品质预测系统以及成型机技术方案

本发明专利技术提供品质预测系统以及成型机，品质预测系统使用机器学习来预测成型品，成型机用在该品质预测系统中。成型品的品质预测系统(100、200、300)应用在通过向成型机(1)的模具(4、104)的型腔(C)供给熔融材料来将成型品成型的成型方法，具备：传感器(44、144)，其配置于模具，并检测与在型腔(C)中被供给的熔融材料相关的状态数据；学习完成模型存储部(321)，其对通过至少将由传感器检测出的状态数据作为训练数据集的机器学习而生成并与状态数据和品质要素相关的学习完成模型进行存储；以及品质预测部(323)，其基于由传感器检测出的状态数据和学习完成模型，对新成型的成型品的品质要素进行预测。

【技术实现步骤摘要】
品质预测系统以及成型机
本专利技术涉及品质预测系统以及成型机。
技术介绍
公知有向成型机的模具供给加热熔融了的材料(熔融材料)而将成型品成型的技术。熔融材料在填充于模具的型腔的状态下被保压和冷却从而固化，成型为与型腔的形状相应的形状。这里，在保压结束之后至熔融材料固化期间，树脂材料的体积收缩。此时，熔融材料并不限定于遍及整体地均衡地收缩，预测成型品的品质时需要丰富的知识、经验。相对于此，日本特开2008-207440号公报中公开了如下技术：基于对从浇口注入的树脂材料沿着金属模流动之后冷却的固化下来的过程进行模拟的流动解析的结果，来预测被注塑成型的成型品的品质。另外，日本特开2007-83802号公报中公开有预测被注塑成型的成型品的体积收缩率的技术。针对上述的日本特开2008-207440号公报和日本特开2007-83802号公报中记载的技术，专利技术人发现通过掌握在用于形成被供给熔融材料的型腔的模具配置的传感器的测量值，能够预测成型品的品质要素，并通过使用机器学习从而提高成型品的品质要素的预测精度。<br>
技术实现思路
<本文档来自技高网...

【技术保护点】
1.一种成型品的品质预测系统，其中，/n应用在通过向成型机的模具的型腔供给熔融材料来将成型品成型的成型方法中，/n具备：/n传感器，其配置于所述模具，对与在所述型腔中被供给的所述熔融材料相关的状态数据进行检测；/n学习完成模型存储部，其对通过至少将由所述传感器检测出的状态数据作为训练数据集的机器学习而生成并与所述状态数据和所述成型品的品质要素相关的学习完成模型进行存储；以及/n品质预测部，其基于由所述传感器新检测出的状态数据和所述学习完成模型，对新成型的所述成型品的所述品质要素进行预测。/n

【技术特征摘要】
20181228 JP 2018-247358;20190307 JP 2019-041736;201.一种成型品的品质预测系统，其中，
应用在通过向成型机的模具的型腔供给熔融材料来将成型品成型的成型方法中，
具备：
传感器，其配置于所述模具，对与在所述型腔中被供给的所述熔融材料相关的状态数据进行检测；
学习完成模型存储部，其对通过至少将由所述传感器检测出的状态数据作为训练数据集的机器学习而生成并与所述状态数据和所述成型品的品质要素相关的学习完成模型进行存储；以及
品质预测部，其基于由所述传感器新检测出的状态数据和所述学习完成模型，对新成型的所述成型品的所述品质要素进行预测。


2.根据权利要求1所述的成型品的品质预测系统，其中，
所述传感器包含对从在所述型腔中被供给的所述熔融材料承受的压力进行检测的第一压力传感器，
所述学习完成模型存储部对通过至少将由所述第一压力传感器检测出的压力数据作为训练数据集的机器学习而生成并与所述压力数据和所述成型品的品质要素相关的所述学习完成模型进行存储，
所述品质预测部基于由所述第一压力传感器新检测出的压力数据和所述学习完成模型，对新成型的所述成型品的所述品质要素进行预测。


3.根据权利要求2所述的成型品的品质预测系统，其中，
所述成型方法在通过规定的保压力进行了规定时间的保压处理后进行使所述保压力减少的处理，
所述品质预测系统具备在所述型腔中不同的多个位置分别对从所述熔融材料承受的压力进行检测的多个所述第一压力传感器，
所述学习完成模型存储部对通过将在所述保压力的减少处理时由多个所述第一压力传感器检测出的多个所述压力数据和所述成型品的形状作为所述训练数据集的机器学习而生成并与在所述保压力的减少处理时由多个所述第一压力传感器分别检测出的多个所述压力数据和所述成型品的形状相关的所述学习完成模型进行存储，
所述品质预测部基于在所述保压力的减少处理时由多个所述第一压力传感器分别新检测出的多个压力数据和所述学习完成模型，对新成型的所述成型品的形状精度进行预测。


4.根据权利要求3所述的品质预测系统，其中，
多个所述第一压力传感器在所述型腔内供所述熔融材料从所述模具的浇口流入的流入路径中，配置于自所述浇口的距离不同的多个位置。


5.根据权利要求4所述的品质预测系统，其中，
多个所述第一压力传感器至少配置于所述流入路径中的靠所述浇口的位置、以及在所述流入路径中靠相距所述浇口最远的最远位置的位置这两个部位。


6.根据权利要求4或5所述的品质预测系统，其中，
所述成型品和所述型腔是环状，
所述模具具有1处所述浇口，
所述流入路径是从所述浇口沿所述型腔的环状的周向流动的路径。


7.根据权利要求6所述的品质预测系统，其中，
所述品质预测部预测所述成型品的所述环状的外周面或者内周面的圆度，来作为所述品质要素。


8.根据权利要求3～7中的任一项所述的品质预测系统，其中，
所述训练数据集包含表示各个所述第一压力传感器间的所述压力数据的偏差的值。


9.根据权利要求3～8中的任一项所述的品质预测系统，其中，
所述训练数据集在将开始减少所述保压力之后的经过时间与所述压力数据的关系定义为减少处理变化数据的情况下，包含对所述减少处理变化数据进行了时间积分而得的积分值。


10.根据权利要求3～9中的任一项所述的品质预测系统，其中，
所述训练数据集在将开始减少所述保压力之后的经过时间与所述压力数据的关系定义为减少处理变化数据的情况下，包含对所述减少处理变化数据进行了时间微分而得的微分值。


11.根据权利要求3～10中的任一项所述的品质预测系统，其中，
所述训练数据集在将开始减少所述保压力之后至由所述第一压力传感器检测出的所述压力数据成为规定值以下所需要的时间定义为保压减少时间的情况下，包含各个所述第一压力传感器间的所述保压减少时间之差。


12.根据权利要求2所述的品质预测系统，其中，
所述成型方法在通过规定的保压力进行规定时间的保压处理后进行使所述保压力减少的处理，
所述学习完成模型存储部对通过将在所述保压处理时由所述第一压力传感器检测出的所述压力数据和所述成型品的质量作为所述训练数据集的机器学习而生成并与在所述保压处理时由所述第一压力传感器检测出的所述压力数据和所述成型品的质量相关的所述学习完成模型进行存储，
所述品质预测部基于在所述保压处理时由所述第一压力传感器新检测出的所述压力数据和所述学习完成模型，对新成型的所述成型品的质量进行预测。


13.根据权利要求12所述的品质预测系统，其中，
所述第一压力传感器在所述型腔内供所述熔融材料从所述型的浇口流入的流入路径中，配置于相比所述浇口而靠相距所述浇口最远的最远位置的位置。


14.根据权利要求12或13所述的品质预测系统，其中，
所述训练数据集在将所述保压处理的时间与由所述第一压力传感器检测出的所述压力数据的关系定义为保压处理变化数据的情况下，包含对所述保压处理变化数据进行了时间积分而得的积分值。


15.根据权利要求13所述的品质预测系统，其中，
所述训练数据集包含在所述保压处理时由所述第一压力传感器检测出的所述压力数据的最大值和平均值中的至少一个。


16.根据权利要求12～15中的任一项所述的品质预测系统，其中，
所述品质预测系统还具备配置于所述模具的流道的第二压力传感器，
所述学习完成模型存储部对与在所述保压处理时由所述第一压力传感器检测出的所述压力数据、在所述保压处理时由所述第二压力传感器检测出的所述压力数据、以及所述成型品的质量相关的所述学习完成模型进行存储，
所述品质预测部基于在所述保压处理时由所述第一压力传感器新检测出的所述压力数据、在所述保压处理时由所述第二压力传感器新检测出的所述压力数据、以及所述学习完成模型，对新成型的所述成型品的质量进行预测。


17.根据权利要求2所述的品质预测系统，其中，
所述成型方法在通过规定的保压力进行规定时间的保压处理后进行使所述保压力减少的处理，
所述学习完成模型存储部对通过将在所述保压处理时由所述第一压力传感器检测出的所述压力数据和所述成型品的空隙体积作为所述训练数据集的机器学习而生成并与在所述保压处理时由所述第一压力传感器检测出的所述压力数据和所述成型品的空隙体积相关的所述学习完成模型进行存储，
所述品质预测部基于在所述保压处理时由所述第一压力传感器新检测出的所述压力数据和所述学习完成模型，对新成型的所述成型品的空隙体积进行预测。


18.根据权利要求17所述的品质预测系统，其中，
所述第一压力传感器在所述型腔内供所述熔融材料从所述模具的浇口流入的流入路径中，配置于相比所述浇口而靠相距所述浇口最远的最远位置的位置。


19.根据权利要求17或18所述的品质预测系统，其中，
所述训练数据集在将所述保压处理的时间与由所述第一压力传感器检测出的所述压力数据的关系定义为保压处理变化数据的情况下，包含对所...

【专利技术属性】
技术研发人员：莲池正晴，大久保勇佐，马场纪行，木村幸治，
申请(专利权)人：株式会社捷太格特，
类型：发明
国别省市：日本;JP