맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

머신러닝을 이용한 구조용 에폭시 접착제의 포뮬레이션 예측 방법

  • 기술번호 : KST2022000218
  • 담당센터 : 부산기술혁신센터
  • 전화번호 : 051-606-6561
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 머신러닝을 이용한 구조용 에폭시 접착제의 포뮬레이션 예측 방법에 관한 것으로, 보다 구체적으로 머신러닝의 방법 중 하나인 인공신경망(artificial neural networks, ANN)을 이용하여 선별된 구조용 에폭시 접착제의 포뮬레이션을 학습시켜 전단강도(lap shear strength) 및 충격박리강도(impact peel strength)와 같은 포뮬레이션 중요 인자를 도출함으로써 상기 포뮬레이션 중요 인자들 사이에 나타나는 다양한 상관관계를 확립하여 에폭시 접착제의 접착 강도의 예측이 가능한 구조용 에폭시 접착제의 포뮬레이션 예측 방법에 관한 것이다.
Int. CL G06N 3/04 (2006.01.01) G06N 3/08 (2006.01.01)
CPC G06N 3/04(2013.01) G06N 3/08(2013.01) C09J 163/00(2013.01)
출원번호/일자 1020200071733 (2020.06.12)
출원인 부산대학교 산학협력단
등록번호/일자
공개번호/일자 10-2021-0154581 (2021.12.21) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.06.12)
심사청구항수 7

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 부산대학교 산학협력단 대한민국 부산광역시 금정구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이승걸 부산 금정구
2 강혜수 경남 김해시
3 최영선 부산 동래구
4 이지희 부산 금정구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김종석 대한민국 부산광역시 해운대구 센텀중앙로 ** 우동, 에이스하이테크** **층 ****호(브릿지특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2020.06.12 수리 (Accepted) 1-1-2020-0607537-04
2 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2020.09.28 수리 (Accepted) 1-1-2020-1029370-08
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
(S1) 컴퓨팅 장치가 다수의 구조용 에폭시 접착제 샘플에 대한 전단강도(lap shear strength) 및 -30 내지 -50 ℃의 저온 충격박리강도(impact peel strength) 데이터와 연속형 독립변수 사이의 상관관계를 분석하는 단계;(S2) 상기 컴퓨팅 장치가 상관관계를 이용하여 인공신경망(artificial neural networks, ANN) 모델을 최적화하는 단계; 및(S3) 상기 컴퓨팅 장치가 최적화된 인공신경망 모델에 대응되는 구조용 에폭시 접착제의 포뮬레이션을 예측하는 단계;를 포함하는 것을 특징으로 하는 구조용 에폭시 접착제의 포뮬레이션 예측 방법
2 2
제1항에 있어서,상기 연속형 독립변수는 수지(resin), 코어-쉘 고무(core-shell rubber, CSR), 유연제(flexibilizer), 희석제(diluent), 충전제(filler), 촉진제(promoter), 경화제(curing agent) 및 촉매(catalyst)인 것을 특징으로 하는 구조용 에폭시 접착제의 포뮬레이션 예측 방법
3 3
제1항에 있어서,상기 (S1) 단계는 (S1a) 컴퓨팅 장치가 다수의 구조용 에폭시 접착제 샘플에 대한 전단강도, 충격박리강도 및 연속형 독립변수 데이터를 수집하는 단계; 및(S1b) 상기 컴퓨팅 장치가 수집된 전단강도 및 충격박리강도 데이터와 연속형 독립변수 사이의 상관관계를 선형상관관계 분석(linear correlation analysis)을 통해 분석하는 단계;로 구성되는 것을 특징으로 하는 구조용 에폭시 접착제의 포뮬레이션 예측 방법
4 4
제3항에 있어서,상기 선형상관관계 분석은 피어슨 상관 계수(Pearson correlation coefficient, PCC)를 계산하여 분석하는 것을 특징으로 하는 구조용 에폭시 접착제의 포뮬레이션 예측 방법
5 5
제1항에 있어서,상기 (S2) 단계는(S2a) 상기 컴퓨팅 장치가 다수의 구조용 에폭시 접착제 샘플에 대한 전단강도 및 충격박리강도 데이터에서 선택 셋(selection set)을 선택하여 초기 인공신경망의 하이퍼 파라미터(hyper parameter)를 설정하는 단계; 및(S2b) 상기 컴퓨팅 장치가 선택 셋에 선택된 샘플을 제외한 상기 다수의 구조용 에폭시 접착제 샘플에 대한 전단강도 및 충격박리강도 데이터에서 트레이닝 셋(training set) 및 테스트 셋(test set)을 선택하여 인공신경망 모델을 최적화하는 단계;로 구성되는 것을 특징으로 하는 구조용 에폭시 접착제의 포뮬레이션 예측 방법
6 6
제5항에 있어서,상기 하이퍼 파라미터는 은닉층(hidden layer)의 개수 및 뉴런(neuron)의 개수인 것을 특징으로 하는 구조용 에폭시 접착제의 포뮬레이션 예측 방법
7 7
제1항에 있어서,상기 (S3) 단계는(S3a) 상기 컴퓨터 장치가 구축된 인공신경망 모델에 선형회귀(linear regression) 분석을 통해 검증하는 단계; 및(S3b) 상기 컴퓨터 장치가 검증된 데이터를 이용하여 구조용 에폭시 접착제의 포뮬레이션을 예측하는 단계;로 구성되는 것을 특징으로 하는 구조용 에폭시 접착제의 포뮬레이션 예측 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 연세대학교 글로벌프론티어지원(R＆D) Materials Computation