由于打磨过程的复杂性，其部分参数无法实时准确检测，这限制了基于模型的方法在工程实现中的应用。越来越多的研究人员正在使用数据驱动的方法来预测材料去除。

早在2005年，数据驱动方法就被应用于预测材料去除。Panda D使用人工前馈神经网络预测材料去除率.Mathew，j .等人使用人工神经网络分析材料去除量，并建立参数优化模型.Wang等人提出了一种使用神经网络和遗传算法的材料去除预测算法.为了保证打磨工作的全过程检测，有必要构建一个实时监控的焊缝间隙预测系统。于是，David Jin Hong研究了一种深度学习视觉系统

就像SUHNER加工单元一样，机器人可以很容易地在不断变化的生产环境中执行不同的任务。在卫生洁具行业，大型铸铁件正在生产线上使用SOMEX max 100型加工设备和FANUC 200 IB型机器人进行加工。甚至在测试实验室中的应用。在美国一所工程大学，正在使用Kuka机器人(KR-Fortec)和SUHNER加工单元(BEX35-ISO)进行测试。这些材料测试是为的航空航天公司之一进行的。称重传感器测量加工航空航天工业常用的不同材料时的力(应力)。材料范围从复合材料到钛。加工数据从刀夹内的传感器无线传输到笔记本电脑进行存储和分析。测试结果用于改进材料厚度或选择，以及理解和预测载荷极限。

用于机器人引导操作的SUHNER组件——适用于所有机器人

工具:气动马达铣轴、锉刀、砂带磨光机和加工设备。用于去毛刺、抛光、切割的各种工具。

坚固耐用的加工单元，适用于要求苛刻的应用，可带或不带自动化工具更换，实现工厂自动化。

磨料:不同材料和应用的开发和培训。

特殊设备:带有集成力补偿的特殊接触法兰

磨料更换站:全自动更换磨料，用于工业连续操作。

机床制造商:机器人和机器人工具的集成。在金属和芯片制造行业、机床制造和金属表面处理方面有数十年的经验。