41. ヤング率計算ワークフロー

41.1. 概要

機械学習モデルを利用して鋼材の組成[wt%]と温度[K]からヤング率[GPa]を予測する。

41.2. ワークフロー説明

本ワークフローに実装された機械学習モデルについて述べる。 文献 1 に示された12鋼種の実験データを用いて、 温度と元素含有量に基づくヤング率を予測するモデルを構築した。 尚、引用文献では一部の鋼種にCbなる元素が含有されるがこれはNbの別称である。今回のモデル構築では変数名をNb_Cbとした。 学習手法にはRandomForestの一種であるrangerを使用し、少データに対応するため Leave-One-Outによるハイパーパラメータチューニングを行った。 モデルの評価指標を 表 42 、実測値・予測値のプロットを 図 342 に示す。

表 42 評価指標

指標

値

R2

0.859

RMSE

6.233

MAE

5.487
../_images/oop1.png

図 342 実測値・予測値のプロット

1

日本機械学会(1980) 金属材料の弾性係数, p.68, 表II･13, ISBN:4-88898-006-3

../_images/workflow1.png

図 343 ヤング率計算ワークフロー

41.3. ツールの説明

ワークフローで使用されるツールの説明。

41.3.1. ヤング率計算

入力ファイル

本ワークフローの入力ファイルはいずれも必須であるため、必ず指定する必要がある。

  • ポート名: 温度

    温度 [K] を297.15[K] (24[℃]) ~ 866.15 [K] (593[℃])の間で入力する。

    297.15

  • ポート名: <元素>_質量百分率

    元素の含有量を質量百分率で指定する。

    0.08

出力ファイル

  • ポート名: ヤング率

    ヤング率 [GPa]

    207.17195036

41.4. ワークフローの入力ファイル

このワークフローの入力ファイルは ツールの説明 に示す入力ファイル全てである。