JP2020147473A - 黒鉛材料の製造支援方法 - Google Patents
黒鉛材料の製造支援方法 Download PDFInfo
- Publication number
- JP2020147473A JP2020147473A JP2019048202A JP2019048202A JP2020147473A JP 2020147473 A JP2020147473 A JP 2020147473A JP 2019048202 A JP2019048202 A JP 2019048202A JP 2019048202 A JP2019048202 A JP 2019048202A JP 2020147473 A JP2020147473 A JP 2020147473A
- Authority
- JP
- Japan
- Prior art keywords
- graphite material
- production
- supporting
- learner
- graphitization
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- General Factory Administration (AREA)
- Carbon And Carbon Compounds (AREA)
Abstract
Description
黒鉛材料は、放電加工用電極や耐熱材料、半導体製造装置用部品の素材として用いられる。このため、用途に対応して、円柱状、角柱状、平板状等の様々な形状のブロックが製造される。様々な形状の黒鉛材料は、以下に示す製造工程を経ることによって製造される。
本実施形態の黒鉛材料の製造支援方法は、黒鉛化工程を行う際のアチェソン炉内の炭素質材料について、配置が適切であるか否かを判断する。具体的には、黒鉛化を行った際に、炭素質材料にクラックが発生するか否か及びその場所を推定する。
黒鉛化工程の条件を入力するステップは、学習器が、形状、材質または大きさの異なる複数の炭素質材料のアチェソン炉における配置図、通電パターンを取得するステップである。
クラックの発生場所を予測するステップは、炭素質材料をアチェソン炉で黒鉛化した際のクラック発生の有無及びその場所を推定するための学習済みの学習器に、炭素質材料の2次元配置図を入力し、学習器の演算処理を実行することで、2次元配置図及び通電パターンに従って黒鉛化した際のクラックの発生場所を予測するステップである。
可否判断ステップは、コンピュータが、クラックの発生場所の予測ステップの結果に基づいて、2次元配置図の可否を判断するステップである。言い換えれば、2次元配置図に基づいて黒鉛化工程を行うことが可能か否かの可否を判定するステップである。
蓄積ステップは、クラック推定ステップを経た配置構成で黒鉛化した黒鉛材料について、クラック発生場所の結果を確認し、その結果を、学習器が学習するステップである。クラック発生場所は、例えば画像データとして確認することができる。クラック発生の有無を確認する方法は特に限定されず、目視確認し、二次元配置図に転記することでも実施することができる。
学習器のハードウェア構成について説明する。
図4に示すように、学習器30は、演算装置31、記憶装置32、入力装置34、出力装置35、及び、モニタ36が、電気的に接続されて構成されている。
入力装置34は、アチェソン炉内の複数の炭素質材料の配置図及び通電パターン、当該配置図、通電パターンに従って黒鉛化処理を行った際の炭素質材料のクラックの発生場所を示す情報の組を学習データとして取得する。具体的には、学習器30は、2次元配置図を入力データとして利用する。また、クラックの発生場所が教師データ(正解データ)として利用される。すなわち、学習器30は、入力データである2次元配置図と、正解データである2次元配置図に従って黒鉛化した際のクラック発生場所の情報とに基づいて機械学習を行ったものである。演算装置31は、2次元配置図を入力するとクラック発生場所に対応する出力値を出力するように構成されている。
図5に、フローチャートを示す。
(ステップS101)
ステップS101は、配置図及び通電パターンを入力するステップである。学習器は、アチェソン炉内に配置する炭素質材料の配置図を取得する。配置図は、例えば、3次元配置図で構成され、あるいはアチェソン炉の上下方向、前後方向、左右方向の各両側から見た合計6種類の2次元配置図21を基に作成される。
ステップS102は、配置図を3次元から2次元化し、2次元配置図を用いて演算処理を実行することで、黒鉛化した際のクラック発生場所を予測するステップである。具体的には、ニューラルネットワークの演算処理により、黒鉛化した際のクラック発生場所を予測する。
ステップS103は、可否判断ステップである。学習器が、クラックの予測ステップの結果に基づいて黒鉛化工程を行うことが可能か否かの可否を判定する。なおステップS103は省略してもよい。
(ステップS104)
ステップS104は、学習器に学習させるステップである。操炉の終了したアチェソン炉内の黒鉛材料のクラックが発生場所を学習器にさらに学習させる。学習の方法は、配置図にクラックの発生場所をマーキングし入力してもよいし、アチェソン炉内部のパッキング材を取り除いた後、写真を撮影し画像認識させてもよい。
(1)形状、材質または大きさの異なる複数の炭素質材料をアチェソン炉で黒鉛化し、黒鉛材料を得る黒鉛化工程の黒鉛材料の製造支援方法である。黒鉛材料の製造支援方法は、学習済みの学習器に複数の炭素質材料の配置図及び通電パターンからなる黒鉛化工程の条件を入力するステップと、学習器が演算処理を実施し、黒鉛化工程の条件によって得られるクラックの発生場所を予測するステップと、からなる。
(3)上記配置図は、3次元配置図である。したがって、炭素質材料の3次元配置図を用いて、クラックの発生場所を予測するステップを精度良く行うことができる。
本実施形態では、配置図取得ステップにおいて、上下方向、前後方向、左右方向の3方向の両側から見た6種類の2次元配置図を取得していたが、この態様に限定されない。クラック推定ステップにおける精度を考慮して、取得する2次元配置図の種類を7種類以上にしてもよいし、6種類未満にしてもよい。
本実施形態では、可否判断ステップにおける可否判断をコンピュータが行っていたが、この態様に限定されない。例えば、クラック推定ステップの結果を基に、作業者が可否判断を行ってもよい。
Claims (8)
- 形状、材質または大きさの異なる複数の炭素質材料をアチェソン炉で黒鉛化し、黒鉛材料を得る黒鉛化工程の黒鉛材料の製造支援方法であって、
前記黒鉛材料の製造支援方法は、学習済みの学習器に前記複数の炭素質材料の配置図及び通電パターンからなる黒鉛化工程の条件を入力するステップと、
前記学習器が演算処理を実施し、前記黒鉛化工程の条件によって得られるクラックの発生場所を予測するステップと、
からなることを特徴とする黒鉛材料の製造支援方法。 - 前記配置図は、2次元配置図であることを特徴とする請求項1に記載の黒鉛材料の製造支援方法。
- 前記配置図は、3次元配置図であることを特徴とする請求項1に記載の黒鉛材料の製造支援方法。
- 前記黒鉛材料の製造支援方法は、前記3次元配置図を2次元化するステップをさらに有することを特徴とする請求項3に記載の黒鉛材料の製造支援方法。
- 前記黒鉛材料の製造支援方法は、前記複数の炭素質材料を材質ごとに色分けして配置図に表示することを特徴とする請求項1〜4のいずれか1項に記載の黒鉛材料の製造支援方法。
- 前記黒鉛材料の製造支援方法は、前記学習器が、前記黒鉛化工程におけるクラックの発生場所の予測に基づいて、可否判断するステップをさらに有することを特徴とする請求項1〜5のいずれか1項に記載の黒鉛材料の製造支援方法。
- 前記黒鉛材料の製造支援方法は、前記黒鉛化工程の条件で操炉して得られたクラックの発生場所の情報を前記学習器に学習させる蓄積ステップをさらに有することを特徴とする請求項1〜6のいずれか1項に記載の黒鉛材料の製造支援方法。
- 前記学習器は、ニューラルネットワークで構成されることを特徴とする請求項1〜7のいずれか1項に記載の黒鉛材料の製造支援方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019048202A JP7191742B2 (ja) | 2019-03-15 | 2019-03-15 | 黒鉛材料の製造支援方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019048202A JP7191742B2 (ja) | 2019-03-15 | 2019-03-15 | 黒鉛材料の製造支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020147473A true JP2020147473A (ja) | 2020-09-17 |
JP7191742B2 JP7191742B2 (ja) | 2022-12-19 |
Family
ID=72430287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019048202A Active JP7191742B2 (ja) | 2019-03-15 | 2019-03-15 | 黒鉛材料の製造支援方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7191742B2 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000281444A (ja) * | 1999-03-29 | 2000-10-10 | Ibiden Co Ltd | 円柱状黒鉛材及びその製造方法 |
-
2019
- 2019-03-15 JP JP2019048202A patent/JP7191742B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000281444A (ja) * | 1999-03-29 | 2000-10-10 | Ibiden Co Ltd | 円柱状黒鉛材及びその製造方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7191742B2 (ja) | 2022-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Machine learning prediction of thermal transport in porous media with physics-based descriptors | |
JP4603082B2 (ja) | ゴム材料の変形挙動予測装置及びゴム材料の変形挙動予測方法 | |
KR102169393B1 (ko) | 폐기물의 질을 추정하는 장치, 시스템, 프로그램, 방법, 및 데이터 구조 | |
CN106470776B (zh) | 拉伸翻边裂纹预测方法、拉伸翻边裂纹预测装置、计算机程序及记录介质 | |
CN1292737A (zh) | 用于弯曲钢板的成形方法和装置 | |
Yan et al. | Prediction of La0. 6Sr0. 4Co0. 2Fe0. 8O3 cathode microstructures during sintering: Kinetic Monte Carlo (KMC) simulations calibrated by artificial neural networks | |
WO2015052710A1 (en) | Automated patient-specific method for biomechanical analysis of bone | |
JP4602776B2 (ja) | ゴム材料の変形挙動予測方法及びゴム材料の変形挙動予測装置 | |
JP2011069781A (ja) | ゴム材料の変形挙動予測方法およびそれに用いられる装置 | |
Coffman et al. | OOF3D: An image-based finite element solver for materials science | |
JP2020147473A (ja) | 黒鉛材料の製造支援方法 | |
JP2005250767A (ja) | 複合材の力学特性シミュレーション方法および複合材の力学挙動シミュレーション装置 | |
JP5495516B2 (ja) | ゴム材料の変形挙動予測装置及びゴム材料の変形挙動予測方法 | |
Kolokathis et al. | ASCOT: a web tool for the digital construction of energy minimized Ag, CuO, TiO2 spherical nanoparticles and calculation of their atomistic descriptors | |
JP5838896B2 (ja) | データ分析支援装置、データ分析支援方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 | |
CN109791098B (zh) | 断裂判定装置、断裂判定程序及其方法 | |
TWI374252B (en) | Image measurement device and method for dimensional parameters of saw | |
JP6552566B2 (ja) | データ処理装置、造形装置、データ処理方法、プログラム、記憶媒体、および、立体物の製造方法 | |
Felling et al. | A New Video Extensometer System for Testing Materials Undergoing Severe Plastic Deformation | |
JP6155110B2 (ja) | 分散性評価方法、分散性評価装置、及び分散性評価機能をコンピュータに実現させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
Li et al. | A 3D structure mapping-based efficient topology optimization framework | |
JP2008033435A (ja) | 形状予測手法を用いた鍛造方法 | |
US9235820B2 (en) | Systems and methods for modifying an operating parameter of a coking system and adding a coke drum | |
JP2013045119A (ja) | プレス成形シミュレーション解析方法及び装置 | |
Flament et al. | Characterization of the Thermal Behavior of a Complex Composite (Clutch Facing) Combining Digital Image Stereo Correlation and Numerical Approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220902 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7191742 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |