CN111459947A - 一种利用大数据技术分析注塑生产过程中环境波动性的方法 - Google Patents
一种利用大数据技术分析注塑生产过程中环境波动性的方法 Download PDFInfo
- Publication number
- CN111459947A CN111459947A CN202010277210.0A CN202010277210A CN111459947A CN 111459947 A CN111459947 A CN 111459947A CN 202010277210 A CN202010277210 A CN 202010277210A CN 111459947 A CN111459947 A CN 111459947A
- Authority
- CN
- China
- Prior art keywords
- data
- fluctuation
- injection molding
- sensor
- curve
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- 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
- B29C45/77—Measuring, controlling or regulating of velocity or pressure of moulding material
-
- 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
- B29C45/78—Measuring, controlling or regulating of temperature
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- B29C2045/7606—Controlling or regulating the display unit
Abstract
本发明公开了一种利用大数据技术分析注塑生产过程中环境波动性的方法,由以下步骤组成,对安装在模具近浇口的压力传感器所产生的数据进行采集、格式化,对去噪后的连续曲线计算波动比,去除工艺与材料的波动,计算环境波动的标准差,判断生产环境波动情况。本发明的有益效果:实时监测注塑生产过程中的环境波动情况,当注塑生产环境波动性较大时,可实时报警,相关人员及时检查注塑生产环境,从而减少因注塑生产环境的波动对注塑制品质量的影响,同时,可对比同一套模具采用相同材料在不同注塑设备生产中的环境波动,从而选择更加稳定的注塑生产设备。
Description
技术领域
本发明涉及注塑数据分析方法技术领域,具体为一种利用大数据技术分析注塑生产过程中环境波动性的方法。
背景技术
在注塑工业行业,注塑制品的质量不仅取决于模具、注塑工艺、材料,还与注塑生产过程中的环境(包括注塑机、模温机等)息息相关。即在同样的模具、注塑工艺和材料下,采用同一套注塑设备生产的注塑制品质量仍然可能存在一定的差别;采用不同注塑设备生产的注塑制品的质量也会存在一定的差别。在当前的技术条件下,还没有技术手段直接测量注塑生产环境对注塑制品的质量影响。
近年来,相关理论研究和实践证明,在既定的注射设备及材料下,模腔压力监测技术是确保长时间生产稳定性及产品质量的有效手段。国外不少传感器厂家,如Kistler、RJG、Priamus、Futaba等,采用各种技术方式采集注塑模具模腔内的压力和温度数据,用以监测注塑制品的质量。
理论上,在既定的模具、注塑工艺、材料条件下,每个生产模次(周期) 的模腔压力曲线应重合。但是由于注塑生产环境的波动性,每个模次压力曲线存在一定的偏差,因此,在利用模腔压力监测技术的基础上,可通过大数据技术分析注塑生产环境过程中的波动情况。
发明内容
本发明的目的在于提供一种利用大数据技术分析注塑生产过程中环境波动性的方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种利用大数据技术分析注塑生产过程中环境波动性的方法,包括以下步骤:
步骤一:对安装在模具的近浇口的压力传感器所产生的数据进行采集、格式化后存入数据库,从传感器采集的原始数据以表格形式统计;
步骤二:对去噪后的连续曲线计算波动比,得到初始波动曲线,对需要分析的模具和对应的批次,选择连续曲线后,可在平台上查询原始的连续曲线;
步骤三:去除工艺与材料的波动,获得环境波动曲线,对初始的环境波动曲线上的数据点进行去噪,即去除明显偏离的点,得到去噪后的环境波动曲线Wave;
优选的,在模具的近浇口安装压力传感器,从传感器采集的原始数据以表格形式显示,其中周期cycle表示注塑生产过程中生产一模产品表示1个周期,传感器位置表示在模具中安装传感器的位置,传感器类型表示在该位置安装的传感器是压力传感器,用数字表示,温度传感器同样用数字表示,某位置如果既有压力传感器,又有温度传感器,表示该位置安装的是温压一体传感器,数据表示该位置的传感器在该周期的采样数据,[TCPKM,DCPKM]表示P 号位置的K类型传感器在第C个周期的第M个采样点的数据是DCPKM,该采样点偏离0.0点的时间是TCPKM;时间TC表示第C个周期的开始注射时间,即数据中 0.0对应的时间。
优选的,原始数据中,每一个周期中的采样时间点不一定重合,即T1112与T2112不一定相等,为了对数据进行对比分析,需要将这些数据采样点进行统一格式化,在对数据格式化过程中,将每秒划分成20等分,即每50毫秒一个格式化采样点,对于刚好在格式化采样点上的数据,可直接采用原始数据,对于不在格式化采样点上的数据,采用线性插值算法补充缺失的数据。
优选的,原始数据[TX0,DX0][TX1,DX1]计算格式化数据[Tformat,Dformat]的计算公式为Dformat=DX0+(Tformat-TX0)(DX1-DX0)/(TX1-TX0),Tformat是50毫秒的倍数,TX0与TX1是与Tformat相邻两个采样点的时间。
优选的,环境没有波动,去噪后的连续曲线为一条直线,即相邻两个点之间的差值为零,通过公式将曲线上相邻两个点的值进行求差计算,其公式为:Sn=DC(n+1)-DCn(n≥1)。
优选的,模具在同样的注塑材料下,在不同注塑设备下的波动进行对比,将公司Sn=DC(n+1)-DCn(n≥1)计算的差值与相邻两个点之间和的平均值进行百分比比较,并放大100倍,得到环境波动比,Wave=(2Sn/(DC(n+1)+DCn))*100,将得到的环境波动比Wave绘制成新的曲线,得到初始的环境波动曲线。
优选的,波动曲线的标准差在-5与5之间,-5≤Sn标准差≤5,注塑制品的生产环境较稳定,反之则需要检查生产环境,如注塑机、模温机、模具。
有益效果
本发明所提供的利用大数据技术分析注塑生产过程中环境波动性的方法,可实时监测注塑生产过程中的环境波动情况,当注塑生产环境波动性较大时,可实时报警,相关人员及时检查注塑生产环境,从而减少因注塑生产环境的波动对注塑制品质量的影响,同时,可对比同一套模具采用相同材料在不同注塑设备生产中的环境波动,从而选择更加稳定的注塑生产设备。
附图说明
图1为本发明理论中的连续曲线与实际生产中的连续曲线示意图;
图2为本发明中工作流程示意图;
图3为本发明中传感器采集的原始数据格式示意图;
图4为本发明中数据格式化计算方法示意图;
图5为本发明中原始的连续曲线示意图;
图6为本发明中去噪后的连续曲线示意图;
图7为本发明中初始的环境波动曲线示意图;
图8为本发明中原始的连续数据曲线示意图;
图9为本发明中去噪后的连续数据曲线示意图;
图10为本发明中初始的环境波动曲线示意图;
图11为本发明中去噪后的环境波动曲线示意图;
图12为本发明中二次去噪后的环境波动曲线示意图。
具体实施方式
以下是本发明的具体实施例,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
实施例
如图1-12所示,一种利用大数据技术分析注塑生产过程中环境波动性的方法,包括以下步骤:
步骤一:对安装在模具的近浇口的压力传感器所产生的数据进行采集、格式化后存入数据库,从传感器采集的原始数据以表格形式统计;
步骤二:对去噪后的连续曲线计算波动比,得到初始波动曲线,对需要分析的模具和对应的批次,选择连续曲线后,可在平台上查询原始的连续曲线;
步骤三:去除工艺与材料的波动,获得环境波动曲线,对初始的环境波动曲线上的数据点进行去噪,即去除明显偏离的点,得到去噪后的环境波动曲线Wave;
优选的,在模具的近浇口安装压力传感器,从传感器采集的原始数据以表格形式显示,其中周期cycle表示注塑生产过程中生产一模产品表示1个周期,传感器位置表示在模具中安装传感器的位置,传感器类型表示在该位置安装的传感器是压力传感器,用数字表示,温度传感器同样用数字表示,某位置如果既有压力传感器,又有温度传感器,表示该位置安装的是温压一体传感器,数据表示该位置的传感器在该周期的采样数据,[TCPKM,DCPKM]表示P 号位置的K类型传感器在第C个周期的第M个采样点的数据是DCPKM,该采样点偏离0.0点的时间是TCPKM;时间TC表示第C个周期的开始注射时间,即数据中 0.0对应的时间。
优选的,原始数据中,每一个周期中的采样时间点不一定重合,即T1112与T2112不一定相等,为了对数据进行对比分析,需要将这些数据采样点进行统一格式化,在对数据格式化过程中,将每秒划分成20等分,即每50毫秒一个格式化采样点,对于刚好在格式化采样点上的数据,可直接采用原始数据,对于不在格式化采样点上的数据,采用线性插值算法补充缺失的数据。
优选的,原始数据[TX0,DX0][TX1,DX1]计算格式化数据[Tformat,Dformat]的计算公式为Dformat=DX0+(Tformat-TX0)(DX1-DX0)/(TX1-TX0),Tformat是50毫秒的倍数,TX0与TX1是与Tformat相邻两个采样点的时间。
优选的,环境没有波动,去噪后的连续曲线为一条直线,即相邻两个点之间的差值为零,通过公式将曲线上相邻两个点的值进行求差计算,其公式为:Sn=DC(n+1)-DCn(n≥1)。
优选的,模具在同样的注塑材料下,在不同注塑设备下的波动进行对比,将公司Sn=DC(n+1)-DCn(n≥1)计算的差值与相邻两个点之间和的平均值进行百分比比较,并放大100倍,得到环境波动比,Wave=(2Sn/(DC(n+1)+DCn))*100,将得到的环境波动比Wave绘制成新的曲线,得到初始的环境波动曲线。
优选的,波动曲线的标准差在-5与5之间,-5≤Sn标准差≤5,注塑制品的生产环境较稳定,反之则需要检查生产环境,如注塑机、模温机、模具。
在模具的近浇口安装压力传感器,从传感器采集的原始数据格式如图3所示,其中,周期(cycle)表示注塑生产过程中生产一模产品表示1个周期 (或模次);传感器位置表示在模具中安装传感器的位置;传感器类型表示在该位置安装的传感器是压力传感器(用数字1表示)还是温度传感器(用数字2表示),某位置如果既有压力传感器,又有温度传感器,表示该位置安装的是温压一体传感器;数据表示该位置的传感器在该周期的采样数据,[TCPKM,DCPKM]表示P号位置的K类型传感器在第C个周期的第M个采样点的数据是DCPKM,该采样点偏离0.0点的时间是TCPKM;时间TC表示第C个周期的开始注射时间,即数据中0.0对应的时间。
在原始数据中,每一个周期中的采样时间点不一定重合,即T1112与T2112不一定相等,因此,为了对数据进行对比分析,需要将这些数据采样点进行统一格式化。
在对数据格式化过程中,将每秒划分成20等分,即每50毫秒一个格式化采样点;对于刚好在格式化采样点上的数据,可直接采用原始数据;对于不在格式化采样点上的数据,采用线性插值算法补充缺失的数据。因此,从原始数据[TX0,DX0][TX1,DX1]计算格式化数据[Tformat,Dformat]的计算方法如图4所示,因此,其计算公式为:Dformat=DX0+(Tformat-TX0)(DX1-DX0)/(TX1-TX0),其中, Tformat是50毫秒的倍数,TX0与TX1是与Tformat相邻2个采样点的时间。对格式化后的数据,将其按模具编号、批次号存入数据库中。我们取实际生产中模具编号为111161(已经过简化处理,非完整编号)的模具在某批次生产中的数据进行实验,其某近浇口压力传感器采集的部分数据经格式化后的数据如下。
Cycle1:[[0.0,0.033],[0.05,0.025],[0.1,0.017],……,[30.0, 88.651]];
Cycle2:[[0.0,-0.003],[0.05,-0.01],[0.1,-0.016],……,[30.0, 86.929]];
Cycle3:[[0.0,0.013],[0.05,0.016],[0.1,0.018],……,[30.0, 89.006]];
Cycle4:[[0.0,0.032],[0.05,0.264],[0.1,-0.139],……,[30.0, 89.937]];
……
Cycle200:[[0.0,0.013],[0.05,-1.739],[0.1,-1.742],……,[30.0,87.072]]。
对去噪后的连续曲线计算波动比,得到初始波动曲线,对需要分析的模具和对应的批次,选择连续曲线后,可在平台上查询原始的连续曲线,曲线示意图如图5所示。对图中的曲线进行去噪,即去除明显偏离的点(一般因产生次品导致的偶发性突变),得到去噪后的连续曲线数据,如图6所示。理论上,如果环境没有波动,去噪后的连续曲线应为一条直线,即相邻2个点之间的差值为零。因此,对图中去噪后的压力连续曲线,将曲线上相邻2个点的值进行求差计算:Sn=DC(n+1)-DCn(n≥1);
为了某模具在同样的注塑材料下,在不同注塑设备(环境)下的波动进行对比,将上面计算的差值与相邻2个点之间和的平均值进行比较(百分比),并放大100倍,得到环境波动比(数值在-100—100之间):Wave=(2Sn/(DC(n+1)+ DCn))*100;
将得到的环境波动比Wave绘制成新的曲线,得到初始的环境波动曲线,如图7所示。针对图7中的模具111161的200个生产周期的曲线数据,绘制其原始的连续曲线(每周期压力最大值),如图8所示;对该连续数据曲线进行去噪(去除因产生次品导致的偶发性突变),得到新的连续曲线,见图9去噪后的连续数据曲线,去噪后的连续数据曲线,对相邻2个点进行求波动比计算,得到初始的环境波动曲线;
如图10所示;对初始的环境波动曲线上的数据点进行去噪,即去除明显偏离的点(这些点是由于更换材料或调整工艺造成的),得到去噪后的环境波动曲线Wave;
如图11所示,针对图10的模具111161的在某次生产过程中初始的环境波动曲线,对其进行去噪;
去噪后的环境波动曲线如图12所示,对去噪后的环境波动曲线Sn,计算标准差:如果波动曲线的标准差在-5与5之间,即 -5≤Sn标准差≤5,则认为该注塑制品的生产环境较稳定,反之则需要检查生产环境,如注塑机、模温机、模具等。
针对图12的模具111161的在某次生产过程中去噪后的环境波动曲线,对其计算标准差为:0.11039。
由于-5≤0.11039≤5,所以模具111161的在该次生产过程中的环境波动性良好。
该方法也可以比较同一套模具采用相同材料在不同注塑设备生产中的环境波动差异性。
在注塑生产过程中的环境(包括注塑机、模温机等)波动将导致生产出的产品在重量、外观、性能等方面存在一定的差异,而这些差异可能会导致最终产品的质量问题。
通过本发明可实时监测注塑生产过程中的环境波动情况,当注塑生产环境波动性较大时,可实时报警,相关人员及时检查注塑生产环境,从而减少因注塑生产环境的波动对注塑制品质量的影响。同时,可对比同一套模具采用相同材料在不同注塑设备(如注塑机、模温机)生产中的环境波动,从而选择更加稳定的注塑生产设备
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明性的保护范围之内的发明内容。
Claims (7)
2.根据权利要求1所述的利用大数据技术分析注塑生产过程中环境波动性的方法,其特征在于:在模具的近浇口安装压力传感器,从传感器采集的原始数据以表格形式显示,其中周期cycle表示注塑生产过程中生产一模产品表示1个周期,传感器位置表示在模具中安装传感器的位置,传感器类型表示在该位置安装的传感器是压力传感器,用数字表示,温度传感器同样用数字表示,某位置如果既有压力传感器,又有温度传感器,表示该位置安装的是温压一体传感器,数据表示该位置的传感器在该周期的采样数据,[TCPKM,DCPKM]表示P号位置的K类型传感器在第C个周期的第M个采样点的数据是DCPKM,该采样点偏离0.0点的时间是TCPKM;时间TC表示第C个周期的开始注射时间,即数据中0.0对应的时间。
3.根据权利要求2所述的利用大数据技术分析注塑生产过程中环境波动性的方法,其特征在于:原始数据中,每一个周期中的采样时间点不一定重合,即T1112与T2112不一定相等,为了对数据进行对比分析,需要将这些数据采样点进行统一格式化,在对数据格式化过程中,将每秒划分成20等分,即每50毫秒一个格式化采样点,对于刚好在格式化采样点上的数据,可直接采用原始数据,对于不在格式化采样点上的数据,采用线性插值算法补充缺失的数据。
4.根据权利要求3所述的采用线性插值算法补充缺失数据的方法,其特征在于:原始数据[TX0,DX0][TX1,DX1]计算格式化数据[Tformat,Dformat]的计算公式为Dformat=DX0+(Tformat-TX0)(DX1-DX0)/(TX1-TX0),Tformat是50毫秒的倍数,TX0与TX1是与Tformat相邻两个采样点的时间。
5.根据权利要求1所述的利用大数据技术分析注塑生产过程中环境波动性的方法,其特征在于:如果环境没有波动,则去噪后的连续曲线应为一条直线,即相邻两个点之间的差值为零,通过公式将曲线上相邻两个点的值进行求差计算,其公式为:Sn=DC(n+1)-DCn(n≥1)。
6.根据权利要求1所述的利用大数据技术分析注塑生产过程中环境波动性的方法,其特征在于:为了对比模具在同样的注塑材料下,在不同注塑设备下的波动情况,将Sn=DC(n+1)-DCn(n≥1)计算的差值与相邻两个点之间和的平均值进行百分比比较,并放大100倍,得到环境波动比,Wave=(2Sn/(DC(n+1)+DCn))*100,将得到的环境波动比Wave绘制成新的曲线,得到初始的环境波动曲线。
7.根据权利要求1所述的利用大数据技术分析注塑生产过程中环境波动性的方法,其特征在于:波动曲线的标准差在-5与5之间,-5≤Sn标准差≤5,注塑制品的生产环境较稳定,反之则需要检查生产环境,如注塑机、模温机、模具。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010277210.0A CN111459947A (zh) | 2020-04-10 | 2020-04-10 | 一种利用大数据技术分析注塑生产过程中环境波动性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010277210.0A CN111459947A (zh) | 2020-04-10 | 2020-04-10 | 一种利用大数据技术分析注塑生产过程中环境波动性的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111459947A true CN111459947A (zh) | 2020-07-28 |
Family
ID=71685261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010277210.0A Pending CN111459947A (zh) | 2020-04-10 | 2020-04-10 | 一种利用大数据技术分析注塑生产过程中环境波动性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111459947A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112677437A (zh) * | 2020-12-07 | 2021-04-20 | 上海澎睿智能科技有限公司 | 一种通过数据分析验证模具内流动平衡性的方法 |
CN113276370A (zh) * | 2020-12-07 | 2021-08-20 | 上海澎睿智能科技有限公司 | 利用注塑模腔内传感器数据进行注塑工艺能力分析的方法 |
CN113665079A (zh) * | 2021-08-24 | 2021-11-19 | 武汉市衡德实业有限公司 | 一种塑料注塑成型工艺控制方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0197431A2 (de) * | 1985-04-11 | 1986-10-15 | Battenfeld GmbH | Verfahren zum geregelten Spritzgiessen auf unterschiedlichen Kunststoff-Spritzgiessmaschinen mit stets gleichen Formteileigenschaften und gleichen Massen |
CN110920010A (zh) * | 2019-10-29 | 2020-03-27 | 上海澎睿智能科技有限公司 | 基于大数据分析的注塑工艺生产方法 |
-
2020
- 2020-04-10 CN CN202010277210.0A patent/CN111459947A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0197431A2 (de) * | 1985-04-11 | 1986-10-15 | Battenfeld GmbH | Verfahren zum geregelten Spritzgiessen auf unterschiedlichen Kunststoff-Spritzgiessmaschinen mit stets gleichen Formteileigenschaften und gleichen Massen |
CN110920010A (zh) * | 2019-10-29 | 2020-03-27 | 上海澎睿智能科技有限公司 | 基于大数据分析的注塑工艺生产方法 |
Non-Patent Citations (2)
Title |
---|
王艳青;王茜;陈楠;: "袋式法VOC测试影响因素分析及准确度提升研究" * |
蔡华;郭滨;: "基于标准差的注塑产品翘曲分析及方案优选" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112677437A (zh) * | 2020-12-07 | 2021-04-20 | 上海澎睿智能科技有限公司 | 一种通过数据分析验证模具内流动平衡性的方法 |
CN113276370A (zh) * | 2020-12-07 | 2021-08-20 | 上海澎睿智能科技有限公司 | 利用注塑模腔内传感器数据进行注塑工艺能力分析的方法 |
CN113665079A (zh) * | 2021-08-24 | 2021-11-19 | 武汉市衡德实业有限公司 | 一种塑料注塑成型工艺控制方法及系统 |
CN113665079B (zh) * | 2021-08-24 | 2023-06-30 | 武汉市衡德实业有限公司 | 一种塑料注塑成型工艺控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459947A (zh) | 一种利用大数据技术分析注塑生产过程中环境波动性的方法 | |
CN110716500B (zh) | 用于确定温度敏感区间分段建模点的方法与系统 | |
CN105415629B (zh) | 一种注塑过程在线质量检测仪 | |
CN104608402A (zh) | 飞机用复合材料型面精准成型变形补偿方法 | |
CN110920010B (zh) | 基于大数据分析的注塑工艺生产方法 | |
CN109614651A (zh) | 一种注塑件加工参数与变形关系的高精度估算方法 | |
CN116933210B (zh) | 基于多维传感器的食品加工灌装设备监测方法及系统 | |
CN111339667B (zh) | 一种对注塑生产过程中压力和温度监测数据进行去噪的处理方法 | |
KR101290287B1 (ko) | 대표값 산출 장치 및 방법 | |
CN113780852B (zh) | 一种板带轧制过程质量缺陷的诊断方法 | |
Agung et al. | Increased Productivity of Injection Molding with Analysis of Overall Equipment Effectiveness (OEE) | |
CN109614758B (zh) | 具有空间相关性的圆形形状误差的监控方法 | |
CN116522096A (zh) | 基于动作捕捉的三维数字孪生内容智能制作方法 | |
CN108445855B (zh) | 基于K-means的注塑机配方参数优化方法 | |
CN113276370A (zh) | 利用注塑模腔内传感器数据进行注塑工艺能力分析的方法 | |
CN114239378A (zh) | 一种基于自定义LightGBM模型损失的注塑制品尺寸预测方法 | |
CN113665079B (zh) | 一种塑料注塑成型工艺控制方法及系统 | |
CN112677437A (zh) | 一种通过数据分析验证模具内流动平衡性的方法 | |
CN114722888A (zh) | 一种基于Wasserstein距离的早期故障检测方法 | |
CN114654623B (zh) | 注塑模具反变形修正方法 | |
CN109676865B (zh) | 基于电容式传感器的注塑凝固过程的在线监测方法 | |
CN111002564B (zh) | 一种吹塑成形工艺参数在线调控方法 | |
CN109932908B (zh) | 一种基于报警信度融合的多向主元分析过程监测方法 | |
CN202011124U (zh) | 一种热塑性塑料收缩率检测试验注塑模具 | |
CN117841307A (zh) | 一种基于光栅电子尺的注塑格林柱受力监测系统 |
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 |