使用AI / ML来预测混合性能和过程灵敏度,用于连续直接压缩 (CDC)

科学领域:

• 粉末技术技术 粉末技术
• 化学工程是化学工程的重要组成部分.
• 计算科学 计算科学

背景情况:

• 在倾斜线性混合机中准确预测填充水平对于工艺控制至关重要.
• 填充水位直接影响刀片的传递 (应变),这是实现粉末混合物中含量均性的关键因素.
• 现有的方法可能缺乏复杂粉末配方所需的精度.

研究的目的:

• 开发和评估人工智能 (AI) 和机器学习 (ML) 模型,用于预测倾斜线性混合器的填充水平.
• 确定影响填充水平的最有影响力的粉末特性和加工参数.
• 为优化配方开发和流程理解建立一个框架.

主要方法:

• 利用了三个AI/ML工具:随机森林回归,用于减少顺序建模的象征回归工具,以及人工神经网络 (ANN).
• 使用散装粉末特性和加工参数 (RPM,混合叶片大小,墙面摩擦角度,料速度) 训练模型.
• 关于单组分混合物和四组分青醇配方的验证模型.

主要成果:

• 在填充水平预测方面,ANN表现出最高的准确性 (r2 = 0.97).
• 排名特征的重要性:RPM,混合叶片大小,墙面摩擦角度,料速率.
• 在不同的RPM中,ANN预测了一种类型的偏醇配方的填充水平,平均绝对误差为1.4%.

结论:

• 人工智能/ML模型为预测混合器填充水平和理解过程配方相互作用提供了强大的框架.
• 这种方法使得配方开发的"第一时间正确"策略成为可能,减少了实验需求.
• 该研究增强了风险评估和对粉末配方加工环境的整体理解.