扫码加客服,即可 免费获得 1000+ 塑料行业社群, 10W+ 塑料行业人脉, 最新 产能地图、 最全 制品企业通讯录
立即加群
专塑视界
下载APP
机器学习

机器学习

机器学习在塑料工业中的应用正日益广泛。本栏目聚焦机器学习技术在橡胶塑料化工、塑料原料辅料、塑料制品、塑料机械及塑料包装等领域的创新应用。我们将分享机器学习如何优化塑料配方设计、提升生产效率、改进质量控制、预测设备维护等前沿案例。无论是塑料加工过程的智能监控,还是基于大数据的材料性能预测,这里都有最新技术动态和实用解决方案。关注我们,了解AI如何赋能塑料产业智能化升级,获取机器学习在塑料行业的落地实践与成功经验。

最近访问者
用户头像
21***.4
未*
用户头像
19***65
未*
用户头像
54***32
未*
用户头像
15***90
未*
用户头像
19***66
未*
用户头像
52***59
未*
用户头像
66***14
未*
用户头像
66***15
未*
用户头像
66***37
未*
用户头像
20***54
未*
机器学习结合在线颜色测量,实时预测塑料挤出过程中的离线颜色,减少配方迭代,提升颜色匹配效率。
机器学习预测塑料挤出颜色:在线测量加速颜色匹配
机器学习结合在线颜色测量,实时预测塑料挤出过程中的离线颜色,减少配方迭代,提升颜色匹配效率。
机器学习预测塑料挤出颜色:在线测量加速颜色匹配
挤出工艺正从独立制造环节演变为智能工厂中互联互通的组成部分,人工智能、数字孪生、智能传感器和先进分析技术正在改变挤出生产线的运行方式,帮助制造商实时做出数据驱动决策,提升质量、减少浪费并提高生产率。面对能源成本上升、再生材料使用增加和劳动力短缺等挑战,数字创新成为塑料行业保持竞争力的战略必需,研究机构与产业界正携手加速从实验室概念到工厂车间应用的转化。
挤出工艺正从独立制造环节演变为智能工厂中互联互通的组成部分,人工智能、数字孪生、智能传感器和先进分析技术正在改变挤出生产线的运行方式,帮助制造商实时做出数据驱动决策,提升质量、减少浪费并提高生产率。面对能源成本上升、再生材料使用增加和劳动力短缺等挑战,数字创新成为塑料行业保持竞争力的战略必需,研究机构与产业界正携手加速从实验室概念到工厂车间应用的转化。
美国国家制造科学中心报告称,一种人机协同工作流程在五周内开发出多种高性能聚氨酯粘合剂,其中包括无需表面处理即可直接粘合5级钛的配方。该项目利用贝叶斯机器学习模型生成超过10万种组合,每周测试15种候选配方,最终开发出搭接剪切强度高于5 MPa的粘合剂,并发现含胺类反应性树脂的配方表现更优。潜在应用包括汽车、航空航天、医疗设备等领域。
NCMS利用AI工作流程五周开发出高性能聚氨酯粘合剂,包括直接粘合钛配方
美国国家制造科学中心报告称,一种人机协同工作流程在五周内开发出多种高性能聚氨酯粘合剂,其中包括无需表面处理即可直接粘合5级钛的配方。该项目利用贝叶斯机器学习模型生成超过10万种组合,每周测试15种候选配方,最终开发出搭接剪切强度高于5 MPa的粘合剂,并发现含胺类反应性树脂的配方表现更优。潜在应用包括汽车、航空航天、医疗设备等领域。
NCMS利用AI工作流程五周开发出高性能聚氨酯粘合剂,包括直接粘合钛配方
艾默生推出PACEdge 3.0工业边缘软件平台,为包装、食品和饮料制造商提供增强的AI和机器学习能力,直接在边缘设备上实现实时质量检测、预测性维护和视觉检测。新增组管理器简化部署流程,支持远程管理企业级设备群,加速边缘投资回报。
艾默生发布PACEdge 3.0,赋能包装食品制造业AI边缘计算
艾默生推出PACEdge 3.0工业边缘软件平台,为包装、食品和饮料制造商提供增强的AI和机器学习能力,直接在边缘设备上实现实时质量检测、预测性维护和视觉检测。新增组管理器简化部署流程,支持远程管理企业级设备群,加速边缘投资回报。
艾默生发布PACEdge 3.0,赋能包装食品制造业AI边缘计算
研究人员利用计算机视觉和机器学习技术,开发了用于建筑工地塑料废弃物自动识别与分拣的系统。该系统基于真实工地图像数据集训练,能实时分类桶、管道、PVC型材等七类常见废弃物,旨在解决人工分拣效率低、塑料受污染导致填埋的问题,并展现出与机器人分拣系统集成的应用潜力。
机器学习助力施工现场废弃物实时分拣,提升塑料回收率
研究人员利用计算机视觉和机器学习技术,开发了用于建筑工地塑料废弃物自动识别与分拣的系统。该系统基于真实工地图像数据集训练,能实时分类桶、管道、PVC型材等七类常见废弃物,旨在解决人工分拣效率低、塑料受污染导致填埋的问题,并展现出与机器人分拣系统集成的应用潜力。
机器学习助力施工现场废弃物实时分拣,提升塑料回收率
AIMPLAS联合Tyris AI与FAPERIN启动POLY-ML研发项目,旨在应用先进机器学习技术分析材料成分与加工条件,以预测材料机械、热学及物理性能。该项目通过数据驱动方法优化配方设计,减少实验测试需求与废弃物产生,从而降低研发成本、缩短周期并提升可持续性。项目符合瓦伦西亚大区数字化与循环经济发展战略,推动人工智能在塑料材料设计领域的创新应用。
AIMPLAS启动POLY-ML项目:利用机器学习预测材料性能,优化研发流程
AIMPLAS联合Tyris AI与FAPERIN启动POLY-ML研发项目,旨在应用先进机器学习技术分析材料成分与加工条件,以预测材料机械、热学及物理性能。该项目通过数据驱动方法优化配方设计,减少实验测试需求与废弃物产生,从而降低研发成本、缩短周期并提升可持续性。项目符合瓦伦西亚大区数字化与循环经济发展战略,推动人工智能在塑料材料设计领域的创新应用。
AIMPLAS启动POLY-ML项目:利用机器学习预测材料性能,优化研发流程
研究人员开发了一种结合机器学习、组合化学与自动化平台的新方法,用于快速设计和合成模拟抗菌肽的聚合物。通过“设计-构建-测试-学习”循环,成功从13,728种组合中筛选出103种高效抗菌聚合物,为应对细菌耐药性提供了新的生物医学解决方案。
主动学习加速抗菌聚合物发现,AI设计新方法对抗多重耐药菌
研究人员开发了一种结合机器学习、组合化学与自动化平台的新方法,用于快速设计和合成模拟抗菌肽的聚合物。通过“设计-构建-测试-学习”循环,成功从13,728种组合中筛选出103种高效抗菌聚合物,为应对细菌耐药性提供了新的生物医学解决方案。
主动学习加速抗菌聚合物发现,AI设计新方法对抗多重耐药菌
美国康奈尔大学研究人员运用人工智能与机器学习,开发出识别可化学回收聚合物的优化流程,旨在替代传统难回收的食品包装材料(如PP、PE)。研究筛选出740万种潜在聚合物,并实验验证聚对二氧环己酮(poly-PDO)具有高化学可回收性,可作为现有单体的直接替代品,推动可持续包装发展。
康奈尔大学利用AI识别可化学回收的食品包装聚合物,发现潜在替代品
美国康奈尔大学研究人员运用人工智能与机器学习,开发出识别可化学回收聚合物的优化流程,旨在替代传统难回收的食品包装材料(如PP、PE)。研究筛选出740万种潜在聚合物,并实验验证聚对二氧环己酮(poly-PDO)具有高化学可回收性,可作为现有单体的直接替代品,推动可持续包装发展。
康奈尔大学利用AI识别可化学回收的食品包装聚合物,发现潜在替代品
北京化工大学研究团队开发出基于图神经网络的机器学习方法,通过自监督与监督学习融合框架筛选高效聚氨酯降解酶,可将包装废弃物中的聚氨酯泡沫转化为可回收材料。该研究发表于《科学》期刊,已成功验证24种优选酶在商用聚氨酯泡沫糖酵解过程中的降解效果,为全球每年2200万吨聚氨酯消耗提供新型回收技术突破。
北京化工大学研究团队开发出基于图神经网络的机器学习方法,通过自监督与监督学习融合框架筛选高效聚氨酯降解酶,可将包装废弃物中的聚氨酯泡沫转化为可回收材料。该研究发表于《科学》期刊,已成功验证24种优选酶在商用聚氨酯泡沫糖酵解过程中的降解效果,为全球每年2200万吨聚氨酯消耗提供新型回收技术突破。
石田公司革命性AI驱动远程生产监控软件Sentinel 5.0在2025年PPMA展会上荣获创新加工系统奖。该软件整合设备性能监控与数据采集,通过机器学习技术连接各类设备,为食品制造商提供智能化生产线管理和故障诊断解决方案,引领工业5.0时代的智能食品生产革新。
石田公司革命性AI驱动远程生产监控软件Sentinel 5.0在2025年PPMA展会上荣获创新加工系统奖。该软件整合设备性能监控与数据采集,通过机器学习技术连接各类设备,为食品制造商提供智能化生产线管理和故障诊断解决方案,引领工业5.0时代的智能食品生产革新。
麻省理工学院与杜克大学联合团队利用机器学习筛选出新型二茂铁交联剂,成功开发出抗撕裂性能提升四倍的聚合物材料。该技术通过机械力响应分子实现材料受力自增强特性,有望延长塑料制品寿命并减少废弃物。
麻省理工与杜克大学开发机器学习强化塑料技术,可提升四倍韧性
麻省理工学院与杜克大学联合团队利用机器学习筛选出新型二茂铁交联剂,成功开发出抗撕裂性能提升四倍的聚合物材料。该技术通过机械力响应分子实现材料受力自增强特性,有望延长塑料制品寿命并减少废弃物。
麻省理工与杜克大学开发机器学习强化塑料技术,可提升四倍韧性
本文探讨了生成式人工智能(AI)和机器学习(ML)在制造业中的应用潜力,特别是在医疗制造领域面临的工艺验证挑战。住友(SHI)德马格专家分析了AI/ML在自主参数调整、数字孪生技术应用等方面的优势,同时强调了医疗行业对工艺变更的严格要求和法规限制。文章还介绍了AI在消费包装领域的成功案例,以及如何通过AI加速定制化医疗生产单元开发。
生成式AI与机器学习在制造业的应用:机遇与挑战
本文探讨了生成式人工智能(AI)和机器学习(ML)在制造业中的应用潜力,特别是在医疗制造领域面临的工艺验证挑战。住友(SHI)德马格专家分析了AI/ML在自主参数调整、数字孪生技术应用等方面的优势,同时强调了医疗行业对工艺变更的严格要求和法规限制。文章还介绍了AI在消费包装领域的成功案例,以及如何通过AI加速定制化医疗生产单元开发。
生成式AI与机器学习在制造业的应用:机遇与挑战
瑞士Maag集团宣布收购德国Sikora AG,旨在增强其在机器学习、工业物联网和人工智能技术领域的能力。此次收购将结合双方在塑料行业测量控制系统与泵过滤技术的专长,创造显著的交叉销售效益,并为员工提供持续发展机会。交易预计第二季度完成。
Maag集团签署最终协议收购Sikora AG,强化AI与工业物联网技术布局
瑞士Maag集团宣布收购德国Sikora AG,旨在增强其在机器学习、工业物联网和人工智能技术领域的能力。此次收购将结合双方在塑料行业测量控制系统与泵过滤技术的专长,创造显著的交叉销售效益,并为员工提供持续发展机会。交易预计第二季度完成。
Maag集团签署最终协议收购Sikora AG,强化AI与工业物联网技术布局
塑料咨询网络迎来拥有24年经验的聚合物科学专家迪翁·德韦特-罗斯博士。作为高分子材料科学和工业化学领域的权威,迪翁专长于配方设计、工艺优化及机器学习应用,曾主导多项突破性创新项目,包括生物基涂料开发、四聚化技术专利等。他将为客户提供可持续解决方案开发、效率提升及新收益创造的专业支持。
Deon 加入 PCN:迈向创新和增长的战略举措
塑料咨询网络迎来拥有24年经验的聚合物科学专家迪翁·德韦特-罗斯博士。作为高分子材料科学和工业化学领域的权威,迪翁专长于配方设计、工艺优化及机器学习应用,曾主导多项突破性创新项目,包括生物基涂料开发、四聚化技术专利等。他将为客户提供可持续解决方案开发、效率提升及新收益创造的专业支持。
Deon 加入 PCN:迈向创新和增长的战略举措
点击图标复制邮箱地址:
Click icon to copy email:
service@zhuansushijie.com
扫码添加社群
客服电话:
18030158354
扫码下载专塑视界APP
手机扫码
下载APP
了解更多