The presence of superficial defects in injection molded samples made out of post-consumer recycled polypropylene was investigated, varying melt Temperature, injection rate, residence time and dryness level. To do so, once the samples were produced, photos of their surfaces were acquired; analyzing those photos with Python some indexes were defined to estimate the presence of inhomogeneity of the surface and those indexes were then used to elaborate a predictive model with a Machine Learning algorithm.

Si è indagata la presenza di difettosità superficiali nello stampaggio ad iniezione di polipropilene riciclato da post consumo, variando Temperatura del fuso, velocità di iniezione, tempo di permanenza nel cilindro e grado di essiccazione. Per fare ciò, una volta stampati i provini, sono state acquisite delle foto della superficie; dall'analisi di tali foto tramite Python sono stati definiti degli indici per stimare la presenza di disomogeneità della superficie e tali indici sono poi stati utilizzati per la creazione di un modello predittivo tramite algoritmo di Machine Learning.

Analisi dei difetti superficiali nello stampaggio a iniezione di polipropilene riciclato da post consumo

AMBRA, MATTIA
2022/2023

Abstract

The presence of superficial defects in injection molded samples made out of post-consumer recycled polypropylene was investigated, varying melt Temperature, injection rate, residence time and dryness level. To do so, once the samples were produced, photos of their surfaces were acquired; analyzing those photos with Python some indexes were defined to estimate the presence of inhomogeneity of the surface and those indexes were then used to elaborate a predictive model with a Machine Learning algorithm.
2022
Surface defects analysis in injection molding of post-consumer recycled polypropylene
Si è indagata la presenza di difettosità superficiali nello stampaggio ad iniezione di polipropilene riciclato da post consumo, variando Temperatura del fuso, velocità di iniezione, tempo di permanenza nel cilindro e grado di essiccazione. Per fare ciò, una volta stampati i provini, sono state acquisite delle foto della superficie; dall'analisi di tali foto tramite Python sono stati definiti degli indici per stimare la presenza di disomogeneità della superficie e tali indici sono poi stati utilizzati per la creazione di un modello predittivo tramite algoritmo di Machine Learning.
Poliproprilene
Riciclato
Injection Molding
Machine Learning
Recycled PP
File in questo prodotto:
File Dimensione Formato  
Ambra_Mattia.pdf

accesso aperto

Dimensione 3.91 MB
Formato Adobe PDF
3.91 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/46221