Stellen Sie sich eine Welt ohne Pulver vor. Es mag übertrieben klingen, aber unser tägliches Leben ist auf verschiedene Weise eng mit Pulvern verbunden, von Lebensmitteln, Pharmazeutika, Kosmetika bis hin zu Batterien, Keramik usw. In all diesen Branchen ist das Pulvermischen ein wichtiger Arbeitsschritt, bei dem verschiedene Arten von Pulvern gemischt werden Einheitlichkeit erreichen. Es kann jedoch schwierig sein, vorherzusagen, welche Bedingungen optimal sind, um die gewünschte Gleichmäßigkeit zu erreichen, da der Prozess häufig auf Versuch und Irrtum sowie auf dem Fachwissen der Ingenieure beruht.
Numerische Simulationen mit der Diskreten-Elemente-Methode (DEM) werden häufig als Ansatz zur genauen Vorhersage der Pulvermischung eingesetzt. Dies wird erreicht, indem die Bewegung aller Partikel in einem sehr kurzen Zeitbereich (1/1.000.000 Sekunde) berechnet wird, anhand der berechneten Werte die Bewegung des gesamten Pulvers berechnet wird und der Vorgang dann immer wieder wiederholt wird, um die Bewegung zu berechnen jedes Teilchens eine kurze Zeit voraus. Der erhebliche Zeitaufwand, der zur Vorhersage der Pulvermischung benötigt wird, erschwert die Durchführung groß angelegter und langwieriger Pulvermischprozesse erheblich.
Ein Forschungsteam unter der Leitung von außerordentlichem Professor Hideya Nakamura, außerordentlichem Professor Shuji Ohsaki, Professor Satoru Watano und Ph.D. Student Naoki Kishida von der Graduate School of Engineering der Osaka Metropolitan University hat eine neue Simulationsmethode mithilfe von KI entwickelt und ihre Ergebnisse veröffentlicht Zeitschrift für Chemieingenieurwesen.
Darüber hinaus ist es dem Team gelungen, die Rechengeschwindigkeit um etwa das 350-fache zu steigern. Diese neue Methode zeichnet sich durch die Verwendung eines rekurrenten neuronalen Netzwerks (RNN) aus, das eine Pulvermischungssimulation im Langzeitmaßstab mit geringem Rechenaufwand ermöglicht und gleichzeitig die gleiche Genauigkeit wie herkömmliche Methoden beibehält.
„Wir haben unser über viele Jahre verfeinertes Wissen in der Pulvertechnologie erfolgreich genutzt und mit maschinellem Lernen kombiniert, um das einzigartige Verhalten komplexer Pulver schnell vorherzusagen“, erklärte Professor Nakamura. „Wir möchten auf dieser Errungenschaft aufbauen, um einen Beitrag zur Zukunft der Branchen zu leisten, die die Produktqualität verbessern und die Produktion rationalisieren möchten.“
Mehr Informationen:
Naoki Kishida et al., Entwicklung einer ultraschnellen Rechenmethode für den Pulvermischprozess, Zeitschrift für Chemieingenieurwesen (2023). DOI: 10.1016/j.cej.2023.146166