客户希望在两条不同的工艺流程中,精准实现对10项特定材料性能的目标控制。
他们希望整合所有现有数据,尽管配方类型有所不同——无论是以“每百份树脂(PHR)”计量,还是以“重量百分比(wt%)”计量。同时,他们还希望找到最佳方法,将NCO(异氰酸酯)指数的知识有效地融合进预测模型中。另一个关键目标是:通过利用已知原料的数据,进行对某种较少认知原料的预测分析,以拓展研发能力并推动新材料的创新。他们的最终目标是构建一个稳健且灵活的建模框架,能够应对上述复杂性,确保在多样化生产流程中实现精准预测与优化配方。
公司概况
- 员工人数:1000+
- 行业:热塑性聚氨酯(TPU)
- 地点:日本
关键成果
- 提高预测精度,降低误差率
客户通过引入高级建模技术与衍生参数,实现了95%以上的预测准确率,并将平均百分比误差降低至5%,确保了预测结果的可靠性。
- 灵活的预测方法
具备正向预测与反向预测的能力,使客户能够根据目标性能预测所需原料输入,灵活调整生产流程。
- 原料预测具备可扩展性
通过 Polymerize 的模型,客户可无缝将新材料纳入生产流程,并在对既有和新原料的预测中都保持高准确性。
- 强健的模型验证机制
所使用模型具备高预测能力与稳定性,平均绝对百分比误差(MAPE)低于6%,R²值超过0.9,并通过严格性能指标验证,表现一致稳定。
![[object Object]](/_next/image?url=https%3A%2F%2Fres.cloudinary.com%2Fpolymerize%2Fimage%2Fupload%2Fv1662364944%2Fblog%2Fauthors%2Fdoodp_ngmov8.jpg&w=3840&q=75)