CN112423876A - 用于确定生产聚合物产品的生产参数的方法和计算机系统 - Google Patents
用于确定生产聚合物产品的生产参数的方法和计算机系统 Download PDFInfo
- Publication number
- CN112423876A CN112423876A CN201980041024.2A CN201980041024A CN112423876A CN 112423876 A CN112423876 A CN 112423876A CN 201980041024 A CN201980041024 A CN 201980041024A CN 112423876 A CN112423876 A CN 112423876A
- Authority
- CN
- China
- Prior art keywords
- product
- user
- parameter
- production
- polymer
- 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
- 229920000642 polymer Polymers 0.000 title claims abstract description 167
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 99
- 230000008569 process Effects 0.000 claims abstract description 54
- 239000002994 raw material Substances 0.000 claims abstract description 40
- 238000012360 testing method Methods 0.000 claims description 19
- 229920002635 polyurethane Polymers 0.000 claims description 17
- 239000004814 polyurethane Substances 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 3
- 239000012948 isocyanate Substances 0.000 claims description 3
- 150000002513 isocyanates Chemical class 0.000 claims description 3
- 229920005862 polyol Polymers 0.000 claims description 3
- 150000003077 polyols Chemical class 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 239000004604 Blowing Agent Substances 0.000 claims description 2
- 239000004970 Chain extender Substances 0.000 claims description 2
- 239000004971 Cross linker Substances 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 239000003054 catalyst Substances 0.000 claims description 2
- 239000003063 flame retardant Substances 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims description 2
- 239000000049 pigment Substances 0.000 claims description 2
- 239000004094 surface-active agent Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 17
- 239000000203 mixture Substances 0.000 description 16
- 238000009472 formulation Methods 0.000 description 15
- 239000006260 foam Substances 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 239000002984 plastic foam Substances 0.000 description 4
- 239000004417 polycarbonate Substances 0.000 description 4
- 229920000515 polycarbonate Polymers 0.000 description 4
- 229920000582 polyisocyanurate Polymers 0.000 description 4
- 239000011495 polyisocyanurate Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 2
- 239000004202 carbamide Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 239000002861 polymer material Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- JOYRKODLDBILNP-UHFFFAOYSA-N urethane group Chemical group NC(=O)OCC JOYRKODLDBILNP-UHFFFAOYSA-N 0.000 description 2
- 229920005830 Polyurethane Foam Polymers 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 239000004088 foaming agent Substances 0.000 description 1
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 229920000162 poly(ureaurethane) Polymers 0.000 description 1
- 239000011496 polyurethane foam Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
- B01J19/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
- B01J19/0006—Controlling or regulating processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
- B01J19/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
- B01J19/0006—Controlling or regulating processes
- B01J19/0033—Optimalisation processes, i.e. processes with adaptive control systems
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08G—MACROMOLECULAR COMPOUNDS OBTAINED OTHERWISE THAN BY REACTIONS ONLY INVOLVING UNSATURATED CARBON-TO-CARBON BONDS
- C08G18/00—Polymeric products of isocyanates or isothiocyanates
- C08G18/06—Polymeric products of isocyanates or isothiocyanates with compounds having active hydrogen
- C08G18/08—Processes
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
- B01J2219/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
- B01J2219/00049—Controlling or regulating processes
- B01J2219/00243—Mathematical modelling
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Organic Chemistry (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Polymers & Plastics (AREA)
- Casting Or Compression Moulding Of Plastics Or The Like (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing And Handling Of Plastics And Other Materials For Molding In General (AREA)
- Polyurethanes Or Polyureas (AREA)
Abstract
本发明涉及用于确定生产聚合物产品的生产参数(1)的方法,其中提供了一种预测模型(7),用于在计算机系统上基于聚合物产品属性(4)计算生产参数(1),所述生产参数(1)包括指定用于聚合物生产的原材料部分的配方部分(2),并且包括指定在聚合物生产期间的处理属性的处理参数(3),其中向所述计算机系统提供用户输入,所述用户输入包括指定聚合物产品属性(4)的用户产品参数目标(5),其中所述计算机系统将所述用户产品参数目标(5)应用于所述预测模型,以计算用于与所述用户产品参数目标(5)相关联的聚合物产品的生产的结果生产参数(11)。本发明还涉及对应的计算机系统。
Description
本发明针对用于确定生产聚合物产品的生产参数的方法以及用于确定生产聚合物产品的生产参数的计算机系统。
存在对于聚合物产品的广泛的不同应用。此处和下文中的聚合物产品是基本上由聚合物材料(即一种或多种聚合物)组成的产品。因此,对于那些聚合物产品,还存在所规定的广泛且强烈变化的不同产品属性规格。这些不同的规格确定了相应聚合物产品的重量、刚度、排放、温度耐久性和许多其他特征的期望值或值范围。进一步地,聚合物产品的属性不仅取决于指定用于聚合物产品的材料成分的配方,而且还取决于在聚合物产品的生产处理中所应用的不同处理参数,包括所使用的生产工具的属性。
具体配方和所使用的处理参数这二者与所得到的聚合物产品的属性之间的相互依赖性非常复杂。尽管存在一些理论上的考虑,即,为配方成分或一方面的处理参数与另一方面的聚合物产品属性之间的一些相关性提供了通用公式,但是在确定具有对应处理参数的新配方以便获得根据特定产品规格的聚合物产品方面,这些通用公式所起的作用相对较小。相反,通常的处理涉及从已知配方和已知处理参数出发,从而得到具有已知属性的产品,并且然后基于先前的经验和一般考虑进行调整。基于这些调整,生产了许多样品产品,并通过实验确定了它们的相关属性。基于该方法,经常会重复进行试错的循环,直到充分达到或接近期望的产品属性。显然,该处理不仅在生产时间和工作量这两方面都是昂贵的,而且由于其实质上是无系统的,因此也不可靠,因此很难估计在给定的样品生产运行次数内接近期望规格的可能性。因此,从该现有技术方法出发,期望改进处理,以便可以使用来自过去配方的知识,使得用户能够确定具有对应处理参数的合适配方,以便获得具有预先指定材料和其他产品属性的产品。
因此,本发明的目的在于提供一种用于确定生产聚合物产品的生产参数的方法和计算机系统,该方法准许利用更少的附加实验来更精确地确定适于获得具体材料属性的生产参数。
关于用于确定生产聚合物产品的生产参数的方法,本发明的目的通过具有权利要求1所述特征的用于确定生产聚合物产品的生产参数的方法来实现。关于用于确定生产聚合物产品的生产参数的计算机系统,本发明的目的通过具有权利要求15所述特征的用于确定生产聚合物产品的生产参数的计算机系统来实现。
本发明基于这样的认识,即可以通过利用数值预测模型来减少试错的循环,该数值预测模型准许基于所输入的配方数据和处理参数来获得所计算的生产参数的输出。本发明进一步基于这样的认识,即单独查看配方数据或处理参数是不够的,而是这两组变量都需要以集成的方式进行处理。从所期望的产品属性的规格出发,数值预测模型然后可以提供合适的配方和对应的参数这两者,以用于处理来自该配方的材料以便获得期望的产品属性。因此,可以在很大程度上省略试错的循环。因此,减少了开发时间和生产成本。
根据本发明的方法是为了确定用于生产聚合物产品的生产参数,其中提供了预测模型,用于在计算机系统上基于聚合物产品属性来计算生产参数。
换言之,预测模型是计算机程序或计算机程序的参数集,该计算机程序在计算机设备上执行,并且至少将期望的聚合物产品属性作为输入,并且至少提供生产参数作为输出。具有微处理器的任何电子设备表达目前意义上的计算机设备。
原则上,聚合物产品可以是实质上由一种或多种不同聚合物材料组成的任何产品。因此,聚合物产品属性可以是任何聚合物产品的属性,并且聚合物生产可以指代任何聚合物产品的生产。
聚合物产品可以是聚氨酯产品或聚异氰脲酸酯产品。因此,聚合物产品属性可以是聚氨酯或聚异氰脲酸酯产品属性,聚合物生产可以是聚氨酯或聚异氰脲酸酯生产,并且聚合物配方可以是聚氨酯或聚异氰脲酸酯配方。可替代地或附加地,聚合物产品可以是泡沫产品。因此,可替代地或附加地,聚合物产品属性可以是泡沫产品属性,聚合物生产可以是泡沫生产,并且聚合物配方可以是泡沫配方。
优选地,聚合物产品是聚碳酸酯产品。因此,聚合物产品属性可以是聚碳酸酯产品属性,聚合物生产可以是聚碳酸酯生产,并且聚合物配方可以是聚碳酸酯配方。
在根据本发明的方法中,生产参数包括指定用于聚合物生产的原材料部分的配方部分。换言之,配方部分指定使用什么原材料以及以什么比例用于生产聚合物产品。这也涉及可以用于聚合物产品的生产但是实质上不是聚合物产品的一部分的材料,诸如发泡剂。生产参数可以进一步包括从配方部分和化学组分的属性(诸如密度和/或羟基值)中取得的计算/模拟数据。
在根据本发明的方法中,生产参数还包括指定在聚合物生产期间的处理属性的处理参数。优选地,处理参数包括指定在聚合物生产期间的机器处理属性的机器处理参数。在目前的意义上,机器可以是任何种类的装置,并且特别是用于聚合物生产的任何或所有步骤的实验室装置。机器处理参数可以包括用于处理原材料以便获得聚合物产品的机器或机器组的设置。机器处理参数还可以包括机器或机器组的恒定特性。这些可以包括机器或机器组的几何尺寸、最大功率等。
优选地,处理参数包括指定在聚合物生产期间的环境属性的环境处理参数。这样的环境属性可以描述从周围的环境取得的任何传感器结果,诸如温度、压力或湿度。
进一步地,在根据本发明的方法中,向计算机系统提供用户输入,该用户输入包括指定用户产品参数产品属性的用户产品参数目标。
换言之,用户输入以聚合物产品的期望属性的形式为预测模型提供上面提及的输入参数。用户产品参数目标也可以涉及值范围,而不是具体的单个值。例如,通过参考已知聚合物产品的已知聚合物产品属性,还可以间接地给出用户产品参数目标,。
根据本发明的方法,计算机系统将用户产品参数目标应用于预测模型,以计算用于生产与用户产品参数目标相关联的聚合物产品的结果(resultant)生产参数。与用户产品参数目标相关联的聚合物产品也可以表示为用于实现用户产品参数目标的聚合物产品。这意味着结果生产参数使得用户产品参数目标至少接近于根据生产参数生产的聚合物产品。对于不同的情况,通过这样的聚合物产品实际上实现那些聚合物产品属性的程度可以不同。要注意的是,可能发生、也可能不会发生实际应用结果生产参数来生产聚合物产品。
将用户产品参数目标应用于预测模型还可以包括预测模型基于聚合物产品属性确定并且特别是计算导出值或中间值。然后,这些导出值或中间值可以用于以与使用用户产品参数目标的聚合物产品属性的方式相同的方式计算结果生产参数。换言之,当将用户产品参数目标应用于预测模型时,可以计算并依赖辅助值。
另外,生产参数还可以包括用于描述原材料部分的动态行为的配方描述数据。例如,如果聚合物生产是泡沫生产,并且泡沫是根据原材料部分由原材料反应产生的,则配方描述数据可以描述与该反应相关的属性。因此,配方描述数据可以指定开始时间、上升时间和/或设定时间。另外,在聚脲或聚氨酯泡沫产品的情况下,配方描述数据可以指定脲或尿烷部分和/或脲和尿烷结密度。
聚合物产品属性原则上可以与由生产参数导致的聚合物产品的任何物理或化学属性相关。特别地,聚合物产品属性可以包括密度、压缩特性、恢复特性、压缩硬度、热导率、压缩强度、扭转刚度和/或阻燃性。
原则上,对于根据本发明的方法,可以或可以不以任何任意方式使用结果生产参数。然而,根据该方法的优选实施例,生产参数包括指定在生产期间的机器处理属性的机器处理参数。进一步优选的是,将结果生产参数的机器处理属性应用于根据配方部分向机器提供原材料以用于生产聚合物,使得通过机器从原材料生产聚合物产品。优选的是,机器处理属性包括用户可设置的机器处理设置,并且优选地将结果生产参数应用于选择机器中的机器处理设置以用于生产聚合物,使得通过机器从原材料生产聚合物产品。因此,在该优选实施例中,该方法以产生实际的聚合物产品结束。
预测模型可能只计算结果生产参数。然而,根据该方法的进一步优选实施例,预测模型确定结果生产参数的合成置信值,当将用户产品参数目标应用于预测模型时,该置信值描述了关于聚合物产品的用户产品参数目标的准确度。该置信值不是用户产品参数目标与根据结果生产参数生产的聚合物产品的实际聚合物产品属性之间的实际差异的固定且精确的度量。替代地,它是基于针对那些结果生产参数的预测模型的质量的、对结果生产参数显现的可靠性的度量。因此,置信值也可以被描述为关于用户产品参数目标的预计准确度。
预测模型可能只计算生产参数的单个实例,即用于生产单个聚合物产品的生产参数。在该方法的优选实施例中,当将用户产品参数目标应用于预测模型时,预测模型计算用于与用户产品参数目标相关联的多个聚合物产品的生产的多个结果生产参数。当存在几个候选生产参数时,这是有利的,这也可能是取决于关于特定用户产品参数目标的预测模型的质量的情况。在该情况下,可以将多个结果生产参数用于特定的实验生产,或者可以基于专家(例如,计算机系统的用户)的考虑来选择结果生产参数的优选实例。预测模型本身可能包含与结果生产参数中的每个实例的相对准确度相关的信息。在此,进一步优选的是,当将用户产品参数目标应用于预测模型时,预测模型为结果生产参数中的每一个确定合成置信值。
在该方法的进一步优选实施例中,用户输入包括用于指定结果生产参数的最小置信值的用户置信限,并且结果生产参数中的每个的合成置信值至少等于用户置信限。通过该方式,用户可以至少间接地影响或确定用户想要如何从预测模型获得候选生产参数。特别是即使在实验室生产成本昂贵的情况下,可以先验地排除预计准确度较低的生产参数。
可能的是,用户没有对可以被考虑用于实现用户产品参数目标的原材料施加限制。然而,根据该方法的优选实施例,用户输入包括来自计算机系统中预定义的原材料列表的原材料用户选择,从而定义用于聚合物配方的原材料组合,并且配方部分从原材料用户选择中指定原材料部分。因此,用户可以限制由预测模型生成的用于实现用户产品参数目标的那些原材料。当出于经济、物流或其他原因而无法或无法快速使用一些原材料时或者当尤其优选地使用一些其他原材料时,这可能是有用的。
原则上,用于聚合物生产的任何原材料可以由配方部分指定,即使完成的聚合物产品中不存在该原材料。根据该方法的进一步优选实施例,用户选择的原材料包括异氰酸酯和多元醇。用户选择的原材料还可以包括多种异氰酸酯和/或多种多元醇。用户选择的原材料还可以包括发泡剂。优选地,用户选择的原材料进一步包括扩链剂、交联剂、用于加速聚氨酯形成的催化剂、阻燃剂、颜料和/或表面活性剂。进一步地,用户选择的原材料可以包括任何种类的填料。
用户产品参数目标不仅可以通过对每个聚合物产品属性具有一个特定的设定值来提供,而且还可以通过为每个聚合物产品属性提供多个设定值或一个值范围来提供。在该上下文中,该方法的优选实施例的特征在于,用户产品参数目标包括针对相应的聚合物产品属性的至少一个产品参数范围,该产品参数范围定义了在计算机系统中针对该聚合产品属性预定义的最大部分范围内的子范围,并且该计算机系统将用户产品参数目标应用于预测模型,使得针对每个产品参数范围内的多个产品参数值,计算结果生产参数。因此,当提供这样的产品参数范围时,还计算与产品参数范围中的多个产品参数值相对应的多个结果生产参数。
优选地,用户产品参数目标包括针对相应的聚合物产品属性的多个产品参数范围。当针对多个聚合物产品属性提供这样的相应产品参数范围时,相应地,多个结果生产参数可以对应于来自多个产品参数范围的产品参数值的一组组合。
对于同一个聚合物产品属性,也可以存在几个产品参数范围。因此,优选的是,对于一个聚合物产品属性,用户产品参数目标包括至少多个非重叠的产品参数范围。
原则上,可以以任意方式确定产品参数范围内的多个产品参数值。一种可能性是利用给定的分辨率或粒度来扫描产品参数范围。因此,根据该方法的优选实施例,用户产品参数目标包括针对每个产品参数范围的产品参数分辨率,该产品参数分辨率定义了用于在相应的产品参数范围内更改产品参数值的步长值,并且计算机系统将用户产品参数目标应用于预测模型,使得通过根据步长值更改产品参数值来确定每个产品参数范围内的多个产品参数值。这样的产品参数分辨率也可以因产品参数范围而异。优选地,对于同一聚合物产品属性,两个产品参数范围的相应产品参数分辨率是不同的。
机器处理属性原则上可以与应用于在聚合物产品生产中涉及的设备、机器或机组的任何设置或描述这样的设备、机器或机组的任何恒定特性相关。特别地,用户可设置的机器处理设置可以包括用于在聚合物产品生产中可变地调整机器操作的机器处理设置。根据该方法的进一步优选实施例,机器处理属性,优选地用户可设置的机器处理设置,包括组分温度、混合时间、混合比例、工具温度、排流能力和/或线速度。所描述的所有机器处理属性都特别地用于聚合物生产。
可能的是,用户产品参数目标指定根据预测模型可以指定的所有聚合物产品属性。也可能的是,用户产品参数目标仅与可指定的产品属性的子集相关。因此,根据该方法的进一步优选实施例,用户产品参数目标由可选择聚合物产品属性集合的用户选择的严格子集构成。此外,并非每个由用户产品参数目标指定的聚合物产品属性都必须被分派相同的重要性。优选地,用户输入包括用户加权因子的集合,其中每个加权因子与用户选择的聚合物产品属性相关联,并且描述了实现对应用户产品参数目标的相对重要性。因此,预测模型可以基于该加权因子以不同的重要性来处理每个用户产品参数目标。
原则上,预测模型可以以任何方式得出,并且基于任何考虑生成。然而,当预测模型可以基于优选地大量历史配方数据时,这特别有用。因此,该方法的优选实施例的特征在于,在计算机系统上提供了配方数据库,配方数据库包括相应聚合物产品的测试条目,其中每个测试条目包括与该聚合物产品相关联的聚合物产品属性数据,并且包括指定用于生产该聚合物产品的原材料部分的配方部分数据,并且包括指定在该聚合物产品生产期间的处理属性的处理参数数据。
配方数据库可以是单个数据库,或者可以是几个数据库的系统,其中在所述几个数据库中的每个中存储不同种类的信息。
聚合物产品属性数据可以包括从聚合物产品或多个这样的产品中测量的测量数据。换言之,测量数据可以已经通过根据测试条目对固化塑料泡沫产品进行的测试而获得。历史实验室数据库和固化塑料泡沫产品大规模生产运行可以提供这样的数据。
进一步地,聚合物产品属性数据可以包括描述应用于获得测量数据的测量处理的测量情况数据。该测量情况数据可以描述在获得测量数据时所应用的测量装置属性,特别是测量装置设置。测量情况数据还可以包括在获得测量数据时的环境属性,其可以包括温度和压力。
进一步地,测量数据还可以包括从其获得测量数据的聚合物产品的使用属性,该使用属性描述了在获得测量数据之前该聚合物产品的使用。例如,这些使用属性可以包括从其获得测量数据的聚合物产品的存储持续时间以及在从其获得测量数据的聚合物产品的存储期间的环境属性。使用属性还可以包括机械应力和/或化学暴露,优选地连同关于该机械应力和/或化学暴露的时间信息。使用属性可以进一步包括在给定的时间跨度内可变的机械应力和/或化学暴露的相应分布。
然而,聚合物属性数据中可能会出现缺失值。优选地,聚合物属性数据包括重构数据。因此,重构数据用于填补这样的缺失值。这样的重构数据可以是通过应用解析公式计算的数据。还可以基于内插或外推、基于统计分析和/或基于专家知识来确定这样的重构数据。填补缺失值的方式可以是使用统计分析和/或专家知识。统计分析可以基于每个参数的给定值来提供中值、平均值、期望值、最小值或最大值。专家知识包括具有对应生产参数的类似配方的知识以及化学属性的知识。
使用历史和测量数据的优点在于,基于它们的预测模型不需要依赖于可能变得不准确的理论假设。优选地,通过在配方数据库上执行数值分析程序来生成预测模型。原则上,任何种类的数值分析都可以用于生成预测模型。有利地,数值分析程序优选地包括多变量分析、机器学习、深度学习和/或人工智能。
预测模型据其基于聚合物产品属性计算生产参数的方式一般可以是任何种类的方式。根据本发明的优选实施例,预测模型定义了多变量函数关系,其中聚合物产品属性作为输入参数,而生产参数作为输出参数。在此,进一步优选的是,当计算机系统生成预测模型时,输入参数与输出参数之间的依赖性基于拟合算法,以将预测模型与配方数据库的测试条目进行匹配。对于这种拟合,可以使用任何种类的拟合算法。要注意的是,就配方数据库的测试条目而言,预测模型实际上不需要在任何意义上都是最佳的。
在进一步的优选实施例中,当配方数据库发生改变时,特别是当将新的测试条目添加到配方数据库和/或当将新的数据添加到配方数据库的现有测试条目时,(特别是自动地)重新生成预测模型。因此,任何正在进行的新的测量都不断地提高预测模型的质量。
以组合并且因此统一的方式分析配方部分和配方数据库的处理参数这两者的一个优点在于,可以确定一方面的配方部分中的一个或多个参数与另一方面的处理参数之间的特定关系。如果仅对这些关系进行单独地分析,则这样的关系可能仍未被发现。因此,根据本发明的进一步优选实施例,当计算机系统生成预测模型时,计算机系统执行涉及配方部分维度和处理参数维度这两者的维度缩减。优选地,维度缩减的执行包括主成分分析,以便确定具有比生产参数更少的主成分的一组主成分,并且所确定的至少一个主组分包括配方部分维度和处理参数维度这两者。
一般来说,当基于对来自配方数据库的数据的数值分析生成预测模型时,用于预测模型的数据越多,预测模型通常变得越准确。然而,可能的是只有用户产品参数目标的某个参数区域与指定的目标产品属性相关。在这样的情况下,当将用于预测模型的数据基础限制在相关用户产品参数目标的接近范围内时,用户产品参数目标的该参数区域的预测模型可以更准确。通过该方式,防止接近范围外的异常值影响相关范围中的预测模型。因此,该方法的优选实施例的特征在于,用户输入包括针对相应用户产品参数目标的至少一个属性接近范围,该属性接近范围定义了计算机系统中针对该用户产品参数目标预定义的最大属性范围内的子范围,并且当计算机系统生成预测模型时,为了确定利用该聚合物产品属性作为输入参数的函数关系,仅考虑该聚合物产品属性在接近范围内的测试条目。
根据本发明的计算机系统用于确定用于生产聚合物产品的生产参数。根据本发明的计算机系统包括计算机布置和用于基于存储在计算机布置上的聚合物产品属性来计算生产参数的预测模型,该生产参数包括指定用于聚合物生产的原材料部分的配方部分,并且包括指定在聚合物生产期间的机器处理设置的处理参数。在根据本发明的计算机系统中,计算机布置被配置为接收用户输入,所述用户输入包括指定聚合物产品属性的用户产品参数目标,并且进一步被配置为将用户产品参数目标应用于预测模型,以计算用于生产与用户产品参数目标相关联的聚合物产品的结果生产参数。该计算机布置可以包括通过任意网络(例如,互联网)链接的一个或多个计算机设备,并且因此可以是分布式计算机布置。
根据本发明的计算机系统的优选实施例、特征和优点对应于根据本发明的方法的那些,并且反之亦然。
在以下关于附图的描述中讨论了进一步的有利和优选特征。在下面,
在图1中示出了根据本发明的方法的实施例的功能原理的图示,并且
在图2中示出了根据本发明的实施例的计算机系统。
根据本发明的方法用于确定用于生产聚合物产品的生产参数1。所述聚合物产品在本示例中是聚氨酯。更一般地,根据本发明的方法的用户正在寻求标识用于生产聚合物产品的制法,所述聚合物产品在这里是聚氨酯产品。依据生产参数1来设定期望的制法,生产参数1在此首先依据配方部分2定义,配方部分2描述了在聚氨酯产品的生产中所使用的原材料的相应比例。因此由生产参数1组成的配方部分2仅沿一个轴(这里是x轴)以简化方式被图示,即使配方部分2是多维的。
其次,依据也由生产参数1组成的处理参数3来描述该制法,该处理参数确定机器的属性,包括实验室中较小规模的机器的设置或工厂中较大规模的机器的设置,用于根据配方部分2从成分中生产聚氨酯产品。与配方部分2一样,处理参数3也仅沿一个轴(这里是y轴)以简化方式被图示,即使处理参数3也是多维的。
配方部分2和处理参数3一起形成定义这样的制法的生产参数1,尽管生产参数1可能包括附加信息。
用户努力地标识特定的生产参数1,使得结果聚氨酯产品表现出根据用户产品参数目标5的物理特性,该用户产品参数目标5描述了聚合物产品属性4,在此是固化塑料泡沫产品属性。这样的聚合物产品属性4在此包括聚氨酯产品的广泛物理或化学属性,诸如密度、压缩强度、尺寸稳定性、热阻、防火性能和排放。在图1中,仅为了清楚起见,以简化方式沿一个轴(z轴)图示了这些聚合物产品属性4的总体,正如对配方部分2和处理参数3所做的那样。实际上,聚合物产品属性4对应于值的阵列,因此是多维的。
用户产品参数目标5可以产生于具体的客户请求,或者可以被确定为使得聚氨酯产品可以用于特定组件或以一些特定方式用于更大的布置。
与它们描述的聚合物产品属性4一样,这里将用户产品参数目标5图示为沿着与聚合物产品属性4相对应的一维轴的单个值,尽管在实践中它们在几个方向上延伸。此外,并且还与图1的图示有所偏离的是,用户产品参数目标5不仅仅指定聚合物产品属性4的单个期望值,而是指定一个值范围。换言之,根据用户产品参数目标5,该值范围内的任何值都被视为在规格内。
与用户产品参数目标5相关联并由用户输入组成的是置信限。它描述了置信值的下限,即根据由所提出的方法确定的生产参数1生产的聚合物产品的聚合物产品属性4满足用户产品参数目标5的最小预计可能性。置信限以及与任何生产参数1集合相关联的任何置信值可以表示为数字。
用户现在向计算机系统的计算机布置6提供用户输入,如图2中所示。该用户输入包括上面的用户产品参数目标5,其指定固化塑料泡沫产品属性4的特定期望值和上述置信限。
计算机系统的计算机设备6利用存储在计算机设备6上的预测模型7,以便基于用户产品参数目标5的聚合物产品属性4来计算生产参数1。该预测模型7在图1中以简化方式示出为具有对应于聚合物产品属性4的一维输入和由配方部分2和处理参数3组成的二维输入的函数。实际上,预测模型7的输入和输出这两者都可以是多维的。
对于用户生产参数目标5,计算机系统的计算机设备6现在基于预测模型7并且特别是通过将用户产品参数目标5应用于预测模型7来计算结果生产参数8。换言之,用户产品参数目标5形成由预测模型7定义的函数的输入,并且结果生产参数11形成对应的输出。
在目前情况下并且如图1所示,存在其中用户产品参数目标5与所预测的聚合物产品属性4相匹配的区域12。基于上述置信限(在目前情况下只需要相对适度的匹配可能性),计算机布置6标识区域12以及区域12的邻域8,在领域8中也可能与用户产品参数目标5相匹配。
由计算机布置6输出对应于区域12和邻域8的多个生产参数11。如可以看出的,输出的多个生产参数11为配方部分2(即,结果配方部分9)以及处理参数(即结果处理参数10)呈现候选值范围。
计算机设备6包括存储器单元13,在存储器单元13中,存储有具有聚氨酯配方的多个测试条目15的配方数据库14,所述测试条目15已经从关于聚氨酯产品的生产和测试的历史数据中汇编而成。预测模型7已经由计算机设备6生成,该计算机设备6对配方数据库14的数据执行包括维度缩减方法(例如,主组分分析)和拟合步骤的多变量分析。在图1中,示出了配方数据库14的一些示例性测试条目15的测试聚氨酯产品属性数据16。如可以看出的,预测模型7基本上对应于示例性测试条目1的测试聚氨酯产品属性数据16的最佳拟合近似。
Claims (15)
1.用于确定生产聚合物产品的生产参数(1)的方法,其中提供一种预测模型(7),用于在计算机系统上基于聚合物产品属性(4)计算生产参数(1),所述生产参数(1)包括指定用于聚合物生产的原材料部分的配方部分(2),并且包括指定在聚合物生产期间的处理属性的处理参数(3),其中向所述计算机系统提供用户输入,所述用户输入包括指定聚合物产品属性(4)的用户产品参数目标(5),其中所述计算机系统将所述用户产品参数目标(5)应用于所述预测模型,以计算用于与所述用户产品参数目标(5)相关联的聚合物产品的生产的结果生产参数(11)。
2.根据权利要求1所述的方法,其特征在于,所述生产参数包括指定在生产期间的机器处理属性的机器处理参数,优选地,将所述结果生产参数(11)的所述机器处理属性应用于根据所述配方部分(2)向用于聚合物生产的机器提供原材料,优选地,所述机器处理属性包括用户可设置的机器处理设置,并且将所述结果生产参数(1)应用于选择用于聚合物生产的机器中的机器处理设置,使得由所述机器从所述原材料生产聚合物产品。
3.根据权利要求1或2所述的方法,其特征在于,所述预测模型(7)确定所述结果生产参数(11)的结果置信值,当将所述用户产品参数目标(5)应用于所述预测模型(7)时,所述置信值描述了相对于所述聚合物产品的所述用户产品参数目标(5)的准确度。
4.根据权利要求1至3中的一项所述的方法,其特征在于,当将所述用户产品参数目标(5)应用于所述预测模型(7)时,所述预测模型(7)计算多个结果生产参数(11),以用于生产与所述用户产品参数目标(5)相关联的多个聚合物产品,优选地,当将所述用户产品参数目标(5)应用于所述预测模型(7)时,所述预测模型(7)确定所述结果生产参数(11)中的每一个的合成置信值。
5.根据权利要求4所述的方法,其特征在于,用户输入包括用于指定所述结果生产参数(11)的最小置信值的用户置信限,并且所述结果生产参数(11)中的每一个的合成置信值至少等于所述用户置信限。
6.根据权利要求1至5中的一项所述的方法,其特征在于,所述用户输入包括来自所述计算机系统中预定义的原材料列表的原材料用户选择,从而定义用于聚合物配方的原材料组合,并且所述配方部分(2)从所述原材料用户选择中指定原材料部分。
7.根据权利要求6所述的方法,其特征在于,所述原材料用户选择包括异氰酸酯和多元醇,特别是还包括发泡剂,优选地,进一步包括扩链剂、交联剂、用于加速聚氨酯形成的催化剂、阻燃剂、颜料和/或表面活性剂。
8.根据权利要求1至7中的一项所述的方法,其特征在于,所述用户产品参数目标(5)包括用于相应聚合物产品属性(4)的至少一个产品参数范围,所述产品参数范围定义了在所述计算机系统中针对所述聚合产品属性(4)预定义的最大部分范围内的子范围,并且所述计算机系统将所述用户产品参数目标(5)应用于所述预测模型(7),使得针对每个产品参数范围内的多个产品参数值,计算结果生产参数(11),优选地,对于一个聚合物产品属性(4),所述用户产品参数目标(5)至少包括多个非重叠的产品参数范围。
9.根据权利要求8所述的方法,其特征在于,所述用户产品参数目标(5)包括针对每个产品参数范围的产品参数分辨率,所述产品参数分辨率定义了步长值,以用于在相应的产品参数范围内更改产品参数值,并且所述计算机系统将所述用户产品参数目标(5)应用于所述预测模型(7),使得通过根据所述步长值更改所述产品参数值来确定每个产品参数范围内的所述多个产品参数值,优选地,对于同一聚合物产品属性(4),两个产品参数范围的相应产品参数分辨率是不同的。
10.根据权利要求1至9中的一项所述的方法,其特征在于,所述处理属性,优选地所述机器处理属性,特别是所述用户可设置的机器处理设置,包括组分温度、混合时间、混合比例、工具温度、排流能力和/或线速度。
11.根据权利要求1至10中的一项所述的方法,其特征在于,所述用户产品参数目标(5)由可选择的聚合物产品属性(4)集合的用户选择的严格子集构成,优选地,所述用户输入包括用户加权因子的集合,其中每个加权因子与用户选择的聚合物产品属性(4)相关联,并且描述了实现所述对应用户产品参数目标(5)的相对重要性。
12.根据权利要求1至11中的一项所述的方法,其特征在于,在所述计算机系统上,提供了配方数据库,所述配方数据库包括相应聚合物产品的测试条目(15),其中每个测试条目(15)包括与所述聚合物产品相关联的聚合物产品属性数据,并且包括指定用于生产所述聚合物产品的原材料部分的配方部分数据,并且包括指定在所述聚合物产品生产期间的处理属性的处理参数数据,优选地,通过在所述配方数据库(14)上执行进一步优选地包括机器学习的数值分析程序来生成所述预测模型(7)。
13.根据权利要求10所述的方法,其特征在于,所述预测模型(7)定义了多变量函数关系,其中所述聚合物产品属性(4)作为输入参数,并且所述生产参数(1)作为输出参数,优选地,当所述计算机系统生成所述预测模型(7)时,所述输入参数与所述输出参数之间的依赖性基于拟合算法,以将所述预测模型(7)与所述配方数据库(14)的所述测试条目(15)进行匹配。
14.根据权利要求11所述的方法,其特征在于,当所述计算机系统生成所述预测模型(7)时,所述计算机系统执行涉及配方部分维度和处理参数维度这两者的维度缩减,优选地,所述维度缩减包括主成分分析,以便确定具有比所述生产参数更少的主成分的一组主成分,并且至少一个所确定的主成分包括配方部分维度和处理参数维度这两者。
15.用于确定生产聚合物产品的生产参数(1)的计算机系统,所述计算机系统包括计算机布置(6)和用于基于存储在所述计算机布置(6)上的聚合物产品属性(4)计算生产参数(1)的预测模型(7),所述生产参数(1)包括指定用于聚合物生产的原材料部分的配方部分(2),并且包括指定在聚合物生产期间的处理属性的处理参数(3),其中所述计算机布置(6)被配置为接收包括指定聚合物产品属性(4)的用户产品参数目标(5)的用户输入,并且进一步被配置为将所述用户产品参数目标(5)应用于所述预测模型(7),以计算用于与所述用户产品参数目标(5)相关联的聚合物产品的生产的结果生产参数(11)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18178184.0A EP3584007A1 (en) | 2018-06-18 | 2018-06-18 | Method and computer system for determining production parameters for the production of a polymeric product |
EP18178184.0 | 2018-06-18 | ||
PCT/EP2019/065246 WO2019243115A1 (en) | 2018-06-18 | 2019-06-11 | Method and computer system for determining production parameters for the production of a polymeric product |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112423876A true CN112423876A (zh) | 2021-02-26 |
Family
ID=62837563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980041024.2A Pending CN112423876A (zh) | 2018-06-18 | 2019-06-11 | 用于确定生产聚合物产品的生产参数的方法和计算机系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210129106A1 (zh) |
EP (2) | EP3584007A1 (zh) |
JP (1) | JP2021528533A (zh) |
KR (1) | KR20210019018A (zh) |
CN (1) | CN112423876A (zh) |
WO (1) | WO2019243115A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115113596A (zh) * | 2022-07-13 | 2022-09-27 | 浙江高裕家居科技股份有限公司 | 一种基于质量监测的聚氨酯材料生产参数调节方法及系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022136654A1 (en) * | 2020-12-24 | 2022-06-30 | Basf Se | Formulation generation |
EP4163921A1 (en) | 2021-10-06 | 2023-04-12 | Covestro Deutschland AG | Program, information processing apparatus, system, server, terminal, and method for obtaining a recipe for obtaining a target polyurethane foam physical property |
CN114201905B (zh) * | 2021-11-19 | 2022-12-09 | 苏州美昱高分子材料有限公司 | 一种改性粒子的生产方法和装置 |
KR102601260B1 (ko) * | 2023-05-31 | 2023-11-13 | 송강산업(주) | 제지용 충전제의 선응집 효과를 개선시킨 기계적 반응 시스템 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5687090A (en) * | 1994-09-01 | 1997-11-11 | Aspen Technology, Inc. | Polymer component characterization method and process simulation apparatus |
US6093211A (en) * | 1998-04-09 | 2000-07-25 | Aspen Technology, Inc. | Polymer property distribution functions methodology and simulators |
CN101484295A (zh) * | 2006-07-06 | 2009-07-15 | 克劳斯玛菲科技有限公司 | 用于面向用户地监视和调节生产的装置和方法 |
CN104395996A (zh) * | 2012-05-08 | 2015-03-04 | 科磊股份有限公司 | 基于光谱敏感度及工艺变化的测量配方优化 |
CN104813324A (zh) * | 2012-08-09 | 2015-07-29 | 珀金埃尔默健康科学公司 | 用于从质谱法输出识别聚合物物种的方法及设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6862562B1 (en) * | 1999-10-05 | 2005-03-01 | Aspen Technology, Inc. | Computer method and apparatus for determining state of physical properties in a chemical process |
US20050091021A1 (en) * | 2003-10-27 | 2005-04-28 | Anurag Gupta | Method and apparatus for controlling polyolefin reactor temperature |
TW200902558A (en) * | 2007-02-16 | 2009-01-16 | Univation Tech Llc | Method for on-line monitoring and control of polymerization processes and reactors to prevent discontinuity events |
US9110462B2 (en) * | 2010-05-04 | 2015-08-18 | Frito-Lay North America, Inc. | Batch control using bang-bang control |
US9046882B2 (en) * | 2010-06-30 | 2015-06-02 | Rockwell Automation Technologies, Inc. | Nonlinear model predictive control of a batch reaction system |
US9367049B2 (en) * | 2010-07-16 | 2016-06-14 | Georgia Tech Research Corporation | Fabricating parts from photopolymer resin |
PT2969240T (pt) * | 2013-03-15 | 2022-10-25 | Basf Se | Método para formação de uma espuma de poliuretano compreendendo por pedido a introdução de aditivo para componente de resina e método para formação e pulverização de uma espuma de poliuretano compreendendo por pedido a introdução de aditivo para componente de resina |
US10837912B2 (en) * | 2014-10-01 | 2020-11-17 | Advanced Polymer Monitoring Technologies, Inc. | Systems and methods for control of polymer reactions and processing using automatic continuous online monitoring |
JP6959190B2 (ja) * | 2018-07-24 | 2021-11-02 | 旭化成エレクトロニクス株式会社 | 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム |
-
2018
- 2018-06-18 EP EP18178184.0A patent/EP3584007A1/en not_active Ceased
-
2019
- 2019-06-11 US US17/252,985 patent/US20210129106A1/en not_active Abandoned
- 2019-06-11 EP EP19729295.6A patent/EP3806993A1/en not_active Withdrawn
- 2019-06-11 WO PCT/EP2019/065246 patent/WO2019243115A1/en unknown
- 2019-06-11 KR KR1020207036058A patent/KR20210019018A/ko unknown
- 2019-06-11 CN CN201980041024.2A patent/CN112423876A/zh active Pending
- 2019-06-11 JP JP2020570193A patent/JP2021528533A/ja not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5687090A (en) * | 1994-09-01 | 1997-11-11 | Aspen Technology, Inc. | Polymer component characterization method and process simulation apparatus |
US6093211A (en) * | 1998-04-09 | 2000-07-25 | Aspen Technology, Inc. | Polymer property distribution functions methodology and simulators |
CN101484295A (zh) * | 2006-07-06 | 2009-07-15 | 克劳斯玛菲科技有限公司 | 用于面向用户地监视和调节生产的装置和方法 |
CN104395996A (zh) * | 2012-05-08 | 2015-03-04 | 科磊股份有限公司 | 基于光谱敏感度及工艺变化的测量配方优化 |
CN104813324A (zh) * | 2012-08-09 | 2015-07-29 | 珀金埃尔默健康科学公司 | 用于从质谱法输出识别聚合物物种的方法及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115113596A (zh) * | 2022-07-13 | 2022-09-27 | 浙江高裕家居科技股份有限公司 | 一种基于质量监测的聚氨酯材料生产参数调节方法及系统 |
CN115113596B (zh) * | 2022-07-13 | 2023-09-08 | 浙江高裕家居科技股份有限公司 | 一种基于质量监测的聚氨酯材料生产参数调节方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
EP3806993A1 (en) | 2021-04-21 |
EP3584007A1 (en) | 2019-12-25 |
KR20210019018A (ko) | 2021-02-19 |
US20210129106A1 (en) | 2021-05-06 |
JP2021528533A (ja) | 2021-10-21 |
WO2019243115A1 (en) | 2019-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112423876A (zh) | 用于确定生产聚合物产品的生产参数的方法和计算机系统 | |
US20210265023A1 (en) | Method and computer system for determining polymeric product properties | |
Khodaygan et al. | Multi-criteria optimization of the part build orientation (PBO) through a combined meta-modeling/NSGAII/TOPSIS method for additive manufacturing processes | |
US7233834B2 (en) | Computer-aided modeling and manufacture of products | |
US7788070B2 (en) | Product design optimization method and system | |
Zhang et al. | Fast adaptive modeling method for build time estimation in additive manufacturing | |
Shende et al. | Decision support system for rapid prototyping process selection | |
CN111931307A (zh) | 一种零件质量预测和评估优化方法及系统 | |
EP3850593B1 (en) | Method for improving prediction relating to the production of a polymeric product | |
Raissi | Developing new processes and optimizing performance using response surface methodology | |
Ghashghaei et al. | A self-starting control chart for simultaneous monitoring of mean and variance of simple linear profiles | |
Yu et al. | Offline prediction of process windows for robust injection molding | |
CN108563856B (zh) | 一种基于自由节点b样条建模的自适应采样方法 | |
Wesley Machado Cunico et al. | Design of an FDM positioning system and application of an error‐cost multiobjective optimization approach | |
Wong et al. | A new method to assess platform changes over successive generations of product variants from multiple design perspectives | |
Bresson et al. | Heteroskedasticity and random coefficient model on panel data | |
CN114650905A (zh) | 用于改进注入模制处理的方法和系统 | |
Bhamidipati et al. | Uncertainty Quantification of Fiber Volume Fraction of Fiber Bundles using Digital Chains | |
Zeng et al. | Multi-objective optimization method of injection molding process parameters based on hierarchical sampling and comprehensive entropy weights | |
Nieciąg | Improvement of simulation method in validation of software of the coordinate measuring systems | |
CN118202358A (zh) | 设计支援装置、设计支援方法及设计支援程序 | |
Grb et al. | Investigation of the pressure generated in the mould cavity during polyurethane integral skin foam moulding | |
Nikitchenko et al. | Parallel programming interface comparative analysis | |
Pashchenko | Consistent approaches for structural identification of nonlinear systems and their implementation | |
Linares et al. | SIMULATION METHOD TO ESTIMATE THE UNCERTAINTIES OF ISO SPECIFICATIONS |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210226 |