傳統壓鑄生產過程中，溫度對產品形態和力學性能有著重要影響，但實現模具溫度平衡，向來是個難題：

      ·缺乏配套紅外設備

      ·高度依賴人工

      ·工藝調優難度大

      ……

      這些難點，導致模溫調試要么依靠人工經驗，要么借助CAE仿真軟件計算輔助調參，但到了一體化壓鑄時代，以上控制方法也只能望洋興嘆。

      設計一個大型鑄件的模溫控制系統，意味著要設置數以百計的油溫、水溫、冷卻時間等參數，布設300余根管路，并預留半年以上的試模時間。材料、人力和時間成本遠遠超出傳統零部件。

特斯拉Model Y后底板的一體化壓鑄模具

圖片來源：Patrick Pleul

      一套能盡可能解放人工模溫干預，令模溫檢測和模溫控制功能無縫協作的系統，已經成為全行業共同呼聲。

      基于此，適創科技打造了“智能模溫系統”。

      據了解，該系統已經應用于吉利汽車旗下極氪工廠、梅山工廠，以及長安汽車一體化壓鑄車間智慧工廠項目，并且獲得由鑄造行業生產力促進中心、中國機械工程學會鑄造分會聯合頒發的2023年全國壓鑄行業創新技術獎項。

      智能模溫系統是部署于壓鑄島內的軟硬一體化計算設備，旨在聯通模溫控制系統、紅外以及其他壓鑄島內周邊設備，實現數據匯總、模溫異常發掘、工藝自動計算與下發的功能，實現模具溫度全自動化反饋控制。

      我們通過DOE實驗設計生成技術，解決了傳統仿真技術過慢的問題。

      在前期，設計師輸入完整模具設計數模，系統會進行如下工作：

      ·自動評估溫控系統設計的合理性

      ·確認管路數量與屬性，確認油溫、水溫、通水時間、延遲時間等控制參數

      ·匹配油溫機、水溫機及冷卻單元回路數量并評價分組連接合理性

      最終，系統一鍵生成DOE方案，提交智鑄超云進行仿真計算。在智鑄超云算力支持下，包含5000萬模溫網格，330變量，DOE10000組參數、20節點計算耗時僅需2.5天。

      仿真完成后，利用深度學習神經網絡訓練，即可構建可預測的模具表面三維溫度場代理模型。訓練后，輸入初始溫度與工藝參數，即可實現一秒內模具表面溫度的快速仿真預測。

      如下圖所示，在1000萬模溫網格規模下，智鑄超云計算耗時4小時后（32核），生成代理模型，最終可做到僅100毫秒延遲的實時預測，代理模型與仿真計算的最大誤差小于3%。

      在生產階段，適創科技通過深度學習圖像處理技術，將多個紅外攝像頭拍攝的影像進行分割、變換后，多個二維圖像可復現為三維溫度場，實現更直觀的觀測。

      隨后，系統通過換熱系數反算技術，根據復現的溫度場，修正各管路實際換熱系數，修正前期構建的快速仿真模型，使模型更貼合真實情況。

      與此同時，系統也將基于深度學習的連續控制策略，構建基于溫度場與工藝參數轉化的預測模型。

      輸入異常溫度場與期望溫度場，預測模型可實現用于處理溫度異常的工藝參數調節量反算，同時根據目前溫度場的異常，進行實時工藝優化。

      在實際生產中，智能模溫系統的整體運行流程如下：

      01 開模后，系統接收并校驗模溫系統參數采集信號、壓鑄機及其周邊設備的參數采集信號、紅外設備各角度噴涂前后拍攝圖像等，確認沒有硬件異常后，排查紅外數據中是否反饋存在溫度異常情況。

      02 若出現模溫異常，則對異常進行類型判斷，并進行報警，對于可調節的異常，調用計算程序，計算各工藝參數調節量。

      03 向溫控設備下發溫控參數前，調用快速仿真計算校驗調整后溫度情況；后續持續監控模具表面溫度，確認溫度調整情況。

      智能模溫系統是適創科技智慧壓鑄工廠的關鍵組成部分，它代表著適創科技透明化、敏捷化、智能化的智能生產理念，并具備虛擬制造、設備運行監控預警、自適應調整、全域自動化等關鍵要素，充分展現了企業數字化轉型的專業性和先進性，為完善現代智能制造體系貢獻了新的思路。

      適創科技的目標是實現全車間操作決策自動化，打造全自動工藝大腦。目前，適創的智慧工廠以L4級智能制造為標桿，并將向L5級水準加速沖刺。在未來，適創將會以建設高質、高效、精益、可持續發展的智慧壓鑄工廠為愿景，為客戶打造更多高價值服務。