.
Uma equipe de pesquisa da Universidade Metropolitana de Osaka desenvolveu um novo método de simulação que prevê com precisão a mistura de pós usando IA e conseguiu aumentar a velocidade de cálculo em aproximadamente 350 vezes, mantendo o mesmo nível de precisão dos métodos convencionais. Espera-se que este método não apenas abra caminho para processos de mistura de pós mais eficientes e precisos, mas também abra novas possibilidades para as indústrias que buscam melhorar a qualidade do produto e agilizar a produção.
Imagine um mundo sem pós. Pode parecer exagero, mas a nossa vida diária está intrinsecamente ligada aos pós de várias maneiras, desde alimentos, produtos farmacêuticos, cosméticos até baterias, cerâmica, etc. Em todas estas indústrias, a mistura de pós é uma importante operação unitária onde diferentes tipos de pós são misturados para alcançar uniformidade. No entanto, pode ser difícil prever quais condições são ideais para alcançar a uniformidade desejada, pois o processo muitas vezes depende de tentativa e erro, bem como da experiência dos engenheiros.
Simulações numéricas usando o método de elementos discretos (DEM) têm sido amplamente utilizadas como uma abordagem que pode prever com precisão a mistura de pós. Isto é conseguido calculando o movimento de todas as partículas em um intervalo de tempo muito curto (1/1.000.000 de segundo), calculando o movimento de todo o pó usando os valores calculados e, em seguida, repetindo o processo continuamente para calcular o movimento. de cada partícula um pouco à frente. Portanto, a quantidade substancial de tempo necessária para prever a mistura de pós dificulta significativamente a capacidade de ter processos de mistura de pós em larga escala e de longa duração.
Uma equipe de pesquisa liderada pelo Professor Associado Hideya Nakamura, pelo Professor Associado Shuji Ohsaki, pelo Professor Satoru Watano e pelo Ph.D. o estudante Naoki Kishida, da Escola de Pós-Graduação em Engenharia da Universidade Metropolitana de Osaka, desenvolveu um novo método de simulação usando IA. Além disso, a equipe conseguiu aumentar a velocidade computacional em cerca de 350 vezes. Este novo método é caracterizado por usar uma rede neural recorrente (RNN) que permite uma simulação de mistura de pó em longa escala com baixos custos computacionais, mantendo o mesmo nível de precisão dos métodos convencionais.
“Aproveitamos com sucesso nosso conhecimento em tecnologia de pós, que aprimoramos ao longo de muitos anos, e o combinamos com aprendizado de máquina para prever rapidamente o comportamento único de pós complexos”, explicou o professor Nakamura. “Gostaríamos de aproveitar esta conquista para contribuir para o futuro das indústrias que buscam melhorar a qualidade dos produtos e agilizar a produção.”
.
