Tillämpning av maskininlärning inom gummiutveckling

Artiklar

Kemikalier och material

Utvald

Maskininlärning för gummiutveckling

20 augusti 2026

RubberWorld

Augusti 2026

Under större delen av sin historia har blandningsutveckling inom gummiindustrin varit ett hantverk. Kemisten skissar ett recept baserat på erfarenhet och förståelse för kemin, satsen blandas och vulkaniseras, egenskaper mäts och justeringar görs. Runda efter runda av iterativa tester följer innan blandningen slutligen uppfyller specifikationen.

Maskininlärning (ML) erbjuder en annan väg. Modeller som tränats på historiska blandningsdata kan uppskatta mekaniska egenskaper direkt från formuleringen, utan att något någonsin förs in i blandaren. Idén är inte ny; den har funnits i materialinformatikens litteratur i över ett decennium (ref. 1), och nyare arbete har tillämpat den specifikt på förutsägelse av naturgummits draghållfasthet (refs. 2 och 3). Det som dock förblivit envist svårt är industriell adoption. Orsakerna är välbekanta för alla som arbetar i ett blandningsutvecklingslaboratorium: databehoven är stora, modellerna kan kännas ogenomskinliga, och det finns sällan en tydlig varning när en förutsägelse inte bör litas på.

Läs mer i den digitala utgåvan

*Source: Rubber World. For reference only.