Modèles d'apprentissage automatique pour les peintures et revêtements industrialisés

Au fil du temps, des améliorations ont été apportées à l'étude et à la formulation théorique des revêtements et des peintures disponibles dans le commerce grâce à l'utilisation de modèles thermodynamiques et de modèles de propriétés générales. Ces modèles permettent de réduire le nombre de matériaux et le temps de conception nécessaire. Néanmoins, cela ne peut être ignoré lorsqu'il s'agit de prévoir la durée de vie, de créer de nouveaux produits ou de valider des expériences. Ces modèles aident les chimistes chargés de la formulation à accélérer le processus de conception, ce qui leur permet de se concentrer sur leur travail expérimental sur les composants de la formulation du revêtement. Ce n'est que s'il existe une quantité substantielle de données sur les anomalies observées par rapport aux prédictions théoriques basées sur la physiochimie que les algorithmes d'apprentissage automatique peuvent contribuer à accroître la précision des approches prédictives. Ce livre traite d'un certain nombre de qualités de couches commercialisées, y compris les matériaux, les propriétés mécaniques, les performances à haute température, les contraintes résiduelles, les processus de défaillance et les méthodes de prédiction de la durée de vie.