特許ウォッチ

公開番号2025089952
公報種別公開特許公報(A)
公開日2025-06-16
出願番号2023204948
出願日2023-12-04
発明の名称素材情報予測方法、素材情報予測システム
出願人住友ゴム工業株式会社
代理人個人,個人
主分類G16C 60/00 20190101AFI20250609BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】一回の予測処理により複数の素材情報を効率よく予測して出力することが可能な素材情報予測方法、及び素材情報予測システムを提供する。
【解決手段】素材予測システムは、予測装置と、データベースとを備える。素材予測システムにおいて、制御部は、素材および素材の配合割合が未知の予測対象組成物の物性情報を取得し(S31)、取得した前記物性情報に基づいて、前記予測対象組成物の前記識別コード及び前記配合情報を予測する(S32)。
【選択図】図9
特許請求の範囲【請求項１】
組成物の物性値に基づいて前記組成物の製造に用いられる素材に関する素材情報を予測する素材情報予測方法であって、
複数の組成物それぞれの物性値を含む物性情報と、前記組成物の製造に用いられた素材を示す素材識別情報と、複数の素材の配合に関する配合情報と、を含む第１データセットを参照して、互いに近似する複数の前記物性情報に対応する複数の類似素材識別情報を所定の最適化処理によって探索する探索ステップと、
探索された複数の前記類似素材識別情報に共通の識別子を割り当てる割当ステップと、
前記第１データセットにおける前記類似素材識別情報を前記識別子に置換した学習用の第２データセットを用いて機械学習された素材予測モデルに前記組成物からなる予測対象の前記物性値を入力して、前記素材予測モデルから前記予測対象の前記素材に対応する前記識別子と、前記識別子が割り当てられた素材の配合情報とを出力させる予測ステップと、を含む素材情報予測方法。
続きを表示（約 750 文字）【請求項２】
前記類似素材識別情報と前記識別子とが関連付けられた素材分類リストから、前記予測ステップにより予測された前記識別子が割り当てられた複数の前記類似素材識別情報を抽出して出力する出力ステップを更に含む、請求項１に記載の素材情報予測方法。
【請求項３】
前記予測対象の前記物性情報を取得するデータ取得ステップを更に含み、
前記予測ステップは、前記データ取得ステップにより取得された前記物性情報を前記素材予測モデルに入力して、前記素材予測モデルから前記予測対象に対応する前記識別子と前記識別子が割り当てられた前記素材の配合情報とを出力させる、請求項１又は２に記載の素材情報予測方法。
【請求項４】
組成物の物性値に基づいて前記組成物の製造に用いられる素材に関する素材情報を予測する素材情報システムであって、
複数の組成物それぞれの物性値を含む物性情報と、前記組成物の製造に用いられた素材を示す素材識別情報と、複数の素材の配合に関する配合情報と、を含む第１データセットを参照して、互いに近似する複数の前記物性情報に対応する複数の類似素材識別情報を所定の最適化処理によって探索する探索処理部と、
探索された複数の前記類似素材識別情報に共通の識別子を割り当てる割当処理部と、
前記第１データセットにおける前記類似素材識別情報を前記識別子に置換した学習用の第２データセットを用いて機械学習された素材予測モデルに前記組成物からなる予測対象の前記物性値を入力して、前記素材予測モデルから前記予測対象の素材に対応する前記識別子と、前記識別子が割り当てられた前記素材の配合情報とを出力させる予測処理部と、を備える素材情報予測システム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、組成物の物性値に基づいて前記組成物の製造に用いられる素材に関する素材情報を予測する素材情報予測方法、素材情報予測システムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
従来、自動車に装着されるタイヤなどの材料であるゴム組成物に関する特定の性能（物性）を求める予測方法が知られている。また、ゴム組成物の製造に用いられる複数の原材料の名称（例えば原材料固有の商品名や型式番号など）やその配合比率を説明変数とし、ゴム組成物の物性データを目的関数として、コンピュータに機械学習させて予測モデルを構築し、その予測モデルを用いて物性データを予測する物性データ予測方法が知られている。
【０００３】
また、ニューラルネットワークの手法を用いて、設計・配合等の実験データの要因群と特性群との関係を学習し、任意の要因データから特性を推定し、任意の特性データから要因を推定する方法が開示されている（特許文献１参照）。
【０００４】
また、他の物性データ予測方法として、原材料の識別情報として原材料固有の商品名や型式番号を用いずに、材料特性が近い複数の原材料を一つに分類した識別名称を用いた手法が開示されている（特許文献２参照）。
【先行技術文献】
【特許文献】
【０００５】
特開２００３－５８５８２号公報
特開２０２０－３８４９３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
ところで、ゴム組成物の物性値に基づいて前記ゴム組成物を構成する素材やその配合比率の予測結果が得られたとしても、その素材が必ずしもゴム組成物の製造に最適な素材であるとは限られず、例えば、コスト面や、入手困難性、流通量などの条件によっては不適切な素材が予測される場合がある。一方で、予測された素材だけでなく、その素材を代替してもゴム組成物の物性値を変動させない素材、或いは変動させたとしてもその変動幅が許容範囲内に収まる素材も予測できれば、開発者は、ゴム組成物の設計にあたり最適な素材を容易に見出し、ゴム組成物の開発に貢献できると考えられる。しかしながら、複数の予測結果を得るためには、従来の予測方法では複数回の予測処理を行わなければならず、予測処理に膨大な時間がかかる。
【０００７】
本開示の目的は、一回の予測処理により複数の素材情報を効率よく予測して出力することが可能な素材情報予測方法、及び素材情報予測システムを提供することにある。
【課題を解決するための手段】
【０００８】
本開示の一の局面に係る素材情報予測方法は、組成物の物性値に基づいて前記組成物の製造に用いられる素材に関する素材情報を予測する素材情報予測方法であって、複数の組成物それぞれの物性値を含む物性情報と、前記組成物の製造に用いられた素材を示す素材識別情報と、複数の素材の配合に関する配合情報と、を含む第１データセットを参照して、互いに近似する複数の前記物性情報に対応する複数の類似素材識別情報を所定の最適化処理によって探索する探索ステップと、探索された複数の前記類似素材識別情報に共通の識別子を割り当てる割当ステップと、前記第１データセットにおける前記類似素材識別情報を前記識別子に置換した学習用の第２データセットを用いて機械学習された素材予測モデルに前記組成物からなる予測対象の前記物性値を入力して、前記素材予測モデルから前記予測対象の前記素材に対応する前記識別子と、前記識別子が割り当てられた素材の配合情報とを出力させる予測ステップと、を含む。
【発明の効果】
【０００９】
本開示によれば、一回の予測処理により複数の素材情報を効率よく予測して出力することが可能である。
【図面の簡単な説明】
【００１０】
図１は、本開示の実施形態に係る素材情報予測システムの構成を示す図である。
図２は、本開示の実施形態に係る基準データセット及び組成物特性データの一例を示す図である。
図３は、本開示の実施形態に係る素材分類リストの一例を示す図である。
図４は、本開示の実施形態に係る素材情報予測システムが備える予測装置の構成を示すブロック図である。
図５は、本開示の実施形態に係る予測モデル構築部の構成を示すブロック図である。
図６は、本開示の実施形態に係る学習用データセット及び組成物特性データの一例を示す図である。
図７は、本開示の実施形態に係る予測モデル構築処理の手順の一例を示すフローチャートである。
図８は、本開示の実施形態に係る予測モデル構築処理の手順の他の一例を示すフローチャートである。
図９は、本開示の実施形態に係る素材予測処理の手順の一例を示すフローチャートである。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許