本发明专利技术提供一种以高精度预测通过包括1个以上处理的工艺来获得的产品的品质的信息处理装置、信息处理方法及记录介质。一种信息处理装置、信息处理方法及记录介质，所述信息处理装置预测通过包括1个以上的处理的工艺来获得的产品的品质，包括至少1个处理器，处理器在工艺的至少1个处理中，在处理前与处理后之间的处理时间的经过的不同的2点，进行被处理物与处理物的化学信息及物理信息中的至少1个信息的获取，进行由上述信息获得的数值的上述2点之间的差分的算出值的获取，将上述差分设为说明变量，将产品的品质设为目标变量，使用根据说明变量与目标变量的已知数据集进行机器学习的学习完毕模型，并且根据上述算出值进行产品的品质的预测。产品的品质的预测。产品的品质的预测。
【技术实现步骤摘要】
信息处理装置、信息处理方法及记录介质
[0001]本专利技术涉及一种信息处理装置、信息处理方法及记录介质。
技术介绍
[0002]已进行利用机器学习模型预测产品的质量。例如，在专利文献1中提出了为了提高预测的精度，将从表示产品的物性的物性数据导出的物性相关数据作为学习用输入数据进行学习的机器学习模型。
[0003]专利文献1：日本特开2018
‑
018354号公报
[0004]以专利文献1等为首，一直以来研究各种技术，但是现状为产品的品质的预测精度不充分。
技术实现思路
[0005]本专利技术是鉴于这种状况而完成的，本专利技术的一实施方式欲要解决的课题在于提供一种以高精度预测通过包括1个以上的处理的工艺来获得的产品的品质的信息处理装置。
[0006]本专利技术的另一实施方式欲要解决的课题在于提供一种以高精度预测通过包括1个以上的处理的工艺来获得的产品的品质的信息处理方法。
[0007]本专利技术的另一实施方式欲要解决的课题在于提供一种用于由计算机执行以高精度预测通过包括1个以上的处理的工艺来获得的产品的品质的信息处理的程序。
[0008]本专利技术包括以下方式。
[0009]<1>一种信息处理装置，所述信息处理装置预测通过包括1个以上的处理的工艺来获得的产品的品质，其中，
[0010]包括至少1个处理器，处理器在工艺的至少1个处理中，在处理前与处理后之间的处理时间的经过的不同的2点，进行被处理物与处理物的化学信息及物理信息中的至少1个信息的获取，
[0011]进行由上述信息获得的数值的上述2点之间的差分的算出值的获取，
[0012]将上述差分设为说明变量，将产品的品质设为目标变量，使用根据说明变量与目标变量的已知数据集进行机器学习的学习完毕模型，并且根据上述算出值进行产品的品质的预测。
[0013]<2>根据<1>所述的信息处理装置，其中，
[0014]处理器进行与工艺的至少1个处理相对的处理条件的条件值的获取，
[0015]说明变量除了上述差分以外还包括处理条件，
[0016]产品的品质的预测中，根据上述算出值及条件值进行产品的品质的预测。
[0017]<3>根据<1>或<2>所述的信息处理装置，其中，
[0018]处理器在上述信息的获取中，作为工艺的至少1个处理中的化学信息，进行分光光谱的获取。
[0019]<4>根据<3>所述的信息处理装置，其中，
[0020]处理器在上述算出值的获取中，对于通过至少1个处理变化的分光光谱中的特征性波数或波数区域，进行上述波数中的强度或上述波数区域中的积分强度的上述算出值的获取。
[0021]<5>根据<4>所述的信息处理装置，其中，
[0022]处理器根据量子化学计算来确定上述波数或上述波数区域。
[0023]<6>根据<4>或<5>所述的信息处理装置，其中，
[0024]上述特征性波数或波数区域包括源自副产物的波数或波数区域。
[0025]<7>根据<1>至<6>中任一项所述的信息处理装置，其中，
[0026]工艺的至少1个处理为使用流路的流动处理，
[0027]处理器在上述信息的获取中，作为流动处理的物理信息，进行流场的状态量的获取。
[0028]<8>根据<7>所述的信息处理装置，其中，
[0029]处理器在信息的获取中，通过数值流体解析进行流场的状态量的获取。
[0030]<9>根据<8>所述的信息处理装置，其中，
[0031]流动处理为混合多个流体的处理，
[0032]流场的状态量为根据数值流体解析算出的流体的混合率。
[0033]<10>一种信息处理方法，其预测通过包括1个以上的处理的工艺来获得的产品的品质，其包括：
[0034]在工艺的至少1个处理中，在处理前与处理后之间的处理时间的经过的不同的2点，进行被处理物与处理物的化学信息及物理信息中的至少1个信息的获取的步骤；
[0035]进行由上述信息获得的数值的上述2点之间的差分的算出值的获取的步骤；及
[0036]将上述差分设为说明变量，将产品的品质设为目标变量，使用根据说明变量与目标变量的已知数据集进行机器学习的学习完毕模型，并且根据上述算出值进行产品的品质的预测的步骤。
[0037]<11>一种程序，其由计算机执行信息处理，所述信息处理预测通过包括1个以上的处理的工艺来获得的产品的品质，其包括：
[0038]在工艺的至少1个处理中，在处理前与处理后之间的处理时间的经过的不同的2点，进行被处理物与处理物的化学信息及物理信息中的至少1个信息的获取的步骤；
[0039]进行由上述信息获得的数值的上述2点之间的差分的算出值的获取的步骤；及
[0040]将上述差分设为说明变量，将产品的品质设为目标变量，使用根据说明变量与目标变量的已知数据集进行机器学习的学习完毕模型，并且根据上述算出值进行产品的品质的预测的步骤。
[0041]专利技术效果
[0042]根据本专利技术的一实施方式，提供一种以高精度预测通过包括1个以上的处理的工艺来获得的产品的品质的信息处理装置。
[0043]根据本专利技术的另一实施方式，提供一种以高精度预测通过包括1个以上的处理的工艺来获得的产品的品质的信息处理方法。
[0044]根据本专利技术的另一实施方式，提供一种用于由计算机执行以高精度预测通过包括1个以上的处理的工艺来获得的产品的品质的信息处理的程序。
附图说明
[0045]图1是说明包括1个处理的工艺的图。
[0046]图2是说明包括多个处理的工艺的图。
[0047]图3是表示红外分光光谱的一例的图。
[0048]图4是表示通过数值流体解析获得的流体的混合状态的一例的图。
[0049]图5是表示通过数值流体解析获得的流体的混合状态的一例的图。
[0050]图6是例示信息处理装置、学习装置、流动处理装置、信息获取装置及品质评价装置的图。
[0051]图7是例示流动处理装置、信息获取装置及品质评价装置中的处理的概要的图。
[0052]图8是例示信息处理装置及学习装置中的处理的概要的图。...
【技术保护点】
【技术特征摘要】
1.一种信息处理装置，其预测通过包括1个以上的处理的工艺来获得的产品的品质，其中，所述信息处理装置包括至少1个处理器，所述处理器在所述工艺的至少1个处理中，在所述处理前与所述处理后之间的处理时间的经过的不同的2点，进行被处理物与处理物的化学信息及物理信息中的至少1个信息的获取，进行由所述信息获得的数值的所述2点之间的差分的算出值的获取，将所述差分设为说明变量，将所述产品的品质设为目标变量，使用根据所述说明变量与所述目标变量的已知数据集进行了机器学习的学习完毕模型，并且根据所述算出值进行所述产品的品质的预测。2.根据权利要求1所述的信息处理装置，其中，所述处理器进行与所述工艺的至少1个处理相对的处理条件的条件值的获取，所述说明变量除了所述差分以外还包括所述处理条件，在所述产品的品质的预测中，根据所述算出值及所述条件值进行所述产品的品质的预测。3.根据权利要求1所述的信息处理装置，其中，所述处理器在所述信息的获取中，作为所述工艺的至少1个处理中的所述化学信息，进行分光光谱的获取。4.根据权利要求2所述的信息处理装置，其中，所述处理器在所述信息的获取中，作为所述工艺的至少1个处理中的所述化学信息，进行分光光谱的获取。5.根据权利要求3所述的信息处理装置，其中，所述处理器在所述算出值的获取中，对于通过所述至少1个所述处理而变化的所述分光光谱中的特征性波数或波数区域，进行所述波数中的强度或所述波数区域中的积分强度的所述算出值的获取。6.根据权利要求4所述的信息处理装置，其中，所述处理器在所述算出值的获取中，对于通过所述至少1个所述处理而变化的所述分光光谱中的特征性波数或波数区域，进行所述波数中的强度或所述波数区域中的积分强度的所述算出值的获取。7.根据权利要求5所述的信息处理装置，其中，所述处理器根据量子化学计算来确定所述波数或所述波数区域。8.根据权利要求6所述的信息处理装置，其中，所述处理器根据量子化学计算来确定所述波数或所述波数区域。9.根据权利要求5所述的信息处理装置，其中，所述特征性波数或波数区域包括源自副产物的波数或波数区域。10.根据权利要求6所述的信息处...
【专利技术属性】
技术研发人员：儿美川拓实，长谷川昌孝，
申请(专利权)人：富士胶片株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。