PROJECT 1: SNELLERE RESULTATEN

 

Voor onze datascientists draait alles om de perfecte formulering. Niet in de dichterlijke zin van het woord, maar in de zin van een productformulering die de klant enthousiast maakt. Of die klant nu van MPP, PLA, LAB of een andere BU komt. “Collega's die de eigenschappen van een product willen verbeteren, zijn bij ons aan het juiste adres”, zegt Lynn Ferres uit het Data Science & AI Team (DSAI-team) van de Group Function IT.

Het DSAI-team heeft een methode ontwikkeld die, met ondersteuning van machine learning, snel veelbelovende suggesties voor geoptimaliseerde productvarianten oplevert. Deze methode is succesvol toegepast in verschillende BU’s. Zo had de BU PLA al een zeer goede vlamvertrager ontwikkeld, maar er moest getest worden met verschillende ingrediënten en hoeveelheden om een geoptimaliseerde versie van een kunststof te vinden. Met behulp van een AI-model werden de complexe multivariabele inputs en outputs geanalyseerd. Een continu, iteratief proces genaamd sequential learning leverde verschillende formuleringen op. “Onze vlamvertragingsdeskundigen He Qingliang en Christopher Simpson besloten welke van deze voorstellen verder getest zouden worden”, legt Lynn Ferres uit. Dankzij hun expertise konden ze de AI-voorstellen goed beoordelen. “We hebben twee kandidaten die op alle domeinen uitstekende eigenschappen vertonen”, zegt Ferres. Deze uitverkorenen verlaten nu het lab en worden op kilogramschaal geproduceerd. Het materiaal wordt getest op trek- en buigsterkte, rek en vlamvertragende eigenschappen. Maar zelfs als de kandidaten de tests goed doorstaan, kan het zijn dat de klant ze afwijst.  “Als ze te goed zijn, zijn ze vaak te duur. Het komt er dus echt op aan het product af te stemmen op de wensen en toepassingen van de klant”, zegt Ferres nuchter. Het bedrijf wil met zijn innovaties omzet genereren – dat is het hoogste doel.

Hanna Kahlfeld, eveneens datascientist in het DSAI-team, heeft net een project met de BU MPP afgerond. “Collega's komen naar ons toe als ze vastzitten in het lab. Het zijn dus altijd pittige vraagstukken”, zegt ze. Maar met behulp van sequential learning vonden ze snel een formulering die aan de vereiste eigenschappen voldeed. “Dat was voor ons opnieuw een bevestiging dat onze aanpak werkt”, zegt ze. Dit overtuigde ook anderen, en zo werd de AI-gestuurde formulering verankerd in de Innovation Excellence. Want het heeft bewezen dat LANXESS daarmee sneller tot nieuwe en verbeterde producten komt. Kahlfeld nodigt iedereen van harte uit om met soortgelijke vragen bij haar en haar team aan te kloppen.