AI做先鋒 塑膠加工設備更加高效與環保

[作者 盧傑瑞]

現階段的射出成型設備業者正透過大數據、物聯網和智慧系統等創新技術，來提高對能源使用的可見性和控制力。更進一步的還會以簡單而有效的方式進行創新。

射出成型是生產大體積聚合物零組件最常用的製程技術之一，應用也愈來愈廣泛，2020年全球塑膠市場規模為5797億美元，2021年為5900 億美元，預計2022年至2030年將以3.7%的複合年增長率增長。在市場不斷成長的背景下，另一方面所帶來的就是提高品質與生產成本的競爭。

期望獲得高品質的射出成型產品，必須使用最好的設備和製程參數，這些參數並不總是很容易定義，傳統射出成型技術人員，幾乎都是根據自己的經驗，再加上反複試驗方法來獲得現場經驗。

雖然利用射出成型所生產的產品外觀的幾乎都一樣，但是由於製造過程是動態性，因此參數也會不斷的變化，每個過程都存在生產出缺陷零件的可能性，這種情況就會帶來不可預測的成本。在塑膠射出成型中，最常見的缺陷是：未填充、毛刺、燒痕、短射、翹曲和流線。為了防止這種潛在的負面事件，如果能夠使用一種可透過製程特徵的變化，來監測和預測有缺陷零件的生產方法，就會為生產線帶來更多的生產效益。

今天的工業4.0時代，很大程度上依賴於數據驅動的精確性，利用人工智慧（AI）及這些數據來提高設備的性能，已經發揮出越來越大的作用。

製造業中的人工智慧包括一系列技術，使設備能夠以模仿人類的智慧來執行操作。而機器學習和自然語言處理，更可幫助設備接近人類的學習、判斷和解決問題的能力。因此增強數據資料的效率，將會使的整體生產作業流程更快、更具成本效益。

應用實例包括機器人系統的自動程式設計，有針對性的故障補救，以及帶有'智慧'影像處理的備件系統（Spare Parts System）。因此，接下來的注塑成型設備將一步步變得更加智慧，以確保機器能不斷學習，保持自身穩定，甚至可以在未來進行自我最佳化（圖1）。

作業轉向自動化 人工智慧越來越重要

人工智慧在機械工程中變得越來越重要，將熔融塑膠注入模具並冷卻，以形成所需形狀的射出成型製程正變得越來越自動化、高效和精確。這為業者節省了大量成本，為消費者提高了產品品質。今天射出成型方法被廣泛用於生產消費性產品和汽車零件。更進一步的，如今整體產業的趨勢已經朝向「生產數量規模越來越小，產品生命週期也越來越短」的型態出現演變，因此更需要高效靈活地自動化射出成型的生產製程。

人工智慧影響射出成型的主要方式之一，是透過使用智慧感測器。這些感測器在收集成型相關變數的資料，如溫度、壓力和流速。再由人工智慧演算法進行分析所收集到的資料然，來確定生產模式和可能發生潛在問題。例如，如果熔融塑膠的溫度過高，系統就可以提醒操作員並調整製程，防止最終產品出現無可彌補的缺陷。

而另一種影響生產的方式是利用預測性維護。在整合感測器的資料後，來確定模具何時可能磨損或發生故障，就可以在模具發生故障之前安排維護，從而節省時間和金錢。

因此人工智慧的導入，為傳統塑膠加工製程帶來了過去所難以達到的優勢性，包括了：

預測性維護：可預測設備何時可能發生故障，並在任何故障之前安排維護，進而減少停機時間，以及延長設備的壽命。

品質控制：透過人工智慧監測零件的品質，並根據需要調整參數，來確保品質穩定。

製程優化：利用分析設備的數據資料來優化射出成型過程，並且調整製程，進而提高效率，減少浪費。

材料優化：通過減少使用的材料和儘量減少浪費來節約成本。

機器學習：訓練機器學習和適應新的生產過程，達到更有效和高速的生產週期。

對注射過程影響最大的變量，包括熔體溫度、塑化時間、最大壓力、模具壁溫和注射時間。因此進行機器學習時，就需要經常選擇溫度、注射時間和循環時間作為重要因素，同時還必須監控噴嘴和緩衝墊之前的循環時間、塑化時間、射出時間、Barrel溫度。

【欲閱讀更豐富的內容，請參閱2023.6月(第92期)智動化Smart Auto雜誌】