삭제

원자재 최적화를 위한 전자 장치에 있어서,프로세서; 및상기 프로세서에 작동적으로(operatively) 연결된 메모리를 포함하고,상기 메모리는, 실행되었을 때 상기 프로세서로 하여금:제1 원자재의 제1 함량 및 제2 원자재의 제2 함량을 포함하는 함량 데이터를 식별하고,제품에 대해 목표로 하는 특성(characteristic)에 관한 제품 특성 목표 데이터를 식별하고,상기 함량 데이터 및 상기 제품 특성 목표 데이터 중 어느 하나로부터, 물성 데이터인 함량 비례 물성 데이터를 식별하고,상기 제품의 특성을 예측하는 제1 예측 프로세스를 수행하는 예측 모델을, 상기 함량 비례 물성 데이터를 기초로 학습시키도록 하는 인스트럭션들(instructions)을 저장하고,상기 함량 비례 물성 데이터를 식별하기 위해, 상기 제1 원자재의 제1 원자재 물성 데이터 및 상기 제2 원자재의 제2 원자재 물성 데이터를 포함하는 원자재 물성 데이터를 식별하고, 상기 함량 데이터 및 상기 원자재 물성 데이터를 기초로, 상기 함량 비례 물성 데이터를 식별하되, 상기 제1 함량과 상기 제1 원자재의 제1 물성에 대한 제1 물성 값을 곱하고, 상기 제2 함량과 상기 제2 원자재의 상기 제1 물성에 대한 제2 물성 값을 곱하여, 상기 함량 비례 물성 데이터를 식별하고,상기 예측 모델을 상기 함량 비례 물성 데이터를 기초로 학습시키기 위해,상기 제1 원자재가 상기 제1 함량으로 포함되고, 상기 제2 원자재가 상기 제2 함량으로 포함된 상기 제품의 특성을 측정한 특성 측정 데이터를 식별하고,상기 함량 비례 물성 데이터, 상기 특성 측정 데이터 및 상기 함량 데이터를 기초로, 상기 예측 모델의 상기 제1 예측 프로세스에 대한 학습이 수행되도록 하는전자 장치.

삭제

삭제

삭제

원자재 최적화를 위한 전자 장치에 있어서,프로세서; 및상기 프로세서에 작동적으로(operatively) 연결된 메모리를 포함하고,상기 메모리는, 실행되었을 때 상기 프로세서로 하여금:제1 원자재의 제1 함량 및 제2 원자재의 제2 함량을 포함하는 함량 데이터를 식별하고,제품에 대해 목표로 하는 특성(characteristic)에 관한 제품 특성 목표 데이터를 식별하고,상기 함량 데이터 및 상기 제품 특성 목표 데이터 중 어느 하나로부터, 물성 데이터인 목표 부합 물성 데이터를 식별하고,상기 제품에 포함되는 원자재의 종류 및 함량을 예측하는 제2 예측 프로세스를 수행하는 예측 모델을, 상기 목표 부합 물성 데이터를 기초로 학습시키도록 하는 인스트럭션들(instructions)을 저장하고,상기 목표 부합 물성 데이터를 식별하기 위해, 상기 제품 특성 목표 데이터를 기초로, 상기 제품에 대해 목표로 하는 특성을 만족하기 위한 복수의 물성 각각에 대한 물성 값이 포함되도록 하는 최적화를 통해, 상기 목표 부합 물성 데이터를 식별하고,상기 예측 모델을 상기 목표 부합 물성 데이터를 기초로 학습시키기 위해,상기 목표 부합 물성 데이터에 대한 최적화를 통해 프리(pre) 함량 예측 데이터를 식별하고,최적화 에러를 식별하고,상기 최적화 에러를 기초로, 상기 프리 함량 예측 데이터로부터 함량 예측 데이터를 식별하고,상기 목표 부합 물성 데이터, 상기 제품 특성 목표 데이터 및 상기 함량 예측 데이터를 기초로, 상기 예측 모델의 상기 제2 예측 프로세스에 대한 학습이 수행되도록 하는전자 장치.

삭제

삭제

제5 항에 있어서, 상기 인스트럭션들은, 상기 프로세서가,상기 제1 원자재의 제1 원자재 물성 데이터 및 상기 제2 원자재의 제2 원자재 물성 데이터를 포함하는 원자재 물성 데이터를 식별하고,상기 원자재 물성 데이터와 상기 함량 데이터를 곱한 제1 행렬과 상기 목표 부합 물성 데이터에 대한 제2 행렬의 차를 상기 최적화 에러로 식별하도록 하는전자 장치.

제8 항에 있어서, 상기 인스트럭션들은, 상기 프로세서가,상기 프리 함량 예측 데이터를 기초로, 예측된 함량이 임계 함량 이상인 제1 원자재 그룹을 식별하고,상기 제1 원자재 그룹의 제3 원자재를 제거한 경우 상기 최적화 에러가 제1 임계값 이하가 되는 것을 기초로, 상기 제1 원자재 그룹에서 상기 제3 원자재를 제거하고,상기 제1 원자재 그룹의 제4 원자재를 제거한 경우 상기 최적화 에러가 상기 제1 임계값을 초과하는 것을 기초로, 상기 최적화 에러를 최소로 만드는 적어도 하나의 원자재를 식별하고,상기 적어도 하나의 원자재가 추가되고, 상기 제3 원자재가 제거된 제2 원자재 그룹을 식별하고,상기 제2 원자재 그룹에 포함된 원자재를, 상기 최적화 에러가 제2 임계값 이상이 될 때까지 제거하고,상기 최적화 에러가 제2 임계값 이상이 된 것을 기초로, 상기 제2 원자재 그룹의 남은 원자재를 최종 원자재로 식별하고,상기 최종 원자재 각각에 대한 예측 함량을 포함하는 상기 함량 예측 데이터를 식별하도록 하는전자 장치.

제9 항에 있어서, 상기 인스트럭션들은, 상기 프로세서가,상기 목표 부합 물성 데이터, 상기 제품 특성 목표 데이터 및 상기 함량 예측 데이터를 기초로, 상기 최종 원자재 각각의 함량을 예측하는 상기 예측 모델의 상기 제2 예측 프로세스에 대한 학습이 수행되도록 하는전자 장치.

원자재 최적화를 수행하는 전자 장치가, 제1 원자재의 제1 함량 및 제2 원자재의 제2 함량을 포함하는 함량 데이터를 식별하는 단계;상기 전자 장치가, 제품에 대해 목표로 하는 특성(characteristic)에 관한 제품 특성 목표 데이터를 식별하는 단계;상기 전자 장치가, 상기 함량 데이터 및 상기 제품 특성 목표 데이터 중 어느 하나로부터, 함량 비례 물성 데이터를 식별하는 단계; 및상기 전자 장치가, 상기 제품의 특성을 예측하는 제1 예측 프로세스를 수행하는 예측 모델을, 상기 함량 비례 물성 데이터를 기초로 학습시키는 단계를 포함하고,상기 함량 비례 물성 데이터를 식별하는 단계는,상기 전자 장치가, 상기 제1 원자재의 제1 원자재 물성 데이터 및 상기 제2 원자재의 제2 원자재 물성 데이터를 포함하는 원자재 물성 데이터를 식별하는 단계; 및상기 전자 장치가, 상기 함량 데이터 및 상기 원자재 물성 데이터를 기초로, 상기 함량 비례 물성 데이터를 식별하되, 상기 제1 함량과 상기 제1 원자재의 제1 물성에 대한 제1 물성 값을 곱하고, 상기 제2 함량과 상기 제2 원자재의 상기 제1 물성에 대한 제2 물성 값을 곱하여, 상기 함량 비례 물성 데이터를 식별하는 단계를 포함하고,상기 전자 장치가, 상기 예측 모델을 상기 함량 비례 물성 데이터를 기초로 학습시키는 단계는,상기 전자 장치가, 상기 제1 원자재가 상기 제1 함량으로 포함되고, 상기 제2 원자재가 상기 제2 함량으로 포함된 상기 제품의 특성을 측정한 특성 측정 데이터를 식별하는 단계; 및상기 함량 비례 물성 데이터, 상기 특성 측정 데이터 및 상기 함량 데이터를 기초로, 상기 예측 모델의 상기 제1 예측 프로세스에 대한 학습이 수행되도록 하는 단계를 포함하는원자재 최적화 방법.

삭제

삭제

원자재 최적화를 수행하는 전자 장치가, 제1 원자재의 제1 함량 및 제2 원자재의 제2 함량을 포함하는 함량 데이터를 식별하는 단계;상기 전자 장치가, 제품에 대해 목표로 하는 특성(characteristic)에 관한 제품 특성 목표 데이터를 식별하는 단계;상기 전자 장치가, 상기 함량 데이터 및 상기 제품 특성 목표 데이터 중 어느 하나로부터, 목표 부합 물성 데이터를 식별하는 단계; 및상기 전자 장치가, 상기 제품에 포함되는 원자재의 종류 및 함량을 예측하는 제2 예측 프로세스를 수행하는 예측 모델을, 상기 목표 부합 물성 데이터를 기초로 학습시키는 단계를 포함하고,상기 목표 부합 물성 데이터를 식별하는 단계는,상기 전자 장치가, 상기 제품 특성 목표 데이터를 기초로, 상기 제품에 대해 목표로 하는 특성을 만족하기 위한 복수의 물성 각각에 대한 물성 값이 포함되도록 하는 최적화를 통해, 상기 목표 부합 물성 데이터를 식별하는 단계를 포함하고,상기 예측 모델을 상기 목표 부합 물성 데이터를 기초로 학습시키는 단계는,상기 전자 장치가, 상기 목표 부합 물성 데이터에 대한 최적화를 통해 프리(pre) 함량 예측 데이터를 식별하는 단계;상기 전자 장치가, 최적화 에러를 식별하는 단계; 상기 전자 장치가, 상기 최적화 에러를 기초로, 상기 프리 함량 예측 데이터로부터 함량 예측 데이터를 식별하는 단계; 및상기 전자 장치가, 상기 목표 부합 물성 데이터, 상기 제품 특성 목표 데이터 및 상기 함량 예측 데이터를 기초로, 상기 예측 모델의 상기 제2 예측 프로세스에 대한 학습이 수행되도록 단계를 포함하는원자재 최적화 방법.

삭제

삭제

제15 항에 있어서, 상기 전자 장치가, 상기 제1 원자재의 제1 원자재 물성 데이터 및 상기 제2 원자재의 제2 원자재 물성 데이터를 포함하는 원자재 물성 데이터를 식별하는 단계를 더 포함하고,상기 전자 장치가, 상기 최적화 에러를 식별하는 단계는, 상기 원자재 물성 데이터와 상기 함량 데이터를 곱한 제1 행렬과 상기 목표 부합 물성 데이터에 대한 제2 행렬의 차를 상기 최적화 에러로 식별하도록 하는 것을 포함하는원자재 최적화 방법.

제18 항에 있어서, 상기 전자 장치가, 상기 프리 함량 예측 데이터로부터 상기 함량 예측 데이터를 식별하는 단계는, 상기 전자 장치가, 상기 프리 함량 예측 데이터를 기초로, 예측된 함량이 임계 함량 이상인 제1 원자재 그룹을 식별하는 단계;상기 전자 장치가, 상기 제1 원자재 그룹의 제3 원자재를 제거한 경우 상기 최적화 에러가 제1 임계값 이하가 되는 것을 기초로, 상기 제1 원자재 그룹에서 상기 제3 원자재를 제거하는 단계;상기 전자 장치가, 상기 제1 원자재 그룹의 제4 원자재를 제거한 경우 상기 최적화 에러가 상기 제1 임계값을 초과하는 것을 기초로, 상기 최적화 에러를 최소로 만드는 적어도 하나의 원자재를 식별하는 단계;상기 전자 장치가, 상기 적어도 하나의 원자재가 추가되고, 상기 제3 원자재가 제거된 제2 원자재 그룹을 식별하는 단계;상기 전자 장치가, 상기 제2 원자재 그룹에 포함된 원자재를, 상기 최적화 에러가 제2 임계값 이상이 될 때까지 제거하는 단계;상기 전자 장치가, 상기 최적화 에러가 제2 임계값 이상이 된 것을 기초로, 상기 제2 원자재 그룹의 남은 원자재를 최종 원자재로 식별하는 단계; 및상기 전자 장치가, 상기 최종 원자재 각각에 대한 예측 함량을 포함하는 상기 함량 예측 데이터를 식별하는 단계를 포함하는원자재 최적화 방법.

제19 항에 있어서, 상기 전자 장치가, 상기 예측 모델을 학습시키는 단계는,상기 전자 장치가, 상기 목표 부합 물성 데이터, 상기 제품 특성 목표 데이터 및 상기 함량 예측 데이터를 기초로, 상기 최종 원자재 각각의 함량을 예측하는 상기 예측 모델의 상기 제2 예측 프로세스에 대한 학습이 수행되도록 하는 것을 포함하는원자재 최적화 방법.