機械学習による木材の性質からの木材・プラスチック複合材の高速高精度性能予測

2020 Fiscal Year Annual Research Report

• Project/Area Number: 19KT0018
• Research Institution: National Institute of Advanced Industrial Science and Technology
• Principal Investigator: 岩本 伸一朗 国立研究開発法人産業技術総合研究所, 材料・化学領域, 主任研究員 (10612179)
• Co-Investigator(Kenkyū-buntansha): 杉山 淳司 京都大学, 生存圏研究所, 教授 (40183842)
• Project Period (FY): 2019-07-17 – 2021-03-31
• Keywords: 木材 / WPC

Outline of Annual Research Achievements

WPCは、木粉をポリプロピレン（PP）等のプラスチックに充填した複合材料である。木材の構成成分や構造に由来する化学・物理的性質や用途開発に関しては、多くの研究が行われてきた。従来の木材利用に関する研究手法では、分析的に木材の特性を解析し、それを生かした材料開発が行われてきた。しかし、木材には樹種間あるいは同一樹種においても材質にばらつきがあることが避けられない。そのため、多様な木材それぞれについて実験を行い、用途を決定することは、実際には実現困難である。つまり、木材のばらつきを受け入れる技術は未だ確立されていない。この状況を打破するため本研究では、木材とWPCの性質の間に高い相関関係を見出し、原料から製品の性質を高速かつ高精度に予測することを目的とする。
原料木材については構成成分、結晶化度、粒子形状、近赤外スペクトル等を測定した。WPCについては、ヤング率、強度、破壊ひずみ、izod衝撃強度、吸水率、色を測定した。多変量解析や深層学習の機械学習手法を用いて、これらのデータについての予測精度の向上に取り組んだ。予測モデルの構築はプログラミング言語Pythonで提供されているscikit-learnを用いた。方法としては、データをモデル構築のためのトレーニングデータと予測のためのテストデータに分割する。データ分割はLeave-one-outという、全サンプルのうち1つを選び、それをサンプル数回繰り返す手法を検討する。さらに、予測モデルによってはパラメーターを適切に設定する必要があるため、トレーニングデータからLeave-one-outによりヴァリデーションデータを分離しパラメーター設定に用いた。