數(shù)據(jù)驅(qū)動(dòng)下汽車注塑零部件的質(zhì)量控制研究

王曉丹 汪惠芬 柳林燕

摘要：由于注塑行業(yè)成型系統(tǒng)較為復(fù)雜并且對(duì)環(huán)境較為敏感，注塑成型加工過程中的不穩(wěn)定因素很容易導(dǎo)致產(chǎn)品不良的發(fā)生，造成經(jīng)濟(jì)損失。由于過程的復(fù)雜性，不可預(yù)見的干擾，設(shè)備故障以及原料成分的變化，一批批次中止時(shí)的產(chǎn)品質(zhì)量可能與規(guī)格相差甚遠(yuǎn)，所以對(duì)注塑成型大數(shù)據(jù)進(jìn)行分析，來感知這些不可見的干擾因素，然后通過分析建模解決甚至避免現(xiàn)場痛點(diǎn)問題。制造業(yè)一直面臨著幾個(gè)挑戰(zhàn)，包括可持續(xù)性、性能和生產(chǎn)質(zhì)量。制造商試圖通過在制造過程層面融合物聯(lián)網(wǎng)（IoT）和ICT（信息與通信技術(shù)），通過實(shí)施CPS（信息物理系統(tǒng)）來提高企業(yè)的競爭力。而CPS平臺(tái)（或者說智能工廠）是根據(jù)制造企業(yè)的特點(diǎn)，由不同類型的數(shù)據(jù)采集/處理方法、決策規(guī)則和功能組成。本文根據(jù)注塑工藝的特點(diǎn)、構(gòu)成框架的模塊及其具體功能，提出了一種基于實(shí)時(shí)制造數(shù)據(jù)的智能注塑系統(tǒng)框架。希望本文能作為指導(dǎo)，提高注塑行業(yè)的市場競爭力，支持智能工廠的建設(shè)，為工業(yè)4.0做準(zhǔn)備。

Abstract： Because the molding system of injection molding industry is more complex and sensitive to the environment， the unstable factors in the process of injection molding are easy to lead to the occurrence of defective products and economic losses.Unforeseen interference， because of the complexity of the process， equipment failure and the change of raw material composition， a number of batches to suspend the quality of the products may far and specification， so the analysis of injection molding large data， to perceive these invisible interference factors， and then through the analysis of modeling to solve the problem even pain points on site.The manufacturing sector has been facing several challenges， including sustainability， performance and production quality.Manufacturers are trying to improve their competitiveness by integrating the Internet of Things （IoT） and ICT（Information and Communication Technology） at the manufacturing process level， and by implementing CPS（Information Physical System）.The CPS platform （or smart factory） is composed of different types of data acquisition/processing methods， decision rules and functions according to the characteristics of the manufacturing enterprise.In this paper， an intelligent injection molding system framework based on real-time manufacturing data is proposed according to the characteristics of injection molding process， the modules that constitute the framework and their specific functions.It is hoped that this paper can serve as a guide to improve the market competitiveness of the injection molding industry， support the construction of intelligent factories and prepare for Industry 4.0.

關(guān)鍵詞：注塑產(chǎn)品;質(zhì)量控制;智能注塑系統(tǒng);人工神經(jīng)網(wǎng)絡(luò);數(shù)據(jù)驅(qū)動(dòng)

Key words： automobile injection molding;quality control;smart factory;artificial neural network;data-driven

中圖分類號(hào)：U471.14? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-957X（2021）14-0173-04

1? 簡介

隨品質(zhì)控制的新時(shí)代，“零缺陷”是各行各業(yè)所追求的終極目標(biāo)，強(qiáng)調(diào)“第一時(shí)間把事做對(duì)”的零缺陷制造（ZDM）已成為制造業(yè)目前正在面對(duì)且想要克服的最大挑戰(zhàn)之一。

不同于互聯(lián)網(wǎng)行業(yè)在跟隨移動(dòng)、社交、電商互聯(lián)的浪潮進(jìn)行了一系列的數(shù)據(jù)挖掘和分析探索，大量的工業(yè)企業(yè)日積月累的過程數(shù)據(jù)、監(jiān)測數(shù)據(jù)還有質(zhì)檢數(shù)據(jù)并沒有充分地得到利用和探索，這些未被充分發(fā)掘的數(shù)據(jù)價(jià)值對(duì)于工業(yè)企業(yè)來說是一筆潛在的財(cái)富[1]。為了在降低生產(chǎn)成本的同時(shí)提高競爭力，汽車等制造企業(yè)正在努力提高其工藝的靈活性或創(chuàng)新其生產(chǎn)方法。為了實(shí)現(xiàn)這一目標(biāo)，汽車等制造企業(yè)引入新技術(shù)或通過整合尚未廣泛應(yīng)用的技術(shù)來創(chuàng)新傳統(tǒng)的生產(chǎn)方法。

汽車行業(yè)中多數(shù)的產(chǎn)品都是通過注塑成型制造的，它們?cè)诔叽纭?fù)雜性和應(yīng)用上都有很大的差異。注塑工藝有兩個(gè)最常見的問題。第一個(gè)問題是在考慮各種工藝變量的情況下，推導(dǎo)初始注塑機(jī)設(shè)置的最優(yōu)工藝參數(shù)，以實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)后的有效制造。為了得到最優(yōu)工藝變量，需要不斷地以試錯(cuò)的方式調(diào)整工藝參數(shù)，這造成了相當(dāng)大的損失。第二個(gè)問題是在注塑成型過程中，特別是在制造過程中出現(xiàn)缺陷時(shí)，初始工藝參數(shù)的值難以改變。目前還沒有改善這一困境的方法，對(duì)設(shè)備故障和突發(fā)生產(chǎn)問題的應(yīng)對(duì)具有挑戰(zhàn)性。

智能工廠是使用物聯(lián)網(wǎng)通過CPS實(shí)現(xiàn)超連接環(huán)境的制造系統(tǒng)。然而，它是由不同的組織和研究者在不同的框架形式中提出的。在工業(yè)4.0中定義的構(gòu)建智能工廠的基本要素是互操作性、虛擬化、去中心化、實(shí)時(shí)能力、面向服務(wù)和模塊化[2]。

幾位研究人員提出并描述了符合設(shè)計(jì)原則的智能工廠的新概念框架。Yoon等人[3]提出了基于泛在計(jì)算技術(shù)的產(chǎn)品設(shè)計(jì)、制造過程和產(chǎn)品回收的泛在工廠框架來解決實(shí)際制造現(xiàn)場的不準(zhǔn)確性。Hadar等人[4]引入了可重構(gòu)智能工廠的概念，可以通過分布式供應(yīng)鏈管理（SCM）來管理全球供應(yīng)鏈，定義構(gòu)成框架的功能。Wang[5]等人提出了一個(gè)簡短的框架，將工業(yè)無線網(wǎng)絡(luò)、云、固定或移動(dòng)終端與智能工件（如機(jī)器、產(chǎn)品和傳送帶）相結(jié)合。Hameed等人[6]提出了一種概率序列檢測算法，該算法將概率分配給RFID設(shè)備檢測到的物體，并對(duì)生產(chǎn)線上物體的實(shí)時(shí)序列提供概率保證。本研究提出一個(gè)基于實(shí)時(shí)數(shù)據(jù)的智能生產(chǎn)系統(tǒng)框架，以提高制造柔性，并提出了具體的功能和技術(shù)要求。有望為注塑模具智能工廠的建立提供助力，為制造業(yè)創(chuàng)新向第四次工業(yè)革命提供指導(dǎo)意見。

2? 智能注塑系統(tǒng)

2.1 注塑系統(tǒng)

注塑成型是塑料制品制造中應(yīng)用最廣泛的基本工藝。它非常適合大批量生產(chǎn)需要精確公差的復(fù)雜形狀的塑料零件。在這一過程中，熱聚合物熔體被強(qiáng)制進(jìn)入一個(gè)所需形狀的冷空腔，然后允許在高保持壓力下凝固。

為了完善注塑系統(tǒng)，各研究人員進(jìn)行了注塑工藝創(chuàng)新和分析。其中有代表性的研究者是Tuncay和Hasan的[7]。他們根據(jù)注塑產(chǎn)品的特點(diǎn)，采用神經(jīng)網(wǎng)絡(luò)、田口法和元啟發(fā)式方法對(duì)注塑產(chǎn)品的質(zhì)量和工藝問題進(jìn)行了研究。此外，針對(duì)注塑模缺陷（可塑性、外觀缺陷、變形、翹曲）等主要特征，推導(dǎo)了注塑機(jī)控制參數(shù)，并提出了最優(yōu)參數(shù)[8]的推導(dǎo)方法。Lu和Khim[9]研究了注射成型條件對(duì)聚碳酸酯透鏡表面輪廓的影響。為了系統(tǒng)地分析齲蝕工藝參數(shù)對(duì)透鏡輪廓的影響，采用統(tǒng)計(jì)學(xué)方法進(jìn)行了實(shí)驗(yàn)。Sadeghi[10]提出了一種基于關(guān)鍵工藝變量和材料等級(jí)變化的神經(jīng)網(wǎng)絡(luò)模型，用于預(yù)測注塑件的質(zhì)量或完好性。Nam[11]分析了模具內(nèi)部的溫度和壓力數(shù)據(jù)，并利用K-fold交叉驗(yàn)證方法控制工藝變量來優(yōu)化質(zhì)量。Gao[12]在實(shí)驗(yàn)和仿真的基礎(chǔ)上，提出了一種利用初始模具、熔體溫度和充填壓力值，利用支持向量回歸法對(duì)在線生產(chǎn)的產(chǎn)品質(zhì)量進(jìn)行監(jiān)控的方法。上述研究的重點(diǎn)是利用歷史數(shù)據(jù)減少缺陷。然而，我們?cè)噲D對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行分析，并實(shí)時(shí)控制加工參數(shù)?，F(xiàn)有的研究主要集中在產(chǎn)品設(shè)計(jì)后的最優(yōu)工藝參數(shù)設(shè)置上。結(jié)合多種統(tǒng)計(jì)技術(shù)和軟計(jì)算方法，針對(duì)產(chǎn)品和生產(chǎn)特點(diǎn)進(jìn)行初始參數(shù)優(yōu)化研究。利用智能工廠的技術(shù)因素和設(shè)計(jì)原則來研究制造領(lǐng)域和車間的優(yōu)化是非常必要的。

2.2 智能注塑系統(tǒng)的框架和功能

我們提出了該系統(tǒng)的系統(tǒng)框架，包括構(gòu)成該框架的功能，以及各功能對(duì)注塑過程進(jìn)行數(shù)據(jù)分析、決策和控制的數(shù)據(jù)流，是一種基于實(shí)時(shí)數(shù)據(jù)的智能注塑系統(tǒng)。

所提出的智能注塑模具系統(tǒng)框架如圖1所示。該系統(tǒng)能自學(xué)專業(yè)知識(shí)，了解產(chǎn)品質(zhì)量的特點(diǎn)，并搜索最優(yōu)初始參數(shù)設(shè)置。此外，該系統(tǒng)可以在生產(chǎn)過程中利用實(shí)時(shí)數(shù)據(jù)對(duì)工藝參數(shù)進(jìn)行控制，防止出現(xiàn)缺陷。本研究提出的框架靈感來自智能工廠的六個(gè)設(shè)計(jì)原則?；ゲ僮餍?、虛擬化、實(shí)時(shí)性等六大設(shè)計(jì)原則適用于各個(gè)模塊或功能。例如，將互操作性應(yīng)用于功能模塊之間的通信，將虛擬化應(yīng)用于數(shù)字化工廠模型。

該框架分為計(jì)劃層、執(zhí)行層和控制層三層。本文對(duì)注塑模具系統(tǒng)的執(zhí)行層和控制層進(jìn)行了詳細(xì)的定義和分析。

計(jì)劃層是指在制造系統(tǒng)層，與企業(yè)資源計(jì)劃（ERP）和制造資源計(jì)劃（MRP2）在同一層的系統(tǒng)和功能。計(jì)劃層具有生產(chǎn)計(jì)劃、業(yè)務(wù)和服務(wù)戰(zhàn)略管理以及長期產(chǎn)品生產(chǎn)的物流管理等功能。智能工廠在制造階段需要服務(wù)互聯(lián)網(wǎng)（IoS），它應(yīng)該由計(jì)劃層管理，因?yàn)樗鼞?yīng)該可以共享從生產(chǎn)到發(fā)貨完成的數(shù)據(jù)。

執(zhí)行層是智能注塑模具系統(tǒng)中起著最重要作用的功能模塊。這一層是制造支持系統(tǒng)的層次結(jié)構(gòu)中實(shí)現(xiàn)智能注塑模具系統(tǒng)的重要功能模塊。這包括一個(gè)數(shù)字化工廠模型、一個(gè)異常預(yù)測、一個(gè)過程分析、一個(gè)全球決策者、一個(gè)機(jī)器學(xué)習(xí)管理器、一個(gè)知識(shí)管理功能、一個(gè)知識(shí)管理器、一個(gè)數(shù)據(jù)管理器、一個(gè)知識(shí)庫和一個(gè)數(shù)據(jù)庫。

數(shù)字化工廠模型是存儲(chǔ)在服務(wù)器中的仿真模型，是指產(chǎn)品成型分析模型和過程模型。該模型同步了基于該領(lǐng)域中實(shí)際生成的數(shù)據(jù)實(shí)際生成的流程和產(chǎn)品。計(jì)劃階段采用基于仿真的計(jì)劃調(diào)度方法，將實(shí)際生產(chǎn)計(jì)劃集成到虛擬工廠模型中。全局決策還可以用于主動(dòng)識(shí)別決策可能導(dǎo)致的問題。異常預(yù)測是基于統(tǒng)計(jì)技術(shù)（方差分析、田口法等）對(duì)參考數(shù)據(jù)進(jìn)行分析的函數(shù)。它是智能工廠的主要功能之一，因?yàn)樗軌蚋鶕?jù)參考數(shù)據(jù)提出指導(dǎo)方針，預(yù)測和準(zhǔn)備未來的問題。過程分析模型采用瓶頸理論分析瓶頸和過程性能提高過程效率。允許通過虛擬工廠模型進(jìn)行驗(yàn)證，并支持全局決策者。全局決策者決定整個(gè)系統(tǒng)的優(yōu)先級(jí)、優(yōu)化進(jìn)度和過程，并從質(zhì)量和生產(chǎn)的角度得出全局最優(yōu)解決方案，在注塑模具智能系統(tǒng)中起著核心作用。機(jī)器學(xué)習(xí)管理器根據(jù)參考數(shù)據(jù)更新全局決策，使決策模型更加智能。該函數(shù)從獲取的數(shù)據(jù)中提取特征并應(yīng)用到?jīng)Q策模型中。

知識(shí)管理器。將從數(shù)據(jù)中提取的技術(shù)知識(shí)保存起來，并在生產(chǎn)過程中通過自然語言將技術(shù)知識(shí)傳遞到注塑機(jī)中。數(shù)據(jù)管理器以傳統(tǒng)的方式管理數(shù)據(jù)庫?？刂茖优c制造支持系統(tǒng)中的監(jiān)控控制和數(shù)據(jù)采集是同一層。該層存在于實(shí)際運(yùn)行現(xiàn)場，包含數(shù)據(jù)采集的功能模塊?？刂茖佑筛兄O(shè)備、自然語言處理器、本地決策者和機(jī)對(duì)機(jī)通信器組成。

傳感裝置。包括注塑機(jī)自身產(chǎn)生的控制日志數(shù)據(jù)（如熔化溫度、擠出溫度），并從機(jī)器（視覺、溫度、標(biāo)簽）獲得實(shí)際的控制參數(shù)和輸出變量。通過協(xié)議同步和決策，自然語言處理器將控制信號(hào)發(fā)送給實(shí)際設(shè)施。本地決策者根據(jù)全球決策的優(yōu)先級(jí)對(duì)全球決策者做出快速反應(yīng)、處理安全等具體問題。通信功能有助于決策，以防發(fā)生意外事件通過與其他成型機(jī)通信發(fā)生。

3? 數(shù)據(jù)交換模型

智能注塑系統(tǒng)的主要功能被定義為決策、過程控制和分析。決策功能的數(shù)據(jù)流如圖2所示。決策功能由本地和全球決策者執(zhí)行。數(shù)據(jù)管理器、機(jī)器學(xué)習(xí)管理器和通信器支持這些功能順利執(zhí)行。

第一個(gè)功能是決策，由模具內(nèi)嵌傳感器和注塑系統(tǒng)頂出點(diǎn)可視傳感器組成的傳感器系統(tǒng)系統(tǒng)地提取注塑過程產(chǎn)生的實(shí)時(shí)數(shù)據(jù)。該系統(tǒng)提取設(shè)備和質(zhì)量數(shù)據(jù)，并在生產(chǎn)周期內(nèi)完成數(shù)據(jù)交換，然后數(shù)據(jù)管理器對(duì)存儲(chǔ)在數(shù)據(jù)庫中的標(biāo)準(zhǔn)數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理，將學(xué)習(xí)數(shù)據(jù)傳輸給機(jī)器學(xué)習(xí)管理器，用于更新決策者的決策模型。同時(shí)，實(shí)時(shí)更新數(shù)據(jù)，便于建立決策約束條件。如果全局決策者選擇優(yōu)先級(jí)和約束條件，則約束條件由全局決策者轉(zhuǎn)移到局部決策者。利用支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的元啟發(fā)法來實(shí)現(xiàn)局部決策。本地決策者必須嵌入到每臺(tái)注塑機(jī)中。為了得到全局最優(yōu)解，最好使用人工神經(jīng)網(wǎng)絡(luò)、元啟發(fā)式和考慮不確定性的大數(shù)據(jù)分析。

第二個(gè)功能是過程控制。過程控制的主要功能是自然語言處理，如圖3所示。為了利用全局最優(yōu)解導(dǎo)出的工藝參數(shù)（熔化溫度、注射壓力、取出時(shí)間等）來控制注塑機(jī)，必須按照同步協(xié)議發(fā)送注塑機(jī)的控制信號(hào)。一個(gè)智能工廠可以連接到各種通信設(shè)備和制造設(shè)施。

這將導(dǎo)致聯(lián)網(wǎng)機(jī)器之間的通信協(xié)議問題。設(shè)備間通信協(xié)議和信號(hào)的標(biāo)準(zhǔn)化是一個(gè)重要的問題。在建立標(biāo)準(zhǔn)化的控制和通信協(xié)議之前，有一個(gè)自然語言處理器是必要的，它可以通過分析不同的數(shù)據(jù)和控制日志來控制設(shè)備。它通過參考知識(shí)管理者所存儲(chǔ)和管理的知識(shí)來幫助控制實(shí)際過程，然后再做出決策。最后一個(gè)主要功能是分析（圖4）。分析功能包括數(shù)字化工廠模型、異常預(yù)測、過程分析和全球決策。首先，基于實(shí)時(shí)數(shù)據(jù)更新和同步數(shù)字化工廠模型（產(chǎn)品和過程模型）。采用同步工廠模型對(duì)異常預(yù)測器和過程分析器的分析結(jié)果進(jìn)行驗(yàn)證。異常預(yù)測器是一種在質(zhì)量或工藝問題出現(xiàn)之前給出警告的統(tǒng)計(jì)預(yù)測技術(shù)。該功能不僅具有異常癥狀預(yù)測功能，而且具有對(duì)比場景。通過虛擬工廠模型對(duì)相應(yīng)場景的選擇進(jìn)行驗(yàn)證，并將結(jié)果傳遞給全局決策者。

流程分析器是一種利用排隊(duì)論識(shí)別流程瓶頸的功能。通過虛擬工廠模型進(jìn)行驗(yàn)證，驗(yàn)證方式與預(yù)測的異?，F(xiàn)象相同。

4? 結(jié)論

在本研究中，我們定義了注塑模具工藝智能分解的系統(tǒng)框架、功能和數(shù)據(jù)流，為工業(yè)4.0做準(zhǔn)備。本研究提出的框架展示了一個(gè)智能工廠的結(jié)構(gòu)特征，可以導(dǎo)出局部或全局最優(yōu)解決方案的注射成型系統(tǒng)，可用于預(yù)測未來的異常癥狀。為了拓展本研究，應(yīng)根據(jù)最新文獻(xiàn)對(duì)實(shí)施方法進(jìn)行深入分析。然而，本研究還處于系統(tǒng)設(shè)計(jì)的初始階段，具體的實(shí)現(xiàn)方法還在研究之中。在此研究的基礎(chǔ)上，需要明確功能模塊以實(shí)現(xiàn)系統(tǒng)的目的，并研究功能模塊的輸入輸出數(shù)據(jù)和數(shù)據(jù)處理的優(yōu)化技術(shù)。具體階段主要是根據(jù)所采集的數(shù)據(jù)求全局最優(yōu)解和局部最優(yōu)解。該系統(tǒng)有望減少傳統(tǒng)注塑機(jī)無法控制的缺陷，防止注塑機(jī)故障。

參考文獻(xiàn)：

[1]W. MacDougall， Industrie 4.0： Smart Manufacturing for the Future， Germany Trade & Invest， 2014.

[2]M. Hermann， T. Pentek， B ， Otto， Design Principles for Industrie 4.0 Scenarios. In System Sciences （HICSS）， 2016 49th Hawaii International Conference on . IEEE. （2016） 3928-3937.

[3]J. Yoon， S. Shin， S. Suh， a Conceptual Framework for the Ubiquitous Factory， International Journal of Production Research. 50（8） （2012） 2174-2189.

[4]R. Hadar， A. Bilberg， Manufacturing Concepts of the Future upcoming Technologies Solving Upcoming Challenges. In Enabling Manufacturing Competitiveness and Economic Sustainability， Springer Berlin Heidelberg. （2012） 123-128.

[5]S. Wang， J. Wan， D. Li， C. Zhang， Implementing Smart Factory of Industrie 4.0： an Outlook. International Journal of Distributed Sensor Networks. 2016.

[6]B. Hameed， I. Khan， F. Dürr， K. Rothermel， An RFID based Consistency Management Framework for Production Monitoring in a Smart Real-time Factory， In Internet of Things （IOT）. （2010） 1-8.

[7]T. Erzurumlu， H. Oktem， Comparison of Response Surface Model with Neural Network in Determining the Surface Quality of Moulded Parts， Materials & Design. 28（2） （2007） 459-465.

[8]B. Ozcelik， T. Erzurumlu， Comparison of the Warpage Optimization in the Plastic Injection Molding using ANOVA， Neural Network Model and Genetic Algorithm， Journal of Materials Processing Technology. 171（3） （2006） 437-445.

[9]X. Lu， L.Khim， a Statistical Experimental Study of the Injection Molding of Optical Lenses， Journal of Materials Processing Technology. 113（1） （2001） 189-195.

[10]S. Pattnaik， D. Karunakar， P. Jha， Application of Computer Simulation for Finding Optimum Gate Location in Plastic Injection Moulding Process， International Journal of Advanced Engineering Research and Studies 1. （2012） 159-161.

[11]J. Nam， Injection-moulded Lens form Error Prediction using Cavity Pressure and Temperature Signals based on K-fold Cross Validation， Proceedings of the Institution of Mechanical Engineers， Part B： Journal of Engineering Manufacture. （2016） 0954405416654421.

[12]R.X. Gao， Online Product Quality Monitoring through In-process Measurement， CIRP Annals-Manufacturing Technology. 63（1） （2014） 493-496.