CN104968452A - 砂优化以减少铸造废品的计算机实施系统和方法 - Google Patents

Abstract

本发明公开了一种砂优化以减少铸造废品的计算机实施系统的设想。铸造厂用户可通过计算机网络在线访问所述系统，并可向所述系统登记其铸造厂。所述系统能够利用与上述砂相关的至少一个参数来提供砂优化的预测或规定解决方案。进一步地，所述系统能够确定导致所述铸造废品的参数，并为向所述系统登记的特定铸造厂提供减少下一批铸件中的废品的对应解决方案。所述系统主要包括用户界面模块，其使得所述用户能够进入并将与铸造厂相关的数据上传入所述系统；报告模块，其使得所述用户能够生成并了解其铸造厂的当前统计信息；和处理引擎，其使得所述系统能够对用户询问执行数学计算，并为所述用户提供其铸造厂所需的预测或规定解决方案。

Description

砂优化以减少铸造废品的计算机实施系统和方法

技术领域

本发明涉及计算系统领域。具体而言，本发明涉及提供与铸造有关的铸造厂中使用的系统。

本说明书中使用的术语的定义

以下在说明书中使用的表述‘使用者’是指但不限于铸造工、客户和管理员。

以下在说明书中使用的表述‘计算机网络’是指但不限于广域网(WAN)、局域网(LAN)、城域网(MAN)、互联网、无线局域网(WLAN)、蜂窝网络及其组合。

以下在说明书中使用的表述‘铸造厂’是指但不限于厂、车间、工厂、制造厂和工场。

以下在说明书中使用的表述‘湿态抗压强度’(GCS)是指但不限于在载荷下，砂破裂所需的应力。在万能砂试验机上对高的标准试样进行GCS测量，并以Gms./sq.cm表述。

以下在说明书中使用的表述‘紧实性指数’是指但不限于型砂对在自动成型机上确定其行为具有决定性实际重要性的特性。紧实性指数与散砂在挤压压力影响下其高度从初始恒定高度水平所减小的百分比有关。进一步说，紧实性指数提供了精确的调质水指示程度，其实际上与砂的成分无关。以下在说明书中使用的表述‘水分’是指但不限于添加至正与粘土粘结剂一起在混合器内混合的砂中以赋予型砂GCS的水。

以下在说明书中使用的表述‘活性黏土’是指但不限于型砂中用作粘结材料的粘土部分，其提供了砂粒间的凝聚性，并使之捣实成稳定的铸型。活性黏土提供了强度以及相关的形变韧性和铸型硬度的特性。

以下在说明书中使用的表述‘惰性细粒’是指但不限于呈惰性且不会以任何方式有助于砂粒粘结的粘土部分。此外，惰性细粒参数表示总粘土含量与活性黏土之间的百分比差。

以下在说明书中使用的表述‘烧失量’(LOI)是指但不限于型砂中存在的挥发物形式的材料以及砂中的固定碳易燃材料的总和。LOI由干砂的烧失量百分比确定。

以下在说明书中使用的表述‘通透指数’是指但不限于压紧的砂允许气体逸出到大气中的天然能力。将液体或柔性原料浇注到模型/铸型内时产生了这些气体。通透指数以数值表示，即空气在标准压力下穿过高的标准试样的流速。

以下在说明书中使用的表述‘湿态抗拉强度’(WTS)是指但不限于液体或柔性原料浇注期间以及之后在所有粘土粘结的模型/铸型中形成的凝结区的抗拉强度。WTS通过从专用试样筒上拉动可拆卸环测定。凝结区通过加热板人工形成，试样面安置于加热板上。加热板对界面处的砂进行加热，且由于温度辐射而扩展于整个砂试样。蒸汽通过可渗透砂试样被推离加热板。水蒸气迁移回试样通过凝结的温度区域。该凝结区被称为湿层。当施加负载时，试样的最薄弱区域/最薄弱点会破裂，并记录下测量值。WTS以克/平方厘米表示。

以下在说明书中使用的表述‘挥发性物质’(VM)是指但不限于添加至砂混合物的在450与920摄氏度(℃)之间挥发的有光泽碳添加剂。VM由被称为较低温挥发物和较高温挥发物的两部分组成。挥发性产物在金属与铸型界面之间提供了为避免熔砂、机械粘砂废品所需的缓冲作用。

以下在说明书中使用的表述‘颗粒细度数’(GFN/AFN)是指但不限于以微米(μm)表示的对平均粒径的测量，其使用ISO公制筛确定。使100克测平均粒径的样品通过710μm-63μm的套筛。对残留在每个筛上的百分比的砂粒进行称重并按递减的筛尺寸排列。每个这种百分数乘以上一个筛的目数，且所有这些乘积的总和除以总百分比之和以得出GFN。如果使用AFS套筛，则将砂的AFS作为输出信号。

以下在说明书中使用的表述‘pH值’是指但不限于型砂的酸/碱性的指示。pH值是对因添加粘结材料(例如膨润土)而具有酸/碱特性的型砂的能力的测量。pH值低于7表示型砂为酸性，而pH值大于7表示型砂为碱性。pH控制对型砂的特性无影响。型砂的酸/碱性得自所使用的粘结粘土材料。

以下在说明书中使用的表述‘鲕粒’是指但不限于型砂中使用的有可能循环很长一段时间的砂粒。由于砂粒反复循环，其上反复涂覆粘结粘土层，粘土层连续地被锻烧并烧制到砂粒表面上。这使得砂粒周围烧制形成同心死粘土层结构，该过程被称为鲕粒化。鲕粒化程度由大于20微米的洗涤砂部分，在900摄氏度(℃)下锻烧而产生的死粘土的含量来限定。

以下在说明书中使用的表述‘震裂系数’是指但不限于砂的韧性。在需要剥离深容槽和形状复杂的模的情况下，震裂系数特别有用。震裂系数表示为当样品从1.83米的高度(将近6英尺)坠落在标准试验件上时，初始样品重量与残留在铁砧上的砂的重量的百分比。

以下在说明书中使用的表述‘砂与金属比’是指但不限于压紧在完成的铸型(上型箱+下型箱)中的砂的重量与浇注入模型/铸型中的总液体或柔性原料的重量之比。砂与金属比以数值表示。

以下在说明书中使用的表述‘干燥压紧强度’是指但不限于砂在220-230华氏温度(°F)下干燥之后并进一步冷却至室温时，在破裂之前，其能经受的最大强度。在2英寸x 2英寸的标准筒内的正常干燥时间为2-3小时(hr)。

以下在说明书中使用的表述‘混砂机内的回用砂温度’是指但不限于从落砂机构和砂冷却器返回以重新使用的砂的温度。在将热的液体或柔性原料浇注入模型/铸型内之后，砂的温度增加。为了重新使用之前铸型中使用的砂，有必要将砂冷却至环境温度。

以下在说明书中使用的表述‘芯砂渗透’是指但不限于因铸造操作期间使用的残留碎裂芯砂而导致的砂量的增加。一定百分比的芯砂可在落砂段和过筛后被除去，但大部分的芯砂与回用砂混合。与上述部分相关的砂与一整天循环的型砂量的百分比被称作芯砂渗透百分比。

以下在说明书中使用的表述‘试样重量’是指但不限于尺寸为直径2"高2"的标准试样的重量。标准试样通过使用标准锤击制样机制备，且以克表示。

以下在说明书中使用的表述‘脆性指数’是指但不限于砂在震动、挤压、抛掷类型的模制下保持填实所需的特性。所期望的型砂在模制压紧期间是可流动的以便硬度均匀，因此希望其具有良好的流动性。硬度不均匀的铸型的某些点处很软。砂型的柔软表现为流动性低，这会导致铸件膨大(膨胀)和/或铸件表面粗糙。

以下在说明书中使用的表述‘圆锥震动测试’是指但不限于测量压紧砂的相对脆度的韧性测试。型/铸型破损以及无法在模上拉出深容槽常常是由于砂的韧性或脆度不能满足需要。

以下在说明书中使用的表述‘剪切强度’是指但不限于最大剪应力。调质砂混合物能够在所含水分具有最佳可加工性或可进行恰当调质以制备砂型的这一砂区段附近产生高剪切强度。还观察到在水分含量低于调质含量的情况下，砂表现出很高的湿强度。

以下在说明书中使用的表述‘形变’是指但不限于测量湿砂在破裂前变形的能力。形变以英寸/英寸表示。

以下在说明书中使用的表述‘粘性’是指但不限于用于铸造的铸造用砂的湿态特性。湿砂的粘性通过观察和感觉来手动估计。

以下在说明书中使用的表述‘湿态抗拉强度’是指但不限于调质砂混合物能够保持的最大抗拉应力。根据标准程序将制备的调质砂混合物捣实并对其进行测试。所含水分具有最佳可加工性或可进行恰当调质以制备砂型的砂区段或其附近的抗拉强度很高。还观察到在水分含量低于调质含量的情况下，砂表现出很高的湿强度。

以下在说明书中使用的表述‘热强度’是指但不限于砂在将熔融液体或柔性原料(例如，金属)浇注在铸型/模型内时所伴随的高温下的强度。

以下在说明书中使用的表述‘流动性’是指但不限于当砂粒受到铸造力(例如，湿捣实性)时，调质混合物中的砂粒的移动性。湿捣实性被认为是在施加捣实力量附近或远离施加捣实力量处产生相同铸型硬度的能力。期望型砂在模制压紧期间具可流动以便硬度均匀，因此预期其具有良好的流动性。硬度不均匀的铸型在某些点处很软。砂型的柔软表现为流动性低，其会导致铸件增大(膨胀)和/或铸件表面粗糙，尤其是侧壁处。

以下在说明书中使用的表述‘模具硬度’是指但不限于通过加载冲塞所穿透的砂或湿砂模型/铸型的表面提供的阻力。砂混合物太湿或太干均可导致模具硬度低。如果砂混合物中的粘结剂经适当调质和捣实，则铸模具硬度将达到峰值。

以下在说明书中使用的表述‘韧性’是指但不限于砂型的韧性。当将模周围的砂捣实时，砂必须保持可移动特性，同时浇注的液体或柔性原料在型内凝固。砂必须具有静态特性以产生尺寸精确的铸件。砂的该可移动特性被称为砂的成型性。砂的韧性将影响需在砂上花费的工作量。砂的韧性因素在所有形式的捣实中变得最为重要。韧性通过将具有湿抗压强度和形变的产品乘以1000确定。

以下在说明书中使用的表述‘密度’是指但不限于捣实且调质的混合物的每单位体积的质量，通常以lb/cu表示。

以下在说明书中使用的表述‘烧结点’是指但不限于当利用20X至25X放大率的显微镜观察时最小的砂粒显示出熔合迹象的最低温度。烧结点表示当铂条浸入砂中并提离砂时，该砂通过形成V形而显示出的粘性迹象的温度。

以下在说明书中使用的表述‘耐久性’是指但不限于在砂铸件重复循环期间将砂重新粘结至恒定湿强度所需的粘土量。

以下在说明书中使用的表述‘模具气量’是指但不限于型砂释放可通过特殊程序研究的气体的倾向。

以下在说明书中使用的表述‘金属渗透’是指但不限于熔融液体或柔性原料(例如，金属)渗透入砂型壁并渗入砂中，其对液体而言为多孔的。这导致紧紧粘附至铸件的金属和砂形成熔融体。

以下在说明书中使用的表述‘常温自硬强度’是指但不限于在试样2英寸x2英寸的面积内进行的测试。在室温下将试样风干4小时之后，将试样倒置2小时。从而确定常温自硬抗压强度，且该值指示湿强度随敞模风干而变化的方式。

以下在说明书中使用的表述‘模塑性’是指但不限于确定型砂的调质程度，其还考虑到水或砂的需求。模塑性测量砂凝聚块通过筛网的轻松程度，该特性针对压紧前处于松散状态的砂，且其以模塑性指数表示，并预期其与型砂的可压实特性关系紧密。

以下在说明书中使用的表述‘筛分布’是指但不限于使用标准ISO公制或AFS套筛筛分经洗涤和干燥的砂的砂粒分布。残留在每个筛上的砂量以进行测试所需砂样品的百分比表示，且将这些百分比绘制在曲线图上，其中％绘制在y轴上，筛号以特定间隔绘制在x轴上。典型的条形图表示筛分布，且根据残留有80％的砂的筛的数目，可将砂称作2筛、3筛等。

以下在说明书中使用的表述‘颗粒形状’是指但不限于砂粒的成角性状和成球性状。砂粒的形状可为良好圆状、圆状、次圆状、次棱角状、角状和棱角分明状等。就各种角状砂范围内，可按其相对于圆球性状而言，划分为高、中和低三个等级。最佳铸造用砂应是圆形颗粒，相对于球形性状，其等级为中至高级，并具有良好的流动性和通透指数，其中添加的粘结剂少、强度高。相对于球形性状，更具棱角且等级较低的砂需要添加更多粘结剂。这会导致填充密度低且砂的流动性差。

以下在说明书中使用的表述‘膨润土’是指但不限于铸造湿砂中使用的粘结粘土。膨润土来自被称为蒙脱土的粘土族。蒙脱土是自然产生的，且包括10％至15％的副矿物，例如长石、石英、黑云母、云母和碳酸钙等。

以下在说明书中使用的表述‘MB值’是指但不限于使用亚甲蓝测试法对活性黏土的测定，并以数值表示。

以下在说明书中使用的表述‘凝胶时间’是指但不限于膨润土的吸水速度的性能。如果膨润土的质量较佳，则所测量的凝胶时间(以分钟表示)较短。

以下在说明书中使用的表述‘膨胀容量’是指但不限于膨润土粉的作用力。由于基本的碱性交换能力，片晶允许水分存在于每层之间，并且膨胀。膨润土体积膨胀的能力被称为膨胀容量，并以数值表示。

以下在说明书中使用的表述‘液体或柔性原料’是指但不限于金属、塑料、玻璃或陶瓷原料。如果柔性原料为金属，则有利的金属特性应为选自以下的金属参数：碳百分比、碳当量、浇注温度、浇注时间、浇注速率、浇注高度(金属静力学高度)、接种法和金属化学。

以下在说明书中使用的表述‘废品类型’是指但不限于型/铸型损坏废品，气孔加工和铸造阶段废品、针孔加工和铸造阶段废品、熔砂废品、化学粘砂废品、冲砂废品、掉砂废品、夹砂铸造&加工阶段废品、金属渗透废品、结疤废品、膨胀/过大铸造废品、膨胀结疤废品、爆炸粘砂废品、光亮碳缺陷废品、表面粗糙废品和鼠尾废品。

以下在说明书中使用的表述‘添加剂’是指但不限于谷类粘结剂、地沥青、海煤、硬沥青、燃料油、木粉、硅石粉、氧化铁、珍珠岩、糖蜜、膨润土(钙基)、膨润土(钠基)、耐火粘土高岭土、沥青、灯黑、纤维素、玉米粉、糖醛渣、燕麦壳、核桃壳粉、沥青乳液、煤油、苏打灰、润湿剂、矾土、铬铁矿粉、飞灰、橄榄石粉、十字石粉、锆石粉、麸皮粉、糊精、木质素硫酸盐、硅酸钠以及小麦粉。

这些定义是本领域中惯用表述之外另加的定义。

背景技术

在任何制造业，铸件在制造机械部件或机械或产品方面起着非常重要的作用。为了形成或建造具有准确测量值的产品，首先要制备模型/铸型，该模型/铸型等同于所期望的产品设计和测量的挖空块。将液体或柔性原料浇注入制备的模型中，其很容易获得模型的形状和尺寸。对容纳液体或柔性原料的模型进行冷却以在此后收回铸造产品。液体或柔性原料包括金属、塑料、玻璃或陶瓷原料等。制备的模型也称为铸件的对应件。

已观察到在金属铸件制造铸造工场或工厂中，统计显示在世界范围内，所有金属铸件的70％是使用砂铸件生产的。在砂铸造过程中，使用相对非常便宜/经济且生态学上大量存在的砂或粘土(主要为膨润土)来制备模型。通常将型砂容纳在框架系统中，或称为砂箱的型箱中。型腔和浇口系统通过压紧模子或型版周围的砂，或直接在砂上雕刻形成。然而，据使用砂铸造法制造产品的铸造行业报道，在砂铸造过程中，对一次铸造以及后续铸造中计算的砂铸型废品并无限制。进一步而言，由于偏差，无限制的铸造废品影响了铸造厂中铸造产品的总产量。这最终导致铸造厂的生产力低下。

此外，实际上很明显，为了在利用铸造法制造铸造产品的过程中安排一定的维护/检查，利用了大量手工劳动来进行监控，并在需要时采取行动。这导致铸造过程的人工成本高，且铸造厂的生产率低下。研究人员已就铸造废品进行分析，在减少砂铸造废品以及提高铸造厂的砂铸造成品率方面投入了巨大努力。然而，为了了解并调节有助于砂铸成品率和废品率的因素，也进一步倾向于出现人为错误。这使得铸造工人很迷惑，导致其无法做出有目标的决定，从而进一步影响了铸造厂的生产力。

因此，鉴于上述缺点，需要提供可精确分析影响铸造厂铸造废品的因素的系统。此外，需要减少铸造工人做出无方向决定的可能性的系统。

目的

以下描述了本发明的一些目的：

本发明的目的是提供计算机实施系统来减少铸造废品或铸造缺陷。

本发明的另一个目的是提供用于预测砂优化的系统以减少铸造厂废品。

本发明的另一个目的是提供用于预测砂/湿砂/回用砂/再循环砂优化的系统以减少铸造厂废品。

进一步地，本发明的另一个目的是提供用于预测砂/湿砂/回用砂/再循环砂优化的系统以减少铸造厂废品并重新利用旧砂。

本发明的再另一个目的是提供用于指导砂优化的系统以减少铸造厂废品。

本发明的又一个目的是提供为所有意在用于各种分析的数据元素提供单个入口的系统。

本发明的另一个目的是提供以图形表示的各种分析的统一观察系统。

本发明的又一个目的是提供自动学习并自行更新的自学习系统。

本发明的另一个目的是为铸造工人提供所需参数值以构建计算机化模型的系统。

本发明的再进一步的目的是提供供铸造用户使用的基于预约的系统。

本发明的又一个目的是提供通过计算机网络可从任意位置在任何给定时间在线访问的系统。

本发明的目的是改善现有技术的一个或多个问题，或至少提供有用的替代方案。

发明内容

本发明设想砂优化以减少铸造厂铸造废品的计算机实施系统。根据本发明，该系统包括：

第一存储库，其被配置为在其内存储关于主要砂参数集的数据，其中参数选自由以下内容组成的组：湿压强度(GCS)、紧实性指数、水分含量、活性黏土、惰性细粒含量、烧失量(LOI)百分比、通透指数、湿态抗拉强度、挥发物含量、颗粒细度数(GFN或AFS)、鲕粒含量和砂的pH值；

第二存储库，其被配置为在其内存储关于废品类型和废品量的数据；

第三存储库，其被配置为在其内存储使用与废品对应的参数生成的模式；

输入模块，其与第一存储库协作，并被配置成接收与实例的至少一个参数对应的至少一个值；

处理器模块，其与第一存储库、第二存储库、第三存储库和输入模块协作，并被配置为使参数值、参数、废品和废品类型相互关联，并为每个实例提供参数值、参数、废品和废品类型之间的相关性；

模式形成引擎，其与处理器模块耦合，并被配置为根据参数值、参数、废品和废品类型的相关性确定的至少一个模式，生成的模式至少是复合方程式，该公式将每个相关联的数据考虑在内以形成复杂的多维曲线；和

预示-约定模块，其与模式形成引擎和处理器模块协作并被配置为接收与用户反馈的参数对应的输入值，预示-约定模块被配置为将输入值映射成复合方程式并生成至少一个包括概率的预示/约定解决方案。

根据本发明，第一存储库进一步被配置为存储有关用于减少与砂相关的铸造缺陷的砂和相关金属铸件参数的第二套储存数据，所述参数选自由以下内容组成的组：震裂、砂金属比、干压强度、混砂机内的回用砂温度、芯砂渗透、试样重量、脆性指数、圆锥震动测试、剪切强度、形变、粘性、湿态抗拉强度、热强度、流动性、铸模具硬度、韧性、密度、烧结点、耐久性、模具气量、金属渗透、常温自硬强度、模塑性、筛分布、颗粒形状、膨润土含量、MB值、凝胶时间、膨胀能力以及与金属相关的参数。

根据本发明，系统还包括显示模块，其与处理器和预示-约定模块协作，并被配置为显示包括概率的预示/约定解决方案和以图形表示的用户可读格式的关联数据。

根据本发明，系统包含自学习编辑器，编辑器与模式形成引擎和预示-约定模块协作并被配置为将每个生成的多维曲线存储入临时存储库中，编辑器被配置为确定预示/约定解决方案中存在的预测废品和废品类型，并进一步被配置为将与废品和废品类型对应的预测值与用户输入的实际废品和废品类型进行比较并校正预测值。

根据本发明，编辑器被配置为将存在于预示/约定解决方案中的经校正废品和废品类型存储入第三存储库并进行更新。

根据本发明，编辑器被配置为采取与不大可能的废品相关的行动，其中该行动选自由以下内容组成的组：确定、保留、丢弃、更新以及将不大可能的废品存储入第三存储库。

本发明设想了预示或约定砂的优化以减少铸造厂铸造废品的计算机实的方法。根据本发明，该方法包括以下步骤：

将关于主要砂参数集的数据存储在第一存储库内，其中参数选自由以下内容组成的组：湿压强度(GCS)、紧实性指数、水分含量、活性黏土、惰性细粒含量、烧失量(LOI)百分比、通透指数、湿态抗拉强度、挥发物含量、颗粒细度数(GFN或AFS)、鲕粒含量和制备的砂的pH值；

将关于废品类型和废品量的数据存储在第二存储库内；

将使用与废品对应的参数生成的模式存储在第三存储库内；

映射与对应于铸造过程日期的参数有关的废品；

输入与至少一个预示/约定解决方案所需的实例的参数对应的当前的值集；

使当前的一套输入值与存储于第一存储库的参数值、存储于第二存储库的废品值和废品类型以及存储于第三存储库的模式相互关联，并为每个实例提供参数值、参数、废品和废品类型之间的相关性；

对关联的数据和参数进行处理以确定关联数据中的至少一个模式；

基于生成的模式通过处理至少一个复合方程式得到至少一条多维复杂曲线，其中每条多维曲线为模式的约定/预示解决方案；以及

接下来，将参数的当前值拟合成通过处理得到的最接近的曲线拟合，并将与参数对应的当前输入值集映射成复合方程式以获得包括概率的预示/约定废品值。

根据本发明，存储有关主要砂参数的数据的步骤进一步包括存储有关用于减少与砂相关的铸造缺陷的第二参数集的砂和相关金属铸件的数据，参数选自由以下内容组成的组：震裂、砂金属比、干压强度、混砂机内的回用砂温度、芯砂渗透、试样重量、脆性指数、圆锥震动测试、剪切强度、形变、粘性、湿态抗拉强度、热强度、流动性、铸模具硬度、韧性、密度、烧结点、耐久性、模具气量、金属渗透、常温自硬强度、模塑性、筛分布、颗粒形状、膨润土、MB值、凝胶时间、膨胀能力以及与金属相关的参数。

根据本发明，处理并映射复合方程式以获得预示/约定废品值的步骤，进一步包括显示涉及概率的预示/约定解决方案和以图形表示的用户可读格式的关联数据的步骤。

根据本发明，处理并映射复合方程式以获得预示/约定废品值的步骤进一步包括确定预示/约定解决方案中存在的预测废品和废品类型，并随后将与废品和废品类型对应的预测值与用户输入的实际废品和废品类型进行比较并校正预测值。

根据本发明，将与废品和废品类型对应的预测值与用户输入的实际废品和废品类型进行比较并校正预测值的步骤进一步包括将存在于预示/约定解决方案中的经校正的废品和废品类型存储入第三存储库并进行更新的步骤。

根据本发明，确定存在于预示/约定解决方案中的预测废品和废品类型的步骤进一步包括采取与不大可能是废品的情况有关的行动，其中该行动选自由以下内容组成的组：确定、保留、丢弃、更新以及将不大可能的废品存储入第三存储库。

附图说明

现在将参考非限制性附图描述砂优化以减少铸造厂铸造废品的计算机实施系统和方法，其中：

图1图示了根据本发明的砂优化以减少铸造厂铸造废品的计算机实施系统的示意性数据流程图。

图2图示了包含根据本发明的砂优化以减少铸造厂铸造废品的系统的功能模块的框图。

图3(a)和图3(b)是图示根据本发明的与实现图2中所示的砂优化以减少铸造厂铸造废品的系统的方法所涉及的步骤的流程图。

图4图示了根据本发明的使用图1中的模型建立模块140合成数学模型的示意性数据流程图。

图5(a)和图5(b)图示了本发明一个实施方案的网站屏幕截图，其为由图1中的处理引擎150和图2中的处理器模块250所利用的参数废品预示模块的数据输入和数据输出的实例。

图6(a)和图6(d)图示了本发明一个实施方案的网站屏幕截图，其为由图1中的处理引擎150和图2中的处理器模块250所利用的参数邻域定位模块的数据输入和数据输出的实例。

图7(a)和图7(b)图示了本发明一个实施方案的网站屏幕截图，其为由图1中的处理引擎150和图2中的处理器模块250所利用的参数锚定废品预示模块的数据输入和数据输出的实例。

图8(a)和图8(b)图示了本发明一个实施方案的网站屏幕截图，其为由图1中的处理引擎150和图2中的处理器模块250所利用的最低-高废品定位模块的数据输入和数据输出的实例。

图9(a)和图9(d)图示了本发明一个实施方案的网站屏幕截图，其为由图1中的处理引擎150和图2中的处理器模块250所利用的重要参数预示模块的数据输入和数据输出的实例。

图10(a)和10(b)图示了本发明一个实施方案的网站屏幕截图，其为由图1中的处理引擎150和图2中的处理器模块250所利用的废品热度图模块的数据输入和数据输出的实例。

图11(a)至11(d)图示了第一种案例研究，示出了与根据本发明的图1中的砂优化以减少铸造厂铸造废品的计算机实施系统100有关的网站用户界面。

图12图示了根据本发明的铸造厂中的铸造组件的数据流程框图。

图13图示了第二个案例研究，其根据与图1中的砂优化以减少铸造厂铸造废品的计算机实施系统100有关的历史数据，示出了各个废品类型相对于总的砂废品的废品类型的热度图之间的相关性。

具体实施方式

现在将参考附图描述砂优化以减少铸造厂铸造废品的计算机实施系统和方法，附图并不限制本发明的范围和界限。对本发明的描述仅通过实例和说明的方式提供。

本发明设想了可通过计算机网络访问的砂优化以减少铸造厂铸造废品的在线系统和方法。根据本发明，与铸造厂关联的用户在向系统登记其铸造厂之后便可访问系统。注册铸造厂需购买一段典型时间的系统在线订阅。注册的铸造厂能够具有多个在线账户，该账户由与铸造厂关联并具有访问系统的不同合法授权的不同用户管理。铸造厂的管理员保留创建多个用户账户、向账户分配合法授权权利以及进一步管理由其创建的用户账户的权利。铸造厂用户能够通过提供至少一种用户凭证(例如，用户名、邮箱地址、密码以及回答私密问题)登录系统。

参考附图，图1示出了砂优化以减少铸造废品的计算机实施系统100的示意性数据流程结构图。

根据本发明的一个方面，系统100包括用户界面模块110、数据上传模块120、报告模块130、模型建立模块140、处理引擎150、第一存储库160、第二存储库170和第三存储库180。具有访问系统100的合法授权的铸造厂用户能够利用用户界面模块110上传有关制备的砂、添加剂、铸造废品/缺陷以及回用/再循环砂的数据。用户界面模块110与数据上传模块120通信，数据上传模块120能够接收用户在用户界面模块110输入的数据。数据上传模块120包括其内存储有验证规则的验证器122，验证器122能够通过应用验证规则来验证用户上传的数据。一旦验证器122验证了用户输入的数据，数据上传模块120便将有关制备的砂、添加剂和回用/再循环砂的数据存储入第一存储库160，并将有关铸造废品/缺陷的验证数据存储入第二存储库170。

报告模块130与第一存储库160通信，而第二存储库170使得铸造厂用户能够获取有关制备的砂、添加剂、回用/再循环砂和铸造废品的数据。此外，报告模块130进一步使得铸造厂用户能够按照需要根据从存储库获取的数据生成报告。模型建立模块140能够从铸造厂用户接收指令以建立模型。模型建立模块140内存储有模型建立规则，并与第一存储库160和第二存储库170通信以从存储库获取数据。模型建立模块140基于从铸造厂用户接收的指令从第一存储库160和第二存储库170获取数据以建立模型，且进一步被配置为对获取的数据应用模型建立规则以建立模型。铸造厂用户能够通过其用户界面模块110看到由模型建立模块140开发的模型。随后，模型建立模块140与第三存储库180通信以存储新建模型以便将来参考或分析。铸造厂用户能够告知通过其用户界面模块110由处理引擎150接收产生的疑问。处理引擎150内存储有询问处理规则，并进一步能够与第一存储库160、第二存储库170和第三存储库180通信。处理引擎150对用户张贴的询问施行询问处理规则，并进一步被配置为从第一存储库160、第二存储库170和第三存储库180检索相应数据，该数据将以用户可读格式在铸造厂用户的用户界面模块110上显示给用户。

参考图2，图2图示了包含砂优化以减少铸造厂铸造废品的系统200的功能模块的框图。根据本发明，系统200包括第一存储库210、第二存储库220、第三存储库230、输入模块240、处理器模块250、模式形成引擎260、规定-预测模块270、自学习编辑器280和显示模块。输入模块240接收铸造厂用户利用输入装置(例如，键盘和/或鼠标)输入的用户输入。输入模块240通过检验接收的用户输入值是否与至少一个砂参数对应来为实例验证用户输入。随后，输入模块240与第一存储库210通信以将接收的用户输入存储入存储库以便将来使用和参考。第一存储库210能够存储主要砂参数集和第二砂参数集。通常，主要砂参数集选自由以下内容组成的组：湿压强度(GCS)、紧实性指数指数、水分含量、活性黏土、惰性细粒含量、烧失量(LOI)百分比、通透指数指数、湿态抗拉强度、挥发物含量、颗粒细度数(GFN或AFS)、鲕粒含量和制备的砂的pH值。通常，第二砂参数集选自由以下内容组成的组：震裂、砂金属比、干压强度、混砂机内的回用砂温度、芯砂渗透、试样重量、脆性指数、圆锥震动测试、剪切强度、形变、粘性、湿态抗拉强度、热强度、流动性、铸模具硬度、韧性、密度、烧结点、耐久性、模具气量、金属渗透、常温自硬强度、模塑性、筛分布、颗粒形状、膨润土、MB值、凝胶时间、膨胀能力以及与金属相关的参数。此外，与金属相关的参数包括碳百分比、碳当量、浇注温度、浇注时间、浇注速率、浇注高度(金属静力学高度)、加孕育剂过程和金属化学。

根据本发明，处理器模块250能够与第一存储库210、第二存储库220和第三存储库230通信以存储并检索数据以进行处理和分析。第二存储库220适合于存储有关废品类型和废品量的数据。处理器模块250内存储有处理规则，并能够使参数值、主要砂参数集、第二砂参数集、废品类型以及废品相互关联。此外，处理器模块250进一步能够为每个实例提供参数值、参数、废品和废品类型之间的相关性，在此期间铸造厂用户通过输入模块240上传/输入数据。

模式形成引擎260与处理器模块250耦合，且同时与处理器模块250一同起作用。模式形成引擎260内存储有模式形成规则集，并进一步能够应用该模式形成规则以基于从处理器模块250接收的参数值、参数、废品和废品类型的相关性确定至少一个模式。模式形成引擎260生成的模式至少为复合方程式，其将每个关联的数据考虑在内以形成复杂多维曲线。规定-预测模块270与模式形成引擎260和处理器模块250通信以接收铸造厂用户在给定实例中输入的与砂参数对应的用户输入。规定-预测模块270能够将与砂参数对应的输入值映射成复合方程式，并生成至少一个包括概率度的预示/约定解决方案。概率度为与新生成的预示/约定解决方案对应的置信度的数值表示。处理器模块250与第三存储库230通信以存储利用与废品对应的砂参数生成的模式。

自学习编辑器280能够与模式形成引擎260和规定-预测模块270通信，且还包括临时存储库282、确定器284和比较器286。自学习编辑器280能够将模式形成引擎260生成的多维曲线存储入临时存储库282。确定器284能够确定预示/约定解决方案中存在的预示/约定废品和废品类型。比较器286能够从确定器284获知预示/约定解决方案中存在的已确定预示/约定废品和废品类型，且进一步能够比较并校正用户输入的与废品和废品类型对应的预示/约定值。自学习编辑器280与第三存储库230通信以存储并更新与生成的预示/约定解决方案对应的废品和废品类型的校正值。此外，自学习编辑器280能够采取与不大可能的废品相关的行动，包括确定、保留、丢弃、更新以及将不大可能的废品存储入第三存储库230。

显示模块290与处理器模块250和规定-预测模块270通信以使铸造厂用户能够看到包括概率度的预示/约定解决方案和在其用户界面上以图形表示的关联数据。

根据本发明，通常铸造厂用户需要至少输入主要砂参数集以使系统200开始处理并分析参数值。此外，这使得系统200能够提供所需的预示/约定解决方案来供铸造厂用户使用以减少现有铸造厂中的铸造废品。

参考图3(a)和图3(b)，其图示了与实现图2中所图示的砂优化以减少铸造厂铸造废品的系统的方法300对应的流程图所涉及的步骤。方法300包括以下步骤：

将关于主要砂参数集的数据存储在第一存储库内310，其中参数选自由以下内容组成的组：湿压强度(GCS)、紧实性指数指数、水分含量、活性黏土、惰性细粒含量、烧失量(LOI)百分比、通透指数指数、湿态抗拉强度、挥发物含量、颗粒细度数(GFN或AFS)、鲕粒含量和制备的砂的pH值；

将关于废品类型和废品量的数据存储在第二存储库内320；

将使用与废品对应的参数生成的模式存储在第三存储库内330；

映射与对应于铸造过程日期的参数有关的废品340；

输入与至少一个预示/约定解决方案所需的实例的参数对应的当前值集350；

使当前输入值集与存储于第一存储库的参数值、存储于第二存储库的废品值和废品类型以及存储于第三存储库的模式相互关联，并为每个实例提供参数值、参数、废品和废品类型之间的相关性360；

对关联的数据和参数进行处理以确定关联数据中的至少一个模式370；

基于生成的模式通过处理至少一个复合方程式得到至少一条多维复杂曲线380，其中每条多维曲线为模式的规定/预测解决方案；以及

接下来，将参数的当前值拟合成通过处理得到的最接近的曲线拟合，并将与参数对应的当前输入值集映射成复合方程式以获得包括概率度的预示/约定废品值390。

根据本发明，存储有关主要砂参数的数据的步骤进一步包括存储有关用于减少与砂相关的铸造缺陷的第二砂和相关金属铸件参数集的数据，参数选自由以下内容组成的组：震裂、砂金属比、干压强度、混砂机内的回用砂温度、芯砂渗透、试样重量、脆性指数、圆锥震动测试、剪切强度、形变、粘性、湿态抗拉强度、热强度、流动性、铸模具硬度、韧性、密度、烧结点、耐久性、模具气量、金属渗透、常温自硬强度、模塑性、筛分布、颗粒形状、膨润土、MB值、凝胶时间、膨胀能力以及与金属相关的参数。

根据本发明，进行处理并映射复合方程式以获得预示/约定废品值的步骤进一步包括显示包括概率度的预示/约定解决方案和以图形表示的用户可读格式的关联数据的步骤。

根据本发明，处理并映射复合方程式以获得预示/约定废品值的步骤进一步包括确定预示/约定解决方案中存在的预测废品和废品类型，并随后将与废品和废品类型对应的预测值与用户输入的实际废品和废品类型进行比较并校正预测值。

根据本发明，将与废品和废品类型对应的预测值与用户输入的实际废品和废品类型进行比较并校正预测值的步骤进一步包括将存在于预示/约定解决方案中的经校正废品和废品类型存储入第三存储库并进行更新的步骤。

根据本发明，确定存在于预示/约定解决方案中的预测废品和废品类型的步骤进一步包括采取与不大可能的废品有关的行动，其中该行动选自由以下内容组成的组：确定、保留、丢弃、更新以及将不大可能的废品存储入第三存储库。

参考图4，其图示了根据本发明的使用如图1中图示的模型建立模块140合成数学模型的示意性数据流程图。模型建立模块140包括数据清理模块140A、数据定标模块140B、聚类分组模块140C、聚类划分模块140D、聚类再分配模块140E、分析模块140F和最佳拟合模块140G。数据清理模块140A能够首先检查与特定砂参数对应的空或无效数据库输入以执行预定活动。预定活动包括但不限于排除废品百分比值缺失的数据点。在一个实施方案中，数据清理模块140A能够计算与砂参数对应的平均值，并将该平均值输入缺失值处。在另一个实施方案中，数据清理模块140A能够应用线性插值法在缺失值处插入内插值。线性插值法可应用于两个已知数据点之间，应用于数据集以便近似。该方法论使得数据清理模块140A能够填补缺失值，并进一步丢弃不需要的数据点，从而生成经清理的数据集。

经清理的数据集被数据定标模块140B接收，数据定标模块140B能够在经清理数据内确定并选择目标范围，并进一步能够使目标数据定标/归一化在[0,1]或[-1,1]的范围内。用于定标目标数据的等式(1)表示如下：

$x^{\′}=\frac{x-\min \left(x\right)}{\max \left(x\right)-\min \left(x\right)}---\left(1\right)$

其中x为初始值，x′为定标值或归一化值。例如，选择的数据涉及参数湿压强度(GCS)，其在[1600，2000]的范围内。目标数据(x)等于1750。根据等式(1)，目标数据点(x)的定标值(x′)等于0.375，定标值在[0<0.375<1]的给定范围内。数据定标模块140B的输出被称为定标数据集。聚类分组模块140C从数据定标模块140B接收定标数据集，并能够计算被称为等级距离指数(GD-指数)的参数的输出值，等级距离指数与与每一个砂参数对应的定标数据集有关。GD-指数通过将数据代入给定等式(2)计算：

${\mathrm{GD}}_{index,c}=\frac{{\&Sigma;}_{i=1}^n(u_{i,1st\max }-u_{i,2nd\max })}{N}-\left(\frac{c}{N}\right)---\left(2\right)$

其中，GD_index,c：-对于参数集‘c’的GD指数

u_i,1stmax：-第i个点的第一最大隶属度

u_i,2ndmax：-第i个点的第二最大隶属度

N：-数据点总数

C：-最佳聚类数

在每个聚类划分实例，通过增加聚类数，给定的数据集被多次划分。最终，GD-指数值被填充到GD-指数列表内。聚类分组模块140C能够从列表识别出最大GD-指数值，并确定与识别的GD-指数值对应的聚类。聚类分组模块140C的输出是为了获得给定数据集的最佳聚类数(c*)。

聚类划分模块140D从聚类分组模块140C接收给定数据集和最佳聚类数。基于最佳聚类数(c*)，聚类划分模块140D能够利用聚类法(例如，模糊c-均值聚类法、k-均值聚类法、期望最大化法、FLAME聚类法、基于密度的空间聚类法(DBSCAN))将给定数据集划分成(c*)个模糊分区。在一个实施方案中，聚类划分模块140D利用模糊c-均值聚类法进行聚类分析。在聚类分析中，数据聚类为将数据元素分成聚类或类别的过程。这么做是为了确保属于聚类的数据项尽可能相似。进一步而言，不同聚类中的数据项尽可能不同。聚类划分模块140D利用度量，例如距离、连接和强度。在模糊聚类法中，数据元素可能属于与每个数据元素关联的一个或多个聚类和隶属等级。这表明数据元素与特定聚类之间的关联强度。聚类划分模块140D利用模糊聚类法为数据元素分配隶属等级，且获知隶属等级进一步将数据元素分配至一个或多个聚类。

以下示出了模糊c均值聚类所利用的给定等式(3)、等式(4)和等式(5)：

${\mathrm{\&theta;}}_i^r=\frac{{\&Sigma;}_{j=1}^N{\left(u_{ij}^{(r-1)}\right)}^q{X}_j}{{\&Sigma;}_{j=1}^N{\left(u_{ij}^{(r-1)}\right)}^q}---\left(3\right)$

$u_{ij}^r=\frac{1}{{\&Sigma;}_{k=1}^c{\left(\frac{d_{ij}}{d_{kj}}\right)}^{\frac{2}{q-1}}}---\left(4\right)$

||u^r-u^（r-1)||≥tol    (5)

其中X_j为第j个数据点数据点，q为模糊化，u_ij为第j个数据点对第i个聚类的隶属度，且N为数据点总数。

聚类划分模块140D实现模糊c-均值聚类法所遵循的方法包括以下步骤：

步骤1：冻结聚类数(c*)和公差值(tol)，即tol＝0.0001数值；

步骤2：生成初始聚类中心(c*)；

步骤3：初始化迭代索引(r)，其中r＝1,2,3….；

步骤4：更新聚类中心并利用上述等式(3)和等式(4)计算隶属值；以及

步骤5：重复上述步骤1至步骤4直至满足等式(5)所示条件。

根据本发明，聚类划分模块140D将识别的聚类和分配的隶属等级传送至聚类再分配模块140E。

聚类再分配模块140E能够将聚类中的数据点与数据点的阈值进行比较，并丢弃数据点小于阈值的聚类。此外，聚类再分配模块140E能够将丢弃的聚类的数据点再分配至剩余的聚类集。

给定数据集中的剩余聚类被馈送入分析模块140F以进一步分析聚类。在一个实施方案中，分析模块140F利用主成分分析法将关联参数的给定聚类中的数据点转换成被称为主成分的线性不关联参数的数据点集。通过实现正交变换矩阵可实现此，其中给定聚类的数据点排列成矩阵。主成分的数量小于或等于初始参数的数量。利用主成分分析法分析聚类的方法包括以下步骤：

步骤1：初始化与包括聚类的所有数据点的数据集对应的变量(x)，且(x)的大小可以(m×n)矩阵表示，其中(m)为输入特性的数量，(n)表示数据点的数量；

步骤2：计算每个输入特性的平均值(或均值)；

步骤3：将(x)中的输入特性的每个值减去计算的平均值；

步骤4：对所有输入特性重复步骤3并形成(m×n)矩阵的(m×n)′平均矩阵；

步骤5：计算(m×n)′矩阵中每个元素的协方差并形成(y×z)协方差矩阵；以及

步骤6：计算(y×z)协方差矩阵中存在的每个元素的特征向量以形成(y×z)′平均协方差矩阵。

根据本发明，为变换的数据集计算平均协方差矩阵。每个聚类的特征在于具有这些平均值和协方差值的正态分布。第i个元素的平均值通过使用等式(6)计算：

$m_i=\frac{1}{N}{\mathrm{\&Sigma;}}_{j=1}^N{x}_{i,j}---\left(6\right)$

第j行第k列处的协方差矩阵的值通过使用等式(7)计算：

$q_{jk}=\frac{1}{N-1}{\mathrm{\&Sigma;}}_{i=1}^N(x_{ij}-{x_j}^{\&prime;})*(x_{ik}-{x_k}^{\&prime;})---\left(7\right)$

将分析模块140F利用主成分分析来分析聚类并进一步利用等式(6)和等式(7)计算平均和协方差矩阵的输出馈送入最佳拟合模块140G。最佳拟合模块140G能够对计算的平均协方差矩阵执行线性回归法。这么做是为了使数据集的输入特性与数据集的输出特性相关。最佳拟合模块140G能够通过考虑经清理数据集、定标数据集、聚类分析之后检索的数据集以及输出数据集来为每个聚类建立线性模型。线性回归模型的系数通过利用等式(8)获得：

β＋(X^TX)^-1(X^TY)         (8)

最佳拟合模块140G生成最佳拟合模型，最佳拟合模型图示了与给定数据集中的砂参数对应的数据点的概率分布。

参考图5(a)和图5(b)，其利用可被图1中的处理引擎150的图2中的处理器模块250利用的参数废品预测模块500的铸造厂数据输入和数据输出的实例图示了本发明实施方案的网站屏幕截图。铸造厂用户通过计算机访问砂优化以减少铸造废品的计算机实施系统，能够通过图5(a)中的输入屏提供输入，并能够看到图5(b)中的参数废品预测模块500的输出屏上提供的与输入对应的输出。铸造厂用户至少能够从下拉菜单选择线路名称510，从与将被制造的所需组件相关的下拉菜单选择组件名称520，参数选择部分530使得用户能够从下拉菜单显示的参数列表选择所需的一个或多个参数，值输入部分540使得用户能够输入与选择的参数对应的期望值，废品选择部分550使得用户能够从下拉菜单显示的废品类型列表选择一种或多种废品，且日期部分560使得用户能够提到用户计算其铸造厂接收的废品百分比所需的日期。一旦用户按下检索按钮570，参数废品预测模块500便开始对在提到的日期接收的与接收的所有用户输入对应的废品进行内部计算。参数废品预测模块500生成的输出包括显示首先提供的用户输入简要总结的输入总结部分580，和显示废品百分比和置信度百分比的废品预测部分590。参数废品预测模块500应用马氏距离法来计算置信度百分比。用于计算置信度百分比的等式(9)为：

$D_M\left(x\right)=\sqrt{{(x-\mathrm{\&mu;})}^T{S}^{-1}(x-\mathrm{\&mu;})}---\left(9\right)$

其中多元随机变量(x)＝(x¹、x²、x³、…..x_N ^T)，其来自一组值，其中平均值(μ)＝(μ1、μ2、μ3、…..μ_N ^T)且协方差矩阵为(S)。

根据本发明，参数废品预测模块500利用图4中所示模型建立模块140的至少一个模块。

参考图6(a)和图6(b)，其利用可被图1中的处理引擎150的图2中的处理器模块250利用的参数邻域定位模块600的数据输入和数据输出的实例图示了本发明实施方案的网站屏幕截图。铸造厂用户通过计算机访问砂优化以减少铸造废品的计算机实施系统，能够通过图6(a)中的输入屏提供输入，并能够看到图6(b)至图6(d)中的参数废品预测模块500的输出屏上提供的与输入对应的输出。参数邻域定位模块600能够定位存储入数据库存储库的给定数据集中的数据点的请求/所需数量，该数据点在用户提供的输入参数值的邻域内。通过使用参数邻域定位模块600，铸造厂用户能够到达废品百分比值范围，当利用用户输入的输入参数值操作选择的铸造厂线路和组件时可看到废品百分比值的范围，且进一步地用户可将信息减少至其想要看到的最近废品预测数量，例如五个。铸造厂用户至少能够从下拉菜单选择线路名称605，从与将被制造的所需组件相关的下拉菜单选择组件名称610，日期部分615使得用户能够提到用户计算邻域废品所需的日期范围和/或特定日期，参数选择部分620使得用户能够从下拉菜单显示的参数列表选择所需的一个或多个类型-I参数，值输入部分625使得用户能够输入与选择的参数对应的期望值，废品选择部分630使得用户能够从下拉菜单显示的废品类型列表选择一种或多种废品，且可选部分635使得用户能够从列表中选择登记/文本可选类型-II参数。废品选择部分630进一步使得用户能够选择/提供用户所需的废品范围和对应废品值。可选部分635包括来自列表的类型-II参数，其包括但不限于隐藏小数、双Y、隐藏图例、值、趋势线、差值、平均值、中值、隐藏提示信息、最近预测数量以及接近百分比。可选择地，如果所有提供的用户输入数据均在指定距离百分比内，则用户可选择接近百分比并指定相邻文本框内的距离百分比。用户能够根据其在列表中的要求添加或去掉参数和/或参数值。一旦用户按下检索按钮640，参数邻域定位模块600便开始对接收的邻域废品和对应的在提到的日期接收的与接收的所有用户输入对应的邻域参数值进行内部计算。用户提供的距离百分比值使得参数邻域定位模块600能够限制给定数据集中的邻域数据点的半径。例如，如果用户提供的距离百分比值为五并作为输入，则参数邻域定位模块600计算给定数据集中的最远点之间的距离(最大距离)并利用该最大距离的百分之五(5％)作为半径来限定邻域区域/范围。参数邻域定位模块600生成的输出包括输入总结部分645，其显示首先提供的用户输入简要总结；邻域范围部分650，其显示与导致用户输入部分中所选废品类型的用户所选类型-I参数对应的范围数值；邻域废品部分655，其显示接收的与所选日期范围内的每天对应的邻域废品百分比；邻域输入参数部分660，其显示与数据库找到的邻域废品数量和日期对应的参数值的列表；和图形表示665，其基于对应的参数值描述了导致废品的参数的性质。邻域范围部分650、邻域废品部分655和邻域输入参数部分660内显示的数据与用户选择的数据点的数量对应，或与选择的距离百分比内存在的输入点附近的数据点的数量对应。邻域废品部分655和邻域输入参数部分660内显示的数据以其距输入点的距离递增的顺序排列。

根据本发明，参数邻域定位模块600利用图4中所示模型建立模块140的至少一个模块。

参考图7(a)至图7(b)，其利用可被图1中的处理引擎150的图2中的处理器模块250利用的参数锚定废品预测模块700的数据输入和数据输出的实例图示了本发明实施方案的网站屏幕截图。铸造厂用户通过计算机访问砂优化以减少铸造废品的计算机实施系统，能够通过图7(a)中的输入屏提供输入，并能够看到图7(b)中的参数锚定废品预测模块700的输出屏上提供的与输入对应的输出。铸造厂用户至少能够从下拉菜单选择线路名称705，从与将被制造的所需组件相关的下拉菜单选择组件名称710，日期部分715使得用户能够提到用户计算邻域废品所需的日期，参数选择部分720使得用户能够从下拉菜单显示的参数列表中选择所需的一个或多个参数，值输入部分725使得用户能够输入与选择的参数对应的期望值，且废品选择部分730使得用户能够从下拉菜单显示的废品类型列表中选择一种或多种废品。用户能够根据其在列表中的要求添加或去掉参数和/或参数值。一旦用户按下检索按钮735，参数锚定废品预测模块700开始对在提到的日期接收的与接收的所有用户输入对应的废品进行内部计算。参数锚定废品预测模块700生成的输出包括输入总结部分740，其显示首先提供的用户输入简要总结；废品预测部分745，其显示废品百分比和置信度百分比；和参数建议部分750，其显示用户未在参数选择部分720选择的剩余参数的建议数值，建议数值与值输入部分725提供的参数值对应。参数锚点废品预测模块700使得铸造厂用户能够相对于指定值锚定或冻结参数，并进一步以得出的废品百分比最低而置信度百分比可能最高的方式建议剩余参数的数值。

根据本发明，参数锚定废品预测模块700利用图4中所示模型建立模块140的至少一个模块。

参考图8(a)至图8(b)，其利用可被图1中的处理引擎150的图2中的处理器模块250利用的最低-高废品定位模块800的数据输入和数据输出的实例图示了本发明实施方案的网站屏幕截图。铸造厂用户通过计算机访问砂优化以减少铸造废品的计算机实施系统，能够通过图8(a)中的输入屏提供输入，并能够看到图8(b)中的最低-高废品定位模块800的输出屏上提供的与输入对应的输出。最低-高废品定位模块800能够为用户提供给定最大和最小范围以及给定时间段内的给定废品类型的最高值和最低值。铸造厂用户至少能够从下拉菜单选择线路名称805，从与将被制造的所需组件相关的下拉菜单选择组件名称810，日期部分815使得用户能够提到用户计算接收的与废品类型对应的废品所需的日期范围和/或特定日期，第一参数选择部分820使得用户能够从下拉菜单显示的参数列表中选择所需的一个或多个类型-I参数，值输入部分825使得用户能够输入与选择的参数对应的期望值，废品选择部分830使得用户能够从下拉菜单显示的废品类型列表中选择一种或多种废品，且第二参数集835使得用户能够为列表中的类型-II参数提供数值。废品选择部分830进一步使得用户能够选择/提供用户所需的废品范围和对应废品值。第二参数集835包括来自列表的参数，其包括但不限于废品下限值和废品上限值。如果选择了多个废品类型，则用户需要指定在废品选择部分830选择的每个废品类型的下限值和上限值。用户能够根据其在列表中的要求添加或去掉参数和/或参数值。一旦用户按下检索按钮840，最低-高废品定位模块800便开始对接收的在用户指定的最高和最低废品的给定范围内的邻域废品进行内部计算。最低-高废品定位模块800生成的输出包括输入总结部分845，其显示首先提供的用户输入简要总结；最低参数值部分850，其显示与在其下获得的铸造废品符合用户指定的废品下限值的参数的给定列表对应的值；和最高参数值部分855，其显示与在其下获得的铸造废品符合用户指定的废品上限值的参数的给定列表对应的值。

根据本发明，最低-高废品定位模块800利用图4中所示模型建立模块140的至少一个模块。

参考图9(a)至图9(b)，其利用可被图1中的处理引擎150的图2中的处理器模块250利用的重要参数预测模块900的数据输入和数据输出的实例图示了本发明实施方案的网站屏幕截图。铸造厂用户通过计算机访问砂优化以减少铸造废品的计算机实施系统，能够通过图9(a)中的输入屏提供输入，并能够看到图9(b)和图9(d)中的重要参数预测模块900的输出屏上提供的与输入对应的输出。重要参数预测模块900能够提供影响废品类型的参数的列表，并建议其铸造厂内正进行铸造的用户可考虑的输入参数值。

铸造厂用户至少能够从下拉菜单选择线路名称905，从与将被制造的所需组件相关的下拉菜单选择组件名称910，日期部分915使得用户能够提到用户计算影响给定废品类型的参数值所需的日期范围和/或特定日期，参数选择部分920使得用户能够从下拉菜单显示的参数列表中选择所需的一个或多个类型-I参数，值输入部分925使得用户能够输入与选择的参数对应的期望值，废品选择部分930使得用户能够从下拉菜单显示的废品类型列表中选择一种或多种废品，且可选部分935使得用户能够从列表中选择登记/文本可选类型-II参数。废品选择部分930进一步使得用户能够选择/提供用户所需的废品范围和对应废品值。可选部分935包括来自列表的类型-II参数，其包括但不限于隐藏小数、双Y、隐藏图例、值、趋势线、差值、平均值、中值以及隐藏提示信息。一旦用户按下检索按钮940，重要参数预测模块900便开始对造成废品的参数和参数值进行内部计算。用户能够根据其在列表中的要求添加或去掉参数和/或参数值。重要参数预测模块900生成的输出包括输入总结部分945，其显示首先提供的用户输入简要总结；第一热度图部分950，其基于给定数据集显示砂废品量总百分比的热度图；第二热度图部分955，其显示如果铸造厂利用显示的参数值进行铸造则可获得的最佳废品；和第三热度图部分960，其基于指定输入显示最低废品。第一热度图部分950显示包括砂废品量总百分比连同带有正号(+)或负号(-)的加权数值的参数。进一步而言，第一热度图部分950表示给定数据集内的参数与废品之间的关系。第一热度图部分950显示的参数以其对选择的废品类型的影响递减的顺序排列。

第二热度图部分955显示与选择的第一元组内的参数对应的值和预测的与第二元组内的参数对应的当前/最佳值。所预测的与参数对应的最佳值涉及高置信度百分比和最低废品百分比值。当前值和最佳值的废品百分比均通过使用利用选择的铸造厂线路、组件和废品类型建立的预测模型计算。第二热度图部分955显示的第三元组与选择的参数值或用户输入与预测的带有正号(+)或负号(-)的最佳参数值之间的差值对应。正号(+)表示输入参数与废品之间为正相关。负号(-)表示输入参数与废品之间为负相关。参数值表示可去掉以获得最佳废品的参数值。在第二热度图部分955中，参数基于以下排列：

●参数对废品类型的影响以及

●参数的变化量(当与最佳值比较时)-如第三元组所示。

在第二热度图部分955，当与剩余参数比较时，第一列显示的参数可使所选废品类型的废品百分比最大地减小。第二热度图部分955能够建议铸造厂用户考虑对于计算的最佳区域内的给定参数集合而言，使得废品百分比的值最低的参数的最佳值。最佳区域涉及废品与给定数据集的计算的聚类内的最低值对应的区域。第三热度图部分960显示与选择的第一元组内的参数对应的值和获得的与第二元组中的参数对应的最低废品值。第三热度图部分960显示的第三元组与选择的参数值或用户输入与获得的带有正号(+)或负号(-)的最低废品参数值之间的差值对应。正号(+)表示输入参数与废品之间为正相关。负号(-)表示输入参数与废品之间为负相关。参数值表示可去掉以获得最佳废品的参数值。在第三热度图部分960中，参数基于以下排列：

●参数对废品类型的影响以及

●参数的变化量(当与最佳值比较时)-如第三元组所示。

最低废品指的是给定数据集中曾获得的最小非零废品值。如果铸造厂在提供用户输入的同时在废品选择部分930选择多个废品类型，则重要参数预测模块900能够为用户选择的每个废品类型计算第一热度图部分950、第二热度图部分955和第三热度图部分960。在重要参数预测模块900的实施方案中，上述计算的分析可以图形或绘画方式表示，以便更好地理解参数及其影响废品百分比和废品类型的用户可读格式的对应值。

根据本发明，重要参数预测模块900利用图4中所示模型建立模块140的至少一个模块。

参考图10(a)至图10(b)，其利用可被图1中的处理引擎150的图2中的处理器模块250利用的废品热度图模块1000的数据输入和数据输出的实例图示了本发明实施方案的网站屏幕截图。铸造厂用户通过计算机访问砂优化以减少铸造废品的计算机实施系统，能够通过图10(a)中的输入屏提供输入，并能够看到图10(b)中的废品热度图模块1000的输出屏上提供的与输入对应的输出。铸造厂用户能够至少从下拉菜单选择线路名称1005，从与将被制造的所需组件相关的下拉菜单选择组件名称1010，且废品选择部分1015使得用户能够从下拉菜单显示的废品类型列表中选择一种或多种废品。用户能够根据其在列表中的要求添加或去掉参数和/或参数值。一旦用户按下检索按钮1020，废品热度图模块1000便开始进行内部计算以基于对整个给定数据集的分析确定参数与废品类型之间的关系。废品热度图模块1000生成的输出包括输入总结部分1025，其显示首先提供的用户输入简要总结；第一热度图部分1030，其基于给定数据集显示砂废品量总百分比的热度图；和第二热度图部分1035，其显示给定数据集的气孔加工阶段百分比。第一热度图部分1030和第二热度图部分1035显示的参数及其加权以其(参数)对废品类型的影响递减的顺序排列。与参数对应的加权数值以正号(+)或负号(-)显示。正号(+)表示输入参数与废品之间为正相关。负号(-)表示输入参数与废品之间为负相关。

根据本发明，下面描述了造成废品并进一步导致特定废品类型的参数。废品类型选自由以下内容组成的组：型/铸型损坏废品，气孔加工和铸造阶段废品、针孔加工和铸造阶段废品、熔砂废品、化学粘砂废品、冲砂废品、掉砂废品、夹砂铸造&加工阶段废品、金属渗透废品、结疤废品、铸件膨胀/过大废品、膨胀结疤废品、爆炸粘砂废品、光亮碳缺陷废品、表面粗糙废品和鼠尾废品

在本发明的实施方案中，为了使与型/铸型损坏的废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●提高湿态抗拉强度

●提高湿剪切强度

●提高GCS

●提高冲击强度

●提高模塑性

●提高混合器效率

在本发明的实施方案中，为了使与气孔加工和铸造阶段的废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●减小GFN

●通透指数增大

●水分减少

●减少粘结剂气体的产生

●VM增加

●增加排气

●使用干芯

●减少惰性细粒。

在本发明的实施方案中，为了使与针孔加工和铸造阶段的废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●与砂相关的导致针孔加工和铸造阶段废品类型的参数-

通透指数增大

水分减少

使用氧化铁作为添加剂。

●与金属(非砂)相关的导致针孔加工和铸造阶段废品类型的参数-

浇注温度低

金属不洁净(熔渣)

金属氧化

球墨铸铁中的镁过量

金属/粘结剂/LCA中的含氮量高

锰硫比不均衡

在本发明的实施方案中，为了使与熔砂废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●增大砂的烧结/熔点

●降低通透指数

●增大流动性

●增加VM

●提高铁含量(Fe₂O₃)低的膨润土的质量

在本发明的实施方案中，为了使与化学粘砂废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●鲕粒化程度高

●使用光亮度更高的碳LCA

在本发明的实施方案中，为了使与冲砂废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●低GCS

●低紧实性指数

●高惰性细粒

●低GFN

●低光亮碳

●水的盐度高

在本发明的实施方案中，为了使与掉砂废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●增大GCS

●增大铸模具硬度

●使用特殊添加剂以提高GCS和铸模具硬度

●避免对铸型造成机械损害。

在本发明的实施方案中，为了使与夹砂铸造&加工阶段的废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●增大GCS

●增大干强度

●增加水分

●增大紧实性指数

●增加混合时间

●减少惰性细粒

●减少光亮碳形成物

在本发明的实施方案中，为了使与金属渗透废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●降低紧实性指数

●增大GFN

●降低鲕粒化程度

●增加质量好的新硅砂的添加量

●增加结焦更严重的光亮碳制品LCA的量

在本发明的实施方案中，为了使与结疤废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●增大湿态抗拉强度

●增加活性黏土

●增加惰性细粒

●增大GCS

●使用粒度分布较宽的砂

●增加混合时间

●提高膨润土的活化性

●降低混合物中新砂的量

●降低水的盐分(盐)

在本发明的实施方案中，为了使与铸件膨胀/过大的废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●提高铸模具硬度

●降低紧实性指数

●增加LCA中的固定碳

在本发明的实施方案中，为了使与铸件膨胀结疤的废品类型相关的铸造废品最少，铸造厂用户需要配置以下参数：

●提高湿态抗拉强度

●减少水分

●降低砂胀过度造成的干强度

在本发明的实施方案中，为了使与铸件爆炸粘砂的废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●软铸型-增大铸模具硬度

●减少游离水分

●增大GFN

●增大流动性

●减少惰性细粒

●降低压紧性

●建议-使用质量更好的要求水分更低且活性化程度高的膨润土

在本发明的实施方案中，为了使与光亮碳缺陷废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●减少LCA中的光亮碳

●提高通透指数

●降低GFN

●增加中心排气

●减少中心气体的产生

在本发明的实施方案中，为了使与表面粗糙废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●增大GFN

●增加少LCA中的光亮碳

●增加惰性细粒

●降低紧实性指数

●降低脆性

在本发明的实施方案中，为了使与鼠尾废品类型相关的铸造废品减至最少，铸造厂用户需要配置以下参数：

●降低由砂热稳定性差造成的热强度

●使用木粉以减少砂过度膨胀

根据本发明，表1表示矩阵，其图示了在参数变化趋势下得到的废品。图示的废品-参数矩阵意在暗示铸造厂用户参数变化趋势如何影响废品类型：

根据本发明，如果砂的GCS低，则其导致铸造用砂混合物可易于发生冲砂，从而导致夹砂废品类型。GCS的百分比低也可导致铸型/型损坏和金属渗透废品类型。然而，如果GCS的百分比高，则可导致浇注铸型/型落砂差。

根据本发明，参数紧实性指数和模塑性均用于调质测试以确定砂的特性。然而，紧实性指数和模塑性单独提供有关影响砂特性的各种因素的附加信息。

根据本发明，水分过多会导致形成蒸汽，并进一步导致形成气孔、针孔、铸件尺寸过大、加工粗糙、结疤、金属渗透、沟槽和鼠尾废品类型。

根据本发明，如果活性黏土的百分比很高，则活性黏土填充入空隙，进而使通透指数迅速降低。进一步地，活性黏土过量会降低流动性并增大调质所需的水分含量。此外，由于氧化亚铁(Fe₂O₃)的含量百分比较高，因此活性黏土的流量很容易降低烧结点并损害砂的耐热质量。

根据本发明，参数通透指数会导致气孔废品类型，并与废品百分比成反比。

根据本发明，由GFN/AFS测量的砂细度百分比会直接影响参数，包括通透指数、铸件表面光洁度和所获得的湿强度特性。

根据本发明，砂的连续再循环有时会出现诸如铸型裂纹、冲砂、结疤和沟槽的废品类型，并进一步表现出废品增多的趋势。这些废品可与砂的pH值从碱性变为酸性有关，这可能是砂造型时使用的膨润土的质量下降的结果。进一步地，这导致膨润土的活性化差，通过读取pH值并添加可有助于改变pH值并提高活性化的适当化学制品(例如，碳酸钠)来对此进行调整。由于pH值低(或表现出酸性性质)的型砂不允许进行碱性交换，并降低了膨润土膨胀的特性，且体积增大以覆盖更大的砂粒面积，从而影响参数GCS。

根据本发明，鲕粒或鲕粒化过程解释了为何型砂的特性通常比所有新型砂的特性更有利的因素。

根据本发明，铸件的参数砂金属比各不相同，且会直接影响回用砂参数，包括回用砂LOI、活性黏土含量和温度。

根据本发明，包含粘土粘结剂且水分含量增大的型砂中的参数干燥压紧强度迅速增大。无粘土的高含水量致使混合物无效，这是因为水占据了砂粒之间的空间，而当型干燥时会形成空隙。

根据本发明，由于铸件重量、砂金属比和重量存在差值，回用砂的温度可变，且对正在混合的砂具有显著效果，并随时用于下一批铸造。

根据本发明，硬度不均匀的型/铸型在一定点处很柔软。砂型的柔软表现为流动性低，这会导致铸件膨大(膨胀)和/或铸件表面粗糙。这在铸件垂直侧壁特别明显。

根据本发明，圆锥震动韧性测试在本质上是动态的，这是因为随着阶段性裂纹扩展，损坏的可能性递增。在圆锥震动测试中，在标准试样承载圆锥贯入仪全部重量的同时使其震动，并对损坏前的震动次数进行计数。这非常简单快速的砂试验技术，且理想地适用于生产环境。震动少于30次便损坏则表明为脆性砂。未再混合或重新使用的砂被分类为脆性砂。实验室混合物的脆性等级在14至18次震动之间。砂在重新使用和重新混合时，其韧性逐渐增强。芯砂大量流入可导致砂的组成和特性与脆性新砂或实验室混合物的组成和特性相似。

根据本发明，如果砂具有水分，则湿砂会迅速形变。砂调质得重或湿会容易引起膨胀，并导致铸件重量大于砂水分含量调质得可最佳工作的铸件。

根据本发明，当水分蒸发时，可要求砂在高温下保持强度，砂的热强度随着水分含量的增大而增大，特别是在大约800至850摄氏度(℃)在低温范围内。液体或柔性原料抵靠型壁的金属静压力可造成型膨大。同样，如果砂不具有适当的热强度，则浇注入型的液体或柔性原料可导致冲砂、裂缝或破损。

根据本发明，在砂样品的砂粒之间表现出干粘结的情况下，预期模具硬度低/差。由于用于粘结的粘土并非完全为活性的，因此导致了形变力的阻力减小。当过饱和时，由于砂粒之间的粘结力弱致使阻力减小，因此过量的水会导致砂粒滑动。

根据本发明，参数密度和通透指数相互成反比，即密度越高，通透指数越低。

根据本发明，图11(a)至11(d)图示了第一个案研究，示出了与图1中的砂优化以减少铸造厂铸造废品的计算机实施系统100有关的网站用户界面。

图11(a)图示了用户控制板部分1110，其示出了已将铸造厂数据集存储入存储库的给定铸造厂的绩效。用户控制板部分1110进一步使得铸造厂用户能够了解其铸造厂在给定或选择的时间段内的绩效。个案研究中选择的数据样本属于从2013年11月8日至2013年11月15日这段时间。使用图1中的模型建立模块140建立了模型以研究铸造厂的绩效。用户控制板部分1110提供了给定数据集的图示表示，包括废品百分比图1112，其示出相对于选择的时间段(X轴)绘制的废品百分比(Y轴)；废品日期线路图1114，其示出相对于线路数1(X轴)绘制的废品百分比(Y轴)；废品日期组件图1116，其为示出相对于组件类型的废品百分比的饼图；和废品日期类型图1118，其为示出废品百分比相对于废品类型的饼图。

根据本发明，可以看出通过使用图9(a)至图9(d)中的重要参数预测模块900进一步考虑了废品日期组件图1116中投影最大废品百分比值9.8％的组件类型1.4DICRbl℃k以进行分析。提供入重要参数预测模块900的用户输入如下：

●线路数选择为1；

●组件块选择为1.4DICRbl℃k；

●时间段选择为从9月5日至10月日，这是因为记录该项的最高废品百分比4.5％的日期为2013年9月15日；

●所有选择的参数均是为了计算；

●选择的废品为总废品量以进行计算；

给出“检索”命令时，系统产生如图11(b)中所图示的热度图。基于给定数据集产生的热度图显示降低废品百分比的前五个最重要的参数按加权顺序如下：

●LOI-降低。

●pH值-增大

●GFN/AFS-减小

●VM-减少

●GCS-增大

这使得铸造厂用户能够基于上述热度图采取所需行动，并实现了减少LOI/VM。进一步地，用户采取的行动使得废品减少，如在图11(c)中的图所示。LOI/VM&废品的趋势线以平行线表示，从而验证了系统100所提供的热度图建议。根据图11(d)，将上传的砂数据、GCS的变化和LOI参数连同废品与趋势线进行了比较。将废品趋势制成了表格，所有参数的趋势均在表-II内。将发现的前五个主要参数与热度图所示进行对比，如在加权中。

表-II

第一个案研究总结

1.来自基于历史数据的废品热度图的输出-

●5个最重要的参数表现出相同趋势

●3个次重要参数表现出相反趋势

●根据图&趋势线，6个组件无任何影响

2.来自废品参数的输出还与实际数据进行了比较并得到验证

●5个最重要的参数表现出相同趋势

●2个次重要参数表现出相反趋势

●根据图&趋势线，7个组件无任何影响

根据以上示例，明显的是根据算法对最重要的影响参数的预测得到了砂数据的实际趋势线和数据可视化的验证，如图11(d)所图示。这使得铸造厂用户能够根据系统100做出的具有置信度的预测来行动以获得方法一致性并减少废品。

根据本发明，参考图12，其图示了铸造厂1200中的铸造组件的数据流程框图。铸造厂1200包括预混合槽1210、混合槽1220、成型室1230、充型室1240、型和铸件冷却室1250、型分离破碎室1260、产品收集室1265、砂回收室1270、砂冷却室1280和粉尘回收室1290。为了制备铸型以制造铸造产品/物品，通常将砂或粘土与一组预定添加剂(包括膨润土)以预定成分百分比在预混合槽1210内混合，并将砂添加剂混合物供给入混合槽1220内。在预定温度和压力下，在混合槽1220内严格地用水搅拌砂添加剂混合物。进一步将搅拌的混合物供给入成型室1230内，利用该搅拌混合物在成型室1230内形成型以构造具有所需产品设计和测量的铸型。充型室1240接收在成型室1230内形成的型，在充型室1240内液体或柔性原料被浇注入铸型内。液体/柔性原料很容易填充铸型内的中空间隙，并进一步获取铸型的形状。型和铸件冷却室1250从充型室1240接收填充的铸型，在型和铸件冷却室1250内，填充的液体/柔性原料被冷却并供给入型分离破碎室1260。型分离破碎室1260以使铸型破碎的方式摇动填充的型。凝固的液体/柔性原料变成铸造产品，并被收集入产品收集室1265。砂回收室1270从型分离破碎室1260接收用过的旧砂混合物，并进一步将其供给入铸造砂混合物在其内冷却的砂冷却器室1280。粉尘回收室1290适于从砂冷却室1280、砂回收室1270和型分离破碎室1260收集尘粒。

在铸造厂1200的实施方案中，预混合槽1210从砂冷却室1280接收砂混合物以重复利用回用/再循环砂以进一步用于铸造过程。

根据本发明，由于添加了添加剂，制备的砂得到的颜色与绿色相似，因此也被称为绿色砂/制备砂。

根据本发明，在预混合槽1210内，砂与预定组的添加剂混合以制备用于制作砂型/铸型的砂。添加剂选自由以下组成的组：谷类粘合剂、地沥青、海煤、硬沥青、燃料油、木粉、硅石粉、氧化铁、珍珠岩、糖蜜、膨润土(钙基)、膨润土(钠基)、耐火粘土高岭土、沥青、灯黑、纤维素、玉米粉、糖醛渣、燕麦壳、核桃壳粉、沥青乳液、煤油、苏打灰、润湿剂、矾土、铬铁矿粉、飞灰、橄榄石粉、十字石粉、锆石粉、麸皮粉、糊精、木质素硫酸盐、硅酸钠以及小麦粉。将添加剂添加至砂或活性成分以取回具有所需质量的制备砂，以便制备砂型/铸型用于在铸造厂1200内进行铸造。

根据本发明，谷类粘结剂作为添加剂用于制备砂以制作砂铸型，谷类粘结剂涉及诸如细磨玉米粉、凝胶状研磨玉米淀粉、凝胶状物质、淀粉及其组合的粘结剂。用于制备铸造用砂的谷类粘结剂的百分比可在0.25至2.00的范围内，以增加砂的湿强度或干强度，并进一步增大砂溃散的阻力。

根据本发明，地沥青作为添加剂用于制备砂以制作砂铸型，地沥青为炼焦过程的副产品，当在大约350的华氏温度(℉)或更高的温度下将焦炭从烟煤中蒸馏出时，产生了地沥青。所使用的添加剂地沥青的百分含量可为20％。如果使用给定百分含量的地沥青，则会提高铸造用砂的热强度，也会提高与铁铸件有关的铸件精整。

根据本发明，海煤作为添加剂用于制备砂以制作砂铸型，海煤涉及灰铁和可锻铸铁型砂铸件中使用的细磨烟煤。在制备砂的过程中添加海煤的主要目的是提高表面光洁度以及便于清洁铸件。将要使用的海煤的量可通过通常用于分析煤的工业分析和元素分析来确定。

根据本发明，硬沥青作为添加剂用于制备砂以制作砂铸型，硬沥青为当前在美国犹他州和科罗拉多州的矿中发现的固体沥青矿物。硬沥青矿物总体上为挥发性的，且在砂制备过程中添加的硬沥青的功能类似于添加剂海煤。硬沥青用于提高铸件光洁度。地沥青为一种有效添加剂，且其用量百分比可在0.40至0.80的范围内。

根据本发明，燃料油作为添加剂用于制备砂以制作砂铸型，所使用的燃料油的百分比很小，其用于代替水。燃料油添加剂降低了制备的砂中的水分含量的总百分比。

根据本发明，木粉作为添加剂用于制备砂以制作砂铸型，木粉为专用等级研磨木粉。可使用的木粉的百分比占用于制备型的砂的总百分比的范围为0.5％至2.0％。木粉会提高砂的热稳定性。木粉通过在高温下烧尽用作缓冲以控制砂膨胀。如果在砂制备过程中使用木粉，则木粉的添加量应保持为砂中易燃物的大约5％至8％。

根据本发明，硅石粉作为添加剂用于制备砂以制作砂铸型，硅石粉为精细度小于200目的微粉状硅石。其用量可达35％以提高砂的热强度。

根据本发明，氧化铁作为添加剂用于制备砂以制作砂铸型，使用的氧化铁为细粉尘形式。使用的红色氧化亚铁(Fe₂O₃)的百分比较小，在0.25％至1.00％的范围内。这提高了砂的热强度。

根据本发明，珍珠岩作为添加剂用于制备砂以制作砂铸型，珍珠岩为膨胀硅酸铝矿物。使用的珍珠岩的百分比范围在0.5％至1.50％之间，以使砂获得更好的热稳定性。其也可用作冒口绝缘体。

根据本发明，糖蜜作为添加剂用于制备砂以制作砂铸型，糖蜜基本上为甘蔗糖蜜或赤糖糊、未提炼且含有60％至70％的糖固体。糖蜜可用于提高砂的干强度。

根据本发明，膨润土(钙基)作为添加剂用于制备砂以制作砂铸型，膨润土(钙基)为无机钙膨润土，也称为无膨胀膨润土。其通常为陶瓷色、褐色、带蓝色或灰色的粉末形式。其目的是基本上在湿砂系统内粘结以促进良好的湿强度、适度的干燥压紧强度和热抗压强度。其提供更高的湿强度、更低的干强度和热强度，且与美国西部膨润土相比，可更好地促进流动性。

根据本发明，膨润土(钠基)作为添加剂用于制备砂以制作砂铸型，膨润土(钠基)为无机钠膨润土，也称为高膨胀膨润土。其通常为带蓝色、奶油色、灰色或淡黄色的粉末形式。其目的是基本上在湿砂系统内粘结以促进湿抗压强度、干燥压紧强度和热抗压强度。防止冲砂并允许硅砂膨胀。

根据本发明，耐火粘土作为添加剂用于制备砂以制作砂铸型，耐火粘土为尺寸为50目通常为灰色的无机材料。其基本目的是在湿砂系统内粘结以增加湿强度、干强度和热强度。其特别用于提高干特性和热特性。

根据本发明，高岭土作为添加剂用于制备砂以制作砂铸型，高岭土也称作“瓷土”，其通常为灰色的无机材料。其主要目的是增加干燥压紧强度和热抗压强度。

根据本发明，沥青作为添加剂用于制备砂以制作砂铸型，沥青为通常为棕色或黑色的有机粉末材料。其目的是提高铸件光洁度并控制型气氛。其代替或补充海煤或沥青。

根据本发明，灯黑作为添加剂用于制备砂以制作砂铸型，灯黑为非常精细且为纯碳的有机材料。其通常为黑色的粉末形式。其目的是提高铸件剥离和光洁度。

根据本发明，纤维素作为添加剂用于制备砂以制作砂铸型，添加纤维素是为了控制砂膨胀并使可允许含水量的范围变宽。其通常以木粉或坚果壳的形式添加。纤维素降低了热抗压强度并提供了良好的溃散性，从而改进落砂。其在高温下形成煤烟，煤烟在型/金属界面沉积，并抵抗被金属或熔渣润湿。其还提高了砂在铸造期间的流动性。

根据本发明，玉米粉作为添加剂用于制备砂以制作砂铸型，玉米粉为通常为黄色或红棕色的有机材料。其为研磨玉米穗轴的形式。其用于减少砂膨胀缺陷并改进落砂。其用作缓冲材料，并提高了砂的流动性。

根据本发明，糖醛渣作为添加剂用于制备砂以制作砂铸型，糖醛渣为通常为深棕色的有机材料。其目的是减少砂膨胀缺陷并改进落砂。其用作缓冲材料。

根据本发明，燕麦壳作为添加剂用于制备砂以制作砂铸型，燕麦壳为通常为黄色或棕色粉末形式的有机材料，其目的是减少砂膨胀缺陷并改进落砂。其用作缓冲材料，并提高了砂的流动性。

根据本发明，核桃壳粉作为添加剂用于制备砂以制作砂铸型，核桃壳粉为褐色有机材料。其目的是减少砂膨胀缺陷并改进落砂。其用作缓冲材料。

根据本发明，沥青乳液作为添加剂用于制备砂以制作砂铸型，沥青乳液为无机材料。其包含沥青、水和合适的乳化剂。其提高了铸件剥离和光洁度。其可用于代替或补充海煤。

根据本发明，煤油作为添加剂用于制备砂以制作砂铸型，煤油为有机材料。其为烃油，且为石油蒸馏的副产品。其目的是增加挥发物的量，增加润滑性并使砂更长时间地保持潮湿。

根据本发明，苏打灰作为添加剂用于制备砂以制作砂铸型，苏打灰为具有碳酸钠(Na₂CO₃)的特性的无机材料。其通常为具有吸湿性的白色粉末形式。其目的是控制pH值。

根据本发明，润湿剂作为添加剂用于制备砂以制作砂铸型，润湿剂为无机材料，其颜色和特征根据类型和供应来源而变化。润湿剂促进液体在固体上扩散；因此其具有将接触角减小至零值的特性。其目的是将水的表面张力降低至如此程度使得与普通水相比，调质水将在更短的时间内扩散并穿透待润湿材料至更大的范围。

根据本发明，矾土作为添加剂用于制备砂以制作砂铸型，矾土为具有所要求的矾土特征的无机材料(Al₂O₃)。其通常为白色。其目的是增加砂混合物的耐火性。

根据本发明，铬铁矿粉作为添加剂用于制备砂以制作砂铸型，铬铁矿粉为通常为深棕色或黑色的无机材料。其目的是降低金属渗透并提高表面光洁度。

根据本发明，飞灰作为添加剂用于制备砂以制作砂铸型，飞灰为通常为灰色的无机材料；其目的是增大流动性。

根据本发明，铬橄榄石粉作为添加剂用于制备砂以制作砂铸型，橄榄石粉为通常为绿色的无机材料。其目的是减少或消除金属渗透并提高铸件光洁度。

根据本发明，十字石粉作为添加剂用于制备砂以制作砂铸型，十字石粉为通常为红棕色的无机材料。其目的是增大热塑性并减少或消除毛刺。

根据本发明，锆石粉作为添加剂用于制备砂以制作砂铸型，锆石粉为通常为白色或褐色的无机材料，具有所要求的特征。其目的是增大砂混合物的耐火性，减少或消除金属渗透并提高铸件表面光洁度。

根据本发明，麸皮粉作为添加剂用于制备砂以制作砂铸型，麸皮粉为谷类粘结剂有机材料。其用作湿强度添加剂。

根据本发明，糊精作为添加剂用于制备砂以制作砂铸型，糊精为作为特色地为浅棕色或深棕色的有机材料。其为具有高粘着特征形式的煳精。其具有各种特性，在湿砂造型中用作粘合剂。

根据本发明，木质素硫酸盐作为添加剂用于制备砂以制作砂铸型，木质素硫酸盐为有机材料，如果干燥的话(粉末形式)其为浅棕色。其为亚硫酸盐纸桨，亚硫酸盐纸桨是亚硫酸盐/木质素液的副产品粘结剂。其为具有60-70％的固体的深色液体。其用作粘土材料的粘结剂以及油砂芯的表面硬化剂。

根据本发明，硅酸钠作为添加剂用于制备砂以制作砂铸型，硅酸钠为有机材料，其在液体形式下透明，而其粉末形式可含有0-17％的H₂O。其为粘性液体，当与粉末状耐火粘土混合时会形成氧化钠和硅石比例不同的耐火水泥组合物。其在以粘土粘结的砂中用作辅助粘结剂，并降低了型砂混合物的脆度和脆性。

根据本发明，小麦粉作为添加剂用于制备砂以制作砂铸型，小麦粉为有机谷类粘结剂，通常用于提高GCS并减少砂的膨胀，而形变不增加。其增大了通透指数，但也增加了气体的形成。

根据本发明，图13图示了第二个案研究，其基于与图1中的砂优化以减少铸造厂铸造废品的计算机实施系统100有关的历史数据，示出了各个废品类型相对于总的砂废品的废品类型的热度图1300之间的相关性。热度图1300包括总砂废品量热度图1310、气孔铸造阶段废品热度图1320、铸型损坏废品热度图1330、膨胀结疤废品热度图1340、针孔铸造阶段废品热度图1350、掉砂/夹砂铸造阶段废品热度图1360和未分类砂废品热度图1370。所有上述热度图中出现的数值均以百分比示出。参数以对废品类型的影响递减的顺序排列。参数值表示每个参数对废品类型的重要性。正号表示参数并且废品之间为正相关，而负号表示参数与废品之间为负相关。因此为了减少废品，建议通过采取与(+)/(-)号相反的行动来控制相关参数。

基于以上针对各个废品类型的热度图，建议以下变化：

为了控制废品，惰性细粒加权的结果只可为-4.59，这是因为该增加量涵盖了所有带有(-)号的大部分其它缺陷均。

活性黏土加权为-4.13，因此需增大。

通透指数为+4.06，因此需减小。惰性细粒和活性黏土的增加将会自动降低通透指数。

水分为+2.24，因此需降低，这是因为所有已分析的缺陷均要求减少水分。

GFN为+2.45，因此需减小。

挥发物为-1.78。所有废品类型均需求增加挥发物并减少LOI。

GCS为-1.27--当活性黏土增加而GFN降低时，GCS将自动增大。

WTS存在问题，由于一个缺陷要求(-0.75)而其它缺陷要求(+0.38)，因此最好保持不变。

紧实性指数需更显著地降低。

使用如图9(a)至图9(d)所图示的重要参数预测模块900方法，将与热度图对应的废品制成表-III。

表-III

由于基于总废品的热度图是所有以上六个单个废品值的加权总和，因此实际上仅需通过基于限定符号(+)/(-)对相关参数采取相反的行动(增大或减小)来抵消任何单个参数显示的最高加权便可，如第一个案研究中所验证的那样。

在未来的发展中，应注意建议将上述矩阵作为出发点来获得多参数与多废品的相关性。本发明的系统能够开发预测模块以示出有关多个选择的废品类型的一个或多个参数的变化结果，从而使铸造厂用户能够以特定废品类型为目标并对其进行控制。

技术优点

本发明设想的技术有点包括使用计算机实施系统来优化与铸造废品相关的砂参数。

本发明提供了计算机实施系统以减少铸造废品或铸造缺陷。

本发明提供了用于预测砂优化的系统以减少铸造厂中的废品。

本发明提供了用于规定砂优化的系统以减少铸造厂中的废品。

本发明提供了用于预测湿砂/回用砂/再循环砂优化的系统以减少铸造厂中的废品。

公开提供了用于预测湿砂/回用砂/再循环砂优化的系统以减少铸造厂中的废品并重新利用旧砂。

本发明提供了能够接收意在用于各种分析的所有数据元素的单一入口点的系统。

本发明提供了以多维度曲线呈现各种分析的统一视图的系统。

本发明提供了自动学习并自行更新的自学习系统。

本发明提供了使得铸造工人能够利用所需的参数值建立计算机化模型的系统。

本发明提供了可通过计算机网络从任何位置以及在任何给定时间在线访问的系统。

本发明提供了可为铸造厂用户使用的基于预定的系统。

本发明提供了安全可靠的系统。

在整个说明书中，词语“包括”，或其变体例如“包含”或“含有”应理解为暗示着还包括所述元素、整体或步骤，或元素、整体或步骤的组，而不排除任何其它元素、整体或步骤，或元素、整体或步骤的组。

使用的表述“至少”或“至少一个”暗示使用了一种或多种元素或成分或数量，这是因为使用一种或多种元素或成分或数量可在本发明的实施方案中获得一个或多个所期望的目的或结果。

本说明书中包括的对任何文献、作用、产品、物品、装置、材料等的讨论仅仅是为了为本发明提供上下文环境。不能认为任何或全部这些内容形成了以往本领域基础的一部分,或是与本发明相关的领域中的一般公共常识,因为在本申请的优先权日之前其已经普遍存在。

所提到的各种物理参数、尺寸或数量的数值仅仅是近似值，且设想高于/低于赋予参数、尺寸或数量的数值的值均在本发明的范围内，除非本说明书中有明确相反说明。

无论指定的值的范围如何，分别高于或低于指定范围的最小值或最大值10％的值也包括在本发明的范围内。

以上对具体实施方案的描述充分揭示了实施方案的一般性质，其他人可通过采用当前知识很容易修改适应此类具体实施方案的各种应用而不会偏离一般概念，因此这种适应和修改应该并且旨在包含在本发明实施方案的等效方案的意义和范围内。应理解，文中使用的措辞或术语是为了说明，并不具有限制性。因此，虽然以最佳实施方案描述本发明的实施方案，但本领域中的技术人员将认识到在文中描述的实施方案的精神和范围内可对实施方案进行修改。

Claims (12)

1.一种用于砂优化以减少铸造废品的计算机实施系统，所述系统包括：

第一存储库，其被配置为在其中存储有关一组主要砂参数的数据，其中所述参数选自包括以下内容的组：湿态抗压强度(GCS)、紧实性指数、水分含量、活性粘土、惰性细粒含量、烧失量(LOI)百分比、渗透性指数、湿抗拉强度、挥发物含量、颗粒细度数量(GFN或AFS)、鲕粒含量和砂的pH值；

第二存储库，其被配置为在其内存储涉及废品类型和废品数量的数据；

第三存储库，其被配置为在其内存储利用与所述报废对应的参数所生成的模式；

输入模块，其与所述第一存储库协作，所述输入模块被配置成接收与一个实例中的至少一个参数相对应的至少一个数值；

处理器模块，其与所述第一存储库、所述第二存储库、所述第三存储库和所述输入模块协作，所述处理器模块被配置成使所述参数的值、所述参数、所述废品和所述废品类型相互关联，并为每个实例提供所述参数的值、所述参数、所述废品以及所述废品类型之间的相关性；

模式形成引擎，其与所述处理器模块耦合，所述模式形成引擎被配置为基于所述参数的值、所述参数、所述废品和所述废品类型的相关性确定至少一种模式，所述生成的模式至少是将每个相关联的数据考虑在内以形成复合多维曲线的复合方程式；和

预测-规定模块，其与与所述模式形成引擎和所述处理器模块协作，所述预测-规定模块被配置为接收与由用户反馈的参数对应的输入值，所述预测-规定模块并被配置为将所述输入值映入复合方程式并生成包括概率度的至少一个预测/规定解决方案。

2.根据权利要求1所述的系统，其中所述第一存储库进一步被配置为存储与砂和相关的金属铸造参数的第二集合有关系的数据，砂以便用于减少选自包括震裂指数、砂金属比、干燥压紧强度、混砂机处的回用砂温度、芯砂渗透、试样重量、脆性指数、圆锥震动测试、剪切强度、形变、粘性、湿态抗拉强度、热强度、流动性、模具硬度、韧性、密度、烧结点、耐久性、模具气量、金属渗透、常温自硬强度、模塑性、筛分布、颗粒形状、膨润土含量、MB值、凝胶时间、膨胀能力以及与金属相关参数的组的与砂相关的铸造缺陷。

3.根据权利要求1所述的系统，其中所述系统还包括与所述处理器和所述预测-规定模块协作的显示模块，所述显示模块被配置为显示包括概率度的预测/规定解决方案和生动地以用户可读格式表示的关联数据。

4.根据权利要求1所述的系统，其中所述系统包括自学习编辑器，所述编辑器与所述模式形成引擎和所述预测-规定模块协作，所述编辑器被配置为将每一个生成的多维曲线存储入临时存储库，所述编辑器被配置为确定所述预测/规定解决方案中存在的预测废品和废品类型，并进一步被配置为将与所述废品和所述废品类型对应的预测值与用户输入的实际废品和废品类型进行比较并校正。

5.根据权利要求4所述的系统，其中所述编辑器被配置为将所述预测/规定解决方案中的经校正的废品和废品类型存储入所述第三存储库并进行更新。

6.根据权利要求4所述的系统，其中所述编辑器被配置为采取与不大可能会发生的废品的废品相关行动，其中所述行动选自包括以下内容的组：确定、保留、丢弃、更新以及将所述不大可能会发生的废品存储入所述第三存储库。

7.一种预测或规定砂优化以减少铸造废品的方法，所述方法包括以下步骤：

将有关一组主要砂参数的数据存储在第一存储库内，其中所述参数选自由包括以下内容的组：湿态抗压强度(GCS)、紧实性指数、水分含量、有效活性粘土、惰性细粒含量、烧失量(LOI)百分比、渗透性指数、湿抗拉强度、挥发物含量、颗粒细度数量(GFN或AFS)、鲕粒含量和制备的砂的pH值；

将有关废品类型和废品量的数据存储在第二存储库内；

将利用与所述废品对应的参数而生成的模式存储在第三存储库内；

映射与对应于铸造过程日期的参数有关的废品；

输入与至少一个预测/规定解决方案所期望的实例参数所对应的当前组数值；

使所述当前组数值与存储于所述第一存储库的所述参数的值、存储于所述第二存储库的所述废品值和所述废品类型以及存储于所述第三存储库的所述模式相互关联，并为每个实例提供所述参数值、所述参数、所述废品和所述废品类型之间的相关性；

对所述关联数据和参数进行处理以确定在关联数据中的至少一个模式；

基于通过处理至少一个复合方程式生成的模式导出至少一条多维复合曲线，其中所述每条多维复合曲线为对所述模式的规定/预测解决方案；以及

接下来，将参数的当前值与处理导出的最接近的曲线拟合，并将与所述参数对应的输入数值的当前集合映入复合方程以获得所述包括概率性度的预测/规定废品值。

8.根据权利要求7所述的方法，其中存储有关所述主要砂参数的数据的步骤进一步包括存储与砂和相关的金属铸造参数的第二集合有关系的数据，以便用于减少选自包括震裂指数、砂金属比、干燥压紧强度、混砂机处的回用砂温度、芯砂渗透、试样重量、脆性指数、圆锥震动测试、剪切强度、形变、粘性、湿态抗拉强度、热强度、流动性、模具硬度、韧性、密度、烧结点、耐久性、模具气量、金属渗透、常温自硬强度、模塑性、筛分布、颗粒形状、膨润土含量、MB值、凝胶时间、膨胀能力以及与金属相关参数的组的与砂相关的铸造缺陷。

9.根据权利要求7所述的方法，其中进行处理并映射所述复合方程式以获得所述预测/规定废品值的步骤进一步包括显示包括概率度的预测/规定解决方案和生动地以用户可读格式表示的关联数据。

10.根据权利要求7所述的方法，其中处理并映射所述复合方程式以获得所述预测/规定废品值的步骤进一步包括确定所述预测/规定解决方案中存在的预测废品和废品类型，并随后将与所述废品和所述废品类型对应的预测值与用户输入的实际的废品和废品类型进行比较并校正预测值。

11.根据权利要求10所述的方法，其中将与所述废品和所述废品类型对应的预测值与用户输入的实际的废品和所述废品类型进行比较并校正预测值的步骤进一步包括将存在于所述预测/规定解决方案中的所述经校正的废品和废品类型存储入所述第三存储库并进行更新的步骤。

12.根据权利要求7所述的方法，其中确定所述预测/规定解决方案中存在的预测废品和废品类型的步骤进一步包括采取与不大可能会发生的废品的废品相关行动，其中所述行动选自包括以下内容的组：确定、保留、丢弃、更新以及将所述不大可能会发生的废品存储入所述第三存储库。