JP2005186790A - Uniformity prediction method for tire, uniformity prediction device for tire, computer program of uniformity prediction device for tire and memory medium memorizing computer program of uniformity prediction device for tire - Google Patents

Uniformity prediction method for tire, uniformity prediction device for tire, computer program of uniformity prediction device for tire and memory medium memorizing computer program of uniformity prediction device for tire Download PDF

Info

Publication number
JP2005186790A
JP2005186790A JP2003430766A JP2003430766A JP2005186790A JP 2005186790 A JP2005186790 A JP 2005186790A JP 2003430766 A JP2003430766 A JP 2003430766A JP 2003430766 A JP2003430766 A JP 2003430766A JP 2005186790 A JP2005186790 A JP 2005186790A
Authority
JP
Japan
Prior art keywords
uniformity
value
tire
statistical
evaluation item
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
JP2003430766A
Other languages
Japanese (ja)
Inventor
Yuji Sato
有二 佐藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokohama Rubber Co Ltd
Original Assignee
Yokohama Rubber Co Ltd
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 Yokohama Rubber Co Ltd filed Critical Yokohama Rubber Co Ltd
Priority to JP2003430766A priority Critical patent/JP2005186790A/en
Publication of JP2005186790A publication Critical patent/JP2005186790A/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G01M17/02—Tyres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29D—PRODUCING PARTICULAR ARTICLES FROM PLASTICS OR FROM SUBSTANCES IN A PLASTIC STATE
    • B29D30/00—Producing pneumatic or solid tyres or parts thereof
    • B29D30/0061—Accessories, details or auxiliary operations not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29D—PRODUCING PARTICULAR ARTICLES FROM PLASTICS OR FROM SUBSTANCES IN A PLASTIC STATE
    • B29D30/00—Producing pneumatic or solid tyres or parts thereof
    • B29D30/0061—Accessories, details or auxiliary operations not otherwise provided for
    • B29D2030/0066—Tyre quality control during manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29D—PRODUCING PARTICULAR ARTICLES FROM PLASTICS OR FROM SUBSTANCES IN A PLASTIC STATE
    • B29D30/00—Producing pneumatic or solid tyres or parts thereof
    • B29D30/06—Pneumatic tyres or parts thereof (e.g. produced by casting, moulding, compression moulding, injection moulding, centrifugal casting)
    • B29D30/0601—Vulcanising tyres; Vulcanising presses for tyres
    • B29D30/0633—After-treatment specially adapted for vulcanising tyres
    • B29D2030/0634—Measuring, calculating, correcting tyre uniformity, e.g. correcting RFV
    • B29D2030/0635—Measuring and calculating tyre uniformity, e.g. using mathematical methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tires In General (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide a uniformity prediction method for a tire capable of preventing a long term and delaying of a tire development period and freely setting and changing element and specification of the tire in design of uniformity. <P>SOLUTION: Data of mass production tire of past utilized as an actual measurement value are substituted for formula (4) and formula (9) and partial regression coefficients β<SB>1</SB>-β<SB>48</SB>and constant term γ are calculated and memorized in memory 22. Respective specifications of the tire predicting UF from a specification part 31b of an input/output picture 30 displayed on a display 11 are obtained and substituted for formula (10) with the partial regression coefficients β<SB>1</SB>-β<SB>48</SB>and the constant term γ to calculate the UF prediction value in every characteristic. <P>COPYRIGHT: (C)2005,JPO&NCIPI

Description

本発明は、タイヤの各ユニフォミティ評価項目の所定の統計値を予測する方法、その予測方法を使った装置、その予測装置のコンピュータプログラム及びそのプログラムを記憶した記憶媒体に関するものである。   The present invention relates to a method for predicting a predetermined statistical value of each uniformity evaluation item of a tire, a device using the prediction method, a computer program of the prediction device, and a storage medium storing the program.

従来、タイヤの構造、形状、配合等の設計方法では、計算機による数値実験及び試作による性能実験の結果から得られる経験則に依存していた。このため、試作、実験の試行錯誤を繰り返し行い、開発費の増大、開発期間の長期化につながっていた。そこで、これを解決する手段として、多変量解析手法を用いた数理計画法や最適化法が提案されている（例えば特許文献１参照。）。
特開２００１−９８３８号公報 Conventionally, the design method of tire structure, shape, blending, and the like relies on empirical rules obtained from the results of numerical experiments by computers and performance experiments by trial manufacture. As a result, trial and error trials and experiments were repeated, leading to an increase in development costs and a prolonged development period. Therefore, as a means for solving this problem, a mathematical programming method and an optimization method using a multivariate analysis method have been proposed (see, for example, Patent Document 1).
JP 2001-9838 A

しかしながら、タイヤ開発における品質性能の一指標であるユニフォミティの分析方法として上記のような多変量解析手法は確立されておらず実タイヤによる実験が不可欠であったが、タイヤのユニフォミティに影響を与える要素の中で実験結果に及ぼす影響が大きい要素以外は、実験誤差等でかき消され定量的に把握することが難しかった。その結果、タイヤ開発においてユニフォミティのレベルは事前に知ることができずタイヤの試作あるいは量産を行うことで初めて認識され、この時点でユニフォミティを改善する必要がある場合、再度タイヤの試作あるいは量産及び実験を繰り返すことで開発の長期化・遅れが発生し、また開発がある程度進んだ段階では変更可能な要素及びその仕様が制限され、ユニフォミティの改善幅が限定的となる、という問題があった。   However, the multivariate analysis method as described above has not been established as an analysis method for uniformity, which is an index of quality performance in tire development, and experiments with actual tires were indispensable, but factors that affect tire uniformity Other than the factors that have a great influence on the experimental results, it was difficult to understand quantitatively because it was erased by experimental errors. As a result, the level of uniformity in tire development cannot be known in advance and is recognized for the first time by trial manufacture or mass production of tires. If uniformity needs to be improved at this point, tire trial production or mass production and experiments are performed again. By repeating the above, there was a problem that the development was prolonged or delayed, and at the stage where development progressed to some extent, the elements that could be changed and their specifications were limited, and the improvement in uniformity was limited.

本発明は前記問題点に鑑みてなされたものであり、その目的とするところは、タイヤ開発期間の長期化、遅れを防止することができ、ユニフォミティの設計においてタイヤの要素及び仕様を自由に設定、変更することができるタイヤのユニフォミティ予測方法、タイヤのユニフォミティ予測装置、タイヤのユニフォミティ予測装置のコンピュータプログラム及びタイヤのユニフォミティ予測装置のコンピュータプログラムを記憶した記憶媒体を提供することにある。   The present invention has been made in view of the above-mentioned problems, and the object of the present invention is to prevent the tire development period from being prolonged and delay, and to freely set the elements and specifications of the tire in the design of uniformity. Another object of the present invention is to provide a storage medium storing a tire uniformity prediction method, a tire uniformity prediction apparatus, a computer program for a tire uniformity prediction apparatus, and a computer program for a tire uniformity prediction apparatus that can be changed.

本発明は前記目的を達成するために、コンピュータ装置を用いて生産対象となるタイヤのユニフォミティを表す複数のユニフォミティ評価項目のそれぞれにおける所定の統計値の予測値を算出するタイヤのユニフォミティ予測方法であって、
前記コンピュータ装置は、生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値及び、外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得し、前記ユニフォミティ評価項目の統計値毎に多変量解析を行い、各ユニフォミティ評価項目の統計値の予測値を算出することを特徴としている。 In order to achieve the above object, the present invention is a tire uniformity prediction method for calculating a predicted value of a predetermined statistical value for each of a plurality of uniformity evaluation items representing a uniformity of a tire to be produced using a computer device. And
The computer device includes a statistical value of each uniformity evaluation item actually measured for a tire with production results, a value of a plurality of uniformity influencing factors affecting the tire uniformity, and a uniformity regarding the tire to be produced that is input from the outside. It is characterized in that a value of an influencing element is acquired, a multivariate analysis is performed for each statistical value of the uniformity evaluation item, and a predicted value of the statistical value of each uniformity evaluation item is calculated.

本発明によれば、過去に生産実績のある量産タイヤのデータをもとに多変量解析をすることにより、タイヤのユニフォミティに影響を与える全ての要素についてその影響を定量化することができる。そのため、タイヤの試作或いは量産を行わずにユニフォミティを表す各特性を予測することができ、開発期間の長期化、遅れを防止をすることができると共に、開発段階による制限をうけずにタイヤの要素及び仕様について設定、変更することができ、ユニフォミティの優れたタイヤを開発することができる。
また、新たな要素や新たな仕様等の最新のデータや今後開発するタイヤのデータを実測値として随時追加することにより、ユニフォミティの予測範囲を拡げ、予測精度を高めることができる。 According to the present invention, by performing multivariate analysis based on the data of mass-produced tires that have been produced in the past, the influence can be quantified for all elements that affect the uniformity of the tire. Therefore, it is possible to predict each characteristic representing uniformity without trial production or mass production of the tire, and it is possible to prevent the development period from being prolonged and delayed, and without being restricted by the development stage. And it is possible to set and change the specifications, and to develop a tire with excellent uniformity.
Moreover, by adding the latest data such as new elements and new specifications and the data of tires to be developed in the future as measured values, the uniformity prediction range can be expanded and the prediction accuracy can be improved.

本発明の前記目的とそれ以外の目的と、構成特徴と、作用効果は、以下の説明と添付図面によって明らかとなる。   The above object and other objects, structural features, and operational effects of the present invention will become apparent from the following description and the accompanying drawings.

図１乃至図９は本発明の実施形態を示すものである。   1 to 9 show an embodiment of the present invention.

まず、図１及び図２を参照して、本発明のタイヤのユニフォミティ（以下、ＵＦという）を予測するための装置である周知のパーソナルコンピュータ及びパーソナルコンピュータプログラムを記憶する記憶媒体の構成について説明する。図１はパーソナルコンピュータの外観図、図２は図１に示したパーソナルコンピュータの制御構成を示すブロック図である。   First, with reference to FIG. 1 and FIG. 2, a configuration of a known personal computer, which is a device for predicting tire uniformity (hereinafter referred to as UF) of the present invention, and a storage medium for storing a personal computer program will be described. . FIG. 1 is an external view of a personal computer, and FIG. 2 is a block diagram showing a control configuration of the personal computer shown in FIG.

図１において、パーソナルコンピュータ１０は予測値出力手段であるディスプレイ１１、演算手段であるコンピュータ本体２０、情報取得手段であるキーボード１２及びマウス１３、記憶手段であるフレキシブルディスクドライブ（以下、ＦＤＤという）１４、記憶媒体であるフレキシブルディスク（以下、ＦＤという）１５から構成されている。なお、記憶手段は特定されるものではなく、例えば、コンピュータ本体２０にハードディスク装置等の大容量記憶装置（図示省略）を接続し、ＦＤ１５に記憶された後述するＵＦ予測プログラムを大容量記憶装置に格納して実行するようにしてもよい。また記憶媒体として周知の、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ等の光ディスクやＭＤ、ＭＯ等の光磁気ディスクやフラッシュメモリ等のメモリーカードがあり、これらを用いるときには、上記ＦＤＤ１４に代えてまたはＦＤＤ１４とともにＣＤ−ＲＯＭ装置、ＤＶＤ−ＲＯＭ装置、ＭＤ装置、ＭＯ装置、メモリカードリーダ等を用いてもよい。   In FIG. 1, a personal computer 10 includes a display 11 serving as predicted value output means, a computer main body 20 serving as calculation means, a keyboard 12 and a mouse 13 serving as information acquisition means, and a flexible disk drive (hereinafter referred to as FDD) 14 serving as storage means. , And a flexible disk (hereinafter referred to as FD) 15 as a storage medium. The storage means is not specified. For example, a large-capacity storage device (not shown) such as a hard disk device is connected to the computer main body 20, and a UF prediction program described later stored in the FD 15 is stored in the large-capacity storage device. It may be stored and executed. In addition, there are known optical disks such as CD-ROM and DVD-ROM, magneto-optical disks such as MD and MO, and memory cards such as flash memory. When these are used, a CD is used instead of the FDD 14 or together with the FDD 14. A ROM device, DVD-ROM device, MD device, MO device, memory card reader, or the like may be used.

図２に示すように、コンピュータ本体２０は前記プログラムに従って演算処理を行うＣＰＵ２１と、後述する実測値や予測するタイヤのデータや前記プログラム或いは計算結果等を記憶するＲＯＭやＲＡＭを含むメモリー２２と、コンピュータ本体２０と入出力装置等とのデータ等のやり取りを行うためのＩ／Ｏ２３と、データとコマンドが入出力可能なように接続されたバス２４とを備えている。なお、前記データは、キーボード１２やマウス１３から直接コンピュータ本体２０に入力してもよいし、ＦＤ１５等の記憶媒体からコンピュータ本体２０に内蔵されているＦＤＤ１４等を介して入力してもよい。   As shown in FIG. 2, the computer main body 20 includes a CPU 21 that performs arithmetic processing according to the program, a memory 22 that includes a ROM and a RAM that store measured values and tire data to be described later, the program or calculation results, and the like. An I / O 23 for exchanging data and the like between the computer main body 20 and an input / output device and the like, and a bus 24 connected so that data and commands can be input and output are provided. The data may be input directly to the computer main body 20 from the keyboard 12 or the mouse 13, or may be input from a storage medium such as the FD 15 via the FDD 14 incorporated in the computer main body 20.

次に図３乃至図６を参照して、タイヤのＵＦを予測する方法について説明する。図３は重回帰式における独立変数αiの一覧表、図４は各ＵＦ特性の偏回帰係数βi及び定数項γの算出結果例１、図５は各ＵＦ特性の偏回帰係数βi及び定数項γの算出結果例２である。 Next, a method for predicting the tire UF will be described with reference to FIGS. 3 is a list of independent variables α i in the multiple regression equation, FIG. 4 is a calculation result example 1 of partial regression coefficient β i and constant term γ of each UF characteristic, and FIG. 5 is a partial regression coefficient β i of each UF characteristic. It is calculation result example 2 of constant term (gamma).

タイヤのサイズ、タイヤの構造の種類、仕様部材の種類、仕様部材の寸法、生産設備の種類等の複数の要素が、タイヤのＵＦを表す複数のＵＦ評価項目の統計値（以下、特性という）に影響を与えていると考えた場合、多変量解析手法の一例として重回帰分析を用いて独立変数に基づき従属変数を予測することができる。なお以下において重回帰分析を用いて説明するが、判別分析を用いてもよい。   A plurality of factors such as tire size, tire structure type, specification member type, specification member size, production equipment type, etc., statistical values of a plurality of UF evaluation items representing tire UF (hereinafter referred to as characteristics) As an example of the multivariate analysis method, the dependent variable can be predicted based on the independent variable using multiple regression analysis. In addition, although it demonstrates using multiple regression analysis below, you may use discriminant analysis.

ここで、従属変数であるタイヤのＵＦの任意の特性の予測値Ｙは、ｐ個の独立変数をαi（ｉ＝１，２，…ｐ）、独立変数αiの重みである偏回帰係数をβi、及び定数項γを用いて、以下の重回帰式（１）式により求めることができる。 Here, the predicted value Y of an arbitrary characteristic of the tire UF that is a dependent variable is p independent variables α i (i = 1, 2,... P), and the partial regression coefficient that is the weight of the independent variable α i. Can be obtained by the following multiple regression equation (1) using β i and the constant term γ.

Figure 2005186790
Figure 2005186790

過去に量産された生産実績のあるタイヤに関する影響を与えるユニフォミティ影響要素（以下、単に要素と省略する）における値（以下、仕様という）とそのタイヤにおいて実測したＵＦの特性であるｎ組のデータ（αj1 αj2 … αjp ｙj）（ｊ＝１，２，…ｎ）を実測値として利用し、実測値ｙjと予測値Ｙjとの差が最小になるように最小２乗法を用いて下記（２）式を最小とする偏回帰係数β1〜βp、及び定数項γを求める。 A value (hereinafter referred to as a specification) in a uniformity influencing factor (hereinafter simply referred to as “element”) that has an influence on a tire that has been produced in the past, and n sets of data that are characteristics of the UF actually measured in the tire ( α j1 α j2 … α jp y j ) (j = 1, 2,... n) is used as an actual measurement value, and the following (2) is used using the least square method so that the difference between the actual measurement value y j and the predicted value Y j is minimized. The partial regression coefficients β 1 to β p and the constant term γ that minimize the equation are obtained.

ここで、場合によって過去の量産タイヤの各要素の仕様をそのまま数式に適用できない要素（以下、変換要素という）が存在する。例えば、タイヤ用途という要素における夏用、冬用、といった仕様が該当する。この場合において、あらかじめ所定の仕様に対して基準となる数値を定め、独立変数αiに代入する数値（以下、入力値という）とする。例えば、夏用という仕様に対して入力値を１００と定めることである。その他の要素（以下、通常要素という）における仕様、例えばタイヤ幅という要素における２００mmという仕様、はそのまま入力値として独立変数αiに代入する。 Here, in some cases, there are elements (hereinafter referred to as conversion elements) in which the specifications of each element of the past mass-produced tire cannot be applied to the mathematical expression as they are. For example, the specifications such as summer use and winter use in the element of tire use are applicable. In this case, a numerical value serving as a reference with respect to a predetermined specification is determined in advance, and a numerical value (hereinafter referred to as an input value) to be substituted into the independent variable α i . For example, the input value is set to 100 for the summer specification. Specifications in other elements (hereinafter referred to as normal elements), for example, the specifications of 200 mm in the element of tire width are directly substituted into the independent variable α i as input values.

Figure 2005186790
Figure 2005186790

（２）式をβ1〜βp、γで偏微分して０とおく。 The equation (2) is partially differentiated with β 1 to β p and γ and set to zero.

Figure 2005186790
Figure 2005186790

ここで、ｙの平均値をΨ、α1〜αpの平均値をΑ1〜Αpとしたときの関係式 Here, the relational expression when the average value of y is Ψ and the average value of α 1 to α p is Α 1 to Α p

Figure 2005186790
Figure 2005186790

及び、独立変数αi、αj間の変動・共変動 And the fluctuation and covariation between independent variables α i and α j

Figure 2005186790
Figure 2005186790

及び、独立変数αiと従属変数ｙの共変動 And covariation of independent variable α i and dependent variable y

Figure 2005186790
Figure 2005186790

（４）〜（６）式を（３）式に代入して整理すると   Substituting equations (4) to (6) into equation (3)

Figure 2005186790
Figure 2005186790

という連立方程式が得られ、これを解くことにより偏回帰係数β1〜βpを求めることができる。 The partial regression coefficients β 1 to β p can be obtained by solving these simultaneous equations.

解法としては行列を用いる方法が一般的であり、独立変数間の変動・共変動行列をＳ、独立変数と従属変数間の共変動ベクトルをｃ、偏回帰係数ベクトルをｂとすると（７）式は以下の式となる。   As a solution method, a method using a matrix is generally used. When the variation / covariation matrix between independent variables is S, the covariation vector between the independent variables and the dependent variable is c, and the partial regression coefficient vector is b, Equation (7) Is as follows.

Figure 2005186790
Figure 2005186790

Ｓの逆行列をＳ-1とすると偏回帰係数は以下の（９）式で求めることができる。 If the inverse matrix of S is S −1 , the partial regression coefficient can be obtained by the following equation (9).

Figure 2005186790
Figure 2005186790

次に、前記変換要素において基準として定めた所定の仕様以外の全ての仕様について入力値を求める。例えば、前記例における冬用という仕様に対する入力値を求めることである。   Next, input values are obtained for all specifications other than a predetermined specification defined as a reference in the conversion element. For example, obtaining an input value for the specification for winter in the above example.

変換要素における仕様は所定の数に限定されており、その数は仕様の種類数（以下、仕様数という）である。そこで、ｉ番目の要素、ｋ番目の仕様における入力値kαiは、（４）式及び（９）式から求めたγ、β1〜βp及び、ｊ番目の実測値である量産タイヤのＵＦの所定の特性ｙj、求める変換要素以外の要素αj1〜αjpをそれぞれ従属変数Ｙ、独立変数α1〜αpとして（１）式に代入して求めることができる。これを全ての変換要素において基準として定めた仕様以外の全ての仕様について行う。 The number of specifications in the conversion element is limited to a predetermined number, and the number is the number of types of specifications (hereinafter referred to as the number of specifications). Therefore, the input value k α i in the i-th element and the k-th specification is γ, β 1 to β p obtained from the equations (4) and (9), and the mass production tire which is the j-th actually measured value. The predetermined characteristics y j of the UF and the elements α j1 to α jp other than the conversion element to be calculated can be substituted into the equation (1) as the dependent variable Y and independent variables α 1 to α p , respectively. This is performed for all specifications other than the specifications defined as the reference for all conversion elements.

１組のタイヤの要素α1〜αpによってＵＦの全ての特性ｙが与えられるので、入力値kαiはＵＦの各特性によらず一定で各仕様ごとに一意に求めることができる。また、（１）式はＵＦの各特性ごとに成立する関係式なので、偏回帰係数β1〜βp及び定数項γはＵＦの各特性ごとに求めることができる。 Since all the characteristics UF of the UF are given by the elements α 1 to α p of one set of tires, the input value k α i is constant regardless of the characteristics of the UF and can be uniquely determined for each specification. In addition, since equation (1) is a relational expression established for each characteristic of the UF, the partial regression coefficients β 1 to β p and the constant term γ can be obtained for each characteristic of the UF.

ここで、本実施形態における全要素α1〜α48の要素名、その要素が変換要素か通常要素かを示す要素区分、変換要素である場合に入力値へ変換する仕様数を図３に示す。 Here, FIG. 3 shows the element names of all the elements α 1 to α 48 in this embodiment, the element classification indicating whether the element is a conversion element or a normal element, and the number of specifications to be converted into an input value when the element is a conversion element. .

図において、要素α1は工場であり仕様数が工場数となる変換要素である。要素α2はタイヤ幅であり通常要素である。要素α3は偏平率であり通常要素である。要素α4はタイヤ内径であり通常要素である。要素α5はタイヤ品種であり仕様数が品種数となる変換要素である。要素α6はタイヤ用途であり仕様数が用途数となる変換要素である。要素α7は成形ドラム幅であり通常要素である。要素α8はカーカス構造であり仕様数が構造種類数となる変換要素である。要素α9はＢＥＡＤ構造であり仕様数が構造種類数となる変換要素である。要素α10は補強ゴム種類であり仕様数がゴム種類数となる変換要素である。要素α11は補強ゴム幅であり通常要素である。要素α12は補強材種類であり仕様数が種類数となる変換要素である。要素α13は補強材タイプであり仕様数がタイプ数となる変換要素である。要素α14は補強材幅であり通常要素である。要素α15は第２フィラーゴム種類であり仕様数がゴム種類数となる変換要素である。要素α16は第２フィラーゴム幅であり通常要素である。要素α17はビードカバー有無であり仕様数が有／無となる変換要素である。要素α18はビードワイヤータイプであり仕様数がタイプ数となる変換要素である。要素α19はビードワイヤー本数であり通常要素である。要素α20はビードフィラーゴム種類であり仕様数がゴム種類数となる変換要素である。要素α21はビードフィラー高さであり通常要素である。要素α22はインナーライナー幅であり通常要素である。要素α23はインナーライナー厚さであり通常要素である。要素α24は＃１カーカス種類であり仕様数がカーカス種類数となる変換要素である。要素α25は＃１カーカス幅であり通常要素である。要素α26は＃２カーカス幅であり通常要素である。要素α27はベルトクッション幅であり通常要素である。要素α28はサイドトレッドゴム種類であり仕様数がゴム種類数となる変換要素である。要素α29はサイドトレッド幅であり通常要素である。要素α30はサイドトレッド種類であり仕様数が種類数となる変換要素である。要素α31はカーカス巻上げ高さであり通常要素である。要素α32はベルトドラム周長であり通常要素である。要素α33は＃１ベルト種類であり仕様数がベルト種類数となる変換要素である。要素α34は＃１ベルト幅であり通常要素である。要素α35は＃１ベルト角度であり通常要素である。要素α36は＃２ベルト種類であり仕様数がベルト種類数となる変換要素である。要素α37はＢＥＬＴ構造であり仕様数が構造種類数となる変換要素である。要素α38はベルトカバー種類であり仕様数がゴム種類数となる変換要素である。要素α39はキャップトレッド構造であり仕様数が構造種類数となる変換要素である。要素α40はキャップトレッドゴム種類であり仕様数がゴム種類数となる変換要素である。要素α41はキャップトレッド幅であり通常要素である。要素α42はスキッド幅であり通常要素である。要素α43はキャップトレッド厚さであり通常要素である。要素α44はグリーンタイヤ外周長であり通常要素である。要素α45はモールドタイプであり仕様数がタイプ数となる変換要素である。要素α46はタイヤ外周長であり通常要素である。要素α47は溝深さであり通常要素である。要素α48はデザイン幅であり通常要素である。 In the figure, element α 1 is a factory and a conversion element whose number of specifications is the number of factories. Element α 2 is the tire width and is a normal element. Element α 3 is the flatness factor and is a normal element. Element α 4 is the tire inner diameter and is a normal element. Elements alpha 5 is the conversion element number specification is tire varieties becomes varieties number. Element α 6 is a conversion element in which the number of specifications is the number of applications for tire use. Element α 7 is the width of the forming drum and is a normal element. Element α 8 is a conversion element having a carcass structure and the number of specifications being the number of structural types. Element α 9 is a BEAD structure and is a conversion element whose number of specifications is the number of structure types. Elements alpha 10 is a conversion element number is reinforcing rubber type specification is a rubber type number. Elements alpha 11 is usually elements are reinforcing rubber width. Element alpha 12 is a conversion element number is reinforcement type specification is the number of types. Elements alpha 13 is a conversion element number is reinforcement type specification is the number of types. Elements alpha 14 is normally elements are reinforcement width. Element α 15 is a second filler rubber type and a conversion element whose number of specifications is the number of rubber types. Element α 16 is the second filler rubber width and is a normal element. Element α 17 is a conversion element that has a bead cover and has a specification number. Element α 18 is a bead wire type conversion element whose number of specifications is the number of types. Element α 19 is the number of bead wires and is a normal element. Element α 20 is a bead filler rubber type, and is a conversion element whose number of specifications is the number of rubber types. Element α 21 is a bead filler height and is a normal element. Element α 22 is the inner liner width and is a normal element. Element α 23 is the inner liner thickness and is a normal element. Element α 24 is a conversion element of # 1 carcass type and the number of specifications is the number of carcass types. Element α 25 is # 1 carcass width and is a normal element. Element α 26 is the # 2 carcass width and is a normal element. Element α 27 is a belt cushion width and is a normal element. Element α 28 is a conversion element whose side tread rubber type has a specification number equal to the rubber type number. Element α 29 is a side tread width and is a normal element. The element α 30 is a conversion element whose side tread type is the number of specifications. Element α 31 is the carcass winding height and is a normal element. Element α 32 is the belt drum circumference and is a normal element. Element α 33 is a conversion element that is the # 1 belt type and the number of specifications is the number of belt types. Element α 34 is the # 1 belt width and is a normal element. Element α 35 is the # 1 belt angle and is a normal element. Element α 36 is a conversion element of # 2 belt type and the number of specifications becomes the number of belt types. Element α 37 is a BELT structure and is a conversion element whose number of specifications is the number of structure types. Element α 38 is a belt cover type and a conversion element whose number of specifications is the number of rubber types. Element α 39 is a cap tread structure and is a conversion element whose number of specifications is the number of structural types. Element α 40 is a cap tread rubber type, and is a conversion element whose number of specifications is the number of rubber types. Element α 41 is a cap tread width and is a normal element. Element α 42 is a normal element is a skid width. Element α 43 is the cap tread thickness and is a normal element. Element α 44 is the outer peripheral length of the green tire and is a normal element. Element α 45 is a mold type and is a conversion element whose number of specifications is the number of types. Element α 46 is the tire outer peripheral length and is a normal element. Element α 47 is the groove depth and is a normal element. Element α 48 is a design width and is a normal element.

また、本実施形態おける要素α1〜α48に対応する偏回帰係数β1〜β48と定数項γをＵＦの各特性ごとに、実測値から変換した入力値及び（４）式、（９）式から求めた結果の例を図４及び図５に示す。 In addition, the input values obtained by converting the partial regression coefficients β 1 to β 48 and the constant term γ corresponding to the elements α 1 to α 48 and the constant term γ in the present embodiment for each characteristic of the UF, and Equation (4), (9 An example of the result obtained from the formula is shown in FIGS.

図に示すＵＦの各特性における評価項目として、ＲＦＶはタイヤに荷重をかけて回転させたときのタイヤの半径方向の力の変動を表し、ＲＨはＲＦＶの一次成分の大きさを表し、ＬＦＶはタイヤに荷重をかけて回転させたときのタイヤの横方向の力の変動を表し、ＲＬＦＶは逆回転させたときのＬＦＶを表し、ＲＲＯはタイヤに荷重がかかっていないときのタイヤの半径方向の振れを表し、ＢＰＳはタイヤのサイド部分の局部的な凹凸の大きさを表し、ＣＯＮはタイヤに荷重をかけて回転させたときのタイヤの横方向の力の偏りを表している。また統計値として、ＡＶＥは平均、Ｓ．Ｄは標準偏差を表しており、例えばＵＦの特性ＲＦＶ＿ＡＶＥはタイヤに荷重をかけて回転させたときのタイヤの半径方向の力の変動の平均を意味する。なお、統計値は前記平均、標準偏差に特定されるものではなく、例えば最大、最小を求めるようにしてもよい。   As an evaluation item in each characteristic of the UF shown in the figure, RFV represents a change in the radial force of the tire when the tire is rotated by applying a load, RH represents the magnitude of the primary component of RFV, and LFV represents Fluctuation in the lateral force of the tire when the tire is rotated with a load applied, RLFV represents the LFV when the tire is rotated in the reverse direction, RRO represents the radial direction of the tire when the tire is not loaded BPS represents the size of the local unevenness of the side portion of the tire, and CON represents the lateral force bias of the tire when the tire is rotated under a load. As statistical values, AVE is average, S.P. D represents the standard deviation. For example, the characteristic RFV_AVE of UF means an average of fluctuations in the force in the radial direction of the tire when the tire is rotated with a load applied. Note that the statistical value is not specified by the average or standard deviation, and for example, a maximum or minimum value may be obtained.

こうして各特性ごとに定めた偏回帰係数β1〜β48、定数項γ、及び各仕様ごとに入力値へ変換する独立変数α1〜α48を（１）式に適用すると、以下の（１０）式で求めることができる。 Applying the partial regression coefficients β 1 to β 48 determined for each characteristic, the constant term γ, and the independent variables α 1 to α 48 converted into input values for each specification to the equation (1), the following (10 ).

Figure 2005186790
Figure 2005186790

次に図６乃至図１０を参照して、前記パーソナルコンピュータ１０を使ってＵＦを予測するプログラムについて説明する。図６は第１の実施形態におけるＵＦ予測プログラムの全体フローチャート、図７は重回帰分析処理のフローチャート、図８は仕様変換処理のフローチャート、図９は第１の実施形態及び第２の実施形態におけるＵＦ予測プログラムの入出力画面、図１０は第２の実施形態におけるＵＦ予測プログラムの全体フローチャートである。   Next, a program for predicting UF using the personal computer 10 will be described with reference to FIGS. 6 is an overall flowchart of the UF prediction program in the first embodiment, FIG. 7 is a flowchart of multiple regression analysis processing, FIG. 8 is a flowchart of specification conversion processing, and FIG. 9 is in the first embodiment and the second embodiment. The input / output screen of the UF prediction program, FIG. 10 is an overall flowchart of the UF prediction program in the second embodiment.

［第１の実施形態］
図６に示す本実施形態におけるＵＦ予測プログラムは仕様取得ステップＳ４００、入力値決定ステップＳ５００、予測値算出ステップＳ６００、再入力判定ステップＳ７００を備えている。 [First Embodiment]
The UF prediction program in the present embodiment shown in FIG. 6 includes a specification acquisition step S400, an input value determination step S500, a prediction value calculation step S600, and a re-input determination step S700.

前記コンピュータ本体２０は、前記ＵＦ予測プログラムを実行するために実測値として利用する過去の量産タイヤのデータと、回帰式である前記（１）式における偏回帰係数β1〜β48、定数項γ及び全ての変換要素における仕様に対応する入力値kαiを前記メモリ２２に記憶して、前記ＵＦ予測プログラムにおいて利用可能な状態にしておく。 The computer main body 20 includes past mass production tire data used as actual measurement values for executing the UF prediction program, partial regression coefficients β 1 to β 48 in the equation (1), which is a regression equation, and a constant term γ. And the input value k α i corresponding to the specifications of all the conversion elements is stored in the memory 22 so as to be usable in the UF prediction program.

ここで偏回帰係数β1〜β48、定数項γ及び入力値kαiを算出する重回帰分析処理及び仕様変換処理について説明する。 Here, the multiple regression analysis process and the specification conversion process for calculating the partial regression coefficients β 1 to β 48 , the constant term γ, and the input value k α i will be described.

図７に示す重回帰分析処理は、まず独立変数αiの要素番号ｉに初期値として１を設定する（Ｓ２０１）。独立変数αiは変換要素であるかどうかを判定し（Ｓ２０２）、変換要素であれば基準となる仕様に対する数値を入力値1αiとして設定する（Ｓ２０３）。通常要素であればＳ２０３の処理を行わない。次に、要素番号ｉが４８であるかどうかを判定し（Ｓ２０４）、４８でなければ要素番号ｉを１ずつ増加させて（Ｓ２０５）、全ての変換要素の入力値1αiを設定するまでＳ２０２〜Ｓ２０５を繰り返す。 In the multiple regression analysis process shown in FIG. 7, first, 1 is set as the initial value for the element number i of the independent variable α i (S201). It is determined whether or not the independent variable α i is a conversion element (S202), and if it is a conversion element, a numerical value for a standard specification is set as an input value 1 α i (S203). If it is a normal element, the process of S203 is not performed. Next, it is determined whether or not the element number i is 48 (S204). If it is not 48, the element number i is incremented by 1 (S205) until the input value 1 α i of all the conversion elements is set. S202 to S205 are repeated.

要素番号ｉが４８となった場合、基準として設定した仕様を含むｎ組の実測値（αｊ１…αｊ４８ ｙｊ）（ｊ＝１〜ｎ）を必要に応じてαiを1αiに変換して前記（４）式及び前記（９）式に代入し（Ｓ２０６）、偏回帰係数β1〜β48、定数項γを算出して（Ｓ２０７）、重回帰分析処理は終了する。 If the element number i becomes 48, n sets of measured values, including a specification set as a reference (αj1 ... αj48 yj) (j = 1~n) optionally the alpha i is converted into 1 alpha i Substituting into the above equations (4) and (9) (S206), calculating partial regression coefficients β 1 to β 48 and constant term γ (S207), the multiple regression analysis process is completed.

図８に示す仕様変換処理は、まず要素番号ｉに初期値として１を、仕様番号ｋに初期値として２をそれぞれ設定する（Ｓ３０１）。独立変数αiは変換要素であるかどうかを判定し（Ｓ３０２）、変換要素であればαi以外の実測値（α１…α４８ ｙ）と前記β1〜β48、γを前記（１）式に代入し（Ｓ３０３）、要素番号ｉ、仕様番号ｋに対応する入力値kαiの数値を算出する（Ｓ３０４）。次に、仕様番号ｋがその変換要素の仕様数であるかどうかを判定し（Ｓ３０５）、仕様数でなければｋを１ずつ増加させて（Ｓ３０６）、要素番号ｉの全ての仕様について仕様値kαiを算出するまでＳ３０３〜Ｓ３０６を繰り返す。通常要素であればＳ３０３〜Ｓ３０６の処理を行わない。 In the specification conversion process shown in FIG. 8, first, 1 is set as the initial value for the element number i, and 2 is set as the initial value for the specification number k (S301). It is determined whether or not the independent variable α i is a conversion element (S302). If the independent variable α i is a conversion element, measured values (α1... Α48 y) other than α i and β 1 to β 48 and γ are expressed by the equation (1). (S303), the numerical value of the input value k α i corresponding to the element number i and the specification number k is calculated (S304). Next, it is determined whether or not the specification number k is the number of specifications of the conversion element (S305). If it is not the number of specifications, k is incremented by 1 (S306), and the specification values for all the specifications of the element number i are determined. S303 to S306 are repeated until k α i is calculated. If it is a normal element, the process of S303-S306 is not performed.

次に、仕様番号ｋが仕様数である、または独立変数αiが通常要素である場合、要素番号ｉが４８であるかどうかを判定する（Ｓ３０７）。４８でなければ、仕様番号ｋに初期値として２を設定し、要素番号ｉを１ずつ増加させ（Ｓ３０８）、全ての変換要素について入力値kαiを算出するまでＳ３０２〜Ｓ３０８を繰り返す。要素番号ｉが４８となったとき、仕様変換処理は終了する。 Next, when the specification number k is the number of specifications or the independent variable α i is a normal element, it is determined whether the element number i is 48 (S307). 48 Otherwise, set the 2 as an initial value specification number k, increases the element number i by 1 (S308), repeats S302~S308 until calculates an input value k alpha i for all transducer elements. When the element number i reaches 48, the specification conversion process ends.

前記ＵＦ予測プログラムは仕様取得ステップＳ４００において、前記ディスプレイ１１に表示される図９に示す入出力画面３０の仕様部３１ｂから、ＵＦ予測対象となるタイヤの各仕様を取得する。入出力画面３０は入力部３１と出力部３２に分かれており、仕様部３１ｂへの入力は、入力見出し部３１ａの要素ごとに通常要素は前記キーボード１２を用いて数値を入力し、変換要素は前記マウス１３を用いて仕様を選択して行われる。   In the specification acquisition step S400, the UF prediction program acquires each specification of the tire to be a UF prediction target from the specification part 31b of the input / output screen 30 shown in FIG. The input / output screen 30 is divided into an input unit 31 and an output unit 32. As for the input to the specification unit 31b, for each element of the input heading unit 31a, a numerical value is input to the normal element using the keyboard 12, and a conversion element is This is done by selecting a specification using the mouse 13.

入力値決定ステップＳ５００は、変換要素の場合は前記仕様取得ステップＳ４００で取得した仕様に対応する前記メモリ２２に記憶したkαiを入力値とし、通常要素の場合は前記仕様をそのまま入力値とする。 In the input value determination step S500, in the case of a conversion element, k α i stored in the memory 22 corresponding to the specification acquired in the specification acquisition step S400 is used as an input value, and in the case of a normal element, the specification is directly used as the input value. To do.

予測値算出ステップＳ６００は、前記メモリ２２に記憶した偏回帰係数β1〜β48、定数項γを各特性ごとに前記（１０）式に代入して、ＵＦ予測値を算出し、予測値は予測部３２ａに表示される。なお、各ＵＦ評価項目の平均と標準偏差を算出することで、規格に従い歩留りを計算し歩留り部３２ｂに表示することができる。 The predicted value calculation step S600 calculates the UF predicted value by substituting the partial regression coefficients β 1 to β 48 and the constant term γ stored in the memory 22 into the equation (10) for each characteristic, and the predicted value is It is displayed on the prediction unit 32a. Note that by calculating the average and standard deviation of each UF evaluation item, the yield can be calculated according to the standard and displayed on the yield portion 32b.

再入力判定ステップＳ７００は、入出力画面３０の出力部３２に予測値が表示されている状態で入力部３１の仕様が変更されたかどうかを判定し、仕様が変更された場合前記仕様取得ステップ４００の処理へ戻り再度予測値を算出する。仕様が変更されたかどうかの判定は、前記仕様取得ステップ４００で取得した仕様と入力部３１の仕様を比較して行い、１つでも仕様が異なれば仕様が変更されたと判断する。なお、再入力判定ステップＳ７００の前に最適化処理ステップを追加することにより、自動的に最適解（最適仕様）及び予測値を算出するようにしてもよい。
［第２の実施形態］
図１０に示す本実施形態におけるＵＦ予測プログラムは、後述する重回帰分析ステップＳ２００及び仕様変換ステップＳ３００において実測値として利用する過去の量産タイヤのデータを取得する実測値取得ステップＳ１００、重回帰式である前記（１）式における偏回帰係数β1〜β48及び定数項γを求める前記重回帰分析処理である重回帰分析ステップＳ２００、全ての変換要素について前記図７のＳ２０３で設定した1αi以外の仕様について入力値を求める前記重回帰分析処理である仕様変換ステップＳ３００、前記仕様取得ステップＳ４００、前記入力値決定ステップＳ５００、前記予測値算出ステップＳ６００、前記再入力判定ステップＳ７００を備えている。なお、再入力判定ステップＳ７００において、仕様が変更された場合前記実測値取得ステップ１００の処理へ戻るようにして、予測値を算出するごとに実測値を取得するようにしてもよい。 In the re-input determination step S700, it is determined whether or not the specification of the input unit 31 is changed in a state where the predicted value is displayed on the output unit 32 of the input / output screen 30, and when the specification is changed, the specification acquisition step 400 is performed. Returning to the process, the predicted value is calculated again. Whether or not the specification has been changed is determined by comparing the specification acquired in the specification acquisition step 400 with the specification of the input unit 31, and if even one specification is different, it is determined that the specification has been changed. Note that an optimum solution (optimum specification) and a predicted value may be automatically calculated by adding an optimization process step before the re-input determination step S700.
[Second Embodiment]
The UF prediction program in this embodiment shown in FIG. 10 is an actual measurement value acquisition step S100 that acquires data of past mass-produced tires that are used as actual measurement values in multiple regression analysis step S200 and specification conversion step S300 described later, and a multiple regression equation. Multiple regression analysis step S200, which is the multiple regression analysis process for obtaining partial regression coefficients β 1 to β 48 and constant term γ in the formula (1), and 1 α i set in S203 of FIG. 7 for all conversion elements. A specification conversion step S300, which is the multiple regression analysis process for obtaining an input value for a specification other than the specification, the specification acquisition step S400, the input value determination step S500, the predicted value calculation step S600, and the re-input determination step S700. . In the re-input determination step S700, when the specification is changed, the process may return to the process of the actual value acquisition step 100, and the actual value may be acquired every time the predicted value is calculated.

本実施形態のＵＦ予測プログラムは、前記コンピュータ本体２０が前記ＵＦ予測プログラムが実行するごとに前記実測値取得ステップＳ１００〜仕様値変換ステップＳ３００を処理する点で前記実施形態と異なる。新たな要素や新たな仕様等の最新のデータや今後開発するタイヤのデータを実測値として随時追加することにより、要素数ｉ、データ数ｊ、仕様数ｋが増え、入力値kαiや偏回帰係数βi、定数項γを算出することができると共に、ＵＦ予測範囲を拡げ、予測精度を高めることができる。なお、その他の構成、詳細処理、作用は前記実施形態と同じであるため省略する。 The UF prediction program of this embodiment is different from the above embodiment in that the computer main body 20 processes the measured value acquisition step S100 to the specification value conversion step S300 each time the UF prediction program is executed. By adding the latest data such as new elements and new specifications and the data of tires to be developed in the future as measured values, the number of elements i, the number of data j, and the number of specifications k increase, and the input value k α i The regression coefficient β i and the constant term γ can be calculated, the UF prediction range can be expanded, and the prediction accuracy can be increased. Other configurations, detailed processing, and operations are the same as those in the above-described embodiment, and thus are omitted.

このように、第１の実施形態及び第２の実施形態のタイヤのＵＦ予測プログラムによれば、過去に生産実績のある量産タイヤのデータをもとに多変量解析をすることにより、タイヤのＵＦに影響を与える全ての要素についてその影響を定量化することができる。そのため、タイヤの試作或いは量産を行わずにＵＦを表す各特性を予測することができ、試作・実験を繰り返すことによる開発期間の長期化、遅れを防止をすることができる。   Thus, according to the tire UF prediction program of the first embodiment and the second embodiment, by performing multivariate analysis based on the data of mass-produced tires that have been produced in the past, the UF of the tire The impact can be quantified for all factors that affect Therefore, it is possible to predict each characteristic representing UF without trial manufacture or mass production of the tire, and it is possible to prevent the development period from being prolonged and delayed by repeating the trial manufacture and the experiment.

また、開発初期段階に予測することにより開発段階による制限を受けずにタイヤの要素及び仕様について設定、変更することができ、タイヤの各要素の仕様を最適化することによりＵＦの優れたタイヤを開発することができる。   Also, by predicting at the initial stage of development, it is possible to set and change the tire elements and specifications without being restricted by the development stage, and by optimizing the specifications of each element of the tire, a tire with excellent UF can be obtained. Can be developed.

なお、本実施形態では、タイヤのユニフォミティ予測方法、タイヤのユニフォミティ予測装置、タイヤのユニフォミティ予測装置のプログラム及びタイヤのユニフォミティ予測装置のプログラムを記憶した記憶媒体を示したが、前述の実施形態にのみ限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変更を加えてもよい。   In this embodiment, the tire uniformity prediction method, the tire uniformity prediction device, the tire uniformity prediction device program, and the storage medium storing the tire uniformity prediction device program are shown. It is not limited, and various changes may be made without departing from the scope of the present invention.

パーソナルコンピュータの外観図External view of personal computer 図１に示したパーソナルコンピュータの制御構成を示すブロック図The block diagram which shows the control structure of the personal computer shown in FIG. 重回帰式における独立変数αiの一覧表List of independent variables α i in multiple regression equation 各ＵＦ特性の偏回帰係数βi及び定数項γの算出結果例１Example 1 of calculation results of partial regression coefficient β i and constant term γ of each UF characteristic 各ＵＦ特性の偏回帰係数βi及び定数項γの算出結果例２Example 2 of calculation results of partial regression coefficient β i and constant term γ of each UF characteristic 第１の実施形態におけるＵＦ予測プログラムの全体フローチャートOverall Flowchart of UF Prediction Program in First Embodiment 重回帰分析処理のフローチャートFlow chart of multiple regression analysis process 仕様値変換処理のフローチャートFlow chart of specification value conversion process ＵＦ予測プログラムの入出力画面図Input / output screen of UF prediction program 第２の実施形態におけるＵＦ予測プログラムの全体フローチャートOverall Flowchart of UF Prediction Program in Second Embodiment

符号の説明Explanation of symbols

１０…パーソナルコンピュータ、１１…ディスプレイ、１２…キーボード、１３…マウス、１４…フレキシブルディスクドライブ、１５…フレキシブルディスク、２０…コンピュータ本体、２１…ＣＰＵ、２２…メモリ、２３…Ｉ／Ｏ、２４…バス、３０…入出力画面、３１…入力部、３１ａ…入力見出し部、３１ｂ…仕様部、３２…出力部、３２ａ…予測部、３２ｂ…歩留り部、Ｓ１００…実測値取得、Ｓ２００…重回帰分析、Ｓ３００…仕様変換、Ｓ４００…仕様取得、Ｓ５００…入力値決定、Ｓ６００…予測値算出、Ｓ７００…再入力判定。
DESCRIPTION OF SYMBOLS 10 ... Personal computer, 11 ... Display, 12 ... Keyboard, 13 ... Mouse, 14 ... Flexible disk drive, 15 ... Flexible disk, 20 ... Computer main body, 21 ... CPU, 22 ... Memory, 23 ... I / O, 24 ... Bus 30 ... I / O screen, 31 ... Input unit, 31a ... Input heading unit, 31b ... Specification unit, 32 ... Output unit, 32a ... Prediction unit, 32b ... Yield unit, S100 ... Actual measurement value acquisition, S200 ... Multiple regression analysis, S300 ... specification conversion, S400 ... specification acquisition, S500 ... input value determination, S600 ... predicted value calculation, S700 ... re-input determination.

Claims (14)

コンピュータ装置を用いて生産対象となるタイヤのユニフォミティを表す複数のユニフォミティ評価項目のそれぞれにおける所定の統計値の予測値を算出するタイヤのユニフォミティ予測方法であって、
前記コンピュータ装置は、
生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値及び、外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得し、
前記ユニフォミティ評価項目の統計値毎に多変量解析を行い、各ユニフォミティ評価項目の統計値の予測値を算出する
ことを特徴とするタイヤのユニフォミティ予測方法。 A tire uniformity prediction method for calculating a predicted value of a predetermined statistical value in each of a plurality of uniformity evaluation items representing a uniformity of a tire to be produced using a computer device,
The computer device includes:
Statistical values of measured uniformity evaluation items for tires with production results, values of multiple uniformity influencing factors that affect tire uniformity, and values of uniformity influencing factors related to the tires that are the production targets input from the outside Acquired,
A tire uniformity prediction method, wherein multivariate analysis is performed for each statistical value of the uniformity evaluation item, and a predicted value of the statistical value of each uniformity evaluation item is calculated. 前記コンピュータ装置は、
生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値とを取得し、
前記取得した各ユニフォミティ評価項目の統計値とユニフォミティ影響要素の値とを用いて重回帰分析を行い、各ユニフォミティ影響要素を独立変数として、各ユニフォミティ評価項目の統計値毎に、各ユニフォミティ影響要素に対応する偏回帰係数の値及び重回帰式の定数項の値を算出して記憶しておき、
前記生産対象となるタイヤの各ユニフォミティ評価項目の統計値を従属変数としてその予測値を算出するときに、
外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得し、
前記ユニフォミティ評価項目の統計値毎に、該統計値に対応する各ユニフォミティ影響要素毎にその偏回帰係数の値と前記取得したユニフォミティ影響要素の値とを乗算し、該ユニフォミティ影響要素毎に算出した乗算値を全て加算すると共に前記重回帰式の定数項の値を加算して各ユニフォミティ評価項目の統計値の予測値を算出する
ことを特徴とする請求項１に記載のタイヤのユニフォミティ予測方法。 The computer device includes:
Obtain statistical values of measured uniformity evaluation items for tires with production results, and values of multiple uniformity influencing factors that affect tire uniformity,
A multiple regression analysis is performed using the obtained statistical value of each uniformity evaluation item and the value of the uniformity influencing factor, and each uniformity influencing factor is set as an independent variable for each uniformity influencing factor for each uniformity influencing factor. Calculate and store the corresponding partial regression coefficient value and the constant term value of the multiple regression equation,
When calculating the predicted value using the statistical value of each uniformity evaluation item of the tire to be produced as a dependent variable,
Obtain the value of the uniformity influencing factor for the tire to be produced input from the outside,
For each statistical value of the uniformity evaluation item, for each uniformity affecting element corresponding to the statistical value, the value of the partial regression coefficient is multiplied by the value of the acquired uniformity affecting element, and calculated for each uniformity affecting element 2. The tire uniformity prediction method according to claim 1, wherein all the multiplication values are added and the value of the constant term of the multiple regression equation is added to calculate a predicted value of a statistical value of each uniformity evaluation item. 前記複数のユニフォミティ影響要素は、タイヤのサイズ、タイヤの構造の種類、仕様部材の種類、仕様部材の寸法、生産設備の種類を含む
ことを特徴とする請求項１又は請求項２に記載のタイヤのユニフォミティ予測方法。 3. The tire according to claim 1, wherein the plurality of uniformity influencing elements include a tire size, a tire structure type, a specification member type, a specification member dimension, and a production facility type. Uniformity prediction method. 前記統計値として平均値或いは標準偏差のうちの少なくとも何れか１つを含む
ことを特徴とする請求項１乃至請求項３に記載のタイヤのユニフォミティ予測方法。 The tire uniformity prediction method according to any one of claims 1 to 3, wherein the statistical value includes at least one of an average value and a standard deviation. 前記コンピュータ装置は、
生産対象となるタイヤの各ユニフォミティ評価項目の統計値を従属変数としてその予測値を算出するときに、
生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値とを取得し、
前記取得した各ユニフォミティ評価項目の統計値とユニフォミティ影響要素の値とを用いて重回帰分析を行い、各ユニフォミティ影響要素を独立変数として、各ユニフォミティ評価項目の統計値毎に、各ユニフォミティ影響要素に対応する偏回帰係数の値及び重回帰式の定数項の値を算出し、
外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得し、
前記ユニフォミティ評価項目の統計値毎に、該統計値に対応する各ユニフォミティ影響要素毎にその偏回帰係数の値と前記取得したユニフォミティ影響要素の値とを乗算し、該ユニフォミティ影響要素毎に算出した乗算値を全て加算すると共に前記重回帰式の定数項の値を加算して各ユニフォミティ評価項目の統計値の予測値を算出する
ことを特徴とする請求項１に記載のタイヤのユニフォミティ予測方法。 The computer device includes:
When calculating the predicted value using the statistical value of each uniformity evaluation item of the tire to be produced as a dependent variable,
Obtain statistical values of measured uniformity evaluation items for tires with production results, and values of multiple uniformity influencing factors that affect tire uniformity,
A multiple regression analysis is performed using the obtained statistical value of each uniformity evaluation item and the value of the uniformity influencing factor, and each uniformity influencing factor is set as an independent variable for each uniformity influencing factor for each uniformity influencing factor. Calculate the value of the corresponding partial regression coefficient and the value of the constant term of the multiple regression equation,
Obtain the value of the uniformity influencing factor for the tire to be produced input from the outside,
For each statistical value of the uniformity evaluation item, for each uniformity affecting element corresponding to the statistical value, the value of the partial regression coefficient is multiplied by the value of the acquired uniformity affecting element, and calculated for each uniformity affecting element 2. The tire uniformity prediction method according to claim 1, wherein all the multiplication values are added and the value of the constant term of the multiple regression equation is added to calculate a predicted value of a statistical value of each uniformity evaluation item. 生産対象となるタイヤのユニフォミティを表す複数のユニフォミティ評価項目のそれぞれにおける所定の統計値の予測値を算出するタイヤのユニフォミティ予測装置であって、
生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の前記統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値及び、外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得する情報取得手段と、
各ユニフォミティ評価項目の統計値毎に多変量解析を行い、各ユニフォミティ評価項目の統計値の予測値を算出する演算手段と、
前記演算手段による演算結果を出力する予測値出力手段とを備えている
ことを特徴とするタイヤのユニフォミティ予測装置。 A tire uniformity predicting device that calculates a predicted value of a predetermined statistical value in each of a plurality of uniformity evaluation items representing the uniformity of a tire to be produced,
The statistical values of each of the uniformity evaluation items actually measured for tires with production results, the values of a plurality of uniformity influencing factors that affect the tire uniformity, and the values of the uniformity influencing factors for the tire to be produced input from the outside Information acquisition means for acquiring
An arithmetic means for performing multivariate analysis for each statistical value of each uniformity evaluation item and calculating a predicted value of the statistical value of each uniformity evaluation item;
A tire uniformity prediction apparatus, comprising: a predicted value output unit that outputs a calculation result of the calculation unit. 生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の前記統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値とを用いて重回帰分析を行い、各ユニフォミティ影響要素を独立変数として、各ユニフォミティ評価項目の統計値毎に算出された、各ユニフォミティ影響要素に対応する偏回帰係数の値及び重回帰式の定数項の値を記憶している記憶手段を備えると共に、
前記生産対象となるタイヤの各ユニフォミティ評価項目の統計値を従属変数としてその予測値を算出するときに、外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得する手段と、
各ユニフォミティ評価項目の統計値毎に、該統計値に対応する各ユニフォミティ影響要素毎にその偏回帰係数の値と前記取得したユニフォミティ影響要素の値とを乗算して該ユニフォミティ影響要素毎に算出した乗算値を全て加算すると共に前記重回帰式の定数項の値を加算して各ユニフォミティ評価項目の統計値の予測値を算出する手段とを備えている
ことを特徴とする請求項６に記載のタイヤのユニフォミティ予測装置。
Perform multiple regression analysis using the statistical value of each uniformity evaluation item measured for tires with production results and the values of multiple uniformity influencing factors that affect tire uniformity, and each uniformity influencing factor as an independent variable. Comprising storage means for storing the value of the partial regression coefficient corresponding to each uniformity affecting element and the value of the constant term of the multiple regression equation calculated for each statistical value of each uniformity evaluation item,
Means for obtaining a value of a uniformity influencing factor related to the tire to be produced, which is input from the outside, when calculating a predicted value using a statistical value of each uniformity evaluation item of the tire to be produced as a dependent variable;
For each statistical value of each uniformity evaluation item, for each uniformity affecting element corresponding to the statistical value, the value of the partial regression coefficient is multiplied by the value of the acquired uniformity affecting element to calculate for each uniformity affecting element And a means for calculating a predicted value of a statistical value of each uniformity evaluation item by adding all the multiplication values and adding a value of a constant term of the multiple regression equation. Tire uniformity prediction device.
前記統計値として平均値或いは標準偏差のうちの少なくとも何れか１つを含む
ことを特徴とする請求項６又は請求項７に記載のタイヤのユニフォミティ予測装置。 The tire uniformity prediction apparatus according to claim 6 or 7, wherein the statistical value includes at least one of an average value and a standard deviation. 生産対象となるタイヤの各ユニフォミティ評価項目の統計値を従属変数としてその予測値を算出するときに、
生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値とを取得する手段と、
前記取得した各ユニフォミティ評価項目の統計値とユニフォミティ影響要素の値とを用いて重回帰分析を行い、各ユニフォミティ影響要素を独立変数として、各ユニフォミティ評価項目の統計値毎に、各ユニフォミティ影響要素に対応する偏回帰係数の値及び重回帰式の定数項の値を算出する手段と、
外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得する手段と、
前記ユニフォミティ評価項目の統計値毎に、該統計値に対応する各ユニフォミティ影響要素毎にその偏回帰係数の値と前記取得したユニフォミティ影響要素の値とを乗算し、該ユニフォミティ影響要素毎に算出した乗算値を全て加算すると共に前記重回帰式の定数項の値を加算して各ユニフォミティ評価項目の統計値の予測値を算出する手段とを備えている
ことを特徴とする請求項６に記載のタイヤのユニフォミティ予測装置。 When calculating the predicted value using the statistical value of each uniformity evaluation item of the tire to be produced as a dependent variable,
Means for obtaining statistical values of measured uniformity evaluation items for tires with production results and values of a plurality of uniformity influencing factors that affect tire uniformity;
A multiple regression analysis is performed using the obtained statistical value of each uniformity evaluation item and the value of the uniformity influencing factor, and each uniformity influencing factor is set as an independent variable for each uniformity influencing factor for each uniformity influencing factor. Means for calculating the corresponding partial regression coefficient value and the value of the constant term of the multiple regression equation;
Means for obtaining a value of a uniformity influencing factor regarding the tire to be produced, which is input from the outside;
For each statistical value of the uniformity evaluation item, for each uniformity affecting element corresponding to the statistical value, the value of the partial regression coefficient is multiplied by the value of the acquired uniformity affecting element, and calculated for each uniformity affecting element And a means for calculating a predicted value of a statistical value of each uniformity evaluation item by adding all the multiplication values and adding a value of a constant term of the multiple regression equation. Tire uniformity prediction device. 生産対象となるタイヤのユニフォミティを表す複数のユニフォミティ評価項目のそれぞれにおける所定の統計値の予測値を算出するタイヤのユニフォミティ予測装置のコンピュータプログラムであって、
生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の所定の統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値及び、外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得するステップと、
各ユニフォミティ評価項目の統計値毎に多変量解析を行い、各ユニフォミティ評価項目の統計値の予測値を算出するステップとを含む
ことを特徴とするタイヤのユニフォミティ予測装置のコンピュータプログラム。 A computer program of a tire uniformity prediction device that calculates a predicted value of a predetermined statistical value in each of a plurality of uniformity evaluation items representing the uniformity of a tire to be produced,
Predetermined statistical values of each uniformity evaluation item measured for tires with production results, values of a plurality of uniformity influencing factors that affect tire uniformity, and uniformity influencing factors for tires to be produced input from the outside Obtaining a value;
A computer program for a tire uniformity prediction apparatus, comprising: performing a multivariate analysis for each statistical value of each uniformity evaluation item, and calculating a predicted value of the statistical value of each uniformity evaluation item. 生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の所定の統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値とを用いて重回帰分析を行い、各ユニフォミティ影響要素を独立変数として、各ユニフォミティ評価項目の統計値毎に算出された、各ユニフォミティ影響要素に対応する偏回帰係数の値及び重回帰式の定数項の値を記憶している記憶手段を有するコンピュータ装置からなり、生産対象となるタイヤのユニフォミティを表す複数のユニフォミティ評価項目のそれぞれにおける前記統計値の予測値を算出するタイヤのユニフォミティ予測装置のコンピュータプログラムであって、
前記生産対象となるタイヤの各ユニフォミティ評価項目の統計値を従属変数としてその予測値を算出するときに、外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得するステップと、
各ユニフォミティ評価項目の統計値毎に、該統計値に対応する各ユニフォミティ影響要素毎にその偏回帰係数の値と前記取得したユニフォミティ影響要素の値とを乗算して該ユニフォミティ影響要素毎に算出した乗算値を全て加算すると共に前記重回帰式の定数項の値を加算して各ユニフォミティ評価項目の統計値の予測値を算出するステップとを含む
ことを特徴とするタイヤのユニフォミティ予測装置のコンピュータプログラム。 A multiple regression analysis is performed using the predetermined statistical values of each uniformity evaluation item measured for tires with production results and the values of multiple uniformity influencing factors that affect the tire uniformity, and each uniformity influencing factor is used as an independent variable. A computer device having storage means for storing the values of the partial regression coefficient corresponding to each uniformity influencing factor and the value of the constant term of the multiple regression equation, calculated for each statistical value of each uniformity evaluation item, A computer program of a tire uniformity prediction device that calculates a predicted value of the statistical value in each of a plurality of uniformity evaluation items representing the uniformity of a target tire,
When calculating a predicted value using a statistical value of each uniformity evaluation item of the tire to be produced as a dependent variable, obtaining a value of a uniformity influencing factor related to the tire to be produced input from the outside;
For each statistical value of each uniformity evaluation item, for each uniformity affecting element corresponding to the statistical value, the value of the partial regression coefficient is multiplied by the value of the acquired uniformity affecting element to calculate for each uniformity affecting element A computer program for a tire uniformity prediction apparatus, comprising: adding all multiplication values and adding a value of a constant term of the multiple regression equation to calculate a predicted value of a statistical value of each uniformity evaluation item. . 前記統計値として平均値或いは標準偏差のうちの少なくとも何れか１つを含む
ことを特徴とする請求項１０又は請求項１１に記載のタイヤのユニフォミティ予測装置のコンピュータプログラム。 The computer program of the tire uniformity prediction apparatus according to claim 10 or 11, wherein the statistical value includes at least one of an average value and a standard deviation. 生産対象となるタイヤのユニフォミティを表す複数のユニフォミティ評価項目のそれぞれにおける前記統計値の予測値を算出するタイヤのユニフォミティ予測装置のコンピュータプログラムであって、
前記生産対象となるタイヤの各ユニフォミティ評価項目の統計値を従属変数としてその予測値を算出するときに、
生産実績のあるタイヤに関する実測した各ユニフォミティ評価項目の所定の統計値とタイヤのユニフォミティに影響を与える複数のユニフォミティ影響要素の値とをとを取得するステップと、
前記取得した各ユニフォミティ評価項目の統計値とユニフォミティ影響要素の値とを用いて重回帰分析を行い、各ユニフォミティ影響要素を独立変数として、各ユニフォミティ評価項目の統計値毎に、各ユニフォミティ影響要素に対応する偏回帰係数の値及び重回帰式の定数項の値を算出するステップと、
外部から入力された前記生産対象となるタイヤに関するユニフォミティ影響要素の値を取得するステップと、
各ユニフォミティ評価項目の統計値毎に、該統計値に対応する各ユニフォミティ影響要素毎にその偏回帰係数の値と前記取得したユニフォミティ影響要素の値とを乗算して該ユニフォミティ影響要素毎に算出した乗算値を全て加算すると共に前記重回帰式の定数項の値を加算して各ユニフォミティ評価項目の統計値の予測値を算出するステップとを含む
ことを特徴とするタイヤのユニフォミティ予測装置のコンピュータプログラム。 A computer program of a tire uniformity prediction apparatus that calculates a predicted value of the statistical value in each of a plurality of uniformity evaluation items representing a uniformity of a tire to be produced,
When calculating the predicted value using the statistical value of each uniformity evaluation item of the tire to be produced as a dependent variable,
Obtaining a predetermined statistical value of each uniformity evaluation item actually measured for tires with production results and values of a plurality of uniformity influencing factors that affect tire uniformity;
A multiple regression analysis is performed using the obtained statistical value of each uniformity evaluation item and the value of the uniformity influencing factor, and each uniformity influencing factor is set as an independent variable for each uniformity influencing factor for each uniformity influencing factor. Calculating a corresponding partial regression coefficient value and a constant term value of a multiple regression equation;
Obtaining a value of a uniformity influencing factor regarding the tire to be produced input from the outside;
For each statistical value of each uniformity evaluation item, for each uniformity affecting element corresponding to the statistical value, the value of the partial regression coefficient is multiplied by the value of the acquired uniformity affecting element to calculate for each uniformity affecting element A computer program for a tire uniformity prediction apparatus, comprising: adding all multiplication values and adding a value of a constant term of the multiple regression equation to calculate a predicted value of a statistical value of each uniformity evaluation item. . 請求項１０乃至請求項１３の何れかに記載のタイヤのユニフォミティ予測装置のコンピュータプログラムが記憶されている
ことを特徴とするコンピュータ読み取り可能な情報記憶媒体。
A computer-readable information storage medium, wherein the computer program of the tire uniformity prediction apparatus according to any one of claims 10 to 13 is stored.
JP2003430766A 2003-12-25 2003-12-25 Uniformity prediction method for tire, uniformity prediction device for tire, computer program of uniformity prediction device for tire and memory medium memorizing computer program of uniformity prediction device for tire Pending JP2005186790A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2003430766A JP2005186790A (en) 2003-12-25 2003-12-25 Uniformity prediction method for tire, uniformity prediction device for tire, computer program of uniformity prediction device for tire and memory medium memorizing computer program of uniformity prediction device for tire

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2003430766A JP2005186790A (en) 2003-12-25 2003-12-25 Uniformity prediction method for tire, uniformity prediction device for tire, computer program of uniformity prediction device for tire and memory medium memorizing computer program of uniformity prediction device for tire

Publications (1)

Publication Number Publication Date
JP2005186790A true JP2005186790A (en) 2005-07-14

Family

ID=34789043

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003430766A Pending JP2005186790A (en) 2003-12-25 2003-12-25 Uniformity prediction method for tire, uniformity prediction device for tire, computer program of uniformity prediction device for tire and memory medium memorizing computer program of uniformity prediction device for tire

Country Status (1)

Country Link
JP (1) JP2005186790A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106662502A (en) * 2014-07-31 2017-05-10 米其林集团总公司 Tire uniformity improvement through identification of composite uniformity parameter by using multivariate normal distributions
US10247640B2 (en) 2014-07-31 2019-04-02 Compagnie Generale Des Etablissements Michelin Tire uniformity improvement through identification of measurement process harmonics using multiple revolutions in a uniformity measurement machine
US10260993B2 (en) 2014-07-31 2019-04-16 Compagnie Generale Des Etablissements Michelin Tire uniformity improvement through identification of a composite uniformity parameter using Weibull distributions
US10416044B2 (en) 2014-07-31 2019-09-17 Compagnie Generale Des Etablissements Michelin Tire uniformity improvement through identification of measurement process harmonics using Weibull regression

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106662502A (en) * 2014-07-31 2017-05-10 米其林集团总公司 Tire uniformity improvement through identification of composite uniformity parameter by using multivariate normal distributions
EP3175215A4 (en) * 2014-07-31 2018-03-21 Compagnie Générale des Etablissements Michelin Tire uniformity improvement through identification of a composite uniformity parameter using multivariate normal distributions
US10247640B2 (en) 2014-07-31 2019-04-02 Compagnie Generale Des Etablissements Michelin Tire uniformity improvement through identification of measurement process harmonics using multiple revolutions in a uniformity measurement machine
US10260993B2 (en) 2014-07-31 2019-04-16 Compagnie Generale Des Etablissements Michelin Tire uniformity improvement through identification of a composite uniformity parameter using Weibull distributions
US10352828B2 (en) 2014-07-31 2019-07-16 Compagnie Generale Des Etablissements Michelin Tire uniformity improvement through identification of a composite uniformity parameter using multivariate normal distributions
US10416044B2 (en) 2014-07-31 2019-09-17 Compagnie Generale Des Etablissements Michelin Tire uniformity improvement through identification of measurement process harmonics using Weibull regression

Similar Documents

Publication Publication Date Title
US7464586B2 (en) Tire designing method and program
US10331810B2 (en) Method for determining a model of an output quantity of a technical system
WO2021044891A1 (en) Curved surface fitting processing method, fitting processing device, fitting processing program, and computer-readable storage medium in which fitting processing program is stored
JP7330712B2 (en) Material property prediction device and material property prediction method
KR20150040790A (en) System and method for prediction of snap-through buckling of formed steel sheet panels
JP2005186790A (en) Uniformity prediction method for tire, uniformity prediction device for tire, computer program of uniformity prediction device for tire and memory medium memorizing computer program of uniformity prediction device for tire
JP4313890B2 (en) Springback amount prediction method
JP6003909B2 (en) Blast furnace air permeability prediction apparatus and blast furnace air permeability prediction method
JP6039210B2 (en) Prediction method of tire durability
US20210326755A1 (en) Learning model creation device, material property prediction device, and learning model creation method and program
WO2019092854A1 (en) Index calculation device, index calculation method, and recording medium having index calculation program recorded thereon
JP4913382B2 (en) Tire performance analysis system, tread pattern performance analysis system, tire performance analysis method, tread pattern performance analysis method, tire performance analysis program, and tread pattern performance analysis program
KR102053370B1 (en) System and method for designing mold structure of high strength steel
US20210303750A1 (en) System and method for designing mold structure of high strength steel
JP6025304B2 (en) Tire performance simulation method, tire performance simulation apparatus, and tire performance simulation program
CN111052328B (en) Rapid adjustment of metrology measurement parameters based on process variations
JP7451965B2 (en) Calculation method, computer program and calculation device for tire rolling resistance
US20240166228A1 (en) Information processing device and information processing method
US7366578B2 (en) Method, program and system for designing shape of product, such as a tire
JP5539058B2 (en) Tire performance simulation method and tire performance simulation program
JP4676793B2 (en) How to create a tire model
WO2022259393A1 (en) Learning method, estimation method, learning device, estimation device, and program
JP7441115B2 (en) Tire design support methods, systems and programs
WO2022101966A1 (en) Training device, control system, training method, and recording medium
CN117828290A (en) Prediction method, system, equipment and storage medium for reliability of construction data