Çok yolluklu eş zamanlı ve sıralı plastik enjeksiyon kalıplarında kalite hatası bulma tekniği

Plastik enjeksiyon prosesi lineer olmayan ve zamana bağlı değişen, kompleks dinamik bir karakteristiğe sahiptir ve prosesin devamı tecrübeli ve eğitimli operatörlere bağlıdır. Dizayn kompleksliğindeki artışlara, çevresel etkiyi azaltmak için kullanılan yeni malzemelere ve enerji harcamalarını düşürme gerekliliklerine bağlı olarak plastik enjeksiyon üzerine olan kontrol çalışmalarının sayısı artmıştır. Plastik enjeksiyonda hata bulma çalışmaları otomasyon seviyesini arttırdığı ve hurda oranını azalttığı için kritiktir. Son yıllarda giderek artan sayıda kalite hata bulma sistemleri ve akıllı enjeksiyon stratejileri geliştirilmiştir. Bu tez genel olarak çok yolluklu sıralı ve eş zamanlı plastik enjeksiyon kalıplarında kalite hatası bulmaya odaklanmıştır. Ortaya koyulmaya çalışılan metodun başarısını ölçmek için üç ana kriter kullanılmıştır: kalite hatalarını yüksek oranda bulma, üretimde sürdürülebilirlik ve geribildirim altyapısı. Metodu geliştirmek için çeşitli denemeler yapılmış ve tekrarlı bir yaklaşım kullanılmıştır. Hata matrisleri, doğruluk, kesinlik ve hassaslık gibi hipotez değerlendirme kriterleri önerilen tekniğin başarısını ölçmek için kullanılmıştır. Kriterleri sağlamak için tekrarlayan yaklaşım tercih edilmiş ve çalışmalara zaman serisi bazlı yaklaşımlarla başlanmıştır. Zaman serisi bazlı yaklaşımların ne geri bildirim altyapısına ne de sürdürülebilirliğe sahip olmadığı görülmüştür. Bu sebeple, veri pencereleme yaklaşımları uygulanmış ve kriterler sağlanmıştır. Kalıp içi sensörler ve yolluk zamanları verilerin ana kaynağıdır ve enjeksiyon kalıplama makinesinden alınan tek sinyal enjeksiyon başlama sinyalidir. Böylece, enjeksiyon makinesinden bağımsız bir hata bulma metodu bu çalışmada ortaya atılmıştır. Bu çalışmada, çok yolluklu plastik enjeksiyon proseslerinde hata bulma çalışmaları sunulmuştur. Yollukların zamanlamaları bir programlanabilir akıllı kontrolör aracılığı ile toplanırken, kalıp içi sensör verileri geliştirilmiş olan veri toplama sistemi ile toplanmıştır. Elde edilen sensör profilleri ve zamanlama bilgileri eşleştirilmiş ve elektrik paneline depolama, analiz ve kontrol amacı ile transfer edilmiştir. Etiketlenmiş veri, öğrenme bazlı hata bulma algoritması ve yolluk zaman geri bildirimi için kullanılmıştır. Çalışma kalıp içi basınç sensörü ve onun türevini veri pencereleme tekniği ile analiz etmektedir. Ek olarak, kalıp içi basınç sensörünün profili bir Python kütüphanesi olan zaman bazlı parametre çıkarma ve hipotez testi (TSFRESH) ile analiz edilmiş ve en kritik parametreler öğrenme algoritması için seçilmiştir. Parçanın kalitesini analiz etmek için pencerelenmiş kalıp içi sensör profilinin ve profilin pencerelenmiş türevinin yanında kalıp içi sıcaklık sensöründen, yolluk zamanlarından ve TSFRESH'ten parametreler çıkarılmıştır. K-en yakın komşu (KNN), destek vektör makinesi (SVC) ve lojistik regresyon (LR) gibi öğrenme algoritmaları hata bulma metodu için kullanılmıştır. Böylece bir öğrenme algoritması geliştirilmiş ve yeni metot yüksek kalite hatası bulma oranına, üretimde sürdürülebilirliğe ve geri bildirim altyapısına sahip bir metot olmuştur.