Polymer Formulation AI PoC

원재료 배합비 변화에 따른 인장강도, 경도, 점도, 수축률 예측 샘플
모델 분석
Polynomial Ridge + Gradient Boosting

모델 상태

Training Batches

0

합성 실험 배치 수

Model R²

-

테스트 설명력

Target Score

-

현재 배합 점수

Risk

-

공정 위험도

PoC 모델 선택 이유

비선형 반응

가교제, 충전재, 가소제는 단순 선형이 아니라 특정 구간 이후 물성이 다르게 변합니다.

상호작용

충전재가 많을 때 가소제가 점도와 강도에 미치는 영향이 달라지는 상호작용을 반영합니다.

Gradient Boosting

작은 결정트리를 순차적으로 더해 잔차를 줄이므로 원재료 구간별 변화와 임계 효과를 직관적으로 보여줍니다.

현재 배합 예측 결과

Gradient Boosting 모델 비교

같은 합성 배치 데이터로 학습한 Gradient Boosting Stump 모델의 예측과 Ridge 모델 예측을 비교합니다.

샘플 배합 카드 50개

카드를 클릭하면 해당 배합이 슬라이더에 적용되고 두 모델 예측이 갱신됩니다.

50 formulations

원재료 증감 민감도

각 원재료를 현재값에서 +1 phr 증가시켰을 때 예측 물성이 얼마나 변하는지 보여줍니다.

후보 배합 추천

추천 결과는 합성 데이터 기반 예시입니다. 실제 품질 보증에는 실험계획법, 물성 측정, 공정 조건 검증이 필요합니다.