فرآیندهای ساخت: هوش مصنوعی در ریخته گری، جوشکاری و ساخت افزودنی

سود:

• امکان پیکربندی پارامترهای ریخته گری، جوشکاری و ساخت افزودنی با هوش مصنوعی و ارزیابی خطر نقص از قبل
• امکان تهیه خروجی هایی مانند پیش نویس WPS/PQR، طراحی فیدر ریخته گری و پنجره فرآیند با پشتیبانی هوش مصنوعی
• امکان تایید توصیه های فرآیند هوش مصنوعی از طریق اعتبارسنجی استاندارد، شبیه سازی و آزمایشی

نحوه شکل گیری یک قطعه فلزی به همان اندازه مهم است که از چه ماده ای ساخته شده است. ریخته گری با پر کردن فلز مذاب در قالب و جامد کردن آن شکل می گیرد. جوشکاری، اتصال دو قطعه فلزی با حرارت و/یا فشار؛ ساخت افزودنی (AM یا چاپ سه بعدی فلزی) روشی برای ساخت قطعات با ذوب پودر یا سیم لایه به لایه است. هر سه یک حقیقت مشترک دارند: پارامترهای فرآیند (دما، سرعت، گرمای ورودی، خنک کننده) به طور مستقیم تشکیل نقص و خواص مکانیکی را تعیین می کنند. هوش مصنوعی ایجاد یک پنجره فرآیند، پیش ارزیابی خطر نقص و تهیه پیش نویس اسنادی مانند طراحی WPS/casting را سرعت می بخشد. اما فیزیک انجماد و جریان گرما پیچیده است. هر پیشنهاد پارامتری نمی‌تواند بدون تأیید شبیه‌سازی، آزمایشی و آزمایش غیر مخرب وارد تولید شود.

زبان مشترک سه فرآیند: پنجره پردازش و نقص

پنجره فرآیند محدوده پارامترهایی است که کیفیت قابل قبولی را ارائه می دهد. این نقص هنگام بیرون رفتن از پنجره رخ می دهد. هر فرآیند دارای نقص های معمولی است:

• ریخته گری: تخلخل (گاز یا شکاف انقباض)، پارگی گرم، بسته سرد، گنجاندن، ریزشرینکیج. طراحی فیدر/رایزر برای تغذیه مایع به فلز حیاتی است زیرا در حین جامد شدن منقبض می شود.
• جوش: تخلخل، نفوذ ناکافی (عدم نفوذ)، زیر برش، ترک (سرد/گرم)، HAZ (منطقه متاثر از گرما: ناحیه اطراف جوش که ریزساختار آن در اثر گرما تغییر می کند) سخت شدن. گرمای ورودی خواص این ناحیه را تعیین می کند.
• ساخت افزودنی: عدم همجوشی، تخلخل باقیمانده، تنش و اعوجاج پسماند، ناهمسانگردی (خواص وابسته به جهت). قدرت لیزر، سرعت اسکن و ضخامت لایه، چگالی انرژی را تعیین می کند.

هوش مصنوعی در توضیح سیستماتیک این که کدام پارامتر کدام نقص را ایجاد می کند و یک پنجره اولیه را پیشنهاد می کند قدرتمند است. اما پنجره واقعی; مخصوص دستگاه، دسته پودر/سیم و هندسه.

احتیاط: پذیرش یک جوش یا تخلیه حیاتی ایمنی هرگز توسط توصیه پارامتر AI ارائه نمی شود. WPS توسط آزمون‌های صلاحیت رویه‌ای (PQR) مورد نیاز یک استاندارد تأیید می‌شود (مانند ASME IX، ISO 15614). پذیرش نهایی با تایید مهندس جوش/ریخته گری مجاز و بازرسی انجام می شود.

گام به گام: تنظیم پارامتر فرآیند با پشتیبانی هوش مصنوعی

1. فرآیند و مواد را تعریف کنید: آلیاژ ریخته گری / فلز پایه + پرکننده / پودر AM، ضخامت، هندسه.
2. اهداف و محدودیت ها را مشخص کنید: معیارهای پذیرش (کلاس نقص)، هدف مکانیکی، زمان چرخه.
3. درخواست پنجره راه‌اندازی: از هوش مصنوعی بخواهید محدوده پارامتر معمولی آن و اینکه هر پارامتر بر چه نقصی تأثیر می‌گذارد.
4. خطرات را فهرست کنید: کدام نقص در این پارامترها برجسته است؟ چگونه پیشگیری کنیم؟
5. شبیه سازی/آزمایش: شبیه سازی انجماد برای ریخته گری/AM (به عنوان مثال MAGMA، Simufact)، کوپن آزمایشی برای جوشکاری.
6. بررسی با معاینه: NDT (رادیوگرافی، اولتراسونیک)، ماکروسکوپی، تست مکانیکی. طبق استاندارد پذیرفته شده است.

مقایسه فرآیند و رابطه نقص-پارامتر

فرآیند

پارامتر بحرانی

عیب اصلی

روش تایید

نقش هوش مصنوعی

ریخته گری شن و ماسه

دمای ریخته گری، فیدر

تخلخل انقباضی

رادیوگرافی، بخش ماکرو

پیش نویس فیدر/پنجره

جوشکاری قوس الکتریکی

ورودی گرما، پیش گرم کردن

ترک HAZ، منافذ

RT/UT، ماکرو، سختی

پیش نویس WPS، لیست ریسک

تخت پودری AM (L-PBF)

قدرت لیزر، سرعت اسکن

ذوب ناکافی، تخلخل

CT، تراکم، ریزساختار

پنجره چگالی انرژی

گرمای ورودی تقریباً به صورت (ولتاژ × جریان / سرعت جوش) در جوش محاسبه می‌شود و عرض HAZ، سرعت خنک‌سازی و در نتیجه سختی و خطر ترک را تعیین می‌کند. هوش مصنوعی این رابطه را توصیف می کند و یک مقدار شروع را پیشنهاد می کند. مقدار دقیق توسط PQR تأیید می شود.

سه کیف کوچک

مورد 1 - کمبود مواد مغذی. یک ریخته گری تخلخل انقباض داخلی مکرر را در یک بخش برنزی ضخیم تجربه می کند. آنها هندسه و آلیاژ هوش مصنوعی را توصیف می کنند و در مورد علل احتمالی می پرسند. هوش مصنوعی پیشنهاد می‌کند که فیدر ممکن است برای تغذیه منطقه جامد نهایی ناکافی باشد و آنها اصل "انجماد جهت" و اندازه/مکان فیدر را بررسی کنند. تیم شبیه سازی انجماد را اجرا می کند، می بیند که نقطه داغ از فیدر دور است، فیدر را بزرگ کرده و در موقعیت قرار می دهد. در رادیوگرافی تخلخل از 4% به 0.5% کاهش می یابد. هوش مصنوعی فرضیه، شبیه سازی و NDT را تایید کرد.

مورد 2 - ترک HAZ با سختی بالا. یک تیم مونتاژ یک فولاد پر کربن را بدون پیش گرم کردن جوش می دهد. ترک سرد در HAZ رخ می دهد. وقتی از هوش مصنوعی در مورد وضعیت می‌پرسند، او توضیح می‌دهد که معادل کربن بالا (CE: مقدار ترکیبی که تمایل آلیاژ را به ترک نشان می‌دهد) HAZ سخت و شکننده ایجاد می‌کند و پیش گرم کردن و خنک‌سازی کنترل‌شده باعث کاهش ترک‌خوردگی ناشی از هیدروژن می‌شود. این تیم CE را محاسبه می‌کند، دمای پیش‌گرم مناسب را تعیین می‌کند و آن را روی یک کوپن آزمایش می‌کند و آن را با سختی و برش ماکروسافت تأیید می‌کند. هوش مصنوعی مکانیسم و ​​جهت را داد، آزمایش عدد را نشان داد.

مورد 3 - پنجره چگالی انرژی AM. یک تیم AM منافذ همجوشی کافی را در قسمت تیتانیومی مشاهده کردند. از هوش مصنوعی یک پنجره چگالی انرژی می‌خواهد که شامل توان لیزر، سرعت اسکن و فاصله دریچه و تأثیر هر پارامتر بر نوع منافذ است. هوش مصنوعی توضیح می دهد که انرژی بسیار کم باعث ذوب ناکافی می شود، بیش از حد زیاد باعث ایجاد سوراخ کلید می شود و محدوده شروع را پیشنهاد می کند. این تیم یک کوپن جابجایی پارامتر چاپ می‌کند، چگالی و ریزساختار را اندازه‌گیری می‌کند و پنجره بهینه را با CT تأیید می‌کند. هوش مصنوعی پنجره را باریک کرد، آزمایش را دقیق کرد.

الگوهای درخواستی قابل کپی

الگوی پنجره فرآیند"نقش: [ریخته گری/جوشکاری/AM] شما دستیار فرآیند هستید. جنس: [...]. هندسه/ضخامت: [...]. کیفیت هدف: [کلاس نقص]. یک پنجره پارامتر اولیه به من پیشنهاد دهید و توضیح دهید که هر پارامتر کدام نقص را افزایش یا کاهش می دهد. تأکید کنید که این پنجره به صورت ماشینی، دسته ای و با یک شبیه سازی خاص است. کوپن وجود ندارد.

الگوی علت ریشه نقص"نقص زیر در قطعه [فرایند] من دوباره رخ می‌دهد: [تعریف، مکان، درصد فرکانس]. فهرستی منظم از علل ریشه‌ای احتمالی (مواد، پارامتر، هندسه، تجهیزات) تهیه کنید. برای هر علت: شواهد پشتیبان + که با کنترل/آزمایش تأیید می‌شود. تشخیص قطعی را انجام ندهید.

WPS DRAFT Template"نقش: شما یک مهندس جوشکاری هستید. فلز پایه: [...]. ضخامت: [...]. روش جوشکاری: [به عنوان مثال GMAW]. موقعیت: [...]. یک اسکلت WPS DRAFT (پیش گرم کردن، پاس ها، محدوده ورودی گرما، گاز محافظ) را نمی توان استفاده کرد. 15614 - این را به وضوح بنویسید و نیاز به گرم کردن را به من یادآوری کنید.

FEEDER / SOLIDIFICATION TEMPLATE "ریخته گری من: [آلیاژ، هندسه، ضخیم ترین بخش]. انجماد جهتی و منطق بالابر را توضیح دهید: نقطه داغ کجاست، فیدر کجا باید قرار گیرد، اندازه آن چگونه تعیین می شود؟ چگونه خطر تخلخل را کاهش دهم؟ بیان کنید که باید تصمیم نهایی را با شبیه سازی انجماد و رادیوگرافی تایید کنم."

اعلان ضعیف / اعلان قوی

پیام ضعیف: "چگونه این فولاد را جوش بدهم؟"

هشدار قوی: "نقش: شما یک دستیار مهندس جوش هستید. فلز پایه: فولاد آلیاژی با کربن بالا (CE ~ 0.6)، ضخامت 20 میلی متر، پرکننده و موقعیت [...]. نیاز به پیش گرم کردن برای جلوگیری از ترک سرد در HAZ، محدوده گرمای ورودی و منطق دمای بین گذر را برای من توضیح دهید. توضیح دهید که این میزان خطر یک وضعیت مخاطره آمیز روی خودرو است. WPSTAL و بدون صلاحیت با PQR و تست ماکرو/سختی قابل استفاده نیست.

اعلان ضعیف بدون آگاهی از مواد، ضخامت و خطر ترک، پاسخی کلی می دهد. اعلان قدرتمند معادل کربن، ضخامت و مکانیسم ترک را معرفی می کند و تصریح می کند که خروجی یک پیش نویس است و باید با PQR تأیید شود.

اشتباهات رایج

• اشتباه گرفتن پنجره پارامتر به عنوان جهانی بودن به جای خاص ماشین/دسته/هندسه.
• دور زدن نیاز به پیش گرمایش در فولاد معادل کربن بالا.
• نهایی کردن طراحی فیدر ریخته گری بدون شبیه سازی انجماد.
• تغییر یک پارامتر در AM و فراموش کردن سایر پارامترهای وابسته (کل چگالی انرژی).
• اشتباه گرفتن پیش نویس WPS با یک روش تولید بدون صلاحیت PQR.
• NDT در بخش حیاتی ایمنی و ارزیابی هوش مصنوعی را به عنوان پذیرش نهایی بدون تایید مجاز در نظر بگیرید.

به طور خلاصه

در تولید ریخته‌گری، جوشکاری و افزودنی‌ها، هوش مصنوعی پنجره‌بندی فرآیند را تسریع می‌کند، رابطه عیب-پارامتر را توصیف می‌کند، فهرست علل ریشه‌ای ایجاد می‌کند و طرح WPS/feeder. با این حال، فیزیک انجماد و جریان گرما مختص ماشین، دسته و هندسه است. هر توصیه پارامتر باید با شبیه سازی، کوپن آزمایشی و آزمایش غیر مخرب تأیید شود و با استاندارد پذیرش حیاتی ایمنی (ASME IX، ISO 15614 و غیره) و تأیید مجاز ارائه شود. هوش مصنوعی به شما امکان می دهد خطر را پیش بینی کنید، آزمایش و بازرسی تصمیم گیری کنید.

وظیفه کاربردی

یک فرآیند (ریخته گری، جوشکاری یا AM) و یک ماده/هندسه واقعی را انتخاب کنید. پنجره پارامتر اولیه و رابطه نقص-پارامتر را از هوش مصنوعی با الگوی "PROCESS WINDOW" درخواست کنید. سپس، یک سناریوی نقص تکرارشونده ایجاد کنید و یک لیست علت سیستماتیک و طرح تأیید را با الگوی "DEFECT ROOT CAUSE" ایجاد کنید. در نهایت در یک پاراگراف بنویسید که از کدام استاندارد و از کدام روش NDT برای پذیرش این قسمت استفاده خواهید کرد و نقش تایید مجاز را دارد.

چک لیست

• [ ] من فرآیند، مواد، هندسه و معیارهای کیفیت هدف را تعریف کردم.
• [ ] من پنجره پارامتر اولیه و رابطه نقص-پارامتر را تنظیم کردم.
• [ ] من عوامل حیاتی مانند معادل کربن / پیش گرم / ماده مغذی را در نظر گرفتم.
• [ ] من یک علت ریشه ای سیستماتیک و طرح راستی آزمایی برای نقص ایجاد کرده ام.
• [ ] من پارامترها را با کوپن شبیه سازی/آزمایی تأیید کردم.
• [ ] من پذیرش نهایی را منوط به استاندارد NDT و تایید مهندس مجاز می کنم.