JP2022175682A - Injection molding apparatus - Google Patents
Injection molding apparatus Download PDFInfo
- Publication number
- JP2022175682A JP2022175682A JP2021082307A JP2021082307A JP2022175682A JP 2022175682 A JP2022175682 A JP 2022175682A JP 2021082307 A JP2021082307 A JP 2021082307A JP 2021082307 A JP2021082307 A JP 2021082307A JP 2022175682 A JP2022175682 A JP 2022175682A
- Authority
- JP
- Japan
- Prior art keywords
- gate
- screw
- pressure data
- wear
- pressure
- 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.)
- Pending
Links
- 238000001746 injection moulding Methods 0.000 title claims abstract description 72
- 239000011347 resin Substances 0.000 claims abstract description 264
- 229920005989 resin Polymers 0.000 claims abstract description 264
- 238000002347 injection Methods 0.000 claims abstract description 96
- 239000007924 injection Substances 0.000 claims abstract description 96
- 238000007599 discharging Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 80
- 238000010801 machine learning Methods 0.000 claims description 44
- 238000000465 moulding Methods 0.000 claims description 32
- 238000003860 storage Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 26
- 238000010926 purge Methods 0.000 claims description 14
- 238000005303 weighing Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 7
- 239000000243 solution Substances 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 30
- 238000012545 processing Methods 0.000 description 22
- 238000001514 detection method Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 7
- 230000002123 temporal effect Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000009530 blood pressure measurement Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000012778 molding material Substances 0.000 description 3
- 239000012768 molten material Substances 0.000 description 3
- 239000008188 pellet Substances 0.000 description 3
- 208000015943 Coeliac disease Diseases 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000155 melt Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
Description
本発明は、射出成形装置に関する。 The present invention relates to an injection molding apparatus.
特許文献１には、射出成形装置において、射出装置や金型にセンサを設置し、当該センサの検出データを用いて機械学習により成形品の品質を推定することが記載されている。
射出成形に用いられる金型は、成形品を成形する部位としての成形品キャビティと、成形品キャビティと射出装置のノズルに当接する部位との間の樹脂流路とを備える。樹脂流路には、スプール（スプルーとも称する）、ランナ、ゲートが含まれる。 A mold used for injection molding includes a molded product cavity as a portion for molding a molded product, and a resin flow path between the molded product cavity and a portion that abuts against a nozzle of an injection device. Resin channels include spools (also called sprues), runners, and gates.
成形品を成形するための成形サイクルを複数回連続して実行すると、樹脂流路が摩耗する。特に、樹脂流路のうちゲートは、流路断面積が小さくなっているため、他の部位よりも摩耗しやすい。ゲートが摩耗することにより、成形品キャビティの圧力が上昇し、成形品の寸法精度に影響を及ぼすおそれがある。そこで、ゲートの摩耗量が大きくなると、金型におけるゲートの部分を交換する。 When the molding cycle for molding a molded product is continuously performed a plurality of times, the resin flow path is worn. In particular, the gate of the resin channel has a smaller channel cross-sectional area, and thus is more likely to be worn than the other portions. Gate wear can increase the pressure in the part cavity and affect the dimensional accuracy of the part. Therefore, when the amount of wear of the gate becomes large, the gate portion of the mold is replaced.
成形サイクルの実行回数（ショット回数）が多いほど、ゲートの摩耗量が大きくなる。しかし、ゲートの摩耗量は、ゲートを流通する溶融樹脂の状態によって変化する。溶融樹脂の状態は、樹脂の種類や樹脂の水分量などによって変化する。そのため、ゲートの部分の交換のタイミングは、成形サイクルの実行回数のみで判断することができず、熟練者の知識や経験により判断することが必要であった。そこで、ゲートの部分の交換のタイミングを判断するために、熟練者の知識や経験によらず、ゲートの摩耗状態を把握することが求められている。 The greater the number of times the molding cycle is executed (the number of shots), the greater the wear amount of the gate. However, the wear amount of the gate changes depending on the state of the molten resin flowing through the gate. The state of the molten resin changes depending on the type of resin, the water content of the resin, and the like. Therefore, the timing of replacement of the gate portion cannot be determined only by the number of times the molding cycle is executed, and it has been necessary to determine the timing based on the knowledge and experience of an expert. Therefore, in order to determine the timing of replacement of the gate portion, it is required to grasp the wear state of the gate without relying on the knowledge and experience of the expert.
本発明は、かかる背景に鑑みてなされたものであり、熟練者の知識や経験によらず、ゲートの摩耗状態を把握することができる射出成形装置を提供しようとするものである。 SUMMARY OF THE INVENTION It is an object of the present invention to provide an injection molding apparatus capable of grasping the state of wear of a gate regardless of the knowledge and experience of an expert.
本発明の一態様は、
シリンダ、スクリュ、および、前記シリンダの前端に設けられ前記スクリュの前進に伴って溶融樹脂を吐出するノズルを備える射出装置と、
成形品キャビティ、および、前記成形品キャビティと前記ノズルに当接する部位との間の樹脂流路を備える金型と、
前記樹脂流路における流路圧力データを取得する流路圧力計測装置と、
前記スクリュが前記シリンダ内の溶融樹脂から受けるスクリュ圧力データを取得するスクリュ圧力計測装置と、
前記流路圧力データの特徴量および前記スクリュ圧力データの特徴量に基づいて、前記樹脂流路のうちのゲートの摩耗状態を表す値を出力する出力部と、
を備える、射出成形装置にある。
One aspect of the present invention is
an injection device comprising a cylinder, a screw, and a nozzle provided at the front end of the cylinder for discharging molten resin as the screw advances;
a mold comprising a molded product cavity and a resin flow path between the molded product cavity and a portion abutting against the nozzle;
a channel pressure measuring device for acquiring channel pressure data in the resin channel;
a screw pressure measuring device that acquires screw pressure data that the screw receives from the molten resin in the cylinder;
an output unit for outputting a value representing the state of wear of a gate in the resin flow path based on the feature amount of the flow path pressure data and the feature amount of the screw pressure data;
An injection molding apparatus comprising:
流路圧力データは、金型の樹脂流路における圧力データであるため、ゲートの摩耗の影響を受けると共に、流通する溶融樹脂の状態の影響も受ける。一方、スクリュ圧力データは、金型の樹脂流路から遠いため、ゲートの摩耗の影響は小さいのに対して、シリンダ内における溶融樹脂の状態の影響は受ける。ここで、シリンダ内の溶融樹脂の状態と金型内の溶融樹脂の状態は、同様である。 Since the channel pressure data is the pressure data in the resin channel of the mold, it is affected by wear of the gate and also by the state of the flowing molten resin. On the other hand, since the screw pressure data is far from the resin flow path of the mold, the wear of the gate has little effect, but it is affected by the state of the molten resin in the cylinder. Here, the state of the molten resin in the cylinder and the state of the molten resin in the mold are the same.
そして、出力部は、流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いている。流路圧力データの特徴量は、ゲートの摩耗および溶融樹脂の状態の影響を受けた値であり、スクリュ圧力データの特徴量は、溶融樹脂の状態の影響を受けた値である。そして、流路圧力データの特徴量から、溶融樹脂の状態の影響分を取り除くことができれば、ゲートの摩耗の影響分を抽出することができる。 The output unit uses the feature amount of the channel pressure data and the feature amount of the screw pressure data. The feature amount of the flow path pressure data is a value affected by wear of the gate and the state of the molten resin, and the feature amount of the screw pressure data is a value affected by the state of the molten resin. If the influence of the state of the molten resin can be removed from the feature quantity of the flow path pressure data, the influence of wear of the gate can be extracted.
そこで、出力部は、流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いて処理を行うことにより、ゲートの摩耗の影響分を抽出することができ、ゲートの摩耗状態を表す値を出力することができる。作業者は、ゲートの摩耗状態を表す値に基づいて、ゲートの摩耗状態を把握することができるため、熟練者の知識や経験によらず、ゲートの部分の交換のタイミングを適切に判断することができる。 Therefore, the output section can extract the influence of wear of the gate by performing processing using the feature amount of the flow path pressure data and the feature amount of the screw pressure data, and obtain a value representing the state of wear of the gate. can be output. Since the operator can grasp the wear state of the gate based on the value representing the wear state of the gate, it is possible to appropriately judge the timing of replacement of the gate part regardless of the knowledge and experience of the expert. can be done.
（１．射出成形装置１の構成）
射出成形装置１について図１を参照して説明する。射出成形装置１は、金型３０を用いて、樹脂の成形品を成形するための装置である。射出成形装置１は、ベッド１０、射出装置２０、金型３０、型締装置４０、制御装置５０、ゲート摩耗算出用コンピュータ装置６０を主として備える。ベッド１０は、設置面に設置される部材である。
(1. Configuration of Injection Molding Apparatus 1)
An
射出装置２０は、ベッド１０の上に配置される。射出装置２０は、成形材料である樹脂を溶融し、溶融樹脂に圧力を加えて金型３０の成形品キャビティＣに供給する装置である。射出装置２０は、ホッパ２１、シリンダ２２、スクリュ２３、ノズル２４、ヒータ２５、駆動装置２６、スクリュ圧力計測装置２７、ノズル圧力計測装置２８を備える。
The
ホッパ２１は、成形材料の素材である樹脂製のペレット（粒状の成形材料）の投入口である。シリンダ２２は、ホッパ２１に投入されたペレットを加熱溶融してできた溶融樹脂を貯留する。また、シリンダ２２は、ベッド１０に対してシリンダ２２の軸方向に移動可能に設けられる。スクリュ２３は、シリンダ２２の内部に配置され、回転可能かつ軸方向への移動可能に設けられる。ノズル２４は、シリンダ２２の前端に設けられた吐出口であり、スクリュ２３の前進に伴ってシリンダ２２の内部の溶融樹脂を吐出する。
The
ヒータ２５は、例えば、シリンダ２２の外周面に設けられ、または、シリンダ２２の内部に埋設され、シリンダ２２内の樹脂を加熱する。つまり、ヒータ２５は、ペレットを溶融すると共に、溶融樹脂を溶融状態に保持する。駆動装置２６は、シリンダ２２の軸方向への移動（前進および後退）、スクリュ２３の回転および軸方向移動（前進および後退）等を行う。
The
スクリュ圧力計測装置２７は、例えばスクリュ２３の基端付近に設けられ、スクリュ２３がシリンダ２２内の溶融樹脂から受ける圧力データ（以下、「スクリュ圧力データ」と称する）を取得する。
The screw
ノズル圧力計測装置２８は、ノズル２４に設けられ、溶融樹脂がノズル２４を流通する際に、ノズル２４が溶融樹脂から受ける圧力データ（以下、「ノズル圧力データ」と称する）を取得する。また、射出装置２０は、スクリュ圧力計測装置２７およびノズル圧力計測装置２８の他に、シリンダ２２の位置、スクリュ２３の位置、スクリュ２３の移動速度、ヒータ２５の温度、駆動装置２６の状態などを取得するセンサを備える。
The nozzle
金型３０は、固定側である第一型３１と、可動側である第二型３２とを備える。金型３０は、第一型３１と第二型３２とを型締めすることで、第一型３１と第二型３２との間に成形品キャビティＣを形成する。第一型３１および第二型３２は、成形品キャビティＣと射出装置２０のノズル２４に当接する部位との間の樹脂流路Ｐを備える。樹脂流路Ｐは、射出装置２０のノズル２４から供給された溶融材料を成形品キャビティＣまで導く流路（スプール、ランナ、ゲート）である。
The
さらに、金型３０は、樹脂流路Ｐにおける圧力データ（以下、「流路圧力データ」と称する）を取得する流路圧力計測装置３３を備える。流路圧力データは、樹脂流路Ｐの内壁面が樹脂流路Ｐを流通する溶融樹脂から受ける圧力データである。
Further, the
型締装置４０は、ベッド１０上において射出装置２０に対向配置される。型締装置４０は、装着された金型３０の開閉動作を行うと共に、金型３０を締め付けた状態において、成形品キャビティＣに射出された溶融材料の圧力により金型３０が開かないようにする。
The
型締装置４０は、固定盤４１、可動盤４２、ダイバー４３、駆動装置４４、型締装置用計測装置４５を備える。固定盤４１には、第一型３１が固定される。可動盤４２には、第二型３２が固定される。可動盤４２は、固定盤４１に対して接近および離間可能である。ダイバー４３は、可動盤４２の移動を支持する。駆動装置４４は、例えば、シリンダ装置によって構成されており、可動盤４２を移動させる。型締装置用計測装置４５は、型締力、金型温度、駆動装置４４の状態などを取得する。
The
制御装置５０は、射出装置２０の駆動装置２６および型締装置４０の駆動装置４４を制御する。ゲート摩耗算出用コンピュータ装置６０は、金型３０の樹脂流路ＰにおけるゲートＰ３（図２に示す）の摩耗状態を表す値の算出処理を行う。ゲート摩耗算出用コンピュータ装置６０は、演算装置および記憶装置などにより構成されており、コンピュータプログラムを実行することにより処理される。ゲート摩耗算出用コンピュータ装置６０は、例えば、制御装置５０による制御データ、スクリュ圧力計測装置２７、ノズル圧力計測装置２８、流路圧力計測装置３３などにより取得される圧力データなどを用いて、ゲートの摩耗状態を表す値を算出する。
The
（２．金型３０の詳細構成）
金型３０の詳細な構成について、図２および図３を参照して説明する。金型３０は、成形品を成形するための成形品キャビティＣを有する。成形品キャビティＣは、第一型３１と第二型３２とにより形成される。本形態においては、成形品キャビティＣは、例えば、円環状に形成されているが、Ｃ字形状、Ｕ字形状など任意の形状とすることができる。成形品キャビティＣは、１箇所のみ形成されるようにしても良いし、複数箇所形成されるようにしても良い。図２および図３においては、説明を容易にするために、１つの成形品キャビティＣを図示する。
(2. Detailed Configuration of Mold 30)
A detailed configuration of the
また、金型３０は、ノズル２４（図１に示す）と当接する部位と成形品キャビティＣとの間の接続する樹脂流路Ｐを有する。樹脂流路Ｐは、スプールＰ１（スプルーとも称する）と、ランナＰ２と、ゲートＰ３とを備える。スプールＰ１は、ノズル２４から溶融材料が導入される通路である。スプールＰ１は、例えば、ノズル２４との当接部位から直線状に形成されている。
The
ランナＰ２は、スプールＰ１から角度を有して形成される流路である。つまり、スプールＰ１に導入された溶融樹脂が、ランナＰ２に流入される。例えば、図３に示すように、本形態においては、複数のランナＰ２が、スプールＰ１から１つの成形品キャビティＣに向かって径方向に分岐して形成されている。なお、複数の成形品キャビティＣが形成される場合にも、複数のランナＰ２が、スプールＰ１から複数の成形品キャビティＣのそれぞれに向かって分岐して形成される。 Runner P2 is a channel formed at an angle from spool P1. That is, the molten resin introduced into the spool P1 flows into the runner P2. For example, as shown in FIG. 3, in this embodiment, a plurality of runners P2 are formed by branching radially from the spool P1 toward one molded product cavity C. As shown in FIG. Note that even when a plurality of molded product cavities C are formed, a plurality of runners P2 are formed by branching from the spool P1 toward each of the plurality of molded product cavities C. As shown in FIG.
ゲートＰ３は、ランナＰ２の先端に位置しており、ランナＰ２から成形品キャビティＣに溶融樹脂を導く流路である。ゲートＰ３の流路断面積は、ランナＰ２の流路断面積よりも小さく形成されている。本形態においては、複数のランナＰ２のそれぞれと１つの成形品キャビティＣとを接続する複数のゲートＰ３が形成されている。従って、複数のゲートＰ３のうち１つが詰まった場合であっても、他のゲートＰ３から成形品キャビティＣに溶融樹脂が流通する。 The gate P3 is located at the tip of the runner P2 and is a flow path that guides the molten resin from the runner P2 to the molding cavity C. As shown in FIG. The flow channel cross-sectional area of the gate P3 is formed to be smaller than the flow channel cross-sectional area of the runner P2. In this embodiment, a plurality of gates P3 connecting each of the plurality of runners P2 and one molded product cavity C are formed. Therefore, even if one of the plurality of gates P3 is clogged, molten resin flows into the molding cavity C from the other gates P3.
金型３０には、図２に示すように、流路圧力計測装置３３が設けられている。流路圧力計測装置３３は、樹脂流路ＰにおけるスプールＰ１の途中、スプールＰ１の端部、ランナＰ２の途中、ランナＰ２の先端などのいずれかに設けられる。つまり、流路圧力計測装置３３は、樹脂流路ＰのうちゲートＰ３とは異なる位置における圧力データを取得する。なお、流路圧力計測装置３３は、金型３０に１箇所設けるようにしても良いし、複数箇所に設けるようにしても良い。
The
（３．射出成形方法）
射出成形装置１による成形品の射出成形方法について図４を参照して説明する。射出成形方法は、射出成形装置１の制御装置５０により実行される。
(3. Injection molding method)
A method of injection molding a molded product by the
まず、制御装置５０は、連続した複数回の成形サイクルの前に、ノズル２４を金型３０から離間させた状態でノズル２４からシリンダ２２内の溶融樹脂を吐出させるパージ工程Ｓ１を実行する。パージ工程Ｓ１は、例えば、熱劣化した樹脂の排出や、異なる樹脂材料への入替の目的で行われる。パージ工程Ｓ１では、スクリュ２３を前進させることにより、シリンダ２２内の溶融樹脂がノズル２４から吐出される。
First, the
続いて、制御装置５０は、スクリュ２３を回転させながら、スクリュ２３を所定位置まで後退させることにより、シリンダ２２の前側に所定量の溶融樹脂を貯留させる計量工程Ｓ２を実行する。計量工程にＳ２おいては、前方位置に位置するスクリュ２３を回転させることでシリンダ２２の前端側に溶融樹脂を移動させ、溶融樹脂の前方への移動の反作用によりスクリュ２３を所定位置まで後退させる。このようにして、シリンダ２２内において、スクリュ２３の先端とノズル２４との間に、所定量の溶融樹脂が貯留される。
Subsequently, the
続いて、制御装置５０は、シリンダ２２を前進させることにより、ノズル２４を金型３０に当接させるノズルタッチ工程Ｓ３を実行する。なお、このとき、金型３０は、型締めされているものとする。ただし、ノズルタッチ工程Ｓ３の後に、型締めを行うようにしても良い。
Subsequently, the
続いて、制御装置５０は、以下の成形サイクルＳ４～Ｓ１１を実行する。制御装置５０は、スクリュ２３の速度制御によりスクリュ２３を前進させて、ノズル２４から金型３０に溶融樹脂を射出する射出工程Ｓ４を実行する。射出工程Ｓ４において、溶融樹脂がノズル２４から樹脂流路Ｐに流入し、樹脂流路Ｐから成形品キャビティＣへ流入する。射出工程Ｓ４にて、成形品キャビティＣの大部分（例えば、９０～９５％）に溶融樹脂が供給される。
Subsequently, the
制御装置５０は、射出工程Ｓ４に続いて、スクリュ２３にかかる圧力制御により、成形品キャビティＣの溶融樹脂に保圧力を付与する保圧工程Ｓ５を実行する。保圧工程Ｓ５では、スクリュ２３に所定の圧力を付与するように制御することで、スクリュ２３をさらに前進させて、ノズル２４から樹脂流路Ｐを介して成形品キャビティＣに溶融樹脂を供給する。保圧工程Ｓ５において、成形品キャビティＣが溶融樹脂により完全充填される。
Following the injection step S4, the
続いて、制御装置５０は、スクリュ２３への圧力の付与を停止すると共に金型３０の加熱を停止して、金型３０を冷却することにより金型３０内の溶融樹脂を冷却する冷却工程Ｓ６を実行する。冷却工程Ｓ６にて、金型３０内の溶融樹脂が固化する。制御装置５０は、冷却工程Ｓ６に続いて、型締装置４０を制御して、第一型３１から第二型３２を離間させて、成形品を取り出す離型・成形品取出工程Ｓ７を実行する。続いて、制御装置５０は、型締装置４０を制御して、第一型３１に第二型３２を合わせ、型締めを行う型締め工程Ｓ８を実行する。
Subsequently, the
また、保圧工程Ｓ５を終了した後には、制御装置５０は、シリンダ２２を後退させることにより、ノズル２４を金型３０から離間させるノズル離間工程Ｓ９を実行する。制御装置５０は、ノズル離間工程Ｓ９に続いて、前方位置に位置するスクリュ２３を回転させることでシリンダ２２の前端側に溶融樹脂を移動させ、溶融樹脂の前方への移動の反作用によりスクリュ２３を所定位置まで後退させることで、シリンダ２２の前側に所定量の溶融樹脂を貯留させる計量工程Ｓ１０を実行する。
Further, after the holding pressure step S5 is completed, the
型締め工程Ｓ８および計量工程Ｓ１０が完了した後に、制御装置５０は、シリンダ２２を前進させることにより、ノズル２４を金型３０に当接させるノズルタッチ工程Ｓ１１を実行する。ただし、ノズルタッチ工程Ｓ１１の後に、型締め工程Ｓ８を実行しても良い。そして、ノズルタッチ工程Ｓ１１の後には、上述した射出工程Ｓ４から再び繰り返される。
After the mold clamping step S8 and the weighing step S10 are completed, the
（４．スクリュ圧力データおよび流路圧力データの挙動）
射出工程Ｓ４および保圧工程Ｓ５におけるスクリュ圧力データの挙動（時間変化）および流路圧力データの挙動（時間変化）について、図５および図６を参照して説明する。まず、ゲートＰ３の摩耗が無い状態について、図５の実線および図６の実線を参照して説明する。
(4. Behavior of screw pressure data and channel pressure data)
The behavior (time change) of the screw pressure data and the behavior (time change) of the flow path pressure data in the injection process S4 and the holding pressure process S5 will be described with reference to FIGS. 5 and 6. FIG. First, a state in which the gate P3 is not worn will be described with reference to solid lines in FIGS. 5 and 6. FIG.
図５の実線にて示すように、時刻ｔ１において、射出工程Ｓ４が開始されることにより、スクリュ２３が前進し、スクリュ圧力データが上昇する。その後、本形態においては、スクリュ２３の前進速度を、最初低速とした後に、高速に切り替えている。
As indicated by the solid line in FIG. 5, at time t1, the injection step S4 is started, so that the
図５の実線および図６の実線にて示すように、スクリュ２３の前進速度を高速に切り替えると、溶融樹脂が金型３０の樹脂流路Ｐに流入することで、スクリュ圧力データおよび流路圧力データは、急上昇する。そして、樹脂流路ＰのゲートＰ３から成形品キャビティＣに流入することで、スクリュ圧力データおよび流路圧力データは僅かに低下して、その後徐々に上昇するように変化する。従って、射出工程Ｓ４において、スクリュ圧力データおよび流路圧力データは、圧力ピーク時ｔ２において最大値となる。
As shown by the solid line in FIG. 5 and the solid line in FIG. 6, when the forward speed of the
射出工程Ｓ４を終了する時刻をｔ４とし、射出工程Ｓ４において、圧力ピーク時ｔ２と射出工程終了時ｔ４との間の時刻をｔ３とする。時刻ｔ３は、例えば、圧力ピーク時ｔ２と射出工程終了時ｔ４との中間時刻とするが、中間時刻からずれた時刻としても良い。 Let t4 be the time when the injection step S4 ends, and let t3 be the time between the pressure peak time t2 and the end time t4 of the injection step S4. The time t3 is, for example, the middle time between the pressure peak time t2 and the injection process end time t4, but it may be a time shifted from the middle time.
射出工程Ｓ４から保圧工程Ｓ５に切り替わることにより、スクリュ圧力データおよび流路圧力データは、保圧工程Ｓ５における圧力制御による所望の保圧力近傍まで低下する。通常、スクリュ圧力データおよび流路圧力データは、所望の保圧力より僅かに低い圧力まで低下した直後に、所望の保圧力近傍に向かって上昇する。 By switching from the injection process S4 to the holding pressure process S5, the screw pressure data and the flow path pressure data decrease to near the desired holding pressure by the pressure control in the holding pressure process S5. Typically, the screw pressure data and the flow path pressure data rise toward the vicinity of the desired hold pressure immediately after dropping to a pressure slightly below the desired hold pressure.
そして、保圧工程Ｓ５が継続されて、成形品キャビティＣに溶融樹脂が完全充填された時、すなわち充填完了時ｔ５において、スクリュ圧力データおよび流路圧力データは上昇する。スクリュ圧力データは、圧力制御されているため、その直後において所望の保圧力となる。一方、流路圧力データは、充填完了時ｔ５の後には、徐々に上昇していく。 Then, the pressure holding step S5 is continued, and when the molded product cavity C is completely filled with the molten resin, that is, at the filling completion time t5, the screw pressure data and the channel pressure data increase. Since the screw pressure data is pressure-controlled, the desired holding pressure is obtained immediately after that. On the other hand, the channel pressure data gradually increases after the filling completion time t5.
次に、ゲートＰ３の摩耗量が大きくなった場合について、図５の破線および図６の破線を参照して説明する。射出工程Ｓ４において、スクリュ圧力データおよび流路圧力データが、ゲートＰ３の摩耗が無い場合に比べて、概ね小さくなる。ここで、流路圧力データにおける上昇率は、スクリュ圧力における上昇率に比べて、小さい。上昇率とは、ゲートＰ３の摩耗が無い場合を基準として、摩耗した場合の上昇圧力の割合である。従って、ゲートＰ３の摩耗の影響は、スクリュ圧力データおよび流路圧力データの両者に受ける。 Next, the case where the amount of wear of the gate P3 is increased will be described with reference to the dashed lines in FIGS. 5 and 6. FIG. In the injection process S4, the screw pressure data and the flow path pressure data are generally smaller than when the gate P3 is not worn. Here, the rate of increase in the channel pressure data is smaller than the rate of increase in the screw pressure. The rate of increase is the rate of increase in pressure when the gate P3 is worn compared to when the gate P3 is not worn. Therefore, wear of the gate P3 affects both the screw pressure data and the channel pressure data.
流路圧力データは、金型３０の樹脂流路Ｐにおける圧力データであるため、ゲートＰ３の摩耗の影響を受けると共に、流通する溶融樹脂の状態の影響も受ける。一方、スクリュ圧力データは、金型３０の樹脂流路Ｐから遠いため、ゲートＰ３の摩耗の影響は小さいのに対して、シリンダ２２内における溶融樹脂の状態の影響は受ける。そして、シリンダ２２内の溶融樹脂の状態と金型３０内の溶融樹脂の状態は、同様である。
Since the channel pressure data is the pressure data in the resin channel P of the
流路圧力データは、ゲートの摩耗および溶融樹脂の状態の影響を受けた値となり、スクリュ圧力データは、溶融樹脂の状態の影響を受けた値となる。そして、流路圧力データから、溶融樹脂の状態の影響分を取り除くことができれば、ゲートの摩耗の影響分を抽出することができる。 The flow path pressure data is a value affected by wear of the gate and the state of the molten resin, and the screw pressure data is a value affected by the state of the molten resin. If the influence of the state of the molten resin can be removed from the channel pressure data, the influence of wear of the gate can be extracted.
（５．各実施形態の概要）
ゲートＰ３の摩耗を表す値の算出に関して、各実施形態の概要について説明する。
（Ａ１）第一実施形態：流路圧力データおよびスクリュ圧力データに基づいて機械学習によりゲート摩耗量を算出する。
（Ａ２）第二実施形態：流路圧力データおよびスクリュ圧力データを用いて関係性情報（関係式など）よりゲート摩耗指標値を算出し、ゲート摩耗指標値に基づいて機械学習によりゲート摩耗量を算出する。
（Ａ３）第三実施形態：流路圧力データおよびスクリュ圧力データを用いて関係性情報（関係式など）よりゲート摩耗指標値を算出する。
（Ａ４）第四実施形態：流路圧力データおよびスクリュ圧力データを用いて第一関係性情報（関係式など）よりゲート摩耗指標値を算出し、第二関係性情報（関係式など）とゲート摩耗指標値とを用いてゲート摩耗量を算出する。
（Ａ５）第五実施形態：流路圧力データ、スクリュ圧力データおよび推定樹脂粘度に基づいて機械学習によりゲート摩耗量を算出する。
（Ａ６）第六実施形態：推定樹脂粘度別に、流路圧力データおよびスクリュ圧力データに基づいて機械学習によりゲート摩耗量を算出する。
（Ａ７）第七実施形態：流路圧力データおよびスクリュ圧力データを用いて関係性情報よりゲート摩耗指標値を算出し、ゲート摩耗指標値および推定樹脂粘度に基づいて機械学習によりゲート摩耗量を算出する。
（Ａ８）第八実施形態：流路圧力データおよびスクリュ圧力データを用いて関係性情報よりゲート摩耗指標値を算出し、推定樹脂粘度別にゲート摩耗指標値に基づいて機械学習によりゲート摩耗量を算出する。
（Ａ９）第九実施形態：流路圧力データおよびスクリュ圧力データを用いて第一関係性情報よりゲート摩耗指標値を算出し、ゲート摩耗指標値と推定樹脂粘度と第二関係性情報とを用いてゲート摩耗量を算出する。
（Ｂ１）樹脂粘度推定方法の第一具体例：流路圧力データを用い、射出工程Ｓ４における圧力ピーク時までの時間を用いる。
（Ｂ２）樹脂粘度推定方法の第二具体例：流路圧力データを用い、保圧工程Ｓ５における成形品キャビティの充填完了時までの時間を用いる。
（Ｂ３）樹脂粘度推定方法の第三具体例：スクリュ圧力データを用い、射出工程Ｓ４における圧力ピーク時までの時間を用いる。
（Ｂ４）樹脂粘度推定方法の第四具体例：スクリュ圧力データを用い、保圧工程Ｓ５における成形品キャビティの充填完了時までの時間を用いる。
（Ｂ５）樹脂粘度推定方法の第五具体例：パージ工程Ｓ１におけるノズル圧力データおよびスクリュ移動速度データを用いる。
（Ｂ６）樹脂粘度推定方法の第六具体例：射出工程Ｓ４におけるノズル圧力データおよびスクリュ移動速度データを用いる。
（Ｂ７）樹脂粘度推定方法の第七具体例：計量工程Ｓ２，Ｓ１０に要する時間を用いる。
（Ｂ８）樹脂粘度推定方法の第八具体例：上記第一具体例～第七具体例の中で複数を複合的に用いる。
(5. Outline of each embodiment)
An outline of each embodiment will be described with respect to calculation of a value representing wear of the gate P3.
(A1) First embodiment: A gate wear amount is calculated by machine learning based on flow path pressure data and screw pressure data.
(A2) Second embodiment: A gate wear index value is calculated from relationship information (relational expression, etc.) using flow path pressure data and screw pressure data, and the amount of gate wear is calculated by machine learning based on the gate wear index value. calculate.
(A3) Third embodiment: A gate wear index value is calculated from relationship information (relational expression, etc.) using channel pressure data and screw pressure data.
(A4) Fourth embodiment: Using the flow path pressure data and the screw pressure data, the gate wear index value is calculated from the first relationship information (relational expression, etc.), and the second relationship information (relational expression, etc.) and the gate The amount of gate wear is calculated using the wear index value.
(A5) Fifth embodiment: A gate wear amount is calculated by machine learning based on flow path pressure data, screw pressure data, and estimated resin viscosity.
(A6) Sixth Embodiment: For each estimated resin viscosity, the amount of gate wear is calculated by machine learning based on flow path pressure data and screw pressure data.
(A7) Seventh embodiment: A gate wear index value is calculated from relationship information using channel pressure data and screw pressure data, and a gate wear amount is calculated by machine learning based on the gate wear index value and estimated resin viscosity. do.
(A8) Eighth embodiment: A gate wear index value is calculated from relationship information using channel pressure data and screw pressure data, and a gate wear amount is calculated by machine learning based on the gate wear index value for each estimated resin viscosity. do.
(A9) Ninth embodiment: Calculate the gate wear index value from the first relationship information using the flow path pressure data and the screw pressure data, and use the gate wear index value, the estimated resin viscosity, and the second relationship information. to calculate the amount of gate wear.
(B1) First specific example of resin viscosity estimation method: using channel pressure data and using the time until the pressure peak in the injection step S4.
(B2) Second specific example of resin viscosity estimation method: using channel pressure data, and using time until completion of filling of molding cavity in pressure holding step S5.
(B3) Third specific example of resin viscosity estimation method: using screw pressure data and using the time until the pressure peak in the injection step S4.
(B4) Fourth specific example of resin viscosity estimation method: Using screw pressure data, using time until completion of filling of molded product cavity in pressure holding step S5.
(B5) Fifth specific example of resin viscosity estimation method: Nozzle pressure data and screw movement speed data in purge step S1 are used.
(B6) Sixth specific example of resin viscosity estimation method: Nozzle pressure data and screw movement speed data in injection step S4 are used.
(B7) Seventh specific example of resin viscosity estimation method: The time required for the weighing steps S2 and S10 is used.
(B8) Eighth Specific Example of Resin Viscosity Estimating Method: A plurality of the above first to seventh specific examples are used in combination.
（６．第一実施形態の射出成形装置１）
第一実施形態の射出成形装置１について図７および図８を参照して説明する。射出成形装置１は、図７に示すように、射出装置２０、金型３０、型締装置４０、制御装置５０およびコンピュータ装置６０を備える。図７においては、射出成形装置１の一部の機能部分のみを図示する。また、以下においては、コンピュータ装置６０について説明する。
(6.
The
コンピュータ装置６０は、出力部６１と記憶部６２とを備える。出力部６１は、上述したコンピュータ装置６０を構成する演算装置により構成されており、コンピュータプログラムの実行により機能する。記憶部６２は、上述したコンピュータ装置６０を構成する記憶装置により構成されている。
The
出力部６１は、樹脂流路ＰのうちゲートＰ３の摩耗状態を表す値を出力する。ゲートＰ３は、上述したように、ランナＰ２と成形品キャビティＣとの間に位置し、流路断面積がランナＰ２よりも小さい。従って、ゲートＰ３には、溶融樹脂が流通する際に高い圧力がかかり、ゲートＰ３が摩耗する。特に、上述した成形サイクルを複数回連続して実行している際において、ゲートＰ３の摩耗が進行していく。そこで、出力部６１は、成形サイクルを実行する度に、ゲートＰ３の摩耗状態を把握するための情報としてゲートＰ３の摩耗状態を表す値を出力する。
The
また、出力部６１は、流路圧力計測装置３３により取得された流路圧力データ、および、スクリュ圧力計測装置２７により取得されたスクリュ圧力データに基づいて、ゲートＰ３の摩耗状態を表す値を出力する。さらに、出力部６１は、流路圧力データおよびスクリュ圧力データそのものではなく、流路圧力データの特徴量およびスクリュ圧力データの特徴量に基づいて、ゲートＰ３の摩耗状態を表す値を出力する。従って、出力部６１は、取得した流路圧力データから特徴量を抽出すると共に、取得したスクリュ圧力データから特徴量を抽出する。
Further, the
本形態において、出力部６１は、射出工程Ｓ４（時刻ｔ１～ｔ４）における流路圧力データの特徴量、および、射出工程Ｓ４におけるスクリュ圧力データの特徴量を用いて、ゲートＰ３の摩耗状態を表す値を出力する。特に、出力部６１は、射出工程Ｓ４のうち圧力が圧力ピークに達した以降、すなわち、時刻ｔ２～ｔ４における流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いる。
In this embodiment, the
より具体的には、本形態においては、出力部６１は、射出工程Ｓ４のうち保圧工程Ｓ５寄りの後期時間帯（ｔ３～ｔ４）における流路圧力データの特徴量、および、射出工程Ｓ４のうち保圧工程Ｓ５寄りの後期時間帯（ｔ３～ｔ４）におけるスクリュ圧力データの特徴量を用いる。
More specifically, in the present embodiment, the
特徴量は、例えば、後期時間帯（ｔ３～ｔ４）における流路圧力データの時間積分値、および、後期時間帯（ｔ３～ｔ４）におけるスクリュ圧力データの時間積分値などとする。なお、特徴量は、後期時間帯（ｔ３～ｔ４）における流路圧力データの最大値、最小値、中央値、平均値、第一四分位数、第三四分位数、分散、標準偏差、尖度、歪度などを用いるようにしても良い。また、出力部６１は、複数の特徴量を用いるようにしても良い。
The feature quantity is, for example, the time integrated value of the flow path pressure data in the later time period (t3-t4) and the time integrated value of the screw pressure data in the later time period (t3-t4). The feature values are the maximum value, minimum value, median value, average value, first quartile, third quartile, variance, and standard deviation of the channel pressure data in the latter period (t3-t4). , kurtosis, skewness, etc. may be used. Also, the
また、本形態においては、出力部６１は、機械学習を適用して、ゲートＰ３の摩耗状態を表す値を出力する。従って、出力部６１は、予め生成された学習済みモデルを用いて、ゲートＰ３の摩耗状態を表す値を出力する。特に、出力部６１は、機械学習を適用する場合には、複数の特徴量を適用することが容易にできる。
Further, in this embodiment, the
記憶部６２は、出力部６１によりゲートＰ３の摩耗状態を表す値を出力するために用いられる情報を記憶する。本形態においては、記憶部６２は、訓練データセットを用いて機械学習を行うことにより生成された学習済みモデルを記憶する。出力部６１は、記憶部６２に記憶された学習済みモデルを用いる。
The
機械学習を適用する場合のコンピュータ装置６０の機能について図８を参照して説明する。学習フェーズとして、まずは、訓練データセットを準備する。訓練データセットは、流路圧力データと、スクリュ圧力データと、ゲートＰ３の実摩耗量とを含む。本形態においては、流路圧力データから算出された所定の特徴量、および、スクリュ圧力データから算出された所定の特徴量を訓練データセットとする。また、ゲートＰ３の実摩耗量は、例えば、ゲートＰ３の開口（成形品キャビティＣとの境界部分）における開口径方向の摩耗量とする。
The functions of the
学習フェーズとして、コンピュータ装置６０における機械学習処理部６３が、訓練データセットを用いて機械学習を行うことにより、１つの学習済みモデルを生成する。学習済みモデルは、記憶部６２に記憶される。本形態においては、学習済みモデルは、流路圧力データの特徴量およびスクリュ圧力データの特徴量を説明変数とし、ゲートＰ３の摩耗状態を表す値としてゲートＰ３の摩耗量を目的変数とする。
As a learning phase, the machine
続いて、推定フェーズとして、出力部６１が、検出データとしての流路圧力データおよびスクリュ圧力データを取得する。そして、出力部６１は、流路圧力データの特徴量を算出し、かつ、スクリュ圧力データの特徴量を算出する。続いて、出力部６１は、記憶部６２に記憶されている学習済みモデルを用いて、流路圧力データの特徴量およびスクリュ圧力データの特徴量を入力することにより、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量を出力する。
Subsequently, as an estimation phase, the
また、出力部６１は、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量に基づいて、ゲートＰ３の部分のメンテナンスが必要な状態に達したか否かを判定する。そして、出力部６１は、メンテナンスが必要な状態に達してと判定した場合には、ゲートＰ３の部分に関するメンテナンスアラートを教示する。教示方法としては、表示装置（図示せず）に、ゲートＰ３の部分の交換時期である旨のメンテナンスアラートを表示するようにしても良いし、警告音を発しても良い。また、管理装置（図示せず）や作業者の固定端末や携帯端末などに、メンテナンスアラートである旨を通知しても良い。
In addition, the
（７．第一実施形態の効果）
上述したように、流路圧力データは、金型３０の樹脂流路Ｐにおける圧力データであるため、ゲートＰ３の摩耗の影響を受けると共に、流通する溶融樹脂の状態の影響も受ける。一方、スクリュ圧力データは、金型３０の樹脂流路Ｐから遠いため、ゲートＰ３の摩耗の影響は小さいのに対して、シリンダ２２内における溶融樹脂の状態の影響は受ける。ここで、シリンダ２２内の溶融樹脂の状態と金型３０内の溶融樹脂の状態は、同様である。
(7. Effects of First Embodiment)
As described above, the channel pressure data is the pressure data in the resin channel P of the
そして、出力部６１は、流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いている。流路圧力データの特徴量は、ゲートＰ３の摩耗および溶融樹脂の状態の影響を受けた値であり、スクリュ圧力データの特徴量は、溶融樹脂の状態の影響を受けた値である。そして、流路圧力データの特徴量から、溶融樹脂の状態の影響分を取り除くことができれば、ゲートＰ３の摩耗の影響分を抽出することができる。
The
そこで、出力部６１は、流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いて処理を行うことにより、ゲートＰ３の摩耗の影響分を抽出することができ、ゲートＰ３の摩耗状態を表す値を出力することができる。作業者は、ゲートＰ３の摩耗状態を表す値に基づいて、ゲートＰ３の摩耗状態を把握することができるため、熟練者の知識や経験によらず、ゲートＰ３の部分の交換のタイミングを適切に判断することができる。
Therefore, the
特に、コンピュータ装置６０の機械学習処理部６３は、機械学習において、ゲートＰ３の実摩耗量を訓練データセットに含ませており、目的変数をゲートＰ３の摩耗量として学習している。従って、出力部６１は、ゲートＰ３の摩耗状態を表す値としてゲートＰ３の摩耗量を出力している。作業者は、ゲートＰ３の摩耗量の推定値を確認できるため、より容易にゲートＰ３の部分の交換のタイミングを判断することができる。
In particular, the machine
また、出力部６１は、流路圧力データおよびスクリュ圧力データのうち射出工程Ｓ４におけるデータを用いている。特に射出工程Ｓ４において、ゲートＰ３の摩耗の有無によって圧力に変化が生じる。従って、出力部６１は、射出工程Ｓ４の圧力データを用いることで、高精度にゲートＰ３の摩耗状態を表す値を出力することができる。
Further, the
さらに、出力部６１は、射出工程Ｓ４のうち保圧工程Ｓ５寄りの後期時間帯（ｔ３～ｔ４）における流路圧力データおよびスクリュ圧力データを用いている。射出工程Ｓ４における後期時間帯（ｔ３～ｔ４）は、比較的圧力データが安定している。従って、出力部６１は、高精度にゲートＰ３の摩耗状態を表す値を出力することができる。また、出力部６１は、機械学習によりゲートＰ３の摩耗状態を表す値を出力している。特に、複数の特徴量を用いる場合には、機械学習による判定が有用である。
Furthermore, the
（８．第二実施形態の射出成形装置１）
第二実施形態の射出成形装置１について図９および図１０を参照して説明する。以下において、機械学習を適用するコンピュータ装置６０の機能について説明する。
(8.
An
学習フェーズとして、まずは、検出データである流路圧力データおよびスクリュ圧力データを準備する、続いて、訓練データセットを準備する。訓練データセットは、ゲート摩耗指標値ｙおよびゲートＰ３の実摩耗量を含む。訓練データセットの１つであるゲートＰ３の実摩耗量は、例えば、ゲートＰ３の開口（成形品キャビティＣとの境界部分）における開口径方向の摩耗量とする。 As a learning phase, first, flow path pressure data and screw pressure data, which are detection data, are prepared, and then a training data set is prepared. The training data set includes the gate wear index value y and the actual wear amount of the gate P3. The actual wear amount of the gate P3, which is one of the training data sets, is, for example, the wear amount in the opening radial direction of the opening of the gate P3 (the boundary portion with the molded product cavity C).
訓練データセットの１つとしてのゲート摩耗指標値ｙは、コンピュータ装置６０のゲート摩耗指標値算出部６４により、流路圧力データおよびスクリュ圧力データを用いて算出される。ゲート摩耗指標値ｙは、関係性情報としての式（１）により、流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いて定義される。つまり、式（１）は、流路圧力データの特徴量、スクリュ圧力データの特徴量、および、ゲート摩耗指標値ｙの関係性を定義する関係性情報に相当する。ここで、式（１）の定数ａは、ゲートＰ３が摩耗していない状態において、ゲート摩耗指標値ｙが一定値となるように決定される。
The gate wear index value y as one of the training data sets is calculated by the gate wear
ｙ＝ｂ－ａ×ｘ ・・・ （１）
ｙ：ゲート摩耗指標値
ｘ：スクリュ圧力データの特徴量
ａ：定数
ｂ：流路圧力データの特徴量
y=ba×x (1)
y: Gate wear index value x: Feature quantity of screw pressure data a: Constant b: Feature quantity of channel pressure data
成形サイクルの回数（ショット回数）と式（１）にて定義したゲート摩耗指標値ｙとにおけるグラフにプロットすると、図１０の各点に示すようになった。図１０のグラフ中において、プロット点を、初期、中期、終期に分けて直線近似を行った場合の近似直線を図示する。近似直線によれば、成形サイクルの回数が増加するほど、ゲート摩耗指標値ｙが小さくなっていることが分かる。そして、ゲートＰ３の摩耗量は、成形サイクルの回数が増加するほど、大きくなる。つまり、ゲート摩耗指標値ｙは、ゲートＰ３の摩耗量が大きくなれば、小さくなるように変化する値であることが分かる。 When plotted on a graph of the number of molding cycles (the number of shots) and the gate wear index value y defined by Equation (1), the points in FIG. 10 show the results. In the graph of FIG. 10, the plot points are divided into the initial stage, the middle stage, and the final stage, and approximated straight lines are illustrated when linear approximation is performed. According to the approximate straight line, it can be seen that the gate wear index value y decreases as the number of molding cycles increases. The wear amount of the gate P3 increases as the number of molding cycles increases. That is, it can be seen that the gate wear index value y is a value that decreases as the wear amount of the gate P3 increases.
続いて、学習フェーズとして、コンピュータ装置６０における機械学習処理部６３が、訓練データセットを用いて機械学習を行うことにより、１つの学習済みモデルを生成する。学習済みモデルは、記憶部６２に記憶される。本形態においては、学習済みモデルは、ゲート摩耗指標値ｙを説明変数とし、ゲートＰ３の摩耗状態を表す値としてゲートＰ３の摩耗量を目的変数とする。
Subsequently, as a learning phase, the machine
続いて、推定フェーズとして、出力部６１のゲート摩耗指標値算出部６１ａが、検出データとしての流路圧力データおよびスクリュ圧力データを取得する。そして、ゲート摩耗指標値算出部６１ａは、流路圧力データの特徴量を算出し、かつ、スクリュ圧力データの特徴量を算出する。続いて、ゲート摩耗指標値算出部６１ａは、流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いて、上述した式（１）より、ゲート摩耗指標値ｙを算出する。
Subsequently, as an estimation phase, the gate wear index
そして、出力部６１の摩耗量算出部６１ｂは、記憶部６２に記憶されている学習済みモデルを用いて、算出されたゲート摩耗指標値ｙを入力することにより、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量を出力する。
Then, the wear
本形態においては、流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いてゲート摩耗指標値ｙを算出し、機械学習により、当該ゲート摩耗指標値ｙとゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量との関係を定義した学習済みモデルを生成している。そして、機械学習により生成された学習済みモデルを用いて、ゲートＰ３の摩耗量を算出している。 In this embodiment, the gate wear index value y is calculated using the feature amount of the flow path pressure data and the feature amount of the screw pressure data, and the gate wear index value y and the wear state of the gate P3 are calculated by machine learning. A learned model is generated that defines the relationship with the wear amount of the gate P3 as . Then, the wear amount of the gate P3 is calculated using a learned model generated by machine learning.
ゲートＰ３の摩耗量に関連性の高い指標であるゲート摩耗指標値ｙを説明変数として機械学習を行うことにより、生成される学習済みモデルが、目的変数であるゲートＰ３の摩耗量との関係を適合させやすくなる。その結果、出力部６１の摩耗量算出部６１ｂによって、当該学習済みモデルを用いて出力されるゲートＰ３の摩耗量を、高精度にすることができる。
By performing machine learning using the gate wear index value y, which is an index that is highly related to the wear amount of the gate P3, as an explanatory variable, the generated learned model can be used to determine the relationship with the wear amount of the gate P3, which is the objective variable. easier to adapt. As a result, the wear amount of the gate P3 output by the wear
（９．第三実施形態の射出成形装置１）
第三実施形態の射出成形装置１について図１１を参照して説明する。以下に、コンピュータ装置６０の出力部６１の処理について説明する。本形態において、出力部６１は、機械学習を適用しない。
(9.
The
図１１に示すように、出力部６１は、検出データである流路圧力データおよびスクリュ圧力データを入力する検出データ入力工程Ｓ２１を実行する。続いて、出力部６１は、検出データの特徴量を算出する特徴量算出工程Ｓ２２を実行する。検出データの特徴量は、上述したように、流路圧力データの特徴量およびスクリュ圧力データの特徴量である。
As shown in FIG. 11, the
続いて、出力部６１は、算出した流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いて、上述した式（１）より、ゲート摩耗指標値ｙを算出する指標値算出工程Ｓ２３を実行する。式（１）は、流路圧力データの特徴量、スクリュ圧力データの特徴量、および、ゲート摩耗指標値ｙの関係性を定義する関係性情報である。
Subsequently, the
本形態においては、出力部６１は、ゲート摩耗指標値ｙを出力することができる。ゲート摩耗指標値ｙは、上述したように、ゲートＰ３の摩耗量が大きくなれば、小さくなるように変化する値である。従って、作業者は、ゲート摩耗指標値ｙに基づいて、ゲートＰ３の摩耗状態を把握することができるため、熟練者の知識や経験によらず、ゲートＰ３の部分の交換のタイミングを適切に判断することができる。
In this embodiment, the
（１０．第四実施形態の射出成形装置１）
第四実施形態の射出成形装置１について図１２を参照して説明する。以下に、コンピュータ装置６０の出力部６１の処理について説明する。本形態において、出力部６１は、機械学習を適用しない。
(10.
An
図１２に示すように、出力部６１は、第三実施形態と同様に、検出データ入力工程Ｓ２１、特徴量算出工程Ｓ２２、および、指標値算出工程Ｓ２３を実行する。ここで、指標値算出工程Ｓ２３における処理は、流路圧力データの特徴量、スクリュ圧力データの特徴量、および、ゲート摩耗指標値ｙの関係性を定義する第一関係性情報である式（１）を用いる。
As shown in FIG. 12, the
続いて、出力部６１は、記憶部６２に記憶された第二関係性情報を用いて、ゲート摩耗指標値ｙを入力することにより、ゲートＰ３の摩耗量を算出する摩耗量算出工程Ｓ２４を実行する。
Subsequently, the
ここで、第二関係性情報は、例えば、式（２）により定義され、ゲート摩耗指標値ｙとゲートＰ３の摩耗量ｚとの関係を表す。
ｚ＝Ｆ（ｙ） ・・・ （２）
ｚ：ゲートＰ３の摩耗量
Ｆ（ｙ）：ゲート摩耗指標値ｙの関数
Here, the second relationship information is defined by Equation (2), for example, and represents the relationship between the gate wear index value y and the wear amount z of the gate P3.
z=F(y) (2)
z: wear amount of gate P3 F(y): function of gate wear index value y
関数Ｆ（ｙ）は、例えば、負の傾きを有する一次関数、ゲート摩耗指標値ｙの逆数の項を有する関数などにより表される。関数Ｆ（ｙ）は、ゲートＰ３の実摩耗量を考慮して設定される。従って、出力部６１は、ゲートＰ３の摩耗量ｚを出力することができる。従って、作業者は、ゲートＰ３の摩耗量ｚに基づいて、ゲートＰ３の摩耗状態を把握することができるため、熟練者の知識や経験によらず、ゲートＰ３の部分の交換のタイミングを適切に判断することができる。
The function F(y) is represented by, for example, a linear function with a negative slope, a function with a term of the reciprocal of the gate wear index value y, or the like. Function F(y) is set in consideration of the actual wear amount of gate P3. Therefore, the
（１１．第五実施形態の射出成形装置１）
第五実施形態の射出成形装置１について図１３を参照して説明する。図１３に示すように、射出成形装置１のコンピュータ装置６０は、出力部６１、記憶部６２、および、粘度推定部６５を備える。出力部６１および粘度推定部６５は、上述したコンピュータ装置６０を構成する演算装置により構成され、コンピュータプログラムの実行により機能する。
(11.
An
粘度推定部６５は、金型３０における樹脂流路Ｐを流通する溶融樹脂の粘度を推定する。粘度推定部６５は、流路圧力データ、スクリュ圧力データ、ノズル圧力データ、制御装置５０における制御データなどに基づいて、溶融樹脂の粘度を推定する。粘度推定部６５における複数の具体例については、以下に説明する。
The
出力部６１は、流路圧力データおよびスクリュ圧力データに、粘度推定部６５により推定された粘度（以下、「推定樹脂粘度」と称する）を加味して、ゲートＰ３の摩耗状態を表す値を出力する。
The
また、出力部６１は、機械学習を適用して、ゲートＰ３の摩耗状態を表す値を出力する。従って、出力部６１は、予め生成された学習済みモデルを用いて、ゲートＰ３の摩耗状態を表す値を出力する。記憶部６２は、出力部６１によりゲートＰ３の摩耗状態を表す値を出力するための学習済みモデルを記憶する。
The
機械学習を適用する場合のコンピュータ装置６０の機能について図１４を参照して説明する。学習フェーズとして、まずは、訓練データセットを準備する。訓練データセットは、流路圧力データの特徴量と、スクリュ圧力データの特徴量と、粘度推定部６５により推定された推定樹脂粘度と、ゲートＰ３の摩耗状態を表す値としてゲートＰ３の実摩耗量とを含む。
The functions of the
学習フェーズとして、コンピュータ装置６０における機械学習処理部６３は、訓練データセットを用いて機械学習を行うことにより、１つの学習済みモデルを生成する。学習済みモデルは、記憶部６２に記憶される。本形態において、学習済みモデルは、流路圧力データの特徴量、スクリュ圧力データの特徴量および推定樹脂粘度を説明変数とし、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量を目的変数とする。
As a learning phase, the machine
続いて、推定フェーズとして、出力部６１が、検出データとしての流路圧力データおよびスクリュ圧力データ、および、粘度推定部６５にて推定された推定樹脂粘度を取得する。そして、出力部６１は、流路圧力データの特徴量およびスクリュ圧力データの特徴量を算出する。続いて、出力部６１は、記憶部６２に記憶されている学習済みモデルを用いて、流路圧力データの特徴量、スクリュ圧力データの特徴量および推定樹脂粘度を入力することにより、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量を出力する。
Subsequently, in the estimation phase, the
樹脂粘度が異なれば、流路圧力データおよびスクリュ圧力データは異なる値を示す。そこで、出力部６１が、流路圧力データおよびスクリュ圧力データに、推定樹脂粘度を加味して、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量を出力している。従って、出力部６１は、より高精度にゲートＰ３の摩耗量を出力することができる。
If the resin viscosity is different, the channel pressure data and the screw pressure data show different values. Therefore, the
（１２．第六実施形態の射出成形装置１）
第六実施形態の射出成形装置１について図１５を参照して説明する。以下において、機械学習を適用するコンピュータ装置６０の機能について説明する。
(12.
An
学習フェーズとして、まずは、検出データである流路圧力データおよびスクリュ圧力データを準備する、続いて、訓練データセットを準備する。訓練データセットは、粘度推定部６５により推定された樹脂粘度で分類された、流路圧力データの特徴量、スクリュ圧力データの特徴量、および、ゲートＰ３の実摩耗量を含む。
As a learning phase, first, flow path pressure data and screw pressure data, which are detection data, are prepared, and then a training data set is prepared. The training data set includes the feature quantity of the flow path pressure data, the feature quantity of the screw pressure data, and the actual wear amount of the gate P3, classified by the resin viscosity estimated by the
続いて、学習フェーズとして、コンピュータ装置６０における機械学習処理部６３が、推定樹脂粘度別に訓練データセットを用いて機械学習を行うことにより、推定樹脂粘度別の複数の学習済みモデルを生成する。推定樹脂粘度別の複数の学習済みモデルは、記憶部６２に記憶される。本形態においては、それぞれの学習済みモデルは、流路圧力データの特徴量およびスクリュ圧力データの特徴量を説明変数とし、ゲートＰ３の摩耗状態を表す値としてゲートＰ３の摩耗量を目的変数とする。
Subsequently, in the learning phase, the machine
続いて、推定フェーズとして、出力部６１は、検出データとしての流路圧力データおよびスクリュ圧力データを取得する。そして、出力部６１は、流路圧力データの特徴量を算出し、かつ、スクリュ圧力データの特徴量を算出する。また、出力部６１は、粘度推定部６５にて推定された推定樹脂粘度を取得する。
Subsequently, as an estimation phase, the
続いて、出力部６１は、記憶部６２に記憶された複数の学習済みモデルの中から、推定樹脂粘度に対応する１つの学習済みモデルを選択する。続いて、出力部６１は、選択された学習済みモデルを用いて、流路圧力データの特徴量およびスクリュ圧力データの特徴量を入力することにより、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量を出力する。つまり、出力部６１は、推定樹脂粘度で分類して、分類された推定樹脂粘度に応じてゲートＰ３の摩耗量の算出処理を行う。この場合も、上述した第五実施形態と同様の効果を発揮する。
Subsequently, the
（１３．第七実施形態の射出成形装置１）
第七実施形態の射出成形装置１について図１６を参照して説明する。以下において、機械学習を適用するコンピュータ装置６０の機能について説明する。
(13.
An
学習フェーズとして、まずは、検出データである流路圧力データおよびスクリュ圧力データを準備する。続いて、訓練データセットを準備する。訓練データセットは、ゲート摩耗指標値ｙ、粘度推定部６５により推定された推定樹脂粘度、および、ゲートＰ３の摩耗状態を表す値としてゲートＰ３の実摩耗量とを含む。ゲート摩耗指標値ｙは、上述した式（１）により定義される。
As a learning phase, first, flow path pressure data and screw pressure data, which are detection data, are prepared. Next, prepare a training dataset. The training data set includes the gate wear index value y, the estimated resin viscosity estimated by the
続いて、学習フェーズとして、コンピュータ装置６０における機械学習処理部６３が、訓練データセットを用いて機械学習を行うことにより、１つの学習済みモデルを生成する。学習済みモデルは、記憶部６２に記憶される。本形態において、学習済みモデルは、ゲート摩耗指標値ｙおよび推定樹脂粘度を説明変数とし、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量を目的変数とする。
Subsequently, as a learning phase, the machine
続いて、推定フェーズとして、出力部６１のゲート摩耗指標値算出部６１ａが、検出データとしての流路圧力データおよびスクリュ圧力データを取得する。そして、ゲート摩耗指標値算出部６１ａは、流路圧力データの特徴量を算出し、かつ、スクリュ圧力データの特徴量を算出する。続いて、ゲート摩耗指標値算出部６１ａは、流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いて、上述した式（１）より、ゲート摩耗指標値ｙを算出する。
Subsequently, as an estimation phase, the gate wear index
そして、出力部６１の摩耗量算出部６１ｂは、ゲート摩耗指標値算出部６１ａにより算出されたゲート摩耗指標値ｙ、および、粘度推定部６５にて推定された推定樹脂粘度を取得する。続いて、出力部６１の摩耗量算出部６１ｂは、記憶部６２に記憶されている学習済みモデルを用いて、ゲート摩耗指標値ｙおよび推定樹脂粘度を入力することにより、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量を出力する。
Then, the
本形態によれば、ゲートＰ３の摩耗量に関連性の高い指標であるゲート摩耗指標値ｙに加えて、推定樹脂粘度を用いて、機械学習を適用している。従って、出力部６１の摩耗量算出部６１ｂによって、当該機械学習により生成された学習済みモデルを用いて出力されるゲートＰ３の摩耗量を、高精度にすることができる。
According to this embodiment, machine learning is applied using the estimated resin viscosity in addition to the gate wear index value y, which is an index highly related to the wear amount of the gate P3. Therefore, the wear amount of the gate P3 output by the wear
（１４．第八実施形態の射出成形装置１）
第八実施形態の射出成形装置１について図１７を参照して説明する。以下において、機械学習を適用するコンピュータ装置６０の機能について説明する。
(14.
An
学習フェーズとして、まずは、検出データである流路圧力データおよびスクリュ圧力データを準備する、続いて、訓練データセットを準備する。訓練データセットは、粘度推定部６５により推定された樹脂粘度で分類された、ゲート摩耗指標値ｙ、および、ゲートＰ３の実摩耗量を含む。ゲート摩耗指標値ｙは、上述した式（１）により定義される。
As a learning phase, first, flow path pressure data and screw pressure data, which are detection data, are prepared, and then a training data set is prepared. The training data set includes the gate wear index value y classified by the resin viscosity estimated by the
続いて、学習フェーズとして、コンピュータ装置６０における機械学習処理部６３が、推定樹脂粘度別に訓練データセットを用いて機械学習を行うことにより、推定樹脂粘度別の複数の学習済みモデルを生成する。推定樹脂粘度別の複数の学習済みモデルは、記憶部６２に記憶される。本形態においては、それぞれの学習済みモデルは、ゲート摩耗指標値ｙを説明変数とし、ゲートＰ３の摩耗状態を表す値としてゲートＰ３の摩耗量を目的変数とする。
Subsequently, in the learning phase, the machine
続いて、推定フェーズとして、出力部６１のゲート摩耗指標値算出部６１ａが、検出データとしての流路圧力データおよびスクリュ圧力データを取得する。そして、ゲート摩耗指標値算出部６１ａは、流路圧力データの特徴量を算出し、かつ、スクリュ圧力データの特徴量を算出する。続いて、ゲート摩耗指標値算出部６１ａは、流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いて、上述した式（１）より、ゲート摩耗指標値ｙを算出する。
Subsequently, as an estimation phase, the gate wear index
そして、出力部６１の摩耗量算出部６１ｂは、ゲート摩耗指標値算出部６１ａにより算出されたゲート摩耗指標値ｙ、および、粘度推定部６５にて推定された推定樹脂粘度を取得する。
Then, the
続いて、出力部６１の摩耗量算出部６１ｂは、記憶部６２に記憶された複数の学習済みモデルの中から、推定樹脂粘度に対応する１つの学習済みモデルを選択する。続いて、出力部６１の摩耗量算出部６１ｂは、選択された学習済みモデルを用いて、ゲート摩耗指標値ｙを入力することにより、ゲートＰ３の摩耗状態を表す値としてのゲートＰ３の摩耗量を出力する。つまり、出力部６１の摩耗量算出部６１ｂは、推定樹脂粘度で分類して、分類された推定樹脂粘度に応じてゲートＰ３の摩耗量の算出処理を行う。この場合も、上述した第七実施形態と同様の効果を発揮する。
Subsequently, the
（１５．第九実施形態の射出成形装置１）
第九実施形態の射出成形装置１について図１８を参照して説明する。以下に、コンピュータ装置６０の出力部６１の処理について説明する。本形態において、出力部６１は、機械学習を適用しない。
(15.
An
図１８に示すように、出力部６１は、検出データである流路圧力データおよびスクリュ圧力データを入力する検出データ入力工程Ｓ３１を実行する。続いて、出力部６１は、粘度推定部６５により推定された樹脂粘度ｖを入力する推定樹脂粘度入力工程Ｓ３２を実行する。続いて、出力部６１は、検出データの特徴量を算出する特徴量算出工程Ｓ３３を実行する。検出データの特徴量は、上述したように、流路圧力データの特徴量およびスクリュ圧力データの特徴量である。
As shown in FIG. 18, the
続いて、出力部６１は、算出した流路圧力データの特徴量およびスクリュ圧力データの特徴量を用いて、第一関係性情報である上述した式（１）より、ゲート摩耗指標値ｙを算出する指標値算出工程Ｓ３４を実行する。第一関係性情報である式（１）は、流路圧力データの特徴量、スクリュ圧力データの特徴量、および、ゲート摩耗指標値ｙの関係性を定義する。
Subsequently, the
続いて、出力部６１は、記憶部６２に記憶された第二関係性情報を用いて、ゲート摩耗指標値ｙおよび推定樹脂粘度ｖを入力することにより、ゲートＰ３の摩耗量を算出する摩耗量算出工程Ｓ３５を実行する。
Subsequently, the
第二関係性情報は、例えば、式（３）により定義され、ゲート摩耗指標値ｙと、推定樹脂粘度ｖと、ゲートＰ３の摩耗量ｚとの関係を表す。
ｚ＝Ｆ（ｙ，ｖ） ・・・ （３）
ｚ：ゲートＰ３の摩耗量
Ｆ（ｙ，ｖ）：ゲート摩耗指標値ｙおよび推定樹脂粘度ｖの関数
The second relationship information is defined by Equation (3), for example, and represents the relationship between the gate wear index value y, the estimated resin viscosity v, and the wear amount z of the gate P3.
z=F(y,v) (3)
z: wear amount of gate P3 F(y, v): function of gate wear index value y and estimated resin viscosity v
従って、出力部６１は、ゲートＰ３の摩耗量ｚを出力することができる。従って、作業者は、ゲートＰ３の摩耗量ｚに基づいて、ゲートＰ３の摩耗状態を把握することができるため、熟練者の知識や経験によらず、ゲートＰ３の部分の交換のタイミングを適切に判断することができる。
Therefore, the
（１６．スクリュ圧力データおよび流路圧力データの挙動）
射出工程Ｓ４および保圧工程Ｓ５におけるスクリュ圧力データの挙動（時間変化）および流路圧力データの挙動（時間変化）について、図１９～図２２を参照して説明する。図１９～図２２において、太線が、樹脂流路Ｐにおける樹脂粘度が高い場合を示し、細線が、樹脂流路Ｐにおける樹脂粘度が低い場合を示す。
(16. Behavior of screw pressure data and channel pressure data)
The behavior (time change) of the screw pressure data and the behavior (time change) of the flow path pressure data in the injection process S4 and the holding pressure process S5 will be described with reference to FIGS. 19 to 22. FIG. In FIGS. 19 to 22, thick lines indicate the case where the resin viscosity in the resin flow path P is high, and thin lines indicate the case where the resin viscosity in the resin flow path P is low.
図１９および図２０に示すように、スクリュ圧力データは、射出工程Ｓ４における圧力ピーク時ｔ２ａ，ｔ２ｂ～射出工程終了時ｔ４の間の値が異なる。つまり、当該時間帯（ｔ２ａ～ｔ４，ｔ２ｂ～ｔ４）において、樹脂粘度が低いと、スクリュ圧力データは低い値を示し、樹脂粘度が高いと、スクリュ圧力データは高い値を示す。 As shown in FIGS. 19 and 20, the screw pressure data differ in values between the pressure peak times t2a, t2b in the injection process S4 and the end time t4 of the injection process. That is, in the time period (t2a to t4, t2b to t4), the screw pressure data indicates a low value when the resin viscosity is low, and the screw pressure data indicates a high value when the resin viscosity is high.
また、図２０に示すように、スクリュ圧力データにおいて、射出工程Ｓ４の開始時ｔ１から射出工程Ｓ４における圧力ピーク時ｔ２ａ，ｔ２ｂまでの時間（ｔ１～ｔ２ａ，ｔ１～ｔ２ｂ）が、樹脂粘度によって異なる。つまり、樹脂粘度が低い場合の当該時間（ｔ１～ｔ２ｂ）は、樹脂粘度が高い場合の当該時間（ｔ１～ｔ２ａ）より短くなっている。 Further, as shown in FIG. 20, in the screw pressure data, the times (t1 to t2a, t1 to t2b) from the start time t1 of the injection process S4 to the pressure peak times t2a, t2b in the injection process S4 differ depending on the resin viscosity. . That is, the time (t1-t2b) when the resin viscosity is low is shorter than the time (t1-t2a) when the resin viscosity is high.
また、図１９に示すように、スクリュ圧力データにおいて、保圧工程Ｓ５の開始時ｔ４から保圧工程Ｓ５における成形品キャビティＣの充填完了時ｔ５ａ，ｔ５ｂまでの時間（ｔ４～ｔ５ａ，ｔ４～ｔ５ｂ）は、樹脂粘度によって異なる。つまり、樹脂粘度が低い場合の当該時間（ｔ４～ｔ５ｂ）は、樹脂粘度が高い場合の当該時間（ｔ４～ｔ５ａ）よりも短くなっている。充填完了時ｔ５ａ，ｔ５ｂは、僅かではあるが、保圧工程Ｓ５におけるスクリュ圧力データの圧力の立ち上り時である。つまり、充填完了時ｔ５ａ，ｔ５ｂは、保圧工程Ｓ５におけるスクリュ圧力データの圧力変化が所定値より大きくなった時である。 Further, as shown in FIG. 19, in the screw pressure data, the times (t4 to t5a, t4 to t5b ) varies depending on the resin viscosity. That is, the time (t4-t5b) when the resin viscosity is low is shorter than the time (t4-t5a) when the resin viscosity is high. The filling completion times t5a and t5b are the times when the pressure of the screw pressure data in the pressure holding step S5 rises, although slightly. In other words, filling completion times t5a and t5b are times when the pressure change in the screw pressure data in the pressure holding step S5 exceeds a predetermined value.
ここで、射出工程Ｓ４は、開始からの所定時間を経過した場合に終了するため、射出工程Ｓ４の終了時ｔ４は、樹脂粘度に関わりなく一定である。従って、上記時間（ｔ４～ｔ５ａ，ｔ４～ｔ５ｂ）を、射出工程Ｓ４の開始時ｔ１から保圧工程Ｓ５における成形品キャビティＣの充填完了時ｔ５ａ，ｔ５ｂまでの時間（ｔ１～ｔ５ａ，ｔ１～ｔ５ｂ）に置換した場合も同様である。 Here, since the injection step S4 ends when a predetermined time has elapsed from the start, the end time t4 of the injection step S4 is constant regardless of the resin viscosity. Therefore, the above times (t4 to t5a, t4 to t5b) are the times (t1 to t5a, t1 to t5b ) is the same.
図２１および図２２に示すように、流路圧力データは、スクリュ圧力データと同様の挙動を示す。流路圧力データは、射出工程Ｓ４における圧力ピーク時ｔ２ａ，ｔ２ｂ～射出工程終了時ｔ４の間の値が異なる。つまり、当該時間帯（ｔ２ａ～ｔ４，ｔ２ｂ～ｔ４）において、樹脂粘度が低いと、スクリュ圧力データは低い値を示し、樹脂粘度が高いと、スクリュ圧力データは高い値を示す。 As shown in FIGS. 21 and 22, the channel pressure data behaves similarly to the screw pressure data. The channel pressure data differ in values between the pressure peak times t2a, t2b in the injection process S4 and the end time t4 of the injection process. That is, in the time period (t2a to t4, t2b to t4), the screw pressure data indicates a low value when the resin viscosity is low, and the screw pressure data indicates a high value when the resin viscosity is high.
また、図２２に示すように、流路圧力データにおいて、射出工程Ｓ４の開始時ｔ１から射出工程Ｓ４における圧力ピーク時ｔ２ａ，ｔ２ｂまでの時間（ｔ１～ｔ２ａ，ｔ１～ｔ２ｂ）が、樹脂粘度によって異なる。つまり、樹脂粘度が低い場合の当該時間（ｔ１～ｔ２ｂ）は、樹脂粘度が高い場合の当該時間（ｔ１～ｔ２ａ）より短くなっている。 Further, as shown in FIG. 22, in the channel pressure data, the time (t1 to t2a, t1 to t2b) from the start time t1 of the injection process S4 to the pressure peak times t2a, t2b in the injection process S4 varies depending on the resin viscosity. different. That is, the time (t1-t2b) when the resin viscosity is low is shorter than the time (t1-t2a) when the resin viscosity is high.
また、図２１に示すように、流路圧力データにおいて、保圧工程Ｓ５の開始時ｔ４から保圧工程Ｓ５における成形品キャビティＣの充填完了時ｔ５ａ，ｔ５ｂまでの時間（ｔ４～ｔ５ａ，ｔ４～ｔ５ｂ）は、樹脂粘度によって異なる。つまり、樹脂粘度が低い場合の当該時間（ｔ４～ｔ５ｂ）は、樹脂粘度が高い場合の当該時間（ｔ４～ｔ５ａ）よりも短くなっている。充填完了時ｔ５ａ，ｔ５ｂは、保圧工程Ｓ５における流路圧力データの圧力の立ち上り時である。つまり、充填完了時ｔ５ａ，ｔ５ｂは、保圧工程Ｓ５における流路圧力データの圧力変化が所定値より大きくなった時である。流路圧力データの当該圧力変化は、スクリュ圧力データに比べて大きく変化している。 Further, as shown in FIG. 21, in the channel pressure data, the time (t4 to t5a, t4 to t5b) varies depending on the resin viscosity. That is, the time (t4-t5b) when the resin viscosity is low is shorter than the time (t4-t5a) when the resin viscosity is high. The filling completion times t5a and t5b are times when the pressure of the channel pressure data in the pressure holding step S5 rises. That is, the filling completion times t5a and t5b are times when the pressure change in the flow path pressure data in the pressure holding step S5 exceeds a predetermined value. The pressure change in the channel pressure data changes greatly compared to the screw pressure data.
ここで、上記時間（ｔ４～ｔ５ａ，ｔ４～ｔ５ｂ）を、射出工程Ｓ４の開始時ｔ１から保圧工程Ｓ５における成形品キャビティＣの充填完了時ｔ５ａ，ｔ５ｂまでの時間（ｔ１～ｔ５ａ，ｔ１～ｔ５ｂ）に置換した場合も同様である。 Here, the above times (t4 to t5a, t4 to t5b) are the times (t1 to t5a, t1 to The same is true when substituting with t5b).
（１７．樹脂粘度推定の第一具体例）
第五実施形態～第九実施形態において、粘度推定部６５が、樹脂流路Ｐにおける溶融樹脂の粘度を推定した。粘度推定部６５による樹脂粘度の推定方法の第一具体例について、図２１～図２２を参照して説明する。
(17. First specific example of resin viscosity estimation)
In the fifth to ninth embodiments, the
図２１および図２２に示すように、樹脂流路Ｐの樹脂粘度によって、射出工程Ｓ４の開始時ｔ１から射出工程Ｓ４における流路圧力データの圧力ピーク時ｔ２ａ，ｔ２ｂまでの時間（ｔ１～ｔ２ａ，ｔ１～ｔ２ｂ）が異なる。そこで、粘度推定部６５は、射出工程Ｓ４の開始時ｔ１から射出工程Ｓ４における流路圧力データの圧力ピーク時ｔ２ａ，ｔ２ｂまでの時間（ｔ１～ｔ２ａ，ｔ１～ｔ２ｂ）を、樹脂粘度を表す成分として、樹脂粘度を推定する。
As shown in FIGS. 21 and 22, depending on the resin viscosity of the resin flow path P, the time (t1 to t2a, t1-t2b) are different. Therefore, the
（１８．樹脂粘度推定の第二具体例）
粘度推定部６５による樹脂粘度の推定方法の第二具体例について、図２１～図２２を参照して説明する。図２１および図２２に示すように、樹脂流路Ｐの樹脂粘度によって、流路圧力データにおいて、射出工程Ｓ４の開始時ｔ１または保圧工程Ｓ５の開始時ｔ４から、保圧工程Ｓ５における成形品キャビティＣの充填完了時ｔ５ａ，ｔ５ｂまでの時間（ｔ１～ｔ５ａ，ｔ１～ｔ５ｂ、または、ｔ４～ｔ５ａ，ｔ４～ｔ５ｂ）が異なる。
(18. Second specific example of resin viscosity estimation)
A second specific example of the resin viscosity estimation method by the
そこで、粘度推定部６５は、流路圧力データにおいて、射出工程Ｓ４の開始時ｔ１または保圧工程Ｓ５の開始時ｔ４から、保圧工程Ｓ５における成形品キャビティＣの充填完了時ｔ５ａ，ｔ５ｂまでの時間（ｔ１～ｔ５ａ，ｔ１～ｔ５ｂ、または、ｔ４～ｔ５ａ，ｔ４～ｔ５ｂ）を、樹脂粘度を表す成分として、樹脂粘度を推定する。
Therefore, the
（１９．樹脂粘度推定の第三具体例）
粘度推定部６５による樹脂粘度の推定方法の第三具体例について、図１９～図２０を参照して説明する。図１９および図２０に示すように、樹脂流路Ｐの樹脂粘度によって、射出工程Ｓ４の開始時ｔ１から射出工程Ｓ４におけるスクリュ圧力データの圧力ピーク時ｔ２ａ，ｔ２ｂまでの時間（ｔ１～ｔ２ａ，ｔ１～ｔ２ｂ）が異なる。そこで、粘度推定部６５は、射出工程Ｓ４の開始時ｔ１から射出工程Ｓ４におけるスクリュ圧力データの圧力ピーク時ｔ２ａ，ｔ２ｂまでの時間（ｔ１～ｔ２ａ，ｔ１～ｔ２ｂ）を、樹脂粘度を表す成分として、樹脂粘度を推定する。
(19. Third specific example of resin viscosity estimation)
A third specific example of the resin viscosity estimation method by the
（２０．樹脂粘度推定の第四具体例）
粘度推定部６５による樹脂粘度の推定方法の第四具体例について、図１９～図２０を参照して説明する。図１９および図２０に示すように、樹脂流路Ｐの樹脂粘度によって、スクリュ圧力データにおいて、射出工程Ｓ４の開始時ｔ１または保圧工程Ｓ５の開始時ｔ４から、保圧工程Ｓ５における成形品キャビティＣの充填完了時ｔ５ａ，ｔ５ｂまでの時間（ｔ１～ｔ５ａ，ｔ１～ｔ５ｂ、または、ｔ４～ｔ５ａ，ｔ４～ｔ５ｂ）が異なる。
(20. Fourth specific example of resin viscosity estimation)
A fourth specific example of the resin viscosity estimation method by the
そこで、粘度推定部６５は、スクリュ圧力データにおいて、射出工程Ｓ４の開始時ｔ１または保圧工程Ｓ５の開始時ｔ４から、保圧工程Ｓ５における成形品キャビティＣの充填完了時ｔ５ａ，ｔ５ｂまでの時間（ｔ１～ｔ５ａ，ｔ１～ｔ５ｂ、または、ｔ４～ｔ５ａ，ｔ４～ｔ５ｂ）を、樹脂粘度を表す成分として、樹脂粘度を推定する。
Therefore, in the screw pressure data, the
（２１．樹脂粘度推定の第五具体例）
粘度推定部６５による樹脂粘度の推定方法の第五具体例について、図２３～図２４を参照して説明する。粘度推定部６５は、ノズル圧力計測装置２８により取得されたノズル圧力データと、制御装置５０における制御データとを用いて、樹脂粘度を推定する。
(21. Fifth specific example of resin viscosity estimation)
A fifth specific example of the resin viscosity estimation method by the
パージ工程Ｓ１におけるノズル圧力データの挙動（時間変化）は、図２３および図２４に示すようになる。ここで、図２３および図２４においては、スクリュ２３の移動速度は同一とする。スクリュ２３の移動速度が同一の場合において、図２３に示す樹脂粘度が低い場合には、図２４に示す樹脂粘度が高い場合に比べて、パージ工程Ｓ１におけるノズル圧力データの平均値が小さい。従って、パージ工程Ｓ１におけるノズル圧力データは、樹脂粘度に依存する。
The behavior (time change) of the nozzle pressure data in the purge step S1 is as shown in FIGS. 23 and 24. FIG. Here, in FIGS. 23 and 24, it is assumed that the moving speed of the
スクリュ２３の移動速度が大きいと、ノズル圧力データは大きくなる。そこで、粘度推定部６５は、パージ工程Ｓ１におけるノズル圧力データとスクリュ２３の移動速度データとの関係を、樹脂粘度を表す成分として、樹脂粘度を推定する。
As the moving speed of the
（２２．樹脂粘度推定の第六具体例）
第五具体例においては、粘度推定部６５は、パージ工程Ｓ１におけるノズル圧力データおよびスクリュ２３の移動速度データを用いて、樹脂粘度を推定した。ここで、ノズル圧力データは、射出工程Ｓ４においても同様に変化する。そこで、第六具体例においては、粘度推定部６５は、射出工程Ｓ４におけるノズル圧力データとスクリュ２３の移動速度データとの関係を、樹脂粘度を表す成分として、樹脂粘度を推定する。
(22. Sixth specific example of resin viscosity estimation)
In the fifth specific example, the
（２３．樹脂粘度推定の第七具体例）
粘度推定部６５による樹脂粘度の推定方法の第七具体例について、図２５を参照して説明する。粘度推定部６５は、制御装置５０における制御データを用いて、樹脂粘度を推定する。
(23. Seventh specific example of resin viscosity estimation)
A seventh specific example of the method of estimating the resin viscosity by the
計量工程Ｓ２，Ｓ１０に要する時間は、樹脂粘度の影響を受ける。図２５に示すように、計量工程Ｓ２，Ｓ１０の開始時から、計量工程Ｓ２，Ｓ１０の終了時ｔ６ａ，ｔ６ｂまでの時間は、樹脂粘度が低い場合には、樹脂粘度が高い場合に比べて、長くなる。理由は、スクリュ２３が溶融樹脂から受ける圧力が、樹脂粘度が低いほど小さくなるためである。そこで、粘度推定部６５は、計量工程Ｓ２，Ｓ１０に要する時間を、樹脂粘度を表す成分として、樹脂粘度を推定する。
The time required for the weighing steps S2 and S10 is affected by the resin viscosity. As shown in FIG. 25, the time from the start of the weighing steps S2 and S10 to the end of the weighing steps S2 and S10 t6a and t6b is longer when the resin viscosity is low than when the resin viscosity is high. become longer. The reason is that the lower the viscosity of the resin, the smaller the pressure that the
（２４．樹脂粘度推定の第八具体例）
粘度推定部６５による樹脂粘度の推定方法の第八具体例について説明する。上記の第一具体例～第七具体例においては、粘度推定部６５は、それぞれの要素を、樹脂粘度を表す成分として、樹脂粘度を推定することとした。
(24. Eighth specific example of resin viscosity estimation)
An eighth specific example of the method of estimating the resin viscosity by the
その他に、粘度推定部６５は、第一具体例～第七具体例にて説明した要素を、樹脂粘度を表す成分の１つとして、樹脂粘度を推定する。つまり、粘度推定部６５は、複数の要素のそれぞれを樹脂粘度を表す成分の１つとして、複数の要素を用いて樹脂粘度を推定する。粘度推定部６５は、複数の要素を用いるため、機械学習を適用すると良い。もちろん、粘度推定部６５は、複数の要素を蓄積したデータベースを用いることにより、粘度を推定することもできる。
In addition, the
１ 射出成形装置
２０ 射出装置
２２ シリンダ
２３ スクリュ
２４ ノズル
２７ スクリュ圧力計測装置
２８ ノズル圧力計測装置
３０ 金型
３３ 流路圧力計測装置
６１ 出力部
Ｃ 成形品キャビティ
Ｐ 樹脂流路
Ｐ１ スプール
Ｐ２ ランナ
Ｐ３ ゲート
1
Claims (20)
成形品キャビティ、および、前記成形品キャビティと前記ノズルに当接する部位との間の樹脂流路を備える金型と、
前記樹脂流路における流路圧力データを取得する流路圧力計測装置と、
前記スクリュが前記シリンダ内の溶融樹脂から受けるスクリュ圧力データを取得するスクリュ圧力計測装置と、
前記流路圧力データの特徴量および前記スクリュ圧力データの特徴量に基づいて、前記樹脂流路のうちのゲートの摩耗状態を表す値を出力する出力部と、
を備える、射出成形装置。 an injection device comprising a cylinder, a screw, and a nozzle provided at the front end of the cylinder for discharging molten resin as the screw advances;
a mold comprising a molded product cavity and a resin flow path between the molded product cavity and a portion abutting against the nozzle;
a channel pressure measuring device for acquiring channel pressure data in the resin channel;
a screw pressure measuring device that acquires screw pressure data that the screw receives from the molten resin in the cylinder;
an output unit for outputting a value representing the state of wear of a gate in the resin flow path based on the feature amount of the flow path pressure data and the feature amount of the screw pressure data;
An injection molding apparatus comprising:
前記出力部は、前記学習済みモデルを用いて、前記流路圧力データの特徴量、前記スクリュ圧力データの特徴量を入力することにより、前記ゲートの摩耗状態を表す値を出力する、請求項１に記載の射出成形装置。 Stores a learned model generated by performing machine learning using a training data set including the feature amount of the flow path pressure data, the feature amount of the screw pressure data, and a value representing the wear state of the gate. further comprising a storage unit for
2. The output unit outputs a value representing the state of wear of the gate by inputting the feature amount of the flow path pressure data and the feature amount of the screw pressure data using the learned model. The injection molding apparatus according to .
前記出力部は、前記ゲートの摩耗状態を表す値として前記ゲートの摩耗量を出力する、請求項２に記載の射出成形装置。 The value representing the wear state of the gate included in the training data set is the actual wear amount of the gate,
3. The injection molding apparatus according to claim 2, wherein said output unit outputs the amount of wear of said gate as a value representing the state of wear of said gate.
前記ゲート摩耗指標値と、前記ゲートの実摩耗量とを含む訓練データセットを用いて機械学習を行うことにより生成された学習済みモデルを記憶する記憶部をさらに備え、
前記出力部は、
前記流路圧力データの特徴量および前記スクリュ圧力データの特徴量を用いて前記ゲート摩耗指標値を算出し、
前記学習済みモデルを用いて、算出された前記ゲート摩耗指標値を入力することにより、前記ゲートの摩耗量を出力する、請求項１に記載の射出成形装置。
ｙ＝ｂ－ａ×ｘ ・・・ （１）
ｙ：ゲート摩耗指標値
ｘ：スクリュ圧力データの特徴量
ａ：定数
ｂ：流路圧力データの特徴量 A gate wear index value is defined by Equation (1) using the feature amount of the flow path pressure data and the feature amount of the screw pressure data,
further comprising a storage unit that stores a learned model generated by performing machine learning using a training data set including the gate wear index value and the actual wear amount of the gate;
The output unit
calculating the gate wear index value using the feature amount of the flow path pressure data and the feature amount of the screw pressure data;
2. The injection molding apparatus according to claim 1, wherein the wear amount of the gate is output by inputting the gate wear index value calculated using the learned model.
y=ba×x (1)
y: Gate wear index value x: Feature quantity of screw pressure data a: Constant b: Feature quantity of channel pressure data
ｙ＝ｂ－ａ×ｘ ・・・ （１）
ｙ：ゲート摩耗指標値
ｘ：スクリュ圧力データの特徴量
ａ：定数
ｂ：流路圧力データの特徴量 2. The injection molding apparatus according to claim 1, wherein the output unit calculates a gate wear index value as a value representing the wear state of the gate using Equation (1).
y=ba×x (1)
y: Gate wear index value x: Feature quantity of screw pressure data a: Constant b: Feature quantity of channel pressure data
前記出力部は、式（１）により出力された前記ゲート摩耗指標値と、前記記憶部に記憶される前記関係性情報とを用いて、前記ゲートの摩耗量を出力する、請求項６または７に記載の射出成形装置。 further comprising a storage unit that stores relationship information between the gate wear index value and the actual wear amount of the gate;
8. The output section outputs the wear amount of the gate using the gate wear index value output by the formula (1) and the relationship information stored in the storage section. The injection molding apparatus according to .
前記出力部は、前記粘度推定部により推定された粘度を加味して、前記ゲートの摩耗状態を表す値を出力する、請求項１～８のいずれか１項に記載の射出成形装置。 further comprising a viscosity estimating unit for estimating the viscosity of the molten resin flowing through the resin flow path in the mold;
9. The injection molding apparatus according to any one of claims 1 to 8, wherein said output unit adds the viscosity estimated by said viscosity estimation unit and outputs a value representing the state of wear of said gate.
前記制御装置は、
前記スクリュの速度制御により前記ノズルから前記金型に溶融樹脂を射出する射出工程と、
前記射出工程に続いて、前記スクリュにかかる圧力制御により前記成形品キャビティ内の溶融樹脂に保圧力を付与する保圧工程と、
を含む成形サイクルを実行し、
前記粘度推定部は、前記射出工程の開始時から前記射出工程における前記流路圧力データの圧力ピーク時までの時間を、前記粘度を表す成分の１つとして、前記粘度を推定する、請求項９に記載の射出成形装置。 further comprising a control device for controlling the injection device,
The control device is
an injection step of injecting molten resin from the nozzle into the mold by controlling the speed of the screw;
a holding pressure step of applying a holding pressure to the molten resin in the molded product cavity by controlling the pressure applied to the screw, following the injection step;
Run a molding cycle that includes
10. The viscosity estimating unit estimates the viscosity using the time from the start of the injection process to the pressure peak of the flow path pressure data in the injection process as one of the components representing the viscosity. The injection molding apparatus according to .
前記制御装置は、
前記スクリュの速度制御により前記ノズルから前記金型に溶融樹脂を射出する射出工程と、
前記射出工程に続いて、前記スクリュにかかる圧力制御により前記成形品キャビティ内の溶融樹脂に保圧力を付与する保圧工程と、
を含む成形サイクルを実行し、
前記粘度推定部は、前記射出工程の開始時または前記保圧工程の開始時から前記保圧工程における前記成形品キャビティの充填完了時までの時間を、前記粘度を表す成分の１つとして、前記粘度を推定する、請求項９に記載の射出成形装置。 further comprising a control device for controlling the injection device,
The control device is
an injection step of injecting molten resin from the nozzle into the mold by controlling the speed of the screw;
a holding pressure step of applying a holding pressure to the molten resin in the molded product cavity by controlling the pressure applied to the screw, following the injection step;
Run a molding cycle that includes
The viscosity estimating unit calculates the time from the start of the injection process or the start of the holding pressure process to the completion of filling of the molded product cavity in the holding pressure process as one of the components representing the viscosity, 10. The injection molding apparatus of claim 9, which estimates viscosity.
前記制御装置は、
前記スクリュの速度制御により前記ノズルから前記金型に溶融樹脂を射出する射出工程と、
前記射出工程に続いて、前記スクリュにかかる圧力制御により前記成形品キャビティ内の溶融樹脂に保圧力を付与する保圧工程と、
を含む成形サイクルを実行し、
前記粘度推定部は、前記射出工程の開始時から前記射出工程における前記スクリュ圧力データの圧力ピーク時までの時間を、前記粘度を表す成分の１つとして、前記粘度を推定する、請求項１４に記載の射出成形装置。 further comprising a control device for controlling the injection device,
The control device is
an injection step of injecting molten resin from the nozzle into the mold by controlling the speed of the screw;
a holding pressure step of applying a holding pressure to the molten resin in the molded product cavity by controlling the pressure applied to the screw, following the injection step;
Run a molding cycle that includes
15. The viscosity estimating unit estimates the viscosity using the time from the start of the injection process to the pressure peak of the screw pressure data in the injection process as one of the components representing the viscosity. Injection molding apparatus as described.
前記射出装置を制御する制御装置と、
をさらに備え、
前記制御装置は、
前記スクリュの速度制御により前記ノズルから前記金型に溶融樹脂を射出する射出工程と、
前記射出工程に続いて、前記スクリュにかかる圧力制御により前記成形品キャビティ内の溶融樹脂に保圧力を付与する保圧工程と、
を含む成形サイクルを実行し、
前記制御装置は、さらに、連続した複数回の前記成形サイクルの前に、前記ノズルを前記金型から離間させた状態で前記ノズルから前記シリンダ内の溶融樹脂を吐出させるパージ工程を実行し、
前記粘度推定部は、前記パージ工程における前記ノズル圧力データと前記パージ工程における前記スクリュの移動速度データとの関係を、前記粘度を表す成分の１つとして、前記粘度を推定する、請求項９に記載の射出成形装置。 a nozzle pressure measuring device that acquires nozzle pressure data that the nozzle receives from the molten resin when the molten resin flows through the nozzle;
a control device that controls the injection device;
further comprising
The control device is
an injection step of injecting molten resin from the nozzle into the mold by controlling the speed of the screw;
a holding pressure step of applying a holding pressure to the molten resin in the molded product cavity by controlling the pressure applied to the screw, following the injection step;
Run a molding cycle that includes
The control device further executes a purge step of discharging the molten resin in the cylinder from the nozzle while the nozzle is separated from the mold before the continuous multiple molding cycles,
10. The viscosity estimating unit estimates the viscosity using the relationship between the nozzle pressure data in the purge process and the moving speed data of the screw in the purge process as one of the components representing the viscosity. Injection molding apparatus as described.
前記射出装置を制御する制御装置と、
をさらに備え、
前記制御装置は、
前記スクリュの速度制御により前記ノズルから前記金型に溶融樹脂を射出する射出工程と、
前記射出工程に続いて、前記スクリュにかかる圧力制御により前記成形品キャビティ内の溶融樹脂に保圧力を付与する保圧工程と、
を含む成形サイクルを実行し、
前記粘度推定部は、前記射出工程における前記ノズル圧力データと前記射出工程における前記スクリュの移動速度データとの関係を、前記粘度を表す成分の１つとして、前記粘度を推定する、請求項９に記載の射出成形装置。 a nozzle pressure measuring device that acquires nozzle pressure data that the nozzle receives from the molten resin when the molten resin flows through the nozzle;
a control device that controls the injection device;
further comprising
The control device is
an injection step of injecting molten resin from the nozzle into the mold by controlling the speed of the screw;
a holding pressure step of applying a holding pressure to the molten resin in the molded product cavity by controlling the pressure applied to the screw, following the injection step;
Run a molding cycle that includes
10. The viscosity estimating unit estimates the viscosity using the relationship between the nozzle pressure data in the injection process and the moving speed data of the screw in the injection process as one of the components representing the viscosity. Injection molding apparatus as described.
前記制御装置は、
前方位置に位置する前記スクリュを回転させることで前記シリンダの前端側に溶融樹脂を移動させ、溶融樹脂の前方への移動の反作用により前記スクリュを所定位置まで後退させることで、前記シリンダの前側に所定量の溶融樹脂を貯留させる計量工程と、
前記計量工程に続いて、前記スクリュの速度制御により前記ノズルから前記金型に溶融樹脂を射出する射出工程と、
前記射出工程に続いて、前記スクリュにかかる圧力制御により前記成形品キャビティ内の溶融樹脂に保圧力を付与する保圧工程と、
を含む成形サイクルを実行し、
前記粘度推定部は、前記計量工程に要する時間を、前記粘度を表す成分の１つとして、前記粘度を推定する、請求項９に記載の射出成形装置。 further comprising a control device for controlling the injection device,
The control device is
By rotating the screw located at the front position, the molten resin is moved to the front end side of the cylinder, and the reaction of the forward movement of the molten resin causes the screw to retreat to a predetermined position, thereby moving the molten resin to the front side of the cylinder. A weighing step of storing a predetermined amount of molten resin;
an injection step of injecting molten resin from the nozzle into the mold by speed control of the screw, following the weighing step;
a holding pressure step of applying a holding pressure to the molten resin in the molded product cavity by controlling the pressure applied to the screw, following the injection step;
Run a molding cycle that includes
10. The injection molding apparatus according to claim 9, wherein said viscosity estimating unit estimates said viscosity using the time required for said measuring step as one of the components representing said viscosity.
前記制御装置は、
前記スクリュの速度制御により前記ノズルから前記金型に溶融樹脂を射出する射出工程と、
前記射出工程に続いて、前記スクリュにかかる圧力制御により前記成形品キャビティ内の溶融樹脂に保圧力を付与する保圧工程と、
を含む成形サイクルを実行し、
前記出力部は、前記射出工程のうち前記保圧工程寄りの後期時間帯における前記流路圧力データの特徴量、および、前記射出工程のうち前記保圧工程寄りの後期時間帯における前記スクリュ圧力データの特徴量に基づいて、前記ゲートの摩耗状態を表す値を出力する、請求項１～８のいずれか１項に記載の射出成形装置。 further comprising a control device for controlling the injection device,
The control device is
an injection step of injecting molten resin from the nozzle into the mold by controlling the speed of the screw;
a holding pressure step of applying a holding pressure to the molten resin in the molded product cavity by controlling the pressure applied to the screw, following the injection step;
Run a molding cycle that includes
The output unit outputs the feature quantity of the flow path pressure data in the latter time period closer to the holding pressure process in the injection process, and the screw pressure data in the latter time period closer to the holding pressure process in the injection process. 9. The injection molding apparatus according to any one of claims 1 to 8, wherein a value representing the state of wear of said gate is output based on the feature quantity of .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021082307A JP2022175682A (en) | 2021-05-14 | 2021-05-14 | Injection molding apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021082307A JP2022175682A (en) | 2021-05-14 | 2021-05-14 | Injection molding apparatus |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2022175682A true JP2022175682A (en) | 2022-11-25 |
Family
ID=84145181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021082307A Pending JP2022175682A (en) | 2021-05-14 | 2021-05-14 | Injection molding apparatus |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2022175682A (en) |
-
2021
- 2021-05-14 JP JP2021082307A patent/JP2022175682A/en active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7205225B2 (en) | Molding condition determination support device and injection molding machine | |
| JP2020052821A (en) | Deterioration determination device and deterioration determination system | |
| JP2016159589A (en) | Pressure control device for injection molding machine | |
| JP7342450B2 (en) | Quality prediction system and molding machine | |
| JP6625348B2 (en) | Injection molding machine | |
| CN103029276B (en) | Method for setting clamping force of injection mold and clamping force setting apparatus | |
| JP6422063B2 (en) | Method for controlling the filling of at least one cavity | |
| JP2013103401A (en) | Injection molding machine and injection control method thereof | |
| JP5302436B1 (en) | Resin condition monitoring device for injection molding machines | |
| JP2022175682A (en) | Injection molding apparatus | |
| US9090015B2 (en) | Controller of injection molding machine | |
| JP2013256019A (en) | Pressure control device for injection molding machine | |
| JP7293962B2 (en) | Molded product quality anomaly prediction system | |
| WO2022244221A1 (en) | Injection molding device | |
| JP7128071B2 (en) | Injection molding machine, injection molding system and injection control method | |
| JP2009137076A (en) | Injection molding mold, method for detecting defective plasticization in injection molding, and injection molding method | |
| US20200094461A1 (en) | Device for assisting molding condition determination and injection molding apparatus | |
| TW201902661A (en) | Injection molding machine control method | |
| JP7468166B2 (en) | Resin state estimation device and molding condition decision support device | |
| JP4166746B2 (en) | Resin characteristic measurement method and injection control method for injection molding machine | |
| JP5809337B1 (en) | Resin temperature control method in injection nozzle | |
| JP2023176960A (en) | Injection molding device | |
| JP2012187787A (en) | Method of supporting adjustment of molding condition and injection molding machine | |
| WO2023085283A1 (en) | Information processing device, information processing system, and program | |
| JPWO2022244221A5 (en) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240209 |