TW202301054A - 注塑成型過程的異常監控方法、電子設備及儲存介質 - Google Patents
注塑成型過程的異常監控方法、電子設備及儲存介質 Download PDFInfo
- Publication number
- TW202301054A TW202301054A TW110127430A TW110127430A TW202301054A TW 202301054 A TW202301054 A TW 202301054A TW 110127430 A TW110127430 A TW 110127430A TW 110127430 A TW110127430 A TW 110127430A TW 202301054 A TW202301054 A TW 202301054A
- Authority
- TW
- Taiwan
- Prior art keywords
- injection molding
- information
- parameter
- risk value
- abnormality
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 129
- 230000005856 abnormality Effects 0.000 title claims abstract description 88
- 238000001746 injection moulding Methods 0.000 title claims abstract description 79
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 89
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000000465 moulding Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 230000002950 deficient Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 18
- 238000002834 transmittance Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 10
- 238000002347 injection Methods 0.000 description 9
- 239000007924 injection Substances 0.000 description 9
- 238000001816 cooling Methods 0.000 description 7
- 238000010438 heat treatment Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000004033 plastic Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000010924 continuous production Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 229920001169 thermoplastic Polymers 0.000 description 1
- 229920001187 thermosetting polymer Polymers 0.000 description 1
- 239000004416 thermosoftening plastic Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申請提供一種注塑成型過程的異常監控方法、電子設備及存儲介質，所述方法包括：獲取注塑成型過程中多個部件的資訊；調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析，得到每個部件的製程風險值和至少一個影響參數；根據所述製程風險值判斷對應的部件是否存在異常；當根據所述製程風險值確定目標部件存在異常時，根據所述目標部件的至少一個影響參數調整所述目標部件的設備參數。透過本申請可以及時發現成型過程中的異常情況，從而降低成型品的不良率。
Description
本申請涉及資訊分析領域，尤其涉及一種注塑成型過程的異常監控方法、電子設備及存儲介質。
目前注塑成型的品質監測是透過對成品品質的檢驗來實現的。對於持續生產的注塑生產現場，品質監管人員透過定期檢查或者隨機抽檢的方式對成品的品質進行檢驗。但是這種方式從產品生產到異常品檢出的週期通常較長，在此期間可能有更多的廢品產生。另外，品質監管人員在發現成品品質異常後會通知相關人員進行處理，這個過程需要耗費大量的時間，不能及時的回饋資訊。同時，相關人員需要根據自身經驗進行處理，處理過程嚴重依賴人員能力並且具有很大的不可控性。
鑒於以上內容，有必要提供一種注塑成型過程的異常監控方法、電子設備及存儲介質，可以及時發現成型過程中的異常情況，從而降低成型品的不良率。
本申請提供一種注塑成型過程的異常監控方法，所述方法包括：獲取注塑成型過程中多個部件的資訊；調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析，得到每個部件的製程風險值和至少一個影響參數；根據所述製程風險值判斷對應的部件是否存在異常；當根據所述製程風險值確定目標部件存在異常時，根據所述目標部件的至少一個影響參數調整所述目標部件的設備參數。
在一種可能的實現方式中，所述獲取注塑成型過程中多個部件的資訊包括：獲取注塑機的控制器資訊、模具的第一感測器資訊和模溫機的第二感測器資訊。
在一種可能的實現方式中，所述獲取注塑機的控制器資訊、模具的第一感測器資訊和模溫機的第二感測器資訊之後，所述方法還包括：根據所述控制器資訊中的工段資訊，對所述控制器資訊進行切分，得到多個工段資訊，不同的工段資訊對應不同的注塑成型過程。
在一種可能的實現方式中，所述調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析，得到每個部件的製程風險值和至少一個影響參數包括：調用預先訓練完成的異常監測模型對所述注塑機的控制器資訊進行異常分析，得到第一製程風險值和至少一個第一影響參數；調用預先訓練完成的異常監測模型對所述模具的第一感測器資訊進行異常分析，得到第二製程風險值和至少一個第二影響參數；調用預先訓練完成的異常監測模型對所述模溫機的第二感測器資訊進行異常分析，得到第三製程風險值和至少一個第三影響參數。
在一種可能的實現方式中，在所述調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析之前，所述方法還包括：設置注塑機的成型工作週期；每隔所述成型工作週期調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析。
在一種可能的實現方式中，所述方法還包括：每隔所述成型工作週期，根據所述至少一個第一影響參數繪製第一參數週期變化狀態圖，根據所述至少一個第二影響參數繪製第二參數週期變化狀態圖，根據所述至少一個第三影響參數繪製第三參數週期變化狀態圖。
在一種可能的實現方式中，所述根據所述製程風險值判斷對應的部件是否存在異常包括：判斷所述第一製程風險值是否大於預設的第一閾值，當所述第一製程風險值大於所述預設的第一閾值時，輸出第一結果，所述第一結果表明所述注塑機存在異常；判斷所述第二製程風險值是否大於預設的第二閾值，當所述第二製程風險值大於所述預設的第二閾值時，輸出第二結果，所述第二結果所述模具存在異常；判斷所述第三製程風險值是否大於預設的第三閾值，當所述第三製程風險值大於所述預設的第三閾值時，輸出第三結果，所述第三結果所述模溫機存在異常。
在一種可能的實現方式中，所述當根據所述製程風險值確定目標部件存在異常時，根據所述目標部件的至少一個影響參數調整所述目標部件的設備參數包括：當確定所述注塑機出現異常時，將所述控制器資訊和所述至少一個第一影響參數輸入至預先訓練完成的智慧調節模型，所述智慧調節模型輸出所述注塑機的至少一個第一設備參數，根據所述至少一個第一設備參數調整所述注塑機的設備參數；當確定所述模具出現異常時，將所述第一感測器資訊和所述至少一個第二影響參數輸入至預先訓練完成的智慧調節模型，所述智慧調節模型輸出所述模具的至少一個第二設備參數，根據所述至少一個第二設備參數調整所述模具的設備參數；當確定所述模溫機出現異常時，將所述第二感測器資訊和所述至少一個第三影響參數輸入至預先訓練完成的智慧調節模型，所述智慧調節模型輸出所述模溫機的至少一個第三設備參數，根據所述至少一個第三設備參數調整所述模具的設備參數。
本申請還提供一種電子設備，所述電子設備包括處理器和記憶體，所述處理器用於執行所述記憶體中存儲的電腦程式時實現所述的注塑成型過程的異常監控方法。
本申請還提供一種電腦可讀存儲介質，所述電腦可讀存儲介質上存儲有電腦程式，所述電腦程式被處理器執行時實現所述的注塑成型過程的異常監控方法。
本申請公開的注塑成型過程的異常監控方法及相關設備，透過即時採集成型過程資訊，監測異常狀況並及時進行回饋提示，能夠及時的發現系統異常，減少不良品的產生，節省原料，提升注塑成型設備的有效價值時間。
為了使本申請的目的、技術方案和優點更加清楚，下面結合附圖和具體實施例對本申請進行詳細描述。
請參閱圖1，圖1為本申請一實施例的電子設備的示意圖。參閱圖1所示，所述電子設備1包括，但不僅限於，記憶體11和至少一個處理器12上述元件之間可以透過通訊匯流排13連接，也可以直接連接。
所述電子設備1可以是電腦、手機、平板電腦、個人數位助理（Personal Digital Assistant，PDA）等安裝有應用程式的設備。本領域技術人員可以理解，所述示意圖1僅僅是電子設備1的示例，並不構成對電子設備1的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述電子設備1還可以包括輸入輸出設備、網路接入設備、匯流排等。
如圖2所示，是本申請注塑成型過程的異常監控方法的較佳實施例的流程圖。所述注塑成型過程的異常監控方法應用在所述電子設備1中。根據不同的需求，該流程圖中步驟的順序可以改變，某些步驟可以省略。在本實施方式中，所述注塑成型過程的異常監控方法包括：
S21、獲取注塑成型過程中多個部件的資訊。
在本申請的一個實施例中，所述獲取注塑成型過程中多個部件的資訊包括：
（1）獲取注塑機的控制器資訊。所述注塑機是將熱塑性塑膠或熱固性塑膠利用模具製成各種形狀的塑膠製品的主要成型設備。其中，所述注塑機能加熱塑膠，對熔融塑膠施加高壓，使其射出而充滿模具型腔。具體實施時，透過可程式設計邏輯控制器（Programmable Logic Controller，PLC）通訊板介面與所述注塑機通訊連接，即時採集PLC資訊，其中所述PLC資訊包括：所述注塑機系統參數、所述注塑機開關狀態和所述注塑機內部資訊。透過所述PLC通訊板介面發送所述PLC資訊至所述電子設備。
（2）獲取模具的第一感測器資訊。所述模具為注塑成型過程中依據實物的形狀和結構按比例製成的，用壓製或澆灌的方法使材料成為一定形狀的工具。具體實施時，設置溫度感測器，透過所述溫度感測器測量所述模具的溫度資訊，設置距離感測器，透過所述距離感測器測量所述模具的位置資訊和尺寸資訊。將所述模具的溫度資訊、所述模具的位置資訊和所述模具尺寸資訊作為所述第一感測器資訊發送至所述電子設備。
（3）獲取模溫機的第二感測器資訊。所述模溫機是一種包含加熱和冷卻作用的機械設備，用於工業控溫，在注塑城成型過程中用於控制所述模具的溫度。具體實施時，設置距離感測器透過所述距離感測器測量所述模溫機內部迴圈泵的尺寸資訊、加熱管的尺寸資訊和電器配件的尺寸資訊，設置溫度感測器，透過所述溫度感測器測量所述模溫機內部迴圈泵的溫度資訊、加熱管的溫度資訊和電器配件的溫度資訊。將所述迴圈泵的尺寸資訊、所述加熱管的尺寸數據、所述電器配件的尺寸資訊、所述迴圈泵的溫度資訊、所述加熱管的溫度資訊和所述電器配件的溫度資訊作為所述第二感測器資訊發送至所述電子設備。
透過獲取注塑成型過程中各個部件的資訊，可以更全面的對注塑成型過程進行異常分析，從而使得分析結果更加準確。
作為一種可選的實施方式，所述步驟S21之後，所述方法還包括：根據所述控制器資訊中的工段資訊，對所述控制器資訊進行切分，得到多個工段資訊，不同的工段資訊對應不同的注塑成型過程。
在本申請的一個實施例中，注射成型是一個迴圈的過程，每一個迴圈週期包括：定量加料、熔融塑化、施壓注射、充模冷卻和啟模取件。取出塑件後又再閉模，進行下一個迴圈。根據所述迴圈週期，可以將所述控制器資訊劃分為加料過程資訊、塑化過程資訊、注射過程資訊、冷卻過程資訊和取件過程資訊。
透過對所述控制器資訊進行劃分，後續對資訊進行異常分析時，可以精準的定位異常資訊所在的過程，從而提高異常監測效率。
S22、調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析，得到每個部件的製程風險值和至少一個影響參數。
在本申請的一個實施例中，預先訓練異常監測模型，具體實施時，獲取第一訓練資訊集，所述第一訓練資訊集包括預設第一數量的第一訓練資訊，將所述第一訓練資訊登錄至預先搭建的神經網路框架中進行訓練，得到所述異常監測模型。獲取第一測試資訊集，所述第一測試資訊集包括預設第二數量的第一測試資訊，使用所述第一測試資訊測試所述異常監測模型並獲取第一測試透過率。當所述測試透過率大於預設第一透過率閾值時，將所述異常監測模型作為所述訓練完成的異常監測模型，當所述第一測試透過率小於預設第一透過率閾值時，調整所述異常監測模型的模型參數，直至所述第一測試透過率大於預設第一透過率閾值。
在本申請的一個實施例中，所述調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析，得到每個部件的製程風險值和至少一個影響參數包括：
（1）調用所述訓練完成的異常監測模型對所述注塑機的控制器資訊進行異常分析，得到第一製程風險值和至少一個第一影響參數的參數值。具體實施時，輸入所述加料過程資訊至所述訓練完成的異常監測模型，輸出第一加料風險值；輸入所述塑化過程資訊至所述訓練完成的異常監測模型，輸出第一塑化風險值；輸入所述注射過程資訊至所述訓練完成的異常監測模型，輸出第一注射風險值；輸入所述冷卻過程資訊至所述訓練完成的異常監測模型，輸出第一冷卻風險值；輸入所述取件過程資訊至所述訓練完成的異常監測模型，輸出第一取件風險值；根據所述工段的重要性設置每個工段的占比，例如，加料過程占比10%，塑化過程占比30%，注射過程占比20%，冷卻過程占比30%以及取件過程占比10%；根據所述第一加料風險值、所述第一塑化風險值、所述第一注射風險值、所述第一冷卻風險值和所述第一取件風險值，以及所述每個工段的占比得到所述第一製程風險值。其中，所述第一製程風險值越大，表示所述注塑機存在異常的可能性越高，注塑過程的風險值越大。所述第一影響參數為所述注塑機的設備參數，包括： 注射量、注射壓力、注射速率、塑化能力、合模面積、合模力、開合模速度和空迴圈時間。
（2）調用所述訓練完成的異常監測模型對所述模具的第一感測器資訊進行異常分析，得到第二製程風險值和至少一個第二影響參數的參數值。其中，所述第二製程風險值越大，表示所述模具存在異常的可能性越高，成型過程的風險值越大。所述第二影響參數為所述模具的設備參數，包括：材料類別，抗拉強度、厚度、毛刺高度、雙面間隙、塌角深度和複磨壽命。
（3）調用所述訓練完成的異常監測模型對所述模溫機的第二感測器資訊進行異常分析，得到第三製程風險值和至少一個第三影響參數的參數值。其中，所述第三製程風險值越大，表示所述模溫機存在異常的可能性越高，模具製作過程的風險值越大。所述第三影響參數為所述模溫機的設備參數，包括：溫控範圍、溫控精度、傳熱媒體、膨脹箱容量、泵浦功率和泵浦壓力。
透過利用預先訓練完成的異常監測模型得到所述注塑機的製程風險值和影響參數、所述模具的製程風險值和影響參數和所述模溫機的製程風險值和影響參數，代替了傳統的人工監測方法，可以提高監測的準確率和效率。
作為一種可選的實施方式，所述步驟S22之前，所述方法還包括：設置注塑機的成型工作週期；每隔所述成型工作週期調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析。
作為一種可選的實施方式，所述步驟S22之後，所述方法還包括：每隔所述成型工作週期，根據所述至少一個第一影響參數繪製第一參數週期變化狀態圖，根據所述至少一個第二影響參數繪製第二參數週期變化狀態圖，根據所述至少一個第三影響參數繪製第三參數週期變化狀態圖。
S23、根據所述製程風險值判斷對應的部件是否存在異常。
在本申請的一個實施例中，所述根據所述製程風險值判斷對應的部件是否存在異常包括：判斷所述第一製程風險值是否大於預設的第一閾值，當所述第一製程風險值大於所述預設的第一閾值時，輸出第一結果，所述第一結果表明所述注塑機存在異常；判斷所述第二製程風險值是否大於預設的第二閾值，當所述第二製程風險值大於所述預設的第二閾值時，輸出第二結果，所述第二結果所述模具存在異常；判斷所述第三製程風險值是否大於預設的第三閾值，當所述第三製程風險值大於所述預設的第三閾值時，輸出第三結果，所述第三結果所述模溫機存在異常。
示例性的，設置所述第一閾值為0.3，所述第二閾值為0.6，所述第三閾值為0.5。所述第一製程風險值為0.1，所述第二製程風險值為0.5，所述第三製程風險值為0.7，其中所述第三製程風險值大與所述第三閾值，輸出所述模溫機存在異常的提示。
透過利用所述製程風險值判斷各個部件是否存在異常，透過即時採集成型過程資訊，監測異常狀況並及時進行回饋提示，能夠及時的發現系統異常，減少不良品的產生，節省原料，提升注塑成型設備的有效價值時間。
S24、當根據所述製程風險值確定目標部件存在異常時，根據所述目標部件的至少一個影響參數調整所述目標部件的設備參數。
在本申請的一個實施例中，預先訓練智慧調節模型，具體實施時，獲取第二訓練資訊集，所述第二訓練資訊集包括預設第三數量的第二訓練資訊，將所述第二訓練資訊登錄至預先搭建的神經網路框架中進行訓練，得到所述智慧調節模型。獲取第二測試資訊集，所述第二測試資訊集包括預設第四數量的第二測試資訊，使用所述第二測試資訊測試所述智慧調節模型並獲取第二測試透過率。當所述第二測試透過率大於預設第二透過率閾值時，將所述智慧調節模型作為所述訓練完成的智慧調節模型，當所述第二測試透過率小於預設第二透過率閾值時，調整所述智慧調節模型的模型參數，直至所述第二測試透過率大於預設第二透過率閾值。
在本申請的一個實施例中，所述當根據所述製程風險值確定目標部件存在異常時，根據所述目標部件的至少一個影響參數調整所述目標部件的設備參數包括：當確定所述注塑機出現異常時，將所述控制器資訊和所述至少一個第一影響參數的參數值輸入至預先訓練完成的智慧調節模型，所述智慧調節模型輸出所述注塑機的至少一個第一設備參數，根據所述至少一個第一設備參數調整所述注塑機的設備參數；當確定所述模具出現異常時，將所述第一感測器資訊和所述至少一個第二影響參數的參數值輸入至預先訓練完成的智慧調節模型，所述智慧調節模型輸出所述模具的至少一個第二設備參數，根據所述至少一個第二設備參數調整所述模具的設備參數；當確定所述模溫機出現異常時，將所述第二感測器資訊和所述至少一個第三影響參數的參數值輸入至預先訓練完成的智慧調節模型，所述智慧調節模型輸出所述模溫機的至少一個第三設備參數的參數值，根據所述至少一個第三設備參數調整所述模具的設備參數。
透過利用所述智慧調節模型調整所述注塑機、所述模具和所述模溫機的設備參數，一方面可以實現智慧調節，減少人力物力的浪費，調高設備調節的準確度，另一方面可以為現場人員調試設備提供重要的參考資訊。
請繼續參閱圖1，本實施例中，所述記憶體11可以是電子設備1的內部記憶體，即內置於所述電子設備1的記憶體。在其他實施例中，所述記憶體11也可以是電子設備1的外部記憶體，即外接於所述電子設備1的記憶體。
在一些實施例中，所述記憶體11用於存儲程式碼和各種資訊，並在電子設備1的運行過程中實現高速、自動地完成程式或資訊的存取。
所述記憶體11可以包括隨機存取記憶體，還可以包括非易失性記憶體，例如硬碟、記憶體、插接式硬碟、智慧存儲卡（Smart Media Card，SMC）、安全數位（Secure Digital，SD）卡、快閃記憶體卡（Flash Card）、至少一個磁碟記憶體件、快閃記憶體器件、或其他易失性固態記憶體件。
在一實施例中，所述處理器12可以是中央處理單元(Central Processing Unit，CPU)，還可以是其他通用處理器、數位訊號處理器 (Digital Signal Processor，DSP)、專用積體電路 (Application Specific Integrated Circuit，ASIC)、現場可程式設計閘陣列(Field-Programmable Gate Array，FPGA) 或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者所述處理器也可以是其它任何常規的處理器等。
所述記憶體11中的程式碼和各種資訊如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個電腦可讀取存儲介質中。基於這樣的理解，本申請實現上述實施例方法中的全部或部分流程，例如實現注塑成型過程的異常監控方法，也可以透過電腦程式來指令相關的硬體來完成，所述的電腦程式可存儲於一電腦可讀存儲介質中，所述電腦程式在被處理器執行時，可實現上述各個方法實施例的步驟。其中，所述電腦程式包括電腦程式代碼，所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀介質可以包括：能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、隨身碟、移動硬碟、磁碟、光碟、電腦記憶體、唯讀記憶體（ROM，Read-Only Memory）等。
可以理解的是，以上所描述的模組劃分，為一種邏輯功能劃分，實際實現時可以有另外的劃分方式。另外，在本申請各個實施例中的各功能模組可以集成在相同處理單元中，也可以是各個模組單獨物理存在，也可以兩個或兩個以上模組集成在相同單元中。上述集成的模組既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。
最後應說明的是，以上實施例僅用以說明本申請的技術方案而非限制，儘管參照較佳實施例對本申請進行了詳細說明，本領域的普通技術人員應當理解，可以對本申請的技術方案進行修改或等同替換，而不脫離本申請技術方案的精神和範圍。
S21~S24:步驟
1:電子設備
11:記憶體
12:處理器
13:通訊匯流排
圖1是本申請實施例提供的一種注塑成型過程的異常監控方法的較佳實施例的電子設備的結構示意圖。
圖2是本申請實施例提供的一種注塑成型過程的異常監控方法的較佳實施例的流程圖。
無
S21~S24:步驟
Claims (10)
- 一種注塑成型過程的異常監控方法，其中，所述注塑成型過程的異常監控方法包括： 獲取注塑成型過程中多個部件的資訊； 調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析，得到每個部件的製程風險值和至少一個影響參數； 根據所述製程風險值判斷對應的部件是否存在異常； 當根據所述製程風險值確定目標部件存在異常時，根據所述目標部件的至少一個影響參數調整所述目標部件的設備參數。
- 如請求項1所述的注塑成型過程的異常監控方法，其中，所述獲取注塑成型過程中多個部件的資訊包括： 獲取注塑機的控制器資訊、模具的第一感測器資訊和模溫機的第二感測器資訊。
- 如請求項2所述的注塑成型過程的異常監控方法，其中，所述獲取注塑機的控制器資訊、模具的第一感測器資訊和模溫機的第二感測器資訊之後，所述方法還包括： 根據所述控制器資訊中的工段資訊，對所述控制器資訊進行切分，得到多個工段資訊，不同的工段資訊對應不同的注塑成型過程。
- 如請求項2或請求項3所述的注塑成型過程的異常監控方法，其中，所述調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析，得到每個部件的製程風險值和至少一個影響參數包括： 調用預先訓練完成的異常監測模型對所述注塑機的控制器資訊進行異常分析，得到第一製程風險值和至少一個第一影響參數； 調用預先訓練完成的異常監測模型對所述模具的第一感測器資訊進行異常分析，得到第二製程風險值和至少一個第二影響參數； 調用預先訓練完成的異常監測模型對所述模溫機的第二感測器資訊進行異常分析，得到第三製程風險值和至少一個第三影響參數。
- 如請求項4所述的注塑成型過程的異常監控方法，其中，在所述調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析之前，所述方法還包括： 設置注塑機的成型工作週期； 每隔所述成型工作週期調用預先訓練完成的異常監測模型對每個部件的資訊進行異常分析。
- 如請求項5所述的注塑成型過程的異常監控方法，其中，所述方法還包括： 每隔所述成型工作週期，根據所述至少一個第一影響參數繪製第一參數週期變化狀態圖，根據所述至少一個第二影響參數繪製第二參數週期變化狀態圖，根據所述至少一個第三影響參數繪製第三參數週期變化狀態圖。
- 如請求項6所述的注塑成型過程的異常監控方法，其中，所述根據所述製程風險值判斷對應的部件是否存在異常包括： 判斷所述第一製程風險值是否大於預設的第一閾值，當所述第一製程風險值大於所述預設的第一閾值時，輸出第一結果，所述第一結果表明所述注塑機存在異常； 判斷所述第二製程風險值是否大於預設的第二閾值，當所述第二製程風險值大於所述預設的第二閾值時，輸出第二結果，所述第二結果所述模具存在異常； 判斷所述第三製程風險值是否大於預設的第三閾值，當所述第三製程風險值大於所述預設的第三閾值時，輸出第三結果，所述第三結果所述模溫機存在異常。
- 如請求項7所述的注塑成型過程的異常監控方法，其中，所述當根據所述製程風險值確定目標部件存在異常時，根據所述目標部件的至少一個影響參數調整所述目標部件的設備參數包括： 當確定所述注塑機出現異常時，將所述控制器資訊和所述至少一個第一影響參數輸入至預先訓練完成的智慧調節模型，所述智慧調節模型輸出所述注塑機的至少一個第一設備參數，根據所述至少一個第一設備參數調整所述注塑機的設備參數； 當確定所述模具出現異常時，將所述第一感測器資訊和所述至少一個第二影響參數輸入至預先訓練完成的智慧調節模型，所述智慧調節模型輸出所述模具的至少一個第二設備參數，根據所述至少一個第二設備參數調整所述模具的設備參數； 當確定所述模溫機出現異常時，將所述第二感測器資訊和所述至少一個第三影響參數輸入至預先訓練完成的智慧調節模型，所述智慧調節模型輸出所述模溫機的至少一個第三設備參數，根據所述至少一個第三設備參數調整所述模具的設備參數。
- 一種電子設備，其中，所述電子設備包括處理器和記憶體，所述處理器用於執行記憶體中儲存的電腦程式以實現如請求項1至請求項8中任意一項所述的注塑成型過程的異常監控方法。
- 一種電腦可讀儲存介質，其中，所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現如請求項1至請求項8中任意一項所述的注塑成型過程的異常監控方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110729853.9 | 2021-06-29 | ||
| CN202110729853.9A CN115545367A (zh) | 2021-06-29 | 2021-06-29 | 注塑成型过程的异常监控方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI785698B TWI785698B (zh) | 2022-12-01 |
| TW202301054A true TW202301054A (zh) | 2023-01-01 |
Family
ID=84716715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW110127430A TWI785698B (zh) | 2021-06-29 | 2021-07-26 | 注塑成型過程的異常監控方法、電子設備及儲存介質 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115545367A (zh) |
| TW (1) | TWI785698B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116127399B (zh) * | 2023-04-17 | 2023-06-20 | 威海三元塑胶科技有限公司 | 一种注塑成型车间设备监控分析方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW567132B (en) * | 2000-06-08 | 2003-12-21 | Mirle Automation Corp | Intelligent control method for injection molding machine |
| TWI257894B (en) * | 2003-05-08 | 2006-07-11 | Ming-Shyan Huang | A cavity pressure based quality control method for injection molding process |
| JP4499601B2 (ja) * | 2005-04-01 | 2010-07-07 | 日精樹脂工業株式会社 | 射出成形機の制御装置 |
| TWI587110B (zh) * | 2015-07-03 | 2017-06-11 | 元智大學 | 光學薄膜製程即時監測系統及其方法 |
-
2021
- 2021-06-29 CN CN202110729853.9A patent/CN115545367A/zh active Pending
- 2021-07-26 TW TW110127430A patent/TWI785698B/zh active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115545367A (zh) | 2022-12-30 |
| TWI785698B (zh) | 2022-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11243527B2 (en) | Production process control method and production process control device | |
| CN108312456B (zh) | 一种注塑机产品工艺品质监控系统以及监控方法 | |
| CN110978441A (zh) | 可视化注塑生产工艺验证方法 | |
| CN114179320A (zh) | 一种结合视觉检测的注塑机工艺参数自动调节方法 | |
| TWI785698B (zh) | 注塑成型過程的異常監控方法、電子設備及儲存介質 | |
| 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 | |
| TW201837830A (zh) | 應用電力用量特徵之製造管理方法及其系統 | |
| CN109614651A (zh) | 一种注塑件加工参数与变形关系的高精度估算方法 | |
| CN106393617A (zh) | 注塑成型工艺参数自适应系统 | |
| TWI598841B (zh) | 雲端射出成型系統及其方法 | |
| CN105108986A (zh) | 一种注塑工艺监控及塑料件在线品质分拣的系统及方法 | |
| CN113733506A (zh) | 一种基于互联网的注塑产品加工的工艺参数优化方法 | |
| CN206633366U (zh) | 一种注塑制品缺陷自愈调控装置 | |
| CN116037705A (zh) | 冷冲压模具工作状态实时监控系统 | |
| CN115685908A (zh) | 一种基于物联网的电焊机焊接监控方法及系统 | |
| JP2023044477A (ja) | 不良原因分析システム、不良原因分析プログラム及び不良原因分析方法 | |
| CN113715285A (zh) | 一种用于注塑机产生不良品后的控制方法 | |
| CN110083132B (zh) | 一种柔性制造单元智能控制系统 | |
| US10882236B2 (en) | Molding system, molding apparatus, inspection apparatus, inspection method, and program | |
| CN112776293A (zh) | 一种注塑工艺产品成型质量一致性提升方法及系统 | |
| CN114829102A (zh) | 学习模型生成方法、计算机程序、设定值决定装置、成型机和成型装置系统 | |
| JPH08156060A (ja) | 射出成形の条件最適化システム | |
| TWM608999U (zh) | 一種應用於批式生產設備的加工參數管控系統 | |
| TWM618522U (zh) | 一種應用於批式生產設備的加工參數產生系統 | |
| CN215242702U (zh) | 注塑模具监控系统 |