es.wedoany.com Noticia: La Dra. Ioanna Tzortzi, subespecialista en innovación de resinas y recubrimientos de Perstorp AB, presentó el papel de la inteligencia artificial en la aceleración del desarrollo y optimización de formulaciones de resinas y aditivos. La IA acelera el proceso de desarrollo al analizar las relaciones entre la selección de formulaciones, las condiciones del proceso y el rendimiento, y basándose en este conocimiento, predice resultados y guía la toma de decisiones. Este método permite una rápida selección de candidatos, identifica variables clave y recomienda ventanas operativas robustas que van más allá de formulaciones individuales. El aprendizaje activo/secuencial ha demostrado ser efectivo, ya que el modelo se actualiza después de cada experimento y propone ensayos de optimización para mejorar el rendimiento o reducir la incertidumbre. Esta tecnología es aplicable a todos los eslabones de la cadena de valor de los recubrimientos, incluido el diseño de resinas y aditivos, el ajuste de formulaciones, el rendimiento de aplicación y la producción a escala, mediante el aprendizaje continuo a partir de datos estructurados de laboratorio y proceso.
Tzortzi considera que la industria de recubrimientos aún no ha alcanzado la etapa en la que las herramientas digitales estén completamente integradas en los flujos de trabajo de fabricación y desarrollo de aplicaciones, y que es demasiado pronto para evaluar las áreas de "mayor impacto". La IA ha evolucionado hasta el punto en que las empresas muestran interés en su potencial, pero su aplicación sigue siendo desigual y exploratoria. El mercado busca activamente casos de éxito creíbles que demuestren dónde la IA añade valor, cómo operacionalizarla en el trabajo diario y los beneficios tangibles en comparación con los métodos tradicionales, como mejoras en velocidad, calidad y robustez.
En cuanto a la calidad de los datos y la robustez del modelo, Tzortzi indicó que la calidad, integridad y estructura de los datos son requisitos previos clave para aplicar el aprendizaje automático en I+D u optimización de procesos. La empresa adopta un enfoque específico para cada proyecto. Tomando como ejemplo el trabajo de emulsión alquídica impulsado por IA, definieron todas las variables objetivo cualitativas y cuantitativas relevantes, asegurando que los registros experimentales fueran consistentes y sin valores faltantes. Cuando fue necesario, se diseñaron descriptores para representar de manera confiable los indicadores del producto para el entrenamiento del modelo. La robustez del modelo se mantiene mediante actualizaciones periódicas de datos, validación con supervisión humana, comparación de predicciones con resultados de laboratorio y monitoreo de métricas de rendimiento a lo largo del tiempo para rastrear mejoras o detectar degradaciones.
Respecto a la demanda de servicios digitales o de IA por parte de los fabricantes de recubrimientos, Tzortzi señaló que no se observa una demanda clara de servicios de IA, pero la curiosidad de los fabricantes está creciendo. Los clientes desean casos de éxito y explicaciones prácticas de las capacidades de la IA, entender cómo integrarla en su trabajo diario y las ventajas en comparación con los métodos tradicionales de prueba y error. Citó como ejemplo el trabajo de emulsión alquídica impulsado por IA de la empresa utilizando Neptem, que comparó el modelo de IA con un enfoque manual, demostrando mejoras significativas en eficiencia de recursos y descubrimiento de materiales.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
