CN112434391B - 一种基于注塑件相似度比较推荐工艺参数的方法 - Google Patents
一种基于注塑件相似度比较推荐工艺参数的方法 Download PDFInfo
- Publication number
- CN112434391B CN112434391B CN202011434724.9A CN202011434724A CN112434391B CN 112434391 B CN112434391 B CN 112434391B CN 202011434724 A CN202011434724 A CN 202011434724A CN 112434391 B CN112434391 B CN 112434391B
- Authority
- CN
- China
- Prior art keywords
- injection molding
- historical
- parts
- new
- historical injection
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/22—Moulding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明公开了一种基于注塑件相似度比较推荐工艺参数的方法,包括:获取注塑件的物料清单及历史工艺参数集合;进行注塑件待比较维度的初步影响权重排序;根据排序进行历史注塑件与新注塑件的多维度的相似度比较;从历史注塑件集合中筛选与新注塑件最相似的若干最近似的历史注塑件,并计算作为推荐结果的新注塑件的工艺参数集合。本发明的方法可实现基于注塑件本身的各项特性,多维度比较注塑件之间的相似度,利用专家***的历史数据,对未生产过的新注塑件进行工艺参数设置推荐。
Description
技术领域
本发明涉及工艺参数推荐技术领域,特别涉及一种基于注塑件相似度比较推荐工艺参数的方法。
背景技术
注塑工厂在生产新的注塑件时,工艺参数设置的主要方法是在较为通用的参数基础上进行试模。试模过程一般采用试错法,即根据工艺人员的生产经验不断进行参数尝试,根据每次尝试产出的注塑件缺陷再进行工艺调整,直至产出合格品。试模过程严重依赖于工艺人员的经验水平,且初始的工艺参数与实际偏差无法确定,难以准确设置,常常出现调整方向选择错误,需重新设定工艺参数的情况。
发明内容
本发明的目的是克服上述背景技术中不足,提供一种基于注塑件相似度比较推荐工艺参数的方法,实现基于注塑件本身的各项特性,多维度比较注塑件之间的相似度,利用专家***的历史数据,对未生产过的新注塑件进行工艺参数设置推荐。
为了达到上述的技术效果,本发明采取以下技术方案:
一种基于注塑件相似度比较推荐工艺参数的方法,包括:
获取注塑件的物料清单,所述注塑件包括历史注塑件及新注塑件;
获取已有的专家***的历史工艺参数集合;
根据采集到的注塑件的物料清单的信息,进行注塑件待比较维度的初步影响权重排序;
根据排序进行历史注塑件与新注塑件的多维度的相似度比较;
从历史注塑件集合中筛选与新注塑件最相似的若干最近似的历史注塑件,并根据最近似的历史注塑件的工艺参数集合计算作为推荐结果的新注塑件的工艺参数集合。
进一步地,所述物料清单中包含以下信息:零件名称、本料代码、母料代码、零件克重、零件浇口数量、零件尺寸信息、零件壁厚信息。
进一步地,所述注塑件待比较维度的初步影响权重排序结果为:本料代码>零件克重>零件尺寸信息>零件名称及装配体>母料代码>零件壁厚信息>零件浇口数量或每模件数。
进一步地,所述根据排序进行历史注塑件与新注塑件的多维度的相似度比较具体包括:
S1.本料代码一致性比较;代码完全一致则本料相同,得到与新注塑件的本料代码相同的历史注塑件集合M1;
S2.零件克重比较;根据新注塑件的零件克重划定可用零件克重范围在历史注塑件集合M1中筛选得到历史注塑件集合M2;
S3.零件尺寸信息比较;根据新注塑件的零件尺寸划定可用零件尺寸范围在历史注塑件集合M2中筛选得到历史注塑件集合M3;
S4.零件名称及装配体比较;按形容的要素提取名称中的关键字,在历史注塑件集合M3进行模糊查找、筛选名称及装配体相似的历史注塑件集合M4;
S5.母料颜色与母料代码一致性比较;在历史注塑件集合M4中筛选与新注塑件的母料代码相同或母料颜色相同的历史注塑件,得到历史注塑件集合M5;
S6.零件壁厚信息比较;根据新注塑件的零件壁厚划定可用零件壁厚范围在历史注塑件集合M5中筛选得到历史注塑件集合M6;
S7.零件浇口数量或每模件数比较;在历史注塑件集合M6中筛选与新注塑件的零件浇口数量或每模件数相同的历史注塑件,得到历史注塑件集合M7。
进一步地,所述步骤S2中可用零件克重范围为新注塑件的零件克重的80%~120%;或所述步骤S3中可用零件尺寸范围为新注塑件的零件尺寸的80%~120%;或所述步骤S6中可用零件壁厚范围为新注塑件的零件壁厚的80%~120%。
进一步地,若历史注塑件集合M7中包含的历史注塑件数量小于最低样本阈值,则依次按下述步骤调整筛选条件:
S8.扩大步骤S2中的可用零件克重范围,并重复步骤S2至步骤S7;
S9.若经步骤S8的调整后得到的历史注塑件集合M7中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S8的基础上,扩大步骤S3中的可用零件尺寸范围,并重复步骤S2至步骤S7;
S10.若经步骤S9的调整后得到的历史注塑件集合M7中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S9的基础上,删除步骤S7,重复步骤S2至步骤S6;
S11.若经步骤S10的调整后得到的历史注塑件集合M6中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S10的基础上,删除步骤S6,重复步骤S2至步骤S5;
S12.若经步骤S11的调整后得到的历史注塑件集合M5中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S11的基础上,删除步骤S5,重复步骤S2至步骤S4。
进一步地,若历史注塑件集合M7中包含的历史注塑件数量大于最大样本阈值,则依次按下述步骤调整筛选条件:
S8’.减小步骤S2中的可用零件克重范围,并重复步骤S2至步骤S7;
S9’.若经步骤S8’的调整后得到的历史注塑件集合M7中包含的历史注塑件数量仍大于最大样本阈值,则在步骤S8’的基础上,减小步骤S3中的可用零件尺寸范围,并重复步骤S2至步骤S7。
进一步地,根据最近似的历史注塑件的工艺参数集合计算作为推荐结果的新注塑件的工艺参数集合具体包括:
步骤1.从专家***调取选择的最近似的历史注塑件的工艺参数集合;
步骤2.根据新注塑件的工艺参数与最近似的历史注塑件的工艺参数计算每个最近似的历史注塑件的工艺参数集合的近似系数;
步骤3.根据各最近似的历史注塑件的工艺参数集合的近似系数计算作为推荐结果的新注塑件的工艺参数集合。
进一步地,从历史注塑件集合中筛选与新注塑件最相似的3个最近似的历史注塑件。
进一步地,所述作为推荐结果的新注塑件的工艺参数集合的计算过程如下:
步骤1.从专家***调取选择的3个最近似的历史注塑件X、Y、Z的工艺参数集合{X1,X2,X3...Xn}、{Y1,Y2,Y3...Yn}、{Z1,Z2,Z3...Zn},其中,历史注塑件X的零件克重a1、零件尺寸b1、零件壁厚c1,历史注塑件Y的零件克重a2、零件尺寸b2、零件壁厚c2,历史注塑件Z的零件克重a3、零件尺寸b3、零件壁厚c3;
步骤2.根据新注塑件的零件克重a、零件尺寸b、零件壁厚c与3个最近似的历史注塑件的零件克重a1、a2、a3;及3个最近似的历史注塑件的零件尺寸b1、b2、b3;和3个最近似的历史注塑件的零件壁厚c1、c2、c3的近似度,计算每个历史注塑件的工艺参数集合的近似系数:其中,
D1=1+(|(a/a1)-1|+|(b/b1)-1|+|(c/c1)-1|)/3;
D2=1+(|(a/a2)-1|+|(b/b2)-1|+|(c/c2)-1|)/3;
D3=1+(|(a/a3)-1|+|(b/b3)-1|+|(c/c3)-1|)/3;
D1为新注塑件与历史注塑件X的近似系数,D2为新注塑件与历史注塑件Y的近似系数;D3为新注塑件与历史注塑件Z的近似系数;
步骤3.计算作为推荐结果的工艺参数集合S{S1,S2,S3...Sn};其中,S1=X1*D1/(D1+D2+D3)+Y1*D2/(D1+D2+D3)+Z1*D3/(D1+D2+D3),依次计算得到{S1,S2,S3...Sn};
上述具体计算方式仅为示例,实际中可以参照该原理,具体选取相应数量的最近似的历史注塑件,并进行上述计算,从而得到最终的作为推荐结果的工艺参数集合S。
本发明与现有技术相比,具有以下的有益效果:
本发明的基于注塑件相似度比较推荐工艺参数的方法,以数据平台为基础支撑环境,采集新注塑件信息,通过多维度的比较,找出近似的历史注塑件,并基于近似历史注塑件的设定参数推荐新注塑件的工艺参数设置,达到减少新品试模,提升生产效率的目的。
附图说明
图1是本发明的基于注塑件相似度比较推荐工艺参数的方法的流程示意图。
具体实施方式
下面结合本发明的实施例对本发明作进一步的阐述和说明。
实施例:
实施例一:
如图1所示,一种基于注塑件相似度比较推荐工艺参数的方法,具体包括以下步骤:
第一步,分别获取历史注塑件及新注塑件的物料清单。
本实施例中具体为获取历史注塑件B01、B02、B03...Bnn的物料清单(Bill ofMaterial,BOM)信息,清单中包含零件名称、本料代码、母料代码、零件克重、零件浇口数量、零件尺寸信息、零件壁厚信息等;
获取新注塑件A01的物料清单信息,清单中包含零件名称、本料代码、母料代码、零件克重、零件浇口数量、零件尺寸信息、零件壁厚信息等。
第二步,获取已有的专家***的历史工艺参数集合。
本实施例中具体为获取已有专家***的历史注塑件B01、B02、B03...Bnn的工艺参数集合。
第三步,根据采集到的注塑件的物料清单的信息,进行注塑件待比较维度的初步影响权重排序,并根据排序进行历史注塑件与新注塑件的多维度的相似度比较。
本实施例中具体按“本料代码>零件克重>零件尺寸信息>零件名称及装配体>母料代码>零件壁厚信息>零件浇口数量或每模件数”的顺序进行注塑件相似度比较。
具体比较时包括以下步骤:
S1.比较新注塑件A01与历史注塑件B01、B02、B03...Bnn的本料代码,得到与新注塑件A01本料代码相同的历史注塑件集合H1;
S2.以新注塑件的零件克重的80%~120%为可用零件克重选取范围,筛选历史注塑件集合H1,得到历史注塑件集合H2;
S3.以新注塑件的尺寸的80%~120%为可用零件尺寸选取范围,筛选历史注塑件集合H2,得到历史注塑件集合H3;
S4.获取新注塑件A01的零件名称“冷冻下抽屉面罩(HG-1)_C13131-3-3”,提取名称中的关键字信息,具体包括:“类别:抽屉面罩;功能:冷冻;位置:下;装配体:(HG-1)_C13131-3-3”,按类别>功能、特性>位置>装配体的顺序,从历史注塑件集合H3中模糊查找、筛选名称及装配体,得到历史注塑件集合H4;
S5.比较新注塑件A01与历史注塑件集合H4内注塑件的母料代码,得到与新注塑件A01母料代码相同的历史注塑件集合H5;
S6.以新注塑件A01壁厚的80%~120%为选取范围,筛选历史注塑件集合H5,得到历史注塑件集合H6;
S7.以与新注塑件A01的零件浇口数量或每模件数相同为选取范围,筛选历史注塑件集合H6,得到历史注塑件集合H7。
作为优选,
若历史注塑件集合H7中包含的历史注塑件数量小于最低样本阈值,则依次按下述步骤调整筛选条件:
S8.扩大步骤S2中的可用零件克重范围,并重复步骤S2至步骤S7;
S9.若经步骤S8的调整后得到的历史注塑件集合H7中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S8的基础上,扩大步骤S3中的可用零件尺寸范围,并重复步骤S2至步骤S7;
S10.若经步骤S9的调整后得到的历史注塑件集合H7中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S9的基础上,删除步骤S7,重复步骤S2至步骤S6;
S11.若经步骤S10的调整后得到的历史注塑件集合H6中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S10的基础上,删除步骤S6,重复步骤S2至步骤S5;
S12.若经步骤S11的调整后得到的历史注塑件集合H5中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S11的基础上,删除步骤S5,重复步骤S2至步骤S4。
实际中中,若历史注塑件集合H7中包含的历史注塑件数量大于最大样本阈值,则依次按下述步骤调整筛选条件:
S8’.减小步骤S2中的可用零件克重范围,并重复步骤S2至步骤S7;
S9’.若经步骤S8’的调整后得到的历史注塑件集合H7中包含的历史注塑件数量仍大于最大样本阈值,则在步骤S8’的基础上,减小步骤S3中的可用零件尺寸范围,并重复步骤S2至步骤S7。
第四步,从历史注塑件集合中筛选与新注塑件最相似的若干最近似的历史注塑件,并根据最近似的历史注塑件的工艺参数集合计算作为推荐结果的新注塑件的工艺参数集合。
具体的,本实施例中是由***自动从筛选出的历史注塑件集合H7中选择3个最近似项,具体为历史注塑件X、Y、Z,实际中也可由操作人员在交互页面进行人工选取,具体选取的数量根据实际情况而定;然后,根据选择的最近似项从专家***调取对应的工艺参数集合{X1,X2,X3...Xn}、{Y1,Y2,Y3...Yn}、{Z1,Z2,Z3...Zn}。
作为优选,本实施例中,根据最近似的历史注塑件的工艺参数集合计算作为推荐结果的新注塑件的工艺参数集合具体包括:
步骤1.从专家***调取选择的3个最近似的历史注塑件X、Y、Z的工艺参数集合{X1,X2,X3...Xn}、{Y1,Y2,Y3...Yn}、{Z1,Z2,Z3...Zn},其中,历史注塑件X的零件克重a1、零件尺寸b1、零件壁厚c1,历史注塑件Y的零件克重a2、零件尺寸b2、零件壁厚c2,历史注塑件Z的零件克重a3、零件尺寸b3、零件壁厚c3;
步骤2.根据新注塑件的零件克重a、零件尺寸b、零件壁厚c与3个最近似的历史注塑件的零件克重a1、a2、a3;及3个最近似的历史注塑件的零件尺寸b1、b2、b3;和3个最近似的历史注塑件的零件壁厚c1、c2、c3的近似度,计算每个历史注塑件的工艺参数集合的近似系数:其中,
D1=1+(|(a/a1)-1|+|(b/b1)-1|+|(c/c1)-1|)/3;
D2=1+(|(a/a2)-1|+|(b/b2)-1|+|(c/c2)-1|)/3;
D3=1+(|(a/a3)-1|+|(b/b3)-1|+|(c/c3)-1|)/3;
D1为新注塑件与历史注塑件X的近似系数,D2为新注塑件与历史注塑件Y的近似系数;D3为新注塑件与历史注塑件Z的近似系数;
步骤3.计算作为推荐结果的工艺参数集合S{S1,S2,S3...Sn};其中,S1=X1*D1/(D1+D2+D3)+Y1*D2/(D1+D2+D3)+Z1*D3/(D1+D2+D3),依次计算得到{S1,S2,S3...Sn}.
第五步,取工艺参数集合{S1,S2,S3...Sn}作为工艺参数推荐结果。
实施例二
本实施例公开了一种基于注塑件相似度比较推荐工艺参数的***,具体包括数据采集模块、注塑件相似度比较模块和推荐参数计算模块,具体以数据平台为基础支撑环境,采集注塑件信息并进行对比,对注塑成型工艺参数进行推荐,达到减少新品试模,提升生产效率的目的。
其中,数据采集模块用于分别获取历史注塑件及新注塑件的物料清单及获取已有的专家***的历史工艺参数集合;注塑件相似度比较模块用于实现具体的根据采集到的注塑件的物料清单的信息,进行注塑件待比较维度的初步影响权重排序,并根据排序进行历史注塑件与新注塑件的多维度的相似度比较;推荐参数计算模块用于从历史注塑件集合中筛选与新注塑件最相似的若干最近似的历史注塑件,并根据最近似的历史注塑件的工艺参数集合计算作为推荐结果的新注塑件的工艺参数集合。具体的工作原理如实施例一的方法流程,此处不再赘述。
实施例三
本实施例中公开了一种计算机设备,该计算机设备可以是服务器,该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于注塑件相似度比较推荐工艺参数的方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于注塑件相似度比较推荐工艺参数的方法。
在另一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例一中基于注塑件相似度比较推荐工艺参数的方法的步骤,或者,处理器执行计算机程序时实现上述实施例二的基于注塑件相似度比较推荐工艺参数的***的各模块的功能。为避免重复,这里不再赘述。
在另一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例一中基于注塑件相似度比较推荐工艺参数的方法的步骤,或者,处理器执行计算机程序时实现上述实施例二的基于注塑件相似度比较推荐工艺参数的***的各模块的功能。为避免重复,这里不再赘述。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (9)
1.一种基于注塑件相似度比较推荐工艺参数的方法,其特征在于,包括:
获取注塑件的物料清单,所述注塑件包括历史注塑件及新注塑件;
获取已有的专家***的历史工艺参数集合;
根据采集到的注塑件的物料清单的信息,进行注塑件待比较维度的初步影响权重排序;
根据排序进行历史注塑件与新注塑件的多维度的相似度比较;
从历史注塑件集合中筛选与新注塑件最相似的若干最近似的历史注塑件,并根据最近似的历史注塑件的工艺参数集合计算作为推荐结果的新注塑件的工艺参数集合;
所述根据排序进行历史注塑件与新注塑件的多维度的相似度比较具体包括:
S1.本料代码一致性比较;代码完全一致则本料相同,得到与新注塑件的本料代码相同的历史注塑件集合M1;
S2.零件克重比较;根据新注塑件的零件克重划定可用零件克重范围在历史注塑件集合M1中筛选得到历史注塑件集合M2;
S3.零件尺寸信息比较;根据新注塑件的零件尺寸划定可用零件尺寸范围在历史注塑件集合M2中筛选得到历史注塑件集合M3;
S4.零件名称及装配体比较;按形容的要素提取名称中的关键字,在历史注塑件集合M3进行模糊查找、筛选名称及装配体相似的历史注塑件集合M4;
S5.母料颜色与母料代码一致性比较;在历史注塑件集合M4中筛选与新注塑件的母料代码相同或母料颜色相同的历史注塑件,得到历史注塑件集合M5;
S6.零件壁厚信息比较;根据新注塑件的零件壁厚划定可用零件壁厚范围在历史注塑件集合M5中筛选得到历史注塑件集合M6;
S7.零件浇口数量或每模件数比较;在历史注塑件集合M6中筛选与新注塑件的零件浇口数量或每模件数相同的历史注塑件,得到历史注塑件集合M7。
2.根据权利要求1所述的一种基于注塑件相似度比较推荐工艺参数的方法,其特征在于,所述物料清单中包含以下信息:零件名称、本料代码、母料代码、零件克重、零件浇口数量、零件尺寸信息和零件壁厚信息。
3.根据权利要求2所述的一种基于注塑件相似度比较推荐工艺参数的方法,其特征在于,所述注塑件待比较维度的初步影响权重排序结果为:本料代码>零件克重>零件尺寸信息>零件名称及装配体>母料代码>零件壁厚信息>零件浇口数量或每模件数。
4.根据权利要求1所述的一种基于注塑件相似度比较推荐工艺参数的方法,其特征在于,所述步骤S2中可用零件克重范围为新注塑件的零件克重的80%~120%;或所述步骤S3中可用零件尺寸范围为新注塑件的零件尺寸的80%~120%;或所述步骤S6中可用零件壁厚范围为新注塑件的零件壁厚的80%~120%。
5.根据权利要求1所述的一种基于注塑件相似度比较推荐工艺参数的方法,其特征在于,若历史注塑件集合M7中包含的历史注塑件数量小于最低样本阈值,则依次按下述步骤调整筛选条件:
S8.扩大步骤S2中的可用零件克重范围,并重复步骤S2至步骤S7;
S9.若经步骤S8的调整后得到的历史注塑件集合M7中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S8的基础上,扩大步骤S3中的可用零件尺寸范围,并重复步骤S2至步骤S7;
S10.若经步骤S9的调整后得到的历史注塑件集合M7中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S9的基础上,删除步骤S7,重复步骤S2至步骤S6;
S11.若经步骤S10的调整后得到的历史注塑件集合M6中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S10的基础上,删除步骤S6,重复步骤S2至步骤S5;
S12.若经步骤S11的调整后得到的历史注塑件集合M5中包含的历史注塑件数量仍小于最低样本阈值,则在步骤S11的基础上,删除步骤S5,重复步骤S2至步骤S4。
6.根据权利要求1所述的一种基于注塑件相似度比较推荐工艺参数的方法,其特征在于,若历史注塑件集合M7中包含的历史注塑件数量大于最大样本阈值,则依次按下述步骤调整筛选条件:
S8’.减小步骤S2中的可用零件克重范围,并重复步骤S2至步骤S7;
S9’.若经步骤S8’的调整后得到的历史注塑件集合M7中包含的历史注塑件数量仍大于最大样本阈值,则在步骤S8’的基础上,减小步骤S3中的可用零件尺寸范围,并重复步骤S2至步骤S7。
7.根据权利要求3所述的一种基于注塑件相似度比较推荐工艺参数的方法,其特征在于,根据最近似的历史注塑件的工艺参数集合计算作为推荐结果的新注塑件的工艺参数集合具体包括:
步骤1.从专家***调取选择的最近似的历史注塑件的工艺参数集合;
步骤2.根据新注塑件的工艺参数与最近似的历史注塑件的工艺参数计算每个最近似的历史注塑件的工艺参数集合的近似系数;
步骤3.根据各最近似的历史注塑件的工艺参数集合的近似系数计算作为推荐结果的新注塑件的工艺参数集合。
8.根据权利要求7所述的一种基于注塑件相似度比较推荐工艺参数的方法,其特征在于,从历史注塑件集合中筛选与新注塑件最相似的3个最近似的历史注塑件。
9.根据权利要求8所述的一种基于注塑件相似度比较推荐工艺参数的方法,其特征在于,所述作为推荐结果的新注塑件的工艺参数集合的计算过程如下:
步骤1.从专家***调取选择的3个最近似的历史注塑件X、Y、Z的工艺参数集合{X1,X2,X3...Xn}、{Y1,Y2,Y3...Yn}、{Z1,Z2,Z3...Zn},其中,历史注塑件X的零件克重a1、零件尺寸b1、零件壁厚c1,历史注塑件Y的零件克重a2、零件尺寸b2、零件壁厚c2,历史注塑件Z的零件克重a3、零件尺寸b3、零件壁厚c3;
步骤2.根据新注塑件的零件克重a、零件尺寸b、零件壁厚c与3个最近似的历史注塑件的零件克重a1、a2、a3;及3个最近似的历史注塑件的零件尺寸b1、b2、b3;和3个最近似的历史注塑件的零件壁厚c1、c2、c3的近似度,计算每个历史注塑件的工艺参数集合的近似系数:其中,
D1=1+(|(a/a1)-1|+|(b/b1)-1|+|(c/c1)-1|)/3;
D2=1+(|(a/a2)-1|+|(b/b2)-1|+|(c/c2)-1|)/3;
D3=1+(|(a/a3)-1|+|(b/b3)-1|+|(c/c3)-1|)/3;
D1为新注塑件与历史注塑件X的近似系数,D2为新注塑件与历史注塑件Y的近似系数;D3为新注塑件与历史注塑件Z的近似系数;
步骤3.计算作为推荐结果的工艺参数集合S{S1,S2,S3...Sn};其中,S1=X1*D1/(D1+D2+D3)+Y1*D2/(D1+D2+D3)+Z1*D3/(D1+D2+D3),依次计算得到{S1,S2,S3...Sn}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011434724.9A CN112434391B (zh) | 2020-12-10 | 2020-12-10 | 一种基于注塑件相似度比较推荐工艺参数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011434724.9A CN112434391B (zh) | 2020-12-10 | 2020-12-10 | 一种基于注塑件相似度比较推荐工艺参数的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112434391A CN112434391A (zh) | 2021-03-02 |
CN112434391B true CN112434391B (zh) | 2022-03-01 |
Family
ID=74690974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011434724.9A Active CN112434391B (zh) | 2020-12-10 | 2020-12-10 | 一种基于注塑件相似度比较推荐工艺参数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112434391B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689113A (zh) * | 2021-08-20 | 2021-11-23 | 北京数码大方科技股份有限公司 | 工艺信息的推荐方法和装置,以及存储介质和处理器 |
CN115965166B (zh) * | 2023-03-16 | 2023-05-23 | 昆山市恒达精密机械工业有限公司 | 一种塑胶产品生产工艺的优化方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914581A (zh) * | 2013-12-27 | 2014-07-09 | 华中科技大学 | 一种塑料注射成型工艺参数优化方法 |
CN109977304A (zh) * | 2019-03-14 | 2019-07-05 | 四川长虹电器股份有限公司 | 一种基于兴趣点相似度迁移的电视节目推荐方法 |
WO2019205795A1 (zh) * | 2018-04-26 | 2019-10-31 | 腾讯科技(深圳)有限公司 | 兴趣推荐方法、计算机设备及存储介质 |
CN111797989A (zh) * | 2020-09-08 | 2020-10-20 | 南京国睿信维软件有限公司 | 基于知识的工艺智能推荐方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013105911A2 (en) * | 2011-11-21 | 2013-07-18 | Hewlett-Packard Development Company, L.P. | Recommending production plans |
CN110909697A (zh) * | 2019-11-28 | 2020-03-24 | 华中科技大学 | 一种结合工艺参数的铸件三维特征提取和相似性度量方法 |
-
2020
- 2020-12-10 CN CN202011434724.9A patent/CN112434391B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914581A (zh) * | 2013-12-27 | 2014-07-09 | 华中科技大学 | 一种塑料注射成型工艺参数优化方法 |
WO2019205795A1 (zh) * | 2018-04-26 | 2019-10-31 | 腾讯科技(深圳)有限公司 | 兴趣推荐方法、计算机设备及存储介质 |
CN109977304A (zh) * | 2019-03-14 | 2019-07-05 | 四川长虹电器股份有限公司 | 一种基于兴趣点相似度迁移的电视节目推荐方法 |
CN111797989A (zh) * | 2020-09-08 | 2020-10-20 | 南京国睿信维软件有限公司 | 基于知识的工艺智能推荐方法 |
Non-Patent Citations (3)
Title |
---|
The Parametric Mesh Method Based on History and Process Parameters Optimization;Juhua Huang等;《Advanced Materials Research》;20101027;第1217-1221页 * |
基于局部特征的模具数控加工推荐***;王玮等;《中国机械工程》;20190507(第09期);第1-3节 * |
数据驱动的流程制造工艺参数匹配方法;程进等;《计算机集成制造***》;20171130;第23卷(第11期);第2-3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN112434391A (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112434391B (zh) | 一种基于注塑件相似度比较推荐工艺参数的方法 | |
US20010023418A1 (en) | Method and apparatus for estimating product cost | |
EP1168225A1 (en) | Method of an apparatus for estimating product cost | |
CN110531722B (zh) | 基于数据采集的工艺参数推荐***及方法 | |
US7519446B2 (en) | Manufacture condition setting system, manufacture condition setting method, control program, and computer-readable record medium recording control program therein | |
CN107146035B (zh) | 针织服装大货生产中批量系数的计算方法 | |
CN106933105A (zh) | 受限条件下的轨迹更新综合预测迭代学习控制算法 | |
CN114419501A (zh) | 视频推荐方法、装置、计算机设备及存储介质 | |
CN113515512A (zh) | 一种工业互联网平台数据的质量治理及提升方法 | |
CN109697256B (zh) | 确定相关搜索词的方法、装置、存储介质及电子设备 | |
CN109034941B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN117162428A (zh) | 一种塑料注塑模具的冷却控制方法及*** | |
CN113377964A (zh) | 知识图谱链接预测方法、装置、设备及存储介质 | |
CN117236529B (zh) | 基于大数据的大型活动人流量预测方法 | |
CN116805023B (zh) | 一种基于大语言模型的外卖推荐方法 | |
CN117235606A (zh) | 特种不锈钢的生产质量管理方法及*** | |
CN115994742B (zh) | 湿拌砂浆塑化剂的全生命周期管理方法及装置 | |
CN116880867A (zh) | 基于策略大模型的决策引擎更新方法及装置 | |
CN115840831A (zh) | 一种商品检索方法、装置、设备及存储介质 | |
DE102023202593A1 (de) | Verfahren und System zum Empfehlen von Modulen für ein Engineering-Projekt | |
CN114565354A (zh) | 工艺参数确定方法、装置、电子设备和存储介质 | |
CN105058731A (zh) | 用于注射压机成型问题的管理*** | |
CN114519073A (zh) | 一种基于图谱关系挖掘的产品配置推荐方法及*** | |
CN110781217A (zh) | 排序数据的处理方法、装置及存储介质、服务器 | |
CN117932971B (zh) | 冲压工艺设计方法、装置、电子设备及存储介质 |
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 |