AI voor plaatwerkvormgeving: springbackvoorspelling en optimalisatie van matrijsontwerp

Wanneer plaatwerk in een vormgevingsproces wordt gebogen, blijft het niet exact in de hoek van de matrijs staan. Het veert gedeeltelijk terug richting de oorspronkelijke vlakke vorm. Deze springback wordt veroorzaakt door het elastische herstel van het materiaal nadat de vormkrachten verdwijnen. De omvang van de springback hangt af van het materiaaltype, de dikte, de buigradius, de walsrichting en de procesparameters.

Compenseren voor springback is een van de lastigste aspecten van het ontwerpen van plaatwerkmatrijzen. Wilt u een buiging van 90 graden in het eindproduct, dan moet u in de matrijs wellicht naar 88 graden buigen, in de wetenschap dat het materiaal 2 graden zal terugveren. Maar die 2 graden springback is geen constante. Hij verandert met variaties tussen materiaalbatches, met de temperatuur en met gereedschapsslijtage. AI-voorspelling en -compensatie maken dit proces nauwkeuriger.

Waarom springback lastig te voorspellen is

Springback hangt af van het spannings-rekgedrag van het materiaal, dat niet volledig wordt beschreven door de standaardmaterialen op het keuringscertificaat. De feitelijke springback voor een specifiek onderdeel hangt af van de materiaalvloeispanning, de elasticiteitsmodulus, het reksterktegedrag en de anisotropie, die alle varieren tussen rollen materiaal en zelfs binnen dezelfde rol.

Een eindige-elementenanalyse (FEA) kan springback voorspellen, maar de nauwkeurigheid hangt af van goede materiaalgegevens en een accuraat wrijvingsmodel, die beide moeilijk te verkrijgen zijn voor productieomstandigheden. Het gevolg is dat FEA-voorspellingen van springback vaak een aanzienlijke afwijking kennen, waardoor de matrijs via trial-and-error moet worden bijgesteld.

Hoe AI de voorspelling verbetert

AI-gebaseerde springbackvoorspelling leert van werkelijke productiedata. Het systeem koppelt de gemeten springback op gevormde onderdelen aan de materiaaleigenschappen uit het keuringscertificaat, de daadwerkelijk toegepaste vormparameters (perskracht, snelheid, temperatuur) en de gereedschapsstaat. In de loop van de tijd ontstaat een voorspellingsmodel dat nauwkeuriger is dan FEA alleen, omdat het de praktijkeffecten meeneemt die theoretische modellen missen.

Bij aankomst van een nieuwe rol materiaal gebruikt de AI de eigenschappen op het keuringscertificaat om de te verwachten springback voor elke onderdeelgeometrie te voorspellen. Wijkt de voorspelde springback af van de matrijscompensatie, dan beveelt de AI procesaanpassingen aan: een andere overbuighoek, aanpassing van de perskracht of wijziging van de houdtijd.

Adaptieve matrijscompensatie

In de meest geavanceerde implementaties past de vormingspers zich automatisch aan op basis van de AI-springbackvoorspelling. Servo-aangedreven persen kunnen de slagdiepte, het snelheidsprofiel en de houdtijd per onderdeel aanpassen. Voorspelt de AI meer springback voor een bepaalde materiaalbatch, dan vergroot de pers automatisch de overbuiging als compensatie.

Deze adaptieve aanpak levert onderdelen op die consequent binnen de tolerantie blijven, ongeacht variaties tussen materiaalbatches. Daarmee daalt het uitvalpercentage en het herstelwerk dat traditionele statische matrijsontwerpen veroorzaken wanneer materiaaleigenschappen veranderen.

Voor meer informatie over AI-procesoptimalisatie in de productie kunt u terecht op de FirmAdapt-pagina voor productie-analyse.