Künstliche Neuronale Netzwerke (KNN) helfen Modelle entwickeln

Online-Vorhersage von Mischungseigenschaften

28.April 2003 - Quality control and quality assurance of rubber compounds require intensive and basic investigation of the present process interrelations, caused by the complexity of the rubber compounding process. It has been proved, that both regression analysis and artificial neural networks are capable tools for the description of these interrelations. In this paper the possibilities and limitations of artificial neural networks predicting the resulting rubber compound properties compared to regression models are discussed.

Development of Process Models for the On-line-control of Compound Properties for an Internal Mixer using Artificial Neural Networks
Die Überwachung und Sicherung der Qualität von Kautschukmischungen erfordert aufgrund der Komplexität des Mischungsaufbereitungsprozesses eine intensive und grundlegende Untersuchung der existierenden Prozesszusammenhänge. Als geeignete Hilfsmittel zur Beschreibung der Zusammenhänge haben sich sowohl Regressionsmodelle als auch Künstliche Neuronale Netze (KNN) erwiesen. In diesem Beitrag werden die Möglichkeiten und Grenzen der KNN im Vergleich zu Regressionsmodellen für die Vorhersage von Mischungseigenschaften diskutiert.

Nur für Abonnenten

Der vollständige Inhalt ist nur für Abonnenten der Fachzeitschrift KGK zugänglich. Bitte loggen Sie sich ein oder abonnieren Sie unsere Zeitschrift, um fortzufahren.

LOGIN

Sie sind bereits Abonnent?
Loggen Sie sich hier ein:

Sie sind noch kein Abonnent?

Als Abonnent der Fachzeitschrift KGK haben Sie Zugriff auf alle Inhalte des Portals kgk-rubberpoint.de

Loader-Icon