Projektowanie mikserów płynów jest kluczowym zadaniem w wielu aplikacjach przemysłowych, w tym w inżynierii chemicznej, przetwórstwie spożywczym i farmaceutycznym. Jednym z podejść do optymalizacji wydajności mikserów płynów jest wykorzystanie technik uczenia maszynowego do pomocy w procesie projektowania. Dzięki zastosowaniu algorytmów machine learning, udało nam się stworzyć model zachowania miksera, który pozwala na szybkie i efektywne badanie przestrzeni projektowej w celu optymalizacji jego działania. Takie podejście pozwala na rozwój wysoce wydajnych mikserów płynów, które mogą być dostosowane do konkretnych zastosowań przemysłowych.
Projekt kosztował 200 000 PLN i został sfinansowany przez IDUB PW. Fundusz został przeznaczony na zaprojektowanie miksera płynów z aktywacją poprzeczną przy użyciu technik uczenia maszynowego.
Rozpoczynając proces projektowania, użyliśmy algorytmów uczenia maszynowego do stworzenia modelu zachowania miksera płynów. Ten model jest trenowany na zestawie danych znanych parametrów wejściowych i wyjściowych, takich jak przepływ, lepkość płynu, geometria miksera i efektywność mieszania. Gdy otrzymaliśmy model, wykorzystaliśmy go do eksploracji przestrzeni projektowej i optymalizacji wydajności miksera. Możemy wykorzystać techniki takie jak optymalizacja Bayesowska lub algorytmy genetyczne do wyszukiwania najlepszej kombinacji parametrów wejściowych, takich jak częstotliwość aktywacji poprzecznej, kąt ostrza miksera i przepływ.
Wykorzystując uczenie maszynowe do pomocy w procesie projektowania, możemy sprawnie eksplorować ogromną przestrzeń projektową i szybko zidentyfikować optymalne rozwiązania. To podejście może prowadzić do rozwoju wysoko wydajnych mikserów płynów, które można dostosować do konkretnych zastosowań przemysłowych.