特許

J-GLOBAL ID：201703020291285316

コンクリートの品質またはコンクリートの配合条件の予測方法

発明者： 末松 諒一 ,  黒川 大亮 ,  平尾 宙
出願人/特許権者： 太平洋セメント株式会社
代理人 (3件)： 衡田 直行 ,  北村 周彦 ,  村地 俊弥
公報種別：公開公報
出願番号（国際出願番号）：特願2016-179741
公開番号（公開出願番号）：特開2017-087716
出願日： 2016年09月14日
公開日（公表日）： 2017年05月25日
要約：

【課題】短時間でかつ高い精度でコンクリートの品質またはコンクリートの配合条件を予測することができる方法を提供する。【解決手段】入力層及び出力層を有するニューラルネットワーク、学習データ及びモニターデータを用いて、σL<σMとなるような、十分に大きい学習回数でニューラルネットワークの学習を行った後に、学習回数を減らしながらニューラルネットワークの学習をσL≧σMとなるまで繰り返し、かつ、解析度判定値が第一の設定値を満たさない場合であって、解析度判定値が予め定めた第二の設定値を満たす場合、監視データの実測値が特定の限定条件によって形成される数値範囲内に属する場合であれば、ニューラルネットワークの入力層に当該の監視データの実測値を入力し、出力層から評価データの推測値を出力するセメントの品質または製造条件の予測方法。【選択図】図1

請求項（抜粋）：

入力層及び出力層を有するニューラルネットワークを用いたコンクリートの品質またはコンクリートの配合条件の予測方法であって、 上記入力層は、コンクリート製造における監視データの実測値を入力するためのものであり、上記出力層は、コンクリートの品質またはコンクリートの配合条件の評価に関連する評価データの推測値を出力するためのものであり、 上記監視データと上記評価データの組み合わせが、 (i)上記監視データが、セメントに関するデータ、セメントの物理特性に関するデータ、セメント以外のコンクリートの材料に関するデータ、及びコンクリートの配合に関するデータの中から選ばれる一種以上のデータであり、かつ、上記評価データが、コンクリートの品質に関するデータである組み合わせ、または、 (ii)上記監視データが、セメントに関するデータ、セメントの物理特性に関するデータ、セメント以外のコンクリートの材料に関するデータ、コンクリートの配合に関するデータ、及びコンクリートの品質に関するデータの中から選ばれる一種以上のデータであり、かつ、上記評価データが、コンクリートの配合条件に関するデータである組み合わせ、であり、 (A)学習回数の初期設定を行う工程と、 (B)監視データの実測値と評価データの実測値の組み合わせである学習データを複数用いて、ニューラルネットワークの学習を、前工程で設定された学習回数行う工程と、 (C)学習データの監視データの実測値を、直近の工程(B)の学習で得られたニューラルネットワークの入力層に入力して得られた評価データの推測値と学習データの評価データの実測値との平均2乗誤差(σL)、及び、ニューラルネットワークの学習結果の信頼性を確認するための監視データの実測値と評価データの実測値の組み合わせであるモニターデータの中の監視データの実測値を、直近の工程(B)の学習で得られたニューラルネットワークの入力層に入力して得られた評価データの推測値とモニターデータの中の評価データの実測値との平均2乗誤差(σM)を算出し、算出されたσLとσMの関係がσL≧σMである場合、工程(D)を実施し、算出されたσLとσMの関係がσL<σMである場合、工程(E)を実施する工程と、 (D)直近の工程(A)で設定された学習回数および再設定された直近のニューラルネットワークの学習回数のいずれの学習回数よりも大きい学習回数を新たな学習回数として再設定し、再度工程(B)〜(C)を実施する工程と、 (E)直近のニューラルネットワークの学習で実施された学習回数を減らした学習回数を、新たな学習回数として再設定する工程と、 (F)直近の工程(B)で用いられた学習データを用いて、ニューラルネットワークの学習を直近の工程(E)で設定された学習回数行う工程と、 (G)学習データの監視データの実測値を、直近の工程(F)の学習で得られたニューラルネットワークの入力層に入力して得られた評価データの推測値と学習データの評価データの実測値との平均2乗誤差(σL)、及び、モニターデータの中の監視データの実測値を、直近の工程(F)の学習で得られたニューラルネットワークの入力層に入力して得られた評価データの推測値とモニターデータの中の評価データの実測値との平均2乗誤差(σM)を算出し、算出されたσLとσMの関係がσL≧σMである場合、工程(I)を実施し、算出されたσLとσMの関係がσL<σMである場合、工程(H)を実施する工程と、 (H)直近の工程(F)におけるニューラルネットワークの学習回数が予め定めた数値を超えている場合、再度工程(E)〜(G)を実施し、直近の工程(F)におけるニューラルネットワークの学習回数が予め定めた数値以下の場合、工程(J)を実施する工程と、 (I)下記式(1)を用いて解析度判定値を算出し、該解析度判定値が予め定めた第一の設定値未満である場合、ニューラルネットワークの学習を終了し、学習済みのニューラルネットワークの入力層に、コンクリート製造における監視データの実測値を入力して、上記ニューラルネットワークの出力層から、コンクリートの品質またはコンクリートの配合条件の評価に関連する評価データの推測値を出力してコンクリートの品質またはコンクリートの配合条件を予測し、上記解析度判定値が予め定めた第一の設定値以上である場合、工程(J)を実施する工程と、 (J)工程(A)を実施した回数の大きさについての判定を行い、該回数が予め設定した回数以下である場合、学習条件の初期化を行って、再度工程(A)〜(I)を行い、該回数が予め設定した回数を超える場合、工程(K)を実施する工程と、 (K)工程(I)において算出した全ての解析度判定値のうち、最も小さい解析度判定値が予め定めた第二の設定値未満である場合、最も小さい解析度判定値を得ることができた工程(I)におけるニューラルネットワークを、学習済みのニューラルネットワークとした後、工程(L)を実施し、最も小さい解析度判定値が予め定めた第二の設定値以上である場合、コンクリートの品質またはコンクリートの配合条件を予測することはできないと判断して予測を終了する工程と、 (L)工程(I)において算出した全ての解析度判定値のうち、最も小さい解析度判定値を得ることができた工程(I)において、学習データとして使用した監視データの実測値と評価データの実測値の組み合わせについて無相関検定を行い、5%の有意水準で有意であると判断された監視データの種類が2種以上である場合、5%の有意水準で有意であると判断された監視データの全種類を座標軸とする座標空間に学習データとして使用した監視データの実測値をプロットし、座標空間において、プロットされた監視データ同士を結ぶことで形成される監視データの全てを包含する領域であって、該領域が最大となるように監視データ同士を結ぶことで形成される領域を、予測可能監視データ領域として設定した後、工程(M)を実施し、5%の有意水準で有意であると判断された監視データが0または1種類である場合、コンクリートの品質またはコンクリートの配合条件を予測することはできないと判断して予測を終了する工程と、 (M)コンクリート製造における監視データの実測値が、上記予測可能監視データ領域に含まれるかどうかを判定し、セメント製造における監視データの実測値が、上記予測可能監視データ領域に含まれる場合、工程(K)で得た学習済みのニューラルネットワークの入力層に、コンクリート製造における監視データの実測値を入力して、上記ニューラルネットワークの出力層から、コンクリートの品質またはコンクリートの配合条件の評価に関連する評価データの推測値を出力してコンクリートの品質またはコンクリートの配合条件を予測し、コンクリート製造における監視データの実測値が、上記予測可能監視データ領域に含まれない場合、コンクリートの品質またはコンクリートの配合条件を予測することはできないと判断して予測を終了する工程と、 を含むことを特徴とするコンクリートの品質またはコンクリートの配合条件の予測方法。

IPC (4件)：

B28C 7/04 ,  G01N 33/38 ,  E04G 21/00 ,  G06N 3/08

FI (4件)：

B28C7/04 ,  G01N33/38 ,  E04G21/00 ,  G06N3/08

Fターム (3件)：

4G056AA06 ,  4G056DA05 ,  4G056DA09