AI voor Sheet Metal Forming: Springback Prediction en Die Design Optimization

Wanneer sheet metal is bent in een forming werking, het doet niet stay bij de exact angle van de die. Het springs back deelially toward zijn original flat shape. Dit springback is caused door de elastic recovery van de material na de forming forces zijn reverplaatst. De hoeveelheid van springback depeindigt op de material type, thickness, beinde radius, grain direction, en de forming proces parameters.

Compensating voor springback is één van de meest challenging aspects van sheet metal die design. Als u heeft nodig een 90-degree beinde in de finished deel, you zou kunnen nodig hebben naar beinde het naar 88 degrees in de die, wetening het zal spring back 2 degrees. Maar dat 2-degree springback is niet constant. Het veranderingen met material batch variations, temperature, en tool wear. AI prediction en compensation maakt dit proces meer precise.

Waarom Springback Is Moeilijk naar Voorspellen

Springback depeindigt op de stress-strain behavior van de material, wat is niet perfectly described door de standaard material properties op de mill certificate. De actual springback voor een specifiek deel depeindigt op de material yield strength, elastic modulus, strain hardening behavior, en anisotropy, alle van welke variëren tussen coils en zelfs within een enkele coil.

Finite Element Analyse (FEA) simulation kan voorspellen springback, maar de nauwkeurigheid depeindigt op having goed material gegevens en een accutarief friction model, beide welke zijn moeilijk naar obtain voor productie aandoeningen. De resultaat is dat FEA predictions van springback vaak hebben significant fout, vereisen trial-and-fout adjustment van de die.

Hoe AI Verbetert Prediction

AI-gebaseerde springback prediction leert van actual productie gegevens. Het correlates de gemeten springback op formed delen met de material properties van de mill certificate, de actual forming parameters (tonnage, snelheid, temperature), en de tool aandoening. Over tijd, het bouwt een prediction model dat is nauwkeuriger dan FEA alone omdat het captures de real-world effects dat theoretical modellen miss.

Wanneer een nieuw coil van material arrives, de AI gebruikt zijn mill certificate properties naar voorspellen de verwacht springback voor elke deel geomeproberen. Als de voorspeld springback verschilt van de die compensation, de AI recommeindigt proces adjustments: changing de overbeinde angle, adjusting de tonnage, of modifying de houden tijd.

Adaptive Die Compensation

In de meest geavanceerd implementations, de forming press adjusts automatisch op basis van de AI springback prediction. Servo-driven presses kan modify de stroke depth, snelheid proindienen, en houden tijd op een deel-by-deel basis. Wanneer de AI voorspelt meer springback voor een deelicular material batch, de press automatisch verhoogt de overbeinde naar compensate.

Dit adaptive approach produces delen dat zijn consistently within tolevoerde uitce ongeacht material batch variation. Het vermindert de scrap en rework dat traditioneel static die designs produce wanneer material properties verandering.

Voor meer op AI proces optimization in productie, visit de FirmAdapt productie analyse pagina.