AT9205U1 - INJECTION MOLDING - Google Patents
INJECTION MOLDING Download PDFInfo
- Publication number
- AT9205U1 AT9205U1 AT0032406U AT3242006U AT9205U1 AT 9205 U1 AT9205 U1 AT 9205U1 AT 0032406 U AT0032406 U AT 0032406U AT 3242006 U AT3242006 U AT 3242006U AT 9205 U1 AT9205 U1 AT 9205U1
- Authority
- AT
- Austria
- Prior art keywords
- injection molding
- process parameters
- stability parameter
- machine
- stability
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/76—Measuring, controlling or regulating
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/08—Registering or indicating the production of the machine either with or without registering working or idle time
- G07C3/12—Registering or indicating the production of the machine either with or without registering working or idle time in graphical form
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2624—Injection molding
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45244—Injection molding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
Spritzgießmaschine (1) mit Anzeigeeinrichtung (5, 5'), speicherprogrammierbarer Maschinensteuerung (4) und mehreren mit der Maschinensteuerung verbundenen Sensoren (6) zur Ermittlung mehrer Prozessparameter während eines Spritzgießzyklus, wobei die Maschinensteuerung (4) derart ausgebildet ist, dass in Betriebszustand verschiedene Prozessparameter eines aktuellen Spritzgießzyklus mit den entsprechenden Prozessparametern wenigstens eines, vorzugsweise unmittelbar, vorangegangenen Spritzgießzyklus verglichen werden, wobei aus den Änderungen der verschiedenen Prozessparameter ein Stabilitätsparameter gebildet wird, wobei bei Überschreiten des Stabilitätsparameters von einem, vorzugsweise vorgebbaren, Schwellenwert ein Warnsignal an der Anzeigeeinrichtung (5, 5') angezeigt wird.Injection molding machine (1) with display device (5, 5 '), programmable machine control (4) and several sensors (6) connected to the machine control for determining several process parameters during a Spritzgießzyklus, wherein the machine control (4) is designed such that different in the operating state Process parameters of a current injection molding cycle with the corresponding process parameters of at least one, preferably immediately previous injection molding cycle are compared, wherein from the changes of the various process parameters a stability parameter is formed, wherein when exceeding the stability parameter of a, preferably predeterminable, threshold a warning signal to the display device (5 , 5 ') is displayed.
Description
2 AT 009 205 U12 AT 009 205 U1
Die Erfindung betrifft eine Spritzgießmaschine mit Anzeigeeinrichtung, speicherprogrammierbarer Maschinensteuerung und mehreren mit der Maschinensteuerung verbundenen Sensoren zur Ermittlung verschiedener Prozessparameter während eines Spritzgießzyklus. Darüber hinaus betrifft die Erfindung ein Verfahren zur Überwachung der Prozessstabilität kontinuierli-5 eher Spritzgießzyklen einer Spritzgießmaschine mit Anzeigeeinrichtung, wobei laufend Prozessparameter ermittelt und an die in der Spritzgießmaschine integrierte, vorzugsweise speicherprogrammierbare, Maschinensteuerung übertragen werden.The invention relates to an injection molding machine with display device, programmable logic controller and a plurality of sensors connected to the machine control system for determining various process parameters during an injection molding cycle. Moreover, the invention relates to a process for monitoring the process stability continuously injection molding cycles of an injection molding machine with display device, wherein process parameters are continuously determined and transmitted to the integrated, preferably programmable, machine control in the injection molding machine.
Bei gattungsgemäßen Spritzgießmaschinen werden während der Spritzgießzyklen einzelne io Prozessparameter überwacht. Die entsprechenden Prozessparameter werden in aller Regel pro Spritzgießzyklus einmal gemessen, wobei als Prozessparameter typischerweise Temperatur, zurückgelegte Wegstrecken, Zykluszeit, Druck beim Umschalten, Forminnendruck und andere nicht angeführte Parameter in Betracht gezogen werden. Beim Stand der Technik wird bspw. parallel der zeitliche Verlauf aller Prozessparameter an einem Bildschirm angezeigt. Für jeden 15 einzelnen Parameter gelten bestimmte Toleranzgrenzen, die entweder vom Benutzer selbst vorgegeben sind oder in der Maschinensteuerung aus der Standardabweichung des Parameters ermittelt werden sind. Bei Spritzgießmaschinen mit Regelsystemen wird nach bekanntem Stand der Technik einer Regelgröße ein Sollwert zugeordnet, wobei bei Abweichung vom Sollwert die zugehörige Stellgröße angepasst wird, um Abweichungen entgegenzuwirken. Bei 20 Spritzgießmaschinen mit Maschinensteuerungssystemen werden in der Regel dem Benutzer alle Parameter angezeigt. Die Abweichung eines Parameters aus der Summe aller Prozessparameter richtig zu deuten, ist für den durchschnittlich geübten Benutzer schwierig, denn ob eine solche Abweichung die Stabilität des Spritzgießprozesses über mehrere hintereinander ablaufende Spritzgießzyklen beeinflusst und wie die Änderung eines Parameters im Verhältnis zu 25 anderen Parametern zu sehen ist, erfordert detailliertes Verständnis der Zusammenhänge aller Parameter. Vor allen Dingen ist der manchmal herangezogene Vergleich eines Ist-Zustandes einzelner Prozessparameter mit einem Sollwert (=ldealwert) wenig aussagekräftig über die Reproduzierbarkeit der einzelnen Spritzgießzyklen. Häufig ist es weniger wichtig zu ermitteln, wie sich die Prozessparameter zu einem Idealzustand verhalten. Es kann viel wichtiger sein zu 30 ermitteln, wie reproduzierbar die einzelnen Spritzgießzyklen zueinander sind.In generic injection molding machines, individual process parameters are monitored during the injection molding cycles. The corresponding process parameters are usually measured once per injection molding cycle, with process parameters typically taken into account being temperature, distances traveled, cycle time, pressure at switching, in-mold pressure and other parameters not mentioned. In the prior art, for example, the temporal course of all process parameters is displayed in parallel on a screen. For each 15 individual parameters, certain tolerance limits apply, which are either specified by the user or are determined in the machine control from the standard deviation of the parameter. In injection molding machines with control systems, according to the known state of the art, a set value is assigned to a setpoint value, the associated control variable being adjusted in the event of a deviation from the setpoint value in order to counteract deviations. In 20 injection molding machines with machine control systems, all parameters are usually displayed to the user. To correctly interpret the deviation of a parameter from the sum of all process parameters is difficult for the average skilled user, because whether such a deviation influences the stability of the injection molding process over several consecutive injection molding cycles and how to see the change of one parameter in relation to other 25 parameters requires detailed understanding of the relationships of all parameters. Above all, the sometimes used comparison of an actual state of individual process parameters with a nominal value (= ideal value) is not very meaningful about the reproducibility of the individual injection molding cycles. It is often less important to determine how the process parameters behave in an ideal state. It can be much more important to determine how reproducible the individual injection molding cycles are to each other.
Aufgabe der vorliegenden Erfindung ist es daher, eine Spritzgießmaschine der eingangs genannten Gattung zu schaffen, die es dem Benutzer ermöglicht, schnell zu erkennen, ob sich die Stabilität und Reproduzierbarkeit der einzelnen Spritzgießzyklen ändert. Außerdem soll die 35 Erfindung es ermöglichen Vorhersagen über Fehlerursachen treffen zu können.Object of the present invention is therefore to provide an injection molding machine of the type mentioned, which allows the user to quickly recognize whether the stability and reproducibility of the individual injection molding cycles changes. In addition, the invention should make it possible to make predictions about causes of errors.
Erfindungsgemäß wird dies erreicht, indem die Maschinensteuerung derart ausgebildet ist, dass in Betriebszustand verschiedene Prozessparameter eines aktuellen Spritzgießzyklus mit den entsprechenden Prozessparametern wenigstens eines, vorzugsweise unmittelbar, vorangegan-40 genen Spritzgießzyklus verglichen werden, wobei aus den Änderungen der verschiedenen Prozessparameter ein Stabilitätsparameter gebildet wird, wobei bei Überschreiten des Stabilitätsparameters von einem, vorzugsweise vorgebbaren, Schwellenwert ein Warnsignal an der Anzeigeeinrichtung angezeigt wird. 45 Durch die Vielzahl der beim Stand der Technik üblicherweise dargestellten Prozessparameter ist es für den Bediener schwer möglich, die plötzlich auftretenden Änderungen oder Einschwingprozesse eines Prozessparameters auf einen Blick zu erkennen. Mit einer erfindungsgemäßen Spritzgießmaschine wird die Gesamtheit der Prozessparameter zu einem einzigen Parameter - der sogenannten Prozessstabilität - zusammengefasst. Dabei werden die einzel-50 nen Prozessparameter ihrer Bedeutung entsprechend gewichtet, d.h., wichtige Parameter, wie z.B. Temperatur oder Einspritzdruck, erhalten eine höhere Wichtung als weniger problematischere Prozessparameter, wie beispielsweise eine geringe Änderung in der Zykluszeit. Günstigerweise werden eine Vielzahl von Prozessparametern ermittelt, weshalb es sich als 55 vorteilhaft erwiesen hat, wenn die Spritzgießmaschine Sensoren zur Ermittlung des Spritzdru- 3 AT 009 205 U1 ckes und/oder der Zykluszeit und/oder der Temperatur der Kunststoffschmelze und/oder der eingespritzten Kunststoffmenge und/oder der Einspritzzeit aufweist. Eine einfachste Ausführungsvariante zur Ermittlung der Prozessstabilität sieht vor, dass die Anzeigeeinrichtung der Spritzgießmaschine eine Ampelanlage aufweist. Der Gesamtzustand des Prozessors kann 5 beispielsweise in den Ampelfarben Rot, Gelb und Grün oder als numerischer Wert nach Schulnotenprinzip, der den Grad der Instabilität angibt, angezeigt werden. Bei der Ausgabe nur eines einzigen Parameters ist es für den Benutzer einfacher zu erkennen, inwieweit Schwankungen vorliegen. Will man dem Benutzer lediglich eine Information darüber geben, ob der Prozess stabil oder weniger stabil abläuft, so ist es ausreichend, die eben angeführte Anzeige zu ver-io wenden. Sinnvollerweise ist auch noch vorgesehen, dass die Anzeigeeinrichtung einen Monitor zur Ausgabe des Stabilitätsparameters aufweist, um einen graphischen Verlauf anzuzeigen. Bei einer kontinuierlichen zeitlichen Ausgabe des Prozessstabilitätsparameters auf einer Anzeigeeinrichtung lassen sich auch für den ungeübten Benutzer auffällige Schwankungen sofort erkennen. Bei geeigneter Wahl der Wichtung der Prozessparameter zur Ermittlung des Stabili-15 tätsparameters können dem Benutzer zusätzliche Hinweise gegeben werden, wodurch die Instabilität verursacht wurde. Dies kann beispielsweise dadurch erfolgen, dass eine Matrix Fehlerquelle/beeinflusster Prozessparameter hinterlegt wird. So kann aus einem plötzlichen Abfall einer Temperatur geschlossen werden, dass die Heizung oder ein Temperaturfühler defekt sind. Aus einer Änderung eines Drehmomentes beim Dosieren bei gleichen Temperatu-20 ren, gleicher Drehzahl und Staudruck kann man eine Änderung im Material, z.B. durch Chargenschwankungen, geänderte Vortrocknung des Materials, etc., ableiten. Diese Information wird dem Benutzer in Klartext ausgegeben und nicht einfach durch die Schwankung des Einzelparameters angezeigt. 25 Zwar sind Verfahren zur Prozessüberwachung periodischer Produktionsprozesse beispielsweise aus der DE 102 41 746 bekannt. Ein derartiges System weist jedoch mehrere Nachteile gegenüber der vorliegenden Erfindung auf. Das Prozessmodell der DE 102 41 746 wird über Einstellphasen aufwendig geeicht, sodass wiederum, wie beim Stand der Technik als nachteilig bereits beschrieben, ein wenig aussagekräftiger Soll-Gesamtparameter ermittelt wird, mit dem 30 der Ist-Zustand verglichen wird. Das beschriebene Verfahren kann darüber hinaus nicht auf einer Maschinensteuerung realisiert werden, da zur Erzeugung der in dieser Schrift beschriebenen neuronalen Netze aufwendige Hochleistungsrechner verwendet werden müssen, die eben nicht in der Maschinensteuerung sitzen können, sondern an einem externen Computer angeordnet sind. Dadurch erhöht sich die Übertragungszeit der Prozessparameter sowie die Ermitt-35 lung der einzelnen Ist- und Sollwerte. Aussagen über die Fehlerursache lassen sich bei einem solchen System außerdem nicht treffen.According to the invention, this is achieved by the machine control system being designed in such a way that different process parameters of a current injection molding cycle are compared with the corresponding process parameters of at least one, preferably immediately previous injection molding cycle, whereby a stability parameter is formed from the changes of the various process parameters. wherein, when the stability parameter is exceeded, a warning signal is displayed on the display device from a, preferably predefinable, threshold value. Due to the large number of process parameters usually shown in the prior art, it is difficult for the operator to recognize the sudden changes or transient processes of a process parameter at a glance. With an injection molding machine according to the invention, the entirety of the process parameters is combined into a single parameter - the so-called process stability. In doing so, the individual process parameters are weighted according to their meaning, i.e. important parameters, such as e.g. Temperature or injection pressure are given a higher weighting than less problematic process parameters, such as a small change in cycle time. Conveniently, a plurality of process parameters are determined, which is why it has proven to be advantageous if the injection molding machine sensors for determining the Spritzdru ckes and / or the cycle time and / or the temperature of the plastic melt and / or the injected amount of plastic and / or the injection time. A simplest embodiment for determining the process stability provides that the display device of the injection molding machine has a traffic light system. The overall state of the processor can be displayed, for example, in the traffic light colors red, yellow and green, or as a numerical value according to the school grade principle, which indicates the degree of instability. By issuing only a single parameter, it is easier for the user to see to what extent there are fluctuations. If you want to give the user only information about whether the process is stable or less stable, so it is sufficient to use the just mentioned ad ver-io. It is expediently also provided that the display device has a monitor for outputting the stability parameter in order to display a graphical progression. With a continuous time output of the process stability parameter on a display device, noticeable fluctuations can be recognized immediately even for the inexperienced user. By properly choosing the weighting of the process parameters to determine the stability parameter, additional hints can be given to the user causing the instability. This can be done, for example, by storing a matrix error source / influenced process parameter. Thus, it can be concluded from a sudden drop in temperature that the heater or a temperature sensor is defective. From a change in torque during dosing at the same temperatures, the same speed and dynamic pressure, a change in the material, e.g. by batch fluctuations, changed predrying of the material, etc., derive. This information is output to the user in plain text and is not simply indicated by the fluctuation of the single parameter. Although processes for process monitoring of periodic production processes are known, for example from DE 102 41 746. However, such a system has several disadvantages over the present invention. The process model of DE 102 41 746 is calibrated over setting phases consuming, so again, as already described in the prior art as disadvantageous, a little meaningful target total parameters is determined with the 30 of the actual state is compared. Moreover, the described method can not be realized on a machine control, since complex high-performance computers which can not be seated in the machine control but are arranged on an external computer must be used to generate the neural networks described in this document. This increases the transmission time of the process parameters as well as the determination of the individual actual and setpoint values. In addition, statements about the cause of the error can not be made in such a system.
Neben einer Spritzgießmaschine der eingangs genannten Art betrifft die Erfindung selbstverständlich auch ein Verfahren zur Überwachung der Prozessstabilität kontinuierlicher Spritzgieß-40 zyklen einer Spritzgießmaschine. Die eingangs gestellte Aufgabe wird mit einem Verfahren gelöst, bei dem in der Maschinensteuerung verschiedene Prozessparameter eines aktuellen Spritzgießzyklus mit den entsprechenden Prozessparametern wenigstens eines, vorzugsweise unmittelbar, vorangegangenen Spritzgießzyklus verglichen werden, wobei aus den Änderungen der verschiedenen Prozessparameter ein Stabilitätsparameter gebildet wird, wobei bei Über-45 schreiten des Stabilitätsparameters von einem, vorzugsweise vorgebbaren, Schwellenwert ein Warnsignal an der Anzeigeeinrichtung angezeigt wird. Die entsprechende Ausgestaltung kann mit einer Spritzgießmaschine der vorgenannten Art erfolgen.In addition to an injection molding machine of the type mentioned above, of course, the invention also relates to a method for monitoring the process stability of continuous injection molding cycles of an injection molding machine. The object stated at the outset is achieved by a method in which various process parameters of a current injection molding cycle are compared with the corresponding process parameters of at least one, preferably immediately, preceding injection molding cycle, wherein a stability parameter is formed from the changes of the various process parameters If the stability parameter steps from a, preferably predefinable, threshold value, a warning signal is displayed on the display device. The corresponding configuration can be made with an injection molding machine of the aforementioned type.
Zusätzlich könnte in einer Ausführungsvariante vorgesehen sein, dass bei Überschreiten des so Stabilitätsparameters von einem zweiten, vorzugsweise vorgebbaren Schwellenwert die Maschinensteuerung in eine Regeleinrichtung der Spritzgießmaschine eingreift. Möglich wäre, dass die Regelung den Spritzgießzyklus abbricht.In addition, it could be provided in an embodiment variant that when the stability parameter of a second, preferably predefinable threshold value is exceeded, the machine controller intervenes in a control device of the injection molding machine. It would be possible for the control to interrupt the injection molding cycle.
In den Figuren und Figurenbeschreibungen werden weitere Details und Vorteile der Erfindung 55 erläutert. Dabei zeigen 4 AT 009 205 U1In the figures and figure descriptions further details and advantages of the invention 55 will be explained. It show 4 AT 009 205 U1
Fig. 1 schematisch eine erfindungsgemäße Spritzgießmaschine undFig. 1 shows schematically an injection molding machine according to the invention and
Fig. 2 und 3 ein Matrixmodell zur Ermittlung der Prozessstabilität.2 and 3, a matrix model for determining the process stability.
Die schematisch in Fig. 1 dargestellte Spritzgießmaschine 1 weist einen an sich bekannten 5 Aufbau auf. Neben einer Spritzeinheit 2 mit einem Trichter und einer Schnecke weist die Spritzgießmaschine 1 auch eine Schließeinheit 3 mit einer beweglichen und einer starren Formauf-spannplatte auf. Die Steuerung der Maschine erfolgt über eine speicherprogrammierbare Steuerung 4, die erfindungsgemäß ausgebildet ist. An zahlreichen Stellen der Spritzgießmaschine sind Sensoren wie im gezeigten Fall zur Ermittlung des Pressdruckes in den Formaufspannplat-io ten der Wegstrecke sowie der Temperatur der extrudierten Kunststoffmasse angeordnet. Die vorliegende Spritzgießmaschine 1 weist zwei Anzeigeeinrichtungen 5, 5’ auf, von denen eine eine Ampelanlage 5 ist, die die Signalfarben rot, gelb, grün abgibt. Die zweite Anzeigeeinrichtung 5' ist ein herkömmlicher Monitor, auf dem der zeitliche Verlauf des Stabilitätsparameters angezeigt wird. 15The injection molding machine 1 shown schematically in FIG. 1 has a construction which is known per se. In addition to an injection unit 2 with a hopper and a screw, the injection molding machine 1 also has a closing unit 3 with a movable and a rigid mold mounting plate. The control of the machine via a programmable logic controller 4, which is formed according to the invention. At many points of the injection molding machine sensors are arranged as in the case shown for determining the pressing pressure in the Formaufspannplat-io th the distance and the temperature of the extruded plastic material. The present injection molding machine 1 has two display devices 5, 5 ', one of which is a traffic light system 5, which emits the signal colors red, yellow, green. The second display device 5 'is a conventional monitor, on which the time profile of the stability parameter is displayed. 15
Die Fig. 2 zeigt eine Matrix Modell/Kanal zur beispielhaften Ermittlung der Prozessstabilität. Auf die verfügbaren Kanäle (= Prozessparameter aus der Spritzgießmaschine) werden mehrere, für geeignet befundene mathematische Modelle bzw. Methoden angewandt. Die Modelle können für jeden Kanal gesondert parametriert werden. So entsteht bei jedem Spritzgießzyklus in jedem 20 Modell/Kanal-Knoten dieser Matrix ein Wert Inst (i, j) zwischen 0 und 1, der die vom Modell n erkannte Instabilität des Kanals m beschreibt. Aus den Wert Inst (i, j) wird eine Gesamtbewertung der Prozessstabilität vorgenommen. Im einfachsten Fall entspricht die Gesamt-Instabilität dem Maximum der Einzel-Instabilitäten. In einer verbesserten Ausführung werden die Kanäle, basierend auf Expertenwissen, Versuchen oder automatischen adaptiven Verfahren, unter-25 schiedlich gewichtet.FIG. 2 shows a model / channel matrix for the exemplary determination of process stability. On the available channels (= process parameters from the injection molding machine) several, found suitable for mathematical models or methods are applied. The models can be parameterized separately for each channel. Thus, every injection molding cycle in each model / channel node of this matrix produces a value Inst (i, j) between 0 and 1, which describes the instability of the channel m detected by the model n. From the value Inst (i, j), an overall assessment of process stability is made. In the simplest case, the total instability corresponds to the maximum of the individual instabilities. In an improved implementation, the channels are under-weighted based on expert knowledge, trials, or automatic adaptive techniques.
Die Fig. 3 zeigt vereinfacht dargestellt die Wirkungsweise unterschiedlicher mathematischer Modelle. Kanal 1 zeigt einen Verlauf mit bestimmten statistischen Schwankungen. Die Schwankungsbreite wird von den Modellen aus der jüngeren Vergangenheit (nicht dargestellt) gelernt. 30 Somit wird der Kanal von allen Modellen als stabil beurteilt. Kanal 2 stellt einen typischen Einschwingvorgang dar. Dieser kann vom Modell 2 erkannt werden, weshalb dieses Modell im eingerahmten Bereich eine Instabilität detektiert. Kanal 3 erfährt eine sprunghafte Änderung. Diese wird vom Modell 1 erkannt. 35 Die Detektion von Instabilitäten im Produktionsprozess von Spritzgussmaschinen stellt einige Anforderungen, aus denen sich der Aufbau des im Folgenden beschriebenen Systems ableitet. Neben der reinen Detektion von Instabilitäten ist es möglich, dass das System auch eine Auskunft über die Art und möglichst Ursache bzw. Lokalisation der Instabilitäten ermöglicht. Das System sollte einfach zu bedienen und interpretieren sein, um keine zusätzliche Belastung für 40 die Maschinen-Bedienung darzustellen, sondern eine Hilfe.Fig. 3 shows a simplified representation of the operation of different mathematical models. Channel 1 shows a course with certain statistical fluctuations. The fluctuation range is learned from the recent models (not shown). Thus, the channel is judged stable by all models. Channel 2 represents a typical transient phenomenon. This can be detected by model 2, which is why this model detects instability in the framed area. Channel 3 undergoes a sudden change. This is recognized by the model 1. 35 The detection of instabilities in the production process of injection molding machines has some requirements, from which the structure of the system described below is derived. In addition to the pure detection of instabilities, it is possible that the system also provides information about the nature and possible cause or localization of the instabilities. The system should be easy to use and interpret, not an additional burden on machine operation, but an aid.
Auftretende Instabilitäten können verschiedenste Ursachen haben, die sich in Kanälen mit unterschiedlichen Charakteristiken und an sich auch durch unterschiedliche Verläufe äußern können. Neben einer robusten Erkennung ist auch eine gute Generalisierung der Modelle auf 45 andere Maschinen notwendig. Ähnliche Kanäle können für diese, z.B. durch andere Dimensionierungen oder andere Steuerungs-Arten, gänzlich andere Charakteristiken zeigen. Schließlich ist bei den verwendeten Methoden auf Einfachheit zu achten, um schnelle Rückmeldungen, Echtzeitfähigkeit, und die Implementierbarkeit im Rahmen der Maschinensteuerung sicherzustellen. 50Occurring instabilities can have a variety of causes, which can manifest themselves in channels with different characteristics and also by different courses. In addition to a robust detection, a good generalization of the models to 45 other machines is necessary. Similar channels may be used for these, e.g. by other dimensions or other types of control, completely different characteristics show. Finally, the methods used should be designed with simplicity in mind to ensure fast feedback, real-time capability, and machine control implementability. 50
Die vorliegende Erfindung bettet sich in die Steuerung von Spritzgussmaschinen ein. Pro Schuss (Spritzgießzyklus) stehen ihm die Werte unterschiedlicher Messkanäle zur Verfügung, u.a, Temperaturen, Drücke, Zeitdauern, gemessene Strecken etc. Diese Messwerte müssen innerhalb kurzer Zeit zu einer Vorhersage der Prozessstabilität verarbeitet und an die Bediener-55 Schnittstelle weitergegeben werden. Der Bediener wird in erster Linie mittels einer Zustands- 5 AT 009 205 U1 „Ampel“ mit den Werten Rot (instabil), Orange und Grün (stabil) informiert. Diese Werte basieren auf einer Einschätzung durch das System, die beispielsweise so realisiert werden kann, dass der Stabilitätsparameter zwischen 0 (stabil) und 1 (instabil) liegt, und mittels Schwellwerten (0,3 für Orange und 0,7 für Rot) an der Ampel abgebildet werden. Denkbar wäre es, dass 5 das System in Form einer XML-Struktur über die Details der detektierten Instabilitäten Auskunft gibt.The present invention embeds itself in the control of injection molding machines. For each shot (injection cycle), the values of different measuring channels are available to him, including temperatures, pressures, time durations, measured distances, etc. These measured values must be processed within a short time to predict process stability and passed on to the operator 55 interface. The operator is informed primarily by means of a status "Red light" (unstable), orange and green (stable). These values are based on an assessment by the system, which may be realized, for example, such that the stability parameter is between 0 (stable) and 1 (unstable), and thresholds (0.3 for orange and 0.7 for red) on the Traffic lights are displayed. It would be conceivable that the system provides information about the details of the detected instabilities in the form of an XML structure.
Die Anforderungen an das System legen eine flexibel adaptierbare Architektur nahe. Es werden mehrere unterschiedliche Sub-Modelle (z.T. spezialisiert für bestimmte Instabilitäten) zur Vor-io hersage für einzelne Kanäle verwendet (siehe Modelle unten). Diese Submodelle implementieren alle das gleiche Interface: Eine Funktion wird einmal für jeden neu erhaltenen Kanal-Wert aufgerufen und liefert die Einschätzung des jeweiligen Modells als Wert zwischen 0 (stabil) und 1 (instabil) zurück. Weiter wird gleichzeitig eine Zeichenkette zurückgeliefert, die den Grund für detektierte Instabilitäten angibt, allerdings nur wenn das Submodell den Schwellwert für Orange 15 erreicht.The requirements for the system suggest a flexibly adaptable architecture. Several different sub-models (in some cases specialized for certain instabilities) are used for pre-evaluation for individual channels (see models below). These submodels all implement the same interface: A function is called once for each newly obtained channel value and returns the estimate of each model as a value between 0 (stable) and 1 (unstable). Furthermore, a string is returned at the same time indicating the reason for detected instabilities, but only if the submodel reaches the threshold for orange 15.
Neben der Vorhersage-Funktion bieten die Submodelle eine Funktion, die zum Lernen und Anpassen von Parametern in den Modellen verwendet wird, und die ebenfalls einmal pro neuem Kanalwert aufgerufen wird. Dies kann beispielsweise die Bestimmung der Varianz der Da-20 ten, oder die Adaption von Regressions-Parametern sein. Ein weiteres Interface der Submodelle ermöglicht das Lesen von Konfigurations- und Parameter-Dateien sowie das Abspeichern der Modell-Parameter.In addition to the prediction function, the submodels provide a function that is used to learn and adjust parameters in the models, and is also called once per new channel value. This can be, for example, the determination of the variance of the data, or the adaptation of regression parameters. Another interface of the submodels allows the reading of configuration and parameter files as well as the saving of the model parameters.
Die Vorhersagen der einzelnen Sub-Modelle werden schließlich von einem Entscheider zu einer 25 Gesamt-Vorhersage integriert. Eine einfache Ausführungsvariante realisiert dies durch Bestimmung des Maximums der Vorhersagen der Submodelle, welches als allgemeiner Instabilitäts-Wert weitergeleitet wird. Die Verwendung des [0; 1]-lntervalls für Vorhersagen der Submodelle erlaubt es dabei potenziell, die Zuverlässigkeit der Submodelle bei der Entscheidungs-Findung mit einzubeziehen. Wird die Detektion eines Submodells als relevant erachtet (sie ist über dem 30 Orange-Schwellwert), wird die diagnostische Zeichenkette dieses Modells in die Begründung der Gesamteinschätzung integriert.The predictions of each sub-model are finally integrated by a decision maker into a total prediction. A simple embodiment realizes this by determining the maximum of the predictions of the submodels, which is forwarded as a general instability value. The use of [0; 1] interval for forecasts of the submodels potentially makes it possible to include the reliability of the submodels in decision making. If the detection of a submodel is considered relevant (it is above the Orange threshold), the diagnostic string of this model is integrated into the rationale of the overall estimate.
Die im Folgenden aufgeführten Modelle sind Beispiele für verwendete Instabilitäts-Detektoren, die in der oben ausgeführten Rahmen-Architektur verwendet werden. Die Parameter der Model-35 le werden teilweise über eine Gitter-Suche bestimmt, bei der für gegebene Daten viele unterschiedliche Parameter-Kombinationen auf Ihre Detektions- und Generalisierungsfähigkeit hin verglichen werden.The models below are examples of instability detectors used in the frame architecture outlined above. The parameters of the Model-35 le are determined in part by a grid search in which, for given data, many different parameter combinations are compared for their detection and generalization capabilities.
Ein polynomielles Regressionsmodell wird über einen lokalen Datenbereich eines Signalverlau-40 fes adaptiert. Dabei werden die linearen Parameter mit Hilfe einer rekursiven Methode geschätzt (recursive least squares [1]), wobei über einen einstellbaren Parameter (Forgetting-Faktor) weiter zurückliegende Punkte mehr und mehr vergessen werden. Die Auswertung eines neuen Signalwertes basiert auf der Abweichung zum Konfidenzband um das Modell, welches adaptiv mitgerechnet wird. So können Anomalien in Form von Ausreißern und Sprüngen er-45 kannt werden. ARMA-Modelle sind ähnlich zu den Modellen des vorherigen Absatzes, nur dass vergangene Werte eines Signalverlaufs bei der Berechnung der linearen Parameter direkt mit einbezogen werden, anstatt ein gemitteltes lineares Modell über diese zu bilden [2], Im Gegensatz zur glei-50 tenden Regression sind damit nicht Zeitpunkte die Eingangsgrößen des Modells, sondern bis zu k vergangene Signalwerte (für ein ARMA-Modell der Ordnung k). Aus k zurückliegenden Signalwerten wird ein Vorhersagemodell erlernt, welches auf den aktuellen Wert schließt. Somit können ARMA-Modelle Signal-Muster aus der Historie lernen. 55 Die Auswertung eines neuen Punktes basiert auf dem Vergleich des Vorhersagewerts des 6 AT 009 205 U1A polynomial regression model is adapted over a local data area of a signal delay 40 fes. The linear parameters are estimated by means of a recursive method (recursive least squares [1]), whereby an older parameter (forgetting factor) more and more forgot about previous points. The evaluation of a new signal value is based on the deviation from the confidence band around the model, which is calculated adaptively. This can reveal anomalies in the form of outliers and jumps. ARMA models are similar to the models of the previous paragraph, except that past values of a waveform are directly included in the calculation of the linear parameters rather than forming an average linear model over them [2], as opposed to the same regression are not times the input variables of the model, but up to k past signal values (for an ARMA model of order k). From k previous signal values, a predictive model is learned which closes to the current value. Thus, ARMA models can learn signal patterns from history. 55 The evaluation of a new point is based on the comparison of the prediction value of the 6 AT 009 205 U1
Modells mit dem gemessenen Signalwert, unter Berücksichtigung eines Konfidenzbandes. So können komplexere Anomalien, die nicht in das übliche Signalmuster passen, erkannt werden.Model with the measured signal value, taking into account a confidence band. This way, more complex anomalies that do not fit the usual signal pattern can be detected.
Dieses Modell vergleicht laufend den aktuellen Kanalwert mit dem exponentiell gewichteten 5 Mittelwert der vergangenen Werte. Dabei bekommen Werte umso weniger Gewicht, je weiter sie in der Vergangenheit liegen. Zum Vergleich wird der kleinere durch den größeren Wert geteilt und das Ergebnis von 1 subtrahiert. Nach Abzug einer Toleranzschwelle wird das Ergebnis wieder auf den Bereich [0; 1] normiert, und kann über eine Gamma-Korrektur angehoben oder abgesenkt werden. 10This model continuously compares the current channel value with the exponentially weighted average of past values. Values get less weight the further they are in the past. For comparison, the smaller one is divided by the larger value and the result is subtracted from 1. After deducting a tolerance threshold, the result is returned to the range [0; 1] and can be raised or lowered via gamma correction. 10
Dadurch kann bei der Bewertung der Abweichungen z.B. die allgemeine Varianz des Kanals berücksichtigt werden.As a result, when evaluating the deviations, e.g. the general variance of the channel can be taken into account.
Lineare Regressionsmodelle werden lokal gefittet und daraus der Gradient ermittelt und nor-15 mied mit Hilfe des Wertebereichs des lokalen Signals und der Breite des lokalen Fensters. So wird der Noise aus den Daten herausgefiltert und eine Tendenz des Signals abgelesen. Die Vorhersage basiert auf dem Vergleich des Gradienten mit einem vorgegebenen Schwellwert und der lokalen Häufigkeit von hohen Gradienten. Über unterschiedliche Fenstergrößen können daraus verschieden lange Einschwingvorgänge erkannt werden. 20Linear regression models are fitted locally and from this the gradient is determined and avoided using the value range of the local signal and the width of the local window. So the noise is filtered out of the data and a tendency of the signal is read. The prediction is based on the comparison of the gradient with a predetermined threshold and the local frequency of high gradients. Using different window sizes, different duration transients can be detected. 20
Da ihre Vorhersagen nicht von vornherein im Bereich [0; 1] liegen, verwenden die Modelle aus den vorherigen Absätzen ein gemeinsames aus der Fuzzy-Theorie stammendes Verfahren, um ihre Vorhersagen in diesen Bereich abzubilden. Dabei werden die im Bereich von 0 bis potenziell unendlich liegenden Vorhersagen über die Zugehörigkeit zu speziell definierte Fuzzy-Sets 25 (Doppel-Parabeln) auf das [0; 1]-lntervall abgebildet. Die Grenzen der Fuzzy-Sets werden anhand der Kanal-Eigenschaften bestimmt. Für viele Kanäle (= Prozessparameter, die die Steuerung aufzeichnen) wird aus aktuellem Wert und dem Verlauf der vorhergehenden Werte die Stabilität für diesen jeweiligen Kanal errechnet, 30 dabei wird insbesondere auf Sprünge oder typische Einschwingverläufe geachtet. Diese Beurteilung erfolgt immer auf Basis der Varianz des Signalverlaufes jedes Kanals, die ebenfalls aus den Zyklen der jüngeren Vergangenheit selbständig „erlernt“ wird. Die so ermittelten Stabilitäten der einzelnen Kanäle werden vom „Entscheider“ zu einer Aussage über die Gesamtstabilität des Prozesses verarbeitet. Die Stabilität ist immer auf ein auf das Intervall 0-1 normierten Wert, 35 der den Zustand bezogen auf die übliche Varianz beschreibt.Since their predictions are not from the outset in the range [0; 1], the models from the previous paragraphs use a common fuzzy theory method to map their predictions into this domain. The predictions about belonging to specifically defined fuzzy sets 25 (double parabolas) ranging from 0 to potentially infinite are assigned to the [0; 1] interval. The limits of the fuzzy sets are determined by the channel properties. For many channels (= process parameters that record the control), the stability for this particular channel is calculated from the current value and the progression of the preceding values, whereby particular attention is paid to jumps or typical transient characteristics. This judgment is always based on the variance of the waveform of each channel, which is also "learned" independently from the more recent cycles. The determined stabilities of the individual channels are processed by the "decision maker" into a statement about the overall stability of the process. The stability is always on a value normalized to the interval 0-1, which describes the state in relation to the usual variance.
Weitere Vorteile der Erfindung: • Es sind keine Eingaben durch den Benutzer erforderlich, das System arbeitet völlig selb-40 ständig und selbstlerndend. • Nach einem Anfahr- bzw. Einschwingvorgang erhält der Benutzer durch den Stabilitätsparameter den Hinweis, ab wann er die Formteile verwenden kann (vorausgesetzt mit der verwendeten Maschineneinstellung wurden zuvor schon gute Teile hergestellt). 45 • Störungen an der Anlage oder im Prozess werden erkannt und dem Benutzer mitgeteilt, ohne dass er zuvor Parameter für die Überwachung ausgewählt hat, Sollwerte und Grenzen festgelegt hat, etc. so [1] Lennart Ljung: System Identification - Theory for the User; 2nd ed, PTR Prentice Hall, Upper Saddle River, N.J., 1999 [2] Box, G.E.P. and Jenkins, G.M. (1976), Time Series Analysis: Forecasting and Control, San Francisco: Holden-Day. 55Other Advantages of the Invention: • No input from the user is required, the system works completely self-constantly and self-learning. • After a start-up or transient process, the stability parameter indicates to the user when he can use the molded parts (assuming that the machine setting used previously produced good parts). • Faults in the system or in the process are detected and reported to the user without having previously selected parameters for the monitoring, setting the setpoints and limits, etc. thus [1] Lennart Ljung: System Identification - Theory for the User; 2nd ed, PTR Prentice Hall, Upper Saddle River, N.J., 1999 [2] Box, G.E.P. and Jenkins, G.M. (1976), Time Series Analysis: Forecasting and Control, San Francisco: Holden Day. 55
Claims (7)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AT0032406U AT9205U1 (en) | 2006-04-21 | 2006-04-21 | INJECTION MOLDING |
DE102007013044.0A DE102007013044B8 (en) | 2006-04-21 | 2007-03-19 | Injection molding machine and method for monitoring continuous injection molding cycles of an injection molding machine |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AT0032406U AT9205U1 (en) | 2006-04-21 | 2006-04-21 | INJECTION MOLDING |
Publications (1)
Publication Number | Publication Date |
---|---|
AT9205U1 true AT9205U1 (en) | 2007-06-15 |
Family
ID=37943698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
AT0032406U AT9205U1 (en) | 2006-04-21 | 2006-04-21 | INJECTION MOLDING |
Country Status (2)
Country | Link |
---|---|
AT (1) | AT9205U1 (en) |
DE (1) | DE102007013044B8 (en) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11020889B2 (en) | 2013-09-05 | 2021-06-01 | Husky Injection Molding Systems Ltd. | Method and system for generating, processing and displaying an indicator of performance of an injection molding machine |
EP3551420B1 (en) | 2018-03-02 | 2021-01-13 | ENGEL AUSTRIA GmbH | Method and device for visualizing or evaluating a process state |
DE102018107233A1 (en) * | 2018-03-27 | 2019-10-02 | Kraussmaffei Technologies Gmbh | Method for automatic process monitoring and process diagnosis of a piece-based process (batch production), in particular an injection molding process and a machine performing the process or a machine park performing the process |
AT521725A1 (en) | 2018-10-03 | 2020-04-15 | Engel Austria Gmbh | Control device for a production plant |
AT522639B1 (en) * | 2019-06-19 | 2021-01-15 | Engel Austria Gmbh | Device and method for visualizing or assessing a process status |
AT526314A2 (en) | 2022-07-11 | 2024-01-15 | Engel Austria Gmbh | METHOD AND DEVICE FOR VISUALIZING OR ASSESSING A PROCESS CONDITION |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4816197A (en) * | 1988-04-12 | 1989-03-28 | Hpm Corporation | Adaptive process control for injection molding |
DE10241746B8 (en) * | 2002-09-10 | 2007-09-20 | Haag, Günter, Prof.Dr. | Method for cyclic quality assessment and process monitoring in periodical production processes |
US7117050B2 (en) * | 2002-11-08 | 2006-10-03 | Toshiba Kikai Kabushiki Kaisha | Management supporting apparatus, management supporting system, management supporting method, management supporting program, and a recording medium with the program recorded therein |
-
2006
- 2006-04-21 AT AT0032406U patent/AT9205U1/en not_active IP Right Cessation
-
2007
- 2007-03-19 DE DE102007013044.0A patent/DE102007013044B8/en active Active
Also Published As
Publication number | Publication date |
---|---|
DE102007013044B8 (en) | 2015-05-21 |
DE102007013044B4 (en) | 2015-05-13 |
DE102007013044A1 (en) | 2007-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3804951B1 (en) | Visualization device and evaluation device for a production line comprising at least one cyclically operating molding machine | |
DE68920951T2 (en) | Device for setting the molding operating conditions in an injection molding machine. | |
WO2019185594A1 (en) | Method for the automatic process monitoring and process diagnosis of a piece-based process (batch production), in particular an injection-molding process, and machine that performs the process or set of machines that performs the process | |
DE69705471T2 (en) | DEVICE FOR DETECTING EVENTS IN PROCESS SYSTEMS | |
DE102007013044B4 (en) | Injection molding machine and method for monitoring continuous injection molding cycles of an injection molding machine | |
WO2018072773A2 (en) | Method for monitoring a production process, method for indirectly deducing a systematic dependency, method for adapting quality, method for starting a production process, method for producing an extrusion product and system for producing an extrusion product | |
EP0756219B1 (en) | Method for supervising product properties and method for controlling a manufacturing process | |
DE102011115896B4 (en) | Apparatus and method for process control | |
EP2539785B1 (en) | Method for controlling an injection molding process | |
DE102008064491A1 (en) | Simulation-based method for controlling or regulating compressed air stations | |
DE102015107025A1 (en) | Determination and display of process parameter values in an injection molding process | |
DE19743600A1 (en) | Monitoring cyclic production process | |
DE69006846T2 (en) | METHOD FOR Distinguishing Non-Defective Parts From Defective Parts In Injection Molding Machines. | |
DE2428166A1 (en) | METHOD AND DEVICE FOR CONTROLLING THE GAP BETWEEN THE LIPS OF A PRESSING TOOL FOR EXTRUDING A PLASTIC TAPE MATERIAL | |
DE112021005251T5 (en) | CONDITION DETERMINATION DEVICE AND CONDITION DETERMINATION METHOD | |
WO2024083904A1 (en) | Process characteristic number determination | |
DE69106906T2 (en) | System and method for regulating the wall thickness of preforms. | |
EP4045982A1 (en) | Monitoring method for monitoring at least one part of a production process of a film extrusion system | |
DE102008052609B4 (en) | Process for producing plastic hollow bodies by blow molding | |
DE102018006035A1 (en) | Method for the automated generation of setting marks and for process monitoring in cyclical production processes | |
AT522639A1 (en) | Device and method for visualizing or assessing a process status | |
EP3872290A1 (en) | Method for detecting obstacles in an access device | |
AT521725A1 (en) | Control device for a production plant | |
EP4306290A1 (en) | Method and device for visualizing or evaluating a process state | |
EP3349078A1 (en) | Diagnosis device and method for monitoring and/or optimizing a control device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM01 | Lapse because of not paying annual fees |
Effective date: 20150430 |