我们目前在工业时代的4.0,重塑商业和社会以前所未有的深度和广度。高分子工业的制造、加工、测试、先进技术与高自动化和智能水平必须满足能源需求的不断增长,环境,和产品质量。加速聚合物生产工艺的设计,在不牺牲产品质量或增加生产成本,数据驱动的技术流程分析和控制变得非常重要。这些技术也需要突破的瓶颈聚合物加工和测试。

传统的多元数据分析方法,如主成分分析(PCA)、部分最小二乘(PLS),和支持向量机(SVM),已经广泛应用于工业数据。最近机器学习的发展和先进的分析提供替代解决方案利用工业数据求解复杂聚合物制造、加工和测试问题。过程数据的深入分析和集成各种过程工程技术可以提高生产效率,过程安全、和盈利能力。

这个特殊的问题旨在牧师小说先进的机器学习技术的发展和应用当前高分子行业应对的挑战。研究论文和评论都是受欢迎的在这个特殊的问题。

潜在的主题包括但不限于以下:

• 机器学习方法聚合流程建模
• 先进的监测和诊断方法对聚合物加工
• 图像和视频软测量技术对聚合物质量的预测
• 机器学习/深度学习聚合物数据分析和可视化的方法
• 数据分析聚合物的无损检测