Smarte KI stellt alle Arten von Formen selbst her
Künstliches neuronales Netzwerk empfiehlt Prozessbedingungen für das Kunststoffformen
Kunststoff ist leicht, billig und kann bei Erwärmung in jede beliebige Form gebracht werden, was ihn zu einem "Geschenk des Gottes des 20. Jahrhunderts" macht. Der Schlüssel liegt darin, seine gleichmäßige Qualität zu erhalten, aber seine Empfindlichkeit gegenüber den Prozessbedingungen erschwert die Verarbeitungsautonomie. Außerdem dauert es lange, den einmal eingestellten Prozess zu ändern, und eine Echtzeit-Optimierung wird aufgrund der Unterschiede in den tatsächlichen Ergebnissen als unmöglich erachtet.
Das POSTECH-Forschungsteam entwickelt ein künstliches neuronales Netzwerk, das Prozessbedingungen für das Kunststoffformen empfiehlt.
POSTECH
Ein Forschungsteam, bestehend aus Professor Junsuk Rho und Doktorand Chihun Lee von den POSTECH-Fachbereichen Maschinenbau und Chemieingenieurwesen und Professor Seungchul Lee, Juwon Na im integrierten MS-PhD-Programm mit Professor Seongjin Park im Fachbereich Maschinenbau, haben gemeinsam ein System entwickelt, das durch die Kombination von künstlichem neuronalen Netzwerk (Artificial Neural Network) und einer Zufallssuche Prozessbedingungen für das Spritzgießen empfiehlt. Durch die Verwendung dieses neuen Systems können verschiedene Formen in Echtzeit erhalten werden.
Das Team trainierte die Beziehung zwischen den Prozessbedingungen und den Endprodukten mit Hilfe künstlicher Intelligenz, um die Bedingungen zu finden, die der angestrebten Qualität entsprechen. Es wurden 3.600 Simulationen und 476 Experimente von 36 verschiedenen Formen erhalten und gelernt. Als Ergebnis bestätigte das Team, dass jedes Datum 15 Formen und fünf Prozesse als Eingabewert und das Endgewicht des Produkts als Ausgabewert hatte.
Auf der Grundlage des durch Transferlernen trainierten Gewichtsvorhersagemodells wurde ein Recommender-System entwickelt, um die optimalen Prozessbedingungen durch Zufallssuche zu finden. Durch Anwendung der vom KI-Modell empfohlenen Bedingungen wurde ein durchschnittlicher relativer Fehler von 0,66% erreicht.
Schließlich wurde eine GUI (grafische Benutzeroberfläche) für die eigentlichen Spritzgießmaschinen entwickelt. Diese ermöglicht es auch Nicht-Experten, die Forminformationen für jedes Produkt einzugeben, um einen Prozesszustand festzulegen, der einen Fehler innerhalb von 1% des Zielproduktgewichts aufweist.
Konventionelle Forschung sagte die Qualität des Zielprodukts voraus, indem nur die Prozessbedingungen für ein bestimmtes Produkt geändert wurden. In dieser Studie wurden jedoch Informationen über die Ergebnisse (Gewicht) von 36 unterschiedlich geformten Produkten gesammelt, wobei sowohl die quantifizierten Formen als auch die Prozessbedingungen geändert wurden. Selbst wenn ein neues Produkt geformt wird, können daher die Prozessbedingungen kontrolliert werden, ohne dass die Ergebnisse vorhergesagt oder Lerndaten durch einfache Eingabe der Form des Produkts generiert werden müssen. Darüber hinaus wurde das Transfer-Lernen eingeführt, um sowohl Simulationsdaten als auch die Genauigkeit der experimentellen Daten zu erhalten.
Mit Hilfe dieses neu entwickelten künstlichen neuronalen Netzwerks können auch Nicht-Experten einheitliche Ergebnisse erzielen, indem sie einfach die Form und das Gewicht des gewünschten Endprodukts eingeben. Es wird erwartet, dass ein solches System die Implementierung einer "unbemannten intelligenten Fabrik" in verschiedenen Fertigungsindustrien ermöglichen wird, indem es Kunststoff-Spritzverfahren, maschinelle Bearbeitung, 3D-Drucker und Gießen ermöglicht, die bisher eine Herausforderung darstellten.
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
![[Fe]-Hydrogenase-Katalyse mittels Parawasserstoff-verstärkter Kernmagnetresonanzspektroskopie sichtbar gemacht](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Holen Sie sich die Chemie-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für die chemische Industrie, Analytik, Labor und Prozess bringt Sie jeden Dienstag und Donnerstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
