玻璃瓶成型的深度学习控制优化
人工智能
2025-10-22 v1
摘要
在玻璃瓶制造中，对成型机的精确控制至关重要，以确保产品质量并最小化缺陷。本研究提出一种基于深度学习的控制算法，旨在优化实际生产环境中的成型过程。利用来自活跃制造厂的真实运行数据，我们的神经网络根据当前生产配置预测参数变更的效果。通过设计的反向机制，算法识别实现所需玻璃 gob 特征所必需的 optimal 机器设置。来自多个生产线的历史数据实验结果表明，所提方法产出令人鼓舞的成果，显示出增强过程稳定性、减少浪费并提高产品一致性的潜力。这些结果凸显了深度学习在玻璃制造中处理控制的潜力。
引用
@article{arxiv.2510.18412,
title = {Deep Learning-Based Control Optimization for Glass Bottle Forming},
author = {Mattia Pujatti and Andrea Di Luca and Nicola Peghini and Federico Monegaglia and Marco Cristoforetti},
journal= {arXiv preprint arXiv:2510.18412},
year = {2025}
}
备注
37 pages, 17 figures, accepted for publication in "Expert Systems With Applications"