沿った複数個所において、半径方向の屈折率プロファイルが測定される（プロファイル測定）。このプロファイル測定の結果、合格と判断された透明ガラス母材は次工程へ製造に進む。一方、プロファイル測定の結果、測定対象の透明ガラス母材が不良と判断された場合、堆積工程において製造条件が調整される（フィードバック）。ただし、ガラス微粒子堆積体１４の製造開始時点からプロファイル測定の終了時点までには、通常、数日が経過している。仮に、プロファイル測定された透明ガラス母材１４０が不良であると判断された場合、この数日間で製造されたガラス製品の全て、すなわち、製造条件の調整が行われる前に製造されたガラス微粒子堆積体１４および透明ガラス母材１４０のうち全てまたは一部が不良品と判断される場合がある。このように、上述の従来技術によるガラス母材製造方法では、製造歩留まりを改善することが困難であった。
　本開示は、上述のような課題を解決するためになされたものであり、最終製品である光ファイバのコアになるべき部分を含む透明ガラス母材の屈折率プロファイルを、焼結前のガラス微粒子堆積体の製造段階で予測可能にするガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法を提供することを目的としている。
　［本開示の効果］
  本開示の種々の実施形態によれば、透明ガラス母材の全長にわたって、該透明ガラス母材のプロファイル予測が可能になる。また、このようなガラス微粒子堆積体の製造途中でのプロファイル予測により、製造条件の変更が可能になり、最終製品である光ファイバの構造不良に起因した特性不良の発生を効果的に抑制することが可能になる。
　[本開示の実施形態の説明]
  最初に本開示の実施形態の内容をそれぞれ個別に列挙して説明する。
　（１）　本開示の一実施形態に係るガラス母材製造装置は、ＶＡＤ法によりガラス微粒子堆積体（最終製品である光ファイバのコアとなるべき部分を含む）を製造する装置であって、その一態様として、ガス供給システムと、バーナーと、プロファイル予測システムと、を備える。ガス供給システムは、ガラス原料ガスおよび火炎生成用ガス（燃料ガス）を個別に供給する。バーナーは、ガス供給システムから供給された燃料ガスの燃焼により得られる火炎内でガラス原料ガスからガラス微粒子を生成しつつ、該火炎内で生成されたガラス微粒子をガラス微粒子堆積体に吹き付ける。プロファイル予測システムは、ガラス微粒子堆積体の製造開始から製造終了までの期間中における１またはそれ以上の任意時点で、ガラス微粒子堆積体を脱水および焼結することにより得られる透明ガラス母材の屈折率プロファイルの予測結果を出力する。
　特に、プロファイル予測システムは、撮像デバイスと、演算部と、を有する。撮像デバイスは、バーナーからガラス微粒子堆積体へ吹き付けられる火炎、または、該火炎内で生成される、ガラス微粒子からなる粒子流を撮像する。演算部は、撮像デバイスにより得られた画像から少なくとも火炎または粒子流の状態を表す画像データを抽出する画像処理を行う。また、演算部は、画像データを含む説明変数から、目的変数となる透明ガラス母材の屈折率プロファイルを回帰予測する。なお、粒子流の状態を表す画像データには、火炎または粒子流を撮像した画像で特定される、該火炎または粒子流の輪郭情報、該火炎または粒子流から到達する光の輝度情報等が含まれる。
　上述のように、透明ガラス母材の屈折率プロファイルの予測は、ガラス微粒子堆積体の製造開始から製造終了までの期間中における１またはそれ以上の任意時点で、行われる。そのため、透明ガラス母材の全長にわたって、該透明ガラス母材のプロファイル予測が可能になる。また、このようなガラス微粒子堆積体の製造途中でのプロファイル予測により、製造条件の変更が可能になり、最終製品である光ファイバの構造不良に起因した特性不良を効果的に抑制することが可能になる。
　より具体的には、本開示のガラス母材製造装置等は、最終的に得られる光ファイバ母材の主要部分（光ファイバのコアとなるべき部分を含む部分）であり、ガラス微粒子堆積体を脱水および焼結することにより得られる透明ガラス母材の屈折率プロファイルを、該ガラス微粒子堆積体の製造途中において予測可能にする。これは、プロファイル測定前に透明ガラス母材の製造条件が調整可能になることを意味し、結果、透明ガラス母材の不良品数を低減することが可能になる。また、プロセスエンジニアのスキルレス化、製造条件調整のフィードバック時間の短縮が可能になる。
　更に、本開示のガラス母材製造装置等によれば、ガラス母材の屈折率プロファイルを母材全長に亘って、所望のプロファイル形状に制御することが可能になるため、得られる透明ガラス母材の特性を所望の特性に安定させることが可能になる。また、このような透明ガラス母材を含む光ファイバ母材から最終製品である光ファイバを製造することで、該光ファイバの光学特性を所望の特性に安定させることが可能になる。
　（２）　本開示のガラス母材製造方法は、ＶＡＤ法によりガラス微粒子堆積体を製造する方法であって、上述のガラス母材製造装置により実現される。具体的に、当該ガラス母材製造方法は、その一態様として、ガス供給工程と、堆積工程と、予測工程と、を備える。ガス供給工程では、ガラス原料ガスおよび燃料ガスが、バーナーに個別に供給される。堆積工程では、バーナーに供給された燃料ガスの燃焼により得られる火炎内でガラス原料ガスからガラス微粒子を生成しつつ、火炎内で生成されたガラス微粒子がガラス微粒子堆積体に吹き付けられる。予測工程では、堆積工程の開始から終了までの期間中における１またはそれ以上の任意時点で、ガラス微粒子堆積体の脱水および焼結により得られる透明ガラス母材の屈折率プロファイルの予測が行われる。特に、予測工程は、撮像工程と、演算工程と、を含む。撮像工程では、バーナーからガラス微粒子堆積体へ吹き付けられる火炎、または、該火炎内で生成される、ガラス微粒子からなる粒子流が撮像される。演算工程では、撮像工程において得られた画像から少なくとも火炎または粒子流の状態を表す画像データが抽出される。更に、抽出された画像データを含む説明変数から、目的変数となる透明ガラス母材の屈折率プロファイルが回帰予測される。当該ガラス母材製造方法によっても、上述のガラス母材製造装置と同様の効果を奏する。
　（３）　本開示の母材プロファイル予測方法は、上述のガラス母材製装置およびガラス母材製造方法に適用可能な方法であり、ＶＡＤ法で製造されるガラス微粒子堆積体の脱水および焼結により得られる透明ガラス母材の屈折率プロファイルを、該ガラス微粒子堆積体の製造開始から製造終了までの期間中における１またはそれ以上の任意時点で予測する。具体的に、当該母材プロファイル予測方法は、その一態様として、撮像工程と、画像処理工程と、演算工程と、を備える。撮像工程では、バーナーからガラス微粒子堆積体へ吹き付けられる火炎、または該火炎内で生成される、ガラス微粒子からなる粒子流が撮像される。この火炎または粒子流の撮像（撮像工程）は、バーナーに供給される燃料ガスの燃焼により得られる火炎内で該バーナーに供給されるガラス原料ガスからガラス微粒子を生成しつつ、火炎内で生成されたガラス微粒子をガラス微粒子堆積体に吹き付けている任意時点において、行われる。画像処理工程では、撮像工程において得られた画像から火炎または粒子流の状態を表す画像データが抽出される。演算工程では、少なくとも画像処理工程において抽出された画像データを含む説明変数から、目的変数となる透明ガラス母材の屈折率プロファイルが回帰予測される。当該母材プロファイル予測方法によっても、上述のガラス母材製造装置と同様の効果を奏する。
　（４）　本開示の一態様として、説明変数は、少なくとも、火炎または該火炎内の粒子流の輪郭データを含むのが好ましい。一例として後述するように、基本分析により、粒子流の輪郭データと透明ガラス母材の屈折率プロファイルの形状には高い相関が確認できるためである（火炎の輪郭データも同様）。更に、本開示の一態様として、説明変数は、火炎または粒子流の輝度分布データ、バーナーの設置位置および設置角度を数値化したデータ、バーナーに投入されるガラス原料ガスの流量データ、燃料ガスの流量データ、脱水および焼結時における加熱炉内の温度（焼結温度）、および該脱水および焼結時に加熱炉内に供給されるガス流量のうち少なくともいずれかを更に含むのが好ましい。これらのデータは透明ガラス母材の屈折率プロファイルに高い相関が確認できるため、これらのデータを説明変数に含めることにより、より高精度のプロファイル予測が可能になる。
　（５）　本開示の一態様として、目的変数は、透明ガラス母材の屈折率プロファイル、または、該透明ガラス母材の屈折率プロファイルを特徴付ける１またはそれ以上の種類のデータを含むのが好ましい。なお、この屈折率プロファイルは、透明ガラス母材の半径方向（母材中心軸に直交する方向）に沿った比屈折率差の分布となる。この場合、視覚的に予測結果を表示することが可能になる。
　（６）　本開示の一態様として、演算部または演算工程は、屈折率プロファイル、または、該屈折率プロファイルを特徴付ける１またはそれ以上の種類のデータを目的変数に設定し、目的変数ごとに、決定木回帰、ランダムフォレスト（ＲＦ）、勾配ブースティング、重回帰、およびＬａｓｓｏ回帰を少なくとも１つ以上含む回帰分析を用いて予め学習モデルを構築し、該構築された学習モデルを使って目的変数を予測する（回帰予測）。この学習モデルは、説明変数と目的変数の相関関係を既知のデータを用いて構築された予測モデルとなる。このように、回帰予測として、目的変数ごとに、決定木回帰、ランダムフォレスト、勾配ブースティング、重回帰、およびＬａｓｓｏ回帰を少なくとも１つ以上含む回帰分析が実行されるのが好ましい。目的変数ごとに予測に適した回帰分析が適用されることにより、プロファイルを高精度に予測することが可能になる。
　（７）　本開示の一態様として、上述のような構造を備えたガラス母材製造装置は、撮像デバイスと、ガラス微粒子堆積体およびバーナーに挟まれた空間と、の間に配置されたフィルタを、更に備えてもよい。このフィルタは、火炎または粒子流からの所定波長の光を通過させる。例えば、火炎または粒子流からの熱輻射光を撮像する場合、不要な波長の光を除去することにより画像処理の負荷が低減される。
　以上、この[本開示の実施形態の説明]の欄に列挙された各態様は、残りの全ての態様のそれぞれに対して、または、これら残りの態様の全ての組み合わせに対して適用可能である。
　［本開示の実施形態の詳細］
  以下、本開示のガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法の具体的な構造を、添付図面を参照しながら詳細に説明する。なお、本発明はこれらの例示に限定されるものではなく、請求の範囲によって示され、請求の範囲と均等の意味および範囲内での全ての変更が含まれることが意図される。また、図面の説明において同一の要素には同一符号を付して重複する説明を省略する。
　図２は、本開示の一実施形態に係るガラス母材製造装置（本開示の一実施形態に係るガラス母材製造方法を実現する装置）の構成例を示す図である。図２に示されたガラス母材製造装置１０の基本構成は、上記特許文献１に示された装置構成と実質的に同様であるが、上記特許文献１に示された装置構成に限定されることなく、一般的なガラス母材製造装置と同様の装置構成が適用可能である。本実施形態に係るガラス母材製造装置１０は、上述のような基本構成の他、プロファイル予測システムを備えている点で、上記特許文献１に示された装置構成や一般的なガラス母材製造装置の装置構成と異なる。すなわち、本実施形態に係るガラス母材製造装置１０は、主に、堆積工程を実施する構成（反応容器、ガス供給システム、バーナー、駆動部等）、堆積工程を制御する構成（制御部、画像解析部、駆動部等）、および、ガラス微粒子の堆積状態から、脱水および焼結の後に得られる透明ガラス母材の屈折率プロファイルを予測する構成（演算部等を含むプロファイル予測システム）を含む。
　本実施形態に係るガラス母材製造装置１０は、ガラス微粒子堆積体１４を製造するための反応容器１１を備える。反応容器１１には排気ダクト２９が設けられており、該反応容器１１内には、コア用バーナー１７、クラッド用バーナー１８、ガラス微粒子を堆積させるための出発ガラスロッドが一端に取り付けられた支持棒１２の一部が位置している。なお、一例として、出発ガラスロッドとしては、直径２５ｍｍ、長さ４００ｍｍの石英ガラスからなるガラスロッドが適用される。
　支持棒１２の他端は、昇降回転装置１５によって支持されており、この昇降回転装置１５が、図２中の矢印Ｓ１に沿って支持棒１２を回転させるとともに、矢印Ｓ２で示された方向に沿って支持棒１２を昇降させる。昇降回転装置１５の動作は、制御部（制御装置）１６の一部を構成する駆動部（引き上げ速度制御部）２０によって制御される。制御部１６は、外部から入力された制御条件に従って、ガス供給システム１９に対するガス流量制御、コア用バーナーステージ２４および該コア用バーナーステージ２４に設けられた角度調整機構２４ａの位置制御、および、クラッド用バーナーステージ２５および該クラッド用バーナーステージ２５に設けられた角度調整機構２５ａの位置制御を個別に行う。
　図２の例において、コア用バーナー１７は、外径の異なる５つのパイプ（同心円状に配置）を有している。最小直径のパイプ（最も内側のパイプ）内には、ガス供給システム１９から供給されたガラス原料ガス（ＳｉＣｌ４とＧｅＣｌ４とＯ２）が導入される。その外周の空間には、バーナーシールガス（Ｎ２）、さらにその外周の空間には燃料ガス（Ｈ２）、さらにその外周にはバーナーシールガス（Ｎ２）、さらにその外周には助燃性ガス（Ｏ２）が導入される。コア用バーナー１７の火炎内では、以下に示す、ガラス原料ガスの加水分解反応および燃焼反応によりガラス微粒子（ＳｉＯ２）と屈折率調整用ドーパント（ＧｅＯ２）が生成され、火炎内で生成されるガラス微粒子が、コア用バーナー１７からガラス微粒子堆積体１４へ吹き付けられる。なお、バーナーシールガスは、バーナー先端の熱劣化やバーナー先端へのガラス微粒子の堆積を防ぐために導入されたガスであり、コア用バーナー１７のパイプ端付近において、ガラス原料ガスと燃料ガスと助燃性ガスを分離するよう機能する。
ＳｉＣｌ４＋２Ｈ２Ｏ　－＞　ＳｉＯ２＋４ＨＣｌ
ＧｅＣｌ４＋Ｏ２　　　－＞　ＧｅＯ２＋２Ｃｌ２
　なお、クラッド用バーナー１８の構造も、上述のコア用バーナー１７の構造とほぼ同様であるが、ガス供給システム１９から供給されるガラス原料ガスに含まれる屈折率調整用ドーパントの原料の種類が異なる。例えば、クラッド部分に屈折率調整用ドーパントとしてフッ素（Ｆ）を添加する場合、ガラス原料ガスにはＳｉＣｌ４とともにＣＦ４が含まれる。ただし、クラッド部分の屈折率調整を行わない場合には、ガラス原料ガスに屈折率調整用ドーパントの原料は含まれていなくてもよい。
　当該ガラス母材製造装置１０では、ガラス微粒子堆積体１４の一部（特に、光ファイバのコアになるべき部分周辺）の堆積面形状が計測用カメラ（ＣＣＤカメラ）２１によりモニタされる。信号処理部（画像処理部）２２は、計測用カメラ２１からの電気信号に基づいて生成したビデオデータを、制御部１６の一部を構成する画像解析部（堆積形状測定部）２３に出力する。画像解析部２３は、ビデオデータ（動画）を二次元画像（静止画）に分割し、得られた二次元画像（静止画）から堆積面形状を抽出する。そして、画像解析部２３は、抽出した堆積面形状が目標形状になるように駆動部２０に対して駆動制御を行う（駆動部２０に対して修正された駆動制御信号を出力する）。更に、画像解析部２３は、堆積面形状が目標形状になるよう、ガラス原料等を含むガスの濃度や流量の修正量、バーナー位置の修正量を算出する。制御部１６は、画像解析部２３により得られた修正量に従って、ガス供給システム１９、コア用バーナーステージ２４、およびクラッド用バーナーステージ２５を制御する。
　本実施形態に係るガラス母材製造装置１０は、ガラス微粒子堆積体１４の製造開始から製造終了までの期間中における１またはそれ以上の任意時点で、ガラス微粒子堆積体１４の脱水および焼結により得られる透明ガラス母材１４０（図１参照）の屈折率プロファイルの予測結果を出力するプロファイル予測システムを、更に備える。一例では、ガラス微粒子堆積体１４の長手方向に沿って互いに離間している３６０００点（１秒間隔）でプロファイル予測（本開示の母材プロファイル予測方法）が実行される。
　図２に示されたように、プロファイル予測システムは、フィルタ１０２、ＣＣＤカメラ（撮像デバイス）１０３、信号処理部１０４、演算部１０５、およびディスプレイ等の出力部１０６を備える。なお、少なくとも演算部１０５および出力部１０６は、パーソナルコンピュータ（以下、「ＰＣ」と記す）１１０により構成可能である。フィルタ１０２は、ＣＣＤカメラ１０３と、ガラス微粒子堆積体１４およびコア用バーナー１７に挟まれた空間と、の間に配置されており、バーナー火炎内の粒子流からの所定波長の光（例えば、粒子流からの熱輻射光の一部）を通過させる。特に、不要な波長の光を除去することにより画像処理の負荷が低減される。一例として、ＣＣＤカメラ１０３によるサンプリング間隔は０．１秒から１秒程度である。シャッター速度は０．１ｍｓから１０００ｍｓの間である。
　更に、プロファイル予測システムにおいて、演算部１０５は、撮像デバイスにより得られた二次元画像から少なくとも火炎または粒子流の状態を表す画像データを抽出する画像処理を行う。一例として、演算部１０５における画像処理は、画像解析ソフトを利用して行われ、具体的には、信号処理部１０４からの二次元画像が輝度調整された後に火炎または粒子流の輪郭が明確化される。また、演算部１０５は、少なくとも火炎または粒子流の輪郭を座標化したデータを含む説明変数から、目的変数となる透明ガラス母材１４０の屈折率プロファイルを回帰予測する。より具体的には、火炎または粒子流の輪郭データ、バーナー設置位置（バーナーＸ軸に沿ったバーナーの設置位置、バーナー設置角度）、ガラス原料ガス（屈折率調整用ドーパントの原料を含む）の流量、燃料ガス（Ｈ２）の流量、助燃性ガス（Ｏ２）の流量、ガラス微粒子堆積体１４を透明ガラス化する際の脱水および焼結の条件（温度、ガス流量）等が説明変数に設定されるとともに、屈折率プロファイルを特徴付けるデータが目的変数に設定される。なお、脱水および焼結工程は、ガラス微粒子堆積体１４を加熱炉内で透明ガラス化する工程であって、ガラス微粒子堆積体１４が収納された炉心管内に、例えば窒素、アルゴン、ヘリウム、塩素等から選択された少なくとも一種類のガスを供給しながら、該炉心管の外側に配置されたヒータによりガラス微粒子堆積体１４を加熱することにより、ガラス微粒子堆積体１４の脱水および焼結（透明化）を行う工程である。脱水および焼結の条件としての「ガス流量」は、この脱水および焼結工程において炉心管内に供給される上記ガスの流量を意味する。演算部１０５は、説明変数および目的変数の決定後、決定木回帰、ランダムフォレスト（ＲＦ）、勾配ブースティング、重回帰、lasso回帰等を使って、火炎または粒子流の輪郭と屈折率プロファイルとの相関関係を事前にモデル化する。ガラス微粒子堆積体１４の製造中、演算部１０５は、このように構築された学習モデル（予測モデル）を利用して、透明ガラス母材１４０の屈折率プロファイルを予測する。なお、火炎または粒子流の状態を表す画像データには、粒子流を撮像した二次元画像で特定される、該火炎または該粒子流の輪郭データ、または、粒子からの熱輻射光の輝度情報が含まれる。
　図３は、ガラス微粒子堆積中のガラス微粒子堆積体１４に対するバーナー位置を説明するための図である。図３に示されたように、ガラス微粒子堆積体１４とコア用バーナー１７は、母材中心軸ＡＸ１とバーナー中心軸（実質的にはパイプの中心軸）ＡＸ２が交差するように配置されている。このような相対的な位置関係は、ガラス微粒子堆積体１４とクラッド用バーナー１８の位置関係についても同様である。コア用バーナーステージ２４は、バーナーＸ軸に沿ってバーナー中心軸ＡＸ２を移動させる。また、角度調整機構２４ａは、コア用バーナーステージ２４に対するコア用バーナーの角度（バーナー角度θ）を調節する。
　図４は、一例として粒子流の輪郭データ（輝度分布データでもよい）およびバーナー位置を説明変数に決定した根拠となる基本分析を説明するための図である。なお、図４には、ガラス微粒子堆積体１４とコア用バーナー１７との位置関係により調整される粒子流（コア用バーナー１７からガラス微粒子堆積体１４へ吹き付けられる火炎内のガラス微粒子群）の輪郭変化（パターン１からパターン３）と、ガラス微粒子堆積体１４を脱水および焼結することにより得られる透明ガラス母材１４０の屈折率プロファイル（透明ガラス母材１４０の中心軸ＡＸ０に直交する直径方向に沿った屈折率プロファイル）と、の関係を示す図である。
　図４において、パターン１の右欄には、脱水および焼結の後に得られる透明ガラス母材１４０の屈折率プロファイルの概略形状としてハサミ型の屈折率プロファイルが示されている。パターン１では、左欄に示されたように、コア用バーナー１７のバーナー中心軸ＡＸ２がバーナーＸ軸の原点Ｘ０に対して上側（Ｘ０よりも出発ガラスロッド１３に近い位置）にシフトするように、該コア用バーナー１７が配置されている。ガラス微粒子堆積体１４に対してコア用バーナー１７がこのような位置に配置されることにより、脱水および焼結の後の透明ガラス母材１４０の中心軸ＡＸ０から離れた位置に屈折率ピークを有するハサミ型の屈折率プロファイルが得られ易い。
　パターン２の右欄には、脱水および焼結の後に得られる透明ガラス母材１４０の屈折率プロファイルの概略形状として山型の屈折率プロファイルが示されている。パターン２では、左欄に示されたように、コア用バーナー１７のバーナー中心軸ＡＸ２がバーナーＸ軸の原点Ｘ０に対して下側（原点Ｘ０よりも出発ガラスロッド１３から離れた位置）にシフトするように、該コア用バーナー１７が配置されている。ガラス微粒子堆積体１４に対してコア用バーナー１７がこのような位置に配置されることにより、脱水および焼結の後の透明ガラス母材１４０の中心軸ＡＸ０に一致したコア中心に屈折率ピークを有する山型の屈折率プロファイルが得られ易い。
　パターン３の右欄には、脱水および焼結の後に得られる透明ガラス母材１４０の屈折率プロファイルの概略形状として台形型の屈折率プロファイルが示されている。パターン３では、左欄に示されたように、コア用バーナー１７のバーナー中心軸ＡＸ２がバーナーＸ軸の原点Ｘ０と交差するように、該コア用バーナー１７が配置されている。ガラス微粒子堆積体１４に対してコア用バーナー１７がこのような位置に配置されることにより、脱水および焼結の後の透明ガラス母材１４０の中心軸ＡＸ０を中心とする周辺領域における屈折率変動が小さい台形型の屈折率プロファイルが得られ易い。
　図５は、演算部１０５を含むＰＣ１１０の概略構成の一例を示す図である。演算部１０５では、信号処理部１０４からの画像信号を取り込み、説明変数（火炎または粒子流の輪郭データ、火炎または粒子流の輝度分布データ等）を抽出するための画像処理が行われる。説明変数は、図４に示されたような基本分析を経て決定されるが、説明変数候補には、例えば、火炎または粒子流の輪郭データ、火炎または粒子流の輝度分布データ、コア用バーナー１７の設置位置（バーナーＸ軸位置、バーナー角度θ等）、ガラス原料ガスの流量、火炎生成用の燃料ガスの流量等が挙げられる。その他の情報として、堆積面形状、脱水および焼結の条件（温度、ガス流量等を含む）等も説明変数候補になり得る。上記輪郭データは予め画像処理を行うことにより得られるが、他の情報は、製造条件データとして、外部から入力される。本実施形態では、図４および図９に示された基本分析の結果に基づいて、火炎内に存在する粒子流の輪郭データ、該粒子流の輝度分布データ、およびバーナー設置位置（バーナーＸ軸位置およびバーナー角度）が説明変数に決定されている。
　演算部１０５は、過去の製造で得られた説明変数と目的変数を活用して説明変数と目的変数の相関関係を学習モデルで構築し、構築された学習モデルを格納したメモリを有し、該学習モデルを利用して、回帰予測を行う。回帰予測は、目的変数ごとに、任意に選択された回帰分析（図５の例では、回帰分析１から回帰分析３）が行われる。回帰分析は、例えば、決定木回帰、ランダムフォレスト、勾配ブースティング、重回帰、Ｌａｓｓｏ回帰等が適用可能である。
　一般に、ランダムフォレストは、学習データをランダムに選択して決定木を構築する処理を複数回行い、各決定木の推定結果の多数決や平均値により分類、回帰を行う分析手法である。特に、ランダムフォレストは、複数の学習モデル（決定木）を用いるためアンサンブル学習と呼ばれる。
　勾配ブースティングは、まず決定木分析を行い、構築した決定木モデルの予測値と真値の誤差に対して決定木を構築する処理を複数回繰り返す分析手法である。ランダムフォレストと同じくアンサンブル学習であるが、ランダムフォレストが決定木を並列作成するのに対し、勾配ブースティングは決定木を直列に構成していく。
　重回帰分析は、１つの目的変数を複数の説明変数（数値）で予測する分析手法であって、例えば、１つの目的変数をｙ、ｎ（１以上の整数）個の説明変数をｘｉ（ｉは１からｎの整数）とするとき、以下の式（１）で与えられる。
       ｙ＝ａ１×ｘ１＋ａ２×ｘ２＋…＋ａｎ×ｘｎ＋ｂ　…（１）
ここで、ａｉ（ｉは１からｎの整数）は回帰係数、ｂは切片である。目的変数ｙと説明変数ｘｉが既知の複数の学習データを用いて回帰係数ａｉおよび切片ｂを決定することにより、学習モデルが構築される。
　Ｌａｓｓｏ回帰分析は、上述の重回帰分析のような線形回帰に「Ｌ１正則化」を加えた分析モデルである。Ｌａｓｓｏ回帰分析では、予測に影響を及ぼしにくいデータにかかる回帰係数をゼロに近づけるので、実質的に重要な説明変数のみを選択した回帰分析となる。
　回帰予測により得られる目的変数は、本実施形態では、透明ガラス母材１４０の屈折率プロファイル、または、該屈折率プロファイルを特徴付けるデータである。出力部１０６は、回帰予測される屈折率プロファイルを再現するモニタ等を含む。
　図６は、上述の演算部１０５における画像処理（輪郭データ抽出）を説明するための図である。また、図７は、図６の画像処理により得られる数値データを示す表である。
　演算部１０５は、信号処理部１０４から出力されたビデオデータ（動画）を取り込み、このデータをｎ（１以上の整数）枚の二次元静止画像Ｇｉ（ｉは１からｎの整数）に分割し、二次元静止画像ごとに、コア用バーナー１７からガラス微粒子堆積体１４へ吹き付けられる火炎内の粒子流の輪郭データ（画像データ）を抽出する。具体的には、図６の上段に示されたように、二次元静止画像Ｇｉは、図２中に示された撮像エリアＲＡをＣＣＤカメラ１０３により撮像された画像であり、必要な領域が切り出される。粒子流の輪郭データは、切り出された領域の輝度調整を経て抽出される。抽出された輪郭データは、図６の上段に示されたように、上側輪郭Ｆｕと下側輪郭Ｆｄにより構成されており、最終的には、各輪郭Ｆｕ、Ｆｄは、平滑化処理が施される、なお、図６の上段には、領域ＧＳ内に位置する上側輪郭Ｆｕの平滑化処理が示されている。ｎ枚の二次元静止画像について上述の輪郭データ抽出が完了すると、ｎ個の輪郭座標が得られる。図６の下段はｎ個の輪郭座標をグラフ化したものである（横軸を「輪郭Ｘ軸」、縦軸を「輪郭Ｙ軸」と記す）。図７の表はｎ個の輪郭座標を平均化した結果を母材サンプルごとにまとめたものである。
　図６の下段に示されたグラフにおいて、ｎ個の上側輪郭Ｆｕを含む領域ＧＡは、輪郭Ｙ軸上における座標Ｙ０１１からＹ０７２（以下、「説明変数候補」と記す）で定義される領域である。説明変数候補Ｙ０１１からＹ０７２のそれぞれについて、ｎ個の上側輪郭Ｆｕの、輪郭Ｘ軸上における輪郭座標平均値が算出される。一方、ｎ個の下側輪郭Ｆｄを含む領域ＧＢは、輪郭Ｘ軸上における座標Ｘ００６からＸ０６６（以下、「説明変数候補」と記す」）で定義される領域である。説明変数候補Ｘ００６からＸ０６６のそれぞれについても、ｎ個の下側輪郭Ｆｄの、輪郭Ｙ軸上における輪郭座標平均値が算出される。図７の例では、母材サンプルごとの説明変数として、領域ＧＡを定義する説明変数候補Ｙ０１１からＹ０７２から抽出された７候補（Ｙ０１１、Ｙ０２１、…、Ｙ０７１）それぞれの輪郭座標平均値、および、領域ＧＢを定義する説明変数候補Ｘ００６からＸ０６６から抽出された７候補（Ｘ００６、Ｘ０１６、…、Ｘ０６６）それぞれの輪郭座標平均値が設定されている。
　更に、上述の演算部１０５における画像処理では、図８に示されたように、説明変数として、二次元静止画像ごとに輝度分布データを抽出する。なお、図８は、演算部１０５における画像処理（輝度分布データ抽出）を説明するための図である。
　上述の輪郭データ抽出動作と同様に、演算部１０５は、信号処理部１０４から出力されたビデオデータ（動画）を取り込み、このデータをｎ（１以上の整数）枚の二次元静止画像Ｇｉ（ｉは１からｎの整数）に分割し、二次元静止画像ごとに、コア用バーナー１７からガラス微粒子堆積体１４へ吹き付けられる火炎内で生成された粒子流の輝度分布を抽出する。具体的には、図８の上段に示されたように、二次元静止画像Ｇｉは、図２中に示された撮像エリアＲＡをＣＣＤカメラ１０３により撮像された画像であり、必要な領域が切り出される。例えば、二次元静止画像Ｇｉにおける粒子流の輝度分布は、該二次元静止画像Ｇｉ上の始点ＣＰ１と終点ＣＰ７０とを結ぶ線分ＦＬ上の各点（図８の例では７０箇所の輝度測定点）における輝度ＢＴ（ＣＰｘ）と定義される。ここでｘは１から７０の任意の整数とする。ｎ枚の二次元静止画像それぞれから得られた輝度ＢＴ（ＣＰｘ）を同一の輝度測定点において平均化することで、平均輝度ＡＢＴ（ＣＰｘ）が得られる。
　得られた平均輝度ＡＢＴ（ＣＰｘ）は、線分ＦＬ上のＣＰ１からＣＰ７０の合計７０箇所における平均輝度分布を示す。更に、説明変数として用意される輝度分布データは、ＣＰ１からＣＰ７０の中から任意に選択された例えば４０箇所の平均輝度ＡＢＴ（ＣＰｘ）により構成される。なお、線分ＦＬ上の輝度測定点から選択される輝度測定点の数は、４０箇所には限定されず、例えば５箇所、１０箇所、２０箇所、および４０箇所で構成された輝度分布それぞれを評価することにより、最適な輝度分布データの構成数（輝度測定点の数）が決定されればよい。
　続いて、図９は、バーナー位置を説明変数に決定した根拠となる基本分析を説明するための図である。図５に示されたように、本実施形態では、粒子流の輪郭データのみならず、コア用バーナー１７のバーナー設置位置（バーナーＸ軸位置およびバーナー角度θ）も説明変数として利用される。図９の上段には、母材ごとに、粒子流の上側輪郭Ｆｕの輪郭Ｘ軸値が最小となる輪郭Ｙ軸値のトレンドグラフが示されている。グループＡは、グループ０に対し、コア用バーナー１７の位置をバーナーＸ軸に沿って移動させた母材グループであり、グループＢは、さらにコア用バーナー１７の角度が調整された母材グループである。図９の下段では、コア用バーナー１７が標準的な位置にあるグループ０に対し、グループＡでは火炎輪郭が上方へ移動し、上側輪郭Ｆｕの輪郭Ｘ軸値が最小となる輪郭Ｙ軸値が変化していることが分かる。そのため、本実施形態では、バーナー設置位置（バーナーＸ軸位置およびバーナー角度θ）も説明変数に追加されている。
　図１０は、目的変数を説明するための図である。本実施形態は、ＶＡＤ法によりガラス微粒子が堆積されたガラス微粒子堆積体１４を脱水しながら焼結することにより得られる透明ガラス母材１４０の屈折率プロファイルを予測する。一例として、予測する屈折率プロファイルを特徴付ける４種類のデータが目的変数である。
　図１０で屈折率プロファイルを特徴付ける４種類のデータを説明する。目的変数１（特徴量「Ａ」）は、最大比屈折率差と中心軸Ａ０の比屈折率差との差を表す。目的変数２（特徴量「Ｂ」）は、中心軸Ａ０から最大比屈折率差をとなる径方向位置までの距離を表す。目的変数３（特徴量「Ｃ／Ｄ」）は、プロファイルの傾きを示す。特徴量「Ｃ」は、最大比屈折率差の１／２となる比屈折率差、特徴量「Ｄ」は、最大比屈折率差となる径方向位置から最大比屈折率差の１／２となる径方向位置までの距離であり、それらの比「Ｃ／Ｄ」が目的変数３である。目的変数４（特徴量「Ｅ」）は、最大比屈折率差を表す。
　図１１には、本実施形態で学習モデルを構築するために使用したデータ（説明変数と目的変数）の一部が示されている。本実施形態では、「ハサミ型」の屈折率プロファイルを有する７１本の母材サンプル、「山型」の屈折率プロファイルを有する１４本の母材サンプル、「台形型」の屈折率プロファイルを有する１１本の母材サンプルからデータを取得した。なお、本実施形態では、テスト対象を除く全データ（説明変数および目的変数）を使って学習モデルを構築し、テスト対象の実測値と学習モデルの予測値との誤差が、ＲＭＳＥ（Root Mean Square Error）で評価される。
ＲＭＳＥ：二乗平均平方根誤差（（１／ｎ）×Σ（真値－予測値）２）１／２
ｎ：データ数
　図１１には、上述のように分類される合計９６本の母材サンプルそれぞれの説明変数（実測値）および目的変数（実測値）が示されている。なお、図１１の上段には、４種類の目的変数（Ａ、Ｂ、Ｃ／Ｄ、Ｅ）のデータが、母材サンプルごとに示されている。図１１の下段には、説明変数として、図７に示された領域ＧＢの７箇所それぞれにおける輪郭座標平均値および領域ＧＡの７箇所それぞれにおける輪郭座標平均値、図８に示された４０箇所の輝度データ、バーナーＸ軸位置、およびバーナー角度の、合計５６種類のデータで構成されており、説明変数を構成するこれら５６種類のデータが母材サンプルごとに示されている。
　図１２は、本開示の母材プロファイル予測において各目的変数で予測精度が最も高かった分析方法と、その精度（ＲＭＳＥ）を示している。また、図１３は、目的変数の予測値と実測値との相関を示すグラフである。
　図１２に示されたように、演算部１０５は、目的変数１の回帰予測として最も高精度となるランダムフォレストを用いて目的変数１（特徴量「Ａ」）を予測している。火炎内の粒子流の輪郭データ、該粒子流の輝度分布データ、およびバーナー位置（バーナーＸ軸位置およびバーナー角度）は、図４および図９に示された基本分析を経て説明変数に決定された。また、演算部１０５は、目的変数２および目的変数３の回帰予測として最も高精度となる勾配ブースティングを用いて目的変数２（特徴量「Ｂ」）および目的変数３（特徴量「Ｃ／Ｄ」）を予測している。更に、演算部１０５は、目的変数４の回帰予測として最も高精度となるＬａｓｓｏ回帰を用いて目的変数４（特徴量「Ｅ」）を予測している。
　図１３から分かるように、目的変数１から目的変数４のいずれに関しても、目的変数の予測値と実測値の間には有意な相関が確認できる。
　図１４は、段落「００５３」から「００５９」で言及された母材プロファイル予測方法により予測された母材プロファイルである。実線は、実測された屈折率プロファイルであり、破線が、予測プロファイルとなる。パターン２「山型」とパターン１「ハサミ型」のいずれにおいても、高い精度で回帰予測されていることが分かる。
　図１５はランダムフォレストのみで屈折率プロファイル全点（径方向５００点）を回帰予測した結果である。実線が実測プロファイル、破線が予測プロファイルとなる。１種類の学習モデルだけでも、高い精度で母材プロファイルを予測できることが分かる。
　１０…ガラス母材製造装置、１１…反応容器、１２…支持棒、１３…出発ガラスロッド、１４…ガラス微粒子堆積体、１５…昇降回転装置、１６…制御部、１７…コア用バーナー、１８…クラッド用バーナー、１９…ガス供給システム、２０…駆動部、２１…計測用カメラ、２２…信号処理部、２３…画像解析部、２４ａ、２５ａ…角度調整機構、２４、２５…ステージ、２９…排気ダクト、ＲＡ…撮像エリア、１０２…フィルタ、１０３…ＣＣＤカメラ（撮像デバイス）、１０４…信号処理部、１０５…演算部、１０６…出力部、１１０…パーソナルコンピュータ（ＰＣ）。

Claims (16)

  1. 　ＶＡＤ法によりガラス微粒子堆積体を製造するガラス母材製造装置であって、
    　ガラス原料ガスおよび燃料ガスを個別に供給するガス供給システムと、
    　前記ガス供給システムから供給された前記燃料ガスの燃焼により得られる火炎内で前記ガラス原料ガスからガラス微粒子を生成するバーナーであって、前記火炎内の前記ガラス微粒子を前記ガラス微粒子堆積体に吹き付けるバーナーと、
    　前記ガラス微粒子堆積体の製造開始から製造終了までの期間中における１またはそれ以上の任意時点で、前記ガラス微粒子堆積体の脱水および焼結により得られる透明ガラス母材の屈折率プロファイルの予測結果を出力するプロファイル予測システムと、
    　を備え、
    　前記プロファイル予測システムは、
    　前記バーナーで生成される前記火炎、または、前記火炎内で生成される、前記ガラス微粒子からなる粒子流を撮像するための撮像デバイスと、
    　前記撮像デバイスにより得られた画像から少なくとも前記火炎または前記粒子流の状態を表す画像データを抽出し、前記画像データを含む説明変数から、目的変数となる前記透明ガラス母材の前記屈折率プロファイルを回帰予測する演算部と、
    　を有する、
    　ガラス母材製造装置。
  2. 　前記説明変数は、少なくとも、前記火炎の輪郭データまたは前記火炎内の前記粒子流の輪郭データを含む、
    　請求項１に記載のガラス母材製造装置。
  3. 　前記説明変数は、前記火炎または前記粒子流の輝度分布データ、前記バーナーの設置位置および設置角度を数値化したデータ、前記バーナーに投入される前記ガラス原料ガスの流量データ、前記燃料ガスの流量データ、前記脱水および焼結時における加熱炉内の温度、および前記脱水および焼結時に前記加熱炉内に供給されるガス流量のうち少なくともいずれかを更に含む、
    　請求項２に記載のガラス母材製造装置。
  4. 　前記目的変数は、前記透明ガラス母材の前記屈折率プロファイルを特徴付けるデータを含む、
    　請求項１から請求項３のいずれか一項に記載のガラス母材製造装置。
  5. 　前記演算部は、前記目的変数ごとに、決定木回帰、ランダムフォレスト、勾配ブースティング、重回帰、およびＬａｓｓｏ回帰のいずれかを１つ以上含む回帰分析を用いて、前記透明ガラス母材の前記屈折率プロファイルを回帰予測する、
    　請求項１から請求項４のいずれか一項に記載のガラス母材製造装置。
  6. 　前記撮像デバイスと、前記ガラス微粒子堆積体および前記バーナーに挟まれた空間と、の間に配置されたフィルタであって、前記粒子流からの所定波長の光を通過させるフィルタを、更に備える、
    　請求項１から請求項５のいずれか一項に記載のガラス母材製造装置。
  7. 　ＶＡＤ法によりガラス微粒子堆積体を製造し、加熱炉にてガラス微粒子堆積体を脱水および焼結するガラス母材製造方法であって、
    　ガラス原料ガスおよび燃料ガスをバーナーに個別に供給するガス供給工程と、
    　前記バーナーに供給された前記燃料ガスの燃焼により得られる火炎内で前記ガラス原料ガスからガラス微粒子を生成しつつ、前記火炎内の前記ガラス微粒子を前記ガラス微粒子堆積体に吹き付ける堆積工程と、
    　前記堆積工程の開始から終了までの期間中における１またはそれ以上の任意時点で、前記ガラス微粒子堆積体の脱水および焼結により得られる透明ガラス母材の屈折率プロファイルを予測する予測工程と、
    　を備え、
    　前記予測工程は、
    　前記バーナーにより生成される前記火炎、または、前記火炎内で生成される、ガラス微粒子からなる粒子流を撮像する撮像工程と、
    　前記撮像工程において得られた画像から少なくとも前記火炎または前記粒子流の状態を表す画像データを抽出し、前記画像データを含む説明変数から、目的変数となる前記透明ガラス母材の前記屈折率プロファイルを回帰予測する演算工程と、
    　を含む、
    　ガラス母材製造方法。
  8. 　前記説明変数は、少なくとも、前記火炎の輪郭データまたは前記火炎内の前記粒子流の輪郭データを含む、
    　請求項７に記載のガラス母材製造方法。
  9. 　前記説明変数は、前記火炎または前記粒子流の輝度分布データ、前記バーナーの設置位置および設置角度を数値化したデータ、前記バーナーに投入される前記ガラス原料ガスの流量データ、前記燃料ガスの流量データ、前記脱水および焼結時における加熱炉内の温度、および前記脱水および焼結時に前記加熱炉内に供給されるガス流量のうち少なくともいずれかを更に含む、
    　請求項８に記載のガラス母材製造方法。
  10. 　前記目的変数は、前記透明ガラス母材の前記屈折率プロファイルを特徴付けるデータを含む、
    　請求項７から請求項９のいずれか一項に記載のガラス母材製造方法。
  11. 　前記演算工程は、前記目的変数ごとに、決定木回帰、ランダムフォレスト、勾配ブースティング、重回帰、およびＬａｓｓｏ回帰のいずれかを１つ以上含む回帰分析を用いて、前記透明ガラス母材の前記屈折率プロファイルを回帰予測する、
    　請求項７から請求項１０のいずれか一項に記載のガラス母材製造方法。
  12. 　ＶＡＤ法で製造されるガラス微粒子堆積体の脱水および焼結により得られる透明ガラス母材の屈折率プロファイルを、前記ガラス微粒子堆積体の製造開始から製造終了までの期間中における１またはそれ以上の任意時点で予測するための母材プロファイル予測方法であって、
    　バーナーに供給される燃料ガスの燃焼により得られる火炎内で前記バーナーに供給されるガラス原料ガスからガラス微粒子を生成しつつ前記火炎内の前記ガラス微粒子を前記ガラス微粒子堆積体に吹き付けている前記任意時点において、前記バーナーにより生成される前記火炎、または、前記火炎内で生成される、前記ガラス微粒子からなる粒子流を撮像する撮像工程と、
    　前記撮像工程において得られた画像から前記火炎または前記粒子流の状態を表す画像データを抽出する画像処理工程と、
    　少なくとも前記画像処理工程において抽出された前記画像データを含む説明変数から、目的変数となる前記透明ガラス母材の前記屈折率プロファイルを回帰予測する演算工程と、
    　を含む、
    　母材プロファイル予測方法。
  13. 　前記説明変数は、少なくとも、前記火炎の輪郭データまたは前記火炎内の前記粒子流の輪郭データを含む、
    　請求項１２に記載の母材プロファイル予測方法。
  14. 　前記説明変数は、前記火炎または前記粒子流の輝度分布データ、前記バーナーの設置位置および設置角度を数値化したデータ、前記バーナーに投入される前記ガラス原料ガスの流量データ、前記燃料ガスの流量データ、前記脱水および焼結時における加熱炉内の温度、および前記脱水および焼結時に前記加熱炉内に供給されるガス流量のうち少なくともいずれかを更に含む、
    　請求項１３に記載の母材プロファイル予測方法。
  15. 　前記目的変数は、前記透明ガラス母材の前記屈折率プロファイルを特徴付けるデータを含む、
    　請求項１２からら請求項１４のいずれか一項に記載の母材プロファイル予測方法。
  16. 　前記演算工程は、前記目的変数ごとに、決定木回帰、ランダムフォレスト、勾配ブースティング、重回帰、およびＬａｓｓｏ回帰のいずれかを１以上含む回帰分析を用いて、前記透明ガラス母材の前記屈折率プロファイルを回帰予測する、
    　請求項１２から請求項１５のいずれか一項に記載の母材プロファイル予測方法。
PCT/JP2021/018678 2020-05-20 2021-05-17 ガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法 WO2021235408A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/924,128 US20230183121A1 (en) 2020-05-20 2021-05-17 Glass base material production apparatus, glass base material production method, and base material profile prediction method
JP2022524474A JPWO2021235408A1 (ja) 2020-05-20 2021-05-17
CN202180032865.4A CN115551812B (zh) 2020-05-20 2021-05-17 玻璃母材制造装置、玻璃母材制造方法、以及母材分布预测方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020088009 2020-05-20
JP2020-088009 2020-05-20

Publications (1)

Publication Number Publication Date
WO2021235408A1 true WO2021235408A1 (ja) 2021-11-25

Family

ID=78708516

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/018678 WO2021235408A1 (ja) 2020-05-20 2021-05-17 ガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法

Country Status (4)

Country Link
US (1) US20230183121A1 (ja)
JP (1) JPWO2021235408A1 (ja)
CN (1) CN115551812B (ja)
WO (1) WO2021235408A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07167789A (ja) * 1993-12-13 1995-07-04 Furukawa Electric Co Ltd:The 火炎などの状態測定方法
JPH07198966A (ja) * 1993-12-28 1995-08-01 Furukawa Electric Co Ltd:The 光ファイバ用多孔質母材等の合成方法とその装置
JPH0967131A (ja) * 1995-08-28 1997-03-11 Fujikura Ltd 多孔質ガラス体の製造装置
JP2003226545A (ja) * 2002-02-01 2003-08-12 Furukawa Electric Co Ltd:The 光ファイバ母材の製造方法と光ファイバ母材の製造装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW371650B (en) * 1995-12-04 1999-10-11 Sumitomo Electric Industries Method for producing an optical fiber quartz glass preform
CN1776411A (zh) * 2005-10-28 2006-05-24 东华大学 聚合物光纤预制棒折射率的细光束扫描测量方法及装置
EP2762456B1 (en) * 2011-09-29 2020-08-05 Sumitomo Electric Industries, Ltd. Methods for manufacturing glass fine particle deposit and glass base material

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07167789A (ja) * 1993-12-13 1995-07-04 Furukawa Electric Co Ltd:The 火炎などの状態測定方法
JPH07198966A (ja) * 1993-12-28 1995-08-01 Furukawa Electric Co Ltd:The 光ファイバ用多孔質母材等の合成方法とその装置
JPH0967131A (ja) * 1995-08-28 1997-03-11 Fujikura Ltd 多孔質ガラス体の製造装置
JP2003226545A (ja) * 2002-02-01 2003-08-12 Furukawa Electric Co Ltd:The 光ファイバ母材の製造方法と光ファイバ母材の製造装置

Also Published As

Publication number Publication date
JPWO2021235408A1 (ja) 2021-11-25
CN115551812B (zh) 2024-05-03
US20230183121A1 (en) 2023-06-15
CN115551812A (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
JP5959655B2 (ja) ガラスから成る円柱状部材を延伸により製造する方法
CN1285524C (zh) 用于在光纤制造中确定拉制张力的方法
JP4820300B2 (ja) 円筒状ガラス体を製造する垂直延伸法
WO2021235408A1 (ja) ガラス母材製造装置、ガラス母材製造方法、および母材プロファイル予測方法
JP5578024B2 (ja) ガラス母材の製造方法
Li et al. A single-sensor multi-scale quality monitoring methodology for laser-directed energy deposition: Example with height instability and porosity monitoring in additive manufacturing of ceramic thin-walled parts
KR102196000B1 (ko) 광섬유 모재의 제조 장치 및 그의 제조 방법
KR100640466B1 (ko) 기상 축 증착 장치 및 방법
JPH07198966A (ja) 光ファイバ用多孔質母材等の合成方法とその装置
JP3910806B2 (ja) 光ファイバ母材の製造方法
JP2024072648A (ja) 光ファイバ母材の製造システムおよび光ファイバ母材の製造方法
KR100663460B1 (ko) 기상 축 증착 장치 및 그를 이용한 수트 모재 제조 방법
JP4407742B2 (ja) ガラス母材の屈折率分布の検査方法
US20240076223A1 (en) Apparatus for producing glass base material, and method for producing glass base material
CN108147654A (zh) 光纤预制棒的制造设备及其制造方法
JPH07223834A (ja) 光ファイバ用多孔質母材の合成方法とその装置
JP4082326B2 (ja) 被加熱物品の表面温度測定方法、これを用いた加熱方法、及び光ファイバプリフォームの製造方法
JP4420082B2 (ja) ガラス母材の製造方法
JPH04260633A (ja) 光ファイバ用ガラス母材の製造装置
JP3680357B2 (ja) ガラス母材の火炎加工装置
JP3860164B2 (ja) 非円率の測定方法
JP4056778B2 (ja) 光ファイバ母材の製造方法
JP4762408B2 (ja) 光ファイバ多孔質母材の製造方法
JP2003012337A (ja) 光ファイバ用プリフォームの設計・製造方法
RU2245853C2 (ru) Способ получения пористой заготовки стекла (варианты)

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21807982

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022524474

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21807982

Country of ref document: EP

Kind code of ref document: A1