Zyski:
- Umiejętność odkrywania związku pomiędzy doborem materiału, metodą produkcji i kosztem poprzez zadawanie pytań sztucznej inteligencji
- Możliwość wyszczególnienia na liście kontrolnej ograniczeń DFM, takich jak grubość ścianki, kąt ciągnienia i tolerancja w metodach takich jak wtrysk, obróbka blachy i odlewanie
- Możliwość sprawdzenia możliwości produkcyjnych sztucznej inteligencji i zaleceń materiałowych na podstawie danych dostawców, inżynierów i rzeczywistych standardów
To, że projekt wygląda dobrze na ekranie, nie oznacza, że można go wyprodukować. To jest główna rzecz, która odróżnia wzornictwo przemysłowe od projektowania graficznego: produkt zostanie wykonany z prawdziwych materiałów, prawdziwą metodą produkcji, po realnych kosztach. DFM (Design for Manufacturing) to dyscyplina polegająca na projektowaniu produktu tak, aby mógł on być wytwarzany płynnie, w wysokiej jakości i ekonomicznie, wybraną metodą produkcji. Każda metoda ma swoje własne zasady: zasady dotyczące grubości ścianki wtrysku i kąta ciągnienia, promień gięcia blachy, zasady cidr odlewania itp. Sztuczna inteligencja jest potężną pomocą w szybkim nauczeniu się tych zasad i kwestionowaniu projektu z perspektywy DFM; ale wartości, które podaje, są zawsze hipotezami, które należy zweryfikować za pomocą dostawcy, karty katalogowej materiału i zgody inżyniera.
Materiał, metoda i trójkąt kosztów
W przypadku produktu wybór materiału, metoda produkcji i koszt są ze sobą ściśle powiązane. Wytwarzanie tej samej formy za pomocą wtrysku tworzyw sztucznych, odlewania aluminium lub obróbki CNC daje bardzo różne koszty, teksturę i wytrzymałość. Projektant musi zrównoważyć ten trójkąt. AI jest tutaj doskonałym „partnerem zapytań”: „Wyprodukuję 10 000 sztuk tego produktu, która metoda ma sens?” lub „Ta część musi być zarówno przezroczysta, jak i odporna na uderzenia. Jakie materiały są kandydatami?” Pozwala szybko eksplorować pytania takie jak. Sztuczna inteligencja udostępnia listę kandydatów, porównanie plus-minus i czynniki, które należy wziąć pod uwagę. Jednak ostateczny wybór materiału i rzeczywiste wartości właściwości (wytrzymałość na rozciąganie, odporność na ciepło, przydatność do kontaktu z żywnością) pochodzą z arkusza danych materiału i dostawcy.
Typowe metody produkcji i ich typowe ograniczenia:
Metoda
Typowe użycie
Krytyczne ograniczenie DFM
weryfikacja
formowanie wtryskowe
Duża ilość plastiku
Naprawiono grubość ścianki, kąt rysowania, promień
Formierka + karta katalogowa materiału
blacha
obudowa, panel
Min. promień zgięcia, odległość od otworu do krawędzi
Producent + norma
Odlew (aluminium)
Trwały korpus
Grubość cydru, kąt ciągnięcia, podawanie
odlewnia
Obróbka CNC
Mała ilość, prototyp
Wewnętrzny promień naroża, zasięg, tolerancja
warsztat
Druk 3D
Prototyp, mała ilość
Podparcie, kierunek warstwy, siła
operator druku
Wskazówka: pytając sztuczną inteligencję „która metoda”, pamiętaj o podaniu wielkości produkcji, docelowego kosztu, wymagań materiałowych i tolerancji. Odpowiedź, której udziela bez tych informacji, jest ogólnym przypuszczeniem.
Zasady DFM: punkty AI, potwierdza inżynier
Wyjaśnijmy kilka podstawowych pojęć DFM, ponieważ będziesz ich używać podczas rozmowy z AI:
- Grubość ścianki: Grubość ścianki części z tworzywa sztucznego. Nieregularna grubość powoduje zapadnięcia i wypaczenia podczas chłodzenia. Zasada: trzymaj go tak stabilnie, jak to możliwe.
- Kąt pochylenia: Nieznaczne nachylenie ścian, umożliwiające wysunięcie części z formy. Jeśli nie, część jest montowana w formie. Jego wartość różni się w zależności od materiału i tekstury powierzchni.
- Promień (zaokrąglenie): Zaokrąglenie narożników wewnętrznych i zewnętrznych. Ostre narożniki wewnętrzne kumulują naprężenia i inicjują pękanie; promień to zmniejsza.
- Tolerancja: Dopuszczalny zakres odchylenia pomiaru. Każda metoda może mieć inną tolerancję; Zbyt wąska tolerancja zwiększa koszty.
- Podcięcie: występ/wgłębienie uniemożliwiające płaskie otwarcie formy; Wymaga to dodatkowego mechanizmu formy (struktury rdzenia) i zwiększa koszt.
Sztuczna inteligencja może wyjaśnić te zasady i oznaczyć projekt jako szkic, mówiąc „ten narożnik jest za ostry, tam zmienia się grubość ściany, ten występ może być podcięciem”. Ale to wstępny pokaz; Rzeczywista grubość ścianki, kąt ciągnienia i wartości tolerancji są określane w zależności od materiału, formy i dostawcy, a inżynier/formarz zatwierdza.
trzy mini etui
Przypadek 1 — Późne zauważenie podcięcia. Projektant projektuje stylowy klips zatrzaskowy do bocznej powierzchni pudełka; Render wygląda świetnie. Formier twierdzi, że ten klips tworzy podcięcie, nie można go wyprodukować za pomocą płaskiej formy i wymaga formy rdzeniowej (ruchomej na bok); Zwiększa to koszt formy o około 35%. Zapytałem wcześniej AI: „Czy będą jakieś problemy z tą geometrią pod względem wzorów?” Na pytanie, ryzyko podcięcia cenowego mogło zostać zasygnalizowane od początku. Lekcja: Wykonaj zapytanie DFM przed renderowaniem; Sztuczna inteligencja przypomina o tym wcześnie, potwierdza Molder.
Przypadek 2 — Nieprawidłowa specyfikacja materiału. Stażysta prosi AI o materiały na część, która będzie miała kontakt z żywnością; AI zaleca rodzaj plastiku i mówi „do kontaktu z żywnością”. Stażysta to akceptuje. Jednakże przydatność do kontaktu z żywnością nie zależy od rodzaju materiału, ale od tego, czy dany konkretny produkt posiada odpowiedni dokument/certyfikat do kontaktu z żywnością; AI wydała ogólne oświadczenie. Należy poprosić dostawcę o certyfikat jakości do kontaktu z żywnością. Lekcja: oświadczenia o zgodności materiałów są weryfikowane na podstawie arkusza danych i certyfikacji, a nie na podstawie ogólnego zdania AI.
Przypadek 3 – Prawidłowe użycie. Projektant prosi sztuczną inteligencję o porównanie metod, podając „ilość, docelowy koszt, wytrzymałość i wymagania dotyczące powierzchni” dla obudowy składającej się z 5000 elementów. sztuczna inteligencja; Tworzy tabelę plusów i minusów oraz czynników, które należy wziąć pod uwagę przy wtrysku, obróbce blachy i odlewaniu. Projektant zaczyna od tego, pobiera aktualne ceny i sugestie od dwóch dostawców i decyduje o wtrysku. Sztuczna inteligencja przyspieszyła odkrywanie, prawdziwa cena i dostawca podejmują decyzję. Lekcja: AI otwiera opcje, wybiera rzeczywiste dane.
Kopiowalne szablony podpowiedzi
SZABLON WYKRYCIA METOD"Wyprodukuję następujący produkt: [przepis]. Wielkość produkcji: [liczba]. Docelowy zakres kosztów jednostkowych: [zakres]. Wymagane właściwości: [wytrzymałość, przezroczystość, temperatura, powierzchnia]. Porównaj odpowiednie metody produkcji: zalety, wady i czynniki, które muszę wziąć pod uwagę dla każdej metody. DOKŁADNA cena/wycena; zapisz, co muszę potwierdzić z dostawcą dla każdej metody.
WSTĘPNY SZABLON PRZESIEWANIA DFM „Wyprodukuję następującą część za pomocą [wtrysku/blachy/odlewu]: [opisz geometrię lub dodaj zdjęcie]. Oznacz możliwe problemy w zakresie DFM: zmienna grubość ścianki, ostry narożnik wewnętrzny, brak kąta ciągnienia, podcięcie, zbyt mała tolerancja. Są to OSTRZEŻENIA; zaznacz, że muszę każdy zweryfikować z formatorem/inżynierem.
SZABLON KANDYDATÓW MATERIAŁÓW „Wymień KANDYDATÓW materiałów, którzy spełniają następujące wymagania: [odporność na uderzenia, temperatura, kontakt z żywnością/skórą, promieniowanie UV, recykling]. Napisz typowe zastosowanie i przestrogi dla firmy Heraday. NIE TWIERDŹ PRZYDATNOŚCI; określ, o który arkusz danych/certyfikat powinienem poprosić dostawcę w celu uzyskania faktycznej specyfikacji każdego kandydata.
SZABLON ZAPYTANIA O REDUKCJI KOSZTÓW „Zaproponuj pomysły, które obniżą koszty produkcji następującego projektu: [opis części]. W zakresie zmniejszenia liczby części, zmiany materiału, poluzowania tolerancji, uproszczenia formy. Zapisz możliwe RYZYKO (trwałość, jakość, wygląd) każdego pomysłu. Decyzję podejmę z inżynierem i dostawcą.”
Słaba zachęta/silna zachęta
SŁABY PODSUMOWANIE: „Jaki jest najlepszy materiał na ten produkt?”
MOCNA WSKAZÓWKA: „Projektuję korpus lampy kempingowej do użytku na zewnątrz. Wymagania: odporność na wstrząsy, -10/+50°C, odporność na promieniowanie UV, bryzgoszczelność, formowanie wtryskowe 8000, matowe wykończenie. Wymień KANDYDATÓW z odpowiednich materiałów (np. kilka rodzin tworzyw termoplastycznych) z plusami i minusami. Dla każdego kandydata zapisz, jaką wartość w arkuszu danych i jakiego certyfikatu powinienem zażądać od dostawcy. Dokładne „użyj tego” Nie mów; sprawdzę to u dostawcy.
Słaba podpowiedź prowadzi do jednej, nieweryfikowalnej odpowiedzi; Potężny monit podaje kontekst (ilość, stan, metoda), żąda listy kandydatów i pozostawia decyzję arkuszowi danych + dostawcy.
Typowe błędy
- Korzystanie z właściwości materiału podanych przez sztuczną inteligencję bez sprawdzania ich na podstawie arkusza danych. Rzeczywista wartość różni się w zależności od produktu.
- Akceptowanie ogólnych informacji o przydatności (kontakt z żywnością/skórą, ognioodporność). Potwierdzają to certyfikaty.
- Uwzględnianie DFM po renderowaniu. Od samego początku kwestionuj podcięcie, grubość ścianki i kąt ciągnięcia.
- Pytanie o metodę bez podawania kontekstu ilości i kosztu. Odpowiedź byłaby bezsensowną średnią.
- Zbyt wąska tolerancja. Każda dodatkowa precyzja szybko zwiększa koszty.
Uwaga: Deklaracje materiałowe i produkcyjne odnoszą się do bezpieczeństwa i zgodności z przepisami (palność, kontakt z żywnością, trwałość). To, że sztuczna inteligencja nazywa składnik „odpowiednim”, nie jest dowodem; Zgodność jest dokumentowana wyłącznie za pomocą odpowiedniego arkusza danych, testu i certyfikatu, a także, jeśli to konieczne, zatwierdzenia inżyniera.
Podsumowując
DFM to dyscyplina, która ma na celu uczynienie projektu bezproblemowym i ekonomicznym w produkcji wybraną metodą. Materiał, metoda i koszt są ze sobą powiązane, a każda metoda ma swoje własne zasady (grubość ściany, kąt rysowania, promień, podcięcie, tolerancja). Sztuczna inteligencja jest potężną pomocą w nauce tych zasad i wstępnej kontroli projektu dla DFM; Generuje kandydatów na materiały i porównanie metod. Jednak rzeczywiste wartości właściwości, deklaracje zgodności i ostateczny wybór są weryfikowane na podstawie arkusza danych, certyfikatu i zatwierdzenia dostawcy/inżyniera. Wykonaj zapytanie DFM przed renderowaniem i nie przenoś żadnych problemów AI do produkcji bez ich sprawdzenia.
Zadanie aplikacji
Wybierz element produktu (na przykład zakrętkę od butelki). Niech sztuczna inteligencja porówna metody, podając ilość i wymagania za pomocą szablonu „Odkrywanie metod”. Następnie oznacz potencjalne problemy produkcyjne za pomocą szablonu „wstępnego skanowania DFM”. Zbadaj typowy zakres wartości z rzeczywistych informacji o źródle/dostawcy dla co najmniej dwóch ograniczeń DFM, na które wskazuje AI (np. kąt rysowania, podcięcie), porównaj go z tym, co podaje AI i uzasadnij, któremu z nich zaufać.
lista kontrolna
- [ ] Zadałem pytanie dotyczące metody w kontekście ilości, kosztu i wymagań.
- [ ] Planowałem sprawdzić właściwości materiału z arkusza danych/dostawcy.
- [ ] Wymagam, aby oświadczenia dotyczące zgodności (żywność/skóra/płomień) były potwierdzone certyfikatem.
- [ ] Zrobiłem wstępne skanowanie DFM przed renderowaniem (podcięcie, grubość ściany, kąt rysowania).
- [ ] Nie wprowadziłem do produkcji żadnych numerów nadanych przez AI bez zgody inżyniera/formy.
- [ ] Nie zachowałem tolerancji większych niż to konieczne, wziąłem pod uwagę wpływ na koszty.