CN113276370A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN113276370A
CN113276370A CN202011415686.2A CN202011415686A CN113276370A CN 113276370 A CN113276370 A CN 113276370A CN 202011415686 A CN202011415686 A CN 202011415686A CN 113276370 A CN113276370 A CN 113276370A
Authority
CN
China
Prior art keywords
data
sensor
injection molding
mold cavity
injection
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
Application number
CN202011415686.2A
Other languages
English (en)
Inventor
王怡
贺磊
尹广亮
郑优生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Pengrui Intelligent Technology Co ltd
Original Assignee
Shanghai Pengrui Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Pengrui Intelligent Technology Co ltd filed Critical Shanghai Pengrui Intelligent Technology Co ltd
Priority to CN202011415686.2A priority Critical patent/CN113276370A/zh
Publication of CN113276370A publication Critical patent/CN113276370A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76973—By counting

Abstract

本发明公开了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，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统计；将采集到的数据存入数据库中；选择需要分析的模具和生产日期；选取压力最大值作为监测点；去除停机、空射的周期数据；用图形展示模腔压力连续曲线；投影曲线上的点到纵坐标，形成一维数据；计算Ca、Cp、Cpk；根据Ca、Cp、Cpk的值判断工艺与品质；计算接入系统的所有生产的品质分布本发明的有益效果：采集模腔内传感器数据，利用计算机软件自动计算注塑生产的工艺能力，无需人工操作，减少误差，提升效率，得到的注塑工艺能力指数可帮助主机厂了解注塑厂的生产能力，从而选择合适的注塑厂。

Description

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
技术领域
本发明涉及注塑工艺能力分析技术领域，具体为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。
背景技术
在制造行业，一般通过计算Ca、Cp、CPK来判断生产出合格产品的能力，制程准确度是衡量制程中实际中心值与规格中心值一致性的指标，即位置关系，其计算方法为Ca＝(Avg(X)–C)/(T/2)，其中：Avg(X)为样本平均数，C为规格中心，T为规格公差，制程精密度是反映过程能力满足产品质量标准能力的参数，其计算方法为Cp＝(USL–LSL)/6δ，其中：
Figure BDA0002820041040000011
制程能力指数：一种表示制程水平高低的方便方法，其实质是反映制程合格率的高低，只有制程能力强的制程才能生产出质量好、可靠性高的产品，其计算法方法为Cpk＝(1-|Ca|)Cp；
在注塑生产中，当生产出一批塑料产品后，一般通过人工检验的方式来判断该产品是否为合格产品。对于如何统计计算注塑制品的品质情况，只能逐个称量注塑制品的重量，然后计算重量分布来观察品质情况。该方法不仅费时费力，对于大量生产的产品很难做到对每个产品进行称重。
在注塑行业，注塑工艺能力、产品质量与模具、注塑工艺、材料、注塑机等因素息息相关，但这些因素最终都会反应到模腔内压力的变化。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产品质量的有效手段。因此，模腔压力曲线在行业内也称为工艺曲线。近年来，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数据，用以监测注塑制品的质量。
发明内容
本发明的目的在于提供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，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：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，包括以下步骤：
步骤一：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统计；
步骤二：将采集到的数据存入数据库中；
步骤三：选择需要分析的模具和生产日期；
步骤四：选取压力最大值作为监测点；
步骤五：去除停机、空射的周期数据；
步骤六：用图形展示模腔压力连续曲线；
步骤七：投影曲线上的点到纵坐标，形成一维数据；
步骤八：计算Ca、Cp、Cpk；
步骤九：根据Ca、Cp、Cpk的值判断工艺与品质；
步骤十：计算接入系统的所有生产的品质分布。
优选的，所述步骤一中采集到的传感器数据格式为，周期表示注塑生产过程中生产一模产品表示1个模次或周期，传感器位置表示在模具中安装传感器的位置，数据表示该位置的传感器在该模次的采样数据，[TCPM,DCPM]表示P号位置的模腔压力传感器在第C个模次的第M个采样点的数据是DCPM，该采样点偏离0.0点的时间是TCPM，时间TC表示第C个模次的开始注射时间，即数据中0.0对应的具体时间，这些数据与模具号、批次号一起存入数据库中。
优选的，所述步骤一中采集到的传感器数据格式为Cycle1:[[0.0,0.035],[0.033,0.074],[0.067,0.125],[0.1,0.093]…[19.958,1.851]]
Cycle2:[[0.0,0.005],[0.033,-0.011],[0.067,0.011],[0.1,0.068]…[19.958,1.544]]
Cycle3:[[0.0,0.048],[0.033,3.193],[0.067,3.141],[0.1,3.18]…[19.958,4.891]]……
Cycle1000:[[0.0,0.057],[0.033,0.035],[0.067,0.062],[0.1,0.14]…[19.958,100.902]]
Cycle1001:[[0.0,0.012],[0.033,3.304],[0.067,3.196],[0.1,3.196]…[19.992,128.518]]……
Cycle1546:[[0.0,0.017],[0.033,-0.079],[0.067,-0.06],[0.1,-0.016]…[19.958,0.105]]。
优选的，所述步骤六中模腔压力连续曲线数据为[[1,721.363],[2,678.77],[3,686.551],[4,680.788],[5,916.136],[6,923.71],……,[15454,0.794],[15454,0.513],[1545,4.091],[1546,1.223]]。
优选的，所述步骤六中模腔压力连续曲线数据中去除调机数据后的数据为[[5,916.136],[6,923.71],[7,953.252],[8,949.03],[9,907.587],[10,931.216],……,[1537,917.164],[1538,903.251],[1539,894.124],[1540,900.636]]。
优选的，将所述步骤六中模腔压力连续曲线数据中去除调机数据后的所有压力数据投影到纵轴上，形成一维数据，从而计算Cpk等相关数值。
优选的，所述步骤七中，采用投影法降维后的数据如下[916.136,923.71,953.252,949.03,907.587,931.216,922.237,925.127,915.035,929.278,……,897.173,907.252,917.164,903.251,894.124,900.636]。
优选的，通过投影法降维后的数据计算得到Cpk相关数值为，
工艺上限Max(X)＝1064.48；
工艺下限Min(X)＝523.946；
工艺中心C＝[(Max(X)–Min(X))/2]+Min(X)＝[(1064.48-523.946)/2]+523.946＝794.213；
工艺平均值Avg(X)＝(X1+X2+……+Xn)/n(n为样本周期数)＝(916.136+923.71+953.252+……+900.636)/1536＝906.933；
工艺公差T＝Max(X)–Min(X)＝1064.48-523.946＝540.534；
Figure BDA0002820041040000041
工艺准确度Ca＝(Avg(X)–C)/(T/2)＝(906.933-794.213)/(540.534/2)＝0.417
工艺精密度Cp＝(Max(X)–Min(X))/6δ
＝(1064.48-523.946)/(6×23.506)＝3.833
工艺能力指数Cpk＝(1–|Ca|)Cp＝(1-|0.417|)×3.833＝2.234
有益效果
本发明所提供的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，通过采集模腔内传感器数据，利用计算机软件自动计算注塑生产的工艺能力，无需人工操作，减少了人为误差，提升了统计效率，得到的注塑工艺能力指数将帮助主机厂快速了解注塑厂的生产能力，从而选择合适的注塑厂。
附图说明
图1为本发明中制程能力指数各参数示意图；
图2为本发明中工艺能力指数各参数示意图；
图3为本发明中工艺流程示意图；
图4为本发明中传感器采集的数据格式示意图；
图5为本发明中原始数据的连续曲线示意图；
图6为本发明中去除调机数据后的连续曲线示意图；
图7为本发明中原始数据的连续曲线示意图；
图8为本发明中去除调机数据后的连续曲线示意图；
图9为本发明中利用投影法进行数据降维示意图。
具体实施方式
以下是本发明的具体实施例并结合附图，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1-9所示，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，包括以下步骤：
步骤一：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统计；
步骤二：将采集到的数据存入数据库中；
步骤三：选择需要分析的模具和生产日期；
步骤四：选取压力最大值作为监测点；
步骤五：去除停机、空射的周期数据；
步骤六：用图形展示模腔压力连续曲线；
步骤七：投影曲线上的点到纵坐标，形成一维数据；
步骤八：计算Ca、Cp、Cpk；
步骤九：根据Ca、Cp、Cpk的值判断工艺与品质；
步骤十：计算接入系统的所有生产的品质分布。
优选的，步骤一中采集到的传感器数据格式为，周期表示注塑生产过程中生产一模产品表示1个模次或周期，传感器位置表示在模具中安装传感器的位置，数据表示该位置的传感器在该模次的采样数据，[TCPM,DCPM]表示P号位置的模腔压力传感器在第C个模次的第M个采样点的数据是DCPM，该采样点偏离0.0点的时间是TCPM，时间TC表示第C个模次的开始注射时间，即数据中0.0对应的具体时间，这些数据与模具号、批次号一起存入数据库中。
优选的，步骤一中采集到的传感器数据格式为Cycle1:[[0.0,0.035],[0.033,0.074],[0.067,0.125],[0.1,0.093]…[19.958,1.851]]
Cycle2:[[0.0,0.005],[0.033,-0.011],[0.067,0.011],[0.1,0.068]…[19.958,1.544]]
Cycle3:[[0.0,0.048],[0.033,3.193],[0.067,3.141],[0.1,3.18]…[19.958,4.891]]……
Cycle1000:[[0.0,0.057],[0.033,0.035],[0.067,0.062],[0.1,0.14]…[19.958,100.902]]
Cycle1001:[[0.0,0.012],[0.033,3.304],[0.067,3.196],[0.1,3.196]…[19.992,128.518]]……
Cycle1546:[[0.0,0.017],[0.033,-0.079],[0.067,-0.06],[0.1,-0.016]…[19.958,0.105]]。
优选的，步骤六中模腔压力连续曲线数据为[[1,721.363],[2,678.77],[3,686.551],[4,680.788],[5,916.136],[6,923.71],……,[15454,0.794],[15454,0.513],[1545,4.091],[1546,1.223]]。
优选的，步骤六中模腔压力连续曲线数据中去除调机数据后的数据为[[5,916.136],[6,923.71],[7,953.252],[8,949.03],[9,907.587],[10,931.216],……,[1537,917.164],[1538,903.251],[1539,894.124],[1540,900.636]]。
优选的，将步骤六中模腔压力连续曲线数据中去除调机数据后的所有压力数据投影到纵轴上，形成一维数据，从而计算Cpk等相关数值。
优选的，步骤七中，采用投影法降维后的数据如下[916.136,923.71,953.252,949.03,907.587,931.216,922.237,925.127,915.035,929.278,……,897.173,907.252,917.164,903.251,894.124,900.636]。
优选的，通过投影法降维后的数据计算得到Cpk相关数值为，
工艺上限Max(X)＝1064.48；
工艺下限Min(X)＝523.946；
工艺中心C＝[(Max(X)–Min(X))/2]+Min(X)＝[(1064.48-523.946)/2]+523.946＝794.213；
工艺平均值Avg(X)＝(X1+X2+……+Xn)/n(n为样本周期数)＝(916.136+923.71+953.252+……+900.636)/1536＝906.933；
工艺公差T＝Max(X)–Min(X)＝1064.48-523.946＝540.534；
Figure BDA0002820041040000071
工艺准确度Ca＝(Avg(X)–C)/(T/2)＝(906.933-794.213)/(540.534/2)＝0.417
工艺精密度Cp＝(Max(X)–Min(X))/6δ＝(1064.48-523.946)/(6×23.506)＝3.833
工艺能力指数Cpk＝(1–|Ca|)Cp＝(1-|0.417|)×3.833＝2.234。根据Ca、Cp、Cpk的等级评定，判断工艺能力和产品品质情况。
Ca的评定标准：
Ca值范围 等级 处理原则
|Ca|≤12.5％ A 继续保持
12.5％<|Ca|≤25％ B 有必要尽可能改进为A级
25％<|Ca|≤50％ C 检查作业规格和标准
50％<|Ca| D 采取紧急措施，必要时停止生产
Cp的评定标准：
Cp值范围 等级 处理原则
Cp≥1.67 A+ 无缺点，考虑降低成本
1.33≤Cp<1.67 A 状态良好，继续保持
1.00≤Cp<1.33 B 有必要尽可能改进为A级
0.67≤Cp<1.00 C 工艺不良较多，必须提升能力
Cp<0.67 D 工艺能力太差，应考虑重新设计
Cpk的评定标准：
Cpk值范围 等级 处理原则
Cp≥2.0 A++ 可考虑降低成本
1.67≤Cp<2.0 A+ 继续保持
1.33≤Cp<1.67 A 状态良好，尽量提升为A+级
1.00≤Cp<1.33 B 有产生不良的风险，应尽可能提升为A级
0.67≤Cp<1.00 C 工艺不良较多，必须提升能力
Cp<0.67 D 工艺能力太差，应考虑重新设计
针对上面举例模具的数据，其工艺准确度Ca＝41.7％，检查作业规格和标准；工艺精密度Cp＝3.833，无缺点，考虑降低成本；工艺能力指数Cpk＝2.234，可考虑降低成本。说明该模具在该批次生产中的工艺能力非常好，产品的品质可以得到保障。
针对某个注塑厂，可统计其所有模具的所有批次生产的工艺能力情况，从而判断该注塑厂的生产能力
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 (8)

1.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，其特征在于，包括以下步骤：
步骤一：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统计；
步骤二：将采集到的数据存入数据库中；
步骤三：选择需要分析的模具和生产日期；
步骤四：选取压力最大值作为监测点；
步骤五：去除停机、空射的周期数据；
步骤六：用图形展示模腔压力连续曲线；
步骤七：投影曲线上的点到纵坐标，形成一维数据；
步骤八：计算Ca、Cp、Cpk；
步骤九：根据Ca、Cp、Cpk的值判断工艺与品质；
步骤十：计算接入系统的所有生产的品质分布。
2.根据权利要求1所述的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，其特征在于：所述步骤一中采集到的传感器数据格式为，周期表示注塑生产过程中生产一模产品表示1个模次或周期，传感器位置表示在模具中安装传感器的位置，数据表示该位置的传感器在该模次的采样数据，[TCPM,DCPM]表示P号位置的模腔压力传感器在第C个模次的第M个采样点的数据是DCPM，该采样点偏离0.0点的时间是TCPM，时间TC表示第C个模次的开始注射时间，即数据中0.0对应的具体时间，这些数据与模具号、批次号一起存入数据库中。
3.根据权利要求1所述的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，其特征在于：所述步骤一中采集到的传感器数据格式为
Cycle1:[[0.0,0.035],[0.033,0.074],[0.067,0.125],[0.1,0.093]…[19.958,1.851]]
Cycle2:[[0.0,0.005],[0.033,-0.011],[0.067,0.011],[0.1,0.068]…[19.958,1.544]]
Cycle3:[[0.0,0.048],[0.033,3.193],[0.067,3.141],[0.1,3.18]…[19.958,4.891]]……
Cycle1000:[[0.0,0.057],[0.033,0.035],[0.067,0.062],[0.1,0.14]…[19.958,100.902]]
Cycle1001:[[0.0,0.012],[0.033,3.304],[0.067,3.196],[0.1,3.196]…[19.992,128.518]]……
Cycle1546:[[0.0,0.017],[0.033,-0.079],[0.067,-0.06],[0.1,-0.016]…[19.958,0.105]]。
4.根据权利要求1所述的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，其特征在于：所述步骤六中模腔压力连续曲线数据为[[1,721.363],[2,678.77],[3,686.551],[4,680.788],[5,916.136],[6,923.71],……,[15454,0.794],[15454,0.513],[1545,4.091],[1546,1.223]]。
5.根据权利要求4所述的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，其特征在于：所述步骤六中模腔压力连续曲线数据中去除调机数据后的数据为[[5,916.136],[6,923.71],[7,953.252],[8,949.03],[9,907.587],[10,931.216],……,[1537,917.164],[1538,903.251],[1539,894.124],[1540,900.636]]。
6.根据权利要求1所述的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，其特征在于：将所述步骤六中模腔压力连续曲线数据中去除调机数据后的所有压力数据投影到纵轴上，形成一维数据，从而计算Cpk等相关数值。
7.根据权利要求6所述的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，其特征在于：所述步骤七中，采用投影法降维后的数据如下[916.136,923.71,953.252,949.03,907.587,931.216,922.237,925.127,915.035,929.278,……,897.173,907.252,917.164,903.251,894.124,900.636]。
8.根据权利要求7所述的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，其特征在于：通过投影法降维后的数据计算得到Cpk相关数值为，
工艺上限Max(X)＝1064.48；
工艺下限Min(X)＝523.946；
工艺中心C＝[(Max(X)–Min(X))/2]+Min(X)
＝[(1064.48-523.946)/2]+523.946＝794.213；
工艺平均值Avg(X)＝(X1+X2+……+Xn)/n(n为样本周期数)
＝(916.136+923.71+953.252+……+900.636)/1536
＝906.933；
工艺公差T＝Max(X)–Min(X)＝1064.48-523.946＝540.534；
δ为工艺标准差
Figure FDA0002820041030000031
Figure FDA0002820041030000032
工艺准确度Ca＝(Avg(X)–C)/(T/2)
＝(906.933-794.213)/(540.534/2)＝0.417
工艺精密度Cp＝(Max(X)–Min(X))/6δ
＝(1064.48-523.946)/(6×23.506)＝3.833
工艺能力指数Cpk＝(1–|Ca|)Cp＝(1-|0.417|)×3.833＝2.234。
CN202011415686.2A 2020-12-07 2020-12-07 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 Pending CN113276370A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011415686.2A CN113276370A (zh) 2020-12-07 2020-12-07 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011415686.2A CN113276370A (zh) 2020-12-07 2020-12-07 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

Publications (1)

Publication Number Publication Date
CN113276370A true CN113276370A (zh) 2021-08-20

Family

ID=77275664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011415686.2A Pending CN113276370A (zh) 2020-12-07 2020-12-07 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

Country Status (1)

Country Link
CN (1) CN113276370A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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 (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5440478A (en) * 1994-02-22 1995-08-08 Mercer Forge Company Process control method for improving manufacturing operations
US5470218A (en) * 1993-07-07 1995-11-28 Wheaton Inc. Graphical interface driven injection blow molding apparatus
US20060012064A1 (en) * 2004-07-19 2006-01-19 Hutson Lee M Parametric injection molding system and method
US7840297B1 (en) * 2008-03-14 2010-11-23 Tuszynski Steve W Dynamic control system for manufacturing processes including indirect process variable profiles
CN105108986A (zh) * 2015-08-28 2015-12-02 深圳新华科注塑科技有限公司 一种注塑工艺监控及塑料件在线品质分拣的系统及方法
CN106845826A (zh) * 2017-01-18 2017-06-13 西安交通大学 一种基于PCA‑Cpk的冷连轧生产线服役质量状态评估方法
CN111339667A (zh) * 2020-02-28 2020-06-26 上海澎睿智能科技有限公司 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
CN111459947A (zh) * 2020-04-10 2020-07-28 上海澎睿智能科技有限公司 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

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5470218A (en) * 1993-07-07 1995-11-28 Wheaton Inc. Graphical interface driven injection blow molding apparatus
US5440478A (en) * 1994-02-22 1995-08-08 Mercer Forge Company Process control method for improving manufacturing operations
US20060012064A1 (en) * 2004-07-19 2006-01-19 Hutson Lee M Parametric injection molding system and method
US7840297B1 (en) * 2008-03-14 2010-11-23 Tuszynski Steve W Dynamic control system for manufacturing processes including indirect process variable profiles
CN105108986A (zh) * 2015-08-28 2015-12-02 深圳新华科注塑科技有限公司 一种注塑工艺监控及塑料件在线品质分拣的系统及方法
CN106845826A (zh) * 2017-01-18 2017-06-13 西安交通大学 一种基于PCA‑Cpk的冷连轧生产线服役质量状态评估方法
CN111339667A (zh) * 2020-02-28 2020-06-26 上海澎睿智能科技有限公司 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
CN111459947A (zh) * 2020-04-10 2020-07-28 上海澎睿智能科技有限公司 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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
王俊健等: "型腔压力传感技术在注射模中的应用及发展前景", 《模具工业》 *
窦智: "过程能力分析在制造业中的实际应用", 《电源技术》 *
郑荣成等: "模腔压力监测与零缺陷部件的优化注塑工艺", 《国外塑料》 *
金志刚等: "数理统计在模具生产制程能力分析中的应用", 《机电工程技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Similar Documents

Publication Publication Date Title
CN101075269B (zh) 模具型腔设计方法
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
CN102514140B (zh) 一种注塑制品预变形的生产方法
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
CN111251564A (zh) 用于聚合物注塑成型脱模力测量的系统、方法及应用
CN104589606B (zh) 一种注塑成型过程在线监控方法
CN109614651A (zh) 一种注塑件加工参数与变形关系的高精度估算方法
CN115774431A (zh) 电池塑壳注塑车间的全智能化生产管理系统
CN116843323A (zh) 基于动态图像扫描的螺杆铸造件质量控制监管系统
CN114169131A (zh) 一种基于数字化多模式的模具制造系统
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
CN116353008B (zh) 一种在线评估注塑机精度与稳定性的测量方法
CN1380840A (zh) 模具的制造方法及其制造装置
TWI785698B (zh) 注塑成型過程的異常監控方法、電子設備及儲存介質
CN114654623B (zh) 注塑模具反变形修正方法
CN202011124U (zh) 一种热塑性塑料收缩率检测试验注塑模具
KR960016031B1 (ko) 사출 성형기의 제품 양부 판별장치
CN101174281B (zh) 自动合模检查系统及方法
CN115635661A (zh) 一种塑胶模具的产品顶出压力反馈系统及其方法
CN113258736B (zh) 一种基于位移控制的磁瓦模具注料量控制方法
CN115157597B (zh) 一种带分析功能的模具加工装置
CN113762609A (zh) 产品质量预测方法及装置
CN112677437A (zh) 一种通过数据分析验证模具内流动平衡性的方法
CN208068679U (zh) 一种塑胶无废料成型模具
CN211891852U (zh) 用于聚合物注塑成型脱模力测量的系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210820