IA para conformado de chapa metálica: predicción de springback y optimización del diseño de matrices
Cuando una chapa metálica se dobla en una operación de conformado, no permanece en el ángulo exacto de la matriz. Recupera parcialmente su forma plana original. Ese springback se debe a la recuperación elástica del material una vez que se retiran las fuerzas de conformado. La magnitud del springback depende del tipo de material, espesor, radio de doblado, dirección del grano y de los parámetros del proceso.
Compensar el springback es uno de los aspectos más difíciles del diseño de matrices para chapa. Si necesita un doblez de 90 grados en la pieza terminada, podría tener que doblarla a 88 grados en la matriz, sabiendo que recuperará 2 grados. Pero ese springback de 2 grados no es constante. Cambia con las variaciones de lote del material, la temperatura y el desgaste de la herramienta. La predicción y compensación con IA hace este proceso más preciso.
Por qué el springback es difícil de predecir
El springback depende del comportamiento esfuerzo-deformación del material, que no queda perfectamente descrito por las propiedades estándar del mill certificate. El springback real para una pieza específica depende del límite elástico, módulo elástico, comportamiento de endurecimiento por deformación y anisotropía del material, todos los cuales varían entre bobinas e incluso dentro de una misma bobina.
La simulación por Finite Element Analysis (FEA) puede predecir el springback, pero su exactitud depende de tener buenos datos del material y un modelo de fricción preciso, ambos difíciles de obtener para condiciones de producción. El resultado es que las predicciones de springback por FEA suelen tener un error significativo y exigen ajustes de la matriz por prueba y error.
Cómo mejora la IA la predicción
La predicción de springback basada en IA aprende de los datos reales de producción. Correlaciona el springback medido en piezas conformadas con las propiedades del material en el mill certificate, los parámetros reales de conformado (tonelaje, velocidad, temperatura) y la condición de la herramienta. Con el tiempo construye un modelo de predicción más exacto que el FEA solo, porque captura los efectos del mundo real que los modelos teóricos no consideran.
Cuando llega una nueva bobina, la IA usa las propiedades del mill certificate para predecir el springback esperado para cada geometría. Si el springback predicho difiere de la compensación de la matriz, la IA recomienda ajustes de proceso: cambiar el ángulo de overbend, ajustar el tonelaje o modificar el tiempo de sostenimiento.
Compensación adaptativa de la matriz
En las implementaciones más avanzadas, la prensa se ajusta automáticamente a partir de la predicción de IA. Las prensas servoaccionadas pueden modificar la profundidad del recorrido, el perfil de velocidad y el tiempo de sostenimiento pieza por pieza. Cuando la IA predice mayor springback para un lote particular, la prensa incrementa automáticamente el overbend para compensarlo.
Este enfoque adaptativo produce piezas que se mantienen dentro de tolerancia de manera consistente, sin importar las variaciones del material. Reduce el scrap y el retrabajo que generan los diseños estáticos de matriz cuando cambian las propiedades del material.
Para más información sobre optimización de procesos con IA en manufactura, visite la página de análisis de manufactura de FirmAdapt.