一, technologijų integravimas: AI pagrįstas intelektualus įpurškimo formų atnaujinimas
1. Išmani pelėsių dizaino rekonstrukcija
Tradicinis įpurškimo formos dizainas priklauso nuo inžinieriaus patirties ir kenčia nuo ilgų ciklų ir didelio klaidų lygio. DI technologijos įdiegimas leidžia giliai analizuoti didžiulius projektavimo duomenis (pvz., medžiagų savybes, liejimo proceso parametrus ir istorinius defektų atvejus) naudojant mašininio mokymosi algoritmus, kurie gali automatiškai generuoti optimizavimo sprendimus. Pavyzdžiui, programinė įranga, pagrįsta generatyviniu projektavimu, gali derinti gaminio funkcinius reikalavimus ir gamybos sąlygas, kad greitai pateiktų optimalius sprendimus pagrindinėms struktūroms, tokioms kaip atskyrimo paviršiai, išpylimo sistemos ir aušinimo vandens grandinės, taip sumažinant pelėsių projektavimo ciklus daugiau nei 40%. Kuriant Huawei Mate serijos išmaniųjų telefonų lenkto galinio dangtelio formą, dirbtinis intelektas imituoja medžiagų srautą esant skirtingiems kreiviams, kad būtų galima kontroliuoti tarpo paklaidą 0,005 mm ribose, užtikrinant paviršiaus tinkamumą ir produkto išeigą.
2. Realaus laiko optimizavimas ir gamybos proceso numatymas
AI technologija per jutiklių tinklus renka{0}}realaus laiko parametrus, tokius kaip temperatūra, slėgis, greitis ir liejimo mašinų padėtis, ir sujungia juos su neuroninių tinklų modeliais, kad prognozuotų liejimo kokybę. Pavyzdžiui, tam tikros įmonės sukurta dirbtinio intelekto proceso optimizavimo sistema, analizuodama ertmės slėgio duomenis (± 0,1 MPa tikslumu), gali iš anksto nustatyti defektų riziką, pavyzdžiui, trumpą kadrą, blykstę ir deformaciją, ir automatiškai reguliuoti laikymo slėgį bei aušinimo laiką, sumažindama gaminio defektų dažnį nuo 3% iki 0,5%. Gamindama 5G bazinių stočių antenų gaubtus, dirbtinio intelekto sistema optimizavo spiralinio kanalo dizainą, imituodama LCP medžiagos dielektrinį praradimą esant aukšto-dažnio signalams, stabilizuodama antenos gaubto praradimą ties 0,0028 10 GHz dažnių juostoje, atitinkančią 5G ryšio reikalavimus.
3. Tikslus pelėsių naudojimo trukmės numatymas ir priežiūra
Dirbtinio intelekto technologija gali numatyti likusį formų naudojimo laiką ir pateikti išankstinį įspėjimą analizuodama pelėsių naudojimo duomenis (pvz., atidarymo ir uždarymo laiką, stūmimo jėgą, temperatūros svyravimus), kartu su medžiagų nuovargio modeliais. Pavyzdžiui, tam tikros automobilių elektroninių liejimo formų įmonės įdiegta dirbtinio intelekto priežiūros sistema dinamiškai koreguoja kietojo lydinio pjovimo įrankių keitimo ciklą nuo fiksuoto 8 valandų ciklo iki 10–12 valandų, stebėdama šešių ašių roboto vibracijos duomenis pakraunant ir iškraunant, kartu su algoritmu, parengtu 5000+istorinių gedimų atvejais. Įrankio lūžimo greitis sumažinamas nuo 2% iki 0,28%, sutaupant metines įrankio išlaidas 2,1 mln. juanių.
2, taikymo scenarijus: AI elektroninių gaminių paklausa lemia pelėsių technologijos proveržis
1. Miniatiūrizavimas ir labai{1}}tiksli gamyba
Tendencija mažinti dirbtinio intelekto elektroninius gaminius, tokius kaip AR/VR įrenginiai, mikrojutikliai ir medicininė elektronika, kelia itin didelius reikalavimus įpurškimo formų tikslumui. Pavyzdžiui, „Sunny Optics“ VR įrenginiams sukurtos mikro objektyvo laikiklio formos ertmės dydis yra tik 2,5 mm × 1,8 mm. Naudojant rubino kreipiamuosius stulpelius (5 kartus padidinus atsparumą dilimui) ir pjezoelektrinius įpurškimo įrenginius (500 mm/s įpurškimo greičiu), pasiekiamas 0,001 mm matmenų paklaida; Gliukozės kiekio kraujyje jutiklio elektrodo forma medicinos elektronikos įmonėje naudoja magnetinės levitacijos padėties nustatymo technologiją (padėties nustatymo tikslumas ± 0,0005 mm), kad būtų galima valdyti tarpą tarp įdėklo ir plastiko 0,002 mm, taip išspręsdama jutiklio signalo dreifo problemą.
2. Iššūkiai formuojant aukštos kokybės medžiagas
Medžiagų savybių, tokių kaip atsparumas aukštai temperatūrai, didelis šilumos laidumas ir biologinis suderinamumas dirbtinio intelekto elektroniniuose gaminiuose, reikalavimai skatina formų technologijos atnaujinimą. Pavyzdžiui, PEEK medžiagos formos, naudojamos aviacijos elektroninėms jungtims, turi palaikyti vienodą ertmės temperatūrą (temperatūros skirtumas ± 1 laipsnis) 360–380 laipsnių, o tradiciniai šildymo strypai negali patenkinti. Tačiau dirbtinio intelekto valdoma konformali aušinimo vandens grandinės technologija gali sutrumpinti aušinimo laiką nuo 35 sekundės iki 21 sekundės ir padidinti liejimo išeigą nuo 85% iki 98%; Tam tikra aplinkai nekenksminga įkroviklio korpuso forma yra pagaminta iš 30% kukurūzų krakmolu modifikuotos PLA medžiagos. Dėl AI optimizuotos formos pagal aušinimo dizainą susitraukimo greitis sumažėja nuo 15% iki 2,8%, o korpusas gali visiškai suirti per 180 dienų pramoninio kompostavimo sąlygomis.
3. Personalizavimas ir lanksti gamyba
Dėl greito dirbtinio intelekto elektroninių gaminių kartojimo, pavyzdžiui, kasmet keičiant išmaniuosius telefonus, formoms reikia turėti galimybę greitai pakeisti formas ir lanksčiai gaminti. Pavyzdžiui, „Lenovo Xiaoxin“ serijos nešiojamojo kompiuterio delno laikiklio forma buvo sukurta moduliniu būdu, sutrumpinant pelėsių keitimo laiką nuo 4 valandų iki 30 minučių ir remiant kelių modelių gaminių bendrą gamybą; Tam tikros e-cigarečių įmonės sukurta elektroninių cigarečių apvalkalo forma optimizavo vartų padėtį naudojant Moldflow modeliavimą, sumažindama bandomųjų formų skaičių nuo 5 iki 2 ir sutrumpindama kūrimo ciklą 32 dienomis, patenkindama rinkos poreikį greitai reaguoti.
3, Pramonės iššūkis: bendradarbiavimo technologijų, sąnaudų ir ekologijos proveržis
1. Techninė didelio-tikslios gamybos kliūtis
AI elektroninių gaminių miniatiūrizavimas žymiai padidino formų struktūrų sudėtingumą. Pavyzdžiui, Mini LED foninio apšvietimo modulio šviesos kreipiančiosios plokštės forma turi apdoroti 1,2 milijono mikro lęšių matricų, kurių skersmuo yra 0,15 mm. Tradicinis CNC apdirbimas trunka 280 valandų, o paviršiaus tikslumas (PV vertė) yra tik 0,5 μm, o tai negali atitikti foninio apšvietimo vienodumo reikalavimo (PV vertė Mažiau nei 0,3 μm arba lygi jai); Plastikinės sudedamosios dalies forma, skirta sulankstomo ekrano mobiliųjų telefonų vyriams, turi pasiekti daugiakryptį šerdies traukimą 6 šerdies traukimo kryptimis, o formos uždarymui reikalingas sinchroninis tikslumo reikalavimas ± 0,003 mm. Tradicinės hidraulinės šerdies traukimo sistemos atsako uždelsimas yra apie 0,05 sekundės, o tai gali lengvai sukelti komponentų blyksnį, o išeiga yra tik 82%.
2. Didelio našumo-medžiagų kainų spaudimas
Biologinių medžiagų, tokių kaip PLA ir PHA, apdorojimas formomis reikalauja specialių metodų. Pavyzdžiui, PHA medžiagos yra linkusios degraduoti, kai liejimo įpurškimo temperatūra viršija 190 laipsnių, todėl reikia pritaikytų varžtų su chromo danga ir gradiento grioveliais, todėl formų sąnaudos yra 12–15 % didesnės nei tradicinių formų; Tam tikros įmonės sukurtoje milimetrinės bangos radaro apvalkalo formoje naudojama modifikuota PPO medžiaga, kartu su formų dengimo technologija, kad šiluminė deformacija būtų mažesnė arba lygi 0,1 mm/m aplinkoje nuo -40 laipsnių iki 85 laipsnių, tačiau dangos medžiagos kaina sudaro 25% visų pelėsių sąnaudų.
3. Tarpdisciplininis talentas ir ekologinis bendradarbiavimas
Kuriant dirbtinio intelekto liejimo formas reikia integruoti kelių disciplinų, tokių kaip medžiagų mokslas, mechaninė inžinerija ir kompiuterių mokslas, žinias. Pavyzdžiui, dirbtinio intelekto algoritmų inžinieriai turi suprasti formų bėgelių projektavimo principus, o formų dizaineriai turi įsisavinti mašininio mokymosi modelių taikymo scenarijus; Be to, diegiant AI technologiją, formų įmonės turi suformuoti ekologinę sinergiją su AI sprendimų tiekėjais, jutiklių tiekėjais, debesų kompiuterijos platformomis ir kt. Pavyzdžiui, RJG teikiamas ertmės slėgio jutiklis ir proceso valdymo sistema tapo pagrindine AI liejimo procesų optimizavimo infrastruktūra.
