Modelle des maschinellen Lernens für industrialisierte Farben und Beschichtungen

Im Laufe der Zeit wurden Verbesserungen bei der Untersuchung und theoretischen Formulierung handelsüblicher Beschichtungen und Anstriche mit Hilfe thermodynamischer und allgemeiner Eigenschaftsmodelle erzielt. Diese Modelle tragen dazu bei, die Anzahl der Materialien und die erforderliche Entwicklungszeit zu verringern. Bei der Vorhersage der Lebensdauer, der Entwicklung neuer Produkte oder der Validierung von Experimenten darf dies jedoch nicht außer Acht gelassen werden. Diese Modelle helfen den Formulierungschemikern, den Entwurfsprozess zu beschleunigen, so dass sie sich auf ihre experimentelle Arbeit an den Komponenten der Beschichtungsformulierung konzentrieren können. Nur wenn eine beträchtliche Menge an Daten über beobachtete Abweichungen von theoretischen, auf der Physiochemie basierenden Vorhersagen vorliegt, können Algorithmen des maschinellen Lernens dazu beitragen, die Genauigkeit von Vorhersageansätzen zu erhöhen. In diesem Buch wird eine Reihe von kommerzialisierten Schichtqualitäten erörtert, darunter Materialien, mechanische Eigenschaften, Hochtemperaturverhalten, Eigenspannungen, Versagensprozesse und Methoden zur Vorhersage der Lebensdauer.