李陽 郭飛 李茂源 張?jiān)?nbsp; 李德群
華中科技大學(xué)材料成形與模具技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，武漢 430074
摘要：總結(jié)了當(dāng)前塑料注射成形的產(chǎn)業(yè)需求和技術(shù)瓶頸，闡明了未來的發(fā)展趨勢。根據(jù)塑料注射成形特性，提出“注射成形智能制造體系”的科學(xué)框架，建立以傳感技術(shù)、工業(yè)以太網(wǎng)及互聯(lián)網(wǎng)為基礎(chǔ)的智能注射成形解決方案。圍繞智能設(shè)計(jì)、智能優(yōu)化、智能監(jiān)控及制造數(shù)據(jù)平臺四個層面，總結(jié)了注射成形中知識的組織與重用、自主決策與優(yōu)化、過程感知與檢測及云服務(wù)等技術(shù)，為實(shí)現(xiàn)塑料注射成形與新一代人工智能技術(shù)的深度融合指出了重要發(fā)展方向。
關(guān)鍵詞：塑料；注射成形；智能技術(shù)；數(shù)據(jù)挖掘；云制造
０引言
注射成形是工程塑料產(chǎn)品最主要的生產(chǎn)制造方法，廣泛應(yīng)用于航空航天、汽車、電子電器、醫(yī)療、包裝等國計(jì)民生的各個領(lǐng)域。注射成形可以制造結(jié)構(gòu)復(fù)雜、尺寸精密的塑料產(chǎn)品，其成形周期短、生產(chǎn)效率高、易于自動化生產(chǎn)，已成為塑料產(chǎn)品最重要、最具代表性、應(yīng)用最廣的成形工藝，是現(xiàn)代制造業(yè)的重要組成部分。經(jīng)過多年的發(fā)展，塑料注射成形制造業(yè)日趨龐大與成熟，并呈現(xiàn)出新的發(fā)展趨勢：
(1)功能化、多工序注射成形。新一代成形技術(shù)如氣體／液體輔助注射成形能制造中空、厚壁、高比強(qiáng)度的產(chǎn)品，且成形周期短，在汽車、建材等領(lǐng)域應(yīng)用前景廣泛。另外還有諸如微發(fā)泡注射成形、嵌件注射成形、熔芯注射成形、模內(nèi)裝飾成形、多色注射成形等技術(shù)，通過對原有工藝的改進(jìn)以及組合其他加工方法，使注射成形產(chǎn)品應(yīng)用更加廣泛，能夠適應(yīng)產(chǎn)品多功能、復(fù)合化以及多樣化的應(yīng)用需求。
(2)高精密、高性能注射成形。隨著塑料產(chǎn)品在電子信息、醫(yī)療等行業(yè)的深入應(yīng)用，對其精度、性能的要求與日俱增。例如高端微型塑料透鏡，其型面函數(shù)最高次數(shù)達(dá)16次，面形誤差要求達(dá)到亞微米級，且需具備優(yōu)異的光學(xué)性能。因此，需要模具內(nèi)傳感器（如壓力傳感器、溫度傳感器）對成形過程實(shí)現(xiàn)實(shí)時監(jiān)控，保障速度、壓力、溫度的穩(wěn)定性。同時注射裝備中塑化、注射、鎖模等機(jī)構(gòu)的優(yōu)化以及高響應(yīng)、高精度驅(qū)動與控制系統(tǒng)的研發(fā)，是實(shí)現(xiàn)高精密、高性能注射成形的關(guān)鍵。
(3)節(jié)能化、綠色化注射成形。塑料注射成形是一個高耗能生產(chǎn)過程，每千克塑料產(chǎn)品注射生產(chǎn)平均耗能約0.8千瓦時。按照《塑料注射成型機(jī)能耗檢測和等級評定的規(guī)范》，制品每千克耗電量不超過0.55千瓦時才能評定為節(jié)能機(jī)器，傳統(tǒng)液壓注射機(jī)存在大量的溢流能量損耗，能量浪費(fèi)大。新型伺服節(jié)能型注射機(jī)采用伺服電機(jī)，通過速度、電流閉環(huán)控制液壓系統(tǒng)的流量與壓力，節(jié)能率達(dá)到30%~80%。此外，塑料產(chǎn)品的循環(huán)再利用也是重要課題，目前廢棄塑料大多數(shù)都被填埋或丟棄到海里，在我國僅10%的塑料制品被回收再循環(huán)使用，而日本廢棄塑料回收率達(dá)25%，因此環(huán)境友好型塑料產(chǎn)品的應(yīng)用將成為塑料工業(yè)發(fā)展的重點(diǎn)。
隨著市場對塑料產(chǎn)品的要求越來越嚴(yán)格，圍繞塑料注射成形工藝的質(zhì)量、效率兩大問題日益凸顯。現(xiàn)有的制造工藝過程中，人工參與的環(huán)節(jié)（如產(chǎn)品模具設(shè)計(jì)與分析、試模與工藝優(yōu)化等過程）由于大量依賴工程師的主觀經(jīng)驗(yàn)，極大地限制了塑料注射成形制造工藝的進(jìn)一步發(fā)展。
人工智能技術(shù)的新一輪爆發(fā)給傳統(tǒng)制造業(yè)帶來了巨大的沖擊，直接促使了工業(yè)4.0的到來。傳統(tǒng)的機(jī)器學(xué)習(xí)方法（如基于統(tǒng)計(jì)的學(xué)習(xí)、基于經(jīng)驗(yàn)的專家系統(tǒng)等）到基于數(shù)據(jù)、模式的深度學(xué)習(xí)方法的技術(shù)轉(zhuǎn)變?yōu)橹圃鞓I(yè)提供了新的發(fā)展途徑。通過對數(shù)據(jù)應(yīng)用人工智能算法，可以提高制造過程的質(zhì)量與效率，如深度學(xué)習(xí)在圖像識別、系統(tǒng)控制、醫(yī)療及金融領(lǐng)域已經(jīng)取得了顯著的效果。
目前，塑料注射成形過程中大量的數(shù)據(jù)，包括設(shè)計(jì)環(huán)節(jié)中CAD、CAE等過程產(chǎn)生的數(shù)據(jù)、生產(chǎn)環(huán)節(jié)中成形設(shè)備的監(jiān)測數(shù)據(jù)以及生產(chǎn)后產(chǎn)品批次質(zhì)量統(tǒng)計(jì)等數(shù)據(jù)，未能得到重視與有效利用，只能通過專業(yè)人員從數(shù)據(jù)中去發(fā)現(xiàn)問題與獲取解決問題的關(guān)鍵。新一代人工智能技術(shù)契合了傳統(tǒng)塑料注射成形制造業(yè)的發(fā)展需求，人工智能技術(shù)、信息技術(shù)與傳統(tǒng)注射成形技術(shù)結(jié)合形成的智能制造模式是發(fā)展的必然趨勢，智能化的注射成形制造技術(shù)也將成為長期的研究熱點(diǎn)。在傳統(tǒng)塑料注射成形技術(shù)的基礎(chǔ)上，需進(jìn)一步發(fā)展智能生產(chǎn)線、智能車間、智能工廠等，實(shí)現(xiàn)生產(chǎn)資料的優(yōu)化配置和工藝流程、生產(chǎn)任務(wù)、物流的優(yōu)化調(diào)度。
本文先簡要介紹塑料注射成形的關(guān)鍵技術(shù)與發(fā)展瓶頸，據(jù)此提出智能注射成形制造的構(gòu)建體系；然后重點(diǎn)討論人工智能在設(shè)計(jì)、優(yōu)化及監(jiān)控環(huán)節(jié)的最新技術(shù)進(jìn)展與以數(shù)據(jù)為核心的制造平臺應(yīng)用現(xiàn)狀；最后，對智能技術(shù)在塑料注射成形制造中的應(yīng)用提出建議與展望。
01 塑料注射成形關(guān)鍵問題
塑料注射成形過程包括填充、保壓、冷卻以及頂出四個基本階段，產(chǎn)品零件的缺陷也來源于這四個成形階段。常見的缺陷有尺寸偏差、飛邊、凹陷、黑點(diǎn)、熔接痕等，這些缺陷會嚴(yán)重影響產(chǎn)品的外觀質(zhì)量與性能質(zhì)量。在生產(chǎn)出合格的產(chǎn)品之前，工程師需要經(jīng)過反復(fù)修模及試模的測試過程。有的缺陷能通過調(diào)整工藝參數(shù)來進(jìn)行修正，有的則需要向上追溯到產(chǎn)品、模具的設(shè)計(jì)環(huán)節(jié)進(jìn)行修改。此外，即使是測試中通過的制造過程，在實(shí)際批量生產(chǎn)中，遇到環(huán)境或者設(shè)備狀態(tài)的波動，也會出現(xiàn)不合格產(chǎn)品。反復(fù)修正調(diào)整的過程需要耗費(fèi)大量的資源與時間，是限制塑料注射成形向高端產(chǎn)品制造模式發(fā)展的技術(shù)瓶頸。因此，產(chǎn)品設(shè)計(jì)、工藝優(yōu)化及過程監(jiān)控成為塑料注射成形制造流程中的關(guān)鍵環(huán)節(jié)，并直接決定了產(chǎn)品的最終質(zhì)量。
(1)塑料產(chǎn)品設(shè)計(jì)。產(chǎn)品設(shè)計(jì)階段主要包括產(chǎn)品及其成形模具的設(shè)計(jì)。產(chǎn)品的造型一般通過CAD完成，并以三維模型文件的形式呈現(xiàn)。塑料產(chǎn)品的設(shè)計(jì)需要考慮多方面因素，包括材料選擇、產(chǎn)品與模具結(jié)構(gòu)關(guān)系、不同零件間的配合以及功能結(jié)構(gòu)設(shè)計(jì)等。雖然經(jīng)過多年的積累，塑料產(chǎn)品設(shè)計(jì)已經(jīng)形成了大量的設(shè)計(jì)準(zhǔn)則，但依舊無法滿足日新月異的產(chǎn)品需求。產(chǎn)品設(shè)計(jì)作為制造流程的前期階段，其質(zhì)量決定了后續(xù)環(huán)節(jié)的有效性，不合理的設(shè)計(jì)會造成大量人力、物力資源浪費(fèi)，因此，產(chǎn)品設(shè)計(jì)對技術(shù)人員有較高的要求，經(jīng)驗(yàn)依賴型的設(shè)計(jì)過程增加了該過程的風(fēng)險(xiǎn)。
模擬仿真計(jì)算是產(chǎn)品造型設(shè)計(jì)后的關(guān)鍵階段，也是現(xiàn)代塑料注射成形制造流程中必不可少的環(huán)節(jié)。CAE技術(shù)是注射模擬仿真計(jì)算的基礎(chǔ)，它根據(jù)數(shù)學(xué)模型來模擬塑料熔融后在模具中的流動、成形情況。借助模擬仿真分析，可以在早期對產(chǎn)品、模具的設(shè)計(jì)以及加工方案進(jìn)行評估，并預(yù)測產(chǎn)品可能出現(xiàn)的尺寸偏差和質(zhì)量缺陷。工程師依據(jù)仿真結(jié)果對設(shè)計(jì)及加工方案進(jìn)行調(diào)整優(yōu)化，可以顯著縮短設(shè)計(jì)周期、提高加工效率，避免實(shí)際試模過程導(dǎo)致的資源浪費(fèi)。雖然模擬仿真技術(shù)在工業(yè)界得到了廣泛應(yīng)用，但其采用的計(jì)算模型通常經(jīng)過了許多簡化，與實(shí)際的成形過程存在差異。在產(chǎn)品模型越來越復(fù)雜、成形條件越來越苛刻的情況下，仿真計(jì)算結(jié)果準(zhǔn)確性不足的問題尤其突出，有時甚至對設(shè)計(jì)過程產(chǎn)生誤導(dǎo)。
(2)工藝參數(shù)優(yōu)化。塑料注射成形的工藝參數(shù)是影響產(chǎn)品質(zhì)量的重要因素。成形工藝參數(shù)主要包括料筒溫度、螺桿轉(zhuǎn)速、注射壓力、注射速度、螺桿位置、保壓壓力、保壓時間、冷卻時間、背壓等，它們與填充、保壓、冷卻以及頂出整個成形階段相關(guān)聯(lián)。由于種類繁多、關(guān)系復(fù)雜，因此工藝參數(shù)的優(yōu)化十分困難。注射成形工藝參數(shù)的優(yōu)化是一個強(qiáng)經(jīng)驗(yàn)、弱理論的過程，工藝參數(shù)與產(chǎn)品尺寸、性能之間的關(guān)系無法用精確的數(shù)學(xué)模型描述，因此，目前主要的工藝優(yōu)化方法為人工嘗試法，它依賴于工程師的經(jīng)驗(yàn)或者使用簡單經(jīng)驗(yàn)計(jì)算公式進(jìn)行參數(shù)設(shè)定，通過試模的結(jié)果反饋修正工藝參數(shù)，重復(fù)此過程直至獲得合理的工藝參數(shù)組合。人工嘗試法極其依賴工程師的經(jīng)驗(yàn)知識，且產(chǎn)品質(zhì)量難以保障。雖然對于大多數(shù)普通塑料產(chǎn)品，人工調(diào)整能保證獲得合格的產(chǎn)品，但是對于精密零件，如導(dǎo)光板、光學(xué)鏡頭等，它們對尺寸、性能要求苛刻，產(chǎn)品的工藝窗口狹窄，僅依賴人工經(jīng)驗(yàn)很難獲得最優(yōu)的工藝參數(shù)設(shè)定。此外，仿真計(jì)算過程中，可以實(shí)現(xiàn)對產(chǎn)品部分質(zhì)量指標(biāo)與工藝參數(shù)的敏感性分析，提供工藝參數(shù)的調(diào)整方向，但受限于仿真精度和效率的制約，基于仿真計(jì)算的工藝優(yōu)化僅能用于工藝參數(shù)的定性或半定量分析。
(3)成形過程監(jiān)控。塑料產(chǎn)品在密閉的模具中成形，無法直接觀測其成形過程，缺少對成形過程的認(rèn)識，產(chǎn)品的質(zhì)量問題只能依靠工程經(jīng)驗(yàn)與直覺來進(jìn)行修正。為了克服該問題，基于傳感技術(shù)的間接式過程監(jiān)控在工業(yè)界廣泛應(yīng)用。通過傳感器對溫度、壓力、位置等物理變量進(jìn)行實(shí)時測量與數(shù)據(jù)收集，能夠間接地描述塑料熔體在成形過程中發(fā)生的變化。實(shí)際生產(chǎn)中，過程監(jiān)控獲得的變量及其統(tǒng)計(jì)結(jié)果被用來作為建立產(chǎn)品質(zhì)量關(guān)系的特征，如注射壓力，螺桿位置最大值、平均值、偏度、峭度等。這些監(jiān)控變量從某種程度上體現(xiàn)了注射成形過程變化，并能反映產(chǎn)品的部分質(zhì)量問題，但由于特征過于簡單并采用了一定先驗(yàn)性假設(shè)，對復(fù)雜注射成形過程缺乏表現(xiàn)力。同時成形過程隨時間變化，如最大值、平均值等統(tǒng)計(jì)特征無法有效提取時序信息，而時序特征是注射機(jī)械物理特性的重要組成。許多過程變量存在非常強(qiáng)的耦合關(guān)系，現(xiàn)有的監(jiān)控?zé)o法描述變量間的動態(tài)相關(guān)性，而注塑件的微觀組織是決定其產(chǎn)性能的關(guān)鍵，因此，除了注塑件的宏觀質(zhì)量監(jiān)控外，還需有效的手段對注塑件成形過程中微觀組織的演化進(jìn)行監(jiān)控。此外，在大批量生產(chǎn)下，工況的波動無法避免，如何對復(fù)雜工況條件進(jìn)行監(jiān)控，并做出及時預(yù)警是當(dāng)前成形過程監(jiān)控亟需解決的問題。
02 塑料注射成形智能制造體系
塑料注射成形智能制造旨在借助新一代人工智能與信息技術(shù)建立智能化解決方案，包括研究制造工藝數(shù)據(jù)的挖掘、分析與復(fù)用技術(shù)，開發(fā)具備智能感知、自主決策能力的成形裝備等，從而取代人工的知識經(jīng)驗(yàn)和操作決策在傳統(tǒng)制造流程中的地位，建立先進(jìn)的制造體系。據(jù)此，本文提出塑料注射成形智能制造體系框架，具體如圖1所示。
塑料注射成形智能制造體系以信息技術(shù)為基礎(chǔ)，主要包括傳感技術(shù)、工業(yè)以太網(wǎng)及互聯(lián)網(wǎng)。當(dāng)前主流的傳感技術(shù)是計(jì)算機(jī)與檢測技術(shù)相結(jié)合的產(chǎn)物，除了能對外界信息進(jìn)行監(jiān)測外，還具備一定的自診斷、數(shù)據(jù)處理以及自適應(yīng)能力。壓力和溫度是注射成形過程中最重要的兩個信息量，通過對溫度和壓力的感知，可以獲得模具和塑料熔體的豐富信息，進(jìn)而表征產(chǎn)品的最終質(zhì)量。此外，位置和速度等其他物理量同樣具有描述成形過程特征的能力，因此傳感技術(shù)是深入理解和可視化注射成形“黑盒”過程的必要手段。圍繞工業(yè)以太網(wǎng)和互聯(lián)網(wǎng)構(gòu)建的工業(yè)互聯(lián)網(wǎng)是智能框架的基石，其承擔(dān)著生產(chǎn)數(shù)據(jù)的采集、傳遞以及交互等關(guān)鍵作用，為人工智能技術(shù)提供了數(shù)據(jù)基礎(chǔ)。工業(yè)互聯(lián)網(wǎng)的本質(zhì)就是基于全面互聯(lián)而形成數(shù)據(jù)驅(qū)動的智能，以此充分發(fā)揮裝備、工藝和材料潛能，提高生產(chǎn)效率、優(yōu)化資源配置效率。
塑料注射成形的智能制造體系以人工智能技術(shù)為核心。信息技術(shù)解決數(shù)據(jù)收集的問題，而人工智能旨在解決大量數(shù)據(jù)的利用問題。人工智能將數(shù)學(xué)理論和工程實(shí)踐緊密結(jié)合，其核心內(nèi)容是一系列數(shù)學(xué)或數(shù)據(jù)驅(qū)動的算法集合。常用的搜索策略、決策樹、神經(jīng)網(wǎng)絡(luò)、遺傳算法等都屬于人工智能算法范疇。因此，將算法應(yīng)用到塑料注射成形過程中產(chǎn)品設(shè)計(jì)、工藝參數(shù)優(yōu)化以及過程監(jiān)控等制造流程是實(shí)現(xiàn)智能注射成形的途徑。目前，成形過程中產(chǎn)生的大量設(shè)計(jì)數(shù)據(jù)、工藝數(shù)據(jù)以及檢測數(shù)據(jù)利用率極低，大部分僅依靠人工經(jīng)驗(yàn)進(jìn)行分析與評估，其知識獲取效率低且不能有效存儲。通過人工智能算法對數(shù)據(jù)進(jìn)行分析與挖掘，不僅可以全面、高效地抽象出數(shù)據(jù)中的工藝知識，且算法模型能持久存儲。通過將塑料注射成形生產(chǎn)過程與新一代人工智能技術(shù)融合，可以進(jìn)一步賦予各個制造環(huán)節(jié)感知、學(xué)習(xí)、分析和決策的能力，從而提高整個制造過程的生產(chǎn)效率和質(zhì)量。本文將圍繞圖1中的智能制造核心內(nèi)容，即智能設(shè)計(jì)、智能優(yōu)化、智能監(jiān)控以及制造數(shù)據(jù)服務(wù)平臺四個主題的最新研究進(jìn)展進(jìn)行討論。
03 智能設(shè)計(jì)
塑料注射成形設(shè)計(jì)環(huán)節(jié)的內(nèi)容主要包括產(chǎn)品設(shè)計(jì)和模具設(shè)計(jì)，它位于制造流程的上游，因此設(shè)計(jì)的效率與設(shè)計(jì)的好壞決定了整個制造流程的效率與質(zhì)量。隨著塑料產(chǎn)品的需求朝著多樣化、復(fù)雜化方向發(fā)展，對產(chǎn)品與模具設(shè)計(jì)的速度、質(zhì)量、成本和服務(wù)都提出了更高的要求。為應(yīng)對上述挑戰(zhàn)，當(dāng)前的研究從設(shè)計(jì)知識挖掘、仿真計(jì)算等智能技術(shù)出發(fā)為注射成形的智能設(shè)計(jì)提供了新思路。
(1)基于數(shù)據(jù)挖掘的產(chǎn)品模具設(shè)計(jì)。數(shù)據(jù)庫和統(tǒng)計(jì)技術(shù)在工程中應(yīng)用已經(jīng)十分成熟，但隨著信息技術(shù)、數(shù)據(jù)采集系統(tǒng)、存儲技術(shù)以及機(jī)器學(xué)習(xí)方法的發(fā)展，研究熱點(diǎn)轉(zhuǎn)變?yōu)閺臄?shù)據(jù)庫中發(fā)現(xiàn)知識。在塑料產(chǎn)品與模具設(shè)計(jì)過程中，工程師的設(shè)計(jì)知識與經(jīng)驗(yàn)以多樣化的數(shù)據(jù)形式表現(xiàn)。對設(shè)計(jì)數(shù)據(jù)進(jìn)行分析與挖掘，能夠?qū)€人化的經(jīng)驗(yàn)知識轉(zhuǎn)換為通用的設(shè)計(jì)知識準(zhǔn)則或者設(shè)計(jì)方案，從而消除或補(bǔ)充傳統(tǒng)設(shè)計(jì)過程中需要的大量工程師專業(yè)知識[1-2]。基于數(shù)據(jù)挖掘的智能設(shè)計(jì)是一個知識描述與存儲、知識重用或共享及知識管理的過程。產(chǎn)品模具設(shè)計(jì)知識是設(shè)計(jì)經(jīng)驗(yàn)、設(shè)計(jì)規(guī)則、設(shè)計(jì)訣竅的集合體，及設(shè)計(jì)案例、設(shè)計(jì)要求等非結(jié)構(gòu)化數(shù)據(jù)。如何對異構(gòu)的模具設(shè)計(jì)知識進(jìn)行描述與存儲是實(shí)現(xiàn)基于知識的注射模具智能設(shè)計(jì)的基礎(chǔ)。將知識重用與模具設(shè)計(jì)過程相融合，提升匹配的效率與準(zhǔn)確度，是實(shí)現(xiàn)基于知識的注射模具智能設(shè)計(jì)的關(guān)鍵。典型的知識獲取與重用的設(shè)計(jì)系統(tǒng)框架如圖２所示。KRUTH等[3]介紹了一種基于規(guī)則的注射模具智能輔助設(shè)計(jì)系統(tǒng)，該系統(tǒng)具有選擇各種標(biāo)準(zhǔn)模具零件的知識（規(guī)則），能支持滑塊、鑲塊等非標(biāo)準(zhǔn)零件的設(shè)計(jì)。RAVIWONGSE等[4]開發(fā)了一種基于神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)支持工具來計(jì)算模具復(fù)雜性指數(shù)，以幫助設(shè)計(jì)人員快速評估模具設(shè)計(jì)方案的可制造性。依據(jù)功能設(shè)計(jì)知識庫，BRITTON等[5]從功能的角度對注射模具的設(shè)計(jì)進(jìn)行了探討。ONG等[6]開發(fā)了一種基于知識和面向?qū)ο蟮淖⑸淠＿M(jìn)給系統(tǒng)設(shè)計(jì)方法，可以有效地設(shè)計(jì)出澆注系統(tǒng)的類型、位置和尺寸。IRANI等[7]開發(fā)了注射模具澆注和流道系統(tǒng)的自動設(shè)計(jì)軟件，并根據(jù)指定的性能參數(shù)對澆注設(shè)計(jì)進(jìn)行了評價(jià)。產(chǎn)品成形后的脫模過程會影響產(chǎn)品的外觀質(zhì)量，因此模具的分型設(shè)計(jì)十分重要。通過結(jié)構(gòu)特征自動識別和提取，相關(guān)研究分別實(shí)現(xiàn)了最優(yōu)分型方向[8]和分型線的確定[9]。針對注射模具冷卻系統(tǒng)的設(shè)計(jì)，PARK等[10]提出了基于熱分析和冷卻階段設(shè)計(jì)敏感性分析的優(yōu)化設(shè)計(jì)方案。通過將積累的數(shù)據(jù)知識融入注射制品設(shè)計(jì)過程，及時發(fā)現(xiàn)并避免注射制品設(shè)計(jì)中的不合理因素，再通過對歷史模具案例的檢索與重用[11-12]，將原有設(shè)計(jì)方案快速部署在新模具設(shè)計(jì)流程中，高效地形成注射模具關(guān)鍵組成部分的概念設(shè)計(jì)方案，并在功能性、制造資源以及制造成本等多個維度對方案的可行性進(jìn)行推演。基于數(shù)據(jù)挖掘的產(chǎn)品模具設(shè)計(jì)，將制品和模具設(shè)計(jì)連接為一個有機(jī)整體，有效地提升了設(shè)計(jì)的效率與質(zhì)量。
(2)基于仿真分析的精確模擬。塑料注射成形設(shè)計(jì)環(huán)節(jié)采取CAD設(shè)計(jì)、CAE仿真的往復(fù)式設(shè)計(jì)流程，與傳統(tǒng)的設(shè)計(jì)流程相比已經(jīng)節(jié)省了大量的時間和成本。準(zhǔn)確的理論建模和高效的數(shù)值計(jì)算方法是CAE技術(shù)的核心，然而塑料在成形過程中經(jīng)歷了復(fù)雜的熱力歷史作用和形態(tài)變化，無法從理論上完整描述如此復(fù)雜的物理化學(xué)變化過程，因此在實(shí)際的模擬分析中，通常需要對幾何模型、理論模型進(jìn)行假設(shè)與簡化，與此同時會帶來模擬精度的問題。此外，使用低階方法離散求解物理問題來提高仿真效率會進(jìn)一步降低模擬精度，致使模擬與實(shí)驗(yàn)結(jié)果存在差異。用于塑料成形仿真的計(jì)算理論模型從早期的二維流動模型發(fā)展到如今的三維流動模擬。基于二維的計(jì)算模型模擬，薄壁產(chǎn)品能夠獲得可靠的仿真結(jié)果。
WANG等[13]和CHIANG等[14]將中面方法推廣到三維幾何制品流動模擬和可壓縮熔體流動模擬中，并提出了后充填中面理論和算法。為了進(jìn)一步提高精度，學(xué)者們相繼提出邊界元冷卻分析模型與算法[15]、翹曲變形模型[16]、體積收縮模型[17]等計(jì)算模型。由于二維計(jì)算模型模擬的流場不完整，也無法考慮重力效應(yīng)等固有問題，對復(fù)雜、非均勻結(jié)構(gòu)的產(chǎn)品仿真精度較差，因此，基于三維計(jì)算模型[18]的精密數(shù)值計(jì)算是必要的，但三維模型的計(jì)算量相對于二維模型的計(jì)算量呈指數(shù)級增長，必須在可靠的計(jì)算機(jī)硬件基礎(chǔ)上才能實(shí)現(xiàn)。目前，多核CPU、并行計(jì)算、高性能計(jì)算集群等技術(shù)迅速發(fā)展，例如NVIDIA公司的CUDA(com-pute unified device architecture)架構(gòu)能夠?qū)崿F(xiàn)GPU上的大規(guī)模并行計(jì)算，極大提高數(shù)值模擬計(jì)算效率。另一方面，在全三維仿真中，計(jì)算時間主要花費(fèi)在求解壓力－速度耦合問題上，因此，LIU等[19]提出一種完全耦合的壓力－速度算法，在百萬級網(wǎng)格的零件上進(jìn)行仿真測試，與主流的商業(yè)仿真軟件對比，計(jì)算時間縮短了42%。此外，塑料產(chǎn)品的最終性能由不同尺度下的結(jié)構(gòu)共同決定，塑料作為一種高分子聚合物，具有典型的多尺度結(jié)構(gòu)，具體而言，其在宏觀尺度上為連續(xù)介質(zhì)，介觀尺度上具有取向、結(jié)晶等結(jié)構(gòu)，在微觀尺度上為大量的高分子鏈相互纏結(jié)形成的復(fù)雜結(jié)構(gòu)。因此，只有通過建立多尺度模擬方法才能得到不同尺度下的結(jié)構(gòu)信息進(jìn)而評估產(chǎn)品的最終性能。微觀、介觀尺度下的理論計(jì)算模型主要包括兩類：一類是全原子分子動力學(xué)及其粗粒化方法[20]；另一類是基于高分子鏈的蛇行蠕動方法[21]及在此基礎(chǔ)上提出的管道模型[22]。在數(shù)值計(jì)算方法方面，傳統(tǒng)方法包括中面法、三維流動有限元法、冷卻分析的邊界元法、有限體積法等。近些年來無網(wǎng)格法成為研究熱點(diǎn)，它適用于充填流動分析，但相較于成熟的有限元法存在計(jì)算量大、數(shù)值穩(wěn)定性差、算法通用性低等問題，需要更深入的研究。基于仿真的數(shù)值模擬在塑料注射成形中具有不可替代的地位，但目前CAE軟件只是作為人工評價(jià)設(shè)計(jì)方案合理性的有效工具，其本身還不能產(chǎn)生優(yōu)化的設(shè)計(jì)方案。基于仿真的智能化設(shè)計(jì)以CAE技術(shù)為核心，不僅要對現(xiàn)有的理論計(jì)算模型、數(shù)值計(jì)算方法進(jìn)一步研究，還要將數(shù)據(jù)挖掘、智能優(yōu)化算法與CAE技術(shù)進(jìn)行深度融合，使得CAE系統(tǒng)或模塊本身可產(chǎn)生優(yōu)化的設(shè)計(jì)方案，進(jìn)一步提高設(shè)計(jì)效率和設(shè)計(jì)質(zhì)量。
04 智能優(yōu)化
工藝參數(shù)的智能優(yōu)化旨在以智能算法為核心建立模型或系統(tǒng)替代人工的工藝參數(shù)優(yōu)化過程。本文根據(jù)數(shù)據(jù)利用方式的不同將工藝參數(shù)的智能優(yōu)化技術(shù)劃分為實(shí)例推理、專家系統(tǒng)以及數(shù)據(jù)擬合優(yōu)化技術(shù)三大類別。
(1)實(shí)例推理。實(shí)例推理（case based reason-ing,CBR）技術(shù)是指通過對歷史實(shí)例進(jìn)行存儲、檢索，從而為新問題提供解決思路或者重用的一類技術(shù)。具體而言，實(shí)例推理是一種基于相似性的類比推理，以實(shí)例作為知識單元，建立相似性評估標(biāo)準(zhǔn)。當(dāng)遇到新問題（即目標(biāo)實(shí)例）時，通過檢索相似性條件，獲取與其最接近的歷史實(shí)例，其推理過程如圖3所示。工程師也經(jīng)常借鑒以往的產(chǎn)品工藝方案來進(jìn)行新產(chǎn)品的工藝參數(shù)優(yōu)化。與人工經(jīng)驗(yàn)式的類比推理不同，實(shí)例推理技術(shù)的特點(diǎn)主要包括：健全的實(shí)例庫搭建、明確的實(shí)例相似性特征定義以及高效的實(shí)例檢索機(jī)制。實(shí)例是包含了幾何模型、生產(chǎn)條件等多種信息的數(shù)據(jù)集合體，是一種非結(jié)構(gòu)化的數(shù)據(jù)類型，因此首先需要考慮實(shí)例的存儲與更新形式；其次，需要定義合理的實(shí)例相似性描述特征來保障實(shí)例推理得到的結(jié)果具有實(shí)際意義；最后，在實(shí)際應(yīng)用中，實(shí)例庫勢必會隨著生產(chǎn)變得龐大，因此高效的實(shí)例檢索和獲取是另一個關(guān)鍵問題。
對于塑料注射成形工藝參數(shù)優(yōu)化而言，產(chǎn)品的生產(chǎn)工藝參數(shù)與產(chǎn)品結(jié)構(gòu)、模具結(jié)構(gòu)、成形條件等密切相關(guān)，其實(shí)例庫的建立、相似特征的定義也必須圍繞這些信息展開。KWONG等[23-34]最早開發(fā)了應(yīng)用于塑料成形的實(shí)例推理原型系統(tǒng)，并實(shí)現(xiàn)了產(chǎn)品工藝參數(shù)的初始優(yōu)化。其中，產(chǎn)品模型的簡單幾何信息包括包絡(luò)體長、寬、高以及體積和平均壁厚，將其作為實(shí)例索引，采用基于最近鄰匹配的相似性分析算法檢索并推薦最相似的實(shí)例。受限于相似性特征的表征能力，為進(jìn)一步提高實(shí)例推理的準(zhǔn)確率，材料信息、流動模式、產(chǎn)品零件的投影面積、體積、壁厚以及模具設(shè)計(jì)信息包括型腔數(shù)量、流道類型、大小及布局、澆口的類型、大小及數(shù)量等都被用來構(gòu)建詳細(xì)實(shí)例描述[25]。實(shí)例推理能夠利用以往成功的經(jīng)驗(yàn)快速獲得初始工藝參數(shù)，與其他方法相比，具有以下優(yōu)勢：①通過對以往實(shí)例的存儲，能避免再犯相同的錯誤，從而縮短工藝參數(shù)設(shè)置的時間，提高效率；②隨著實(shí)例數(shù)的增加，實(shí)例推理系統(tǒng)會變得越來越高效。實(shí)例推理技術(shù)因其優(yōu)點(diǎn)眾多，被廣泛應(yīng)用于設(shè)計(jì)、成本估計(jì)、決策等領(lǐng)域，然而，實(shí)例推理系統(tǒng)的應(yīng)用效果受到實(shí)例數(shù)量、實(shí)例檢索算法等因素的影響。
(2)專家系統(tǒng)。專家系統(tǒng)技術(shù)被廣泛應(yīng)用于塑料注射成形外觀缺陷的工藝參數(shù)優(yōu)化過程，它通過對人類專家的問題求解能力建模，采用人工智能中的知識表示和知識推理技術(shù)來模擬解決復(fù)雜問題，達(dá)到具有與專家同等解決問題能力的水平。應(yīng)用比較廣泛的專家系統(tǒng)是以模糊邏輯理論為核心構(gòu)建的模糊推理系統(tǒng)。在塑料注射成形中，采用模糊語義值對產(chǎn)品的缺陷程度進(jìn)行描述，構(gòu)建相應(yīng)的模糊規(guī)則，通過規(guī)則匹配來獲得工藝參數(shù)的調(diào)整方向和調(diào)整量。HE等[26]基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)構(gòu)建了一個智能工藝優(yōu)化系統(tǒng)，系統(tǒng)的核心是一個通過經(jīng)驗(yàn)規(guī)則訓(xùn)練的反向傳播模糊神經(jīng)網(wǎng)絡(luò)模型，其中將七種常見的產(chǎn)品缺陷（短射、飛邊、縮痕、流痕、熔接紋、裂紋和翹曲）作為系統(tǒng)的輸入，九種工藝參數(shù)（壓力、速度、熔體溫度、鎖模力、保壓時間、模具溫度、保壓壓力、背壓和冷卻時間）作為輸出。系統(tǒng)根據(jù)缺陷反饋對工藝參數(shù)進(jìn)行優(yōu)化，在實(shí)際應(yīng)用中能有效減輕或消除產(chǎn)品缺陷。類似的系統(tǒng)均將缺陷信息和工藝參數(shù)信息作為模糊推理系統(tǒng)的輸入，工藝參數(shù)的調(diào)整量作為模糊推理的輸出[27-29]。目前以模糊邏輯為主體的專家系統(tǒng)中的規(guī)則只是將人工經(jīng)驗(yàn)規(guī)則用模糊數(shù)學(xué)語言描述出來，并沒有規(guī)則的自學(xué)習(xí)，因此專家系統(tǒng)的進(jìn)一步發(fā)展需要對基于數(shù)據(jù)的規(guī)則學(xué)習(xí)模型進(jìn)行深入研究[30]。
(3)數(shù)據(jù)擬合優(yōu)化技術(shù)。數(shù)據(jù)擬合方法是成形工藝參數(shù)優(yōu)化中應(yīng)用最廣泛的技術(shù)。該方法具體包括三個步驟（圖4）：①數(shù)據(jù)采樣，用各種實(shí)驗(yàn)設(shè)計(jì)方法獲得樣本數(shù)據(jù)；②模型構(gòu)建，建立代理模型對樣本數(shù)據(jù)進(jìn)行擬合，建立工藝參數(shù)與質(zhì)量之間的關(guān)系模型；③參數(shù)尋優(yōu)，基于擬合的關(guān)系模型，采用各種優(yōu)化算法迭代尋優(yōu)，獲得最優(yōu)的工藝參數(shù)。注射成形中常用的實(shí)驗(yàn)設(shè)計(jì)方法有正交實(shí)驗(yàn)設(shè)計(jì)、星點(diǎn)設(shè)計(jì)及拉丁超立方設(shè)計(jì)。常用的代理模型包括響應(yīng)面法、克里金(Kriging)模型、人工神經(jīng)網(wǎng)絡(luò)、多項(xiàng)式回歸、支持向量回歸等。采用合適的優(yōu)化算法進(jìn)行迭代尋優(yōu)，可獲得最優(yōu)的工藝參數(shù)。根據(jù)模型的特點(diǎn)，優(yōu)化算法可以分為兩類：一是確定式優(yōu)化方法，包括牛頓法、擬牛頓法、順序近似優(yōu)化法，這類方法適用于線性方程構(gòu)造的模型；另一類是搜索式優(yōu)化方法、包括遺傳算法、粒子群優(yōu)化算法、蟻群算法、模擬退火方法等，這類方法是通過給定的初始條件在模型空間中進(jìn)行搜索直至搜尋到滿足優(yōu)化條件的解。CHEN等[31]采用響應(yīng)面法來擬合熔體溫度、注射速度、保壓壓力、保壓時間和制品長度及翹曲值之間的關(guān)系，并采用基因算法與粒子群算法結(jié)合方法實(shí)現(xiàn)模型的求解。翹曲變形是一類嚴(yán)重影響產(chǎn)品形狀和尺寸精度的缺陷，相關(guān)研究有：采用克里金模型[32]、多項(xiàng)式回歸模型[33-34]等建立關(guān)系模型并預(yù)測產(chǎn)品關(guān)鍵部位的翹曲程度，確定式優(yōu)化方法可以快速收斂，但是容易陷入局部最優(yōu)解；搜索式優(yōu)化方法能夠收斂到全部最優(yōu)解，但是存在著收斂速度慢的問題，尤其是當(dāng)搜索區(qū)域很大的時候，因此有些研究者采用兩者相結(jié)合，同時保證優(yōu)化的效率與質(zhì)量。
值得注意的是，實(shí)例推理和專家系統(tǒng)通常是作為一個外部的輔助系統(tǒng)工作，靈活性較差，而數(shù)據(jù)擬合方法建立的模型可以集成到注射機(jī)，賦予機(jī)器裝備以智能。注射機(jī)通過試模交互，能收集工藝數(shù)據(jù)并更新模型，進(jìn)而實(shí)現(xiàn)工藝模型的自適應(yīng)進(jìn)化及智能設(shè)置。
05 智能監(jiān)控
塑料注射成形制造過程是一個典型的批次制造過程，它作為一個有限的過程被周期性地重復(fù)執(zhí)行。在批次生產(chǎn)中，壓力、溫度等過程變量值會隨著注射成形過程周期性地變化，這些過程變量在不同模次之間的相似性和重復(fù)精度是產(chǎn)品質(zhì)量可靠性的重要保證，因此對成形過程的監(jiān)控有重要意義。此外，批次生產(chǎn)過程可以產(chǎn)生豐富的周期性數(shù)據(jù)，如何有效采集、分析利用這些數(shù)據(jù)并應(yīng)用監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等一系列的智能算法是智能監(jiān)控亟待解決的問題。
(1)基于實(shí)時數(shù)據(jù)的過程監(jiān)控。利用智能傳感器建立注射機(jī)之間的傳感網(wǎng)，并實(shí)現(xiàn)多種現(xiàn)場總線、無線、異構(gòu)系統(tǒng)集成和接入，可獲取不同注射機(jī)、不同產(chǎn)品、不同成形條件、不同環(huán)境下的數(shù)據(jù)和信息，其基本框架如圖５所示。在監(jiān)控過程中，對獲取的海量數(shù)據(jù)進(jìn)行實(shí)時處理、分析和挖掘，根據(jù)分析結(jié)果，針對成形過程中的每個步驟，以時間最優(yōu)為目標(biāo)，對各個工藝參數(shù)進(jìn)行優(yōu)化，可在已有約束條件下大幅度縮短成形周期的時間，從而大幅度提高生產(chǎn)效率。針對生產(chǎn)中高能耗的步驟（塑化、加熱、保壓和注射），利用多種傳感器（溫度、位置、壓力等）獲取與這些步驟相關(guān)的數(shù)據(jù)和信息，對獲取的數(shù)據(jù)進(jìn)行處理、分析和挖掘，以能耗最優(yōu)為目標(biāo)，在保證產(chǎn)品質(zhì)量的條件下對相關(guān)參數(shù)進(jìn)行優(yōu)化，可大幅度降低塑料注射成形中的單位能耗，從而提高資源的綜合利用率。張伶利[35]對實(shí)時數(shù)據(jù)進(jìn)行多變量統(tǒng)計(jì)分析，對多個相關(guān)變量的注射成形過程進(jìn)行監(jiān)控、分析和控制，并預(yù)測了注射成形過程變化。對于注塑件微觀結(jié)構(gòu)（如取向），普通的傳感器無法對其進(jìn)行過程監(jiān)控。基于超聲[36-37]、介電測量[38]等技術(shù)，可以實(shí)現(xiàn)對注塑過程中高分子塑料熔體結(jié)構(gòu)形態(tài)的在線監(jiān)控。如利用安裝在模具上的超聲探頭獲取橫波沿流動方向和垂直流動方向的聲速，在線追蹤分子鏈的取向情況。進(jìn)一步，通過監(jiān)控采集的數(shù)據(jù)，利用支持向量機(jī)方法[39]、深度置信網(wǎng)絡(luò)[40]等數(shù)據(jù)分析手段能實(shí)現(xiàn)對生產(chǎn)過程運(yùn)行狀態(tài)的精準(zhǔn)表達(dá)和產(chǎn)品質(zhì)量的監(jiān)管。
(2)基于成形過程的特征學(xué)習(xí)。注射成形過程如壓力、速度等用于過程監(jiān)控的變量，其曲線維度高、具有時序自相關(guān)性，多個參數(shù)存在互相關(guān)性[41]。由于表征注射成形曲線困難，故實(shí)際生產(chǎn)中用來評估生產(chǎn)狀況的重要指標(biāo)以人工的經(jīng)驗(yàn)特征（如變量的峰值、積分值、平均值以及統(tǒng)計(jì)值）為主[42]，但是，以經(jīng)驗(yàn)特征為主的過程曲線監(jiān)控嚴(yán)格依賴生產(chǎn)人員的經(jīng)驗(yàn)，無法準(zhǔn)確描述過程數(shù)據(jù)與產(chǎn)品質(zhì)量之間的關(guān)系，因此國內(nèi)外學(xué)者使用機(jī)器學(xué)習(xí)方法對塑料注射成形過程監(jiān)控曲線進(jìn)行特征學(xué)習(xí)，并應(yīng)用于生產(chǎn)質(zhì)量評價(jià)，其中最常用的方法是主成分分析法(principal component analy-sis,PCA)及其衍生方法——多向主成分分析方法（multilinear principal component analysis,MPCA)[43]等。主成分分析法能夠處理高維度、非線性變量，通過將高維空間的過程數(shù)據(jù)映射到低維空間獲取用于監(jiān)控的低維度特征。ZHANG等[44]提出了一種基于PCA的質(zhì)量管控方法，將成形工藝與零件質(zhì)量的關(guān)系聯(lián)系起來，實(shí)現(xiàn)了實(shí)時監(jiān)控。PCA的缺點(diǎn)在于僅能處理單個變量的時序曲線，因此許多研究引入多向主成分分析法描述多條過程曲線的互相關(guān)性。傳統(tǒng)主成分分析法假設(shè)輸入數(shù)據(jù)符合高斯分布，但是注射成形曲線并不滿足高斯分布，因此特征學(xué)習(xí)的理論合理性不足。目前實(shí)際應(yīng)用更多的是基于核函數(shù)的主成分分析方法(kernel principal component anal-ysis,KPCA)，通過核函數(shù)預(yù)處理輸入數(shù)據(jù)使其符合條件假設(shè)，將原有線性不可分的數(shù)據(jù)映射到高維空間使其線性可分，以提高特征構(gòu)造的有效性[45-46]。神經(jīng)網(wǎng)絡(luò)是另一類常用于注射成形的過程曲線監(jiān)控特征構(gòu)造方法，神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的自學(xué)習(xí)能力，對輸入數(shù)據(jù)沒有嚴(yán)格的分布要求，它可用于對過程曲線進(jìn)行降維處理并直接建立與質(zhì)量之間的關(guān)系，靈活性高[47]。
傳統(tǒng)的機(jī)器學(xué)習(xí)方法具有很好的理論解釋，但其構(gòu)造的特征過于簡單且應(yīng)用效果欠佳。基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法，數(shù)學(xué)解釋性較弱，且構(gòu)造網(wǎng)絡(luò)模型需要大量的標(biāo)準(zhǔn)數(shù)據(jù)，此外模型的魯棒性也較差，因此在實(shí)際應(yīng)用特別是在線監(jiān)控方面局限性較大。而企業(yè)在生產(chǎn)過程中都是采取連續(xù)二十四小時不間斷生產(chǎn)，它要求學(xué)習(xí)方法既不能影響當(dāng)前的生產(chǎn)狀況，又要能產(chǎn)生精確的應(yīng)用效果，這對當(dāng)前應(yīng)用的學(xué)習(xí)方法提出了更高的要求。
(3)基于成形過程的自主決策。塑料注射成形過程中，由于材料、機(jī)器本身、外界環(huán)境的變化，容易導(dǎo)致生產(chǎn)中的過程變量（如熔體溫度、熔體壓力等）發(fā)生波動，從而會隨機(jī)發(fā)生各種異常事件，使得最終的制品質(zhì)量發(fā)生波動，導(dǎo)致產(chǎn)品的不良率上升。為了構(gòu)建“數(shù)據(jù)采集—特征學(xué)習(xí)—自主決策”的閉環(huán)過程，在監(jiān)控?cái)?shù)據(jù)采集、特征構(gòu)造的基礎(chǔ)上，智能注射機(jī)還應(yīng)自動采取相關(guān)的補(bǔ)償措施，從而保證最終產(chǎn)品的質(zhì)量，并大幅度降低產(chǎn)品的不良率。自主決策技術(shù)主要有兩類：一是傳統(tǒng)的反饋控制技術(shù)，另一類是迭代學(xué)習(xí)控制技術(shù)。反饋控制技術(shù)包括PID和模型預(yù)測控制，兩者都是通過誤差補(bǔ)償來維持生產(chǎn)的穩(wěn)定性的[48-49]，但由于注射成形生產(chǎn)批次間的變化具有非線性和時變性，因此上述方法無法應(yīng)對此特性進(jìn)行有效的動作補(bǔ)償。迭代學(xué)習(xí)控制技術(shù)近似于人類的學(xué)習(xí)過程，能夠通過迭代不斷圍繞目標(biāo)值修正和改善補(bǔ)償動作，從而維持生產(chǎn)的穩(wěn)定性[50-51]。
06 數(shù)據(jù)服務(wù)平臺
近年來，傳統(tǒng)的制造模式正在朝面向服務(wù)的制造轉(zhuǎn)型。面向服務(wù)的智能制造旨在通過泛在感知、系統(tǒng)集成、互聯(lián)互通、信息融合等信息技術(shù)手段，將工業(yè)生產(chǎn)的大數(shù)據(jù)分析技術(shù)應(yīng)用于企業(yè)產(chǎn)品制造、供應(yīng)鏈運(yùn)作、售后服務(wù)等多個環(huán)節(jié)。
(1)基于云平臺的注射服務(wù)。云服務(wù)平臺和以云計(jì)算為基礎(chǔ)的工業(yè)大數(shù)據(jù)分析是智能服務(wù)的關(guān)鍵技術(shù)，已經(jīng)在國內(nèi)外制造業(yè)引起了廣泛關(guān)注并開始了應(yīng)用實(shí)踐，塑料注射成形服務(wù)框架如圖6所示。基于云制造的注射機(jī)工單分配[52]、基于區(qū)塊鏈技術(shù)的模具設(shè)計(jì)知識分享[53]等相關(guān)實(shí)際應(yīng)用越來越普及。云服務(wù)平臺通過對物理制造資源、制造能力等進(jìn)行抽象并封裝為云資源，提供制造服務(wù)，通過采取虛擬化技術(shù)來實(shí)現(xiàn)資源到虛擬資源的透明化映射，弱化軟硬件設(shè)備、數(shù)據(jù)、網(wǎng)絡(luò)等不同層面資源之間的物理依賴，達(dá)到集約化和透明化管理，從而實(shí)現(xiàn)云服務(wù)平臺對底層生產(chǎn)制造資源的動態(tài)調(diào)配與按需使用，實(shí)現(xiàn)平臺的資源接入。
(2)注射成形大數(shù)據(jù)分析技術(shù)。借助云平臺，標(biāo)準(zhǔn)化地收集、保存所有與生產(chǎn)相關(guān)的數(shù)據(jù)來建立生產(chǎn)數(shù)據(jù)樣本庫，包括生產(chǎn)過程中采集的信號數(shù)據(jù)、工藝知識數(shù)據(jù)、設(shè)備狀態(tài)信息數(shù)據(jù)、生產(chǎn)線產(chǎn)能產(chǎn)值數(shù)據(jù)、資源倉庫的管理數(shù)據(jù)、售后服務(wù)反饋數(shù)據(jù)以及質(zhì)量控制、生產(chǎn)管理系統(tǒng)等歷史數(shù)據(jù)，通過綜合運(yùn)用傳統(tǒng)的統(tǒng)計(jì)學(xué)知識和人工智能、機(jī)器學(xué)習(xí)、模式識別等方法，從大量數(shù)據(jù)中歸納、推斷其隱含的有效信息，進(jìn)一步提高各種遠(yuǎn)程監(jiān)控、故障分析與診斷、專家系統(tǒng)等云服務(wù)質(zhì)量；同時研發(fā)面向不同客戶需求的智能化云服務(wù)，從而有效整合整個行業(yè)資源，并分析挖掘相關(guān)信息，向裝備制造企業(yè)、塑料件生產(chǎn)企業(yè)、政府和企業(yè)關(guān)聯(lián)行業(yè)提供大數(shù)據(jù)云服務(wù)。
07 結(jié)語
根據(jù)注射成形產(chǎn)業(yè)的特點(diǎn)，未來智能制造技術(shù)在定位與發(fā)展目標(biāo)確定上主要從以下幾點(diǎn)出發(fā)：
(1)基于多源異構(gòu)數(shù)據(jù)的知識組織與重用。對與注射產(chǎn)品、注射模設(shè)計(jì)相關(guān)的多源異構(gòu)數(shù)據(jù)進(jìn)行高效的表達(dá)與組織，建立專有設(shè)計(jì)數(shù)據(jù)庫，在此基礎(chǔ)上，重點(diǎn)研發(fā)與設(shè)計(jì)內(nèi)容匹配的檢索技術(shù)，面向全設(shè)計(jì)過程的數(shù)據(jù)重用技術(shù)等，通過數(shù)據(jù)與設(shè)計(jì)流程的融合，提高設(shè)計(jì)的質(zhì)量與效率。
(2)成形過程、質(zhì)量的在線感知與檢測技術(shù)。通過成形過程中模具型腔內(nèi)高精密、高可靠性的壓力、溫度等傳感技術(shù)，建立智能化模具。基于對采集到的傳感數(shù)據(jù)進(jìn)行降維、分析等處理，實(shí)現(xiàn)對封閉模具內(nèi)塑料流動、冷卻等成形過程的“可視化”。建立產(chǎn)品質(zhì)量的在線檢測技術(shù)，包括高精度在線質(zhì)量測量、基于視覺的外觀缺陷檢測等，減少加工過程中的人工干預(yù)，實(shí)現(xiàn)高度自動化，同時為高質(zhì)量閉環(huán)控制提供反饋。
(3)成形工藝的自主決策與優(yōu)化。利用先進(jìn)的知識表示和學(xué)習(xí)模型建立智能化的工藝參數(shù)自動化設(shè)置與優(yōu)化系統(tǒng)，以更智能的方式理解注射成形工藝參數(shù)與塑料制品質(zhì)量之間的非線性、強(qiáng)耦合性與時變性的關(guān)系。通過人工智能的方法實(shí)現(xiàn)工藝知識的表示與建模、工藝樣本（案例）收集與工藝知識發(fā)現(xiàn)、工藝知識的機(jī)器學(xué)習(xí)與進(jìn)化機(jī)制、工藝參數(shù)優(yōu)化的推理與決策模型建立等關(guān)鍵技術(shù)。
(4)注射成形云服務(wù)平臺建設(shè)與大數(shù)據(jù)分析技術(shù)。針對注射成形的特點(diǎn)，利用互聯(lián)網(wǎng)、物聯(lián)網(wǎng)技術(shù)與注射成形系統(tǒng)集成，解決異構(gòu)軟硬件、網(wǎng)絡(luò)等不同層面資源之間的物理依賴，建立高效、安全的云服務(wù)平臺，使其具備并行接入能力，對注射成形全過程數(shù)據(jù)進(jìn)行采集，實(shí)現(xiàn)與制造執(zhí)行系統(tǒng)(MES)、企業(yè)資源計(jì)劃系統(tǒng)(ERP)等信息系統(tǒng)的無縫對接。通過統(tǒng)計(jì)學(xué)、深度學(xué)習(xí)、模式識別等方法，從云平臺大量的數(shù)據(jù)中歸納、推斷其隱含的有效信息，實(shí)現(xiàn)各種遠(yuǎn)程監(jiān)控、趨勢分析、故障診斷、工藝回溯等云服務(wù)，進(jìn)一步挖掘并建立產(chǎn)品設(shè)計(jì)、工藝設(shè)計(jì)、過程控制、生產(chǎn)管理等相關(guān)知識發(fā)現(xiàn)方法。
參考文獻(xiàn)：
[1] 張潔.制造業(yè)大數(shù)據(jù)[M].上 海:上海科學(xué)技術(shù)出版社,2016.
[2] KOZJEK D，KRALJ D，BUTALA P，et al.AData-driven
Holistic Approach to Fault Prognostics in a Cyclic Manufacturing Process[J].Procedia CIRP，2017，63:664-669.
[3] KRUTH J P, WILLEMS R.Intelligent Support System for the
Design of Injection Moulds[J].Jour-nal of Engineering Design，1994，5(4):339-351.
[4] RAVIWonGSE R，ALLADA V.Artificial Neural Network
based Model for Computation of Injection Mould Complexity[J].International Journal of Ad-vanced Manufacturing Technology，1997，13(8): 577-586.
[5] BRITTON G A，TOR S B，LAM Y C，et al.Mo-delling
Functional Design Information for Injection Mould Design[J].International Journal of Produc-tion Research，2001，39(12):2501-2515.
[6] ONG S K,PROMBANPONG S,LEE K S.AnObject-oriented
Approach to Computer-aided Design of a Plastic Injection Mould[J].Journal of Intelli-gent Manufacturing，1995，6(1):1-10.
[7] IRANI R K，KIM B H，DIXON J R.Towards Au-tomated
Design of the Feed System of Injection Molds by Integrating CAE，Iterative Redesign and Features[J].Journal of Engineering forIndustry，117(1):1-8.
[8] NEEA Y C，F(xiàn)U M W，F(xiàn)UH J Y H，et al.Deter-mination of
Optimal Parting Directions in PlasticIn- jection Mold Design[J].CIRP Annals,1997,46(1):429-432.
[9] CHEN L L，CHOU S Y，WOO T C.Partial Visi-bility for
selecing a Parting Direction in Mold and Die Design[J].Journal of Manufacturing Systems，1995，14(5):319.
[10] PARK S J，KWON T H.Thermal and Design Sensitivity
Analyses for Cooling System of Injec-tion Mold，Part1:Thermal Analysis[J].The ASME Journal of Manufacturing Science and Engi- neering 1998，120(2):287-295.
[11]王小軍．基于本體的注塑模具設(shè)計(jì)案例檢索方法研究[D]．廣州：
廣東工業(yè)大學(xué)，2015．
[12]于同敏，張享倩.基于CBR的注塑模具側(cè)向抽芯機(jī)構(gòu)設(shè)計(jì)研究[J].塑
料科技，2012(5):81-85.
[13] WANG V W，HIEBER C A，WANG K K.Dy-namic
Simulation and Graphics for the Injection Molding of Three-dimensional Thin Parts[J]. Journal of Polymer Engineering，1986，7(1):21- 45.
[14] CHIANG H H，HIEBER C A，WANG K K.A Unified
Simulation of the Filling and Postfilling Stages in Injection Molding.Part I:Formulation [J].Polymer Engineering & Science，1991，31 (2):116-124.
[15] HIMASEKHAR K，LOTTEY J，WANG K K. CAE of Mold
Cooling in Injection Molding Using a Three-dimensional Numerical Simulation[J].Jour-nal of Manufacturing Science and Engineering，Transactions of the ASME，1992，114(2):213-221.
[16]BATOZ J L. LARDEUR P. A Discrete Shear Tri-angular Nine
D O.F. Element for the Analysis of Thick to Very Thin Plates[J]. International Jonal- for Numerical Methods in Engineering，1989.28(3):533-560.
[17] ISAYEV A I. Orientation，Residual Stresses, and VoIumetric
Effects in Injection Molding[M]//In-jection and Compression Molding Fundamentals Routledge，2018:227328
[18] PICHELIN E， COUPEZ T. A Taylor Discontinu-ous Galerkin
Method for the Thermal Solution in 3D Mold Filling[J]. Computer Methods in Applied Mechanics and Engineering，1999，178(1/2):153-169
[19] LIU X, GUO F，ZHANG Y， et al. An Efficient Coupled
Pressure-velocity Solver for Three-dimen-sional Injection Molding Simulation Using Schur Complement Preconditioned FGMRES[J]. Engi-neering Computations， 2019，36(4):1101-1120
[20] MüLLER-PLATHE F.Coarse-graining in Poly-mer
Simulation:from the Atomistic to the Meso-scopic Scale and Back [J].Chem.Phys.Chem.，2002，3(9):754-769.
[21] de GENNES P G.Reptation of a Polymer Chain in the Pres-
ence of Fixed Obstacles[J].The Journal of Chemical Physics，1971，55(2):572-579.
[22] DOI M.Soft Matter Physics[M].New York:Ox-ford University
Press，2013.
[23] KWONG C K，SMITH G F，LAU W S.Applica-tion of Case
based Reasoning in Injection Moulding [J].Journal of Materials Processing Technology, 1997，63(1/3):463-467.
[24] MOK S L，KWONG C K，LAU W S.AnIntelli-gent Hybrid
System for Initial Process Parameter Setting of Injection Moulding[J].International Journal of Production Research，2000，38(17): 4565-4576.
[25] SHELESH-NEZHAD K，SIORES E.AnIntelli-gent System
for Plastic Injection Molding Process Design[J].Journal of Materials Processing Tech-nology，1997，63(1/3):458-462.
[26] HE W，ZHANG Y F，LEEK S，et al.Automated Process
Parameter Resetting for Injection Mould- ing:a Fuzzy-neuro Approach[J].Journal of Intel-ligent Manufacturing，1998，9(1):17-27.
[27] GAO Y，TURNG L S，WANG X.Adaptive Ge-ometry and
Process Optimization for Injection Molding Using the Kriging Surrogate Model Trained by Numerical Simulation[J].Advances in Polymer Technology:Journal of the Polymer Pro-cessing Institute，2008，27(1):1-16.
[28] ZHOU H，ZHAO P，F(xiàn)ENG W.AnIntegrated In- telligent
System for Injection Molding ProcessDe-termination[J].Advances in Polymer Technology: Journal of the Polymer Processing Institute，2007，26(3):191-205.
[29] LI D，ZHOU H，ZHAO P，et al.A Real-time Process
Optimization System for Injection Molding [J].Polymer Engineering & Science，2009，49 (10):2031-2040.
[30] GUO F，ZHOU X，LIU J，et al.A Reinforcement Learning
Decision Model for online Process Pa-rameters Optimization from Offline Data in Injec-tion Molding[J].Applied Soft Computing，2019，85:105828.
[31] CHEN W C，NGUYEN M H，CHIU W H，et al. Optimization
of the Plastic Injection Molding Process Using the Taguchi Method，RSM，and Hybrid GA-PSO[J].The International Journal of Advanced Manufacturing Technology，2016，83 (9/12):1873-1886.
[32] ZHAO J，CHENG G.An Innovative Surrogate-based
Searching Method for Reducing Warpage and Cycle Time in Injection Molding[J].Advances in Polymer Technology，2016，35(3):288-297.
[33] KURTARAN H，ERZURUMLU T.Efficient Warpage
Optimization of Thin Shell Plastic Parts Using Response Surface Methodology and Genetic Algorithm[J].The International Journal of Ad-vanced Manufacturing Technology，2006，27(5/ 6):468-472.
[34] KITAYAMA S， YOKOYAMA M，TAKANO M，et al.Multi-
objective Optimization of Variable Packing Pressure Profile and Process Parameters in Plastic Injection Molding for Minimizing Warpage and Cycle Time[J].The International Journal of Advanced Manufacturing Technology，2017，92 (9/12):3991-3999.
[35] 張玲利.多變量統(tǒng)計(jì)過程控制及其在注塑成型過程中的應(yīng)用研究
[D].北京:北京化工大學(xué)，2007.
[36] HE Bobing.Characterizing of Polymer Morpholo-gies & in-
situ Monitoring of Injection Molding Process Using Ultrasonic Techniques[D].Cheng- du:Sichuan University Press，2007.
[37] EDWARDS R，THOMAS C.On-line Measure- ment of
Polymer Orientation Using Ultrasonic Technology[J].Polymer Engineering & Science，2001，41(9):1644-1653.
[38] 葉慶瑩，張逸，沈關(guān)成，等.碳纖維增強(qiáng)塑料的纖維取向介電測量
方法[J].塑料工業(yè)，2019(5): 103-106.
[39] RIBEIRO B.Support Vector Machines for Quality Monitoring
in a Plastic Injection Molding Process [J].IEEE Transactions on Systems，Man，and Cybernetics，Part C (Applications and Reviews)，2005，35(3):401-410.
[40] 周昊飛，劉玉敏.基于深度置信網(wǎng)絡(luò)的大數(shù)據(jù)制造過程實(shí)時智能監(jiān)
控[J].中國機(jī)械工程，2018，29 (10):1201-1207.
[41] MACGREGOR J，CINAR A.Monitoring，F(xiàn)ault Diagnosis，
Fault-tolerant Control and Optimiza-tion:Data Driven Methods[J].Computers & Chemical Engineering，2012，47:111-120.
[42] SPERANZA V，VIETRI U，PANTANI R.Moni-toring of
Injection Molding of Thermoplastics: Average Solidification Pressure as a Key Parameter for Quality Control[J].Macromolecular Research，2011，19(6):542.
[43] LU H，PLATANIOTIS K N，VENETSANOPO-ULOS A
N.MPCA:Multilinear Principal Compo-nent Analysis of Tensor Objects[J].IEEE Trans-actions on Neural Networks，2008，19(1):18-39.
[44] ZHANG S，DUBAY R，CHAREST M. A Princi-pal
Component Analysis Model-based Predictive Controller for Controlling Part Warpage in Plastic Injection Molding[J].Expert Systems with Appli-cations，2015，42(6):2919-2927.
[45] GE Z，YANG C，SONG Z.Improved Kernel PCA-based
Monitoring Approach for Nonlinear Processes [J].Chemical Engineering Science，2009，64(9):2245-2255.
[46] HOFFMANN H.Kernel PCA for Novelty Detec-tion[J].Pattern
Recognition，2007，40(3):863- 874.
[47] CHEN W C，TAIP H，WANG M W et al.A Neural Network-
based Approach for Dynamic Quality Prediction in a Plastic Injection Molding Process[J].Expert Systems with Applications，2008，35(3):843-849.
[48] YANG Y，GAO F.Adaptive Control of the Filling Velocity
of Thermoplastics Injection Molding[J]. Control Engineering Practice，2000，8(11):1285-1296.
[49] DUBAY R，HU B，HERNANDEZ J M，et al. Controlling
Process Parameters during Plastication in Plastic Injection Molding Using Model Predic- tive Control[J].Advances in Polymer Technology，2014，33(S1):21449.
[50] RUAN Y，ZHANG Y，MAO T ，et al.Trajectory Optimization
and Positioning Control for Batch Process Using Learning Control[J].Control Engi-neering Practice，2019，85:1-10.
[51] HOPMANN C，ABEL D，HEINISCH J ，et al. Self-
optimizing Injection Molding based on Itera-tive Learning Cavity Pressure Control[J].Produc-tion Engineering，2017，11(2):97-106.
[52] ZHANG Y，XI D，YANG H，et al.Cloud Manu- facturing
based Service Encapsulation and Optimal Configuration Method for Injection Molding Ma-chine[J].Journal of Intelligent Manufacturing，2019，30(7):2681-2699.
[53] LI Z，LIU X，WANG W M，et al.CK share:Se-cured
Cloud-based Knowledge-sharing Blockchain for Injection Mold Redesign[J].Enterprise Infor-mation Systems，2019，13(1):1-33.
聚砜醫(yī)療干粉吸入...
塑料包裝材料的減...
汽車功能鍵觸摸蓋I...
高性能注塑聚丙烯...
