هانتسمن با استفاده از هوش مصنوعی، آزمایش های مقاومت در برابر شعله در فوم پلی یورتان اسپری شونده را تسریع می بخشد.

شرکت Huntsman Building Solutions با استفاده از پلتفرم Citrine، وابستگی خود به آزمون­های شعله در مقیاس واقعی را کاهش داده و فومی با کارایی بالا، قابلیت اسپری‌پذیری و مطابق با مقررات را ارائه کرده است.

Huntsman Building Solutions از هوش مصنوعی برای تغییر نحوه مدل‌سازی و بهبود عملکرد در برابر شعله در عایق‌های فوم پلی­یورتان اسپری شونده (SPF) استفاده می‌کند؛ اقدامی که وابستگی به آزمایش‌های بزرگ‌مقیاس، پرهزینه و زمان‌بر را کاهش داده و در عین حال کارایی فرآیند فرمولاسیون را بهبود می‌بخشد. این کار با استفاده از پلتفرم Citrine، یک سیستم انفورماتیک مواد برپایه هوش مصنوعی که برای یکپارچه‌سازی داده‌های تجربی با تحلیل‌های پیش‌بینی‌کننده طراحی شده است، انجام می‌شود.

تطابق با استانداردهای ایمنی شعله مانند ASTM E-۸۴ که میزان گسترش شعله و دود را ارزیابی می‌کند، گامی حیاتی در تأیید فوم‌های پلی­یورتان اسپری شونده برای کاربردهای عایق‌کاری ساختمان است. روش‌های سنتی، بر آزمون‌های متوالی در مقیاس کوچک و به دنبال آن آزمون­های مستقل شعله در مقیاس واقعی متکی هستند؛ فرآیندی که ممکن است ماه‌ها زمان برده و هزینه قابل توجهی را به همراه داشته باشد. هدف هانتسمن ایجاد یک چارچوب داده‌محور بوده که درک عمیقی از علم شیمی را با مدل‌سازی سریع ترکیب کرده و این چرخه را تسریع بخشد.

پلتفرم Citrine با آموزش مدل‌های هوش مصنوعی بر روی ترکیبی از داده‌های حاصل از آزمون­های شعله در مقیاس کوچک، ورودی‌های فرمولاسیون و توصیف‌گرهای مواد مانند نسبت مواد تشکیل‌دهنده و اثر انگشت مولکولی، قادر به پیش‌بینی نتایج عملکردی از جمله میزان گسترش شعله، پخش دود و میزان خصوصیت عایق‌ کاری حرارتی (با اندازه  گیری مقدار R) است. سپس مهندسان از یادگیری ترتیبی استفاده می‌کنند – یک فرآیند تکراری که در آن پیشنهادات مدل، تعداد و نوع آزمون‌های آزمایشگاهی را هدایت می‌کند – و نتایج جدید را دوباره به سیستم وارد کرده تا پیش‌بینی‌ها را دقیق‌تر کرده و امیدوارکننده‌ترین مسیرهای فرمولاسیون را اولویت‌بندی کند.