JP7424192B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7424192B2 JP7424192B2 JP2020078549A JP2020078549A JP7424192B2 JP 7424192 B2 JP7424192 B2 JP 7424192B2 JP 2020078549 A JP2020078549 A JP 2020078549A JP 2020078549 A JP2020078549 A JP 2020078549A JP 7424192 B2 JP7424192 B2 JP 7424192B2
- Authority
- JP
- Japan
- Prior art keywords
- pressure
- gate
- molding
- molding material
- cavity
- 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.)
- Active
Links
- 238000000465 moulding Methods 0.000 title claims description 176
- 230000005856 abnormality Effects 0.000 title claims description 122
- 238000000034 method Methods 0.000 title claims description 54
- 238000011156 evaluation Methods 0.000 claims description 180
- 239000012778 molding material Substances 0.000 claims description 135
- 238000003860 storage Methods 0.000 claims description 44
- 230000008859 change Effects 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000002347 injection Methods 0.000 claims description 14
- 239000007924 injection Substances 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 33
- 230000002159 abnormal effect Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 17
- 230000007423 decrease Effects 0.000 description 9
- 238000005429 filling process Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000001746 injection moulding Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000007493 shaping process Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000008188 pellet Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D17/00—Pressure die casting or injection die casting, i.e. casting in which the metal is forced into a mould under high pressure
- B22D17/20—Accessories: Details
- B22D17/32—Controlling equipment
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Description
以下、本発明の第1実施形態を、図面を参照して説明する。
図1は、第1実施形態に係る成形システム10を模式的に示すブロック図である。成形システム10は、複数の成形装置20と、学習装置30と、異常予測装置40と、入力部50と、表示部60とを備える。
図2及び図3は、成形装置20を概念的に示す説明図である。図2及び図3において、断面として示す部分にはハッチングを付す。成形装置20は、ベッド21と、射出部22と、型締め部23と、金型部24と、圧力センサ25と、温度センサ26と、制御盤27とを有する。図2は、金型部24が開放されている状態の成形装置20を示しており、図3は、金型部24が組み合わされている状態の成形装置20を示している。成形装置20は、型締め式の射出成形を行う装置である。
図2から図5を適宜参照しながら、成形装置20による成型品の製造方法について説明する。成形装置20による成型品の製造方法は、前工程ST1と、型締め工程ST2と、充填工程ST3と、保圧工程ST4と、保圧解除工程ST5と、離型工程ST6とが、この順で実行される。本実施形態において、成型品は、転がり軸受に用いられる樹脂製の保持器である。しかしながら、これは成型品の一例であり、本発明に係る成形装置により成形される成型品は、その他の形状及び用途の成型品であってもよい。
図10は、本実施形態に係る学習装置30の機能構成を示すブロック図である。学習装置30は、訓練データ取得部31と、学習演算部32と、成形情報記憶部33と、学習済みモデル記憶部34とを有する。これらの各部は、CPU等の演算部とHDD等の記憶部とを有するコンピュータ装置により実現される。
次に、学習装置30による学習済みモデルTm1、Tm2の生成方法について説明する。学習済みモデルTm1、Tm2の生成方法は、訓練データ取得工程と、学習演算工程とを備える。はじめに、訓練データ取得工程が開始されると、訓練データ取得部31は、複数組の訓練データを取得する。例えば、圧力センサ25により検出された圧力の時系列データに基づいて、第1評価値R1及び第2評価値R2を取得する。また、当該第1評価値R1及び第2評価値R2が取得された成型品を成形した金型部24を作業員が実際に検査することで、摩耗情報を取得する。次に、学習演算工程が開始されると、学習演算部32は、複数組の訓練データに基づいて学習済みモデルTm1、Tm2を生成する。
図12は、本実施形態に係る異常予測装置40の機能構成を示すブロック図である。異常予測装置40は、データ取得部41と、異常予測部42と、出力部43と、成形情報記憶部44と、学習済みモデル記憶部45とを有する。これらの各部は、CPU等の演算部とHDD等の記憶部とを有するコンピュータ装置により実現される。演算部は、記憶部に記憶されているプログラムに基づいて、後述のデータ取得処理と、異常予測処理とを実行する。
次に、異常予測装置40による異常予測方法を説明する。異常予測方法は、データ取得工程と、異常予測工程とを備える。データ取得工程が開始されると、データ取得部41は、予測対象の成型品を成形した際に取得される1組の第1評価値R1、第2評価値R2、第3評価値R3及び成形情報を取得する。以上により、データ取得工程が終了する。
本実施形態に係る成形システム10は、保圧動作(時点X1)から保圧解除動作(時点X2)までの間のキャビティC1内の成形材料L1の圧力の最大値(第1評価値R1)に基づいて、ゲート243bの摩耗状態を予測するための予測情報を取得する。また、本実施形態に係る成形システム10は、保圧解除動作後のキャビティC1内の成形材料L1の圧力の変化に関する値(第2評価値R2)に基づいて、ゲート243bの摩耗状態を予測するための予測情報を取得する。
以上、第1実施形態に係る成形システムを説明した。しかしながら、本発明の実施に関してはこれに限られず、種々の変形を行うことができる。以下、本発明の第2実施形態に係る成形システム11について、説明する。なお、以下の説明において、第1実施形態から変更のない部分については同じ符号を付し、説明を省略する。
上記の第2実施形態において、第1基準値Rf1は、摩耗状態が正常であるゲート243bを用いて成型品を成形した際に取得される第1評価値R1(圧力の最大値)に基づいて生成される。しかしながら、本発明の実施に関してはこれに限られない。例えば、第1基準値Rf1は、保圧工程ST4中に、与圧センサ227により検出される圧力の最大値に基づいて生成されてもよい。また、第1基準値Rf1は、保圧工程ST4中に、圧力センサ227aにより検出される圧力の最大値に基づいて生成されてもよい。
上記の第2実施形態において、出力部43aは、1回の成形で取得された予測情報D1、D2に基づいてゲート243bの摩耗状態を判定する。しかしながら、出力部43aは、複数回の成形で取得された情報に基づいてゲート243bの摩耗状態を判定してもよい。
20 成形装置 21 ベッド 22 射出部
221 ホッパ 222 シリンダ 223 スクリュ
225 ボールねじ 226 モータ 227 与圧センサ
227a 圧力センサ 228 移動量センサ 229 ヒータ
224 ノズル 23 型締め部 231 固定盤
231a 貫通孔 232 可動盤 232a 貫通孔
233 タイバー 234 ボールねじ 235 支持盤
236 力センサ 237 モータ 24 金型部
241、242 金型 241 金型 242 金型
243 流路 243a 第1開口部
243b 第2開口部(ゲート) 25 圧力センサ
26 温度センサ 27 制御盤 271 制御部
272 通信部 30 学習装置 31 訓練データ取得部
32 学習演算部 33 成形情報記憶部 34 学習済みモデル記憶部
40、40a 異常予測装置 41 データ取得部
42、42a 異常予測部 43、43a 出力部
44 成形情報記憶部 45 学習済みモデル記憶部
46 基準値記憶部 50 入力部 60 表示部
C1 キャビティ L1 成形材料
F0、F1、F2 グラフ線F Ps1 圧力(設定圧力)
X1 (保圧動作の)時点 X2 (保圧解除動作後の)時点
Pt1、Pt2 最大圧力
d1 (ゲート正常時の)内径
d2 (ゲート異常時の)内径
S1 凝固体 G1 隙間
R1 第1評価値 R2 第2評価値(評価値)
R3 第3評価値 T1 所定時間
Tm1、Tm2、Tm3 学習済みモデル
D1、D2、D3、D4 予測情報
PD1 第1予備判定情報 PD2 第2予備判定情報
Rf1 第1基準値
Rf2 第2基準値(基準値)
Th1 所定値 Th2、Th3 マージン
Claims (15)
- 成型品を成形する成形装置と、前記成形装置の異常を予測する異常予測装置と、を備える成形システムであって、
前記成形装置は、
内部にキャビティを形成し、前記キャビティ側に開口するゲートを有する金型部と、
前記ゲートを経由して、前記キャビティへ溶融状態の成形材料を充填する充填動作と、前記キャビティに充填された前記成形材料の圧力を保持する保圧動作と、前記成形材料の圧力の保持を解除する保圧解除動作と、を行う射出部と、
前記キャビティ内の前記成形材料の圧力を検出する圧力センサと、
を有し、
前記異常予測装置は、
前記圧力センサにより検出された圧力の時系列データに基づいて、前記保圧解除動作後の前記成形材料の圧力の変化に関する評価値を取得するデータ取得部と、
前記評価値に基づいて、前記ゲートの摩耗状態を予測するための予測情報を取得する異常予測部と、
を有する、成形システム。 - 前記データ取得部は、
前記保圧解除動作後の前記時系列データにおいて所定時間ごとに複数の圧力の傾き又は圧力の変化量を取得し、
複数の前記圧力の傾き又は前記圧力の変化量の平均値又は中央値を前記評価値として取得する、
請求項1に記載の成形システム。 - 前記異常予測部は、前記ゲートの摩耗状態が正常な時に取得される前記評価値に基づいて生成される基準値よりも、予測対象となる前記成型品の成形時に取得される前記評価値が小さくなる場合に、前記ゲートに摩耗が発生していることを示す前記予測情報を取得する、
請求項2に記載の成形システム。 - 前記異常予測部は、前記成形装置により予測対象となる前記成型品を複数成形し、所定の複数回にわたって連続して取得される前記評価値が、いずれも前記基準値よりも小さくなる場合に、前記ゲートに摩耗が発生していることを示す前記予測情報を取得する、
請求項3に記載の成形システム。 - 前記異常予測部は、前記評価値と、前記ゲートの摩耗状態との相関関係を機械学習させた学習済みモデルへ前記評価値を入力することで、前記予測情報を取得し、
前記学習済みモデルの説明変数は、前記評価値を含み、
前記学習済みモデルの目的変数は、前記ゲートの内径、又は前記ゲートの摩耗量を含む、
請求項1又は請求項2に記載の成形システム。 - 前記圧力センサは、前記キャビティに露出する面のうち前記ゲートに近接する面に設けられている、
請求項1から請求項5のいずれか1項に記載の成形システム。 - 内部にキャビティを形成し、前記キャビティ側に開口するゲートを有する金型部と、
前記ゲートを経由して、前記キャビティへ溶融状態の成形材料を充填する充填動作と、前記キャビティに充填された前記成形材料の圧力を保持する保圧動作と、前記成形材料の圧力の保持を解除する保圧解除動作と、を行う射出部と、
前記キャビティ内の前記成形材料の圧力を検出する圧力センサと、を含む、
成型品を成形する成形装置と、
前記成形装置の異常を予測するための異常予測装置と、
学習装置と、を備える、成形システムであって、
前記学習装置は、学習済みモデルを生成し、
前記学習済みモデルの説明変数は、前記圧力センサにより検出された圧力の時系列データに基づいて取得される、前記保圧解除動作後の前記成形材料の圧力の変化に関する評価値を含み、
前記学習済みモデルの目的変数は、前記ゲートの内径又は前記ゲートの摩耗量を含む、
成形システム。 - 請求項7に記載の成形システムにおいて、
前記評価値は、前記キャビティ内の前記成形材料の前記保圧動作中の圧力の最大値と、前記キャビティ内の前記成形材料の前記保圧解除動作後の圧力の傾きと、を含む、
成形システム。 - 成型品を成形する成形装置の異常を予測する異常予測装置であって、
前記成形装置は、
内部にキャビティを形成し、前記キャビティ側に開口するゲートを有する金型部と、
前記ゲートを経由して、前記キャビティへ溶融状態の成形材料を充填する充填動作と、前記キャビティに充填された前記成形材料の圧力を保持する保圧動作と、前記成形材料の圧力の保持を解除する保圧解除動作と、を行う射出部と、
前記キャビティ内の前記成形材料の圧力を検出する圧力センサと、
を有し、
前記異常予測装置は、
前記圧力センサにより検出された圧力の時系列データに基づいて、前記保圧解除動作後の前記成形材料の圧力の変化に関する評価値を取得するデータ取得部と、
前記評価値に基づいて、前記ゲートの摩耗状態を予測するための予測情報を取得する異常予測部と、
を備える、異常予測装置。 - 内部にキャビティを形成し、前記キャビティ側に開口するゲートを有する金型部と、前記ゲートを経由して、前記キャビティへ溶融状態の成形材料を充填する充填動作と、前記キャビティに充填された前記成形材料の圧力を保持する保圧動作と、前記成形材料の圧力の保持を解除する保圧解除動作と、を行う射出部と、を備える成型品を成形する成型装置の異常を予測する異常予測方法であって、
前記キャビティ内の前記成形材料の圧力を検出する圧力センサにより検出された圧力の時系列データに基づいて、前記保圧解除動作後の前記成形材料の圧力の変化に関する評価値を取得するデータ取得工程と、
前記評価値に基づいて、前記ゲートの摩耗状態を予測するための予測情報を取得する異常予測工程と、
を備える、異常予測方法。 - 内部にキャビティを形成し、前記キャビティ側に開口するゲートを有する金型部と、前記ゲートを経由して、前記キャビティへ溶融状態の成形材料を充填する充填動作と、前記キャビティに充填された前記成形材料の圧力を保持する保圧動作と、前記成形材料の圧力の保持を解除する保圧解除動作と、を行う射出部と、を備える成型品を成形する成型装置の異常を予測するためのプログラムであって、
前記キャビティ内の前記成形材料の圧力を検出する圧力センサにより検出された圧力の時系列データに基づいて、前記保圧解除動作後の前記成形材料の圧力の変化に関する評価値を取得するデータ取得工程と、
前記評価値に基づいて、前記ゲートの摩耗状態を予測するための予測情報を取得する異常予測工程と、
をコンピュータ装置に実行させる、プログラム。 - 内部にキャビティを形成し、前記キャビティ側に開口するゲートを有する金型部と、
前記ゲートを経由して、前記キャビティへ溶融状態の成形材料を充填する充填動作と、前記キャビティに充填された前記成形材料の圧力を保持する保圧動作と、前記成形材料の圧力の保持を解除する保圧解除動作と、を行う射出部と、を備える成型品を成形するための成形装置の異常を予測するための学習済みモデルであって、
前記学習済みモデルは、
前記キャビティ内の前記成形材料の圧力を検出する圧力センサにより検出された圧力の時系列データに基づいて取得される、前記保圧解除動作後の前記成形材料の圧力の変化に関する評価値を含む説明変数が、入力され、
前記説明変数に基づき、前記ゲートの内径又は前記ゲートの摩耗量を含む目的変数を出力するように、
コンピュータを機能させるための学習済みモデル。 - 前記学習済みモデルは、学習装置によって生成され、
前記学習装置は、演算部と、記憶部と、を有するコンピュータ装置により構成され、
前記学習装置は、訓練データ取得部と、学習演算部と、を含み、
前記訓練データ取得部は、前記評価値と前記ゲートの内径又は前記ゲートの摩耗量とを訓練データとして取得し、
前記学習済みモデルは、前記学習演算部において、複数組の前記訓練データに基づいて、教師あり機械学習を行う演算をすることで、前記評価値と前記ゲートの内径又は全ゲートの摩耗量との相関関係をモデル化して生成される、
請求項12に記載の学習済みモデル。 - 前記演算部はCPU又はGPUであり、前記記憶部はHDD又はSSDである請求項13に記載の学習済みモデル。
- 請求項12に記載の学習済みモデルにおいて、
前記評価値は、前記キャビティ内の前記成形材料の前記保圧動作中の圧力の最大値と、前記キャビティ内の前記成形材料の前記保圧解除動作後の圧力の傾きと、を含む、
学習済みモデル。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020078549A JP7424192B2 (ja) | 2020-04-27 | 2020-04-27 | 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 |
PCT/JP2021/014306 WO2021220718A1 (ja) | 2020-04-27 | 2021-04-02 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020078549A JP7424192B2 (ja) | 2020-04-27 | 2020-04-27 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021172034A JP2021172034A (ja) | 2021-11-01 |
JP7424192B2 true JP7424192B2 (ja) | 2024-01-30 |
Family
ID=78278859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020078549A Active JP7424192B2 (ja) | 2020-04-27 | 2020-04-27 | 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 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7424192B2 (ja) |
WO (1) | WO2021220718A1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020052821A (ja) | 2018-09-27 | 2020-04-02 | 株式会社ジェイテクト | 劣化判定装置および劣化判定システム |
-
2020
- 2020-04-27 JP JP2020078549A patent/JP7424192B2/ja active Active
-
2021
- 2021-04-02 WO PCT/JP2021/014306 patent/WO2021220718A1/ja active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020052821A (ja) | 2018-09-27 | 2020-04-02 | 株式会社ジェイテクト | 劣化判定装置および劣化判定システム |
Also Published As
Publication number | Publication date |
---|---|
JP2021172034A (ja) | 2021-11-01 |
WO2021220718A1 (ja) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7047080B2 (ja) | 成形システムにおけるリアルタイム材料および速度制御 | |
US8060240B2 (en) | Injection molding control method | |
US11358317B2 (en) | Systems and methods for controlling injection molding using predicted cavity pressure | |
JP5770060B2 (ja) | 射出成形機の成形監視装置 | |
JP2006281662A (ja) | 射出成形機の制御装置 | |
JP7424191B2 (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 | |
JP2020052821A (ja) | 劣化判定装置および劣化判定システム | |
JP2008311577A (ja) | トランスファ成型装置および半導体装置の製造方法 | |
CN110920009A (zh) | 状态判定装置以及状态判定方法 | |
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 | |
JP7196696B2 (ja) | 機械学習装置及び機械学習方法 | |
WO2021215222A1 (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 | |
JP2022077628A (ja) | 異常予測システム、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 | |
JP2020093506A (ja) | 射出成形機の情報提示装置及び射出成形機の情報提示方法 | |
JP7293962B2 (ja) | 成形品の品質異常予測システム | |
KR101919242B1 (ko) | 사출금형의 진단시스템 | |
JP7495513B2 (ja) | 状態判定装置及び状態判定方法 | |
JP2007112100A (ja) | 成形状態監視システム | |
WO2021206017A1 (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 | |
JP7250072B2 (ja) | 射出成形機の良否判定システム | |
WO2024057461A1 (ja) | 判定装置及び判定方法 | |
JP7367511B2 (ja) | 金型異常判定装置、プログラムおよび金型異常判定方法 | |
JP7495514B2 (ja) | 状態判定装置及び状態判定方法 | |
JP7481048B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
WO2023228778A1 (ja) | 射出成形機の良否判定システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230317 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230922 |
|
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: 20231219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240101 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7424192 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |