Künstliche Daten verbessern Spritzgießprozesse – neue ML-Ansätze
Maschinelles Lernen birgt enormes Potenzial für die Optimierung industrieller Abläufe, doch die Gewinnung von Daten bleibt oft zeitaufwendig und teuer. In einer aktuellen Studie wird gezeigt, wie synthetische Daten – erzeugt durch Simulation von Produktionszyklen – die Trainingsdatensätze für Spritzgießprozesse ergänzen können. Durch die Integration dieser künstlichen Daten in ein bestehendes Long Short-Term Memory (LSTM)-Modell konnten die Forscher die Leistungsfähigkeit des Modells in unterschiedlichen Szenarien steigern.
