製品を連続的に成形する射出成形では、不良品の発生を抑制することができず、成形品を１点１点手作業で検査する検査工程に大きな工数をかけている現場が多くあります。シルバーストリーク、ひけ、異物混入他の成形不良の予測することができれば、不良が発生すると予測された１ショット時に成形された不良品を、ロボットと連携して自動ピックアップすることができ、検査工数の大幅な削減に役立てることができます。
株式会社MAZINでは、生産工程単位で存在する生産課題を解決するAIの開発を行っています。射出成形工程においても、技能承継や生産効率の改善といった課題感に焦点をあて、不良検知や成形条件調整の自動化等に活用されるアルゴリズムの開発を目的に各種実験・分析に取り組んでいます。
こうした実験・分析に関する取り組みとして、以前の記事でシルバーストリーク、ひけ、異物混入他の成形不良予測を行うための実験をご紹介しました。
前回取得したデータについてさらなるデータ分析を行い、不良発生の予測可能性が明らかになってきましたので、今回はその取り組みをご紹介します。
今回ご紹介する取り組みでは、金型に取り付けた圧力センサにより、成形時の型内圧力を取得し、時系列波形をデータ分析することで、見たい不良として特定されたシルバーストリーク、ひけ、ショートショット、オーバーパック・バリ、異物混入の判定を行えるかを目的としています。
耐衝撃性、耐久性、耐熱性、成形性に優れ、日用品から工業部品に用いられるポリカーボネード（通称：ポリカ）を用いた射出成形にて、金型内を流れる樹脂の状態と相関のあるオリジナルの特徴量を生成、解析し、各種成形不良の判定を試みました。
成形品：民生品プラスチック部品
材料：ポリカーボネード（通称：ポリカ）
計測量：圧力（4点）
圧力波形から金型内を流れる樹脂の状態と相関のあるオリジナルの特徴量を生成し、解析を行いました。
解析の結果、下図のように良品群と各種不良品群が縦軸の値において違いがでることが分かりました。
良品群の値と違いがでている不良種別の中にはショートやヒケだけでなく、従来判別不可能とされていた外観不良の一種であるシルバーストリークも含まれており、判別可能性が高いという結果が得られました。
今回の取り組みにより、ショート、ヒケ、シルバーストリークの発生を予測可能なアルゴリズムを開発することに成功しました。
今後はより高い精度、より多様な不良種別に対応ができるよう、引き続き、アルゴリズムの改良を進めてまいります。
技術の詳細内容や研究開発に関する問い合わせはこちらからご連絡ください。
