JP4499601B2 - 射出成形機の制御装置 - Google Patents
射出成形機の制御装置 Download PDFInfo
- Publication number
- JP4499601B2 JP4499601B2 JP2005106282A JP2005106282A JP4499601B2 JP 4499601 B2 JP4499601 B2 JP 4499601B2 JP 2005106282 A JP2005106282 A JP 2005106282A JP 2005106282 A JP2005106282 A JP 2005106282A JP 4499601 B2 JP4499601 B2 JP 4499601B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- quality
- control
- monitor
- quality prediction
- 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.)
- Expired - Fee Related
Links
- 238000001746 injection moulding Methods 0.000 title claims description 20
- 230000006870 function Effects 0.000 claims description 52
- 238000000465 moulding Methods 0.000 claims description 46
- 238000013528 artificial neural network Methods 0.000 claims description 33
- 238000004519 manufacturing process Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000002950 deficient Effects 0.000 claims description 6
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 4
- 229960001716 benzalkonium Drugs 0.000 claims 1
- CYDRXTMLKJDRQH-UHFFFAOYSA-N benzododecinium Chemical compound CCCCCCCCCCCC[N+](C)(C)CC1=CC=CC=C1 CYDRXTMLKJDRQH-UHFFFAOYSA-N 0.000 claims 1
- 238000000034 method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 101000585359 Homo sapiens Suppressor of tumorigenicity 20 protein Proteins 0.000 description 3
- 102100029860 Suppressor of tumorigenicity 20 protein Human genes 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 102100035353 Cyclin-dependent kinase 2-associated protein 1 Human genes 0.000 description 2
- 101000737813 Homo sapiens Cyclin-dependent kinase 2-associated protein 1 Proteins 0.000 description 2
- 101000911772 Homo sapiens Hsc70-interacting protein Proteins 0.000 description 2
- 101000661816 Homo sapiens Suppression of tumorigenicity 18 protein Proteins 0.000 description 2
- 101000661807 Homo sapiens Suppressor of tumorigenicity 14 protein Proteins 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 101000760620 Homo sapiens Cell adhesion molecule 1 Proteins 0.000 description 1
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 1
- 101000710013 Homo sapiens Reversion-inducing cysteine-rich protein with Kazal motifs Proteins 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 108090000237 interleukin-24 Proteins 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
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
- B29C45/766—Measuring, controlling or regulating the setting or resetting of moulding conditions, e.g. before starting a cycle
-
- 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
- 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
- B29C2945/76003—Measured parameter
- B29C2945/76163—Errors, malfunctioning
-
- 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
- B29C2945/76344—Phase or stage of measurement
- B29C2945/76438—Start up
-
- 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
- B29C2945/76979—Using a neural network
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32193—Ann, neural base quality management
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32194—Quality prediction
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45244—Injection molding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/902—Application using ai with detail of the ai system
- Y10S706/903—Control
- Y10S706/904—Manufacturing or machine, e.g. agricultural machinery, machine tool
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Description
本発明はニューラルネットワークを備える射出成形機の改良に関する。
射出成形機で樹脂製品を製造するときに、不良率を下げる必要があることは言うまでもない。すなわち、運転開始時に良品が得られるように複数の成形条件を調節し、不良品が出現したときには成形条件を見直して良品を得るようにする必要がある。
不良率を下げることを目的に完成した、成形機の製品自動検査法が提案されている（例えば、特許文献１参照。）。
特開平３−２６６６２２号公報（請求項１、第３頁）
特許文献１の請求項１は、要約すると、運転を試運転と連続自動運転とに区分し、試運転では所定数のショットを行って特定重要モニタ項目及び各運転条件モニタ項目との相関関係式を求める。
連続自動運転では、特定重要モニタ項目の実測値を取り込むことなく、各運転条件モニタ項目の実測値を取り込み、これらの実測値と前記相関関係式とにより特定重要モニタ項目を予測・演算し、この予測・演算に基づいて１ショット毎の製品の良否判定を行う。
連続自動運転では、特定重要モニタ項目の実測値を取り込むことなく、各運転条件モニタ項目の実測値を取り込み、これらの実測値と前記相関関係式とにより特定重要モニタ項目を予測・演算し、この予測・演算に基づいて１ショット毎の製品の良否判定を行う。
特許文献１第３頁左下欄第１３行〜第１４行（１）式で、相関関係式が明示されており、この相関関係式は線形関数である。
特許文献１の発明に基づいて射出成形を実施したところ、次の不具合が発生した。
第１に、相関関係式が線形関数であるために、試運転で得られるモニタ値がばらつくと、相関関数の信頼性が低下する。信頼性を高めるにはショット数を大幅に増加させる必要があり、その結果、試運転期間が延びて試運転コストが嵩む。
第１に、相関関係式が線形関数であるために、試運転で得られるモニタ値がばらつくと、相関関数の信頼性が低下する。信頼性を高めるにはショット数を大幅に増加させる必要があり、その結果、試運転期間が延びて試運転コストが嵩む。
第２に、連続自動運転を続けるにつれて、良否判定精度が低下する。この原因は、特定重要モニタ項目の実測値を取り込まないため、経年変化的に対応できずに、時間と共に成形品と予測との差が増大したことによると考えられる。
前記第１の不具合に対しては、不連続な変化に好適である非線形関数として、ニューラルネットワークを利用した成形制御方法が提案されている（例えば、特許文献２参照。）。
特開平５−３０９７１１号公報（請求項１）
ニューラルネットワークは、非線形関数の一種と見なすことができ、ばらつきのあるモニタ値を効率よく処理することができ、試運転期間の短縮及び試運転コストの圧縮とを達成することができる。
図６はニューラルネットワークの原理図であり、射出成形機の動作状態をセンサで検出することで得たモニタ値、例えば「射出最前進位置」、「計量開始位置」、「材料落下口温度」、「充填ピーク圧」などを、入力１０１、１０２、１０３、１０４とする。
中間層１１１の値は、入力１０１、１０２、１０３、１０４を、閾値及び入力毎に定めた重み係数とで処理することで定める。中間層１１２の値は、入力１０１、１０２、１０３、１０４を、別の閾値及び入力毎に定めた重み係数とで処理することで定める。同様に中間層１１３〜１１５の値を定める。
出力１２１は、中間層１１１〜１１５の値を、更に別の閾値及び中間層１１１〜１１５毎に定めた重み係数で処理して定める。この出力１２１は、この例では成形品の予測重量である。
ニューラルネットワークは関数であるから、入力１０１〜１０４及び出力１２１を既知数、関数内における重み係数及び閾値を未知数とすることもできる。
すなわち、入力１０１〜１０４にモニタ値、出力１２１に成形品の測定重量を与える。そして、コンピュータで予測重量が測定重量に合致するまで、重み係数及び閾値を修正しながら繰り返し演算させる。予測重量が測定重量に良好に合致したときに、重み係数及び閾値が定まる。
すなわち、入力１０１〜１０４にモニタ値、出力１２１に成形品の測定重量を与える。そして、コンピュータで予測重量が測定重量に合致するまで、重み係数及び閾値を修正しながら繰り返し演算させる。予測重量が測定重量に良好に合致したときに、重み係数及び閾値が定まる。
このように、ニューラルネットワークは、予測重量を演算することのほか、重み係数及び閾値を定めることで品質予測関数を完成することにも使用する。
本発明者等は、ニューラルネットワークの性能を確認することを目的に、ニューラルネットワークを備える射出成形機を用いて、確認実験を行うことにした。実験の要領は次の通りである。
（１）良品が得られる見込みの強い成形条件を設定する。
（２）２０ショットの試し成形を行う。この際に射出成形機の動作状態をセンサで検出することでモニタ値を得る。
（３）そして、ショット毎に成形品の重量を測定する。
（１）良品が得られる見込みの強い成形条件を設定する。
（２）２０ショットの試し成形を行う。この際に射出成形機の動作状態をセンサで検出することでモニタ値を得る。
（３）そして、ショット毎に成形品の重量を測定する。
（４）モニタ値をニューラルネットワーク入力、成形品の重量をニューラルネットワーク出力として、ニューラルネットワークにおける重み係数と閾値を定めることを目的とした「学習」を実行する。
（５）そして、学習済みのニューラルネットワークを得る。このニューラルネットワークは重み係数と閾値が定まっているところの重量予測関数であると言える。したがって、この重量予測関数に、モニタ値を入力すると予測重量を出力することができる。
（６）量産成形（２１ショット目以降）を行う。この際に射出成形機の動作状態をセンサで検出することでモニタ値を得る。
（５）そして、学習済みのニューラルネットワークを得る。このニューラルネットワークは重み係数と閾値が定まっているところの重量予測関数であると言える。したがって、この重量予測関数に、モニタ値を入力すると予測重量を出力することができる。
（６）量産成形（２１ショット目以降）を行う。この際に射出成形機の動作状態をセンサで検出することでモニタ値を得る。
（７）そして、成形品の重量を測定する。この測定した重量を測定重量と呼ぶ。
（８）学習済みのニューラルネットワークに、モニタ値を入力することで予測重量を演算する。
（９）測定重量と予測重量Ｗｓとを比較して、予測重量の「確からしさ」を調べる。
（８）学習済みのニューラルネットワークに、モニタ値を入力することで予測重量を演算する。
（９）測定重量と予測重量Ｗｓとを比較して、予測重量の「確からしさ」を調べる。
図７は確認実験の結果を示すグラフ図であり、横軸はショット、縦軸は成形品の重量、太線グラフは測定重量Ｗａｃｔ、細線グラフは予測重量Ｗｓを示す。
横軸で０〜２０は試し成形範囲、２１以上は量産成形範囲である。ニューラルネットワークで予測する予測重量Ｗｓは、モニタ値が変化するため、上下に若干変位するグラフとなる。一方、測定重量Ｗａｃｔは最初の数ショットは大きく変動したが、それ以降は安定し、５０ショットまでは予測重量Ｗｓに近似に一致した。
横軸で０〜２０は試し成形範囲、２１以上は量産成形範囲である。ニューラルネットワークで予測する予測重量Ｗｓは、モニタ値が変化するため、上下に若干変位するグラフとなる。一方、測定重量Ｗａｃｔは最初の数ショットは大きく変動したが、それ以降は安定し、５０ショットまでは予測重量Ｗｓに近似に一致した。
ところが、５０ショット付近で、測定重量Ｗａｃｔが予測重量Ｗｓより下方へ外れ、８０ショットまでこのままであった。８０ショット付近で、今度は測定重量Ｗａｃｔが予測重量Ｗｓより上方へ外れ、１１０ショットまでこのままであった。
測定重量Ｗａｃｔが上又は下への外れの原因は経年変化や量産成形時の成形条件の微修正等が考えられるが、試し成形で確立した品質予測関数は、量産成形範囲では予測重量が測定重量と乖離する可能性がある。この乖離は予測精度の低下に繋がるため改善する必要がある。
測定重量Ｗａｃｔが上又は下への外れの原因は経年変化や量産成形時の成形条件の微修正等が考えられるが、試し成形で確立した品質予測関数は、量産成形範囲では予測重量が測定重量と乖離する可能性がある。この乖離は予測精度の低下に繋がるため改善する必要がある。
本発明は、量産成形での品質予測の精度を高めることができる射出成形機の制御装置を提供することを課題とする。
請求項１に係る発明は、ニューラルネットワークに試し成形の情報を入力し、学習することで品質予測関数を定め、この品質予測関数並びにニューラルネットワークを用いて量産成形の制御を行う射出成形機の制御装置において、
この制御装置は、成形機の各部における状態を示すモニタ値の各々に管理上限値及び管理下限値を設定する管理上下限判定部と、
この管理上下限判定部で設定した管理上限値・管理下限値間を管理範囲とし、量産成形時に取得したモニタ値が前記管理範囲から外れたときに、前記品質予測関数の修正指令を出力する及び／又は警報信号発生部から警報信号を発生させる関数修正要否判断部と、を含むことを特徴とする。
この制御装置は、成形機の各部における状態を示すモニタ値の各々に管理上限値及び管理下限値を設定する管理上下限判定部と、
この管理上下限判定部で設定した管理上限値・管理下限値間を管理範囲とし、量産成形時に取得したモニタ値が前記管理範囲から外れたときに、前記品質予測関数の修正指令を出力する及び／又は警報信号発生部から警報信号を発生させる関数修正要否判断部と、を含むことを特徴とする。
加えて、請求項１に係る発明では、管理上限値及び管理下限値は、試し成形で得たモニタ群から選択した最大値及び最小値であることを特徴とする。
請求項２に係る発明では、制御装置は、量産成形時に取得したモニタ値が前記管理範囲から外れたときに、前記警報信号発生部から警報信号を発生させ、この警報信号が所定回数連続したとき又は警報信号の累積回数が所定数に達したときに、品質予測関数を修正させることを特徴とする。
請求項３に係る発明は、制御装置は、品質予測関数にモニタ値を与えることで品質値を予測する演算部と、この演算部で予測した品質予測値が要求品質内にあるときには成形品が良品であると認定し、品質予測値が要求品質外にあるときには成形品が不良品であると認定する良否判断部と、を含むことを特徴とする。
請求項１に係る発明では、関数修正要否判断部を備えるので、モニタ値が一定以上変化したときには、品質予測関数を修正させることができる。品質予測関数を修正することにより、品質予測値が測定値と乖離することが無くなり、品質予測の信頼性を高めることができる。
又は、モニタ値が一定以上変化したときに警報信号発生部で警報信号を発生させることができ、作業者等に品質予測関数の見直しを促すことができ、品質予測の信頼性を高めることができる。
又は、モニタ値が一定以上変化したときに警報信号発生部で警報信号を発生させることができ、作業者等に品質予測関数の見直しを促すことができ、品質予測の信頼性を高めることができる。
加えて、請求項１に係る発明では、管理上限値及び管理下限値は、試し成形で得たモニタ群から選択した最大値及び最小値である。最大値及び最小値は一義的に決まるため、システムの管理が容易になる。
請求項２に係る発明では、第１段階を警報、第２段階を関数修正とした。すなわち、本発明では、経年変化や量産成形時の成形条件の修正によりモニタ値の管理上下限値を超えた場合には、警報信号を発生する。これにより、品質予測関数の修正が必要であることを作業者等に認識させることができる。また、管理上下限値を超えない範囲の修正に対しては、再度品質予測関数を修正する必要が無いため、品質精度を保証できると共に、作業の効率化をも図ることができる。
請求項３に係る発明では、量産成形時に、成形品を測定することなしに、良否判定することができるようにした。成形品をいちいち測定しなくてよいので、測定コストを省くことができ、成形コストを低減することができる。
本発明を実施するための最良の形態を添付図に基づいて以下に説明する。なお、本発明の「管理上限値」は実施例では「最大値」、同様に「管理下限値」は「最小値」、「管理上下限判定部」は「最大最小判断部」を例にして説明する。
図１は本発明に係る射出成形機の制御装置のブロック構成図であり、金型１１を型締めする型締装置１２及び金型１１へ樹脂を射出する射出装置１３を基本構成とする射出成形機１０は、ニューラルネットワークを基本要素とする制御装置２０を備える。
制御装置２０には、外部とのインタフェース機能を発揮する成形機通信機能部２１と、射出成形機１０の動作状態に係る種々のモニタ値を取り入れ、モニタ値群から最大値及び最小値を選択する最大最小判定部２２と、この最大最小判定部２２に必要なモニタ値群を記憶するメモリ２３と、品質予測関数を修正するか否かを判定する（判定フローは後述する。）関数修正要否判定部２４と、この関数修正要否判定部２４が関数修正指令を発したときに警報信号を発生する警報信号発生部２５と、２台のニューラルネットワークＩ２６及びニューラルネットワークＩＩ２７と、ニューラルネットワークＩ２６又はニューラルネットワークＩＩ２７で定めた品質予測関数にモニタ値を与えることで品質予測値を演算する演算部２８と、この演算部２８で演算した品質予測値と要求品質とを比較して良否判定を行う良否判定部２９とを含む。
なお、演算のために演算部２８にもニューラルネットワークが必要であるが、このニューラルネットワークは独自に備えることのほか、ニューラルネットワークＩ、ＩＩ２６、２７を利用することは差し支えない。
以上の述べた制御装置２０の作用をフローで説明する。
図２は本発明に係る制御装置の基本制御フロー図であり、ＳＴ××はステップ番号を示す。
ＳＴ０１：良品が得られる見込みの高い成形条件を設定する。
ＳＴ０２：２０ショット程度の試し成形を実施する。
ＳＴ０３：射出成形機の動作状態を表すモニタ値を読込む。
図２は本発明に係る制御装置の基本制御フロー図であり、ＳＴ××はステップ番号を示す。
ＳＴ０１：良品が得られる見込みの高い成形条件を設定する。
ＳＴ０２：２０ショット程度の試し成形を実施する。
ＳＴ０３：射出成形機の動作状態を表すモニタ値を読込む。
ＳＴ０４：試し成形で得た成形品の重量（測定重量）を、読込む。
ＳＴ０５：ＳＴ０３でのモニタ値を入力、ＳＴ０４での測定重量を出力として、ニューラルネットワークＩで学習させる。
ＳＴ０６：試し成形を終了するか否かを調べる。ＮＯであればＳＴ０２に戻って試し成形を続ける。
ＳＴ０５：ＳＴ０３でのモニタ値を入力、ＳＴ０４での測定重量を出力として、ニューラルネットワークＩで学習させる。
ＳＴ０６：試し成形を終了するか否かを調べる。ＮＯであればＳＴ０２に戻って試し成形を続ける。
ＳＴ０７：ＳＴ０６でＹＥＳであれば、試し成形は終了し、品質予測関数を決定する。
ＳＴ０８：モニタ値群から、最大値Ｍ１と最小値Ｍ２を選ぶ。この処理はモニタ値の種類毎に行う。これで、量産成形の準備が整ったことになる。
ＳＴ０８：モニタ値群から、最大値Ｍ１と最小値Ｍ２を選ぶ。この処理はモニタ値の種類毎に行う。これで、量産成形の準備が整ったことになる。
ＳＴ０９：量産成形を実施する。
ＳＴ１０：量産成形におけるモニタ値Ｍ３を読込む。
ＳＴ１１：モニタ値Ｍ３が最大値Ｍ１と最小値Ｍ２との間（この間を管理範囲という）にあるか否かを調べる。ＮＯであれば、ＳＴ１３（図３）へ進んで関数を修正し、ＳＴ０９へ戻って量産成形を続ける。
ＳＴ１２：ＳＴ１１でＹＥＳであれば、量産成形を終了するか否かを調べ、ＮＯであれば量産成形を続ける。
ＳＴ１０：量産成形におけるモニタ値Ｍ３を読込む。
ＳＴ１１：モニタ値Ｍ３が最大値Ｍ１と最小値Ｍ２との間（この間を管理範囲という）にあるか否かを調べる。ＮＯであれば、ＳＴ１３（図３）へ進んで関数を修正し、ＳＴ０９へ戻って量産成形を続ける。
ＳＴ１２：ＳＴ１１でＹＥＳであれば、量産成形を終了するか否かを調べ、ＮＯであれば量産成形を続ける。
本発明ではＳＴ１１の判別に並行して、ＳＴ１８（図５のＳＴ１９〜ＳＴ２２）による良否判定を行うことを特徴の一つとする。
図３は本発明に係る関数修正処理のフロー図である。
ＳＴ１３：図２のＳＴ１１がＮＯのときに、本発明では関数を修正する必要があると判断する。そして、関数を修正する場合には、関数を修正することを作業者等に知らせる必要があると考え、メッセージを表示して注意を促すことにする。メッセージは警告音であっても差し支えない。
ＳＴ１４：関数修正が必要であるとの信号に基づいて、そのときに成形した成形品の重量を測定させて、この測定重量を読込む。
ＳＴ１３：図２のＳＴ１１がＮＯのときに、本発明では関数を修正する必要があると判断する。そして、関数を修正する場合には、関数を修正することを作業者等に知らせる必要があると考え、メッセージを表示して注意を促すことにする。メッセージは警告音であっても差し支えない。
ＳＴ１４：関数修正が必要であるとの信号に基づいて、そのときに成形した成形品の重量を測定させて、この測定重量を読込む。
ＳＴ１５：ＳＴ１０のモニタ値Ｍ３を入力条件、ＳＴ１４で読込んだ測定重量を出力条件として、ニューラルネットワークＩＩで、重み係数及び閾値を修正することを目的に学習させる。
ＳＴ１６：修正関数（修正品質予測関数）を決定する。
ＳＴ１７：今までの品質予測関数を、修正関数に置き換える。そして、図２のＳＴ０９に戻す。
ＳＴ１６：修正関数（修正品質予測関数）を決定する。
ＳＴ１７：今までの品質予測関数を、修正関数に置き換える。そして、図２のＳＴ０９に戻す。
図４は本発明装置で実施した測定重量と予測重量の比較グラフ図であり、横軸はショット、縦軸は成形品の重量、太線グラフは測定重量Ｗａｃｔ、細線グラフは予測重量Ｗｓを示す。
横軸で０〜２０は試し成形範囲、２１以上は量産成形範囲である。ニューラルネットワークで予測する予測重量Ｗｓは、モニタ値が変化するため、上下に若干変位するグラフとなる。一方、測定重量Ｗａｃｔは最初の数ショットは変動したが、以降安定し、５０ショットまでは予測重量Ｗｓと良く近似した。
横軸で０〜２０は試し成形範囲、２１以上は量産成形範囲である。ニューラルネットワークで予測する予測重量Ｗｓは、モニタ値が変化するため、上下に若干変位するグラフとなる。一方、測定重量Ｗａｃｔは最初の数ショットは変動したが、以降安定し、５０ショットまでは予測重量Ｗｓと良く近似した。
ところが、５０ショット付近で、測定重量Ｗａｃｔが急減した。本発明の制御装置は５０ショット付近で関数を修正したため、予測重量Ｗｓが下方修正されて測定重量Ｗａｃｔによく近似する。８０ショット及び１１０ショット付近でも同様修正がなされ、予測重量Ｗｓが測定重量Ｗａｃｔによく近似することが確認できた。
図５は本発明に係る良否判定処理のフロー図である。
ＳＴ１８：予め入力した要求品質から、重量の上限値（許容範囲上限値）Ｇ１及び下限値（許容範囲下限値）Ｇ２を読込む。
ＳＴ１９：品質予測関数に、ＳＴ１０で読込んだモニタ値Ｍ３を与えて、演算して予測重量Ｇ３を得る。
ＳＴ２０：予測重量Ｇ３が、上限値Ｇ１と下限値Ｇ２との間にあるか否か、すなわち要求品質内にあるか否かを調べる。
ＳＴ２１：ＳＴ２０でＹＥＳであれば成形品が良品であると認定する。
ＳＴ２２：ＳＴ２０でＮＯであれば成形品が不良品であると認定する。
このフローによれば、量産成形における成形品を対象に、成形品の重量を測定することなしに良否判定をすることができる。この結果、成形品の重量を測定する工程を省くことができ、生産コストを低減することができる。
ＳＴ１８：予め入力した要求品質から、重量の上限値（許容範囲上限値）Ｇ１及び下限値（許容範囲下限値）Ｇ２を読込む。
ＳＴ１９：品質予測関数に、ＳＴ１０で読込んだモニタ値Ｍ３を与えて、演算して予測重量Ｇ３を得る。
ＳＴ２０：予測重量Ｇ３が、上限値Ｇ１と下限値Ｇ２との間にあるか否か、すなわち要求品質内にあるか否かを調べる。
ＳＴ２１：ＳＴ２０でＹＥＳであれば成形品が良品であると認定する。
ＳＴ２２：ＳＴ２０でＮＯであれば成形品が不良品であると認定する。
このフローによれば、量産成形における成形品を対象に、成形品の重量を測定することなしに良否判定をすることができる。この結果、成形品の重量を測定する工程を省くことができ、生産コストを低減することができる。
尚、成形品の品質は、重量、寸法、形状など種類は問わない。
また、本実施例では、管理上限値及び管理下限値にモニタ項目の最大値及び最小値をそのまま使用したが、これに限らず、モニタ値の出現度合いを勘案して任意の値を設定することができる。
また、本実施例では、管理上限値及び管理下限値にモニタ項目の最大値及び最小値をそのまま使用したが、これに限らず、モニタ値の出現度合いを勘案して任意の値を設定することができる。
たとえば、量産成形を行いながら、品質予測関数の予測精度を向上させたい場合があったとする。この場合には、管理上限値及び／又は管理下限値を最大値よりも低く、最小値よりも高く設定することで、故意に修正度合いを高める。これにより品質予測関数の見直しによる品質予測関数の予測精度向上が図れる。
したがって、経年変化によるモニタ項目の変動や成形条件の変更に対しても品質関数の予測精度を維持できるようになり、結果的に品質予測関数の見直し回数を低減させることができる。
したがって、経年変化によるモニタ項目の変動や成形条件の変更に対しても品質関数の予測精度を維持できるようになり、結果的に品質予測関数の見直し回数を低減させることができる。
本発明は、ニューラルネットワークを備える射出成形機に好適である。
１０…射出成形機、２０…制御装置、２２…管理上下限判定部としての最大最小判定部、２４…関数修正要否判定部、２５…警報信号発生部、２６…ニューラルネットワークＩ、２７…ニューラルネットワークＩＩ、２８…演算部、２９…良否判定部。
Claims (3)
- ニューラルネットワークに試し成形の情報を入力し、学習することで品質予測関数を定め、この品質予測関数並びにニューラルネットワークを用いて量産成形の制御を行う射出成形機の制御装置において、
この制御装置は、成形機の各部における状態を示すモニタ値の各々に管理上限値及び管理下限値を設定する管理上下限判定部と、
この管理上下限判定部で設定した管理上限値・管理下限値間を管理範囲とし、量産成形時に取得したモニタ値が前記管理範囲から外れたときに、前記品質予測関数の修正指令を出力する及び／又は警報信号発生部から警報信号を発生させる関数修正要否判断部と、を含み、
前記管理上限値及び管理下限値は、試し成形で得たモニタ群から選択した最大値及び最小値であることを特徴とする射出成形機の制御装置。 - 前記制御装置は、量産成形時に取得したモニタ値が前記管理範囲から外れたときに、前記警報信号発生部から警報信号を発生させ、この警報信号が所定回数連続したとき又は警報信号の累積回数が所定数に達したときに、品質予測関数を修正させることを特徴とする請求項１記載の射出成形機の制御装置。
- 前記制御装置は、品質予測関数に前記モニタ値を与えることで品質値を予測する演算部と、この演算部で予測した品質予測値が要求品質内にあるときには成形品が良品であると認定し、品質予測値が要求品質外にあるときには成形品が不良品であると認定する良否判断部と、を含むことを特徴とする請求項１又は請求項２記載の射出成形機の制御装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005106282A JP4499601B2 (ja) | 2005-04-01 | 2005-04-01 | 射出成形機の制御装置 |
| TW095107750A TWI293916B (en) | 2005-04-01 | 2006-03-08 | Control apparatus for injection molding machine |
| US11/390,660 US7216005B2 (en) | 2005-04-01 | 2006-03-28 | Control apparatus for injection molding machine |
| CNB2006100719513A CN100558535C (zh) | 2005-04-01 | 2006-04-03 | 注塑成型机的控制装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005106282A JP4499601B2 (ja) | 2005-04-01 | 2005-04-01 | 射出成形機の制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2006281662A JP2006281662A (ja) | 2006-10-19 |
| JP4499601B2 true JP4499601B2 (ja) | 2010-07-07 |
Family
ID=37029595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005106282A Expired - Fee Related JP4499601B2 (ja) | 2005-04-01 | 2005-04-01 | 射出成形機の制御装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US7216005B2 (ja) |
| JP (1) | JP4499601B2 (ja) |
| CN (1) | CN100558535C (ja) |
| TW (1) | TWI293916B (ja) |
Families Citing this family (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006021470A (ja) * | 2004-07-09 | 2006-01-26 | Fanuc Ltd | 射出成形機のモニタリング装置及びモニタリング方法 |
| JP4177399B2 (ja) * | 2006-10-27 | 2008-11-05 | 日精樹脂工業株式会社 | 射出成形機の制御方法 |
| JP4167282B2 (ja) * | 2006-10-27 | 2008-10-15 | 日精樹脂工業株式会社 | 射出成形機の支援装置 |
| US7412301B1 (en) * | 2007-02-08 | 2008-08-12 | Husky Injection Molding Systems Ltd. | Identifying quality molded article based on determination of plug blow |
| US8271103B2 (en) * | 2007-05-02 | 2012-09-18 | Mks Instruments, Inc. | Automated model building and model updating |
| JP4805871B2 (ja) * | 2007-05-02 | 2011-11-02 | 日精樹脂工業株式会社 | 成形支援システム |
| US8494798B2 (en) * | 2008-09-02 | 2013-07-23 | Mks Instruments, Inc. | Automated model building and batch model building for a manufacturing process, process monitoring, and fault detection |
| US9069345B2 (en) * | 2009-01-23 | 2015-06-30 | Mks Instruments, Inc. | Controlling a manufacturing process with a multivariate model |
| US8855804B2 (en) | 2010-11-16 | 2014-10-07 | Mks Instruments, Inc. | Controlling a discrete-type manufacturing process with a multivariate model |
| EP2691899A2 (en) | 2011-03-29 | 2014-02-05 | Boston Scientific Neuromodulation Corporation | System and method for leadwire location |
| US9429939B2 (en) | 2012-04-06 | 2016-08-30 | Mks Instruments, Inc. | Multivariate monitoring of a batch manufacturing process |
| US9541471B2 (en) | 2012-04-06 | 2017-01-10 | Mks Instruments, Inc. | Multivariate prediction of a batch manufacturing process |
| CA2922201C (en) * | 2013-09-05 | 2021-06-15 | Husky Injection Molding Systems Ltd. | A method and system for generating, processing and displaying an indicator of performance of an injection molding machine |
| JP6517728B2 (ja) * | 2016-05-12 | 2019-05-22 | ファナック株式会社 | 射出成形機の逆流防止弁の摩耗量推定装置および摩耗量推定方法 |
| AT519491A1 (de) * | 2016-12-23 | 2018-07-15 | Engel Austria Gmbh | Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum simulieren eines Formgebungsprozesses |
| JP6779316B2 (ja) * | 2017-01-17 | 2020-11-04 | 日精樹脂工業株式会社 | 射出成形機の成形条件推定方法 |
| CN107024290A (zh) * | 2017-03-09 | 2017-08-08 | 广州中大百迅信息技术有限公司 | 报警系统及控制方法 |
| JP6557272B2 (ja) | 2017-03-29 | 2019-08-07 | ファナック株式会社 | 状態判定装置 |
| DE102017120862A1 (de) * | 2017-09-10 | 2019-03-14 | Khs Corpoplast Gmbh | Heizvorrichtung für die Temperaturkonditionierung von Vorformlingen und Verfahren zum Betreiben einer solchen Heizvorrichtung |
| DE102018107233A1 (de) | 2018-03-27 | 2019-10-02 | Kraussmaffei Technologies Gmbh | Verfahren zur automatischen Prozessüberwachung und Prozessdiagnose eines stückbasierten Prozesses (batch-Fertigung), insbesondere eines Spritzgießprozesses und eine den Prozess durchführende Maschine oder ein den Prozess durchführender Maschinenpark |
| CN108515678A (zh) * | 2018-03-28 | 2018-09-11 | 广西科技大学 | 基于rbf神经网络的注塑工艺优化方法 |
| JP6893750B2 (ja) * | 2018-09-14 | 2021-06-23 | 株式会社日本製鋼所 | 射出成形機、射出成形機の状態報知システム、射出成形機の状態報知方法 |
| CN110901000B (zh) * | 2018-09-14 | 2022-06-07 | 株式会社日本制钢所 | 注射成型机、注射成型机的状态告知系统、注射成型机的状态告知方法 |
| JP7205225B2 (ja) * | 2018-09-20 | 2023-01-17 | 株式会社ジェイテクト | 成形条件決定支援装置および射出成形機 |
| US20200094461A1 (en) * | 2018-09-20 | 2020-03-26 | Jtekt Corporation | Device for assisting molding condition determination and injection molding apparatus |
| TWI725341B (zh) * | 2018-10-01 | 2021-04-21 | 中原大學 | 射出成型系統及射出成型方法 |
| CN109590448B (zh) * | 2018-11-30 | 2020-09-01 | 秦皇岛信智信息技术有限公司 | 一种基于在线检测轮毂重量的压铸模具健康预测方法 |
| CN111319206B (zh) * | 2018-12-13 | 2021-11-23 | 杭州电子科技大学 | 注塑成型系统中参数优化方法和装置 |
| JP7342450B2 (ja) * | 2018-12-28 | 2023-09-12 | 株式会社ジェイテクト | 品質予測システム及び成形機 |
| CN111497163B (zh) * | 2018-12-28 | 2023-06-20 | 株式会社捷太格特 | 品质预测系统以及成型机 |
| JP7184997B2 (ja) * | 2019-02-07 | 2022-12-06 | ファナック株式会社 | 状態判定装置及び状態判定方法 |
| JP6975188B2 (ja) | 2019-02-07 | 2021-12-01 | ファナック株式会社 | 状態判定装置及び状態判定方法 |
| JP7099977B2 (ja) * | 2019-03-27 | 2022-07-12 | 株式会社日立製作所 | 射出成形解析方法および射出成形解析システム |
| CH716122A1 (de) * | 2019-04-29 | 2020-10-30 | Alpla Werke Alwin Lehner Gmbh & Co Kg | Verfahren zum Betreiben einer Vorrichtung zur Herstellung eines Produktes, Computerprogrammprodukt und Vorrichtung zum Herstellen eines Produktes. |
| WO2021049848A1 (ko) * | 2019-09-11 | 2021-03-18 | 엘에스엠트론 주식회사 | 인공지능 기반의 사출성형시스템 및 사출성형시스템에서의 성형조건 생성방법 |
| JP7344754B2 (ja) * | 2019-10-23 | 2023-09-14 | 株式会社日本製鋼所 | 学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システム |
| JP7483436B2 (ja) | 2020-03-23 | 2024-05-15 | 住友重機械工業株式会社 | 射出成形機及びステータス決定装置 |
| JP7384729B2 (ja) * | 2020-03-27 | 2023-11-21 | 株式会社日本製鋼所 | コンピュータプログラム、機械学習機、情報処理方法及び射出成形機 |
| KR20220146574A (ko) * | 2020-03-31 | 2022-11-01 | 아사히 가세이 가부시키가이샤 | 장치, 방법 및 프로그램 |
| DE102020111674A1 (de) * | 2020-04-29 | 2021-11-04 | Krones Aktiengesellschaft | Behälterbehandlungsmaschine und Verfahren zum Überwachen des Betriebs einer Behälterbehandlungsmaschine |
| AT524001B1 (de) * | 2020-07-10 | 2023-10-15 | Engel Austria Gmbh | Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses |
| CN116056862A (zh) | 2020-08-14 | 2023-05-02 | 巴斯夫欧洲公司 | 用于控制和/或监测至少一个注射模制工艺的计算机实施的方法 |
| JP7089081B1 (ja) * | 2021-02-24 | 2022-06-21 | 株式会社ソディック | 射出成形機および射出成形機の点検方法 |
| AT525224A1 (de) * | 2021-06-21 | 2023-01-15 | Engel Austria Gmbh | Verfahren, System und Computerprogrammprodukt zum Überwachen eines Formgebungsprozesses |
| CN115545367A (zh) * | 2021-06-29 | 2022-12-30 | 深圳富桂精密工业有限公司 | 注塑成型过程的异常监控方法、电子设备及存储介质 |
| CN113741189B (zh) * | 2021-08-31 | 2022-04-12 | 广东工业大学 | 一种注塑机自适应学习快速控制方法 |
| WO2023152056A1 (en) | 2022-02-11 | 2023-08-17 | Basf Se | Computer-implemented method for controlling and/or monitoring at least one particle foam molding process |
| CN114632922B (zh) * | 2022-02-15 | 2022-11-29 | 湖南大学 | 高效高质铝合金减震塔高压真空压铸工艺控制系统及方法 |
| WO2024122169A1 (ja) * | 2022-12-08 | 2024-06-13 | 株式会社日本製鋼所 | 自動評価装置、自動評価方法及びコンピュータプログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05309711A (ja) * | 1992-04-03 | 1993-11-22 | Sony Corp | 成形制御方法および装置 |
| JPH06122140A (ja) * | 1992-10-13 | 1994-05-06 | Toyo Mach & Metal Co Ltd | 成形機のモニタ条件設定方法 |
| JPH07232366A (ja) * | 1994-02-24 | 1995-09-05 | Sony Corp | 射出成形判定方法及び装置 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2567968B2 (ja) | 1990-03-16 | 1996-12-25 | 東洋機械金属株式会社 | 成形機の製品自動検査方法 |
| US5671335A (en) * | 1991-05-23 | 1997-09-23 | Allen-Bradley Company, Inc. | Process optimization using a neural network |
| US5586041A (en) * | 1992-12-14 | 1996-12-17 | Ford Motor Company | Method and system for real-time statistical process monitoring |
| US5461570A (en) * | 1994-06-10 | 1995-10-24 | Johnson & Johnson Vision Products, Inc. | Computer system for quality control correlations |
| US6036466A (en) * | 1998-03-27 | 2000-03-14 | Ford Global Technologies, Inc. | Injection molding machine with automatic restart feature |
| TW584591B (en) * | 2000-06-08 | 2004-04-21 | Mirle Automation Corp | Method of setting parameters for injection molding machine |
| US6901391B2 (en) * | 2001-03-21 | 2005-05-31 | Halliburton Energy Services, Inc. | Field/reservoir optimization utilizing neural networks |
| US6914537B2 (en) * | 2001-05-25 | 2005-07-05 | Toshiba Machine Co., Ltd. | Method for monitoring operation data of an injection-molding machine |
| US6847854B2 (en) * | 2001-08-10 | 2005-01-25 | Rockwell Automation Technologies, Inc. | System and method for dynamic multi-objective optimization of machine selection, integration and utilization |
| SI21200A (sl) * | 2002-03-27 | 2003-10-31 | Jože Balič | Cnc upravljalna enota za krmiljenje obdelovalnih centrov s sposobnostjo učenja |
| US7117050B2 (en) * | 2002-11-08 | 2006-10-03 | Toshiba Kikai Kabushiki Kaisha | Management supporting apparatus, management supporting system, management supporting method, management supporting program, and a recording medium with the program recorded therein |
| AT414225B (de) * | 2004-06-25 | 2006-10-15 | Technoplast Kunststofftechnik | Verfahren zur herstellung von profilen aus thermoplastischem kunststoff |
| DE102005010999A1 (de) * | 2005-03-10 | 2006-09-14 | Bayer Materialscience Ag | Verfahren und Anlage zur kontinuierlichen Herstellung von Schaumstoffplatten |
-
2005
- 2005-04-01 JP JP2005106282A patent/JP4499601B2/ja not_active Expired - Fee Related
-
2006
- 2006-03-08 TW TW095107750A patent/TWI293916B/zh not_active IP Right Cessation
- 2006-03-28 US US11/390,660 patent/US7216005B2/en active Active
- 2006-04-03 CN CNB2006100719513A patent/CN100558535C/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05309711A (ja) * | 1992-04-03 | 1993-11-22 | Sony Corp | 成形制御方法および装置 |
| JPH06122140A (ja) * | 1992-10-13 | 1994-05-06 | Toyo Mach & Metal Co Ltd | 成形機のモニタ条件設定方法 |
| JPH07232366A (ja) * | 1994-02-24 | 1995-09-05 | Sony Corp | 射出成形判定方法及び装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW200635749A (en) | 2006-10-16 |
| JP2006281662A (ja) | 2006-10-19 |
| US7216005B2 (en) | 2007-05-08 |
| CN1840316A (zh) | 2006-10-04 |
| CN100558535C (zh) | 2009-11-11 |
| US20060224540A1 (en) | 2006-10-05 |
| TWI293916B (en) | 2008-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4499601B2 (ja) | 射出成形機の制御装置 | |
| JP4177399B2 (ja) | 射出成形機の制御方法 | |
| US6600961B2 (en) | Intelligent control method for injection machine | |
| US20210260805A1 (en) | Real time material and velocity control in a molding system | |
| CN109501271B (zh) | 增材制造工艺计划的优化方法及优化器，增材制造方法 | |
| CN102754040B (zh) | 用于调节注塑过程的方法 | |
| US7813829B2 (en) | Sheet manufacturing method and sheet manufacturing device | |
| JP2017119425A (ja) | 射出成形機の成形最適化方法 | |
| WO2018086373A1 (zh) | 水箱的温度传感器监测方法和装置、热水系统 | |
| JP2007098756A (ja) | 加硫制御方法及び制御システム | |
| JP6587989B2 (ja) | 計測装置、計測方法、プログラム | |
| CN110766234A (zh) | 基于信息融合的水泥冷却过程篦下压力预测方法 | |
| JP6772119B2 (ja) | 演算処理装置、演算処理装置の演算方法及びプログラム | |
| CN116179840A (zh) | 一种激光表面热处理温度监控控制系统及控制方法 | |
| WO2021220719A1 (ja) | 成形システム、異常予測装置、異常予測方法、プログラム及び学習済みモデル | |
| JP4721454B2 (ja) | 射出成形装置における成形条件の決定方法及び射出成形装置 | |
| TWI586853B (zh) | 熔料參數的預測方法 | |
| JPH0473683B2 (ja) | ||
| JP2003181846A (ja) | タイヤの加硫監視方法およびそれに用いる装置 | |
| CN110154025A (zh) | 验证基于机械手操作的工序组合是否合理的方法和装置 | |
| JP2020038553A (ja) | 摩耗量推定システム、補正システム、異常検知システム、寿命検知システム、工作機械及び摩耗量推定方法 | |
| JP7424192B2 (ja) | 成形システム、異常予測装置、異常予測方法、プログラム及び学習済みモデル | |
| KR102570535B1 (ko) | 지능형 단조 시스템 및 그 진단 방법 | |
| KR102153474B1 (ko) | 에틸렌 비닐아세테이트 공중합 공정 제어 시스템 및 그 제어 방법 | |
| KR20230098445A (ko) | 유체 온도 예측 장치, 그것의 구동 방법, 유체 온도 예측 장치를 포함하는 유체 온도 보정 시스템 및 유체 온도 보정 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060907 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20081219 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090107 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090305 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090331 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090528 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100413 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100415 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130423 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4499601 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160423 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |