판금 성형을 위한 AI: 스프링백 예측과 금형 설계 최적화

판금이 성형 작업에서 굽혀질 때, 금형의 정확한 각도에 머물지 않습니다. 원래의 평평한 형태로 부분적으로 되돌아갑니다. 이 스프링백은 성형력이 제거된 후 재료의 탄성 회복으로 인해 발생합니다. 스프링백의 정도는 재료 종류, 두께, 굽힘 반경, 결정 방향, 그리고 성형 공정 변수에 따라 달라집니다.

스프링백 보정은 판금 금형 설계의 가장 까다로운 측면 중 하나입니다. 완성된 부품에서 90도 굽힘이 필요하다면, 2도 스프링백이 발생할 것을 알고 금형에서 88도로 굽혀야 할 수 있습니다. 그러나 그 2도 스프링백은 일정하지 않습니다. 재료 배치 변동, 온도, 그리고 금형 마모에 따라 변합니다. AI 예측과 보정은 이 공정을 더 정밀하게 만듭니다.

스프링백 예측이 어려운 이유

스프링백은 재료의 응력-변형 거동에 의존하며, 이는 제강 인증서의 표준 재료 특성으로는 완벽하게 설명되지 않습니다. 특정 부품의 실제 스프링백은 재료 항복 강도, 탄성 계수, 변형 경화 거동, 그리고 이방성에 의존하며, 이 모든 것은 코일 간, 심지어 단일 코일 내에서도 변합니다.

유한요소해석(FEA) 시뮬레이션은 스프링백을 예측할 수 있지만, 정확성은 양호한 재료 데이터와 정확한 마찰 모델에 달려 있으며, 두 가지 모두 생산 조건에서 얻기 어렵습니다. 그 결과 FEA 스프링백 예측은 종종 상당한 오차를 가지며 금형의 시행착오 조정이 필요합니다.

AI가 예측을 개선하는 방법

AI 기반 스프링백 예측은 실제 생산 데이터로부터 학습합니다. 성형된 부품의 측정 스프링백을 제강 인증서의 재료 특성, 실제 성형 변수(톤수, 속도, 온도), 그리고 금형 상태와 상관시킵니다. 시간이 지남에 따라, 이론적 모델이 놓치는 실세계 효과를 포착하기 때문에 FEA 단독보다 더 정확한 예측 모델을 구축합니다.

새로운 재료 코일이 도착하면, AI는 제강 인증서 특성을 활용하여 각 부품 형상에 대한 예상 스프링백을 예측합니다. 예측 스프링백이 금형 보정과 다르면, AI는 공정 조정을 권고합니다. 과굽힘 각도 변경, 톤수 조정, 또는 유지 시간 수정.

적응형 금형 보정

가장 진보된 구현에서, 성형 프레스는 AI 스프링백 예측을 기반으로 자동으로 조정됩니다. 서보 구동 프레스는 부품별로 스트로크 깊이, 속도 프로파일, 유지 시간을 수정할 수 있습니다. AI가 특정 재료 배치에 더 많은 스프링백을 예측하면, 프레스는 보정을 위해 자동으로 과굽힘을 늘립니다.

이 적응형 접근은 재료 배치 변동에 관계없이 일관되게 공차 내의 부품을 생산합니다. 재료 특성이 변할 때 전통적 정적 금형 설계가 만들어내는 폐기와 재작업을 줄입니다.

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