模具工程师如何练成

本章目的:构建模具工程师的知识体系和理念。

一、.理念:理解自身在公司的作用,其他标杆企业这个职位的作用,他们在任者优秀的品质是什么?

 

二、.知识体系

1.工程师素养

   具有严谨且系统的思维,目标导向,执行力强。

2.产品结构

  需具备一定的结构设计知识,了解产品需求:零件设计意图,零件在整机里的作用。

3.塑胶材料

  了解各种常用的塑胶材料的应用特性(包含机械性能、防火等级、耐热性、耐化性等等)、加工特性(包含熔融指数、熔胶温度、黏度曲线、剪切速率范围、模温等)、后处理(包含可喷涂丝印性能、去应力处理等)。

4.模具设计

   需要具备看懂模图能力,了解各种结构出模方案。看懂模流分析报告。

5.模具制造

  了解加工过程,各工序加工周期。对于产品外观要求点能分解到模具加工工艺要求。

6.注塑成型

   了解注塑机原理,理解各种缺陷造成的机理。有一整套试模验证方法:确认成型参数合理性-->走胶板观察走胶过程,有助于缺陷解决-->外观尺寸确认-->取样-->问题总结及改善计划-->尺寸测量及样品性能测试-->与客户沟通问题点并封闭。

7.后处理

   喷油丝印、热压螺母等。

8.项目管理

   计划管理、时间管理、沟通技巧、执行力。

转载于:https://www.cnblogs.com/TDmodule/p/10118470.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值