For a plastic diffusion lens to uniformly diffuse light, it is important to minimize deformation that may occur during injection molding and to minimize deformation. It is essential to control the injection molding condition precisely. In addition, as the number of meshes increases, there is a limitation in that the time required for analysis increases. Therefore, We applied machine learning algorithms for faster and more precise control of molding conditions. This study attempts to predict the deformation of a plastic diffusion lens using the Decision Tree regression algorithm. As the variables of injection molding, melt temperature, packing pressure, packing time, and ram speed were set as variables, and the dependent variable was set as the deformation value. A total of 256 injection molding analyses were conducted. We evaluated the prediction model's performance after learning the Decision Tree regression model based on the result data of 256 injection molding analyses. In addition, We confirmed the prediction model's reliability by comparing the injection molding analysis results.

The cooling process in the injection molding requires the longest time. Therefore, a lot of studies have been conducted to reduce the cooling time. In particular, studies on conformal cooling channels using 3D printing are actively being conducted. In this study, the effect of the conformal cooling channel considering the hood shape instead of the conventional linear cooling channel was investigated by injection molding analysis. In the analysis results, when the conformal cooling channel was applied, the length deformation of the molded product was reduced by about 33% and the circular deformation of the hood assembled on the lens was reduced by about 7.1㎛.

Smart phones are currently the most popular electronic devices with high volume production activities driven by high demand and requirements for rapid turnaround time. The changes of displacement were analyzed according to a variable of the gate size and runner system. The radial type and gate with large size were shown that better results in displacement. While the design and production of lenses, the key component of a camera, still need to be improved, the current technology has run into its limit with regard to trends in size and weight reduction. In this study, an injection molding analysis was performed on plastic lenses that are widely employed for smart phone cameras. Specifically, the displacement of lenses at the time of injection molding was studied by varying the gate size and runner system.

목적: 플라스틱 안경렌즈의 코팅막이 최초 균열되는 시점과 시간이 지남에 따라 진행되는 균열의 양상을 관찰하고자 한다. 방법: 하드 코팅, 멀티 코팅이 된 동일한 굴절력(Sph-3.00 D)에 상이한 굴절률(n=1.56, n=1.60, n=1.67)을 가진 플라스틱 안경렌즈를 각 5장씩 사용하였다. 사우나나 찜질방에 입장하는 경우를 가정하여 그에 해당하는 온도(건식 사우나–80~100℃, 찜질방–50~90℃) 중 90℃를 선택하여 전기오븐으로 구현한 후 2, 4, 7, 10분간 넣어두었다. 지정 시간이 경과 한 후 세극등 현미경(SL-2F, Topcon, Japan)을 통해 안경렌즈 표면의 균열을 관찰하고, 분광광도계(Genova nano, Jenway, UK)를 사용하여 각 안경렌즈의 광투과율을 가시광선 범위인 380 ㎚~780 ㎚ 범위에서 측정하였다. 시간에 따라 굴절률에 따른 코팅막의 상태를 비교하였다. 결과: 2분 이내에 코팅막의 균열이 발생하였으며, 시간이 지날수록 균열이 심해졌다. 코팅 막 균열의 양상과 정도를 살펴본 결과 굴절률의 차이, 혹은 렌즈 재질의 차이로 인한 유의미한 결과값은 나오지 않았다. 고온 환경 하에 놓인 시간이 길어질수록 코팅막의 균열이 심해졌고 광투과율도 감소하였다. 광투과율 감소폭을 살펴본 결과 굴절률의 차이, 혹은 렌즈 재질의 차이로 인한 유의미한 결과값은 나오지 않았다. 실험 전의 안경렌즈와 비교해 본 바, 모든 파장에서 균일하게 광투과율이 감소한 것을 알 수 있다. 결론: 사우나나 찜질방 등의 고온의 환경이 안경렌즈 코팅에 치명적인 영향을 미친다는 것을 알게 되었다. 코팅막에 균열이 생김으로써 안경렌즈의 광학적 특성이 저하되고 미관상으로도 보기 좋지 않게 되었다. 본 연구가 고온이 안경렌즈 코팅막에 미치는 영향에 대한 자료로 활용되어, 안경 관리에 대한 착용자의 주의 사항을 인식 시켜 렌즈의 사용 기한을 연장하는데 도움이 되었으면 한다.

플라스틱 착색렌즈의 표준화 필요성올 밝히기 위하여， 시중에 유통되고 있는 플라 스틱 착색렌즈 중 A사 파란색올 농도별 (AA， A, B, C)로 선정하여， 이률 기준으로 착 색 전문가가 비색하여 설정한 시간에 맞추어 착색한 후， 표준광원을 이용하여 자외광 선부 (250-400 nm), 가시광선부 (380-780 nm), 근적외광선부 (600-1100 nm) 로 나누어 측정된 분광투과율로부터 염료의 홉수율을 얻었다. 다시 시간올 재 셜정하여， 5O"C 증류수에 혼합시켜 0.6% 용액으로 만든 다음 염색 용액의 온도를 9O"C로 유지시키면 서 착색한 후， 동일한 방법으로 분광투과올을 측정하고 홉수율로 변환하였다. 이 결 과를 바탕으로 A사 파란색 렌즈 (AA， A, B, C) 의 홉수스펙트럼올 Lorentz 함수로 fitting 하였다. 광 홉수는 시간이 증가함에 따라 전체적으로 중가하였지만 홉수율에서 %때의 위치는 일정하게 나타났다. 시간에 대한 상관관계를 분석하기 위하여 시간에 대한 상대적인 염료 두께를 구해 비교 분석한 결과 Blue AA 착색렌즈는 최대시간 0.76분， 최소시간 0.24분， 평균시간 0.55분， Blue A 착색렌즈는 최대시간 1.65분， 최소 시간 1.21 분， 평균시간 1.41 분으로， Blue B 착색렌즈는 최대시간 4.89분， 최소시간 3.1 1 분， 평균시간 3.89분， 그리고 Blue C 착색렌즈는 최대시간 10.1 1 분， 최소시간 9.14 분， 평균시간 9.61 분으로， 착색시간이 짧올수록 착색 전문가가 제시한 시간과는 오차 가 큰 것으로 나타났다.