中英文外文翻译聚氨酯反应注射成型工艺的分析和优化

1、南 京 理 工 大 学毕业设计(论文)外文资料翻译 学院系： 机械工程学院 专 业： 机械工程及自动化 姓 名： 学 号： 外文出处： Chemometrics and Intelligent Laboratory Systems 附 件： 1.外文资料翻译译文 2.外文原文 指导教师评语： 签名： 年 月 日附件1：外文资料翻译译文多变量投影法对聚氨酯反响注射成型RIM工艺的分析和优化摘要主要成分分析法PCA和潜在结构投影法PLS，通过对工业数据的分析，已经成功的被用于诊断工业聚氨酯硬泡绝缘板生产中出现的许多问题。在泡沫生产中，通过使用PCA和PLS模型来展示质量变量的空间变化，以及它们同过

2、程变量之间的联系。针对那些从PCA研究中找到的那些关键过程变量进行进行了一些设计性实验，这些实验的结果也被用于过程优化中。关键字：聚氨酯、反响注射成型、投影法。1、 简介在过去的二十年里，化学工艺，和其他行业一样，在它们的数据采集系统中，已经掀起了一场革命。智能机器，庞大的数据存储容量，以及高吞吐量的数据采集系统都使得采集每一数据点的花费降至一个很低的水平。大量数据可以在线或在质量控制实验室里，通过过程变量测量或质量变量测量的方法得到。投影法，如主要成分分析法PCA和潜在结构分析法PLS，提供了一种应用这种系统来处理高度相关数据的采集的方法。此外，它们能有效的处理多元反响变量和缺失数据，并提供

3、了一种良好的工具，能在这些多元数据集中提取和显现那些系统变量。投影法的最大的特点在于，能将一个多维空间的问题降低到一个低维空间，通常是三到四维。Umetrics公司的SIMCA_P 8.0软件就被应用于PCA/PLS的分析来解决这类问题。这项研究的重点是应用多变量投影法来诊断和分析聚氨酯反响注射成型的工艺过程。这项研究的主要目的是了解该过程中空间中的差异，矫正引起变化的根源，并优化质量变量。2、 聚氨酯的形成机制在隔热的反响过程中，形成了反响注射成型RIM的聚氨酯泡沫。每一个隔热容器作为一个化学反响器，其容腔内都有两套不同的反响同时发生。一类是聚合反响，其过程可能形成氨基甲酸乙酯和尿素。另一类

4、是发泡反响，包括了二氧化碳的变化和发泡剂的蒸发。化学物质从贮存容器中流出来，通过热交换器来控制温度，然后在高压下进入混合头内以保证充分的混合，最后被注入模具中。1在聚氨酯的发泡反响过程中，有许多的物理和化学变化发生，这些反响随时间和范围的变化情况如图1所示。由于泡沫本身是一种良好的绝热体，随着反响的进行和温度梯度的上升，泡沫内部温度的上升造成了许多的问题，这些将在后面讨论。一般来说，产生聚氨酯硬泡包含以下四和阶段。2()混合期：主要包含多元醇、催化剂、外表活性剂和发泡剂的混合物，在高压下在混合器中与异氰酸酯进行混合。()乳化期：由化学反响所产生的热量引起的温度升高，已足够促进发泡剂的活化。()

5、上升期：发泡剂蒸发产生泡沫，直到自由发泡产生的泡沫到达了充分的硬度或是模具被填充满。()固化期：在此阶段，聚合物进行高温处理一段时间。整个机构系统是由一个具有六个工位的旋转结构的回转桶单元。发泡设备放置在每一个旋转结构位置上。当发泡设备被预热的时候，保温容器的门或其他用于发泡的空腔被放置在发泡装置内，然后将反响混合物注入回转桶的其中一个工位。一旦发泡开始，回转桶通过另外五个部位的框架结构带动整个模架旋转起来进行固化，当其他几个部位也开始发泡反响时，最终将模架返回到发泡位置。每一个回转桶有两个聚氨酯泡沫混合头。每一个混合头发泡时是通过一个不同的通道来进行发泡。图1 聚氨酯的泡沫成型2.1 问题描

6、述此项工作的需求和动机，来源于发泡过程中的不稳定性和质量变量控制的复杂性。在这个过程中出现的两个问题被分开讨论，是由于它们出现于不同的时期。第一步的工作是优化聚氨酯泡沫板的性能，通过其导热性和密度的空间变量表示出来。通过热导率K-因子的测量，聚氨酯泡沫的绝缘特性被作为一项重要的变量来控制。它对隔热性能和能源的消耗方面有直接的影响。理论上，当主要的反响成分与异氰酸酯在一定的温度下混合时，发泡剂开始沸腾，并产生大量的蒸汽，从而引起发泡并降低密度。在硬泡中，由发泡剂产生的小孔降低了热量的传递。K-因子越低，其绝缘性能和隔热性能越好。作为泡沫强度的指标，密度在保证隔热层的结构硬度方面显得尤为重要。这是

7、由于发泡剂所产生的蒸汽的气压作用在了泡沫小孔上，气压使得小孔能抵抗收缩。为了减少废品率，不必要的孔隙和渗漏都必须减至最少。本文中所提到的第二步的目的是尽量减少泡沫板的变形现象，也就是我们所知的外表弯曲OB。外表弯曲主要是由钢铁和ABS塑料的运动限制引起的。泡沫板之间无法相对地扩张和收缩，因为它们之间的相对距离比拟小。如果发生运动，它将会导致泡沫板的弯曲和剪切形变。质量变量的离线测量，至少每周一次的在质量控制实验室中进行。导热性的上限是根据能量来计算，而密度的下限是定义为保证其结构强度的最小值。所有的测量都是在泡沫板周围的八个特定位置进行的。评判的标准是让所有的样品的性能都在规定的控制范围内。热

8、变形的测量是使用坐标测量仪CMM，定义一个通过泡沫板的角点的平面，然后测量这个平面与泡沫板的几个交点，来确定泡沫板外表弯曲的形状和大小。以下是需要测量的质量变量：K*几个特定位置的K因子的值1-8D*几个特定位置的密度值1-8Voids由外钢板凹陷标记识别Leaks由视觉识别Face Bow泡沫板外表的最大弯曲Side Bow泡沫板侧面的最大弯曲过程变量从数据库中搜索和挑选，分析在生产过程中的六个不同的固化装置上进行，来了解模架和过程变量改变时产生的影响之间的变化。文章中的分析所用的一些过程变量及其名称汇总如下：测试时间T_T环境温度A_T主反响成分的密度MB_D主反响成分的流量MB_F异氰酸

9、酯流量I_F主反响成分与异氰酸酯的比例MB/I异氰酸酯压力I_P主反响成分压力MB_P混合压力MH_P注射量SS异氰酸酯温度I_T主反响成分温度MB_T异氰酸酯的混合温度I_T_MH主反响成分的混合温度MB_T_MH外表活性物类型S发泡剂类型B固化核心温度Core_T固化侧边温度Sidewall_T固化预热温度Preheat_T3、 问题一：消除热导率和密度的空间上的差异3.1质量变量Ys的主要成分分析在质量变量中试用主要成分分析法PCA后的主要目的是为了弄清这些变量的空间布局及其相关的结构。总共测量了64组泡沫板。三项主要成分被多方面证实是非常重要的，他们能够对76%的变化情况做出解释。一些

10、非正常情况的数据分别在图2和图3中所示的记分表和残差DmodX表中表示的非常明显。这些非正常的数据是非常有意思而且有情报价值的观测量，它们能帮助我们去了解那些有用的图表信息。关于这些非正常数据的更深入的分析和解释将在后面的篇章中继续讨论。在图4的载荷曲线中，展现了两个主要的现象：热导率确实和漏出量有关，而与密度和空隙率无关。此外，从载荷曲线图4中可以清楚的发现模腔内的密度和热导率的分布形式以及与平均值之间的关系。值得注意的是，比起周围的模具边缘局部，注射面位置1和8的密度更高而K-因子更低。图2 质量变量Ys的PCA分析中的t1-t2数据曲线图3 质量变量Ys的PCA分析中的DmodX曲线图4

11、 质量变量Ys的载荷曲线3.2模架和质量变量之间的潜在结构的投影PLS为了弄清在生产中所使用的六个模架的作用，建立了一个潜在结构分析模型，来描述使用了一个特殊模架后对质量变量的影响。X-矩阵由六个指示变量0，1构成，表示了在注射过程中的某个模架是否工作。Y-矩阵由64个测试板料的平均K-因子值、平均密度、空隙率和漏出量组成。潜在结构分析法PLS对质量变化中72.5%的变化情况做出了及时，仅仅是利用了模架在建模过程中一些信息，这些信息说明了模架之间的差异是导致质量变化的主要原因。图5中的载荷曲线所展示了六个模架和质量变量之间的联系，并揭示了一些很有趣的结论。很显然，1号模架与高的热导率和渗漏现象

12、有关，而2号模架那么与密度和空隙率无关。同样的可以看出所有模架中状态表现最好的是3号和4号，它们都同样有低的热导率和非常高的密度，但却没有很多的孔隙。5号和6号模架有较低的K-因子值和高的密度，但同时具有更多的孔隙。从这些分析来看，我们可以总结出1号和2号模架提供的条件所生产出的板料的质量不能让人接受。1号模架产出的成品的K-因子和漏出量太高，而2号模架的K-因子值和漏出量那么很低，但其密度却低到无法接受。为了弄清其中的原因，主要成分分析法PCA和潜在结构分析法PLS的研究均被用来描述变化过程中的模架和质量变量。3.3模架和过程变量的主要成分分析PCA主要成分分析模型建立用于展示模架和过程变量

13、之间的结构关系。在建立了这个模型之后，就可以去探索不良的模架和过程变量之间的相关性理论。在这个模型中，像化学物质和模架的温度，以及预热温度这样的过程变量和六个模架，都应该被考虑进去。这个模型产生了三个潜在变量，经多方面Qx2计算它们的值等于64%，这些数据也对68%的变化情况Rx2作出了解释。图6中的数据曲线确定出了三个主要的局部。图7中的DmodX曲线中并没有对那些非正常情况作出观测。图8中的载荷曲线显示了3、4、5、6号模架有着相似的特性，而情况不佳的1号和2号装置那么有着不同的性质。1号模架的预热温度要比其它装置的高。同样的我们可以观察到，高的预热温度和主反响成分与异氰酸酯的高混合比例M

14、B/I之间存在着高度的相关性。这个现象可以这样来解释，随着预热的温度升高，具有较低分子量的异氰酸酯将趋于蒸发，从而在模腔中起反响的物质中的主反响成分相对异氰酸酯的比例升高了。值得注意的是，从总体上看，高的预热温度导致高的K-因子的值，关于这点许多不同的操作者都已经发现了。另一方面，从总体上看，2号模架表现出了较低的预热、核心和侧边温度和较高的异氰酸酯温度。我们发现，在2号模架的混合器和预热器中使用的故障的加热器，是导致这一切的根源。3.4过程变量和质量变量之间的潜在结构投影PLS在过程变量和平均空间质量变量之间建立一个潜在结构分析模型PLS。基于多方面认证，PLS模型的结果指出了一个非常强的相

15、关性和一个三维结构。这三个局部可以解释79%的质量变量的变化情况。图9中的t1.vs.u1分别作为X和Y空间的第一局部的曲线展示了一种很强的联系。图10中的载荷曲线显示出了过程中的重要变量，并指明了质量变量的变化性的来源。主反响成分的混合温度MB_T_MH、预热温度(Preheat_T)、注射量和环境温度(A_T)都被证明是与K-因子和漏出量有关，而异氰酸酯的温度I_T和I_T_MH那么和密度一样与K-因子无关。图5 模架x与质量变量Ys之间的PLS分析的载荷曲线以上的PLS模型只是展示了常规仪器操作的数据的相关结构，和观测到的那些不能被解释为因果联系的过程变量和质量变量之间的相关性。然而，图

16、10中的PLS载荷曲线展示了一些非常有意思的关系需要我们更深入的探索。因此，在现阶段，决定进行一项设计实验，来确定从PLS分析中出现的一些更有趣的过程变量的质量变量之间的因果联系。被选中的过程变量都与那些从PLS分析中发现的质量变量有高度相关性，并也能够被直接操作。主反响成分对异氰酸酯的比例被化学制品的生产商设定为一个固定值。环境温度被当作一项干扰变量，如果可能的话，需要对其进行研究并最终控制。3.5外部响应模型RSM开展一般来说，开展一个因果模型并使用它来寻找工艺过程的优化条件的最好方法是设计一个适宜的实验仪器。一个中心复合RSM设计方案是由以下四个变量构成的：注射量SS、主反响成分温度MB

17、_T、异氰酸酯温度(I_T)和模具。实验中使用的模具温度被定义为核心剖面温度、侧边温度和预热温度的平均值。设计由完整的24种情况组成，每种情况都在三种不同的条件的反复交替下进行，然后加上星点完成一项中心复合设计。进行这样一个设计的主要目的是为了确定哪些变量之间的相互作用和曲率周期是重要的，并通过外表响应来优化工艺过程。图6 模架x与过程变量Xs之间的PCA分析的t1-t2曲线图7 模架x与过程变量Xs之间的PCA分析的DmodX曲线通过回归模型数据的拟合，得到对热导率和密度的判定系数R2的值分别是97.1%和98.3%，它们说明了有多少的变化情况可以用该模型来解释。外部响应模型所预测的热导率和

18、密度的一阶模型方程如下：K-factor = 0:21 + 0.00064 MB_T _ 0:000778 SS-0.00066 Mold_TDensity = 1.775 - 0:038 MB_T + 0.0835 SS + 0.04 Mold_T质量变量的等值曲线图形的变化如图11和图12中所示。正如在后面第4局部介绍的那样，大的注射量会给双金属的曲度带来预期之外的影响，并导致更多的耗用化学原料。因此，注射量要折衷到一个相对较低的固定量上。还可以确定的是，把模具温度控制在最低的设定标准，是改善能源消耗的一种途径。很明显，要将K-因子最小化和将密度最大化，就应该提高主反响成分的温度。这些措施

19、得到了落实，板料的性能就会得到大大的改善。图8 模架x与过程变量Xs之间的PCA分析的载荷曲线3.6多变量监测MSPC统计过程控制方法SPC的主要目的是监测超时运行过程和识别“失控现象。在多变量统计过程控制中，基于PCA与PLS的数据得到的控制曲线、t、或者是基于这些数据而进行的的Hotellings T2，这些变量都可以根据投影模型的进展被描绘出来，以确定在超时情况下的工艺过程的状态4，5。用于监测的模型需要依靠那些只存在“常规变化的一般操作过程中的数据来建立。同那些可以反映当前工艺过程水平的警报极限一起，目标变量的值可以被确定出来。剩余误差的DmodX曲线和警报极限一起，为监测工艺过程中可

20、能出现的特殊或异常状况提供了主要的数据。图9 质量变量Ys和过程变量Xs之间的PLS分析的t1-u1曲线图10 质量变量Ys和过程变量Xs之间的PLS分析的载荷曲线(i) 一项具有引导性意义的尝试在制造工业中被实施，用来评定在这项工艺中多变量统计过程控制方法的作用。为监测密度和K-因子的空间变量，建立了一个PCA模型。正常的工艺过程变化率能通过两个主要的局部来建立模型，这两个局部解释了工艺过程中79%的变化情况。图13和图14中显示了在这次尝试中过程监测的数据和DmodX。(ii) 从常规操作数据中，我们也建立了一个PLS模型，用于监测工艺过程和质量预测。这个模型使用了在2.2中列出的所有过程

21、变量X和模架的指示变量。质量变量Y包括孔隙率、漏出量、所有的K-因子和密度这些变量。使用这样这样一种基于过程变量X的近似方法的好处在于，可以减少用于测试Y值的样品数量，从而减少测试中的金钱和时间的损耗。使用图11 K-因子的响应等值曲线.设定：主反响成分温度MB_T,Mold_T变量，注射量SS，异氰酸酯温度I_T在低值处混合图12 密度的响应等值曲线.设定：主反响成分温度MB_T,Mold_T变量，注射量SS，异氰酸酯温度I_T在低值处混合带有过程变量的PLS模型的另一个好处是，可以通过使用影响曲线，来查询那些与检测开始之后的事件关系最密切的过程变量的根本模型，来隔离/诊断事件。4、问题二：

22、双金属曲度的最小化钢板和ABS板之间的温度差，是导致板料弯曲的主要原因。在一些实例中，仅仅只有几英寸厚，板料内部和外部的温差就能到达大约55jC。可惜的是，只要有发泡就会总有热变形。主要的目的是为了把热变形的程度降到最低6。J.A.Hartsock推导出了薄平面在受到热量影响的情况下的双金属曲度的通用公式，归纳如下7： (1)其中B是曲度，和是外表的热膨胀系数，和是外表的温度变化，C是板料的长度，D是中轴线到拉伸面的距离。发泡的过程同样可以决定外箱体弯曲变形的最大程度。主要的焦点放在了发泡处理的允许时间和单位的过度包装上。成型钢模也相信对外表变形有所影响。现代制造实践已经可以减少发生过度包装现

23、象，但是处理时间依然是一个迫切的问题。相信如果板料能留在模具模架中直到发泡处理完成8，9，弯曲变形应该不会发生。高产量生产的需求让这项任务更加艰巨。当想让板料贴附在保温器的门上有美观的外观时，减少弯曲程度和标准差的最小化就显得很重要了。高的弯曲程度让板料很难贴附上去。图13 质量变量监测的PCA分析的t1-t2曲线图14 质量变量监测的PCA分析的DmodX曲线为了弄清泡沫膨胀引起的外表变形，外表研究是通过使用坐标测量仪器CMM在10个板料上测量180个点来进行的，这种精密的测量仪器给出了板料外表所有设计点的x,y,z的坐标。使用一个PCA模型来给分布在外表上的空间变化进行建模。图15 泡沫外

24、表特性的PCA分析的载荷曲线图16 泡沫板料中两种分布的相对位置的图解根据图15中的载荷曲线的例证，PCA模型的结果说明，过程变化的建模可以由两个主要局部组成，这两个组分能够对87%的过程变化情况作出解释。载荷曲线的分析说明存在两组主要的分布。当把发泡局部的两组分布的坐标点联系起来的时候，出现了表层变化的一个非常有趣的特征。像在图16中图解所示的那样，从边缘到两个辊口，外表是非常平滑的，然后弯曲到最大点并保持平滑的穿过外表。这项分析有助于使用少数测点来识别表层变化形状和确定有效的测量方法。企业将获利于花更少的时间来测量和得到数据信息。门表层的最大曲度是0.54cm而用公式1计算的理论值是0.1

25、5cm，这就说明了还存在进行优化改进的空间。图17 使用质量变量Ys和过程变量Xs的PCA分析的t1-t2曲线图18 使用质量变量Ys和过程变量Xs的PCA分析的载荷曲线图19 双金属曲度的等值曲线.设定：注射两和脱模时间变量，其他所有的固定过程变量为了调查外表和侧面的双金属曲度的相关性和25个其他的过程变量，我们建立了一个PCA模型。三个组成局部解释了78%的过程变化情况。图17中的t1 vs t2的标记曲线展示了三个不同的观察值分布。图18中的载荷曲线说明，当把负载放在它们顶部时，外表和侧面的曲度是高度相关的。根据这些过程变量，脱模时间于双金属曲度无关，而注射量却与其相关。分布1主要是由较

26、久的脱模时间和较少的注射量引起的，而分布3那么是由较多的注射量和较短的脱模时间引起的。在三个位置测得的长度L_*和宽度W_*所确定的发泡尺寸，似乎与双金属曲度有着一定的联系。为了更进一步的调查其效果，并最小化双金属曲度，以脱模时间和注射量为控制变量，采用了一个22满阶的设计实验。剩下的过程变量可以被看作是不可控制的干扰变量。使用一个能对93%的变化情况作出解释的回归模型，对DOE的结果进行分析。脱模时间、注射量和两者之间的相互作用，被证明对曲度有着非常重要的作用。以下公式对此举例说明：×注射量图19是双金属曲度关于脱模时间和注射量的函数的等值曲线图。这个曲线中根本给出了最小化曲度的指

27、导思路：增大脱模时间并减少注射量。然而，随着注射量的减少，泡沫质量密度和K-因子会受到影响并在功能上变得不可接受。因而，在最小化双金属曲度过程中，当发现了一种注射量的优化设定时，必须对K-因子和密度进行测量并进行更进一步的判定测试。脱模时间也必须适当增加来降低产品的不合格率。正如从PCA模型中观察到的那样，长度变量对曲度也有影响，所以更进一步的改善是对发泡门的尺寸进行控制。这就可以解释当较长尺寸的门被插入模具时，膨胀所允许的缝隙会变得更小，而外表发生变形那么归咎于泡沫膨胀。在改进方案实施之后一研究出了一项新的技术，基于这项技术研究可以产出曲度仅为0.13cm的产品，这甚至低于了理论计算值。5、

28、结论基于PCA和PLS模型的多变量统计分析方法被成功应用于调查聚氨酯泡沫工业生产过程中出现的许多问题。通过使用从过程中收集到的高度关联的过程和空间响应测定，这种方法能够清楚的展现出这些问题的特性和来源。外表响应设计将被用于调查那些在PCA/PLS研究中发现的主要过程变量的影响，并对所需要的不同响应进行优化。尤其，在工艺过程中所使用的六个模架中的两个，出现的问题是非常明显的。这些模架要从操作中取出并进行修理。影响泡沫板料的热导率K-因子和密度的那些主要过程变量通过多变量统计模型被找出来了，并且DOE的研究也被用于工艺过程的优化。最终，通过另一个PCA模型，双金属曲度问题的特性和影响曲度的重要过程

29、变量也被发现，并且，另一项DOE研究，也被用于这些关键变量对这些现象的影响的最小化过程。这些研究已经被证明能够极大的提高聚氨酯泡沫板料的质量。参考文献1 I. Kamemira, S. Terasawa, K. Tanabe, A simple procedure to determine the rate of rigid urethane reactions, Proceedings of the SPI Annual Technical/Marketing Conference (1983) 352 356.2 A.J. Rogas, J.H. Marciano, R.J. Willia

30、ms, Rigid polyurethane foams: a model of the foaming process, Polymer Engineering and Science, September, 1982.3 S. Wold, Cross-validatory estimation of the number of components in factor and principal component models, Technometrics 20 (1978) 397405.4 J.V. Kresta, J.F. MacGregor, T.E. Marlin, Multi

31、variate statistical monitoring of process operating performance, Canadian Journal of Chemical Engineering 69 (1991) 35 47.5 T. Kourti, J.F. MacGregor, Multivariate SPC methods for process and product monitoring, Journal of Quality Technology (1996) 409428.6 A. Cohen, L.D. Booth, Thermal warp of foam

32、-filled composite panels, 30th Annual of Polyurethane Technical/Marketing Conference, 1986, pp. 298 303.7 J.A. Hartsock, Thermal warp of composite panels, Journal of Cellular Plastics, April (1965) 291295.8 L.D. Booth, L.M. Huber, Bimetallic bow of rigid urethane foam composites, Proceedings of the

33、SPI 6th International Technology Marketing Conference, 1983, pp. 85 99.9 L.D. Booth, P. Kleelen, New appliance foam system, a solution to cabinet bow, 27th Annual Technology/Marketing Conference, 1982, pp. 238 243.英文原文：Analysis and optimization of a polyurethane reaction injectionmolding (RIM) proce

34、ss using multivariate projection methodsAbstractPrincipal component analysis (PCA) and projection to latent structure (PLS) methods are used with industrial data tosuccessfully diagnose several different problems arising in the manufacturing of rigid polyurethane foam insulation panels. ThePCA and P

35、LS models are used to reveal the spatial variation of quality variables throughout the foamed product, and theirrelations with the process variables. Designed experiments are performed in the key process variables identified from the PCAstudies and the results are used to optimize the process.D 2002

36、 Elsevier Science B.V. All rights reserved.Keywords: Polyurethane; Reaction injection molding; Projection method1. IntroductionIn the last two decades, chemical processes, likemany other industries, have been going through arevolution in their data collection systems. Machineintelligence, immense da

37、ta storage capacity, and highthroughput data acquisition systems have driven thecost per data point down to a very low level. Masses ofdata are now available by measuring process variablesas well as quality variables either on line or in qualitycontrol labs.Projection methods such as principal compo

38、nentanalysis (PCA) and projection to latent structure(PLS) provide a way to handle the highly correlateddata collected by these systems. In addition, they dealeffectively with multiple response variables and withmissing data, and they provide a good tool to extractand highlight the systematic variat

39、ion in these multi-variate data sets.The most important property of projection methodsis the capability to reduce the multivariate dimension ofa problem into a low-dimensional space, usually con-software of Umetrics was used for the PCA/PLSanalyses performed in this work.The focus of this study is t

40、he application of themultivariate projection methods for the diagnosis andanalysis of a polyurethane reaction injection process.The main objectives of this research are to understandthe spatial variation in the process, correct the causes ofthis variation, and optimize the quality variables.2. The m

41、echanism of polyurethane formationThe process of insulating refrigerators involvesreaction injection molding (RIM) to form polyur-ethane foam. Each refrigerator cavity serves as achemical reactor where two different sets of reactionstake place simultaneously. One is the polymerizationreaction, in wh

42、ich such bonds as urethane and ureamay be formed. The other is the foaming reaction,which involves the evolution of carbon dioxide andthe vaporization of blowing agent. Chemicals flowfrom day tanks through heat exchangers to control thetemperature and then into the mix-head under highpressure to ins

43、ure good mixing and then the mixture isinjected inside the mold 1.In any reacting polyurethane foam, many physicaland chemical changes occur, and these vary with timeand extent of reaction as shown in Fig. 1. The temper-ature within the foam rises as the reaction proceeds and,because the foam is a g

44、ood thermal insulator, temper-ature gradients arise and can result in many problems asdiscussed later in the paper. In general, the manufactureof polyurethane rigid foam can be characterized by thefollowing four stages 2.*(I)Mixing step, where the Master batch whichcontain the polyol, a catalyst, a

45、surfactant and ablowing agent is mixed under high pressure withthe isocyanate in the mix-head.(II) Cream period, in which the temperature increasecaused by the exothermic chemical reaction, is suf-ficient to promote the activity of the blowing agent.(III) Rise period, in which the blowing agent evap

46、o-rates raising the foam until a sufficient rigidity isreached by either free rising or when the mold isfilled.(IV) Post curing step, in which the polymer is treatedby a high temperature for a certain time.The mechanical system consists of a rotary drumunit that has a six-station rotary frame. Foam

47、fixturesare placed in each frame station. Refrigerator doors orother cavities to be foamed are placed inside the fix-tures where they are preheated, then injected with thereaction mixture in one position on the drum unit.Once foamed, the drum unit rotates the fixturethrough five other positions for

48、curing, while the otherpositions are foamed, and eventually returns thefixture to the foam position. Each drum unit has twoFig. 1. Polyurethane foam formation.polyurethane foam mix-head carriages. Each carriagefoams a different door.2.1. Problem descriptionThe instability of the foaming process and

49、thecomplexity of controlling the quality variables createdthe need and motivation for this work. Two problemson this process are discussed separately as they arose atdifferent times.eight locations around the foamed panels. The criterionis to have all samples within the specified controllimits. Ther

50、mal distortion is measured using a Coor-dinate Measuring Machine (CMM) by defining a planethat passes through points located in the corners of thepanel and measures the deviation from this plane atseveral points across the panel surface to determine theshape and magnitude of surface bow.The followin

51、g quality variables are measured:The first project was to optimize the functionality ofthe polyurethane foam panels expressed by the spatialvariation of its thermal conductivity and density. Theinsulation function of the foam, measured by thermalconductivity (k-factor), is considered as a vital vari

52、ableto be controlled. It has a direct effect on the refrigeratorperformance and energy consumption. In theory, whenthe master batch is mixed with the isocyanate at a cer-tain temperature, the blowing agent boils, and creates avapor that blows the foam and reduces the density. Inrigid foam, the cells

53、 formed by the blowing agent redu-ce the transmission of heat. The lower the k-factor is, thebetter the insulation and the refrigerator performance.K*D*VoidsLeaksFace bowSide bow2.3. Process variablesK-factor values at variousspatial locations (1 8)Density values at variousspatial locations (1 8)Ide

54、ntified by sink marksin the outer steelIdentified visuallyMaximum warpage of theface foamed objectsMaximum warpage of theside foamed objectsDensity, which is an indication of foam strength, isimportant in keeping the structural rigidity of therefrigerator. It is a result of the pressure that the vaporfrom the blowing agents exerts in the cell. The cell gaspressure causes the foam to resist shrinkage.In order to reduce the scrap rate of this process,unacceptable voids and leaks have to be minimized.The objective of the second project treated in this