Giriş: Çok çeşitli ve küçük partiler çağında planlama ikilemi
Otomobil, havacılık ve tıbbi cihazlar gibi endüstrilerde 3D baskı teknolojisi, prototip üretiminden seri üretime dönüşüyor. Bununla birlikte, Doğu Çin'deki bir otomobil parçası tedarikçisi tipik bir ikilemle karşı karşıyadır: 12 adet endüstriyel sınıf SLM metal yazıcısı vardır (EOS M290, SLM 280 ve diğer modeller dahil) ve ortalama aylık sipariş hacmi 2022'de 450 parçadan 2023'te 1.200 parçaya çıkmıştır. Bununla birlikte, genel ekipman kullanım oranı (OEE) yalnızca %58'dir ve zamanında sipariş teslim oranı %72 civarındadır. Temel çelişki, siparişlerin birden fazla çeşit (ortalama aylık SKU 80+'e ulaşır), küçük partiler (ortalama parti boyutu 3-5 parçadır) ve büyük süreç farklılıkları (titanyum alaşımı, alüminyum alaşımı, paslanmaz çelik ve diğer malzemeler ve baskı süresi 4 saatten 36 saate kadar değişir) ile karakterize edilmesidir. Geleneksel manuel planlama, Excel tablolarına ve ampirik değerlendirmeye dayanır. Sevkiyatçılar, ekipmanı, malzemeleri ve işlem sonrası süreçleri koordine etmek için günde 3-4 saat harcıyorlar. Acil durum siparişleri çoğu zaman orijinal planı bozar ve ekipmanın boş kalmasına ve siparişlerin birikmesine neden olur. Bu sahne, 3D baskı üretim planlamasının sistemsel zorluğunu yansıtıyor: süreç kısıtlamaları, ekipman yetenekleri ve teslimat zamanındalığı gibi çoklu koşullar altında üretim kaynaklarının en uygun şekilde tahsisi nasıl sağlanır?1. Planlama optimizasyonunun temel darboğazları ve teknik analizi
1. Yazdırma süresi tahmininde belirsizlik
3D baskı süresi birçok faktörden etkilenir: parça geometrik karmaşıklığı, dolgu yoğunluğu, katman kalınlığı ayarları, destek yapısı, malzeme özellikleri vb. SLM işlemini örnek olarak alırsak, 280 W lazer gücü, 1200 mm/s tarama hızı ve 30 μm katman kalınlığı standart parametreleri altında, aynı hacimdeki parçalar için baskı süresi farkı, farklı geometrik şekiller nedeniyle %300'ün üzerine çıkabilir. Geleneksel yöntem hacim x malzeme katsayısından oluşan doğrusal bir model kullanır ve tahmin hatası ±%35 kadar yüksektir. Bir şirketten alınan gerçek ölçüm verileri, 120 cm³ hacimli titanyum alaşımlı bir pervane için gerçek baskı süresinin 22,4 saat olduğunu, tahmin edilen değerin ise -%32 hatayla yalnızca 15,2 saat olduğunu gösteriyor. Bu belirsizlik, planlama planlarında sık sık başarısızlıklara yol açmaktadır. Çözüm, makine öğrenimi tahmin modellerini tanıtmaktır. Geçmiş sipariş verilerine (dilim dosyası parametreleri, gerçek yazdırma süresi, cihaz modeli vb. dahil) dayanarak bir özellik projesi oluşturun: - Geometrik özellikler: yüzey alanı/hacim oranı, sarkma açısı dağılımı, minimum duvar kalınlığı - Proses özellikleri: katman kalınlığı, doldurma yoğunluğu, tarama stratejisi (dama tahtası/şerit tipi), destek hacim oranı - Malzeme özellikleri: erime noktası, termal iletkenlik, toz parçacık boyutu dağılımı Bir şirket, XGBoost regresyon modelini kullanarak tahmin hatasını ±%12'ye düşürdü. Model, 300'den fazla özellik boyutunu girer ve eğitim seti 8000'den fazla geçmiş yazdırma kaydını içerir. Aynı zamanda, bir dinamik düzeltme mekanizması kurulur: Bir sipariş her tamamlandığında, sürekli optimizasyonun sağlanması için gerçek veriler modele döndürülür.2. Çok cihazlı heterojen kısıtlamalar
Önemli ölçüde farklı yeteneklere sahip çeşitli endüstriyel sınıf 3D baskı ekipmanı modelleri vardır. Örnek olarak belirli bir işletmenin ekipman listesini ele alalım: - EOS M290 (400W lazer, 250×250×325mm şekillendirme haznesi): küçük ve orta ölçekli hassas parçalar için uygundur, titanyum alaşımlı baskı doğruluğu ±0,05 mm - SLM 280 (çift lazer 500W, 280×280×365mm): büyük yapısal parçalar için uygundur, alüminyum alaşımlı baskıda yüksek verimlilik - GE Arcam EBM Q20plus (elektron ışını, φ350×380mm):
Sonraki adım
Bu, ihtiyacınıza yakın mı?
Model, çizim, görüntü veya yazılı notlar gönderin. Mühendislerimiz malzeme, süreç, kaplama ve teslimatı gerçek kullanıma göre değerlendirecektir.