為什麼 Hopper-實時參數優化以實現可持續品質?
Hopper 從機器、原材料和製程資料中學習,並針對最佳匹配的參數設定產生情況建議,以盡可能降低廢料和循環時間。Hopper 不依靠手動的「試驗與錯誤」,為特定參數調整提供情況建議-基於幾乎學習的理想流程並尊重驗證窗口。

Hopper 從機器、原材料和製程資料中學習,並針對最佳匹配的參數設定產生情況建議,以盡可能降低廢料和循環時間。Hopper 不依靠手動的「試驗與錯誤」,為特定參數調整提供情況建議-基於幾乎學習的理想流程並尊重驗證窗口。


Hopper 持續分析射出成型過程的影響變量,並建議情況調整以設置參數。
考慮材料,過程和環境數據。
通過推送消息在瀏覽器或移動設備上接收建議。

根據 KPI 和不同設置參數來比較應用的配方。
概述哪些食譜有效性以及效率。

分析射出成型過程中發生的廢棄物,按排出原因和孔洞進行分析。
這使您能夠精確地識別問題區域並精確地啟動優化措施。

直接套用參數調整建議-Hopper 將參數直接寫入機器控制器。
這樣就不需要由機器操作員進行手動調整。
自動應用參數調整
需要使用者驗證

閱讀 ZAHORANSKY 如何使用 plus10 的 Hopper 來加快複雜的射出成型系統的啟動並減少浪費。挑戰:由於材料波動而導致的過程不穩定
「Hopper 支持我們的設置工程師在微調機器設置和故障排除方面的參數建議,以提高和穩定我們複雜的彈性體射出成型過程中所有軸的效率。「A.Botta,意大利盧塞爾納 FST 製程工程經理
ZAHORANSKY 部署 Hopper,即時微調注塑參數,以補償材料的變化性。在全天候 GMP 製造中,提高 20% 的加速率和減少 10—17% 的廢料。結果:儘管材料波動和技能水平差異,但產量穩定,但 OEE 更高。
每批原料特性,例如密度、粘度
產品環境,例如環境溫度 + 濕度
機器類型 + 配置,例如電動,混合/液壓
製程資料(實際 + 設定參數),例如注射壓力/速度曲線
周邊設備,例如熱/冷流道型,溫度裝置
產品質量的反饋,例如幾何 + 表面特徵,重量
產品規格,例如允許的製程參數邊界
在上述每個資料來源之間進行映射
連接:通過 HTTPS 加密到雲端後端的輸出流量
使用 plus10 應用程序安裝在機器網絡中的西門子工業 Edge 設備