Jūsų klausimas liečia patį protingos gamybos „nervų centrą“! Suprantu, kad norime tiksliai pamatyti, kaip technologijos paverčiamos realiu{0}}diegimu ir vertės kūrimu. Tiesą sakant, karšto bėgiko skaitmeninis dvynys jau seniai išsivystė ne tik kaip „virtualus modelis“; dabar jis yra giliai integruotas į visą gamybos gyvavimo ciklą, todėl nematomas išlydytos medžiagos srautas, -anksčiau nepastebimas-, tampa apčiuopiamu, valdomu ir optimizuojamu.
Pagrindinės „hot runner“ skaitmeninės dvynių technologijos taikymo sritys labai išsiplėtė -ne tik paprastas vizualinis stebėjimas-, ir apima penkis pagrindinius scenarijus: virtualų paleidimą, išmaniąją diagnostiką, nuspėjamąją priežiūrą, procesų optimizavimą ir ekologišką gamybą. Šis poslinkis žymi didelį šuolį nuo „pasyvaus atsako“ prie „aktyvaus sprendimų priėmimo“.
1. Virtualus paleidimas ir proceso išankstinis-modeliavimas: atsisveikinimas su įrenginio sąranka „bandomasis{2}}ir-klaida“
Dar prieš sumontuojant formą ant mašinos, parametrų patvirtinimas baigiamas skaitmeninėje aplinkoje, todėl drastiškai sutrumpėja paleidimo ciklas.
Įgyvendinimo būdas:
Sukurkite skaitmeninį karštosios bėgių sistemos dvynį, pagrįstą CAD modeliais.
Įvesties medžiagos savybės ir proceso parametrai, skirti imituoti visą liejimo liejimo ciklą{0}}įskaitant užpildymą, pakavimą ir aušinimą-virtualioje aplinkoje.
Automatiškai optimizuokite kiekvieno karšto antgalio temperatūros nustatymus, kad užtikrintumėte subalansuotą kelių{0}}ertmių formų užpildymą.
Vertė ir rezultatai:
Sumažėjo pelėsių bandymų skaičius nuo 3 iki 5 pakartojimų, sutrumpindamas paleidimo ciklą nuo 7 dienų iki mažiau nei 2 dienų.
Pašalintas žaliavų švaistymas ir mašinos tuščiosios eigos laikas; kiekvienas paleidimo ciklas sutaupo daugiau nei 10 000 RMB išlaidų.
Reprezentatyvus atvejo tyrimas: „Yizumi“ panaudojo šią technologiją, kad „pirmą{0}}kartą-paleisti“ formą, todėl laužo kiekis sumažėjo 30 %.
2. Būsenos stebėjimas-realiuoju laiku ir anomalijų diagnostika: visos sistemos valdymas viename ekrane
Ši technologija sujungia skirtingus temperatūros ir slėgio duomenų taškus į vieningą 3D vizualizuotą sąsają, pakeičiančią tradicinius tašku{1}}pagrįstus stebėjimo metodus.
Įgyvendinimo būdas:
Integruoja{0}}realaus laiko duomenis iš termoporų ir lydalo slėgio jutiklių (pvz., Kistler 4004A).
Dinamiškai pateikia temperatūros kontūrų žemėlapius, slėgio kreives ir srauto lauko pasiskirstymą skaitmeniniame dvynių modelyje.
Kai tam tikroje ertmėje įvyksta trumpi kadrai arba blykstelis, sistema automatiškai lygina virtualius duomenis su faktiniais duomenimis, kad nustatytų pagrindinę priežastį,-konkrečiai, „užstrigęs vožtuvo kaištis“ arba „užsikimšęs bėgis“.
Vertė ir rezultatai:
Gedimų šalinimo laikas sutrumpėjo daugiau nei 50%.
Leidžia nuotoliniams ekspertams teikti nurodymus svetainėje, „peržiūrint“ modelį naudojant 5G+AR technologiją, todėl kelionės išlaidos sumažėja 70 proc.
Reprezentatyvus atvejis: „Haitian Group“ įdiegė gamyklos{0}}visą skaitmeninę dvigubą platformą, todėl 42 % sumažėjo neplanuotų prastovų.
3. Numatyta priežiūra: nuo „Pataisyti-Kai-Sugedo“ iki „Pataisyti-Prieš-Sugedus“
Naudoja dirbtinį intelektą temperatūros ir slėgio tendencijoms analizuoti, iš anksto įspėdamas apie galimus gedimus prieš 7–15 dienų.
Įgyvendinimo būdas:
Naudoja LSTM laiko{0}}serija modelius, kad sužinotų istorines temperatūros valdymo kreives.
Suaktyvina išankstinius įspėjimus apie „įkaitusį purkštuko apnašą“ arba „vožtuvo kaiščio susidėvėjimą“, kai nustatoma sulėtėjusi temperatūros reakcija arba nenormalūs slėgio svyravimai.
Skaitmeninis dvynys vienu metu vykdo gedimų modeliavimą, kad greitai nustatytų labiausiai tikėtiną pagrindinę priežastį.
Vertė ir rezultatai:
Neplanuotų prastovų sumažėjo 42%.
Karšto purkštuko tarnavimo laikas pailgėjo 30%, o atsarginių dalių keitimo išlaidos sumažėjo 30–50%.
Reprezentatyvus atvejis: pagrindiniame buitinės technikos gamintojas įdiegus pelėsių priežiūrą nuo „periodinio išmontavimo ir tikrinimo“ perėjo prie „taisymo pagal pareikalavimą“.
4. Sumanus proceso parametrų optimizavimas: meistro „prisilietimo“ atkartojimas
Ekspertų patirtį paverčia daugkartiniu skaitmeniniu turtu, kad būtų galima standartizuoti procesus.
Įgyvendinimo būdas:
Iš aukštos kvalifikacijos operatorių renka „lytėjimo“ duomenis,{0}}pvz., temperatūros valdymo kreives ir slėgio laikymo profilius-.
Naudoja AI mokymąsi, kad sukurtų standartizuotus „skaitmeninių procesų paketus“.
Pritaiko šiuos paketus į skaitmeninę dvynių sistemą, kuri automatiškai suderina ir taiko optimalią valdymo strategiją.
Vertė ir rezultatai:
Temperatūros valdymo tikslumas siekia ±0,3 laipsnio, o proceso stabilumas pagerėja dešimt kartų.
Naujų darbuotojų mokymo ciklai sutrumpinami nuo vieno mėnesio iki savaitės.
Reprezentatyvus atvejis: po jo įdiegimo Midea grupėje kosmetinių gaminių defektų lygis sumažėjo 68%.
5. Energijos suvartojimo ir anglies išmetimo valdymas: palengvinti „dviejų anglies dioksido“ tikslų įgyvendinimą
Integruokite karštųjų bėgelių sistemas į įmonės energijos valdymo sistemas, kad įgalintumėte ekologišką, pažangią gamybą.
Įgyvendinimo metodai:
Skaitmeniniuose dvigubuose modeliuose integruoti energijos suvartojimo duomenys, kad būtų galima{0}}stebėti šildymo galią realiuoju laiku.
Sujungus{0}}naudojimo laiko-elektros tarifus su gamybos ciklais, izoliacijos strategijos yra dinamiškai koreguojamos, todėl energijos sutaupoma 4,2 % per pamainą.
Anglies išmetimo ataskaitos generuojamos automatiškai ir susiejamos su anglies dioksido prekybos platformomis.
Vertė ir rezultatai:
Eksploatacijos ir priežiūros išlaidos sumažintos 25 %; energijos suvartojimas sumažėjo 18 proc.
Teikia duomenų palaikymą anglies dioksido turto apskaitai ir prekybai.
Reprezentatyvus atvejo tyrimas: Zhongpeng Thermal Energy panaudojo šią technologiją, siekdama sukurti naują ekologiškos, pažangios pramoninių krosnių gamybos modelį.
