KR102500376B1 - 사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법 - Google Patents

사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법 Download PDF

Info

Publication number
KR102500376B1
KR102500376B1 KR1020210124921A KR20210124921A KR102500376B1 KR 102500376 B1 KR102500376 B1 KR 102500376B1 KR 1020210124921 A KR1020210124921 A KR 1020210124921A KR 20210124921 A KR20210124921 A KR 20210124921A KR 102500376 B1 KR102500376 B1 KR 102500376B1
Authority
KR
South Korea
Prior art keywords
process state
pressure
temperature
point
psv
Prior art date
Application number
KR1020210124921A
Other languages
English (en)
Inventor
이병옥
김진수
Original Assignee
아주대학교산학협력단
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 아주대학교산학협력단 filed Critical 아주대학교산학협력단
Priority to KR1020210124921A priority Critical patent/KR102500376B1/ko
Application granted granted Critical
Publication of KR102500376B1 publication Critical patent/KR102500376B1/ko

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
    • 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
    • B29C45/768—Detecting defective moulding conditions
    • 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
    • B29C45/77—Measuring, controlling or regulating of velocity or pressure of moulding material
    • 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
    • B29C45/78—Measuring, controlling or regulating of temperature
    • 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
    • B29C45/84—Safety devices
    • 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
    • B29C2945/76006—Pressure
    • 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
    • B29C2945/7604—Temperature
    • 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
    • B29C2945/76177—Location of measurement
    • B29C2945/76254—Mould
    • B29C2945/76257—Mould cavity
    • 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
    • B29C2945/76451—Measurement means
    • B29C2945/76454—Electrical, e.g. thermocouples
    • 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
    • B29C2945/76939—Using stored or historical data sets
    • B29C2945/76943—Using stored or historical data sets compare with thresholds
    • 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
    • B29C2945/76939—Using stored or historical data sets
    • B29C2945/76949—Using stored or historical data sets using a learning system, i.e. the system accumulates experience from previous occurrences, e.g. adaptive control

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

본 발명은 사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법에 관한 것이다. 본 발명에 따르면, 모니터링 장치는 금형 내부에 설치된 센서로부터 측정된 온도 및 압력을 수신하는 신호수신부, 상기 수신된 온도를 시계열적으로 나열하여 획득한 그래프를 이용하여 복수의 온도 공정상태점을 추출하고, 상기 수신된 압력을 시계열적으로 나열하여 획득한 그래프를 이용하여 압력 공정상태점을 추출하는 공정상태점 추출부, 상기 추출된 복수의 온도 공정상태점 또는 압력 공정상태점마다 각각의 공정상태값(Process State Value, PSV)을 획득하고, 상기 획득한 공정상태값(PSV)을 기 학습된 학습모델에 입력하여 사출 성형 제품의 품질 또는 특성을 예측하는 예측부, 상기 예측된 사출 성형 제품의 품질 또는 특성을 이용하여 상기 공정상태값(PSV)에 대응하는 영향도를 획득하고, 획득한 영향도 중에서 상기 영향도가 가장 큰 값을 가지는 공정상태값(PSV)을 유효공정상태값으로 선별하는 선별부, 상기 선별된 유효공정상태값과 상대 영향도를 기반으로 온도와 압력에 대한 모니터링윈도우의 상한값 및 하한값을 획득하는 윈도우 선정부, 그리고 현재 시점에서 획득한 온도 또는 압력이 획득한 모니터링 윈도우의 상한값 및 하한값 내에 포함되어 있는지 여부를 판단하고, 판단 결과에 따라 경고신호를 생성하거나, 금형 내의 온도 및 압력을 제어하는 제어신호를 생성하는 제어부를 포함한다.

Description

사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법{Monitoring apparatus using sensor signal in injection mold and method thereof}
본 발명은 사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법에 관한 것으로서, 더욱 상세하게 설명하면 금형 내부에 설치된 센서 신호를 모니터링하기 위한 공정상태점을 결정하여 사출성형 제품의 특성 및 품질에 대한 일관성을 유지하는 모니터링 장치 및 그 방법에 관한 것이다.
플라스틱 제품의 적용분야가 확대되면서, 플라스틱 제품의 대량생산에 대한 수요가 증가하고 있다. 플라스틱 제품을 생산하는 공정 중에서 대표적으로 사출성형 방식이 사용되는데, 이는 단시간 내에 복잡한 형상의 제품을 자동화하여 대량생산하기 용이하기 때문이다. 사출성형공정에서 생산 사이클마다 금형 내 성형조건에 변동이 발생하면 제품의 품질을 일관되게 유지하기 어려우므로, 성형조건의 모니터링은 사출성형공정에 있어서 중요하다.
성형조건의 모니터링은 금형 내부에 위치한 제품 형상의 빈공간인 캐비티에 설치된 센서로부터 얻어지는 온도와 압력 등의 신호를 분석함으로써 수행된다.
일반적으로 사용되는 사출성형공정의 모니터링 시스템은 센서 신호를 기반으로 제품의 양품/불량품 여부를 사전에 판단하거나, 공정의 재현성을 감시하는 기능을 지원한다. 이를 위하여 특정 시점의 측정값이 사전 설정된 범위인 모니터링 윈도우 내에 위치하는지 여부가 주로 활용된다. 그러나 센서 신호 개형에서의 특정 시점의 선정 기준과 모니터링 윈도우의 폭을 선정하기 위한 기준이 없다는 문제점이 있었다.
센서 신호는 성형조건뿐만 아니라 센서의 설치 위치, 용융플라스틱의 유변학적 물성 등에 따라 다양하게 변화한다. 따라서 센서 신호를 분석하고 모니터링 윈도우를 선정하기 위해서는 사출성형공정에 대한 이해와 플라스틱 재료에 대한 이해가 필수적이다. 더욱이, 이러한 이해가 있다 하더라도, 사출성형 제품의 특성/품질이 신호 개형의 어느 부분과 밀접하게 연관되는지 제시하기는 어렵다는 문제점이 있었다.
상기한 기존의 사출성형공정 모니터링 기술의 한계점으로 인하여, 종래의 사출성형공정에서 센서 신호의 모니터링 윈도우를 선정하는 작업은 경험에 의존적이었다.
본 발명의 배경이 되는 기술은 한국등록특허 제10-1465347호(2014.11.19. 공고)에 개시되어 있다.
이와 같이 본 발명에 따르면, 금형 내부에 설치된 센서 신호를 모니터링하기 위한 공정상태점을 결정하여 사출성형 제품의 특성 및 품질에 대한 일관성을 유지하는 모니터링 장치 및 그 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면 사출 금형 내 센서 신호를 이용한 모니터링 장치는 금형 내부에 설치된 센서로부터 측정된 온도 및 압력을 수신하는 신호수신부, 상기 수신된 온도를 시계열적으로 나열하여 획득한 그래프를 이용하여 복수의 온도 공정상태점을 추출하고, 상기 수신된 압력을 시계열적으로 나열하여 획득한 그래프를 이용하여 압력 공정상태점을 추출하는 공정상태점 추출부, 상기 추출된 복수의 온도 공정상태점 또는 압력 공정상태점마다 각각의 공정상태값(Process State Value, PSV)을 획득하고, 상기 획득한 공정상태값(PSV)을 기 학습된 학습모델에 입력하여 사출 성형 제품의 품질/특성을 예측하는 예측부, 상기 예측된 사출 성형 제품의 품질/특성을 이용하여 상기 공정상태값(PSV)에 대응하는 영향도를 획득하고, 획득한 영향도 중에서 상기 영향도가 가장 큰 값을 가지는 공정상태값(PSV)을 유효공정상태값으로 선별하는 선별부, 상기 선별된 유효공정상태값과 상대 영향도를 기반으로 온도와 압력에 대한 모니터링윈도우의 상한값 및 하한값을 획득하는 윈도우 선정부, 그리고 현재 시점에서 획득한 온도 또는 압력이 획득한 모니터링 윈도우의 상한값 및 하한값 내에 포함되어 있는지 여부를 판단하고, 판단 결과에 따라 경고신호를 생성하거나, 금형 내의 온도 및 압력을 제어하는 제어신호를 생성하는 제어부를 포함한다.
상기 생산된 사출 성형 제품의 품질/특성 및 사출성형공정의 공정상태값(PSV)을 획득하는 데이터 수집부, 그리고 상기 획득한 공정상태값(PSV) 및 품질/특성을 다층퍼셉트론모델(multi-layer perceptron, MLP) 또는 완전연결신경망(fully connected neural network)를 포함하는 구조를 기반으로 하는 회귀(regression) 모델에 입력하여 상기 학습모델을 학습하는 학습부를 더 포함할 수 있다.
상기 공정상태값(PSV)은, 상기 공정상태점에 대응하는 온도 또는 압력, 그리고 시간을 포함하고, 상기 사출 성형 제품의 품질/특성은, 중량, 크기, 비틀림, 후 변형량 중에서 적어도 하나를 포함할 수 있다.
상기 공정상태점 추출부는, 상기 수신된 온도 또는 압력을 시간에 따른 그래프로 출력하고, 상기 출력된 그래프 개형의 시작점을 제1 공정상태점으로 설정하고, 종점을 제2 공정상태점으로 설정하며, 상기 제1 공정상태점과 제2 공정상태점을 직선으로 연결한 다음, 상기 연결된 직선과 그래프 사이의 거리가 가장 큰 지점을 제3 공정상태점으로 설정한 다음, 상기 제1 공정상태점과 제3 공정상태점 사이에 연결된 직선과 그래프 사이의 거리가 가장 큰 지점 그리고 제3 공정상태점과 제2 공정상태점 사이에 연결된 직선과 그래프 사이의 거리가 가장 큰 지점의 거리를 각각 비교하여 거리가 가장 큰 지점을 제4 공정상태점으로 설정하고, 설정된 설정된 복수의 공정상태점을 시계열적으로 넘버링할 수 있다.
상기 인접한 두개의 공정상태점을 연결한 직선과 그래프 사이의 거리(d)는, 하기의 수학식으로 통해 산출될 수 있다.
Figure 112021108342465-pat00001
여기서, t는 시간을 나타내고, y 는 온도 또는 압력을 나타낸다.
상기 선별부는, 사출 성형 제품의 품질 또는 특성에 대한 상대 영향도(
Figure 112021108342465-pat00002
)를 하기의 수학식을 통해 산출될 수 있다.
Figure 112021108342465-pat00003
여기서,
Figure 112021108342465-pat00004
는 유효공정상태값별 영향도를 나타내고, C는 사출 성형 제품의 픔질 또는 특성을 나타낸다.
상기 윈도우 선정부는, 하기의 수학식을 이용하여 상한값(U)을 산출하고,
Figure 112021108342465-pat00005
하기의 수학식을 이용하여 하한값(L)을 산출할 수 있다.
Figure 112021108342465-pat00006
여기서, CF는 모니터링 윈도우의 폭(
Figure 112021108342465-pat00007
)을 일괄적으로 조절하기 위한 제어인자를 나타낸다.
상기 윈도우 선정부는, 모니터링 윈도우에 대한 폭을 더 획득하며,
상기 폭(
Figure 112021108342465-pat00008
)은, 하기의 수학식을 이용하여 산출할 수 있다.
Figure 112021108342465-pat00009
상기 모니터링 윈도의 폭은 (
Figure 112021108342465-pat00010
)은 상대 영향도와 반비례 관계일 수 있다.
또한, 본 발명의 실시예에 따른 모니터링 장치를 이용한 모니터링 방법은 금형 내부에 설치된 센서로부터 측정된 온도 및 압력을 수신하는 단계, 상기 수신된 온도를 시계열적으로 나열하여 획득한 그래프를 이용하여 복수의 온도 공정상태점을 추출하고, 상기 수신된 압력을 시계열적으로 나열하여 획득한 그래프를 이용하여 압력 공정상태점을 추출하는 단계, 상기 추출된 복수의 온도 공정상태점 또는 압력 공정상태점마다 각각의 공정상태값(Process State Value, PSV)을 획득하고, 상기 획득한 공정상태값(PSV)을 기 학습된 학습모델에 입력하여 사출 성형 제품의 품질/특성을 예측하는 단계, 상기 예측된 사출 성형 제품의 품질/특성을 이용하여 상기 공정상태값(PSV)에 대응하는 영향도를 획득하고, 획득한 영향도 중에서 상기 영향도가 가장 큰 값을 가지는 공정상태값(PSV)을 유효공정상태값으로 선별하는 단계, 상기 선별된 유효공정상태값과 상대 영향도를 기반으로 온도와 압력에 대한 모니터링윈도우의 상한값 및 하한값을 획득하는 단계 그리고, 현재 시점에서 획득한 온도 또는 압력이 획득한 모니터링 윈도우의 상한값 및 하한값 내에 포함되어 있는지 여부를 판단하고, 판단 결과에 따라 경고신호를 생성하거나, 금형 내의 온도 및 압력을 제어하는 제어신호를 생성하는 모니터링 하는 단계를 포함한다.
이와 같이 본 발명의 실시예에 따르면, 형내센서 신호의 모니터링 윈도우를 사출성형공정 모니터링에 적용함으로써, 공정 모니터링 기준을 선정하기 위한 시험 사출 과정을 단축하여 재료의 손실을 방지할 수 있으며 성형조건을 정밀하게 모니터링 할 수 있으므로, 이를 기반으로 사출성형품의 특징 및 품질을 일관되게 유지시킬 수 있다.
도 1은 본 발명의 일시예에 따른 모니터링 장치를 설명하기 위한 구성도이다.
도 2는 본 발명의 실시예에 따른 모니터링 장치를 이용한 모니터링 방법을 설명하기 위한 순서도이다.
도 3은 도 2에 도시된 S220단계와 S250 단계에서 시간에 따른 온도의 변화와 시간에 따른 압력의 변화를 나타내는 그래프이다.
도 4는 도 2에 도시된 S220단계와 S250단계에서 공정상태점을 추출하는 방법을 설명하기 위한 예시도이다.
도 5는 S230단계에서의 기계학습모델을 설명하기 위한 도면이다.
도 6은 도 2에 도시된 S260단계를 설명하기 위한 예시도이다.
도 7은 도 2에 도시된 S280단계를 설명하기 위한 예시도이다.
도 8은 도 2에 도시된 S290단계를 설명하기 위한 예시도이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로써, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하에서는 도 1을 이용하여 본 발명의 실시예에 따른 모니터링 장치에 대해 더욱 상세하게 설명한다.
도 1은 본 발명의 일시예에 따른 모니터링 장치를 설명하기 위한 구성도이다.
도 1에 도시된 바와 같이, 모니터링 장치(100)는 신호수신부(110), 공정상태점 추출부(120), 데이터 수집부(130), 학습부(140), 예측부(150), 선별부(160), 윈도우 선정부(170) 및 제어부(180)를 포함한다.
먼저, 신호수신부(110)는 사출 금형내에 설치된 센서로부터 온도 및 압력을 수신한다.
즉, 신호수신부(110)는 금형의 캐비티에 설치된 센서로부터 실시간으로 온도 및 압력을 수신한다. 여기서 센서는 캐비티 표면에 설치되어 온도를 측정하기 위한 열전대 또는 열전쌍(thermocouple)을 포함하고, 압력을 측정하기 위한 스트레인게이지(strain gauge) 또는 압전(piezo) 압력센서를 포함한다.
그 다음, 공정상태점 추출부(120)는 시간의 변화에 따른 온도를 그래프 형태로 출력한다. 또한, 공정상태점 추출부(120)는 시간의 변화에 따른 압력을 그래프 형태로 출력한다. 공정상태점 추출부(120)는 온도에 따른 그래프로부터 캐비티 내의 성형조건에 대한 품질 또는 특성을 나타내는 공정상태점(PSP, process state point)을 추출한다. 그리고, 공정상태점 추출부(120)는 압력에 따른 그래프로부터 캐비티 내의 성형조건에 대한 품질 또는 특성을 나타내는 공정상태점(PSP)을 추출한다.
데이터 수집부(130)는 기 생산된 사출 성형품의 특성 또는 품질을 나타내는 수치값과,공정상태점으로부터 공정상태값(process state value, PSV)를 추출한다.
그 다음, 학습부(140)는 수집된 사출 성형품의 특성 또는 품질을 나타내는 수치값 및 공정상태값을 기계학습모델에 입력하여 지도학습시킨다. 이를 다시 설명하면, 학습부(140)는 공정상태값(PSV)을 입력 데이터로 하고, 사출 성형품의 특성 또는 품질을 나타내는 수치값을 출력 데이터로 하여 기계학습모델을 학습시킨다. 이때, 기계학습모델은 다층퍼셉트론모델(multi-layer perceptron, MLP) 또는 완전연결신경망(fully connected neural network)과 같은 구조를 기반으로 하는 회귀(regression) 모델을 적용하는 것이 바람직하다.
예측부(150)는 학습이 완료된 기계학습 모델에 측정 대상 사출성형공정의 공정상태값(PSV)을 입력하여 기계학습 모델로부터 예측된 사출 성형품의 특성 또는 품질을 나타내는 수치값을 획득한다.
그리고, 획득한 사출 성형품의 특성 또는 품질을 나타내는 수치값은 선별부(160)에 전달된다.
그러면, 선별부(160)는 수신된 사출 성형품의 특성 또는 품질을 나타내는 수치값에 따라 공정상태값(PSV)에 대응하는 영향도를 획득하고, 획득한 영향도를 이용하여 유효공정상태값을 선별한다.
이를 다시 설명하면, 선별부(160)는 각각의 공정상태값(PSV)에 대응한 영향도를 획득한다. 그리고, 선별부(160)는 영향도의 크기에 따라 공정상태값(PSV)을 나열한 다음, 나열된 공정상태값(PSV) 중에서 영향도의 크기가 큰 순서에 따라 복수의 공정상태값(PSV)을 선별한다. 선별부(160)는 선별된 복수의 공정상태값(PSV)을 유효공정상태값으로 설정한다.
그 다음, 윈도우 선정부(170)는 선별된 유효공정상태값에 대응하여 모니터링 윈도우를 선정한다.
부연하자면, 사출 성형품의 특성 또는 품질을 일관되지 유지하기 위해서는 선별된 유효공정상태값을 일정하게 유지하는 것이 바람직하다. 따라서, 윈도우 선정부(170)는 유효공정상태값에 대응하는 영향도를 이용하여 사출 성형품의 특성 또는 품질에 대한 상대영향도(relative impact)를 산출한다.
그리고, 윈도우 선정부(170)는 산출된 상대영향도를 기반으로 모니터링 윈도우의 상한값과 하한값을 선정한다.
마지막으로 제어부(180)는 선정된 모니터링 윈도우의 상한값과 하한값을 이용하여 금형 내부를 모니터링하고, 선정된 모너터링 윈도우에 따른 제어신호를 생성한다.
즉, 제어부(180)는 현재 시점에서 측정된 온도 또는 압력이 모니터링 윈도우의 상한값 및 하한값을 벗어날 경우 경고신호를 생성하거나, 금형내의 온도 및 압력을 제어하는 제어신호를 생성한다.
이하에서는 도 2 내지 도 8을 이용하여 본 발명의 실시예에 따른 모니터링 장치(100)를 이용한 모니터링 방법에 대해 더욱 상세하게 설명한다.
도 2는 본 발명의 실시예에 따른 모니터링 장치를 이용한 모니터링 방법을 설명하기 위한 순서도이다.
먼저, 본 발명의 실시예에 따른 모니터링 장치를 이용한 모니터링 방법은 기계학습모델을 학습하는 단계와, 구축된 기계학습모델을 통하여 사출 성형품의 특성 및 품질을 예측하는 단계 및 예측된 결과를 이용하여 모니터링하는 단계를 포함한다.
도 2에 도시된 바와 같이, 학습하는 단계는 S210 내지 S230 단계를 포함하고, 예측하는 단계는 S240 내지 S270단계를 포함하고, 모니터링 단계는 S280 및 S295 단계를 포함한다.
먼저, 데이터 수집부(130)는 기 생산된 사출 성형품에 대한 성형 조건 및 품질/특성에 대한 데이터를 수집한다(S210).
여기서, 성형 조건은 시간 변화에 따른 금형 내부의 온도 및 압력을 나타내고, 품질 또는 특성은 중량, 크기, 비틀림, 후 변형량 중에서 적어도 하나를 포함한다.
즉, 데이터 수집부(130)는 양질 또는 불량의 제품으로 분류된 사출 성형품을 생산한 금형의 내부 온도 및 압력을 획득한다. 또한, 데이터 수집부(130)는 사출 성형품의 품질 또는 특성에 대한 정보를 수신한다.
그 다음, 공정상태점 추출부(120)는 수신된 사출 성형품의 성형 조건으로부터 공정상태점(PSP)을 추출하고, 추출된 공정상태점(PSP)에 대한 공정상태값(PSV)을 획득한다(S220).
도 3은 도 2에 도시된 S220단계에서 시간에 따른 온도의 변화와 시간에 따른 압력의 변화를 나타내는 그래프이다.
도 3에 도시된 바와 같이, 공정상태점 추출부(120)는 시간에 따른 온도의 변화와 시간에 따른 압력의 변화를 각각 그래프 형태로 출력한다. 그리고, 공정상태점 추출부(120)는 출력된 그래프를 이용하여 복수의 공정상태점(PSP)을 추출한다.
도 4는 도 2에 도시된 S220단계에서 공정상태점을 추출하는 방법을 설명하기 위한 예시도이다.
도 4에 도시된 바와 같이, 공정상태점 추출부(120)는 사출성형을 시작하는 시점에서의 압력을 제1 공정상태점(PSP1)으로 설정하고, 사출성형을 종료하는 시점에서의 압력을 제2 공정상태점(PSP2)으로 설정한다.
그 다음, 공정상태점 추출부(120)는 제1 공정상태점(PSP1)과 제2 공정상태점(PSP2)을 직선으로 연결한 다음, 연결된 직선으로부터 측정값의 차이(d)가 가장 큰 지점을 제3 공정상태점(PSP3)으로 설정한다.
이때 측정값의 차이(d)는 하기의 수학식 1로 표현될 수 있다.
Figure 112021108342465-pat00011
여기서, m과 n은 인접한 공정상태점 번호이고, t는 시간을 나타내고, y 는 온도 또는 압력을 나타낸다.
그 다음, 공정상태점 추출부(120)는 제1 공정상태점(PSP1)과 제3 공정상태점(PSP3) 사이의 구간에서의 각 공정상태점 사이의 직선으로부터 측정값의 차이가 가장 큰 지점에서의 차이(d13)와, 제3 공정상태점(PSP3)과 제2 공정상태점(PSP2) 사이의 구간에서 각 공정상태점 사이의 직선으로부터 측정값의 차이가 가장 큰 지점에서의 차이(d23)를 비교하여 그 중 차이가 큰 지점을 제4 공정상태점(PSP4)로 설정한다. 그 다음, 제1 공정상태점(PSP1), 제2 공정상태점(PSP2), 제3 공정상태점(PSP3), 제4 공정상태점(PSP4) 중 인접한 두 공정상태점으로 이루어지는 각 구간에서, 두 공정상태점을 연결한 직선으로부터 측정값의 차이(d)가 큰 지점들을 추출하고, 각 지점들 중에서 차이가 가장 큰 지점을 추출하여 제5 공정상태점(PSP5)으로 설정한다.
즉, 공정상태점 추출부(120)는 인접한 두 공정상태점(
Figure 112021108342465-pat00012
,
Figure 112021108342465-pat00013
)으로 이루어지는 각 구간에서, 두 공정상태점을 연결한 직선으로부터 측정값의 차이(d)가 가장 큰 지점을 추출하고, 각 지점들의 차이(d mn )를 비교하여 가장 차이가 큰 지점을 추출하여 공정상태점으로 설정한다.
복수의 공정상태점을 추출한 다음, 공정상태점 추출부(120)는 추출된 공정상태점의 번호를 시간 오름차순으로 변경한다.
그리고, 공정상태점 추출부(120)를 추출된 공정상태점에 대응하는 공정상태값(PSV)을 획득한다
S220단계가 완료되면, 학습부(140)는 사출 성형제품의 특성 또는 품질을 예측하는 기계학습모델을 학습시킨다(S230).
도 5는 S230단계에서의 기계학습모델을 설명하기 위한 도면이다.
도 5에 도시된 바와 같이, 학습부(140)는 복수의 레이어로 구성되며, 금형 내부의 성형 조건에 대응하여 제품의 품질 또는 특성을 예측하는 기계학습모델을 구축한다. 그리고, 학습부(140)는 수집된 공정상태값(PSV)을 입력데이터로 하고 사출 성형품의 품질 또는 특성을 출력데이터로 하여 구축된 기계학습모델을 지도 학습시킨다.
이때, 기계학습모델은 다층퍼셉트론모델(multi-layer perceptron, MLP) 또는 완전연결신경망(fully connected neural network)과 같은 구조를 기반으로 하는 회귀(regression) 모델을 적용하는 것이 바람직하다.
상기와 같이 S210단계 내지 S230단계를 통해 모니터링 장치(100)는 기계학습모델에 대한 학습을 완료한다.
그 다음, 모니터링 장치(100)는 모니터링하고자 하는 사출 금형 내에 설치된 센서로부터 온도 및 압력을 수신한다(S240).
사출 성형 제품의 품질이나 특성은 시간에 따른 금형 내부의 온도 및 압력의 변화에 따라 상이해진다. 따라서, 금형의 내부 온도를 측정하기 위하여 캐비티 표면에 열전대 또는 열전쌍이 설치되고, 금형의 내부 압력을 측정하기 위하여 캐비티 표면에 스트레인게이지(strain gauge) 또는 압전(piezo) 압력센서가 설치된다.
그리고, 캐비티 내에 설치된 복수의 센서는 실시간으로 온도 및 압력을 측정한다. 그리고 측정된 온도 및 압력은 모니터링 장치(100)에 전달된다.
S240단계가 완료되면, 공정상태점 추출부(120)는 수신된 온도 및 압력을 그래프 형태로 출력하고, 출력된 그래프로부터 복수개의 공정상태점(PSP)을 추출한다(S250).
부연하자면, 공정상태점 추출부(120)는 수신된 온도를 시계열적으로 나열하고, 이를 그래프로 출력한다. 또한, 공정상태점 추출부(120)는 수신된 압력을 시계열적으로 나연하고 이를 그래프로 출력한다. 그리고, 공정상태점 추출부(120)는 출력된 온도에 대응하는 그래프에 포함된 복수의 공정상태점과 압력에 대응하는 그래프에 포함된 복수의 공정상태점을 추출한다.
그 다음, 공정상태점 추출부(120)는 온도에 대응하는 그래프의 시작점과 종료점을 각각 제1 공정상태점(PSP1)과 제2 공정상태점(PSP1)으로 설정한다. 그 다음, 공정상태점 추출부(120)는 제1 공정상태점(PSP1)과 제2 공정상태점(PSP2)을 직선으로 연결하고, 제1 공정상태점(PSP1)과 제2 공정상태점(PSP2) 사이에 위치하는 복수의 지점들 중에서 직선으로부터의 측정값 차이(d)가 가능 큰 지점에 해당하는 지점을 제3 공정상태점(PSP3)으로 설정한다.
즉, 공정상태점 추출부(120)는 인접하고 있는 공정상태점(PSP)과 다른 공정상태점(PSP)을 연결한 직선으로부터 측정값의 차이(d)가 가장 큰 지점을 추출하여 공정상태점(PSP)으로 설정한다.
온도신호는 용융플라스틱이 온도센서에 도달하여 온도가 상승하기 시작하는 지점과 최대 온도에 도달하는 지점이 존재하므로, 2개 이상의 공정상태점을 추출하는 것이 바람직하다. 또한, 압력신호는 용융플라스틱이 압력센서에 도달하여 압력이 상승하기 시작하는 지점, 사출성형공정에서 충전과정이 끝나고 보압과정으로 넘어가는 지점, 최대 압력에 도달하는 지점, 보압과정이 끝나고 냉각과정으로 넘어가는 지점, 주입된 용융플라스틱이 고화되고 수축하여 압력이 해제되는 지점이 존재하므로, 5개 이상의 공정상태점을 추출하는 것이 바람직하다.
사출 금형, 핫러너 금형 등과 같이 금형에 따라 온도 및 압력 신호가 상이하게 추출된다. 따라서, 공정상태점은 측정되는 온도 및 압력에 따라 추출되는 개수가 상이하다.
S250단계가 완료되면, 공정상태점 추출부(120)는 추출된 공정상태점(PSP)에 대응하는 공정상태값(PSV)을 획득한다(S260).
여기서 공정상태값(PSV)은 공정상태번호에 대응하는 시간 및 온도 또는 시간 및 압력을 좌표값으로 나타낸다.
도 6은 도 2에 도시된 S260단계를 설명하기 위한 예시도이다.
도 6에 도시된 바와 같이, 시계열적으로 변화하는 압력에 대응하는 그래프를 획득하고, 획득한 그래프로부터 5개의 공정상태점을 획득하였다고 가정한다.
제1 공정상태점(PSP1)에 대응되는 공정상태값(PSV)은 (t1, P1)의 좌표값으로 나타내며, 여기서 t는 시간을 나타내고 P는 압력을 나타낸다.
만약, 온도에 따른 그래프일 경우에는, 공정상태값(PSV)에 포함된 t는 시간을 나타내고 P는 온도를 나타낸다.
그 다음, 예측부(150)는 획득한 공정상태값(PSV)을 학습이 완료된 기계학습모델에 입력하여 사출되는 제품에 대한 품질 또는 특성을 예측한다(S270)
부연하자면, 예측부(150)는 복수의 레이어로 구성되어 있으며, 레이어마다 가중치가 상이하게 적용한 기계학습모델에 획득한 공정상태값(PSV)을 입력한다.
기계학습모델은 금형내의 성형 조건과 제품의 특성 및 품질의 연관관계에 대해 기 학습된 상태이므로, 입력된 공정상태값(PSV)에 따른 제품의 특성 및 품질을 예측하고 그에 따른 결과값을 출력한다.
그러면, 선별부(160)는 출력된 결과값을 이용하여 공정상태값(PSV)에 대한 영향도를 분석하고, 분석 결과에 대응하여 유효공정상태값을 선별한다(S280).
부연하자면, 기계학습모델은 수많은 가중치(weight)들로 이루어지기 때문에 예측값에 대한 입력값의 영향도를 정량화하기 어려운 한계를 지닌다. 따라서, 선별부(160)는 SHAP (SHaply Additive exPlanation) 알고리즘을 이용하여 공정상태값(PSV) 각각의 영향도를 도출한다.
도 7은 도 2에 도시된 S280단계를 설명하기 위한 예시도이다.
예를 들어, 예측부(150)가 도 6에 도시된 복수의 공정상태값(PSV)을 기계학습모델에 입력하였다고 가정한다. 선별부(160)는 기계학습모델에 입력한 복수의 공정상태값(PSV)마다 제품의 특성 및 품질에 대한 영향도를 분석한다.
그 결과 도 7에 도시된 바와 같이, 선별부(160)는 제1 공정상태점에 대응하는 공정상태값(t1, P1)부터 제5 공정상태점에 대응하는 공정상태값(t5, P5)까지 분석된 결과를 출력한다.
그리고, 선별부(160)는 영향도가 가장 큰 유효공정상태값(PSV)을 선별한다. 도 7에서는 t4와 P4가 가장 큰 영향도를 가지고 있으므로, 선별부(160)는 t4와 P4를 유효공정상태값(PSV)으로 선별한다.
한편, 유효공정상태값은 2개에서 4개를 선정하는 것이 바람직하나, 추출된 공정상태점의 개수와 공정상태값 별 영향도의 분포에 따라서 변경될 수 있다.
S280단계가 완료되면, 윈도우 선정부(170)는 유효공정상태값(PSV)의 영향도를 이용하여 모니터링 윈도우를 선정한다(S290).
윈도우 선정부(170)는 유효공정상태값을 기반으로 제품 특성/품질을 안정되게 유지할 수 있는 모니터링 윈도우를 선정한다.
부연하자면, 윈도우 선정부(170)는 하기의 수학식 2를 이용하여 제품 특성/품질(C)에 대한 상대영향도(
Figure 112021108342465-pat00014
)를 산출한다.
Figure 112021108342465-pat00015
여기서,
Figure 112021108342465-pat00016
는 유효공정상태값 별 영향도를 나타내고, C는 사출 성형 제품의 품질 또는 특성을 나타낸다.
그 다음, 윈도우 선정부(170)는 유효공정상태값과 상대영향도를 기반으로 하기의 수학식 3을 이용하여 상한값(U)를 산출한다.
Figure 112021108342465-pat00017
그리고, 윈도우 선정부(170)는 하기의 수학식 4를 이용하여 하한값(L)을 산출한다.
Figure 112021108342465-pat00018
마지막으로, 윈도우 선정부(170)는 하기의 수학식 5를 이용하여 폭(
Figure 112021108342465-pat00019
)을 산출한다.
Figure 112021108342465-pat00020
여기서, CF는 모니터링 윈도우의 폭(
Figure 112021108342465-pat00021
)을 일괄적으로 조절하기 위한 제어인자를 나타낸다.
한편, 수학식 3 내지 5에 따르면, 모니터링 윈도의 폭은 (
Figure 112021108342465-pat00022
)은 상대 영향도와 반비례 관계임을 알 수 있다. 즉, 제품 특성/품질에 영향을 크게 미치는 공정상태값일수록 더욱 좁은 모니터링 윈도우가 선정된다. 예를 들어, 4번째 공정상태점(PSP4)의 시간(t4)과 압력(P4)이 유효공정상태값으로 선정되었다고 가정하면, t4의 모니터링 윈도우는 P4보다 좁게 선정된다.
도 8은 도 2에 도시된 S290단계를 설명하기 위한 예시도이다.
도 8에 도시된 바와 같이, t4가 제품 특성/품질에 미치는 영향이 P4보다 크기 때문에, t4는 더 좁은 모니터링 윈도우의 범위 내에서 관리되어야 한다.
S290단계가 완료되면, 제어부(180)는 획득한 모니터링 윈도우에 따라 사출 성형 공정을 모니터링한다(S295).
부연하자면, 제어부(180)는 현재 시점에서 획득한 온도 또는 압력이 획득한 모니터링 윈도우의 상한값 및 하한값 내에 포함되어 있는지 여부를 판단한다. 그리고, 온도 또는 압력이 모니터링 윈도우의 상한값 및 하한값을 벗어난 것으로 판단되면, 제어부(180)는 경고신호를 생성하거나, 금형 내의 온도 및 압력을 제어하는 제어신호를 생성한다.
본 발명의 실시예에 따른 사출 금형 모니터링 장치는 형내센서 신호의 모니터링 윈도우를 사출성형공정 모니터링에 적용함으로써, 공정 모니터링 기준을 선정하기 위한 시험 사출 과정을 단축하여 재료의 손실을 방지할 수 있으며 성형조건을 정밀하게 모니터링 할 수 있으므로, 이를 기반으로 사출성형품의 특징 및 품질을 일관되게 유지시킬 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 모니터링 장치
110 : 신호수신부
120 : 공정상태점 추출부
130 : 데이터 수집부
140 : 학습부
150 : 예측부
160 : 선별부
170 : 윈도우 선정부
180 : 제어부

Claims (18)

  1. 사출 금형 내 센서 신호를 이용한 모니터링 장치에 있어서,
    금형 내부에 설치된 센서로부터 측정된 온도 및 압력을 수신하는 신호수신부,
    상기 수신된 온도를 시계열적으로 나열하여 획득한 그래프를 이용하여 복수의 온도 공정상태점을 추출하고, 상기 수신된 압력을 시계열적으로 나열하여 획득한 그래프를 이용하여 압력 공정상태점을 추출하는 공정상태점 추출부,
    상기 추출된 복수의 온도 공정상태점 또는 압력 공정상태점마다 각각의 공정상태값(Process State Value, PSV)을 획득하고, 상기 획득한 공정상태값(PSV)을 기 학습된 학습모델에 입력하여 사출 성형 제품의 품질 또는 특성을 예측하는 예측부,
    상기 예측된 사출 성형 제품의 품질/특성을 이용하여 상기 공정상태값(PSV)에 대응하는 영향도를 획득하고, 획득한 영향도 중에서 상기 영향도가 가장 큰 값을 가지는 공정상태값(PSV)을 유효공정상태값으로 선별하는 선별부,
    상기 선별된 유효공정상태값과 상대 영향도를 기반으로 온도와 압력에 대한 모니터링윈도우의 상한값 및 하한값을 획득하는 윈도우 선정부, 그리고
    현재 시점에서 획득한 온도 또는 압력이 획득한 모니터링 윈도우의 상한값 및 하한값 내에 포함되어 있는지 여부를 판단하고, 판단 결과에 따라 경고신호를 생성하거나, 금형 내의 온도 및 압력을 제어하는 제어신호를 생성하는 제어부를 포함하는 모니터링 장치.
  2. 제1항에 있어서,
    기 생산된 사출 성형 제품의 공정상태값(PSV) 및 품질/특성을 획득하는 데이터 수집부, 그리고
    상기 획득한 공정상태값(PSV) 및 품질/특성을 다층퍼셉트론모델(multi-layer perceptron, MLP) 또는 완전연결신경망(fully connected neural network)를 포함하는 구조를 기반으로 하는 회귀(regression) 모델에 입력하여 상기 학습모델을 학습하는 학습부를 더 포함하는 모니터링 장치.
  3. 제1항에 있어서,
    상기 공정상태값(PSV)은
    상기 공정상태점에 대응하는 온도 또는 압력, 그리고 시간을 포함하고,
    상기 사출 성형 제품의 품질 또는 특성은,
    중량, 크기, 비틀림, 후 변형량 중에서 적어도 하나를 포함하는 모니터링 장치.
  4. 제1항에 있어서,
    상기 공정상태점 추출부는,
    상기 수신된 온도 또는 압력을 시간에 따른 그래프로 출력하고, 상기 출력된 그래프 개형의 시작점을 제1 공정상태점으로 설정하고, 종점을 제2 공정상태점으로 설정하며,
    상기 제1 공정상태점과 제2 공정상태점을 직선으로 연결한 다음, 상기 연결된 직선과 그래프 사이의 거리가 가장 큰 지점을 제3 공정상태점으로 설정한 다음,
    상기 제1 공정상태점과 제3 공정상태점 사이에 연결된 직선과 그래프 사이의 거리가 가장 큰 지점을 제4 공정상태점으로 설정하고, 설정된 복수의 공정상태점을 시계열적으로 넘버링하는 모니터링 장치.
  5. 제4항에 있어서,
    상기 설정된 복수의 공정상태점 중에서 인접한 두개의 공정상태점을 연결한 직선과 그래프 사이의 거리(d)는,
    하기의 수학식으로 통해 산출되는 모니터링 장치:
    Figure 112022128933510-pat00023

    여기서, m과 n은 인접한 공정상태점 번호이고, t는 시간을 나타내고, y는 온도 또는 압력을 나타내는 것으로서, 해당되는 그래프가 시간에 따른 온도 변화를 나타내는 그래프일 경우에 y는 온도를 나타내고, 해당되는 그래프가 시간에 따른 압력 변화를 나타내는 그래프일 경우에 y는 압력을 나타낸다.
  6. 제1항에 있어서,
    상기 선별부는,
    사출 성형 제품의 품질 또는 특성에 대한 상대 영향도(
    Figure 112021108342465-pat00024
    )를 하기의 수학식을 통해 산출하는 모니터링 장치:
    Figure 112021108342465-pat00025

    여기서,
    Figure 112021108342465-pat00026
    는 유효공정상태값별 영향도를 나타내고, C는 사출 성형 제품의 품질 또는 특성을 나타낸다.
  7. 제6항에 있어서,
    상기 윈도우 선정부는,
    하기의 수학식을 이용하여 상한값(U)을 산출하고,
    Figure 112021108342465-pat00027

    하기의 수학식을 이용하여 하한값(L)을 산출하는 모니터링 장치:
    Figure 112021108342465-pat00028

    여기서, CF는 모니터링 윈도우의 폭(
    Figure 112021108342465-pat00029
    )을 일괄적으로 조절하기 위한 제어인자를 나타낸다.
  8. 제7항에 있어서,
    상기 윈도우 선정부는,
    모니터링 윈도우에 대한 폭을 더 획득하며,
    상기 폭(
    Figure 112021108342465-pat00030
    )은,
    하기의 수학식을 이용하여 산출하는 모니터링 장치:
    Figure 112021108342465-pat00031
  9. 제8항에 있어서,
    상기 모니터링 윈도의 폭은 (
    Figure 112021108342465-pat00032
    )은 상대 영향도와 반비례 관계인 모니터링 장치.
  10. 모니터링 장치를 이용한 모니터링 방법에 있어서,
    금형 내부에 설치된 센서로부터 측정된 온도 및 압력을 수신하는 단계,
    상기 수신된 온도를 시계열적으로 나열하여 획득한 그래프를 이용하여 복수의 온도 공정상태점을 추출하고, 상기 수신된 압력을 시계열적으로 나열하여 획득한 그래프를 이용하여 압력 공정상태점을 추출하는 단계,
    상기 추출된 복수의 온도 공정상태점 또는 압력 공정상태점마다 각각의 공정상태값(Process State Value, PSV)을 획득하고, 상기 획득한 공정상태값(PSV)을 기 학습된 학습모델에 입력하여 사출 성형 제품의 품질 또는 특성을 예측하는 단계,
    상기 예측된 사출 성형 제품의 품질/특성을 이용하여 상기 공정상태값(PSV)에 대응하는 영향도를 획득하고, 획득한 영향도 중에서 상기 영향도가 가장 큰 값을 가지는 공정상태값(PSV)을 유효공정상태값으로 선별하는 단계,
    상기 선별된 유효공정상태값과 상대 영향도를 기반으로 온도와 압력에 대한 모니터링윈도우의 상한값 및 하한값을 획득하는 단계 그리고,
    현재 시점에서 획득한 온도 또는 압력이 획득한 모니터링 윈도우의 상한값 및 하한값 내에 포함되어 있는지 여부를 판단하고, 판단 결과에 따라 경고신호를 생성하거나, 금형 내의 온도 및 압력을 제어하는 제어신호를 생성하는 모니터링 하는 단계를 포함하는 모니터링 방법.
  11. 제10항에 있어서,
    기 생산된 사출 성형 제품의 공정상태값(PSV) 및 품질/특성을 획득하는 단계, 그리고
    상기 획득한 공정상태값(PSV) 및 품질/특성을 다층퍼셉트론모델(multi-layer perceptron, MLP) 또는 완전연결신경망(fully connected neural network)를 포함하는 구조를 기반으로 하는 회귀(regression) 모델에 입력하여 상기 학습모델을 학습하는 단계를 더 포함하는 모니터링 방법.
  12. 제10항에 있어서,
    상기 공정상태값(PSV)은
    상기 공정상태점에 대응하는 온도 또는 압력, 그리고 시간을 포함하고,
    상기 사출 성형 제품의 품질 또는 특성은,
    중량, 크기, 비틀림, 후 변형량 중에서 적어도 하나를 포함하는 모니터링 방법.
  13. 제10항에 있어서,
    상기 복수의 공정상태점을 추출하는 단계는,
    상기 수신된 온도 또는 압력을 시간에 따른 그래프로 출력하는 단계,
    상기 출력된 그래프 개형의 시작점을 제1 공정상태점으로 설정하고, 종점을 제2 공정상태점으로 설정하는 단계,
    상기 제1 공정상태점과 제2 공정상태점을 직선으로 연결한 다음, 상기 연결된 직선과 그래프 사이의 거리가 가장 큰 지점을 제3 공정상태점으로 설정하는 단계,
    상기 제1 공정상태점과 제3 공정상태점 사이에 연결된 직선과 그래프 사이의 거리가 가장 큰 지점을 제4 공정상태점으로 설정하고, 설정된 복수의 공정상태점을 시계열적으로 넘버링하는 단계를 포함하는 모니터링 방법.
  14. 제13항에 있어서,
    상기 설정된 복수의 공정상태점 중에서 인접한 두개의 공정상태점을 연결한 직선과 그래프 사이의 거리(d)는,
    하기의 수학식으로 통해 산출되는 모니터링 방법:
    Figure 112022128933510-pat00033

    여기서, m과 n은 인접한 공정상태점 번호이고, t는 시간을 나타내고, y는 온도 또는 압력을 나타내는 것으로서, 해당되는 그래프가 시간에 따른 온도 변화를 나타내는 그래프일 경우에 y는 온도를 나타내고, 해당되는 그래프가 시간에 따른 압력 변화를 나타내는 그래프일 경우에 y는 압력을 나타낸다.
  15. 제10항에 있어서,
    상기 유효공정상태값을 선별하는 단계는,
    사출 성형 제품의 품질 또는 특성에 대한 상대 영향도(
    Figure 112021108342465-pat00034
    )를 하기의 수학식을 통해 산출하는 모니터링 방법:
    Figure 112021108342465-pat00035

    여기서,
    Figure 112021108342465-pat00036
    는 유효공정상태값별 영향도를 나타내고, C는 사출 성형 제품의 품질 또는 특성을 나타낸다.
  16. 제15항에 있어서,
    상기 모니터링윈도우의 상한값 및 하한값을 획득하는 단계는,
    하기의 수학식을 이용하여 상한값(U)을 산출하고,
    Figure 112021108342465-pat00037

    하기의 수학식을 이용하여 하한값(L)을 산출하는 모니터링 방법:
    Figure 112021108342465-pat00038

    여기서, CF는 모니터링 윈도우의 폭(
    Figure 112021108342465-pat00039
    )을 일괄적으로 조절하기 위한 제어인자를 나타낸다.
  17. 제16항에 있어서,
    상기 모니터링윈도우의 상한값 및 하한값을 획득하는 단계는,
    모니터링 윈도우에 대한 폭을 더 획득하며,
    상기 폭(
    Figure 112021108342465-pat00040
    )은,
    하기의 수학식을 이용하여 산출하는 모니터링 방법:
    Figure 112021108342465-pat00041
  18. 제17항에 있어서,
    상기 모니터링 윈도의 폭은 (
    Figure 112021108342465-pat00042
    )은 상대 영향도와 반비례 관계인 모니터링 방법.
KR1020210124921A 2021-09-17 2021-09-17 사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법 KR102500376B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210124921A KR102500376B1 (ko) 2021-09-17 2021-09-17 사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210124921A KR102500376B1 (ko) 2021-09-17 2021-09-17 사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR102500376B1 true KR102500376B1 (ko) 2023-02-17

Family

ID=85327754

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210124921A KR102500376B1 (ko) 2021-09-17 2021-09-17 사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102500376B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008037068A (ja) * 2006-08-10 2008-02-21 Mitsuba Corp 樹脂材の射出成形方法
KR101700888B1 (ko) * 2015-01-09 2017-02-02 (주)신명정보통신 데이터 통합 관리기능을 갖는 사출성형 시스템
KR20170048776A (ko) * 2015-10-27 2017-05-10 엘에스엠트론 주식회사 사출성형기의 제어방법
JP2017119425A (ja) * 2015-12-28 2017-07-06 日精樹脂工業株式会社 射出成形機の成形最適化方法
JP2021024230A (ja) * 2019-08-08 2021-02-22 株式会社ジェイテクト 成形品の品質異常予測システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008037068A (ja) * 2006-08-10 2008-02-21 Mitsuba Corp 樹脂材の射出成形方法
KR101700888B1 (ko) * 2015-01-09 2017-02-02 (주)신명정보통신 데이터 통합 관리기능을 갖는 사출성형 시스템
KR20170048776A (ko) * 2015-10-27 2017-05-10 엘에스엠트론 주식회사 사출성형기의 제어방법
JP2017119425A (ja) * 2015-12-28 2017-07-06 日精樹脂工業株式会社 射出成形機の成形最適化方法
JP2021024230A (ja) * 2019-08-08 2021-02-22 株式会社ジェイテクト 成形品の品質異常予測システム

Similar Documents

Publication Publication Date Title
Gao et al. Online product quality monitoring through in-process measurement
JP3161921B2 (ja) 製品品質影響要因解析方法と装置及び成形条件調整方法、製品良否判別項目選択方法
CN100558535C (zh) 注塑成型机的控制装置
US6546311B2 (en) Injection moulding system and method that determine optimum injection moulding conditions
CN109501185A (zh) 注塑成型工艺在线监测方法
JP6532845B2 (ja) 計測装置、計測方法、プログラム
US6600961B2 (en) Intelligent control method for injection machine
JP6514622B2 (ja) 射出成形機の成形支援方法
Nixon et al. Finite element simulations of stretch-blow moulding with experimental validation over a broad process window
Michaeli et al. Online control of the injection molding process based on process variables
US4740148A (en) Apparatus for supervising injection stroke of injection molding machines
KR20210065996A (ko) 제품 상태 추정 장치
KR20210110661A (ko) 해석 시스템 및 해석 방법
KR102500376B1 (ko) 사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법
CN107650350B (zh) 测量设备、测量方法及程序
CN105818346A (zh) 测量设备
Wang et al. A novel sensing feature extraction based on mold temperature and melt pressure for plastic injection molding quality assessment
CN112906155B (zh) 一种用于注塑品信息的虚拟量测方法
KR20110027837A (ko) 경화 측정기
JP6587989B2 (ja) 計測装置、計測方法、プログラム
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
JP2020087446A (ja) 樹脂成形解析方法、プログラムおよび記録媒体
Abeykoon Soft sensing of melt temperature in polymer extrusion
WO2022054463A1 (ja) 機械学習方法、コンピュータプログラム、機械学習装置及び成形機
JP4571044B2 (ja) モニタリング表示装置および表示方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant