Toepassing van machinaal leren bij de ontwikkeling van rubber

Artikelen

Chemicaliën en materialen

Uitgelicht

Machine learning voor rubberontwikkeling

20 augustus 2026

RubberWorld

Augustus 2026

Gedurende het grootste deel van zijn geschiedenis is compoundontwikkeling in de rubberindustrie een ambacht geweest. De chemicus schetst een recept op basis van ervaring en begrip van de chemie, de batch wordt gemengd en gevulkaniseerd, eigenschappen worden gemeten en aanpassingen worden doorgevoerd. Ronde na ronde van iteratieve tests volgen voordat de compound uiteindelijk aan de specificatie voldoet.

Machine learning (ML) biedt een ander pad. Modellen die zijn getraind op historische compoundgegevens kunnen mechanische eigenschappen rechtstreeks uit de formulering schatten, zonder dat er ooit iets de mixer ingaat. Het idee is niet nieuw; het bestaat al meer dan tien jaar in de literatuur over materiaalinformatica (ref. 1) en recent werk heeft het specifiek toegepast op de voorspelling van treksterkte van natuurrubber (refs. 2 en 3). Wat echter hardnekkig moeilijk is gebleven, is industriële adoptie. De redenen zijn bekend genoeg voor iedereen die in een compoundontwikkelingslaboratorium werkt: de databehoefte is groot, de modellen kunnen ondoorzichtig aanvoelen en er is zelden een duidelijke waarschuwing wanneer een voorspelling niet vertrouwd moet worden.

Lees meer in de digitale editie

*Source: Rubber World. For reference only.