特許ウォッチ

公開番号2025089953
公報種別公開特許公報(A)
公開日2025-06-16
出願番号2023204949
出願日2023-12-04
発明の名称物性予測モデル構築方法、物性予測方法、物性予測システム
出願人住友ゴム工業株式会社
代理人個人,個人
主分類G16C 20/30 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】材料特性が不明な素材を用いた組成物であっても、前記組成物の素材配合情報からその物性及び物性値を予測することが可能な予測モデルを構築する物性予測モデル構築方法、前記物性予測モデルを用いた物性予測方法、及び物性予測システムを提供する。
【解決手段】物性予測システムは、予測装置と、データベースとを備える。物性予測システムにおいて、制御部は、基準データセットの組成物特性データ各々において、物性値が互いに近似する複数の物性情報に対応する複数の類似素材識別情報を探索し(S12)、探索された複数の前記類似素材識別情報に共通の識別コードを割り当て(S14)、予測モデルを学習させるための学習用データセットを生成し(S16)、生成された学習用データセットを教師データとして予測モデルに入力して、予測モデルを学習させる(S16)。
【選択図】図7
特許請求の範囲【請求項１】
複数の素材を用いて製造される組成物の物性値を予測する予測モデルを構築する物性予測モデル構築方法であって、
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、前記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て、前記予測モデルを学習させるための学習用の第２データセットを生成する学習用データセット生成ステップと、
前記第２データセットを用いて前記予測モデルに機械学習させる学習ステップと、を含む物性予測モデル構築方法。
続きを表示（約 1,300 文字）【請求項２】
前記学習ステップによって学習された前記予測モデルに、前記物性情報が既知の前記組成物に対応する前記識別子および前記配合情報を説明変数として入力し、前記予測モデルから出力される予測値に基づいて前記予測モデルによる予測結果を評価する評価ステップを更に含み、
前記予測結果の評価に基づいて、前記探索ステップ、前記割当ステップ、前記学習用データセット生成ステップ、及び前記学習ステップを繰り返し実行する、請求項１に記載の物性予測モデル構築方法。
【請求項３】
前記予測結果の評価が所定の許容範囲内になるまで、前記探索ステップ、前記割当ステップ、前記学習用データセット生成ステップ、及び前記学習ステップを繰り返し実行する、請求項２に記載の物性予測モデル構築方法。
【請求項４】
前記探索ステップ、前記割当ステップ、前記学習用データセット生成ステップ、及び前記学習ステップの実行回数が予め定められた設定回数に達した場合は、前記予測結果の評価が前記許容範囲外であっても、前記予測モデルの構築を終了する、請求項３に記載の物性予測モデル構築方法。
【請求項５】
請求項１に記載の物性予測モデル構築方法によって構築された前記予測モデルを用いて組成物からなる予測対象の物性値を予測する物性予測方法であって、
前記物性値が未知の前記予測対象の製造に用いられる素材を示す素材識別情報と、前記複数の素材の配合に関する配合情報とを含む素材配合データを取得するデータ取得ステップと、
前記探索ステップによって探索された複数の前記類似素材識別情報と、前記割当ステップによって割り当てられた前記識別子とが関連付けられた素材分類リストを参照して、前記素材配合データに含まれる前記素材識別情報に対応する前記識別子を抽出する抽出ステップと、
前記素材配合データにおける前記素材識別情報を前記識別子に置換した入力データを前記予測モデルに入力して、前記予測モデルから前記予測対象の前記物性値の予測結果を出力させる予測ステップと、を含む物性予測方法。
【請求項６】
請求項１に記載の物性予測モデル構築方法によって構築された前記予測モデルを用いて組成物からなる予測対象の物性値を予測する物性予測システムであって、
前記物性値が未知の前記予測対象の製造に用いられる素材を示す素材識別情報と、前記複数の素材の配合に関する配合情報とを含む素材配合データを取得するデータ取得部と、
前記探索ステップによって探索された複数の前記類似素材識別情報と、前記割当ステップによって割り当てられた前記識別子とが関連付けられた素材分類リストを参照して、前記素材配合データに含まれる前記素材識別情報に対応する前記識別子を抽出する抽出処理部と、
前記素材配合データにおける前記素材識別情報を前記識別子に置換した入力データを前記予測モデルに入力して、前記予測モデルから前記予測対象の前記物性値の予測結果を出力させる予測処理部と、を備える物性予測システム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、複数の素材を用いて製造される組成物の物性値を予測する予測モデルを構築する物性予測モデル構築方法、前記物性値を予測する物性予測方法、及び物性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、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１参照）。
【先行技術文献】
【特許文献】
【０００４】
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】
【０００５】
しかしながら、特許文献１に記載の従来の物性データ予測方法は、材料特性が不明な原材料については分類することができない。したがって、材料特性が公開されていない原材料については、その原材料の材料特性を事前に分析する必要がある。また、天然ゴムは育った環境などによって材料特性が異なるため、天然ゴムを原材料に用いる場合も事前に材料特性を分析する必要がある。また、廃棄されたタイヤやゴム製品をリサイクルして製造された再生ゴムを原材料として用いる場合、前記再生ゴムは様々なゴム素材で構成されているため、一意の材料特性を特定することができず、材料特性に基づく分類ができない。
【０００６】
本開示の目的は、材料特性が不明な素材を用いた組成物であっても、前記組成物の素材配合情報からその物性及び物性値を予測することが可能な予測モデルを構築する物性予測モデル構築方法、前記物性予測モデルを用いた物性予測方法、及び物性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】
【０００７】
本開示の一の局面に係る物性予測モデル構築方法は、複数の素材を用いて製造される組成物の物性値を予測する予測モデルを構築する物性予測モデル構築方法であって、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、前記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て、前記予測モデルを学習させるための学習用の第２データセットを生成する学習用データセット生成ステップと、前記第２データセットを用いて前記物性予測モデルに機械学習させる学習ステップと、を含む。
【発明の効果】
【０００８】
本開示によれば、材料特性が不明な素材を用いた組成物であっても、前記組成物の素材配合情報からその物性及び物性値を予測することが可能な予測モデルを構築することが可能である。また、このように構築された予測モデルを用いて物性予測を行うことにより、組成物の物性値を効率よく確実に予測することが可能である。
【図面の簡単な説明】
【０００９】
図１は、本開示の実施形態に係る物性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物性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物性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】
【００１０】
以下、添付図面を参照しながら、本開示の実施形態について説明する。なお、以下の実施形態は、本開示を具体化した一例であり、本開示の技術的範囲を限定するものではない。
（【００１１】以降は省略されています）

関連特許