| Revista: | Journal of applied research and technology |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000370546 |
| ISSN: | 1665-6423 |
| Autores: | Alvarado Iniesta, A1 Valles Rosales, D.J2 García Alcaraz, J.L1 Maldonado Macias, A1 |
| Instituciones: | 1Universidad Autónoma de Ciudad Juárez, Departamento de Ingeniería Industrial y Manufactura, Ciudad Juárez, Chihuahua. México 2New Mexico State University, Department of Industrial Engineering, Las Cruces, Nuevo México. Estados Unidos de América |
| Año: | 2012 |
| Periodo: | Dic |
| Volumen: | 10 |
| Número: | 6 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en español | La inyección de plásticos se considera como uno de los procesos de manufactura más flexibles y económicos con un gran volumen de producción de piezas de plástico. Las causas de variación durante la inyección de plásticos se relacionan con el amplio número de factores que intervienen durante un ciclo de producción regular, tales variaciones impactan la calidad del producto final. Un problema común de calidad en productos terminados es la presencia de deformaciones. Así, este estudio tuvo como objetivo diseñar un sistema basado en redes neuronales recurrentes para predecir defectos de deformación en productos fabricados por medio de inyección de plásticos. Se emplean cinco parámetros del proceso por ser considerados críticos y que tienen un gran impacto en la deformación de componentes plásticos. El presente estudio hizo uso del software de análisis finito llamado Moldflow para simular el proceso de inyección de plásticos para recolectar datos con el fin de entrenar y probar la red neuronal recurrente. Redes neuronales recurrentes fueron utilizadas para entender la dinámica del proceso y debido a su capacidad de memorización, los valores de deformación pudieron ser predichos con exactitud. Los resultados muestran que la red diseñada funciona bien en términos de predicción, superando aquellas predicciones generadas por redes de propagación hacia adelante |
| Resumen en inglés | Injection molding is classified as one of the most flexible and economical manufacturing processes with high volume of plastic molded parts. Causes of variations in the process are related to the vast number of factors acting during a regular production run, which directly impacts the quality of final products. A common quality trouble in finished products is the presence of warpage. Thus, this study aimed to design a system based on recurrent neural networks to predict warpage defects in products manufactured through injection molding. Five process parameters are employed for being considered to be critical and have a great impact on the warpage of plastic components. This study used the finite element analysis software Moldflow to simulate the injection molding process to collect data in order to train and test the recurrent neural network. Recurrent neural networks were used to understand the dynamics of the process and due to their memorization ability, warpage values might be predicted accurately. Results show the designed network works well in prediction tasks, overcoming those predictions generated by feedforward neural networks |
| Disciplinas: | Ingeniería |
| Palabras clave: | Ingeniería de control, Ingeniería industrial, Inyección de plásticos, Predicción de fallas, Deformación, Redes neuronales artificiales |
| Keyword: | Engineering, Control engineering, Industrial engineering, Plastic injection, Failure prediction, Warpage, Artificial neural networks |
| Texto completo: | Texto completo (Ver HTML) |
