Page 60 - 《橡塑技术与装备》2024年12期
P. 60

橡塑技术与装备                                          CHINA RUBBER/PLASTICS  TECHNOLOGY  AND EQUIPMENT

             机的性能，降低成本，并且可能通过自主研发或合作                           速度等传感器数据的准确性、完整性以及清洗和标准
             开发为工业机器人配备了 AI 大脑，以增强自动化和智                        化问题。
             能化水平。                                                 数据驱动的决策支持系统的研发，主要包括以下
                 某企业开发了一套名为 “SmartMold” 的系统，它                  几方面 ：数据采集与预处理 ；数据分析方法 ；决策支
             结合了 AI 和大数据，可以自动调整注塑机的参数，根                        持算法的应用 ；通过数据反馈优化生产流程和参数设
             据实时生产条件和历史数据提供最优化的解决方案。                           置 ；量化决策效果评估与持续改进机制。
                      美的集团智能制造研究院聚焦智能注塑工厂关                         注塑过程涉及多个变量和物理效应，如何建立准
             键技术研究与应用，从数字化、自动化、先进工艺等                           确的数学模型来模拟和优化这个过程是个挑战。深度
             多个方面进行突破，为注塑工厂提供智能制造完整解                           学习中的神经网络模型，如深度神经网络（DNN）、
             决方案，助力中国 AI 注塑成型的发展。                              卷积神经网络（CNN）、循环神经网络（RNN） 等，
                 宇电 AI 仪表，如 AI-7048D5 型控制器和 AI-                其实质都是复杂的数学模型。
             2057 无纸记录仪，在注塑机的温度控制系统中被用于                        4.4 优化算法
             精确控制和优化过程，说明 AI 技术正在帮助设备制造                            优化算法的目标是为了提高算法的性能，如更快
             商实现更精确和高效的生产。                                     的收敛速度、更低的计算复杂度、更高的准确度或更
                                                               好的泛化能力。研究内容包括 ：选择合适的优化算法
             4 AI 注塑成型技术研究领域拓展和深化                             （如梯度下降、遗传算法、粒子群优化等）、调整超参
                 AI 注塑成型技术的发展是行业升级的重要驱动                        数、使用更高效的模型架构（如深度学习中的残差网
             力，它推动着生产模式的变革，提升了整个行业的技                           络、注意力机制）。
             术水平和经济效益                                              研究如何在保证模型性能的同时，优化模型性能，
                 AI 注塑成型技术面临诸多技术挑战：①数据难题：                      开发出能够适应复杂工况、环境变化的高效算法，以
             注塑成型过程中的大量实时数据处理与清洗的复杂性。                          确保模型在不同条件下都能稳定运行，提高预测精度
             ②精度与可靠性 ：确保 AI 模型在实际生产环境中的稳                       和控制效果。更深度提升数据处理速度和灵活性。
             定性和精度。③安全与隐私 ：如何在使用 AI 的同时保                        4.5 优化鲁棒性算法
             护工艺数据和个人信息。                                           优化鲁棒性算法旨在处理数据集中的异常值或噪
                 未来 AI 注塑成型技术研究领域拓展和深化的方                       声，这些数据点可能会对传统算法造成显著影响。
             向主要体现在以下几个方面 ：                                        研究如何使模型在遇到处理数据集中的异常值或
             4.1 深度学习和神经网络                                     噪声的复杂环境下的仍能保持稳健性和可靠性，即使
                 深度学习和神经网络都是 AI 领域中的核心组成                       输入数据分布发生变化，也能保证输出结果的稳定性
             部分。更深、更大规模的神经网络结构设计的研究 ；                          和一致性，不会因为个别异常点而产生过大的误差。
             新的深度学习算法的研究 ；针对特定任务的专用硬件                          4.6 可解释性
             设计的研究 ；数据增强和预处理技术的研究 ；可解释                             AI 可解释性不仅有助于提升模型的可信度，而且
             的深度学习模型的研究 ；提高模型泛化能力的研究。                          还能推动 AI 技术应用深化和广泛。随着 AI 技术的发
             4.2 软件平台构建                                        展，研究者需要不断更新和改进解释方法，以适应新
                 研究适合各类注塑成型需求的 AI 软件平台，包                       的模型和应用场景。
             括实时监控、数据分析、算法集成等模块的构建，主                               AI 的可解释性是指理解 AI 模型决策过程的能力，
             要包括 ：开发工具与编程语言 ；选择支持深度学习和                         这对于提高信任度、确保公平性和促进业务决策至关
             机器学习的开发环境 ；用户界面与交互设计 ；   系统集                      重要。AI 决策的透明度和追溯性，对于保证产品质量
             成与测试 ；功能测试与性能验证。                                  和遵守法规至关重要。
             4.3 数据质量和可靠性                                          研究如何使 AI 模型的决策过程更加直观和易于
                 AI 依赖大量高质量的实时数据进行学习，如何保                       理解，如可视化模型结构、决策路径或重要特征。研
             证数据的准确性、一致性以及处理过程中的异常检测                           究通过设计和开发模型，使其产生的结果能被人类理
             是首要挑战。在注塑机中，这可能涉及到温度、压力、                          解和解释，例如决策树、逻辑回归等模型相对容易

             ·12·                                                                            第 50 卷  第  12 期
   55   56   57   58   59   60   61   62   63   64   65