.png){kind=icon}
返回
Optimization of Manufacturing Processes Using AI-Based Advisory Systems: Casting Application
.png){kind=icon}
OA
AI
DOI：10.3390/pr14162623.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能（AI）和机器学习（ML）正日益推动制造系统的数字化转型，使传统工艺操作向智能、自适应、数据驱动的生产环境转变。本研究提出了面向铸造过程的AI赋能咨询系统开发，整合基于奇异值分解（SVD）的降阶模型、任意条件变分自编码器（AC-VAE）以及混合仿真框架，以支持实时过程预测与优化。所提出的方法利用制造数据建立预测模型，能够快速评估工艺条件、优化操作参数、提升产品质量，同时减少材料浪费、能耗和生产成本。通过结合物理机理理解与AI驱动的分析，该框架实现了实时决策支持、自适应过程控制及持续性能改进，适用于现代制造生态系统。这些能力契合工业4.0及新兴工业5.0范式目标，包括自动化、互联性、运营韧性、可持续性和人本制造。以典型的水平直接水冷（HDC）连续铸造案例研究为例，展示了该框架的实践应用，涵盖数据库生成、模型训练、验证及面向实时制造应用的预测咨询工具部署。
Keyword:
data models
machine learning
neural network
manufacturing processes
digitalization
digital advisory system
期刊
IF:
2.8
论文数:
7.5K
被引数:
3.7W
机构
引用论文
Information in an Industrial Culture: Walter A. Shewhart and the Evolution of the Control Chart, 1917–1954工业文化中的信息：Walter A. Shewhart 与控制图的演变，1917–1954
PREAI
分享收藏Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架
OAAI
OAAI分享收藏Integrating 3D printing, simulations and surrogate modelling: A comprehensive study on additive manufacturing focusing on a metal twin-cantilever benchmark整合3D打印、模拟和代理建模：一项关于增材制造的综合研究，重点关注金属双悬臂梁基准OAAI
OAAI分享收藏Real-Time Models for Manufacturing Processes: How to Build Predictive Reduced Models制造过程实时模型：如何构建预测性降阶模型.png)
PROCESSESOAAI
PROCESSESIF2.8
OAAI分享收藏Van-Lopik, K. Considerations for the Design of Next-Generation Interfaces to Support Human Workers in Industry 4.0. Doctoral Thesis, Loughborough University, Loughborough, UK, 2019. [Google Scholar] [CrossRef]范-洛皮克, K. 面向工业4.0中支持人类工人的下一代接口设计考量. 博士论文, 拉夫堡大学, 拉夫堡, 英国, 2019. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Ivanov, O.; Figurnov, M.; Vetrov, D. Variational Autoencoder with Arbitrary Conditioning. arXiv 2018, arXiv:1806.02382. [Google Scholar] [CrossRef] [Scilit]伊万诺夫, O.; 菲古罗夫, M.; 维特罗夫, D. 具有任意条件的变分自编码器. arXiv 2018, arXiv:1806.02382. [Google Scholar] [CrossRef] [Scilit]
IF0
PREAI
分享收藏Physics-informed deep learning to quantify anomalies for real-time fault mitigation in 3D printing以物理为基础的深度学习量化异常，以实现3D打印中的实时故障缓解APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容