机械特性的计测装置、机械特性的计测方法、物质的制造设备、物质的管理方法和物质的制造方法

技术领域

本公开涉及机械特性的计测装置、机械特性的计测方法、物质的制造设备、物质的管理方法和物质的制造方法。

背景技术

在成为管线管等材料的钢材制造中，有时实施抽样检查来作为钢材的机械特性的检查。抽样检查，是从钢材中取出检查部位，加工成机械试件并进行试验的所谓的破坏试验。近年来，谋求非破坏性地计测或者评价钢材商品其本身的机械特性并保证品质，而不是谋求抽样检查。因此，实施在钢材制造中或者钢材制造后经由与待计测的钢材的机械特性相关的各种物理量来计测机械特性这种尝试。

例如，专利文献1记载如下技术：通过使交流磁场作用于金属材料，并检测感应产生的涡电流，由此，检测在金属材料中局部存在的高硬度部。

例如，专利文献2记载一种检测装置，该检测装置具有在沿着长条件的长度方向的一侧供长条件插通的第1开口部和在长度方向的另一侧供长条件插通的第2开口部，且具备磁轭构件，该磁轭构件具有相对于穿过第1开口部和第2开口部的轴线而大致轴对称的形状。专利文献2的检测装置能够减少长条件的长度方向端部的死区，能够高精度地检测磁特性变化。

例如，专利文献3记载一种技术，根据由被检体感应产生的涡电流强度来对被检体的涂层材料的膜厚进行评价，根据与涂层材料的膜厚的减少相关的信息来掌握被检体的劣化程度。

专利文献1：日本特开2008-224495号公报

专利文献2：国际公开第2019/087460号

专利文献3：日本特开平9-113488号公报

此处，在利用传感器计测钢材表层的电磁特征量来计测机械特性的情况下，在现有技术中，存在如下问题：电磁特征量与机械特性之间的关系的不一致变大，难以进行正确的计算。例如针对以得到相同的机械特性的方式制造出的钢材，有时由传感器计测出的钢材表层的电磁特征量不同。因此，谋求能够在钢材的制造工艺中利用的能够以非破坏方式正确地计测机械特性的技术。

发明内容

本公开是鉴于上述状况而完成的，目的在于提供能够经由物理量正确地计测机械特性的机械特性的计测装置和机械特性的计测方法。另外，本公开的其他目的在于提供通过能够经由物理量正确地计测机械特性而能够提高物质的制造成品率的物质的制造设备和物质的制造方法。并且，本公开的其他目的在于提供通过能够经由物理量正确地计测机械特性而能够提供高品质物质的物质的管理方法。

为了解决上述课题，作为针对计测对象物的物理量与机械特性之间的关系进行了调查的结果，发明人发现：这些关系影响计测对象物所具有的膜的性质。

本公开的一实施方式所涉及的机械特性的计测装置具备：物理量计测部，其对具有物质和处于上述物质的表面的膜的计测对象物的多个物理量进行计测；计算模型生成部，其基于作为计测出的上述多个物理量中至少两个物理量的选择用物理量而从学习数据组中选择多个学习数据，并生成计算模型，上述计算模型用于根据选择出的上述多个学习数据来计算上述物质的机械特性；以及机械特性计算部，其使用所生成的上述计算模型和上述多个物理量中至少两个物理量来计算上述物质的机械特性，上述选择用物理量包括：使用第1计测信号计测出的至少一个物理量和使用第2计测信号计测出的至少一个物理量。

本公开的一实施方式所涉及的机械特性的计测方法包括：计测步骤，在该步骤中，对具有物质和处于上述物质的表面的膜的计测对象物的多个物理量进行计测；选择步骤，在该步骤中，基于作为计测出的上述多个物理量中至少两个物理量的选择用物理量，从学习数据组中选择多个学习数据；生成步骤，在该步骤中，生成计算模型，上述计算模型用于根据选择出的上述多个学习数据来计算上述物质的机械特性；以及计算步骤，在该步骤中，使用所生成的上述计算模型和上述多个物理量中至少两个物理量来计算上述物质的机械特性，上述选择用物理量包括：使用第1计测信号计测出的至少一个物理量和使用第2计测信号计测出的至少一个物理量。

本公开的一实施方式所涉及的物质的制造设备具备：制造设备，其制造物质；和机械特性的计测装置，上述机械特性的计测装置具备：物理量计测部，其对具有物质和处于上述物质的表面的膜的计测对象物的多个物理量进行计测；计算模型生成部，其基于作为计测出的上述多个物理量中至少两个物理量的选择用物理量而从学习数据组中选择多个学习数据，并生成计算模型，上述计算模型用于根据选择出的上述多个学习数据来计算上述物质的机械特性；以及机械特性计算部，其使用所生成的上述计算模型和上述多个物理量中至少两个物理量来计算上述物质的机械特性，上述选择用物理量包括：使用第1计测信号计测出的至少一个物理量和使用第2计测信号计测出的至少一个物理量，上述计测装置对由上述制造设备制造出的物质的机械特性进行计测。

本公开的一实施方式所涉及的物质的管理方法具备：计测步骤，在该步骤中，对具有物质和处于上述物质的表面的膜的计测对象物的多个物理量进行计测；选择步骤，在该步骤中，基于计测出的上述多个物理量中至少两个物理量即包括使用第1计测信号计测出的至少一个物理量和使用第2计测信号计测出的至少一个物理量的选择用物理量，从学习数据组中选择多个学习数据；生成步骤，在该步骤中，生成计算模型，上述计算模型用于根据选择出的上述多个学习数据来计算上述物质的机械特性；计算步骤，在该步骤中，使用所生成的上述计算模型和上述多个物理量中至少两个物理量来计算上述物质的机械特性；以及管理步骤，在该步骤中，基于计算出的上述物质的机械特性，对上述物质进行分类。

本公开的一实施方式所涉及的物质的制造方法具备：制造步骤，在该步骤中，制造物质；计测步骤，在该步骤中，将制造出的上述物质和处于该物质的表面的膜作为计测对象物，对上述计测对象物的多个物理量进行计测；选择步骤，在该步骤中，基于作为计测出的上述多个物理量中至少两个物理量的选择用物理量，从学习数据组中选择多个学习数据；生成步骤，在该步骤中，生成计算模型，上述计算模型用于根据选择出的上述多个学习数据来计算上述物质的机械特性；以及计算步骤，在该步骤中，使用所生成的上述计算模型和上述多个物理量中至少两个物理量来计算上述物质的机械特性，上述选择步骤的上述选择用物理量包括：使用第1计测信号计测出的至少一个物理量和使用第2计测信号计测出的至少一个物理量。

根据本公开的一实施方式所涉及的机械特性的计测装置和机械特性的计测方法，能够经由物理量正确地计测机械特性。另外，根据本公开所涉及的物质的制造设备和物质的制造方法，能够通过能够经由物理量正确地计测机械特性而能够提高物质的制造成品率。并且，根据本公开所涉及的物质的管理方法，能够通过能够经由物理量正确地计测机械特性而提供高品质的物质。

附图说明

图1是本公开的一实施方式所涉及的机械特性的计测装置的框图。

图2是物理量计测部的框图。

图3是表示传感器的具体的结构例的图。

图4是表示为了生成交流磁场而对励磁线圈给予的信号的一例的图。

图5是表示学习数据的收集的处理的流程图。

图6是表示学习数据组的一例的图。

图7是表示机械特性的计测方法的流程图。

图8是用于对选择用物理量与学习数据组之间的关系进行说明的图。

图9是将计算出的机械特性与实测值进行了比较的图。

图10是将比较例的计算出的机械特性与实测值进行了比较的图。

图11是其他实施方式所涉及的机械特性的计测装置的框图。

图12是表示钢材的制造方法的例子的图。

具体实施方式

(第1实施方式)

图1是本公开的第1实施方式所涉及的机械特性的计测装置100的框图。计测装置100经由物理量计测部5计测出的计测对象物101(参照图2)的多个物理量而非破坏性地对计测对象物101的物质1(参照图2)的机械特性进行计测。此处，机械特性是力学特性，特别是指相对于拉动、压缩或者剪切等外力而言的性质。例如机械特性包括拉伸应力、屈服应力和压缩应力等强度、维氏硬度(Vickers hardness)和里氏硬度(Leeb hardness)等硬度以及脆性。物理量包括能够客观测定的量例如温度、质量和电磁特征量等。

以下，在本实施方式中，作为物质1，以钢材为例子进行说明，但物质1不局限于钢材。另外，作为机械特性，以硬度为例子进行说明，但机械特性不局限于硬度。另外，作为多个物理量，以电磁特征量为例子进行说明，但多个物理量不局限于电磁特征量。此处，以往，透磁率和保磁力之类的电磁特征量就与金属的机械特性相关，优选使用电磁特征量对机械特性进行计测或者评价。作为计测电磁特征量的方法，优选涡流探伤法或者3MA(Micromagnetic Multiparameter Microstructure and Stress Analysis)技术等。特别是，若后述的计测信号使用叠加有两个以上频率的交流信号(交流电流或者交流电压)，则能够获取更多的电磁特征量，从而优选。并且，通过使其中的一个频率为200Hz以下，即便在物质1的表面形成有膜2(参照图2)的情况下交流磁场也充分地渗透至物质1的表面，能够更高精度地计测或者评价机械特性，因此，更为优选。在计测物质1的表层的电磁特征量的情况下，特别优选上述的计测方法。

(机械特性的计测装置的结构)

如图1所示，计测装置100具备物理量计测部5、控制部8、存储部10、显示部11。控制部8具备计算模型生成部81、机械特性计算部82、物理量计测控制部83。存储部10具备学习数据组110。学习数据组110用于计算物质1的机械特性的计算模型的生成。对计测装置100的各要素的详情进行后述。

图2是物理量计测部5的框图。物理量计测部5具备传感器3和扫描部6。传感器3对计测对象物101的物理量进行计测。计测对象物101具有物质1和形成于物质1的表面的膜2。对物理量计测部5的各要素的详情将后述。

例如在物质1为钢材的情况下，在钢材的制造中途在钢材的表面形成有被称为氧化皮或者黑皮的氧化铁膜。氧化铁膜存在各种种类，但通常，公知有磁铁矿(四氧化三铁、Fe

因此，作为氧化皮的膜2对作为钢材的物质1的计测给予影响。另外，氧化皮的种类和组成因钢材制造时的状态而变化。并且，有时由于钢材本身的组织不同而使磁性具有各向异性，电磁特征因计测对象物101而异。因此，针对具有钢材和氧化皮的计测对象物101，单纯地将硬度等钢材的机械特性与计测对象物101的电磁特征量建立起关系而进行测定或者评价是非常困难的。特别是，在计测物质1的表层的机械特性的情况下，作为膜2的氧化皮的电磁特征更大地产生影响。因此，针对具有钢材和氧化皮的计测对象物101，单纯地将硬度等钢材的表层的机械特性与计测对象物101的电磁特征量建立起关系而进行测定或者评价是更加困难的。

这一点，即便在物质1为除钢材以外和膜2为除氧化皮以外的情况下，也是相同的。特别是，针对计测的多个物理量，在膜2具备与物质1不同的特征的情况下，关于具有物质1和处于表面的膜2的计测对象物101，单纯地将物质1的机械特性与计测对象物101的多个物理量建立起关系进行测定或者评价是非常困难的。并且，在计测物质1的表层的机械特征的情况下，关于具有物质1和处于表面的膜2的计测对象物101，单纯地将物质1的表层的机械特性与计测对象物101的多个物理量建立起关系进行测定或者评价更加困难。

存储部10存储各种信息和用于使计测装置100动作的程序。存储部10所存储的各种信息包括作为多个学习数据的集合的学习数据组110。存储部10所存储的程序包括：使控制部8作为计算模型生成部81而动作的程序、使控制部8作为机械特性计算部82而动作的程序以及使控制部8作为物理量计测控制部83而动作的程序。存储部10例如由半导体存储器或者磁存储器等构成。

显示部11向用户显示包含物质1的机械特性的各种信息。在本实施方式中，显示部11包括能够显示文字、图像等的显示器和能够检测用户的手指等的接触的触摸屏幕而构成。显示器能够为液晶显示器(LCD：Liquid Crystal Display)、有机EL显示器(OELD：Organic Electro-Luminescence Display)等显示设备。触摸屏幕的检测方式能够为静电电容方式、电阻膜方式、表面弹性波方式、红外线方式、电磁感应方式或者负载检测方式等任意方式。此处，作为其他例，显示部11也可以由不包括触摸屏幕的显示器构成。

控制部8控制计测装置100的整体的动作。控制部8包括1个以上的处理器而构成。处理器也可以包括读入特定程序并执行特定功能的通用的处理器和特殊化为特定处理的专用的处理器中至少一者。专用的处理器也可以包括适合特定用途的IC(ASIC；Application Specific Integrated Circuit)。处理器也可以包括可编程逻辑器件(PLD；Programmable Logic Device)。PLD也可以包括FPGA(Field-Programmable Gate Array)。控制部8也可以包括一个或者多个处理器协作的SoC(System-on-a-chip)和SiP(System Ina Package)中至少一者。控制部8根据从存储部10读出的程序，作为计算模型生成部81、机械特性计算部82和物理量计测控制部83发挥功能。

另外，控制部8经由通信部7收集学习数据，将多个学习数据按每个项目建立起对应关系而生成学习数据组110，并使学习数据组110存储于存储部10。对学习数据组110的详情将后述。

计算模型生成部81基于由物理量计测部5计测出的计测对象物101的多个物理量中至少两个物理量，从学习数据组110中选择多个学习数据。以下，在多个学习数据的选择中使用的物理量被称为选择用物理量。此处，作为一例，假设作为电磁特征量的电流波形的相位变化、高次谐波的振幅和增量透磁率全部作为选择用物理量。首先，计算模型生成部81从存储部10处获取学习数据组110。而且，计算模型生成部81选择与获取到的电流波形的相位变化、高次谐波的振幅和增量透磁率的值的组合接近的多个学习数据。计算模型生成部81根据选择出的多个学习数据生成计算模型。所生成的计算模型由机械特性计算部82使用。此外，作为用于本发明的计算模型的例子，可举出：基于K近邻(k-nearest neighboralgorithm)的回归模型、局部线性回归模型、使用了支持向量机的回归模型。其中，优选使用了K近邻法和局部线性回归模型的回归模型。作为其理由，在通常的回归模型中，由于数据集整体的分布的偏差等而可能导致预测精度降低。这是由于通常以使数据集整体成为最小误差的方式构建模型。此处，在欲通过K近邻法评价的数据提取欧氏距离近的K个，通过提取出的K个数据集作成回归模型并进行评价的方法使精度提高，从而优选。另外，局部线性回归模型也能够具有与K近邻法相同的效果。对于局部线性回归模型而言，以接近欲评价的数据的数据集对回归带来影响且越远的数据对回归越没有影响的方式对数据集整体进行加权而依次构建模型进行评价，从而能够提高精度。

机械特性计算部82使用由计算模型生成部81生成的计算模型和由物理量计测部5计测出的多个物理量中至少两个物理量来计算物质1的机械特性。作为一例，多个物理量包括上述的电磁特征量，电流波形的相位变化、高次谐波的振幅和增量透磁率全部用于物质1的机械特性的计算。机械特性计算部82从计算模型生成部81获取所生成的计算模型。机械特性计算部82通过将获取到的电流波形的相位变化、高次谐波的振幅和增量透磁率的值输入计算模型，来计算物质1的机械特性。机械特性计算部82也可以为了对用户示出而将计算出的钢材的硬度输出至显示部11。

此处，在计算模型生成部81生成计算模型的情况下，在上述例子中，使用全部电磁特征量作为选择用物理量，但也可以使用两个以上电磁特征量的一部分的组合。另外，在机械特性计算部82计算物质1的机械特性的情况下，在上述的例子中，使用全部电磁特征量，但也可以将两个以上电磁特征量的一部分输入计算模型。此时，输入计算模型的电磁特征量的一部分也可以与计算模型生成部81生成计算模型的情况下使用的电磁特征量的一部分不同。例如，可以是，计算模型生成部81使用电流波形的相位变化和增量透磁率的组合而生成计算模型，机械特性计算部82将电流波形的相位变化和高次谐波的振幅输入计算模型来计算物质1的机械特性。

物理量计测控制部83控制物理量计测部5的动作。物理量计测控制部83例如使传感器3动作，来计测电磁特征量。

(物理量计测部的结构)

传感器3对具有物质1和膜2的计测对象物101的物理量进行测定。在本实施方式中，作为传感器3，以磁传感器为例子进行说明，但传感器3不局限于磁传感器。传感器3可以为一个，但能够为多个。此处，传感器3的计测结果表示包含膜2的影响的物理量即不仅具有物质1还具有膜2的状态下的物理量。相对于此，机械特性计算部82计算的机械特性与不包含膜2的物质1相关。

图3是表示传感器3的一个具体结构例的图。也可以是，传感器3例如是磁传感器，且具备励磁线圈31和磁轭32。传感器3一边相对于计测对象物101相对移动，一边使交流磁场作用于计测对象物101。在图3所示的传感器中，通过一个线圈兼作励磁线圈和计测电磁变化的线圈。传感器3将通过交流磁场而使计测对象物101感应产生的涡电流等的影响计测为电磁特征量的变化。作为其他例，计测电磁特征量的传感器可以构成为，在磁轭上缠绕励磁线圈，且另外缠绕励磁线圈和用于接收信号的线圈。作为又一其他例，计测电磁特征量的传感器也可以构成为，在磁轭上缠绕励磁线圈，将计测电磁变化的线圈独立地设置于磁轭之间。计测电磁特征量的传感器只要是具备励磁线圈、计测电磁变化的线圈、磁轭的结构，则不限定于图3所示的结构。

此处，在钢材中，作为计测的物理量，可以使用表层的电磁特征量。公知有：在钢材中，磁滞曲线的变化和巴克豪森噪声与材料的拉伸强度和硬度之类机械特性存在相关性。因此，通过图3所示那样的磁传感器来计测表层的电磁特征量较佳。此处，磁滞曲线也被称为B-H曲线，是表示磁场的强度与磁通量密度之间的关系的曲线。另外，在交流电流流过导体的情况下，根据电流密度在导体的表面处较高且越远离表面则越低的现象(趋肤效应)，能够通过磁传感器仅在计测对象物的表层选择性地计测电磁特征量。对于趋肤效应而言，交流电流的频率越高则电流越容易向表面集中。在由于趋肤效应使电流成为表面电流的约0.37倍的深度作为渗透深度时，其关系通过下述的式(1)来给出。式(1)中，d为渗透深度[m]，f为频率[Hz]，μ为透磁率[H/m]，σ为导电率[S/m]，π为圆周率。

数学式1

如式(1)那样，频率越高则渗透深度越浅。换言之，频率越低则渗透深度越深。因此，根据欲计测或者评价的表层深度范围来调整频率，从而能够调整渗透深度。例如，在欲计测或者评价至表层0.25mm左右为止的机械特性的情况下，以使渗透深度成为0.25mm左右的方式决定频率。考虑到衰减，优选相对于表层深度的渗透深度的3/4大于0.25mm。

图4表示为了生成交流磁场而给予励磁线圈31的信号的一例。图4的信号是在低频信号上叠加有高频信号而成的信号。通过使用这样的信号，传感器3能够高效地计测基于低频信号的电磁特征量和基于高频信号的电磁特征量。低频信号作为一例而为150Hz的正弦波。高频信号作为一例而为1kHz的正弦波。

扫描部6使传感器3相对于计测对象物101而相对移动。扫描部6也可以使传感器3移动至由物理量计测控制部83指定的评价部位。另外，扫描部6也可以获取物质1的移动速度的信息，调整为使传感器3以适当的相对速度移动。

(选择用物理量)

接下来，对选择用物理量的优选的条件进行说明。在本发明中，选择用物理量是最重要的概念。选择用物理量是由物理量计测部5计测出的上述多个物理量中至少两个物理量。另外，选择用物理量包括使用第1计测信号而计测出的至少一个物理量和使用第2计测信号而计测出的至少一个物理量。

换句话说，由物理量计测部5计测出的计测对象物101的物理量分别包括一个以上使用第1计测信号而测定出的内容和使用第2计测信号而测定出的内容。也可以是，在计测的物理量为电磁特征量的情况下，第1计测信号是具有第1频率的交流信号，第2计测信号是具有比第1频率高的第2频率的交流信号。换句话说，也可以是，基于物理量计测部5得到的第1计测信号是低频信号，基于物理量计测部5得到的第2计测信号是高频信号。

此处，在将在图4的低频信号上叠加有高频信号而成的信号给予到励磁线圈31的情况下，电磁特征量也可以是通过使交流磁场作用于计测对象物101而观测的电信号的特征。具体而言，电磁特征量也可以是与(1)电流波形的畸变量、(2)电流波形的振幅、(3)电流波形的相位变化、(4)高次谐波的振幅、(5)高次谐波的相位变化和(6)增量透磁率相关联的特性。特性例如也可以是(a)最大值、(b)最小值、(c)平均值和(d)保磁力等。此处，增量透磁率是表示施加有磁场的状态下的被磁化的容易程度的值，且在表示磁通量密度与磁场之间关系的磁化曲线中通过小磁滞回线(minor loop)的梯度而示出。

例如，在计测对象物101是具有氧化皮的钢材的情况下，优选对电磁传感器的励磁线圈31，施加在150Hz以下的频率的正弦波上叠加了1kHz以上的正弦波的电压或者电流。通过使低频信号成为150Hz以下的正弦波，由电磁传感器激励的交流磁场能够从钢材的表面进入300μm左右。另外，使用低频信号计测出的电磁特征量优选包括与电流波形的相位变化关联的特性。使用低频信号的计测，由于交流磁场比较深地渗透，所以能够比膜2多地包括物质1的信息。另外，电流波形的相位变化包括与保磁力相关的信息。因此，通过使用低频信号对与电流波形的相位变化关联的特性进行计测，能够获得针对物质1的保磁力的信息。另外，使用高频信号而计测出的电磁特征量优选包括与增量透磁率关联的特性。使用高频信号的计测，由于交流磁场的渗透比较浅，所以能够比物质1多地包括膜2的信息。另外，增量透磁率包括：被施加了因低频信号而变化的磁场的状态下的膜2的磁特性的信息。因此，通过使用高频信号来计测与增量透磁率关联的特性，能够获得针对膜2的磁特性的信息。获得膜2的磁特性的信息有助于补偿膜2的影响的量而正确地预测物质1的特性。选择用物理量优选以包括物质1和膜2双方的正确的信息的方式具有使用第1计测信号而计测出的至少一个物理量和使用第2计测信号而计测出的至少一个物理量。

(学习数据的收集)

本实施方式所涉及的机械特性的计测装置100基于由物理量计测部5计测出的计测对象物101的物理量和选择出的多个学习数据，来计算物质1的机械特性。例如，计测对象物101是具有氧化皮的钢材。例如，物理量包括电磁特征量。例如，物质1的机械特性是钢材的硬度。在物质1的机械特性的计算中，从为了计算物质的机械特性而预先准备的学习数据组中选择多个学习数据，生成计算模型。为了正确地计测机械特性，需要选择基于物理量的适当的学习数据而生成正确的计算模型。因此，优选对于成为计算模型的基础的学习数据组的收集要给予相应的注意。由计测装置100和物理量计测部5构成的计测系统例如如以下那样收集学习数据。

图5是表示学习数据的收集的处理的流程图。控制部8对计测物理量的计测对象物101的位置即评价部位进行设定(步骤S1)。

控制部8使物理量计测部5计测所设定的评价部位处的物理量(步骤S2)。此处，在学习数据中，计测对象物101的物理量是说明变量。

控制部8执行预先处理(步骤S3)。此处，预先处理例如能够从计测对象物101中除去膜2而进行评价部位处的机械特性的计测。例如在计测对象物101是在表面具有氧化皮的钢材的情况下，氧化皮能够通过蚀刻或者研磨等来除去。另外，预先处理也可以包括：在评价部位处切断计测对象物101，使物质1的截面暴露。

控制部8计测评价部位处的机械特性(步骤S4)。学习数据包括机械特性作为目标变量。机械特性例如可以是评价部位处的钢材的截面的硬度。机械特性可以使用例如通过从过去的试验得到的换算式将使用回弹式硬度计得到的钢材的表面的里氏硬度换算为截面的硬度而得到的值。另外，为了进行更正确的换算，也可以使用进一步针对钢材的厚度将换算出的值标准化得到的值。即，可以执行换算为成为基准的钢材的厚度处的值的处理。成为基准的钢材的厚度例如为28mm。另外，在上述的预先处理是在评价部位处切断了计测对象物101这种处理的情况下，机械特性也可以是直接计测剖切面的维氏硬度。控制部8获取计测出的机械特性。控制部8使物质1的管理编号和评价部位等的数据标签、说明变量、目标变量建立起关联而作为一个学习数据，存储于存储部10。

图6是表示存储于存储部10的学习数据组110的一例的图。学习数据组110也可以包括例如作为学习数据的识别编号的数据编号和作为钢材的识别编号的板编号，来作为数据标签的管理编号。另外，在钢材的表面规定有以原点为中心正交的X轴、Y轴的情况下，学习数据组110也可以包括距X轴方向的原点的距离和距Y轴方向的原点的距离来作为数据标签的评价部位。学习数据组110包括计测出的机械特性，来作为目标变量。学习数据组110包括由物理量计测部5计测出的计测对象物101的物理量，来作为说明变量。此处，物理量可以通过使用第1计测信号而测定出的内容和使用第2计测信号而测定出的内容来区分。也可以是，在物理量为电磁特征量的情况下，第1计测信号是具有第1频率的交流信号，第2计测信号是具有比第1频率高的第2频率的交流信号。换句话说，也可以是，第1计测信号是低频信号，第2计测信号是高频信号。

控制部8在判定为没有收集到足够模型生成的学习数据的情况下(步骤S5的否)，返回步骤S1的处理，进一步收集学习数据。

控制部8在判定为收集到足够模型生成的学习数据而收集结束的情况下(步骤S5的是)，结束一系列的处理。

此处，控制部8存储于存储部10的学习数据组110即多个学习数据的集合可以包括通过不同的计测方法得到的目标变量。在上述的例子中，学习数据组110可以包括直接计测了剖切面的维氏硬度、将钢材的表面的里氏硬度换算为截面的硬度而得到的值和进一步针对钢材的厚度使换算出的值标准化而得到的值中的通过至少两种方法得到的目标变量。例如，维氏硬度是正确的，但为了切断钢材，计测需要时间。此处，通过允许利用不同的计测方法得到的目标变量的混合存在，由此能够在现实的时间内生成正确的学习数据组110。

(机械特性的计测方法)

本实施方式所涉及的机械特性的计测装置100基于由物理量计测部5计测出的计测对象物101的物理量，来计算物质1的机械特性。例如，计测对象物101是具有氧化皮的钢材。例如，物质1是钢材。例如，处于物质1的表面的膜2是氧化皮。例如，物理量包括电磁特征量。例如，物质1的机械特性是钢材的硬度。例如，传感器3是图2和图3所示的磁传感器。在物质1的机械特性的计算中，使用计算模型。为了正确地计测机械特性，生成适当的计算模型较为重要。本实施方式所涉及的机械特性的计测装置100如以下那样计算物质1的机械特性。图7是表示机械特性的计测方法的流程图。

控制部8使物理量计测部5计测计测对象物101的物理量(计测步骤，步骤S11)。此时，计测物质1的(特别是表层的)机械特性中，从物质1的存在膜2的表面来计测物理量。换句话说，在本计测方法中，将作为钢材的物质1和作为膜2的氧化皮一同作为计测对象物101来计测物理量。这在物质1为除钢材以外和膜2为除氧化皮以外的情况下也是相同的。具体而言，在膜2的表面配置物理量计测部5的传感器3。传感器3的计测结果表示包括膜2的影响的物理量即不仅具有物质1还具有膜2的状态下的物理量。扫描部6使传感器3相对于计测对象物101相对移动。作为其结果，传感器3使交流磁场作用于由物理量计测控制部83指定出的计测对象物101的评价部位。传感器3将通过交流磁场而使计测对象物101感应产生的涡电流等的影响计测为电磁特征量的变化。物理量计测部5将计测出的电磁特征量作为多个物理量而向控制部8发送。

控制部8基于作为获取到的物理量中至少两个物理量的选择用物理量，从学习数据组110选择多个学习数据(选择步骤、步骤S12)。此处，控制部8在构成存储于存储部10的学习数据组110的学习数据中，选择接近获取到的选择用物理量的内容。图8是用于对选择用物理量与学习数据组110之间的关系进行说明的图。图8的黑色圆圈分别是构成学习数据组110的学习数据。另外，图8的白色圆圈是选择用物理量。能够以选择用物理量为中心，分别针对选择用物理量的第1物理量和第2物理量，使一定范围内成为局部区域。控制部8可以选择局部区域所含的多个学习数据。

控制部8生成计算模型，上述计算模型用于根据选择出的多个学习数据来计算物质1的机械特性(生成步骤、步骤S13)。可以将计算模型准备为使学习数据的说明变量与目标变量连结得到的线性回归模型或者非线性回归模型。作为线性回归模型，可以使用一般线性模型、一般线性混合模型之类的方法。此处，从计算精度提高的观点出发，优选计算模型与步骤S12的处理匹配地通过局部线性回归的方法而生成。此处，优选在计算模型的生成中，通过步骤S12的处理而选择出的多个学习数据根据与选择用物理量的距离进行加权。即，优选与选择用物理量间的距离越近则进行越大的加权。

控制部8基于所生成的计算模型来计算物质1的机械特性(计算步骤、步骤S14)。控制部8使用所生成的计算模型和输入所需要的至少两个物理量来计算物质1的机械特性。

此处，物质1的机械特性例如也可以是评价部位处的钢材的截面的硬度。机械特性也可以使用例如通过根据过去的试验得到的换算式将使用回弹式硬度计得到的钢材的表面的里氏硬度换算为截面的硬度的值。另外，为了进行更正确的换算，也可以使用进一步针对钢材的厚度而使换算出的值标准化的值。即，可以执行换算为成为基准的钢材的厚度处的值的处理。成为基准的钢材的厚度例如为28mm。另外，在上述的预先处理是在评价部位切断计测对象物101的情况下，机械特性也可以是直接计测剖切面的维氏硬度。

控制部8将计算出的物质1的机械特性输出至显示部11(输出步骤、步骤S15)，结束一系列处理。通过用户来识别显示于显示部11的物质1的机械特性。用户可以基于所显示的物质1的机械特性，来执行物质1的品质管理或者物质1的制造参数的变更指示等。

如以上那样，根据本实施方式所涉及的机械特性的计测装置100和计测装置100所执行的机械特性的计测方法，能够通过上述的结构，经由物理量而正确地计测机械特性。特别是，在针对计测的多个物理量，膜2具备与物质1不同的特征的情况下，通过计算模型生成部81或者选择步骤和生成步骤(步骤S12和步骤S13)，能够生成更适当的计算模型，因此，更大程度地获得上述效果。另外，即便在计测物质1的表层的机械特征的情况下，通过计算模型生成部81或者选择步骤和生成步骤(步骤S12和步骤S13)，也能够生成更适当的计算模型，因此，更大地获得上述效果。此外，上述效果在后述的第2实施方式的情况下也相同地获得。

(实施例)

以下，基于实施例对本公开的效果具体地进行说明，但本公开不限定于这些实施例。

(第1实施例)

在第1实施例中，计测装置100是计测钢材的表层的硬度的装置。在本实施例中，物质1是钢材。膜2是产生于钢材的表面的氧化皮。传感器3是电磁传感器。计测对象物101的物理量是具有氧化皮的钢材的电磁特征量。本实施例中欲计测的机械特性是深度0.25mm处的钢材的截面的硬度。

通过对连续铸造出的板坯进行粗轧，进一步在线连续地进行通过冷却进行的淬火，从而制造出钢材。为了学习数据的收集，针对通过该制造工艺而制造出的钢材，计测出深度0.25mm处的截面的硬度。

在本实施例中，在计测装置100中配置能够计测电磁特征量的电磁传感器，对在表面产生了氧化皮的钢材的表层的电磁特征量进行了计测。此处，作为扫描部6，使用以人力移动的台车。在该台车上排列设置有8个电磁传感器。8个电磁传感器对钢材整个面进行了扫描。

对电磁传感器施加有在具有第1频率的正弦波叠加有具有比第1频率高的第2频率的正弦波的电压。此处，将第1频率设定为150Hz以下。另外，将第2频率设定为1kHz以上。从由电磁传感器观测的电流波形，提取多种电磁特征量。在本实施例中，作为电磁特征量，提取出电流波形的畸变量、振幅和相位变化、高次谐波的振幅和相位变化、增量透磁率的最大值、最小值、平均值、保磁力等20个特征量。对于20个特征量而言，4个是使用低频信号计测出的物理量，16个是使用高频信号计测出的物理量。此处，使施加的正弦波的频率为150Hz以下，以使通过电磁传感器而激励的交流磁场从钢材的表面起进入至300μm左右为止。另外，增量透磁率是表示被施加了磁场的状态下的被磁化的容易程度的值，且在表示磁通量密度与磁场之间关系的磁化曲线中通过小磁滞回线(minor loop)的梯度表示。

收集足够数量的学习数据，将学习数据组110存储于存储部10。学习数据的足够数量例如为100。

为了计算钢材的表层的硬度，计测装置100通过物理量计测部5计测出电磁特征量。电磁特征量中的选择用物理量被设定为包括使用低频信号计测出的至少一个物理量和使用高频信号计测出的至少一个物理量。具体而言，选择用物理量被设定为至少包括与使用了低频信号的电流波形的相位变化关联的特性和与使用了高频信号的增量透磁率关联的特性。控制部8基于选择用物理量，从存储部10的学习数据组110选择出多个学习数据。控制部8使用选择出的多个学习数据，通过局部线性回归的方法生成计算模型。而且，控制部8使用所生成的计算模型来计算硬度。

图9是对本实施例中计算出的硬度与通过硬度计得到的实测值进行了比较的图。横轴的表层实际硬度是实测值，是切出试件并使用回弹式硬度计调查的硬度。另外，纵轴的预测硬度是本实施例中得到的钢材的硬度，且是使用所生成的计算模型而计算出的硬度。此处，硬度H

另外，图10是对与本实施例不同的比较例中计算出的硬度与通过硬度计而得到的实测值进行了比较的图。附图标记等与图9相同。在比较例中，选择用物理量设定为仅包括使用低频信号而计测出的物理量，生成计算模型。如图10所示，预测硬度与表层实际硬度几乎一致，但与图9相比，有时与表层实际硬度产生差异。精度是标准偏差14Hv左右。因此，选择用物理量也可以仅包括使用低频信号而计测出的物理量，但确认出通过选择用物理量包括使用低频信号而计测出的物理量和使用高频信号而计测出的物理量双方，生成精度更高的计算模型。

(第2实施例)

作为第2实施例，示出的例子是，在厚钢板的制造方法中，使用计测装置100所执行的机械特性的计测方法作为表层的硬度的检查。具体的制造方法的一例如图12所示。图12所示的厚钢板43的制造方法包括粗轧工序S41、精轧工序S42、冷却工序S43、表层硬度计测工序S45、表层硬度再计测工序S46和除去工序S47。也可以进一步根据需要而追加去磁工序S44。在进行了追加的情况下，工序按从冷却工序S43起，以去磁工序S44、表层硬度计测工序S45的顺序进行。

在粗轧工序S41中，例如以1000℃以上的温度对钢片41进行热粗轧。在接下来的精轧工序S42中，以850℃以上的温度进行热精轧，使钢片41成为厚钢板42。通过其后的冷却工序S43，将厚钢板42冷却。此处，在冷却工序S43中，例如在厚钢板的温度成为800℃以上的温度下开始冷却，进行冷却至在冷却结束时厚钢板的温度成为450℃左右为止。

在表层硬度计测工序S45中，使用计测装置100所执行的计测方法，针对冷却后的厚钢板42的整个面计测表层的机械特性。然后，根据该计测出的结果，将比预先设定的表层硬度硬的部位判定为固化部。

此处，在使用磁铁起重机那样的磁力提起了钢板的情况下，在起重机的磁铁部分所吸附的部分残留有剩余磁场。在计测电磁特征量来计测机械特性的情况下，存在如下情况：若至少在表层存在剩余磁场，则机械特性的计测或者评价的精度降低。因此，在存在产生剩余磁场的工艺的情况下，优选在表层硬度计测工序S45之前按着表层硬度计测工序S45追加去磁工序S44，通过该去磁工序S44对剩余磁场进行去磁。此时，去磁装置采用距离衰减方式以使表层的剩余磁场成为0.5mT以下的方式进行去磁。

在再计测工序S46中，进行表层硬度计测工序S45中检测出的固化部的表层硬度的再计测。此处，使用计测装置100所执行的计测方法，仅相对于包含附近区域的固化部，再计测表层的机械特性。而且，在若再计测出的固化部的表层硬度超过上述阈值则再次进行了判定的情况下，判定为局部具有较硬的区域的固化部，将厚钢板42向除去工序S47输送。

而且，在除去工序S47中，将通过再计测工序S46而判定为固化部的部位除去。具体而言，通过研磨机等公知的研磨单元，研磨并除去被判定为固化部的部位。在该除去工序S47后，从厚钢板42向厚钢板43的制造结束，向其他工序(向需要者的出货工序、钢管制造工序等)输送厚钢板43。此外，优选对于通过厚钢板42的除去工序S47而研磨后的部位，使用公知或者现有的厚度计来测定研磨位置处的厚钢板42的壁厚，确认是否进入在钢板制造时预先设定的尺寸公差。另外，优选在除去了固化部之后，对于固化部，利用公知的接触式硬度计再次计测表层硬度。根据该计测结果，确认为预先设定的表层硬度以下。若能够确认到，则从厚钢板42向厚钢板43的制造结束。

另一方面，在表层硬度计测工序S45中判定为不存在固化部的情况下或者在再计测工序S46中判定为不是固化部的情况下，不经过除去工序S47，从厚钢板42向厚钢板43的制造结束，向其他工序(向需要者的出货工序、钢管制造工序等)输送厚钢板43。

此外，本实施例中的厚钢板的制造方法也可以在先前的冷却工序S43之后并且在表层硬度计测工序S45之前还包括退火工序S48(未图示)等。特别是，在制造的厚钢板43的表层硬度(更具体而言，在除去了氧化皮的表面上，从上表面开始，根据ASTM A 956/A956MA Standard Test Method for Leeb Hardness Testing of Steel Products测定出的维氏硬度)为230Hv以上且厚钢板43容易产生弯曲的钢的品种的情况下，优选在冷却工序S43之后，在经由退火工序S48之后，经过表层硬度计测工序S45。通过经过退火工序S48，能够期待基于回火的组织的软化。组织的软化抑制固化部的产生，因此，作为结果，能够期待除去区域减少。

如上述那样，在表层硬度计测工序S45中，为了确认硬度，在除去了氧化皮的表面上，从上表面开始，根据ASTM A 956/A 956MA Standard Test Method for Leeb hardnessTesting of Steel products，来计测硬度。此处，在反弹式的硬度计测中，计测对象的厚度对计测值产生影响。因此，预先按厚度调查深度0.25mm处的基于截面维氏硬度和基于表层的反弹式硬度计的硬度的值而构建关系式。被判定为固化部的硬度的值也可以以0.25mm处的截面硬度作为基准，基于为了考虑到基于厚度的影响而预先构建的关系式，来进行调整并决定。在该例子中，使成为基准的深度为0.25mm，但成为基准的深度不受限定。

此外，在本实施例中，作为除去厚钢板42的表层处的由表层硬度计测工序S45判定出的固化部的除去方法，利用公知的研磨单元进行了说明，但在本发明中不限定于此。若是能够除去固化部的方法，则也能够使用除研磨以外的公知方法(例如热处理等)来除去。

如本实施例那样，在厚钢板43的制造方法中使用了计测装置100所执行的机械特性的计测方法的情况下，能够经由物理量正确地计测机械特性，因此，能够提供作为高品质的物质1的厚钢板43。更具体而言，能够从厚钢板42制造抑制了固化部的厚钢板43。

(第2实施方式)

图11是本公开的第2实施方式所涉及的机械特性的计测装置100的框图。在第1实施方式中，学习数据组110存储于计测装置100所具备的存储部10。在本实施方式中，学习数据组110存储于处于计测装置100的外部的数据库12。控制部8能够经由通信部7访问数据库12。在本实施方式中，控制部8经由通信部7使学习数据组110存储于数据库12。另外，控制部8经由通信部7从数据库12获取学习数据组110。计测装置100的其他结构与第1实施方式相同。

根据本实施方式所涉及的机械特性的计测装置100、具备计测装置100的物质1的制造设备、计测装置100执行的机械特性的计测方法、使用该计测方法的物质1的管理方法和制造方法，能够与第1实施方式相同，经由物理量正确地计测机械特性。并且，学习数据组110存储于处于计测装置100的外部的数据库12，因此，能够处理超过内部的存储部10的存储容量的学习数据组110。

此处，通信部7的通信方式可以是近距离无线通信标准或者向移动电话网连接的无线通信标准，可以是有线通信标准。近距离无线通信标准例如也可以包括WiFi(注册商标)、Bluetooth(注册商标)、红外线和NFC(Near Field Communication)等。向移动电话网连接的无线通信标准例如也可以包括LTE(Long Term Evolution)或者第4代以后的移动通信系统等。另外，在通信部7与物理量计测部5的通信中使用的通信方式例如也可以是LPWA(Low Power Wide Area)或者LPWAN(Low Power Wide Area Network)等通信标准。

基于各附图和实施例对本公开进行了说明，但应该注意本领域技术人员可以容易地基于本公开进行各种变形和修正。因此，应该注意的是，这些变形和修正包含于本公开的范围。例如，各方法、各步骤等所含的功能等能够在逻辑上不矛盾地进行再配置，能够将多个方法和步骤等组合为一个，或者进行分割。

上述的实施方式中说明的计测装置100和物理量计测部5的结构是例示的，也可以不包括构成要素的全部。例如，计测装置100也可以不具备显示部11。另外，计测装置100和物理量计测部5也可以具备其他构成要素。例如，物理量计测部5与控制部8和存储部10也可以在物理上分开距离。在这种情况下，物理量计测部5与计测装置100的控制部8电连接即可，该连接可以是有线的，也可以是无线的。另外，该连接也可以利用公知技术。

例如，本公开也能够作为叙述有实现计测装置100的各功能的处理内容的程序或者记录有程序的存储介质来实现。应该理解为本公开的范围也包含这些。

例如，以上述的实施方式所涉及的计测装置100使用图1的本发明所涉及的计测装置100收集了学习数据组110的情况进行了说明，但本发明不限定于此。也可以使用其他物理用计测装置，来收集计测对象物101的物理量。

例如，示出上述的实施方式所涉及的计测装置100作成计算模型的例子，但这些也可以通过其他信息处理装置来作成。在这种情况下，这样的信息处理装置获取学习数据组110，作成计算模型。另外，信息处理装置将所作成的计算模型传输至计测装置100。换句话说，将由其他装置作成的计算模型安装于计测装置100的控制部8，用作计测装置100的一部分。

例如，在上述的实施方式中，示出传感器3通过扫描部6进行扫描的例子，但传感器3的位置也可以被固定。在传感器3的位置被固定的情况下，扫描部6也可以使计测对象物101移动。另外，扫描部6在上述说明中成为由人力操作的台车，但也可以为具备机械式驱动装置的台车。另外，也可以成为由与计测装置100的控制部8不同的控制部控制并能够扫描的扫描部6。特别是，在设置于物质1的制造设备内的情况下，优选利用公知的扫描装置、新的扫描装置、公知的扫描方法、新的扫描方法、公知的控制装置、新的控制装置、公知的控制方法或者新的控制方法的一个以上，设置本发明所涉及的物理量计测部5。并且，扫描部6的控制部也可以能够与其他制造设备的控制部(未图示)协作地进行自动扫描。另外，相反也可以能够通过机械特性的计测装置100的控制部8来自动扫描。在这种情况下，扫描部6、扫描部的控制部、制造设备的控制部、计测装置100的控制部8电连接即可，它们的连接可以是有线的，也可以是无线的。另外，该连接也可以利用公知或者新的技术。

例如，在上述的实施方式中，可以能够基于所显示的物质1的机械特性而输入用户的判定。用户也可以在显示部11中通过手指等向触摸屏幕的接触而输入例如优劣的判定。控制部8也可以根据来自用户的优劣判定结果，进行例如决定研磨工序的实施或者不实施等的控制。另外，作为其他例，为了管理物质1的管理工序的高效化，也可以取代用户而由控制部8基于设定的阈值来执行物质1的优劣的判定。

另外，在上述的实施方式中，说明的是，以钢材作为物质1的例子、以电磁特征量作为物理量的例子、以硬度作为机械特征的例子的情况，但也可以是其他组合。例如，即便物理量为温度，也得到本发明的效果。例如，即便物质1为金属或者化合物，也得到本发明的效果。特别是，在处于金属或者化合物的表面的膜2相对于计测的多个物理量具备与该金属或者化合物不同的特征的情况下，能够得到更大的效果。此处，作为金属的例子，可举出铁、钢、镍、钴、铝、钛或者包含这些金属中的任一者以上的合金。另一方面，作为化合物，可举出无机化合物、有机化合物或者包含铁、钢、镍、钴、铝或钛中任一者以上的化合物。其中，若物质1是铁、钢、镍、钴、包含这些金属中任一者以上的合金或者包含这些金属中任一者以上的化合物，则在使用电磁特征量作为多个物理量的情况下，能够更明确地得到本发明的效果。特别是，在物质1为钢材的情况下，该机械特性根据该钢材所含有的合金元素的比例、淬火处理和退火处理的方法来决定。因此，作为计测的物理量，也可以使用淬火处理和退火处理前后的表面温度的至少一者。

(应用例)

如上述那样构成的机械特性的计测装置100和计测装置100所执行的机械特性的计测方法例如能够在以下那样的设备或者情况下适用。

另外，也可以将本发明用作构成物质1的制造设备的检查设备的一部分。即，也可以是，通过本发明所涉及的机械特性的计测装置100，通过计测装置对由公知、新的或者现有的制造设备制造出的物质1的表面连同处于该物质1的表面的膜2一起进行计测。并且，也可以是，根据该计测结果和例如预先设定的机械特性，检查设备对该物质1的机械特性进行检查。换言之，本发明所涉及的机械特性的计测装置100对由制造设备制造出的物质1进行计测。另外，具备本发明所涉及的机械特性的计测装置100的检查设备例如使用预先设定的机械特性来检查由制造设备制造出的物质1。

另外，也可以将本发明用作物质1的制造方法所含的检查步骤的一部分。具体而言，也可以是，保持在该物质1的表面存在膜2的状态，通过检查步骤来检查在公知、新的或者现有的制造步骤中制造出的物质1。此处，检查步骤具备本发明所涉及的前述的计测步骤、选择步骤、生成步骤和计算步骤，将在表面存在膜2的物质1作为计测对象物101，对物质1的机械特性进行计算。或者，检查步骤使用本发明所涉及的机械特性的计测装置100，将在表面存在膜2的物质1作为计测对象物101，来计算物质1的机械特性。也可以是，作为更优选的形式，在由计算步骤或者计测装置100计算出的物质1的机械特性不包含于基准范围的情况下，以包含于基准范围的方式变更制造步骤的制造条件的条件变更步骤包含于制造方法。此处，基准范围也可以是使用过去制造出的物质1通过统计而得到的机械特性的标准范围。制造条件是能够在物质1的制造步骤中调整的参数。制造条件能够选择例如物质1的加热温度、加热时间或者冷却时间等。

根据这些物质1的制造设备和物质1的制造方法，能够经由物理量正确地计测机械特性，因此，能够高合格率地制造物质1。此处，在通过机械特性的计测装置100或者计算步骤得到的物质1的机械特性为物质1的表层的机械特性的情况下，通过计算模型生成部81或者通过选择步骤和生成步骤(步骤S12和步骤S13)，能够生成更适当的计算模型，因此，更大地获得上述效果。

此处，作为物质1的制造设备的一例，可举出接下来的内容。即，一种钢板的制造设备列，具备：轧制设备，其对钢片进行轧制而得到钢板；检查设备，其具备本发明所涉及的机械特性的计测装置，并通过上述计测装置来计测上述钢板的表层硬度，根据上述计测出的上述钢板的表层硬度，针对上述钢板的表层将比预先设定的表层硬度硬的部位判定为固化部；以及除去设备，将上述钢板的表层中的上述判定出的固化部除去。

此外，若上述制造设备列根据需要在上述轧制设备与上述检查设备之间还具备对钢板表层或者整体进行去磁的去磁设备，则能够防止机械特性的计测或者评价的精度降低，因此，更加优选。

另外，此处，作为物质1的制造方法的一例，可举出接下来的内容。即，一种钢板的制造方法，具有：轧制步骤，在该步骤中，对钢片进行轧制而得到钢板；检查步骤，在该步骤中，通过本发明所涉及的机械特性的计测方法来计测上述钢板的表层硬度，根据上述计测出的上述钢板的表层硬度，针对上述钢板的表层将比预先设定的表层硬度硬的部位判定为固化部；以及除去步骤，在该步骤中，将上述钢板的表层中的上述判定出的固化部除去。

此外，若上述制造方法根据需要在上述轧制步骤与上述检查步骤之间还具备对钢板表层或者整体进行去磁的去磁步骤，则能够防止机械特性的计测或者评价的精度降低，因此，更加优选。

在上述钢板的制造方法的情况下，为了在连续的钢片中得到预定形状和机械特性，在850℃以上进行轧制步骤。也可以是，在该轧制步骤后，进一步进行淬火和退火作为热处理步骤。公知有增量透磁率、保磁力、巴克豪森噪声等电磁特征量同钢材的机械特性具有相关性。因此，在经由上述热处理步骤而决定了钢材的组织的状态下，优选计测电磁特征量作为计测对象物101的物理量。此时，计测对象物101是指钢板和处于该钢板的表面的膜。另外，作为钢板的表面的膜，例如可举出氧化皮和黑皮等氧化铁膜、树脂涂层等有机被膜、镀覆被膜或者化成处理被膜等。另外，机械特性由于在淬火和退火中决定，所以，作为制造方法中的计测对象物101的物理量，也可以进一步另外计测淬火前后的温度或者退火前后的温度等来使用。

并且，也可以将本发明应用于物质1的管理方法，并检查物质1，由此进行物质1的管理。具体而言，对于在表面存在膜2的预先准备的物质1，在检查步骤中进行检查，以通过检查步骤得到的检查结果为基础，在对物质1进行分类的管理步骤中进行管理。此处，检查步骤具备本发明所涉及的前述的计测步骤、选择步骤、生成步骤和计算步骤，将在表面存在膜2的预先准备的物质1作为计测对象物101，来计算物质1的机械特性。或者，检查步骤使用本发明所涉及的机械特性的计测装置，将在表面存在膜2的物质1作为计测对象物101，来计算物质1的机械特性。在接下来的管理步骤中，能够进行物质1的管理。在管理步骤中，基于通过计算步骤或者机械特性的计测装置100而得到的物质1的机械特性，将制造出的物质1以预先指定的基准为基础进行分类，从而管理物质1。例如，在物质1为钢材，物质1的机械特性为钢材的硬度的情况下，能够按与硬度对应的等级对钢材进行分类。根据这样的物质1的管理方法，能够经由物理量而正确地计测机械特性，因此，能够提供高品质的物质1。此处，在通过机械特性的计测装置100或者计算步骤而得到的物质1的机械特性为物质1的表层的机械特性的情况下，通过计算模型生成部81或者通过选择步骤和生成步骤(步骤S12和步骤S13)，能够生成更适当的计算模型，因此，更大程度地获得上述效果。

另外，此处，作为物质1的管理方法的一例，可举出接下来的内容。即，一种钢板的制造方法，具有：检查步骤，在该步骤中，通过本发明所涉及的机械特性的计测方法来计测钢板的表层硬度，根据上述计测出的上述钢板的表层硬度，针对上述钢板的表层将比预先设定的表层硬度硬的部位判定为固化部；和管理步骤，在该步骤中，根据上述钢板的表层中的上述判定出的固化部的面积和/或者位置对上述钢板进行分类。

附图标记说明

1...物质；2...膜；3...传感器；5...物理量计测部；6...扫描部；7...通信部；8...控制部；10...存储部；11...显示部；12...数据库；31...励磁线圈；32...磁轭；41...钢片；42...厚钢板；43...厚钢板(没有固化部的状态)；81...计算模型生成部；82...机械特性计算部；83...物理量计测控制部；100...计测装置；101...计测对象物；110...学习数据组。