WO2023113317A1 - 고압다이캐스팅 공정에서 제품결함을 사전 예측하는 인공지능 활용 공정관리 시스템 - Google Patents

고압다이캐스팅 공정에서 제품결함을 사전 예측하는 인공지능 활용 공정관리 시스템 Download PDF

Info

Publication number
WO2023113317A1
WO2023113317A1 PCT/KR2022/019454 KR2022019454W WO2023113317A1 WO 2023113317 A1 WO2023113317 A1 WO 2023113317A1 KR 2022019454 W KR2022019454 W KR 2022019454W WO 2023113317 A1 WO2023113317 A1 WO 2023113317A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
data
product defect
advance
temperature
Prior art date
Application number
PCT/KR2022/019454
Other languages
English (en)
French (fr)
Inventor
김낙수
이승로
이승철
Original Assignee
서강대학교산학협력단
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 서강대학교산학협력단 filed Critical 서강대학교산학협력단
Publication of WO2023113317A1 publication Critical patent/WO2023113317A1/ko

Links

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
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D2/00—Arrangement of indicating or measuring devices, e.g. for temperature or viscosity of the fused mass
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D2/00—Arrangement of indicating or measuring devices, e.g. for temperature or viscosity of the fused mass
    • B22D2/006—Arrangement of indicating or measuring devices, e.g. for temperature or viscosity of the fused mass for the temperature of the molten metal
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D46/00—Controlling, supervising, not restricted to casting covered by a single main group, e.g. for safety reasons

Definitions

  • the present invention relates to a system capable of predicting product defects in advance.
  • a product defect prediction system capable of preventing defective product manufacturing in advance by measuring defects of products manufactured in a die casting process in advance.
  • the die casting process manufactures a product that corresponds to the shape of the mold cavity by injecting material at high speed and high pressure into the cavity of the mold. It can manufacture products with smooth surfaces and accurate sizes, and can produce uniform products in large quantities. It is a process that is used
  • the die-casting process does not generate relatively defective products, but some products may become defective products due to volume changes or bubbles generated when the phase of the material changes.
  • the material is injected, the phase change of the material is completed, and the mold is removed, it is possible to confirm that a defect has occurred during product manufacturing.
  • the die casting process has a disadvantage in that defects of the product cannot be predicted in advance due to process characteristics. In this case, of course, waste of materials and an increase in manufacturing time are caused.
  • An object of the present invention is to provide a product defect prediction system capable of preventing defective products from being manufactured by confirming product defects in advance when products are manufactured through a die casting process.
  • the system for predicting product defects of the present invention has a movable mold having a cavity in which a liquid material is located and movable to one side and the other, and a cavity disposed at a position corresponding to the movable mold and in which the liquid material is located,
  • a fixed mold for producing a product that is aligned with the moving mold and injected into a product corresponding to the shape of the cavity a sensor unit installed in a form penetrating the fixed mold to sense information and generate sensor data, and the sensor data and a determining unit that compares the received sensor data with preset reference data to determine whether a manufactured product is defective, and stores the compared comparison data.
  • the stationary mold includes an installation space and an installation hole formed in the installation space toward a cavity of the stationary mold, and the sensor unit includes a temperature sensor unit disposed in the installation hole to measure a temperature of one side, and the temperature sensor. and a pressure sensor unit located on the other side of the unit and located in the installation space to sense a pressure corresponding to the movement of the temperature sensor unit.
  • the temperature sensor unit includes a flat portion having a larger size than the diameter of the installation hole in a flat shape on the other side, and the pressure sensor unit is characterized in that a surface of the portion corresponding to the flat portion is formed flat.
  • the installation hole partitions the fixed mold, sets the partitioned area, measures the temperature for each compartmental area, and selects a preset compartmental area by sequentially arranging a compartment area with a high temperature and a low temperature area, and selects the selected compartment area. It is characterized by being formed in.
  • the determination unit is characterized in that it accumulates and stores comparison data, and predicts a defect of the product by learning the comparison data.
  • the determination unit generates product defect prediction data using the stored comparison data when a predetermined number of products are manufactured, and some of the plurality of comparison data tests whether or not the product is defective using the product defect prediction data. characterized by
  • the determination unit and the sensor unit are connected wirelessly.
  • the determination unit receives sensor data from the sensor unit, learns, predicts abnormal signs during the process of manufacturing the product, and can predict in advance that a defective product will be manufactured.
  • FIG. 1 is a block diagram of a system for predicting product defects in advance according to an embodiment of the present invention.
  • Figure 2 shows the partition area of the fixed mold in the product defect advance prediction system according to the present invention according to an embodiment.
  • FIG 3 is a cross-sectional view of a fixed mold of the system for predicting product defects in advance according to an embodiment of the present invention.
  • FIG. 4 illustrates a process of predicting product defects using temperature in the system for predicting product defects in advance according to an embodiment of the present invention.
  • FIG. 5 illustrates a process of predicting a defect of a product using pressure in the system for predicting product defects in advance according to an embodiment of the present invention.
  • FIG. 6 illustrates testing and correcting product defect prediction data by a judgment unit of the system for predicting product defects in advance according to an embodiment of the present invention.
  • FIG. 1 is a block diagram of a system for predicting product defects in advance according to an embodiment of the present invention.
  • a system for predicting product defects according to an embodiment of the present invention includes a mold, a sensor unit 300, and a determination unit 400.
  • the mold may be composed of a movable mold 100 and a fixed mold 200.
  • the moving mold 100 is formed to be reciprocally movable in a set position.
  • the movable mold 100 is connected to a cylinder or a movable plate and is formed to be movable up and down, or left and right.
  • a cavity 110 may be formed in the moving mold 100 .
  • the cavity 110 of the moving mold 100 is formed in a shape corresponding to the shape of a product to be manufactured.
  • the stationary mold 200 may be aligned and disposed at a position corresponding to the movable mold 100 .
  • the stationary mold 200 may be disposed at a position corresponding to the movable mold 100.
  • the fixed mold 200 may have a cavity 210 formed therein.
  • the cavity 210 of the stationary mold 200 may be formed in various shapes corresponding to the shape of the product, similarly to the cavity 110 of the moving mold 100.
  • An injection hole (shown in FIG. 1 but not indicated by an instruction number) may be formed on one side of the fixed mold 200.
  • the injection hole may communicate with the cavity 210 .
  • the injection hole may be connected to a nozzle (not shown) to inject a liquid material. Therefore, the injected liquid material fills the cavities 210 of the movable mold 100 and the stationary mold 200 and hardens, so that products having the shapes of the cavities 110 and 210 can be manufactured.
  • the sensor unit 300 may be disposed in connection with the fixed mold 200 .
  • the sensor unit 300 may generate sensor data.
  • the information measured by the sensor unit 300 may be temperature or pressure.
  • the sensor unit 300 may generate sensor data by measuring information of a specific position of the fixed mold 200 .
  • the determination unit 400 may receive sensor data from the sensor unit 300 .
  • the determination unit 400 generates comparison data by comparing the sensor data with pre-stored reference data, and through this, it is possible to predict in advance whether there is an abnormality in the product manufactured in the mold.
  • the product defect line prediction by the determination unit 400 may be possible by accumulative storage and learning of comparison data obtained by comparing sensor data and reference data.
  • the determination unit 400 may generate comparison data by comparing sensor data and reference data, and store a pattern when a product manufactured through the comparison is a defective product.
  • the reference temperature (+ -) and reference pressure (+, -) are set in the reference data, but if the temperature of the sensor data generated by the sensing unit sensing in a specific cycle exceeds the reference temperature or the reference pressure, the determination unit (400) can confirm that there is a defect in the manufactured product.
  • the generated comparison data is a change in temperature and pressure in a specific cycle compared to the reference temperature and reference pressure.
  • the determination unit 400 learns the sensor data generated by the sensing unit before a specific cycle. By repeating this process, the determination unit 400 can predict in advance whether a defect will occur in a product manufactured in a cycle prior to the occurrence of a defect.
  • the determination unit 400 learns the sensor data of the previous cycle together with the sensor data of the corresponding cycle in which the product defect occurs, so that the determination unit 400 determines that the product defect occurs. can be predicted in advance.
  • the present invention configured with the above configuration can predict product defects in advance.
  • the operation of the determination unit 400 is also important, but the sensor unit 300 must transmit accurate sensor data on whether or not a defect has occurred.
  • FIG. 2 shows a partition area of a fixed mold in the system for predicting product defects in advance according to an embodiment
  • FIG. 3 is a cross-sectional view of the mold in the system for predicting product defects in advance according to an embodiment.
  • the present invention divides the fixed mold 200 into compartments.
  • the partition area may be a virtual area having a size corresponding to the size of an installation hole to be described later. That is, here, the fixed mold 200 may be a real product, or may be a virtual fixed mold 200 modeling the actual fixed mold 200 .
  • description will be made on the assumption that the fixed mold 200 having a partitioned area is a virtual fixed mold 200 .
  • Casting analysis is performed on the virtual fixed mold 200 to measure the temperature change in each compartment area.
  • the casting analysis may be a method of checking the temperature change of the partition area of the fixed mold 200 when a virtual material having a temperature set in the virtual fixed mold 200 is injected into the cavity 210 .
  • each compartment area is arranged in order from the largest temperature change to the smallest.
  • the first to third positions are selected to form an installation hole formation section in which the sensor unit 300 is to be installed.
  • the fixed mold 200 of the present invention may include an installation space 220 as shown in FIG. 3 .
  • the installation space 220 may be a space formed far from the cavity 210 of the fixed mold 200 .
  • the installation hole is formed to communicate with the installation space 220 .
  • the sensor unit 300 may include a temperature sensor unit 310 and a pressure sensor unit 330 .
  • the temperature sensor unit 310 is formed in the shape of a rod and can measure a temperature change at one end (upper side in FIG. 3 ). Also, the other end (lower side in FIG. 3 ) of the temperature sensor unit 310 is disposed in the installation space 220 , and a flat portion 320 larger than the diameter of the installation hole may be formed.
  • the pressure sensor unit 330 is disposed in the installation space 220, and one end surface (upper side in FIG. 3) may be formed flat. Therefore, it may be disposed while coming into contact with the flat portion 320 .
  • the sensor unit 300 may be installed in the fixed mold 200 to generate sensor data by sensing a change in temperature and a change in pressure at one end.
  • the determination unit 400 may be connected to the sensor unit 300 through wireless communication to receive sensor data.
  • FIG. 4 shows a process of predicting product defects using temperature in the product defect prediction system according to the present invention according to an embodiment
  • FIG. 5 shows a process using pressure in the product defect prediction system according to the present invention according to an embodiment. It shows the process of predicting product defects by doing so.
  • the determination unit 400 may generate product defect prediction data using comparison data generated by comparing sensor data and reference data. That is, product defects can be predicted in advance by receiving sensor data through multiple cycle operations and generating product defect prediction data using comparison data.
  • the temperature information in the sensor data transmitted by each cycle sensor unit 300 is the same as the graph shown in FIG. 4(b), and the pre-stored graph as shown in FIG. It is assumed that product defect prediction data stored in unit 400. And it will be assumed that it is learned that a product defect has occurred in section B of FIG. 4 (a) through product defect prediction data stored in the determination unit 400 .
  • the determination unit 400 determines, as shown in FIG. 4 (b), when sensor data similar to section A of FIG. 4 (a) is received, section A where normal products were manufactured before the next cycle proceeded. In the subsequent cycle, it is possible to perform notification by predicting in advance that there is a defective product in the manufactured product.
  • This method is also applied to pressure information.
  • the determination unit 400 stores product defect prediction data as shown in FIG. 5 (a), and as a result of checking the pressure information of the sensor data as shown in FIG. 5 (b), pressure information similar to section A of FIG. 5 (a) If is confirmed in the received sensor data, the determination unit 400 can predict in advance that a defect will occur in the product when the subsequent cycle proceeds before the next cycle corresponding to section B proceeds.
  • the determination unit 400 may prevent manufacturing of defective products by notifying the defective product before manufacturing.
  • the determination unit 400 stores product defect prediction data corresponding to temperature and pressure, respectively, as shown in FIGS. 4 and 5, and each is preferably performed independently. That is, by comparing only one of temperature and pressure with product defect prediction data, it can be predicted whether a product with defects will be manufactured in a subsequent cycle.
  • FIG. 6 illustrates testing and correcting product defect prediction data by a judgment unit of the system for predicting product defects in advance according to an embodiment of the present invention.
  • the present inventors determination unit 400 may modify the product defect prediction data through learning.
  • the determination unit 400 obtains product defect prediction data as shown in (a) of FIG. 6 through comparison data.
  • the determination unit 400 receives sensor data as shown in (b) of FIG. 6, and when the cycle of section A of (b) of FIG. product will be predicted to have occurred. However, in section B of FIG. 6 (b), the temperature was normally lowered and no product defects occurred.
  • the determination unit 400 learns this comparison data (data generated as a result of comparing the sensor data and the reference data), and even if the sensor data contrasted with the cycle of section A is measured, a waiting time of 5 seconds before the next cycle proceeds If the temperature measured in is not similar to the previously learned section B and the temperature does not increase, it is learned that no defective product has occurred in section B, and product defect prediction data can be modified.
  • the determination unit 400 may select a portion of the plurality of comparison data to independently determine whether the product defect prediction data is accurate or not. As described above, in the present invention, since the determination unit 400 performs self-learning through learning, the predictability of product defects can be increased over time.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Measuring Fluid Pressure (AREA)
  • Moulds For Moulding Plastics Or The Like (AREA)

Abstract

다이캐스트 공정에서 결함 제품 제조를 선 예측할 수 있는 제품 결함 사전 예측 시스템이 개시된다. 본 발명은 고정금형에 설치된 센서부를 통하여 센서데이터를 생성하고, 판단부가 이를 수신하여 기준데이터와 비교하여 결함 제품 제조 여부를 미리 예측할 수 있다. 여기서, 판단부는 스스로 학습을 하여, 판단 정확도를 더욱 높일 수 있다.

Description

고압다이캐스팅 공정에서 제품결함을 사전 예측하는 인공지능 활용 공정관리 시스템
본 발명은 제품의 결함을 사전에 예측할 수 있는 시스템에 관한 것이다.
특히 다이캐스팅 공정에서 제조되는 제품의 결함을 사전에 측정하여 결함 제품 제조를 사전에 예방할 수 있는 제품 결함 사전 예측 시스템에 관한 것이다.
다이캐스팅 공정은 금형의 캐비티 내에 고속, 고압으로 소재를 주입하여 금형의 캐비티의 형상과 대응되는 제품을 제조하는 것으로 매끄러운 표면과 정확 크기의 제품을 제조할 수 있으며, 균일한 제품을 다량 생산할 수 있으므로 활발하게 활용되는 공정이다.
그러나 다이캐스팅 공정은 비교적 결함 제품이 발생되지 않으나, 일부 제품은 소재의 상변화 시 체적이 변화되거나 기포의 발생으로 불량 제품이 되기도 한다.
다이캐스팅 공정은 금형들이 정렬되어 고정되고, 소재가 주입된 후, 소재의 상변화가 완료된 후, 금형이 제거된 후에야 제품 제조 시 결함이 발생된 것을 확인할 수 있다.
즉, 다이캐스팅 공정은 공정 특성 상 제품의 결함을 미리 예측할 수 없다는 단점이 있다. 이 경우 당연하게도 소재의 낭비, 제조 시간의 증가 등을 유발하고 있다.
따라서 다이캐스팅 공정 업계에서는 결함을 사전에 예측하여 결함 제품의 제조 여부를 미리 알게되어 선제적으로 조치를 취하는 방안이 모색되고 있다.
일 실시예에 의한 본 발명은 다이캐스팅 공정으로 제품을 제조 시 제품의 결함을 사전으로 확인하여 불량 제품을 제조하지 않을 수 있는 제품 결함 사전 예측 시스템을 제공하는 데 목적이 있다.
일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템은 액상의 소재가 위치되는 캐비티를 가지며 일측 타측으로 이동 가능한 이동금형, 상기 이동금형과 대응되는 위치에 배치되며 액상의 소재가 위치되는 캐비티를 가져서 상기 이동금형과 정렬되어 배치되어 주입되는 소재를 캐비티의 형상에 대응되는 제품으로 제조하는 고정금형, 상기 고정금형을 관통하는 형태로 설치되어 정보를 센싱하여 센서데이터를 생성하는 센서부 및 상기 센서데이터를 수신하여 수신되는 센서데이터를 기설정된 기준데이터와 비교하여 제조되는 제품의 불량 여부를 판단하며, 비교한 비교데이터를 저장하는 판단부를 포함한다.
상기 고정금형은 설치공간부와 상기 설치공간부에서 상기 고정금형의 캐비티 방향으로 형성된 설치홀을 포함하며, 상기 센서부는 상기 설치홀에 배치되어 일측의 온도를 측정하는 온도센서부와, 상기 온도센서부의 타측에 위치되고 상기 설치공간부에 위치되어 상기 온도센서부의 움직임에 대응하는 압력을 센싱하는 압력센서부를 포함하는 것을 특징으로 한다.
상기 온도센서부는 타측에 평평한 형상으로 상기 설치홀의 직경보다 큰 크기를 가지는 플랫부를 포함하고, 상기 압력센서부는 상기 플래부와 대응되는 부분의 면은 평평하게 형성되는 것을 특징으로 한다.
상기 설치홀은 상기 고정금형을 구획하여 구획영역을 설정하여 각 구획영역 별로 온도를 측정하고, 온도가 높은 구획영역에서 낮은 구획영역을 순차적으로 나열하여 기설정된 구획영역을 선정하여 상기 선정된 구획영역에 형성되는 것을 특징으로 한다.
상기 판단부는 비교데이터를 누적하여 저장하고, 상기 비교데이터를 학습하여 제품의 결함을 예측하는 것을 특징으로 한다.
상기 판단부는 기설정된 수의 제품이 제조된 경우, 상기 저장된 비교데이터를 이용하여 제품결함예측데이터를 생성하고, 복수의 비교데이터 중 일부는 상기 제품결함예측데이터를 이용하여 제품의 결함 여부를 테스트하는 것을 특징으로 한다.
상기 판단부와 상기 센서부는 무선으로 연결되어 있는 것을 특징으로 한다.
일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템은 판단부가 센서부로부터 센서데이터를 수신하고, 학습하여 제품이 제조되는 과정 중 이상 징후를 예측하여 불량 제품이 제조되는 것을 미리 예측할 수 있다.
도 1은 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템의 구성도이다.
도 2는 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템에서 고정금형의 구획영역을 도시한 것이다.
도 3은 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템의 고정금형의 단면도이다.
도 4는 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템에서 온도를 이용하여 제품 결함을 예측하는 과정을 도시한 것이다.
도 5는 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템에서 압력을 이용하여 제품의 결함을 예측하는 과정을 도시한 것이다.
도 6은 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템의 판단부가 제품결함예측데이터를 테스트하고 수정하는 것을 도시한 것이다.
이하, 본 발명의 일실시예를 예시적인 도면을 통해 상세하게 설명한다. 그러나 이는 본 발명의 범위를 한정하려고 의도된 것은 아니다.
각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 도면에 도시된 구성요소의 크기나 형상 등은 설명의 명료성과 편의상 과장되게 도시될 수 있다. 또한, 본 발명의 구성 및 작용을 고려하여 특별히 정의된 용어들은 본 발명의 실시예를 설명하기 위한 것일 뿐이고, 본 발명의 범위를 한정하는 것이 아니다.
도 1은 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템의 구성도이다.
일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템은 금형, 센서부(300), 판단부(400)를 포함한다.
금형은 이동금형(100), 고정금형(200)으로 구성될 수 있다.
이동금형(100)은 설정된 위치를 왕복 이동 가능하게 형성된다. 일례로 이동금형(100)은 실린더 또는 이동 가능한 플레이트와 연결되어 상, 하, 또는 좌, 우를 이동 가능하게 형성된다. 이동금형(100) 내에는 캐비티(110)가 형성될 수 있다. 이동금형(100)의 캐비티(110)는 제조하고자 하는 제품의 형상에 대응되는 형상으로 형성된다.
고정금형(200)은 이동금형(100)과 대응되는 위치에 정렬되어 배치될 수 있다. 고정금형(200)은 이동금형(100)과 대응되는 위치에 배치될 수 있다. 고정금형(200)은 캐비티(210)가 형성될 수 있다. 여기서 고정금형(200)의 캐비티(210)는 이동금형(100)의 캐비티(110)와 마찬가지로 제품의 형상에 대응되어 다양한 형상으로 형성될 수 있다.
고정금형(200)의 일측에는 주입홀(도 1에 도시되었으나 지시번호 표시 하지 않음)이 형성될 수 있다. 주입홀은 캐비티(210)와 연통될 수 있다. 주입홀은 미도시된 노즐과 연결되어 액상의 소재가 주입될 수 있다. 따라서 주입된 액상의 소재는 이동금형(100)과 고정금형(200)의 캐비티(210) 내를 채워 넣어 굳어 캐비티(110, 210)의 형상의 제품이 제조될 수 있다.
센서부(300)는 고정금형(200)과 연결되어 배치될 수 있다. 센서부(300)는 센서데이터를 생성할 수 있다. 여기서 센서부(300)가 측정하는 정보는 온도, 압력일 수 잇다. 센서부(300)는 고정금형(200)의 특정 위치의 정보를 측정하여 센서데이터를 생성할 수 있다.
판단부(400)는 센서부(300)로부터 센서데이터를 수신 받을 수 있다. 판단부(400)는 센서데이터와 기저장된 기준데이터와 비교한 비교데이터를 생성하고 이를 통하여 금형 내 제조되는 제품의 이상이 있는지 미리 예측할 수 있다.
여기서 판단부(400)의 제품 결함 선 예측은 센서데이터와 기준데이터를 비교한 비교데이터의 누적적 저장 및 학습으로 가능할 수 있다. 판단부(400)는 센서데이터와 기준데이터를 비교하여 비교데이터를 생성하고 이를 통하여 제조되는 제품이 결함 제품인 경우 패턴을 저장할 수 있다.
일례로 기준데이터에는 기준온도(+ -), 기준압력(+, -)이 설정되어 있는데 센싱부가 특정한 사이클에 센싱하여 생성한 센서데이터의 온도가 기준온도를 초과하거나 기준압력을 초과하는 경우 판단부(400)는 제조되는 제품의 결함이 있음을 확인할 수 있다. 그리고 생성되는 비교데이터는 기준온도, 기준압력 대비 특정한 사이클에서 온도의 변화 및 압력의 변화이다.
이하에서는 이동금형(100)과 고정금형(200)의 정렬배치, 소재주입, 이동금형(100) 이동, 워터스프레이 동작, 에어스프레이 동작, 이동금형(100) 고정금형(200) 정렬배치, 5초 대기를 1사이클이라고 명명하겠다.
이때 판단부(400)는 특정한 사이클 이전에 센싱부가 생성한 센서데이터를 학습한다. 이를 반복함으로써 판단부(400)는 결함 발생 이전 사이클에서 제조되는 제품의 결함이 발생될지를 미리 예측할 수 있다.
즉, 본 발명은 제품의 결함이 발생된 경우, 제품의 결함이 발생되는 해당 사이클의 센서데이터와 함께 이전 사이클의 센서데이터를 판단부(400)가 학습함으로써 판단부(400)가 제품의 결함 발생 여부를 미리 예측할 수 있다.
위와 같은 구성으로 구성된 본 발명은 제품의 결함을 미리 예측할 수 있다. 한편, 제품의 결함을 미리 예측하기 위하여는 판단부(400)의 동작도 중요하지만 그에 못지 않게 센서부(300)가 결함 발생 여부에 대한 정확한 센서데이터를 송신하여야 한다.
도 2는 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템에서 고정금형의 구획영역을 도시한 것이며, 도 3은 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템의 고정금형의 단면도이다.
센서부(300)의 설치를 위하여 본 발명은 고정금형(200)을 구획영역으로 분리한다. 구획영역은 후술할 설치홀의 크기와 대응되는 크기를 가지는 가상의 영역일 수 있다. 즉, 여기서 고정금형(200)은 실제 제품일 수도 있으나, 실제 고정금형(200)을 모델링한 가상의 고정금형(200)일 수 있다. 이하에서는 구획영역을 가지는 고정금형(200)이 가상의 고정금형(200)임을 가정하여 설명하도록 하겠다.
가상의 고정금형(200)에 주조해석을 진행하여 각 구획영역의 온도 변화를 측정한다. 일례로 주조해석은 가상의 고정금형(200) 내에 설정된 온도의 가상의 소재를 캐비티(210) 내로 주입한 경우 고정금형(200)의 구획영역의 온도 변화를 체크하는 방식일 수 있다.
이러한 주조해석을 진행한 후 각 구획영역의 온도 변화 중 온도 변화가 가장 큰 부분을 측정한다. 그리고 각 구획영역을 온도 변화가 가장 큰 부분부터 작은 부분으로 나열한다. 나열된 구획영역 중 1순위부터 3순위까지를 선정하여 해당 부분에 센서부(300)가 설치될 설치홀 형성 구간으로 형성한다.
이처럼 온도 변화가 가장 큰 구간을 설치홀 형성 위치로 설정하는 이유는 반복 실험을 수행한 결과 제품 결함이 발생되는 경우 해당 부분에서 가장 두드러지는 변화가 확인 되었으며, 해당 부분에서 가장 많은 결함이 발생되었기 때문이다.
이와 같이 고정금형(200)에서 설치홀을 생성할 위치를 체크하였으면 고정금형(200)에 센서부(300) 설치를 위한 설치홀을 형성한다.
본 발명인 고정금형(200)은 도 3에 도시된 바와 같이 설치공간부(220)를 포함할 수 있다. 설치공간부(220)는 고정금형(200)의 캐비티(210)와 먼 위치에 형성되는 공간일 수 있다. 설치홀은 설치공간부(220)와 연통되게 형성된다.
센서부(300)는 온도센서부(310)와 압력센서부(330)로 구성될 수 있다.
온도센서부(310)는 봉의 형상으로 형성되어 일단부(도 3에서는 상측)의 온도 변화를 측정할 수 있다. 그리고 온도센서부(310)의 타단부(도 3에서는 하측)은 설치공간부(220)에 배치되며, 설치홀의 직경보다 큰 플랫부(320)가 형성될 수 있다.
압력센서부(330)는 설치공간부(220)에 배치되며, 일단면(도 3에서는 상측)이 평평하게 형성될 수 있다. 따라서 플랫부(320)와 맞닿으며 배치될 수 있다.
이처럼 센서부(300)는 고정금형(200) 내에 설치되어 일단부의 온도의 변화와 압력의 변화를 센싱한 센서데이터를 생성할 수 있다.
판단부(400)는 센서부(300)와 무선통신으로 연결되어 센서데이터를 수신할 수 있다.
도 4는 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템에서 온도를 이용하여 제품 결함을 예측하는 과정을 도시한 것이고, 도 5는 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템에서 압력을 이용하여 제품의 결함을 예측하는 과정을 도시한 것이다.
판단부(400)는 센서데이터와 기준데이터를 비교하여 생성한 비교데이터를 이용하여 제품결함예측데이터를 생성할 수 있다. 즉, 복수회의 사이클 동작을 통하여 센서데이터를 수신하고, 비교데이터를 활용하여 제품결함예측데이터를 생성하여 제품 결함을 미리 예측할 수 있다.
일례로 고정금형(200)에 쿨링채널(미도시)이 막힌 경우를 가정하도록 하겠다.
이 경우, 각 사이클 센서부(300)가 송신하는 센서데이터에서 온도에 관한 정보는 도 4(b)의 도시된 그래프와 같으며, 비교데이터를 통하여 기저장된 도 4(a)와 같은 그래프가 판단부(400)에 저장된 제품결함예측데이터라고 가정하겠다. 그리고 판단부(400)에 저장된 제품결함예측데이터를 통하여 도 4(a)의 B 구간에서 제품의 결함이 발생되었음을 학습하였다고 가정하겠다.
그후 제품이 생상되는 경우, 판단부(400)는 도 4(b)와 같이 도 4(a)의 A구간과 유사한 센서데이터가 수신되는 경우, 다음 사이클이 진행되기 전 정상적인 제품이 제조되었던 A구간에서 이후 사이클에서는 제조되는 제품이 결함이 있는 제품이 있음을 미리 예측하여 알림을 수행할 수 있다.
이러한 방식은 압력 정보도 마찬가지이다.
판단부(400)는 도 5(a)와 같이 제품결함예측데이터가 저장되어 있으며, 도 5(b)와 같이 센서데이터의 압력 정보를 확인한 결과, 도 5(a)의 A구간과 유사한 압력 정보가 수신되는 센서데이터에서 확인되면 판단부(400)는 B구간에 대응되는 다음 사이클이 진행되기 전 미리 이후 사이클이 진행 시 제품에 결함이 발생됨을 예측할 수 있다.
따라서 판단부(400)는 결함 제품 제조 전 미리 이를 알림으로써 결함 제품 제조를 방지할 수 있다.
여기서, 판단부(400)는 도 4, 도 5와 같이 각각 온도, 압력과 대응되는 제품결함예측데이터를 저장하고, 각각은 독립적으로 수행됨이 바람직하다. 즉, 온도, 압력 중 어느 하나만 제품결함예측데이터와 비교하여 이후 사이클에서 결함을 가지는 제품이 제조될지 예측될 수 있다.
도 6은 일 실시예에 의한 본 발명인 제품 결함 사전 예측 시스템의 판단부가 제품결함예측데이터를 테스트하고 수정하는 것을 도시한 것이다.
본 발명인 판단부(400)는 학습을 통하여 제품결함예측데이터를 수정할 수 있다.
즉, 판단부(400)는 도 6의 (a)와 같은 제품결함예측데이터를 비교데이터를 통하여 획득하였다고 가정하겠다.
이후 도 6의 (b)와 같이 복수회 사이클의 센서데이터와 결과데이터가 판단부(400)로 입력되었다고 가정하겠다
판단부(400)는 도 6의 (a)에서 도시된 바와 같이 도 6의 (b)와 같은 센서데이터를 수신 받으면 도 6의 (b)의 A구간 사이클이 종료되면 B구간 사이클이 시작 전 결함 제품이 발생된 것으로 예측할 것이다. 그러나 도 6의 (b)에서 B구간은 온도가 정상적으로 내려가서 제품 결함이 발생되지 않았다. 판단부(400)는 이러한 비교데이터(센서데이터와 기준데이터를 비교한 결과 생성한 데이터)를 학습하여 A구간의 사이클과 대비되는 센서데이터가 측정된다 하여도 이후 사이클이 진행되기 전 5초의 대기시간에 측정되는 온도가 기존에 학습된 B구간과 유사하지 않고 온도가 높아지지 않으면 B구간에서 결함 제품이 발생되지 않았음을 학습하고, 제품결함예측데이터를 수정할 수 있다.
그리고 제품결함예측데이터가 수정되면, 판단부(400)는 복수개의 비교데이터를 일부를 선별하여 제품결함예측데이터가 정확한지 아닌지 자체적으로 판단할 수 있다. 이와 같이 본 발명은 판단부(400)가 학습을 통하여 자기 학습을 수행하므로 제품 결함의 예측 가능성을 시간이 지날수록 높일 수 있다.
본 발명은 특정한 실시 예에 관련하여 도시하고 설명하였지만, 이하의 특허청구범위에 의해 제공되는 본 발명의 기술적 사상을 벗어나지 않는 한도 내에서, 본 발명이 다양하게 개량 및 변화될 수 있다는 것은 당 업계에서 통상의 지식을 가진 자에게 있어서 자명할 것이다.

Claims (7)

  1. 제품 결함 사전 예측 시스템에 있어서,
    액상의 소재가 위치되는 캐비티를 가지며 일측 타측으로 이동 가능한 이동금형;
    상기 이동금형과 대응되는 위치에 배치되며 액상의 소재가 위치되는 캐비티를 가져서 상기 이동금형과 정렬되어 배치되어 주입되는 소재를 캐비티의 형상에 대응되는 제품으로 제조하는 고정금형;
    상기 고정금형을 관통하는 형태로 설치되어 정보를 센싱하여 센서데이터를 생성하는 센서부; 및
    상기 센서데이터를 수신하여 수신되는 센서데이터를 기설정된 기준데이터와 비교하여 제조되는 제품의 불량 여부를 판단하며, 비교한 비교데이터를 저장하는 판단부
    를 포함하는 제품 결함 사전 예측 시스템.
  2. 제1항에 있어서,
    상기 고정금형은
    설치공간부와 상기 설치공간부에서 상기 고정금형의 캐비티 방향으로 형성된 설치홀을 포함하며,
    상기 센서부는
    상기 설치홀에 배치되어 일측의 온도를 측정하는 온도센서부와, 상기 온도센서부의 타측에 위치되고 상기 설치공간부에 위치되어 상기 온도센서부의 움직임에 대응하는 압력을 센싱하는 압력센서부를 포함하는 것
    을 특징으로 하는 제품 결함 사전 예측 시스템.
  3. 제2항에 있어서,
    상기 온도센서부는 타측에 평평한 형상으로 상기 설치홀의 직경보다 큰 크기를 가지는 플랫부를 포함하고,
    상기 압력센서부는 상기 플래부와 대응되는 부분의 면은 평평하게 형성되는 것
    을 특징으로 하는 제품 결함 사전 예측 시스템.
  4. 제3항에 있어서,
    상기 설치홀은
    상기 고정금형을 구획하여 구획영역을 설정하여 각 구획영역 별로 온도를 측정하고, 온도가 높은 구획영역에서 낮은 구획영역을 순차적으로 나열하여 기설정된 구획영역을 선정하여 상기 선정된 구획영역에 형성되는 것
    을 특징으로 하는 제품 결함 사전 예측 시스템.
  5. 제3항에 있어서,
    상기 판단부는
    비교데이터를 누적하여 저장하고, 상기 비교데이터를 학습하여 제품의 결함을 예측하는 것
    을 특징으로 하는 제품 결함 사전 예측 시스템.
  6. 제5항에 있어서,
    상기 판단부는
    기설정된 수의 제품이 제조된 경우, 상기 저장된 비교데이터를 이용하여 제품결함예측데이터를 생성하고,
    복수의 비교데이터 중 일부는 상기 제품결함예측데이터를 이용하여 제품의 결함 여부를 테스트하는 것
    을 특징으로 하는 제품 결함 사전 예측 시스템.
  7. 제6항에 있어서,
    상기 판단부와 상기 센서부는 무선으로 연결되어 있는 것
    을 특징으로 하는 제품 결함 사전 예측 시스템.
PCT/KR2022/019454 2021-12-13 2022-12-02 고압다이캐스팅 공정에서 제품결함을 사전 예측하는 인공지능 활용 공정관리 시스템 WO2023113317A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0177855 2021-12-13
KR1020210177855A KR20230089610A (ko) 2021-12-13 2021-12-13 고압다이캐스팅 공정에서 제품결함을 사전 예측하는 인공지능 활용 공정관리 시스템

Publications (1)

Publication Number Publication Date
WO2023113317A1 true WO2023113317A1 (ko) 2023-06-22

Family

ID=86772851

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/019454 WO2023113317A1 (ko) 2021-12-13 2022-12-02 고압다이캐스팅 공정에서 제품결함을 사전 예측하는 인공지능 활용 공정관리 시스템

Country Status (2)

Country Link
KR (1) KR20230089610A (ko)
WO (1) WO2023113317A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4225879A1 (de) * 1991-08-14 1993-02-18 Volkswagen Ag Messeinrichtung zur erfassung von druck und temperatur in einer druckgiessmaschine
JP2009298033A (ja) * 2008-06-13 2009-12-24 Iriso Electronics Co Ltd 成形品判別システム
KR20130005259U (ko) * 2012-02-28 2013-09-05 보스텍주식회사 금형 온도 측정센서 설치 구조
KR20210067183A (ko) * 2019-11-29 2021-06-08 한국생산기술연구원 딥러닝을 이용한 다이캐스팅 공정 관리 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11316577B2 (en) 2018-05-11 2022-04-26 Qualcomm Incorporated Signaling of control resource set (CORESET)

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4225879A1 (de) * 1991-08-14 1993-02-18 Volkswagen Ag Messeinrichtung zur erfassung von druck und temperatur in einer druckgiessmaschine
JP2009298033A (ja) * 2008-06-13 2009-12-24 Iriso Electronics Co Ltd 成形品判別システム
KR20130005259U (ko) * 2012-02-28 2013-09-05 보스텍주식회사 금형 온도 측정센서 설치 구조
KR20210067183A (ko) * 2019-11-29 2021-06-08 한국생산기술연구원 딥러닝을 이용한 다이캐스팅 공정 관리 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SEUNGRO LEE, SEUNGCHEOL LEE, DOSUCK HAN, NAKSOO KIM: "Study on the Process Management for Casting Defects Detection in High Pressure Die Casting based on Machine Learning Algorithm", JOURNAL OF KOREA FOUNDRY SOCIETY, KR, vol. 41, no. 6, 1 December 2021 (2021-12-01), KR, pages 521 - 527, XP009547110, ISSN: 1598-706X *

Also Published As

Publication number Publication date
KR20230089610A (ko) 2023-06-21

Similar Documents

Publication Publication Date Title
EP0497991B1 (en) Method of discriminating maintenance time of injection molding machine
US6957687B2 (en) Method and system for monitoring a molding machine
WO2012057542A2 (en) A device for measuring droplet mass flux distributions to test spray injection system and the measuring method
CN104279688B (zh) 人体探测方法、背景温度确定方法、装置及空调设备
WO2023113317A1 (ko) 고압다이캐스팅 공정에서 제품결함을 사전 예측하는 인공지능 활용 공정관리 시스템
WO2019103246A1 (ko) 유류 지하저장공동 주변의 지하수위 위험도 평가방법
WO2019074254A1 (ko) 컨택터 코일 전류를 이용한 컨택터 수명 진단 시스템 및 방법
US4874032A (en) Die casting controlling method
ITTO990653A1 (it) Dispositivo e metodo per collaudare un elaboratore durante la fabbrica zione.
WO2017179755A1 (ko) 내화물 통합관리 시스템 및 이의 제어방법
JP4737883B2 (ja) Ｒｔｍ樹脂流動制御方法及び装置
CN105784540A (zh) 全高式地铁屏蔽门的物理性能检测装置及方法
CN106294097A (zh) 一种应用程序测试方法及设备
CN112906155B (zh) 一种用于注塑品信息的虚拟量测方法
CN112613695A (zh) 一种塑料模板及其全周期施工方法
WO2015005561A1 (ko) 에어 마이크로미터
CN115913349A (zh) 光缆设备异常定位方法及装置、存储介质、终端
EP2927303A1 (en) Method for estimating coke extrusion force and method for repairing coke oven
CN101242922B (zh) 上下铸型的造型方法及造型装置
JP4718727B2 (ja) Ｒｔｍ樹脂流動制御方法及び装置
CN104925097A (zh) 一种列车显示器通信测试系统及方法
JPS63245506A (ja) 各種製造機における入出力信号の記憶及び再生表示装置
JPS61197218A (ja) 射出成形機の成形モニタ方式
KR20140106257A (ko) 금형용 온도분석 시스템
CN219736163U (zh) 一种对多孔零配件进行检测的装置及设备

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22907786

Country of ref document: EP

Kind code of ref document: A1