特許ウォッチ

公開番号2025119671
公報種別公開特許公報(A)
公開日2025-08-15
出願番号2024014580
出願日2024-02-02
発明の名称物性予測方法、物性予測プログラム、物性予測装置およびフィルムの製造方法
出願人東レ株式会社
代理人弁理士法人酒井国際特許事務所
主分類B29C 48/92 20190101AFI20250807BHJP(プラスチックの加工;可塑状態の物質の加工一般)
要約【課題】最適な製造条件を設定するうえで、効率的に物性を予測することができる物性予測方法、物性予測プログラム、物性予測装置およびフィルムの製造方法を提供すること。
【解決手段】本発明に係る物性予測方法は、複数の処理工程ごとに得られる工程データを取得する取得ステップと、複数の処理工程における工程データを説明変数、該複数の処理工程によって製造されるフィルムの物性を目的変数として学習した学習済みモデルを記憶部から読み出して、該学習済みモデルを用いて取得ステップにより取得した工程データによる予測の物性を算出する予測ステップと、予測ステップで算出した物性に対する、学習済みモデルにおける複数の説明変数の影響度をそれぞれ算出する影響度算出ステップと、複数の説明変数のうち、影響度が高い方から順に、予め設定された数の説明変数を抽出する第1抽出ステップと、第1抽出ステップで抽出された説明変数を表示する表示ステップと、を含む。
【選択図】図1
特許請求の範囲【請求項１】
フィルムの製造工程を細分化した複数の処理工程ごとに得られる工程データを取得する取得ステップと、
前記複数の処理工程における工程データを説明変数、該複数の処理工程によって製造されるフィルムの物性を目的変数として学習した学習済みモデルを記憶部から読み出して、該学習済みモデルを用いて前記取得ステップにより取得した前記工程データによる予測の物性を算出する予測ステップと、
前記予測ステップで算出した物性に対する、前記学習済みモデルにおける複数の説明変数の影響度をそれぞれ算出する影響度算出ステップと、
前記複数の説明変数のうち、前記影響度が高い方から順に、予め設定された数の説明変数を抽出する第１抽出ステップと、
前記第１抽出ステップで抽出された説明変数を表示する表示ステップと、
を含む物性予測方法。
続きを表示（約 1,300 文字）【請求項２】
前記第１抽出ステップにおいて抽出された説明変数から、過去の実績における出現回数に基づいて説明変数を抽出する第２抽出ステップと、
前記第２抽出ステップにおいて抽出された説明変数の異常度を算出する異常度算出ステップと、
前記異常度算出ステップで算出した異常度に基づいて通知情報を出力する出力ステップと、
をさらに含む請求項１に記載の物性予測方法。
【請求項３】
前記予測ステップにおいて算出された物性に、規格の有無を示すラベルを付与するラベル付与ステップ、
をさらに含む請求項１に記載の物性予測方法。
【請求項４】
前記ラベル付与ステップは、規格の有無に加え、規格が存在する場合に、規格範囲内であるか否かを示すラベルを付与する、
請求項３に記載の物性予測方法。
【請求項５】
前記ラベル付与ステップは、規格範囲内である場合に、管理範囲内であるか否かを示すラベルを付与する、
請求項３または４に記載の物性予測方法。
【請求項６】
前記異常度算出ステップは、前記出現回数の逆数を異常度とする、
請求項２に記載の物性予測方法。
【請求項７】
コンピュータに、
フィルムの製造工程を細分化した複数の処理工程ごとに得られる工程データを取得する取得ステップと、
前記複数の処理工程における工程データを説明変数、該複数の処理工程によって製造されるフィルムの物性を目的変数として学習した学習済みモデルを記憶部から読み出して、該学習済みモデルを用いて前記取得ステップにより取得した前記工程データによる予測の物性を算出する予測ステップと、
前記予測ステップで算出した物性に対する、前記学習済みモデルにおける複数の説明変数の影響度をそれぞれ算出する影響度算出ステップと、
前記複数の説明変数のうち、前記影響度が高い方から順に、予め設定された数の説明変数を抽出する第１抽出ステップと、
前記第１抽出ステップで抽出された説明変数を表示する表示ステップと、
を実行させる物性予測プログラム。
【請求項８】
フィルムの製造工程を細分化した複数の処理工程ごとに得られる工程データを取得する取得部と、
前記複数の処理工程における工程データを説明変数、該複数の処理工程によって製造されるフィルムの物性を目的変数として学習した学習済みモデルを用いて前記取得部が取得した前記工程データによる予測の物性を算出する予測部と、
前記予測部が算出した物性に対する、前記学習済みモデルにおける複数の説明変数の影響度をそれぞれ算出する影響度算出部と、
前記複数の説明変数のうち、前記影響度が高い方から順に、予め設定された数の説明変数を抽出する第１抽出部と、
前記第１抽出部が抽出した説明変数を表示する表示部と、
を備える物性予測装置。
【請求項９】
請求項１に記載の物性予測方法によって予測された物性に基づいて各処理工程の条件を設定し、該設定された条件にしたがってフィルムを作製する、
フィルムの製造方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、物性予測方法、物性予測プログラム、物性予測装置およびフィルムの製造方法に関するものである。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
フィルムは、耐熱性、難燃性、耐薬品性、電気絶縁性、耐湿熱性および機械的強度や寸法安定性などに優れており、様々な製品に用いられている。このようなフィルムは、例えば、樹脂チップを溶解して、一方の方向に延伸させた後、該一方の方向とは直交する方向に延伸させることによって製造する二軸延伸によって製造される（例えば、特許文献１を参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０２３－２４１７９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところで、特許文献１では、材料特性と、有限要素法とを用いて延伸フィルムの延伸成形（物性）をシミュレーションすることによって最適な製造条件を見出している。しかしながら、特許文献１に記載の方法では、材料や製造条件ごとにシミュレーションして物性を予測する必要があり、最適な製造条件の設定に時間を要していた。
【０００５】
本発明は、上記に鑑みてなされたものであって、最適な製造条件を設定するうえで、効率的に物性を予測することができる物性予測方法、物性予測プログラム、物性予測装置およびフィルムの製造方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
上述した課題を解決し、目的を達成するために、本発明に係る物性予測方法は、フィルムの製造工程を細分化した複数の処理工程ごとに得られる工程データを取得する取得ステップと、前記複数の処理工程における工程データを説明変数、該複数の処理工程によって製造されるフィルムの物性を目的変数として学習した学習済みモデルを記憶部から読み出して、該学習済みモデルを用いて前記取得ステップにより取得した前記工程データによる予測の物性を算出する予測ステップと、前記予測ステップで算出した物性に対する、前記学習済みモデルにおける複数の説明変数の影響度をそれぞれ算出する影響度算出ステップと、前記複数の説明変数のうち、前記影響度が高い方から順に、予め設定された数の説明変数を抽出する第１抽出ステップと、前記第１抽出ステップで抽出された説明変数を表示する表示ステップと、を含む。
【０００７】
また、本発明に係る物性予測方法は、上記発明において、前記第１抽出ステップにおいて抽出された説明変数から、過去の実績における出現回数に基づいて説明変数を抽出する第２抽出ステップと、前記第２抽出ステップにおいて抽出された説明変数の異常度を算出する異常度算出ステップと、前記異常度算出ステップで算出した異常度に基づいて通知情報を出力する出力ステップと、をさらに含む。
【０００８】
また、本発明に係る物性予測方法は、上記発明において、前記予測ステップにおいて算出された物性に、規格の有無を示すラベルを付与するラベル付与ステップ、をさらに含む。
【０００９】
また、本発明に係る物性予測方法は、上記発明において、前記ラベル付与ステップは、規格の有無に加え、規格が存在する場合に、規格範囲内であるか否かを示すラベルを付与する。
【００１０】
また、本発明に係る物性予測方法は、上記発明において、前記ラベル付与ステップは、規格範囲内である場合に、管理範囲内であるか否かを示すラベルを付与する。
（【００１１】以降は省略されています）

関連特許