■資料來源：SPE 北京分會
前言
射出（IM）是塑料部件批量生產的主要製造工藝之一。實際上，許多產品（例如汽車部件和電器）的製造目前十分依賴於IM 技術。為了保持競爭力，射出公司必須以最低的成本提供高質量的產品。為了優化相關性能測量（PM），確保良好的工藝條件，就必須使用高級計算機模擬。然而，在製造過程的優化中，一個很大的問題是不同的指標之間經常出現衝突。例如，實現最佳產品質量的同時不能滿足最低生產成本。因此在射出過程中不能僅對單個PM 進行優化，最好同時考慮所有PM，稱為多目標優化（MOO）或帕累托優化。先前已經應用MOO 方法基於模擬器輸出尋找過最佳工藝。原則上，為了用MOO 方法識別最佳解，需要在可控過程變量（CPV）的大量組合處評估PM。在射出過程中，這意味著對於每個評估都執行實驗運行或計算機模擬。然而，這些方法的高成本和長評估時間意味著它們在射出優化中可能是難以實現的。
實驗觀察
在我們的工作中，我們因此提出了一種替代方法，其中我們將模擬器運行與製造過程實驗的觀察結合，以構建用於PM 的平均值的校準預測器（即用於改進射出過程的最相關量）。這些統計工具（稱為“校準的”預測器）將CPV（輸入）與PM（輸出）相關聯，它是基於相對少量的數據的。因此，我們的預測器比運行物理實驗或計算模擬模型更快，成本更低。在以前的工作中，基於物理或模擬數據（但不是兩者）的預測器已經用於射出優化。在我們的方法中構建預測器之後，在CPV網格上估計所選PM 的值。我們還使用非優勢標準來識別一組預測的帕累托解。如果沒有其他PM 的值比它更好或者等於其解，並且它對於至少一個PM 來說是嚴格更好的，則該解是“非支配的”（或Pareto）的。然後，我們可以通過在更精細的CPV 網格上（接近原始帕累托集合）預測PM 來改進原始帕累托解決方案。我們最近的文章提供了對我們的技術的更詳細的描述。
我們還使用了一個包含三個PM 的案例研究，以展示校準預測器如何允許射出製造商獲得最佳處理條件。我們的這個案例研究的目標是實現熱塑性聚烯烴ASTM 測試樣品（見圖1）的3 部分（具有長度L3，厚度T3 和寬度W3）的相對收縮率的最小化，其使用的是Sumitomo180 噸注射機。我們在這些物理實驗中使用的CPV 是熔體溫度（Tmelt）、包裝時間（tpack）、包裝壓力（Ppack）和冷卻時間（tcool）。此外，我們保持模具溫度和填充時間恆定。除了四個CPV 之外，我們在計算機模擬器（使用Moldex3D 軟件）中輸入三個校準變量，即在流動、包裝和冷卻期間的模具傳熱係數。
圖1 熱塑性聚烯烴ASTM 物理測試樣品的照片，圖示了三個部分的長度（L），厚度（T）和寬度（W）。我們的案例研究的結果是預測的Pareto 集（輸入）和Pareto 前解（輸出），我們用來識別CPV 值，提供所有PM 之間的最佳結果。 Pareto 集合（具有31 個解）被繪製在圖2 中，其中每個等間隔光線代表一個輸入向量，並且每個輸入被縮放到0 和1 之間。例如，解1 對應於Tmelt，tpack，Ppack 和tcool 值分別為0.70（208℃），0.50（20s），0.78（41MPa）和0.76（44s）。我們發現大多數解決方案具有高Tmelt 和Ppack 值，而tpack 和tcool 保持中高水平。
我們示出了圖3 中估計的Pareto 前沿上的歸一化（在0.5 和1 之間）長度，厚度和寬度向量（其中優選最接近0.5 的解）。作為示例，解27 產生了最小的L3 值。不出所料，該解決方案的厚度和寬度的相對收縮率不在其最小值。相反，我們發現解5 和15 分別產生最低的T3 和W3 值。圖2 來自所調查的案例研究的31個預測的Pareto 集解決方案（在0 和1 之間歸一化）。
每個帕累托輸入在單個軸上表示（標記為1-31）。Tmelt：熔體溫度。 tpack：包裝時間。 Ppack：包裝壓力。 tcool：冷卻時間。圖331 個預測的Pareto 前解（在0.5 和1 之間標準化）。每個解決方案包含了在31 個軸上表示的三個輸出。 L3，T3，W3：測試樣品的3 部（參見圖1）的長度，厚度和寬度的線性收縮百分比。三個帶圓圈的符號表示為三個輸出中每一個產生最小值的輸入。
圖1：熱塑性聚烯烴ASTM 物理測試樣品的照片 ; 圖2：來自所調查的案例研究的31 個預測的Pareto 集解
決方案
結論
總之，我們設計了一種用於預測性能測量的新技術，其可以用於識別射出製造中的最佳工藝條件。對於我們的方法，我們需要計算機模擬代碼和一些物理實驗觀察，然後使用基於校準預測變量的優化方法來估計帕累托集和前值。然後使用這些解確定理想的加工條件（即獲得在該方法中涉及的不同PM 之間的最佳折中值）。在我們的未來工作中，我們將介紹一種順序設計方法，其中我們使用統計校準的模擬器在Pareto優化射出。我們將評估用於預測帕累托解的順序策略的效率是否更高。■
