| Titre : |
Molded part quality prediction using machine learning : How much added value does cavity pressure sensor technology offer for the quality prediction in injection molding ? |
| Type de document : |
texte imprimé |
| Auteurs : |
Alexander Schulze Struchtrup, Auteur ; Dimitri Kvaktun, Auteur ; Reinhard Schiffers, Auteur |
| Année de publication : |
2020 |
| Article en page(s) : |
p. 22-25 |
| Langues : |
Anglais (eng) |
| Catégories : |
Apprentissage automatique L'apprentissage automatique (en anglais : machine learning, litt. "apprentissage machine"), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'"apprendre" à partir de données, c'est-à -dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes. (Wikipedia)
Matières plastiques -- Moulage par injection
Prévision technologique
Qualité -- Contrôle
|
| Index. décimale : |
668.4 Plastiques, vinyles |
| Résumé : |
The general aim of quality prediction is to derive statements about the resulting molded part quality based on process data. For injection molded parts, a high level of informative value is generally attributed to the cavity pressure curve. The question arises whether the quality prediction yields more precise results if, in addition to the process data from the machine’s internal sensors, the data from the mold sensor(s) are also included. |
| Note de contenu : |
- Fundamentals of molded part quality production
- Consistent data processing chain
- Themolded part is weighed and photographed after removal
- Central composite design
- Higher model grades for molded part weight
- Fig. 1 : Before the application of a model-based quality prediction, a learning phase is necessary, in which both process and quality data are provided
- Fig. 2 : The consistent data processing allows the automatic generation of quality models
- Fig. 3 : The mold to produce the plate specimen contains two cavity pressure sensors
- Fig. 4 : Very high model grades are possible when predicting the part weight. Only the quality prediction exclusively based on cavity pressure features yield slightly lower model qualities
- Fig. 5 : The model grades for the prediction of the part length are a bit lower than those for the weight prediction. Nevertheless, they show the same qualitative behavior |
| En ligne : |
https://drive.google.com/file/d/1wCRWPWglDqToebAa0IhWlEunJGE2eeX2/view?usp=drive [...] |
| Format de la ressource électronique : |
Pdf |
| Permalink : |
https://e-campus.itech.fr/pmb/opac_css/index.php?lvl=notice_display&id=34462 |
in KUNSTSTOFFE INTERNATIONAL > Vol. 110, N° 5 (2020) . - p. 22-25
Aller sur edunet
Accueil
Molded part quality prediction using machine learning in KUNSTSTOFFE INTERNATIONAL, Vol. 110, N° 5 (2020)
