【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及预测氟树脂的聚合工序中的mfr值的预测装置、预测方法和制造氟树脂的制造装置。
技术介绍
1、专利文献1记载了热塑性树脂组合物的制造方法。并且，专利文献1记载了氟树脂的熔体流动速率(mfr)的优选范围及其测量方法。这样，在制造氟树脂等时测量mfr并评价性能。
2、现有技术文献
3、专利文献
4、专利文献1：日本特开2019－151833号公报
技术实现思路
1、专利技术要解决的技术问题
2、本专利技术提供一种无需在氟树脂的聚合工序中进行mfr测量而能够预测含有氟树脂的混合物的mfr值的预测装置、预测方法和制造装置。
3、用于解决技术问题的技术方案
4、本专利技术的预测装置是预测氟树脂的聚合工序中的投入原料后且制造结束前的时刻的聚合槽内的含有上述氟树脂的混合物的mfr值的预测装置，其包括：获取部，其获取包括在上述氟树脂的当前的聚合工序中测量的上述聚合槽内的压力值、以及对该聚合槽内进行搅拌的搅拌机的搅拌电流值的信息，作为预测用传感器值；和预测部，其利用对与上述氟树脂同种的氟树脂的过去的聚合工序中测量出的学习用传感器值、与对于该过去的聚合工序的规定时刻的氟树脂测量出的mfr值的关系进行机器学习而学习得到的已学习模型，使用由上述获取部获取到的预测用传感器值，来预测当前的聚合工序中的含有氟树脂的混合物的上述规定时刻的mfr值。
5、上述预测装置还包括计测上述当前的聚合工序从开始到当前的经过时间作为
6、在上述预测装置中，还包括输出处理部，其输出用由上述预测部预测出的上述mfr值而得到的关于上述当前的聚合工序的结束时间的信息。
7、在上述预测装置中，在上述氟树脂的聚合工序中，能够对上述聚合槽追加投入材料，上述获取部获取上述压力值和上述搅拌电流值、以及投入到上述聚合槽内的材料的累计量作为预测用传感器值，上述预测部利用使用包括上述过去的聚合工序中得到的累计量的学习用传感器值进行学习而得到的已学习模型，使用上述预测用传感器值预测mfr值。
8、在上述预测装置中，上述预测部使用在上述氟树脂的聚合工序的部分期间中测量出的上述压力值来预测上述mfr值。
9、在上述预测装置中，上述预测部使用上述部分期间内的上述压力值的平均值、最大值、最小值和方差中的至少任一者来预测mfr值。
10、在上述预测装置中，上述预测部利用上述氟树脂的聚合工序的部分期间中测量出的上述搅拌电流值来预测上述mfr值。
11、在上述预测装置中，上述预测部使用上述部分期间内的上述搅拌电流值的平均值、最大值、最小值或方差来预测mfr值。
12、在上述预测装置中，上述部分期间选自将上述氟树脂的聚合工序的从开始到结束的时间分割而成的多个期间。
13、在上述预测装置中，至少实施2次上述氟树脂的聚合工序，上述获取部获取在上一次的聚合工序中得到的氟树脂的mfr值，上述预测部使用上述获取部获取的在上一次的聚合工序中得到的包括氟树脂的mfr值的预测用传感器值来预测上述氟树脂的mfr值。
14、本专利技术的制造装置是制造氟树脂的制造装置，其包括：能够投入上述氟树脂的材料的聚合槽；对上述聚合槽内进行搅拌的搅拌机；获取部，其获取在上述氟树脂的当前的聚合工序中测量的上述聚合槽内的压力值和上述搅拌机的搅拌电流值作为预测用传感器值；预测部，其利用对与上述氟树脂同种的氟树脂的过去的聚合工序中测量出的学习用传感器值、该过去的聚合工序所用的时间、与该过去的聚合工序中得到的对于氟树脂测量出的mfr值的关系进行机器学习而学习得到的已学习模型，使用由上述获取部获取的预测用传感器值，来预测当前的聚合工序中的含有氟树脂的混合物的mfr值；和输出处理部，其输出使用由上述预测部预测出的上述mfr值而得到的关于上述当前的聚合工序的结束时间的信息。
15、本专利技术的氟树脂的制造方法包括：将氟树脂的材料投入到聚合槽内的步骤；对上述聚合槽内进行搅拌的步骤；获取上述氟树脂的当前的聚合工序中测量的上述聚合槽内的压力值和上述搅拌机的搅拌电流值作为预测用传感器值的步骤；利用对与上述氟树脂同种的氟树脂的过去的聚合工序中测量出的学习用传感器值、该过去的聚合工序所用的时间、以及该过去的聚合工序中得到的对于氟树脂测量出的mfr值的关系进行机器学习而学习得到的已学习模型，使用所获取的上述预测用传感器值，来预测当前的聚合工序中的含有氟树脂的混合物的mfr值的步骤；和使用利用预测出的上述mfr值得到的关于上述当前的聚合工序的结束时间的信息，使当前的制造结束的步骤。
16、本专利技术的预测方法是预测氟树脂的聚合工序中聚合槽内的含有上述氟树脂的混合物的mfr值的预测方法，其包括：获取步骤，获取在上述氟树脂的当前的聚合工序中测量的上述聚合槽内的压力值和对该聚合槽内进行搅拌的搅拌机的搅拌电流值作为预测用传感器值；和预测步骤，利用对与上述氟树脂同种的氟树脂的过去的聚合工序中测量出的学习用传感器值、该过去的聚合工序所用的时间、以及该过去的聚合工序中得到的对于氟树脂测量出的mfr值的关系进行机器学习而学习得到的已学习模型，使用在由上述获取部获取的预测用传感器值，来预测当前的聚合工序中的含有氟树脂的混合物的mfr值。
17、上述生成方法是生成用于预测氟树脂的聚合工序中聚合槽内的上述氟树脂的mfr值的已学习模型的生成方法，其包括：获取包括训练数据(training data)和对于该训练数据的正确结果数据(correct answer date)的多组数据组的步骤，上述训练数据包括在与上述氟树脂同种的氟树脂的聚合工序中测量出的传感器值和该聚合工序所用的聚合时间，上述正确结果数据为该聚合工序中得到的对于氟树脂测量到的mfr值；和生成已学习模型的步骤，使用学习器，基于多个上述训练数据和上述正确结果数据，从上述氟树脂的聚合工序中得到的传感器值来生成将上述聚合工序的氟树脂的mfr值作为输出的已学习模型。
18、这些概括性的特定方式可以由系统、方法和计算机程序、以及它们的组合来实现。
19、专利技术效果
20、根据本专利技术的预测装置、制造装置和预测方法，能够在制造氟树脂时，预测聚合工序中含有氟树脂的混合物的mfr值。
本文档来自技高网...【技术保护点】
1.一种预测装置，用于预测氟树脂的聚合工序中的投入原料后且制造结束前的规定时刻的聚合槽内的含有所述氟树脂的混合物的MFR值，所述预测装置的特征在于，包括：
2.如权利要求1所述的预测装置，其特征在于，
3.如权利要求1或2所述的预测装置，其特征在于，
4.如权利要求1～3中任一项所述的预测装置，其特征在于，
5.如权利要求1～4中任一项所述的预测装置，其特征在于，
6.如权利要求5所述的预测装置，其特征在于，
7.如权利要求1～4中任一项所述的预测装置，其特征在于，
8.如权利要求7所述的预测装置，其特征在于，
9.如权利要求5～8中任一项所述的预测装置，其特征在于，
10.如权利要求1～9中任一项所述的预测装置，其特征在于，
11.一种运算装置，求取在氟树脂的聚合工序中进行用于使聚合槽内的该氟树脂的制造结束的特定操作的目标时刻，所述运算装置的特征在于，包括：
12.一种运算装置，在氟树脂的聚合工序中求取用于判断该氟树脂的制造结束的目标时刻，所述运算
13.一种制造氟树脂的制造装置，其特征在于，包括：
14.一种氟树脂的制造方法，其特征在于，包括：
15.一种氟树脂的制造方法，其特征在于，包括：
16.一种预测方法，预测氟树脂的聚合工序中聚合槽内的含有所述氟树脂的混合物的MFR值，所述预测方法的特征在于，包括：
17.一种生成方法，生成用于预测氟树脂的聚合工序中聚合槽内的所述氟树脂的MFR值的已学习模型，所述生成方法的特征在于，包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种预测装置，用于预测氟树脂的聚合工序中的投入原料后且制造结束前的规定时刻的聚合槽内的含有所述氟树脂的混合物的mfr值，所述预测装置的特征在于，包括：
2.如权利要求1所述的预测装置，其特征在于，
3.如权利要求1或2所述的预测装置，其特征在于，
4.如权利要求1～3中任一项所述的预测装置，其特征在于，
5.如权利要求1～4中任一项所述的预测装置，其特征在于，
6.如权利要求5所述的预测装置，其特征在于，
7.如权利要求1～4中任一项所述的预测装置，其特征在于，
8.如权利要求7所述的预测装置，其特征在于，
9.如权利要求5～8中任一项所述的预测装置，其特征在于，
10.如权利要求1～9中任一项所述的预测装置，其特...
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。