一, Integrare tehnologică: upgrade inteligent bazat pe inteligență artificială a matrițelor de injecție
1. Reconstrucție inteligentă a designului matriței
Designul tradițional al matriței de injecție se bazează pe experiența inginerului și suferă de cicluri lungi și rate mari de eroare. Introducerea tehnologiei AI permite analiza profundă a datelor de proiectare masive (cum ar fi proprietățile materialelor, parametrii procesului de turnare și cazurile istorice de defecte) prin algoritmi de învățare automată, care pot genera automat soluții de optimizare. De exemplu, software-ul bazat pe design generativ poate combina cerințele funcționale ale produsului și condițiile de producție pentru a obține rapid soluții optime pentru structurile cheie, cum ar fi suprafețele de despărțire, sistemele de turnare și circuitele de apă de răcire, reducând ciclurile de proiectare a matriței cu mai mult de 40%. În proiectarea matriței curbe pentru capacul din spate pentru telefoanele inteligente din seria Huawei Mate, AI simulează comportamentul fluxului de material sub diferite curburi pentru a controla eroarea de gol în 0,005 mm, asigurând potrivirea suprafeței și randamentul produsului.
2. Optimizarea în timp real și predicția procesului de producție
Tehnologia AI colectează-parametri în timp real, cum ar fi temperatura, presiunea, viteza și poziția mașinilor de turnat prin injecție prin intermediul rețelelor de senzori și le combină cu modele de rețele neuronale pentru a prezice calitatea turnării. De exemplu, un sistem de optimizare a procesului AI dezvoltat de o anumită întreprindere poate identifica în avans riscurile de defect, cum ar fi fulgerul scurt, blițul și deformarea prin analiza datelor despre presiunea cavității (cu o precizie de ± 0,1 MPa) și poate ajusta automat presiunea de menținere și timpul de răcire, reducând rata defectelor produsului de la 3% la 0,5%. În producția de capace de antenă pentru stația de bază 5G, sistemul AI a optimizat designul canalului spiralat prin simularea pierderii dielectrice a materialului LCP sub semnale de frecvență înaltă, stabilizând pierderea capacului antenei la 0,0028 în banda de frecvență de 10GHz, îndeplinind cerințele comunicației 5G.
3. Predicție precisă și întreținere a duratei de viață a matriței
Tehnologia AI poate prezice durata de viață rămasă a matrițelor și poate oferi avertizare timpurie prin analiza datelor de utilizare a matriței (cum ar fi timpii de deschidere și închidere, forța de împingere, fluctuațiile de temperatură), combinate cu modele de oboseală a materialului. De exemplu, un sistem de întreținere AI introdus de o anumită companie de matrițe electronice auto ajustează dinamic ciclul de înlocuire al sculelor de tăiere din aliaj dur de la un ciclu fix de 8 ore la 10-12 ore prin monitorizarea datelor de vibrație ale unui robot cu șase axe în timpul încărcării și descărcării, combinate cu un algoritm antrenat pe {{3}cazuri istorice de erori. Rata de rupere a sculei este redusă de la 2% la 0,28%, economisind un cost anual al sculei de 2,1 milioane de yuani.
2, Scenariul de aplicare: revoluție tehnologică bazată pe cererea de produse electronice AI
1. Miniaturizare și producție de-înaltă precizie
Tendința către miniaturizarea produselor electronice AI, cum ar fi dispozitivele AR/VR, microsenzorii și electronicele medicale, impune cerințe extreme cu privire la acuratețea matrițelor de injecție. De exemplu, matrița pentru suport pentru lentile micro dezvoltată de Sunny Optics pentru dispozitivele VR are o dimensiune a cavității de numai 2,5 mm × 1,8 mm. Prin utilizarea stâlpilor de ghidare rubin (cu o creștere de 5 ori a rezistenței la uzură) și a unităților de injecție piezoelectrice (cu o viteză de injecție de 500 mm/s), se realizează o toleranță dimensională de 0,001 mm; Forma cu electrozi a unui senzor de glucoză din sânge dintr-o întreprindere de electronică medicală folosește tehnologia de poziționare cu levitație magnetică (precizia de poziționare ± 0,0005 mm) pentru a controla distanța de potrivire dintre inserție și plastic la 0,002 mm, rezolvând problema deviației semnalului senzorului.
2. Provocări în formarea materialelor de înaltă performanță
Cerințele pentru proprietățile materialelor, cum ar fi rezistența la temperatură ridicată, conductivitate termică ridicată și biocompatibilitatea în produsele electronice AI conduc la modernizarea tehnologiei matriței. De exemplu, matrițele din material PEEK utilizate pentru conectorii electronici de aviație trebuie să mențină temperatura uniformă a cavității (diferență de temperatură ± 1 grad) la 360-380 de grade, pe care tijele de încălzire tradiționale nu o pot îndeplini. Cu toate acestea, tehnologia circuitelor de apă de răcire conformă condusă de AI poate scurta timpul de răcire de la 35 de secunde la 21 de secunde și poate crește randamentul de turnare de la 85% la 98%; O anumită matriță ecologică pentru încărcător este realizată din material PLA modificat cu amidon de porumb 30%. Prin forma optimizată AI după proiectarea răcirii, rata de contracție este redusă de la 15% la 2,8%, iar carcasa poate fi complet degradată în 180 de zile în condiții de compostare industrială.
3. Personalizare și producție flexibilă
Iterația rapidă a produselor electronice AI, cum ar fi înlocuirea anuală a smartphone-urilor, necesită ca matrițele să aibă capacitatea de a schimba rapid matrițele și o producție flexibilă. De exemplu, matrița pentru suport de palmă pentru laptop din seria Lenovo Xiaoxin a fost proiectată modular, reducând timpul de schimbare a matriței de la 4 ore la 30 de minute și susținând coproducția mai multor modele de produse; Matrița pentru carcasa unei țigări electronice dezvoltată de o anumită companie de e-țigări electronice a optimizat poziția porții prin simularea Moldflow, reducând numărul de matrițe de probă de la 5 la 2 și scurtând ciclul de dezvoltare cu 32 de zile, satisfacând cererea pieței de răspuns rapid.
3, Provocare industrială: descoperire colaborativă a tehnologiei, costurilor și ecologiei
1. Blocaj tehnic al producției de-înaltă precizie
Miniaturizarea produselor electronice AI a dus la o creștere semnificativă a complexității structurilor matrițelor. De exemplu, matrița pentru plăci de ghidare a luminii a modulului de iluminare de fundal LED Mini trebuie să proceseze 1,2 milioane de matrice de micro lentile cu un diametru de 0,15 mm. Prelucrarea CNC tradițională durează 280 de ore, iar precizia suprafeței (valoarea PV) este de numai 0,5 μ m, ceea ce nu poate îndeplini cerința de uniformitate a luminii de fundal (valoarea PV mai mică sau egală cu 0,3 μ m); Forma de componentă din plastic pentru balamalele pentru telefoane mobile cu ecran pliabil trebuie să realizeze tragere multi-direcțională a miezului în 6 direcții de tragere a miezului, cu o cerință de precizie sincronă de ± 0,003 mm pentru închiderea matriței. Sistemul tradițional de tragere a miezului hidraulic are o întârziere de răspuns de aproximativ 0,05 secunde, ceea ce poate duce cu ușurință la fulgerarea componentelor, cu o rată de curgere de numai 82%.
2. Presiunea costurilor-materialelor de înaltă performanță
Prelucrarea mucegaiului a materialelor biobazate, cum ar fi PLA și PHA, necesită tehnici speciale. De exemplu, materialele PHA sunt predispuse la degradare atunci când temperaturile de turnare prin injecție depășesc 190 de grade, necesitând șuruburi personalizate cu acoperire cromată și caneluri gradiente, ceea ce duce la costuri cu matriță cu 12% -15% mai mari decât matrițele tradiționale; Matrița radar cu undă milimetrică dezvoltată de o anumită întreprindere utilizează material PPO modificat, combinat cu tehnologia de acoperire în matriță pentru a obține o deformare termică mai mică sau egală cu 0,1 mm/m într-un mediu de -40 grade până la 85 grade, dar costul materialului de acoperire reprezintă 25% din costul total al matriței.
3. Talent interdisciplinar și colaborare ecologică
Dezvoltarea matrițelor de injecție AI necesită integrarea cunoștințelor din mai multe discipline, cum ar fi știința materialelor, ingineria mecanică și informatica. De exemplu, inginerii de algoritmi AI trebuie să înțeleagă principiile proiectării curelelor de matriță, în timp ce designerii de matrițe trebuie să stăpânească scenariile de aplicare ale modelelor de învățare automată; În plus, implementarea tehnologiei AI impune companiilor de matriță să formeze o sinergie ecologică cu furnizorii de soluții AI, furnizorii de senzori, platformele de cloud computing etc. De exemplu, senzorul de presiune al cavității și sistemul de control al proceselor furnizate de RJG au devenit infrastructura cheie pentru optimizarea proceselor de turnare prin injecție AI.
