JP2014069382A - Defect factor determination device, defect occurrence predictor, defect factor determination system, defect factor determination method, and program - Google Patents
Defect factor determination device, defect occurrence predictor, defect factor determination system, defect factor determination method, and program Download PDFInfo
- Publication number
- JP2014069382A JP2014069382A JP2012216110A JP2012216110A JP2014069382A JP 2014069382 A JP2014069382 A JP 2014069382A JP 2012216110 A JP2012216110 A JP 2012216110A JP 2012216110 A JP2012216110 A JP 2012216110A JP 2014069382 A JP2014069382 A JP 2014069382A
- Authority
- JP
- Japan
- Prior art keywords
- defect
- failure
- process value
- time
- factor determination
- 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.)
- Granted
Links
Images
Landscapes
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
Description
本発明は、不良要因判定装置、不良発生予測装置、不良要因判定システム、不良要因判定方法およびプログラムに関する。 The present invention relates to a failure factor determination device, a failure occurrence prediction device, a failure factor determination system, a failure factor determination method, and a program.
射出成形に際して、射出成形条件を決定するための技術や、成形品の不良発生を検出するための技術が幾つか提案されている。
例えば、特許文献１に記載の射出成形過程の解析方法では、射出成形品を射出成形機によって射出成形した際に得られた所定部位における物理量の時間的変化の２以上の特徴的時刻と、射出成形品の射出成形過程の数値解析によって得られた所定部位における物理量の時間的変化の２以上の特徴的時刻とを対応付ける。そして、対応付けた結果得られた対応関係と数値解析の結果得られた所定の成形現象の発生時刻とに基づいて、射出成形機によって射出成形する際に発生する所定の成形現象の発生時刻を予測する。
これにより、特許文献１に記載の射出成形過程の解析方法では、実射出成形機で得られた試作結果を用いて、よりよい射出成形条件を正確に、かつ短時間に得る、とされている。
In injection molding, several techniques for determining injection molding conditions and techniques for detecting the occurrence of defects in a molded product have been proposed.
For example, in the method of analyzing an injection molding process described in
Thereby, in the method for analyzing the injection molding process described in
また、特許文献２に記載の金型設計方法は、以下の工程を有する。（１）成形条件を設計変数として用いて充填工程解析を行い、キャビティ内の各点に樹脂が到達する時間である充填時間を求める工程。（２）キャビティの中の樹脂流動末端を含むような複数の点を選択し、それらの点における充填時間の分散値を求める工程。（３）分散値を評価関数としてこれを小さくするように設計変数を変更する工程。（４）（１）〜（３）の工程を評価関数が十分小さくなるまで繰り返すことによって最適な設計変数を決定する工程。
これにより、特許文献２に記載の金型設計方法では、適切な成形条件の設定を、熟練者を必要とせず、短時間に行うことができる、とされている。
Moreover, the metal mold | die design method of
Thereby, in the metal mold | die design method of
また、特許文献３に記載の射出成形機用製品判別装置では、制御部は、射出成形機に設けられている検出器からの検出出力を受けて、検出データを生成して記憶する。この検出データは、設定器からの設定に応じて表示器に波形表示される。表示器に波形表示を行っているとき、設定器からグラフ上の任意の区間を指定すると、制御部は、表示されているグラフについて指定された区間の積分値を求め、求めた積分値を前記製品の良否判定に用いられる評価項目として採用する。
これにより、特許文献３に記載の射出成形機用製品判別装置では、射出成形機における製品の良否判定を高い精度で実行できるとされている。
In the product discrimination device for an injection molding machine described in Patent Document 3, the control unit receives detection output from a detector provided in the injection molding machine, and generates and stores detection data. This detected data is displayed in a waveform on the display device according to the setting from the setting device. When an arbitrary section on the graph is specified from the setting device while the waveform is displayed on the display unit, the control unit obtains the integral value of the designated section for the displayed graph, and the calculated integral value is Adopted as an evaluation item used to determine the quality of products.
Thereby, in the product discrimination device for injection molding machines described in Patent Document 3, it is supposed that the quality determination of products in the injection molding machine can be executed with high accuracy.
また、特許文献４に記載の射出成形機の管理方法は、以下のステップを備える。ステップ１と：データを成形時の所定時間間隔で記憶する。ステップ２：データ記憶をショット回数だけ繰り返す。ステップ３：全データを成形時の所定時間間隔で同一画面に表示する。ステップ４：データのばらつきが大きな成形時の所定時間間隔の特定時間を選定する。ステップ５：度数分布を演算し、記憶する。ステップ６：管理幅を含めた度数分布を記憶するとともに、同一画面に表示する。ステップ７：度数分布が管理幅以内ならば成形品を良品と判定し、度数分布が管理幅外ならば成形品を不良品と判定する。
この特許文献４に記載の射出成形機の管理方法では、ばらつきの大きな箇所（特定時間）の度数分布の生成に際して人間が介在することにより、成形品の良否判定と射出成形機の工程管理を単純化し、効率良く実現することができる、とされている。
Moreover, the management method of the injection molding machine described in Patent Document 4 includes the following steps. Step 1: Store data at predetermined time intervals during molding. Step 2: Data storage is repeated for the number of shots. Step 3: Display all data on the same screen at predetermined time intervals during molding. Step 4: Select a specific time at a predetermined time interval at the time of molding with a large variation in data. Step 5: Calculate and store the frequency distribution. Step 6: The frequency distribution including the management width is stored and displayed on the same screen. Step 7: If the frequency distribution is within the control range, the molded product is determined as a non-defective product, and if the frequency distribution is outside the control range, the molded product is determined as a defective product.
In the management method of the injection molding machine described in Patent Document 4, it is easy to determine the quality of the molded product and to manage the process of the injection molding machine by human intervention when generating the frequency distribution of the part (specific time) having a large variation. It can be realized efficiently.
上述した特許文献１〜４に記載の技術では、不良発生時に不良要因を特定することができないという問題があった。
例えば、特許文献１に記載の技術は、射出成形条件の変更を行う時刻を決定するためのものであり、決定した時刻においてどのような射出成形条件の変更を行うかはオペレータに委ねられる。すなわち、特許文献１に記載の技術を用いても、不良発生時に不良要因を特定することはできない。
In the techniques described in
For example, the technique described in
また、特許文献２に記載の技術は、キャビティ内の各点に樹脂が到達する時間である充填時間をなるべく均一にするためのものである。この特許文献２に記載の技術を用いても、不良発生時に不良要因を特定することはできない。
また、特許文献３に記載の技術は、データを監視する時間の設定を受け付け、設定された時間におけるデータの評価値としてデータの積分値を求めるものである。かかるデータの積分値に基づいて不良要因を特定する技術は、特許文献３には示されていない。
また、特許文献４に記載の技術は、データを監視する時間のユーザ指定や、良品判定を行う基準としてのデータ幅のユーザ指定を受け付けるためのものである。この特許文献４に記載の技術を用いても、不良発生時に不良要因を特定することはできない。
The technique described in
The technique described in Patent Document 3 accepts setting of a time for monitoring data, and obtains an integrated value of the data as an evaluation value of the data at the set time. Patent Document 3 does not disclose a technique for identifying a failure factor based on the integrated value of such data.
The technique described in Patent Document 4 is for accepting a user designation of a time for monitoring data and a user designation of a data width as a reference for determining non-defective products. Even if the technique described in Patent Document 4 is used, the cause of failure cannot be specified when a failure occurs.
本発明は、上述の課題を解決することのできる不良要因判定装置、不良発生予測装置、不良要因判定システム、不良要因判定方法およびプログラムを提供することを目的としている。 An object of the present invention is to provide a failure factor determination device, a failure occurrence prediction device, a failure factor determination system, a failure factor determination method, and a program that can solve the above-described problems.
この発明は上述した課題を解決するためになされたもので、本発明の一態様による不良要因判定装置は、射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得部と、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得部と、前記不良発生箇所に被射出物が到達する時間における射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得部と、前記不良分類情報の示す不良分類と、前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定部と、を具備することを特徴とする。 The present invention has been made to solve the above-described problem. A defect factor determination device according to an aspect of the present invention includes a defect information acquisition unit that acquires defect occurrence location information and defect classification information in injection molding, and the defect An injection object arrival time acquisition unit that obtains the time at which the injection object reaches the defect occurrence point indicated by the occurrence point information, and a defect occurrence that is a process value of the injection molding machine at the time when the injection object reaches the defect occurrence point. A process value acquisition unit that acquires a process value at the time of arrival of a location, a failure factor determination unit that determines a failure factor based on the failure classification indicated by the failure classification information and the process value at the time of arrival of the failure It is characterized by that.
また、本発明の一態様による不良発生予測装置は、過去の射出成形における射出成形機のプロセス値および不良発生状況を示す履歴情報から、不良の発生したショットにおける不良発生箇所情報および不良分類情報を取得する不良情報取得部と、前記不良発生箇所情報が示す不良発生箇所に基づいて監視対象時間を設定する監視対象時間設定部と、前記不良の発生したショットよりも過去の少なくとも１ショットについて、前記監視対象時間における射出成形機のプロセス値を、前記履歴情報から取得する過去プロセス値取得部と、前記監視対象時間における射出成形機のプロセス値を、射出成形機実機から取得する実機プロセス値取得部と、前記過去プロセス値取得部が取得した前記プロセス値と、前記実機プロセス値取得部が取得した前記プロセス値とに基づいて、不良の発生を予測する不良発生予測部と、を具備することを特徴とする。 Further, the defect occurrence prediction device according to one aspect of the present invention provides defect occurrence location information and defect classification information in a shot in which a defect has occurred, from history information indicating a process value of the injection molding machine in the past injection molding and a defect occurrence status. The defect information acquisition unit to be acquired, the monitoring target time setting unit that sets the monitoring target time based on the defect occurrence location indicated by the defect occurrence location information, and at least one shot in the past from the shot in which the defect has occurred, A past process value acquisition unit that acquires the process value of the injection molding machine at the monitoring target time from the history information, and an actual machine process value acquisition unit that acquires the process value of the injection molding machine at the monitoring target time from the actual injection molding machine And the process value acquired by the past process value acquisition unit and before the actual process value acquisition unit acquired Based on the process value, characterized by comprising a failure prediction unit for predicting the occurrence of defects.
また、本発明の一態様による不良要因判定システムは、射出成形機と、射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得部と、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得部と、前記不良発生箇所に被射出物が到達する時間における前記射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得部と、前記不良情報取得部が取得した前記不良発生箇所情報および前記不良分類情報と、前記プロセス値取得部が取得した前記不良発生箇所到達時プロセス値とをショット毎に記憶する記憶部と、前記記憶部が記憶する前記不良分類情報の示す不良分類と、前記記憶部が記憶する前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定部と、前記不良要因判定部の判定結果を表示する表示部と、を具備することを特徴とする。 Further, the failure factor determination system according to an aspect of the present invention includes an injection molding machine, a failure information acquisition unit that acquires failure occurrence location information and failure classification information in injection molding, and a failure occurrence location indicated by the failure occurrence location information. An injection object arrival time acquisition unit for obtaining a time for the injection object to arrive, and a process value at the time of occurrence of a defect that is a process value of the injection molding machine at a time when the injection object reaches the defect occurrence point A memory that stores, for each shot, a process value acquisition unit, the defect occurrence location information and the defect classification information acquired by the defect information acquisition unit, and the failure occurrence location arrival process value acquired by the process value acquisition unit Based on the failure classification indicated by the failure classification information stored in the storage unit and the failure classification information stored in the storage unit, A failure factor determination unit determining factors, characterized by comprising a display unit for displaying the determination result of the failure factor determination unit.
また、本発明の一態様による不良要因判定方法は、不良要因判定装置の不良要因判定方法であって、射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得ステップと、前記不良発生箇所に被射出物が到達する時間における射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得ステップと、前記不良分類情報の示す不良分類と、前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定ステップと、を具備することを特徴とする。 The defect factor determination method according to one aspect of the present invention is a defect factor determination method of a defect factor determination device, the defect information acquisition step of acquiring defect occurrence location information and defect classification information in injection molding, and the defect occurrence The injection object arrival time acquisition step for obtaining the time for the injection target to reach the defect occurrence point indicated by the point information, and the defect occurrence point that is the process value of the injection molding machine at the time for the injection target to reach the defect generation point. A process value acquisition step of acquiring a process value at arrival, a failure factor determination step of determining a failure factor based on the failure classification indicated by the failure classification information and the process value at the time of arrival of the failure It is characterized by.
また、本発明の一態様によるプログラムは、不良要因判定装置としてのコンピュータに、射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得ステップと、前記不良発生箇所に被射出物が到達する時間における射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得ステップと、前記不良分類情報の示す不良分類と、前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定ステップと、と実行させるためのプログラムである。 A program according to an aspect of the present invention includes a defect information acquisition step of acquiring defect occurrence location information and failure classification information in injection molding in a computer as a failure factor determination device, and a failure occurrence location indicated by the failure occurrence location information. An object arrival time acquisition step for obtaining a time for the object to reach the object and a process value at the time of arrival of the defect that is a process value of the injection molding machine at the time for the object to reach the defect occurrence point A program for executing a process value acquisition step, a defect classification indicated by the defect classification information, and a defect factor determination step for determining a defect factor based on the process value when the defect occurs.
本発明によれば、射出成形における不良発生時に不良要因を特定することができる。 According to the present invention, a failure factor can be specified when a failure occurs in injection molding.
＜第１の実施形態＞
以下、図面を参照して、本発明の実施の形態について説明する。
図１は、本発明の第１の実施形態における不良要因判定システムの機能構成を示す概略ブロック図である。同図において、不良要因判定システム１は、射出成形機１００と、不良要因判定装置２００とを具備する。不良要因判定装置２００は、表示部２１０と、操作入力部２２０と、記憶部２３０と、データ取得部２４０と、制御部２９０とを具備する。制御部２９０は、表示制御部２９１と、入力処理部２９２と、データ蓄積部２９３と、被射出物到達時間取得部２９４と、プロセス値取得部２９５と、不良要因判定部２９６とを具備する。
<First Embodiment>
Embodiments of the present invention will be described below with reference to the drawings.
FIG. 1 is a schematic block diagram showing a functional configuration of the failure factor determination system according to the first embodiment of the present invention. In FIG. 1, the failure
射出成形機１００は、プラスチックなどの被射出物を射出して成形物に成形する装置である。本実施形態では、射出成形機１００として、シリンダ内に供給されたプラスチックを溶融しながらスクリューで混練し、得られた溶融樹脂を金型に充填して成形する一般的な射出成形装置を用いた場合について説明する。ただし、射出成形機１００として、かかる一般的な射出成形装置に限らず、射出条件を調整可能な様々な射出成形機を用いることができる。また、射出成形機１００が成形する被射出物はプラスチックに限らず、射出成形可能な様々な素材を用いることができる。
The
不良要因判定装置２００は、射出成形機１００が行った射出成形にて不良が発生した際に不良要因を判定して、対応策を提示する。不良要因判定装置２００は、例えばコンピュータにて構成される。あるいは、不良要因判定装置２００を専用のハードウェアにて構成するようにしてもよい。
表示部２１０は、例えば液晶パネルまたは有機ＥＬ（Organic Electroluminescence）パネルなどの表示画面を有し、表示制御部２９１の制御に従って各種画像を表示する。
操作入力部２２０は、例えばキーボードやマウスなどの入力デバイスを有して、不良要因判定装置２００のユーザ（以下、単に「ユーザ」と称する）の行うユーザ操作を受け付ける。
The defect
The
The
データ取得部２４０は、射出成形機１００に設けられた制御部やセンサと通信を行って射出成形機１００のプロセス値を取得する。
ここでいうプロセス値とは、射出成形機１００が射出成形を行う過程で観察される値であり、射出成形機１００の状態または射出成形機１００における制御状況を示す。具体的には、射出成形機１００に設けられたセンサが出力するセンサ値や、射出成形機１００に予め設定された制御設定値や、射出成形機１００動作における制御量などが、プロセス値の例に該当する。
The
The process value here is a value that is observed in the process in which the
記憶部２３０は、例えば半導体メモリまたはハードディスクなどの記憶デバイスを有し、データ蓄積部２９３の制御に従って各種データを記憶する。特に、記憶部２３０は、データ取得部２４０が取得するプロセス値や、操作入力部２２０が取得する不良発生箇所情報および不良分類情報を記憶する。
ここでいう不良発生箇所とは、成形品（射出成形の結果物）において例えばヤケまたはシルバーなど何らかの不良が発生した箇所に相当する、金型における位置である。また、不良分類とは、成形品に発生した不良の分類であり、例えば、ヤケやシルバーやショート（ショートショット）やヒケなどが不良分類の例に該当する。
The
The defect occurrence location here is a position in the mold corresponding to a location where some defect such as burn or silver occurs in the molded product (result of injection molding). The defect classification is a classification of defects that have occurred in a molded product. For example, discoloration, silver, short (short shot), sink marks, and the like correspond to examples of defect classification.
制御部２９０は、不良要因判定装置２００の各部を制御して各種処理を実行する。制御部２９０は、例えば不良要因判定装置２００の具備するＣＰＵ（Central Processing Unit）が制御部２９０の具備する記憶デバイスからプログラムを読み出して実行することで構成される。あるいは、制御部２９０を専用のハードウェアにて構成するようにしてもよい。
The
表示制御部２９１は、表示部２１０を制御して各種画像を表示させる。
入力処理部２９２は、操作入力部２２０が受け付けたユーザ操作を検出する。特に、入力処理部２９２は、本発明における不良情報取得部の一例に該当し、後述するように、射出成形における不良発生箇所情報および不良分類情報を取得する。
データ蓄積部２９３は、記憶部２３０への各種データの書込や、記憶部２３０の記憶するデータの検索や、記憶部２３０からのデータの読出など、記憶部２３０の制御を行う。
The
The
The
被射出物到達時間取得部２９４は、データ取得部２４０が取得するプロセス値に基づいて流動解析を行い、被射出部としての溶融樹脂状のプラスチック（以下、単に「溶融樹脂」と称する）の、金型内における流動状況を演算する。特に、被射出物到達時間取得部２９４は、不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を流動解析にて求める。
The injection object arrival
プロセス値取得部２９５は、操作入力部２２０が取得した不良発生箇所情報の示す不良発生箇所に基づいて、不良発生箇所到達時プロセス値を取得する。具体的には、プロセス値取得部２９５は、データ蓄積部２９３に不良発生箇所情報を提示して不良発生箇所到達時プロセス値を要求し、データ蓄積部２９３が記憶部２３０から読み出す不良発生箇所到達時プロセス値を取得する。
The process
ここでいう不良発生箇所到達時プロセス値とは、不良の発生したショットにおいて不良発生箇所に溶融樹脂が初めて到達した時間におけるプロセス値である。また、ここでいう時間とは、例えば射出工程開始など所定の事象からの経過時間である。不良要因判定装置２００は、射出成形におけるタイミングを示す情報として、当該時間の情報を用いる。また、ここでいうショットとは、射出成形の１サイクル（すなわち、射出成形機１００がプラスチックの供給を受けて成形品を生成する処理の１回分）である。
不良要因判定部２９６は、操作入力部２２０が取得した不良分類情報の示す不良分類と、プロセス値取得部２９５が取得した不良発生箇所到達時プロセス値とに基づいて不良要因を判定する。
The process value at the time of failure occurrence here is a process value at the time when the molten resin reaches the failure occurrence location for the first time in the shot where the failure occurred. Moreover, the time here is an elapsed time from a predetermined event such as an injection process start. The failure
The failure
次に、図２を参照して、不良発生箇所情報および不良分類情報の入力について説明する。
図２は、不良発生箇所情報および不良分類情報の入力画面の例を示す説明図である。同図において、表示部２１０は、不良発生箇所情報の入力を受け付ける領域Ａ２１に、溶融樹脂の移動範囲Ｂ２１と、ゲート位置（金型における空洞部分への流入口の位置）を示す点Ｐ２２とを表示している。具体的には、移動範囲Ｂ２１は、金型内における成形品を上から見た外形図に対応しており、金型内における溶融樹脂が移動可能な空間の範囲を示している。例えば、記憶部２３０が、成形品の外形のデータを予め記憶しており、表示制御部２９１が、データ蓄積部２９３を介して当該データを取得して、表示部２１０に移動範囲Ｂ２１を表示させる。
Next, with reference to FIG. 2, input of defect occurrence location information and defect classification information will be described.
FIG. 2 is an explanatory diagram illustrating an example of an input screen for defect occurrence location information and defect classification information. In the same figure, the
また、領域Ａ２１は、縦ｍ列×横ｎ行（ｍ、ｎは、いずれも正整数）のマス目状に分割されており、入力処理部２９２は、いずれかのマス目を入力デバイスにて選択するユーザ操作に基づいて、不良発生箇所情報を取得する。
具体的には、まず、操作入力部２２０は、入力デバイスとしてマウスを有しており、当該マウスにて表示部２１０の表示画面上のある位置を選択（例えば左クリック）するユーザ操作を受けると、選択された位置を示す信号を入力処理部２９２へ出力する。なお、図２には、操作入力部２２０が有するマウスのカーソルＣＳＲが示されている。
The area A21 is divided into grids of vertical m columns × horizontal n rows (m and n are both positive integers), and the
Specifically, first, the
操作入力部２２０からの信号を取得した入力処理部２９２は、当該信号に基づいて、ユーザ操作にて選択された位置が移動範囲Ｂ２１の表示領域に含まれるか否かを判定し、含まれると判定した場合は、さらに、選択された位置の座標をマス目単位にて検出して不良発生箇所情報とする。
例えば、ユーザが点Ｐ２１をマウスにて選択した場合、入力処理部２９２は、当該点Ｐ２１の座標Ｘ２Ｙ３を不良発生箇所情報として取得する。
The
For example, when the user selects the point P21 with the mouse, the
また、図２において、表示部２１０は、不良分類情報の入力を受け付ける領域Ａ２２に、ヤケやシルバーなど不良分類の選択ボタンを表示している。
ユーザがいずれかの選択ボタンをマウスにて選択すると、入力処理部２９２は、いずれの選択ボタンが選択されたかを判定し、当該選択ボタンに応じた不良分類を不良分類情報として取得する。
In FIG. 2, the
When the user selects any selection button with the mouse, the
このように、表示部２１０が、溶融樹脂の移動範囲を示す図と不良分類の選択ボタンとを表示することで、ユーザは、不良発生箇所や不良分類を容易に入力することができる。例えば、成形品の点Ｐ２１に相当する箇所にヤケが発生した場合、ユーザは、点Ｐ２１をマウスで選択するという簡単な操作にて不良発生箇所を入力することができ、ヤケの選択ボタンをマウスで選択するという簡単な操作にて不良分類を入力することができる。
As described above, the
入力処理部２９２は、取得した不良発生箇所情報および不良分類情報を、プロセス値取得部２９５と不良要因判定部２９６とに出力する。また、入力処理部２９２は、取得した不良発生箇所情報および不良分類情報ショットの識別情報と対応付けてデータ蓄積部２９３に出力し、記憶部２３０に記憶させる。ここで、ショットの識別情報としては、ショット毎に付された通し番号、あるいは、各ショットの開始時刻を示す情報など、様々な情報を用いることができる。
The
なお、本発明において、領域Ａ２１を分割する列数ｍや行数ｎは、特定の列数や行数に限定されない。列数ｍや行数ｎが多いほど、入力処理部２９２は、より高精度な不良発生箇所情報を取得し得る。
なお、操作入力部２２０が有する入力デバイスはマウスに限らない。例えば、操作入力部２２０が、表示部２１０の表示画面に設けられたタッチパネルを構成するタッチセンサを有するなど、マウス以外のポインティングデバイスを有するようにしてもよい。さらには、操作入力部２２０が、ポインティングデバイス以外の入力デバイスを有して不良発生箇所情報や不良分類情報の入力操作を受け付けるようにしてもよい。例えば、操作入力部２２０がキーボードを有し、不良発生箇所や不良分類の指定を、数字キーを用いた番号の入力や、不良の名称の文字入力にて受け付けるようにしてもよい。
In the present invention, the number of columns m and the number of rows n dividing the region A21 are not limited to a specific number of columns or rows. As the number of columns m and the number of rows n increase, the
Note that the input device of the
さらには、不良要因判定装置２００が不良発生箇所情報や不良分類情報を取得する方法は、ユーザ操作を受ける方法に限らない。例えば、不良要因判定装置２００がカメラを有して成形品を撮像し、画像マッチング処理にて不良の有無や不良発生箇所や不良分類を検出するようにしてもよい。
Furthermore, the method by which the defect
なお、表示部２１０が、プロセス値をグラフ表示するようにしてもよい。
図３は、表示部２１０がプロセス値をグラフ表示した表示画面例を示す説明図である。同図において、線Ｌ３１は、１ショットにおける射出圧力を示し、線Ｌ３２は、１ショットにおけるスクリュー位置を示している。また、線Ｌ３２は、点Ｐ３２において、最終充填時のスクリュー位置を示している。また、時間Ｔ３１〜Ｔ３４は、それぞれ、射出工程の開始タイミング、射出工程から保圧工程への切り替わりタイミング、保圧工程から計量工程への切り替わりタイミング、計量工程の終了タイミングを示している。
このように、表示部２１０がプロセス値をグラフ表示することで、ユーザは、射出成形機１００の状態や制御状況をより容易に把握し得る。
The
FIG. 3 is an explanatory diagram illustrating an example of a display screen on which the
Thus, the
また、表示部２１０が、溶融樹脂の移動範囲を図示し、当該移動範囲の図において不良発生箇所毎に不良発生状況を表示するようにしてもよい。
図４は、表示部２１０が不良発生状況を表示した表示画面例を示す説明図である。同図において、表示部２１０は、溶融樹脂の移動範囲Ｂ４１と、ゲート位置を示す点Ｐ４１とを表示している。
Moreover, the
FIG. 4 is an explanatory diagram illustrating an example of a display screen on which the
また、表示部２１０は、領域Ａ４１に不良分類の選択ボタンを表示し、選択された不良分類について、移動範囲Ｂ４１における位置毎（具体的には、図２を参照して説明したマス目毎）に、不良発生件数を示す棒グラフＢ４２を表示している。図４の例では、ユーザは、不良分類として「すべて」を選択しており、表示部２１０は、記憶部２３０が記憶している不良の全件について、不良発生箇所毎の発生件数を棒グラフＢ４２にて表示している。
また、表示部２１０は、領域Ａ４２に不良要因の推定結果を表示している。例えば、表示部２１０は、最後に発生した不良、または、ユーザが指定した不良について、不良要因判定部２９６が行った不良判定の結果を領域Ａ４２に表示する。
Further, the
In addition, the
このように、表示部２１０が不良発生状況をグラフ表示することで、ユーザ（例えば現場管理者）は、不良発生状況を視覚的に容易に確認できる。
また、表示部２１０が不良要因の推定結果を表示することで、ユーザは、不良の要因解析や成形品の品質改善を行なうことができる。例えば、表示部２１０が不良に対する対応策を表示している場合、ユーザは、当該表示に応じて、射出圧力の変更または計量に関する回転数など、射出成形機１００の成形条件の調整、あるいは、金型の清掃などの対応策を実施できる。あるいは、表示部２１０が対応策を表示していない場合でも、ユーザは、表示部２１０の示す情報に基づいて不良要因を推定し、推定した要因に基づいて対応策を講じることができる。
なお、図４に示すような不良発生状況情報をネットワーク上で閲覧可能としてもよい。これにより、不良発生情報を公開して情報の共有化を図ることができる。
As described above, the
Further, the
Note that defect occurrence status information as shown in FIG. 4 may be viewable on the network. As a result, the failure occurrence information can be disclosed and information can be shared.
次に、図５を参照して不良要因判定システム１の動作について説明する。
図５は、不良要因判定装置２００が不良要因判定を行う処理手順を示すフローチャートである。同図の処理において、まず、データ蓄積部２９３が、ユーザの指定する成形品の図面データを記憶部２３０から取得して、図２を参照して説明したように表示部２１０に表示させる（ステップＳ１０１）。
Next, the operation of the failure
FIG. 5 is a flowchart showing a processing procedure in which the failure
次に、射出成形機１００が射出成形を開始すると、データ取得部２４０は、射出成形機１００のプロセス値を取得してデータ蓄積部２９３へ出力し、データ蓄積部２９３は、当該プロセス値を当該プロセス値の時間やショットの識別情報と対応付けて記憶部２３０に記憶させる（ステップＳ１０２）。なお、プロセス値の時間とは、プロセス値の発生した時間である。例えばセンサデータであれば、センサがプロセス値を測定した時間であり、制御情報であれば、当該制御の行われた時間である。
以下、射出成形機１００の動作中において、データ取得部２４０はサンプリング時間毎に射出成形機１００のプロセス値を取得し、データ蓄積部２９３が当該プロセス値を当該プロセス値の時間やショットの識別情報と対応付けて記憶部２３０に記憶させる。
Next, when the
Hereinafter, during the operation of the
そして、入力処理部２９２は、ユーザ操作にて不良発生箇所や不良分類が入力されたか否かを判定する（ステップＳ１０３）。不良発生箇所や不良分類が入力されていないと判定した場合（ステップＳ１０３：ＮＯ）、ステップＳ１０３へ戻る。すなわち、入力処理部２９２は、不良発生箇所や不良分類の入力を待ち受ける。
一方、不良発生箇所や不良分類が入力されたと判定した場合（ステップＳ１０３：ＹＥＳ）、入力処理部２９２は、入力された不良発生箇所情報や不良分類情報をデータ蓄積部２９３へ出力し、データ蓄積部２９３は、当該不良発生箇所情報および不良分類情報を、ショットの識別情報と対応付けて記憶部２３０に記憶させる（ステップＳ１１１）。
例えば、図２の例のように座標Ｘ２Ｙ３のマス目の部分にヤケの不良が発生した場合、記憶部２３０は、アドレス「Ｘ２Ｙ３」と、不良分類「ヤケ」と、不良の発生時間とを対応付けて記憶する。
Then, the
On the other hand, when it is determined that a failure occurrence location or failure classification has been input (step S103: YES), the
For example, as shown in the example of FIG. 2, when a burnout defect occurs in the square portion of the coordinate X 2 Y 3 , the
次に、被射出物到達時間取得部２９４は、記憶部２３０の記憶している不良発生箇所情報や不良分類情報やプロセス値に基づいて、流動解析にて不良発生箇所に溶融樹脂が到達した時間を算出し、データ蓄積部２９３を介して記憶部２３０に記憶させる（ステップＳ１１２）。
記憶部２３０が記憶しているアドレス「Ｘ２Ｙ３」は、不良が発生した箇所を示すと共に、ゲートから充填された溶融樹脂が当該地点に到達したときに不良が発生している点で、不良発生タイミングを算出する基となる。
Next, the injection object arrival
The address “X 2 Y 3 ” stored in the
すなわち、成形品のある位置まで樹脂が到達したということは、その位置に相当する量の樹脂がスクリューによって押し出されたことを示している。そこで、被射出物到達時間取得部２９４は、流動解析にて溶融樹脂の動きを算出し、不良発生箇所に溶融樹脂が到達した時間を不良発生時間として検出し、データ蓄積部２９３を介して記憶部２３０に記憶させる。
That is, the fact that the resin has reached a certain position of the molded product indicates that an amount of the resin corresponding to that position has been pushed out by the screw. Therefore, the injection object arrival
また、被射出物到達時間取得部２９４は、不良発生箇所に溶融樹脂が到達した時間をプロセス値取得部２９５へ出力し、プロセス値取得部２９５は、該当する時間におけるプロセス値を、データ蓄積部２９３を介して記憶部２３０から取得する（ステップＳ１１３）。この、不良発生箇所に溶融樹脂が到達した時間におけるプロセス値は、不良発生の現象をよく示して特徴点と見ることができる。例えば、圧力推移において、不良発生箇所に溶融樹脂が到達した時間における圧力値を参照することで、成形品において不良が発生した位置と、その位置に樹脂が到達したときの成形プロセスの因子を抽出し得る。
In addition, the injection object arrival
図６は、プロセス値取得部２９５が取得するプロセス値の例を示す説明図である。同図において、線Ｌ６１は、１ショットにおける射出圧力を示し、線Ｌ６２は、１ショットにおけるスクリュー位置を示している。また、線Ｌ６２のうち、プロセス値がＶ６２となっている線Ｌ６３の部分は、最終充填時のスクリュー位置を示している。
ここで、図６は、図２に示す座標Ｘ２Ｙ３の位置にヤケ不良が発生した場合の例を示しており、領域Ａ６１は、座標Ｘ２Ｙ３の位置に溶融樹脂が到達した時間を示している。線Ｌ６２の示すスクリュー位置が前進するにつれて溶融樹脂が押し出され、スクリュー位置がプロセス値Ｖ６１にて示されている時刻Ｔ６１の前後において、座標Ｘ２Ｙ３のマス目の部分に溶融樹脂が到達している。
FIG. 6 is an explanatory diagram illustrating an example of the process value acquired by the process
Here, FIG. 6 shows an example when a burn defect occurs at the position of the coordinate X 2 Y 3 shown in FIG. 2, and the region A61 is the time when the molten resin reaches the position of the coordinate X 2 Y 3 Is shown. As the screw position indicated by line L62 advances, the molten resin is pushed out, and before or after time T61 when the screw position is indicated by the process value V61, the molten resin reaches the square portion of the coordinates X 2 Y 3. ing.
ここで、「ヤケ」とは射出における発生ガスや空気の逃げ場がなく高温高圧となり、表面が焼けて黒色に炭化する現象である。
そこで、プロセス値取得部２９５は、不良分類に基づいてプロセス値の種類として圧力推移を選択し、領域Ａ６１に示される時間帯における圧力推移を、データ蓄積部２９３を介して記憶部２３０から読み出す。
Here, “burning” is a phenomenon in which the generated gas or air in the injection does not escape and becomes high temperature and pressure, and the surface is burnt and carbonized black.
Therefore, the process
プロセス値取得部２９５は、取得したプロセス値を不良要因判定部２９６へ出力し、不良要因判定部２９６は、当該プロセス値と基準値とを比較して、圧力異常などの異常を検出する（ステップＳ１１４）。ここで、基準値として、例えば良品ショット時のデータを用いることができる。
The process
具体的には、まず、記憶部２３０が良品ショット時のデータを基準値として記憶しておく。そして、プロセス値取得部２９５が、ステップＳ１１３で得られたプロセス値に相当するデータを基準値の中から取得して不良要因判定部２９６へ出力する。ここで、プロセス値に相当するデータとは、同一のセンサまたは制御部等が、同様のタイミングで生成したデータである。例えばセンシングデータであれば、同一のセンサが同一の時間または近い時間に測定したデータが該当する。
Specifically, first, the
不良要因判定部２９６は、ステップＳ１１３で得られたプロセス値が、基準値の中から取得したデータを中心とする所定範囲内にあれば異常なしと判定し、所定範囲内に無ければ異常ありと判定する。
当該判定により、例えば図６の領域Ａ６１における圧力値のうち、特にプロセス値が突出している点Ｐ６１近辺のデータを抽出するなど、データの絞込みを行うことができる。
The failure
By this determination, for example, data in the vicinity of the point P61 where the process value protrudes from the pressure value in the region A61 in FIG. 6 can be narrowed down.
この判定で不良要因判定部２９６が圧力異常を検出した場合、樹脂の溶融状態のばらつきや、金型における不具合などを不良要因として推定し得る。
但し、このような１ショットの判定だけでは、射出成形の安定性を判定することはできない。射出成形は複数ショット繰り返して行われることが一般的であり、単一成形サイクル内におけるプロセス値のみならず、複数成形サイクル間でプロセス値が時系列的にどのように変化しているかを観察、判別できることが望ましい。更には、不良要因判定部２９６が、複数項目のプロセス値を抽出することで、より精度良く不良要因を推定できる。
In this determination, when the failure
However, it is not possible to determine the stability of injection molding only by such one-shot determination. In general, injection molding is performed repeatedly in multiple shots, and not only process values within a single molding cycle, but also how process values change over time between multiple molding cycles, It is desirable to be able to distinguish. Furthermore, the failure
そこで、不良要因判定部２９６は、ステップＳ１１４で異常ありと判定したプロセス値をプロセス値取得部２９５へ出力し、プロセス値取得部２９５は、当該プロセス値に相当するデータを不良発生ショットから過去ｎショット分（ｎは正整数であり、例えば２０ショット）さかのぼって、データ蓄積部２９３を介して記憶部２３０から取得する（ステップＳ１１５）。このように、プロセス値取得部２９５は、複数のショットについて不良発生箇所到達時プロセス値を取得する。
そして、プロセス値取得部２９５は取得したｎショット分のデータを不良要因判定部２９６へ出力し、不良要因判定部２９６は、当該データについてショット間の差分を算出する（ステップＳ１１６）。
Therefore, the failure
Then, the process
このショット間の差分を算出する点について、図７〜図１０を参照して説明する。
図７は、射出成形機１００におけるプロセス値の、複数ショットにおける時系列推移の第１の例を示す説明図である。同図において、線Ｌ７１はプロセス値を示す。また、線Ｌ７２は、プロセス値の管理上限値を示し、線Ｌ７３は、プロセス値の管理下限値を示す。
図７の例では、プロセス値が管理上限値と管理下限値との範囲内に収まっており、かかる管理上限値および管理下限値に基づく判定において正常と判定される。
The point of calculating the difference between the shots will be described with reference to FIGS.
FIG. 7 is an explanatory diagram showing a first example of time-series transition of a process value in the
In the example of FIG. 7, the process value is within the range between the management upper limit value and the management lower limit value, and is determined to be normal in the determination based on the management upper limit value and the management lower limit value.
図８は、射出成形機１００におけるプロセス値の時系列推移の第２の例を示す説明図である。同図において、線Ｌ８１はプロセス値を示す。また、線Ｌ８２は、プロセス値の管理上限値を示し、線Ｌ８３は、プロセス値の管理下限値を示す。
図７の場合と同様、図８の例でも、プロセス値が管理上限値と管理下限値との範囲内に収まっており、かかる管理上限値および管理下限値に基づく判定において正常と判定される。また、図７と図８とでは、ばらつきの大きさも同程度となっている。
FIG. 8 is an explanatory diagram showing a second example of time-series transition of process values in the
As in the case of FIG. 7, in the example of FIG. 8, the process value is within the range between the management upper limit value and the management lower limit value, and is determined to be normal in the determination based on the management upper limit value and the management lower limit value. 7 and FIG. 8 have the same degree of variation.
一方、図９は、射出成形機１００におけるプロセス値の差分の、複数ショットにおける時系列推移の第１の例を示す説明図である。同図は、図７の線Ｌ７１が示すプロセス値について、前のショットとの差を取った例を示しており、線Ｌ９１は、前のショットとのプロセス値の差分を示す。
また、線Ｌ９２は、プロセス値の差分の管理上限値を示し、線Ｌ９３は、プロセス値の差分の管理下限値を示す。
図９の例では、プロセス値の差分が管理上限値と管理下限値との範囲内に収まっており、かかる管理上限値および管理下限値に基づく判定において正常と判定される。
On the other hand, FIG. 9 is an explanatory diagram showing a first example of a time-series transition in a plurality of shots of a difference in process values in the
A line L92 indicates a management upper limit value of the process value difference, and a line L93 indicates a management lower limit value of the process value difference.
In the example of FIG. 9, the difference between the process values is within the range between the management upper limit value and the management lower limit value, and it is determined to be normal in the determination based on the management upper limit value and the management lower limit value.
図１０は、射出成形機１００におけるプロセス値の差分の、複数ショットにおける時系列推移の第２の例を示す説明図である。同図は、図８の線Ｌ８１が示すプロセス値について、前のショットとの差を取った例を示しており、線Ｌ１０１は、前のショットとのプロセス値の差分を示す。
また、線Ｌ１０２は、プロセス値の差分の管理上限値を示し、線Ｌ１０３は、プロセス値の差分の管理下限値を示す。
FIG. 10 is an explanatory diagram showing a second example of a time-series transition in a plurality of shots of a difference in process values in the
A line L102 indicates the management upper limit value of the process value difference, and a line L103 indicates the management lower limit value of the process value difference.
図１０の例では、点Ｐ１０１のように、プロセス値の差分が管理上限値と管理下限値との範囲からはみ出しており、かかる管理上限値および管理下限値に基づく判定において異常と判定される。
このように、時系列的にショット間の差を取ることで、個々のショットにおけるプロセス値のばらつきに加えて、ショット間におけるプロセス値の変化の大きさを評価することができる。ショット間におけるプロセス値の変化が小さいほど、プロセス値が急変する可能性が低く、この点において状態が安定していると評価できる。
In the example of FIG. 10, the process value difference protrudes from the range between the management upper limit value and the management lower limit value as indicated by a point P <b> 101, and is determined to be abnormal in the determination based on the management upper limit value and the management lower limit value.
In this way, by taking the difference between shots in time series, it is possible to evaluate the magnitude of the change in process value between shots in addition to the variation in process value between individual shots. The smaller the change in the process value between shots, the lower the possibility that the process value will change suddenly. In this respect, it can be evaluated that the state is stable.
例えば、図７および図９の示す状態のほうが、図８および図１０の示す状態よりも安定していると評価できる。図７および図８のように個々のショットにおけるプロセス値のばらつきを評価するよりも、図９および図１０のようにショット間におけるプロセス値の差を取るほうがかかる評価を行いやすい。そこで、不良要因判定部２９６は、ショット間のプロセス値の差分を算出する。
For example, it can be evaluated that the state shown in FIGS. 7 and 9 is more stable than the state shown in FIGS. Rather than evaluating the variation of process values in individual shots as shown in FIGS. 7 and 8, it is easier to perform the evaluation by taking the difference of process values between shots as shown in FIGS. Therefore, the failure
次に、不良要因判定部２９６は、算出した差分のばらつきの大きさを評価する（ステップＳ１１７）。例えば、不良要因判定部２９６は、ばらつきとして標準偏差を算出し、得られた標準偏差が所定の閾値より大きいか否かを判定することで、ばらつき大とばらつき小とに分類する。
そして、不良要因判定部２９６は、ばらつきの評価と不良分類とに基づいて不良要因および対億作を特定し（ステップＳ１１８）、特定した不良要因および対応策を表示制御部２９１に出力して表示部２１０に表示させる（ステップＳ１１９）。
Next, the failure
Then, the failure
具体的には、ばらつきの程度および不良分類をインデックスとして不良要因および対応策を示すデータを記憶部２３０が記憶しており、不良要因判定部２９６は、当該データのうち、ばらつきの評価および不良分類の当てはまるデータを取得する。
例えば、最終充填位置のバラツキが小さいときは、樹脂の溶融状態は安定していると考えられ、「ガスの逃げ場がない」ことが要因として考えられる。この場合、対応策として「ガスベントの清掃及び該当箇所の速度を遅くする」ことが考えられる。一方、最終充填位置のバラツキが大きいときは、「樹脂の溶融状態が変化してガスが発生している」ことが要因として考えられる。この場合、対応策として「スクリュー回転速度等の調整を行う」ことが考えられる。
Specifically, the
For example, when the variation in the final filling position is small, it is considered that the molten state of the resin is stable, and it is considered that “there is no gas escape”. In this case, as a countermeasure, it is conceivable to “clean the gas vent and slow down the speed of the corresponding part”. On the other hand, when the variation in the final filling position is large, it is considered that “the gas is generated due to a change in the molten state of the resin”. In this case, it is conceivable to “adjust the screw rotation speed” as a countermeasure.
そこで、このようにばらつきの程度および不良分類をインデックスとして不良要因および対応策を示すデータを記憶部２３０が記憶しておき、不良要因判定部２９６は、データ蓄積部２９３を介して不良要因および対応策を読み出す。不良要因判定部２９６が読み出した不良要因および対応策を表示部２１０が表示することで、ユーザは該当する対応策を実施できる。
Therefore, the
このように、不良要因判定部２９６は、不良発生箇所到達時プロセス値のショット毎のばらつきに基づいて不良要因を判定する。特に、不良要因判定部２９６は、複数のショットについて、当該ショットにおける不良発生箇所到達時プロセス値と直後のショットにおける不良発生箇所到達時プロセス値との差分を求め、得られた差分に基づいて不良要因を判定する。
ステップＳ１１９の後、ステップＳ１０３へ戻る。
As described above, the failure
After step S119, the process returns to step S103.
以上のように、被射出物到達時間取得部２９４は、不良発生箇所に被射出物が到達する時間を求め、プロセス値取得部２９５は、不良発生箇所に被射出物が到達する時間における射出成形機１００のプロセス値である不良発生箇所到達時プロセス値を取得する。そして、不良要因判定部２９６は、不良分類情報の示す不良分類と、不良発生箇所到達時プロセス値とに基づいて不良要因を判定する。
これにより、不良要因判定部２９６は、射出成形における不良発生時に、不良発生要因をよく示していると期待される不良発生時のプロセス値に基づいて不良要因を特定することができる。
As described above, the injection object arrival
As a result, the failure
また、プロセス値取得部２９５複数のショットについて不良発生箇所到達時プロセス値を取得し、不良要因判定部２９６は、不良発生箇所到達時プロセス値のショット毎のばらつきに基づいて不良要因を判定する。
これにより、不良要因判定部２９６は、射出成形機１００の状態の安定性を複数ショットにわたっての時系列的に評価することができる。
Further, the process
Thereby, the defect
また、不良要因判定部２９６は、複数のショットについて、当該ショットにおける不良発生箇所到達時プロセス値と直後のショットにおける不良発生箇所到達時プロセス値との差分を求め、得られた差分に基づいて不良要因を判定する。
これにより、不良要因判定部２９６は、個々のショットにおけるプロセス値のばらつきに加えて、ショット間におけるプロセス値の変化の大きさを評価することができる。
Further, the failure
Thereby, the defect
また、表示部２１０は、被射出物の移動範囲を図示し、当該移動範囲の図において不良発生箇所毎に不良発生状況を表示する。
これにより、ユーザは、不良発生状況を視覚的に容易に確認できる。
In addition, the
As a result, the user can easily visually confirm the occurrence of a defect.
なお、プロセス値取得部２９５が、最終充填位置到達時プロセス値を取得するようにしてもよい。ここでいう最終充填位置到達時プロセス値とは、射出成形機１００が最終充填位置到達状態となった最終充填位置到達時間における射出成形機のプロセス値である。また、ここでいう最終充填位置状態とは、射出成形機１００のスクリューが最終充填位置（溶融樹脂を押し出す際の再前進位置）に到達した状態である。
この場合、不良要因判定部２９６は、最終充填位置到達時プロセス値に基づいて不良要因を判定する。
The process
In this case, the failure
例えば、溶融樹脂が過剰に加熱されて粘度低下しガスが発生しやすい状態にある場合、最終充填位置は前進する。逆に、樹脂が充分に溶融されない状態では、最終充填位置は後退する。この点において、最終充填位置は樹脂の溶融状態を示す因子である。
例えば、上述した圧力異常の場合、最終充填位置のバラツキが小さいときは、樹脂の溶融状態が安定していると考えられる。この場合、不良要因判定部２９６は、要因としてガスの逃げ場がないこと、および、対応策としてガスベントの清掃及び該当箇所の速度を遅くすることを、記憶部２３０から読み出し、表示制御部２９１を介して表示部２１０に表示させる。これにより、ユーザは、当該表示に従って条件調整やメンテナンスを実施し得る。
For example, when the molten resin is excessively heated and the viscosity is lowered and gas is easily generated, the final filling position advances. Conversely, in a state where the resin is not sufficiently melted, the final filling position moves backward. In this respect, the final filling position is a factor indicating the molten state of the resin.
For example, in the case of the pressure abnormality described above, when the variation in the final filling position is small, it is considered that the molten state of the resin is stable. In this case, the failure
一方、最終充填位置のバラツキが大きいときは、不良要因判定部２９６は、要因として樹脂の溶融状態が変化しガスが発生している恐れがあること、および、対応策としてスクリュー回転速度等の調整を行うことを、記憶部２３０から読み出し、表示制御部２９１を介しては表示部２１０に表示させる。
On the other hand, when the variation in the final filling position is large, the failure
なお、以上では、不良要因判定部２９６が、圧力推移と最終充填位置に基づいて不良要因を推定する場合について説明したが、不良要因判定部２９６が、不良要因を判定する因子はこれに限らない。不良要因判定部２９６が、他の因子に基づいて不良要因判定を行うようにしてもよいし、３つ以上の因子に基づいて不良要因判定を行うようにしてもよい。
例えば、シルバーのように樹脂の溶融状態に大きく起因する不良に関しては、不良要因判定部２９６が、最終充填位置の推移にて要因を特定するようにしてもよい。また、ヒケなどは圧力に起因することが大きく、不良要因判定部２９６が、圧力推移で要因を推定するようにしてもよい。
このように、不良要因判定部２９６が、不良発生箇所と不良分類及び当該箇所の成形工程のプロセスのばらつきを演算し、ばらつきから不良推定を行なうことで、不良発生の要因をより精度良く把握することができる。
In the above, the case where the failure
For example, for a defect that is largely caused by the molten state of the resin, such as silver, the defect
As described above, the defect
＜第２の実施形態＞
図１１は、本発明の第２の実施形態における不良要因判定システムの機能構成を示す概略ブロック図である。同図において、不良要因判定システム３は、射出成形機１００と、不良要因判定装置３００と、端末装置４００とを具備する。不良要因判定装置３００は、記憶部２３０と、データ取得部２４０と、通信部３５０と、制御部３９０とを具備する。制御部３９０は、データ蓄積部２９３と、被射出物到達時間取得部２９４と、プロセス値取得部２９５と、不良要因判定部２９６と、通信制御部３９１とを具備する。端末装置４００は、表示部４１０と、操作入力部４２０と、通信部４５０と、制御部４９０とを具備する。
同図において、図１の各部に対応して同様の機能を有する部分には同一の符号（１００、２３０、２４０、２９３〜２９６）を付して説明を省略する。
<Second Embodiment>
FIG. 11 is a schematic block diagram showing a functional configuration of a failure factor determination system according to the second embodiment of the present invention. In FIG. 1, the failure factor determination system 3 includes an
In the figure, parts having the same functions corresponding to the respective parts in FIG. 1 are denoted by the same reference numerals (100, 230, 240, 293 to 296), and description thereof is omitted.
不良要因判定システム３では、不良要因判定システム１と異なり、表示部４１０を具備する端末装置４００が不良要因判定装置３００と別構成となっている。端末装置４００を射出成形機１００と離れた場所に設置することができ、遠隔地にて射出成形の状況を確認することができる。
なお、不良要因判定システム３が備える端末装置４００の数は、図１１に示す１つに限らず、複数であってもよい。例えば、端末装置４００が、不良要因判定装置３００の近傍と遠隔地とに、それぞれ設けられていてもよい。
In the failure factor determination system 3, unlike the failure
Note that the number of
通信部３５０は、端末装置４００（通信部４５０）と通信を行う。特に、通信部３５０は、不良要因判定部３９０の判定結果等を送信し、また、不良発生時における不良分類情報や不良発生箇所情報を受信する。
通信制御部３９１は、通信部３５０を制御して端末装置との通信を行わせる。
The
The
端末装置４００は、不良要因判定装置３００のユーザインタフェースとして各種情報の表示やユーザ操作の受付を行う。端末装置４００は、例えばコンピュータにて構成される。あるいは、端末装置４００を専用のハードウェアにて構成するようにしてもよい。
表示部４１０は、例えば液晶パネルまたは有機ＥＬ（Organic Electroluminescence）パネルなどの表示画面を有し、表示制御部２９１の制御に従って各種画像を表示する。特に、表示部４１０は、表示部２１０（図１）と同様、不良要因判定部の判定結果を表示する。
The
The
操作入力部４２０は、例えばキーボードやマウスなどの入力デバイスを有して、不良要因判定装置２００のユーザ（以下、単に「ユーザ」と称する）の行うユーザ操作を受け付ける。特に、操作入力部４２０は、操作入力部２２０（図１）と同様、不良分類や不良発生箇所の入力を受け付ける。
通信部４５０は、不良要因判定装置３００（通信部３５０）と通信を行う。特に、通信部４５０は、不良要因判定装置３００（不良要因判定部３９０）の不良判定結果等を受信し、また、不良発生時にユーザが入力する不良分類情報や不良発生箇所情報を送信する。
制御部４９０は、端末装置４００の各部を制御して各種機能を実行する。特に、制御部４００は、本発明における不良情報取得部の一例に該当し、射出成形における不良発生箇所情報および不良分類情報を取得する。すなわち、制御部４９０は、操作入力部４２０が受け付ける、不良発生箇所情報および不良分類情報の操作入力を検出する。
The
The
The
このような構成により、不良要因判定システム３は、成形品試作時の成形品の構造確認にも適用できる。成形品試作においては成形品の構造や成形条件を変更しながら進めていくことが多い。一方、成形品の設計場所と、射出成形機１００の設置されている製造現場とが物理的に離れていることが多く、試作時の成形品を容易に確認できないことや、大量の試作品の運搬を余儀なくされることがある。
With such a configuration, the failure factor determination system 3 can also be applied to the structure confirmation of a molded product at the time of trial manufacture of a molded product. In the trial production of molded products, it is often advanced while changing the structure and molding conditions of the molded product. On the other hand, the design place of the molded product is often physically separated from the manufacturing site where the
成形品の試作時は不良発生の要因が成形品の構造に起因することも多く、それが修正されることなく量産が開始された場合、大きな損失が生じてしまうおそれがある。また、実際に成形しないと確認できない事象も多く、試作時には実際に成形作業を行なうことにより、完全に問題点を解決していく必要がある。
例えば、試作時には製品構造から発生ガスやエアが滞留しやすく、ヤケ等の外観不良が発生することがある。これに対しては製品構造を変更する、もしくは金型にエアベント（ガス抜け）を追加していく必要がある。しかしこれらは実際の成形品を確認し、どこにどのような不良が発生しているかを確認していく必要があり、上述の通り、成形現場が離れている場合、頻繁な移動が負担となる。
In the trial production of a molded product, the cause of defects is often attributed to the structure of the molded product, and if mass production is started without being corrected, a large loss may occur. In addition, there are many events that cannot be confirmed without actual molding, and it is necessary to completely solve the problem by actually performing the molding operation at the time of prototyping.
For example, generated gas or air tends to stay from the product structure during trial production, and appearance defects such as burns may occur. For this, it is necessary to change the product structure or add an air vent (out of gas) to the mold. However, it is necessary to confirm the actual molded product and where and what kind of defect has occurred. As described above, when the molding site is far away, frequent movement becomes a burden.
そこで、不良要因判定システム３を用いて、遠隔地で要因をより詳細に解析することができる。
ユーザは、試作時に試作する成形品の図面を呼び出し、試作時に発生した不良の分類と不良発生箇所とを入力する。また、不良要因判定システム１（図１）の場合と同様、記憶部２３０は、射出成形機１００のプロセス値を記憶する。これらのデータを用いて、不良要因判定システム３は、遠隔地に位置するユーザに対して、不良要因判定システム１の場合と同様の情報を提供することができる。
Therefore, the factor can be analyzed in more detail at a remote place by using the failure factor determination system 3.
The user calls a drawing of a molded product to be prototyped at the time of prototyping, and inputs a classification of defects that occurred at the time of prototyping and locations where the defects have occurred. Further, as in the case of the failure factor determination system 1 (FIG. 1), the
また、上記のように、試作時には不良要因が製品の構造に起因することも多いので、不良発生箇所と製品構造を容易に視認できることが望ましい。
そこで、表示部４１０は、成形品を三次元的に図示し、当該成形品の図において不良発生箇所毎に不良発生状況を表示する
図１２は、表示部４１０が成形品を図示する例を示す説明図である。同図において、表示物Ｂ１２３は、成形品の３次元表示であり、ボスＢ１２１およびリブＢ１２２が示されている。また、領域Ａ１２１には不良分類セレクトボタンが表示されており、棒グラフＢ１２４は、不良発生箇所毎の発生度数を示している。また、点Ｐ１２１はゲート位置を示す。
Further, as described above, the cause of failure is often attributed to the structure of the product at the time of prototyping, so it is desirable that the location where the defect occurs and the product structure can be easily visually confirmed.
Therefore, the
図１２に示すように、不良位置の入力及び実績の確認を、三次元データを活用して行うことで、ユーザは、例えば不良発生裏面のボス形状や、肉厚変化点での不良発生との相関などを視覚的に把握できる。また流動解析データと発生不良位置及び不良発生数の情報を重ね合わせて表示することで、流れのどの部分に問題点があるかを正確に把握することが可能になり、問題点のより正確な把握が可能になる。 As shown in FIG. 12, by performing the input of the defect position and the confirmation of the result using the three-dimensional data, the user can, for example, determine the defect occurrence at the boss shape on the back surface where the defect occurs or the thickness change point. You can grasp the correlation visually. In addition, by displaying the flow analysis data and the information on the location and number of defects generated in an overlapping manner, it becomes possible to accurately grasp which part of the flow has the problem, and the problem can be more accurately identified. It becomes possible to grasp.
＜第３の実施形態＞
図１３は、本発明の第３の実施形態における不良発生予測システムの機能構成を示す概略ブロック図である。同図において、不良発生予測システム５は、射出成形機１００と、不良発生予測装置５００とを具備する。不良発生予測装置５００は、表示部２１０と、操作入力部２２０と、記憶部２３０と、データ取得部２４０と、制御部５９０とを具備する。制御部５９０は、表示制御部２９１と、入力処理部２９２と、データ蓄積部２９３と、監視対象時間設定部５９１と、過去プロセス値取得部５９２と、実機プロセス値取得部５９３と、不良発生予測部５９４とを具備する。
同図において、図１の各部に対応して同様の機能を有する部分には同一の符号（１００、２１０、２２０、２３０、２４０、２９１〜２９３）を付して説明を省略する。
<Third Embodiment>
FIG. 13 is a schematic block diagram showing a functional configuration of a failure occurrence prediction system according to the third embodiment of the present invention. In the figure, the failure
In the figure, parts having the same functions corresponding to the respective parts in FIG. 1 are denoted by the same reference numerals (100, 210, 220, 230, 240, 291 to 293), and description thereof is omitted.
不良発生予測装置５００は、射出成形における不良発生履歴に基づいて、不良発生の予想を行う。不良発生予想装置５００は、例えばコンピュータにて構成される。あるいは、不良発生予想装置５００を専用のハードウェアにて構成するようにしてもよい。
制御部５９０は、不良発生予測装置５００の各部を制御して、各種機能を実行する。
データ蓄積部２９３は、本発明における不良情報取得部の一例に該当し、記憶部２３０が記憶している、過去の射出成形における射出成形機１００のプロセス値および不良発生状況を示す履歴情報から、不良の発生したショットにおける不良発生箇所情報および不良分類情報を取得する。
The defect
The
The
監視対象時間設定部５９１は、不良発生箇所情報が示す不良発生箇所に基づいて監視対象時間を設定する。
過去プロセス値取得部５９２は、不良の発生したショットよりも過去の少なくとも１ショットについて、監視対象時間における射出成形機のプロセス値を、履歴情報から取得する。
実機プロセス値取得部５９３は、監視対象時間における射出成形機のプロセス値を、射出成形機実機から取得する。
不良発生予測部５９４は、過去プロセス値取得部が取得したプロセス値と、実機プロセス値取得部が取得したプロセス値とに基づいて、不良の発生を予測する。
The monitoring target
The past process
The actual machine process
The defect
以上の構成により、不良発生予測システム５を成形品の品質予想に適用することができる。
不良発生予測装置５００においても、不良要因判定装置２００（図１）の場合と同様、不良分類と不良発生箇所とがユーザ入力によって記憶部２３０に蓄積される。そして、ある機種の成形を行うときに、不良発生予想部５９４が、過去の同一機種の不良発生箇所と分類のデータを参照することによりその機種での不良発生時のばらつき傾向と現在のばらつき推移を比較し、過去のデータと同様のばらつき推移と同じであれば同様の不良が発生する恐れがあると判断する。
With the above configuration, the defect
Also in the failure
ここで、ある機種の不良発生実績を分析すると、発生不良には機種によって傾向がある場合が多い。そこで、例えばある機種の生産を開始する際、データ蓄積部２９３が、その機種の過去の不良実績データを記憶部２３０から呼び出し、一番多く発生している不良分類と不良箇所をデータ監視箇所として特定する。
また、不良発生予想部５９４は、記憶部２３０が記憶している不良発生時のプロセス値（の差分）のばらつきと、現在生産している機種におけるデータ監視箇所に該当する成形機のプロセス値（の差分）のばらつきとを比較する。そして、不良発生時のばらつき以上のばらつきが発生すると表示部２１０が、不良の発生しやすい状況にある旨の警告を表示する。これにより、未然に不良発生を防ぐことができる。
Here, when the defect occurrence record of a certain model is analyzed, the occurrence defect often has a tendency depending on the model. Therefore, for example, when starting production of a certain model, the
In addition, the failure
なお、ユーザが、過去の不良発生データのうち発生不良を任意の数だけ選択できるようにしてもよい。これにより、不良発生予想部５９４は、複数の不良とその該当場所のばらつきを判断基準とし不良発生を予測することができる。
また、図４の例と同様に、表示部２１０が不良の発生状況を表示し、ユーザが、不良分類での絞り込みをし、監視対象に選択したい場所を例えばマウスでクリックするようにしてもよい。これにより、ユーザは視覚的に分かり易く、楽に作業を行うことができ、また、複数の項目を容易に選択し得る。
It should be noted that the user may be able to select an arbitrary number of occurrence defects from past defect occurrence data. Thereby, the defect
Similarly to the example of FIG. 4, the
次に、図１４〜図１６を参照して本発明における最小構成について説明する。
図１４は、本発明における不良要因判定装置の最小構成を示す概略ブロック図である。
同図の不良要因判定装置６００において、不良情報取得部６１０は、射出成形における不良発生箇所情報および不良分類情報を取得する。また、被射出物到達時間取得部２９４と、プロセス値取得部２９５と、不良要因判定部２９６とは、不良要因判定装置２００（図１）の場合と同様である。
かかる構成にて、不良要因判定装置２００（図１）の場合と同様、不良要因判定装置６００（不良要因判定部２９６）は、射出成形における不良発生時に、不良発生要因をよく示していると期待される不良発生時のプロセス値に基づいて不良要因を特定することができる。
Next, the minimum configuration in the present invention will be described with reference to FIGS.
FIG. 14 is a schematic block diagram showing the minimum configuration of the failure factor determination device according to the present invention.
In the failure
With this configuration, as in the case of the failure factor determination device 200 (FIG. 1), the failure factor determination device 600 (failure factor determination unit 296) is expected to well indicate the cause of failure when a failure occurs in injection molding. The cause of failure can be specified based on the process value at the time of occurrence of failure.
図１５は、本発明における不良要因判定システムの最小構成を示す概略ブロック図である。同図の不良要因判定システム７において、不良情報取得部６１０は、射出成形における不良発生箇所情報および不良分類情報を取得する。また、射出成形機１００と、記憶部２３０と、被射出物到達時間取得部２９４と、プロセス値取得部２９５と、不良要因判定部２９６と、表示部４１０とは、不良要因判定システム３（図１１）の場合と同様である。
かかる構成にて、不良要因判定システム３（図１１）の場合と同様、遠隔地に位置するユーザに対して、不良要因判定システム１の場合と同様の情報を提供することができる。
FIG. 15 is a schematic block diagram showing the minimum configuration of the failure factor determination system in the present invention. In the failure
With this configuration, as in the case of the failure factor determination system 3 (FIG. 11), the same information as in the case of the failure
図１６は、本発明における不良発生予測装置の最小構成を示す概略ブロック図である。同図の不良発生予測装置８００において、不良情報取得部６１０は、射出成形における不良発生箇所情報および不良分類情報を取得する。また、監視対象時間設定部５９１と、過去プロセス値取得部５９２と、実記プロセス値取得部５９３と、不良発生予測部５９４とは、不良発生予測装置５００（図１３）の場合と同様である。
かかる構成にて、不良発生予測装置８００は、不良発生予測装置５００（図１３）の場合と同様、成形品の品質予想を行うことができ、不良の発生しやすい状況にある旨の警告を表示して、未然に不良発生を防ぐことができる。
FIG. 16 is a schematic block diagram showing the minimum configuration of the failure occurrence prediction apparatus according to the present invention. In the failure
With this configuration, the defect
なお、不良要因判定装置２００、３００または６００や、端末装置４００や、不良発生予測装置５００または８００の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
In addition, a program for realizing all or part of the functions of the failure
Further, the “computer system” includes a homepage providing environment (or display environment) if a WWW system is used.
The “computer-readable recording medium” refers to a storage device such as a flexible medium, a magneto-optical disk, a portable medium such as a ROM and a CD-ROM, and a hard disk incorporated in a computer system. Furthermore, the “computer-readable recording medium” dynamically holds a program for a short time like a communication line when transmitting a program via a network such as the Internet or a communication line such as a telephone line. In this case, a volatile memory in a computer system serving as a server or a client in that case, and a program that holds a program for a certain period of time are also included. The program may be a program for realizing a part of the functions described above, and may be a program capable of realizing the functions described above in combination with a program already recorded in a computer system.
以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。 The embodiment of the present invention has been described in detail with reference to the drawings. However, the specific configuration is not limited to this embodiment, and includes design changes and the like without departing from the gist of the present invention.
上記の実施形態の一部または全部は、以下の付記のようにも記載され得るが、以下には限られない。 A part or all of the above-described embodiment can be described as in the following supplementary notes, but is not limited thereto.
（付記１）
射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得部と、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得部と、前記不良発生箇所に被射出物が到達する時間における射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得部と、前記不良分類情報の示す不良分類と、前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定部と、を具備することを特徴とする不良要因判定装置。
(Appendix 1)
A defect information acquisition unit for acquiring defect occurrence location information and defect classification information in injection molding, an injection arrival time acquisition unit for obtaining a time for an injection to arrive at a failure occurrence location indicated by the defect occurrence location information, and A process value acquisition unit that acquires a process value at the time of arrival of a defect occurrence point, which is a process value of the injection molding machine at a time when the injection target reaches the defect occurrence point, a defect classification indicated by the defect classification information, and the defect occurrence point A failure factor determination device, comprising: a failure factor determination unit that determines a failure factor based on a process value at the time of arrival.
（付記２）
前記プロセス値取得部は、複数のショットについて前記不良発生箇所到達時プロセス値を取得し、前記不良要因判定部は、前記不良発生箇所到達時プロセス値のショット毎のばらつきに基づいて不良要因を判定することを特徴とする付記１に記載の不良要因判定装置。
(Appendix 2)
The process value acquisition unit acquires the process value at the time of arrival of the defect occurrence point for a plurality of shots, and the failure factor determination unit determines a failure factor based on variation of the process value at the time of failure occurrence point arrival for each shot. The defect factor determination device as set forth in
（付記３）
前記不良要因判定部は、複数のショットについて、当該ショットにおける不良発生箇所到達時プロセス値と直後のショットにおける不良発生箇所到達時プロセス値との差分を求め、得られた差分に基づいて不良要因を判定することを特徴とする付記２に記載の不良要因判定装置。
(Appendix 3)
The defect factor determination unit obtains a difference between a process value at the time of occurrence of a defect in the shot and a process value at the time of arrival of a defect in the immediately following shot for a plurality of shots, and determines a defect factor based on the obtained difference. The defect factor determination device according to
（付記４）
前記プロセス値取得部は、射出成形機が最終充填位置到達状態となった最終充填位置到達時間における射出成形機のプロセス値である最終充填位置到達時プロセス値を取得し、前記不良要因判定部は、前記最終充填位置到達時プロセス値に基づいて不良要因を判定することを特徴とする付記１から３のいずれか一項に記載の不良要因判定装置。
(Appendix 4)
The process value acquisition unit acquires a process value at the time of reaching the final filling position, which is a process value of the injection molding machine at the final filling position arrival time when the injection molding machine has reached the final filling position, and the failure factor determination unit The failure factor determination device according to any one of
（付記５）
前記被射出物の移動範囲を図示し、当該移動範囲の図において不良発生箇所毎に不良発生状況を表示する表示部を具備することを特徴とする付記１から４のいずれか一項に記載の不良要因判定装置。
(Appendix 5)
The moving range of the object to be ejected is illustrated, and a display unit that displays a defect occurrence state for each defect occurrence location in the movement range diagram is provided. Defect factor determination device.
（付記６）
過去の射出成形における射出成形機のプロセス値および不良発生状況を示す履歴情報から、不良の発生したショットにおける不良発生箇所情報および不良分類情報を取得する不良情報取得部と、前記不良発生箇所情報が示す不良発生箇所に基づいて監視対象時間を設定する監視対象時間設定部と、前記不良の発生したショットよりも過去の少なくとも１ショットについて、前記監視対象時間における射出成形機のプロセス値を、前記履歴情報から取得する過去プロセス値取得部と、前記監視対象時間における射出成形機のプロセス値を、射出成形機実機から取得する実機プロセス値取得部と、前記過去プロセス値取得部が取得した前記プロセス値と、前記実機プロセス値取得部が取得した前記プロセス値とに基づいて、不良の発生を予測する不良発生予測部と、を具備することを特徴とする不良発生予測装置。
(Appendix 6)
A defect information acquisition unit that acquires defect occurrence location information and failure classification information in a shot in which a defect has occurred, from history information indicating a process value of the injection molding machine in the past injection molding and a defect occurrence status, and the defect occurrence location information A monitoring target time setting unit that sets a monitoring target time based on a defect occurrence location to be indicated, and a history of the process value of the injection molding machine at the monitoring target time for at least one shot past the shot in which the defect has occurred. The past process value acquisition unit acquired from the information, the actual process value acquisition unit for acquiring the process value of the injection molding machine at the monitoring target time from the actual injection molding machine, and the process value acquired by the past process value acquisition unit And the occurrence of a defect is predicted based on the process value acquired by the actual machine process value acquisition unit. It is equipped with good occurrence prediction unit, a failure prediction apparatus according to claim.
（付記７）
射出成形機と、射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得部と、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得部と、前記不良発生箇所に被射出物が到達する時間における前記射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得部と、前記不良情報取得部が取得した前記不良発生箇所情報および前記不良分類情報と、前記プロセス値取得部が取得した前記不良発生箇所到達時プロセス値とをショット毎に記憶する記憶部と、前記記憶部が記憶する前記不良分類情報の示す不良分類と、前記記憶部が記憶する前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定部と、前記不良要因判定部の判定結果を表示する表示部と、を具備することを特徴とする不良要因判定システム。
(Appendix 7)
An injection molding machine, a defect information acquisition unit that acquires defect occurrence location information and defect classification information in injection molding, and an injection arrival time for obtaining an arrival time of the injection at the failure occurrence location indicated by the failure occurrence location information An acquisition unit, a process value acquisition unit that acquires a process value at the time of arrival of a defect that is a process value of the injection molding machine at a time when an object reaches the defect occurrence point, and the defect information acquisition unit The storage unit that stores the defect occurrence location information and the failure classification information, and the failure occurrence location arrival process value acquired by the process value acquisition unit for each shot, and the failure classification information stored in the storage unit A failure factor determination unit that determines a failure factor based on the failure classification to be shown and the process value at the time of failure occurrence stored in the storage unit, and the failure factor determination Failure factor determination system characterized by comprising the display unit for displaying the determination result.
（付記８）
前記表示部は、成形品を図示し、当該成形品の図において不良発生箇所毎に不良発生状況を表示することを特徴とする付記７に記載の不良要因判定システム。
(Appendix 8)
8. The failure factor determination system according to
（付記９）
不良要因判定装置の不良要因判定方法であって、射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得ステップと、前記不良発生箇所に被射出物が到達する時間における射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得ステップと、前記不良分類情報の示す不良分類と、前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定ステップと、を具備することを特徴とする不良要因判定方法。
(Appendix 9)
A defect factor determination method of a defect factor determination device, a defect information acquisition step of acquiring defect occurrence location information and failure classification information in injection molding, and an object to be injected reaches a failure occurrence location indicated by the failure occurrence location information. An object arrival time obtaining step for obtaining a time, a process value obtaining step for obtaining a process value at the time of arrival of a defect that is a process value of an injection molding machine at a time at which the object to be injected reaches the defect occurrence point, and A failure factor determination method, comprising: a failure factor determination step of determining a failure factor based on a failure classification indicated by failure classification information and the process value at the time of occurrence of the failure.
（付記１０）
不良発生予測装置の不良発生予測方法であって、過去の射出成形における射出成形機のプロセス値および不良発生状況を示す履歴情報から、不良の発生したショットにおける不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、前記不良発生箇所情報が示す不良発生箇所に基づいて監視対象時間を設定する監視対象時間設定ステップと、前記不良の発生したショットよりも過去の少なくとも１ショットについて、前記監視対象時間における射出成形機のプロセス値を、前記履歴情報から取得する過去プロセス値取得ステップと、前記監視対象時間における射出成形機のプロセス値を、射出成形機実機から取得する実機プロセス値取得ステップと、前記過去プロセス値取得ステップにて取得した前記プロセス値と、前記実機プロセス値取得ステップにて取得した前記プロセス値とに基づいて、不良の発生を予測する不良発生予測ステップと、を具備することを特徴とする不良発生予測方法。
(Appendix 10)
Defect occurrence prediction method of defect occurrence prediction device, which obtains defect occurrence location information and defect classification information in shots where defects occurred from history process information indicating injection molding machine process values and defect occurrence status in past injection molding The failure information acquisition step, the monitoring target time setting step for setting the monitoring target time based on the failure occurrence location indicated by the failure occurrence location information, and the monitoring for at least one shot in the past from the shot in which the failure occurred A past process value acquisition step of acquiring the process value of the injection molding machine at the target time from the history information; and an actual process value acquisition step of acquiring the process value of the injection molding machine at the monitoring target time from the actual injection molding machine; , The process value acquired in the past process value acquisition step, and the actual value Failure prediction method characterized by comprising, based on said process values acquired in the process value acquisition step, the defective occurrence prediction step of predicting the occurrence of defective, the.
（付記１１）
射出成形機と記憶部とを具備する不良要因判定システムの不良要因判定方法であって、射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得ステップと、前記不良発生箇所に被射出物が到達する時間における前記射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得ステップと、前記記憶部が、前記不良情報取得ステップにて取得した前記不良発生箇所情報および前記不良分類情報と、前記プロセス値取得ステップにて取得した前記不良発生箇所到達時プロセス値とをショット毎に記憶する記憶ステップと、前記記憶部が記憶する前記不良分類情報の示す不良分類と、前記記憶部が記憶する前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定ステップと、前記不良要因判定ステップでの判定結果を表示する表示ステップと、を具備することを特徴とする不良要因判定方法。
(Appendix 11)
A defect factor determination method for a defect factor determination system comprising an injection molding machine and a storage unit, the defect information acquisition step for acquiring defect occurrence location information and failure classification information in injection molding, and the failure occurrence location information An object arrival time acquisition step for obtaining a time for the injection target to reach the defect occurrence point, and a defect occurrence point arrival process which is a process value of the injection molding machine at the time for the injection target to reach the defect occurrence point. A process value acquisition step for acquiring a value; the defect occurrence location information and the failure classification information acquired in the failure information acquisition step; and the failure occurrence location arrival acquired in the process value acquisition step. Storing a time process value for each shot, and a defect classification indicated by the defect classification information stored in the storage unit; A failure factor determination step of determining a failure factor based on the process value at the time of occurrence of the failure occurrence stored in the storage unit, and a display step of displaying a determination result in the failure factor determination step. Characteristic defect factor determination method.
（付記１２）
不良要因判定装置としてのコンピュータに、射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得ステップと、前記不良発生箇所に被射出物が到達する時間における射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得ステップと、前記不良分類情報の示す不良分類と、前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定ステップと、と実行させるためのプログラム。
(Appendix 12)
A defect information acquisition step of acquiring defect occurrence location information and failure classification information in injection molding in a computer as a failure factor determination device, and a time for obtaining a time for the injection target to reach the failure occurrence location indicated by the failure occurrence location information. A process value acquisition step of acquiring an injection arrival time acquisition step, a process value acquisition step of acquiring a defect occurrence point arrival process value that is a process value of an injection molding machine at a time when the injection object reaches the defect occurrence point, and the defect classification information A failure cause determination step for determining a failure factor based on a failure classification to be indicated and a process value at the time of occurrence of the failure occurrence.
（付記１３）
不良発生予測装置としてのコンピュータに、過去の射出成形における射出成形機のプロセス値および不良発生状況を示す履歴情報から、不良の発生したショットにおける不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、前記不良発生箇所情報が示す不良発生箇所に基づいて監視対象時間を設定する監視対象時間設定ステップと、前記不良の発生したショットよりも過去の少なくとも１ショットについて、前記監視対象時間における射出成形機のプロセス値を、前記履歴情報から取得する過去プロセス値取得ステップと、前記監視対象時間における射出成形機のプロセス値を、射出成形機実機から取得する実機プロセス値取得ステップと、前記過去プロセス値取得ステップにて取得した前記プロセス値と、前記実機プロセス値取得ステップにて取得した前記プロセス値とに基づいて、不良の発生を予測する不良発生予測ステップと、を実行させるためのプログラム。
(Appendix 13)
Defect information acquisition that acquires defect occurrence location information and defect classification information in a shot where a defect has occurred from a history information indicating the process value of the injection molding machine in the past injection molding and the defect occurrence status in a computer as a defect occurrence prediction device A monitoring target time setting step for setting a monitoring target time based on a defect occurrence location indicated by the defect occurrence location information, and injection at the monitoring target time for at least one shot past the shot in which the failure has occurred A past process value acquisition step of acquiring a process value of the molding machine from the history information, an actual process value acquisition step of acquiring a process value of the injection molding machine at the monitoring target time from the actual injection molding machine, and the past process The process value acquired in the value acquisition step and the actual machine Based on said process values acquired in process values acquiring step, a program for executing a failure prediction step of predicting the occurrence of defects.
（付記１４）
射出成形機と記憶部とを具備する不良要因判定システムを制御するコンピュータに、射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得ステップと、前記不良発生箇所に被射出物が到達する時間における前記射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得ステップと、前記記憶部が、前記不良情報取得ステップにて取得した前記不良発生箇所情報および前記不良分類情報と、前記プロセス値取得ステップにて取得した前記不良発生箇所到達時プロセス値とをショット毎に記憶する記憶ステップと、前記記憶部が記憶する前記不良分類情報の示す不良分類と、前記記憶部が記憶する前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定ステップと、前記不良要因判定ステップでの判定結果を表示する表示ステップと、を実行させるためのプログラム。
(Appendix 14)
A defect information acquisition step of acquiring defect occurrence location information and failure classification information in injection molding in a computer that controls a failure factor determination system including an injection molding machine and a storage unit; and a failure occurrence location indicated by the failure occurrence location information The object arrival time acquisition step for obtaining the time for the injection object to arrive at the time, and the process value at the time of occurrence of the defect that is the process value of the injection molding machine at the time when the injection object arrives at the defect occurrence position Process value acquisition step, the storage section acquired the defect occurrence location information and defect classification information acquired in the defect information acquisition step, and the failure occurrence location arrival process value acquired in the process value acquisition step Storing for each shot, and a defect classification indicated by the defect classification information stored in the storage unit, A failure factor determination step for determining a failure factor based on the process value at the time of failure occurrence stored in the storage unit, and a display step for displaying a determination result in the failure factor determination step. program.
１、３、７ 不良要因判定システム
５ 不良発生予測システム
１００ 射出成形機
２００、３００、５００ 不良要因判定装置
２１０、４１０ 表示部
２２０、４２０ 操作入力部
２３０ 記憶部
２４０ データ取得部
２９０、３９０、４９０、５９０ 制御部
２９１ 表示制御部
２９２ 入力処理部
２９３ データ蓄積部
２９４ 被射出物到達時間取得部
２９５ プロセス値取得部
２９６ 不良要因判定部
３５０、４５０ 通信部
３９１ 通信制御部
４００ 端末装置
５００ 不良発生予測装置
５９１ 監視対象時間設定部
５９２ 過去プロセス値取得部
５９３ 実機プロセス値取得部
５９４ 不良発生予測部
1, 3, 7 Failure
Claims (10)
前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得部と、
前記不良発生箇所に被射出物が到達する時間における射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得部と、
前記不良分類情報の示す不良分類と、前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定部と、
を具備することを特徴とする不良要因判定装置。 A defect information acquisition unit for acquiring defect occurrence location information and defect classification information in injection molding;
An object arrival time acquisition unit for obtaining a time for the object to reach the defect occurrence location indicated by the defect occurrence location information;
A process value acquisition unit that acquires a process value at the time of arrival of a defect occurrence point that is a process value of an injection molding machine at a time when an injection target arrives at the defect occurrence point;
A failure factor determination unit that determines a failure factor based on the failure classification indicated by the failure classification information and the process value at the time of occurrence of the failure;
A failure factor determination device comprising:
前記不良要因判定部は、前記不良発生箇所到達時プロセス値のショット毎のばらつきに基づいて不良要因を判定する
ことを特徴とする請求項１に記載の不良要因判定装置。 The process value obtaining unit obtains the process value at the time of occurrence of the defect for a plurality of shots,
The failure factor determination device according to claim 1, wherein the failure factor determination unit determines a failure factor based on a shot-by-shot variation of the process value when the failure occurs.
ことを特徴とする請求項２に記載の不良要因判定装置。 The defect factor determination unit obtains a difference between a process value at the time of occurrence of a defect in the shot and a process value at the time of arrival of a defect in the immediately following shot for a plurality of shots, and determines a defect factor based on the obtained difference. The defect factor determination device according to claim 2, wherein determination is performed.
前記不良要因判定部は、前記最終充填位置到達時プロセス値に基づいて不良要因を判定する
ことを特徴とする請求項１から３のいずれか一項に記載の不良要因判定装置。 The process value acquisition unit acquires a process value at the time of reaching the final filling position, which is a process value of the injection molding machine at the final filling position arrival time when the injection molding machine has reached the final filling position.
The failure factor determination device according to any one of claims 1 to 3, wherein the failure factor determination unit determines a failure factor based on the process value when the final filling position is reached.
前記不良発生箇所情報が示す不良発生箇所に基づいて監視対象時間を設定する監視対象時間設定部と、
前記不良の発生したショットよりも過去の少なくとも１ショットについて、前記監視対象時間における射出成形機のプロセス値を、前記履歴情報から取得する過去プロセス値取得部と、
前記監視対象時間における射出成形機のプロセス値を、射出成形機実機から取得する実機プロセス値取得部と、
前記過去プロセス値取得部が取得した前記プロセス値と、前記実機プロセス値取得部が取得した前記プロセス値とに基づいて、不良の発生を予測する不良発生予測部と、
を具備することを特徴とする不良発生予測装置。 A defect information acquisition unit for acquiring defect occurrence location information and defect classification information in a shot in which a defect has occurred, from history information indicating a process value of the injection molding machine in the past injection molding and a defect occurrence status;
A monitoring target time setting unit that sets a monitoring target time based on the defect occurrence location indicated by the defect occurrence location information;
A past process value acquisition unit that acquires, from the history information, a process value of the injection molding machine at the monitoring target time for at least one shot past the shot in which the defect has occurred;
An actual process value acquisition unit for acquiring the process value of the injection molding machine at the monitoring target time from the actual injection molding machine;
A failure occurrence prediction unit that predicts the occurrence of a failure based on the process value acquired by the past process value acquisition unit and the process value acquired by the actual machine process value acquisition unit;
A failure occurrence predicting device characterized by comprising:
射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得部と、
前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得部と、
前記不良発生箇所に被射出物が到達する時間における前記射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得部と、
前記不良情報取得部が取得した前記不良発生箇所情報および前記不良分類情報と、前記プロセス値取得部が取得した前記不良発生箇所到達時プロセス値とをショット毎に記憶する記憶部と、
前記記憶部が記憶する前記不良分類情報の示す不良分類と、前記記憶部が記憶する前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定部と、
前記不良要因判定部の判定結果を表示する表示部と、
を具備することを特徴とする不良要因判定システム。 An injection molding machine;
A defect information acquisition unit for acquiring defect occurrence location information and defect classification information in injection molding;
An object arrival time acquisition unit for obtaining a time for the object to reach the defect occurrence location indicated by the defect occurrence location information;
A process value acquisition unit for acquiring a process value at the time of occurrence of a defect occurrence point, which is a process value of the injection molding machine at a time when an injection target arrives at the defect occurrence point;
A storage unit that stores, for each shot, the failure occurrence location information and the failure classification information acquired by the failure information acquisition unit, and the failure occurrence location arrival process value acquired by the process value acquisition unit;
A failure factor determination unit that determines a failure factor based on the failure classification indicated by the failure classification information stored in the storage unit and the failure occurrence point arrival process value stored in the storage unit;
A display unit for displaying a determination result of the defect factor determination unit;
A failure factor determination system comprising:
射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、
前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得ステップと、
前記不良発生箇所に被射出物が到達する時間における射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得ステップと、
前記不良分類情報の示す不良分類と、前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定ステップと、
を具備することを特徴とする不良要因判定方法。 A failure factor determination method for a failure factor determination device,
Defect information acquisition step of acquiring defect occurrence location information and defect classification information in injection molding,
An object arrival time acquisition step for obtaining a time for the object to reach the defect occurrence location indicated by the defect occurrence location information;
A process value acquisition step of acquiring a process value at the time of arrival of a defect occurrence point, which is a process value of an injection molding machine at a time when an injection target arrives at the defect occurrence point;
A failure factor determination step of determining a failure factor based on the failure classification indicated by the failure classification information and the process value at the time of occurrence of the failure;
A failure factor determination method comprising:
射出成形における不良発生箇所情報および不良分類情報を取得する不良情報取得ステップと、
前記不良発生箇所情報が示す不良発生箇所に被射出物が到達する時間を求める被射出物到達時間取得ステップと、
前記不良発生箇所に被射出物が到達する時間における射出成形機のプロセス値である不良発生箇所到達時プロセス値を取得するプロセス値取得ステップと、
前記不良分類情報の示す不良分類と、前記不良発生箇所到達時プロセス値とに基づいて不良要因を判定する不良要因判定ステップと、
と実行させるためのプログラム。 In a computer as a failure factor determination device,
Defect information acquisition step of acquiring defect occurrence location information and defect classification information in injection molding,
An object arrival time acquisition step for obtaining a time for the object to reach the defect occurrence location indicated by the defect occurrence location information;
A process value acquisition step of acquiring a process value at the time of arrival of a defect occurrence point, which is a process value of an injection molding machine at a time when an injection target arrives at the defect occurrence point;
A failure factor determination step of determining a failure factor based on the failure classification indicated by the failure classification information and the process value at the time of occurrence of the failure;
And a program to be executed.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012216110A JP6040682B2 (en) | 2012-09-28 | 2012-09-28 | Failure factor determination device, failure factor determination system, failure factor determination method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012216110A JP6040682B2 (en) | 2012-09-28 | 2012-09-28 | Failure factor determination device, failure factor determination system, failure factor determination method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014069382A true JP2014069382A (en) | 2014-04-21 |
| JP6040682B2 JP6040682B2 (en) | 2016-12-07 |
Family
ID=50745064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012216110A Active JP6040682B2 (en) | 2012-09-28 | 2012-09-28 | Failure factor determination device, failure factor determination system, failure factor determination method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6040682B2 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016013619A (en) * | 2014-06-30 | 2016-01-28 | 富士ゼロックス株式会社 | Molding thickness recognition device, molding thickness recognition system and molding thickness recognition program |
| DE102016014914A1 (en) | 2015-12-21 | 2017-06-22 | Fanuc Corporation | Formarbeits- / molding monitoring device |
| JP2017114109A (en) * | 2015-12-21 | 2017-06-29 | ファナック株式会社 | Molded object monitoring device |
| JP2021100796A (en) * | 2019-12-24 | 2021-07-08 | ファナック株式会社 | Injection molding system |
| JP2022107954A (en) * | 2021-01-12 | 2022-07-25 | 株式会社コジマプラスチックス | Die management system |
| CN114905709A (en) * | 2022-04-18 | 2022-08-16 | 青岛海尔模具有限公司 | Injection molding product defect detection and repair method and system |
| JP7468166B2 (en) | 2020-06-05 | 2024-04-16 | 株式会社ジェイテクト | Resin state estimation device and molding condition decision support device |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02128824A (en) * | 1988-11-09 | 1990-05-17 | Toshiba Mach Co Ltd | Optimum molding condition setting machine for injection molding machine |
| JPH06190887A (en) * | 1992-12-25 | 1994-07-12 | Toyo Mach & Metal Co Ltd | Molding machine with function of analyzing cause of nonconformity of molded product |
| JPH0724893A (en) * | 1993-05-26 | 1995-01-27 | Toray Ind Inc | Occurrence predicting and evaluating method for flow mark of injection molded form |
| JPH11320069A (en) * | 1998-05-15 | 1999-11-24 | Honda Motor Co Ltd | Mold clamping decision apparatus for metal mold |
| JP2002079561A (en) * | 2000-09-08 | 2002-03-19 | Sumitomo Heavy Ind Ltd | Method for distinguishing conformity of product from injection molding machine |
| JP2005343029A (en) * | 2004-06-03 | 2005-12-15 | Sumitomo Heavy Ind Ltd | Monitor/display method of molding machine |
-
2012
- 2012-09-28 JP JP2012216110A patent/JP6040682B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02128824A (en) * | 1988-11-09 | 1990-05-17 | Toshiba Mach Co Ltd | Optimum molding condition setting machine for injection molding machine |
| JPH06190887A (en) * | 1992-12-25 | 1994-07-12 | Toyo Mach & Metal Co Ltd | Molding machine with function of analyzing cause of nonconformity of molded product |
| JPH0724893A (en) * | 1993-05-26 | 1995-01-27 | Toray Ind Inc | Occurrence predicting and evaluating method for flow mark of injection molded form |
| JPH11320069A (en) * | 1998-05-15 | 1999-11-24 | Honda Motor Co Ltd | Mold clamping decision apparatus for metal mold |
| JP2002079561A (en) * | 2000-09-08 | 2002-03-19 | Sumitomo Heavy Ind Ltd | Method for distinguishing conformity of product from injection molding machine |
| JP2005343029A (en) * | 2004-06-03 | 2005-12-15 | Sumitomo Heavy Ind Ltd | Monitor/display method of molding machine |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016013619A (en) * | 2014-06-30 | 2016-01-28 | 富士ゼロックス株式会社 | Molding thickness recognition device, molding thickness recognition system and molding thickness recognition program |
| DE102016014914A1 (en) | 2015-12-21 | 2017-06-22 | Fanuc Corporation | Formarbeits- / molding monitoring device |
| JP2017114109A (en) * | 2015-12-21 | 2017-06-29 | ファナック株式会社 | Molded object monitoring device |
| US10232536B2 (en) | 2015-12-21 | 2019-03-19 | Fanuc Corporation | Molding monitoring apparatus |
| JP2021100796A (en) * | 2019-12-24 | 2021-07-08 | ファナック株式会社 | Injection molding system |
| JP7391656B2 (en) | 2019-12-24 | 2023-12-05 | ファナック株式会社 | injection molding system |
| JP7468166B2 (en) | 2020-06-05 | 2024-04-16 | 株式会社ジェイテクト | Resin state estimation device and molding condition decision support device |
| JP2022107954A (en) * | 2021-01-12 | 2022-07-25 | 株式会社コジマプラスチックス | Die management system |
| JP7189633B2 (en) | 2021-01-12 | 2022-12-14 | 株式会社コジマプラスチックス | Mold management system |
| CN114905709A (en) * | 2022-04-18 | 2022-08-16 | 青岛海尔模具有限公司 | Injection molding product defect detection and repair method and system |
| CN114905709B (en) * | 2022-04-18 | 2023-12-08 | 青岛海尔模具有限公司 | Detection and repair method and system for defects of injection molding product |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6040682B2 (en) | 2016-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6040682B2 (en) | Failure factor determination device, failure factor determination system, failure factor determination method, and program | |
| CN107924173B (en) | Monitoring device, monitoring system, and computer-readable storage medium | |
| JP7512626B2 (en) | Molded product judgment device, molded product judgment method, and molded product judgment program | |
| JP7483341B2 (en) | Information processing method, information processing device, machinery and equipment, article manufacturing method, program, and recording medium | |
| US7349747B2 (en) | Monitoring device and monitoring method for injection molding machine | |
| KR102591281B1 (en) | Product status estimation device | |
| JP2008110486A (en) | Support device of injection molding machine | |
| TWI673228B (en) | Unsteady detection device, unsteady detection system, and unsteady detection method | |
| JP6374911B2 (en) | Apparatus and method for controlling the course of a part manufacturing process | |
| JP2021051698A5 (en) | Information processing method, information processing device, mechanical equipment, manufacturing method of article, program, recording medium | |
| JP2020091694A (en) | Processing time monitor | |
| CN111745925B (en) | Injection molding analysis method and injection molding analysis system | |
| CN115328048A (en) | Injection molding process monitoring method, system, equipment and computer readable storage medium | |
| JP5827160B2 (en) | Injection molding machine and information display method | |
| TW201531985A (en) | Cloud based injection molding system and method thereof | |
| US20200368953A1 (en) | Display device and display method | |
| CN106891497B (en) | Molded product monitoring device | |
| JP2019059082A (en) | Arithmetic processing unit, arithmetic method and program of arithmetic processing unit | |
| US20220404792A1 (en) | Method, system and computer program product for monitoring a shaping process | |
| JP5764460B2 (en) | Data display method for injection molding machine and data display device for injection molding machine | |
| JP7391656B2 (en) | injection molding system | |
| JP4571044B2 (en) | Monitoring display device and display method | |
| JP2004164635A (en) | Monitoring device for production management | |
| WO2024084593A1 (en) | Resin flow analysis result display device and method for controlling resin flow analysis result display device | |
| JP2023023790A (en) | Molding control device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150807 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160419 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160426 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160627 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161011 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161024 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6040682 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |