基于人工智能的注塑成型系统以及成型条件生成方法与流程

1.本发明涉及注塑成型系统，更详细地说，涉及注塑成型系统的控制。


背景技术：

2.注塑成型是制造塑料产品时利用最广泛的一种制造方法。例如，通过注塑成型可以制造如电视机、手机、pda等产品的盖、壳在内的各种部件。
3.通常，通过注塑成型的产品制造，经由以下工艺实现。首先，将添加了颜料、稳定剂、增塑剂、填料等的成型材料投入到料斗中并制作成熔融状态。然后，将熔融状态的成型材料注入到模具内后，通过冷却使其凝固。然后，从模具中取出已凝固的成型材料后，去除不必要的部分。经由这些工艺制造出各种类型和具有不同尺寸的产品。
4.作为执行如上所述的注塑成型的设备，使用注塑成型机。注塑成型机包括用于供应熔融状态的成型材料的注射装置，以及通过冷却来凝固熔融状态的成型材料的锁模装置。
5.为了用注塑成型机制造产品，需要将温度、速度、压力或时间等各种成型条件适当地设定，才能生产品质优异的产品。但是，即使在设定了适当的成型条件的状态下进行注塑成型，也会因如注塑成型时周边的温度/湿度的变化或成型材料的物理性质变化等的干扰，可能无法生产出品质优异的产品。
6.因此，为了生产品质均匀的产品，需要根据周围环境或成型材料的物理性质变化等而变更成型条件，但是在作业人员变更成型条件的情况下，即便发生同样的干扰，也会根据作业人员而不同地设定成型条件，因此存在难以期待均匀的成型品质的问题。


技术实现要素：

7.发明所要解决的问题。
8.本发明为了解决上述问题而提出，其目的在于，提供一种基于人工智能的注塑成型系统，其能够在注塑成型产品的过程中因干扰生产不良产品时变更成型条件，以生产良品。
9.另外，本发明的目的还在于，提供一种基于人工智能的注塑成型系统，其能够通过使用基于深度学习的成型品质保持模型来设定可保持优异成型品质的成型条件。
10.解决问题的技术方案
11.根据用于实现上述目的的本发明的一方面的基于人工智能的注塑成型系统，其特征在于，包括：注塑成型机(100)，将成型材料注入到模具，注塑成型产品；注塑状态数据获取部(710)，在所述产品的注塑成型时获取当前注塑状态数据，所述当前注塑状态数据包括注入到所述模具内部的所述成型材料的黏度分布和注射压力值中的至少一种；判断部(720)，通过将所述当前注塑状态数据输入到利用预先设定的目标注塑状态数据学习的成型品质保持模型(735)，来判断是否保持成型品质；以及成型条件设定部(730)，在由所述判断部(720)判断为未保持成型品质的情况下，变更预先设定的成型条件，以使所述当前注塑
状态数据跟随所述目标注塑状态数据。
12.根据用于实现上述目的的本发明的另一方面的基于人工智能的注塑成型系统的成型条件生成方法，其特征在于，包括：在将成型材料注入到模具中来注塑成型产品时，获取当前注塑状态数据的步骤，所述当前注塑状态数据包括注入到所述模具内部的所述成型材料的黏度分布和注射压力值中的至少一种；通过将所述当前注塑状态数据输入到利用目标注塑状态数据学习的成型品质保持模型(735)来判断是否保持成型品质的步骤，所述目标注塑状态数据包括在良品的注塑成型时测量到的目标黏度分布和目标注射压力值中的至少一种；以及在判断为未保持成型品质的情况下，变更预先设定的成型条件，以使所述当前注塑状态数据跟随所述目标注塑状态数据的步骤。
13.发明效果
14.根据本发明，在产品注塑成型的过程中因干扰而生产出不良产品时，由利用基于深度学习的神经网络实现的成型条件生成装置，能够自动变更成型条件，从而具有能够提高产品的品质的效果。
15.另外，根据本发明，由于通过成型条件生成装置自动执行成型条件的变更，因此具有如下的效果，即便没有熟练专家，也能够在短时间内将成型条件变更为可生产出良品的条件。
附图说明
16.图1是示出根据本发明一实施例的基于人工智能的注塑成型系统的图。
17.图2是示出根据本发明一实施例的注塑成型机的构成的图。
18.图3是示出固定模具和移动模具开模的情形的图。
19.图4是示出通过移动部使固定模具与移动模具合模的情形的图。
20.图5是示出根据本发明一实施例的成型条件生成装置的构成的图。
21.图6是示出根据本发明一实施例的成型条件生成方法的流程图。
22.图7是示出根据本发明一实施例的成型条件变更方法的流程图。
具体实施方式
23.以下，参照附图详细说明本发明的实施例。
24.图1是示出根据本发明一实施例的基于人工智能的注塑成型系统的图。
25.本发明的基于人工智能的注塑成型系统10(以下称作“注塑成型系统”)使用成型材料在最佳的成型条件下生产产品。为此，如图1所示，注塑成型系统10包括注塑成型机100和成型条件生成装置200。
26.本发明的注塑成型机100为了制造产品而执行注塑成型。
27.图2是示出根据本发明一实施例的注塑成型机100的构成的图。参照图1和图2，对注塑成型机100进行较详细的说明。
28.如图1和图2所示，根据本发明的注塑成型机100包括注射装置102和锁模装置103。
29.注射装置102将熔融状态的成型材料供应给锁模装置103。注射装置102包括料筒121、配置于料筒121内部的注射螺杆122以及驱动注射螺杆122的注射驱动部123。料筒121可以配置为与第一轴方向(x轴方向)平行。第一轴方向(x轴方向)可以是与注射装置102和
锁模装置103彼此隔开的方向平行的方向。在成型材料被供应到料筒121的内部的情况下，注射驱动部123可以通过使注射螺杆122旋转，使供应到料筒121的内部的成型材料向第一方向(fd箭头方向)移动。在此过程中，成型材料可以通过摩擦和加热而被熔融。第一方向(fd箭头方向)是从注射装置102朝向锁模装置103的方向，可以是与第一轴方向(x轴方向)平行的方向。在熔融状态的成型材料相对于注射螺杆122位于第一方向(fd箭头方向)侧的情况下，注射驱动部123可以使注射螺杆122向第一方向(fd箭头方向)移动。由此，熔融状态的成型材料可以从料筒121供应到锁模装置103。
30.锁模装置103通过冷却使熔融状态的成型材料凝固。锁模装置103可以包括结合有固定模具150的固定模板131、结合有移动模具160的移动模板132以及使移动模板132沿第一轴方向(x轴方向)移动的移动部133。
31.图3和图4是示出移动部使固定模具和移动模具合模的情形的图。
32.如果移动部133使移动模板132向第二方向(sd箭头方向)移动，从而使移动模具160和固定模具150合模，则注射装置102向移动模具160和固定模具150的内部供应熔融状态的成型材料。第二方向(sd箭头方向)是与第一轴方向(x轴方向)平行且与第一方向(fd箭头方向)相反的方向。然后，锁模装置103通过冷却使填充于移动模具160和固定模具150的内部的熔融状态的成型材料凝固，之后移动部133通过使移动模板132向第一方向(fd箭头方向)移动，来使移动模具160和固定模具150开模。
33.锁模装置103可以包括拉杆(tie bar)134。拉杆134引导移动模板132的移动。移动模板132可以可移动地与拉杆134结合。移动模板132可以沿着拉杆134在第一轴方向(x轴方向)上移动。拉杆134可以配置为与第一轴方向(x轴方向)平行。拉杆134可以结合为分别插入到固定模板131和移动模板132。
34.另一方面，本发明的注塑成型机100根据由成型条件生成装置200生成的成型条件将成型材料供应给合模的移动模具160和固定模具150，并生产产品。以下将移动模具160和固定模具150记载为模具。
35.成型条件生成装置200生成成型条件，并将其传递给注塑成型机100。另外，当注塑成型机100根据生成的成型条件来生产产品时，成型条件生成装置200判断是否保持成型品质，并且在判断为因干扰不能保持成型品质的情况下，对成型条件进行变更。
36.以下，参照图5，较详细地说明根据本发明的成型条件生成装置200。
37.图5是示出根据本发明一实施例的成型条件生成装置的构成的图。如图5所示，成型条件生成装置200包括注塑状态数据获取部710、判断部720、成型条件设定部730以及成型品质保持模型735。在图5中示出了判断部720、成型条件设定部730以及成型品质保持模型735分开构成的情形，但这仅为一例，判断部720和成型条件设定部730也可以由以软件形态构成的一个引擎725来实现。另外，如图5所示，根据本发明的成型条件生成装置200还可以包括模型生成部740以及数据库750。
38.在注塑成型机100注塑成型产品时，注塑状态数据获取部710从注塑成型机100获取注塑状态数据。在一实施例中，注塑状态数据可以包括注射到模具内部的成型材料的黏度分布和注射压力值中至少一种。此时，成型材料的黏度分布可以基于注塑产品的厚度、模具内部的随时间而发生变化的压力变化量来算出。
39.例如，注塑状态数据获取部710可以通过下面的数学式1来算出成型材料的黏度分
布。
40.【数学式1】
[0041][0042]
在数学式1中，η表示黏度(visocity),σw表示壁面剪切应力(wall shear stress)，γw表示壁面剪切速率(wall shear rate)。另外，h表示注塑产品的厚度，l表示以压力传感器和温度传感器之间的距离(或两个压力传感器之间的距离)限定的流动距离，
△
p表示压力变化量，
△
t表示时间变化量。在此，压力变化量是指在流动相当于流动距离(l)的期间发生变化的压力量，时间变化量是指在流动相当于流动距离(l)的期间所消耗的时间。
[0043]
为此，注塑状态数据获取部710可以在进行基于注塑成型机100的注塑作业时，测量随时间变化量而发生变化的模具内部的压力变化量或测量注射压力。注塑状态数据获取部710利用测量到的时间变化量、压力变化量、注塑产品的厚度、流动距离来算出成型材料的黏度分布。
[0044]
注塑状态数据获取部710在每个预先设定的时间点或每次从判断部720收到注塑状态数据获取请求时，从注塑成型机100获取注塑成型数据，并提供给判断部720。以下，将在每个预先设定的时间点或每次收到注塑状态数据获取请求时获取到的注塑状态数据称作当前注塑状态数据。
[0045]
另一方面，当之前通过注塑成型机100生产的产品为满足预先设定的条件的良品时，注塑状态数据获取部710可以将该产品的注塑成型时获取到的注塑状态数据确定为目标注塑状态数据，并将确定的目标注塑状态数据存储至数据库750。目标注塑状态数据可以包括目标黏度分布和目标注射压力值中的至少一种，并且在所生产的产品为满足预先设定的条件的良品时，目标黏度分布可以基于在该产品的注塑成型时测量到的时间变化量、压力变化量、注塑产品的厚度、流动距离算出。
[0046]
判断部720利用由数据获取部710获取的当前注塑状态数据，来判断产品的品质与按照预先设定的成型条件注塑的产品的品质是否保持一致。此时，预先设定的成型条件可以是在注塑成型机100初始启动时通过成型条件设定部730设定的初始成型条件，这种初始成型条件可以是在生产良品时获取到的成型条件。
[0047]
在一实施例中，判断部720可以通过将由注塑状态数据获取部710获取的当前注塑状态数据输入至成型品质保持模型735，来判断是否保持成型品质。此时，成型品质保持模型735可以是用目标注塑状态数据学习的基于深度学习的神经网络(neural network)，在成型品质保持模型735判断为所输入的当前注塑状态数据脱离了以目标注塑状态数据为基准设定的临界范围时，判断部720可以判断为未保持成型品质。
[0048]
成型条件设定部730在注塑成型机100初始启动时，设定将要采用的初始成型条件并输出至注塑成型机100。在一实施例中，初始成型条件包括模具内部的温度和压力、注射压力、料筒温度、注射速度、保压时间以及保压压力中的至少一种。此时，如上所述，初始成型条件可以设定为生产良品时获取到的成型条件。
[0049]
尤其，根据本发明的成型条件设定部730可以根据基于判断部720的成型条件保持与否的判断结果来变更应用于注塑成型机100的成型条件。在由判断部720判断为保持成型品质的情况下，成型条件设定部730可以确定保持当前设定的成型条件。但是，如果由判断部720判断为未保持成型品质，则成型条件设定部730可以将成型条件变更为使由注塑状态数据获取部710获取的当前注塑状态数据跟随目标注塑状态数据。
[0050]
在一实施例中，成型条件设定部730可以对成型条件中的注射速度、料筒温度以及模具温度中至少一种进行变更。成型条件设定部730可以首先对注射速度、料筒温度以及模具温度中相对容易且快速地应用的成型条件进行变更。作为一例，由于注射速度是可以即刻进行变更的成型条件，因此成型条件设定部730可以确定最先对注射速度进行变更。虽然料筒温度是可控的，但是由于与注射速度相比应用所需时间较长，因此成型条件设定部730可以确定在变更注射速度之后变更料筒温度。此外，虽然模具温度也是可控的，但由于不是注塑成型机100的直接构成，因此应用所需时间相对最长，从而成型条件设定部730可以确定在变更料筒温度后对模具温度进行变更。
[0051]
详细地说，在由判断部720判断为未保持成型品质的情况下，成型条件设定部730利用成型品质保持模型735算出当前注塑状态数据和目标注塑状态数据之间的偏差量，并对注射速度进行相当于与偏差量成比例的值的变更，以使当前注塑状态数据跟随目标注塑状态数据。
[0052]
例如，在由判断部720判断为未保持成型品质的情况下，成型条件设定部730利用成型品质保持模型735算出当前黏度分布和目标黏度分布之间的偏差量，并对注射速度进行相当于与偏差量成比例的值的变更，以使当前黏度分布跟随目标黏度分布。
[0053]
此时，黏度分布值较大表示黏度高，代表成型材料流动不畅，因此在当前黏度分布大于目标黏度分布的情况下，可以通过增加注射速度或者提高料筒温度或模具温度来降低黏度分布值，以使成型材料流动顺畅。
[0054]
作为另一例，在由判断部720判断为未保持成型条件的情况下，成型条件设定部730利用成型品质保持模型735算出当前注射压力值和目标注射压力值之间的偏差量，并对注射速度进行相当于与偏差量成比例的值的变更，以使当前注射压力值跟随目标注射压力值。
[0055]
在此，在利用与偏差量成比例的值对注射速度进行变更的情况下，成型条件设定部730在预先设定的注射速度限值内变更注射速度。
[0056]
如果将注射速度变更与偏差量成比例的值时注射速度脱离注射速度限值，则成型条件设定部730利用成型品质保持模型735将注射速度变更为注射速度限值，并对料筒温度进行相当于与偏差量成比例的值的变更，以使当前注塑状态数据跟随目标注塑状态数据。
[0057]
例如，在由判断部720判断为未保持成型品质的情况下，成型条件设定部730利用成型品质保持模型735算出当前黏度分布和目标黏度分布之间的偏差量，将注射速度变更为注射速度限值，并对料筒温度进行相当于与偏差量成比例的值的变更，以使当前黏度分布跟随目标黏度分布。
[0058]
作为另一例，在由判断部720判断为未保持成型品质的情况下，成型条件设定部730利用成型品质保持模型735算出当前注射压力值和目标注射压力值之间的偏差量，将注射速度变更为注射速度限值，并对料筒温度进行相当于与偏差量成比例的值的变更，以使
network，人工神经网络)算法实现。
[0072]
模型生成部740生成成型品质保持模型735，并且使生成的成型品质保持模型735进行学习。具体而言，模型生成部740可以将复数个目标注塑状态数据用作学习数据组，使神经网络学习，由此生成成型品质保持模型735。
[0073]
具体而言，模型生成部740利用在生产良品时获取的目标黏度分布和目标注射压力值中的至少一种来生成复数个学习数据组，并利用所生成的复数个学习数据组使神经网络学习，从而生成成型品质保持模型735。
[0074]
另外，如果以规定周期生成新的目标注塑状态数据，则模型生成部740可以利用新的目标注塑状态数据使成型品质保持模型735进行学习。
[0075]
如此，在本发明中，即便作业人员不具备关于注塑成型的专业知识，也能够引导通过由模型生成部740生成的成型品质保持模型735执行是否保持成型品质的判断以及用于保持成型品质的成型条件的变更，因此降低了对注塑作业的专业人员的依赖度，从而具有能够建立基于无人注塑成型系统的注塑领域的智能工厂的效果。
[0076]
在数据库750中，可以存储有由注塑状态数据获取部710生成的当前注塑状态数据和目标注塑状态数据。此外，在数据库750中，可以存储有通过成型条件设定部730设定或变更的成型条件。除此之外，在数据库750中，还可以存储有在注塑成型时使用的各种信息。
[0077]
以下，参照图6，对本发明的注塑成型系统中的成型条件生成方法进行详细的说明。图6是示出根据本发明一实施例的注塑成型系统中的成型条件生成方法的流程图。图6所示的注塑成型系统中的成型条件生成方法可以由图1所示的注塑成型系统执行。
[0078]
注塑成型机100根据由成型条件生成装置200设定的成型条件来生产产品。在一实施例中，注塑成型机可以将在生产良品时应用的成型条件设定为初始成型条件。
[0079]
在通过注塑成型机100正在注塑成型产品时，成型条件生成装置200获取当前注塑状态数据，所述当前注塑状态数据包括注射到注塑成型机100的模具内部的成型材料的当前黏度分布和当前注射压力值中的至少一种(s810)。
[0080]
在一实施例中，当前黏度分布可以通过产品注塑成型时的时间变化量、压力变化量、注塑产品的厚度以及流动距离来算出。
[0081]
然后，成型条件生成装置200基于当前注塑成型数据和目标注塑成型数据，判断是否保持成型品质(s820)。此时，目标注塑成型数据是指在生产良品时获取的注塑状态数据。在一实施例中，成型条件生成装置200可以通过将当前注塑状态数据输入至用目标注塑状态数据学习的成型品质保持模型，来判断是否保持成型品质。
[0082]
具体而言，在根据成型品质保持模型判断为当前注塑状态数据脱离了以目标注塑状态数据为基准设定的临界范围的情况下，成型条件生成装置200判断为未保持成型品质，在判断为未脱离临界范围的情况下，成型条件生成装置200判断为保持成型品质。
[0083]
在步骤s820的判断结果，判断为保持成型品质的情况下，成型条件生成装置200变更预先设定的成型条件，以使当前注塑状态数据跟随目标注塑状态数据(s830)。在一实施例中，成型条件生成装置200可以在预先设定的成型条件中改变注射速度、料筒温度以及模具温度中的至少一种。
[0084]
此时，随着向注塑成型机100输出由成型条件生成装置200变更的成型条件，注塑成型机100根据变更后的成型条件来执行注塑成型(s800)。
[0085]
另一方面，在步骤s820的判断结果，判断为保持成型品质的情况下，成型条件生成装置200确定保持当前应用的成型条件(s840)。
[0086]
此时，随着成型条件生成装置200输出保持成型条件，注塑成型机100根据已应用的成型条件执行注塑成型(s800)。
[0087]
以下，参照图7，对成型条件生成装置变更成型条件的过程进行较详细的说明。图7是示出本发明一实施例的成型条件生成装置对成型条件进行变更的过程的流程图。图7所示的过程通过成型条件生成装置200来执行，成型条件生成装置200可以利用成型品质保持模型来执行图7所示的过程。
[0088]
首先，在图6所示的步骤s820的判断结果，判断为未保持成型品质的情况下，成型条件生成装置200算出当前注塑状态数据和目标注塑状态数据之间的偏差量(s900)。
[0089]
成型条件生成装置200对注射速度进行相当于与偏差量成比例的值的变更(s910)。
[0090]
成型条件生成装置200判断变更后的注射速度是否脱离注射速度限值(s920)。
[0091]
在步骤s920的判断结果，判断为变更后的注射速度未脱离注射速度限值的情况下，成型条件生成装置200将包括变更后的注射速度的变更后的成型条件输出至注塑成型机100(s1000)。
[0092]
另一方面，在步骤s920的判断结果，判断为变更后的注射速度脱离了注射速度限值的情况下，成型条件生成装置200将注射速度变更为注射速度限值(s930)，并对料筒温度进行相当于与偏差量成比例的值的变更(s940)。此时，能够对料筒温度进行与除了将注射速度变更为注射速度限值时使用的偏差量之外的剩余偏差量成比例的值的变更。
[0093]
成型条件生成装置200判断变更后的料筒温度是否脱离料筒温度限值(s950)。
[0094]
在步骤s950的判断结果，判断为变更后的料筒温度未脱离料筒温度限值的情况下，成型条件生成装置200将包括变更后的注射速度(注射速度限值)及变更后的料筒温度的变更后的成型条件输出至注塑成型机100(s1000)。
[0095]
另一方面，在步骤s950的判断结果，判断为变更后的料筒温度脱离了料筒温度限值的情况下，成型条件生成装置200将料筒温度变更为料筒温度限值(s960)，并对模具温度进行相当于与偏差量成比例的值的变更(s970)。此时，也可以对模具温度进行与除了将注射速度变更为注射速度限值时使用的偏差量和将料筒温度变更为料筒温度限值时使用的偏差量之外的剩余偏差量成比例的值的变更。
[0096]
成型条件生成装置200判断变更后的模具温度是否脱离模具温度限值(s980)。
[0097]
在步骤s980的判断结果，判断为变更后的模具温度未脱离模具温度限值时，成型条件生成装置200将包括变更后的注射速度(注射速度限值)、变更后的料筒温度(料筒温度限值)以及变更后的模具温度的变更后的成型条件输出至注塑成型机100(s1000)。
[0098]
另一方面，在步骤s980的判断结果，判断为变更后的模具温度脱离了模具温度限值的情况下，成型条件生成装置200将模具温度变更为模具温度限值(s990)，将包括变更后的注射速度(注射速度限值)、变更后的料筒温度(料筒温度限值)以及变更后的模具温度(模具温度限值)的变更后的成型条件输出至注塑成型机100(s1000)。
[0099]
另一方面，在判断为变更后的模具温度脱离了模具温度限值的情况下，成型条件生成装置200也可以判断为难以保持成型品质，并对作业人员发送提醒。
[0100]
对于本领域普通技术人员而言，可以理解上述本发明能够在不变更技术思想或必要特征的前提下以其他具体方式实施。
[0101]
本说明书中提到的所有的方法以及步骤，其至少一部分可以使用一个以上计算机程序或组件来实现。该组件可以通过包括如ram、rom、闪存、磁盘或光盘、光储存器，或除此之外的存储器的易失性和非易失性存储器的任意传统计算机可读介质，或机器可读介质，作为一系列计算机命令提供。所述命令可以作为软件或固件提供，也可以全部或部分地在如asics、fpgas、dsps或除此之外的其他任意类似元件的硬件构成实现。所述命令可以由一个以上处理器或其他硬件构成执行，在所述处理器或其他硬件构成执行所述一系列计算机命令时，能够执行本说明书公开的方法和步骤中的全部或一部分。
[0102]
因此，应当理解为，以上描述的实施例的所有方面均为示例性的，而不是限定性的。并且，应当解释为，本发明的范围由权利要求书来确定，而不是上述详细说明，从权利要求书的含义、范围以及与其等同概念导出的所有变更或变形均属于本发明。