जब sheet metal को forming operation में मोड़ा जाता है, तो वह die के सटीक कोण पर नहीं रहती। यह अपने मूल समतल आकार की ओर आंशिक रूप से वापस लौट जाती है। यह springback तब होती है जब forming बल हटाने के बाद सामग्री elastic रूप से recover करती है। Springback की मात्रा सामग्री प्रकार, मोटाई, bend radius, grain दिशा, और forming प्रक्रिया parameters पर निर्भर करती है।
Springback की भरपाई करना sheet metal die design के सबसे चुनौतीपूर्ण पहलुओं में से एक है। यदि आपको finished part में 90 डिग्री का bend चाहिए, तो आपको die में 88 डिग्री तक मोड़ने की आवश्यकता हो सकती है, यह जानते हुए कि वह 2 डिग्री वापस springback करेगी। लेकिन वह 2-डिग्री springback स्थिर नहीं है। यह सामग्री batch भिन्नताओं, तापमान, और tool wear के साथ बदलती है। AI पूर्वानुमान और भरपाई इस प्रक्रिया को अधिक सटीक बनाते हैं।
Springback का पूर्वानुमान करना कठिन क्यों है
Springback सामग्री के stress-strain व्यवहार पर निर्भर करती है, जो mill certificate पर मानक सामग्री गुणों द्वारा पूरी तरह से वर्णित नहीं है। एक विशिष्ट part के लिए वास्तविक springback सामग्री yield strength, elastic modulus, strain hardening व्यवहार, और anisotropy पर निर्भर करती है, जो सभी coils के बीच और यहां तक कि एक ही coil के भीतर भी भिन्न होती हैं।
Finite Element Analysis (FEA) simulation springback का पूर्वानुमान कर सकता है, लेकिन सटीकता अच्छे सामग्री डेटा और सटीक friction model होने पर निर्भर करती है, जिनमें से दोनों production स्थितियों के लिए प्राप्त करना कठिन है। परिणाम यह है कि springback के FEA पूर्वानुमानों में अक्सर महत्वपूर्ण त्रुटि होती है, जिसके लिए die के trial-and-error समायोजन की आवश्यकता होती है।
AI पूर्वानुमान को कैसे बेहतर बनाता है
AI-आधारित springback पूर्वानुमान वास्तविक production डेटा से सीखता है। यह formed parts पर मापी गई springback को mill certificate से सामग्री गुणों, वास्तविक forming parameters (tonnage, गति, तापमान), और tool स्थिति के साथ correlate करता है। समय के साथ, यह एक पूर्वानुमान model बनाता है जो FEA की तुलना में अधिक सटीक होता है क्योंकि यह उन वास्तविक-दुनिया के प्रभावों को capture करता है जिन्हें सैद्धांतिक models चूक जाते हैं।
जब सामग्री का एक नया coil आता है, तो AI प्रत्येक part geometry के लिए अपेक्षित springback का पूर्वानुमान लगाने के लिए इसके mill certificate गुणों का उपयोग करता है। यदि अनुमानित springback die compensation से भिन्न होती है, तो AI प्रक्रिया समायोजन की सिफारिश करता है: overbend angle बदलना, tonnage समायोजित करना, या hold time को संशोधित करना।
अनुकूलनशील Die Compensation
सबसे उन्नत implementations में, forming press AI springback पूर्वानुमान के आधार पर स्वचालित रूप से समायोजित होता है। Servo-driven presses stroke depth, गति profile, और hold time को part-by-part आधार पर संशोधित कर सकते हैं। जब AI एक विशेष सामग्री batch के लिए अधिक springback का पूर्वानुमान करता है, तो press भरपाई के लिए स्वचालित रूप से overbend बढ़ा देता है।
यह अनुकूलनशील दृष्टिकोण ऐसे parts उत्पन्न करता है जो सामग्री batch भिन्नता की परवाह किए बिना लगातार सहनीय सीमा के भीतर होते हैं। यह उस scrap और rework को कम करता है जो पारंपरिक स्थिर die designs तब उत्पन्न करते हैं जब सामग्री गुण बदलते हैं।
Manufacturing में AI प्रक्रिया अनुकूलन के बारे में अधिक जानकारी के लिए, FirmAdapt manufacturing analysis page पर जाएं।