Konica Minolta與日本產業技術綜合研究所(AIST)建立了一項利用人工智慧(AI)將複合樹脂混煉與成型條件予以最佳化之技術。此技術結合雙方長期累積的核心技術，透過可在少量資料下運作的AI模型，預測最佳製程條件，可有助於提升樹脂成型品的品質穩定性。今後計畫進一步結合Konica Minolta的感測技術，應用於量測解決方案、智慧再生材料及生物製造(Bio-manufacturing)的製程監測等用途。
近年來，生質來源樹脂與再生樹脂的應用逐漸增加，但與石油基樹脂相比，這類材料往往因原料品質差異而產生性能波動，且在混煉過程中容易出現成分分解或成型缺陷，因此在製程條件調整上需要投入大量時間與人力。為解決這些問題，Konica Minolta與AIST持續推動利用AI預測複合樹脂混煉與成型條件的研究。
此次，研究團隊透過量測樹脂種類、添加劑配方比例以及混煉與成型過程中的製程狀態數據，並結合自行開發的資料處理技術，建立能預測最佳製程條件的多模態AI模型。此模型可依據目標物性，推算出能製造出所需性能樹脂成型品的最佳混煉與成型參數。
此外，研究中整合了雙方過去建立的基礎資料，以及利用多種量測數據預測材料性能的多模態AI研究成果，促使模型即使在資料量有限的情況下仍能進行有效預測，進一步提升樹脂產品品質的穩定度與開發效率。研究團隊指出，由於此次技術以複合樹脂為研究對象並導入多模態AI架構，未來可望廣泛應用於市面上多種材料體系，擴大在塑膠加工與材料開發領域的應用潛力。