树脂物性值预测装置、学习装置以及树脂物性值的预测方法制造方法及图纸

提出了树脂物性值预测装置、学习装置以及树脂物性值的预测方法，在短时间内高精度地计算树脂组合物的物性。树脂物性值预测装置具备：取得部，取得通过分光传感器在通过分批式反应槽进行树脂聚合反应的工艺中对树脂组合物进行测定而作为结果得到的光谱数据；以及计算部，使用预先将测定了树脂组合物的光谱数据和树脂物性值作为教师数据而进行了学习的学习完毕模型，计算具有由所述取得部取得的光谱数据的树脂组合物的树脂物性值。数据的树脂组合物的树脂物性值。数据的树脂组合物的树脂物性值。

【技术实现步骤摘要】
树脂物性值预测装置、学习装置以及树脂物性值的预测方法


[0001]本专利技术涉及树脂物性值预测装置、学习装置以及树脂物性值的预测方法。

技术介绍

[0002]以往，已知以下的技术：在进行使用间歇式反应槽的聚合反应的工艺中，为了保持产品的均匀品质，进行基于测定的工艺数据的控制(例如，参照专利文献1)。
[0003]此外，在聚合物的制造工艺中，为了缩短包括采样以及检查在内的工艺整体所需要的时间，已知有用于基于聚合物的拉曼光谱来计算聚合物的品质的技术(例如，参照专利文献2)。
[0004]在先技术文献
[0005]专利文献
[0006]专利文献1：日本特开2001
‑
106703号公报
[0007]专利文献2：日本特表2021
‑
521463号公报
[0008]根据专利文献1所公开的工艺的控制方法，需要进行采样和物性检查作业，存在工艺的控制花费较长的时间的问题。
[0009]此外，在使用专利文献2所公开的技术的情况下，虽然由于使用机器学习算法，可能能够实现时间的缩短化，但预测精度为
±
20％左右，无法高精度地进行预测。在由于预测精度而树脂组合物的物性值不满足品质阈值的情况下，需要谋求再分析、聚合条件的再调整等纠正措施。纠正措施需要费用、劳力，存在引起生产率降低的问题，根据情况需要废弃聚合品。
[0010]即，根据以往技术，存在以下的问题：树脂组合物的物性的计算需要劳力、时间，即使在使用了机器学习的情况下预测精度也低。

技术实现思路

[0011]因此，本专利技术的目的在于提供一种能够在短时间内高精度地计算树脂组合物的物性的技术。
[0012]专利技术人们为了解决上述课题进行了深入研究，结果发现，通过机器学习算法，能够在短时间内高精度地计算树脂组合物的物性，从而完成了本专利技术。
[0013]即，本专利技术具有以下的方式。
[0014]本专利技术的一方式所涉及的树脂物性值预测装置具备：取得部，取得通过分光传感器在通过分批式反应槽进行树脂聚合反应的工艺中对树脂组合物进行测定而作为结果得到的光谱数据；以及计算部，使用预先将测定了树脂组合物的光谱数据和树脂物性值作为教师数据而进行了学习的学习完毕模型，计算具有由所述取得部取得的光谱数据的树脂组合物的树脂物性值。
[0015]此外，在本专利技术的一方式所涉及的树脂物性值预测装置中，所述教师数据所包括的光谱数据是预先对由分光传感器测定出的光谱数据进行了平滑化处理而得到的光谱数
据，所述计算部还具备预处理部，所述预处理部进行由所述取得部取得的光谱数据的平滑化处理，基于由所述预处理部进行了平滑化处理的光谱数据来计算树脂物性值。
[0016]此外，在本专利技术的一方式所涉及的树脂物性值预测装置中，所述教师数据所包括的光谱数据是预先对由分光传感器测定出的光谱数据进行了微分处理而得到的光谱数据，所述预处理部进一步进行由所述取得部取得的光谱数据的微分处理，所述计算部基于由所述预处理部进行了所述微分处理的光谱数据来计算树脂物性值。
[0017]此外，在本专利技术的一方式所涉及的树脂物性值预测装置中，所述预处理部分别各自独立地进行由所述取得部取得的光谱数据的所述平滑化处理和由所述取得部取得的光谱数据的所述微分处理，所述计算部基于由所述预处理部进行了所述平滑化处理的光谱数据、由所述预处理部进行了所述微分处理的光谱数据、或者未由所述预处理部进行所述平滑化处理和所述微分处理中的任意一个的光谱数据中的任意一个，计算树脂物性值。
[0018]此外，在本专利技术的一方式所涉及的树脂物性值预测装置中，所述计算部与所述平滑化处理和所述微分处理各自独立地进行所述树脂物性值的对数变换处理，输出进行了所述对数变换处理的所述树脂物性值、或者未进行所述对数变换处理的所述树脂物性值中的任一方。
[0019]此外，在本专利技术的一方式所涉及的树脂物性值预测装置中，所述预处理部通过使局部宽度小于41的局部回归来进行所述平滑化处理。
[0020]此外，在本专利技术的一方式所涉及的树脂物性值预测装置中，所述取得部取得在被采样的树脂组合物被放置冷却了给定时间之后测定出的光谱数据。
[0021]此外，在本专利技术的一方式所涉及的树脂物性值预测装置中，所述取得部在通过所述分批式反应槽进行树脂聚合反应的期间，取得每隔给定时间测定的光谱数据。
[0022]此外，在本专利技术的一方式所涉及的树脂物性值预测装置中，所述树脂组合物为丙烯酸树脂，所述取得部取得通过分光传感器对丙烯酸树脂进行测定而作为结果得到的光谱数据。
[0023]此外，在本专利技术的一方式所涉及的树脂物性值预测装置中，测定所述取得部取得的光谱数据的分光传感器至少是近红外线(NIR)分光传感器或者拉曼分光传感器中的至少任一方。
[0024]此外，本专利技术的一方式所涉及的学习装置将通过分光传感器对在通过分批式反应槽进行树脂聚合反应的工艺中采样的树脂组合物进行测定而作为结果得到的光谱数据和所述树脂组合物的树脂物性值作为教师数据，进行学习，以使得预测与所述光谱数据相应的所述树脂物性值。
[0025]此外，本专利技术的一方式所涉及的学习装置通过多个机器学习算法进行基于相同的所述教师数据的第一学习，选择进行了所述第一学习的多个结果中的任意一个。
[0026]此外，本专利技术的一方式所涉及的树脂物性值的预测方法具有：取得工序，取得通过分光传感器对在通过分批式反应槽进行树脂聚合反应的工艺中采样的树脂组合物进行测定而作为结果得到的光谱数据；以及计算工序，使用预先将测定了树脂组合物的光谱数据和树脂物性值作为教师数据而进行了学习的学习完毕模型，计算具有通过所述取得工序取得的光谱数据的树脂组合物的树脂物性值。
[0027]专利技术效果
[0028]根据本专利技术，能够提供一种能够在短时间内高精度地计算树脂组合物的物性的技术。
附图说明
[0029]图1是用于对本实施方式所涉及的树脂物性值预测系统进行说明的图。
[0030]图2是表示作为本实施方式所涉及的光谱数据的一例的NIR光谱的图。
[0031]图3是表示作为本实施方式所涉及的光谱数据的一例的拉曼光谱的图。
[0032]图4是用于对本实施方式所涉及的在线测定进行说明的图。
[0033]图5是用于说明本实施方式所涉及的学习阶段的一例的功能结构图。
[0034]图6是用于对本实施方式所涉及的用于制作教师数据的聚合条件的一例进行说明的图。
[0035]图7是表示本实施方式所涉及的预测阶段中的树脂物性值预测装置的功能结构的一例的功能结构图。
[0036]图8是表示本实施方式所涉及的计算部的功能结构的一例的功能结构图。
[0037]图9是用于说明本实施方式所涉及的平滑化处理的一例的图。
[0038]图10是示意性地表示本实施方式所涉及的树脂物性值预测装置的预测结果的具体例的图。
[0039]图11是用于对本实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种树脂物性值预测装置，具备：取得部，取得通过分光传感器在通过分批式反应槽进行树脂聚合反应的工艺中对树脂组合物进行测定而作为结果得到的光谱数据；以及计算部，使用预先将测定了树脂组合物的光谱数据和树脂物性值作为教师数据而进行了学习的学习完毕模型，计算具有由所述取得部取得的光谱数据的树脂组合物的树脂物性值。2.根据权利要求1所述的树脂物性值预测装置，其中，所述教师数据所包括的光谱数据是预先对由分光传感器测定出的光谱数据进行了平滑化处理而得到的光谱数据，所述计算部还具备预处理部，所述预处理部进行由所述取得部取得的光谱数据的平滑化处理，基于由所述预处理部进行了平滑化处理的光谱数据来计算树脂物性值。3.根据权利要求2所述的树脂物性值预测装置，其中，所述教师数据所包括的光谱数据是预先对由分光传感器测定出的光谱数据进行了微分处理而得到的光谱数据，所述预处理部进一步进行由所述取得部取得的光谱数据的微分处理，所述计算部基于由所述预处理部进行了所述微分处理的光谱数据来计算树脂物性值。4.根据权利要求3所述的树脂物性值预测装置，其中，所述预处理部分别各自独立地进行由所述取得部取得的光谱数据的所述平滑化处理和由所述取得部取得的光谱数据的所述微分处理，所述计算部基于由所述预处理部进行了所述平滑化处理的光谱数据、由所述预处理部进行了所述微分处理的光谱数据、或者未由所述预处理部进行所述平滑化处理和所述微分处理中的任意一个的光谱数据中的任意一个，计算树脂物性值。5.根据权利要求4所述的树脂物性值预测装置，其中，所述计算部与所述平滑化处理和所述微分处理各自独立地进行所述树脂物性值的对数变换处理，输出进行了所述对数变换处理的所述树脂物性值、或者未进行所述对数变换处理的所述树脂物性值中...

【专利技术属性】
技术研发人员：寺内一利，山地俊则，金子弘昌，山影柊斗，
申请(专利权)人：学校法人明治大学，
类型：发明
国别省市：