Sonplas 公司深深扎根于汽车行业，其测试设备是产品组合的重要组成部分，可确保许多部件的质量。直喷式高压汽油泵（又称 GDI 高压汽油泵）的测试台就是其中之一。机器加压后，在制造商规定的时间范围内测量压降，然后根据压降决定泵的好坏。问题在于，机器无法在等待时间内执行任何其他测试或任务，因此只能 “等待 “时间。本创新项目的目的是利用人工智能算法缩短测试时间。

为此，我们对四种不同的人工智能模型进行了精确度和节约潜力方面的比较。基本方法是所谓的时间序列分析，即利用过去的压力测试数据对未来趋势进行预测。通过训练，可以预测曲线的走向，进而预测曲线的终点，而无需进行整个测量。只需几个数据点，算法就能学会预测压降测试的整个过程。

该创新项目旨在利用 AI 算法缩短测试时间。

为了实现这一目标，项目对四种不同的 AI 模型在精度和节省潜力方面进行了比较。其基本方法是所谓的时间序列分析，即利用过去的数据，对未来趋势进行预测。

具体来说，项目使用以往压力测试的测量数据对模型进行训练。通过训练，模型能够基于输入的数据预测曲线的走势，从而也能预测曲线的最终结果，而无需完成整个测量过程。也就是说，这些算法只需少量数据点，就能预测一次压力下降测试的完整曲线走势。通过这种预测，测量时间可以显著缩短。

该创新项目所采用的最佳模型取得的结果不言而喻：

该模型仅凭 600 个数据点（见右图），就能够在规定的 0.5 bar 公差范围内预测测试结果。这 600 个数据点仅相当于 5.5 秒，而原始测量时长为 12 秒。因此，Sonplas GmbH 成功将测量时间缩短了一半以上。

按照当前技术水平，0.5 bar 对应的是由机器和被测件组合所产生的测量不确定度范围，因此可以被视为非常出色的结果。每个被测件节省 6.5 秒，为客户产出效率带来了巨大的附加价值，也完全达到了该创新项目的预期。