Прогноза за оставащия живот на много{0}}форми с кухини за горещо леене: Това може да се постигне чрез анализ на сливането на много-модели + управлявани от-данни в реално време-методи, комбиниращи исторически данни за употреба с текущо работно състояние за научна оценка на оставащите използваеми цикли на матрицата. Основните методи могат да контролират грешката на прогнозиране в рамките на ±15%.
1. Основни модели за прогнозиране и технически пътеки
(1) Модели за прогнозиране на живота, базирани на статистика
Модел на разпределение на Weibull: Широко използван в анализа на надеждността, той прогнозира оставащия живот чрез монтиране на модела на разпределение на данните за повреда на матрицата. Подходящ за компании с голямо количество исторически данни за неизправности.
Модели на линейна регресия и многовариантна регресия: Анализирайте връзката между независими променливи като честота на използване на матрицата, температурни колебания и налягане при инжектиране и загуба на живот и установете математически модел за екстраполация на тенденцията.
Предимства: Просто изчисление, лесно за разбиране, подходящо за сценарии с големи количества данни, но малко характеристики.
(2) Прогноза за живота, базирана на физическа симулация
Модел за анализ на крайни елементи (FEA): Изградете симулационен модел на термо{0}}механично свързване на матрицата, за да симулирате напрежението, напрежението и промените в температурното поле по време на действителна работа и да оцените живота на умора. Модел за анализ на напреженията: Идентифицира областите на концентрация на напреженията и прогнозира местата за започване на пукнатини.
Модел за термичен анализ: Анализира ефекта на термична умора, причинен от температурни разлики, и оптимизира дизайна на охладителната система.
Приложими етапи: Оптимизиране на дизайна и проверка на финализирането на нова форма.
(3) Интелигентно прогнозиране, базирано на машинно обучение
Невронна мрежа и произволен горски модел: Използва AI алгоритми за автоматично извличане на сложни нелинейни връзки между множество фактори, като въздействието на свойствата на материала, технологията на обработка и средата на използване върху продължителността на живота.
Предимства: Притежава силни възможности за нелинейно напасване, може да обработва високо-размерни входни характеристики и има висока точност на прогнозиране, което го прави особено подходящ за интелигентни производствени линии.
(4) Функция „Обратно броене на живота“ на системата MES: Събиране в-време на данни за жизнения цикъл на матрицата, включително стартиране-, изключване, поддръжка и подмяна. Динамично изчислява оставащия живот въз основа на производствени партиди, параметри на процеса и работни отчети. Поддържа гледане на множество устройства (мобилни телефони/компютри) и автоматично изпраща напомняния, когато прагът за предупреждение бъде достигнат (напр. изскачащ-прозорец се появява, когато остават 1000 използвания). Действителни резултати: След прилагане процентът на престой на фирмата намаля с приблизително 30%, а процентът на-навременна доставка значително се подобри.
2. Ключови влияещи фактори и въвеждане на данни:
|
Въздействащо измерение |
Специфичен индикатор |
Източник на данни |
|
Свойства на материала |
Твърдост (HRC по-голяма или равна на 55), устойчиво-на износване покритие, термична стабилност |
Доклад от изпитване на материала, информация за доставчика |
|
Структурен дизайн |
Коефициент на концентрация на напрежението, баланс на канала на потока, схема на охлаждане |
Симулация на Moldflow, преглед на чертежа |
|
Производствен процес |
Качество на коване, метод на топлинна обработка (вакуумно закаляване + дълбока криогенност) |
Процесни записи, документи за проверка на качеството |
|
Условия за ползване |
Налягане на впръскване, работна температура, състояние на смазване |
Оборудване SCADA система |
|
Ниво на поддръжка |
Честота на почистване, цикъл на смяна на уязвими части |
Дневник за поддръжка, MES система |
Пример за изчерпателна прогноза: При условия на 8 часа ежедневна работа, колебание на налягането от по-малко от 5% на цикъл на формата и редовна поддръжка, оставащият живот на горещо леяща се много-кухинна форма се прогнозира да бъде 186 000 цикъла, с диапазон на грешка от ±14,3%, въз основа на модела на Weibull и MES данни.
