一, tehnoloģiju integrācija: AI vadīta inteliģenta iesmidzināšanas veidņu jaunināšana
1. Gudra veidņu dizaina rekonstrukcija
Tradicionālā iesmidzināšanas veidņu konstrukcija balstās uz inženiera pieredzi un cieš no gariem cikliem un augsta kļūdu līmeņa. AI tehnoloģijas ieviešana ļauj padziļināti analizēt masveida dizaina datus (piemēram, materiālu īpašības, formēšanas procesa parametrus un vēsturiskus defektu gadījumus), izmantojot mašīnmācīšanās algoritmus, kas var automātiski ģenerēt optimizācijas risinājumus. Piemēram, programmatūra, kuras pamatā ir ģeneratīvs dizains, var apvienot produkta funkcionālās prasības un ražošanas apstākļus, lai ātri radītu optimālus risinājumus galvenajām konstrukcijām, piemēram, atdalīšanas virsmām, ieliešanas sistēmām un dzesēšanas ūdens ķēdēm, samazinot veidņu projektēšanas ciklus par vairāk nekā 40%. Izliektā aizmugurējā vāciņa veidnē Huawei Mate sērijas viedtālruņiem mākslīgais intelekts simulē materiāla plūsmas uzvedību dažādos izliekumos, lai kontrolētu spraugas kļūdu 0,005 mm robežās, nodrošinot virsmas piemērotību un produkta ražīgumu.
2. Reālā laika optimizācija un ražošanas procesa prognozēšana
AI tehnoloģija, izmantojot sensoru tīklus, apkopo reāllaika{0}}parametrus, piemēram, temperatūru, spiedienu, ātrumu un iesmidzināšanas formēšanas iekārtu stāvokli, un apvieno tos ar neironu tīklu modeļiem, lai prognozētu liešanas kvalitāti. Piemēram, noteikta uzņēmuma izstrādāta mākslīgā intelekta procesa optimizācijas sistēma var jau iepriekš identificēt defektu riskus, piemēram, īsu kadru, zibspuldzi un deformāciju, analizējot dobuma spiediena datus (ar precizitāti ± 0,1 MPa), un automātiski pielāgot turēšanas spiedienu un dzesēšanas laiku, samazinot produkta defektu līmeni no 3% līdz 0,5%. Ražojot 5G bāzes staciju antenu pārsegus, mākslīgā intelekta sistēma optimizēja spirālveida kanāla dizainu, simulējot LCP materiāla dielektriskos zudumus augstas-frekvences signālos, stabilizējot antenas pārsega zudumu pie 0,0028 10 GHz frekvenču joslā, kas atbilst 5G sakaru prasībām.
3. Precīza pelējuma dzīves ilguma prognozēšana un uzturēšana
AI tehnoloģija var paredzēt veidņu atlikušo kalpošanas laiku un nodrošināt agrīnu brīdinājumu, analizējot veidņu lietošanas datus (piemēram, atvēršanas un aizvēršanas laiku, spiedes spēku, temperatūras svārstības), apvienojumā ar materiāla noguruma modeļiem. Piemēram, mākslīgā intelekta apkopes sistēma, ko ieviesa noteikts automobiļu elektronisko veidņu uzņēmums, dinamiski pielāgo cieto sakausējumu griezējinstrumentu nomaiņas ciklu no fiksēta 8 stundu cikla līdz 10–12 stundām, pārraugot sešu asu robota vibrācijas datus iekraušanas un izkraušanas laikā, apvienojumā ar algoritmu, kas apmācīts 5000+vēsturisku kļūdu gadījumos. Instrumenta lūzuma līmenis ir samazināts no 2% līdz 0,28%, ietaupot instrumenta gada izmaksas 2,1 miljonu juaņu apmērā.
2. Lietojuma scenārijs: AI elektronisko produktu pieprasījuma virzīts pelējuma tehnoloģiju sasniegums
1. Miniaturizācija un augstas-precizitātes ražošana
Tendence uz AI elektronisko izstrādājumu, piemēram, AR/VR ierīču, mikrosensoru un medicīnas elektronikas miniaturizāciju, izvirza ārkārtīgi lielas prasības iesmidzināšanas veidņu precizitātei. Piemēram, Sunny Optics izstrādātā mikroobjektīva turētāja veidne VR ierīcēm ir tikai 2,5 mm × 1,8 mm. Izmantojot rubīna vadotnes (ar 5 reizes lielāku nodilumizturību) un pjezoelektriskās iesmidzināšanas vienības (ar iesmidzināšanas ātrumu 500 mm/s), tiek sasniegta izmēru pielaide 0,001 mm; Asins glikozes sensora elektrodu veidnē medicīnas elektronikas uzņēmumā tiek izmantota magnētiskās levitācijas pozicionēšanas tehnoloģija (pozicionēšanas precizitāte ± 0,0005 mm), lai kontrolētu 0,002 mm robežās starp ieliktni un plastmasu, tādējādi atrisinot sensora signāla novirzes problēmu.
2. Izaicinājumi augstas veiktspējas materiālu veidošanā
Prasības attiecībā uz materiāla īpašībām, piemēram, augstas temperatūras pretestību, augstu siltumvadītspēju un bioloģisko saderību mākslīgā intelekta elektroniskajos izstrādājumos, veicina veidņu tehnoloģijas jaunināšanu. Piemēram, PEEK materiāla veidnēm, ko izmanto aviācijas elektroniskajiem savienotājiem, ir jāuztur vienmērīga dobuma temperatūra (temperatūras starpība ± 1 grāds) 360–380 grādos, ko nevar izpildīt tradicionālie sildstieņi. Tomēr AI vadīta konformālā dzesēšanas ūdens ķēdes tehnoloģija var saīsināt dzesēšanas laiku no 35 sekundēm līdz 21 sekundei un palielināt formēšanas ražu no 85% līdz 98%; Noteikta videi draudzīga lādētāja apvalka veidne ir izgatavota no 30% kukurūzas cietes modificēta PLA materiāla. Pateicoties AI optimizētai formai pēc dzesēšanas dizaina, saraušanās ātrums tiek samazināts no 15% līdz 2,8%, un rūpnieciskās kompostēšanas apstākļos apvalks var pilnībā noārdīties 180 dienu laikā.
3. Personalizēšana un elastīga ražošana
AI elektronisko produktu ātrai iterācijai, piemēram, ikgadējai viedtālruņu nomaiņai, veidnēm ir jābūt iespējai ātri mainīt veidnes un elastīgu ražošanu. Piemēram, Lenovo Xiaoxin sērijas klēpjdatora plaukstas turētāja veidne ir izstrādāta modulāri, samazinot veidņu maiņas laiku no 4 stundām līdz 30 minūtēm un atbalstot vairāku produktu modeļu kopražošanu; Konkrēta e-cigarešu uzņēmuma izstrādātā elektroniskās cigaretes apvalka veidne optimizēja vārtu pozīciju, izmantojot Moldflow simulāciju, samazinot izmēģinājuma veidņu skaitu no 5 uz 2 un saīsinot izstrādes ciklu par 32 dienām, tādējādi apmierinot tirgus pieprasījumu pēc ātras reaģēšanas.
3, Rūpniecības izaicinājums: sadarbīgs tehnoloģiju, izmaksu un ekoloģijas izrāviens
1. augstas-precizitātes ražošanas tehniskais trūkums
AI elektronisko produktu miniaturizācija ir ievērojami palielinājusi veidņu struktūru sarežģītību. Piemēram, Mini LED fona apgaismojuma moduļa gaismas vadotnes plāksnes veidnei ir jāapstrādā 1,2 miljoni mikroobjektīvu bloku ar 0,15 mm diametru. Tradicionālā CNC apstrāde aizņem 280 stundas, un virsmas precizitāte (PV vērtība) ir tikai 0,5 μm, kas nevar nodrošināt pretgaismas vienmērīguma prasību (PV vērtība Mazāka vai vienāda ar 0,3 μm); Plastmasas detaļu veidnei, kas paredzēta saliekamā ekrāna mobilā tālruņa eņģēm, ir jāpanāk daudzvirzienu serdeņa vilkšana 6 serdeņu vilkšanas virzienos ar sinhronās precizitātes prasību ± 0,003 mm veidnes aizvēršanai. Tradicionālās hidrauliskās serdes vilkšanas sistēmas reakcijas aizkave ir aptuveni 0,05 sekundes, kas var viegli izraisīt komponentu zibspuldzi ar tikai 82% ienesīguma līmeni.
2. Izmaksu spiediens par augstas veiktspējas-materiāliem
Bioloģiski bāzētu materiālu, piemēram, PLA un PHA, apstrādei pelējuma formā ir vajadzīgas īpašas metodes. Piemēram, PHA materiāli ir pakļauti degradācijai, kad iesmidzināšanas veidņu temperatūra pārsniedz 190 grādus, un ir nepieciešamas pielāgotas skrūves ar hroma pārklājumu un gradienta rievām, kā rezultātā pelējuma izmaksas ir par 12–15% augstākas nekā tradicionālajām veidnēm; Milimetru viļņu radara apvalka veidnē, ko izstrādājis noteikts uzņēmums, tiek izmantots modificēts PPO materiāls, kas apvienots ar veidņu pārklāšanas tehnoloģiju, lai sasniegtu termisko deformāciju, kas ir mazāka par vai vienāda ar 0,1 mm/m vidē no -40 grādiem līdz 85 grādiem, bet pārklājuma materiāla izmaksas veido 25% no kopējām veidņu izmaksām.
3. Starpdisciplinārs talants un ekoloģiskā sadarbība
AI iesmidzināšanas veidņu izstrādei ir nepieciešams integrēt zināšanas no vairākām disciplīnām, piemēram, materiālu zinātnes, mašīnbūves un datorzinātnes. Piemēram, mākslīgā intelekta algoritmu inženieriem ir jāsaprot veidņu vadotnes projektēšanas principi, savukārt veidņu dizaineriem ir jāapgūst mašīnmācīšanās modeļu pielietojuma scenāriji; Turklāt mākslīgā intelekta tehnoloģijas ieviešanai pelējuma uzņēmumiem ir jāveido ekoloģiska sinerģija ar AI risinājumu nodrošinātājiem, sensoru piegādātājiem, mākoņdatošanas platformām u.c. Piemēram, RJG nodrošinātais dobuma spiediena sensors un procesa vadības sistēma ir kļuvusi par galveno infrastruktūru mākslīgā intelekta iesmidzināšanas procesu optimizēšanai.
