TWI293916B - Control apparatus for injection molding machine - Google Patents

Control apparatus for injection molding machine Download PDF

Info

Publication number
TWI293916B
TWI293916B TW095107750A TW95107750A TWI293916B TW I293916 B TWI293916 B TW I293916B TW 095107750 A TW095107750 A TW 095107750A TW 95107750 A TW95107750 A TW 95107750A TW I293916 B TWI293916 B TW I293916B
Authority
TW
Taiwan
Prior art keywords
value
injection molding
management
control device
quality
Prior art date
Application number
TW095107750A
Other languages
English (en)
Other versions
TW200635749A (en
Inventor
Takayoshi Shioiri
Eiki Iwashita
Yoshitoshi Yamagiwa
Original Assignee
Nissei Plastics Ind Co
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 Nissei Plastics Ind Co filed Critical Nissei Plastics Ind Co
Publication of TW200635749A publication Critical patent/TW200635749A/zh
Application granted granted Critical
Publication of TWI293916B publication Critical patent/TWI293916B/zh

Links

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)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Description

1293916 九、發明說明： 【發明所屬气技術領域】 技術領域 本發明係有關於-種利用類神經網路之射出成形機之 5 控制裝置。 【先前】 背景技術 射出成I機可-面調節成形條件，—面製造樹脂製 品。當發生不良品時，則修正前述成形條件以得到良品。 1〇成形條件之修正技術已有例如：日本特許公開第5_309711 號公報所揭示之利用類神經網路之成形控制方法。藉由使 用類神經網路，可高效率地處理參差不齊的觀测值，並可 達到縮短試運轉時間及減低試運轉成本的效果。 以下，根據第6圖說明類神經網路的原理。 15 第6圖顯示一階層型類神經網路之例，其構造包含：由 4個輸入單元所形成之輸入層100、由具有5個單元之丨層所 形成之中間層11〇、及由1個輸出單元所形成之輪出層12〇。 於輸入層100中，可將例如設置於射出成形機之檢測器 所檢測出之射出最前進位置之觀測值S1、計量開始位置之 20觀測值S2、材料落下口溫度之觀測值S3、及填充最高壓之 觀測值S4,分別輸入於第1、第2、第3及第4輸入單元丨⑴、 102、103、104。 中間層110之第1單元111之值係由臨界值及每·欠輸入 所規定之加權係數處理雨述各觀測值SI、S2、η ^ ^ J > S4 τΤπ ^ 1293916 • 出。中間層I10之第2單元112之值係由另一臨界值及每次輸 入所規定之加權係數處理前述各觀測值SI、S2、S3、S4而 • 定出。同樣地，定出第3〜第5單元113〜115之值。 輸出層120之輸出單元121係以另一臨界值及第1〜第5 5單元111〜115個別定出之加權係數來處理中間層之第J〜 第5單元111〜115之值而定出。該輸出單元121在此例中係 " 由成形品之品質預測量所構成之預測重量。 ^ 由於類神經網路係函數，故可將輸入於輸入層100之前 述各觀測值S1〜S4及輸出層120作為已知數，函數内之加權 10係數及臨界值作為未知數。亦即，將觀測值S1〜S4代入輸 入層1〇〇，成形品之測定重量代入輸出層12〇。然後，至電 腦所預測之重量與前述測定重量一致為止，一面修正加權 係數及臨界值一面重複演算。當所預測之重量切合於測定 重量時，決定加權係數及臨界值。當加權係數及臨界值決 15定後，便可確定函數，即，品質預測函數。 • 如上所述，藉著類神經網路，除了可演算預測重量， 還可藉由推定加權係數及臨界值來確定品質預測函數。 本發明人以確認類神經網路的精確度為目的，使用具 • 彳類神_路的射出成形機進行確認實驗。實驗要領如下 : 20 (1)5又疋可容易得到良品之成形條件。 (2) 進行20次射出的試射成形。此時，射出成形機具有 之檢測器得到各觀測值。 (3) 測定各次射出之成形品重量。 (4) 將各觀測值作為類神經網路之輸入值，再將成形品 1293916 重量作為類神經網路的輸出值，定出類神經網路之加權係 數及臨界值。藉由下一次射出來修正使用於某次射出之加 權係數及臨界值。將重複上述修正之行為稱為「學習」。 (5) 藉由進行20次射出之學習，確定類神經網路(品質預 5 測函數）。該類神經網路（品質預測函數)可說是決定加權係 數及臨界值時之重量預測函數。因此，將觀測值輸入至該 重量預測函數，即可輸出預測重量。 (6) 從第21次射出開始進行量產成形。量產成形中不修 正重量預測函數。但即使在量產成形中，射出成形機具有 10 之檢測器也可得到觀測值。 (7) 接著，測定成形品的重量。將該測定出之重量稱為 測定重量。 (8) 將（6)所得之觀測值輸入至學習完成之類神經網路 (重量預測函數），以演算預測重量。 15 (9)比較測定重量與預測重量Ws，調查預測重量Ws的 「確實度」。 以上所述之確認實驗結果如第7圖所示。另外，橫軸為 射出次數，縱軸為成形品重量，粗線圖形為測定重量Wact， 細線圖形為預測重量Ws。 20 橫軸上0〜20為試射成形範圍，21以上為量產成形範 圍。 於第1〜20次射出，確定重量預測函數。 於第21次射出〜第50次射出，輸入觀測值至已確定之 重量預測函數，輸出預測重量Ws，該預測重量Ws近似於測 1293916 定重量Waet。 於第51次射出〜第110次射出，輸入觀測值至前述重量 預測函數，輸出預測重量％，該預測重量^大幅_^ 重量Wact。 5 在第51:欠射ώ〜第11G切Λ中，係由於歷經長時間所 產生之變化或量產成形時之成形條件雜修正而造成影 響。
由於射出成形機係連續實施多數射出，故必須避免預 測精準度從某時點開始變差，且最好能有一種改良技術以 10 維持預測精準度。 【發明内容】 發明揭示 15 根據本發明’可提供〜種具有類神經網路，且將試射 成形資訊輸人該類神，並推定前述類神經網路之加 權係數及臨界值，並且重複試射成形的次數來定出品質預 測函數，並以該品質預㈣㈣始量產成形者 =有:管理上下限物，係設定顯示成形機各部 狀狀觀難的各管理上時及㈣下幢者 正函數判定部，係當將前述管理上下限讀 #量產成形時 質 生警報訊號 述管理上紐、管灯限值料管理麵成/ 取得之觀測值不在前述管顯_時，輪^ =測函數之指令、及/或由警報崎產生以正前达品 由於控制裝置尹包含右Β ^^ 定部，故當量 3有疋否修正函數匈 20 1293916 產成形時，觀測值變化一定量以上時，控制裝置可以修正 品質預測函數。對於量產成形，可藉由修正品質預測函數， 提高品質預測的信賴性。 或者，當觀測值變化一定量以上時，可使警報訊號產 5 生部產生警報訊號，以督促作業者修正品質預測函數。 前述管理上限值宜為從試射成形所得之觀測值中選出 之最大值，而前述管理下限值宜為從試射成形所得之觀測 值中選出之最小值。 由於以單一涵義來決定最大值及最小值，故使系統管 10 理變得較為容易。 前述控制裝置之控制宜包含有：當量產成形時取得之 觀測值不在前述管理範圍内時，會使前述警報訊號產生部 產生警報訊號；而當前述警報訊號連續產生預定次數時、 或前述警報訊號的累積次數達到預定數量時，可修正前述 15 品質預測函數、及/或停止前述成形機的動作。 當觀測值不在管理範圍内時，發出警報訊號。而當該 警報訊號連續產生預定次數時、或警報訊號的累積次數達 到預定數量時，控制裝置實施函數的修正。當訊號系統紊 亂使得觀測值不在管理範圍内時，之後觀測值會進入管理 20 範圍。假設上述事象成立，於第1階段發出警報，第2階段 修正函數。由於若無進入第2階段，控制裝置即無進行函數 修正的必要，故可減輕控制裝置的負擔。 前述控制裝置宜包含有：演算部，係將前述觀測值代 入品質預測函數以預測品質值者；良劣判定部，係當前述 1293916 演算部所預測之品質預測值在要求品質内時，將成形品認 定為良品，而當前述品質預測值在前述要求品質外時，將 前述成形品認定為不良品者。 量產成形時，可無須測定成形品，即可判定良劣。由 於不必一個個測定成形品，故可節省測定成本，並降低成 形成本。 圖式簡單說明
20 第1圖係本發明之射出成形機之控制裝置的方塊構成 圖。 第2圖係本發明之控制裝置的基本控制流程圖。 第3圖係本發明之函數修正處理的流程圖。 第4圖係顯示比較本發明裝置所實施之測定重量與預 測重量圖形的圖。 第5圖係本發明之良劣判定處理的流程圖。 第6圖係類神經網路的原理圖。 第7圖係顯示表示確認實驗結果圖形的圖。 t貧施方式；j 實施發明之最佳型態 ,·叮卿％明不赞明的優良實施例。 第1圖所不’射出成形機10包含有：固定模具11之固 Γ3莫具裝置12、將樹脂往固^住之模具_出之射出裝置 、以類神_路為基本要素之控制裝置20。 通气=裝置2G包含有：發揮與外部之介面機能的成形機 q機㈣採關於射域形⑽動作狀態之各種觀 10 1293916 測值Μ，在觀測值Μ中設定由管理上限值所形成之最大值 及由管理下限值所形成之最小值的管理上下限判定部22 ;、 附屬於該管理上下限判定部Μ，記憶觀測值Μ群的記憶體 23 ;判定是否修正品質預測函數Qpf的是否修正函數判定部 5 24 ;該是否修正函數判定部24發出修正函數指令訊號以 時，產生警報訊號As之警報訊號產生部25 ; 2個之第丨類神 經網路26及第2類神經網路27 ;將觀測值“代入由前述第i 類神經網路26及第2類神經網路27所定出之品質預測函數 Qpf’凟鼻品質預測值Qp之演算部28 ;比較該演算部28所演 10算出之品質預測值Qp與要求品質Dq，進行良劣判斷的良劣 判定部29。 另外’演算部28中也需要類神經網路，除了可單獨具 備類神經網路外，也可利用第1類神經網路26或第2類神經 網路27。 15 一面參照第1圖，根據第2圖所顯示之流程圖說明具有 以上構造之控制裝置20的動作。 步驟（以下略稱為ST)01 :憑經驗預測並設定容易得到 良品的成形條件。 ST02 :測試實施20次左右的射出成形。 2〇 ST03 :讀取射出成形機10各部所具備之檢測器所檢測 出的觀測值Μ。 ST04 :讀取由試射成形所得之成形品重量（測定重量） 而成之品質測定值Qm(第1圖）。 ST05 :第1類神經網路26將ST03所讀取之各種觀測值Μ 1293916 作為輸入條件，且將ST04所讀取之測定重量作為輸出條 件，決定加權係數及臨界值。即，將某次使用的加權係數 及臨界值藉由下-次射出來修正。反覆進行上述修正之行 為稱為「學習」。 5 STG6:第1類神經網路％判斷試射成形是否結束。若為 否，則回到ST02繼續試射成形。 ST07 :若在ST06判斷試射成形結束，便確定品質預測 函數Qpf。即，確定第i類神經網路26之加權係數及臨界值。 ST08 ··從ST03所讀取之觀測值]^1群中選出最大值mi 10與最小值M2。依各種觀測值進行該處理。在此，做好量產 成形的準備。 ST09 :實施量產成形。 ST10 :讀取量產成形時之觀測值M3。 ST11 :調查ST10時所讀取的觀測值M3是否在ST〇8所 15選出之最大值M1及最小值M2之間（此範圍間稱為管理範 圍）。若為否，則鈿進至ST13修正函數，再回到ST〇9繼續量 產成形。 ST12 :在81^，觀測值M3若在最大值M1與最小值撾二 之間，調查里產成形疋否結束。若為否，則繼續量產成形。 20 接著，以第3圖所顯示之流程圖說明ST13以後之函數修 正處理。 ST13 :上述ST11若為否時，發出内容為修正函數之訊 息。訊息除了文字資訊外，也可為聲音資訊。 ST14 :根據必須修正函數之訊號，測定當時成形之成 12 1293916 形品重量，讀取該測定重量。 ST15 :第2類神經網路27將ST10所讀取之觀測值M3作 為輸入條件，ST14所讀取之測定重量作為輸出條件，修正 加權係數及臨界值。 5 ST16 :第2類神經網路27決定修正函數(修正品質預測 函數）。 ST 17 ·將至今之品質預測函數替換成修正函數。然後， 回到ST09。 以可實施如上所示之流程圖之控制的射出成形裝置 10 10，實施試射成形及量產成形。根據第4圖說明其結果。圖 中’橫軸為射出次數，縱轴為成形品重量，粗線圖形為測 定重量Wact，細線圖形為預測重量Ws。 橫軸之0〜20為試射成形範圍，21以上為量產成形範 圍。由於觀測值會變動，故類神經網路所預測之預測重量 15 Ws為會上下若干變位的圖形。另一方面，測定重量^^以雖 在剛開始的數次射出有變動，但之後便安定下來，至第5〇 次射出為止近似於預測重量Ws。 不過，在第50次射出附近，測定重量Wact遽減。但， 由於本發明之控制裝置在第50次射出附近修正函數，故預 20測重量Ws修正至下方近似於測定重量Wact。可破認第80次 射出與第110次射出附近也進行同樣修正，使預測重量Ws 極近似於測定重量Wact。 即，即使於量產成形之情況下，當ST11判定為必須進 行函數（品質預測函數）修正時，藉由ST13〜ST17修正函 13 I2939i6 數，可大幅提高預測重量Ws的可信賴性。 而且，除了修正品質預測函數外，還可實施成形品重 夏是否進入合格區域之良劣判定。根據第5圖所示之流程圖 說明該良劣判定處理。 5 ST18:從事先輸入之要求品質Dq讀取重量上限值(容許 範圍上限值)G1及下限值(容許範圍下限值)G2。 ST19 :將ST10讀取之觀測值M3代入品質預測值Qpf， 演算為品質預測值Qp之一的預測重量G3。 ST20 :調查預測重量G3是否在上限值G1與下限值G2 10 之間，即是否在要求品質Dq内。 ST21 :預測重量G3若在上限值G1與下限值G2之間， 則判斷成形品為良品。 ST22 : ST20若為否，則判斷為不良品。亦即，第！圖 所示之良劣判定部29根據要求品質Dq及品質預測值Qp輸 15出良品/不良品資訊Qinf，該資訊Qinf送出至射出成形機1〇。 根據該流程，可以量產成形之成形品為對象，無須測 定成形品重量，即可判定良劣。結果，可省去測定成形品 重量的步驟，而可降低生產成本。 另，成形品之品質不問重量、尺寸、及形狀等種類。 20 又，本實施例中，管理上限值及管理下限值雖直接使 用觀測項目之最大值及最小值，但並不限於此，可考慮觀 測值之展現度設定為任意值。 例如，欲一面進行量產成形，一面提昇品質預測函數 之預測精準度時，可藉由將管理上限值及/或管理下限值設 14
1293916 定為較最大值低、最小值高，來提高修正度。藉此可達到 因修正品質預測函數而提昇品質預測函數的預測精準度。 因此，即使對於長時間而產生變化之觀測項目的變 動、或成形條件的變更，也依然可維持品質預測函數的預 測精準度，結果可減少品質預測函數的修改次數。 【圈式簡單説明】 第1圖係本發明之射出成形機之控制裝置的方塊構成 圖。 第2圖係本發明之控制裝置的基本控制流程圖。 第3圖係本發明之函數修正處理的流程圖。 第4圖係顯示比較本發明裝置所實施之測定重量與 測重量圖形的圖。 ^ 第5圖係本發明之良劣判定處理的流程圖。 第6圖係類神經網路的原理圖。 15 第7圖係顯示表示確認實驗結果圖形的圖。 【主要疋件符號說 10···射出成形機 11…模具 12…固定模具裝置 13···射出裝置 20··.控制裝置 …能部 22· · ·管理上下限 23…記憶體 24…是否修正函數判定# 25…警報訊號產生部 26…第1類神經網路 27…第2類神經網路 28…演算部 29…良劣判定部 15 1293916 100…輸 Dq...要求品質 101···第1輸入單元 Qm…品質測定值 102…第2輸入單元 S卜S2、S3、S4···觀測值 103···第3輸入單元 Ws...預測重量 104…第4輸入單元 Wact...測定重量 110...中間層 G1...重量上限值(容許範圍上限 111…第1單元 值） 112…第2單元 G2...重量下限值(容許範圍下限 113··.第3單元 值） 114…第4單元 G3...預測重量 115···第5單元 120...輸出層 121…輸出單元 M···觀測值 Ml…最大值 M2...最小值 M3…觀測值 Qpf.··品質預測函數 Fc…修正函數指令訊號 As·.·警報訊號 Qp···品質預測值 Qinf"·良品/不良品情報 16

Claims (1)

1293916 十、申請專利範圍： 1· 一種射出成形機之控制裝置，係具有類神經網路，且將 試射成形資訊輸入前述類神經網路，並推定前述類神經 網路之加權係數及臨界值，並且重複試射成形的次數來 定出品質預測函數，並以該品質預測函數開始量產成形 者， 而該射出成形之控制裝置包含有： 管理上下限判定部，係設定顯示成形機各部狀態之 觀測值之各管理上限值及管理下限值者；及 是否修正函數判定部，係當將前述管理上下限判定 部所設定之前述管理上限值、管理下限值作為管理範 園，而量產成形時取得之觀測值不在前述管理範圍内 時，輸出修正前述品質預測函數之指令、及/或由警報 訊號產生部產生警報訊號者。 2·如申請專利範圍第1項之射出成形機之控制裝置，其中 前述管理上限值係從試射成形所得之觀測值中選出之 最大值，而前述管理下限值係從試射成形所得之觀測值 中選出之最小值。 3·如申請專利範圍第1項之射出成形機之控制裝置，其中 前述控制裝置之控制包含有：當量產成形時取得之觀測 值不在前述管理範圍内時，會使前述警報訊號產生部產 生警報訊號；而當前述警報訊號連續產生預定次數時、 或前述警報訊號的累積次數達到預定數量時，可修正前 述品質預測函數、及/或停止前述成形機的動作。 17 1293916 4.如申請專利範圍第1項之射出成形機之控制裝置，其中 前述控制裝置包含有：演算部，係將前述觀測值代入品 質預測函數以預測品質值者；良劣判定部，係當前述演 算部所預測之品質預測值在要求品質内時，將成形品認 5 定為良品，而當前述品質預測值在前述要求品質外時， 將前述成形品認定為不良品者。
18
TW095107750A 2005-04-01 2006-03-08 Control apparatus for injection molding machine TWI293916B (en)

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
TW200635749A TW200635749A (en) 2006-10-16
TWI293916B true TWI293916B (en) 2008-03-01

Family

ID=37029595

Family Applications (1)

Application Number Title Priority Date Filing Date
TW095107750A TWI293916B (en) 2005-04-01 2006-03-08 Control apparatus for injection molding machine

Country Status (4)

Country Link
US (1) US7216005B2 (zh)
JP (1) JP4499601B2 (zh)
CN (1) CN100558535C (zh)
TW (1) TWI293916B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
TWI830153B (zh) * 2021-02-24 2024-01-21 日商沙迪克股份有限公司 射出成形機以及射出成形機的檢查方法

Families Citing this family (49)

* Cited by examiner, † Cited by third party
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
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
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
US7412301B1 (en) * 2007-02-08 2008-08-12 Husky Injection Molding Systems Ltd. Identifying quality molded article based on determination of plug blow
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
US8271103B2 (en) * 2007-05-02 2012-09-18 Mks Instruments, Inc. Automated model building and model updating
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
JP2014513622A (ja) 2011-03-29 2014-06-05 ボストン サイエンティフィック ニューロモデュレイション コーポレイション 治療刺激提供システムのための通信インタフェース
US9541471B2 (en) 2012-04-06 2017-01-10 Mks Instruments, Inc. Multivariate prediction of a batch manufacturing process
US9429939B2 (en) 2012-04-06 2016-08-30 Mks Instruments, Inc. Multivariate monitoring of a batch manufacturing process
WO2015031989A1 (en) * 2013-09-05 2015-03-12 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
WO2018135443A1 (ja) * 2017-01-17 2018-07-26 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
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
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
US20200094461A1 (en) * 2018-09-20 2020-03-26 Jtekt Corporation Device for assisting molding condition determination and injection molding apparatus
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
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.
JP7411786B2 (ja) * 2019-09-11 2024-01-11 エル エス エムトロン リミテッド 人工知能基盤の射出成形システムおよび射出成形システムでの成形条件生成方法
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
JPWO2021201187A1 (zh) * 2020-03-31 2021-10-07
DE102020111674A1 (de) * 2020-04-29 2021-11-04 Krones Aktiengesellschaft Behälterbehandlungsmaschine und Verfahren zum Überwachen des Betriebs einer Behälterbehandlungsmaschine
JP7547798B2 (ja) 2020-06-05 2024-09-10 株式会社ジェイテクト 成形条件決定支援装置
US12036712B2 (en) 2020-06-05 2024-07-16 Jtekt Corporation Molding conditions determination assist device and resin state estimation device
AT524001B1 (de) * 2020-07-10 2023-10-15 Engel Austria Gmbh Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses
JP2023538885A (ja) 2020-08-14 2023-09-12 ビーエーエスエフ ソシエタス・ヨーロピア 少なくとも１つの射出成形プロセスを制御及び／又は監視するためのコンピュータ実装方法
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
JP2024082567A (ja) * 2022-12-08 2024-06-20 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

Family Cites Families (16)

* Cited by examiner, † Cited by third party
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
JPH05309711A (ja) * 1992-04-03 1993-11-22 Sony Corp 成形制御方法および装置
JP3020363B2 (ja) * 1992-10-13 2000-03-15 東洋機械金属株式会社 成形機のモニタ条件設定方法
US5586041A (en) * 1992-12-14 1996-12-17 Ford Motor Company Method and system for real-time statistical process monitoring
JPH07232366A (ja) * 1994-02-24 1995-09-05 Sony Corp 射出成形判定方法及び装置
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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
TWI830153B (zh) * 2021-02-24 2024-01-21 日商沙迪克股份有限公司 射出成形機以及射出成形機的檢查方法

Also Published As

Publication number Publication date
JP2006281662A (ja) 2006-10-19
CN100558535C (zh) 2009-11-11
TW200635749A (en) 2006-10-16
US7216005B2 (en) 2007-05-08
JP4499601B2 (ja) 2010-07-07
US20060224540A1 (en) 2006-10-05
CN1840316A (zh) 2006-10-04

Similar Documents

Publication Publication Date Title
TWI293916B (en) Control apparatus for injection molding machine
JP4167282B2 (ja) 射出成形機の支援装置
JP2011242923A (ja) モデルの入力変数調整装置
JP6861893B2 (ja) 状態監視装置および非同期データの調整方法
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
JP2018015937A (ja) 計測装置、計測方法、プログラム
JP5321165B2 (ja) フィードフォワード量推定装置および制御装置
JP4893193B2 (ja) シャシーダイナモメータの制御装置
CN117490891A (zh) 一种基于图像处理的质量监测方法及装置
JP7001874B1 (ja) 樹脂成形品の弾性率の推定方法、樹脂成形品の応力推定方法、プログラム、コンピュータ可読記録媒体、樹脂成形品の弾性率の算定装置、樹脂成形品の製造方法、樹脂成形品の弾性率のデータ取得方法、樹脂成形品の形状最適化方法、樹脂成形品の変形予測方法、樹脂成形品の破壊寿命予測方法
JP3432343B2 (ja) プラント監視装置
TW202228985A (zh) 機器學習方法、可讀取地記錄電腦程式之記錄媒體、機器學習裝置及成形機
JP7344754B2 (ja) 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
JPH09323129A (ja) 線状加熱変形算出データのリアルタイム修正方法
CN114440866A (zh) 一种传感器数据校准方法及校准系统
JP3923700B2 (ja) 検査データ管理システム及びウエハ形成装置
JP5846303B2 (ja) 設定計算システムの学習装置及び学習方法
JP7491824B2 (ja) レーザ溶接支援システム、レーザ溶接支援方法、およびプログラム
JP2001198964A (ja) 射出成形用金型の温度制御装置と射出成形用金型の温度制御方法
JP6963916B2 (ja) 成膜良否判定装置及び成膜良否判定方法
JP5351484B2 (ja) 推定装置および推定方法
CN117762084A (zh) 一种热误差补偿方法及装置
JPS62286723A (ja) フイルムシ−トのプロフアイル制御方法
JP2022021956A (ja) 機械学習装置
RU2409827C2 (ru) Устройство прогнозирования технического состояния систем

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees
MM4A Annulment or lapse of patent due to non-payment of fees