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(shì)。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(tái)四個(gè)層面，總結(jié)了注射成形中知識(shí)的組織與重用、自主決策與優(yōu)化、過程感知與檢測(cè)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(gè)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(dòng)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(shì)：
(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(duì)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(duì)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(jí)，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(duì)成形過程實(shí)現(xiàn)實(shí)時(shí)監(jiān)控，保障速度、壓力、溫度的穩(wěn)定性。同時(shí)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(dòng)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(gè)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(shí)。按照《塑料注射成型機(jī)能耗檢測(cè)和等級(jí)評(píng)定的規(guī)范》，制品每千克耗電量不超過0.55千瓦時(shí)才能評(píng)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(chǎng)對(duì)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?，F(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(duì)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(shí)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(cè)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(shì)，智能化的注射成形制造技術(shù)也將成為長(zhǎng)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(jiǎn)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(tái)應(yīng)用現(xiàn)狀；最后，對(duì)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(gè)基本階段，產(chǎn)品零件的缺陷也來源于這四個(gè)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(huì)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(cè)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(cè)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(dòng)，也會(huì)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(shí)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(huì)造成大量人力、物力資源浪費(fèi)，因此，產(chǎn)品設(shè)計(jì)對(duì)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(dòng)、成形情況。借助模擬仿真分析，可以在早期對(duì)產(chǎn)品、模具的設(shè)計(jì)以及加工方案進(jìn)行評(píng)估，并預(yù)測(cè)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(duì)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(jiǎn)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(shí)甚至對(duì)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(shí)間、冷卻時(shí)間、背壓等，它們與填充、保壓、冷卻以及頂出整個(gè)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(gè)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(jiǎn)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(shí)，且產(chǎn)品質(zhì)量難以保障。雖然對(duì)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(duì)于精密零件，如導(dǎo)光板、光學(xué)鏡頭等，它們對(duì)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(duì)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(cè)其成形過程，缺少對(duì)成形過程的認(rèn)識(shí)，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(duì)溫度、壓力、位置等物理變量進(jìn)行實(shí)時(shí)測(cè)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(jiǎn)單并采用了一定先驗(yàn)性假設(shè)，對(duì)復(fù)雜注射成形過程缺乏表現(xiàn)力。同時(shí)成形過程隨時(shí)間變化，如最大值、平均值等統(tǒng)計(jì)特征無法有效提取時(shí)序信息，而時(shí)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(dòng)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(duì)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(dòng)無法避免，如何對(duì)復(fù)雜工況條件進(jìn)行監(jiān)控，并做出及時(shí)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(shí)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(cè)技術(shù)相結(jié)合的產(chǎn)物，除了能對(duì)外界信息進(jìn)行監(jiān)測(cè)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(gè)信息量，通過對(duì)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(dòng)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(dòng)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(cè)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(píng)估，其知識(shí)獲取效率低且不能有效存儲(chǔ)。通過人工智能算法對(duì)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(shí)，且算法模型能持久存儲(chǔ)。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(gè)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(gè)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(tái)四個(gè)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(gè)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(duì)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(duì)上述挑戰(zhàn)，當(dāng)前的研究從設(shè)計(jì)知識(shí)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(chǔ)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(shí)。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(shí)與經(jīng)驗(yàn)以多樣化的數(shù)據(jù)形式表現(xiàn)。對(duì)設(shè)計(jì)數(shù)據(jù)進(jìn)行分析與挖掘，能夠?qū)€(gè)人化的經(jīng)驗(yàn)知識(shí)轉(zhuǎn)換為通用的設(shè)計(jì)知識(shí)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(shí)[1-2]?；跀?shù)據(jù)挖掘的智能設(shè)計(jì)是一個(gè)知識(shí)描述與存儲(chǔ)、知識(shí)重用或共享及知識(shí)管理的過程。產(chǎn)品模具設(shè)計(jì)知識(shí)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(duì)異構(gòu)的模具設(shè)計(jì)知識(shí)進(jìn)行描述與存儲(chǔ)是實(shí)現(xiàn)基于知識(shí)的注射模具智能設(shè)計(jì)的基礎(chǔ)。將知識(shí)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(shí)的注射模具智能設(shè)計(jì)的關(guān)鍵。典型的知識(shí)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(shí)（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(píng)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(shí)庫，BRITTON等[5]從功能的角度對(duì)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(shí)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(dòng)設(shè)計(jì)軟件，并根據(jù)指定的性能參數(shù)對(duì)澆注設(shè)計(jì)進(jìn)行了評(píng)價(jià)。產(chǎn)品成形后的脫模過程會(huì)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(dòng)識(shí)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(duì)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(shí)融入注射制品設(shè)計(jì)過程，及時(shí)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(duì)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(gè)維度對(duì)方案的可行性進(jìn)行推演?；跀?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(gè)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(shí)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(duì)幾何模型、理論模型進(jìn)行假設(shè)與簡(jiǎn)化，與此同時(shí)會(huì)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(huì)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(dòng)模型發(fā)展到如今的三維流動(dòng)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(dòng)模擬和可壓縮熔體流動(dòng)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(chǎng)不完整，也無法考慮重力效應(yīng)等固有問題，對(duì)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(duì)于二維模型的計(jì)算量呈指數(shù)級(jí)增長(zhǎng)，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(shí)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(jí)網(wǎng)格的零件上進(jìn)行仿真測(cè)試，與主流的商業(yè)仿真軟件對(duì)比，計(jì)算時(shí)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(píng)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(dòng)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(dòng)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(dòng)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(dòng)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?；诜抡娴臄?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(píng)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?；诜抡娴闹悄芑O(shè)計(jì)以CAE技術(shù)為核心，不僅要對(duì)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(duì)歷史實(shí)例進(jìn)行存儲(chǔ)、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(shí)單元，建立相似性評(píng)估標(biāo)準(zhǔn)。當(dāng)遇到新問題（即目標(biāo)實(shí)例）時(shí)，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(chǔ)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(shì)必會(huì)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(gè)關(guān)鍵問題。
對(duì)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(jiǎn)單幾何信息包括包絡(luò)體長(zhǎng)、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(dòng)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(shì)：①通過對(duì)以往實(shí)例的存儲(chǔ)，能避免再犯相同的錯(cuò)誤，從而縮短工藝參數(shù)設(shè)置的時(shí)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(huì)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(duì)人類專家的問題求解能力建模，采用人工智能中的知識(shí)表示和知識(shí)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(duì)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(gè)智能工藝優(yōu)化系統(tǒng)，系統(tǒng)的核心是一個(gè)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(shí)間、模具溫度、保壓壓力、背壓和冷卻時(shí)間）作為輸出。系統(tǒng)根據(jù)缺陷反饋對(duì)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(duì)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(gè)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(duì)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(shí)間和制品長(zhǎng)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(cè)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(shí)候，因此有些研究者采用兩者相結(jié)合，同時(shí)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(gè)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(gè)典型的批次制造過程，它作為一個(gè)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(huì)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(duì)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(shí)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(chǎng)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(duì)獲取的海量數(shù)據(jù)進(jìn)行實(shí)時(shí)處理、分析和挖掘，根據(jù)分析結(jié)果，針對(duì)成形過程中的每個(gè)步驟，以時(shí)間最優(yōu)為目標(biāo)，對(duì)各個(gè)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(shí)間，從而大幅度提高生產(chǎn)效率。針對(duì)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(duì)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(duì)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(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行多變量統(tǒng)計(jì)分析，對(duì)多個(gè)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(cè)了注射成形過程變化。對(duì)于注塑件微觀結(jié)構(gòu)（如取向），普通的傳感器無法對(duì)其進(jìn)行過程監(jiān)控?；诔昜36-37]、介電測(cè)量[38]等技術(shù)，可以實(shí)現(xiàn)對(duì)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(dòng)方向和垂直流動(dòng)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(duì)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(shí)序自相關(guān)性，多個(gè)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(píng)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(duì)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(píng)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(shí)監(jiān)控。PCA的缺點(diǎn)在于僅能處理單個(gè)變量的時(shí)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(duì)輸入數(shù)據(jù)沒有嚴(yán)格的分布要求，它可用于對(duì)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(jiǎn)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(shí)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(duì)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(dòng)，從而會(huì)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(dòng)，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(dòng)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(cè)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(shí)變性，因此上述方法無法應(yīng)對(duì)此特性進(jìn)行有效的動(dòng)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(dòng)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(tái)
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(gè)環(huán)節(jié)。
(1)基于云平臺(tái)的注射服務(wù)。云服務(wù)平臺(tái)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?；谠浦圃斓淖⑸錂C(jī)工單分配[52]、基于區(qū)塊鏈技術(shù)的模具設(shè)計(jì)知識(shí)分享[53]等相關(guān)實(shí)際應(yīng)用越來越普及。云服務(wù)平臺(tái)通過對(duì)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(tái)對(duì)底層生產(chǎn)制造資源的動(dòng)態(tài)調(diào)配與按需使用，實(shí)現(xiàn)平臺(tái)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(tái)，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(hào)數(shù)據(jù)、工藝知識(shí)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(shí)和人工智能、機(jī)器學(xué)習(xí)、模式識(shí)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(shí)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(gè)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(shí)組織與重用。對(duì)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(cè)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?；趯?duì)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(duì)封閉模具內(nèi)塑料流動(dòng)、冷卻等成形過程的“可視化”。建立產(chǎn)品質(zhì)量的在線檢測(cè)技術(shù)，包括高精度在線質(zhì)量測(cè)量、基于視覺的外觀缺陷檢測(cè)等，減少加工過程中的人工干預(yù)，實(shí)現(xiàn)高度自動(dòng)化，同時(shí)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(shí)表示和學(xué)習(xí)模型建立智能化的工藝參數(shù)自動(dòng)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(shí)變性的關(guān)系。通過人工智能的方法實(shí)現(xiàn)工藝知識(shí)的表示與建模、工藝樣本（案例）收集與工藝知識(shí)發(fā)現(xiàn)、工藝知識(shí)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(tái)建設(shè)與大數(shù)據(jù)分析技術(shù)。針對(duì)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(tái)，使其具備并行接入能力，對(duì)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(duì)接。通過統(tǒng)計(jì)學(xué)、深度學(xué)習(xí)、模式識(shí)別等方法，從云平臺(tái)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(shì)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(shí)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?？茖W(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(cè)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(shí)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.
玻纖含量對(duì)長(zhǎng)玻纖...
鈣鈦礦薄膜的均勻...
用于光伏板靜電除...
聚砜醫(yī)療干粉吸入...
