CN108250342A - 一种聚全氟乙丙烯产品生产方法及系统 - Google Patents
一种聚全氟乙丙烯产品生产方法及系统 Download PDFInfo
- Publication number
- CN108250342A CN108250342A CN201810369494.9A CN201810369494A CN108250342A CN 108250342 A CN108250342 A CN 108250342A CN 201810369494 A CN201810369494 A CN 201810369494A CN 108250342 A CN108250342 A CN 108250342A
- Authority
- CN
- China
- Prior art keywords
- proportioning
- raw material
- perfluoroethylene
- initial feed
- production
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F214/00—Copolymers of compounds having one or more unsaturated aliphatic radicals, each having only one carbon-to-carbon double bond, and at least one being terminated by a halogen
- C08F214/18—Monomers containing fluorine
- C08F214/26—Tetrafluoroethene
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F2/00—Processes of polymerisation
- C08F2/01—Processes of polymerisation characterised by special features of the polymerisation apparatus used
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F214/00—Copolymers of compounds having one or more unsaturated aliphatic radicals, each having only one carbon-to-carbon double bond, and at least one being terminated by a halogen
- C08F214/18—Monomers containing fluorine
- C08F214/28—Hexyfluoropropene
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Medicinal Chemistry (AREA)
- Polymers & Plastics (AREA)
- Organic Chemistry (AREA)
- Compositions Of Macromolecular Compounds (AREA)
Abstract
本发明公开了一种聚全氟乙丙烯产品生产方法及系统。所述方法及系统根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型,并根据所述预报模型对所述生产原料配比和所述操作工艺参数进行优化,确定优化参数范围的过程不干扰生产、不更改设备且不需要中试;通过将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量分别控制在优化范围内进行生产,可以将产品的熔融指数控制在用户指定的分布范围,有效提高聚全氟乙丙烯产品的生产合格率。
Description
技术领域
本发明涉及聚合物产品质量控制和优化技术领域,特别是涉及一种聚全氟乙丙烯产品生产方法及系统。
背景技术
聚全氟乙丙烯是四氟乙烯与六氟丙烯的无规共聚物,简称氟-46(fluororesin-46,F-46)或FEP(fluorinated ethylene propylene),是一种加工性能优越的含氟塑料。FEP结构式如下:
塑胶材料的加工流动性一般用熔融指数(Melt Flow Index,简称MI)来衡量,其值越大,流动性越好。从应用的角度来讲,希望将产品的熔融指数控制在用户指定的分布范围,聚全氟乙丙烯合格产品即为其熔融指数分布在用户指定范围内的产品。因此,产品熔融指数的命中率越高,聚全氟乙丙烯产品的合格率越高,企业的生产成本就越低,经济效益就越好。目前提高聚全氟乙丙烯产品合格率的方法主要是在实验室反复做实验,找到较好的工艺条件,然后在生产车间中试,反复调试,待稳定生产后才能进行推广应用。此方法调试周期长、需要在生产车间中试干扰生产,并且工艺条件涉及工艺流程的改变时,还需要更改生产设备。
发明内容
本发明的目的是提供一种聚全氟乙丙烯产品生产方法及系统,以在不干扰生产、不更改设备、不需要中试的条件下提高聚全氟乙丙烯产品合格率。
为实现上述目的,本发明提供了如下方案:
一种聚全氟乙丙烯产品生产方法,所述方法包括:
获取聚全氟乙丙烯产品的熔融指数检测数据;所述熔融指数检测数据包括聚全氟乙丙烯合格产品和不合格产品的熔融指数;
获取聚全氟乙丙烯产品的生产原料配比和操作工艺参数;所述生产原料配比包括初始原料配比和补加原料配比;所述操作工艺参数包括初始原料加入量和补加原料加入量;
根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型;
根据所述预报模型获得所述生产原料配比和所述操作工艺参数的优化范围;
将所述生产原料配比和所述操作工艺参数控制在所述优化范围内,生产所述聚全氟乙丙烯产品。
可选的,所述根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型,具体包括:
以所述生产原料配比和所述操作工艺参数为自变量,以所述熔融指数为因变量,采用统计模式识别方法生成聚全氟乙丙烯熔融指数的模式识别分类图;所述模式识别分类图上包括优类样本点和劣类样本点;所述统计模式识别方法为PCA、Fisher判别法、PLS法中的一种;
根据所述模式识别分类图确定优类样本点矩形区域的边界方程;
根据所述边界方程建立所述预报模型;所述预报模型为以所述生产原料配比和所述操作工艺参数为控制变量的不等式方程组。
可选的,所述根据所述模式识别分类图确定优类样本点矩形区域的边界方程,具体包括:
确定所述模式识别分类图中优类样本点比例超过预设阈值的矩形区域为优类样本点矩形区域;
根据所述优类样本点矩形区域生成所述矩形区域的边界方程。
可选的,所述根据所述预报模型获得所述生产原料配比和所述操作工艺参数的优化范围,具体包括:
将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量代入所述预报模型;
判断所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系是否满足所述不等式方程组;
若所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系满足所述不等式方程组,则则根据所述生产原料配比和所述操作工艺参数生产所述聚全氟乙丙烯产品;
若所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系不满足所述不等式方程组,则根据所述预报模型优化生产原料配比和操作工艺参数,确定所述生产原料配比和所述操作工艺参数的优化范围。
可选的,所述根据所述预报模型优化所述生产原料配比和所述操作工艺参数,确定所述生产原料配比和所述操作工艺参数的优化范围,具体包括:
计算所述优类样本点矩形区域内优类样本点的平均值和标准差;所述平均值和标准差包括初始原料配比的平均值和标准差、补加原料配比的平均值和标准差、初始原料加入量的平均值和标准差、补加原料加入量的平均值和标准差;
根据所述初始原料配比的平均值和标准差确定初始原料配比优化范围;
根据所述补加原料配比的平均值和标准差确定补加原料配比优化范围;
根据所述初始原料加入量的平均值和标准差确定初始原料加入量优化范围;
根据所述补加原料加入量的平均值和标准差确定补加原料加入量优化范围。
本发明还公开了一种聚全氟乙丙烯产品生产系统,所述系统包括:
熔融指数获取模块,用于获取聚全氟乙丙烯产品的熔融指数检测数据;所述熔融指数检测数据包括聚全氟乙丙烯合格产品和不合格产品的熔融指数;
控制参数获取模块,用于获取聚全氟乙丙烯产品的生产原料配比和操作工艺参数;所述生产原料配比包括初始原料配比和补加原料配比;所述操作工艺参数包括初始原料加入量和补加原料加入量;
预报模型建立模块,用于根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型;
控制参数优化模块,用于根据所述预报模型确定所述生产原料配比和所述操作工艺参数的优化范围;
产品生产模块,用于将所述生产原料配比和所述操作工艺参数控制在所述优化范围内,生产所述聚全氟乙丙烯产品。
可选的,所述预报模型建立模块具体包括:
模式识别分类图生成单元,用于以所述生产原料配比和所述操作工艺参数为自变量,以所述熔融指数为因变量,采用统计模式识别方法生成聚全氟乙丙烯熔融指数的模式识别分类图;所述模式识别分类图上包括优类样本点和劣类样本点;所述统计模式识别方法为PCA、Fisher判别法、PLS法中的一种;
边界方程确定单元,用于根据所述模式识别分类图确定优类样本点矩形区域的边界方程;
预报模型建立单元,用于根据所述边界方程建立所述预报模型;所述预报模型为以所述生产原料配比和所述操作工艺参数为控制变量的不等式方程组。
可选的,所述边界方程确定单元具体包括:
矩形区域确定子单元,用于确定所述模式识别分类图中优类样本点比例超过预设阈值的矩形区域为优类样本点矩形区域;
边界方程生成子单元,用于根据所述优类样本点矩形区域生成所述矩形区域的边界方程。
可选的,所述控制参数优化模块具体包括:
控制参数代入单元,用于将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量代入所述预报模型;
控制参数关系判断单元,用于判断所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系是否满足所述不等式方程组;
产品生产单元,用于当所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系满足所述不等式方程组时,根据所述生产原料配比和所述操作工艺参数生产所述聚全氟乙丙烯产品;
控制参数优化单元,用于当所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系不满足所述不等式方程组时,根据所述预报模型优化生产原料配比和操作工艺参数,确定所述生产原料配比和所述操作工艺参数的优化范围。
可选的,所述控制参数优化单元具体包括:
平均值和标准差计算子单元,用于计算所述优类样本点矩形区域内优类样本点的平均值和标准差;所述平均值和标准差包括初始原料配比的平均值和标准差、补加原料配比的平均值和标准差、初始原料加入量的平均值和标准差、补加原料加入量的平均值和标准差;
初始原料配比优化范围确定子单元,用于根据所述初始原料配比的平均值和标准差确定初始原料配比优化范围;
补加原料配比优化范围确定子单元,用于根据所述补加原料配比的平均值和标准差确定补加原料配比优化范围;
初始原料加入量优化范围确定子单元,用于根据所述初始原料加入量的平均值和标准差确定初始原料加入量优化范围;
补加原料加入量优化范围确定子单元,用于根据所述补加原料加入量的平均值和标准差确定补加原料加入量优化范围。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供一种聚全氟乙丙烯产品生产方法及系统,所述方法及系统根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型,可以根据所述预报模型判断待检测聚全氟乙丙烯产品是否合格;并根据所述预报模型对所述生产原料配比和所述操作工艺参数进行优化,确定优化参数范围的过程不干扰生产、不更改设备且不需要中试,因此优化技术的实施成本低,优化效果立竿见影。通过将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量分别控制在所述初始原料配比优化范围、所述补加原料配比优化范围、所述初始原料加入量优化范围和所述补加原料加入量优化范围内进行生产,可以将产品的熔融指数控制在用户指定的分布范围,有效提高聚全氟乙丙烯产品的生产合格率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种聚全氟乙丙烯产品生产方法的方法流程图;
图2为本发明实施例采用Fisher法计算得到的聚全氟乙丙烯熔融指数的模式识别分类图;
图3为采用本发明提供的预报模型预报待测聚全氟乙丙烯产品熔融指数分布范围的结果示意图;
图4为本发明提供的一种聚全氟乙丙烯产品生产系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是优化聚全氟乙丙烯的生产原料配比和操作工艺参数,从而在“不干扰生产、不更改设备、不需要中试”的条件下,提供一种聚全氟乙丙烯产品生产方法及系统,以提高聚全氟乙丙烯产品的合格率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明提供的一种聚全氟乙丙烯产品生产方法的方法流程图。参见图1,本发明提供的一种聚全氟乙丙烯产品生产方法,具体包括:
步骤101:获取聚全氟乙丙烯产品的熔融指数检测数据;所述熔融指数检测数据包括聚全氟乙丙烯合格产品和不合格产品的熔融指数。
聚全氟乙丙烯产品合格指标是其熔融指数(Melt Flow Index,简称MI,指热塑性树脂在熔体流动测速仪上,在温度和压力是230℃/2.16kg的条件下,每10min通过标准口模的重量,单位是g/10min)分布在用户指定的范围内。熔融指数可用来衡量聚全氟乙丙烯在熔融状态下的流动性大小,MI越大,则聚全氟乙丙烯的分子量越小,流动性就越好。
聚全氟乙丙烯合格产品就是指其熔融指数分布在用户预设的范围的聚全氟乙丙烯产品,想要识别合格品和不合格品,就要让机器去学习什么是合格品,什么是不合格品,找到合格品和不合格品的特征和区别,因此需要收集若干合格产品和不合格产品的熔融指数。
步骤102:获取聚全氟乙丙烯产品的生产原料配比和操作工艺参数。所述生产原料配比包括初始原料配比和补加原料配比;所述操作工艺参数包括初始原料加入量和补加原料加入量。
所述聚全氟乙丙烯产品的生产原料为四氟乙烯(tetrafluoroethylene,TFE)和六氟丙烯(hexafluoropropylene,HFP)。所述生产原料配比就是四氟乙烯和六氟丙烯的配比,本文中用四氟乙烯的百分比(TFE%)来表示。其中初始原料配比就是初始四氟乙烯的百分比,补加原料配比就是生产过程后期补加四氟乙烯的百分比。初始原料加入量包括初始四氟乙烯加入量和初始六氟丙烯加入量。补加原料加入量为生产过程后期补加四氟乙烯的加入量和补加六氟丙烯的加入量。
步骤103:根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型。
以原料配比和操作工艺参数为自变量,以聚全氟乙丙烯熔融指数为因变量,采用模式识别方法建立聚全氟乙丙烯合格品和不合格品的分类预报模型,具体包括:
以所述生产原料配比和所述操作工艺参数为自变量,以所述熔融指数为因变量,采用统计模式识别方法生成聚全氟乙丙烯熔融指数的模式识别分类图。所述模式识别分类图上包括优类样本点和劣类样本点。
本发明所用聚全氟乙丙烯产品合格率的优化建模方法属于统计模式识别方法。所有统计模式识别方法的原理都可归结为“多维空间图象识别”问题,即将研究对象(样本)的特征变量的集合张成多维样本空间,将各类样本的代表点“记”在空间中,根据“物以类聚”的原理,同类或相似的样本间的距离应较近,不同类的样本间距离应较远。这样,就可以用适当的计算机模式识别技术(通常为一次线性或非线性投影)去“识别”各类样本分布区的形状,试图得到描述各类样本在多维空间中分布范围的数学模型。本发明所用统计模式识别方法包括Fisher判别矢量(Fisher's discriminant vector)、主成分分析(Principlecomponent analysis,PCA)、偏最小二乘(Partial least squaremethod,PLS)等方法。目前未见利用统计模式识别技术提高聚全氟乙丙烯产品合格率(产品熔融指数分布在指定范围的比例)的报道。
根据所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量这一系列变量,用Fisher判别矢量法进行分析处理,获得聚全氟乙丙烯熔融指数的模式识别分类图。所述模式识别分类图通过把多维坐标上的点投影到二维平面上,使得优类点和劣类点尽可能分开,这个二维平面的坐标是这些变量(初始原料配比、补加原料配比、初始原料加入量和补加原料加入量)的组合变量,本文中将其定义为变量FIS1和FIS2。
然后在二维平面上确定一个优类样本点多的矩形区域,具体为确定所述模式识别分类图中优类样本点比例和密集度分别超过比例预设阈值和密集度预设阈值的矩形区域为优类样本点矩形区域。优类样本点矩形区域中要求优类点尽可能多且密集,劣类点稀疏且尽可能少。
根据所述优类样本点矩形区域生成所述矩形区域的边界方程。
根据所述边界方程建立所述预报模型;所述预报模型为以所述生产原料配比和所述操作工艺参数为控制变量的不等式方程组。
从所述模式识别分类图中可以得到产品的优劣信息,把需要预测熔融指数的样本点投影在所述模式识别分类图上,如果投影点在选定的矩形区域以内,会得到优类产品。因此根据所述不等式方程组,当我们将输入参数(初始原料配比(TFE%)、补加原料配比(TFE%)、初始原料加入量和补加原料加入量)代入不等式时,可以预测是不是得到合格的产品。如果方程组的不等式成立,就可以预测在这种工艺条件下可以得到合格的产品。
步骤104:根据所述预报模型获得所述生产原料配比和所述操作工艺参数的优化范围。
可以利用所述预报模型预报待检测聚全氟乙丙烯产品的熔融指数分布范围,获得模型预报结果,模型预报结果为产品合格或不合格,具体包括:
将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量代入所述预报模型;
判断所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系是否满足所述不等式方程组;
若所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系满足所述不等式方程组,即表示聚全氟乙丙烯产品的熔融指数已经符合用户预设范围,此时无需对所述生产原料配比和所述操作工艺参数进行优化,可直接根据所述生产原料配比和所述操作工艺参数生产所述聚全氟乙丙烯产品。
若所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系不满足所述不等式方程组,则根据所述预报模型优化所述生产原料配比和所述操作工艺参数。
可以通过计算优类样本点(合格产品)的平均值和方差来确定原料配比(TFE%)、补加原料配比(TFE%)、初始原料加入量和补加原料加入量的优化取值区间,具体包括:
计算所述优类样本点矩形区域内优类样本点的平均值和标准差;所述平均值和标准差包括初始原料配比的平均值和标准差、补加原料配比的平均值和标准差、初始原料加入量的平均值和标准差、补加原料加入量的平均值和标准差。
根据所述初始原料配比的平均值和标准差确定初始原料配比优化范围。
根据所述补加原料配比的平均值和标准差确定补加原料配比优化范围。例如计算得到所述补加原料配比(TFE%)的平均值为94.55,所述补加原料配比的标准差为0.45,则补加原料配比的优化范围为94.55±0.45,即94.1~95。
根据所述初始原料加入量的平均值和标准差确定初始原料加入量优化范围。
根据所述补加原料加入量的平均值和标准差确定补加原料加入量优化范围。
步骤105:将所述生产原料配比和所述操作工艺参数控制在所述优化范围内,生产所述聚全氟乙丙烯产品。
将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量分别控制在所述初始原料配比优化范围、所述补加原料配比优化范围、所述初始原料加入量优化范围和所述补加原料加入量优化范围内,生产所述聚全氟乙丙烯产品,就可以使得聚全氟乙丙烯产品的熔融指数分布在指定范围,提高了聚全氟乙丙烯产品合格率。
可见,本发明提供的一种聚全氟乙丙烯产品生产方法与现有技术相比,至少具有以下优点:
1、基于统计模式识别方法优化聚全氟乙丙烯产品合格率的方法简单、快捷:通过把生产原料配比和操作工艺参数导入建立的预报模型,1秒钟内就可以预报出产品是否合格的结果,仅需一人即可完成。
2、现有技术的优化很多都要涉及工艺流程和工艺参数的更改,所以需要中试。而本发明的参数优化过程只是在生产工艺参数上的微调,在整个生产流程上没有改动,基本上对生产没有影响,因此不需要中试、不干扰生产,不会影响正常的工业生产。
3、不更改设备:现有技术的优化方法如果涉及工艺流程的改变,很有可能需要更改设备。而本发明提供的聚全氟乙丙烯产品生产方法在整个过程中不用对设备进行改造,投入少、见效快。
下面通过一个具体的实施例对本发明提供的聚全氟乙丙烯产品生产方法及其优点做进一步说明。
采用本发明提供的聚全氟乙丙烯产品生产方法对聚全氟乙丙烯熔融指数分布范围进行快速分类预报,包括如下步骤:
(1)收集若干个聚全氟乙丙烯产品的熔融指数,包括聚全氟乙丙烯合格产品和不合格产品的熔融指数。
(2)收集聚全氟乙丙烯产品的生产原料配比和操作工艺参数,如表1所示:
表1聚全氟乙丙烯产品的生产原料配比和操作工艺参数
表1中样本点分为两类,第1类为合格产品样本点,第2类为不合格产品样本点。表1中熔融指数在0.8~1.4的产品为合格产品,其余的为不合格产品。
(3)以初始原料配比、补加原料配比、初始原料加入量和补加原料加入量为自变量,以聚全氟乙丙烯熔融指数MI分布范围为因变量(MI=0.8~1.4为“合格品”,其它为“不合格品”),采用Fisher法计算得到聚全氟乙丙烯熔融指数的模式识别图。
图2为本发明实施例采用Fisher法计算得到的聚全氟乙丙烯熔融指数的模式识别分类图。图2中横坐标表示FIS1变量,纵坐标为变量FIS2。在所述模式识别分类图的二维平面上确定一个优类样本点多的矩形区域201,所述矩形区域201中优类样本点比例超过比例预设阈值,且密集度超过密集度预设阈值。所述优类样本点比例=优类样本点/(优类样本点+劣类样本点),图2中选定的矩形区域201内优类样本占大多数,优类样本点比例为0.875,超过比例预设阈值0.85。
根据图2中“合格品”(优类样本)的分布范围(即图中的矩形区域),得到“合格品”的判据(边界方程)。所述优类样本点矩形区域的边界方程为:
10.430≤FIS1≤11.855 (1)
-21.401≤FIS2≤-18.405 (2)
其中FIS1和FIS2表示模式识别分类图横纵坐标的组合变量,变量FIS1和FIS2的取值范围就是矩形区域边界。
根据边界方程还原得到含有自变量(初始原料配比、补加原料配比、初始原料加入量和补加原料加入量)的原始方程(预报模型):
24.210≤+0.3962[初始原料配比(TFE%)]+0.2956[补加原料配比(TFE%)]-0.1876[初始原料加入量(kg)]+0.009695[补加原料加入量(kg)]≤25.636 (3)
41.198≤-0.8093[初始组分(TFE%)]+0.5893[补加组分(TFE%)]+0.04297[初始单体量(kg)]+0.005039[补加单体量(kg)]≤44.194(4)
根据上述不等式方程组(3),当我们将输入参数(初始原料配比(TFE%)、补加原料配比(TFE%)、初始原料加入量和补加原料加入量)代入不等式时,可以预测是不是得到合格的产品。如果方程组的不等式成立,就可以预测在这种工艺条件下可以得到合格的产品。
(4)根据所述预报模型(方程组(3)、(4))优化所述生产原料配比和所述操作工艺参数。
通过计算优类样本点(合格产品)的平均值和方差来优化原料配比(TFE%)、补加原料配比(TFE%)、初始原料加入量和补加原料加入量的取值区间,得到聚全氟乙丙烯的生产原料配比和操作工艺参数的优化区间分别为:初始原料配比优化范围(TFE%)25.35~26、补加原料配比优化范围(TFE%)94.1~95、初始原料加入量优化范围(kg)97.5~100、补加原料加入量优化范围(kg)525~537.5。
(5)将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量分别控制在所述初始原料配比优化范围、所述补加原料配比优化范围、所述初始原料加入量优化范围和所述补加原料加入量优化范围内,生产所述聚全氟乙丙烯产品。从生产的所述聚全氟乙丙烯产品中选择8个待测产品进行合格品检测。
8个待检测聚全氟乙丙烯产品的生产原料配比和操作工艺参数如表2所示:
表2待测聚全氟乙丙烯产品的生产原料配比和操作工艺参数
(6)利用所述预报模型预报8个待检测聚全氟乙丙烯产品熔融指数的分布范围。图3为采用本发明提供的预报模型预报待测聚全氟乙丙烯产品熔融指数分布范围的结果示意图。图3中横坐标表示FIS1变量,纵坐标为变量FIS2。图3上的8个小圆点301为8个待检测聚全氟乙丙烯产品对应的预报结果,8个待测产品均投影在优类样本点矩形区域内,说明生产出的8个待检测聚全氟乙丙烯产品熔融指数的分布范围均符合方程组(3)和(4),即8个待检测聚全氟乙丙烯产品均为合格产品。也就是说,将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量分别控制在所述初始原料配比优化范围、所述补加原料配比优化范围、所述初始原料加入量优化范围和所述补加原料加入量优化范围内,生产出的所述聚全氟乙丙烯产品均为合格产品。通过对更多待检测聚全氟乙丙烯产品进行合格品预报发现,只要把聚全氟乙丙烯产品的原料配比和操作工艺参数控制在优化范围区间,就能把产品合格率控制在90%左右,极大地提高了聚全氟乙丙烯产品的合格率。
此外,本发明所述方法计算优化区间的过程不干扰生产、不更改设备、不需要中试,优化过程的实施成本低,优化效果立竿见影。
本发明还提供了一种聚全氟乙丙烯产品生产系统。图4为本发明提供的一种聚全氟乙丙烯产品生产系统的结构示意图。参见图4,所述聚全氟乙丙烯产品生产系统包括:
熔融指数获取模块401,用于获取聚全氟乙丙烯产品的熔融指数检测数据;所述熔融指数检测数据包括聚全氟乙丙烯合格产品和不合格产品的熔融指数;
控制参数获取模块402,用于获取聚全氟乙丙烯产品的生产原料配比和操作工艺参数;所述生产原料配比包括初始原料配比和补加原料配比;所述操作工艺参数包括初始原料加入量和补加原料加入量;
预报模型建立模块403,用于根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型;
控制参数优化模块404,用于根据所述预报模型确定所述生产原料配比和所述操作工艺参数的优化范围;
产品生产模块405,用于将所述生产原料配比和所述操作工艺参数控制在所述优化范围内,生产所述聚全氟乙丙烯产品。
所述预报模型建立模块403具体包括:
模式识别分类图生成单元,用于以所述生产原料配比和所述操作工艺参数为自变量,以所述熔融指数为因变量,采用统计模式识别方法生成聚全氟乙丙烯熔融指数的模式识别分类图;所述模式识别分类图上包括优类样本点和劣类样本点;所述统计模式识别方法为PCA、Fisher判别法、PLS法中的一种;
边界方程确定单元,用于根据所述模式识别分类图确定优类样本点矩形区域的边界方程;
预报模型建立单元,用于根据所述边界方程建立所述预报模型;所述预报模型为以所述生产原料配比和所述操作工艺参数为控制变量的不等式方程组。
所述边界方程确定单元具体包括:
矩形区域确定子单元,用于确定所述模式识别分类图中优类样本点比例超过预设阈值的矩形区域为优类样本点矩形区域;
边界方程生成子单元,用于根据所述优类样本点矩形区域生成所述矩形区域的边界方程。
所述控制参数优化模块404具体包括:
控制参数代入单元,用于将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量代入所述预报模型;
控制参数关系判断单元,用于判断所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系是否满足所述不等式方程组;
产品生产单元,用于当所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系满足所述不等式方程组时,根据所述生产原料配比和所述操作工艺参数生产所述聚全氟乙丙烯产品;
控制参数优化单元,用于当所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系不满足所述不等式方程组时,根据所述预报模型优化生产原料配比和操作工艺参数,确定所述生产原料配比和所述操作工艺参数的优化范围。
所述控制参数优化单元具体包括:
平均值和标准差计算子单元,用于计算所述优类样本点矩形区域内优类样本点的平均值和标准差;所述平均值和标准差包括初始原料配比的平均值和标准差、补加原料配比的平均值和标准差、初始原料加入量的平均值和标准差、补加原料加入量的平均值和标准差;
初始原料配比优化范围确定子单元,用于根据所述初始原料配比的平均值和标准差确定初始原料配比优化范围;
补加原料配比优化范围确定子单元,用于根据所述补加原料配比的平均值和标准差确定补加原料配比优化范围;
初始原料加入量优化范围确定子单元,用于根据所述初始原料加入量的平均值和标准差确定初始原料加入量优化范围;
补加原料加入量优化范围确定子单元,用于根据所述补加原料加入量的平均值和标准差确定补加原料加入量优化范围。
本发明提供的聚全氟乙丙烯产品生产系统根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型,并根据所述预报模型对所述生产原料配比和所述操作工艺参数进行优化,确定优化参数范围的过程不干扰生产、不更改设备且不需要中试,因此优化技术的实施成本低,优化效果立竿见影。通过将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量分别控制在所述初始原料配比优化范围、所述补加原料配比优化范围、所述初始原料加入量优化范围和所述补加原料加入量优化范围内进行生产,可以将产品的熔融指数控制在用户指定的分布范围,有效提高聚全氟乙丙烯产品的生产合格率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种聚全氟乙丙烯产品生产方法,其特征在于,所述方法包括:
获取聚全氟乙丙烯产品的熔融指数检测数据;所述熔融指数检测数据包括聚全氟乙丙烯合格产品和不合格产品的熔融指数;
获取聚全氟乙丙烯产品的生产原料配比和操作工艺参数;所述生产原料配比包括初始原料配比和补加原料配比;所述操作工艺参数包括初始原料加入量和补加原料加入量;
根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型;
根据所述预报模型获得所述生产原料配比和所述操作工艺参数的优化范围;
将所述生产原料配比和所述操作工艺参数控制在所述优化范围内,生产所述聚全氟乙丙烯产品。
2.根据权利要求1所述的聚全氟乙丙烯产品生产方法,其特征在于,所述根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型,具体包括:
以所述生产原料配比和所述操作工艺参数为自变量,以所述熔融指数为因变量,采用统计模式识别方法生成聚全氟乙丙烯熔融指数的模式识别分类图;所述模式识别分类图上包括优类样本点和劣类样本点;所述统计模式识别方法为PCA、Fisher判别法、PLS法中的一种;
根据所述模式识别分类图确定优类样本点矩形区域的边界方程;
根据所述边界方程建立所述预报模型;所述预报模型为以所述生产原料配比和所述操作工艺参数为控制变量的不等式方程组。
3.根据权利要求2所述的聚全氟乙丙烯产品生产方法,其特征在于,所述根据所述模式识别分类图确定优类样本点矩形区域的边界方程,具体包括:
确定所述模式识别分类图中优类样本点比例超过预设阈值的矩形区域为优类样本点矩形区域;
根据所述优类样本点矩形区域生成所述矩形区域的边界方程。
4.根据权利要求3所述的聚全氟乙丙烯产品生产方法,其特征在于,所述根据所述预报模型获得所述生产原料配比和所述操作工艺参数的优化范围,具体包括:
将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量代入所述预报模型;
判断所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系是否满足所述不等式方程组;
若所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系满足所述不等式方程组,则根据所述生产原料配比和所述操作工艺参数生产所述聚全氟乙丙烯产品;
若所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系不满足所述不等式方程组,则根据所述预报模型优化生产原料配比和操作工艺参数,确定所述生产原料配比和所述操作工艺参数的优化范围。
5.根据权利要求4所述的聚全氟乙丙烯产品生产方法,其特征在于,所述根据所述预报模型优化所述生产原料配比和所述操作工艺参数,确定所述生产原料配比和所述操作工艺参数的优化范围,具体包括:
计算所述优类样本点矩形区域内优类样本点的平均值和标准差;所述平均值和标准差包括初始原料配比的平均值和标准差、补加原料配比的平均值和标准差、初始原料加入量的平均值和标准差、补加原料加入量的平均值和标准差;
根据所述初始原料配比的平均值和标准差确定初始原料配比优化范围;
根据所述补加原料配比的平均值和标准差确定补加原料配比优化范围;
根据所述初始原料加入量的平均值和标准差确定初始原料加入量优化范围;
根据所述补加原料加入量的平均值和标准差确定补加原料加入量优化范围。
6.一种聚全氟乙丙烯产品生产系统,其特征在于,所述系统包括:
熔融指数获取模块,用于获取聚全氟乙丙烯产品的熔融指数检测数据;所述熔融指数检测数据包括聚全氟乙丙烯合格产品和不合格产品的熔融指数;
控制参数获取模块,用于获取聚全氟乙丙烯产品的生产原料配比和操作工艺参数;所述生产原料配比包括初始原料配比和补加原料配比;所述操作工艺参数包括初始原料加入量和补加原料加入量;
预报模型建立模块,用于根据所述熔融指数检测数据、所述生产原料配比和所述操作工艺参数建立聚全氟乙丙烯熔融指数分布范围的预报模型;
控制参数优化模块,用于根据所述预报模型确定所述生产原料配比和所述操作工艺参数的优化范围;
产品生产模块,用于将所述生产原料配比和所述操作工艺参数控制在所述优化范围内,生产所述聚全氟乙丙烯产品。
7.根据权利要求6所述的聚全氟乙丙烯产品生产系统,其特征在于,所述预报模型建立模块具体包括:
模式识别分类图生成单元,用于以所述生产原料配比和所述操作工艺参数为自变量,以所述熔融指数为因变量,采用统计模式识别方法生成聚全氟乙丙烯熔融指数的模式识别分类图;所述模式识别分类图上包括优类样本点和劣类样本点;所述统计模式识别方法为PCA、Fisher判别法、PLS法中的一种;
边界方程确定单元,用于根据所述模式识别分类图确定优类样本点矩形区域的边界方程;
预报模型建立单元,用于根据所述边界方程建立所述预报模型;所述预报模型为以所述生产原料配比和所述操作工艺参数为控制变量的不等式方程组。
8.根据权利要求7所述的聚全氟乙丙烯产品生产系统,其特征在于,所述边界方程确定单元具体包括:
矩形区域确定子单元,用于确定所述模式识别分类图中优类样本点比例超过预设阈值的矩形区域为优类样本点矩形区域;
边界方程生成子单元,用于根据所述优类样本点矩形区域生成所述矩形区域的边界方程。
9.根据权利要求8所述的聚全氟乙丙烯产品生产系统,其特征在于,所述控制参数优化模块具体包括:
控制参数代入单元,用于将所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量代入所述预报模型;
控制参数关系判断单元,用于判断所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系是否满足所述不等式方程组;
产品生产单元,用于当所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系满足所述不等式方程组时,根据所述生产原料配比和所述操作工艺参数生产所述聚全氟乙丙烯产品;
控制参数优化单元,用于当所述初始原料配比、所述补加原料配比、所述初始原料加入量和所述补加原料加入量之间的关系不满足所述不等式方程组时,根据所述预报模型优化生产原料配比和操作工艺参数,确定所述生产原料配比和所述操作工艺参数的优化范围。
10.根据权利要求9所述的聚全氟乙丙烯产品生产系统,其特征在于,所述控制参数优化单元具体包括:
平均值和标准差计算子单元,用于计算所述优类样本点矩形区域内优类样本点的平均值和标准差;所述平均值和标准差包括初始原料配比的平均值和标准差、补加原料配比的平均值和标准差、初始原料加入量的平均值和标准差、补加原料加入量的平均值和标准差;
初始原料配比优化范围确定子单元,用于根据所述初始原料配比的平均值和标准差确定初始原料配比优化范围;
补加原料配比优化范围确定子单元,用于根据所述补加原料配比的平均值和标准差确定补加原料配比优化范围;
初始原料加入量优化范围确定子单元,用于根据所述初始原料加入量的平均值和标准差确定初始原料加入量优化范围;
补加原料加入量优化范围确定子单元,用于根据所述补加原料加入量的平均值和标准差确定补加原料加入量优化范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810369494.9A CN108250342B (zh) | 2018-04-24 | 2018-04-24 | 一种聚全氟乙丙烯产品生产方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810369494.9A CN108250342B (zh) | 2018-04-24 | 2018-04-24 | 一种聚全氟乙丙烯产品生产方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108250342A true CN108250342A (zh) | 2018-07-06 |
CN108250342B CN108250342B (zh) | 2019-07-23 |
Family
ID=62748265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810369494.9A Expired - Fee Related CN108250342B (zh) | 2018-04-24 | 2018-04-24 | 一种聚全氟乙丙烯产品生产方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108250342B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111058061A (zh) * | 2019-10-28 | 2020-04-24 | 上海大学 | 一种提高工业铝电解生产电流效率的方法 |
-
2018
- 2018-04-24 CN CN201810369494.9A patent/CN108250342B/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111058061A (zh) * | 2019-10-28 | 2020-04-24 | 上海大学 | 一种提高工业铝电解生产电流效率的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108250342B (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3161921B2 (ja) | 製品品質影響要因解析方法と装置及び成形条件調整方法、製品良否判別項目選択方法 | |
US20070250214A1 (en) | Method and apparatus for fuzzy logic control enhancing advanced process control performance | |
CN102754040B (zh) | 用于调节注塑过程的方法 | |
CN116307289B (zh) | 一种纺织品加工工序参数检测预测方法、系统及存储介质 | |
CN107627152B (zh) | 一种基于bp神经网络的数控加工切屑控制方法 | |
US20190291215A1 (en) | Machining condition adjustment apparatus and machine learning device | |
CN114861120B (zh) | 浮选泡沫品位计算方法、装置、电子设备及介质 | |
CN110222454B (zh) | 铣削加工精度一致性的工艺设计方法 | |
CN111015006B (zh) | 基于光谱信息的激光电弧复合焊接质量在线监测方法 | |
JP2019135638A (ja) | 生産プロセス中に異常なワークピースを自動検出するためのデータ駆動方法 | |
CN106774243A (zh) | Pid性能评估方法 | |
CN108250342B (zh) | 一种聚全氟乙丙烯产品生产方法及系统 | |
CN111931307A (zh) | 一种零件质量预测和评估优化方法及系统 | |
TWI610749B (zh) | 雷射切割功率調整系統及其功率調整方法 | |
CN116822342A (zh) | 一种锆合金激光切割的工艺识别与性能预测方法 | |
CN108537249B (zh) | 一种密度峰值聚类的工业过程数据聚类方法 | |
CN111985432B (zh) | 一种基于贝叶斯定理和自适应权值调整的多模态数据融合方法 | |
EP3807731B1 (en) | Workpiece surface quality issues detection | |
CN111724203A (zh) | 基于多重回归模型的产品加工价格预估方法及系统 | |
CN112990682A (zh) | 一种基于大数据的化工装置控制参数优化方法和系统 | |
CN111597499B (zh) | 一种工业设备故障维修方案生成方法及系统 | |
CN109523129A (zh) | 一种无人车多传感器信息实时融合的方法 | |
CN107931829B (zh) | 雷射切割功率调整系统及其方法 | |
CN114266286A (zh) | 一种焊接过程信息的在线检测方法及装置 | |
CN112182877A (zh) | 一种复合材料智能化切削加工优化方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190723 Termination date: 20210424 |
|
CF01 | Termination of patent right due to non-payment of annual fee |