WO2023188494A1 - シミュレーション装置、シミュレーション方法及びシミュレーションプログラム - Google Patents

シミュレーション装置、シミュレーション方法及びシミュレーションプログラム Download PDF

Info

Publication number
WO2023188494A1
WO2023188494A1 PCT/JP2022/040054 JP2022040054W WO2023188494A1 WO 2023188494 A1 WO2023188494 A1 WO 2023188494A1 JP 2022040054 W JP2022040054 W JP 2022040054W WO 2023188494 A1 WO2023188494 A1 WO 2023188494A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
screw
industrial machine
simulation
cylinder
Prior art date
Application number
PCT/JP2022/040054
Other languages
English (en)
French (fr)
Inventor
洋平 福澤
智也 小田
一馬 中川
Original Assignee
株式会社日本製鋼所
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 株式会社日本製鋼所 filed Critical 株式会社日本製鋼所
Publication of WO2023188494A1 publication Critical patent/WO2023188494A1/ja

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
    • B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
    • B29C48/25—Component parts, details or accessories; Auxiliary operations
    • B29C48/36—Means for plasticising or homogenising the moulding material or forcing it through the nozzle or die
    • B29C48/395—Means for plasticising or homogenising the moulding material or forcing it through the nozzle or die using screws surrounded by a cooperating barrel, e.g. single screw extruders
    • 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
    • B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
    • B29C48/25—Component parts, details or accessories; Auxiliary operations
    • B29C48/36—Means for plasticising or homogenising the moulding material or forcing it through the nozzle or die
    • B29C48/50—Details of extruders
    • B29C48/505—Screws
    • 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
    • B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
    • B29C48/25—Component parts, details or accessories; Auxiliary operations
    • B29C48/36—Means for plasticising or homogenising the moulding material or forcing it through the nozzle or die
    • B29C48/50—Details of extruders
    • B29C48/68—Barrels or cylinders
    • 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
    • B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
    • B29C48/25—Component parts, details or accessories; Auxiliary operations
    • B29C48/92—Measuring, controlling or regulating

Definitions

  • the present invention relates to a simulation device, a simulation method, and a simulation program that calculate predetermined physical quantities in an extruder.
  • the simulation device that predicts the pressure inside the extruder, the filling rate of resin as a raw material, temperature, etc. in each region in the axial direction (for example, Patent Document 1).
  • the simulation device calculates the filling rate, pressure, temperature, etc. in the extruder based on data indicating resin physical properties, extrusion conditions, and screw configuration.
  • the simulation device outputs prediction results indicating the calculated filling rate, pressure, temperature, etc.
  • the output prediction results are used for optimization and evaluation of process conditions.
  • An object of the present disclosure is to provide a simulation device, a simulation method, and a simulation program that can automatically set analysis conditions necessary for simulation and reduce the burden of manually inputting analysis conditions.
  • a simulation device is a simulation device that simulates the behavior of an industrial machine, and includes a control device that controls the operation of the industrial machine, a sensor provided in the industrial machine, or a sensor that controls the industrial machine.
  • the apparatus includes an acquisition unit that acquires data related to the behavior of the industrial machine from an imaging device that images constituent parts, and a calculation unit that calculates a physical quantity indicating the behavior of the industrial machine based on the acquired data.
  • a simulation method is a simulation method for simulating the behavior of an industrial machine, and includes a control device that controls the operation of the industrial machine, a sensor provided in the industrial machine, or a simulation method that simulates the behavior of an industrial machine.
  • Data related to the behavior of the industrial machine is acquired from an imaging device that captures images of constituent parts, and physical quantities indicating the behavior of the industrial machine are calculated based on the acquired data.
  • a simulation program is a simulation program that causes a computer to simulate the behavior of an industrial machine, and includes a control device that controls the operation of the industrial machine, a sensor provided in the industrial machine, or a control device that controls the operation of the industrial machine.
  • Acquire data related to the behavior of the industrial machine from an imaging device that images parts constituting the industrial machine, and execute a process on the computer to calculate a physical quantity indicating the behavior of the industrial machine based on the acquired data.
  • analysis conditions necessary for simulation can be automatically set, and the burden of manually inputting analysis conditions can be reduced.
  • FIG. 1 is a schematic diagram showing a configuration example of an extruder system according to Embodiment 1.
  • FIG. 1 is a schematic diagram showing a configuration example of an extruder according to Embodiment 1.
  • FIG. 1 is a block diagram showing a configuration example of a control device according to a first embodiment;
  • FIG. 1 is a block diagram showing a configuration example of a simulation device according to a first embodiment;
  • FIG. 2 is a block diagram illustrating a configuration example of a learning model according to the first embodiment.
  • FIG. 2 is a block diagram illustrating a configuration example of a learning model according to the first embodiment.
  • 3 is a flowchart showing a simulation method according to the first embodiment. 3 is a flowchart showing a simulation method according to the first embodiment.
  • FIG. 3 is a schematic diagram showing a display example of simulation results according to the first embodiment.
  • 7 is a flowchart showing a processing procedure of a control device according to a second embodiment.
  • FIG. 7 is a schematic diagram showing a display example of simulation results according to the second embodiment.
  • FIG. 1 is a schematic diagram showing a configuration example of an extruder system according to the first embodiment
  • FIG. 2 is a schematic diagram showing a configuration example of the extruder 1 according to the first embodiment.
  • the extruder system includes an extruder 1, a control device 2, a simulation device 3 according to the first embodiment, and an imaging device 4.
  • the extruder 1 includes a cylinder 11 having a heater, a screw 12 that is provided so as to be driven in the rotational direction within the cylinder 11 and melts and plasticizes and kneads raw material resin, and a rotary motor 13 that rotates the screw 12. Be prepared.
  • the cylinder 11 is configured as one cylinder 11 by combining and integrating a plurality of cylinder parts.
  • the cylinder part on the base side includes a hopper 11a into which the raw material is charged.
  • the number of hoppers 11a is not particularly limited, and a plurality of hoppers 11a may be provided in the cylinder 11 in order to charge a plurality of types of raw resin. Further, a vacuum vent may be provided in the cylinder 11 if necessary.
  • the screw 12 is configured as a single screw 12 by combining and integrating multiple types of screw pieces.
  • a flight screw-shaped forward flight piece that transports raw materials in the forward direction a reverse flight piece that transports raw materials in the reverse direction, a kneading piece that kneads raw materials, etc. are arranged in the order and position according to the characteristics of the raw materials. By combining these, the screw 12 is constructed.
  • the extruder 1 includes a feeder 14 for supplying raw resin to the cylinder 11.
  • the feeder 14 feeds a set extrusion amount of raw resin into the hopper 11a.
  • the extruder 1 is equipped with a sensor for measuring data necessary to simulate the behavior of the extruder 1.
  • the cylinder 11 is provided with a temperature sensor 15 that detects the temperature of the cylinder 11 or the temperature of the resin inside the cylinder 11, and a plurality of pressure sensors 16 that detects the pressure inside the cylinder 11 or the resin pressure inside the cylinder 11.
  • the temperature sensor 15 is provided, for example, at the tip of the cylinder 11, and detects the temperature of the cylinder 11 or the raw resin at the tip.
  • the temperature sensor 15 outputs a signal indicating the detected temperature to the control device 2.
  • the first pressure sensor 16 is provided at the tip of the cylinder 11 and detects the pressure inside the cylinder 11 or the raw resin at the tip.
  • the second pressure sensor 16 is provided at a site closer to the base than the tip of the cylinder 11, and detects the pressure inside the cylinder 11 or the raw resin at the site.
  • the first and second pressure sensors 16 each output a signal indicating the detected pressure to the control device 2.
  • FIG. 3 is a block diagram showing a configuration example of the control device 2 according to the first embodiment.
  • the control device 2 is a computer that controls the operation of the extruder 1, and includes a control section 21, a storage section 22, a control signal output section 23, a signal input section 24, a communication section 25, and an operation panel 20.
  • the operation panel 20 is an interface for setting operating conditions of the extruder 1 and operating the operation of the extruder 1.
  • the operation panel 20 includes a display panel 20a and an operation section 20b.
  • the display panel 20a is a display device such as a liquid crystal display panel or an organic EL display panel, and displays a reception screen for receiving settings of operating conditions for the extruder 1 or displays the settings of the extruder 1 according to the control of the control unit 21. Display the status.
  • the operation unit 20b is an input device for inputting operating conditions of the extruder 1, and includes operation buttons, a touch panel, and the like.
  • the operation unit 20b provides the control unit 21 with data indicating the received operating conditions.
  • the operating conditions include, for example, extruder size, extrusion amount, screw rotation speed, cylinder temperature, and the like.
  • the extruder size corresponds to the entire length of the screw 12.
  • the control unit 21 includes arithmetic circuits such as a CPU (Central Processing Unit), an MPU (Micro-Processing Unit), an ASIC (Application Specific Integrated Circuit), and an FPGA (Field-Programmable Gate Array), a ROM (Read Only Memory), and a RAM ( It has internal storage devices such as Random Access Memory, I/O terminals, etc.
  • the control unit 21 controls the operation of the extruder 1 by reading and executing an operation control program stored in the storage unit 22 . Further, the control unit 21 executes a process of collecting data related to the behavior of the extruder 1 and transmitting the data to the simulation device 3.
  • the control signal output unit 23 outputs a control signal to the extruder 1 for controlling the operation of the extruder 1 according to the control of the control unit 21. Specifically, the control signal output unit 23 outputs to the extruder 1 a control signal instructing the rotation start, rotation speed, rotation stop, etc. of the rotary motor 13. Further, the control signal output unit 23 outputs a control signal for instructing the heating temperature of the cylinder 11, a control signal for controlling the supply of resin by the feeder 14, etc. to the extruder 1.
  • the signal input section 24 is connected to the temperature sensor 15 and the pressure sensor 16, and the signals output from the temperature sensor 15 and the pressure sensor 16 are input to the signal input section 24.
  • the signal input section 24 provides data indicating the temperature and pressure inside the cylinder 11 to the control section 21 .
  • the communication unit 25 is a communication circuit that transmits and receives data to and from the simulation device 3.
  • the communication unit 25 transmits data related to the behavior of the extruder 1 to the simulation device 3 under the control of the control unit 21 .
  • the communication unit 25 sends measurement data such as setting data indicating the operating conditions set in the control device 2, temperature data indicating the temperature of the cylinder 11, and pressure data indicating the pressure of the cylinder 11 to the simulation device 3. Send.
  • FIG. 4 is a block diagram showing a configuration example of the simulation device 3 according to the first embodiment.
  • the simulation device 3 according to this embodiment is a computer that simulates the behavior of the extruder 1, and includes a calculation section 31, a storage section 32, a communication section 33, and a display section 34.
  • the arithmetic unit 31 includes arithmetic circuits such as a CPU (Central Processing Unit), an MPU (Micro-Processing Unit), an ASIC (Application Specific Integrated Circuit), and an FPGA (Field-Programmable Gate Array), a ROM (Read Only Memory), and a RAM ( It has internal storage devices such as Random Access Memory, I/O terminals, etc.
  • the calculation unit 31 performs a process of calculating a predetermined physical quantity in the twin-screw extruder 1 by reading and executing a simulation program (program product) 32a stored in the storage unit 32.
  • Each functional unit of the simulation device 3 may be realized in software, or may be partially or entirely realized in hardware.
  • the storage unit 32 is, for example, a storage device such as a hard disk, an EEPROM (Electrically Erasable Programmable ROM), or a flash memory.
  • the storage unit 32 stores various programs executed by the calculation unit 31 and various data necessary for processing by the calculation unit 31.
  • the storage unit 32 stores at least a simulation program 32a executed by the calculation unit 31.
  • the storage unit 32 also stores the viscosity of a plurality of raw resins and other properties of the raw resin, such as solid density, thermal conductivity, and specific heat of the raw resin, density, thermal conductivity, and specific heat of a melt of the raw resin. , melting heat amount, and melting point are stored. Details of the learning model will be described later.
  • the image obtained by imaging the screw 12 will be referred to as a screw image, and the data of the image will be referred to as screw image data.
  • the image obtained by imaging the cylinder 11 is called a cylinder image, and the data of the image is called cylinder image data.
  • the simulation program 32a may be written into the storage unit 32 during the manufacturing stage of the simulation device 3.
  • the simulation program 32a may be distributed to other information processing devices via a network.
  • the simulation device 3 acquires the simulation program 32a through communication and writes it into the storage unit 32.
  • the simulation program 32a may be readably recorded on a recording medium 30 such as a semiconductor memory such as a flash memory, an optical disk, a magneto-optical disk, or a magnetic disk.
  • the simulation device 3 reads the simulation program 32a and stores it in the storage unit 32.
  • the communication unit 33 is a communication circuit that transmits and receives data to and from the control device 2 .
  • the communication unit 33 receives measurement data such as setting data, temperature data, and pressure data transmitted from the control device 2 .
  • the setting data, temperature data, and pressure data received by the communication unit 33 are stored in the storage unit 32.
  • the communication unit 33 also transmits and receives data to and from the imaging device 4 .
  • the imaging device 4 is, for example, a device equipped with a camera and having a communication function, such as a smartphone.
  • the imaging device 4 according to the first embodiment is used to image the cylinder 11 and screw 12 that constitute the extruder 1.
  • the imaging device 4 transmits cylinder image data obtained by imaging the cylinder 11 and screw image data obtained by imaging the screw 12 to the simulation device 3.
  • the communication unit 33 receives cylinder image data and screw image data transmitted from the imaging device 4.
  • the cylinder image data and screw image data received by the communication unit 33 are stored in the storage unit 32.
  • the display unit 34 is, for example, a display device such as a liquid crystal display panel or an organic EL display panel.
  • the display unit 34 displays predetermined physical quantities representing the behavior of the extruder 1 based on the analysis result data output from the calculation unit 31.
  • the predetermined physical quantities include, for example, the residence time of the raw resin, the filling rate, the torque, the solid phase ratio (solid phase occupancy), the temperature or pressure of the raw resin, and the like.
  • the display unit 34 displays the distribution of the physical quantities in the axial direction of the extruder (see FIG. 8).
  • simulation device 3 described above may be a multicomputer configured to include a plurality of computers, or may be a virtual machine virtually constructed by software. Further, the simulation device 3 may be configured as a cloud server.
  • 5A and 5B are block diagrams illustrating a configuration example of a learning model according to the first embodiment.
  • 5A conceptually shows the configuration of the first learning model 36
  • FIG. 5B conceptually shows the configuration of the second learning model 37.
  • the first learning model 36 includes, for example, a piece detection model 36a and a piece recognition model 36b.
  • the piece detection model 36a is a trained machine learning model that, when screw image data is input, outputs information indicating the position and range of each image of a plurality of screw pieces constituting the screw 12 included in the screw image. be.
  • the piece detection model 36a is, for example, a convolutional neural network (CNN).
  • CNN convolutional neural network
  • the learning model has an input layer into which a screw image is input, an intermediate layer which extracts feature amounts of the image, and an output layer which outputs information indicating the position and range of the screw piece included in the screw image.
  • the intermediate layer has a configuration in which a convolution layer that convolves the pixel value of each pixel of the image input to the input layer and a pooling layer that maps the pixel value convolved with the convolution layer are alternately connected. Extracts image features while compressing pixel information.
  • the piece recognition model 36b is a trained machine learning model that outputs information such as the type, width, lead angle, number of threads, etc. of the screw piece when image data of the screw piece detected by the piece detection model 36a is input. It's a model.
  • the width of the screw piece described above is a dimensionless quantity, and is expressed, for example, as the ratio of the length in the axial direction to the diameter of the screw piece.
  • the piece recognition model 36b may also be constructed from CNN.
  • the first learning model 36 is composed of the piece detection model 36a, which is an object detection model, and the piece recognition model 36b, which is an image recognition model
  • the first learning model 36 is composed of R-CNN, Fast R- It may be configured with CNN, Faster R-CNN, and YOLO (You Only Look Once).
  • the first learning model 36 can output information such as the position and range of the image of the screw piece, and the type of the screw piece.
  • the second learning model 37 includes, for example, a cylinder parts detection model 37a and a cylinder parts recognition model 37b.
  • the cylinder parts detection model 37a is a trained machine learning model that, when cylinder image data is input, outputs information indicating the position and range of the image of each cylinder part that constitutes the cylinder 11 included in the cylinder image. It is.
  • the configuration of the cylinder parts detection model 37a is similar to the piece detection model 36a. However, the cylinder parts detection model 37a is trained to detect cylinder parts using cylinder images as training data.
  • the cylinder part recognition model 37b is a trained machine learning model that outputs the type of cylinder part when image data of the cylinder part detected by the cylinder part detection model 37a is input.
  • the cylinder parts recognition model 37b may also be constructed from CNN.
  • the second learning model 37 may be configured with R-CNN, Fast R-CNN, Faster R-CNN, and YOLO.
  • the second learning model 37 can output information such as the position and range of the image of the cylinder part, and the type of the cylinder part.
  • ⁇ Simulation method> 6 and 7 are flowcharts showing the simulation method according to the first embodiment.
  • the calculation unit 31 of the simulation device 3 acquires data related to the behavior of the extruder 1 from the control device 2 and the imaging device 4 (step S11). Specifically, the calculation unit 31 acquires setting data such as extruder size data, extrusion amount data, screw rotation speed data, cylinder temperature data, etc. from the control device 2 via the communication unit 33. Further, the calculation unit 31 obtains measurement data such as temperature data and pressure data from the control device 2 . Note that the calculation unit 31 may be configured to directly acquire temperature data and pressure data from the temperature sensor 15 and pressure sensor 16. Furthermore, the calculation unit 31 acquires image data such as screw image data and cylinder image data from the imaging device 4.
  • the calculation unit 31 specifies the screw configuration based on the acquired screw image data (step S12). Specifically, the calculation unit 31 calculates the type, width (dimension ratio), lead angle, number of threads, etc. of each of the plurality of screw pieces constituting the screw 12 by inputting the screw image data into the first learning model 36. Identify. Based on the information on the screw configuration, it is possible to determine coefficients included in the screw characteristic equation described later, such as screw characteristic parameters.
  • the storage unit 32 stores the correspondence between screw configuration data and screw characteristic parameters, and the calculation unit 31 determines the screw characteristic parameters by referring to the correspondence.
  • the entity of the correspondence relationship is a table, a function, etc.
  • the calculation unit 31 specifies the configuration of the cylinder 11 based on the acquired cylinder image data (step S13). Specifically, the calculation unit 31 specifies the types of the plurality of cylinder parts that make up the cylinder 11 by inputting the cylinder image data to the second learning model 37. Information on the configuration of the cylinder 11 allows the input position of the raw resin, the vent position, and the like to be specified.
  • the calculation unit 31 calculates the resin viscosity based on the pressure data and the like (step S14). Specifically, the calculation unit 31 can determine the pressure loss ⁇ P based on pressure data detected at two locations separated in the extrusion axis direction, and can determine the resin viscosity from the pressure loss ⁇ P. Since resin viscosity is correlated with temperature and shear rate, it is preferable to calculate the resin viscosity based on pressure data detected under different temperatures and shear rates. The type of resin can be specified more accurately, and the characteristics of the resin can be specified.
  • the calculation unit 31 identifies other characteristics of the resin raw material by referring to the resin property table 35 using the calculated resin viscosity as a key (step S15). Specifically, the solid density, thermal conductivity and specific heat of the raw resin, the density, thermal conductivity and specific heat of the melt of the raw resin, the amount of heat of fusion, the melting point, etc. are determined.
  • the calculation unit 31 performs initial settings using the data acquired and specified in the processing of steps S11 to S15 (step S16). Specifically, the calculation unit 31 initializes extrusion condition data such as extruder 1 size, extrusion amount, screw rotation speed, cylinder temperature, tip resin pressure, and raw material resin temperature. The calculation unit 31 also calculates the physical properties of the resin, such as the viscosity, solid density, thermal conductivity and specific heat, melt density, thermal conductivity and specific heat, melting heat amount, and melting point of the raw resin fed into the extruder 1. Initialize physical property data. Further, the calculation unit 31 initializes screw configuration data indicating the screw configuration and the cylinder 11 configuration.
  • extrusion condition data such as extruder 1 size, extrusion amount, screw rotation speed, cylinder temperature, tip resin pressure, and raw material resin temperature.
  • the calculation unit 31 also calculates the physical properties of the resin, such as the viscosity, solid density, thermal conductivity and specific heat, melt density, thermal conductivity and specific heat, melting heat amount, and melting point
  • the calculation unit 31 may acquire the data via the operation panel 20.
  • the calculation unit 31 stores the data via the operation panel 20. Just get it.
  • the calculation unit 31 assigns a numerical value representing the position of the screw tip node 12b to the variable i (step S17).
  • the position of the screw 12 in the longitudinal direction can be expressed by a calculation point number.
  • a calculation point number is assigned to each divided region formed by dividing the space within the cylinder 11 into a plurality of regions along the extruder axial direction.
  • the calculation point number will be represented by a variable i.
  • the value of the variable i increases from the screw root node 12a to the screw tip node 12b.
  • the screw root node 12a is a node at the root of the screw 12 on the left side in FIG. 2
  • the screw tip node 12b is a node at the tip of the screw 12 on the right side in FIG.
  • the calculation unit 31 calculates the pressure, filling rate, and residence time based on the screw characteristic equation and extrusion conditions (step S18).
  • the screw characteristic formula is expressed by the following formula (1).
  • the pressure P at the position represented by the variable i can be calculated using the pressure loss ⁇ P and the known tip resin pressure P0.
  • the calculation unit 31 can calculate the pressure in each divided region by sequentially calculating the pressure loss ⁇ P from the downstream side to the upstream side (step S19 and step S20).
  • the filling rate is expressed by the following formula (2).
  • the residence time is expressed by the following formula (3).
  • the calculation unit 31 determines whether the variable i is a value indicating the screw root node 12a (step S19). If it is determined that the variable i is not a value indicating the screw root node 12a (step S19: NO), the calculation unit 31 decrements the variable i by 1 (step S20), and returns the process to step S18.
  • step S19 If it is determined that the variable i is a value indicating the screw root node 12a (step S19: YES), the calculation unit 31 assigns a numerical value representing the position of the screw root node 12a to the variable i (step S21). Note that the process in step S21 may be omitted.
  • the calculation unit 31 calculates resin temperature, solid fraction, power, torque, ESP, dispersion, distribution, etc. using an energy balance equation (step S22).
  • the energy balance formula is expressed by the following formula (4). Note that the contact area between the resin raw material and the cylinder 11 is obtained by multiplying the area of the cylinder 11 in the divided region by the filling rate.
  • the resin temperature at the current step can be determined.
  • step S23 the calculation unit 31 determines whether the variable i is a value indicating the screw tip node 12b (step S23). If it is determined that the variable i does not indicate the screw tip node 12b (step S23: NO), the calculation unit 31 increments the variable i by 1 (step S24), and returns the process to step S22.
  • step S23 determines whether the variable i is a value indicating the screw tip node 12b (step S23: YES). If it is determined that the variable i is a value indicating the screw tip node 12b (step S23: YES), the calculation unit 31 determines whether the simulation result has converged (step S25). If it is determined that the simulation result has not converged (step S25: NO), the calculation unit 31 returns the process to step S17 and repeatedly executes the processes from step S17 to step S25.
  • step S25 If it is determined that the simulation results have converged (step S25: YES), the calculation unit 31 displays the analysis results on the display unit 34 (step S26), and ends the process.
  • FIG. 8 is a schematic diagram showing a display example of simulation results according to the first embodiment.
  • the horizontal axis of the graph shown in FIG. 8 represents the variable i, that is, the position of the screw 12 in the longitudinal direction.
  • the vertical axes of the plurality of graphs shown in FIG. 8 indicate residence time, filling rate, torque, solid fraction, temperature, and pressure.
  • the calculation unit 31 outputs data indicating the residence time, filling rate, torque, solid phase ratio, temperature or resin pressure distribution of the raw resin in the axial direction of the extruder, and calculates the distribution.
  • the image shown is displayed on the display panel 20a.
  • simulation device 3 and the like configured in this way, analysis conditions necessary for simulation can be automatically set, and the burden of manually inputting analysis conditions can be reduced.
  • the simulation device 3 is configured to acquire setting data from the control device 2 of the extruder 1 and perform initial settings, the burden of inputting extrusion condition data into the simulation device 3 can be reduced.
  • the simulation device 3 is configured to acquire temperature data and pressure data from the temperature sensor 15 and pressure sensor 16 provided in the extruder 1, and specify and initialize the characteristics of the resin.
  • the burden of inputting data to the simulation device 3 can be reduced. More specifically, the simulation device 3 can identify various properties of the raw resin by identifying the viscosity of the raw resin and referring to the resin property table 35 using the identified viscosity as a key. Therefore, the burden of inputting data such as the viscosity of the raw resin, the solid density, thermal conductivity and specific heat of the raw resin, the density of the melt of the raw resin, the thermal conductivity and specific heat, the amount of heat of fusion, and the melting point can be reduced. .
  • the simulation device 3 is configured to initialize the screw configuration data by acquiring and analyzing the screw image and cylinder image from the imaging device 4, the burden of inputting the screw configuration data into the simulation device 3 is reduced. can do.
  • the calculation unit 31 outputs data indicating the residence time, filling rate, torque, solid phase ratio, temperature or resin pressure distribution of the raw resin in the axial direction of the extruder, and displays an image showing the distribution. can do.
  • extruder 1 was illustrated as an example of the simulation device 3, the present invention may be applied to an injection molding machine or other industrial machines.
  • FAN Flow Analysis Network
  • the extruder system according to the second embodiment is different from the first embodiment in that the control device 2 functions as the simulation device 3 and that the simulation is performed in real time and the analysis results are displayed while controlling the operation of the extruder 1. different.
  • the other configurations are the same as those of the simulation device 3 according to the first embodiment, so similar parts are denoted by the same reference numerals and detailed explanations are omitted.
  • the storage unit 22 of the control device 2 according to the second embodiment stores the simulation program 32a, the resin property table 35, the first learning model 36, and the second learning model stored in the storage unit 32 of the simulation device 3 according to the first embodiment.
  • the control unit 21 executes the same process as the simulation device 3 according to the first embodiment by executing the simulation program 32a.
  • the communication unit 25 of the control device 2 acquires image data from the imaging device 4.
  • FIG. 9 is a flowchart showing the processing procedure of the control device 2 according to the second embodiment.
  • the control unit 21 of the control device 2 receives data indicating the operating conditions of the extruder 1 through the operation unit 20b, and sets the received operating conditions (step S51).
  • the operating conditions are the same as in Embodiment 1, and include extruder size, extrusion amount, screw rotation speed, cylinder temperature, etc.
  • control unit 21 controls the operation of the extruder 1 according to the set operating conditions (step S52).
  • the control unit 21 controls the extruder 1 and executes the simulation process described in the first embodiment (step S53).
  • the simulation procedure is the same as in the first embodiment.
  • the control unit 21 acquires setting data by reading it from the storage unit 22 and acquires temperature data and pressure data from the signal input unit 24. Then, the control unit 21 displays the analysis results on the display panel 20a in real time (step S54).
  • FIG. 10 is a schematic diagram showing a display example of simulation results according to the second embodiment.
  • the control unit 21 displays a graph showing the distribution of the filling rate, resin temperature, and resin pressure in the axial direction of the extruder.
  • the control unit 21 may be configured to display the actual values of the temperature and pressure measured by the temperature sensor 15 and the pressure sensor 16 in a superimposed manner on the graph of the resin temperature and resin pressure that are the analysis results.
  • the control unit 21 may also display the operating conditions set in the control device 2, the data of the measured values measured by the temperature sensor 15 and the pressure sensor 16, etc. on the display panel 20a.
  • the control unit 21 may display on the display panel 20a a table that compares the measured values and predicted values that are analysis results obtained by simulation processing.
  • data indicating the residence time, filling rate, torque, solid phase ratio, temperature or resin pressure distribution of the raw resin can be displayed on the operation panel 20 of the extruder 1 in real time. can.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Extrusion Moulding Of Plastics Or The Like (AREA)

Abstract

シミュレーション装置は、押出機の挙動をシミュレートするシミュレーション装置であって、押出機の運転制御を行う制御装置、押出機に設けられたセンサ、又は押出機を構成する部品を撮像する撮像装置から、押出機の挙動に関連するデータを取得する取得部と、取得したデータに基づいて、押出機の挙動を示す物理量を演算する演算部とを備える。

Description

シミュレーション装置、シミュレーション方法及びシミュレーションプログラム
　本発明は、押出機における所定の物理量を演算するシミュレーション装置、シミュレーション方法及びシミュレーションプログラムに関する。
　軸方向の各領域における押出機内部の圧力、原料である樹脂の充満率、温度などを予測するシミュレーション装置がある（例えば、特許文献１）。シミュレーション装置は、樹脂物性、押出条件及びスクリュ構成を示すデータに基づいて、押出機内の充満率、圧力、温度などを演算する。シミュレーション装置は、演算された充満率、圧力、温度などを示す予測結果を出力する。出力された予測結果は、プロセス条件の最適化、評価などに活用される。
特開２００４－１４８７２２号公報
　ところで、従来のシミュレーション装置においては、樹脂物性、押出条件、スクリュ構成などの解析条件を手動設定する必要があった。
　本開示の目的は、シミュレーションに必要な解析条件を自動設定することができ、解析条件を手動で入力する負担を軽減することができるシミュレーション装置、シミュレーション方法及びシミュレーションプログラムを提供することにある。
　本開示の一態様に係るシミュレーション装置は、産業機械の挙動をシミュレートするシミュレーション装置であって、前記産業機械の運転制御を行う制御装置、前記産業機械に設けられたセンサ、又は前記産業機械を構成する部品を撮像する撮像装置から、前記産業機械の挙動に関連するデータを取得する取得部と、取得したデータに基づいて、前記産業機械の挙動を示す物理量を演算する演算部とを備える。
　本開示の一態様に係るシミュレーション方法は、産業機械の挙動をシミュレートするシミュレーション方法であって、前記産業機械の運転制御を行う制御装置、前記産業機械に設けられたセンサ、又は前記産業機械を構成する部品を撮像する撮像装置から、前記産業機械の挙動に関連するデータを取得し、取得したデータに基づいて、前記産業機械の挙動を示す物理量を演算する。
　本開示の一態様に係るシミュレーションプログラムは、コンピュータに、産業機械の挙動をシミュレートさせるシミュレーションプログラムであって、前記産業機械の運転制御を行う制御装置、前記産業機械に設けられたセンサ、又は前記産業機械を構成する部品を撮像する撮像装置から、前記産業機械の挙動に関連するデータを取得し、取得したデータに基づいて、前記産業機械の挙動を示す物理量を演算する処理を前記コンピュータに実行させる。
　本開示によれば、シミュレーションに必要な解析条件を自動設定することができ、解析条件を手動で入力する負担を軽減することができる。
実施形態１に係る押出機システムの構成例を示す模式図である。 実施形態１に係る押出機の構成例を示す模式図である。 実施形態１に係る制御装置の構成例を示すブロック図である。 実施形態１に係るシミュレーション装置の構成例を示すブロック図である。 実施形態１に係る学習モデルの構成例を示すブロック図である。 実施形態１に係る学習モデルの構成例を示すブロック図である。 実施形態１に係るシミュレーション方法を示すフローチャートである。 実施形態１に係るシミュレーション方法を示すフローチャートである。 実施形態１に係るシミュレーション結果の表示例を示す模式図である。 実施形態２に係る制御装置の処理手順を示すフローチャートである。 実施形態２に係るシミュレーション結果の表示例を示す模式図である。
　本発明の実施形態に係るシミュレーション装置、シミュレーション方法及びシミュレーションプログラムの具体例を、以下に図面を参照しつつ説明する。なお、本発明はこれらの例示に限定されるものではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。また下記実施形態及び変形例の少なくとも一部を任意に組み合わせてもよい。
　以下、本発明をその実施形態を示す図面に基づいて具体的に説明する。
（実施形態１）
　図１は、実施形態１に係る押出機システムの構成例を示す模式図、図２は、実施形態１に係る押出機１の構成例を示す模式図である。押出機システムは、押出機１と、制御装置２と、本実施形態１に係るシミュレーション装置３と、撮像装置４とを備える。
＜押出機１＞
　押出機１は、ヒータを有するシリンダ１１と、当該シリンダ１１内で回転方向に駆動可能に設けられ、原料樹脂を溶融可塑化及び混練するスクリュ１２と、当該スクリュ１２を回転させる回転モータ１３とを備える。
　シリンダ１１は、複数のシリンダパーツを組み合わせ、一体化することによって一本のシリンダ１１として構成されている。根本側（図１中左側）のシリンダパーツは、原料が投入されるホッパ１１ａを備える。
　ホッパ１１ａの数は特に限定されるものでは無く、複数種類の原料樹脂を投入するために複数のホッパ１１ａをシリンダ１１に設けてもよい。また必要に応じて真空ベントをシリンダ１１に設けてもよい。
　スクリュ１２は、複数種類のスクリュピースを組み合わせ、一体化することによって一本のスクリュ１２として構成されている。例えば、原料を順方向へ輸送するフライトスクリュ形状の順フライトピース、原料を逆方向へ輸送する逆フライトピース、原料を混練するニーディングピースなどを、原料の特性に応じた順序及び位置に配して組み合せることにより、スクリュ１２が構成される。
　押出機１は、シリンダ１１に原料樹脂を供給するためのフィーダ１４を備える。フィーダ１４は、設定された押出量の原料樹脂をホッパ１１ａに投入する。
　押出機１には、当該押出機１の挙動をシミュレートするために必要なデータ測定するためのセンサが設けられている。具体的には、シリンダ１１の温度又はシリンダ１１内の樹脂温度を検出する温度センサ１５と、シリンダ１１の内部の圧力又はシリンダ１１内の樹脂圧力を検出する複数の圧力センサ１６がシリンダ１１に設けられている。温度センサ１５は例えば、シリンダ１１の先端部に設けられており、先端部におけるシリンダ１１又は原料樹脂の温度を検出する。温度センサ１５は、検出した温度を示す信号を制御装置２へ出力する。第１の圧力センサ１６は、シリンダ１１の先端部に設けられており、先端部におけるシリンダ１１内部又は原料樹脂の圧力を検出する。第２の圧力センサ１６はシリンダ１１の先端部よりも基部側の部位に設けられており、当該部位におけるシリンダ１１内部又は原料樹脂の圧力を検出する。第１及び第２の圧力センサ１６は検出した圧力を示す信号をそれぞれ制御装置２へ出力する。
＜制御装置２＞
　図３は、実施形態１に係る制御装置２の構成例を示すブロック図である。制御装置２は、押出機１の運転制御を行うコンピュータであり、制御部２１、記憶部２２、制御信号出力部２３、信号入力部２４、通信部２５及び操作パネル２０を備える。
　操作パネル２０は、押出機１の運転条件などを設定し、押出機１の動作を操作するためのインタフェースである。操作パネル２０は、表示パネル２０ａと、操作部２０ｂとを備える。表示パネル２０ａは、液晶表示パネル、有機ＥＬ表示パネルなどの表示装置であり、制御部２１の制御に従って、押出機１の運転条件の設定を受け付けるための受付画面を表示したり、押出機１の状態を表示したりする。操作部２０ｂは、押出機１の運転条件を入力するための入力装置であり、操作ボタン、タッチパネルなどを有する。操作部２０ｂは受け付けた運転条件を示すデータを制御部２１に与える。運転条件には、例えば、押出機サイズ、押出量、スクリュ回転数、シリンダ温度などが含まれる。押出機サイズはスクリュ１２の全長に相当する長さである。
　制御部２１は、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）などの演算回路、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などの内部記憶装置、Ｉ／Ｏ端子などを有する。制御部２１は、記憶部２２が記憶する運転制御プログラムを読み出して実行することにより、押出機１の運転制御を行う。また、制御部２１は、押出機１の挙動に関連するデータを収集してシミュレーション装置３へ送信する処理を実行する。
　制御信号出力部２３は、制御部２１の制御に従って押出機１の動作を制御するための制御信号を押出機１へ出力する。具体的には、制御信号出力部２３は、回転モータ１３の回転開始、回転速度、回転停止などを指示する制御信号を押出機１へ出力する。また、制御信号出力部２３は、シリンダ１１の加熱温度を指示する制御信号、フィーダ１４による樹脂の供給を制御する制御信号などを押出機１へ出力する。
　信号入力部２４は、温度センサ１５及び圧力センサ１６に接続されており、信号入力部２４には、温度センサ１５及び圧力センサ１６から出力された信号が入力する。信号入力部２４は、シリンダ１１内部の温度及び圧力を示すデータを制御部２１に与える。
　通信部２５は、シミュレーション装置３との間でデータを送受信する通信回路である。通信部２５は、制御部２１の制御に従って、押出機１の挙動に関連するデータをシミュレーション装置３へ送信する。具体的には、通信部２５は、制御装置２に設定された運転条件を示す設定データ、シリンダ１１の温度を示す温度データ、シリンダ１１の圧力を示す圧力データなどの測定データをシミュレーション装置３へ送信する。
＜シミュレーション装置３＞
　図４は、実施形態１に係るシミュレーション装置３の構成例を示すブロック図である。本実施形態に係るシミュレーション装置３は、押出機１の挙動をシミュレートするコンピュータであり、演算部３１、記憶部３２、通信部３３及び表示部３４を備える。
　演算部３１は、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）などの演算回路、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などの内部記憶装置、Ｉ／Ｏ端子などを有する。演算部３１は、記憶部３２に記憶されたシミュレーションプログラム（プログラム製品）３２ａを読み出して実行することにより、二軸スクリュ式の押出機１における所定の物理量を演算する処理を行う。シミュレーション装置３の各機能部は、ソフトウェア的に実現してもよいし、一部又は全部をハードウェア的に実現してもよい。
　記憶部３２は、例えば、ハードディスク、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、フラッシュメモリなどの記憶装置である。記憶部３２は、演算部３１が実行する各種のプログラム、及び、演算部３１の処理に必要な各種のデータを記憶する。本実施形態において記憶部３２は、少なくとも演算部３１が実行するシミュレーションプログラム３２ａを記憶している。また、記憶部３２は、複数の原料樹脂の粘度と、当該原料樹脂の他の特性、例えば原料樹脂の固体の密度、熱伝導率及び比熱、原料樹脂の溶融体の密度、熱伝導率及び比熱、溶融熱量、融点とを対応付けた樹脂特性テーブル３５を記憶する。学習モデルの詳細は後述する。
　以下、スクリュ１２を撮像して得た画像をスクリュ画像、当該画像のデータをスクリュ画像データと呼ぶ。同様に、シリンダ１１を撮像して得た画像をシリンダ画像、当該画像のデータをシリンダ画像データと呼ぶ。
　シミュレーションプログラム３２ａは、シミュレーション装置３の製造段階において記憶部３２に書き込まれる態様でもよい。シミュレーションプログラム３２ａは、他の情報処理装置などがネットワークを介して配信される態様でもよい。シミュレーション装置３は通信にてシミュレーションプログラム３２ａを取得して記憶部３２に書き込む。シミュレーションプログラム３２ａは、フラッシュメモリなどの半導体メモリ、光ディスク、光磁気ディスク、磁気ディスクなどの記録媒体３０に読み出し可能に記録された態様でもよい。シミュレーション装置３はシミュレーションプログラム３２ａを読み出して記憶部３２に記憶する。
　通信部３３は、制御装置２との間でデータを送受信する通信回路である。通信部３３は、制御装置２から送信された設定データ、温度データ及び圧力データなどの測定データを受信する。通信部３３が受信した設定データ、温度データ及び圧力データは、記憶部３２に記憶される。
　また、通信部３３は、撮像装置４との間でデータを送受信する。撮像装置４は、例えば、カメラを備えた通信機能を有する装置、例えばスマートフォンである。本実施形態１に係る撮像装置４は、押出機１を構成するシリンダ１１及びスクリュ１２を撮像するために用いられる。撮像装置４は、シリンダ１１を撮像して得たシリンダ画像データ、スクリュ１２を撮像して得たスクリュ画像データをシミュレーション装置３へ送信する。通信部３３は、撮像装置４から送信されたシリンダ画像データ及びスクリュ画像データを受信する。通信部３３が受信したシリンダ画像データ及びスクリュ画像データは記憶部３２に記憶される。
　表示部３４は、例えば液晶表示パネル、有機ＥＬ表示パネルなどの表示装置である。表示部３４は、演算部３１から出力される解析結果のデータに基づいて、押出機１の挙動を表した所定の物理量を表示する。所定の物理量は、例えば、原料樹脂の滞留時間、充満率、トルク、固相率（固相占有率）、原料樹脂の温度又は圧力などである。表示部３４は、押出機軸方向における上記物理量の分布を表示する（図８参照）。
　なお、上記したシミュレーション装置３は、複数のコンピュータを含んで構成されるマルチコンピュータであってよく、ソフトウェアによって仮想的に構築された仮想マシンであってもよい。また、シミュレーション装置３をクラウドサーバとして構成してもよい。
　図５Ａ及び図５Ｂは、実施形態１に係る学習モデルの構成例を示すブロック図である。図５Ａは第１学習モデル３６、図５Ｂは第２学習モデル３７の構成を概念的に示している。
　第１学習モデル３６は、例えば、ピース検出モデル３６ａと、ピース認識モデル３６ｂとを備える。ピース検出モデル３６ａは、スクリュ画像データが入力された場合に、スクリュ画像に含まれるスクリュ１２を構成する複数の各スクリュピースの画像の位置及び範囲を示す情報を出力する学習済みの機械学習モデルである。ピース検出モデル３６ａは、例えば、畳み込みニューラルネットワーク（CNN：Convolutional neural network）である。学習モデルは、スクリュ画像が入力される入力層と、画像の特徴量を抽出する中間層と、スクリュ画像に含まれるスクリュピースの位置及び範囲を示す情報を出力する出力層とを有する。中間層は、入力層に入力された画像の各画素の画素値を畳み込む畳み込み層と、畳み込み層で畳み込んだ画素値をマッピングするプーリング層とが交互に連結された構成を有し、スクリュ画像の画素情報を圧縮しながら画像の特徴量を抽出する。
　ピース認識モデル３６ｂは、ピース検出モデル３６ａによって検出されたスクリュピースの画像データが入力された場合に、当該スクリュピースの種類、幅、リード角、条数などの情報を出力する学習済みの機械学習モデルである。上記したスクリュピースの幅は、無次元量であり、例えばスクリュピースの径に対する、軸方向の長さの比で表される。ピース認識モデル３６ｂも、ＣＮＮで構成すればよい。
　なお、第１学習モデル３６を、物体検出モデルであるピース検出モデル３６ａと、画像認識モデルであるピース認識モデル３６ｂで構成する例を説明したが、第１モデルを、Ｒ－ＣＮＮ，Ｆａｓｔ　Ｒ－ＣＮＮ、Ｆａｓｔｅｒ　Ｒ－ＣＮＮ、ＹＯＬＯ（You Only Look Once）で構成してもよい。第１学習モデル３６は、スクリュ画像が入力された場合、スクリュピースの画像の位置及び範囲、並びにスクリュピースの種類などの情報を出力することができる。
　第２学習モデル３７は、例えば、シリンダパーツ検出モデル３７ａと、シリンダパーツ認識モデル３７ｂとを備える。シリンダパーツ検出モデル３７ａは、シリンダ画像データが入力された場合に、シリンダ画像に含まれるシリンダ１１を構成する複数の各シリンダパーツの画像の位置及び範囲を示す情報を出力する学習済みの機械学習モデルである。シリンダパーツ検出モデル３７ａの構成は、ピース検出モデル３６ａと同様である。ただし、シリンダパーツ検出モデル３７ａは、シリンダ画像を訓練データとして用いて、シリンダパーツを検出するように学習させてある。
　シリンダパーツ認識モデル３７ｂは、シリンダパーツ検出モデル３７ａによって検出されたシリンダパーツの画像データが入力された場合に、当該シリンダパーツの種類を出力する学習済みの機械学習モデルである。シリンダパーツ認識モデル３７ｂも、ＣＮＮで構成すればよい。
　なお、第２学習モデル３７を、Ｒ－ＣＮＮ，Ｆａｓｔ　Ｒ－ＣＮＮ、Ｆａｓｔｅｒ　Ｒ－ＣＮＮ、ＹＯＬＯで構成してもよい。第２学習モデル３７は、シリンダ画像が入力された場合、シリンダパーツの画像の位置及び範囲、並びにシリンダパーツの種類などの情報を出力することができる。
＜シミュレーション方法＞
　図６及び図７は、実施形態１に係るシミュレーション方法を示すフローチャートである。シミュレーション装置３の演算部３１は、制御装置２及び撮像装置４から、押出機１の挙動に関連するデータを取得する（ステップＳ１１）。具体的には、演算部３１は、通信部３３を介して、制御装置２から、押出機サイズデータ、押出量データ、スクリュ回転数データ、シリンダ温度データなどの設定データを取得する。また、演算部３１は、制御装置２から温度データ、圧力データなどの測定データを取得する。なお、演算部３１は、温度センサ１５及び圧力センサ１６から温度データ及び圧力データを直接取得するように構成してもよい。更に、演算部３１は、撮像装置４からスクリュ画像データ、シリンダ画像データなどの画像データを取得する。
　次いで、演算部３１は、取得したスクリュ画像データに基づいて、スクリュ構成を特定する（ステップＳ１２）。具体的には、演算部３１は、スクリュ画像データを第１学習モデル３６に入力することによって、スクリュ１２を構成する複数のスクリュピースそれぞれの種類、幅（寸法比）、リード角、条数などを特定する。スクリュ構成の情報によって、後述するスクリュ特性式に含まれる係数、例えばスクリュ特性パラメータなどを決定することができる。例えば、記憶部３２は、スクリュ構成のデータと、スクリュ特性パラメータとの対応関係を記憶しており、演算部３１は当該対応関係を参照することによってスクリュ特性パラメータを決定する。対応関係の実体は、テーブル、関数などである。
　演算部３１は、取得したシリンダ画像データに基づいて、シリンダ１１構成を特定する（ステップＳ１３）。具体的には、演算部３１は、シリンダ画像データを第２学習モデル３７に入力することによって、シリンダ１１を構成する複数のシリンダパーツの種類を特定する。シリンダ１１構成の情報によって、原料樹脂の投入位置、ベントの位置などを特定することができる。
　次いで、演算部３１は、圧力データなどに基づいて、樹脂粘度を演算する（ステップＳ１４）。具体的には、演算部３１は、押出軸方向に離隔した２箇所で検出された圧力データによって圧力損失ΔＰを決定することができ、圧力損失ΔＰから、樹脂粘度を求めることができる。樹脂粘度は、温度及び剪断速度と相関があるため、異なる温度及び剪断速度下で検出された圧力データに基づいて、樹脂粘度を算出する構成が好ましい。より正確に、樹脂の種類を特定することができ、当該樹脂の特性を特定することができる。
　演算部３１は、演算された樹脂粘度をキーにして、樹脂特性テーブル３５を参照することによって、樹脂原料の他の特性を特定する（ステップＳ１５）。具体的には、原料樹脂の固体の密度、熱伝導率及び比熱、原料樹脂の溶融体の密度、熱伝導率及び比熱、溶融熱量、融点などを特定する。
　次いで演算部３１は、ステップＳ１１～ステップＳ１５の処理で取得及び特定したデータを用いて初期設定を行う（ステップＳ１６）。
　具体的には、演算部３１は、押出機１サイズ、押出量、スクリュ回転数、シリンダ温度、先端樹脂圧力、原料樹脂温度などの押出条件データを初期設定する。
　また、演算部３１は、押出機１に投入される原料樹脂の粘度、固体の密度、熱伝導率及び比熱、溶融体の密度、熱伝導率及び比熱、溶融熱量、融点などの物性を示す樹脂物性データを初期設定する。
　更に、演算部３１は、スクリュ構成及びシリンダ１１構成を示すスクリュ構成データを初期設定する。
　ステップＳ１１～ステップＳ１６の処理により、後述するステップＳ１８及びステップＳ２２の演算処理に必要な情報を取得することができる。
　なお、初期設定が必要なデータであって、ステップＳ１１～ステップＳ１５の処理で取得及び特定できなかったデータがある場合、演算部３１は、操作パネル２０を介して当該データを取得すればよい。また、ステップＳ１４及びステップＳ１５の処理に必要なデータであって、ステップＳ１１～ステップＳ１３の処理で取得及び特定できなかったデータがある場合、演算部３１は、操作パネル２０を介して当該データを取得すればよい。
　ステップＳ１６の処理を終えた演算部３１は、変数ｉに、スクリュ先端節点１２ｂの位置を表す数値を代入する（ステップＳ１７）。図２に示すように、スクリュ１２の長手方向における位置を計算点番号で表すことができる。具体的には、シリンダ１１内の空間を押出機軸方向に沿って複数に分割してなる各分割領域に計算点番号が付される。以下、計算点番号を変数ｉで表すものとする。変数ｉの値は、スクリュ根本節点１２ａからスクリュ先端節点１２ｂにむかって大きくなる。スクリュ根本節点１２ａは、図２中左側のスクリュ１２の根本部の節点であり、スクリュ先端節点１２ｂは、図２中右側のスクリュ１２の先端部の節点である。
　次いで、演算部３１は、スクリュ特性式及び押出条件に基づいて、圧力、充満率及び滞留時間を演算する（ステップＳ１８）。
　スクリュ特性式は下記式（１）により表される。
Figure JPOXMLDOC01-appb-M000001
  
　圧力損失ΔＰと、既知の先端樹脂圧力Ｐ０により、変数ｉで表される位置における圧力Ｐを演算することができる。演算部３１は、下流側から上流側へ圧力損失ΔＰを順次演算することによって（ステップＳ１９及びステップＳ２０）、各分割領域における圧力を求めることができる。
　充満率は、下記式（２）で表される。
Figure JPOXMLDOC01-appb-M000002
  
　滞留時間は、下記式（３）で表される。
Figure JPOXMLDOC01-appb-M000003
  
　そして、演算部３１は、変数ｉがスクリュ根本節点１２ａを示す値であるか否かを判定する（ステップＳ１９）。変数ｉがスクリュ根本節点１２ａを示す値で無いと判定した場合（ステップＳ１９：ＮＯ）、演算部３１は変数ｉを１デクリメントし（ステップＳ２０）、処理をステップＳ１８へ戻す。
　変数ｉがスクリュ根本節点１２ａを示す値であると判定した場合（ステップＳ１９：ＹＥＳ）、演算部３１は、変数ｉに、スクリュ根本節点１２ａの位置を表す数値を代入する（ステップＳ２１）。なお、ステップＳ２１の処理を省略してもよい。
　次いで、演算部３１は、エネルギ収支式により、樹脂温度、固相率、動力、トルク、ＥＳＰ、分散、分配などを演算する（ステップＳ２２）。
　エネルギ収支式は下記式（４）により表される。なお、樹脂原料とシリンダ１１との接触面積は、分割領域におけるシリンダ１１面積に充満率を乗算することにより得られる。
Figure JPOXMLDOC01-appb-M000004
  
　上記式を変形することにより下記式（５）が得られる。右辺第一項の樹脂温度Ｔは１ステップ前に求まった原料樹脂の温度を用いる。
Figure JPOXMLDOC01-appb-M000005
  
　上記式（５）で求まった温度差ΔＴを下記式（６）に代入することにより、現ステップにおける樹脂温度を求めることができる。
Figure JPOXMLDOC01-appb-M000006
  
　ステップＳ２２の処理を終えた演算部３１は、変数ｉがスクリュ先端節点１２ｂを示す値であるか否かを判定する（ステップＳ２３）。変数ｉがスクリュ先端節点１２ｂを示す値で無いと判定した場合（ステップＳ２３：ＮＯ）、演算部３１は変数ｉを１インクリメントし（ステップＳ２４）、処理をステップＳ２２へ戻す。
　変数ｉがスクリュ先端節点１２ｂを示す値であると判定した場合（ステップＳ２３：ＹＥＳ）、演算部３１は、シミュレーション結果が収束したか否かを判定する（ステップＳ２５）。シミュレーション結果が収束していないと判定した場合（ステップＳ２５：ＮＯ）、演算部３１は、処理をステップＳ１７へ戻し、ステップＳ１７～ステップＳ２５の処理を繰り返し実行する。
　シミュレーション結果が収束したと判定した場合（ステップＳ２５：ＹＥＳ）、演算部３１は解析結果を表示部３４に表示し（ステップＳ２６）、処理を終える。
　図８は、実施形態１に係るシミュレーション結果の表示例を示す模式図である。図８に示すグラフの横軸は変数ｉ、すなわちスクリュ１２の長手方向における位置を示している。図８に示す複数のグラフの縦軸は、滞留時間、充満率、トルク、固相率、温度、圧力を示している。演算部３１は、図８に示すように、押出機軸方向における原料樹脂の滞留時間、充満率、トルク、固相率、原料樹脂の温度又は樹脂圧力の分布を示すデータを出力し、当該分布を示す画像を表示パネル２０ａに表示する。
　このように構成されたシミュレーション装置３などによれば、シミュレーションに必要な解析条件を自動設定することができ、解析条件を手動で入力する負担を軽減することができる。
　具体的には、シミュレーション装置３は、押出機１の制御装置２から設定データを取得して初期設定する構成であるため、押出条件データをシミュレーション装置３に入力する負担を削減することができる。
　また、シミュレーション装置３は、押出機１に設けられた温度センサ１５及び圧力センサ１６から温度データ及び圧力データを取得し、樹脂の特性を特定して初期設定する構成であるため、樹脂物性データをシミュレーション装置３に入力する負担を削減することができる。
　より具体的には、シミュレーション装置３は、原料樹脂の粘度を特定し、特定された粘度をキーにして樹脂特性テーブル３５を参照することによって、原料樹脂の種々の特性を特定することができる。従って、原料樹脂の粘度、原料樹脂の固体の密度、熱伝導率及び比熱、原料樹脂の溶融体の密度、熱伝導率及び比熱、溶融熱量、融点などのデータの入力負担を削減することができる。
　更に、シミュレーション装置３は、撮像装置４からスクリュ画像及びシリンダ画像を取得して解析することによって、スクリュ構成データを初期設定する構成であるため、スクリュ構成データをシミュレーション装置３に入力する負担を削減することができる。
　更にまた、演算部３１は、押出機軸方向における原料樹脂の滞留時間、充満率、トルク、固相率、原料樹脂の温度又は樹脂圧力の分布を示すデータを出力し、当該分布を示す画像を表示することができる。
　なお、本実施形態では、シミュレーション装置３の一例として押出機１を例示したが、射出成形機、その他の産業機械に本発明を適用してもよい。
　更に、シミュレーション方法の一例としてＦＡＮ（Flow Analysis Network）法を例示したが、有限要素法、有限堆積法、粒子法など、他のシミュレーション手法を用いて、押出機１、その他の産業機械の挙動をシミュレートするように構成してもよい。
　更に、制御装置２及び撮像装置４から設定データ、測定データ、画像データを取得する例を説明したが、これらのデータのいずれかを取得してシミュレーション装置３に初期設定するように構成してもよい。手動で初期設定が必要な解析条件を一部削減することができ、解析条件を入力する負担を削減することができる。
（実施形態２）
　実施形態２に係る押出機システムは、制御装置２がシミュレーション装置３として機能する点と、押出機１の運転制御を行いながらリアルタイムでシミュレーションを実行して解析結果を表示する点が実施形態１と異なる。その他の構成は、実施形態１に係るシミュレーション装置３と同様であるため、同様の箇所には同じ符号を付し、詳細な説明を省略する。
　実施形態２に係る制御装置２の記憶部２２は、実施形態１に係るシミュレーション装置３の記憶部３２が記憶していたシミュレーションプログラム３２ａ、樹脂特性テーブル３５，第１学習モデル３６及び第２学習モデル３７を記憶する。制御部２１は、シミュレーションプログラム３２ａを実行することによって、実施形態１に係るシミュレーション装置３と同様の処理を実行する。また、制御装置２の通信部２５は、撮像装置４から画像データを取得する。
　図９は、実施形態２に係る制御装置２の処理手順を示すフローチャートである。制御装置２の制御部２１は、押出機１の押出機１の運転条件を示すデータを操作部２０ｂにて受け付け、受け付けた運転条件を設定する（ステップＳ５１）。運転条件は、実施形態１と同様であり、押出機サイズ、押出量、スクリュ回転数、シリンダ温度などが含まれる。
　次いで、制御部２１は、設定された運転条件に従って、押出機１の動作を制御する（ステップＳ５２）。そして、制御部２１は、押出機１の制御と共に、実施形態１で説明したシミュレーション処理を実行する（ステップＳ５３）。シミュレーション手順は実施形態１と同様である。ただし、制御部２１は、設定データを記憶部２２から読み出すことによって取得し、温度データ及び圧力データを信号入力部２４から取得する。そして、制御部２１は、解析結果を表示パネル２０ａにリアルタイム表示する（ステップＳ５４）。
　図１０は、実施形態２に係るシミュレーション結果の表示例を示す模式図である。制御部２１は、シミュレーション装置３の演算部３１と同様、解析結果を表示パネル２０ａに表示する。例えば、制御部２１は、押出機軸方向における充満率、樹脂温度、樹脂圧力の分布を示すグラフを表示する。なお、制御部２１は、温度センサ１５及び圧力センサ１６によって測定された温度及び圧力の実測値を、解析結果である樹脂温度及び樹脂圧力のグラフに重畳表示させるように構成してもよい。
　また、制御部２１は、制御装置２に設定されている運転条件、温度センサ１５及び圧力センサ１６によって測定された測定値のデータなども合わせて表示パネル２０ａに表示するとよい。
　更に、制御部２１は、測定値と、シミュレーション処理によって得られた解析結果である予測値とを対比したテーブルを表示パネル２０ａに表示してもよい。
　実施形態２によれば、押出機１の操作パネル２０に、原料樹脂の滞留時間、充満率、トルク、固相率、原料樹脂の温度又は樹脂圧力の分布を示すデータをリアルタイムで表示することができる。
　１　押出機
　２　制御装置
　３　シミュレーション装置
　４　撮像装置
　１１　シリンダ
　１１ａホッパ
　１２　スクリュ
　１２ａ　スクリュ根本節点
　１２ｂ　スクリュ先端節点
　１３　回転モータ
　１４　フィーダ
　１５　温度センサ
　１６　圧力センサ
　２０　操作パネル
　２０ａ　表示パネル
　２０ｂ　操作部
　２１　制御部
　２２　記憶部
　２３　制御信号出力部
　２４　信号入力部
　２５　通信部
　３０　記録媒体
　３１　演算部
　３２　記憶部
　３３　通信部
　３４　表示部
　３２ａ　シミュレーションプログラム
　３５　樹脂特性テーブル
　３６　第１学習モデル
　３７　第２学習モデル
 

Claims (9)

  1. 　産業機械の挙動をシミュレートするシミュレーション装置であって、
    　前記産業機械の運転制御を行う制御装置、前記産業機械に設けられたセンサ、又は前記産業機械を構成する部品を撮像する撮像装置から、前記産業機械の挙動に関連するデータを取得する取得部と、
    　取得したデータに基づいて、前記産業機械の挙動を示す物理量を演算する演算部と
    　を備えるシミュレーション装置。
  2. 　前記産業機械は、原料を溶融可塑化するスクリュと、該スクリュが回転可能に挿入されたシリンダとを有する押出機であり、
    　前記取得部は、
    　前記制御装置から前記原料の押出量、スクリュ回転数又はシリンダ温度を示す設定データを取得し、
    　前記演算部は、
    　取得した前記設定データを用いて、前記物理量を演算する
    　請求項１に記載のシミュレーション装置。
  3. 　前記産業機械は、原料を溶融可塑化するスクリュと、該スクリュが回転可能に挿入されたシリンダとを有する押出機であり、
    　前記産業機械に設けられた前記センサは、前記シリンダの温度を検出する温度センサと、前記シリンダの内部の圧力を検出する圧力センサとを含み、
    　前記取得部は、
    　前記温度センサ又は前記圧力センサから温度データ又は圧力データを取得し、
    　前記演算部は、
    　取得した温度データ又は圧力データを用いて、前記物理量を演算する
    　請求項１に記載のシミュレーション装置。
  4. 　前記圧力センサは、前記シリンダの複数箇所に設けられており、
    　前記原料の粘度と、該原料の他の特性とを対応付けたテーブルを備え、
    　前記演算部は、
    　複数の前記圧力センサから取得した圧力データに基づいて、前記原料の粘度を演算し、
    　演算された粘度を用いて前記テーブルを参照することによって前記原料の他の特性を特定し、
    　前記原料の粘度及び他の特性を用いて前記物理量を演算する
    　請求項３に記載のシミュレーション装置。
  5. 　前記産業機械は、原料を溶融可塑化するスクリュと、該スクリュが回転可能に挿入されたシリンダとを有する押出機であり、
    　前記取得部は、
    　前記撮像装置から、前記スクリュを撮像して得た画像データを取得し、
    　前記演算部は、
    　取得した画像データに基づいて、前記スクリュの構成を特定し、
    　特定された前記スクリュの構成を表すデータを用いて前記物理量を演算する
    　請求項１に記載のシミュレーション装置。
  6. 　前記産業機械は、原料を溶融可塑化するスクリュと、該スクリュが回転可能に挿入され
    たシリンダとを有する押出機であり、
    　前記センサは、前記シリンダの温度を検出する温度センサと、複数箇所で前記シリンダの内部の圧力を検出する複数の圧力センサとを含み、
    　前記原料の粘度と、該原料の他の特性とを対応付けたテーブルを備え、
    　前記取得部は、
    　前記制御装置から前記原料の押出量又はスクリュ回転数を示すデータを、前記温度センサ及び複数の前記圧力センサから温度データ及び圧力データを、前記撮像装置から、前記スクリュを撮像して得た画像データを取得し、
    　前記演算部は、
    　複数の前記圧力センサから取得した圧力データに基づいて、前記原料の粘度を演算し、
    　演算された粘度を用いて前記テーブルを参照することによって前記原料の他の特性を特定し、
    　取得した画像データに基づいて、前記スクリュの構成を特定し、
    　取得した押出量及びスクリュ回転数を示すデータと、圧力データと、温度データと、前記原料の粘度及び他の特性と、前記スクリュの構成を表すデータとを用いて前記物理量を演算する
    　請求項１に記載のシミュレーション装置。
  7. 　前記演算部は、
    　前記産業機械の動作と並行して、前記物理量を演算する
    　請求項１～請求項６のいずれか１項に記載のシミュレーション装置。
  8. 　産業機械の挙動をシミュレートするシミュレーション方法であって、
    　前記産業機械の運転制御を行う制御装置、前記産業機械に設けられたセンサ、又は前記産業機械を構成する部品を撮像する撮像装置から、前記産業機械の挙動に関連するデータを取得し、
    　取得したデータに基づいて、前記産業機械の挙動を示す物理量を演算する
    　シミュレーション方法。
  9. 　コンピュータに、産業機械の挙動をシミュレートさせるシミュレーションプログラムであって、
    　前記産業機械の運転制御を行う制御装置、前記産業機械に設けられたセンサ、又は前記産業機械を構成する部品を撮像する撮像装置から、前記産業機械の挙動に関連するデータを取得し、
    　取得したデータに基づいて、前記産業機械の挙動を示す物理量を演算する
    　処理を前記コンピュータに実行させるためのシミュレーションプログラム。
     
PCT/JP2022/040054 2022-03-31 2022-10-27 シミュレーション装置、シミュレーション方法及びシミュレーションプログラム WO2023188494A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-060712 2022-03-31
JP2022060712A JP2023151219A (ja) 2022-03-31 2022-03-31 シミュレーション装置、シミュレーション方法及びシミュレーションプログラム

Publications (1)

Publication Number Publication Date
WO2023188494A1 true WO2023188494A1 (ja) 2023-10-05

Family

ID=88200623

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/040054 WO2023188494A1 (ja) 2022-03-31 2022-10-27 シミュレーション装置、シミュレーション方法及びシミュレーションプログラム

Country Status (2)

Country Link
JP (1) JP2023151219A (ja)
WO (1) WO2023188494A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006103316A (ja) * 2004-09-10 2006-04-20 Toyo Seiki Seisakusho:Kk 成形加工性評価システム及びその方法
JP2008023812A (ja) * 2006-07-20 2008-02-07 Asahi Kasei Engineering Kk 押出機シミュレ−ションシステム
JP2011173276A (ja) * 2010-02-23 2011-09-08 Japan Steel Works Ltd:The スクリュ式押出機のシミュレーション装置、およびスクリュ式押出機のシミュレーションプログラム
JP2016083829A (ja) * 2014-10-25 2016-05-19 株式会社プラスチック工学研究所 可視化装置用解析システム
JP2017217786A (ja) * 2016-06-06 2017-12-14 学校法人同志社 シリンダ内流動再現試験方法、シリンダ内流動再現試験装置及びスクリュ形状の設計方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006103316A (ja) * 2004-09-10 2006-04-20 Toyo Seiki Seisakusho:Kk 成形加工性評価システム及びその方法
JP2008023812A (ja) * 2006-07-20 2008-02-07 Asahi Kasei Engineering Kk 押出機シミュレ−ションシステム
JP2011173276A (ja) * 2010-02-23 2011-09-08 Japan Steel Works Ltd:The スクリュ式押出機のシミュレーション装置、およびスクリュ式押出機のシミュレーションプログラム
JP2016083829A (ja) * 2014-10-25 2016-05-19 株式会社プラスチック工学研究所 可視化装置用解析システム
JP2017217786A (ja) * 2016-06-06 2017-12-14 学校法人同志社 シリンダ内流動再現試験方法、シリンダ内流動再現試験装置及びスクリュ形状の設計方法

Also Published As

Publication number Publication date
JP2023151219A (ja) 2023-10-16

Similar Documents

Publication Publication Date Title
EP4065336B1 (en) Method and controlling system for controlling polymer viscosity quality
Ma et al. Improving 3D food printing performance using computer vision and feedforward nozzle motion control
WO2024099001A1 (zh) 高压电缆半导电屏蔽料的焦烧现象识别方法和装置
TW202303323A (zh) 異常探測系統、成形機系統、異常探測裝置、異常探測方法以及記錄並可讀取電腦程式的記錄媒體
WO2023188494A1 (ja) シミュレーション装置、シミュレーション方法及びシミュレーションプログラム
US6840092B2 (en) Method and apparatus for rheometry, and its application to control of polymer manufacture
WO2023213975A1 (en) Industrial extruder, process and method thereof
US20160132621A1 (en) Simulation apparatus, simulation method and non-transitory computer-readable medium having simulation program
WO2022158074A1 (ja) 異常検知システム、成形機システム、異常検知装置、異常検知方法及びコンピュータプログラム
JP2006103316A (ja) 成形加工性評価システム及びその方法
Clark et al. Validation of a Finite Element Model for Fused Filament Fabrication Additive Manufacturing
WO2021249897A1 (en) Method for determining a coefficient in a thermoplastic polymer viscosity calculation
JP7411509B2 (ja) シミュレーション装置、シミュレーション方法及びシミュレーションプログラム
JP2004148722A (ja) スクリュ式押出機のシミュレーション装置、そのシミュレーション方法及びシミュレーションプログラム
WO2023063195A1 (ja) 成形機システム、トルク導出システム、およびトルク導出方法、並びにプログラム
Kugler et al. Robust soft sensor based on an artificial neural network for real-time determination of the melt viscosity of polymers
WO2024116609A1 (ja) プログラム、予測方法、予測装置及び表示装置
WO2023157381A1 (ja) シミュレーション装置、シミュレーション方法及びシミュレーションプログラム
Sarghini Analysis and Simulation of Pasta Dough Extrusion Process by CFD
WO2022153645A1 (ja) 計測装置、計測方法および射出成形装置
Vandaele et al. Influence of additives on rheological behavior for rigid PVC processing with slit die extrusion using inverse method
CN114474523A (zh) 一种改性塑料的性能调整方法和系统
WO2023117619A1 (en) Method for optimizing the dispensing of an adhesive
TW202424454A (zh) 生醫材料高分子熔體黏度感測系統及其方法
Ludvigsen Investigation of computer vision as a validation method for encoder motion measurements in extrusion-based additive manufacturing

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: 22935625

Country of ref document: EP

Kind code of ref document: A1