MouldPredict：人工智能支持的注塑成型质量预测

莱比锡Kunststoff中心（KUZ）的研究项目 "MouldPredict "旨在开发一种自学式人工智能系统，用于注塑成型工艺中的生产质量预测。将采用迁移学习方法，以已生成的人工智能模型的形式将知识迁移到其他工艺中。通过这种方式，可以为优化设置变量提供更好的帮助，并对未知工艺进行持续的质量监控，从而大大减少工作量。

人工智能模型无法全面应用于注塑成型，因为每种工艺本身都是独一无二的。因此，需要采用一些方法，将已经生成的人工智能模型中的现有知识应用到其他工艺中，从而不断扩展这些知识。

基于人工智能的优化设置参数辅助系统

因此，"MouldPredict"研究项目的目标是开发一种自适应人工智能系统，用于注塑成型工艺中的生产质量预测。全自动DOE模块用于生成生产机器上的实际训练数据，以便建立一个广泛的数据库。到目前为止，只能针对特定的注塑工艺学习模型，但这些知识无法迁移到其他产品、材料或工艺边界条件中。因此，目前正在研究和实施注塑工艺中的迁移学习方法。此外，还在研究人工智能模型可以在多大程度上取代传感器技术，以便通过额外的传感器技术减少中小企业的工作量。

最终成果是一个具有设置参数优化功能的辅助系统，可持续监控注塑件质量，并帮助用户找到最佳设置参数。

软件集成，提高质量和资源利用效率

机器制造商主要通过将模型集成到机器控制中来受益于项目成果。另一方面，通过软件集成，注塑加工人员可以提高质量和资源利用效率，同时减少机器设置人员和操作人员的工作量。在熟练工人短缺的背景下，这一点尤为重要。该解决方案尤其适用于要求始终如一高质量的技术部件注塑应用。在这种情况下，研发工作可以减少工作量，改善质量监控，例如缩短监控周期。