塑料輕巧，便宜，并且可以加熱制成任何形狀，使其成為“ 20世紀上帝的禮物”。關鍵是要保持其統(tǒng)一的質量，但其對工藝條件的敏感性使加工自主性變得困難。一旦設置了流程，更改過程也將花費很長時間，并且由于實際結果的差異，實時優(yōu)化被認為是不可能的。

研究團隊由Rho Junsuk教授和POSTECH機械與化學工程系的博士生Chihun Lee以及MSung博士的Seungchul Lee教授Juwon Na組成。與機械工程系的Seongjin Park教授集成的程序共同開發(fā)了一個系統(tǒng)，該系統(tǒng)通過結合人工神經網絡(人工神經網絡)和隨機搜索來推薦注塑工藝條件。使用此新系統(tǒng)可以實時獲得各種形狀。這些研究結果最近發(fā)表在《高級智能系統(tǒng)》雜志上。

該團隊使用人工智能訓練了過程條件和最終產品之間的關系，以找到滿足目標質量的條件。從36個不同的模具中獲得了3600個仿真和476個實驗，并進行了學習。結果，團隊確認每個基準具有15種形狀和5個過程作為輸入值，產品的最終重量作為輸出值。

基于通過轉移學習訓練的重量預測模型，開發(fā)了一種推薦系統(tǒng)，以通過隨機搜索找到最佳工藝條件。通過應用AI模型推薦的條件，平均相對誤差達到0.66%。

最后，為實際的注塑機開發(fā)了GUI(圖形用戶界面)。這甚至允許非專家輸入任何產品的形狀信息，以建立誤差在目標產品重量1%以內的加工條件。

傳統(tǒng)研究僅通過更改一種指定產品的工藝條件來預測目標產品的質量。但是，這項研究收集了36種形狀不同的產品的結果(重量)信息，同時改變了定量形??狀和工藝條件。因此，即使模制了新產品，也可以通過簡單地輸入產品形狀來控制工藝條件，而不必預測結果或生成學習數(shù)據(jù)。另外，引入了轉移學習來獲得仿真數(shù)據(jù)和實驗數(shù)據(jù)的準確性。

使用這種新開發(fā)的人工神經網絡系統(tǒng)，即使是非專家也可以通過簡單地輸入所需最終產品的形狀和重量來獲得一致的結果?？梢灶A料，這樣的系統(tǒng)將允許塑料注射工藝，機械加工，3D打印機和鑄造，這在以前是具有挑戰(zhàn)性的，將在各種制造業(yè)中實現(xiàn)“無人智能工廠”。