一, Teknikintegration: AI-driven intelligent uppgradering av formsprutningsformar
1. Intelligent rekonstruktion av formdesign
Traditionell formsprutningsdesign förlitar sig på ingenjörserfarenhet och lider av långa cykler och höga felfrekvenser. Införandet av AI-teknik möjliggör djup analys av massiva designdata (såsom materialegenskaper, gjutprocessparametrar och historiska defektfall) genom maskininlärningsalgoritmer, som automatiskt kan generera optimeringslösningar. Till exempel kan mjukvara baserad på generativ design kombinera produktfunktionella krav och produktionsförhållanden för att snabbt producera optimala lösningar för nyckelstrukturer som skiljeytor, gjutsystem och kylvattenkretsar, vilket minskar formkonstruktionscyklerna med mer än 40 %. I designen av den böjda baksidans form för smartphones i Huawei Mate-serien, simulerar AI materialflödesbeteendet under olika krökningar för att kontrollera gapfelet inom 0,005 mm, vilket säkerställer ytpassningen och produktutbytet.
2. Realtidsoptimering och förutsägelse av produktionsprocessen
AI-teknik samlar in realtidsparametrar- som temperatur, tryck, hastighet och position för formsprutningsmaskiner genom sensornätverk och kombinerar dem med neurala nätverksmodeller för att förutsäga formningskvalitet. Till exempel kan ett AI-processoptimeringssystem som utvecklats av ett visst företag identifiera defektrisker som korta bilder, blixt och skevhet i förväg genom att analysera hålighetstryckdata (med en noggrannhet på ± 0,1 MPa), och automatiskt justera hålltrycket och kyltiden, vilket minskar produktdefektfrekvensen från 3 % till 0,5 %. I produktionen av 5G-basstationsantennskydd optimerade AI-systemet spiralkanaldesignen genom att simulera den dielektriska förlusten av LCP-material under hög-signaler, stabilisera förlusten av antennskyddet vid 0,0028 i 10GHz-frekvensbandet, vilket uppfyller kraven för 5G-kommunikation.
3. Exakt förutsägelse och underhåll av mögellivslängd
AI-teknik kan förutsäga formars återstående livslängd och ge tidig varning genom att analysera formanvändningsdata (som öppnings- och stängningstider, tryckkraft, temperaturfluktuationer), i kombination med materialutmattningsmodeller. Till exempel justerar ett AI-underhållssystem som introducerats av ett visst företag för elektroniska formverktyg för fordon dynamiskt utbytescykeln för skärverktyg av hårda legeringar från en fast 8-timmarscykel till 10-12 timmar genom att övervaka vibrationsdata från en sexaxlig robot under lastning och lossning, kombinerat med en algoritm som tränas i {{3}.}historiska felfall. Verktygets brottfrekvens reduceras från 2 % till 0,28 %, vilket sparar en årlig verktygskostnad på 2,1 miljoner yuan.
2, applikationsscenario: AI elektronisk produkt efterfrågan driven form teknik genombrott
1. Miniatyrisering och hög-tillverkning
Trenden mot miniatyrisering av AI-elektronikprodukter, såsom AR/VR-enheter, mikrosensorer och medicinsk elektronik, ställer extrema krav på noggrannheten i formsprutningsformarna. Till exempel har mikrolinshållarformen utvecklad av Sunny Optics för VR-enheter en kavitetsstorlek på endast 2,5 mm × 1,8 mm. Genom att använda rubinstyrstolpar (med en femfaldig ökning av slitstyrkan) och piezoelektriska injektionsenheter (med en insprutningshastighet på 500 mm/s) uppnås en dimensionstolerans på 0,001 mm; Elektrodformen för en blodsockersensor i ett företag inom medicinsk elektronik använder magnetisk levitationspositioneringsteknik (positioneringsnoggrannhet ± 0,0005 mm) för att kontrollera passningsgapet mellan insatsen och plasten inom 0,002 mm, vilket löser problemet med sensorsignaldrift.
2. Utmaningar vid framställning av högpresterande material
Kraven på materialegenskaper som hög temperaturbeständighet, hög värmeledningsförmåga och biokompatibilitet i AI-elektronikprodukter driver uppgraderingen av formteknologin. Till exempel måste PEEK-materialformar som används för elektroniska kopplingar för flyget bibehålla en enhetlig kavitetstemperatur (temperaturskillnad ± 1 grad) vid 360-380 grader, vilket traditionella värmestavar inte kan uppfylla. AI-driven konform kylvattenkretsteknik kan dock förkorta kyltiden från 35 sekunder till 21 sekunder och öka formutbytet från 85 % till 98 %; En viss miljövänlig laddarskalsform är gjord av 30 % majsstärkelsemodifierat PLA-material. Genom AI-optimerad form efter kyldesign reduceras krympningshastigheten från 15 % till 2,8 %, och skalet kan brytas ned helt på 180 dagar under industriella komposteringsförhållanden.
3. Personalisering och flexibel produktion
Den snabba iterationen av AI-elektronikprodukter, som det årliga utbytet av smartphones, kräver att formar har förmågan att snabbt byta formar och flexibel produktion. Till exempel har Lenovo Xiaoxin-seriens handflathållarform för bärbar dator designats modulärt, vilket minskar tiden för formbyte från 4 timmar till 30 minuter och stödjer samproduktion av flera produktmodeller; Formen för skalet på en elektronisk cigarett som utvecklats av ett visst e-företag optimerade portpositionen genom Moldflow-simulering, minskade antalet provformar från 5 till 2 och förkortade utvecklingscykeln med 32 dagar, vilket mötte marknadens krav på snabb respons.
3, Industriell utmaning: Samverkande genombrott av teknik, kostnader och ekologi
1. Teknisk flaskhals vid hög-tillverkning
Miniatyriseringen av AI elektroniska produkter har lett till en betydande ökning av komplexiteten i formstrukturer. Till exempel behöver ljusstyrningsplattan i Mini LED-bakgrundsbelysningsmodulen bearbeta 1,2 miljoner mikrolinsarrayer med en diameter på 0,15 mm. Traditionell CNC-bearbetning tar 280 timmar och ytnoggrannheten (PV-värde) är endast 0,5 μm, vilket inte kan uppfylla kravet på motljuslikformighet (PV-värde Mindre än eller lika med 0,3 μm); Plastkomponentformen för mobiltelefongångjärn för vikbara skärmar måste uppnå fler-kärndragning i 6 kärndragningsriktningar, med ett synkront precisionskrav på ± 0,003 mm för stängning av formen. Det traditionella hydrauliska kärndragningssystemet har en svarsfördröjning på cirka 0,05 sekunder, vilket lätt kan leda till komponentblixt, med ett utbyte på endast 82 %.
2. Kostnadstryck för hög-material
Mögelbearbetning av biobaserade material som PLA och PHA kräver speciella tekniker. Till exempel är PHA-material benägna att degraderas när formsprutningstemperaturerna överstiger 190 grader, vilket kräver skräddarsydda skruvar med krombeläggning och gradientspår, vilket resulterar i formkostnader som är 12% -15% högre än traditionella formar; Den millimetervågsradarskalform som utvecklats av ett visst företag använder modifierat PPO-material, kombinerat med formbeläggningsteknik för att uppnå en termisk deformation på mindre än eller lika med 0,1 mm/m i en miljö på -40 grader till 85 grader, men kostnaden för beläggningsmaterial står för 25% av den totala formkostnaden.
3. Tvärvetenskaplig talang och ekologiskt samarbete
Utvecklingen av AI-injektionsformar kräver integrering av kunskap från flera discipliner som materialvetenskap, maskinteknik och datavetenskap. Till exempel måste AI-algoritmingenjörer förstå principerna för formlöpardesign, medan formdesigners behöver bemästra tillämpningsscenarionerna för maskininlärningsmodeller; Implementeringen av AI-teknik kräver dessutom att formföretagen bildar en ekologisk synergi med leverantörer av AI-lösningar, sensorleverantörer, molnberäkningsplattformar etc. Till exempel har kavitetstrycksensorn och processkontrollsystemet som tillhandahålls av RJG blivit nyckelinfrastruktur för att optimera AI-formsprutningsprocesser.
