de.wedoany.com-Bericht: Dr. Ioanna Tzortzi, stellvertretende Expertin für Harz- und Beschichtungsinnovation bei Perstorp AB, erläuterte die Rolle der künstlichen Intelligenz bei der Beschleunigung der Entwicklung und Optimierung von Harz- und Additivformulierungen. KI beschleunigt den Entwicklungsprozess, indem sie die Beziehungen zwischen Formulierungsauswahl, Prozessbedingungen und Leistung analysiert und auf der Grundlage dieses Wissens Ergebnisse vorhersagt und Entscheidungen leitet. Diese Methode ermöglicht eine schnelle Bewertung von Kandidaten, die Identifizierung kritischer Variablen und die Empfehlung robuster Betriebsfenster, die über einzelne Formulierungen hinausgehen. Aktives/sequenzielles Lernen hat sich als effektiv erwiesen; das Modell wird nach jedem Experiment aktualisiert und schlägt optimierte Versuche vor, um die Leistung zu verbessern oder die Unsicherheit zu verringern. Die Technologie ist in allen Bereichen der Beschichtungswertschöpfungskette anwendbar, einschließlich Harz- und Additivdesign, Formulierungsoptimierung, Anwendungsleistung und Scale-up, indem sie kontinuierlich aus strukturierten Labor- und Prozessdaten lernt.
Tzortzi ist der Ansicht, dass die Beschichtungsindustrie noch nicht an dem Punkt angelangt ist, an dem digitale Tools vollständig in die Arbeitsabläufe von Fertigung und Anwendungsentwicklung integriert sind, und dass es zu früh ist, um Bereiche mit „größter Auswirkung“ zu bewerten. KI hat einen Punkt erreicht, an dem Unternehmen an ihrem Potenzial interessiert sind, aber die Anwendung ist noch ungleichmäßig und befindet sich in einer explorativen Phase. Der Markt sucht aktiv nach glaubwürdigen Erfolgsgeschichten, die zeigen, wo KI einen Mehrwert schafft, wie sie im täglichen Betrieb operationalisiert werden kann und welche konkreten Vorteile sie im Vergleich zu herkömmlichen Methoden bietet, wie z. B. Verbesserungen bei Geschwindigkeit, Qualität und Robustheit.
In Bezug auf Datenqualität und Modellrobustheit erklärte Tzortzi, dass Datenqualität, -vollständigkeit und -struktur entscheidende Voraussetzungen für die Anwendung von maschinellem Lernen in Forschung, Entwicklung oder Prozessoptimierung sind. Das Unternehmen verfolgt einen projektspezifischen Ansatz. Am Beispiel der KI-gesteuerten Alkydemulgierung definierten sie alle relevanten qualitativen und quantitativen Zielvariablen und stellten eine konsistente und lückenlose Versuchsdokumentation sicher. Bei Bedarf wurden Deskriptoren entworfen, um Produktindikatoren zuverlässig für das Modelltraining darzustellen. Die Modellrobustheit wird durch regelmäßige Datenaktualisierungen, menschliche Validierung im Kreislauf, Benchmarking der Vorhersagen mit Laborergebnissen und die Überwachung von Leistungskennzahlen im Laufe der Zeit aufrechterhalten, um Verbesserungen zu verfolgen oder Verschlechterungen zu erkennen.
Hinsichtlich der Nachfrage von Beschichtungsherstellern nach digitalen oder KI-Dienstleistungen stellte Tzortzi fest, dass keine explizite Nachfrage nach KI-Dienstleistungen besteht, aber die Neugier der Beschichtungshersteller wächst. Kunden wünschen sich Erfolgsgeschichten und praktische Erklärungen der KI-Fähigkeiten, wie sie in den täglichen Arbeitsablauf integriert werden können und welche Vorteile sie im Vergleich zu herkömmlichen Trial-and-Error-Methoden bieten. Sie verwies auf die KI-gesteuerte Alkydemulgierungsarbeit des Unternehmens mit Neptem, bei der KI-Modelle mit einem manuell geführten Ansatz verglichen wurden, was erhebliche Verbesserungen bei der Ressourceneffizienz und der Materialentdeckung zeigte.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
