基于机器学习的纺粘非织造布均匀性优化工作流及人工验证
机器学习
2024-05-20 v2
摘要
在过去十年中，非织造布产量的年均增长率为 4%。在 2020 年和 2021 年，由于抗击 COVID19 疫情所需的 FFP2 口罩等防护服装对非织造布产品的巨大需求，非织造布产量进一步增加。由于其高度非线性，优化生产过程仍然是一个挑战。在本文中，我们提出了一种基于机器学习的优化工作流，旨在提高纺粘非织造布的均匀性。该优化工作流基于一个模拟非织造布微观结构的数学模型。基于来自该模拟器的训练数据，训练不同的机器学习算法，以便为耗时的模拟器寻找一个代理模型。通过评估非织造布的美观性，采用人工验证来验证机器学习算法的输出。我们将科学和专家知识纳入训练数据中，以减少优化过程中涉及的计算成本。我们证明了我们的工作流在优化非织造布均匀性方面的必要性和有效性。
引用
@article{arxiv.2404.09604,
title = {Machine learning-based optimization workflow of the homogeneity of spunbond nonwovens with human validation},
author = {Viny Saajan Victor and Andre Schmeißer and Heike Leitte and Simone Gramsch},
journal= {arXiv preprint arXiv:2404.09604},
year = {2024}
}