射出成型机参数设定的方法 本发明关于一种射出成型机参数设定的方法，尤其是关于以实验设计法结合模流分析软件，来模拟实际射出成形的过程，并分析模拟结果，以建立射出成型机参数与射出成型品品质参数之间定性关系的资料库，以及利用该资料库来训练类神经网路，以训练及建立该类神经网路，用以预测该射出成型机的射出成型品品质。
传统上，射出成型机的操作者在射出成型机参数设定过程时，所有参数的决定是需要靠操作者根据模穴的形状、塑料的特性、机器的性能与成型品缺陷的对策等因素，经过长久累积的经验来调整出适当的成型参数。
比较有系统的射出机参数设定法是运用田口方法或实验设计法来获得足够的信息并建立一个经验模式，再依此模式作射出机参数设定。但其缺点是在建立经验模式过程中需耗费相当多的时间与物力。也可以利用一连串的实验，将成型品品质与成型参数之间的关系以一统计程序模式来表示。利用这种统计关系在成型过程中与回授的成型参数讯号作线上的比对，以调整出最佳地成型参数。此品质控制技术已发展得相当完整，但缺点是在建立统计模式过程中需耗费相当多的时间与物力，且成型品的成型参数与品质变数之间，并无法归纳出明确的定性关系。
另外，有以专家系统建议工程人员的参数设定，其原理是将专家知识以“如果一则”法则建议解决问题的方案。但专家系统有其限制性，如成型品成型参数与品质变数间，并无明确的定性关系，而且其无法提供超出其法则外的信息。
公知专利文献与射出成型有关的全世界专利近十年每年大致超过千篇，并且逐年上升，显示射出成型技术正蓬勃发展。关于射出成型参数设定的全世界专利篇数共有二十篇。和本发明比较有关的美国专利第5518687号，输入已知的成型参数，并对比射出制造过程中的压力、速度及螺杆位置，借以修正输入的成型参数。其缺点为不容易找出适当的设定值及其对应的制造过程变数关系。另美国专利第5997778号，其方法是输入已知射出速度曲线并求得射出机的动态响应，以比例积分微分控制(PID)回馈修正设定参数以持续控制射出成型。其缺点为仅能控制射出速度。
因此，对于射出成型机参数设定方式，存在改进的产业上需要与迫切性，用以节省人力及物力，提升成型品品质。
本发明目的为提供可即时的品质预测，找出设定射出成型机参数的范围值，帮助操作者快速立即调整出适当的成型参数，节省参数设定时间及迅速找出适当的成型参数，使射出制造过程稳定。
为达成本发明的目的，本发明提供一种射出成型机参数设定的方法，包括下列步骤：使用一实验设计法结合一模流分析软件，以模拟实际该射出成型机的射出成型过程，分析该模拟结果并建立射出成型机参数与射出成型品品质参数之间定性关系的资料库；依据该资料库，建立一类神经网路，其用以预测该射出成型机的射出成型品品质；输入待测的射出成型机至已建立的该类神经网路；该类神经网路输出预测的射出成型品品质参数。
图1为本发明的流程图。
图2为本发明使用的幅射基函数神经网路。
图3为本发明的输入射出成型机参数的实施例。
图4为本发明的输出射出成型品品质参数的实施例。
如图1所示为本发明的流程图，首先依实验设计法在模流分析软件上作模拟射出，本发明在具体实施上，实验设计法可以利用现有的田口式实验设计法(Taguchi Parameter Design Method)，模流分析软件可以利用现有的美国康乃尔大学所发展的C-MOLD模流分析软件。经设计的射出成型机参数，依上述的田口式实验设计法结合C-MOLD模流分析软件，以模拟实际该射出成型机的射出成型过程，分析该模拟结果，据以建立射出成型机参数与射出成型品品质参数之间定性关系的资料库。其中上述模拟的进行是以该模流分析软件是在该射出成型机参数的上限值及下限值内(或称为参数窗户)依该实验设计法进行，其中该射出成型机参数的上限值及下限值由该模流分析软件提供。然后储存该分析资料以供类神经网路学习，其中类神经网路学习，主要为依据该资料库，建立一类神经网路，其用以预测该射出成型机的射出成型品品质，上述的射出成型机参数至少包括冷却时间、保压时间、保压压力、射出速度、融胶温度、模具温度。上述射出成型品品质参数至少包括输出重量、最大体积收缩、平均体积收缩、最大凹陷、平均凹陷。本发明在具体实施上，类神经网路可以利用幅射基函数神经网路，关于幅射基函数神经网路将于下文说明。
图1所示流程中的类神经网路预测成型品品质模式，及输入射出成型机参数至类神经网路，是为输入待测的射出成型机参数至已建立的该类神经网路，上述所输入的待测参数值皆在参数窗户范围值内。经本发明类神经网路的执行，最后输出预测的射出成型品品质参数。
图2为本发明使用的幅射基函数神经网路。在图2中输入层参数X1X2……Xi为上述的冷却时间、保压时间、保压压力、射出速度、融胶温度、模具温度等的射出成型机参数。输出层参数O1O2……Ok为上述的输出重量、最大体积收缩、平均体积收缩、最大凹陷、平均凹陷等的射出成型品品质参数。隐藏层中复数个类神经元F1F2……FH的激发函数R1R2……RH可以采用高斯函数。W11及Whk是表示加权值。
图3为本发明的输入射出成型机参数的实施例。上述经训练及建立该类神经网路，在本发明的具体实施中，可以编写为一软件，使之在一现有电脑上执行。图3显示已通过软件实施的类神经网路在一电脑上执行，操作者以输入设备在参数窗户设定射出成型机参数。
图4为本发明的输出射出成型品品质参数的实施例。操作者以图3显示方式输入，经已有的软件实施的类神经网路在一电脑上执行，在电脑荧幕所显示的输出射出成型品品质参数。
虽然本发明已经以一较佳实施例公开如上，然而其并非用以限定本发明，任何熟悉此技术者，在不脱离本发明的精神和范围内，也可作各种的更动与修改，因此本发明的保护范围应当以后附的权利要求所界定的保护范围为准。