1. Оптимизиране на параметрите на производствения процес
Използвайки метода за проектиране на експерименти (DOE), взаимодействието между параметри като налягане на впръскване, време на задържане и време за охлаждане и температура на формата беше систематично изследвано. Създаден е математически модел на „параметри на процеса - температура на формата - качество на продукта“ за идентифициране на комбинации от параметри. Практиката показва, че за всяко 0,1-секундно увеличение на времето за охлаждане, температурата на формата може да бъде намалена с приблизително 0,3-0,5 градуса, но ефективността на производството трябва да бъде балансирана.
2. Оптимизиране на материала на матрицата и повърхностната обработка
Изборът на стоманена форма с висока топлопроводимост (като модифициран H13) може да подобри ефективността на разсейване на топлината. Специални обработки на повърхността на кухината (като хромиране, азотиране и т.н.) могат да подобрят устойчивостта на износване и топлопроводимостта. Проучванията показват, че оптимизираните повърхности на матрицата могат да подобрят равномерността на температурата с 15-20%.
3. Избор и обработка на охлаждаща среда
Използването на дейонизирана вода като охлаждаща среда може да предотврати натрупването на котлен камък да повлияе на топлопроводимостта. Добавянето на подходящи количества инхибитори на ръждата и бактерициди към водата поддържа охладителната система чиста. За производство на заготовки със специални изисквания, обмислете използването на воден разтвор на етиленгликол (не повече от 30%) или специално охлаждащо масло, за да постигнете по-прецизен контрол на температурата.
4. Интелигентна система за управление на температурата
Въведете интелигентна система за контрол на температурата, базирана на IoT технология, за да постигнете:
- Дистанционно-наблюдение в реално време на състоянието на температурата на формата
- Съхранение и анализ на исторически данни за температурата
- Предупреждение за необичайна температура и автоматична настройка
- Оптимизиране на консумацията на енергия и-контрол на пестенето на енергия
Чрез алгоритми за машинно обучение системата може автоматично да научи модели за контрол на температурата и да се коригира автоматично според промените в производствените условия.
