一种通过数据分析验证模具内流动平衡性的方法

摘要

本发明公开了一种通过数据分析验证模具内流动平衡性的方法，包括如下步骤：安装传感器，采集传感器数据，对数据进行格式化，将数据按模具编号、批次号存入数据库；选取检测点，通过图形展示检测点处连续多个周期的压力和/和温度，形成连续曲线，对连续曲线进行去噪，计算模具平衡波动比；绘制模具平衡波动曲线，并计算其取值范围，验证模具内流动平衡性情况。本发明通过监测注塑过程中的压力和温度，选取检测点作为对比参数，将模具平衡的波动通过曲线表示出来，可发现模具平衡问题及时进行修模，减少因模具不平衡导致试模次数增加，从而降低试模成本，保障注塑产品的质量，提升模具的使用寿命。

说明书

技术领域

本发明涉及模具内流动性评判技术领域，尤其涉及一种通过数据分析验证模具内流动平衡性的方法。

背景技术

在注塑工业行业，塑料制品的质量与模具、注塑工艺、材料、注塑机等因素息息相关。模具厂在完成模具制作后，一般通过试模来试制产品，通过人工判断试制产品是否合格来判断模具是否合格。该方法具有一定的人为判断因素。当无法生产出合格的塑料制品时，无法快速判断是注塑工艺的问题还是模具的问题，特别是一模多穴的模具，部分模穴能生产出合格产品，还有部分模具无法生产出合格产品。模具问题大部分都是塑料熔融体在模腔内的流动性问题，但流动不平衡时，就会对塑料制品的质量产生影响，甚至产生次品。另外，模具在长期注塑生产过程中，由于磨损也可能会导致流动不平衡，从而产生次品。在当前技术条件下，还没有技术手段帮助模具厂测量塑料熔融体在模腔内流动的平衡性。

近年来，相关理论研究和实践证明，在既定的注射设备及材料下，模腔压力监测技术是确保产品质量的有效手段。国外不少传感器厂家，如Kistler、RJG、Priamus、Futaba等，采用各种技术方式采集注塑模具模腔内的压力和温度数据，用以监测注塑制品的质量。在模具内流动平衡性监测方面，现需解决以下几个问题：注塑过程中压力、温度是实时变化的(过程数据)，取哪个点作为对比参数；如何将模具平衡的波动通过曲线表示出来。

发明内容

本发明的目的在于提供一种通过数据分析验证模具内流动平衡性的方法，通过本发明可发现模具平衡问题及时进行修模，减少因模具不平衡导致试模次数增加，从而降低试模成本，保障注塑产品的质量，提升模具的使用寿命。

为达到上述目的，本发明采用的技术方案是：一种通过数据分析验证模具内流动平衡性的方法，包括如下步骤，

S1)安装传感器，采集传感器数据，对数据进行格式化，将数据按模具编号、批次号存入数据库；

S2)选取检测点，通过图形展示检测点处连续多个周期的压力和/和温度，形成连续曲线，对连续曲线进行去噪，计算模具平衡波动比；

S3)绘制模具平衡波动曲线，并计算其取值范围，验证模具内流动平衡性情况。

作为进一步的优化，S1中传感器为压力传感器、温度传感器或温压一体传感器。

作为进一步的优化，S1中数据格式化过程中，将每秒划分成20等分，对于在格式化采样点上的数据，采用原始采集数据；对于不在格式化采样点上的数据，采用线性插值算法补充缺失数据。

作为进一步的优化，线性插值算法为从原始数据[T

D

其中，T

作为进一步的优化，S2中选取模腔内二处对称位置作为检测点，将该二处检测点去噪后的连续曲线上同一周期的值进行求差计算，计算公式为，

S

将差值S

Wave＝(2S

作为进一步的优化，模具平衡波动比的取值范围为-100至100之间。

作为进一步的优化，S3中将得到的模具平衡波动比Wave绘制成曲线，得到模具平衡波动曲线，计算模具平衡波动曲线取值范围，即平衡波动曲线上最大值和最小值。

作为进一步的优化，模具平衡波动曲线的取值范围为-14至12时，判定模具具有较好的平衡性。

与现有技术相比，本发明具有以下的有益效果：

1.通过本发明在试模阶段就能快速验证模具的平衡情况，发现模具平衡问题及时进行修模，减少因模具不平衡导致试模次数增加，从而降低试模成本；

2.通过本发明在产品生产过程中实时监测模具平衡情况，当发现模具平衡出现问题时，能及时报警通知模具保养维护人员对模具进行保养维护，从而保障注塑产品的质量，提升模具的使用寿命。

附图说明

图1为本发明从传感器采集的原始数据格式示意图。

图2为本发明数据格式化计算方法。

图3为本发明原始的连续曲线示意图。

图4为本发明去噪后的连续曲线示意图。

图5为本发明模具平衡波动曲线示意图。

图6为本发明原始的连续曲线。

图7为本发明去噪后的连续曲线。

图8为本发明模具平衡波动曲线。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

如图1至8所示，首先进行数据采集，格式化后存入数据库：在模具的近浇口安装压力传感器，从传感器采集的原始数据格式，如图1所示，其中，周期(cycle)表示注塑生产过程中生产一模产品表示一个周期(或模次)，传感器位置表示在模具中安装传感器的位置，传感器类型表示在该位置安装的传感器是压力传感器(用数字1表示)还是温度传感器(用数字2表示)，某位置如果既有压力传感器，又有温度传感器，表示该位置安装的是温压一体传感器，数据表示该位置的传感器在该周期的采样数据，[T

在原始数据中，每一个周期中的采样时间点不一定重合，即T

D

其中，T

对格式化后的数据，将其按模具编号、批次号存入数据库中，取实际生产中模具在某批次生产中的数据进行实验，该模具为1模2穴(模腔)，在2个模腔的对称位置安装压力传感器，采集的部分数据经格式化后的数据如下，模腔1压力传感器数据：

Cycle1:[[0.0,-0.079],[0.05,-0.03],[0.1,0.007],……,[25.0,-1.161]]；

Cycle2:[[0.0,-0.066],[0.05,0.017],[0.1,0.113],……,[25.0,-1.605]]；

Cycle3:[[0.0,0.009],[0.05,0.06],[0.1,0.127],……,[25.0,-1.366]]；

Cycle4:[[0.0,-0.021],[0.05,0.117],[0.1,0.128],……,[25.0,-1.529]]；

……

Cycle2000:[[0.0,-0.114],[0.05,-0.002],[0.1,0.094],……,[25.0,-1.248]]，模腔2压力传感器数据：

Cycle1:[[0.0,-0.162],[0.05,-0.033],[0.1,0.029],……,[25.0,-10.343]]；

Cycle2:[[0.0,-0.182],[0.05,-0.07],[0.1,0.058],……,[25.0,-31.621]]；

Cycle3:[[0.0,-0.156],[0.05,-0.11],[0.1,0.047],……,[25.0,-22.705]]；

Cycle4:[[0.0,-0.208],[0.05,-0.067],[0.1,0.071],……,[25.0,-18.471]]；

……

Cycle2000:[[0.0,-0.264],[0.05,-0.126],[0.1,0.028],……,[25.0,-10.495]]。

对连续曲线进行去噪，计算模具平衡波动比：

对需要分析的模具和对应的批次，选择模具平衡位置(理论上的平衡位置，用传感器数据进行分析验证)的传感器连续曲线(单周期最大值的连线组成所有周期的连续曲线)后，可在平台上查询原始的压力、温度在每周期最大值位置的连续曲线，以及到达该压力、温度的时间，曲线示意图如图3所示，

对图3中的曲线进行去噪，即去除明显偏离的点(一般因产生次品导致的偶发性突变)，得到去噪后的连续曲线数据，如图4所示，理论上，如果模具中熔融体的流动是平衡的，去噪后的2个位置的连续曲线应该重合，即同一个周期2个位置之间的压力(或温度，或到达的时间，但必须是同一类型数据，即压力与压力比较、温度与温度比较，下同)差值为零，因此，对上面2个位置去噪后的压力(或温度，或到达的时间)连续曲线，将曲线上同一周期的值进行求差计算：

S

为了比较同一模具在不同批次下的平衡情况，将上面计算的差值与2个位置去噪后的压力(或温度，或到达的时间)平均值进行比较(百分比)，并放大100倍，得到模具平衡波动比(数值在-100至100之间)：

Wave＝(2S

将得到的模具平衡波动比Wave绘制成新的曲线，得到模具平衡波动曲线，如图5所示，针对上面举例模具的数据，计算2个压力传感器的连续曲线数据如下：

Sensor1:[707.232,680.416,706.373,692.045,688.386,……,669.94]

Sensor2:[768.341,763.27,770.891,772.711,758.628,……,738.723]

根据连续曲线数据绘制原始的连续曲线，如图6所示，对原始连续曲线进行去噪，得到去噪后的连续曲线，如图7所示，根据去噪后的连续曲线计算模具平衡波动曲线，其数值为：[-8.283,-11.478,-8.735,-11.014,-9.709,-10.011,-9.548,……,-9.266]

根据该数值绘制模具平衡性波动曲线，如图8所示。

计算模具平衡波动曲线的范围，得出模具平衡情况：

对模具平衡波动曲线，计算其范围，即平衡波动曲线上的最大值和最小值：Max(Wave)和Min(Wave)。

通过对100套模具在半年内的生产环境波动性分析，统计发现大部分(按80％计算)平衡模具的平衡波动曲线Max(Wave)和Min(Wave)在-14至12之间，因此，当模具平衡波动曲线Wave的Max(Wave)和Min(Wave)在-14至12之间，认为该模具的平衡性较好，反之则需要检查模具是否需要维修或保养，随着统计数据的增加，可随时优化模具平衡波动的范围数据。

针对上面举例的模具平衡波动性曲线，计算其最大值为-1.077，最小值为-12.061。由于模具平衡波动曲线在-14与12之间，因此，该模具的平衡性较好，可继续正常生产。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。