تولید، فرآیندهای ساخت و قابلیت ساخت (DFM)

سود:

• توانایی توضیح پارامترهای ماشینکاری، ریخته گری، جوشکاری و ساخت مواد افزودنی در سطح پایه
• توانایی تولید قابلیت ساخت (DFM)، پارامتر فرآیند و طرح کلی هزینه با هوش مصنوعی
• امکان تایید توصیه‌های هوش مصنوعی با محدودیت‌های ابزار/ماشین و محدودیت‌های فرآیند واقعی

هر چقدر هم که یک طرح روی کاغذ ظریف باشد، اگر نتوان آن را بازتولید کرد، ارزشی ندارد. فرآیندهای تولید (ماشینکاری، ریخته گری، جوشکاری، ورق کاری، ساخت افزودنی) هر کدام قوانین، محدودیت ها و ساختار هزینه خود را دارند. طراحی برای قابلیت ساخت (DFM: Design for Manufacturing؛ نظم و انضباط طراحی قطعه به گونه ای که بتوان آن را به آسانی، ارزان و تکرارپذیر با روش تولید انتخاب شده تولید کرد) در نظر گرفتن این قوانین در مرحله طراحی است. هوش مصنوعی (AI) یک کمک قدرتمند در ارزیابی DFM، توصیه پارامترهای فرآیند، ترسیم هزینه و معیار فرآیند است. اما هوش مصنوعی از تجربه واقعی ماشین، ابزار، قالب و اپراتور در فروشگاه شما اطلاعی ندارد. ممکن است شعاع گوشه داخلی دست نیافتنی، تحمل غیرممکن یا برشی را نشان دهد که نمی توان روی دستگاه موجود ایجاد کرد. به همین دلیل است که توصیه‌های هوش مصنوعی در DFM باید همیشه با محدودیت‌های تجهیزات، ابزار و فرآیند واقعی تأیید شوند. در این واحد، منطق اولیه فرآیندهای تولید و نحوه ادغام ایمن هوش مصنوعی در DFM را یاد خواهید گرفت.

فرآیندهای اصلی تولید و محدودیت های طراحی

هر فرآیند قوانین خاصی را به طراح تحمیل می کند. دانستن این قوانین اساس طراحی قابل تولید است:

فرآیند

جایی که قوی است

محدودیت طراحی معمولی

ماشینکاری (CNC)

دقت بالا، مقدار کم-متوسط

دسترسی ابزار، شعاع داخل گوشه ≥ شعاع ابزار

ریخته گری

هندسه پیچیده، کمیت بالا

کمک هزینه انقباض، تعادل ضخامت دیوار، شیب ریخته گری

پردازش ورق فلز

قطعات ورق فلزی سریع و ارزان

حداقل شعاع خم، فاصله سوراخ تا لبه

منبع

ترکیب سازه های بزرگ

دسترسی، ضربه حرارتی، توالی جوش

تولید افزودنی (چاپ سه بعدی)

هندسه داخلی پیچیده، نمونه اولیه

نیاز پشتیبانی، زاویه ظهور، ناهمسانگردی

به عنوان مثال، در فرز CNC، شعاع گوشه داخلی نمی تواند کوچکتر از شعاع ابزار فرز مورد استفاده باشد. طرحی که نیاز به گوشه داخلی تیز دارد را نمی توان با آن ابزار تولید کرد. در خمش ورق فلزی، بسته به جنس و ضخامت، حداقل شعاع خم وجود دارد. در زیر این مواد ترک می خورند. این قوانین اطلاعات کلی هستند که هوش مصنوعی می‌تواند بداند، اما بسته به مجموعه ابزار و ظرفیت ماشین در فروشگاه شما متفاوت است.

نکته: هنگام پرسیدن سوال DFM از هوش مصنوعی، روش ساخت و تجهیزات موجود را به وضوح بیان کنید: "در آسیاب CNC 3 محوره، کوچکترین قطر آسیاب ما 4 میلی متر است." اگر روش مشخص نشده باشد، هوش مصنوعی قوانین کلی را ارائه می دهد که ممکن است محدودیت خاص شما را از دست بدهد.

پارامترهای فرآیند و منطق هزینه

نتیجه هر فرآیند به پارامترهای فرآیند بستگی دارد: سرعت برش، تغذیه، عمق برش در CNC. جریان، پیشرفت، گاز محافظ در جوشکاری؛ ارتفاع لایه، دما، میزان پر شدن در چاپ. هوش مصنوعی می‌تواند مقادیر شروعی را برای این پارامترها پیشنهاد کند، اما این مقادیر باید با داده‌های سازنده ابزار و برش آزمایشی تأیید شوند. هزینه تقریباً شامل مواد + نیروی کار (زمان ماشین) + راه اندازی + استهلاک قالب / ابزار است. با افزایش مقدار، هزینه واحد کاهش می یابد زیرا هزینه های ثابت (قالب، نصب) در قسمت های بیشتری پخش می شود.

توجه: پارامترهایی مانند سرعت برش و تغذیه ارائه شده توسط هوش مصنوعی ممکن است در "محدوده معقول" باشند، اما ممکن است برای سه ماده-ماشین-ماشین شما بهینه یا ایمن نباشند. پارامتر نادرست باعث شکستن ابزار، نقص سطح یا خطر ایمنی شغلی می شود. همیشه پارامترها را با توصیه و آزمایش سازنده تأیید کنید.

گام به گام: ارزیابی DFM با هوش مصنوعی

1. روش تولید و تجهیزات را مشخص کنید. کدام ماشین، کدام ابزار، کدام مقدار؟
2. هندسه را تعریف کنید. ابعاد بحرانی، گوشه های داخلی، ضخامت دیوار، سوراخ ها.
3. درخواست بررسی DFM. خطرات تولید و پیشنهادات بهبود.
4. پارامترهای فرآیند را ترسیم کنید سپس مقادیر اولیه تأیید خواهند شد.
5. منطق هزینه را استخراج کنید. روند هزینه واحد بر حسب کمیت.
6. با محدودیت های واقعی تأیید کنید. تایید با کارگاه، کاتالوگ ابزار و اپراتور. قطعه تست

درخواست تجزیه و تحلیل DFM

نقش: مهندس ساخت و ساز با تجربه در تولید (DFM). روش ساخت: فرز CNC 3 محوره. کوچکترین قطر فرز ما 4 میلی متر است. جنس: آلومینیوم 6061. تعداد: 50. قطعه: [شرح هندسه; داخل گوشه ها، جیب ها، سوراخ ها، تلورانس ها]. وظیفه: خطرات تولید را فهرست کنید (منطقه غیرقابل دسترس، شعاع داخلی خیلی کوچک، تحمل دشوار، دیوار نازک). برای هر ریسک، بهبودهای طراحی را پیشنهاد دهید. قانون: بیان کنید که پیشنهادات شما باید با تجهیزات موجود تأیید شود.

اعلان پارامتر فرآیند

من آلومینیوم 6061 را با فرز کاربید 8 میلی متر ماشین می کنم. پارامترهای اولیه برش (سرعت برش، تغذیه، عمق برش) را پیشنهاد کنید و محدوده معمولی را ارائه دهید. قانون: تأکید کنید که این مقادیر باید با داده های سازنده ابزار و برش آزمایشی تأیید شوند. یادداشت امنیتی را اضافه کنید

درخواست مقایسه فرآیند

من 200 قطعه از قطعه زیر را تولید خواهم کرد: [هندسه]. سه روش را مقایسه کنید: ماشینکاری CNC، ریخته گری تحت فشار، ساخت افزودنی. برای هر کدام: در دسترس بودن، روند هزینه واحد برآورد شده (بر اساس کمیت)، هزینه قالب/راه اندازی، توانایی تحمل و خطرات معمولی. یک میز درست کنید. قانون: اعداد تقریبی هستند. نقل قول قطعی نیاز به تأیید از طرف تامین کننده دارد.

پیش نویس هزینه

موارد هزینه تقریبی این بخش CNC را کم کنید: مواد، زمان دستگاه، راه اندازی، سایش ابزار، کنترل کیفیت. به طور منطقی توضیح دهید که چگونه هزینه واحد برای 1، 50 و 500 واحد تغییر می کند (پرداخت هزینه ثابت). قانون: اگر قیمت نیروی کار و انرژی محلی ناشناخته است، فرض خود را علامت بزنید.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

آیا این قسمت قابل تولید است؟

هیچ جزئیاتی از روش، مواد، کمیت یا هندسه وجود ندارد. هوش مصنوعی می‌گوید «بله، می‌توان آن را ساخت» که از نظر مهندسی بی‌ارزش است.

اعلان قدرتمند:

فرز 3 محوره CNC کوچکترین ابزار 4 میلیمتر آلومینیوم 6061 50 عدد. بخش: [هندسه]. خطرات قابلیت ساخت (غیرقابل دسترس بودن گوشه داخلی، دیوار نازک، تحمل دشوار) را فهرست کنید و برای هر کدام بهبودهای طراحی را پیشنهاد دهید. ذکر کنید که باید پیشنهادات شما را با دستگاه خودم تأیید کنم.

روش سریع دوم تجهیزات، مواد و کمیت را می دهد. این مستلزم خطرات مشخص است و تأیید را به مهندس واگذار می کند.

سه مورد کوچک (بر اساس اعداد)

مورد 1 - گوشه داخلی غیر قابل دسترس. یک طراح یک شعاع گوشه داخلی 2 میلی متری ترسیم می کند، اما کوچکترین فرز کارگاه به قطر 4 میلی متر (شعاع 2 میلی متر) است و در آن عمق، ابزار با قطر 3 میلی متر بدون لرزش کار نمی کند. هوش مصنوعی هشدار می دهد که "شعاع گوشه داخلی نمی تواند از کوچکترین شعاع ابزار کوچکتر باشد" در کنترل DFM. طراح گوشه را به شعاع 2.5 میلی متر باز می کند و آن را در دسترس قرار می دهد. درس: هندسه باید متناسب با نیمکت باشد، نه هندسه نیمکت.

مورد 2 - نقطه عطف کمیت-هزینه. برای 200 قطعه، هوش مصنوعی هزینه واحد را 18 دلار آمریکا با CNC، 9 دلار با احتساب قالب با ریخته گری دایکاست، اما هزینه قالب 6000 دلار تخمین زده است. مهندس محاسبه می کند: کل هزینه ریخته گری 200·9 + 6000 = 7800 دلار است. CNC 200·18 = 3600 دلار. CNC در این مقدار ارزان تر است. ریخته گری فقط برای بیش از 1000 واحد سودمند است. پیشنهاد واقعی از تامین کننده دریافت و تایید می شود. درس: هزینه قالب بر روی مقدار پخش می شود. نقطه عطف را محاسبه کنید.

مورد 3 - اعوجاج دیوار نازک. AI ضخامت دیواره 2 میلی متری را در ریخته گری توصیه می کند. با این حال، این ضخامت در اندازه قطعه، خطر اعوجاج و خطای پر شدن در هنگام خنک شدن را به همراه دارد. مهندس ریخته گری به حداقل 4 میلی متر و ضخامت دیواره متعادل نیاز دارد. در ریخته گری آزمایشی، دیوار 2 میلی متری در واقع ناقص است و منجر به ضایعات می شود. درس: ضخامتی که هوش مصنوعی توصیه می کند ممکن است عمومی باشد. محدودیت فرآیند در میدان ظاهر می شود.

اشتباهات رایج

• پرسیدن از DFM بدون تعیین روش: دریافت پاسخ کلی و از دست دادن محدودیت تجهیزات خاص.
• نادیده گرفتن محدودیت ابزار/ماشین: طراحی گوشه های دست نیافتنی، تلورانس های غیرممکن.
• استفاده از پارامتر فرآیند بدون تأیید: اعمال مقدار هوش مصنوعی بدون برش آزمایشی.
• فراموش کردن هزینه قالب/نصب: فقط به کار واحد نگاه می کنیم و تبدیل به هزینه واحد را از دست می دهیم.
• دور زدن قوانین ضخامت دیوار/شعاع خمش: نادیده گرفتن حداقل محدودیت‌های ریخته‌گری/ورق.
• محدود کردن تلورانس بدون توجه به عملکرد: افزایش هزینه با تلرانس های غیر ضروری.

به طور خلاصه

• هر فرآیند تولید محدودیت های طراحی خود را تحمیل می کند. DFM باید این محدودیت ها را در مرحله طراحی در نظر بگیرد.
• هوش مصنوعی در ریسک DFM، پارامتر فرآیند و طرح کلی هزینه قوی است. اما او شمارنده واقعی شما را نمی شناسد.
• توصیه ها باید همیشه در برابر تجهیزات موجود، کاتالوگ ابزار و قطعه آزمایشی تأیید شوند.
• هزینه شامل مواد، نیروی کار، نصب و قالب/ابزار است. هزینه های ثابت، مانند قالب گیری، بر روی مقدار تقسیم می شود.
• محدودیت های فرآیند مانند شعاع گوشه داخلی، ضخامت دیوار، شعاع خم، طراحی را تعیین می کند. تصمیم نهایی با مهندس است.

وظیفه کاربردی

یک قطعه و یک روش ساخت را انتخاب کنید (به عنوان مثال، یک براکت آلومینیومی یا یک محفظه ورق فلزی در یک آسیاب CNC). روش، تجهیزات موجود (قطر ابزار، ماشین)، مواد و مقدار را بنویسید. از هوش مصنوعی بخواهید تجزیه و تحلیل DFM را انجام دهد و خطرات تولید و توصیه های بهبود را فهرست کند. حداقل دو خطر (به عنوان مثال شعاع فیله یا تحمل) را در برابر محدودیت واقعی ابزار/ماشین خود بررسی کنید. اگر مناسب نیست، طرح را اصلاح کنید. سپس از هوش مصنوعی بخواهید روند هزینه واحد را برای دو مقدار مختلف (مثلاً 50 و 500) استخراج کند و خودتان نقطه عطف هزینه قالب/راه اندازی را محاسبه کنید. در نهایت، بنویسید که کدام تصمیمات نیاز به تایید تامین کننده/فروشگاه دارند.

چک لیست

• [ ] روش تولید، تجهیزات موجود، مواد و مقادیر به وضوح بیان شده است.
• [ ] خطرات DFM (منطقه غیرقابل دسترس، دیوار نازک، تحمل دشوار) فهرست شده است.
• [ ] حداقل دو خطر در برابر حد واقعی ابزار/ماشین تأیید شده است.
• [ ] پارامترهای فرآیند به عنوان "پیش نویسی برای تایید" در نظر گرفته شد و مستقیماً اجرا نشد.
• [ ] رابطه کمیت-هزینه و نقطه عطف قالب/تنظیم محاسبه شد.
• [ ] تصمیماتی که نیاز به تایید تامین کننده/کارگاه دارند علامت گذاری شده اند. تایید به مهندس سپرده شد.