PPG aus den USA setzt Künstliche Intelligenz ein, um die Entwicklung und Herstellung von Beschichtungen neu zu gestalten

de.wedoany.com-Bericht: Brad Budde, Vizepräsident und Chief Digital Officer von PPG, wies kürzlich in einem Artikel darauf hin, dass Künstliche Intelligenz die Art und Weise, wie Beschichtungen entwickelt, hergestellt und angewendet werden, neu gestaltet und zu einer treibenden Kraft der technologischen Entwicklung in diesem Bereich wird.

Die traditionelle Formulierungsentwicklung ist stark auf physikalische Experimente angewiesen, ein zeitaufwändiger und ressourcenintensiver Prozess. PPG beschleunigt mit Hilfe von maschinellen Lernmodellen und digitalen Zwillingstools die Markteinführung von Produkten. Die digitale Zwillingstechnologie ermöglicht es Wissenschaftlern, bereits vor dem Betreten des Labors die vielversprechendsten chemischen Lösungsansätze einzugrenzen und die Anzahl der Iterationen zu reduzieren, die für ein kommerziell tragfähiges Produkt erforderlich sind. Diese Tools können physikalische Tests nicht ersetzen, aber sie steigern die Testeffizienz erheblich.

Im Bereich der Farbauswahl ermöglicht PPG Kunden durch das LINQ-Ökosystem, das VisualizID-Produkt, MaVis und andere Farbvisualisierungstools eine fortschrittliche 3D-Farbvisualisierung, ohne dass physische Spritzbleche erforderlich sind. Farben können unter verschiedenen Lichtbedingungen betrachtet und Misch- und Kanteneffekte bewertet werden. Diese Tools werden durch fortschrittliche Farbmesstechnologien von Geräten wie DigiMatch unterstützt, die mehrwinklige Bilddaten erfassen können.

Im Bereich der Beschichtungsherstellung wird Künstliche Intelligenz zur weiteren Prozessoptimierung eingesetzt. Die KI-Initiativen von PPG zielen darauf ab, Entscheidungen im Beschichtungsbereich zu beschleunigen und Bereiche wie die Vorhersage von Leistungseigenschaften, Prozessoptimierung und technische Unterstützung zu unterstützen. Ein neuer Durchbruch besteht darin, Vorhersagemodelle in die Geräte selbst zu integrieren, durch den Einsatz von Sensoren ein tieferes Verständnis der Farb- und Materialeigenschaften während des Herstellungsprozesses zu gewinnen und Rechenleistung sowie parallele Denkfähigkeiten in die Arbeit der Fachchemiker einzubringen.

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