플라스틱 제조를 위한 AI: 자동화된 금형 온도 및 압력 최적화

사출 성형, 블로우 성형, 열성형 같은 플라스틱 제조 공정은 온도와 압력 설정에 민감합니다. 금형 온도, 용융 온도, 사출 압력, 보압, 냉각 시간 사이의 상호작용이 완성된 부품의 품질을 결정합니다. 신제품에 대해 이러한 매개변수를 정확히 맞추는 것은 시행착오를 요구합니다. 조건이 변함에 따라 그 매개변수를 정확히 유지하는 것은 끊임없는 주의를 요구합니다.

AI 공정 최적화는 매개변수 설정에서 시행착오를 제거하고, 조건이 표류함에 따라 품질을 유지하는 데 필요한 끊임없는 주의를 제거합니다.

플라스틱 가공이 최적화하기 어려운 이유

근본적인 도전은 공정 매개변수가 비선형적으로 상호작용한다는 점입니다. 금형 온도를 높이면 표면 마감이 향상될 수 있지만 사이클 타임도 늘고 휨 위험도 증가합니다. 사출 압력을 높이면 금형이 더 빠르게 채워지지만 플래시를 일으키고 클램프 힘 요건을 늘릴 수 있습니다. 냉각 시간을 줄이면 사이클 타임이 향상되지만 부품이 이젝션 중에 변형될 수 있습니다.

사이클 타임을 가능한 한 짧게 유지하면서 모든 결함을 최소화하는 최적점을 찾는 것은 재료 배치 변동, 주변 온도, 금형 마모, 장비 상태에 따라 변하는 다목적 최적화 문제입니다.

AI가 공정을 최적화하는 방법

AI 공정 최적화 시스템은 모든 샷이나 사이클의 모든 공정 매개변수와 품질 결과를 모니터링합니다. 공정 매개변수를 치수 정확성, 표면 마감, 휨, 싱크 마크, 플래시, 내부 응력 등 품질 결과에 연관시키는 모델을 구축합니다.

AI는 그런 다음 이러한 모델을 사용하여 가장 짧은 사이클 타임에 최고 품질을 달성하는 매개변수 설정을 찾습니다. 약간 다른 흐름 특성을 가진 새 재료 배치가 도착하면, AI는 보정을 위해 매개변수를 조정합니다. 냉각 채널 축적으로 금형 온도가 천천히 표류하면, AI는 품질을 유지하기 위해 다른 매개변수를 적응시킵니다.

금형 온도 최적화

금형 온도는 결정성, 표면 마감, 치수 안정성을 결정하는 냉각 속도에 영향을 미치기 때문에 특히 중요합니다. 금형의 다른 영역은 부품 형상과 벽 두께에 따라 다른 온도가 필요할 수 있습니다. AI는 여러 냉각 회로를 독립적으로 조정하여 금형 전반의 온도 프로파일을 최적화하고, 더 균일한 냉각을 달성하며 휨을 줄입니다.

압력 프로파일 최적화

사출 성형은 충전, 패킹, 보압의 여러 압력 단계를 수반합니다. 각 단계의 압력 프로파일은 금형이 채워지는 방식, 재료가 다져지는 방식, 그리고 수축이 보정되는 방식에 영향을 미칩니다. AI는 특정 부품 형상과 재료를 기반으로 이러한 프로파일을 최적화하며, 종종 인간 공정 엔지니어가 시도하지 않았을 프로파일을 발견합니다.

결과는 일반적으로 품질 향상과 사이클 타임 단축의 결합입니다. 공정이 변동성을 자동으로 보정하기 때문에 부품이 더 일관됩니다. 인간 작업자가 문제를 피하기 위해 설정하는 보수적인 시간이 아닌 허용 가능한 부품을 생산하는 최소 냉각 시간을 AI가 찾기 때문에 사이클 타임이 더 짧습니다.

제조업의 AI 공정 최적화에 관한 자세한 내용은 FirmAdapt 제조업 분석 페이지를 방문하십시오.