Bối cảnh và vấn đề nghiên cứu

Trong ngành công nghiệp gia công nhựa hiện đại, nhu cầu sử dụng các sản phẩm nhựa ngày càng gia tăng trên nhiều lĩnh vực từ bao bì, hàng tiêu dùng đến linh kiện điện tử và phụ tùng ô tô. Xu hướng thiết kế sản phẩm hiện nay hướng đến tính chất nhỏ, nhẹ, mỏng và linh hoạt, đặt ra nhiều yêu cầu khắt khe đối với quy trình phun ép nhựa, máy ép, kết cấu khuôn mẫu, thông số công nghệ và vật liệu polyme. Một trong những yếu tố then chốt quyết định đến chất lượng sản phẩm và độ ổn định của chu kỳ sản xuất là kiểm soát chính xác sự phân bố nhiệt độ trong lòng khuôn. Hiện tượng chênh lệch nhiệt độ hoặc sụt hạ nhiệt không đồng đều trong quá trình làm nguội là nguyên nhân chính gây ra các khuyết tật cong vênh, co rút và kéo dài thời gian chu kỳ ép.

Để giải quyết vấn đề truyền nhiệt, công nghệ sử dụng lớp làm mát (cooling layer) kết hợp cùng kỹ thuật trí tuệ nhân tạo (AI), cụ thể là mạng nơ-ron nhân tạo (Artificial Neural Network - ANN), được đề xuất như một giải pháp mô hình hóa và dự báo phân bố nhiệt độ tự động. Nghiên cứu tập trung vào việc đo đạc thực nghiệm và huấn luyện mô hình học máy nhằm tối ưu hóa khả năng kiểm soát nhiệt của hệ thống khuôn.

Mục tiêu nghiên cứu được xác định cụ thể gồm:

  1. Thử nghiệm đo đạc phân bố nhiệt độ đối với các tấm ghép (insert) và các khoảng nhiệt độ khác nhau trên mô hình khuôn thực tế.
  2. Huấn luyện mạng nơ-ron nhân tạo (ANN) trên phần mềm Matlab để dự đoán trường phân bố nhiệt độ của lòng khuôn.

Nhiệm vụ nghiên cứu bao gồm 8 nội dung chính:

  1. Tìm hiểu cơ sở lý thuyết về khuôn ép nhựa và hệ thống giải nhiệt cho khuôn.
  2. Khảo sát các mô hình khuôn phun ép nhựa hiện có.
  3. Nghiên cứu cấu trúc và nguyên lý của mạng nơ-ron nhân tạo.
  4. Nghiên cứu ứng dụng mạng nơ-ron trong bài toán dự đoán trường nhiệt.
  5. Thiết lập mô hình thí nghiệm và đo đạc phân bố nhiệt độ thực tế.
  6. Thu thập và tiền xử lý bộ dữ liệu thực nghiệm dạng ma trận.
  7. Huấn luyện (training) và tinh chỉnh cấu trúc mạng nơ-ron nhân tạo.
  8. Dự đoán phân bố nhiệt độ bằng mô hình đã huấn luyện và phân tích, đối chứng kết quả với thực nghiệm.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Hệ thống lớp làm mát (cooling layer), hiệu năng truyền nhiệt/giải nhiệt lòng khuôn và khả năng dự đoán phân bố nhiệt độ của mạng nơ-ron nhân tạo (ANN).
  • Phạm vi nghiên cứu: Mô hình khuôn 2 tấm sử dụng 5 tấm insert rời với 2 dạng hình học lòng khuôn (lòng khuôn uốn và lòng khuôn kéo) ở các chiều dày khác nhau; nguồn nhiệt cấp bằng nước nóng ở 5 mức nhiệt độ (50°C, 60°C, 70°C, 80°C, 90°C); khảo sát trong các điều kiện dòng chảy chặn và không chặn; dữ liệu nhiệt độ ghi nhận qua camera nhiệt và xử lý mô hình hóa trên môi trường Matlab.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình kỹ thuật

Đồ án xây dựng dựa trên các nền tảng lý thuyết chuyên ngành công nghệ chế tạo máy và kỹ thuật vật liệu:

  • Lý thuyết khuôn phun ép nhựa: Nguyên lý cấu tạo khuôn 2 tấm, khuôn 3 tấm, khuôn nhiều tầng và khuôn nhiều màu; kết cấu 6 hệ thống chức năng chính của bộ khuôn (hệ thống dẫn hướng và định vị, hệ thống dẫn nhựa, hệ thống đẩy sản phẩm, hệ thống lõi mặt bên, hệ thống thoát khí và hệ thống làm nguội).
  • Vật liệu polyme trong phun ép: Phân loại nhựa nhiệt dẻo và nhựa nhiệt rắn; các đặc tính cơ lý và nhiệt như độ bền cơ học, mô đun đàn hồi, tỷ trọng, chỉ số nóng chảy và độ co rút. Đồ án khảo sát các loại nhựa công nghiệp (ABS, PP, PA6, PET) và tập trung lựa chọn nhựa polyetylen mật độ thấp (LDPE) làm vật liệu định hình thử nghiệm.
Đặc tính vật lý của nhựa LDPE Giá trị thông số
Nhiệt độ hóa thủy tinh ($T_g$) 110 - 120°C
Độ dẫn nhiệt 0.38 W/(m·K)
Mô đun đàn hồi 100 - 300 MPa
Khối lượng riêng 0.940 g/cm³
Nhiệt độ nóng chảy nhỏ nhất ($T_{m_min}$) 105 - 115°C
Nhiệt độ nóng chảy lớn nhất ($T_{m_max}$) 135 - 145°C
  • Phương pháp thống kê Taguchi: Lý thuyết thiết kế thực nghiệm đa biến, phân tích phương sai (ANOVA) nhằm tối ưu hóa các thông số ảnh hưởng và giảm thiểu dao động chất lượng sản xuất.
  • Hệ thống cooling layer và cấu trúc tấm insert: Kết cấu kênh giải nhiệt sâu 8 mm bố trí ở tấm khuôn dương chạy dọc theo biên dạng sản phẩm, kết hợp với 5 tấm insert tháo lắp linh hoạt tương ứng 5 độ dày lòng khuôn khác nhau.
  • Mạng nơ-ron nhân tạo (ANN): Kiến trúc học sâu nhiều tầng (Multi-Layer Perceptron), hàm kích hoạt (Activation Function), các giải thuật tìm kiếm siêu tham số (Grid Search, Random Search) và điều chỉnh tốc độ học (Learning Rate) để tối ưu hóa trọng số.

Phương pháp nghiên cứu

  • Phương pháp nghiên cứu lý thuyết: Tổng hợp tài liệu chuyên ngành về khuôn mẫu, động học truyền nhiệt và giải thuật học máy mạng nơ-ron.
  • Phương pháp thực nghiệm: Sử dụng máy gia nhiệt nước chuyên dụng và camera nhiệt để ghi nhận trường nhiệt độ thực tế trên bề mặt lòng khuôn tại các mốc thời gian và mức nhiệt độ thiết lập.
  • Phương pháp phân tích và mô hình hóa dữ liệu: Thu thập dữ liệu nhiệt độ thực nghiệm dưới dạng ma trận, chuẩn hóa số liệu thành bộ dữ liệu 4 biến đầu vào và 1 biến đầu ra để huấn luyện mô hình ANN, sau đó so sánh kết quả dự đoán với thực nghiệm thông qua hệ số tương quan ($R$).
Thành phần mô hình ANN Tên biến Mô tả dữ liệu
Biến đầu vào 1 Heating Time Thời gian gia nhiệt (giây)
Biến đầu vào 2 Mold Temp Nhiệt độ cài đặt của nguồn cấp nhiệt (°C)
Biến đầu vào 3 Location Tọa độ/vị trí điểm đo trên bề mặt lòng khuôn
Biến đầu vào 4 Mold Thickness Chiều dày thành của tấm lòng khuôn (mm)
Biến đầu ra Temp Nhiệt độ phân bố dự đoán tại vị trí tương ứng (°C)

Nguồn dữ liệu

  • Dữ liệu thực nghiệm đo đạc trực tiếp từ mô hình khuôn thử nghiệm tại cơ sở thực tập (Công ty Cơ khí – Thương mại Lê Duyên Anh) bằng máy gia nhiệt nước Haitian và camera nhiệt.
  • Dữ liệu tham khảo từ các nghiên cứu đối chứng trong nước về gia nhiệt khí nóng cho khuôn (Đỗ Thành Trung và cộng sự) và các công trình quốc tế về ứng dụng AI trong điều khiển nhiệt khuôn ép phun (John Smith, Emily Johnson, Lisa Wong, Michael Chen).

Nội dung chính theo từng chương

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI

Chương này trình bày tính cấp thiết của việc áp dụng trí tuệ nhân tạo vào kiểm soát và dự đoán phân bố nhiệt độ lòng khuôn khi tích hợp cooling layer. Nội dung nêu rõ ý nghĩa khoa học trong việc mở rộng hiểu biết về truyền nhiệt khuôn mẫu, cùng ý nghĩa thực tiễn trong việc giảm thiểu thời gian chu kỳ gia nhiệt, tiết kiệm năng lượng và nâng cao chất lượng sản phẩm nhựa. Chương 1 cũng xác định 2 mục tiêu nghiên cứu cụ thể, đối tượng, phạm vi khảo sát thực nghiệm, phương pháp tiếp cận và cấu trúc tổng thể 6 chương của khóa luận.

CHƯƠNG 2: TỔNG QUAN NGHIÊN CỨU ĐỀ TÀI

Chương 2 tổng quan về nhu cầu thị trường sản phẩm nhựa và điểm luận các công trình nghiên cứu liên quan:

  • Nghiên cứu trong nước: Điển hình là nghiên cứu của Đỗ Thành Trung và cộng sự về quá trình gia nhiệt bằng khí nóng (AMTC) cho khuôn phun ép sản phẩm dạng lưới. Kết quả nghiên cứu đối chứng cho thấy nhiệt độ khuôn tăng nhanh trong 5 giây đầu, tăng chậm dần trong 10 giây tiếp theo và ổn định sau 20 giây; khi cấp dòng khí nóng 400°C, nhiệt độ lòng khuôn đạt mức ổn định 160°C (tối đa đạt 171.6°C). Tốc độ gia nhiệt phụ thuộc vào độ dày sản phẩm (đạt giá trị cao với độ dày 0.5 mm).
  • Nghiên cứu quốc tế: Giới thiệu các công trình ứng dụng trí tuệ nhân tạo và học máy để tối ưu hóa hệ thống làm mát và kiểm soát nhiệt độ khuôn ép phun của John Smith, Emily Johnson trên tạp chí International Journal of Advanced Manufacturing Technology và của Lisa Wong, Michael Chen trên tạp chí IEEE Transactions on Industrial Informatics.

CHƯƠNG 3: CƠ SỞ LÝ THUYẾT

Chương 3 cung cấp hệ thống lý thuyết nền tảng phục vụ nghiên cứu:

  • Cấu tạo và phân loại khuôn ép phun: Định nghĩa phần khuôn đực (core) và khuôn cái (cavity); bảng phân loại khuôn theo lực kẹp từ nhỏ (25 - 100 tấn), vừa (100 - 500 tấn), lớn (500 - 1000 tấn) đến rất lớn (trên 1000 tấn); phân tích ưu nhược điểm của khuôn 2 tấm, 3 tấm, khuôn nhiều tầng (hot runner) và khuôn nhiều màu. Chi tiết hóa kết cấu tổng thể của bộ khuôn thông qua bản vẽ phân rã gồm 24 chi tiết cơ khí (tấm kẹp, tấm khuôn, bạc cuống phun, chốt dẫn hướng, vòng định vị, tấm đẩy, khối đỡ, lò xo, bulông...).
  • Vật liệu polyme: Khái niệm, phân loại cấu trúc mạch thẳng/nhánh, cơ lý tính của nhựa nhiệt dẻo và bảng thông số nhiệt động học của nhựa LDPE.
  • Phương pháp Taguchi: Lịch sử hình thành bởi Tiến sĩ Genichi Taguchi và ứng dụng trong tối ưu hóa chất lượng, thiết kế thí nghiệm đa yếu tố và phân tích phương sai ANOVA.
  • Kết cấu bộ khuôn cooling layer: Mô tả thiết kế cải tiến với 5 tấm insert tháo rời có 2 lòng khuôn uốn và kéo; hệ thống kênh dẫn nước làm mát sâu 8 mm bố trí ở tấm khuôn dương chạy dọc theo biên dạng lòng khuôn.
  • Lý thuyết mạng ANN: Nguyên lý nơ-ron nhân tạo, các tầng ẩn (hidden layers), hàm truyền và các giải thuật tối ưu hóa tham số mạng.

CHƯƠNG 4: MÔ HÌNH THÍ NGHIỆM ĐO PHÂN BỐ NHIỆT ĐỘ

Chương 4 mô tả chi tiết hệ thống thiết bị và quy trình thực nghiệm:

  • Thiết bị hỗ trợ: Máy gia nhiệt nước Haitian cung cấp dòng nước nóng tuần hoàn ổn định; camera nhiệt chuyên dụng ghi nhận hình ảnh nhiệt độ bề mặt theo thời gian thực.
  • Quy trình đo đạc: Nước sau khi được gia nhiệt đến các mức cài đặt (50°C, 60°C, 70°C, 80°C, 90°C) được dẫn qua hệ thống cooling layer để tiếp xúc truyền nhiệt với các tấm insert. Tiến hành chụp ảnh nhiệt và ghi nhận trường nhiệt độ phân bố trên 2 dạng lòng khuôn uốn và kéo, tương ứng với 5 độ dày khác nhau của tấm insert, ở các mốc thời gian gia nhiệt cụ thể.

CHƯƠNG 5: DỰ ĐOÁN VÀ PHÂN TÍCH KẾT QUẢ

Chương 5 trình bày toàn bộ quá trình xử lý số liệu, huấn luyện mô hình ANN và phân tích đối chứng:

  • Xây dựng bộ dữ liệu: Tổng hợp dữ liệu thực nghiệm thành 50 bảng số liệu đo nhiệt độ chi tiết (từ Bảng 5.01 đến Bảng 5.50) tương ứng với các mức nhiệt độ từ 50°C đến 90°C cho các trường hợp khác nhau.
  • Quy trình huấn luyện mạng ANN: Thiết lập cấu trúc mạng dựa trên 4 biến đầu vào (Heating Time, Mold Temp, Location, Mold Thickness) và 1 biến đầu ra (Temp). Áp dụng phương pháp tìm kiếm Grid Search, Random Search để lựa chọn số lượng tầng ẩn, số nút nơ-ron, hàm kích hoạt và điều chỉnh tốc độ học (Learning Rate).
  • Phân tích và so sánh kết quả: Đồ án thiết lập và đối chứng qua 114 biểu đồ nhiệt độ (từ Hình 5.001 đến Hình 5.114) phân chia thành 4 kịch bản khảo sát chính:
    1. Trường hợp chặn dòng nước tại lòng khuôn uốn.
    2. Trường hợp chặn dòng nước tại lòng khuôn kéo.
    3. Trường hợp không chặn dòng nước với các chiều dày lòng khuôn uốn.
    4. Trường hợp không chặn dòng nước với các chiều dày lòng khuôn kéo.
  • Kết quả huấn luyện cho thấy hệ số tương quan kiểm định (Validation $R$) của mạng ANN đạt từ 95% đến 99% (tương đương $R = 0.95 - 0.99$). Biểu đồ so sánh giữa phân bố nhiệt thực nghiệm và giá trị dự đoán từ mạng ANN thể hiện độ trùng khớp cao, sai lệch rất nhỏ.

CHƯƠNG 6: KẾT LUẬN

Tổng kết các kết quả đạt được về mặt thiết kế cơ khí của bộ khuôn cooling layer, hiệu quả của quy trình thực nghiệm đo nhiệt và độ chính xác của mô hình mạng nơ-ron nhân tạo trong việc dự đoán trường nhiệt độ lòng khuôn.

Kết quả và đóng góp

Kết quả nghiên cứu chính

  • Chế tạo và thử nghiệm thành công mô hình khuôn cooling layer: Thiết kế và lắp ráp hoàn chỉnh bộ khuôn cải tiến sử dụng 5 tấm insert tháo rời có 2 lòng khuôn uốn và kéo, tích hợp rãnh làm mát sâu 8 mm ở khuôn dương, đảm bảo khả năng truyền nhiệt đồng đều và thay đổi linh hoạt các chiều dày thử nghiệm.
  • Xây dựng bộ dữ liệu thực nghiệm hoàn chỉnh: Thu thập 50 bảng số liệu phân bố nhiệt độ tại 5 mức nhiệt độ cấp nước (50°C, 60°C, 70°C, 80°C, 90°C) trên các biến thể lòng khuôn uốn/kéo và trạng thái dòng chảy chặn/không chặn.
  • Mô hình hóa chính xác bằng mạng ANN: Huấn luyện thành công mạng nơ-ron nhân tạo 4 đầu vào và 1 đầu ra trên phần mềm Matlab với hệ số tương quan kiểm định Validation $R$ đạt từ 95% đến 99% ($R = 0.95 - 0.99$).
  • Độ chính xác dự đoán cao: Kết quả đối chứng qua hệ thống biểu đồ cho thấy sai số giữa nhiệt độ dự đoán từ mô hình ANN và dữ liệu đo thực nghiệm từ camera nhiệt rất nhỏ, gần như không đáng kể.
Thông số đánh giá mô hình Giá trị ghi nhận trong văn bản
Số lượng biến đầu vào (Inputs) 4 biến (Heating Time, Mold Temp, Location, Mold Thickness)
Số lượng biến đầu ra (Output) 1 biến (Temp)
Dải nhiệt độ khảo sát thực nghiệm 50°C, 60°C, 70°C, 80°C, 90°C
Chiều sâu rãnh cooling layer 8 mm (tại phần khuôn dương)
Số lượng tấm insert thử nghiệm 5 tấm (2 dạng lòng khuôn uốn và kéo)
Hệ số tương quan kiểm định (Validation $R$) 95% - 99% ($0.95 - 0.99$)

Đóng góp về mặt giải pháp kỹ thuật

  • Đề xuất giải pháp kết hợp giữa kết cấu cooling layer biên dạng đồng đều với cấu trúc lòng khuôn dạng tấm insert tháo lắp, giúp tối ưu hóa khả năng kiểm soát nhiệt độ cục bộ trong khuôn ép phun.
  • Chứng minh tính khả thi của việc ứng dụng mạng nơ-ron nhân tạo (ANN) trong việc thay thế các phép tính truyền nhiệt phức tạp hoặc mô phỏng số kéo dài, giúp dự báo phân bố nhiệt độ nhanh chóng và có độ tin cậy cao.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Mô hình mạng nơ-ron nhân tạo (ANN) chỉ có khả năng học và đưa ra kết quả dự đoán chính xác trên các cấu trúc hình học, dải thông số và mô hình khuôn đã có sẵn trong tập dữ liệu thực nghiệm đã thu thập.
  • Chưa khảo sát trên các biên dạng lòng khuôn phức tạp phi tuyến hoặc điều kiện chu kỳ ép phun thực tế có áp suất phun và quá trình đông đặc của dòng nhựa nóng chảy.

Hướng nghiên cứu tiếp

  • Mở rộng tập dữ liệu thực nghiệm cho nhiều dạng hình học lòng khuôn và các hệ thống kênh dẫn làm mát khác nhau để nâng cao khả năng khái quát hóa của mạng ANN.
  • Tích hợp mô hình dự đoán nhiệt độ ANN vào hệ thống điều khiển thời gian thực trên máy ép phun công nghiệp nhằm tự động điều chỉnh thông số nguồn cấp nhiệt/giải nhiệt trong quá trình sản xuất.

Giá trị tham khảo

Đồ án tốt nghiệp cung cấp tài liệu tham khảo có giá trị chuyên môn cho các đối tượng:

  • Sinh viên và học viên ngành Công nghệ Chế tạo Máy, Kỹ thuật Cơ khí: Tham khảo quy trình thiết kế khuôn ép phun cải tiến, bản vẽ kết cấu chi tiết bộ khuôn 2 tấm tích hợp tấm insert tháo rời và phương pháp thiết kế rãnh cooling layer.
  • Kỹ sư và nhà nghiên cứu trong lĩnh vực gia công vật liệu polyme: Tham khảo phương pháp thực nghiệm đo đạc trường nhiệt độ lòng khuôn bằng camera nhiệt kết hợp máy gia nhiệt nước chuyên dụng.
  • Người nghiên cứu ứng dụng AI trong kỹ thuật cơ khí: Tham khảo phương pháp xây dựng ma trận dữ liệu, cấu hình mạng ANN 4 đầu vào - 1 đầu ra và kỹ thuật tinh chỉnh siêu tham số (Grid Search, Random Search, Learning Rate) trên nền tảng Matlab để giải quyết các bài toán nhiệt động học.

Câu hỏi thường gặp

1. Mạng nơ-ron nhân tạo (ANN) trong đồ án sử dụng các biến đầu vào và đầu ra nào?

Mô hình ANN được huấn luyện với 4 biến đầu vào bao gồm: thời gian gia nhiệt (Heating Time), nhiệt độ cài đặt của khuôn (Mold Temp), vị trí điểm đo (Location), chiều dày tấm lòng khuôn (Mold Thickness); và 1 biến đầu ra duy nhất là nhiệt độ phân bố dự đoán (Temp).

2. Kết cấu của hệ thống cooling layer trên bộ khuôn thực nghiệm có đặc điểm gì?

Hệ thống cooling layer được thiết kế ở phần khuôn dương của bộ khuôn 2 tấm cải tiến. Rãnh dẫn nước có chiều sâu 8 mm và được gia công chạy dọc theo biên dạng của sản phẩm. Nước nóng từ máy gia nhiệt chảy tuần hoàn qua rãnh này để tiếp xúc truyền nhiệt trực tiếp với 5 tấm insert tháo rời (chứa lòng khuôn uốn và lòng khuôn kéo có các chiều dày khác nhau).

3. Thí nghiệm đo phân bố nhiệt độ được tiến hành ở những mức nhiệt độ và điều kiện nào?

Thực nghiệm đo phân bố nhiệt độ được thực hiện tại 5 mức nhiệt độ nước cấp gồm 50°C, 60°C, 70°C, 80°C và 90°C. Thí nghiệm khảo sát trên 2 dạng lòng khuôn uốn và kéo ở các chiều dày khác nhau, phân chia theo 2 điều kiện dòng chảy là có chặn dòng nước và không chặn dòng nước.

4. Độ chính xác dự đoán của mạng ANN đạt mức bao nhiêu so với thực nghiệm?

Mạng ANN sau quá trình huấn luyện và tinh chỉnh đạt hệ số tương quan kiểm định Validation $R$ từ 95% đến 99% (tương đương $R = 0.95 - 0.99$). Số liệu dự đoán đầu ra của mô hình khi so sánh đối chứng với dữ liệu ảnh chụp từ camera nhiệt cho thấy sự chênh lệch rất nhỏ, gần như không đáng kể.

5. Loại nhựa nào được lựa chọn làm đối tượng nghiên cứu và các thông số nhiệt chính của nó là gì?

Nhựa được lựa chọn là polyetylen mật độ thấp (LDPE) với các thông số vật lý: nhiệt độ hóa thủy tinh từ 110 - 120°C, độ dẫn nhiệt 0.38 W/(m·K), mô đun đàn hồi 100 - 300 MPa, khối lượng riêng 0.940 g/cm³, nhiệt độ nóng chảy thấp nhất 105 - 115°C và nhiệt độ nóng chảy cao nhất 135 - 145°C.

Kết luận

Đồ án tốt nghiệp đã chế tạo thành công mô hình khuôn phun ép tích hợp hệ thống cooling layer sâu 8 mm kết hợp tấm insert tháo rời, đồng thời xây dựng quy trình đo nhiệt thực nghiệm bằng máy gia nhiệt Haitian và camera nhiệt. Việc ứng dụng mạng nơ-ron nhân tạo (ANN) với 4 biến đầu vào và 1 biến đầu ra đã mô hình hóa chính xác trường phân bố nhiệt độ lòng khuôn, đạt hệ số tương quan kiểm định Validation $R$ từ 95% đến 99%. Mặc dù còn hạn chế về khả năng khái quát hóa ngoài các mô hình hình học có sẵn, nghiên cứu đã chứng minh hiệu quả và độ tin cậy cao của việc kết hợp trí tuệ nhân tạo trong tối ưu hóa quy trình nhiệt khuôn ép phun.