特開 2024-144254 未固化複合材料のリアルタイム特性予測

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024144254

(43)【公開日】2024-10-11

(54)【発明の名称】未固化複合材料のリアルタイム特性予測

(51)【国際特許分類】

   G16C 20/30 20190101AFI20241003BHJP

   B29C 70/06 20060101ALI20241003BHJP

   G06N 20/00 20190101ALI20241003BHJP

【ＦＩ】

G16C20/30

B29C70/06

G06N20/00

【審査請求】未請求

【請求項の数】26

【出願形態】ＯＬ

【外国語出願】

(21)【出願番号】P 2024045061

(22)【出願日】2024-03-21

(31)【優先権主張番号】63/493,118

(32)【優先日】2023-03-30

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】18/416,467

(32)【優先日】2024-01-18

(33)【優先権主張国・地域又は機関】US

(71)【出願人】

【識別番号】523043898

【氏名又は名称】ザ・ボーイング・カンパニー

(74)【代理人】

【識別番号】100108453

【弁理士】

【氏名又は名称】村山 靖彦

(74)【代理人】

【識別番号】100133400

【弁理士】

【氏名又は名称】阿部 達彦

(74)【代理人】

【識別番号】100163522

【弁理士】

【氏名又は名称】黒田 晋平

(74)【代理人】

【識別番号】100154922

【弁理士】

【氏名又は名称】崔 允辰

(72)【発明者】

【氏名】デイヴィッド・ウィリアムソン・シャハン

(72)【発明者】

【氏名】ラシュミ・スンダレスワラ

(72)【発明者】

【氏名】ティファニー・アリソン・ステュワート

(72)【発明者】

【氏名】ユクセル・キャン・ヤバンス

(72)【発明者】

【氏名】アンドリュー・エル・バウアー

(72)【発明者】

【氏名】グウェン・マリー・ランフィア・グロス

【テーマコード（参考）】

4F205

【Ｆターム（参考）】

4F205AC03

4F205AD16

4F205AH31

4F205HA19

4F205HA32

4F205HA35

4F205HA45

4F205HB01

4F205HC17

4F205HK19

(57)【要約】

【課題】本発明は未固化複合材料のリアルタイム特性予測のための方法、装置、システム、及びコンピュータプログラム製品を提供する。
【解決手段】未固化複合材料のいくつかの特性を予測するための方法、装置、システム、及びコンピュータプログラム製品。未固化複合材料の製造中の複合材料製造システムからセンサデータがリアルタイムで受信される。いくつかの物理モデル及びデータを使用して訓練されたいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性に対して初期予測が生成される。初期予測に基づいていくつかの特性に対してリアルタイムで最終予測が決定される。
【選択図】図３０

【特許請求の範囲】

【請求項1】

コンピュータシステムと、
前記コンピュータシステムに配置された予測マネージャと、
を備え、
前記予測マネージャが、
未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムで受信したセンサデータ、複数の物理モデル、及び複数の機械学習モデルを使用して、前記複合材料製造システムにおける前記未固化複合材料の製造中にリアルタイムで完成形態の前記未固化複合材料の複数の特性の初期予測を生成することであって、複数の前記機械学習モデルが、前記センサデータを使用して複数の前記初期予測を生成するように訓練されること、
前記未固化複合材料の製造中にリアルタイムで、複数の前記物理モデル及び複数の前記機械学習モデルから、前記完成形態の前記未固化複合材料の複数の前記特性の前記初期予測の不確実性を決定すること、
前記不確実性を使用して複数の前記特性の前記初期予測と重みを関連付けること、及び、
前記初期予測及び前記初期予測と関連付けられた前記重みに基づいて複数の前記特性の最終予測を決定すること、
を行うように構成されている、特性予測システム。

【請求項2】

前記最終予測に基づいて前記複合材料製造システムの複数の処理条件を調整するように構成されているコントローラをさらに備える、請求項１に記載の特性予測システム。

【請求項3】

複数の前記処理条件は、前記複合材料製造システムに投入される材料及び前記複合材料製造システムの設定の少なくとも一方から選択される、請求項２に記載の特性予測システム。

【請求項4】

複数の前記物理モデルは、熱モデル、浸透モデル、レオロジーモデル、樹脂の濾過レベルを算出する浸透性モデル、複合プリプレグの厚さの低減を算出する厚さモデル、及び前記樹脂の濾過レベルを算出する樹脂浸透モデルのうちの少なくとも１つから選択される、請求項１に記載の特性予測システム。

【請求項5】

複数の前記機械学習モデルは、未固化複合材料の製造中に複数の複合材料製造システムからの履歴センサデータを使用して訓練された第１の機械学習モデル、前記履歴センサデータ及び履歴処理条件を使用して訓練された第２の機械学習モデル、及び前記履歴処理条件及び複数の履歴特性を使用して訓練された第３の機械学習モデルのうちの少なくとも１つから選択される、請求項１に記載の特性予測システム。

【請求項6】

前記不確実性は、複数の前記機械学習モデルによって前記初期予測の生成の一部として生成される、請求項１に記載の特性予測システム。

【請求項7】

前記予測マネージャは、
前記最終予測を決定する際に、
投票回帰、スタッキング回帰、及びバギング推定器のうちの少なくとも１つを使用して、前記初期予測及び前記初期予測と関連付けられた前記重みに基づいて、複数の前記特性の前記最終予測を決定する
ように構成されている、請求項１に記載の特性予測システム。

【請求項8】

複数の前記特性は、繊維目付、樹脂含有量、プリプレグの厚さ、プリプレグ浸透レベル、プリプレグ・タック・レベル、プリプレグ繊維目付、樹脂フィルム目付、樹脂フィルムの厚さ、剥離ライナー目付、剥離ライナーの厚さ、及び積層構造特性のうちの少なくとも１つから選択される、請求項１に記載の特性予測システム。

【請求項9】

前記センサデータは、特性データ及び生産データを含む、請求項１に記載の特性予測システム。

【請求項10】

前記複合材料製造システムは、炭素繊維プリプレグ・コーティング・ライン、強化繊維樹脂含浸ライン、樹脂混合処理システム、樹脂フィルム加工ライン、プリプレグシステム、及びスリット加工システムのうちの１つである、請求項１に記載の特性予測システム。

【請求項11】

コンピュータシステムと、
前記コンピュータシステムに配置された予測マネージャと、
を備え、
前記予測マネージャが、
未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムでセンサデータを受信し、
複数の物理モデル、及び前記センサデータを使用して初期予測を生成するように訓練された複数の機械学習モデルを使用して、前記複合材料製造システムにおける前記未固化複合材料の製造中にリアルタイムで完成形態の前記未固化複合材料の複数の特性の初期予測を生成し、
前記初期予測に基づいて複数の前記特性に対してリアルタイムで最終予測を決定する
ように構成されている、特性予測システム。

【請求項12】

前記予測マネージャは、
前記未固化複合材料の製造中にリアルタイムで、複数の前記物理モデル及び複数の前記機械学習モデルから、前記未固化複合材料の複数の前記特性の前記初期予測の不確実性を受け取り、
前記不確実性を使用して複数の前記特性の前記初期予測と重みを関連付ける
ように構成されており、
前記予測マネージャは、
前記最終予測を決定する際に、
前記初期予測及び前記初期予測と関連付けられた前記重みに基づいて複数の前記特性の前記最終予測を決定する
ように構成されている、請求項１１に記載の特性予測システム。

【請求項13】

複数の前記物理モデルは、熱モデル、浸透モデル、レオロジーモデル、樹脂の濾過レベルを算出する浸透性モデル、複合プリプレグの厚さの低減を算出する厚さモデル、及び前記樹脂の濾過レベルを算出する樹脂浸透モデルのうちの少なくとも１つから選択される、請求項１１に記載の特性予測システム。

【請求項14】

複数の前記機械学習モデルは、未固化複合材料の製造中に複数の複合材料製造システムからの履歴センサデータを使用して訓練された第１の機械学習モデル、前記履歴センサデータ及び履歴処理条件を使用して訓練された第２の機械学習モデル、及び前記履歴処理条件及び複数の履歴特性を使用して訓練された第３の機械学習モデルのうちの少なくとも１つから選択される、請求項１１に記載の特性予測システム。

【請求項15】

未固化複合材料の複数の特性を予測するための方法であって、
前記方法は、
前記未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムで受信したセンサデータ、複数の物理モデル、及び複数の機械学習モデルを使用して、前記複合材料製造システムにおける前記未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料の複数の特性の初期予測を生成するステップであって、複数の前記機械学習モデルが、前記センサデータを使用して複数の初期予測を生成するように訓練される、ステップと、
前記未固化複合材料の製造中にリアルタイムで、複数の前記物理モデル及び複数の前記機械学習モデルから、前記完成形態の前記未固化複合材料の複数の前記特性の前記初期予測の不確実性を決定するステップと、
前記不確実性を使用して複数の前記特性の前記初期予測と重みを関連付けるステップと、
前記初期予測及び前記初期予測と関連付けられた前記重みに基づいて複数の前記特性の最終予測を決定するステップと
を含む、方法。

【請求項16】

前記最終予測に基づいて前記複合材料製造システムの複数の処理条件を調整するステップをさらに含む、請求項１５に記載の方法。

【請求項17】

複数の前記処理条件は、前記複合材料製造システムに投入される材料、及び前記複合材料製造システムの設定の少なくとも一方から選択される、請求項１６に記載の方法。

【請求項18】

複数の前記物理モデルは、熱モデル、浸透モデル、レオロジーモデル、樹脂の濾過レベルを算出する浸透性モデル、複合プリプレグの厚さの低減を算出する厚さモデル、及び前記樹脂の濾過レベルを算出する樹脂浸透モデルのうちの少なくとも１つから選択される、請求項１５に記載の方法。

【請求項19】

複数の前記機械学習モデルは、履歴センサデータを使用して訓練された第１の機械学習モデル、前記履歴センサデータ及び履歴処理条件を使用して訓練された第２の機械学習モデル、及び前記履歴処理条件及び複数の履歴特性を使用して訓練された第３の機械学習モデルのうちの少なくとも１つから選択される、請求項１５に記載の方法。

【請求項20】

前記履歴センサデータは、履歴データ及び生産データを含む、請求項１９に記載の方法。

【請求項21】

前記不確実性は、複数の前記機械学習モデルによって前記初期予測の生成の一部として生成される、請求項１５に記載の方法。

【請求項22】

前記最終予測を決定するステップは、
投票回帰、スタッキング回帰、及びバギング推定器のうちの少なくとも１つを使用して、前記初期予測及び前記初期予測と関連付けられた前記重みに基づいて複数の前記特性の前記最終予測を決定するステップ
を含む、請求項１５に記載の方法。

【請求項23】

複数の前記特性は、繊維目付、樹脂含有量、プリプレグの厚さ、プリプレグ浸透レベル、プリプレグ・タック・レベル、プリプレグ繊維目付、樹脂フィルム目付、樹脂フィルムの厚さ、剥離ライナー目付、剥離ライナーの厚さ、及び積層構造特性のうちの少なくとも１つから選択される、請求項１５に記載の方法。

【請求項24】

前記センサデータは、特性データ及び生産データを含む、請求項１５に記載の方法。

【請求項25】

前記複合材料製造システムは、炭素繊維プリプレグ・コーティング・ライン、強化繊維樹脂含浸ライン、樹脂混合処理システム、樹脂フィルム加工ライン、プリプレグシステム、及びスリット加工システムである、請求項１５に記載の方法。

【請求項26】

未固化複合材料の複数の特性を予測するための方法であって、
前記方法は、
未固化複合材料の製造中の複合材料製造システムからリアルタイムでセンサデータを受信するステップと、
複数の物理モデル及びデータを使用して訓練された複数の機械学習モデルを使用して、前記複合材料製造システムにおける前記未固化複合材料の製造中にリアルタイムで完成形態の前記未固化複合材料の複数の特性の初期予測を生成するステップと、
前記初期予測に基づいて複数の前記特性に対してリアルタイムで最終予測を決定するステップと
を含む、方法。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照
本出願は、２０２３年３月３０日に出願された「Fusion of Process Condition Information,Sensor Data,and Physics Models to Improve Real Time Property Prediction of Unconsolidated Composite Material」と題する米国仮特許出願第６３／４９３，１１８号の利益を主張し、その全体が参照により本明細書に組み込まれる。

【0002】

本出願は、一部継続出願（ＣＩＰ）であり、２０２２年７月８日に出願された「Property Prediction for Unconsolidated Composite Materials」と題する米国特許出願第１７／８１１，４３３号の利益を主張し、その全体が参照により本明細書に組み込まれる。

【0003】

本出願は、以下の米国特許出願：本出願と同日付で出願された、「Real Time Inconsistency Detection During Composite Material Manufacturing」と題する米国特許出願第＿＿＿＿＿＿＿＿号、代理人整理番号２２－０４２１－ＵＳ－ＣＩＰ［２］；本出願と同日付で出願された、「Real Time Contaminants Identification During Composite Material Manufacturing via Non-Contact Chemical Sensing」と題する米国特許出願第＿＿＿＿＿＿＿＿号、代理人整理番号２２－０４２１－ＵＳ－ＣＩＰ［３］；及び本出願と同日付で出願された、「Unconsolidated Composite Material Component Verification via Non-Contact Chemical Sensing」と題する米国特許出願第＿＿＿＿＿＿＿＿号、代理人整理番号２２－０４２１－ＵＳ－ＣＩＰ［４］、に関連し、これらの全体が参照により本明細書に組み込まれる。

【0004】

本開示は、一般に、複合材料の製造に関し、特に、未硬化複合材料の製造に関する。さらにより詳細には、本開示は、未硬化複合材料の製造中に、その未硬化複合材料の特性を予測するための方法、装置、システム、及びコンピュータプログラム製品に関する。

【背景技術】

【0005】

航空機は、ますます高い割合の複合材料を用いて設計され、製造されている。複合材料は、航空機において、航空機の重量を削減し、設計によって空力効率を改善するために使用される。この重量の削減により、最大積載量の増加や燃料効率の向上などの性能機能が改善される。さらに、複合材料によって航空機内の様々な構成要素の耐用年数が延びる。

【0006】

複合材料は、２つ以上の機能構成要素を組み合わせることによって作成された、丈夫で軽量な材料である。例えば、複合材料は、ポリマー樹脂マトリックス中に結合された強化繊維を含んでもよい。繊維は一方向性であってもよいし、織布や織物の形態をとってもよい。繊維及び樹脂は、複合材料を形成するように配置及び硬化される。

【0007】

さらに、複合材料を使用して航空宇宙用複合材料構造体を作成することにより、航空機の各部分をより大きな部品又は部分として製造することが潜在的に可能になる。例えば、航空機の胴体が円筒形部分として作成され、次いで航空機の胴体を形成するように組み立てられもよい。他の例としては、限定はしないが翼を形成するように接合された翼部分、又は安定板を形成するように接合された安定板部分が挙げられる。

【0008】

複合材料構造体の製造においては、複合材料の層が、通常ツール上にレイアップ（積層）される。層は、シート状の繊維で構成されてもよい。これらのシートは、織物、テープ、トウの形態、又は他の適切な形態をとってもよい。場合によっては、樹脂がシート内に注入又は予め含侵されてもよい。これらのタイプのシートは、一般に、プリプレグと呼ばれる。プリプレグは、プリプレグが複合材料構造体を製造するために使用されるまでロールとして保管される長いシート状に製造することができる。

【0009】

プリプレグの異なる層は異なる向きにレイアップされ得、製造される複合材料構造体の厚さに応じて異なる数の層が使用され得る。これらの層は、手作業で、又はテープラミネート機や繊維配置システムなどの自動積層機器を使用してレイアップされてもよい。

【0010】

異なる複合材料の層がツール上にレイアップされた後、複合材料の層は、温度及び圧力に曝されると固化及び硬化されて、最終的な複合材料構造体を形成し得る。

【0011】

最終的な複合材料構造体の品質は、非破壊試験を含む試験を使用して判定することができる。さらに、複合材料構造体を製造するために使用される構成要素もまた、品質目的で監視し、試験することができる。複合材料構成要素の所望の品質を維持することにより、最終的な複合材料構造体の品質を高めることができる。例えば、プリプレグを検査して、厚さが指定された公差内にあるかどうかを判定することができる。プリプレグ構成要素などの複合材料構成要素の品質試験は、望むよりも多くの時間がかかる可能性がある。

【発明の概要】

【発明が解決しようとする課題】

【0012】

したがって、上述した問題の少なくとも一部、並びに他の起こり得る問題を考慮に入れた方法及び装置を有することが望ましい。例えば、プリプレグ構成要素の品質試験に伴う技術的問題を克服する方法、装置、システム、及びコンピュータプログラム製品を有することが望ましい。

【課題を解決するための手段】

【0013】

本開示の一実施形態は、コンピュータシステムに配置された予測マネージャ内のシステムを備える特性予測システムを提供する。予測マネージャは、未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムで受信したセンサデータ、いくつかの物理モデル、及びいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性の初期予測を生成し、いくつかの機械学習モデルが、センサデータを使用していくつかの初期予測を生成するために履歴センサデータを使用して訓練される、ように構成されている。予測マネージャは、未固化複合材料の製造中にリアルタイムで、いくつかの物理モデル及びいくつかの機械学習モデルから、完成形態の未固化複合材料のいくつかの特性の初期予測の不確実性を決定するように構成されている。予測マネージャは、不確実性を使用していくつかの特性の初期予測と重みを関連付けるように構成されている。予測マネージャは、初期予測及び初期予測と関連付けられた重みに基づいていくつかの特性の最終予測を決定するように構成されている。

【0014】

本開示の別の実施形態では、特性予測システムは、コンピュータシステムに配置された予測マネージャを備える。予測マネージャは、未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムでセンサデータを受信するように構成されている。予測マネージャは、いくつかの物理モデル、及びセンサデータを使用して初期予測を生成するように訓練されたいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性の初期予測を生成するように構成されている。予測マネージャは、初期予測に基づいていくつかの特性に対してリアルタイムで最終予測を決定するように構成されている。

【0015】

本開示のさらに別の実施形態では、方法は、未固化複合材料のいくつかの特性を予測する。未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムで受信したセンサデータ、いくつかの物理モデル、及びいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性に対して初期予測が生成され、いくつかの機械学習モデルは、センサデータを使用して初期予測を生成するように訓練される。未固化複合材料の製造中にリアルタイムで、いくつかの物理モデル及びいくつかの機械学習モデルから、完成形態の未固化複合材料のいくつかの特性の初期予測について不確実性が決定される。不確実性を使用していくつかの特性の初期予測と重みが関連付けられる。初期予測及び初期予測と関連付けられた重みに基づいていくつかの特性に対して最終予測が決定される。

【0016】

本開示のさらに別の実施形態では、方法は、未固化複合材料のいくつかの特性を予測する。未固化複合材料の製造中の複合材料製造システムからセンサデータがリアルタイムで受信される。いくつかの物理モデル及びデータを使用して訓練されたいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性に対して初期予測が生成される。初期予測に基づいていくつかの特性に対してリアルタイムで最終予測が決定される。

【0017】

形態及び機能は、本開示の様々な実施形態において独立して達成することもできるし、以下の説明及び図面を参照すればさらなる詳細が理解され得る、さらに他の実施形態において組み合わされてもよい。

【0018】

例示的な実施形態の特性であると考えられる新規の特徴が、添付の特許請求の範囲に記載されている。しかしながら、例示的な実施形態、並びに好ましい使用の態様、さらなる目的及び特徴は、添付の図面と併せて本開示の例示的な実施形態の以下の詳細な説明を読めば最もよく理解されるであろう。

【図面の簡単な説明】

【0019】

【図1】例示的な実施形態が実装され得るデータ処理システムのネットワークの絵図である。

【図2】例示的な実施形態による、複合材料製造環境のブロック図である。

【図3】例示的な実施形態による、未固化複合材料の各部分の予測特性を使用してとることができる措置のブロック図である。

【図4】例示的な実施形態による、未固化複合材料を製造するための製造工程フローの図である。

【図5】例示的な実施形態による、フィルム加工工程を行うように構成された複合材料製造システムの図である。

【図6】例示的な実施形態による、プリプレグ生産工程を行うように構成された複合材料製造システムの図である。

【図7】例示的な実施形態による、複合材料製造システムにおけるセンサ箇所のブロック図である。

【図8】例示的な実施形態による、複合材料製造システムの一部分の側面図である。

【図9】例示的な実施形態による、複合材料製造システムの一部分の上面図である。

【図10】例示的な実施形態による、未固化複合材料の各部分の品質レベルを識別するための工程のフローチャートである。

【図11】例示的な実施形態による、未固化複合材料をマーキングするための工程のフローチャートである。

【図12】例示的な実施形態による、未固化複合材料の公差外部分を使用不可としてマーキングするための工程のフローチャートである。

【図13】例示的な実施形態による、未固化複合材料の公差内部分を使用可能としてマーキングするための工程のフローチャートである。

【図14】例示的な実施形態による、未固化複合材料の一部分を品質レベルでマーキングするための工程のフローチャートである。

【図15】例示的な実施形態による、未固化複合材料の各部分の品質レベルを記録するための工程のフローチャートである。

【図16】例示的な実施形態による、未固化複合材料の一部分の予測特性を決定するための工程のフローチャートである。

【図17】例示的な実施形態による、未固化複合材料の製作を完了する前に未固化複合材料の特性を予測するように機械学習モデルを訓練するための工程のフローチャートである。

【図18】例示的な実施形態による、未固化複合材料の各部分に対する是正措置を行うための工程のフローチャートである。

【図19】例示的な実施形態による、未固化複合材料の公差外部分に対する是正措置を行うための工程のフローチャートである。

【図20】例示的な実施形態による、未固化複合材料の公差外部分のパラメータを調整するための工程のフローチャートである。

【図21】例示的な実施形態による、未固化複合材料の公差内部分のパラメータを調整するための工程のフローチャートである。

【図22】例示的な実施形態による、未固化複合材料の各部分が公差内にあるようにパラメータを調整するための工程のフローチャートである。

【図23】例示的な実施形態による、未固化複合材料の後続部分のパラメータを調整するための工程のフローチャートである。

【図24】例示的な実施形態による、原材料を変更するための工程のフローチャートである。

【図25】例示的な実施形態による、未固化複合材料の予測特性を決定するための工程のフローチャートである。

【図26】例示的な実施形態による、データ処理システムのブロック図である。

【図27】例示的な実施形態による、航空機の製造及び保守点検方法の図である。

【図28】例示的な実施形態が実装され得る航空機のブロック図である。

【図29】例示的な実施形態による、製品管理システムのブロック図である。

【図30】例示的な実施形態による、特性予測システムのブロック図である。

【図31】例示的な環境による処理条件についてのブロック図である。

【図32】例示的な実施形態による、センサデータのブロック図である。

【図33】例示的な実施形態による、機械学習モデルのブロック図である。

【図34】例示的な実施形態による、複合プリプレグの特性のリアルタイム予測のためのデータフローの図である。

【図35】例示的な実施形態による、複合プリプレグの特性のリアルタイム予測を生成するためにモデルからの初期予測を使用するデータフローの図である。

【図36】例示的な実施形態による、リアルタイム厚さ予測のためのデータフローの図である。

【図37】例示的な実施形態による、リアルタイム繊維目付予測のためのデータフローの図である。

【図38】例示的な実施形態による、リアルタイム繊維目付予測のためのデータフローの図である。

【図39】例示的な実施形態による、未固化複合材料のいくつかの特性を予測するための工程のフローチャートである。

【図40】例示的な実施形態による、処理条件を調整するための工程のフローチャートである。

【図41】例示的な実施形態による、最終予測を決定するための工程のフローチャートである。

【図42】例示的な実施形態による、未固化複合材料のいくつかの特性を予測するための工程のフローチャートである。

【発明を実施するための形態】

【0020】

例示的な実施形態では、以下に記載するような１以上の異なる考慮事項を認識し考慮に入れる。例えば、炭素繊維プリプレグ・コーティング・ラインによって製造されたプリプレグロールなどの未固化複合材料構成要素の現在の試験は、プリプレグロールからのサンプルを使用して行うことができる。サンプルが所望の品質レベルを満たさない場合、プリプレグロール全体が廃棄又はリサイクルされる。しかしながら、プリプレグロール全体が、望ましくない品質レベルを有しているのではない可能性もある。プリプレグロールの一部分のみが、所望の品質レベルの公差を満たしていない可能性もある。現在の技術では、プリプレグロール全体の複数の部分を試験するのでなければ、プリプレグロールのどの部分が公差外の特性を有する可能性があるかを識別することができない。プリプレグロール全体の複数の部分を試験することは、時間がかかり、非効率的である。

【0021】

また、プリプレグロールが望ましくない品質レベルの特性を有する原因を究明することも、現在のところ、製造工程中に行うことはできない。代わりに、プリプレグロールを製造した後に分析が行われ、プリプレグロールのサンプルを試験することにより、サンプルが所望の品質レベルを有しないことが指示される。さらに、原因を究明することができた場合、将来のプリプレグロールが所望の品質レベルを有することを確実にするために、炭素繊維プリプレグ・コーティング・ラインの調整を行うことができる。多くのプリプレグロールが完成し、１以上のプリプレグロールが所望の品質レベルを有しないと判定されるまで、究明に必要な時間が不可能な場合もある。結果として、１つの解決策は、原因を究明することができ、炭素繊維プリプレグ・コーティング・ラインの調整を行うことができるまでプリプレグロールを製造した炭素繊維プリプレグ・コーティング・ラインを使用したプリプレグロールの製造を停止することになる。このように炭素繊維プリプレグ・コーティング・ラインが利用できないと、プリプレグロールの製造能力が低下する。

【0022】

例示的な実施形態では、プリプレグ材料の特性を決定する能力を有することが望ましいことをさらに認識し、考慮に入れる。製造工程は、プリプレグが製造されている間の製造工程中にプリプレグを生産するために行われる樹脂混合、樹脂フィルム加工、樹脂浴操作、又は他の操作のうちの少なくとも１つとすることができる。リアルタイムで炭素繊維プリプレグ・コーティング・ライン内の異なる箇所から入手される異なるタイプのセンサデータを使用して、プリプレグがまだ製造されている間にプリプレグの特性を予測することができる。この情報を使用して、プリプレグロールのどの部分が公差内の特性を有するか、及び公差外のプリプレグロールの他の部分を決定することができる。製造中のプリプレグの各部分の特性のこのタイプの決定は、リアルタイムで、どの部分が公差内にあり、又は公差外にあるかのマーキング又は記録を可能にする方法で行うことができる。結果として、プリプレグロールのいくつかの部分が公差外にある場合、記録又はマーキングされた部分は使用されず、プリプレグロールのその他の部分は引き続き使用することができる。結果として、廃棄又はリサイクルされるプリプレグの量を減らすことができる。

【0023】

次に図を参照すると、特に図１を参照すると、例示的な実施形態が実装され得るデータ処理システムのネットワークの図が図示されている。ネットワークデータ処理システム１００は、例示的な実施形態が実装され得るコンピュータのネットワークである。ネットワークデータ処理システム１００は、ネットワークデータ処理システム１００内で互いに接続された様々なデバイスとコンピュータとの間の通信リンクを提供するために使用される媒体であるネットワーク１０２を含む。ネットワーク１０２は、配線、無線通信リンク、又は光ファイバーケーブルなどの接続を含んでもよい。

【0024】

図示の例では、サーバーコンピュータ１０４及びサーバーコンピュータ１０６は、記憶ユニット１０８と共にネットワーク１０２に接続する。さらに、クライアントデバイス１１０はネットワーク１０２に接続する。図示のように、クライアントデバイス１１０は、クライアントコンピュータ１１２と、クライアントコンピュータ１１４と、クライアントコンピュータ１１６と、を含む。クライアントデバイス１１０は、例えば、コンピュータ、ワークステーション、又はネットワークコンピュータとすることができる。図示の例では、サーバーコンピュータ１０４は、ブートファイル、オペレーティング・システム・イメージ、アプリケーションなどの情報をクライアントデバイス１１０に提供する。さらに、クライアントデバイス１１０はまた、プリプレグシステム１１８、タブレットコンピュータ１２０、スマートグラス１２２などの他のタイプのクライアントデバイスを含むこともできる。この例示的な例では、サーバーコンピュータ１０４、サーバーコンピュータ１０６、記憶ユニット１０８、及びクライアントデバイス１１０は、ネットワーク１０２をこれらのネットワークデバイスのための通信媒体とする、ネットワーク１０２に接続するネットワークデバイスである。クライアントデバイス１１０の一部又は全部が、これらの物理デバイスがネットワーク１０２に接続し、ネットワーク１０２を介して互いに情報を交換することができるモノのインターネット（ＩｏＴ）を形成してもよい。

【0025】

クライアントデバイス１１０は、この例ではサーバーコンピュータ１０４に対するクライアントである。ネットワークデータ処理システム１００は、追加のサーバーコンピュータ、クライアントコンピュータ、及び図示していない他のデバイスを含んでもよい。クライアントデバイス１１０は、有線接続、光ファイバー接続、又は無線接続のうちの少なくとも１つを利用してネットワーク１０２に接続する。

【0026】

ネットワークデータ処理システム１００内に配置されたプログラム命令は、コンピュータ記録可能な記憶媒体に記憶し、使用のためにデータ処理システム又は他のデバイスにダウンロードすることができる。例えば、プログラム命令は、サーバーコンピュータ１０４上のコンピュータ記録可能な記憶媒体に記憶し、クライアントデバイス１１０上で使用するためにネットワーク１０２を介してクライアントデバイス１１０にダウンロードすることができる。

【0027】

図示の例では、ネットワークデータ処理システム１００は、伝送制御プロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）プロトコル群を使用して相互に通信するネットワーク及びゲートウェイの世界規模の集合体を表すネットワーク１０２を有するインターネットである。インターネットの中心には、データ及びメッセージをルーティングする何千もの商用、政府用、教育用、及び他のコンピュータシステムからなる主要ノード間又はホストコンピュータ間の高速データ通信回線のバックボーンがある。当然ながら、ネットワークデータ処理システム１００はまた、いくつかの異なるタイプのネットワークを使用して実装されてもよい。例えば、ネットワーク１０２は、インターネット、イントラネット、ローカル・エリア・ネットワーク（ＬＡＮ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ）、又はワイド・エリア・ネットワーク（ＷＡＮ）のうちの少なくとも１つで構成することもできる。図１は、例を意図しており、異なる例示的な実施形態のアーキテクチャ上の限定を意図するものではない。

【0028】

本明細書で使用する場合、「いくつかの」は、項目に関して使用される場合、１以上の項目を意味する。例えば、「いくつか異なるタイプのネットワーク」とは、１以上の異なるタイプのネットワークである。

【0029】

さらに、「のうちの少なくとも１つ」という語句は、項目のリストと共に使用される場合、列挙された項目のうちの１以上の異なる組合せを使用できることを意味し、リスト内の各項目のうちの１つのみが必要とされてもよい。言い換えると、「のうちの少なくとも１つ」は、項目の任意の組合せを意味し、リストからのいくつかの項目が使用されてもよいが、リスト内のすべての項目が必要とされるとは限らない。項目は、特定の物体、物事、又はカテゴリとすることができる。

【0030】

例えば、限定はしないが、「項目Ａ、項目Ｂ、又は項目Ｃのうちの少なくとも１つ」は、項目Ａ、項目Ａ及び項目Ｂ、又は項目Ｂを含み得る。この例はまた、項目Ａ、項目Ｂ、及び項目Ｃ、又は項目Ｂ及び項目Ｃも含み得る。当然ながら、これらの項目の任意の組合せが存在し得る。いくつかの例示的な例では、「のうちの少なくとも１つ」は、例えば、限定はしないが、２つの項目Ａ、１つの項目Ｂ、及び１０の項目Ｃ、４つの項目Ｂ及び７つの項目Ｃ、又は他の適切な組合せとすることができる。

【0031】

この例では、プリプレグシステム１１８は、複合材料製造施設１３０に配置されている。この箇所では、プリプレグシステム１１８を使用してプリプレグなどの未固化複合材料を製造する。図示のように、サーバーコンピュータ１０４の複合材料マネージャ１３２は、複合材料製造施設１３０のプリプレグシステム１１８と通信することができる。この通信は、センサデータ１３４、コマンド１３６、又はネットワーク１０２を介して送信することができる他のタイプの情報のうちの少なくとも１つから選択された情報の交換を含むことができる。

【0032】

この例では、複合材料マネージャ１３２は、プリプレグシステム１１８用のセンサシステムからセンサデータ１３４を受信することができる。センサシステムは、プリプレグシステム１１８又は複合材料製造施設１３０内の別の箇所の少なくとも一方に配置することができる。

【0033】

この例示的な例では、センサデータ１３４は、プリプレグシステム１１８からリアルタイムで受信される。言い換えると、リアルタイムでセンサデータ１３４を受信することは、プリプレグシステム１１８がプリプレグを製造するために動作している最中にセンサデータ１３４を受信することを意味する。センサデータ１３４がリアルタイムで送信されるとき、センサデータ１３４は、潜在的な遅延なしに可能な限り迅速に送信される。複合材料マネージャ１３２は、センサデータ１３４をリアルタイムで分析する際に、センサデータ１３４が受信されている最中にセンサデータ１３４を処理し、分析することができる。

【0034】

図示のように、センサデータ１３４は、複合材料マネージャ１３２によって、プリプレグの製造が完了したときのプリプレグの特性の予測を決定するために分析することができる。この特性の予測は、プリプレグがプリプレグシステム１１８によって製造されている間に行われる。予測特性は、プリプレグシステム１１８内で製造されているプリプレグのいくつかの部分の特性である。これらの特性は、例えば、プリプレグの厚さ、目付、及び完成したプリプレグの他の特性を含むことができる。言い換えると、複合材料マネージャ１３２は、プリプレグの製造が完了する前に、プリプレグシステム１１８によって製造されているプリプレグの特性のリアルタイム予測を行うことができる。予測特性に基づいて、複合材料マネージャ１３２は、プリプレグのどの部分が複合材料部品の製造に使用するための公差内にあるかを識別することができる。プリプレグに対して予測された設定特性に基づいて、複合材料マネージャ１３２は、複合材料部品の製造に使用するために公差内にある１以上の部分、並びに公差外にあり得る部分を記録することができる。さらに、複合材料マネージャ１３２は、各部分が公差内に留まる時間を決定することができる。場合によっては、未固化複合材料は、プリプレグに対して予測された特性に応じて異なり得る貯蔵寿命を有し得る。

【0035】

さらに、プリプレグの一部分の予測特性を知ることにより、複合材料マネージャ１３２は、その部分が未固化複合材料内の完成した製品である場合に、製造作業が完了する前に行われた未固化複合材料の特性の予測から未固化複合材料のその部分について決定された品質レベルに基づいて是正措置を行う。

【0036】

例えば、複合材料マネージャ１３２は、プリプレグのその部分をさらに処理して、当該部分が公差内になるか、又は所望の品質レベルを有するようにするために、どんな調整がプリプレグシステム１１８に必要かを決定することができる。この決定により、複合材料マネージャ１３２は、調整を行うためにプリプレグシステム１１８にコマンド１３６を送信することができる。

【0037】

複合材料マネージャ１３２は、コマンド１３６を使用して、プリプレグのその部分がまだ製造されている間にこれらの調整を行うことができる。これらの調整は、プリプレグのその部分をまだ処理していないプリプレグシステム１１８の各部分に対して行うことができる。これらの調整により、行われた措置がプリプレグの各部分を所望の品質レベルを有するように変更したかどうかを判定するための追加のセンサデータを受信することができる。このようにして、複合材料マネージャ１３２は、未固化複合材料の製造を、所望の品質レベルを満たす未固化複合材料の部分を増加させ、未固化複合材料の廃棄部分を削減することができる方法で管理することができる。

【0038】

この例示的な例では、機械学習モデル１３８を使用してこの予測を行うことができる。この例では、機械学習モデル１３８は、プリプレグシステム１１８によって以前に製造されたプリプレグから生成された履歴センサデータを使用して訓練されている。

【0039】

図１のネットワークデータ処理システム１００の例示は、他の例示的な例を実装することができる方法を限定するためのものではない。例えば、複合材料マネージャ１３２を、サーバーコンピュータ１０４以外の別の箇所に配置することもできる。例えば、複合材料マネージャ１３２は、クライアントコンピュータ１１２、プリプレグシステム１１８内、又は複合材料製造施設１３０に配置された別のコンピュータに配置することもできる。他の例示的な例では、複合材料製造施設１３０に、又は複合材料マネージャ１３２が管理することができる他の箇所に追加のプリプレグシステムが配置されてもよい。

【0040】

次に図２を参照すると、例示的な実施形態による、複合材料製造環境のブロック図が図示されている。この例示的な例では、複合材料製造環境２００は、図１のネットワークデータ処理システム１００に示すハードウェアなどのハードウェアに実装することができる構成要素を含む。

【0041】

この例示的な例では、複合材料管理システム２０２は、複合材料部品２０５の製造に使用するための未固化複合材料２０４の製造を管理するように動作する。

【0042】

未固化複合材料２０４は、複合材料部品２０５を形成するように処理されていない複合材料である。例えば、圧力、加熱、又は硬化のうちの少なくとも１つなどの処理が、未固化複合材料２０４に適用されていない。言い換えると、未固化複合材料２０４は、最終的な複合材料部品を形成するように処理されていない。

【0043】

未固化複合材料２０４は、プリプレグ、航空宇宙用グレードのプリプレグ、熱硬化性プリプレグ、熱可塑性プリプレグ、織布プリプレグ、繊維トウプリプレグ、トウプリプレグ、一方向テーププリプレグ、樹脂被覆フィルム、ノンクリンプ織物、樹脂混合物、又は他の適切な未固化複合材料のうちの少なくとも１つから選択することができる。未固化複合材料２０４中の繊維は、いくつかの異なる形態をとることができる。例えば、繊維や織物などの未固化複合材料２０４は、ガラス繊維、炭素繊維、ケブラー（登録商標）繊維、パラアラミド繊維、ハイブリッド繊維、ガラス糸を有する炭素織物、ワイヤが織り交ぜられた炭素繊維織物、ホウ素ケイ酸塩繊維、又は他の適切なタイプの材料のうちの少なくとも１つから選択することができる。複合材料部品２０５は、例えば、胴体部分、スキンパネル、翼、リブ、ドア、又は他の適切なタイプの部品とすることができる。

【0044】

別の例では、未固化複合材料２０４を使用して、別の未固化複合材料を製造することができる。例えば、未固化複合材料２０４は、フィルム加工紙とすることができる。このフィルム加工紙を使用して、プリプレグなどの別の未固化複合材料を製造することができる。

【0045】

例えば、複合材料管理システム２０２は、未固化複合材料２０４を製造するように複合材料製造システム２０８の動作を制御することができる。図示のように、複合材料製造システム２０８は、いくつかの形態をとることができる。例えば、複合材料製造システム２０８は、炭素繊維プリプレグ・コーティング・ライン、強化繊維樹脂含浸ライン、樹脂混合処理システム、樹脂フィルム加工ライン、プリプレグシステム、スリット加工システム、及び他の適切なタイプの複合材料製造システムのうちの少なくとも１つから選択することができる。

【0046】

図示のように、複合材料管理システム２０２は、コンピュータシステム２１０と、複合材料マネージャ２１２とを備える。複合材料マネージャ２１２は、コンピュータシステム２１０内に配置される。

【0047】

複合材料マネージャ２１２は、ソフトウェア、ハードウェア、ファームウェア、又はそれらの組合せとして実装することができる。ソフトウェアが使用される場合、複合材料マネージャ２１２によって行われる動作は、プロセッサユニットなどのハードウェア上で動作するように構成されたプログラム命令として実装することができる。ファームウェアが使用される場合、複合材料マネージャ２１２によって行われる動作は、プロセッサユニット上で動作するようにプログラム命令及びデータとして実装し、永続的メモリに記憶することができる。ハードウェアが採用される場合、ハードウェアは、複合材料マネージャ２１２において動作を行うように動作する回路を含むことができる。

【0048】

例示的な例では、ハードウェアは、回路システム、集積回路、特定用途向け集積回路（ＡＳＩＣ）、プログラマブル論理デバイス、又はいくつかの動作を行うように構成された他の適切なタイプのハードウェアのうちの少なくとも１つから選択された形態をとることができる。プログラマブル論理デバイスの場合、いくつかの動作を行うようにデバイスを構成することができる。デバイスは、後で再構成することもできるし、又はいくつかの動作を行うように永続的に構成することもできる。プログラマブル論理デバイスには、例えば、プログラマブル論理アレイ、プログラマブルアレイ論理、フィールドプログラマブル論理アレイ、フィールド・プログラマブル・ゲート・アレイ、及び他の適切なハードウェアデバイスが含まれる。さらに、工程は、無機構成要素と一体化された有機構成要素として実装することもでき、人間を除く有機構成要素から完全に構成することもできる。例えば、工程は、有機半導体内の回路として実装することができる。

【0049】

コンピュータシステム２１０は、物理的なハードウェアシステムであり、１以上のデータ処理システムを含む。コンピュータシステム２１０に複数のデータ処理システムが存在する場合、それらのデータ処理システムは、通信媒体を使用して互いに通信する。通信媒体は、ネットワークとすることができる。データ処理システムは、コンピュータ、サーバーコンピュータ、タブレットコンピュータ、又は何らかの他の適切なデータ処理システムのうちの少なくとも１つから選択することができる。

【0050】

図示のように、コンピュータシステム２１０は、例示的な例の工程を実装するプログラム命令２１６を実行することができるいくつかのプロセッサユニット２１４を含む。本明細書で使用する場合、いくつかのプロセッサユニット２１４内のプロセッサユニットは、ハードウェアデバイスであり、コンピュータを動作させる命令及びプログラムコードに応答して処理する集積回路上のハードウェア回路などのハードウェア回路から構成される。いくつかのプロセッサユニット２１４が工程のためのプログラム命令２１６を実行するとき、いくつかのプロセッサユニット２１４は、同じコンピュータ上又は異なるコンピュータ上にあり得る１以上のプロセッサユニットである。言い換えると、工程は、コンピュータシステム内の同じか又は異なるコンピュータ上のプロセッサユニット間に分散させることができる。さらに、いくつかのプロセッサユニット２１４は、同じタイププロセッサユニットとすることもでき、異なるタイプのプロセッサユニットとすることもできる。例えば、いくつかのプロセッサユニットは、シングル・コア・プロセッサ、デュアルコアプロセッサ、マルチプロセッサコア、汎用中央処理装置（ＣＰＵ）、グラフィックス・プロセッシング・ユニット（ＧＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、又は何らかの他のタイプのプロセッサユニットのうちの少なくとも１つから選択することができる。

【0051】

この例示的な例では、複合材料マネージャ２１２は、複合材料製造システム２０８用のセンサシステム２２０からセンサデータ２１８を受信するように構成される。センサデータ２１８は、いくつかの異なる形態をとることができる。例えば、センサデータ２１８は、構成要素の温度、未固化複合材料の温度、周囲温度、湿度、ローラ速度、未固化複合材料の速度、一対のローラ間の圧力、一対のローラ間のギャップ、未固化複合材料の厚さ、フーリエ変換赤外（ＦＴＩＲ）スペクトル、ラマン分光データ、分光データ、材料の幅、繊維ウェブの幅、材料目付、繊維目付、樹脂粘度、未固化複合材料の寸法の両端の電気測定値、未固化複合材料の寸法の両端の電圧、未固化複合材料の寸法の両端の電磁測定値、未固化複合材料の寸法の両端の音響測定値、引張り、又は複合材料製造システム内の箇所におけるプリプレグの画像のうちの少なくとも１つから構成することができる。

【0052】

この例示的な例では、複合材料製造システム２０８用のセンサシステム２２０を、複合材料管理システム２０２、複合材料製造システム２０８、又はその両方の一部とみなすことができる。センサシステム２２０は、複合材料製造システム２０８の動作中に、未固化複合材料２０４又は複合材料製造システム２０８の少なくとも一方に関するセンサデータ２１８を生成するように動作することができる。センサデータ２１８は、複合材料製造システム２０８によって製造されている未固化複合材料２０４に関する情報とすることができる。センサデータ２１８は、複合材料製造システム２０８によって未固化複合材料２０４の製造中に受信される。センサデータ２１８は、センサシステム２２０によってリアルタイムで生成され、複合材料マネージャ２１２にリアルタイムで送信される。

【0053】

センサシステム２２０は、センサ２２２を備える。図示のように、センサ２２２は、複合材料製造システム２０８に対して箇所２０９にある。箇所２０９は、複合材料製造システム２０８上、複合材料製造システム２０８内、又は複合材料製造システム２０８近傍とすることができる。この例では、センサ２２２は、温度センサ、カメラ、赤外線カメラ、サーマルカメラ、ライン・スキャン・カメラ、引張りセンサ、密度センサ、ドロップゲージ、赤外線センサ、非接触レーザー距離センサ、ベータゲージ、速度センサ、フーリエ変換赤外（ＦＴＩＲ）分光計、ラマン分光計、力検出器、線形可変差動変圧器（ＬＶＤＴ）センサ、回転第三差動変圧器（ＲＶＤＴ）センサ、厚さセンサ、ギャップ幅センサ、粘度計、光反射センサ、電気伝導率センサ、電気抵抗センサ、静電容量センサ、電磁センサ、音響センサ、湿度センサ、レーザー・ドップラー・センサ、又は他の適切なセンサのうちの少なくとも１つから選択することができる。

【0054】

図示のように、複合材料マネージャ２１２は、センサデータ２１８を使用して複合材料製造システム２０８による製造から完成した未固化複合材料２０４のいくつかの部分２２６の予測特性２２４のセットを決定する。

【0055】

未固化複合材料２０４のいくつかの部分２２６は、未固化複合材料２０４の部分２２６の一部又は全部とすることができる。この図示の例では、複合材料製造システム２０８による製造から完成した未固化複合材料２０４は完成した製品２５５を形成し、完成した製品２５５を使用して複合材料部品２０５を製造することができる。いくつかの部分２２６は、未固化複合材料２０４の部分とすることができる。例えば、いくつかの部分２２６は、プリプレグロールを形成するプリプレグの部品又は部分とすることができる。これらの部分は、同じ長さを有することも、異なる長さをすることもあり得る。

【0056】

この例では、複合材料マネージャ２１２は、未固化複合材料２０４の製造が完了したときに未固化複合材料２０４の部分２２６が有することになる特性２２８のセットを予測することができる。言い換えると、この予測は、未固化複合材料２０４の部分２２６がまだ製造されている間に行われる。部分２２６内の異なる部分は、複合材料製造システム２０８における製造の異なる状態又は段階にあり得る。

【0057】

特性２２８のセットは、いくつかの異なる形態をとることができる。例えば、特性２２８のセットは、プリプレグ繊維目付、プリプレグ樹脂含有量、プリプレグの厚さ、プリプレグ浸透レベル、プリプレグ・タック・レベル、樹脂フィルム目付、樹脂フィルムの厚さ、剥離ライナー目付、剥離ライナーの厚さ、又は積層構造特性のうちの少なくとも１つを含む。

【0058】

複合材料マネージャ２１２は、未固化複合材料２０４のいくつかの部分２２６の予測特性２２４のセットに基づいて、未固化複合材料２０４のいくつかの部分２２６の品質レベル２３０を識別する。品質レベル２３０のこの識別が予測品質レベル２３２である。言い換えると、品質レベル２３０は、予測特性２２４を使用して決定される。実際の品質レベルを決定するための実際の特性を決定するために、いくつかの部分２２６の実際の試験を行うことができる。

【0059】

この例示的な例では、予測特性２２４のセットの決定を、複合材料マネージャ２１２によってモデル２３３のセットを使用して行うことができる。モデル２３３のセットは、機械学習モデル２３４のセット、物理モデル２３５のセット、ハイブリッドモデル２３７のセット、又は他の適切なタイプのモデルのうちの少なくとも１つを含むことができる。この例示的な例では、モデル２３３の任意の組合せを使用して、特性２２８を予測することができる。

【0060】

機械学習モデル２３４のセットが使用される場合、機械学習モデル２３４のセットを、センサデータ２１８を使用して特定のタイプの未固化複合材料２０４の特性２２８を予測するように訓練することができる。機械学習モデルは、人工知能モデルの一種であり、明示的にプログラムされることなく学習することができるデータ駆動型モデルである。機械学習モデルは、機械学習モデルに入力された訓練データに基づいて学習することができる。機械学習モデルは、様々なタイプの機械学習アルゴリズムを使用して学習することができる。機械学習アルゴリズムは、教師あり学習及び教師なし学習、特徴学習、スパース辞書学習、異常検出、強化学習、推奨学習、又は他のタイプの学習アルゴリズムのうちの少なくとも１つを含む。

【0061】

機械学習モデルの例には、人工ニューラルネットワーク、決定木、サポート・ベクター・マシン、ランダムフォレスト機械学習モデル、回帰機械学習モデル、分類機械学習モデル、ベイジアンネットワーク、及び他のタイプのモデルが含まれる。これらの機械学習モデルは、データを使用して訓練され、追加のデータを処理して所望の出力を提供することができる。

【0062】

例えば、機械学習モデル２３６は、訓練データセット２４０を使用して、プリプレグなどの未固化複合材料２０４の予測特性２２４を決定するように訓練することができる。訓練データセット２４０は、プリプレグの形態の未固化複合材料２０４を製造するために複合材料製造システム２０８から受信した履歴センサデータ２４２を使用して作成することができる。訓練データセット２４０は、履歴特性２４４の形態のラベルを含むことができる。履歴特性２４４は、複合材料製造システム２０８内の異なる箇所における未固化複合材料２０４の測定値から決定することができる。言い換えると、履歴特性２４４は、未固化複合材料２０４の製造が完了したときの未固化複合材料２０４の特性２２８を含むことができる。

【0063】

さらに、訓練データセット２４０はまた、履歴上流情報２４５も含むことができる。履歴上流情報２４５は、製造工程が履歴上流情報を含む未固化複合材料を製造するときに生成された履歴センサデータ２４２と関連付けることができる。履歴上流情報２４５は、未固化複合材料を製造する際に使用された構成要素又は設定に関する情報を含むことができる。例えば、履歴上流情報２４５は、強化情報、繊維情報、強化サイジング情報、樹脂情報、剥離ライナー情報、樹脂フィルム情報、又は履歴センサデータ２４２を生成するために測定され得る他の適切な情報のうちの少なくとも１つから選択することができる。

【0064】

関心対象の特性２２８は、未固化複合材料２０４のタイプに応じていくつかの異なる形態をとることができる。例えば、未固化複合材料２０４がプリプレグである場合、特性２２８には、厚さ、繊維目付（ＦＡＷ）、樹脂重量含有率（ＲＣ）、プリプレグ目付（ＰＡＷ）、吸水、タック、しわ、又はプリプレグの形態の未固化複合材料２０４についての関心対象の他の特性のうちの少なくとも１つが含まれ得る。

【0065】

機械学習モデル２３６を使用して予測特性２２４を決定することにより、複合材料マネージャ２１２は、未固化複合材料２０４の製造を完了する前にこれらの特性を予測することができる。言い換えると、完成又は製造された状態の未固化複合材料２０４の予測特性２２４を、未固化複合材料２０４の製造中の異なる時間に異なる箇所で作成することができる。

【0066】

別の例では、物理モデル２３５のセットを使用して、未固化複合材料２０４の予測特性２２４を決定することができる。この例では、物理モデル２３５のセット内の物理モデル２３９は、少なくとも数学的方程式に基づいて、未固化複合材料を製造するために材料に対して行われる措置の影響を記述することができる方程式を含む数学的モデルである。これらの措置は、例えば、センサデータ２１８内の熱、引張り、圧力、力、又は他のパラメータなどのパラメータに応答したものとすることができる。

【0067】

物理モデル２３５のセットは、いくつかの異なる形態をとることができる。例えば、物理モデルのセットは、機械動力学熱及び機械モデル、樹脂浸透モデル、粘度を含むダーシー浸透モデル、樹脂流動モデル、硬化反応モデル、浸透の有限要素解析（ＦＥＡ）モデル、レイアップの有限要素解析（ＦＥＡ）モデル、並びに他の適切なタイプの物理モデルのうちの少なくとも１つから選択することができる。

【0068】

ハイブリッドモデル２３７のセットは、物理構成要素と機械学習構成要素の両方を使用するハイブリッド物理学ベースのデータ駆動型モデルである。この例ではハイブリッドモデル２３７は、予測に組み込まれたセンサの分布／ノイズが他の項目と共に評価されるように、物理学（リアル・タイム・ソフトウェア）又は測定データを、学習／予測データと組み合わせて単一のモデルにする。

【0069】

モデル２３３には統計モデル２４３も存在することができる。統計モデル２４３は、カルマンフィルタ、拡張カルマンフィルタ、アンセンテッド・カルマン・フィルタ、又は他の適切な統計モデルのうちの少なくとも１つから選択することができる。例えば、測定されている特性の推定値の精度を高めるために、カルマンフィルタをノイズの多いデータと共に使用して測定されているシステムの特性を推定することもできる。

【0070】

未固化複合材料２０４のいくつかの部分２２６の予測特性２２４を決定するときに、複合材料マネージャ２１２は、未固化複合材料２０４のいくつかの部分２２６について決定された予測特性２２４のセットを使用して未固化複合材料２０４のいくつかの部分２２６の品質レベル２３０を決定することができる。この例示的な例では、部分２２６内の異なる部分は、他の部分とは異なる品質レベルを有する可能性がある。

【0071】

品質レベル２３０の識別を用いて、複合材料マネージャ２１２は、いくつかの措置２４１を行うことができる。いくつかの部分２２６内の各部分に対して識別された品質レベル２３０に応じて、措置２４１内の異なる措置を当該部分に対して行うことができる。

【0072】

さらに、センサデータ２１８に加えて他の情報を、未固化複合材料２０４のいくつかの部分の予測特性２２４を決定するために使用することができる。例えば、複合材料マネージャ２１２によってセンサデータ２１８と共に上流情報２４６を使用して、いくつかの部分２２６の予測特性２２４を決定することもできる。上流情報２４６は、強化情報、繊維情報、強化サイジング情報、樹脂情報、剥離ライナー情報、樹脂フィルム情報、又はセンサデータ２１８と共に未固化複合材料２０４のいくつかの部分２２６の予測特性２２４を決定するために使用することができる他の適切な情報のうちの少なくとも１つから選択することができる。

【0073】

モデル２３３は、デジタルツイン２０３として動作することができ、複合材料マネージャ２１２によって、未固化複合材料２０４のいくつかの部分２２６の予測特性２２４を決定するために使用することができる。結果として、複合材料製造システム２０８の箇所２０９におけるセンサシステム２２０内のセンサ２２２の配置は、デジタルツイン２０３のモデル２３３によって未固化複合材料２０４のいくつかの部分２２６のいくつかの特性２２８を予測するために使用されるセンサデータ２１８を提供することができる。モデル２３３をデジタルツイン２０３として使用することにより、未固化複合材料２０４のいくつかの部分２２６をサンプリングする必要なく、未固化複合材料２０４のいくつかの部分２２６の特性２２８を識別することができる未固化複合材料２０４のいくつかの部分２２６のリアルタイム検査及び認証が可能になる。実際の試験が望まれる場合、必要に応じて予測を検証するために、未固化複合材料２０４の部分２２６の識別を試験することができる。

【0074】

さらに、異なるタイプのモデル２３３の任意の組合せを使用して、予測特性２２４の精度を高めることができる。例えば、センサデータ２１８を使用して生成された機械学習モデル２３６から、未固化複合材料２０４の一部分に対して初期予測特性２５１の第１のセットを決定することができる。センサデータ２１８を使用して生成された物理モデル２３９から、未固化複合材料２０４の同じ部分に対して初期予測特性２５１の第２のセットを決定することができる。未固化複合材料２０４のその部分の予測特性２２４のセットを、初期予測特性の第１のセットと初期予測特性の第２のセットとの融合から決定することができる。

【0075】

予測特性のセットの決定により、複合材料マネージャ２１２は、予測特性２２４のセットを使用して、未固化複合材料２０４のいくつかの部分２２６の品質レベル２３０を決定することができる。品質レベル２３０は、未固化複合材料２０４のいくつかの部分２２６が、いくつかの部分２２６の製造が完了し、未固化複合材料２０４のいくつかの部分２２６が完成した製品２２７を形成するときに有すると予測又は予期される予測品質レベル２３２である。

【0076】

複合材料マネージャ２１２は、未固化複合材料２０４のいくつかの部分２２６に対して予測された品質レベル２３０に基づいて、いくつかの措置２４１を行うことができる。この例では、品質レベル２３０は、未固化複合材料２０４のいくつかの部分２２６のいくつかの予測特性２２４を使用して決定される。例えば、いくつかの措置２４１は、是正措置２９１を含むことができる。複合材料マネージャ２１２は、未固化複合材料２０４のいくつかの部分２２６の品質レベル２３０に基づいて是正措置２９１を行うことができる。

【0077】

この図示の例では、未固化複合材料２０４のいくつかの部分２２６の製造を完了して完成した製品２２７を形成する前に是正措置２９１を行うことができる。例示的な例では、未固化複合材料２０４のいくつかの部分２２６の製造を、未固化複合材料２０４の部分２２６内の他の部分の前又は後に完了することができる。言い換えると、未固化複合材料２０４のいくつかの部分２２６を完成した製品２２７とすることができる一方で、他の部分は、まだ完成した製品２２７になっておらず、複合材料製造システム２０８内で引き続き処理されている。

【0078】

結果として、是正措置２９１が行われた場合、複合材料部品２０５を製造するために未固化複合材料２０４のより多くの部分２２６を使用することができる。例えば、未固化複合材料２０４のいくつかの部分２２６の製造を完了する前に是正措置２９１を行うことによって、いくつかの部分２２６の廃棄、再加工、又はリサイクルの少なくとも１つを回避することができる。

【0079】

次に図３を参照すると、例示的な実施形態による、未固化複合材料の部分の予測特性を使用してとることができる措置のブロック図が図示されている。例示的な例では、複数の図で同じ参照符号を使用することがある。異なる図における参照符号のこの再使用は、異なる図における同じ要素を表す。

【0080】

図示のように、措置２４１は、いくつかの異なる形態をとることができる。例えば、いくつかの部分２２６の製造が完了されている最中に未固化複合材料２０４のいくつかの部分２２６に対して措置２４１を行うことができる。

【0081】

措置２４１は、マーキング措置３００を含むことができる。図示のように、マーキング措置３００は、いくつかの部分２２６内の未固化複合材料２０４の部分３０２を、使用不可３０４、使用可能３０６、品質レベル３０８、及び複合材料部品タイプ３１０としてマーキングすることを含むことができる。

【0082】

この例では、使用不可３０４は、複合材料マネージャ２１２が、部分３０２の品質レベル２３０が公差３１２外にあることに基づいて未固化複合材料２０４のいくつかの部分２２６内の未固化複合材料２０４の部分３０２を使用不可としてマーキングする措置である。この例では、公差３１２は、許容可能又は許容範囲内とみなされる部分３０２の１以上の特性２２８の範囲又は閾値とすることができる。公差３１２内にある関心対象の１以上の特性を、部分３０２の品質レベル３０８が許容可能であるかどうかを決定するために使用することができる。

【0083】

図示のように、使用可能３０６は、複合材料マネージャ２１２が、部分３０２の品質レベル２３０が公差３１２内にあることに基づいて未固化複合材料２０４のいくつかの部分２２６内の未固化複合材料２０４の部分３０２を使用可能としてマーキングする措置である。品質レベル３０８は、複合材料マネージャ２１２が、未固化複合材料２０４のいくつかの部分２２６内の未固化複合材料２０４の部分３０２を、部分３０２に対して識別された品質レベルでマーキングする措置である。

【0084】

別の例として、複合材料部品タイプは、複合材料マネージャ２１２が、未固化複合材料２０４のいくつかの部分２２６内の未固化複合材料２０４の部分３０２を、部分３０２を製造に使用できる複合材料部品のタイプの識別でマーキングする措置である。例えば、品質レベルは、部分３０２が意図されたタイプの複合材料部品の使用に適さないというものであってもよい。しかしながら、品質レベルは、部分３０２を別のタイプの複合材料部品を製造するために使用できるというものであってもよい。結果として、部分３０２を、廃棄又はリサイクルするのではなく、引き続き使用することができる。

【0085】

これらの措置の識別を、マーカ３１４を使用して部分３０２にマーキングすることができる。マーカ３１４は、無線周波数（ＲＦＩＤ）識別子、マイクロドット、量子ドットのセット、インクマーク、バーコード、クイックレスポンス（ＱＲ）コード、又は何らかの他の適切なタイプのマーカなどの識別子とすることができる。マーカ３１４は、措置を識別することができる。マーキング措置３００はまた、マーカ３１４を使用して部分３０２に関する情報３１６を記録することも含むことができる。例えば、情報は、部分３０２の長さ、未固化複合材料２０４内の部分３０２の箇所、品質レベル、予測特性２２４、貯蔵寿命、又は部分３０２に関する他の情報を含むことができる。情報３１６は、部分３０２の予測特性２２４から決定することができる。マーカ３１４及びマーキング措置３００はまた、ロール上の位置を記録すること、又はロール上の位置に対する部分３０２の品質の後の相関のために、図２６に示すようにメモリ２６０６内の部分３０２に関する情報３１６を記録することも含む。この使用の一例は、ロール上の品質を指定する位置情報を、ロール上の特定の位置に印刷出力することである。言い換えると、マーキングは、実際のマーキング部分３０２自体に加えて、又はその代わりに、品質に関する記録又はログに情報を指示すること又は記録することの少なくとも一方を含むことができる。結果として、マーキングの結果はまた、各ロールに「マーキング」を伴う印刷出力又はサムドライブとすることもできる。

【0086】

この例示的な例では、措置２４１はまた、是正措置３０１も含むことができる。是正措置３０１は、部分３０２を含むいくつかの部分２２６に対して行うことができる措置２４１である。この例示的な例では、いくつかの部分２２６の予測特性２２４のセットが未固化複合材料２０４に対して指定された公差３１２外にあることに応答して、複合材料マネージャ２１２によって是正措置３０１のセット内の是正措置２９１を行うことができる。

【0087】

これらの是正措置は、未固化複合材料２０４のいくつかの部分２２６の製造が完了して完成した製品２２７を形成したときに予測特性２２４のセットがいくつかの部分２２６の公差３１２内にあるように、いくつかの部分２２６の予測特性２２４のセットを変更するために行うことができる。

【0088】

図示のように、是正措置３０１は、いくつかの異なる形態をとることができる。例えば、是正措置３０１は、調整措置３０３、変更措置３０５、又は何らかの他の適切な是正措置のうちの少なくとも１つを含むことができる。

【0089】

例えば、是正措置３０１内の是正措置２９１が調整措置３０３の形態をとる場合、複合材料マネージャ２１２は、いくつかの部分２２６の予測特性２２４のセットが未固化複合材料２０４に対して指定された公差３１２外にあることに応答して、複合材料製造システム２０８におけるパラメータ３０７のセットを、未固化複合材料のいくつかの部分の予測特性のセットを変更するように調整することができる。

【0090】

この図示の例では、複合材料製造システム２０８のパラメータのセットは、いくつかの異なる形態をとることができる。例えば、パラメータ３０７のセットは、速度、トルク、電圧、電流、ギャップ、ニップギャップ、力、引張り、箇所における厚さ、圧力、又は複合材料製造システム２０８において設定することができる他の適切なパラメータのうちの少なくとも１つから選択することができる。

【0091】

例えば、是正措置２９１は、複合材料製造システム２０８におけるパラメータ３０７のセットを調整することができる。パラメータ３０７のセットの調整は、未固化複合材料２０４のいくつかの部分２２６の予測特性２２４のセットが、未固化複合材料２０４の公差３１２内にあるようにするものとすることができる。

【0092】

さらに別の例では、調整は、予測特性２２４のセットが、未固化複合材料２０４の指定された使用に対する公差３１２を満たす未固化複合材料２０４のいくつかの部分２２６の公差３１２の範囲内に収まらせない場合もある。この図示の例では、未固化複合材料２０４のいくつかの部分２２６の予測特性２２４のセットは、未固化複合材料２０４の第１のタイプの使用３１１の第１の公差３０９外にある。

【0093】

この場合、未固化複合材料２０４のいくつかの部分２２６の品質レベル２３０に基づいて是正措置２９１を行うことは、複合材料製造システム２０８におけるパラメータ３０７のセットを、未固化複合材料２０４のいくつかの部分２２６の予測特性２２４のセットが、未固化複合材料２０４の第２のタイプの使用３１５の第２の公差３１３内にあるように調整することを含む。

【0094】

例えば、第１のタイプの使用３１１は、未固化複合材料２０４をスキンパネルにおいて使用するためのものとすることができる。第２のタイプの使用３１５は、未固化複合材料２０４を航空機内のモニュメントにおいて使用するためのものとすることができる。

【0095】

このタイプの是正措置２９１はまた、第１のタイプの使用３１１の代わりに第２のタイプの使用３１５のために未固化複合材料２０４のいくつかの部分を作成するために行うこともできる。言い換えると、この措置は、予測特性２２４のセットが公差３１２内にあるときでも行うことができる。結果として、第２のタイプの使用３１５のための未固化複合材料２０４の必要が生じたときに、第１のタイプの使用３１１のために製造された未固化複合材料２０４の一部を、第２のタイプの使用３１５に転用することができる。

【0096】

別の例示的な例では、是正措置２９１は、いくつかの部分２２６の予測特性２２４のセットが未固化複合材料２０４に対して指定された公差３１２外にあることに応答して、未固化複合材料２０４のいくつかの部分２２６の後続部分３１７の予測特性２２４のセットが未固化複合材料２０４の第２の公差３１３内にあるように、複合材料製造システム２０８におけるパラメータ３０７のセットを調整することを含むことができる。このタイプの是正措置は、パラメータ３０７を変更しても未固化複合材料２０４のいくつかの部分２２６が公差３１２内に入る予測特性２２４のセットを有しないときに行うことができる。しかしながら、この是正措置は、未固化複合材料２０４の後の部分が公差３１２内に入る予測特性２２４のセットを有するようにするために使用することができる。結果として、この例では、いくつかの部分２２６に対してマーキング措置が引き続き行われる。

【0097】

別の例示的な例では、是正措置２９１は、変更措置３０５内の変更措置とすることができる。例えば、是正措置２９１は、未固化複合材料２０４を形成するために使用されるいくつかの原材料３１９を変更することができる。いくつかの原材料３１９の変更は、いくつかの部分２２６の予測特性２２４のセットが未固化複合材料２０４に対して指定された公差３１２外にあることに応答して、後続部分の予測特性２２４のセットを、未固化複合材料２０４の公差３１２内にある未固化複合材料２０４のいくつかの部分２２６とすることができるようにするものである。

【0098】

この例示的な例では、原材料３１９内の原材料は、未固化複合材料２０４を製造するために複合材料製造システム２０８によって使用される任意の材料とすることができる。例えば、いくつかの原材料３１９は、樹脂、紙、フィルム、織物、トウ、スプレッドトウ織物、繊維タイプ、トウサイズ、繊維サイズ、又は未固化複合材料２０４を製造するために使用される他の材料のうちの少なくとも１つから選択することができる。

【0099】

いくつかの例示的な例では、複数の是正措置をとることができる。例えば、調整措置と変更措置の両方を行うことができる。

【0100】

１つの例示的な例では、未固化複合材料の特性を要求どおりに迅速に決定できないという問題を克服する１以上の解決策が存在する。１以上の例示的な例は、未固化複合材料の異なる部分の製造が完了する前にそれらの部分の特性を予測することを可能にすることができる。このタイプの予測では、異なる部分をマーキングする、又は他の措置を行うなどの措置が、未固化複合材料の製造が完了した後にサンプルを試験するよりも迅速に行われ得る。

【0101】

コンピュータシステム２１０は、ソフトウェア、ハードウェア、ファームウェア、又はそれらの組合せを使用して、異なる例示的な例で説明したステップ、動作、又は措置のうちの少なくとも１つを行うように構成することができる。結果として、コンピュータシステム２１０は、コンピュータシステム２１０内の複合材料マネージャ２１２が、未固化複合材料の製造が完了する前に、未固化複合材料の製造中に未固化複合材料の特性を予測することを可能にする専用コンピュータシステムとして動作する。未固化複合材料の製造中に未固化複合材料に関するリアルタイムデータを使用することにより、未固化複合材料の製造中に未固化複合材料の予測特性を決定することが可能になる。さらに、機械学習モデルを使用することにより、未固化複合材料の製造が完了する前に未固化複合材料の予測特性を決定することが可能になる。言い換えると、予測特性の決定は、未固化複合材料の製造が完了した後の未固化複合材料のサンプリング及び試験を必要としない。さらに、この決定を、人間のオペレータが、未固化複合材料の製造が完了する前に未固化複合材料の特性の予測を取得するのに十分に迅速に行うことはできない。

【0102】

特に、複合材料マネージャ２１２は、複合材料マネージャ２１２のない現在利用可能な一般的なコンピュータシステムと比較して、コンピュータシステム２１０を専用コンピュータシステムに変換する。

【0103】

例示的な例では、コンピュータシステム２１０における複合材料マネージャ２１２の使用により、各工程が、未固化複合材料２０４の部分２２６の特性２２８を予測する際のコンピュータシステム２１０の性能を高める、未固化複合材料を製造するための実用的なアプリケーションに統合される。言い換えると、コンピュータシステム２１０内の複合材料マネージャ２１２は、未固化複合材料２０４に対してより迅速に措置２４１をとることができるように、未固化複合材料２０４の特性２２８の予測をリアルタイムで生成するコンピュータシステム２１０内の複合材料マネージャ２１２に統合された各工程の実用的なアプリケーションを対象としている。複合材料マネージャ２１２を使用して、リアルタイムで受信したセンサデータ２１８からモデル２３３を使用して予測特性２２４を生成するこの工程は、未固化複合材料２０４の製造が完了する前に予測特性２２４を取得するためにリアルタイムで行うことができ、これは、人間のオペレータが手作業でセンサデータ２１８を分析する場合には不可能である。

【0104】

この例示的な例では、コンピュータシステム２１０内の複合材料マネージャ２１２は、未固化複合材料の製造を完了する前に、プリプレグや樹脂被覆フィルムなどの未固化複合材料の特性を予測することを可能にする。結果として、それらの部分の製造が完了されている最中にそれらの部分に対する措置を行うことができる。

【0105】

例えば、未固化複合材料の異なる部分を、未固化複合材料のそれらの部分の適合性又は品質を指示するために異なる部分が完成されている最中にマーキングすることができる。複合材料マネージャ２１２は、複合材料製造システム２０８に対して箇所２０９内の異なる箇所から取得されたセンサデータ２１８を使用して、未固化複合材料が製造されている最中に未固化複合材料を管理する実用的なアプリケーションを提供する。予測特性２２４は、未固化複合材料２０４の部分２２６をマーキングするために使用することができる。マーキングは、予測特性２２４を使用して予測品質レベル２３２に基づいて行うことができる。

【0106】

このタイプの管理は、ロール全体の品質を決定するためにロール内のプリプレグ材料のサンプルを採取し得る現在の技術とは対照的である。複合材料マネージャ２１２は、この決定をプリプレグロールの異なる部分に対して行い、かつプリプレグロールが製造されている最中に行うことができる改善策を提供する。結果として、複合材料マネージャ２１２を使用して未固化複合材料の品質レベル部分を予測して、未固化複合材料を製造するのに必要な時間の短縮が実現される。

【0107】

次に図４を参照すると、例示的な実施形態による、未固化複合材料を製造するための製造工程フローの図が示されている。この例では、製造工程フロー４００は、未固化複合材料生産工程投入４０２が未固化複合材料生産物理プラント４０４とデータ前処理４０６とに対して行われることから開始する。未固化複合材料生産工程投入４０２におけるこれらの投入は、材料及び設定４０８を含む。この例では、材料及び設定４０８は、未固化複合材料２０４の製造において使用されるべき材料を識別する情報である。未固化複合材料２０４がプリプレグである場合、材料は、例えば、繊維タイプ、繊維サイズ、樹脂フィルム仕様、強化情報、繊維情報、強化サイジング情報、樹脂情報、剥離ライナー情報、樹脂フィルム情報、又はプリプレグを製造するために使用される材料に関する他の適切な情報とすることができる。

【0108】

設定は、温度、圧力、引張り、及びプリプレグを製造するための未固化複合材料生産物理プラント４０４における設定に、又は複合材料製造システムを構成するために使用することができる他の情報などの情報とすることができる。材料及び設定４０８は、上流情報２４６の一部とすることができる。

【0109】

材料及び設定４０８を投入物として、未固化複合材料生産物理プラント４０４は、製造作業を行って、未固化複合材料２０４の形態の未固化複合材料生産工程出力４１０を生成することができる。これらの作業は、プラント内の複合材料製造システムなどの機器を使用して行うことができる。この例では、未固化複合材料２０４の部分を、未固化複合材料２０４の部分の製造が完了されている最中に、未固化複合材料生産工程出力４１０として出力することができる。

【0110】

データ前処理４０６は、いくつかのモデル２３３が予測特性２２４の決定に使用するために未固化複合材料生産工程投入４０２を処理する、コンピュータシステム２１０に配置された構成要素とすることができる。例えば、データ前処理４０６は、材料及び設定４０８を処理して、いくつかのモデル２３３に入力される上流情報２４６を形成することができる。

【0111】

センサ２２２は、未固化複合材料２０４が製造されている最中にリアルタイムで未固化複合材料２０４の製造を監視し、未固化複合材料２０４が製造されている最中にリアルタイムで複合材料マネージャ２１２にセンサデータを送信する。複合材料マネージャ２１２は、センサ２２２からセンサデータを取得し、そのセンサデータをいくつかのモデル２３３に送信する。

【0112】

この例では、センサデータを、モデル２３３内の単一のモデル、又はモデル２３３内の複数のモデルに送信することができる。いくつかのモデル２３３が単一のモデルである場合、モデルは機械学習モデルとすることができる。いくつかのモデル２３３が複数のモデルである場合、それらのモデルは、例えば、２つの機械学習モデル、機械学習モデル及び物理モデル、又はモデルの何らかの組合せとすることができる。モデル２３３内の複数のモデルが使用される場合、それらのモデルの出力を比較して予測特性２２４の最良の予測を識別するか、又はそれらのモデルの出力の組合せ若しくは融合を行って予測特性２２４を形成することができる。

【0113】

モデル２３３は、予測特性２２４を生成する。この予測は、未固化複合材料２０４の製造が完了する前にリアルタイムで行われる。例えば、予測特性２２４は、その製造が完了していない未固化複合材料２０４の一部分に対するものとすることができる。言い換えると、その部分が完成した製品として出力される前に、未固化複合材料２０４のその部分に対する予測特性２２４を決定することができる。完成した製品は、複合材料部品２０５を製造するために使用することができる。

【0114】

この例では、予測特性２２４を使用して、リアルタイム品質記録４１２の形態で措置２４１内の１つの措置を行うことができる。この記録は、他の未固化複合材料又は複合材料部品を製造するための追加の製造作業を行うために、未固化複合材料２０４の部分を追跡するために使用することができる。

【0115】

図２～図４の複合材料製造環境２００の図は、例示的な実施形態を実装することができる方法に対する物理的限定又はアーキテクチャ上の限定を示唆するためのものではない。例示の構成要素に加えて、又は例示の構成要素の代わりに他の構成要素を使用されてもよい。いくつかの構成要素は、不要な場合がある。また、ブロックは、いくつかの機能構成要素を示すために提示されている。これらのブロックのうちの１以上が、例示的な実施形態で実装されるときに異なるブロックに組み合わされても、分割されても、又は組み合わされかつ分割されてもよい。

【0116】

例えば、複合材料マネージャ２１２は、未固化複合材料２０４に加えて１以上の未固化複合材料の特性を予測するために使用することができる。これらの他の未固化複合材料は、複合材料製造システム２０８に加えて他の複合材料製造システムを使用して製造することができる。さらに、複合材料製造システムを使用して製造される追加の未固化複合材料は、異なるタイプの複合材料製造システムを使用して製造される異なるタイプの未固化複合材料とすることができる。

【0117】

図５及び図６は、図２の複合材料製造システム２０８を実装するために使用することができる複合材料製造システムの例である。これらの複合材料製造システムにセンサシステムを追加することもできるし、又は既存のセンサシステムを、未固化複合材料がこれらの複合材料製造システムによって製造されている最中に未固化複合材料の特性を予測するために必要なセンサデータを生成することができる構成として１以上のセンサを含むように増補することもできる。

【0118】

次に図５を参照すると、例示的な実施形態による、フィルム加工工程を行うように構成された複合材料製造システムの図が図示されている。複合材料製造システム５００は、図２にブロック形式で示されている。

【0119】

図示のように、複合材料製造システム５００は、樹脂がフィルム紙上に被覆されるフィルム加工工程を行うように構成されている。

【0120】

この例では、未フィルム加工紙ロール５０１が紙５０３をニップ５０２に供給する。ニップは、ローラ間にギャップが設定された一対のローラを備える。図示のように、ニップ５０２は、ローラ５０４とローラ５０６との間にギャップ５０８を有するローラ５０４とローラ５０６とを備える。ギャップは、固定することもでき、又は一定の圧力を提供するために変更することもできる。

【0121】

樹脂５０５は加熱され、ローラ５０４及びローラ５０６上に載置された樹脂ダム５１０内に配置される。樹脂ダム５１０は、紙５０３が紙巻き戻し機５１２によってギャップ５０８を通してフィルム加工紙ロール５１１上に引っ張られている間に、樹脂５０５をギャップ５０８に供給する。紙５０３は、樹脂ダム５１０からの樹脂５０５がギャップ５０８で紙５０３を被覆する際にフィルム加工紙５１４になる。フィルム加工紙５１４は、フィルム加工紙ロール５１１上に回収される。

【0122】

この例示的な例では、フィルム加工紙５１４の特性を、複合材料製造システム５００用のセンサシステムによって生成されたセンサデータを使用して予測することができる。例えば、センサシステムは、紙５０３の引張り、紙５０３が移動する速度、ギャップ５０８のギャップ幅、樹脂ダム５１０内の樹脂５０５の樹脂粘度、坪量／目付、及び他のパラメータを測定することができる。ギャップ５０８のギャップ幅、及び樹脂ダム５１０内の樹脂の樹脂粘度は、フィルム加工紙５１４を形成するために紙５０３上にどれだけの樹脂が被覆されるかに影響を及ぼし得る。樹脂粘度は、液体樹脂の厚さであり、センチポアズ（ｃＰ）で通常測定される。

【0123】

樹脂ダム５１０内の樹脂５０５の樹脂粘度は、樹脂ダム５１０内のセンサ５２０を使用して測定することができる。センサ５２０は、粘度計とすることができる。ギャップ５０８のギャップ幅での樹脂粘度の測定を、フィルム加工紙５１４上の樹脂５０５の厚さを予測するために使用することができる。別の例として、樹脂粘度を、誘電率測定値を使用して決定することができる。例えば、センサ５２０は、樹脂ダム５１０内の樹脂５０５に振動電圧を印加し、電流を測定することができる。このタイプの測定は、センサ５２０が振動電圧を印加し、電流を測定するギャップ５０８の直後に配置されたセンサ５２２によって行うことができる。この測定値を使用して、フィルム加工紙ロール５１１上に回収されるフィルム加工紙５１４上に存在することになる樹脂の量を予測することができる。

【0124】

訓練データセットを作成するとき、センサデータを、フィルム加工紙５１４上の樹脂の実際の測定値でラベル付けすることができる。例えば、各ロールからの紙を、未フィルム加工紙ロール５０１の先頭と、フィルム加工紙ロール５１１の末端とで事前測定することができる。２つのロールの重量を差し引きして重量差を取得して、樹脂の量を決定することができる。この測定は、フィルム加工紙５１４の部分ではなく、フィルム加工紙５１４の全体の全樹脂を提供する。一定の面積の紙を切り取り、異なる部分の重さを量るための部分のサンプルを採取することができる。紙の重量は既知であり、その重量を差し引いてサンプルの重量を測定して、樹脂の重量を決定することができる。紙と樹脂の差を識別して、サンプル上の樹脂の量を取得することができる。

【0125】

図６を参照すると、例示的な実施形態による、プリプレグ生産工程を行うように構成された複合材料製造システムの図が図示されている。この例では、複合材料製造システム６００は、図２にブロック形式で示されている複合材料製造システム２０８の実装形態の別の例である。複合材料製造システム６００は、プリプレグの形態の未固化複合材料を製造するように構成されている。プリプレグは、ホット・メルト・プリプレグ工程又は溶媒ベースのプリプレグ工程を使用して製造することができる。

【0126】

図示のように、複合材料製造システム６００は、第１フィルム加工ロール ６０２及び第２フィルム加工ロール６０４の２つのフィルム加工ロールを有する。これらのロール上のフィルム加工紙は、樹脂付きの紙である。例えば、第１フィルム加工ロール６０２はフィルム加工紙６０３の供給源であり、第２フィルム加工ロール６０４はフィルム加工紙６０５の供給源である。これらのフィルム加工ロールは、図５の複合材料製造システム５００を使用して製造することができる。

【0127】

この例では、複合材料製造システム６００は４つのニップを有する。第１ニップ６０６は、２つのローラの間に第１ニップギャップ６１２を有するローラ６０８及びローラ６１０を有する。第２ニップ６１４は、第２ニップギャップ６２０を有するローラ６１６及びローラ６１８を有する。第３ニップ６２２は、第３ニップギャップ６２８を有するローラ６２４及びローラ６２６を有する。第４ニップ６３０は、第４ニップギャップ６３６を有するローラ６３２及びローラ６３４を有する。この例示的な例では、これらのニップは、ニップを通って移動する材料に圧力を印加することができる圧搾点として動作する。

【0128】

図示のように、複合材料製造システム６００にはホットプレート６４０及びホットプレート６４２が存在する。このシステムはまた、コールドプレート６４４も有する。

【0129】

この例示的な例では、第１ニップ６０６、第２ニップ６１４、第３ニップ６２２、第４ニップ６３０、ホットプレート６４０、及びホットプレート６４２は、設定温度に保たれる。これらの構成要素の各々の温度は、他の構成要素とは別個に設定することができる。言い換えると、第１ニップ６０６の温度は、第２ニップ６１４とは異なる温度に設定することができる。

【0130】

この例示的な例では、繊維クリール６３７が繊維６３８の供給源である。これらの繊維は、第１ニップ６０６内に移動される前に、コーム６３９を通って、スプレッダーバー６４１上に供給される。

【0131】

図示のように、フィルム加工紙６０３及びフィルム加工紙６０５は両方とも、第１フィルム加工ロール６０２及び第２フィルム加工ロール６０４からそれぞれ第１ニップ６０６内に移動する。プリプレグ６４８が弛まないように、第１フィルム加工ロール６０２上のブレーキ６４５はフィルム加工紙６０３の引張りを維持し、第２フィルム加工ロール６０４上のブレーキ６４６はフィルム加工紙６０５の引張りを維持する。

【0132】

樹脂を有するフィルム加工紙６０３の側及びフィルム加工紙６０５の側は、繊維６３８に面している。この例では、温度及び圧力が第１ニップ６０６によって印加されて、第１ニップ６０６において樹脂をフィルム加工紙６０３及びフィルム加工紙６０５から繊維６３８に浸透させる。

【0133】

例えば、第１ニップ６０６における第１ニップギャップ６１２の幅は、フィルム加工紙６０３上とフィルム加工紙６０５上との樹脂間に挟まれた繊維６３８に圧力を印加するように選択される。さらに、第１ニップ６０６用のローラ６０８及びローラ６１０は、フィルム加工紙６０３上及びフィルム加工紙６０５上の繊維６３８及び樹脂を加熱するように選択された温度を有する。熱又は圧力の少なくとも一方により樹脂が繊維６３８に浸透して、繊維６３８、フィルム加工紙６０３、及びフィルム加工紙６０５が第１ニップ６０６から出るときにプリプレグ６４８を形成する。

【0134】

その他のニップ、すなわち、第２ニップ６１４、第３ニップ６２２、及び第４ニップ６３０は、プリプレグ６４８が複合材料製造システム６００内をプリプレグロール６５０まで移動する際に所望の量の圧力及び加熱をもたらすように設定されたニップギャップ及びローラ温度を有することができる。ニップギャップ及びローラ温度は、樹脂の粘度を変化させ、さらに浸透工程の速度を変化させることができる。ホットプレート６４０は、第１ニップ６０６と第２ニップ６１４との間に配置されており、ホットプレート６４２は、第２ニップ６１４と第３ニップ６２２との間に配置されている。このホットプレートは、プリプレグ６４８がニップ間を移動する際にプリプレグ６４８を加熱する。コールドプレート６４４は、第３ニップ６２２の後、第４ニップ６３０の前に配置されている。このコールドプレートは、プリプレグ６４８の温度を低下させることができる。コールドプレート６４４は、樹脂の粘度を高める温度を低下させて、繊維への樹脂の浸透工程を低減又は停止させることができる。

【0135】

プリプレグ６４８の幅は、フィルム加工紙６０５が除去される前にスリッター６５６によって設定することができる。ローラ６５２において、フィルム加工紙６０５が除去され、紙ロール６５４上に巻き取られる。プリプレグ６４８はここで、フィルム加工紙６０３上の樹脂を注入され、プリプレグロール６５０上に巻き取られた繊維６３８で構成されている。

【0136】

この例示的な例では、センサは、複合材料製造システム６００内の点間の異なる箇所に配置することができる。この例示的な例では、これらの点は、プリプレグ６４８を製造するために措置を行うことができる処理点とすることができる。これらの処理点は、例えば、第１ニップ６０６、第２ニップ６１４、第３ニップ６２２、第４ニップ６３０とすることができる。他の処理点は、プリプレグ６４８を加熱又は冷却するためにプリプレグ６４８に熱又は冷気が加えられる、ホットプレート６４０、ホットプレート６４２、又はコールドプレート６４４とすることができる。

【0137】

これらの処理点は、プリプレグ６４８がプリプレグロール６５０でその最終形態になるまで、プリプレグ６４８に製造されている最中にプリプレグ６４８の特性を変化させることができる。センサは、これらの点間に配置することができ、プリプレグロール６５０におけるプリプレグ６４８の製造から完成したプリプレグ６４８の特性を予測するために使用することができる。言い換えると、これらの処理点間のセンサからのセンサデータを用いて、プリプレグロール６５０の前の複合材料製造システム６００内の他の箇所から、プリプレグロール６５０におけるプリプレグ６４８の予測特性を決定することができる。

【0138】

例えば、センサ箇所６６０は、第１ニップ６０６と第２ニップ６１４との間に配置されている。別の例として、センサ箇所６６２は、第２ニップ６１４と第３ニップ６２２との間に配置されており、センサ箇所６６４は、第３ニップ６２２とホットプレート６４０との間に配置されている。さらに別の例として、センサ箇所６６６は、第２ニップ６１４とホットプレート６４２との間に配置されている。さらに別の例として、センサ箇所６６７は、第３ニップ６２２とコールドプレート６４４との間に配置されている。

【0139】

この例では、別のセンサ箇所、すなわちセンサ箇所６７１を、第１フィルム加工ロール６０２と第１ニップ６０６との間に配置することができる。別の例として、センサ箇所６６９は、第４ニップ６３０とプリプレグロール６５０との間に配置されている。このセンサ箇所は、その箇所が２つの処理点間にない場合でも使用することができるセンサ箇所の一例である。フィルム加工紙６０３に関するセンサデータを、プリプレグロール６５０におけるプリプレグ６４８の特性を予測する際に使用することができる。

【0140】

この例では、複合材料製造システム６００はホット・メルト・フィルム・プリプレグ・システムである。この例示的なプリプレグシステムは、使用可能なプリプレグシステムのタイプを限定するためのものではない。他の例として、バス、スラリー、スプレー、又は他の機構を利用して樹脂を支持繊維に塗布する他のタイプのプリプレグシステムを挙げることができる。

【0141】

次に図７を参照すると、例示的な実施形態による、複合材料製造システムにおけるセンサ箇所のブロック図が図示されている。この例示的な例では、未固化複合材料７０２の部分７００は、複合材料製造システム７０８において矢印７０７の方向に第１の点７０４から第２の点７０６まで移動する。

【0142】

この例示的な例では、未固化複合材料７０２の部分７００が第１の点７０４を通過する際に、第１の点７０４で未固化複合材料７０２の部分７００に対して措置７１０のセットを行うことができる。措置７１０のセットは、未固化複合材料７０２の製造において行われる１以上の措置とすることができる。この例では、措置７１０のセットは、加熱すること、圧力を印加すること、引張りを加えること、力を加えること、冷却すること、粘度を変化させること、又は他の適切な措置のうちの少なくとも１つから選択することができる。

【0143】

例えば、未固化複合材料７０２がプリプレグ７１２であり、第１の点７０４がローラを有するニップなどの箇所構成要素である場合、措置７１０のセットは、部分７００に圧力を加え、加熱することとすることができる。措置７１０のセットの結果として、第１の点７０４の後に特性７１４のセットが存在することになる。特性７１４のセットは、第１の点７０４で部分７００に対して措置７１０のセットが行われる前に存在していたものから変化し得る。

【0144】

部分７００の特性７１４のセットは、第１の点７０４での部分７００に対して措置のセットが行われる前に存在していた特性とは異なり得る。言い換えると、第１の点７０４で行われる措置のセットは、未固化複合材料７０２の部分７００の特性７１４のセットを変更することができる。

【0145】

未固化複合材料７０２の部分７００に対して措置７１０のセットを行った後に存在する特性７１４のセットは、センサ箇所７１８においてセンサ７１６のセットを使用して検出することができる。センサ７１６のセットは、センサデータ７２２を生成することができる。センサデータ７２２は、測定値７２３及びメタデータ７２５を含むことができる。メタデータ７２５がセンサデータ７２２に存在する場合。メタデータ７２５は、例えば、タイムスタンプ、センサ箇所、センサ識別子、又は測定値７２３に関する他の適切な情報のうちの少なくとも１つを含むことができる。

【0146】

未固化複合材料７０２がプリプレグ７１２である場合、センサデータ７２２内の測定値７２３は、部分７００などの領域に存在する樹脂の量を決定するために使用することができる。例えば、センサデータ７２２内の測定値７２３は、目付とすることができる。存在する樹脂の現在の量は、未固化複合材料７０２の部分７００の製造工程が完了する前に存在することになる樹脂の量を予測するために使用することができる。

【0147】

このセンサデータは、未固化複合材料７０２の部分７００の製造が完了したときに未固化複合材料７０２の部分７００が有することになる特性７１４を予測するために使用することができる。センサ７１６のセットは、複合材料製造システム２０８に対するセンサシステム２２０内のセンサ２２２のうちの１以上とすることができる。

【0148】

この例示的な例では、センサ箇所７１８は、第１の点７０４の後、第２の点７０６の前に配置されている。センサ箇所７１８は、第１の点７０４で措置７１０を行うことによって引き起こされた特性７１４の変化をセンサ７１６によってセンサデータ７２２を生成するために測定することができるように、第１の点７０４に近接した特定の位置にあるように選択することができる。

【0149】

この例では、第２の点７０６は、未固化複合材料７０２の部分７００に対して別の措置７２０のセットを行うことができる複合材料製造システム７０８内の箇所である。第２の点７０６で行われる措置７２０のセットは、特性７１４を変更することができる。

【0150】

結果として、第１の点７０４と第２の点７０６との間のセンサ箇所７１８におけるセンサ７１６のセットは、第１の点７０４で部分７００に対して措置７１０を行った後に存在する特性７１４を測定することができる。この測定は、時間間隔７１５で行うことができる。例えば、毎秒測定を行うことができる。未固化複合材料７０２が移動する速度を知ることにより、部分７００などの特定の部分７１９の特性を識別することができる。センサ７１６のセットは、未固化複合材料７０２の部分７００の製造が完了したときに存在することになる未固化複合材料７０２の部分７００の予測特性を決定する際に使用するために、特性７１４のセットの測定値からセンサデータ７２２を生成することができる。

【0151】

次に図８を参照すると、例示的な実施形態による、複合材料製造システムの一部分の側面図が図示されている。この例示的な例では、第１点８００及び第２点８０２は、図７の第１の点７０４及び第２の点７０６の例である。ローラ８０４は第１点８００に配置されており、ローラ８０６は第２点８０２に配置されている。

【0152】

プリプレグ８０７の形態の未固化複合材料は、矢印８０９の方向に第１点８００から第２点８０２まで移動する。移動速度は、フィート／秒などの距離／時である。プリプレグ８０７が移動する速度を知ることにより、部分８２４が複合材料製造システム内を移動するときのその部分の長さ及び箇所を知ることが可能になる。

【0153】

この例では、センサ８０８及びセンサ８１０は、センサ箇所８１２に位置決めされている。センサ箇所８１２において、センサ８０８は、プリプレグ８０７の上側８１４に位置決めされている。センサ８０８は、プリプレグ８０７の底側８１６に位置決めされている。

【0154】

この例では、第１点８００における引張り８２０、及び第２点８０２における引張り８２２が存在する。さらに、ローラ８０４は、プリプレグ８０７がローラ８０４上を移動する際にプリプレグ８０７に熱及び圧力を加える。センサ８０８及びセンサ８１０は、センサデータを生成するためにプリプレグ８０７に引張り、熱、及び圧力を加えることからもたらされる、センサ箇所８１２におけるプリプレグ８０７の部分８２４の厚さ及び反射率のリアルタイム測定を行うことができる。

【0155】

次に図９を参照すると、例示的な実施形態による、複合材料製造システムの一部分の上面図が図示されている。この例では、図８の例と比較して、異なるセンサの位置決めが存在する。この上面図に図示するように、センサ９００は、センサ箇所８１２におけるプリプレグ８０７の第１の側９０２に位置決めされている。センサ９０４は、第１の側９０２の反対側の、センサ箇所８１２におけるプリプレグ８０７の第２の側９０６に位置決めされている。

【0156】

この例では、第１点８００における引張り８２０、及び第２点８０２における引張り８２２が存在する。さらに、ローラ８０４は、プリプレグ８０７がローラ８０４上を移動する際にプリプレグ８０７に熱及び圧力を加える。

【0157】

図示のように、センサ９００及びセンサ９０４は、センサデータを生成するためにプリプレグ８０７の部分８２４の幅、コンダクタンス、及び静電容量のリアルタイム測定を行うことができる。電気測定値のセンサデータを使用して、樹脂吸収量や幅などのプリプレグ８０７の部分８２４の特性を決定することができる。

【0158】

センサ箇所８１２又は他のセンサ箇所のうちの少なくとも１つからのセンサデータを用いて、プリプレグ８０７の部分８２４がプリプレグロールに巻き取られたときなど、プリプレグ８０７の部分８２４の製造が完了したときの部分８２４について、プリプレグ８０７の部分８２４の特性の予測を行うことができる。例えば、センサデータを使用して、プリプレグ８０７の部分８２４が有することになる、繊維目付（ＦＡＷ）や吸水などの特性を予測することができる。

【0159】

点、センサ箇所、及びセンサの図は、一実装形態の一例として提供されており、他の例示的な例を実装することができる方法を限定するためのものではない。例えば、別の例示的な例では、単一のセンサのみが存在してもよいし、又は３つ以上のセンサが存在してもよい。さらに、追加のセンサは、センサ箇所８１２にあってもよいし、又は第１点８００と第２点８０２との間の別のセンサ箇所にあってもよい。

【0160】

さらに別の例として、第１点８００及び第2点８０２は、ローラ８０４及びローラ８０６以外のプリプレグ８０７に対して措置を行う他の構成要素のための箇所とすることができる。例えば、カラー、スプレッダーバー、コーム、カラー、ニップ、巻き戻し機、又は他の構成要素が、第１点８００及び第２点８０２にあってもよい。

【0161】

図１０を参照すると、例示的な実施形態による、未固化複合材料の部分の品質レベルを識別するための工程のフローチャートが図示されている。図１０の工程は、ハードウェア、ソフトウェア、又は、その両方で実装することができる。ソフトウェアで実装される場合、工程は、１以上のコンピュータシステムにおいて１以上のハードウェアデバイス内に配置された１以上のプロセッサユニットによって実行されるプログラムコードの形態をとることができる。例えば、工程は、図２のコンピュータシステム２１０の複合材料マネージャ２１２に実装することができる。

【0162】

図示のように、工程は、複合材料製造システム用のセンサシステムからセンサデータを受信することによって開始し、センサデータは、複合材料製造システムによる未固化複合材料の製造中に受信される（動作１０００）。工程は、センサデータを使用して、複合材料製造システムによる製造から完成したときの未固化複合材料のいくつかの部分の予測特性のセットを決定する（動作１００２）。工程は、未固化複合材料のいくつかの部分の予測特性のセットに基づいて、未固化複合材料のいくつかの部分の品質レベルを識別する（動作１００４）。その後工程は終了する。

【0163】

図１１では、例示的な実施形態による、未固化複合材料をマーキングするための工程のフローチャートが図示されている。この図の動作は、図１０の工程の動作内で使用することができる追加の動作の例である。

【0164】

図示のように、工程は、未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行う（動作１１００）。その後工程は終了する。

【0165】

次に図１２に、例示的な実施形態による、未固化複合材料の公差外部分を使用不可としてマーキングする工程のフローチャートが図示されている。この図の動作は、図１１の動作１１００の実装形態の一例である。

【0166】

工程は、未固化複合材料のいくつかの部分内の未固化複合材料のいくつかの部分を、部分の品質レベルが公差外にあることに基づいて使用不可としてマーキングする（動作１２００）。その後工程は終了する。

【0167】

次に図１３を参照すると、例示的な実施形態による、未固化複合材料の公差内部分を使用可能としてマーキングするための工程のフローチャートが図示されている。この図の動作は、図１１の動作１１００の実装形態の一例である。

【0168】

工程は、未固化複合材料のいくつかの部分内の未固化複合材料のいくつかの部分を、部分の品質レベルが公差内にあることに基づいて使用可能としてマーキングする（動作１３００）。その後工程は終了する。

【0169】

図１４を参照すると、例示的な実施形態による、未固化複合材料のいくつかの部分を品質レベルでマーキングするための工程のフローチャートが図示されている。この図の動作は、図１１の動作１１００の実装形態の一例である。

【0170】

工程は、未固化複合材料のいくつかの部分内の未固化複合材料の一部分を品質レベルでマーキングする（動作１４００）。その後工程は終了する。

【0171】

次に図１５を参照すると、例示的な実施形態による、未固化複合材料の部分の品質レベルを記録するための工程のフローチャートが図示されている。この図の動作は、図１１の動作１１００の実装形態の一例である。

【0172】

工程は、未固化複合材料のいくつかの部分の品質レベルを記録する（動作１５００）。その後工程は終了する。

【0173】

図１６を参照すると、例示的な実施形態による、未固化複合材料の一部分の予測特性を決定するための工程のフローチャートが図示されている。この図の動作は、図１０の動作１００２の一実装形態の一例である。

【0174】

図示のように、工程は、センサデータを使用して生成された機械学習モデルから、未固化複合材料の部分の初期予測特性の第１のセットを決定することから開始する（動作１６００）。工程は、センサデータを使用して生成された物理モデルから、未固化複合材料の部分の初期予測特性の第２のセットを決定する（動作１６０２）。工程は、初期予測特性の第１のセットと初期予測特性の第２のセットとの融合から、未固化複合材料の部分の予測特性のセットを決定する（動作１６０４）。その後工程は終了する。

【0175】

次に図１７を参照すると、例示的な実施形態による、未固化複合材料の製作を完了する前に未固化複合材料の特性を予測するように機械学習モデルを訓練するための工程のフローチャートが図示されている。図１７の工程は、ハードウェア、ソフトウェア、又は、その両方で実装することができる。ソフトウェアで実装される場合、工程は、１以上のコンピュータシステムにおいて１以上のハードウェアデバイス内に配置された１以上のプロセッサユニットによって実行されるプログラムコードの形態をとることができる。例えば、工程は、図２のコンピュータシステム２１０の複合材料マネージャ２１２に実装することができる。

【0176】

工程は、データ収集の範囲を設定することから開始する（動作１７００）。動作１７００において、範囲は、試験モデルを訓練し、検証するのに十分な分解能反復でデータが収集されるように設定される。

【0177】

工程はデータを収集する（動作１７０２）。この動作では、未固化複合材料の製造から履歴データが収集される。このデータは、センサデータ、上流データ、及び検査データを含むことができる。検査データは、関心対象の特性を決定するために製造された未固化複合材料をサンプリング試験することによって生成される。関心対象のこれらの特性は、未固化複合材料の品質、及び未固化複合材料が特定の用途に適しているかどうかを評価するために使用される。

【0178】

工程は、機械学習モデルのセットを訓練する（動作１７０４）。動作１７０４では、訓練のために１以上のモデルタイプを選択することができる。複数のタイプのモデルが選択される場合、どの機械学習モデルが最も正確な予測を提供するかを確認するために評価を行うことができる。

【0179】

動作１７０４では、訓練で使用するために特性及びパラメータが選択される。特性は、品質、及び未固化複合材料が使用に適しているかどうかを決定する際の関心対象となる未固化複合材料の特性である。パラメータは、選択された特性に対する相関又は影響を有するパラメータとして選択される。言い換えると、パラメータが変化するとき、それらの変化は、未固化複合材料に対して得られる特性に対して影響を及ぼし得る。

【0180】

動作１７０４はまた、モデル内のハイパーパラメータを、モデルを訓練するために選択されたパラメータ又は変数を実際に最適化する前に設定されるパラメータ又は変数として設定することができる、ハイパーパラメータ最適化も含むことができる。ハイパーパラメータは、例えば、モデル選択を含むことができる。

【0181】

工程は、特性の推定における誤差を決定する（動作１７０６）。動作１７０６では、検証データを使用して、特性を予測する際に発生する誤差を決定することができる。

【0182】

次いで、工程は、選択された機械学習モデルが所望のレベルの精度を有するかどうかを決定する（動作１７０８）。この所望のレベル精度を、試験データとして分割された履歴データの一部分を使用して試験することができる。精度のレベルが存在しない場合、工程は、実験計画法（ＤＯＥ）を使用して試験データセットを生成する（動作１７１０）。次いで、工程は動作１７０２に戻り、実験計画法によって生成されたデータ生成手法を使用してデータを収集する。実験計画法は、訓練を生成するために実験の実行を導く統計的方法である。

【0183】

動作１７０８を再び参照すると、選択された機械学習モデルが所望のレベルの精度を有する場合には、工程は、未固化複合材料の部分の特性をリアルタイムで予測し、部分の製造を完了する前に未固化複合材料の部分に対して特性が予測される（動作１７１２）。その後工程は終了する。

【0184】

図１８を参照すると、例示的な実施形態による、未固化複合材料の部分に対して是正措置を行うための工程のフローチャートが図示されている。図１８の工程は、ハードウェア、ソフトウェア、又は、その両方で実装することができる。ソフトウェアで実装される場合、工程は、１以上のコンピュータシステムにおいて１以上のハードウェアデバイス内に配置された１以上のプロセッサユニットによって実行されるプログラムコードの形態をとることができる。例えば、工程は、図２のコンピュータシステム２１０の複合材料マネージャ２１２に実装することができる。

【0185】

図示のように、工程は、複合材料製造システム用のセンサシステムからセンサデータを受信することから開始し、センサデータは、複合材料製造システムによって未固化複合材料の製造中に受信される（動作１８００）。工程は、センサデータを使用して未固化複合材料のいくつかの部分の予測特性のセットを決定し、予測特性のセットは、完成した製品として未固化複合材料のいくつかの部分に対するものである（動作１８０２）。工程は、未固化複合材料のいくつかの部分の品質レベルに基づいて是正措置を行う（動作１８０４）。その後工程は終了する。

【0186】

図１９を参照すると、例示的な実施形態による、未固化複合材料の公差外部分に対して是正措置を行うための工程のフローチャートが図示されている。この図の動作は、図１８の動作１８０４の実装形態の一例である。

【0187】

図示のように、工程は、いくつかの部分の予測特性のセットが未固化複合材料に対して指定された公差外にあることに応答して、是正措置を行う（動作１９００）。その後工程は終了する。

【0188】

次に図２０を参照すると、例示的な実施形態による、未固化複合材料の公差外部分のパラメータを調整するための工程のフローチャートが図示されている。この図の動作は、図１８の動作１８０４の実装形態の一例である。

【0189】

図示のように、工程は、いくつかの部分の予測特性のセットが未固化複合材料に対して指定された公差外にあることに応答して、複合材料製造システムにおけるパラメータのセットを、未固化複合材料のいくつかの部分の予測特性のセットを変更するように調整する（動作２０００）。その後工程は終了する。

【0190】

図２１を参照すると、例示的な実施形態による、未固化複合材料の公差内部分のパラメータを調整するための工程のフローチャートが図示されている。この図の動作は、図１８の動作１８０４の実装形態の一例である。

【0191】

図示のように、工程は、複合材料製造システムにおけるパラメータのセットを、未固化複合材料のいくつかの部分の予測特性のセットが未固化複合材料の公差内にあるように調整する（動作２１００）。その後工程は終了する。

【0192】

次に図２２を参照すると、例示的な実施形態による、未固化複合材料の部分が公差内にあるようにパラメータを調整するための工程のフローチャートが図示されている。この図の動作は、図１８の動作１８０４の実装形態の一例である。

【0193】

図示のように、工程は、複合材料製造システムにおけるパラメータのセットを、未固化複合材料のいくつかの部分の予測特性のセットが未固化複合材料の第２のタイプの使用のための第２の公差内にあるように調整する（動作２２００）。その後工程は終了する。

【0194】

図２３を参照すると、例示的な実施形態による、未固化複合材料の後続部分のパラメータを調整するための工程のフローチャートが図示されている。この図の動作は、図１８の動作１８０４の実装形態の一例である。

【0195】

図示のように、工程は、いくつかの部分の予測特性のセットが未固化複合材料に対して指定された公差外にあることに応答して、複合材料製造システムにおけるパラメータのセットを、未固化複合材料のいくつかの部分の後続部分の予測特性のセットが未固化複合材料の公差内にあるように調整する（動作２３００）。その後工程は終了する。

【0196】

図２４を参照すると、例示的な実施形態による、原材料を変更するための工程のフローチャートが図示されている。この図の動作は、図１８の動作１８０４の実装形態の一例である。

【0197】

図示のように、工程は、いくつかの部分の予測特性のセットが未固化複合材料に対して指定された公差外にあることに応答して、未固化複合材料を形成するために使用されるいくつかの原材料を、未固化複合材料のいくつかの部分の後続部分の予測特性のセットが未固化複合材料の公差内にあるように変更する（動作２４００）。その後工程は終了する。

【0198】

次に図２５を参照すると、例示的な実施形態による、未固化複合材料の予測特性を決定するための工程のフローチャートが図示されている。この図の動作は、図１８の工程の動作内で使用することができる追加の動作の例である。

【0199】

図示のように、工程は、センサデータ、機械学習モデル、及び物理モデルを使用して、未固化複合材料のいくつかの部分の予測特性のセットを決定する（動作２５００）。その後工程は終了する。

【0200】

異なる図示の実施形態におけるフローチャート及びブロック図は、例示的な実施形態における装置及び方法のいくつかの可能な実装形態のアーキテクチャ、機能性、及び動作を示している。これに関して、フローチャート又はブロック図の各ブロックは、モジュール、セグメント、機能、又は動作若しくはステップの一部分のうちの少なくとも１つを表することができる。例えば、ブロックのうちの１以上を、プログラムコード、ハードウェア、又はプログラムコードとハードウェアとの組合せとして実装することができる。ハードウェアで実装される場合、ハードウェアは、例えば、フローチャート又はブロック図における１以上の動作を行うように製造又は構成された集積回路の形態をとることができる。プログラムコードとハードウェアとの組合せとして実装される場合、実装形態はファームウェアの形態をとってもよい。フローチャート又はブロック図の各ブロックは、異なる動作を行う専用ハードウェアシステム、又は専用ハードウェアと専用ハードウェアによって実行されるプログラムコードとの組合せを使用して実装することができる。

【0201】

例示的な実施形態のいくつかの代替の実装形態では、ブロックに記されている１以上の機能は、図に記されている順序から外れて行われてもよい。例えば、場合によっては、連続して示される２つのブロックが実質的に同時に行われてもよいし、又はブロックは、関与する機能性に応じて、時には逆の順序で行われてもよい。また、フローチャート又はブロック図に示されたブロックに加えて、他のブロックが追加されてもよい。

【0202】

次に図２６を参照すると、例示的な実施形態による、データ処理システムのブロック図が図示されている。データ処理システム２６００は、図１のサーバーコンピュータ１０４、サーバーコンピュータ１０６、又はクライアントデバイス１１０を実装するために使用することができる。データ処理システム２６００はまた、図２のコンピュータシステム２１０を実装するために使用することもできる。この例示的な例では、データ処理システム２６００は通信フレームワーク２６０２を含み、通信フレームワーク２６０２は、プロセッサユニット２６０４と、メモリ２６０６と、永続記憶装置２６０８と、通信ユニット２６１０と、入力／出力（Ｉ／Ｏ）ユニット２６１２と、ディスプレイ２６１４との間の通信を提供する。この例では、通信フレームワーク２６０２は、バスシステムの形態をとる。

【0203】

プロセッサユニット２６０４は、メモリ２６０６にロードすることができるソフトウェアのための命令を実行する役割を果たす。プロセッサユニット２６０４は、１以上のプロセッサを含む。例えば、プロセッサユニット２６０４は、マルチコアプロセッサ、中央処理装置（ＣＰＵ）、グラフィックス・プロセッシング・ユニット（ＧＰＵ）、物理演算ユニット（ＰＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ、又は何らかの他の適切なタイプのプロセッサのうちの少なくとも１つから選択することができる。さらに、プロセッサユニット２６０４は、メインプロセッサがセカンダリプロセッサと共に単一のチップ上に存在する、１以上のヘテロジニアス・プロセッサ・システムを使用して実装することができる。別の例示的な例として、プロセッサユニット２６０４は、単一のチップ上に同じタイプの複数のプロセッサを含む対称型マルチプロセッサシステムとすることができる。

【0204】

メモリ２６０６及び永続記憶装置２６０８は、記憶デバイス２６１６の例である。記憶デバイスは、例えば、限定はしないが、データ、機能形式のプログラムコード、又は他の適切な情報のうちの少なくとも１つなどの情報を、一時的に、永続的に、若しくは一時的と永続的の両方で記憶することができる任意のハードウェアである。記憶デバイス２６１６はまた、これらの例示的な例においてコンピュータ読み取り可能な記憶デバイスと呼ぶ場合もある。メモリ２６０６は、これらの例では、例えば、ランダム・アクセス・メモリ、又は任意の他の適切な揮発性若しくは不揮発性の記憶デバイスとすることができる。永続記憶装置２６０８は、特定の実装形態に応じて様々な形態をとることができる。

【0205】

例えば、永続記憶装置２６０８は、１以上の構成要素又はデバイスを含んでもよい。例えば、永続記憶装置２６０８は、ハードドライブ、ソリッドステートドライブ（ＳＳＤ）、フラッシュメモリ、書き換え可能な光ディスク、書き換え可能な磁気テープ、又は上記の何らかの組合せとすることができる。永続記憶装置２６０８によって使用される媒体は、取り外し可能とすることもできる。例えば、取り外し可能ハードドライブを永続記憶装置２６０８に使用することができる。

【0206】

通信ユニット２６１０は、これらの例示的な例では、他のデータ処理システム又はデバイスとの通信を提供する。これらの例示的な例では、通信ユニット２６１０はネットワーク・インターフェ－ス・カードである。

【0207】

入力／出力ユニット２６１２は、データ処理システム２６００に接続することができる他のデバイスとのデータの出力及び出力を可能にする。例えば、入力／出力ユニット２６１２は、キーボード、マウス又は何らかの他の適切な入力デバイスのうちの少なくとも１つを介したユーザー入力のための接続を提供することができる。さらに、入力／出力ユニット２６１２はプリンタに出力を送信することができる。ディスプレイ２６１４は、ユーザーに情報を表示する機構を提供する。

【0208】

オペレーティングシステム、アプリケーション、又はプログラムのうちの少なくとも１つのための命令を、通信フレームワーク２６０２を介してプロセッサユニット２６０４と通信する記憶デバイス２６１６に配置することができる。異なる実施形態の工程は、メモリ２６０６などのメモリ内に配置することができるコンピュータ実装命令を使用してプロセッサユニット２６０４によって行うことができる。

【0209】

これらの命令は、プロセッサユニット２６０４内のプロセッサが読み出し実行することができるプログラム命令であり、プログラムコード、コンピュータ使用可能なプログラムコード、又はコンピュータ読み取り可能なプログラムコードとも呼ばれる。異なる実施形態におけるプログラムコードを、メモリ２６０６や永続記憶装置２６０８などの異なる物理的記憶媒体又はコンピュータ読み取り可能な記憶媒体上に具現化することができる。

【0210】

プログラム命令２６１８は、選択的に取り外し可能なコンピュータ読み取り可能な媒体２６２０上に機能的形態で配置されており、プロセッサユニット２６０４による実行のためにデータ処理システム２６００にロードするか又は転送することができる。プログラム命令２６１８及びコンピュータ読み取り可能な媒体２６２０は、これらの例示的な例ではコンピュータプログラム製品２６２２を形成する。例示的な例では、コンピュータ読み取り可能な媒体２６２０は、コンピュータ読み取り可能な記憶媒体２６２４である。

【0211】

コンピュータ読み取り可能な記憶媒体２６２４は、プログラム命令２６１８を伝播又は伝送する媒体よりもむしろ、プログラム命令２６１８を記憶するために使用される物理的な、又は有形の記憶デバイスである。コンピュータ読み取り可能な記憶媒体２６２４は、本明細書で使用する場合、電波又はその他自由に伝播する電磁波、導波管又は他の伝送媒体を通って伝播する電磁波（例えば、光ファイバーケーブルを通る光パルス）や、配線を介して伝送される電気信号などの一時的な信号自体であると解釈されるべきではない。

【0212】

あるいは、プログラム命令２６１８は、コンピュータ読み取り可能な信号媒体を使用してデータ処理システム２６００に転送することもできる。コンピュータ読み取り可能な信号媒体は信号であり、例えば、プログラム命令２６１８を含む伝播されたデータ信号とすることができる。例えば、コンピュータ読み取り可能な信号媒体は、電磁信号、光信号、又は任意の他の適切なタイプの信号のうちの少なくとも１つとすることができる。これらの信号は、無線接続、光ファイバーケーブル、同軸ケーブル、配線、又は任意の他の適切なタイプの接続などの接続部を介して伝送することができる。

【0213】

さらに、本明細書で使用する場合、「コンピュータ読み取り可能な媒体２６２０」は、単数でも、複数でもよい。例えば、プログラム命令２６１８は、単一の記憶デバイス又はシステムの形態でコンピュータ読み取り可能な媒体２６２０に配置することができる。別の例では、プログラム命令２６１８は、複数のデータ処理システムに分散されたコンピュータ読み取り可能な媒体２６２０に配置することができる。言い換えると、プログラム命令２６１８内のある命令を１つのデータ処理システムに配置することができる一方で、プログラム命令２６１８内の他の命令を複数のデータ処理システムに配置することもできる。例えば、プログラム命令２６１８の一部分を、サーバーコンピュータ内のコンピュータ読み取り可能な媒体２６２０内に配置することができる一方で、プログラム命令２６１８の別の部分を、クライアントコンピュータのセット内に配置されたコンピュータ読み取り可能な媒体２６２０内に配置することもできる。

【0214】

データ処理システム２６００に対して示されている異なる構成要素は、異なる実施形態を実装することができる方法に対してアーキテクチャ上の限定を与えるためのものではない。いくつかの例示的な例では、構成要素のうちの１以上が、別の構成要素に組み込まれてもよいし、又はそうではなく別の構成要素の一部分を形成してもよい。例えば、いくつかの例示的な例では、メモリ２６０６又はその部分を、プロセッサユニット２６０４に組み込むこともできる。異なる例示的な実施形態を、データ処理システム２６００対して示されている構成要素に加えて、又はそれらの構成要素に代わる構成要素を含むデータ処理システムにおいて実装することができる。図２６に示す他の構成要素が図示の例示的な例とは異なっていてもよい。異なる実施形態を、プログラム命令２６１８を実行することができる任意のハードウェアデバイス又はシステムを使用して実装することができる。

【0215】

本開示の例示的な実施形態は、図２７に示すような航空機の製造及び保守点検方法２７００、並びに図２８に示すような航空機２８００との関連で説明され得る。まず図２７を参照すると、例示的な実施形態による、航空機の製造及び保守点検方法が図示されている。生産準備段階において、航空機の製造及び保守点検方法２７００は、図２８の航空機２８００の仕様及び設計２７０２と材料調達２７０４とを含み得る。

【0216】

生産段階においては、図２８の航空機２８００の構成要素及び部分組立品の製造２７０６と、システム統合２７０８とが行われる。その後、図２８の航空機２８００は、認証及び搬送２７１０を経て、就航中２７１２の状態にすることができる。顧客による就航中２７１２に、図２８の航空機２８００には、修正、再構成、改修、及び他の整備又は保守点検を含み得る定期的な整備及び保守点検２７１４が計画される。

【0217】

航空機の製造及び保守点検方法２７００の工程の各々は、システムインテグレーター、第三者、運用者、又はこれらの何らかの組合せによって行われ、又は実行され得る。これらの例では、運用者は、顧客であり得る。この説明の目的では、システムインテグレーターは、限定はしないが、任意の数の航空機製造業者及び主要システム下請業者を含んでもよく、第三者は、限定はしないが、任意の数の販売会社、下請業者、及び供給業者を含んでもよく、運用者は、航空会社、リース会社、軍事団体、保守点検組織などであってもよい。

【0218】

次に図２８を参照すると、例示的な実施形態が実装され得る航空機が図示されている。この例では、航空機２８００は、図２７の航空機の製造及び保守点検方法２７００によって生産され、複数のシステム２８０４及び内部２８０６を有する機体２８０２を含み得る。システム２８０４の例として、推進システム２８０８、電気システム２８１０、油圧システム２８１２、及び環境システム２８１４のうちの１以上が挙げられる。任意の数の他のシステムが含まれてもよい。航空宇宙の例が示されているが、異なる例示的な実施形態が自動車産業などの他の産業に適用されてもよい。

【0219】

本明細書において具現化される装置及び方法は、図２７の航空機の製造及び保守点検方法２７００の段階のうちの少なくとも１つにおいて採用され得る。

【0220】

１つの例示的な例では、図２７の構成要素及び部分組立品の製造２７０６において生産される構成要素又は部分組立品を、航空機２８００が図２７の就航中２７１２の状態にある間に生産される構成要素又は部分組立品と同様のやり方で製作又は製造することができる。さらに別の例として、１以上の装置実施形態、方法実施形態、又はそれらの組合せを、図２７の構成要素及び部分組立品の製造２７０６、システム統合２７０８などの生産段階において利用することができる。１以上の装置実施形態、方法実施形態、又はそれらの組合せは、航空機２８００が就航中２７１２の状態にあるとき、図２７の整備及び保守点検２７１４において、又はそれらの両方において利用されもよい。いくつかの異なる例示的な実施形態を使用することにより、航空機２８００の組立てが大幅に迅速化され、航空機２８００のコストが削減され、又は航空機２８００の組立ての迅速化と共に航空機２８００のコストも削減される。構成要素及び部分組立品の製造２７０６又は整備及び保守点検２７１４の少なくとも一方の間の未固化複合材料の製造における品質向上により、未固化複合材料の製造に必要な時間又はコストの少なくとも一方を削減することができる。未固化複合材料のどの部分が所望の品質レベルを満たすかを決定する能力により、未固化複合材料の廃棄又は再加工を行うことをより少なくすることができる。

【0221】

次に図２９を参照すると、例示的な実施形態による、製品管理システムのブロック図が図示されている。製品管理システム２９００は、物理的なハードウェアシステムである。この例示的な例では、製品管理システム２９００は、製造システム２９０２又は整備システム２９０４の少なくとも一方を含む。

【0222】

製造システム２９０２は、図２８の航空機２８００などの製品を製造するように構成されている。図示のように、製造システム２９０２は、製造機器２９０６を含む。製造機器２９０６は、製作機器２９０８又は組立機器２９１０の少なくとも一方を含む。

【0223】

製作機器２９０８は、図２８の航空機２８００を形成するために使用される部品用の構成要素を製作するために使用される機器である。例えば、製作機器２９０８は、機械及びツールを含むことができる。これらの機械及びツールは、ドリル、油圧プレス、炉、オートクレーブ、金型、複合テープ敷設機、自動繊維配置（ＡＦＰ）機、真空システム、ロボット・ピック・アンド・プレイス・システム、フラットベッド切断機、レーザーカッター、コンピュータ数値制御（ＣＮＣ）切断機、旋盤、又は他の適切なタイプの機器のうちの少なくとも１つとすることができる。製作機器２９０８は、金属部品、複合材料部品、半導体、回路、締め具、リブ、スキンパネル、スパー、アンテナ、又は他の適切なタイプの部品のうちの少なくとも１つを製作するために使用することができる。

【0224】

組立機器２９１０は、部品を組み立てて図２８の航空機２８００を形成するために使用される機器である。特に、組立機器２９１０は、構成要素及び部品を組み立てて図２８の航空機２８００を形成するために使用される。組立機器２９１０はまた、機械及びツールを含むこともできる。これらの機械及びツールは、ロボットアーム、クローラ、高速設置システム、レールベースの穿孔システム、又はロボットのうちの少なくとも１つであってもよい。組立機器２９１０は、座席、水平安定板、翼、エンジン、エンジンハウジング、着陸装置システム、及び図２８の航空機２８００用の他の部品などの部品を組み立てるために使用することができる。

【0225】

この例示的な例では、整備システム２９０４は、整備機器２９１２を含む。整備機器２９１２は、図２８の航空機２８００の整備を行うために必要な任意の機器を含むことができる。整備機器２９１２は、図２８の航空機２８００の部品に対して異なる作業を行うためのツールを含み得る。これらの作業は、部品の分解、部品の改修、部品の検査、部品の再加工、交換部品の製造、又は図２８の航空機２８００の整備を行うための他の作業のうちの少なくとも１つを含むことができる。これらの作業は、定期的な整備、検査、アップグレード、改修、又は他のタイプの整備作業用とすることができる。

【0226】

例示的な例では、整備機器２９１２は、超音波検査デバイス、Ｘ線撮像システム、ビジョンシステム、ドリル、クローラ、及び他の適切なデバイスを含み得る。場合によっては、整備機器２９１２は、整備に必要な部品を生産して組み立てるために、製作機器２９０８、組立機器２９１０、又はその両方を含むことができる。

【0227】

製品管理システム２９００はまた、制御システム２９１４も含む。制御システム２９１４は、ハードウェアシステムであり、ソフトウェア又は他のタイプの構成要素も含み得る。制御システム２９１４は、製造システム２９０２又は整備システム２９０４の少なくとも１つの動作を制御するように構成されている。特に、制御システム２９１４は、製作機器２９０８、組立機器２９１０、又は整備機器２９１２のうちの少なくとも１つの動作を制御することができる。

【0228】

制御システム２９１４内のハードウェアは、コンピュータ、回路、ネットワーク、及び他のタイプの機器を含み得るハードウェアを使用して実装することができる。制御は、製造機器２９０６の直接制御の形態をとってもよい。例えば、ロボット、コンピュータ制御機械、及び他の機器を、制御システム２９１４によって制御することができる。他の例示的な例では、制御システム２９１４は、航空機２８００の製造又は整備を行う際に人間のオペレータ２９１６によって行われる作業を管理することができる。例えば、制御システム２９１４は、人間のオペレータ２９１６によって行われる作業を管理するために、タスクを割り当て、命令を提供し、モデルを表示し、又は他の動作を行うことができる。これらの例示的な例では、図２の複合材料マネージャ２１２を制御システム２９１４に実装して、図２８の航空機２８００の製造又は整備の少なくとも一方に使用するための未固化複合材料の製造を管理することができる。これらの未固化複合材料は、図２８の航空機２８００の製造又は整備の少なくとも一方において複合材料部品を製造するために、又は複合材料部品を再加工するために使用することができる。

【0229】

異なる例示的な例では、人間のオペレータ２９１６は、製造機器２９０６、整備機器２９１２、又は制御システム２９１４のうちの少なくとも１つを操作するか、又は少なくとも１つと対話することができる。この対話は、図２８の航空機２８００を製造するために行うことができる。

【0230】

当然ながら、製品管理システム２９００は、図２８の航空機２８００以外の他の製品を管理するように構成されてもよい。製品管理システム２９００を航空宇宙産業における製造に関して説明したが、製品管理システム２９００は、他の産業用の製品を管理するように構成することができる。例えば、製品管理システム２９００は、自動車産業並びに他の適切な産業用の製品を製造するように構成することができる。

【0231】

例示的な例のいくつかの形態を以下の付記項に記載する。これらの付記項は、形態の例であり、他の例示的な例を限定することを意図するものではない。

【0232】

付記項１
コンピュータシステムと、
コンピュータシステム内の複合材料マネージャと、
を備え、
複合材料マネージャが、
複合材料製造システム用のセンサシステムから、センサデータを受信し、センサデータが複合材料製造システムによる未固化複合材料の製造中に受信され、
センサデータを使用して、複合材料製造システムによる製造から完成したときの未固化複合材料のいくつかの部分の予測特性のセットを決定し、
未固化複合材料のいくつかの部分の予測特性のセットに基づいて未固化複合材料のいくつかの部分の品質レベルを識別する、ように構成されている、複合材料管理システム。

【0233】

付記項２
複合材料マネージャは、
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行う、
ように構成されている、付記項１に記載の複合材料管理システム。

【0234】

付記項３
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行い、複合材料マネージャは、
部分の品質レベルが公差外にあることに基づいて未固化複合材料のいくつかの部分を使用不可としてマーキングする、
ように構成されている、付記項２に記載の複合材料管理システム。

【0235】

付記項４
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行い、複合材料マネージャは、
部分の品質レベルが公差内にあることに基づいて未固化複合材料のいくつかの部分を使用可能としてマーキングする、
ように構成されている、付記項２又は３に記載の複合材料管理システム。

【0236】

付記項５
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行い、複合材料マネージャは、
未固化複合材料のいくつかの部分を品質レベルでマーキングする、
ように構成されている、付記項２から４のいずれか一項に記載の複合材料管理システム。

【0237】

付記項６
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行い、複合材料マネージャは、
未固化複合材料のいくつかの部分の品質レベルを記録する、
ように構成されている、付記項２から５のいずれか一項に記載の複合材料管理システム。

【0238】

付記項７
複合材料製造システムをさらに備える、付記項１から６のいずれか一項に記載の複合材料管理システム。

【0239】

付記項８
複合材料製造システムは、炭素繊維プリプレグ・コーティング・ライン、強化繊維樹脂含浸ライン、樹脂混合処理システム、樹脂フィルム加工ライン、プリプレグシステム、及びスリット加工システムのうちの１つである、付記項３から７のいずれか一項に記載の複合材料管理システム。

【0240】

付記項９
センサシステム内のセンサのセットは、複合材料製造システム内の第１の点と第２の点との間に配置されたセンサ箇所にあり、第１の点は、未固化複合材料の一部分が第１の点を通る際に未固化複合材料のその部分に対して措置のセットを行う点である、付記項１から８のいずれか一項に記載の複合材料管理システム。

【0241】

付記項１０
機械学習モデル、をさらに備え、
複合材料マネージャは、センサデータ及び機械学習モデルを使用して未固化複合材料の部分の予測特性のセットを決定する、付記項１から９のいずれか一項に記載の複合材料管理システム。

【0242】

付記項１１
機械学習モデルと、
物理モデルと、
をさらに備え、
複合材料マネージャは、センサデータ、機械学習モデル、及び物理モデルを使用して未固化複合材料の部分の予測特性のセットを決定する、付記項１から１０のいずれか一項に記載の複合材料管理システム。

【0243】

付記項１２
複合材料マネージャは、
未固化複合材料の部分の予測特性のセットを決定する際に、
センサデータを使用して生成された機械学習モデルから未固化複合材料の部分の初期予測特性の第１のセットを決定し、
センサデータを使用して生成された物理モデルから未固化複合材料の部分の初期予測特性の第２のセットを決定し、
初期予測特性の第１のセットと初期予測特性の第２のセットとの融合から未固化複合材料の部分の予測特性のセットを決定する、
ように構成されている、付記項１１に記載の複合材料管理システム。

【0244】

付記項１３
未固化複合材料は、プリプレグ、航空宇宙用グレードのプリプレグ、熱硬化性プリプレグ、熱可塑性プリプレグ、織布プリプレグ、繊維トウプリプレグ、トウプリプレグ、一方向テーププリプレグ、樹脂被覆フィルム、ノンクリンプ織物、又は樹脂混合物のうちの少なくとも１つから選択される、付記項１から１２のいずれか一項に記載の複合材料管理システム。

【0245】

付記項１４
センサデータは、構成要素の温度、未固化複合材料の温度、周囲温度、湿度、ローラ速度、未固化複合材料の速度、一対のローラ間の圧力、一対のローラ間のギャップ、未固化複合材料の厚さ、フーリエ変換赤外（ＦＴＩＲ）スペクトル、分光データ、材料の幅、繊維ウェブの幅、材料目付、繊維目付、樹脂粘度、未固化複合材料の寸法の両端の電気測定値、未固化複合材料の寸法の両端の電圧、未固化複合材料の寸法の両端の電磁測定値、未固化複合材料の寸法の両端の音響測定値、引張り、又は複合材料製造システム内の箇所におけるプリプレグの画像のうちの少なくとも１つを含む、付記項１から１３のいずれか一項に記載の複合材料管理システム。

【0246】

付記項１５
複合材料マネージャは、強化情報、繊維情報、強化サイジング情報、樹脂情報、剥離ライナー情報、又は樹脂フィルム情報のうちの少なくとも１つから選択された上流情報を受信するように構成されている、付記項１から１４のいずれか一項に記載の複合材料管理システム。

【0247】

付記項１６
特性のセットは、プリプレグ繊維目付、プリプレグ樹脂含有量、プリプレグの厚さ、プリプレグ浸透レベル、プリプレグ・タック・レベル、樹脂フィルム目付、樹脂フィルムの厚さ、剥離ライナー目付、剥離ライナーの厚さ、又は積層構造特性のうちの少なくとも１つを含む、付記項１から１５のいずれか一項に記載の複合材料管理システム。

【0248】

付記項１７
繊維及び樹脂被覆フィルムからある長さのプリプレグを製造するように動作する炭素繊維プリプレグ・コーティング・ラインと、
センサシステムであって、センサシステムが、炭素繊維プリプレグ・コーティング・ラインの動作中に、炭素繊維プリプレグ・コーティング・ラインのためのセンサデータを生成するように動作する、センサシステムと、
複合材料マネージャと、
を備え、
複合材料マネージャは、
複合材料製造システム用のセンサシステムからセンサデータを受信し、センサデータが複合材料製造システムによる未固化複合材料の製造中に受信され、
センサデータを使用して、複合材料製造システムによる製造から完成したときのプリプレグのいくつかの部分の予測特性のセットを決定し、
未固化複合材料のいくつかの部分の予測特性のセットに基づいてプリプレグのいくつかの部分の品質レベルを識別する、複合材料管理システム。

【0249】

付記項１８
複合材料マネージャは、
未固化複合材料のいくつかの部分の予測特性のセットに基づいてプリプレグのいくつかの部分の品質レベルを識別する際に、
部分の品質レベルが公差外にあることに基づいてプリプレグのいくつかの部分内のプリプレグの一部分を使用不可としてマーキングする、ように構成されている、付記項１７に記載の複合材料管理システム。

【0250】

付記項１９
複合材料マネージャは、
未固化複合材料のいくつかの部分の予測特性のセットに基づいて未固化複合材料のいくつかの部分の品質レベルを識別する際に、
部分の品質レベルが公差内にあることに基づいてプリプレグのいくつかの部分を使用可能としてマーキングする、ように構成されている、付記項１７又は１８に記載の複合材料管理システム。

【0251】

付記項２０
複合材料マネージャは、プリプレグのいくつかの部分の予測特性のセットに基づいてプリプレグのいくつかの部分の品質レベルを識別する際に、
プリプレグのいくつかの部分内のプリプレグの一部分を品質レベルでマーキングする、ように構成されている、付記項１７から１９のいずれか一項に記載の複合材料管理システム。

【0252】

付記項２１
繊維は、トウ、テープ、及び織布から選択される形態であり、樹脂被覆フィルムは、樹脂被覆紙である、付記項１７から２０のいずれか一項に記載の複合材料管理システム。

【0253】

付記項２２
未固化複合材料を製造するための方法であって、
方法は、
複合材料製造システム用のセンサシステムからセンサデータを受信するステップであって、センサデータが複合材料製造システムによる未固化複合材料の製造中に受信される、ステップと、
センサデータを使用して、複合材料製造システムによる製造から完成したときの未固化複合材料のいくつかの部分の予測特性のセットを決定するステップと、
未固化複合材料のいくつかの部分の予測特性のセットに基づいて未固化複合材料のいくつかの部分の品質レベルを識別するステップと、
を含む、方法。

【0254】

付記項２３
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行うステップ、をさらに含む、付記項２２に記載の方法。

【0255】

付記項２４
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行うステップは、
部分の品質レベルが公差外にあることに基づいて未固化複合材料のいくつかの部分内の未固化複合材料の一部分を使用不可としてマーキングするステップ、
を含む、付記項２３に記載の方法。

【0256】

付記項２５
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行うステップは、
部分の品質レベルが公差内にあることに基づいて未固化複合材料のいくつかの部分内の未固化複合材料の一部分を使用可能としてマーキングするステップ、
を含む、付記項２３又は２４に記載の方法。

【0257】

付記項２６
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行うステップは、
未固化複合材料のいくつかの部分内の未固化複合材料の一部分を品質レベルでマーキングするステップ、
を含む、付記項２３から２５のいずれか一項に記載の方法。

【0258】

付記項２７
未固化複合材料のいくつかの部分に対して識別された品質レベルに基づいてマーキング措置を行うステップは、
未固化複合材料のいくつかの部分の品質レベルを記録するステップ、
を含む、付記項２３から２６のいずれか一項に記載の方法。

【0259】

付記項２８
未固化複合材料の一部分の予測特性のセットは、センサデータ、機械学習モデル、及び物理モデルを使用して決定される、付記項２２から２７のいずれか一項に記載の方法。

【0260】

付記項２９
未固化複合材料のいくつかの部分の予測特性のセットを決定するステップは、
センサデータを使用して生成された機械学習モデルから未固化複合材料の一部分の初期予測特性の第１のセットを決定するステップと、
センサデータを使用して生成された物理モデルから未固化複合材料の該部分の初期予測特性の第２のセットを決定するステップと、
初期予測特性の第１のセットと初期予測特性の第２のセットとの融合から未固化複合材料の該部分の予測特性のセットを決定するステップと、
を含む、付記項２２から２８のいずれか一項に記載の方法。

【0261】

付記項３０
未固化複合材料の一部分の予測特性のセットは、センサデータ及び機械学習モデルを使用して決定される、付記項２２から２９のいずれか一項に記載の方法。

【0262】

付記項３１
複合材料製造システムは、炭素繊維プリプレグ・コーティング・ラインである、付記項２２から３０のいずれか一項に記載の方法。

【0263】

付記項３２
未固化複合材料は、プリプレグ、熱硬化性プリプレグ、織布プリプレグ、繊維トウプリプレグ、一方向テーププリプレグ、又は樹脂被覆フィルムうちの少なくとも１つから選択される、付記項２２から３１のいずれか一項に記載の方法。

【0264】

付記項３３
センサデータは、構成要素の温度、未固化複合材料の温度、周囲温度、湿度、ローラ速度、未固化複合材料の速度、一対のローラ間のギャップ、未固化複合材料の厚さ、フーリエ変換赤外（ＦＴＩＲ）スペクトル、繊維ウェブの幅、繊維目付、樹脂粘度、未固化複合材料の寸法の両端の電圧、未固化複合材料の寸法の両端の電気測定値、未固化複合材料の寸法の両端の電磁測定値、未固化複合材料の寸法の両端の音響測定値、引張り、又は複合材料製造システム内の箇所でのプリプレグの画像のうちの少なくとも１つを含む、付記項２２から３２のいずれか一項に記載の方法。

【0265】

付記項３４
未固化複合材料を製造するためのコンピュータプログラム製品であって、コンピュータプログラム製品は、プログラム命令が組み込まれているコンピュータ読み取り可能な記憶媒体を含み、プログラム命令は、コンピュータシステムに、
複合材料製造システム用のセンサシステムからセンサデータを受信し、センサデータが複合材料製造システムによる未固化複合材料の製造中に受信され、
センサデータを使用して、複合材料製造システムによる製造から完成したときの未固化複合材料のいくつかの部分の予測特性のセットを決定し、
未固化複合材料のいくつかの部分の予測特性のセットに基づいて未固化複合材料のいくつかの部分の品質レベルを識別する、方法を行わせるためにコンピュータシステムによって実行可能である、コンピュータプログラム製品。

【0266】

したがって、例示的な例は、製造工程が行われている間に、未固化複合材料の製造が完了したときに未固化複合材料が有することになる特性を予測するための方法、装置、システム、及びコンピュータプログラム製品を提供する。さらに、例示的な例はまた、これらの予測を使用して是正措置を行って、完成した製品を形成するための製造から完成したときの、未固化複合材料が有することになる特性を変更することもできる。

【0267】

異なる例示的な例では、複合材料マネージャは、製造から完成したときの未固化複合材料のいくつかの部分の予測特性のセットを決定するための動作を行う。言い換えると、この予測は、未硬化複合材料のいくつかの部分の製造が完了して完成した製品を形成したときの未硬化複合材料の部分に対するものである。

【0268】

結果として、複合材料マネージャ２１２を使用して未固化複合材料の品質レベル部分を予測して、未固化複合材料を製造するのに必要な費用又は時間の少なくとも一方の削減を実現することができる。さらに、この削減は、公差内にある追加の量の未固化材料が生じるように、未固化複合材料の製造中に是正措置を行うことによっても生じさせることができる。結果として、未固化複合材料の追加の製造、再加工、又は廃棄を削減することができる。

【0269】

一例では、プリプレグなどの未固化複合材料の１以上の特性のリアルタイム予測の改善によって、複合材料製造システム２０８を複合材料管理システム２０２によってより高い効率で管理することができる。プリプレグが複合材料製造システム２０８においてまだ製造又は処理されている間に、特性をリアルタイムで予測することによって、製造中のプリプレグの他の部分が公差外にならないように複合材料製造システム２０８に対して調整を行うことができる。結果として、未固化複合材料の１以上の特性をリアルタイムで予測することによって、廃棄又はリサイクルされるプリプレグの量を削減することができる。

【0270】

これらの例では、複合材料製造システム２０８からデータをリアルタイムで受信することができる。言い換えると、センサデータをリアルタイムで受信することは、複合材料製造システム２０８が未固化複合材料を製造するように動作している最中にセンサデータが受信されることを意味する。センサデータは、意図的な遅延なしに可能な限り迅速にリアルタイムで送信される。センサデータをリアルタイムで分析する際に、このデータは、センサデータが受信されている最中に可能な限り迅速に処理される。

【0271】

この特性の予測は、特性予測システムを使用して行うことができる。この特性予測システムは、複合材料マネージャ２１２による使用のために複合材料管理システム２０２に実装することができる。このシステムによって予測される特性を、特性２２８などの未固化複合材料の特性と呼ぶこともできる。この特性は、プリプレグ繊維目付、プリプレグ樹脂含有量、材料の厚さ、プリプレグの厚さ、プリプレグ浸透レベル、プリプレグ・タック・レベル、樹脂フィルム目付、樹脂フィルムの厚さ、剥離ライナー目付、剥離ライナーの厚さ、積層構造特性、又は他の特性のうちの少なくとも１つから選択することができる。

【0272】

この例示的な例では、未固化複合材料のいくつかの特性の予測をリアルタイムで行うことができる。

【0273】

次に図３０を参照すると、例示的な実施形態による、特性予測システムのブロック図が図示されている。この例では、特性予測システム３０００を、複合材料製造システム３０２３を使用した未固化複合材料３０２４の製造中に、完成形態３０２７の未固化複合材料３０２４のいくつかの特性３０２６を予測するために使用することができる。言い換えると、未固化複合材料３０２４の製造が完了する前に、未固化複合材料３０２４に対していくつかの特性３０２６が予測される。１つの例示的な例では、複合材料製造システム３０２３は、図２の複合材料製造システム２０８の一例であり、例えば、炭素繊維プリプレグ・コーティング・ライン、強化繊維樹脂含浸ライン、樹脂混合処理システム、樹脂フィルム加工ライン、プリプレグシステム、スリット加工システム、及び他の適切な複合材料製造システムとすることができる。

【0274】

この例では、特性予測システム３０００は、コンピュータシステム３０１２と、予測マネージャ３０１４とを備える。

【0275】

図示のように、予測マネージャ３０１４は、コンピュータシステム３０１２内に配置されている。予測マネージャ３０１４は、ソフトウェア、ハードウェア、ファームウェア、又は、それらの組合せとして実装することができる。ソフトウェアが使用される場合、予測マネージャ３０１４によって行われる動作は、プロセッサユニットなどのハードウェア上で動作するように構成されたプログラム命令として実装することができる。ファームウェアが使用される場合、予測マネージャ３０１４によって行われる動作は、プロセッサユニット上で動作するようにプログラム命令として実装し、データを永続的メモリに記憶することができる。ハードウェアが採用される場合、ハードウェアは、予測マネージャ３０１４で動作を行うように動作する回路を含むことができる。

【0276】

例示的な例では、ハードウェアは、回路システム、集積回路、特定用途向け集積回路（ＡＳＩＣ）、プログラマブル論理デバイス、又はいくつかの動作を行うように構成された他の適切なタイプのハードウェアのうちの少なくとも１つから選択された形態をとることができる。プログラマブル論理デバイスの場合、いくつかの動作を行うようにデバイスを構成することができる。デバイスは、後で再構成することもできるし、又はいくつかの動作を行うように永続的に構成することもできる。プログラマブル論理デバイスには、例えば、プログラマブル論理アレイ、プログラマブルアレイ論理、フィールドプログラマブル論理アレイ、フィールド・プログラマブル・ゲート・アレイ、及び他の適切なハードウェアデバイスが含まれる。さらに、工程は、無機構成要素と一体化された有機構成要素として実装することもでき、人間を除く有機構成要素から完全に構成することもできる。例えば、工程は、有機半導体内の回路として実装することができる。

【0277】

本明細書で使用する場合、「いくつかの」は、項目に関して使用される場合、１以上の項目を意味する。例えば、「いくつかの動作」は、１つ又はいくつかの動作である。

【0278】

さらに、「のうちの少なくとも１つ」という語句は、項目のリストと共に使用される場合、列挙された項目のうちの１以上の異なる組合せを使用できることを意味し、リスト内の各項目のうちの１つのみが必要とされてもよい。言い換えると、「のうちの少なくとも１つ」は、項目の任意の組合せを意味し、リストからのいくつかの項目が使用されてもよいが、リスト内のすべての項目が必要とされるとは限らない。項目は、特定の物体、物事、又はカテゴリとすることができる。

【0279】

例えば、限定はしないが、「項目Ａ、項目Ｂ、又は項目Ｃのうちの少なくとも１つ」は、項目Ａ、項目Ａ及び項目Ｂ、又は項目Ｂを含み得る。この例はまた、項目Ａ、項目Ｂ、及び項目Ｃ、又は項目Ｂ及び項目Ｃも含み得る。当然ながら、これらの項目の任意の組合せが存在し得る。いくつかの例示的な例では、「のうちの少なくとも１つ」は、例えば、限定はしないが、２つの項目Ａ、１つの項目Ｂ、及び１０の項目Ｃ、４つの項目Ｂ及び７つの項目Ｃ、又は他の適切な組合せとすることができる。

【0280】

コンピュータシステム３０１２は、物理的なハードウェアシステムであり、１以上のデータ処理システムを含む。コンピュータシステム３０１２に複数のデータ処理システムが存在する場合、それらのデータ処理システムは、通信媒体を使用して互いに通信する。通信媒体は、ネットワークとすることができる。データ処理システムは、コンピュータ、サーバーコンピュータ、タブレットコンピュータ、又は何らかの他の適切なデータ処理システムのうちの少なくとも１つから選択することができる。

【0281】

図示のように、コンピュータシステム３０１２は、例示的な例の工程を実装するプログラム命令３０１８を実行することができるいくつかのプロセッサユニット３０１６を含む。言い換えると、プログラム命令３０１８はコンピュータ読み取り可能なプログラム命令である。

【0282】

本明細書で使用する場合、いくつかのプロセッサユニット３０１６内のプロセッサユニットは、ハードウェアデバイスであり、コンピュータを動作させる命令及びプログラムコードに応答して処理する集積回路上のハードウェア回路などのハードウェア回路から構成される。いくつかのプロセッサユニット３０１６が工程のためのプログラム命令３０１８を実行するとき、いくつかのプロセッサユニット３０１６は、同じコンピュータ内又は異なるコンピュータ内にある１以上のプロセッサユニットであってもよい。言い換えると、工程は、コンピュータシステム３０１２内の同じか又は異なるコンピュータ上のプロセッサユニット３０１６間に分散させることができる。

【0283】

さらに、いくつかのプロセッサユニット３０１６は、同じタイププロセッサユニットとすることもでき、異なるタイプのプロセッサユニットとすることもできる。例えば、いくつかのプロセッサユニット３０１６は、シングル・コア・プロセッサ、デュアルコアプロセッサ、マルチプロセッサコア、汎用中央処理装置（ＣＰＵ）、グラフィックス・プロセッシング・ユニット（ＧＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、又は何らかの他のタイプのプロセッサユニットのうちの少なくとも１つから選択することができる。

【0284】

この例示的な例では、予測マネージャ３０１４は、複合材料製造システム３０２３による未固化複合材料３０２４の製造中に、複合材料製造システム３０２３のセンサシステム３０２１内のセンサ３０８１からリアルタイムでセンサデータ３０２０を受信する。

【0285】

これらの例では、センサシステム３０２１は、いくつかの異なるタイプのセンサ３０８１を含む。例えば、センサシステム３０２１は、ベータゲージセンサ、厚さセンサ、幅センサ、温度センサ、速度センサ、ギャップセンサ、光学センサ、フーリエ変換赤外（ＦＴＩＲ）分光計、引張りセンサ、カメラ、サーマルカメラ、光学センサ、重量センサ、化学分光センサ、又は他の適切なタイプのセンサのうちの少なくとも１つから選択されたセンサを備えることができる。センサ３０８１は、複合材料製造システム３０２３に統合されたセンサ、又は複合材料製造システム３０２３に対して配置されたセンサの少なくとも一方から選択することができる。

【0286】

センサ３０８１は、複合材料製造システム３０２３に対して箇所３０８２にある。例えば、センサ３０８１は、経路３０８３に沿った箇所３０８２に位置決めすることができる。この例では、経路３０８３は、処理が完成形態３０２７の未固化複合材料３０２４を製造するために複合材料製造システム３０２３内で投入材料がとる経路である。

【0287】

この例では、未固化複合材料製造システムは、図２の複合材料製造システム２０８、図４の未固化複合材料生産物理プラント４０４、図５のフィルム紙上に樹脂が被覆されるフィルム加工工程を行うように構成された複合材料製造システム５００、及び図６のプリプレグの形態の未固化複合材料を製造するように構成された複合材料製造システム６００、又は他のタイプの複合材料製造システムの一例とすることができる。

【0288】

予測マネージャ３０１４は、モデルシステム３０３０を使用して、複合材料製造システム３０２３における未固化複合材料３０２４の製造中に、完成形態３０２７の未固化複合材料３０２４のいくつかの特性３０２６の初期予測３０２５をリアルタイムで生成する。この例では、モデルシステム３０３０は、いくつかの物理モデル３０３１と、履歴センサデータを使用して訓練されたいくつかの機械学習モデル３０３２とを含む。

【0289】

いくつかの特性３０２６は、未固化複合材料３０２４の１以上の特性である。１つの例示的な例では、いくつかの特性３０２６は、未固化複合材料３０２４を評価する際の関心対象である未固化複合材料３０２４の特性又は属性である。これらの特性は、未固化複合材料３０２４が複合材料構成要素の製造で使用するための基準又は規格を満たすかどうかを判定するために使用することができる。レベル特性に応じて、未固化複合材料３０２４は、使用に適する場合も、適さない場合もある。さらに、いくつかの特性３０２６の値のレベルに応じて、未固化複合材料３０２４は、異なる用途又は異なる複合材料構成要素の製造に適する場合もある。

【0290】

さらに、例示的な例では、いくつかの特性３０２６を、未固化複合材料３０２４の製造中に複合材料製造システム３０２３内の異なる時間又は箇所で決定することができる。言い換えると、これらの特性は、完成形態３０２７の未固化複合材料３０２４に限定されない。

【0291】

この例示的な例では、いくつかの物理モデル３０３１を、熱モデル、浸透モデル、レオロジーモデル、樹脂の濾過レベルを算出する浸透性モデル、複合プリプレグの厚さの低減を算出する厚さモデル、又は樹脂の濾過レベルを算出する樹脂浸透モデルのうちの少なくとも１つから選択することができる。

【0292】

予測マネージャ３０１４は、初期予測３０２５に基づいて、いくつかの特性３０２６に対してリアルタイムで最終予測３０２８を決定する。未固化複合材料３０２４の製造中に最終予測３０２８をリアルタイムで生成することにより、コントローラ３０５０は、最終予測３０２８に基づいて複合材料製造システム３０２３のいくつかの処理条件３０５１を調整することができる。この例示的な例では、コントローラ３０５０は、いくつかの異なる形態をとることができる。例えば、コントローラ３０５０は、図２の複合材料マネージャ２１２内の複合材料とすることができる。

【0293】

別の例示的な例では、予測マネージャ３０１４は、複合材料製造システム３０２３用のセンサシステム３０２１からリアルタイムで受信したセンサデータ３０２０、いくつかの物理モデル３０３１、及びいくつかの機械学習モデル３０３２を使用して、複合材料製造システム３０２３における未固化複合材料３０２４の製造中にリアルタイムで、完成形態３０２７の未固化複合材料３０２４のいくつかの特性３０２６の初期予測３０２５を生成する。この例では、いくつかの初期予測３０２５を生成するために、機械学習モデル３０３２が履歴センサデータを使用して訓練される。

【0294】

さらに、予測マネージャ３０１４は、未固化複合材料３０２４の製造中にリアルタイムで、いくつかの物理モデル３０３１及び履歴センサデータを使用して訓練されたいくつかの機械学習モデル３０３２から、完成形態３０２７の未固化複合材料３０２４のいくつかの特性３０２６の初期予測３０２５の不確実性３０１１を決定する。言い換えると、センサデータ３０２０をリアルタイムで受信したことに応答して不確実性３０１１をリアルタイムで決定することができる。

【0295】

これらの例示的な例では、不確実性３０１１はいくつかの異なるソースを有する。例えば、不確実性３０１１は、機械学習モデル３０３２によって生成された初期予測３０２５の不確実性であり得る。これらの機械学習モデルは、初期予測が正確である確率を含み得る。この確率は、初期予測の確実性のレベルを指示する。別の例として、物理モデル３０３１も不確実性を有する可能性がある。例えば、浸透性の物理モデルは、異なる厚さを提供し得る異なる値の範囲を有する可能性がある。この分布は、物理モデル３０３１によって生成された初期予測３０２５の不確実性を特定するために使用することができる。

【0296】

別の例として、不確実性がセンサデータ３０２０に存在する可能性がある。例えば、厚さセンサは、材料の同じ厚さの測定値の範囲を生成することができる。この範囲は、初期予測３０２５の不確実性３０１１を特定するために使用することができる。

【0297】

不確実性３０１１は、異なるソースからのものであり得る。例えば、不確実性３０１１は、モデル、モデルによって使用されたセンサデータ、又は投入材料のうちの少なくとも１つによって引き起される可能性がある。モデルは、未固化複合材料の特性と一致する特性を予測しない場合がある。この予測は、特性の実際の測定に対する予測とは異なり、その差を使用して、モデルによって行われた予測の不確実性を決定することができる。

【0298】

別の例では、モデルは特性を予測する際に正確であり得るが、モデルによって使用されたセンサデータは不確実性を有する場合がある。例えば、温度センサは、実際の温度とは異なる温度測定値の範囲を生成する場合がある。この分散は、モデル自体が正確であっても、モデルによって行われる特性の予測が未固化複合材料の特性と一致しない原因となり得る不確実性である。

【0299】

さらに、投入材料もまた、指定された値からの不確実性を有する場合がある。例えば、繊維の形態の投入材料のロール重量が不確実性を有する可能性がある。例えば、投入材料の紙重量又は樹脂重量の少なくとも一方に不確実性が存在する可能性がある。

【0300】

不確実性３０１１を用いて、予測マネージャ３０１４は、不確実性３０１１を使用して、いくつかの特性３０２６の初期予測３０２５と重み３０１９を関連付ける。この例では、予測マネージャ３０１４は、初期予測３０２５及び初期予測３０２５と関連付けられた重み３０１９に基づいて、いくつかの特性３０２６の最終予測３０２８を決定する。例えば、いくつかの特性３０２６の最終予測３０２８は、投票回帰、スタッキング回帰、バギング推定器、又は複数の候補を融合するか、若しくは複数の候補から最終候補若しくは選択肢を選択するための他のキャノピーのうちの少なくとも１つを使用して、初期予測３０２５及び初期予測と関連付けられた重み３０１９を決定したことに基づいて、予測マネージャ３０１４によって決定することができる。

【0301】

次に図３１を参照すると、例示的な環境による、処理条件についてのブロック図が図示されている。例示的な例では、複数の図で同じ参照符号を使用することがある。異なる図における参照符号のこの再使用は、異なる図における同じ要素を表す。

【0302】

この例示的な例では、未固化複合材料３０２４の製造を開始する前に、いくつかの処理条件３０５１及びパラメータが選択のために設定される。これらの処理条件を、事前設定条件と呼ぶこともできる。

【0303】

この例では、いくつかの処理条件３０５１は、いくつかの異なる形態をとることができる。例えば、処理条件３０５１は、複合材料製造システム３０２３への投入材料３１００又は複合材料製造システム３０２３のための設定３１０２の少なくとも一方を含むことができる。

【0304】

これらの例では、投入材料３１００は、未固化複合材料３０２４を製造するための複合材料製造システム３０２３への投入物として使用することができる異なるタイプの材料を含む。投入材料３１００は、樹脂、ある種の繊維、フィルム、いくつかのトウ、又は未固化複合材料３０２４の製造に使用するために複合材料製造システム３０２３に投入することができる何らかの他の材料のうちの少なくとも１つを含むことができる。

【0305】

プリプレグを製造するために使用される繊維のタイプは、繊維目付などの特性３０２６に影響を及ぼす可能性がある。例えば、収率（グラム／メートル）が高い繊維は、他のすべての条件が固定されている場合、収率がより低い繊維と比較してより高い繊維目付（ＦＡＷ）をもたらす。別の例として、トウを増やすことは、単位面積内により多くの繊維が存在することを意味する。この増加により、製造されたプリプレグの厚さ、繊維目付、樹脂含有量などの特性３０２６を変化させることができる。

【0306】

さらに、この例では、設定３１０２は、温度、樹脂溜り温度、速度、周囲温度、ニップギャップ、及びニップローラ間の初期ニップギャップ、圧力、周囲湿度、繊維コーム角度、又は複合材料製造システム３０２３に対して行うことができる何らかの他の設定のうちの少なくとも１つを含むことができる。

【0307】

この例では、繊維コーム角度は、処理が開始される前に繊維トウ同士がどれだけ近いかを決定する設定３１０２の一例である。繊維トウが近づくにつれて、単位面積内により多くの繊維が存在する。単位面積内の繊維のこの増加により、より高い繊維目付をもたらすことができる。設定３１０２、温度は、ニップローラで設定することができる。ニップローラは、繊維を通して樹脂を浸透させるためにプリプレグに圧力を加えるローラ対である。これらのニップローラは内部から加熱され、温度は、プリプレグの製造運転前に設定される。これらの例では、この温度は運転全体を通して固定される。

【0308】

また、この例では、加熱プレート及び冷却プレートで温度が設定される。例えば、２つの加熱プレートを使用して、プリプレグの温度を、樹脂の浸透がより容易になるようなレベルに保つことができる。冷却プレートは、最後のニップローラの後に配置することができる。これらのプレートは、プリプレグを最終製品まで圧延する前にプリプレグを室温まで冷却する。

【0309】

別の設定がライン走行速度であり、これは、ニップローラとプレートの設定温度の設定と関連して設定することができる。速度は、材料が複合材料製造システム内をどれほど速く移動するかの尺度であり、運転中は通常一定である。フィルムのセットオフ及び巻き戻し機に対してライン引張りを設定することができる。運転のために周囲温度及び湿度も設定することができる。

【0310】

次に図３２を参照すると、例示的な実施形態による、センサデータのブロック図が図示されている。図示のように、センサシステム３０２１によって生成されたセンサデータ３０２０は、いくつかの異なる形態をとることができる。例えば、センサデータ３０２０は、特性データ３２００又は生産データ３２０２の少なくとも一方とすることができる。１つの例示的な例では、いくつかの特性データは、未固化複合材料３０２４を評価する際の関心対象であるいくつかの特性３０２６についてのデータである。

【0311】

この例では、特性データ３２００は、製造されているときの未固化複合材料３０２４に関する情報である。この特性データは、完成形態３０２７の未固化複合材料３０２４を製造するために使用される材料を含むことができる。例えば、特性データ３２００は、目付、プリプレグ繊維目付（ＦＡＷ）、プリプレグ樹脂含有量、樹脂材料の樹脂粘度、プリプレグの厚さ、プリプレグ浸透レベル、プリプレグ・タック・レベル、樹脂フィルム目付、樹脂フィルムの厚さ、剥離ライナー目付、剥離ライナーの厚さ、又は未固化複合材料３０２４を製造する異なる段階中の未固化複合材料３０２４の他の特性のうちの少なくとも１つを含むことができる。例えば、特性データ３２００は、完成形態３０２７に加えて、複合材料製造システム３０２３内の異なる箇所における未固化複合材料３０２４についてのものとすることができる。これらの特性は、未固化複合材料３０２４を評価するために使用することができる。この評価は、複合材料部品の製造における未固化複合材料３０２４の使用又は他の用途に対する適合性を識別するために行うことができる。

【0312】

生産データ３２０２は、材料を処理して完成形態３０２７の未固化複合材料３０２４を形成するために使用される工程に関する情報である。例えば、生産データ３２０２は、温度、引張り、圧力、力、未固化複合材料の厚さ、速度、ギャップ幅、投入物として使用される樹脂の樹脂粘度のうちの少なくとも１つを含むことができる。この例では、生産データ３２０２は、図３１の設定３１０２とは異なり得る。設定３１０２は、複合材料製造システム３０２３における処理条件を構成又は設定するために使用される設定である。生産データ３２０２は、設定３１０２に基づくパラメータの測定値とすることができる。言い換えると、生産データ３２０２は設定３１０２とは異なり得る。

【0313】

次に図３３を参照すると、例示的な実施形態による、機械学習モデルのブロック図が図示されている。機械学習モデル３３３１は、第１の機械学習モデル３３０１と、第２の機械学習モデル３３０２と、第３の機械学習モデル３３０３とを含むことができる。これらの機械学習モデルは、訓練データセット３３０５内のデータの異なる組合せを使用して予測マネージャ３０１４によって訓練することができる。

【0314】

図示のように、訓練データセット３３０５は、履歴センサデータ３３０７及び履歴処理条件３３０８などの履歴データ３３０６を含む。この例では、履歴センサデータ３３０７は、未固化複合材料を製造するために行われた以前の製造作業から生成又は収集されたデータである。例えば、履歴データ３３０７は、未固化複合材料の製造中のいくつかの複合材料製造システムからのものとすることができる。いくつかの複合材料製造システムは、訓練された機械学習モデルを使用して追加が行われる複合材料製造システムを含むことができる。

【0315】

この例示的な例では、履歴センサデータ３３０７は、履歴特性データ３３３０及び履歴生産データ３３３２を含み、これらは、未固化複合材料の以前の製造から生成された図３２のセンサデータ３０２０内の特性データ３２００及び生産データ３２０２とすることができる。履歴処理条件３３０８は、未固化複合材料の以前の製造から生成された図３１の処理条件３０５１内の投入材料３１００及び設定３１０２などの履歴投入材料３３００及び履歴設定３３０９とすることができる。

【0316】

これらの例では、履歴データ３３０６は、同じタイプの複合材料製造システムについてのものである。ホット・メルト・プリプレグ機によって製造された堆積プリプレグの特性を予測するように機械学習モデル３３３１を訓練する場合、その特性の予測が行われるべきホット・メルト・プリプレグ機と同じタイプの他のホット・メルト・プリプレグ機から履歴データ３３０６を取得することができる。言い換えると、履歴データ３３０６は、溶媒ベースのプリプレグ機、又はバス、スラリー、スプレー、若しくは他の機構を利用して支持繊維に樹脂を塗布する他のシステムからの履歴データを含まない場合もある。

【0317】

このデータは、同じタイプの他のホット・メルト・プリプレグ機について特性の予測が行われる実際のホット・メルト・プリプレグ機の少なくとも１つからのものとすることができる。同じタイプとは、それらの他の機械が同じ製造業者、モデル、又は製造工程のタイプからのものであり得ることを意味する。

【0318】

この例示的な例では、第１の機械学習モデル３３０１は、履歴センサデータ３３０７を使用して訓練される。第２の機械学習モデル３３０２は、履歴センサデータ３３０７及び履歴処理条件３３０８を使用して訓練される。さらに、この例では、第３の機械学習モデル３３０３は、履歴処理条件３３０８及び履歴特性データ３３３０を使用して訓練される。これらの例では、履歴処理条件３３０８は、履歴投入材料３３００又は履歴設定３３０９の少なくとも一方を含むことができる。言い換えると、これらのタイプの処理条件の一方又は両方を訓練に使用することができる。

【0319】

履歴特性データ３３３０は、履歴処理条件３３０８の使用から存在したいくつかの履歴特性を指示する。１つの例示的な例では、訓練は、履歴処理条件３３０８、及びそれらの履歴処理条件から生じるいくつかの履歴特性を使用する。言い換えると、第３の機械学習モデル３３０３を訓練するために使用される訓練データは、履歴処理条件３３０８、及びそれらの処理条件の使用から生じる履歴特性を含む。

【0320】

次に図３４を参照すると、例示的な実施形態による、複合プリプレグの特性のリアルタイム予測のためのデータフローが図示されている。この例では、このデータフローにおいて、特性予測システム３４００を、図３０の特性予測システム３０００を使用して実装することができる。

【0321】

この例では、特性予測システム３４００は、オンライン物理検知システム３４０４からセンサデータ３４０２を受信する。オンライン物理検知システム３４０４は、プリプレグ機３４０６からのセンサデータ３４０２を生成するセンサの集合を備える。この例では、オンライン物理検知システム３４０４は、図３０のセンサシステム３０２１の実装形態の一例である。

【0322】

オンライン物理検知システム３４０４は、プリプレグ機３４０６上又はプリプレグ機内に統合することができる。このシステムは、例えば、ベータゲージセンサ、厚さセンサ、幅センサ、温度センサ、速度センサ、ギャップセンサ、光学センサ、フーリエ変換赤外（ＦＴＩＲ）分光計、引張りセンサ、及び他の適切なタイプのセンサを含むことができる。これらのセンサは、この材料が製造されているときの複合プリプレグ３４０７の物理的状態に関するリアルタイムデータとしてセンサデータ３４０２を生成し、プリプレグ機３４０６に関するデータも含める。

【0323】

プリプレグ機３４０６は、複合プリプレグ３４０７を製造するシステムであり、図３０の複合材料製造システム３０２３の実装形態の一例である。複合プリプレグ３４０７は、図３０の未固化複合材料３０２４の一例である。

【0324】

センサデータ３４０２を受信したことに応答して、特性予測システム３４００は、複合プリプレグ３４０７のいくつかの重要な特性３４０８をリアルタイムで予測する。この例では、いくつかの重要な特性３４０８は、図３０のいくつかの特性３０２６の一例である。さらに、この例では、重要な特性は、関連するものとして選択されるか、又は複合プリプレグ３４０７を評価する際に使用される特性である。この例では、いくつかの重要な特性３４０８を、複合プリプレグ３４０７の自動非破壊評価に使用することができる。この例示的な例では、いくつかの重要な特性３４０８は、繊維目付（ＦＡＷ）、樹脂含有量（ＲＣ）、厚さ、浸透のレベル、又はこの材料を評価する際の関心対象である複合プリプレグ３４０７に関する他の特性のうちの少なくとも１つから選択することができる。

【0325】

いくつかの重要な特性３４０８の予測により、プリプレグ機３４０６の動作を、複合プリプレグ３４０７が製造されている間にリアルタイムで調整することができる。この例では、特性予測システム３４００は、いくつかの措置３４５０を行うことができる。この例では、いくつかの措置３４５０は、プリプレグ機３４０６の動作を調整するためにプリプレグ機３４０６に命令を送信すること、警告を発すること、プリプレグ機３４０６によって行われる製造工程を停止すること、又は何らかの他の適切な措置を行うことのうちの少なくとも１つを含むことができる。

【0326】

結果として、複合プリプレグ３４０７が製造されているときにリアルタイムでこれらの調整を行うことにより、重要な特性３４０８に対して所望の特性を満たす複合プリプレグ３４０７の部分を増やすことができる。

【0327】

次に図３５を参照すると、例示的な実施形態による、モデルからの初期予測を使用して複合プリプレグの特性のリアルタイム予測を生成するデータフローが図示されている。この例では、このデータフローは、重要な特性３４０８のリアルタイム予測を生成するために特性予測システム３４００に実装することができる。

【0328】

この例では、モデルは、物理モデル３５００、センサデータ３４０２で訓練された第１の機械学習モデル、センサデータ及び処理条件で訓練された第２の機械学習モデル３５０２、並びに処理条件３５３０で訓練された第３の機械学習モデルを含む。図示のように、センサデータで訓練された第１の機械学習モデル３５０１は、図３３の第１の機械学習モデル３３０１の一例であり、センサデータ及び処理条件で訓練された第２の機械学習モデル３５０２は、図３３の第２の機械学習モデル３３０２の一例であり、処理条件３５０３で訓練された第３の機械学習モデルは、図３３の第３の機械学習モデル３３０３の一例である。

【0329】

この例では、センサデータ３４０２は、物理モデル３５００、センサデータで訓練された第１の機械学習モデル３５０１、センサデータ及び処理条件で訓練された第２の機械学習モデル３５０２に入力される。この例では、処理条件３５３０は、センサデータ及び処理条件で訓練された第２の機械学習モデル３５０２、及び処理条件３５０３で学習された第３の機械学習モデルに入力される。

【0330】

この例では、処理条件３５３０は、プリプレグ機３４０６の全体的な設定を反映する事前設定条件とすることができる。これらの条件は、複合プリプレグ３４０７の製造が開始する前に設定することができる。これらの設定は、プリプレグ機３４０６による複合プリプレグ３４０７の製造中に設定又は調整することができる。この例では、これらの設定は、例えば、樹脂溜りの温度、ニップローラ間の初期ギャップ、周囲温度、周囲湿度、及び繊維コームの角度などの設定とすることができる。これらの処理条件は、通常、特定のプリプレグ生産運転に対して固定される。これらの設定は、より高いコーム角度値などの複合プリプレグ３４０７の重要な特性３４０８に大きく影響する可能性があり、より高い繊維目付をもたらすことができる。

【0331】

処理条件３５３０は、センサで追跡される必要はない。これらの処理条件は、通常、複合プリプレグの製造中に変化しない。処理条件３５３０は、例えば、プリプレグ機の投入材料又は設定とすることができる。

【0332】

これらの例では、いくつかの異なる処理条件が存在する複合プリプレグの製造からの複数の運転から収集されたデータを使用することができる。このデータは、いくつかの処理条件から生じる重要な特性についてのものとすることができる。複合材料に対して検出された重要な特性及びいくつかの処理条件は、処理条件３５３０で訓練された第３の機械学習モデルを訓練するために使用するための訓練データセットを形成することができる。

【0333】

例えば、異なる数の繊維トウを使用した運転から得られた複合プリプレグの繊維目付を、処理条件３５３０で訓練された第３の機械学習モデルを訓練する際に使用することができる。この例では、トウの数及び運転から得られた複合プリプレグの繊維目付が訓練データセットを形成する。例えば、異なる運転における３４本の繊維トウ、３２本の繊維トウ、及び４０本の繊維トウを使用した結果として得られた複合プリプレグの繊維目付を、この機械学習モデルを訓練するために使用される訓練データセット内の訓練データとして収集することができる。

【0334】

別の例では、異なる繊維コーム角度を使用した運転から得られた複合プリプレグの特性について訓練データを収集することができる。例えば、複合プリプレグの特性は、０度の繊維コーム角度及び３１度の繊維コームを使用して複合プリプレグを製造する運転から決定することができる。さらに、これらの訓練データセットで訓練された結果として生じる処理条件３５３０で訓練された第３の機械学習モデルは、入力として処理条件を受け取り、入力された１以上の処理条件に基づいて特性の予測を出力することができる。

【0335】

これらの入力を用いて、モデルは初期予測を生成する。例えば、物理モデル３５００は初期予測３５６１を出力し、センサデータ３４０２で訓練された第１の機械学習モデルは初期予測３５６１を出力し、センサデータ及び処理条件で訓練された第２の機械学習モデル３５０２は初期予測３５６２を出力し、処理条件３４０３で訓練された第３の機械学習モデルは初期予測３５６３を出力する。

【0336】

物理モデル３５００は、複合プリプレグの製造のために以前の運転からのデータに依拠しない。例えば、物理モデル３５００は、浸透性方程式を実装することができる。この方程式は、初期予測３５６１として、浸透のレベル又は複合プリプレグの厚さの減少を算出するために使用される。浸透のレベルは、プリプレグの厚さの圧縮又は減少を提供する。浸透のレベルは、乾燥繊維中に浸透した樹脂の量である。厚さのこの特性は、距離又は厚さの割合として定義することができる。このタイプのモデルは、リアルタイムのセンサデータ、及び浸透現象を規定する微分方程式を使用する。

【0337】

この例では、センサデータで訓練された第１の機械学習モデル３５０１は、以前の複合プリプレグ生産運転中に収集されたセンサデータの履歴を使用して訓練されている。例えば、この機械学習モデルは、以前のプリプレグの実行中に収集された坪量センサの履歴、及び以前の複合プリプレグの分析から得られた繊維目付（ＦＡＷ）値を使用して訓練されている。一度訓練されると、このモデルは、プリプレグ機３４０６内のベータゲージセンサから坪量値をリアルタイムで受信し、初期予測３５６２として繊維目付予測をリアルタイムで出力することができる。

【0338】

さらに、この例示的な例では、センサデータ及び処理条件で訓練された第２の機械学習モデル３５０２は、以前に実行された複合プリプレグ運転からのセンサデータと事前設定条件の両方を使用して訓練される。例えば、この機械学習モデルは、繊維コーム角度とスリッティング事前設定条件の両方、及び坪量の履歴センサデータで訓練することができる。この訓練により、機械学習モデルは、繊維コーム角度の事前設定条件及び坪量のリアルタイムセンサデータを入力として、繊維目付の初期予測３５６２をリアルタイムで出力することができる。

【0339】

さらに、これらの例では、処理条件３５３０で訓練された第３の機械学習モデルは、処理条件及び予測されるべき履歴の重要な特性を使用して訓練されている。例えば、以前に実行された複合プリプレグ生産からの繊維目付の以前の測定値を、この機械学習モデルを訓練するために、それらの運転からの異なる繊維コーム角度と共に使用することができる。

【0340】

この機械学習モデルは、選択された繊維コーム角度に対する繊維目付の初期予測３５６３を出力する。

【0341】

これらの初期予測は、融合部３５０６に送られる。融合部３５０６は、特性予測システム３４００に実装することができる。この構成要素は、これらの初期予測をマージ、融合、結合、又は他の方法で使用してリアルタイム予測３５０７を生成することができる。このリアルタイム予測は、図３０の最終予測３０２８の一例である。

【0342】

この例では、融合部３５０６は、異なるモデルからの２つ以上の初期予測の任意の組合せを使用することができる。言い換えると、融合部３５０６は、これらのモデルからの初期予測の全部又は一部の組合せを使用して、リアルタイム予測３５０７を生成することができる。

【0343】

例えば、リアルタイム予測の繊維目付及び樹脂含有量が所望の特性であってもよい。この例では、センサデータ３４０２は、ベータゲージセンサの出力である。ベータゲージセンサのデータは、繊維目付及び樹脂含有量のリアルタイム情報源を得るために、プリプレグ工程で使用された紙及び樹脂の重量と共に物理モデル３５００において使用される。さらに、この例では、処理条件３５３０で訓練された第３の機械学習モデルを、以前に行われたプリプレグ運転の最終品目検査の繊維目付と繊維コーム角度との間に構築することができる。この機械学習モデルから得られる繊維目付予測の初期予測は、繊維コーム角度及び繊維目付に基づくものである。物理モデル３５００から得られる樹脂含有量予測は、坪量センサデータに基づくものである。これらの予測は、繊維目付及び樹脂含有量のリアルタイム予測を得るためにこの段階で互いに融合される。

【0344】

融合部３５０６は、これらの初期予測からリアルタイム予測３５０７を生成するために、いくつかの異なる技術を実装する。例えば、限定はしないが、融合操作は、複数のモデルからリアルタイム予測３５０７を生成することができ、いくつかの異なる融合方法を含むことができる。

【0345】

例えば、重要な特性の値の初期予測の平均値が、その形態の異なるモデルを形成する。例えば、２つの機械学習モデル及び１つの物理モデルを用いて、繊維目付の初期予測を得ることができる。これらの予測を、ＦＡＷ＿（ＭＬ＿１）、ＦＡＷ＿（ＭＬ＿２）、ＦＡＷ＿ＰＢと呼ぶことができる。融合操作は、ＦＡＷ＿ｆｉｎａｌ＝（ＦＡＷ＿（ＭＬ＿１）＋ＦＡＷ＿（ＭＬ＿２）＋ＦＡＷ＿ＰＢ）／３とすることができる。融合は、異なるモデルからの異なる予測を単一の予測に結合する操作である。

【0346】

さらに、各予測に重み付けして、リアルタイム予測３５０７を生成する際に異なる予測に異なるレベル及び影響を与えることができる。これは、１つのモデルの初期予測が他のモデルからの初期予測よりも正確で信頼できると考えられる場合に有用になる。これらの重みは、いくつかの方法で決定することができる。例えば、重み付けは、モデルから算出されたユーザー経験又は不確実性に基づくものとすることができる。例えば、ベイズ線形回帰やガウス過程回帰などのベイズ機械学習モデルは、予測だけでなく、予測と関連付けられた不確実性も提供する。

【0347】

これらの不確実性は、予測を重み付けする際に使用することができる。例えば、逆分散重み付けは、複数のモデル予測の融合においてこれらの不確実性を使用することができる。逆分散重み付けは、各モデルの予測をその不確実性に反比例して重み付けする。モデルからの予測の不確実性が高いほど、そのモデルからの予測に低い重み付けが与えられることを意味する。

【0348】

２つのモデル予測の融合では、第１のモデルの不確実性が第２のモデルよりも低い場合、融合の結果は第１のモデルの結果により近くなる。また、異なるモデルからの結果の融合は、単一の操作で行われる必要はない。異なる融合操作を連続して行うことができ、各融合操作は異なるアルゴリズムを使用することができる。

【0349】

例えば、繊維目付の初期予測が２つの機械学習モデル及び１つの物理モデルからのものである場合、逆分散重み付けを使用して、機械学習モデルの結果を単一の繊維目付予測に融合することができる。次いで、この予測を、カルマンフィルタを使用して物理モデルからの繊維目付予測と融合することができる。

【0350】

言い換えると、融合は、異なるモデルからの予測を一緒にして最終予測を得る操作である。したがって、融合部３５０６による予測は、平均化、逆分散重み付け、カルマンフィルタ、投票回帰器、バギング回帰器、スタッキング回帰器、又は他の適切な技術のうちの少なくとも１つを含むことができる。さらに、この例では、融合部３５０６によって実装される選択された融合技術をすべてのモデルの予測に適用することもできるし、又は複数のタイプの融合技術を連続的にモデルのサブセットに適用することもできる。

【0351】

図３４及び図３５のデータフローの図は、特性予測システムに実装することができるデータフローの一例として提示されており、他の例においてデータフローを実装することができる方法を限定するためのものではない。例えば、融合部３５０６は、センサデータ３４０２を、モデルのうちの１つによって行われた初期予測のうちの１つと融合することができる。例えば、厚さのリアルタイム予測３５０７を、センサデータ３４０２内の生の厚さを、厚さの減少を予測する浸透性の物理モデル３５００と融合することによって得ることができる。

【0352】

次に図３６を参照すると、例示的な実施形態による、リアルタイム厚さ予測のためのデータフローが図示されている。この例では、圧縮モデル３６００は物理モデルであり、厚さ機械学習モデル３６０１は履歴処理条件を使用して訓練された機械学習モデルである。

【0353】

圧縮モデル３６００は、温度３６１１の形式のセンサデータを使用して初期厚さ予測３６６１を出力する。厚さ機械学習モデル３６０１は、繊維コーム角度３６２１の形式の処理条件を使用して訓練された機械学習モデルである。厚さ機械学習モデル３６０１は、繊維コーム角度３６２１を入力として初期厚さ予測３６６２を出力する。

【0354】

この例では、これらの初期厚さ予測は、リアルタイム厚さ予測３６７１を生成する処理のために融合部３６７０に送られる。

【0355】

さらに、初期厚さ予測３６６１を生成するために使用される温度３６１１などのセンサデータは、プリプレグ機３４０６内の経路３６８０の始点３６８１と終点３６８２との間の異なる箇所の温度センサによって作成することができる。この例では、繊維３８８６が経路３６８０の始点３６８１で導入され、複合プリプレグ３４０７が経路３６８０の終点３６８２で出力される。

【0356】

経路３６８０に沿った異なる箇所で温度３６１１を測定することによって、圧縮モデル３６００は、経路３６８０に沿ったそれらの箇所に対して繊維の初期厚さ予測を生成することができる。

【0357】

例えば、圧縮モデル３６００は、プリプレグ機３４０６内の経路３６８０に沿った異なる箇所に対して初期厚さ予測３６６１を生成することができる。これらの異なる予測は、成功までの経路に沿った箇所に配置され得るセンサによる厚さの異なる測定値と融合することができる。

【0358】

この例では、経路３６８０に沿って温度３６１１が測定される箇所に応じて、圧縮モデル３６００によって生成された初期厚さ予測３６６１に異なる量の不確実性が存在する可能性がある。例えば、処理されている繊維が複合プリプレグ３４０７の完成形態により近くなっていくときに、モデルによって使用される測定値が経路３６８０の終点３６８２のより近くで取られるようになるにつれて不確実性が減少する可能性がある。

【0359】

この例では、圧縮モデル３６００によって行われた初期厚さ予測３６６１の確実性を決定するために、融合部３６７０によって厚さ３６１２を使用することができる。例えば、温度３６１１が測定された箇所に対応する１以上の箇所で、厚さセンサを使用して厚さ３６１２の測定値が生成される。これらの厚さを、融合部３６７０によって、圧縮モデル３６００によって生成された初期厚さ予測と比較して、それらの初期予測の不確実性を決定することができる。

【0360】

別の例として、不確実性はまた、経路３６８０に沿って異なるセンサによって行われた測定の精度が変化するにつれて変化する可能性もある。言い換えると、経路３６８０に沿った異なるセンサは、センサによって生成されるセンサデータに異なるレベルの不確実性をもたらす異なるレベルの精度を有する可能性がある。この例では、公差外で動作しているセンサは、公差内で動作しているセンサデータを使用して生成された初期予測と比較して、より高いレベルの不確実性を有する初期予測をもたらす。

【0361】

さらに、厚さ機械学習モデル３６０１もまた、初期厚さ予測３６６２が正しい確率を出力することができる。この確率もまた、当該予測の不確実性としても使用することができる。結果として、融合部３６７０は、これらの予測を融合してリアルタイム厚さ予測３６７１を形成する際に、初期厚さ予測３６６１及び初期厚さ予測３６６２の不確実性を使用することができる。

【0362】

したがって、リアルタイム厚さ予測３６７１は、融合部３６７０によって、初期厚さ予測３６６１及び初期厚さ予測３６６２を融合することによって生成される。これらの例では、これらの予測の融合は、予測の不確実性を考慮に入れる。これらの例では、予測の不確実性は、モデルによって引き起こされる不確実性又は予測に使用されるセンサデータの確実性の少なくとも一方に影響を及ぼす可能性がある。

【0363】

次に図３７を参照すると、例示的な実施形態による、リアルタイム繊維目付予測ためのデータフローが図示されている。この例では、繊維目付物理モデル３７００は物理モデルであり、繊維目付機械学習モデル３７０２は、繊維コーム角度の形式の履歴処理条件を使用して訓練された機械学習モデルである。

【0364】

この例では、繊維目付物理モデル３７００は、ベータゲージセンサ３７５０から坪量３７１１を受信したことに応答して、初期繊維目付予測３７６１をリアルタイムで出力する。このモデルは、坪量３７１１から樹脂及び紙の重量を減算して、初期繊維目付予測を生成する。

【0365】

繊維目付機械学習モデル３７０２は、繊維コーム角度、及びそれらの角度を使用して測定された結果として得られた繊維角度重みを使用して訓練されている。繊維目付機械学習モデル３７０２は、入力として繊維コーム角度３７２１の形式の処理条件を受け取ったことに応答して、初期繊維目付予測３７６２を出力する。

【0366】

これらの初期目付予測は、融合部３６７０によって受け取られる。この融合構成要素は、これらの初期予測を使用して、リアルタイム繊維目付予測３７７１を生成する。

【0367】

この例では、ベータゲージセンサの読み取り値は不確実性を有する。ベータゲージセンサの読み取り値及び不確実性は、それぞれ、β及び

【数1】

で表される。フィルムロール重量（ＲＷ_１，ＲＷ_２）は、紙重量及び樹脂重量を含む。これらのフィルムロール重量も不確実性を有する可能性がある。物理モデル（ＦＡＷ_Ｍ１）及び不確実性による繊維目付の予測、物理モデルの

【数2】

は、以下の通りである。
ＦＡＷ_Ｍ１＝β－ＲＷ_１－ＲＷ_２

【数3】

【0368】

次に図３８を参照すると、例示的な実施形態による、リアルタイム繊維目付予測のためのデータフローが図示されている。この例では、繊維目付機械学習モデル３８００及び繊維目付機械学習モデル３８０１が、初期繊維目付予測を生成するために使用される。

【0369】

図示のように、繊維目付機械学習モデル３８００は、入力として坪量３７１１を受け取ったことに応答して初期繊維目付予測３８６１を出力するように訓練されている。坪量３７１１は、ベータゲージセンサ３６５０からリアルタイムで受信される。この例では、繊維目付機械学習モデル３８０１は、カメラ３６５１からプリプレグ幅３６１６をリアルタイムで受信したことに応答して初期繊維目付予測３８６２を出力するように訓練されている。

【0370】

これらの初期予測は、融合部３６７０に送られる。この構成要素は、これらの初期予測を使用してリアルタイム繊維目付予測３８７１を生成する。

【0371】

この例では、ベータゲージセンサ３６５０及びカメラ３６５１は、プリプレグ機３４０６内の経路３６８０に沿った異なる箇所にあってもよい。この例では、ベータゲージセンサ３６５０はベータゲージセンサ箇所３８５０にあり、カメラ３６５１は経路３６８０に沿ったカメラ箇所３８５１にある。この例では、カメラ３６５１は、ベータゲージセンサ３６５０よりも経路３６８０内で先に配置されている。

【0372】

この例では、初期予測は、これらのモデルによってリアルタイムで行われ、タイムスタンプを使用して互いに相関させることができる。例えば、樹脂が経路３６８０に沿って移動する速度で、経路３６８０の特定の部分の箇所を追跡することができる。結果として、繊維のその特定の部分について繊維目付機械学習モデル３８００及び繊維目付機械学習モデル３８０１によって行われた樹脂のその部分内の繊維の初期予測を、互いに相関させることができる。結果として、リアルタイム繊維目付予測３８７１を形成するために融合部３６７０によって行われる初期予測の融合は、繊維の同じ部分に対して行われる。

【0373】

図３６～図３８の機械学習モデルのデータフローの図は、厚さや繊維目付などの特性のリアルタイム予測を生成するために使用することができるボトルのいくつかの組合せの例である。これらの図は、他の例示的な例を実装することができる方法を限定するためのものではない。

【0374】

例えば、モデルの組合せを使用することができ、他のタイプの特性を予測することができる。例えば、２つの物理モデル及び１つの機械学習モデルを使用して、重要な特性を予測することができる。別の例では、４つの物理モデル及び２つの機械学習モデルを使用して、重要な特性を予測することができる。

【0375】

さらに別の例示的な例では、モデルは、２つ以上の重要な特性を予測することができる。さらに、樹脂粘度及び樹脂含有量を含む繊維目付及び厚さに加えて、又はその代わりに、他のタイプの重要な特性を予測することもできる。

【0376】

図３９を参照すると、例示的な実施形態による、未固化複合材料のいくつかの特性を予測するための工程のフローチャートが図示されている。図３９の工程は、ハードウェア、ソフトウェア、又はその両方で実装することができる。ソフトウェアで実装される場合、工程は、１以上のコンピュータシステムにおいて１以上のハードウェアデバイス内に配置された１以上のプロセッサユニットによって実行されるプログラムコードの形態をとることができる。例えば、工程は、図３０のコンピュータシステム３０１２内の予測マネージャ３０１４に実装することができる。

【0377】

工程は、未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムで受信したセンサデータ、いくつかの物理モデル、及びいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性の初期予測を生成し、いくつかの機械学習モデルは、センサデータを使用していくつかの初期予測を生成するように訓練される（動作３９００）。工程は、未固化複合材料の製造中にリアルタイムで、いくつかの物理モデル及びいくつかの機械学習モデルから、完成形態の未固化複合材料のいくつかの特性の初期予測の不確実性を決定する（動作３９０２）。

【0378】

工程は、不確実性を使用していくつかの特性の初期予測と重みを関連付ける（動作３９０４）。工程は、初期予測及び初期予測と関連付けられた重みに基づいていくつかの特性の最終予測を決定する（動作３９０６）。その後工程は終了する。

【0379】

次に図４０を参照すると、例示的な実施形態による、処理条件を調整するための工程のフローチャートが図示されている。この図に示す工程は、図３９の動作と共に行うことができる追加の動作の一例である。

【0380】

工程は、最終予測に基づいて複合材料製造システムのいくつかの処理条件を調整する（動作４０００）。その後工程は終了する。動作４０００において、いくつかの処理条件は、複合材料製造システムに投入される材料、複合材料製造システムの設定の少なくとも一方から選択することができる。

【0381】

図４１を参照すると、例示的な実施形態による、最終予測を決定するための工程のフローチャートが図示されている。この図の工程は、図３９の動作３９０６のための実装形態の一例である。

【0382】

工程は、投票回帰、スタッキング回帰、又はバギング推定器のうちの少なくとも１つを使用して、初期予測及び初期予測と関連付けられた重みに基づいていくつかの特性の最終予測を決定する（動作４１００）。その後工程は終了する。

【0383】

次に図４２を参照すると、例示的な実施形態による、未固化複合材料のいくつかの特性を予測するための工程のフローチャートが図示されている。図４２の工程は、ハードウェア、ソフトウェア、又はその両方で実装することができる。ソフトウェアで実装される場合、工程は、１以上のコンピュータシステムにおいて１以上のハードウェアデバイス内に配置された１以上のプロセッサユニットによって実行されるプログラムコードの形態をとることができる。例えば、工程は、図３０のコンピュータシステム３０１２内の予測マネージャ３０１４に実装することができる。

【0384】

工程は、未固化複合材料の製造中に複合材料製造システムからリアルタイムでセンサデータを受信する（動作４２００）。工程は、いくつかの物理モデル、及びデータを使用して訓練されたいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで、完成形態の未固化複合材料のいくつかの特性の初期予測を生成する（動作４２０２）。

【0385】

工程は、初期予測に基づいていくつかの特性に対してリアルタイムで最終予測を決定する（動作４２０４）。その後工程は終了する。

【0386】

例示的な例のいくつかの形態を以下の付記項に記載する。これらの付記項は、形態の例であり、他の例示的な例を限定することを意図するものではない。

【0387】

付記項１
コンピュータシステムと、
コンピュータシステムに配置された予測マネージャと、
を備え、
予測マネージャが、
未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムで受信したセンサデータ、いくつかの物理モデル、及びいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性の初期予測を生成し、いくつかの機械学習モデルが、センサデータを使用していくつかの初期予測を生成するように訓練され、
未固化複合材料の製造中にリアルタイムで、いくつかの物理モデル及びいくつかの機械学習モデルから、完成形態の未固化複合材料のいくつかの特性の初期予測の不確実性を決定し、
不確実性を使用していくつかの特性の初期予測と重みを関連付け、
初期予測及び初期予測と関連付けられた重みに基づいていくつかの特性の最終予測を決定する、
ように構成されている、特性予測システム。

【0388】

付記項２
最終予測に基づいて複合材料製造システムのいくつかの処理条件を調整するように構成されているコントローラ
をさらに備える、付記項１に記載の特性予測システム。

【0389】

付記項３
いくつかの処理条件は、複合材料製造システムに投入される材料、複合材料製造システムの設定の少なくとも一方から選択される、付記項２に記載の特性予測システム。

【0390】

付記項４
いくつかの物理モデルは、熱モデル、浸透モデル、レオロジーモデル、樹脂の濾過レベルを算出する浸透性モデル、複合プリプレグの厚さの低減を算出する厚さモデル、又は樹脂の濾過レベルを算出する樹脂浸透モデルのうちの少なくとも１つから選択される、付記項１から３のいずれか一項に記載の特性予測システム。

【0391】

付記項５
いくつかの機械学習モデルは、未固化複合材料の製造中にいくつかの複合材料製造システムからの履歴センサデータを使用して訓練された第１の機械学習モデル、履歴センサデータ及び履歴処理条件を使用して訓練された第２の機械学習モデル、又は履歴処理条件及びいくつかの履歴特性を使用して訓練された第３の機械学習モデルのうちの少なくとも１つから選択される、付記項１から４のいずれか一項に記載の特性予測システム。

【0392】

付記項６
不確実性は、初期予測の生成の一部としていくつかの機械学習モデルによって生成される、付記項１から５のいずれか一項に記載の特性予測システム。

【0393】

付記項７
予測マネージャは、
最終予測を決定する際に、
投票回帰、スタッキング回帰、又はバギング推定器のうちの少なくとも１つを使用して、初期予測及び初期予測と関連付けられた重みに基づいていくつかの特性の最終予測を決定する、
ように構成されている、付記項１から６のいずれか一項に記載の特性予測システム。

【0394】

付記項８
いくつかの特性は、繊維目付、樹脂含有量、プリプレグの厚さ、プリプレグ浸透レベル、プリプレグ・タック・レベル、プリプレグ繊維目付、樹脂フィルム目付、樹脂フィルムの厚さ、剥離ライナー目付、剥離ライナーの厚さ、又は積層構造特性のうちの少なくとも１つから選択される、付記項１から７のいずれか一項に記載の特性予測システム。

【0395】

付記項９
センサデータは、特性データ及び生産データを含む、付記項１から８のいずれか一項に記載の特性予測システム。

【0396】

付記項１０
複合材料製造システムは、炭素繊維プリプレグ・コーティング・ライン、強化繊維樹脂含浸ライン、樹脂混合処理システム、樹脂フィルム加工ライン、プリプレグシステム、及びスリット加工システムのうちの１つである、付記項１から９のいずれか一項に記載の特性予測システム。

【0397】

付記項１１
特性予測システムであって、
コンピュータシステムと、
コンピュータシステムに配置された予測マネージャと、
を備え、
予測マネージャが、
未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムでセンサデータを受信し、
いくつかの物理モデル、及びセンサデータを使用して初期予測を生成するように訓練されたいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性の初期予測を生成し、
初期予測に基づいていくつかの特性に対してリアルタイムで最終予測を決定する、
ように構成されている、特性予測システム。

【0398】

付記項１２
予測マネージャは、
未固化複合材料の製造中にリアルタイムで、いくつかの物理モデル及びいくつかの機械学習モデルから、未固化複合材料のいくつかの特性の初期予測の不確実性を受け取り、
不確実性を使用していくつかの特性の初期予測と重みを関連付ける、ように構成され、
予測マネージャが、
最終予測を決定する際に、
初期予測及び初期予測と関連付けられた重みに基づいていくつかの特性の最終予測を決定する、ように構成されている、付記項１１に記載の特性予測システム。

【0399】

付記項１３
いくつかの物理モデルは、熱モデル、浸透モデル、レオロジーモデル、樹脂の濾過レベルを算出する浸透性モデル、複合プリプレグの厚さの低減を算出する厚さモデル、又は樹脂の濾過レベルを算出する樹脂浸透モデルのうちの少なくとも１つから選択される、付記項１１又は１２に記載の特性予測システム。

【0400】

付記項１４
いくつかの機械学習モデルは、未固化複合材料の製造中にいくつかの複合材料製造システムからの履歴センサデータを使用して訓練された第１の機械学習モデル、履歴センサデータ及び履歴処理条件を使用して訓練された第２の機械学習モデル、又は履歴処理条件及びいくつかの履歴特性を使用して訓練された第３の機械学習モデルのうちの少なくとも１つから選択される、付記項１１から１３のいずれか一項に記載の特性予測システム。

【0401】

付記項１５
未固化複合材料のいくつかの特性を予測するための方法であって、方法は、
未固化複合材料の製造中に複合材料製造システム用のセンサシステムからリアルタイムで受信したセンサデータ、いくつかの物理モデル、及びいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性の初期予測を生成するステップであって、いくつかの機械学習モデルが、センサデータを使用していくつかの初期予測を生成するために履歴センサデータを使用して訓練される、ステップと、
未固化複合材料の製造中にリアルタイムで、いくつかの物理モデル及びいくつかの機械学習モデルから、完成形態の未固化複合材料のいくつかの特性の初期予測の不確実性を決定するステップと、
不確実性を使用していくつかの特性の初期予測と重みを関連付けるステップと、
初期予測及び初期予測と関連付けられた重みに基づいていくつかの特性の最終予測を決定するステップと、
を含む、方法。

【0402】

付記項１６
最終予測に基づいて複合材料製造システムのいくつかの処理条件を調整するステップ、をさらに含む、付記項１５に記載の方法。

【0403】

付記項１７
いくつかの処理条件は、複合材料製造システムに投入される材料、複合材料製造システムの設定の少なくとも一方から選択される、付記項１６に記載の方法。

【0404】

付記項１８
いくつかの物理モデルは、熱モデル、浸透モデル、レオロジーモデル、樹脂の濾過レベルを算出する浸透性モデル、複合プリプレグの厚さの低減を算出する厚さモデル、又は樹脂の濾過レベルを算出する樹脂浸透モデルのうちの少なくとも１つから選択される、付記項１５から１７のいずれか一項に記載の方法。

【0405】

付記項１９
いくつかの機械学習モデルは、履歴センサデータを使用して訓練された第１の機械学習モデル、履歴センサデータ及び履歴処理条件を使用して訓練された第２の機械学習モデル、又は履歴処理条件及びいくつかの履歴特性を使用して訓練された第３の機械学習モデルのうちの少なくとも１つから選択される、付記項１５から１８のいずれか一項に記載の方法。

【0406】

付記項２０
履歴センサデータは、履歴データ及び生産データを含む、付記項１９に記載の方法。

【0407】

付記項２１
不確実性は、いくつかの機械学習モデルによって初期予測の生成の一部として生成される、付記項１５から２０のいずれか一項に記載の方法。

【0408】

付記項２２
最終予測を決定するステップは、
投票回帰、スタッキング回帰、又はバギング推定器のうちの少なくとも１つを使用して、初期予測及び初期予測と関連付けられた重みに基づいていくつかの特性の最終予測を決定するステップ、
を含む、付記項１５から２１のいずれか一項に記載の方法。

【0409】

付記項２３
いくつかの特性は、繊維目付、樹脂含有量、プリプレグの厚さ、プリプレグ浸透レベル、プリプレグ・タック・レベル、プリプレグ繊維目付、樹脂フィルム目付、樹脂フィルムの厚さ、剥離ライナー目付、剥離ライナーの厚さ、又は積層構造特性のうちの少なくとも１つから選択される、付記項１５から２２のいずれか一項に記載の方法。

【0410】

付記項２４
センサデータは、特性データ及び生産データを含む、付記項１５から２３のいずれか一項に記載の方法。

【0411】

付記項２５
複合材料製造システムは、炭素繊維プリプレグ・コーティング・ライン、強化繊維樹脂含浸ライン、樹脂混合処理システム、樹脂フィルム加工ライン、プリプレグシステム、及びスリット加工システムである、付記項１５から２４のいずれか一項に記載の方法。

【0412】

付記項２６
未固化複合材料のいくつかの特性を予測するための方法であって、
方法は、
未固化複合材料の製造中の複合材料製造システムからリアルタイムでセンサデータを受信するステップと、
いくつかの物理モデル及びデータを使用して訓練されたいくつかの機械学習モデルを使用して、複合材料製造システムにおける未固化複合材料の製造中にリアルタイムで完成形態の未固化複合材料のいくつかの特性の初期予測を生成するステップと、
初期予測に基づいていくつかの特性に対してリアルタイムで最終予測を決定するステップと、
を含む、方法。

【0413】

異なる例示的な実施形態の説明は、例示及び説明を目的として提示しており、網羅的であることも、開示の形態の実施形態に限定することも意図するものではない。異なる例示的な例は、措置又は動作を行う構成要素を説明している。例示的な実施形態では、構成要素を、記載の措置又は動作を行うように構成することができる。例えば、構成要素は、例示的な例において構成要素によって行われるものとして説明されている措置又は動作を行う能力を構成要素に与える構造の構成又は設計を有することができる。さらに、「含む(includes)」、「含む(including)」、「有する(has)」、「含有する(contains)」という用語、及びそれらの変形は、本明細書で使用される限りにおいて、いかなる追加要素又は他の要素も排除しないオープンな移行語としての「備える(comprises)」という用語と同様に包括的であることを意図されている。

【0414】

当業者には多くの修正及び変形が明らかであろう。さらに、異なる例示的な実施形態は、他の望ましい実施形態と比較して異なる形態を提供する場合がある。選択された１以上の実施形態は、実施形態の原理、実用的応用を最もよく説明すると共に、当業者が、企図される特定の用途に適した様々な修正を伴う様々な実施形態のために本開示を理解することを可能にするために選択され、説明されている。

【符号の説明】

【0415】

１００ ネットワークデータ処理システム、１０２ ネットワーク、１０４ サーバーコンピュータ、１０６ サーバーコンピュータ、１０８ 記憶ユニット、１１０ クライアントデバイス、１１２ クライアントコンピュータ、１１４ クライアントコンピュータ、１１６ クライアントコンピュータ、１１８ プリプレグシステム、１２０ タブレットコンピュータ、１２２ スマートグラス、１３０ 複合材料製造施設、１３２ 複合材料マネージャ、１３４ センサデータ、１３６ コマンド、１３８ 機械学習モデル、２００ 複合材料製造環境、２０２ 複合材料管理システム、２０３ デジタルツイン、２０４ 未固化複合材料、２０５ 複合材料部品、２０８ 複合材料製造システム、２０９ 箇所、２１０ コンピュータシステム、２１２ 複合材料マネージャ、２１４ プロセッサユニット、２１６ プログラム命令、２１８ センサデータ、２２０ センサシステム、２２２ センサ、２２４ 予測特性、２２６ 部分、２２７ 完成した製品、２２８ 特性、２３０ 品質レベル、２３２ 予測品質レベル、２３３ モデル、２３４ 機械学習モデル、２３５ 物理モデル、２３６ 機械学習モデル、２３７ ハイブリッドモデル、２３９ 物理モデル、２４０ 訓練データセット、２４１ 措置、２４２ 履歴センサデータ、２４３ 統計モデル、２４４ 履歴特性、２４５ 履歴上流情報、２４６ 上流情報、２５１ 初期予測特性、２５５ 完成した製品、２９１ 是正措置、３００ マーキング措置、３０１ 是正措置、３０２ 部分、３０３ 調整措置、３０４ 使用不可、３０５ 変更措置、３０６ 使用可能、３０７ パラメータ、３０８ 品質レベル、３０９ 第１の公差、３１０ 複合材料部品タイプ、３１１ 第１のタイプの使用、３１２ 公差、３１３ 第２の公差、３１４ マーカ、３１５ 第２のタイプの使用、３１６ 情報、３１７ 後続部分、３１９ 原材料、４００ 製造工程フロー、４０２ 未固化複合材料生産工程投入、４０４ 未固化複合材料生産物理プラント、４０６ データ前処理、４０８ 材料及び設定、４１０ 未固化複合材料生産工程出力、４１２ リアルタイム品質記録、５００ 複合材料製造システム、５０１ 未フィルム加工紙ロール、５０２ ニップ、５０３ 紙、５０４ ローラ、５０５ 樹脂、５０６ ローラ、５０８ ギャップ、５１０ 樹脂ダム、５１１ フィルム加工紙ロール、５１２ 紙巻き戻し機、５１４ フィルム加工紙、５２０ センサ、５２２ センサ、６００ 複合材料製造システム、６０２ 第１フィルム加工ロール、６０３ フィルム加工紙、６０４ 第２フィルム加工ロール、６０５ フィルム加工紙、６０６ 第１ニップ、６０８ ローラ、６１０ ローラ、６１２ 第１ニップギャップ、６１４ 第２ニップ、６１６ ローラ、６１８ ローラ、６２０ 第２ニップギャップ、６２２ 第３ニップ、６２４ ローラ、６２６ ローラ、６２８ 第３ニップギャップ、６３０ 第４ニップ、６３２ ローラ、６３４ ローラ、６３６ 第４ニップギャップ、６３７ 繊維クリール、６３８ 繊維、６３９ コーム、６４０ ホットプレート、６４１ スプレッダーバー、６４２ ホットプレート、６４４ コールドプレート、６４５ ブレーキ、６４６ ブレーキ、６４８ プリプレグ、６５０ プリプレグロール、６５２ ローラ、６５４ 紙ロール、６５６ スリッター、６６０ センサ箇所、６６２ センサ箇所、６６４ センサ箇所、６６６ センサ箇所、６６７ センサ箇所、６６９ センサ箇所、６７１ センサ箇所、７００ 部分、７０２ 未固化複合材料、７０４ 第１の点、７０６ 第２の点、７０７ 矢印、７０８ 複合材料製造システム、７１０ 措置、７１２ プリプレグ、７１４ 特性、７１５ 時間間隔、７１６ センサ、７１８ センサ箇所、７１９ 特定の部分、７２０ 措置、７２２ センサデータ、７２３ 測定値、７２５ メタデータ、８００ 第１点、８０２ 第２点、８０４ ローラ、８０６ ローラ、８０７ プリプレグ、８０８ センサ、８０９ 矢印、８１０ センサ、８１２ センサ箇所、８１４ プリプレグの上側、８１６ プリプレグの底側、８２０ 第１点における引張り、８２２ 第２点における引張り、８２４ 部分、９００ センサ、９０２ プリプレグの第１の側、９０４ センサ、９０６ プリプレグの第２の側、２６００ データ処理システム、２６０２ 通信フレームワーク、２６０４ プロセッサユニット、２６０６ メモリ、２６０８ 永続記憶装置、２６１０ 通信ユニット、２６１２ 入力／出力ユニット、２６１４ ディスプレイ、２６１６ 記憶デバイス、２６１８ プログラム命令、２６２０ コンピュータ読み取り可能な媒体、２６２２ コンピュータプログラム製品、２６２４ コンピュータ読み取り可能な記憶媒体、２７００ 航空機の製造及び保守点検方法、２７０２ 仕様及び設計、２７０４ 材料調達、２７０６ 構成要素及び部分組立品の製造、２７０８ システム統合、２７１０ 認証及び搬送、２７１２ 就航中、２７１４ 整備及び保守点検、２８００ 航空機、２８０２ 機体、２８０４ システム、２８０６ 内部、２８０８ 推進システム、２８１０ 電気システム、２８１２ 油圧システム、２８１４ 環境システム、２９００ 製品管理システム、２９０２ 製造システム、２９０４ 整備システム、２９０６ 製造機器、２９０８ 製作機器、２９１０ 組立機器、２９１２ 整備機器、２９１４ 制御システム、２９１６ 人間のオペレータ、３０００ 特性予測システム、３０１１ 不確実性、３０１２ コンピュータシステム、３０１４ 予測マネージャ、３０１６ プロセッサユニット、３０１８ プログラム命令、３０１９ 重み、３０２０ センサデータ、３０２１ センサシステム、３０２３ 複合材料製造システム、３０２４ 未固化複合材料、３０２５ 初期予測、３０２６ 特性、３０２７ 完成形態、３０２８ 最終予測、３０３０ モデルシステム、３０３１ 物理モデル、３０３２ 機械学習モデル、３０５０ コントローラ、３０５１ 処理条件、３０８１ センサ、３０８２ 箇所、３０８３ 経路、３１００ 投入材料、３１０２ 設定、３２００ 特性データ、３２０２ 生産データ、３３００ 履歴投入材料、３３０１ 第１の機械学習モデル、３３０２ 第２の機械学習モデル、３３０３ 第３の機械学習モデル、３３０５ 訓練データセット、３３０６ 履歴データ、３３０７ 履歴センサデータ、３３０８ 履歴処理条件、３３０９ 履歴設定、３３３０ 履歴特性データ、３３３１ 機械学習モデル、３３３２ 履歴生産データ、３４００ 特性予測システム、３４０２ センサデータ、３４０４ オンライン物理検知システム、３４０６ プリプレグ機、３４０７ 複合プリプレグ、３４０８ 重要な特性、３４５０ 措置、３５００ 物理モデル、３５０１ センサデータで訓練された第１の機械学習モデル、３５０２ センサデータ及び処理条件で訓練された第２の機械学習モデル、３５０３ 処理条件で訓練された第３の機械学習モデル、３５０６ 融合部、３５０７ リアルタイム予測、３５３０ 処理条件、３５６１ 初期予測、３５６２ 初期予測、３５６３ 初期予測、３６００ 圧縮モデル、３６０１ 厚さ機械学習モデル、３６１１ 温度、３６１６ プリプレグ幅、３６１２ 厚さ、３６２１ 繊維コーム角度、３６５０ ベータゲージセンサ、３６５１ カメラ、３６６１ 初期予測、３６６１ 初期厚さ予測、３６６２ 初期厚さ予測、３６７０ 融合部、３６７１ リアルタイム厚さ予測、３６８０ 経路、３６８１ 経路の始点、３６８２ 経路の終点、３７００ 繊維目付物理モデル、３７０２ 繊維目付機械学習モデル、３７１１ 坪量、３７２１ 繊維コーム角度、３７５０ ベータゲージセンサ、３７６１ 初期繊維目付予測、３７６２ 初期繊維目付予測、３７７１ リアルタイム繊維目付予測、３８００ 繊維目付機械学習モデル、３８０１ 繊維目付機械学習モデル、３８５０ ベータゲージセンサ箇所、３８５１ カメラ箇所、３８６１ 初期繊維目付予測、３８６２ 初期繊維目付予測、３８７１ リアルタイム繊維目付予測、３８８６ 繊維

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】

【図27】

【図28】

【図29】

【図30】

【図31】

【図32】

【図33】

【図34】

【図35】

【図36】

【図37】

【図38】

【図39】

【図40】

【図41】

【図42】

【外国語明細書】