Sélection stratégique des caractéristiques pour une prédiction améliorée des brûlures dans la fabrication de mousse de polyuréthane flexible

L'occurrence de brûlures lors de la production de polyuréthane flexible est un problème significatif qui impacte négativement la résilience des produits en mousse et compromet généralement leur intégrité. La probabilité d'échec des produits en mousse peut être réduite en optimisant les variables de production sur la base d'algorithmes d'apprentissage automatique utilisés pour prédire l'occurrence de brûlures. Une enquête technologique est nécessaire car la prévention est la meilleure approche pour faire face à ce problème. Par conséquent, des algorithmes d'apprentissage automatique ont été formés pour prédire l'occurrence de brûlures en utilisant le profil thermodynamique de la mousse de polyuréthane, qui se compose de variables de production enregistrées. Une variété d'algorithmes heuristiques ont été formés et évalués pour leur performance, à savoir XGBoost, arbres de décision, forêt aléatoire, K plus proches voisins, Naive Bayes, machines à vecteurs de support et régression logistique. L'ensemble XGBoost s'est avéré être le meilleur. Il a dépassé les autres avec une précision de 98,3 % (c'est-à-dire, 0,983), suivi par la régression logistique, l'arbre de décision, la forêt aléatoire, les K plus proches voisins et Naive Bayes, avec des précisions de formation respectives de 88,1 %, 66,7 %, 84,2 %, 87,5 % et 67,5 %. XGBoost a finalement été utilisé, produisant 2 cas distincts de non-occurrence de brûlures. L'ensemble démontre qu'il est assez capable et constitue un moyen efficace de prédire l'occurrence de brûlures.