能耗降8% 质量差降2%
基于创成式机器学习的多目标优化模型，可预测不同工艺变量下的制品合格情况，并优化注射成型工艺参数以最小化能耗和制品重量差。
Wu, Yirui · Feng, Yaqing · 彭世通 · 毛忠发 · 陈滨
Environmental Science and Pollution Research 2023
通过生成式机器学习优化工艺参数，与平均操作实践相比减少约8%的能耗。
优化后的参数使多腔模具制品的重量差异降低约2%，提高质量一致性。
通过物理实验测量不同参数设置下的能耗曲线和重量差，验证了模型的有效性。
基于排列的均方误差减少法确定最大速度和第一阶段速度分别为质量和能耗的主导因素。