教育新闻网塑料轻巧，便宜，并且可以加热制成任何形状，使其成为“ 20世纪上帝的礼物”。关键是要保持其统一的质量，但其对工艺条件的敏感性使加工自主性变得困难。一旦设置了流程，更改过程也将花费很长时间，并且由于实际结果的差异，实时优化被认为是不可能的。
研究团队由Rho Junsuk教授和POSTECH机械与化学工程系的博士生Chihun Lee以及MSung博士的Seungchul Lee教授Juwon Na组成。与机械工程系的Seongjin Park教授集成的程序共同开发了一个系统，该系统通过结合人工神经网络(人工神经网络)和随机搜索来推荐注塑工艺条件。使用此新系统可以实时获得各种形状。这些研究结果最近发表在《高级智能系统》杂志上。
该团队使用人工智能训练了过程条件和最终产品之间的关系，以找到满足目标质量的条件。从36个不同的模具中获得了3600个仿真和476个实验，并进行了学习。结果，团队确认每个基准具有15种形状和5个过程作为输入值，产品的最终重量作为输出值。
基于通过转移学习训练的重量预测模型，开发了一种推荐系统，以通过随机搜索找到最佳工艺条件。通过应用AI模型推荐的条件，平均相对误差达到0.66%。
最后，为实际的注塑机开发了GUI(图形用户界面)。这甚至允许非专家输入任何产品的形状信息，以建立误差在目标产品重量1%以内的加工条件。
传统研究仅通过更改一种指定产品的工艺条件来预测目标产品的质量。但是，这项研究收集了36种形状不同的产品的结果(重量)信息，同时改变了定量形状和工艺条件。因此，即使模制了新产品，也可以通过简单地输入产品形状来控制工艺条件，而不必预测结果或生成学习数据。另外，引入了转移学习来获得仿真数据和实验数据的准确性。
使用这种新开发的人工神经网络系统，即使是非专家也可以通过简单地输入所需最终产品的形状和重量来获得一致的结果。可以预料，这样的系统将允许塑料注射工艺，机械加工，3D打印机和铸造，这在以前是具有挑战性的，将在各种制造业中实现“无人智能工厂”。
