چکیده مقاله
صنعت تایر همواره با چالش متعادل سازی خواص متضاد مکانیکی، دینامیکی و دوامی در کامپاندهای لاستیکی روبرو بوده است فرمولاسیون سنتی که بیشتر بر اساس آزمایش های تجربی و دانش ضمنی متخصصان است، اغلب فرایندی زمان بر، پرهزینه و با محدودیت در کشف نوآوری ها است ظهور فناوری های کلان داده و هوش مصنوعی موضوع جدیدی را موسوم به «علم مواد داده محور» ایجاد کرده است این مقاله به بررسی چگونگی به کارگیری این رویکرد در بهینه سازی انتخاب مواد و فرمولاسیون کامپاندهای تایر می پردازد در این روش با ایجاد یک پایگاه داده یکپارچه از خواص مواد اولیه لاستیک های طبیعی و مصنوعی، دوده، سیلیکا، نرم کننده ها، عوامل ولکانش و پارامترهای فرایندی و نتایج آزمایش های نهایی مانند مدول، استحکام کششی، مقاومت سایشی، هیسترزیس و رفتار حرارتی، از مدل های پیش بینی کننده یادگیری ماشین برای کشف روابط پنهان و پیچیده بین ترکیبات و خواص نهایی استفاده می شود نتایج نشان می دهد که این رویکرد نه تنها زمان توسعه فرمولاسیون را به میزان قابل توجهی کاهش می دهد بلکه قادر به پیشنهاد فرمولاسیون های نوآورانه ای است که بهینه سازی همزمان چندین خاصیت متضاد مانند کاهش همزمان مقاومت غلتشی و بهبود چسبندگی روی سطوح خیس را ممکن می سازد و گامی بلند به سوی تولید تایرهای نسل آینده هوشمند و پایدار است
نویسندگان
شیوه ارجاع
�والعلی، فرشید و سمیعی، محمد سمیع و حسن پور، الهام،1404،به کارگیری رویکرد داده محور در انتخاب مواد و فرمولاسیون کامپاندهای لاستیکی تایر،اولین کنفرانس ملی هوشمند سازی در صنعت،کرمان
ارائهشده در
مجموعه مقالات اولین کنفرانس ملی هوشمند سازی در صنعت23 مهر 1404 · کرمان