相关实验视频
Updated: May 24, 2025
08:15
Data Communication Based on MQTT in a Polymer Extrusion Process
Published on: July 15, 2022
3.4K
人工智能支持的制造过程发现
D Quispe1, D Kozjek1,2, M Mozaffar1,3
1Department of Mechanical Engineering, Northwestern University, Evanston, IL 60208, USA.
PNAS nexus
|March 5, 2025
概括
本研究引入了一种通用制造语言,以系统地发现基于能源和性能依赖性的新工艺. 一个机器学习模型 (变量自动编码器) 编码各种制造数据,使新的过程的探索和生成成为可能.
科学领域:
- 制造业 工程 制造工程
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 制造过程的发现传统上依赖于经验,缺乏系统的方法.
- 现有的制造语言是分散的,阻碍了跨流程分析和可扩展性.
- 需要一种通用语言来描述各种不同的制造输入和输出.
研究的目的:
- 提出一种系统的方法来发现制造工艺.
- 开发一种通用语言来描述制造过程的输入和输出.
- 利用机器学习来识别依赖关系并产生新的制造工艺.
主要方法:
- 开发了一种通用制造语言来描述工艺特征.
- 构建了一个包含50多个不同过程类的数据集.
- 在数据集上训练一个变化自编码器 (VAE) 模型,将进程编码到二维潜伏空间.
主要成果:
- VAE模型成功地编码了各种制造工艺,揭示了潜在的依赖关系.
- 潜伏空间允许基于所需的性能输出来探索,选择和生成过程.
- 经过验证的模型衍生依赖关系与已建立的制造知识保持一致.
结论:
- 拟议的通用语言和VAE模型为制造过程发现提供了一个系统的框架.
- 这种方法有助于识别具有所需性能特征的新型制造工艺.
- 该方法证明了加速制造业创新的潜力.
