“达尔文”团队:来自住友 (SHI) 德马格的 LTR Thorsten Thümen 博士、来自 Plus 10 的 Felix Georg Müller、来自 SKZ 的 Christoph Mussauer、来自住友 (SHI) 德马格的 Marco Fischer 和 Melanie Rohde(从左到右)。[size=0.85](来源:住友(SHI)德马格)
Fraunhofer 的衍生公司 Plus 10 和 SKZ(南德意志塑料中心)的联合研究项目旨在借助人工智能和机器学习为注塑机开发优化的工艺参数。这些参数基于随后的机器循环并考虑到例如原材料特性或环境条件。这应该可以在没有次品的情况下进行制造。根据项目团队的说法,行为模型应该可以转移到类似尺寸和技术的机器上,而不管制造商是谁。
机器相互学习在该项目的框架内,基于高频机器数据获取注塑机的详细行为模型。由于预训练机器学习模型的可迁移性,单个机器可以相互学习。这意味着特定机器的行为模型不必每次都完全重新学习,而只是在一个小的适应阶段适应机器和当前运行的产品。因此,模型将建议下一个周期的优化工艺参数。
德马格注塑机试验当前的测试系列证明了该项目的实际相关性。这些算法最近在德马格的住友 (SHI) 机器上进行了训练。它们有一个控制系统,可以实现毫秒范围内的高频和近实时通信。这种类型的通信使机器实际上“准备就绪”。
优化工艺对于可持续塑料加工很重要该项目设计的解决方案应该能够以工艺稳定的方式加工敏感或异质材料,例如热塑性消费后回收物或快速交联的弹性体,促进塑料行业的循环经济。
最终结果计划于 2022 年底公布。