CN117774248A - 注塑模具生产方法、装置、电子设备及存储介质 - Google Patents
注塑模具生产方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117774248A CN117774248A CN202311585011.6A CN202311585011A CN117774248A CN 117774248 A CN117774248 A CN 117774248A CN 202311585011 A CN202311585011 A CN 202311585011A CN 117774248 A CN117774248 A CN 117774248A
- Authority
- CN
- China
- Prior art keywords
- sample
- value corresponding
- production
- parameters
- parameter
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 155
- 238000002347 injection Methods 0.000 title claims abstract description 88
- 239000007924 injection Substances 0.000 title claims abstract description 88
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000005265 energy consumption Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000001746 injection moulding Methods 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000243 solution Substances 0.000 claims description 8
- 230000009467 reduction Effects 0.000 abstract description 8
- 238000004134 energy conservation Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 238000001816 cooling Methods 0.000 description 6
- 239000002994 raw material Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明公开了一种注塑模具生产方法、装置、电子设备及存储介质,涉及工业互联网生产技术,该方法包括:获取待注塑模具包含的基础工艺参数对应的需求值;将基础工艺参数对应的需求值输入至智能推荐模型,智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;控制注塑机基于基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产。本发明能够通过智能推荐模型能够基于能耗最优原则对基础工艺参数进行分析,以实现注塑机生产时的节能降耗。在使用本实施例提供的基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产时,能够取到在生产成本最低的情况下生产出质量较优的注塑产品的有益效果。
Description
技术领域
本发明涉及工业互联网生产技术领域,尤其涉及一种注塑模具生产方法、装置、电子设备及存储介质。
背景技术
注塑机是工业耗电大户,据统计,一年全国注塑机的耗电量抵得上几个三峡电站的发电量。因此如何进一步对塑料制品加工行业实现节能、降本、增效,迎来行业发展新高峰,是研究的重点问题。一般地,同一类型注塑机可以生产多种注塑模具对应的塑料制品,相应地,同一个注塑模具对应的塑料制品也可能会被多种类型的注塑机进行生产。但是,如何在生产成本最低的情况下生产出质量较优的注塑产品,是亟待解决的重点问题。
发明内容
本发明提供一种注塑模具生产方法、装置、电子设备及存储介质,能够改善现有的对注塑模具进行生产的方案。
第一方面,本发明提供一种注塑模具生产方法,包括:
获取待注塑模具包含的基础工艺参数对应的需求值;
将所述基础工艺参数对应的需求值输入至智能推荐模型,所述智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;
控制注塑机基于所述基础工艺参数对应的需求值和所述生产工艺参数对应的推荐值对所述待注塑模具进行生产。
可选地,所述智能推荐模型包括目标函数和约束条件;
所述将所述基础工艺参数对应的需求值输入至智能推荐模型,所述智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值,包括:
将所述基础工艺参数对应的需求值输入至所述目标函数中后,控制所述约束条件基于能耗最优原则对所述目标函数进行优化求解,获得所述生产工艺参数对应的推荐值。
可选地,所述约束条件包括周期影响因子和质量影响因子;所述目标函数包括能耗影响因子;
所述控制所述约束条件基于能耗最优原则对所述目标函数进行优化求解,获得所述生产工艺参数对应的推荐值,包括:
在所述约束条件求解的所述能耗影响因子最小时,根据所述约束条件对应的所述周期影响因子和所述质量影响因子获得所述生产工艺参数对应的推荐值。
可选地,所述智能推荐模型通过如下方式获得:
对于任一注塑机,获取所述注塑机中每个模具样本对应的样本数据集,每个所述样本数据集包括至少两个样本参数;
确定每个所述模具样本中样本参数与能耗参数的共性关系,并对每个所述模具样本中具备共性关系的样本参数进行标记,获得标记样本参数;
对每个所述样本数据集中的标记样本参数和未标记样本参数进行训练获得所述智能推荐模型。
可选地,每个所述样本数据集包括基础样本参数和生产样本参数;
所述确定每个所述模具样本间样本参数与能耗参数的共性关系,包括:
对于每个模具样本,基于所述基础样本参数和所述生产样本参数建立非线性关系;
根据每个模具样本的非线性关系确定所述基础样本参数和所述生产样本参数与所述能耗参数的共性关系。
可选地,在确定每个所述模具样本中样本参数与能耗参数的共性关系之后,还包括:
对所述基础样本参数和所述生产样本参数进行特征提取,获得每个所述基础样本参数与所述生产样本参数的相关关系,所述相关关系包括正相关关系和负相关关系;
相应地,所述对每个所述模具样本中具备共性关系的样本参数进行标记,获得标记样本参数,包括:
对每个所述模具样本中具备共性关系以及具备所述正相关关系或所述负相关关系的样本参数进行标记,获得所述标记样本参数。
可选地,所述生产工艺参数包括至少一个;所述方法还包括:
接收对任一所述生产工艺参数对应的推荐值的调整操作,获得目标生产工艺参数;
将所述目标生产工艺参数输入至所述智能推荐模型,获得所述基础工艺参数对应的调整值。
第二方面,本发明提供一种注塑模具生产装置,所述装置包括:
获取模块,用于获取待注塑模具包含的基础工艺参数对应的需求值;
输入模块,用于将所述基础工艺参数对应的需求值输入至智能推荐模型,所述智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;
控制模块,用于控制注塑机基于所述基础工艺参数对应的需求值和所述生产工艺参数对应的推荐值对所述待注塑模具进行生产。
第三方面,本发明还提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的注塑模具生产方法。
第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的注塑模具生产方法。
本发明实施例提供的注塑模具生产方案,首先获取待注塑模具包含的基础工艺参数对应的需求值;然后将基础工艺参数对应的需求值输入至智能推荐模型,以使得智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;最后控制注塑机基于基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产。本实施例提供的方案,智能推荐模型能够基于能耗最优原则对基础工艺参数进行分析,以实现注塑机生产时的节能降耗。在使用本实施例提供的基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产时,能够取到在生产成本最低的情况下生产出质量较优的注塑产品的有益效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明提供的注塑模具生产方法的一个流程示意图;
图2是本发明提供的注塑模具生产装置的一个结构示意图;
图3是本发明提供的电子设备的一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本实施例中的附图,对本发明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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明提供的注塑模具生产方法的一个流程示意图,本实施例可适用于对注塑模具进行生产的情况,该方法可以由注塑模具生产装置来执行,该装置可以采用硬件和/或软件的形式实现,该装置可配置于服务器等计算机设备中。参考图1,该方法具体可以包括如下步骤:
S110、获取待注塑模具包含的基础工艺参数对应的需求值。
待注塑模具表示当前待生产注塑产品对应的模具。对于同一注塑模具,在注塑机生产注塑产品时,若注塑机性能不同,或注塑产品的生产工艺不同,则生产出的注塑产品的成本以及质量均具有一定差异。有鉴于此,本实施例提供的方案,旨在注塑机对待注塑模具对应的注塑产品生产时,能够基于较优的工艺参数进行生产,从而实现节能、降本、增效的技术效果。
进一步地,上述基础工艺参数指示在使用待注塑模具进行产品生产前,在进行所需能耗模拟预估时,需输入的关于工艺生产的时待注塑模具的相关已知参数,示例性地,基础工艺参数可以包括待注塑模具的原材料类型、产品重量、模具尺寸、模具温度、冷却效率、热流道温度、材料类型、原材料需求量等,具体基础工艺参数所包含的内容在此不做限制,以实际需求为准。
上述基础工艺参数对应的需求值表示根据注塑产品生产的实际生产需求输入的相关数值,示例性地,基础工艺参数对应的需求值可以指示,产品重量为100g;模具温度为200°等,具体每个基础工艺参数对应的需求值在此不一一举例,以实际生产需求为准。
其中,获取待注塑模具包含的基础工艺参数对应的需求值的方式可以为,在客户端端集成有用于注塑产品生产前进行能耗模拟的应用程序,以在应用程序的可视化界面中包含有每个基础工艺参数对应的待填写栏,用户在每个基础工艺参数对应的待填写栏输入对应的需求值等。
S120、将基础工艺参数对应的需求值输入至智能推荐模型,智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值。
智能推荐模型用于根据基础工艺参数对应的需求值输出生产工艺参数对应的推荐值。其中,生产工艺参数表示注塑机在根据基础工艺参数进行产品生产时,注塑机工作用到的实际工艺参数。如,生产工艺参数可以包括炮筒温度、注塑速度、保压压力、保压时间、切换保压位置以及冷却时间等,具体生产工艺参数所包含的内容在此不做限制,以实际需求为准。
一般地,一个注塑机包含有多个模具样本,每个模具样本包含有对应的样本参数,在本实施例中,智能推荐模型是基于对同一注塑机对应模具多个模具样本的样本参数进行优化后训练获得的。因此,智能推荐模型在根据基础工艺参数对应的需求值输出生产工艺参数对应的推荐值时,基于能耗寻优原则进行计算,则输出的生产工艺参数对应的推荐值为生产出的注塑产品时所需用的能耗最小且质量最优的数值。
相应地,在本实施例中,一个注塑机可对应一个智能推荐模型;可选地,也可对多个注塑机对应多个模具样本的样本参数进行统一训练,对于所有的注塑机可获得一个智能推荐模型,以在使用阶段输入目标注塑机的标识,从而根据使得智能推荐模型目标注塑机的标识确定输出参数等。具体本实施例中模型的数量在此不作限制。
具体地,本实施例提供的智能推荐模型通过如下步骤获得:
a)对于任一注塑机,获取注塑机中每个模具样本对应的样本数据集,每个样本数据集包括至少两个样本参数。
在当前步骤中首先利用正交设计方法设计实验获得一台注塑机可以使用所有模具样本对应的样本数据集,样本数据集包含的样本参数可以为每个模具样本对应的模具尺寸、模具温度、冷却效率、热流道温度、材料类型、产品重量、原材料需求量等,具体每个样本数据集包含的样本参数在此不做限制。对于不同模具样本而言,每个模具样本对应的样本数据集具有一定差异性,对于同一注塑机能够生产的多个模具样本而言,多个模具样本间的部分样本参数具有一定共性。
b)确定每个模具样本中样本参数与能耗参数的共性关系,并对每个模具样本中具备共性关系的样本参数进行标记,获得标记样本参数。
确定每个模具样本中样本参数与能耗参数的共性关系的目的在于,找出影响产品生产能耗的样本参数,从而在进行模型训练阶段对影响产品生产能耗的样本参数进行特征分析,以使得获得的智能推荐模型的模型性能更优。
具体地,每个样本数据集包括基础样本参数和生产样本参数。当前步骤b)可通过如下方式实现:对于每个模具样本,基于基础样本参数和生产样本参数建立非线性关系;根据每个模具样本的非线性关系确定基础样本参数和生产样本参数与能耗参数的共性关系。
上述基础样本参数可以包括待注塑模具的原材料类型、产品重量、模具尺寸、模具温度、冷却效率、热流道温度、材料类型、原材料需求量等,与步骤S110中基础工艺参数的指示内容相同,以在样本训练阶段用于区分为基础样本参数。上述生产样本参数可以生产工艺参数可以包括炮筒温度、注塑速度、保压压力、保压时间、切换保压位置以及冷却时间等与步骤S110中生产工艺参数的指示内容相同,以在样本训练阶段用于区分为生产样本参数。
其中,在当前阶段,由于每个模具样本为已生产过的样本,则相应地还可包含生产当前模具样本对应产品所需的能耗以及产品质量等相关参数。进一步地,在在基于基础样本参数和生产样本参数建立非线性关系时,可利用优化Xgboot算法进行拟合,以得到对产品质量和能耗影响最重要的参数,建立单个模具样本能耗与样本参数间复杂的非线性关系。
进一步地,在利用优化XGBoost算法进行拟合的过程中,可将基础样本参数作为输入,将能耗、生产周期、质量等指标作为需要拟合的目标值,进行多个小模型的训练,从而使得输出生产样本参数等。
在根据每个模具样本的非线性关系确定基础样本参数和生产样本参数与能耗参数的共性关系时,可能能够分析出不同模具间的共性,如,模具1和模具2在产品重量存在共性、模具1和模具3在温度、注塑压力等上存在共性等信息。
进一步地,在确定每个模具样本中样本参数与能耗参数的共性关系之后,还包括:对基础样本参数和生产样本参数进行特征提取,获得每个基础样本参数与生产样本参数的相关关系,相关关系包括正相关关系和负相关关系。
在当前步骤中获得每个基础样本参数与生产样本参数的相关关系的目的在于在进行相关性分析的时候,发现冷却时间与生产周期存在正相关,同时射胶速度与多个质量指标存在关系,这些关系影响较大,在实验的过程中可以用来作为一个参数调节的指导。在产品的生产过程中,所有的质量指标都是有一个确定的范围且必须满足,因此需要获得一个准确的值,在考虑该值的影响因素时就要把所有的可能因素都考虑进去,以使得训练的智能推荐模型更精准。
相应地,对每个模具样本中具备共性关系的样本参数进行标记,获得标记样本参数,包括:对每个模具样本中具备共性关系以及具备正相关关系或负相关关系的样本参数进行标记,获得标记样本参数。通过当前步骤,对具有共性关系,以及具有正相关关系或负相关关系的样本参数进行标记,从而有助于在模型训练阶段更好的基于标记后的样本训练模型的性能。
c)对每个样本数据集中的标记样本参数和未标记样本参数进行训练获得智能推荐模型。
即分别对模具1数据集的样本数据集、模具2的样本数据集、模具3的样本数据集…模具N的样本数据集进行训练集与测试集进行拆分,利用训练集进行算法开发,利用测试集进行测试。
进一步将建立的模型作为遗传算法的适应度函数。采用分层优化的思想,先对重要程度比较高的制品质量进行优化,得到满足质量的最优参数,在此参数的基础上再对能耗进行优化操作,从而得到既能保证产品质量又使能耗最优的最优参数;利用仿真软件,对推荐的工艺参数进行模流仿真分析,确定对产品关键质量影响以及产品质量,关键参数满足质量要求;产品验证工会参观试验,如果所得的产品满足质量和能耗的要求,则可以进行批量生产,如果不满足要求,那么就要更新样本数据集,重新建立预测模型,并利用遗传算法再次进行寻优操作,直到得到满足产品质量和能耗要求的最优参数组合。
一种优选实施例,智能推荐模型包括目标函数和约束条件;上述步骤S120可由如下方式实现:将基础工艺参数对应的需求值输入至目标函数中后,控制约束条件基于能耗最优原则对目标函数进行优化求解,获得生产工艺参数对应的推荐值。进一步地,约束条件包括周期影响因子和质量影响因子;目标函数包括能耗影响因子。则上述控制约束条件基于能耗最优原则对目标函数进行优化求解,获得生产工艺参数对应的推荐值,包括:在约束条件求解的能耗影响因子最小时,根据约束条件对应的周期影响因子和质量影响因子获得生产工艺参数对应的推荐值。即在经智能推荐模型输出的生产工艺参数对应的推荐值,为当前注塑机对应的能耗最小,生产周期最短以及生产质量较优的产工艺参数。
S130、控制注塑机基于基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产。
即在生产工艺参数对应的推荐值为用户需求的最优参数,则进一步可控制注塑机基于基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产,从而实现在注塑生产领域的节能、降本、增效。
进一步地,本实施例中可生产工艺参数包括至少一个,可对任一成产工艺参数进行调整,从而分析基础工艺参数的相关信息。具体地,该方法还包括:接收对任一所述生产工艺参数对应的推荐值的调整操作,获得目标生产工艺参数;将目标生产工艺参数输入至智能推荐模型,获得基础工艺参数对应的调整值。在当前步骤中,用户可以任意修改生产工艺参数对应的推荐值,以使得智能推荐模型能够根据调整后的目标生产工艺参数进行反推,从而获得基础工艺参数对应的调整值,即获得调整后的输入参数等。
可选地,对于同一个待注塑模具,若多个注塑机可进行成产时,可将基础工艺参数对应的需求值输入至每个注塑机对应的智能推荐模型中,从而获得每个注塑机对应的生产工艺参数对应的推荐值,以基于每个注塑机对应的生产工艺参数对应的推荐值确定当前待注塑模具在哪一个注塑机上生产时所需的能耗最小等。
本实施例提供的注塑模具生产方法,首先获取待注塑模具包含的基础工艺参数对应的需求值;然后将基础工艺参数对应的需求值输入至智能推荐模型,以使得智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;最后控制注塑机基于基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产。本实施例提供的方案,智能推荐模型能够基于能耗最优原则对基础工艺参数进行分析,以实现注塑机生产时的节能降耗。在使用本实施例提供的基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产时,能够取到在生产成本最低的情况下生产出质量较优的注塑产品的有益效果。
图2是本发明提供的注塑模具生产装置的一个结构示意图,该装置适用于执行本实施例提供的注塑模具生产方法。如图2所示,该装置具体可以包括:获取模块210、输入模块220和控制模块230,其中:
获取模块210,用于获取待注塑模具包含的基础工艺参数对应的需求值;
输入模块220,用于将所述基础工艺参数对应的需求值输入至智能推荐模型,所述智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;
控制模块230,用于控制注塑机基于所述基础工艺参数对应的需求值和所述生产工艺参数对应的推荐值对所述待注塑模具进行生产。
本发明实施例提供的注塑模具生产装置,首先获取待注塑模具包含的基础工艺参数对应的需求值;然后将基础工艺参数对应的需求值输入至智能推荐模型,以使得智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;最后控制注塑机基于基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产。本实施例提供的方案,智能推荐模型能够基于能耗最优原则对基础工艺参数进行分析,以实现注塑机生产时的节能降耗。在使用本实施例提供的基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产时,能够取到在生产成本最低的情况下生产出质量较优的注塑产品的有益效果。
一实施例中,所述智能推荐模型包括目标函数和约束条件;
输入模块220,具体用于将所述基础工艺参数对应的需求值输入至所述目标函数中后,控制所述约束条件基于能耗最优原则对所述目标函数进行优化求解,获得所述生产工艺参数对应的推荐值。
一实施例中,所述约束条件包括周期影响因子和质量影响因子;所述目标函数包括能耗影响因子;
输入模块220,具体还用于在所述约束条件求解的所述能耗影响因子最小时,根据所述约束条件对应的所述周期影响因子和所述质量影响因子获得所述生产工艺参数对应的推荐值。
一实施例中,所述装置还包括:标记模块和训练模块,其中:
获取模块210,还用于对于任一注塑机,获取所述注塑机中每个模具样本对应的样本数据集,每个所述样本数据集包括至少两个样本参数;
标记模块,用于确定每个所述模具样本中样本参数与能耗参数的共性关系,并对每个所述模具样本中具备共性关系的样本参数进行标记,获得标记样本参数;
训练模块,用于对每个所述样本数据集中的标记样本参数和未标记样本参数进行训练获得所述智能推荐模型。
一实施例中,每个所述样本数据集包括基础样本参数和生产样本参数;
标记模块,具体用于对于每个模具样本,基于所述基础样本参数和所述生产样本参数建立非线性关系;根据每个模具样本的非线性关系确定所述基础样本参数和所述生产样本参数与所述能耗参数的共性关系。
一实施例中,所述装置还包括:提取模块,其中:
提取模块,用于对所述基础样本参数和所述生产样本参数进行特征提取,获得每个所述基础样本参数与所述生产样本参数的相关关系,所述相关关系包括正相关关系和负相关关系;
标记模块,具体用于对每个所述模具样本中具备共性关系以及具备所述正相关关系或所述负相关关系的样本参数进行标记,获得所述标记样本参数。
一实施例中,所述生产工艺参数包括至少一个;所述装置还包括:调整模块,其中:
调整模块,用于接收对任一所述生产工艺参数对应的推荐值的调整操作,获得目标生产工艺参数;
输入模块220,还用于将所述目标生产工艺参数输入至所述智能推荐模型,获得所述基础工艺参数对应的调整值。
本领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述功能模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明还提供了一种电子设备,所述电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的注塑模具生产方法。
本发明还提供了一种计算机可读介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的注塑模具生产方法。
下面参考图3,其示出了适于用来实现本发明的电子设备的计算机系统500的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本实施例的功能和使用范围带来任何限制。
如图3所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本实施例中所涉及到的模块和/或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块和/或单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、输入模块和控制模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取待注塑模具包含的基础工艺参数对应的需求值;将所述基础工艺参数对应的需求值输入至智能推荐模型,所述智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;控制注塑机基于所述基础工艺参数对应的需求值和所述生产工艺参数对应的推荐值对所述待注塑模具进行生产。
根据本实施例的技术方案,智能推荐模型能够基于能耗最优原则对基础工艺参数进行分析,以实现注塑机生产时的节能降耗。在使用本实施例提供的基础工艺参数对应的需求值和生产工艺参数对应的推荐值对待注塑模具进行生产时,能够取到在生产成本最低的情况下生产出质量较优的注塑产品的有益效果。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种注塑模具生产方法,其特征在于,包括:
获取待注塑模具包含的基础工艺参数对应的需求值;
将所述基础工艺参数对应的需求值输入至智能推荐模型,所述智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;
控制注塑机基于所述基础工艺参数对应的需求值和所述生产工艺参数对应的推荐值对所述待注塑模具进行生产。
2.根据权利要求1所述的注塑模具生产方法,其特征在于,所述智能推荐模型包括目标函数和约束条件;
所述将所述基础工艺参数对应的需求值输入至智能推荐模型,所述智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值,包括:
将所述基础工艺参数对应的需求值输入至所述目标函数中后,控制所述约束条件基于能耗最优原则对所述目标函数进行优化求解,获得所述生产工艺参数对应的推荐值。
3.根据权利要求2所述的注塑模具生产方法,其特征在于,所述约束条件包括周期影响因子和质量影响因子;所述目标函数包括能耗影响因子;
所述控制所述约束条件基于能耗最优原则对所述目标函数进行优化求解,获得所述生产工艺参数对应的推荐值,包括:
在所述约束条件求解的所述能耗影响因子最小时,根据所述约束条件对应的所述周期影响因子和所述质量影响因子获得所述生产工艺参数对应的推荐值。
4.根据权利要求1所述的注塑模具生产方法,其特征在于,所述智能推荐模型通过如下方式获得:
对于任一注塑机,获取所述注塑机中每个模具样本对应的样本数据集,每个所述样本数据集包括至少两个样本参数;
确定每个所述模具样本中样本参数与能耗参数的共性关系,并对每个所述模具样本中具备共性关系的样本参数进行标记,获得标记样本参数;
对每个所述样本数据集中的标记样本参数和未标记样本参数进行训练获得所述智能推荐模型。
5.根据权利要求4所述的注塑模具生产方法,其特征在于,每个所述样本数据集包括基础样本参数和生产样本参数;
所述确定每个所述模具样本间样本参数与能耗参数的共性关系,包括:
对于每个模具样本,基于所述基础样本参数和所述生产样本参数建立非线性关系;
根据每个模具样本的非线性关系确定所述基础样本参数和所述生产样本参数与所述能耗参数的共性关系。
6.根据权利要求5所述的注塑模具生产方法,其特征在于,在确定每个所述模具样本中样本参数与能耗参数的共性关系之后,还包括:
对所述基础样本参数和所述生产样本参数进行特征提取,获得每个所述基础样本参数与所述生产样本参数的相关关系,所述相关关系包括正相关关系和负相关关系;
相应地,对每个所述模具样本中具备共性关系的样本参数进行标记,获得标记样本参数,包括:
对每个所述模具样本中具备共性关系以及具备所述正相关关系或所述负相关关系的样本参数进行标记,获得所述标记样本参数。
7.根据权利要求1所述的注塑模具生产方法,其特征在于,所述生产工艺参数包括至少一个;所述方法还包括:
接收对任一所述生产工艺参数对应的推荐值的调整操作,获得目标生产工艺参数;
将所述目标生产工艺参数输入至所述智能推荐模型,获得所述基础工艺参数对应的调整值。
8.一种注塑模具生产装置,其特征在于,包括:
获取模块,用于获取待注塑模具包含的基础工艺参数对应的需求值;
输入模块,用于将所述基础工艺参数对应的需求值输入至智能推荐模型,所述智能推荐模型基于能耗最优原则输出生产工艺参数对应的推荐值;
控制模块,用于控制注塑机基于所述基础工艺参数对应的需求值和所述生产工艺参数对应的推荐值对所述待注塑模具进行生产。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的注塑模具生产方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的注塑模具生产方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311585011.6A CN117774248A (zh) | 2023-11-24 | 2023-11-24 | 注塑模具生产方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311585011.6A CN117774248A (zh) | 2023-11-24 | 2023-11-24 | 注塑模具生产方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117774248A true CN117774248A (zh) | 2024-03-29 |
Family
ID=90385860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311585011.6A Pending CN117774248A (zh) | 2023-11-24 | 2023-11-24 | 注塑模具生产方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117774248A (zh) |
-
2023
- 2023-11-24 CN CN202311585011.6A patent/CN117774248A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287961A (zh) | 中文分词方法、电子装置及可读存储介质 | |
CN109191312A (zh) | 一种理赔反欺诈风控方法及装置 | |
CN107392655A (zh) | 优惠券推送方法、系统、存储介质、电子设备及分流方法 | |
CN109359355B (zh) | 一种标准结构模块的设计实现方法 | |
CN102609714A (zh) | 基于信息增益和在线支持向量机的新型分类器及分类方法 | |
CN111985064A (zh) | 一种永磁电机的代理辅助优化设计方法及系统 | |
CN103093062A (zh) | 注塑成型工艺对塑件翘曲变形影响的参数化分析方法 | |
CN102968539A (zh) | 一种格式图纸的批量快速生成方法 | |
Chen et al. | Design and implementation of PID controller based on FPGA and genetic algorithm | |
CN111178537A (zh) | 一种特征提取模型训练方法及设备 | |
CN111008706B (zh) | 一种自动标注、训练、预测海量数据的处理方法 | |
CN117162428A (zh) | 一种塑料注塑模具的冷却控制方法及系统 | |
CN104123401A (zh) | Cae智造系统 | |
CN113743650B (zh) | 电力负荷预测方法、装置、设备与存储介质 | |
CN117774248A (zh) | 注塑模具生产方法、装置、电子设备及存储介质 | |
US20200290257A1 (en) | Moulding-parameters processing method for an injection press | |
CN113722384A (zh) | 基于密度算法的测点数据异常值的检测方法、系统及设备 | |
CN117574721A (zh) | 一种工艺参数概率模型优化方法 | |
CN110377525B (zh) | 一种基于运行时特征和机器学习的并行程序性能预测系统 | |
CN109522939A (zh) | 图像分类方法、终端设备及计算机可读存储介质 | |
CN108492040A (zh) | 一种智能建筑管理装置 | |
CN117197618A (zh) | 图像分类模型训练数据选取方法、装置及图像分类方法 | |
CN109492086A (zh) | 一种答案输出方法、装置、电子设备及存储介质 | |
CN115659791A (zh) | 一种数字孪生数据模型驱动的高性能虚拟仿真方法及系统 | |
Li et al. | Development of an intelligent jig and fixture design system |
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 |