નફો:
- કૃત્રિમ બુદ્ધિમત્તાને પ્રશ્નો પૂછીને સામગ્રીની પસંદગી, ઉત્પાદન પદ્ધતિ અને ખર્ચ વચ્ચેનો સંબંધ શોધવાની ક્ષમતા
- ઇન્જેક્શન, શીટ મેટલ અને કાસ્ટિંગ જેવી પદ્ધતિઓમાં દિવાલની જાડાઈ, ડ્રોઇંગ એંગલ અને સહનશીલતા જેવા DFM અવરોધોને ચેકલિસ્ટમાં સૂચિબદ્ધ કરવાની ક્ષમતા
- સપ્લાયર, એન્જિનિયર અને વાસ્તવિક માનક ડેટા સાથે કૃત્રિમ બુદ્ધિની ઉત્પાદનક્ષમતા અને સામગ્રી ભલામણોને ચકાસવાની ક્ષમતા
સ્ક્રીન પર ડિઝાઈન સારી દેખાય છે તેનો અર્થ એ નથી કે તે પ્રોડ્યુસિબલ છે. આ મુખ્ય વસ્તુ છે જે ઔદ્યોગિક ડિઝાઇનને ગ્રાફિક ડિઝાઇનથી અલગ પાડે છે: ઉત્પાદન વાસ્તવિક સામગ્રીમાંથી, વાસ્તવિક ઉત્પાદન પદ્ધતિ સાથે, વાસ્તવિક કિંમતે બનાવવામાં આવશે. ડીએફએમ (ડિઝાઈન ફોર મેન્યુફેક્ચરિંગ) એ ઉત્પાદનને ડિઝાઇન કરવાની શિસ્ત છે જેથી તે પસંદ કરેલ ઉત્પાદન પદ્ધતિ સાથે ઉચ્ચ ગુણવત્તામાં અને આર્થિક રીતે સરળતાથી ઉત્પાદન કરી શકાય. દરેક પદ્ધતિના પોતાના નિયમો હોય છે: ઈન્જેક્શન મોલ્ડિંગની દીવાલની જાડાઈ અને ડ્રોઈંગ એંગલના નિયમો, શીટ મેટલની બેન્ડ ત્રિજ્યા, કાસ્ટિંગના સીડર નિયમો વગેરે. આ નિયમોને ઝડપથી શીખવા અને ડીએફએમના પરિપ્રેક્ષ્યમાં ડિઝાઇન પર પ્રશ્ન કરવા માટે આર્ટિફિશિયલ ઈન્ટેલિજન્સ એક શક્તિશાળી સહાયક છે; પરંતુ તે જે મૂલ્યો આપે છે તે હંમેશા પૂર્વધારણાઓ છે જે સપ્લાયર, સામગ્રી ડેટા શીટ અને એન્જિનિયરની મંજૂરી સાથે ચકાસવામાં આવશ્યક છે.
સામગ્રી, પદ્ધતિ અને કિંમત ત્રિકોણ
ઉત્પાદનમાં, સામગ્રીની પસંદગી, ઉત્પાદન પદ્ધતિ અને ખર્ચ એકબીજા સાથે ચુસ્તપણે જોડાયેલા છે. ઈન્જેક્શન પ્લાસ્ટિક, એલ્યુમિનિયમ કાસ્ટિંગ અથવા CNC મશીનિંગ સાથે સમાન સ્વરૂપનું ઉત્પાદન ખૂબ જ અલગ ખર્ચ, રચના અને શક્તિ આપે છે. ડિઝાઇનરે આ ત્રિકોણને સંતુલિત કરવું પડશે. AI અહીં એક ઉત્તમ "ક્વેરી પાર્ટનર" છે: "હું આ પ્રોડક્ટના 10,000 યુનિટનું ઉત્પાદન કરીશ, કઈ પદ્ધતિનો અર્થ થાય છે?" અથવા "આ ભાગ પારદર્શક અને અસર પ્રતિરોધક બંને હોવો જોઈએ, ઉમેદવારો કઈ સામગ્રી છે?" તે તમને ઝડપથી પ્રશ્નોનું અન્વેષણ કરવાની મંજૂરી આપે છે જેમ કે. AI તમને ઉમેદવારોની યાદી, વત્તા-માઈનસ સરખામણી અને તમારે ધ્યાનમાં લેવાના પરિબળો આપે છે. પરંતુ અંતિમ સામગ્રીની પસંદગી અને વાસ્તવિક મિલકત મૂલ્યો (તાણ શક્તિ, ગરમી પ્રતિકાર, ખોરાક સંપર્ક યોગ્યતા) સામગ્રી ડેટાશીટ અને સપ્લાયરમાંથી આવે છે.
સામાન્ય ઉત્પાદન પદ્ધતિઓ અને તેમની લાક્ષણિક મર્યાદાઓ:
પદ્ધતિ
લાક્ષણિક ઉપયોગ
જટિલ DFM અવરોધ
ચકાસણી
ઈન્જેક્શન મોલ્ડિંગ
ઉચ્ચ જથ્થામાં પ્લાસ્ટિક
સ્થિર દિવાલની જાડાઈ, રેખાંકન કોણ, ત્રિજ્યા
મોલ્ડર + સામગ્રી ડેટાશીટ
શીટ મેટલ
બિડાણ, પેનલ
મિનિ. વળાંક ત્રિજ્યા, છિદ્રથી ધારનું અંતર
ઉત્પાદક + ધોરણ
કાસ્ટિંગ (એલ્યુમિનિયમ)
ટકાઉ શરીર
સીડરની જાડાઈ, ખેંચવાનો કોણ, ખોરાક આપવો
ફાઉન્ડ્રી
CNC મશીનિંગ
ઓછી માત્રા, પ્રોટોટાઇપ
ખૂણાની ત્રિજ્યાની અંદર, પહોંચ, સહનશીલતા
વર્કશોપ
3D પ્રિન્ટીંગ
પ્રોટોટાઇપ, ઓછી માત્રા
આધાર, સ્તર દિશા, તાકાત
પ્રિન્ટ ઓપરેટર
ટીપ: AI ને "કઈ પદ્ધતિ" પૂછતી વખતે ઉત્પાદનની માત્રા, લક્ષ્ય કિંમત, સામગ્રીની આવશ્યકતા અને સહનશીલતાનો ઉલ્લેખ કરવાની ખાતરી કરો. આ માહિતી વિના તે જે જવાબ આપે છે તે સામાન્ય અનુમાન છે.
DFM નિયમો: AI પોઈન્ટ, ઈજનેર પુષ્ટિ કરે છે
ચાલો કેટલાક મૂળભૂત DFM ખ્યાલોને સ્પષ્ટ કરીએ, કારણ કે તમે AI સાથે વાત કરતી વખતે તેનો ઉપયોગ કરશો:
- દિવાલની જાડાઈ: પ્લાસ્ટિકના ભાગની દિવાલની જાડાઈ. અનિયમિત જાડાઈને કારણે ઠંડક દરમિયાન સિંકના નિશાન અને લપેટાઈ જાય છે. નિયમ: તેને શક્ય તેટલું સ્થિર રાખો.
- ડ્રાફ્ટ એંગલ: દિવાલોને આપવામાં આવેલો થોડો ઝોક જેથી ભાગ બીબામાંથી બહાર આવી શકે. જો નહિં, તો ભાગને ઘાટમાં ફીટ કરવામાં આવે છે. તેની કિંમત સામગ્રી અને સપાટીની રચનાના આધારે બદલાય છે.
- ત્રિજ્યા (ફિલેટ): આંતરિક અને બાહ્ય ખૂણાઓની ગોળાકાર. તીક્ષ્ણ અંદરના ખૂણા તણાવ એકઠા કરે છે અને અસ્થિભંગ શરૂ કરે છે; ત્રિજ્યા આને ઘટાડે છે.
- સહિષ્ણુતા: માપની સ્વીકાર્ય વિચલન શ્રેણી. દરેક પદ્ધતિ અલગ સહનશીલતા પકડી શકે છે; ખૂબ સાંકડી સહનશીલતા ખર્ચમાં વધારો કરે છે.
- અન્ડરકટ: એક પ્રોટ્રુઝન/રિસેસ જે મોલ્ડને ફ્લેટ ખોલતા અટકાવે છે; તેને વધારાની મોલ્ડ મિકેનિઝમ (કોર સ્ટ્રક્ચર)ની જરૂર છે અને ખર્ચ વધે છે.
AI આ નિયમોને સમજાવી શકે છે અને ડિઝાઇનને ડ્રાફ્ટ તરીકે ચિહ્નિત કરી શકે છે કે "તે ખૂણો ખૂબ તીક્ષ્ણ છે, ત્યાં દિવાલની જાડાઈ બદલાઈ રહી છે, તે પ્રોટ્રુઝન અન્ડરકટ હોઈ શકે છે." પરંતુ આ એક પ્રાથમિક તપાસ છે; દિવાલની વાસ્તવિક જાડાઈ, ડ્રોઈંગ એંગલ અને સહિષ્ણુતા મૂલ્યો સામગ્રી, મોલ્ડ અને સપ્લાયર અને એન્જિનિયર/મોલ્ડર મંજૂર અનુસાર નક્કી કરવામાં આવે છે.
ત્રણ નાના કેસો
કેસ 1 - અંડરકટ મોડું જોવું. ડિઝાઇનર બૉક્સની બાજુની સપાટી પર સ્ટાઇલિશ સ્નેપ-ઑન ક્લિપ ડિઝાઇન કરે છે; રેન્ડરીંગ મહાન લાગે છે. મોલ્ડર કહે છે કે આ ક્લિપ અંડરકટ બનાવે છે, તેને ફ્લેટ મોલ્ડ સાથે બનાવી શકાતી નથી અને તેને કોર્ડ (સાઇડ મૂવિંગ) મોલ્ડની જરૂર છે; આનાથી ઘાટની કિંમત લગભગ 35% વધે છે. મેં AI ને અગાઉથી પૂછ્યું, "શું પેટર્નની દ્રષ્ટિએ આ ભૂમિતિમાં કોઈ સમસ્યા હશે?" જો પૂછવામાં આવે તો, અંડરકટ જોખમ શરૂઆતથી ફ્લેગ કરી શકાયું હોત. પાઠ: રેન્ડરિંગ પહેલાં DFM ક્વેરી કરો; AI આને વહેલી યાદ અપાવે છે, મોલ્ડર ચકાસે છે.
કેસ 2 - ખોટી સામગ્રી સ્પષ્ટીકરણ. એક ઇન્ટર્ન એઆઈને એવા ભાગ માટે સામગ્રી માટે પૂછે છે જે ખોરાકના સંપર્કમાં આવશે; AI એક પ્રકારના પ્લાસ્ટિકની ભલામણ કરે છે અને "ફૂડ ગ્રેડ" કહે છે. ઇન્ટર્ન આને સ્વીકારે છે. જો કે, ખોરાકના સંપર્કની યોગ્યતા સામગ્રીના પ્રકાર પર આધારિત નથી, પરંતુ તે ચોક્કસ ઉત્પાદન પાસે સંબંધિત ખોરાક-સંપર્ક દસ્તાવેજ/પ્રમાણપત્ર છે કે કેમ તેના પર; AI એ એક સામાન્ય નિવેદન તૈયાર કર્યું છે. સપ્લાયર પાસેથી પ્રમાણિત ફૂડ-કોન્ટેક્ટ ગ્રેડની વિનંતી કરવી જોઈએ. પાઠ: સામગ્રી અનુરૂપતા દાવાઓ ડેટાશીટ અને પ્રમાણપત્રમાંથી ચકાસવામાં આવે છે, AI ના સામાન્ય વાક્યમાંથી નહીં.
કેસ 3 - સાચો ઉપયોગ. એક ડિઝાઇનર 5,000 ટુકડાના બિડાણ માટે "જથ્થા, લક્ષ્ય કિંમત, તાકાત અને સપાટીની જરૂરિયાતો" આપીને પદ્ધતિની સરખામણી માટે AIને પૂછે છે. AI; ઈન્જેક્શન, શીટ મેટલ અને કાસ્ટિંગ માટે ધ્યાનમાં લેવા માટે વત્તા-માઈનસ અને પરિબળોનું કોષ્ટક બનાવે છે. ડિઝાઇનર આની શરૂઆત કરે છે, બે સપ્લાયર્સ પાસેથી વાસ્તવિક કિંમતો અને સૂચનો મેળવે છે અને ઇન્જેક્શન અંગે નિર્ણય લે છે. AI એ શોધને વેગ આપ્યો છે, વાસ્તવિક કિંમત અને સપ્લાયર નિર્ણય લે છે. પાઠ: AI વિકલ્પો ખોલે છે, વાસ્તવિક ડેટા પસંદ કરે છે.
નકલ કરી શકાય તેવા પ્રોમ્પ્ટ નમૂનાઓ
મેથડ ડિસ્કવરી ટેમ્પલેટ"હું નીચેનું ઉત્પાદન બનાવીશ: [રેસીપી]. ઉત્પાદન જથ્થો: [નંબર]. લક્ષ્ય એકમ કિંમત શ્રેણી: [શ્રેણી]. જરૂરી ગુણધર્મો: [તાકાત, પારદર્શિતા, તાપમાન, સપાટી]. યોગ્ય ઉત્પાદન પદ્ધતિઓની તુલના કરો: ગુણ, વિપક્ષ અને પરિબળો મારે દરેક પદ્ધતિ માટે ધ્યાનમાં લેવાની જરૂર છે. દરેક પધ્ધતિની પુષ્ટિ કરવા માટે હું ચોક્કસ કિંમત લખી શકું છું. પદ્ધતિ."
DFM પ્રારંભિક સ્ક્રિનિંગ ટેમ્પલેટ"હું [ઇન્જેક્શન/શીટ મેટલ/કાસ્ટિંગ] સાથે નીચેના ભાગનું નિર્માણ કરીશ: [ભૂમિતિનું વર્ણન કરો અથવા છબી ઉમેરો]. DFMના સંદર્ભમાં સંભવિત સમસ્યાઓને ફ્લેગ કરો: ચલ દિવાલની જાડાઈ, તીક્ષ્ણ અંદરના ખૂણે, ડ્રોઇંગ એંગલનો અભાવ, અન્ડરકટ, ખૂબ ચુસ્ત સહનશીલતા. આ દરેકને PREWAR સાથે સૂચવવા માટે જરૂરી છે; મોલ્ડર/એન્જિનિયર."
સામગ્રી ઉમેદવારોનો નમૂનો "નીચેની આવશ્યકતાઓને પૂર્ણ કરતી સામગ્રી ઉમેદવારોની સૂચિ બનાવો: [અસર પ્રતિકાર, તાપમાન, ખોરાક/ત્વચાનો સંપર્ક, યુવી, રિસાયક્લિંગ]. હેરડે માટે લાક્ષણિક ઉપયોગ અને સાવચેતી લખો. યોગ્યતાનો દાવો કરશો નહીં; સ્પષ્ટ કરો કે દરેક ઉમેદવાર પાસેથી ચોક્કસ ડેટાશીટ/પ્રમાણપત્ર માટે વિનંતી કરવી જોઈએ."
ખર્ચ ઘટાડવાની પૂછપરછનો નમૂનો "નીચેની ડિઝાઇનની ઉત્પાદન કિંમત ઘટાડશે તેવા વિચારો સૂચવો: [ભાગનું વર્ણન]. ભાગોની સંખ્યા ઘટાડવાની દ્રષ્ટિએ, સામગ્રીમાં ફેરફાર, સહનશીલતા ઢીલું કરવું, મોલ્ડ સરળીકરણ. દરેક વિચારના સંભવિત જોખમો (ટકાઉપણું, ગુણવત્તા, દેખાવ) લખો. હું મારા એન્જિનિયર સાથે નિર્ણય લઈશ."
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા પ્રોમ્પ્ટ: "આ ઉત્પાદન માટે શ્રેષ્ઠ સામગ્રી શું છે?"
સ્ટ્રોન્ગ પ્રોમ્પ્ટ: "હું આઉટડોર કેમ્પિંગ લેમ્પ બોડી ડિઝાઇન કરી રહ્યો છું. જરૂરીયાતો: શોકપ્રૂફ, -10/+50°C, યુવી રેઝિસ્ટન્ટ, સ્પ્લેશપ્રૂફ, 8,000 ઇન્જેક્શન મોલ્ડેડ, મેટ ફિનિશ. યોગ્ય સામગ્રી ઉમેદવારોની યાદી બનાવો (દા.ત. ઘણા થર્મોપ્લાસ્ટિક પરિવારો) વત્તા અને ઓછા સાથે, દરેક ઉમેદવારને જે પ્રમાણપત્ર અને માઇનસ માટે વેલ્યુ ડાઉન કરવાની વિનંતી કરવી જોઈએ તે પ્રમાણપત્ર માટે હું લખું છું. સપ્લાયર.
નબળો પ્રોમ્પ્ટ એક જ, ચકાસણી ન કરી શકાય તેવા જવાબ તરફ દબાણ કરે છે; શક્તિશાળી પ્રોમ્પ્ટ સંદર્ભ આપે છે (જથ્થા, સ્થિતિ, પદ્ધતિ), ઉમેદવારોની સૂચિની વિનંતી કરે છે અને નિર્ણય ડેટાશીટ + સપ્લાયર પર છોડી દે છે.
સામાન્ય ભૂલો
- ડેટાશીટમાંથી ચકાસ્યા વિના AI દ્વારા આપવામાં આવેલી સામગ્રીનો ઉપયોગ કરવો. વાસ્તવિક મૂલ્ય દરેક ઉત્પાદનમાં બદલાય છે.
- સામાન્ય શરતોમાં યોગ્યતા (ખોરાક/ત્વચાનો સંપર્ક, જ્યોત મંદતા) દાવાઓ સ્વીકારવા. આ પ્રમાણપત્ર દ્વારા સાબિત થાય છે.
- રેન્ડરીંગ પછી ડીએફએમને ધ્યાનમાં લેવું. શરૂઆતથી જ અન્ડરકટ, દિવાલની જાડાઈ અને પુલિંગ એંગલ પર પ્રશ્ન કરો.
- જથ્થા અને કિંમતનો સંદર્ભ આપ્યા વિના પદ્ધતિ માટે પૂછવું. જવાબ અર્થહીન સરેરાશ હશે.
- સહનશીલતાને ખૂબ સાંકડી બનાવવી. કોઈપણ વધારાની ચોકસાઇ ઝડપથી ખર્ચ ઉમેરે છે.
ધ્યાન આપો: સામગ્રી અને ઉત્પાદનના દાવાઓ સલામતી અને કાનૂની પાલન (જ્વલનક્ષમતા, ખોરાકનો સંપર્ક, ટકાઉપણું) સાથે સંબંધિત છે. માત્ર એટલા માટે કે AI એક ઘટકને "યોગ્ય" કહે છે તે પુરાવા નથી; અનુપાલન માત્ર સંબંધિત ડેટાશીટ, પરીક્ષણ અને પ્રમાણપત્ર સાથે અને જ્યારે જરૂરી હોય ત્યારે એન્જિનિયરની મંજૂરી સાથે દસ્તાવેજીકૃત કરવામાં આવે છે.
સારાંશમાં
ડીએફએમ એ પસંદ કરેલી પદ્ધતિ દ્વારા ડિઝાઇનને સમસ્યા-મુક્ત અને આર્થિક રીતે ઉત્પાદક બનાવવાની શિસ્ત છે. સામગ્રી, પદ્ધતિ અને કિંમત એકબીજા સાથે જોડાયેલા છે અને દરેક પદ્ધતિના પોતાના નિયમો છે (દિવાલની જાડાઈ, ડ્રોઈંગ એંગલ, ત્રિજ્યા, અન્ડરકટ, સહનશીલતા). AI એ આ નિયમો શીખવામાં અને DFM માટે ડિઝાઇનની પ્રી-સ્ક્રીનિંગમાં શક્તિશાળી સહાયક છે; સામગ્રી ઉમેદવારો અને પદ્ધતિ સરખામણી બનાવે છે. પરંતુ વાસ્તવિક મિલકત મૂલ્યો, અનુરૂપતા દાવાઓ અને અંતિમ પસંદગી ડેટાશીટ, પ્રમાણપત્ર અને સપ્લાયર/એન્જિનિયરની મંજૂરી દ્વારા ચકાસવામાં આવે છે. રેન્ડરિંગ કરતા પહેલા DFM ક્વેરી કરો અને AI ના કોઈપણ મુદ્દાઓને પ્રમાણિત કર્યા વિના પ્રોડક્શનમાં ખસેડશો નહીં.
એપ્લિકેશન કાર્ય
ઉત્પાદનનો ટુકડો પસંદ કરો (ઉદાહરણ તરીકે, બોટલ કેપ). AI પાસે "મેથડ ડિસ્કવરી" ટેમ્પલેટ સાથે જથ્થા અને આવશ્યકતાઓ પ્રદાન કરીને પદ્ધતિઓની તુલના કરો. પછી સંભવિત ઉત્પાદન સમસ્યાઓને "DFM પ્રી-સ્કેન" ટેમ્પલેટ સાથે ફ્લેગ કરેલ છે. ઓછામાં ઓછા બે DFM અવરોધો માટે વાસ્તવિક સ્ત્રોત/સપ્લાયર માહિતીમાંથી મૂલ્યોની લાક્ષણિક શ્રેણીનું સંશોધન કરો કે જે AI નિર્દેશ કરે છે (દા.ત. કોણ દોરો, અન્ડરકટ), AI જે આપે છે તેની સાથે તેની તુલના કરો અને કોના પર વિશ્વાસ કરવો તે ન્યાયી ઠેરવો.
ચેકલિસ્ટ
- [ ] મેં પદ્ધતિનો પ્રશ્ન જથ્થો, કિંમત અને જરૂરિયાતના સંદર્ભમાં પૂછ્યો.
- [ ] મેં ડેટાશીટ/સપ્લાયર પાસેથી ભૌતિક ગુણધર્મો ચકાસવાનું આયોજન કર્યું છે.
- [ ] પ્રમાણપત્ર સાથે સાબિત થવા માટે મને અનુપાલન (ખોરાક/ત્વચા/જ્યોત) દાવાની જરૂર છે.
- [ ] મેં રેન્ડરિંગ પહેલાં DFM પ્રેસ્કેન કર્યું (અંડરકટ, દિવાલની જાડાઈ, ડ્રો એંગલ).
- [ ] મેં એન્જીનિયર/મોલ્ડરની મંજૂરી વગર AI દ્વારા આપવામાં આવેલ કોઈપણ નંબરો ઉત્પાદનમાં મૂક્યા નથી.
- [ ] મેં સહનશીલતા જરૂરી કરતાં વધુ ચુસ્ત રાખી નથી, મેં ખર્ચની અસરને ધ્યાનમાં લીધી.