CN111861124B - 适用于注塑机的可识别性能评估方法、***及存储介质 - Google Patents
适用于注塑机的可识别性能评估方法、***及存储介质 Download PDFInfo
- Publication number
- CN111861124B CN111861124B CN202010560145.2A CN202010560145A CN111861124B CN 111861124 B CN111861124 B CN 111861124B CN 202010560145 A CN202010560145 A CN 202010560145A CN 111861124 B CN111861124 B CN 111861124B
- Authority
- CN
- China
- Prior art keywords
- injection molding
- noise ratio
- signal
- molding machine
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001746 injection moulding Methods 0.000 title claims abstract description 184
- 238000011156 evaluation Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 230000007547 defect Effects 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 238000005520 cutting process Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000004927 fusion Effects 0.000 claims description 24
- 238000002347 injection Methods 0.000 claims description 14
- 239000007924 injection Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims description 4
- 230000032798 delamination Effects 0.000 claims description 4
- 229910052709 silver Inorganic materials 0.000 claims description 4
- 239000004332 silver Substances 0.000 claims description 4
- 238000005336 cracking Methods 0.000 claims description 3
- 238000003466 welding Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000003070 Statistical process control Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明涉及适用于注塑机的可识别性能评估方法、***及存储介质,包括以下,步骤101、获取本次测试的单种类型的注塑机加工的切削工件的注塑缺陷数据集;步骤102、计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的信噪比;步骤103、根据本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的信噪比,通过转换得到本次测试的注塑机的性能因子r;步骤104、多次重复上述步骤101至步骤103,得到需要进行性能比较的m种类型的注塑机对应的性能因子,的值越大代表注塑机的性能越好;本发明能够通过多次测试并进行性能因子的比对得到注塑机的性能评估,便于辅助注塑机的分析。本发明适用于数据分析领域。
Description
技术领域
本发明涉及人工智能领域,尤其涉及适用于注塑机的可识别性能评估方法、***及存储介质。
背景技术
性能评估是通过各项测试,对一个产品进行各项检测,并形成一份直观的文档,并对该产品评估。评估的一个目的是为该产品性能的优化提供参考,而性能优化涉及的面很广,也很复杂,而且永无止境。其中该产品可为注塑机。
一台质量可靠的注塑机是确保产品质量的首要条件,对于注塑机的性能评估,涉及到许多未知的注塑缺陷。这些注塑缺陷可能是由于注塑机工作时外部环境因素或模具***失效而产生的,这些不确定因素强烈影响注塑机在购买时必须达到评定标准时的性能。这些注塑缺陷通常可分为望大特性、望目特性和望小特性,具体通常包括注塑不满、溢边、缩水、熔接横、尺寸不稳定、翘曲、拉伤、气泡、龟裂、分层、不光泽、脱模困难、烧焦、银丝纹等。
在过去的注塑机性能评价中,大多数评估方法仅利用SPC(Statistical ProcessControl,统计制程控制)***来控制注塑机产品的注塑缺陷,评估注塑机的产品在对应注塑缺陷上是否达到目标值或在目标域内,以此来控制评估单个注塑机生产该产品的性能。不同注塑缺陷的定义不同,我们不能混淆产品的不同注塑缺陷的望大特性、望目特性和望小特性,因此我们可以将产品的不同注塑缺陷的测试结果分别进行比较,然后运用有效的技术研究方法对“单台机器”的评估报告进行分析,从而确定不同类型注塑机的优缺点,这种绩效评估应该更具说服力。然而单个注塑机的性能评估不符合行业对注塑机的采购要求标准,而且行业需要能够比较各种“单机”注塑机模型。所以重要的是,无论不同注塑产品是否用于不同类型的注塑机的性能评估,我们的方法都应该能够进行交互分析和比较。
因此,非常需要提供一种针对于注塑机的可识别性能评估方法,借以实现以上目的。
发明内容
本发明的目的是至少解决现有技术的不足之一,为此提供适用于注塑机的可识别性能评估方法。
为了实现上述目的,本发明采用以下的技术方案:
提出适用于注塑机的可识别性能评估方法,包括以下步骤:
步骤101、获取本次测试的单种类型的注塑机加工的切削工件的注塑缺陷数据集;
步骤102、计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>;
步骤103、根据层次分析法得到望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C,并计算得到所述融合信噪比;
步骤104、根据本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的融合信噪比,通过转换得到本次测试的注塑机的性能因子r;
步骤105、多次重复上述步骤101至步骤103,得到需要进行性能比较的m种类型的注塑机对应的性能因子,/>的值越大代表注塑机的性能越好;
其中i的取值范围为[1,n],n表示注塑缺陷总数目;j的取值范围为[1,m],m为进行测试的注塑机的种类。
进一步,上述步骤102中计算望大特性信噪比的方式具体通过以下公式获得:
;
计算望目特性信噪比的方式具体通过以下公式获得:
;
计算望小特性信噪比的方式具体通过以下公式获得:
;
其中,表示对第i个注塑缺陷单次测量计算的品质特性值;/>表示对第i个注塑缺陷多次测量计算的品质特性的平均值; n表示注塑缺陷总数目;/>表示品质特性的目标值;标准偏差,且/>。
进一步,上述步骤103中根据层次分析法得到望大特性信噪比、望目特性信噪比以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C的具体方式包括以下:
步骤201、选定6个专家,将6个所述专家依次编号为A1-A6,获取专家对各个评价指标、/>以及/>的相对重要程度的判断结果,建立判断矩阵,所述判断矩阵具体包括以下:
,/>,/>,/>,
,/>;
步骤202、将判断矩阵的每一列元素进行归一化处理,其元素的一般项为:
其中表示判断矩阵第i行,第j列的元素;
步骤203、将各列归一化后的判断矩阵进行按行相加的操作,并进行归一化处理得到判断矩阵的特征向量H,用以下式子表示:
步骤204、通过判断矩阵以及特征向量计算得到判断矩阵的最大特征根,其中/>表示向量/>的第i个元素,t取[1,6],At代表相应编号的判断矩阵;
步骤205、对所述判断矩阵进行一致性检验得到各个评价指标的指标权重A、B、C,CR=CI/RI,其中CI表示一致性指标,,RI表示随机一致性指标。
进一步,上述步骤104中融合信噪比与性能因子r之间的转换方式具体通过如下式子表示:
其中n表示注塑缺陷总数目,表示注塑机对注塑缺陷数据集中的第i个注塑缺陷的融合信噪比。
进一步,上述步骤101中的注塑缺陷数据集包括以下14种注塑缺陷,即n取14:
注塑不满、溢边、缩水、熔接横、尺寸不稳定、翘曲、拉伤、气泡、龟裂、分层、不光泽、脱模困难、烧焦、银丝纹。
本发明还提出适用于注塑机的可识别性能评估***,包括:
第一获取模块,用于获取本次测试的单种类型的注塑机加工的切削工件的注塑缺陷数据集;
第一计算模块,用于计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望大特性信噪比;
第二计算模块,用于计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望目特性信噪比;
第三计算模块,用于计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望小特性信噪比;
第四计算模块,用于根据层次分析法得到望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C;
第五计算模块,用于计算得到所述融合信噪比;
第一转换模块,用于根据本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的信噪比,通过转换得到本次测试的注塑机的性能因子r;
第二获取模块,用于多次重复上述步骤101至步骤103,得到需要进行性能比较的m种类型的注塑机对应的性能因子,/>的值越大代表注塑机的性能越好。
本发明还提出适用于注塑机的可识别性能评估设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现任一项所述的适用于注塑机的可识别性能评估方法的步骤。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述的适用于注塑机的可识别性能评估方法的步骤。
本发明的有益效果为:本发明通过提出适用于注塑机的可识别性能评估方法、***及存储介质,通过统计单次测试的单种类型的注塑机加工的切削工件的注塑缺陷数据集,并进行计算得到对注塑缺陷的望大特性信噪比、望目特性信噪比以及望小特性信噪比,接着计算得到融合信噪比,再进行融合信噪比与性能因子的转化,最后通过多次测试并进行性能因子的比对得到注塑机的性能评估,能够便于辅助注塑机的分析。
附图说明
图1所示为本发明适用于注塑机的可识别性能评估方法的流程图;
图2所示本发明适用于注塑机的可识别性能评估设备的结构示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
结合图1,提出适用于注塑机的可识别性能评估方法,包括以下步骤:
步骤101、获取本次测试的单种类型的注塑机加工的切削工件的注塑缺陷数据集;
步骤102、计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>;
步骤103、根据层次分析法得到望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C,并计算得到所述融合信噪比;
步骤104、根据本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的融合信噪比,通过转换得到本次测试的注塑机的性能因子r;
步骤105、多次重复上述步骤101至步骤103,得到需要进行性能比较的m种类型的注塑机对应的性能因子,/>的值越大代表注塑机的性能越好;
其中i的取值范围为[1,n],n表示注塑缺陷总数目;j的取值范围为[1,m],m为进行测试的注塑机的种类。
在本实施方式中,通过统计单次测试的单种类型的注塑机加工的切削工件的注塑缺陷数据集,并进行计算得到对注塑缺陷的望大特性信噪比、望目特性信噪比以及望小特性信噪比,接着计算得到融合信噪比,再进行融合信噪比与性能因子的转化,最后通过多次测试并进行性能因子的比对得到注塑机的性能评估,能够便于辅助注塑机的分析。
作为本发明的优选实施方式,上述步骤102中计算望大特性信噪比的方式具体通过以下公式获得:
;
计算望目特性信噪比的方式具体通过以下公式获得:
;
计算望小特性信噪比的方式具体通过以下公式获得:
;
其中,表示对第i个注塑缺陷单次测量计算的品质特性值;/>表示对第i个注塑缺陷多次测量计算的品质特性的平均值; n表示注塑缺陷总数目;/>表示品质特性的目标值;标准偏差,且/>。作为本发明的优选实施方式,上述步骤103中根据层次分析法得到望大特性信噪比/>、望目特性信噪比/>以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C的具体方式包括以下:
步骤201、选定6个专家,将6个所述专家依次编号为A1-A6,获取专家对各个评价指标、/>以及/>的相对重要程度的判断结果,建立判断矩阵,所述判断矩阵具体包括以下:
,/>,/>,/>,
,/>;
步骤202、将判断矩阵的每一列元素进行归一化处理,其元素的一般项为:
其中表示判断矩阵第i行,第j列的元素;
步骤203、将各列归一化后的判断矩阵进行按行相加的操作,并进行归一化处理得到判断矩阵的特征向量H,用以下式子表示:
步骤204、通过判断矩阵以及特征向量计算得到判断矩阵的最大特征根,其中/>表示向量/>的第i个元素,t取[1,6],At代表相应编号的判断矩阵;
步骤205、对所述判断矩阵进行一致性检验得到各个评价指标的指标权重A、B、C,CR=CI/RI,其中CI表示一致性指标,,RI表示随机一致性指标。
具体的,下表1表示平均随机一致性指标RI
表1
当CR<0.10时,表明所构造的判断矩阵满足一致性要求,否则对判断矩阵的值进行修正。
对于望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>这三项指标之间的重要程度,通过标度法确定量化值如下表2,
表2
最终通过计算得到望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C如下表3,
表3
作为本发明的优选实施方式,上述步骤104中融合信噪比与性能因子r之间的转换方式具体通过如下式子表示:
其中n表示注塑缺陷总数目,表示注塑机对注塑缺陷数据集中的第i个注塑缺陷的融合信噪比。采用如上方式进行融合信噪比/>对性能因子r转换,计算较为方便,转化相关性较高。
作为本发明的优选实施方式,上述步骤101中的注塑缺陷数据集包括以下14种注塑缺陷,即n取14:
注塑不满、溢边、缩水、熔接横、尺寸不稳定、翘曲、拉伤、气泡、龟裂、分层、不光泽、脱模困难、烧焦、银丝纹。
以上14个注塑缺陷数据基本为平常测试较为常用的数据,具有代表性。
本发明还提出适用于注塑机的可识别性能评估***,包括:
第一获取模块,用于获取本次测试的单种类型的注塑机加工的切削工件的注塑缺陷数据集;
第一计算模块,用于计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望大特性信噪比;
第二计算模块,用于计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望目特性信噪比;
第三计算模块,用于计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望小特性信噪比;
第四计算模块,用于根据层次分析法得到望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C;
第五计算模块,用于计算得到所述融合信噪比;
第一转换模块,用于根据本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的信噪比,通过转换得到本次测试的注塑机的性能因子r;
第二获取模块,用于多次重复上述步骤101至步骤103,得到需要进行性能比较的m种类型的注塑机对应的性能因子,/>的值越大代表注塑机的性能越好。
参照图2,本发明还提出适用于注塑机的可识别性能评估设备,包括:
存储器100,用于存储计算机程序;
处理器200,用于执行所述计算机程序时实现任一项所述的适用于注塑机的可识别性能评估方法的步骤。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述的适用于注塑机的可识别性能评估方法的步骤。
本申请所涉及的计算机可读存储介质包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
本申请实施例提供的适用于注塑机的可识别性能评估方法、设备及计算机可读存储介质中相关部分的说明请参见本申请实施例提供的适用于注塑机的可识别性能评估方法中对应部分的详细说明,在此不再赘述。另外,本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.适用于注塑机的可识别性能评估方法,其特征在于,包括以下步骤:
步骤101、获取本次测试的单种类型的注塑机加工的切削工件的注塑缺陷数据集;
步骤102、计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>;
步骤103、根据层次分析法得到望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C,并计算得到所述融合信噪比;
步骤104、根据本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的融合信噪比,通过转换得到本次测试的注塑机的性能因子r;
步骤105、多次重复上述步骤101至步骤103,得到需要进行性能比较的m种类型的注塑机对应的性能因子,/>的值越大代表注塑机的性能越好;
其中i的取值范围为[1,n],n表示注塑缺陷总数目;j的取值范围为[1,m],m为进行测试的注塑机的种类;
上述步骤102中计算望大特性信噪比的方式具体通过以下公式获得:
;
计算望目特性信噪比的方式具体通过以下公式获得:
;
计算望小特性信噪比的方式具体通过以下公式获得:
;
其中,表示对第i个注塑缺陷单次测量计算的品质特性值;/>表示对第i个注塑缺陷多次测量计算的品质特性的平均值;n表示注塑缺陷总数目;/>表示品质特性的目标值;/>标准偏差,且/>;
上述步骤103中根据层次分析法得到望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C的具体方式包括以下:
步骤201、选定6个专家,将6个所述专家依次编号为A1-A6,获取专家对各个评价指标、以及/>的相对重要程度的判断结果,建立判断矩阵,所述判断矩阵具体包括以下:
,/>,/>,/>,
,/>;
步骤202、将判断矩阵的每一列元素进行归一化处理,其元素的一般项为:
其中表示判断矩阵第i行,第j列的元素;
步骤203、将各列归一化后的判断矩阵进行按行相加的操作,并进行归一化处理得到判断矩阵的特征向量H,用以下式子表示:
步骤204、通过判断矩阵以及特征向量计算得到判断矩阵的最大特征根,其中/>表示向量/>的第i个元素,t取[1,6],At代表相应编号的判断矩阵;
步骤205、对所述判断矩阵进行一致性检验得到各个评价指标的指标权重A、B、C,CR=CI/RI,其中CI表示一致性指标,,RI表示随机一致性指标;
上述步骤104中融合信噪比与性能因子r之间的转换方式具体通过如下式子表示:
其中n表示注塑缺陷总数目,表示注塑机对注塑缺陷数据集中的第i个注塑缺陷的融合信噪比。
2.根据权利要求1所述的适用于注塑机的可识别性能评估方法,其特征在于,上述步骤101中的注塑缺陷数据集包括以下14种注塑缺陷,即n取14:
注塑不满、溢边、缩水、熔接横、尺寸不稳定、翘曲、拉伤、气泡、龟裂、分层、不光泽、脱模困难、烧焦、银丝纹。
3.适用于注塑机的可识别性能评估***,其特征在于,实现如权利要求1至2任一项所述的适用于注塑机的可识别性能评估方法,包括:
第一获取模块,用于获取本次测试的单种类型的注塑机加工的切削工件的注塑缺陷数据集;
第一计算模块,用于计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望大特性信噪比;
第二计算模块,用于计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望目特性信噪比;
第三计算模块,用于计算本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的望小特性信噪比;
第四计算模块,用于根据层次分析法得到望大特性信噪比、望目特性信噪比/>以及望小特性信噪比/>分别对融合信噪比/>的权重A、B、C;
第五计算模块,用于计算得到所述融合信噪比;
第一转换模块,用于根据本次测试的注塑机对注塑缺陷数据集中的第i个注塑缺陷的信噪比,通过转换得到本次测试的注塑机的性能因子r;
第二获取模块,用于多次重复上述步骤101至步骤103,得到需要进行性能比较的m种类型的注塑机对应的性能因子,/>的值越大代表注塑机的性能越好。
4.适用于注塑机的可识别性能评估设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1-2任一项所述的适用于注塑机的可识别性能评估方法的步骤。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-2任一项所述的适用于注塑机的可识别性能评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010560145.2A CN111861124B (zh) | 2020-06-18 | 2020-06-18 | 适用于注塑机的可识别性能评估方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010560145.2A CN111861124B (zh) | 2020-06-18 | 2020-06-18 | 适用于注塑机的可识别性能评估方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861124A CN111861124A (zh) | 2020-10-30 |
CN111861124B true CN111861124B (zh) | 2023-07-25 |
Family
ID=72986206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010560145.2A Active CN111861124B (zh) | 2020-06-18 | 2020-06-18 | 适用于注塑机的可识别性能评估方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861124B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117312879B (zh) * | 2023-11-09 | 2024-06-25 | 正川(珠海)科技有限公司 | 一种注塑机生产数据监督预警方法、***及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6074661A (en) * | 1997-08-11 | 2000-06-13 | Allergan Sales, Inc. | Sterile bioerodible occular implant device with a retinoid for improved biocompatability |
CN105308110A (zh) * | 2013-06-05 | 2016-02-03 | 索尔维特殊聚合物美国有限责任公司 | 用于移动电子装置的填充聚合物组合物 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7771742B2 (en) * | 2004-04-30 | 2010-08-10 | Allergan, Inc. | Sustained release intraocular implants containing tyrosine kinase inhibitors and related methods |
-
2020
- 2020-06-18 CN CN202010560145.2A patent/CN111861124B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6074661A (en) * | 1997-08-11 | 2000-06-13 | Allergan Sales, Inc. | Sterile bioerodible occular implant device with a retinoid for improved biocompatability |
CN105308110A (zh) * | 2013-06-05 | 2016-02-03 | 索尔维特殊聚合物美国有限责任公司 | 用于移动电子装置的填充聚合物组合物 |
Non-Patent Citations (3)
Title |
---|
"Comparative investigation on the mechanical properties of wood plastic composites made of virgin and recycled plastics";Kiaeifar, A;《World Applied Sciences Journal》;第14卷(第5期);第735-738页 * |
"解决应用气体辅助注射成型技术产生的缺陷问题";张文华 等;《模具工业》;第40卷(第12期);第57-59页 * |
"选区激光熔化铜合金纳米力学性能实验研究";易力力 等;《四川大学学报(自然科学版)》;第56卷(第04期);第689-694页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111861124A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110687072B (zh) | 一种基于光谱相似度的校正集和验证集的选择及建模方法 | |
CN107562696B (zh) | 轮胎产品质量在线检测与控制方法 | |
CN111222095B (zh) | 一种大坝变形监测中的粗差判别方法、装置及*** | |
CN104700368B (zh) | 基于核函数的数字图像相关方法的位移场自适应平滑方法 | |
CN111861124B (zh) | 适用于注塑机的可识别性能评估方法、***及存储介质 | |
CN109584225B (zh) | 一种基于自编码器的无监督缺陷检测方法 | |
CN111931983A (zh) | 一种降水量预测方法及*** | |
CN109034483A (zh) | 一种基于质量功能配置的检测规划方法 | |
WO2023108514A1 (zh) | 茶叶近红外光谱分析中谱峰自动检测与重构方法及*** | |
CN110705856A (zh) | 基于层次分析法的核电设备锻件材料制造质量评估方法 | |
CN113761755B (zh) | 考虑认知不确定性的温湿度双应力下的加速寿命分析方法 | |
CN109222220B (zh) | 用于评测烟支卷制质量指数的方法和*** | |
CN115187049A (zh) | 一种卷烟燃烧质量指标重要性评价综合分析方法 | |
CN110987866A (zh) | 一种汽油性质评价方法及装置 | |
CN116883393B (zh) | 一种基于无锚框目标检测算法的金属表面缺陷检测方法 | |
CN114441469B (zh) | 水分仪的校准方法、装置和计算机设备 | |
CN107067034B (zh) | 一种快速识别红外光谱数据分类的方法及*** | |
CN114387545A (zh) | 基于前馈网络的角膜生物力学特性的智能检测方法 | |
CN113361209B (zh) | 一种高温合金表面缺陷磁异常定量分析方法 | |
CN112966449B (zh) | 基于变量选择和概率神经网络的制造过程质量缺陷根源诊断方法 | |
CN115985411A (zh) | 基于高斯过程回归模型的高分子熔融指数软测量方法 | |
JP7281708B2 (ja) | 不良品の発生に寄与する装置特定のための製造条件計算装置、製造条件計算方法及び製造条件計算プログラム | |
CN113780852A (zh) | 一种板带轧制过程质量缺陷的诊断方法 | |
CN109409424B (zh) | 一种外观缺陷检测模型建模方法和装置 | |
JP2022013285A (ja) | 機械学習方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |