熱塑性高分子之PVT大數據驅動人工智慧在射出成型製程最佳化的應用

壓力-比容-溫度(PVT)關係為高分子加工的關鍵性質，由於這種關係的不可預測性，在大量生產的同時難以保持產品的品質。比容與產品的品質擁有直接相關性，例如：收縮率、重量以及翹曲。模穴在不同位置隨著成型的壓力與溫度的變化，比容也會有所改變，在PVT圖上會形成不同熱力學路徑，造成收縮的不均勻性導致精度難以掌控；業界以往依靠有經驗的師傅來進行射出參數調整，沒有一科學化的程序當作基準。本計畫利用紅外線溫度感測器與壓力感測器建立模穴實際PVT歷程監測技術，實驗材料選用熱塑性高分子，並針對拉伸試片的近澆口、中間段與遠澆口之比容值來設定最佳的保壓過程，而且透過線上即時PVT數據顯示來調整保壓各階段使得三個位置的PVT路徑能在脫模時彙歸於同一點以確保收縮的均一性，先以田口法篩選重要因子，再利用反應曲面法建立迴歸模型，本計畫使用類神經網路搭配基因演算法建構射出成型製程參數之逆向模型，並利用溫度及壓力的大數據來繪製PVT圖探討製程參數對收縮率之影響，此提案方法經實驗驗證後，就可應用於電子連接器之尺寸精度控制。預期對於收縮均勻性、整體精度控制至少有25%以上的改善；對於翹曲變形的改善也能達5%以上。