一, Integrace technologie: Inteligentní upgrade vstřikovacích forem řízený umělou inteligencí
1. Inteligentní rekonstrukce návrhu formy
Tradiční konstrukce vstřikovacích forem se opírá o zkušenosti inženýrů a trpí dlouhými cykly a vysokou chybovostí. Zavedení technologie AI umožňuje hloubkovou analýzu masivních návrhových dat (jako jsou vlastnosti materiálů, parametry procesu lisování a historické případy defektů) pomocí algoritmů strojového učení, které mohou automaticky generovat optimalizační řešení. Například software založený na generativním návrhu může kombinovat funkční požadavky produktu a výrobní podmínky, aby rychle vytvořil optimální řešení pro klíčové struktury, jako jsou dělicí plochy, licí systémy a okruhy chladicí vody, čímž se zkrátí cykly návrhu formy o více než 40 %. Při návrhu formy zakřiveného zadního krytu pro smartphony řady Huawei Mate simuluje umělá inteligence chování materiálového toku pod různými zakřiveními, aby řídila chybu mezery v rozmezí 0,005 mm, což zajišťuje přizpůsobení povrchu a výtěžnost produktu.
2. Optimalizace a predikce výrobního procesu v reálném čase
Technologie umělé inteligence shromažďuje v reálném čase-parametry, jako je teplota, tlak, rychlost a poloha vstřikovacích lisů, prostřednictvím sítí senzorů a kombinuje je s modely neuronových sítí za účelem předpovídání kvality lisování. Například systém optimalizace procesu AI vyvinutý určitým podnikem dokáže předem identifikovat rizika defektů, jako je krátký výstřel, záblesk a deformace, pomocí analýzy údajů o tlaku v dutině (s přesností ± 0,1 MPa) a automaticky upravit přídržný tlak a dobu chlazení, čímž se sníží míra defektů produktu ze 3 % na 0,5 %. Při výrobě krytů antén základnových stanic 5G systém AI optimalizoval návrh spirálového kanálu simulací dielektrické ztráty materiálu LCP pod vysokofrekvenčními signály, stabilizoval ztrátu krytu antény na 0,0028 ve frekvenčním pásmu 10 GHz, což splňuje požadavky komunikace 5G.
3. Přesná předpověď a údržba životnosti formy
Technologie AI dokáže předvídat zbývající životnost forem a poskytovat včasné varování analýzou údajů o používání forem (jako jsou časy otevírání a zavírání, tlačná síla, kolísání teploty) v kombinaci s modely únavy materiálu. Například systém údržby AI zavedený jistou společností vyrábějící elektronické formy pro automobilový průmysl dynamicky upravuje cyklus výměny řezných nástrojů z tvrdé slitiny z pevného 8hodinového cyklu na 10–12 hodin sledováním údajů o vibracích šestiosého robota během nakládání a vykládání v kombinaci s algoritmem vyškoleným na 5000+historických případech závad. Míra poškození nástroje je snížena z 2 % na 0,28 %, čímž se ušetří roční náklady na nástroj ve výši 2,1 milionu juanů.
2, Scénář aplikace: Průlom technologie forem řízený poptávkou po elektronických produktech AI
1. Miniaturizace a vysoce{1}}přesná výroba
Trend miniaturizace elektronických produktů AI, jako jsou zařízení AR/VR, mikrosenzory a lékařská elektronika, klade extrémní požadavky na přesnost vstřikovacích forem. Například forma držáku mikročoček vyvinutá společností Sunny Optics pro zařízení VR má velikost dutiny pouze 2,5 mm × 1,8 mm. Použitím rubínových vodicích sloupků (s 5násobným zvýšením odolnosti proti opotřebení) a piezoelektrických vstřikovacích jednotek (s rychlostí vstřikování 500 mm/s) je dosaženo rozměrové tolerance 0,001 mm; Forma elektrody snímače hladiny glukózy v krvi v podniku s lékařskou elektronikou využívá technologii polohování magnetické levitace (přesnost polohování ± 0,0005 mm) k ovládání mezery mezi vložkou a plastem v rozmezí 0,002 mm, čímž se řeší problém posunu signálu snímače.
2. Výzvy při tváření vysoce výkonných materiálů
Požadavky na materiálové vlastnosti, jako je odolnost proti vysokým teplotám, vysoká tepelná vodivost a biokompatibilita elektronických produktů s umělou inteligencí, jsou hnací silou modernizace technologie forem. Například formy z materiálu PEEK používané pro letecké elektronické konektory potřebují udržovat rovnoměrnou teplotu dutiny (teplotní rozdíl ± 1 stupeň) při 360-380 stupních, což tradiční topné tyče nemohou splnit. Technologie konformního chladicího vodního okruhu řízená AI však může zkrátit dobu chlazení z 35 sekund na 21 sekund a zvýšit výtěžnost tvarování z 85 % na 98 %; Určitá forma pláště nabíječky šetrná k životnímu prostředí je vyrobena z 30% materiálu PLA upraveného kukuřičným škrobem. Díky optimalizovanému tvaru AI po konstrukci chlazení je míra smrštění snížena z 15 % na 2,8 % a skořápka může být zcela degradována za 180 dní v podmínkách průmyslového kompostování.
3. Personalizace a flexibilní výroba
Rychlá iterace elektronických produktů AI, jako je každoroční výměna smartphonů, vyžaduje, aby formy měly schopnost rychle měnit formy a flexibilní výrobu. Například forma držáku na dlaň notebooku řady Lenovo Xiaoxin byla navržena modulárně, což zkracuje dobu výměny formy ze 4 hodin na 30 minut a podporuje koprodukci více modelů produktů; Forma na skořápku elektronické cigarety vyvinutá jistou e-cigaretovou společností optimalizovala polohu brány pomocí simulace Moldflow, snížila počet zkušebních forem z 5 na 2 a zkrátila vývojový cyklus o 32 dní, čímž splnila poptávku trhu po rychlé reakci.
3, Průmyslová výzva: Společný průlom technologií, nákladů a ekologie
1. Technická překážka vysoce přesné výroby-
Miniaturizace elektronických produktů AI vedla k výraznému nárůstu složitosti struktur forem. Například forma světlovodné desky modulu podsvícení Mini LED potřebuje zpracovat 1,2 milionu polí mikročoček o průměru 0,15 mm. Tradiční CNC obrábění trvá 280 hodin a přesnost povrchu (hodnota PV) je pouze 0,5 μm, což nemůže splnit požadavek rovnoměrnosti podsvícení (hodnota PV Menší nebo rovna 0,3 μm); Forma na plastové součásti pro skládací panty obrazovky mobilních telefonů musí dosáhnout vícesměrného vytažení jádra v 6 směrech vytažení jádra s požadavkem na synchronní přesnost ± 0,003 mm pro uzavření formy. Tradiční systém hydraulického vytahování jádra má zpoždění odezvy asi 0,05 sekundy, což může snadno vést ke vzplanutí komponentu, s výtěžností pouze 82 %.
2. Tlak na cenu vysoce-výkonných materiálů
Zpracování biologických materiálů, jako jsou PLA a PHA, vyžaduje speciální techniky. Například materiály PHA jsou náchylné k degradaci, když teploty vstřikování překročí 190 stupňů, což vyžaduje přizpůsobené šrouby s chromovým povlakem a gradientními drážkami, což má za následek náklady na formy, které jsou o 12 až 15 % vyšší než u tradičních forem; Forma na skořepinu radaru s milimetrovými vlnami vyvinutá určitým podnikem používá modifikovaný materiál PPO v kombinaci s technologií potahování forem k dosažení tepelné deformace menší nebo rovné 0,1 mm/m v prostředí -40 stupňů až 85 stupňů, ale náklady na potahový materiál tvoří 25 % celkových nákladů na formy.
3. Interdisciplinární talent a ekologická spolupráce
Vývoj vstřikovacích forem s umělou inteligencí vyžaduje integraci znalostí z různých oborů, jako je materiálová věda, strojírenství a informatika. Inženýři algoritmů umělé inteligence například potřebují porozumět principům návrhu vtoků forem, zatímco konstruktéři forem potřebují zvládnout aplikační scénáře modelů strojového učení; Implementace technologie AI navíc vyžaduje, aby společnosti vyrábějící formy vytvořily ekologickou synergii s poskytovateli řešení AI, dodavateli senzorů, platformami cloud computingu atd. Klíčovou infrastrukturou pro optimalizaci procesů vstřikování AI se staly například senzor tlaku v dutině a systém řízení procesu, který poskytuje společnost RJG.
