ນະວາດົດຕະກຳລ່າສຸດໃນດ້ານວິສະວະກຳແບບຂຶ້ນຮູບດ້ວຍການຫຼໍ່

AI ແລະ IoT ສໍາລັບການອອກແບບແລະຮັກສາ Mold Injection Smarter

ການປັບປຸງ topology ທີ່ຖືກ ນໍາ ພາໂດຍ AI ຕັດເວລາຮອບວຽນ mold injection ເຖິງ 22%

AI ກໍາ ລັງປ່ຽນແປງວິທີການອອກແບບແມ່ພິມສັກຢາໃນມື້ນີ້ ຂອບໃຈກັບແອລຈໍຕິກທີ່ສ້າງສັນທີ່ສະຫຼາດ ທີ່ຄິດໄລ່ວ່າປະຕູຄວນໄປໃສ, ວິທີການວາງລານແລ່ນ, ແລະລະບົບເຢັນປະເພດໃດທີ່ເຮັດວຽກດີທີ່ສຸດ ອີງຕາມວັດສະດຸທີ່ໃຊ້ ແລະຮູບຮ່າງຂອງສ່ວນຕ່າງໆ. ແທນທີ່ຈະລໍຖ້າຜົນ ສໍາ ເລັດເປັນເວລາຫຼາຍອາທິດ, ບໍລິສັດສາມາດເຮັດການ ຈໍາ ລອງໃນຫລາຍພັນການອອກແບບທີ່ແຕກຕ່າງກັນພາຍໃນສອງສາມຊົ່ວໂມງເທົ່ານັ້ນ. ນີ້ໄດ້ເຮັດໃຫ້ຜູ້ຜະລິດຫຼາຍຄົນຫຼຸດເວລາຮອບວຽນຂອງພວກເຂົາປະມານ 20% ຫຼືປະມານໂດຍບໍ່ເສຍຄ່າຄວາມແຂງແຮງຂອງຜະລິດຕະພັນສຸດທ້າຍ. ການຄົ້ນຄວ້າຈາກວາລະສານວິສະວະກໍາຕ່າງໆ ສະແດງໃຫ້ເຫັນວ່າ ຮູບແບບທີ່ຖືກປັບປຸງດ້ວຍ AI ໃນຄວາມເປັນຈິງ ແມ່ນໃຊ້ພະລັງງານຫນ້ອຍກວ່າ 15 ຫາ 18 ເປີເຊັນ ເມື່ອທຽບໃສ່ການອອກແບບແບບດັ້ງເດີມ. ນັ້ນແມ່ນສິ່ງທີ່ເຮັດໃຫ້ມີຄວາມແຕກຕ່າງ ເມື່ອຜະລິດເຄື່ອງມືທາງການແພດທີ່ມີຄວາມລະອຽດ ຫຼື ສ່ວນເຊື່ອມຕໍ່ລົດທີ່ສັບສົນ ບ່ອນທີ່ທຸກອັນມີຄ່າ

ການຕິດຕາມກວດກາແບບເວລາຈິງທີ່ໃຊ້ IoT ສຳລັບການບຳລຸງຮັກສາແມ່ພິມສີດແບບຄາດເດົາໄດ້

ເຊັນເຊີທີ່ເຊື່ອມຕໍ່ເຂົ້າກັບເຄືອຂ່າຍ ແລະ ຖືກຝັງຢູ່ໃນແບບພິມ (molds) ແມ່ນເປັນສ່ວນໜຶ່ງຂອງການປະฎິວັດອິນເຕີເນັດຂອງສິ່ງຂອງ (Internet of Things) ເຊິ່ງຕິດຕາມທຸກສິ່ງທຸກຢ່າງ ເລີ່ມຈາກການປ່ຽນແປງຂອງອຸນຫະພູມ ໄປຈົນຮອດການປ່ຽນແປງຂອງຄວາມກົດດັນ ແລະ ການສຶກຫຼຸດຂອງແບບພິມ ໃນໄລຍະຂະບວນການຜະລິດ. ການສຶກສາເຄື່ອງຈັກຈິງໆ ແຕ່ລະຄະດີໜຶ່ງ ແສດງໃຫ້ເຫັນວ່າ ຜູ້ຜະລິດຊິ້ນສ່ວນລົດຄັນໜຶ່ງ ໄດ້ປະຢັດເວລາການຜະລິດທີ່ສູນເສຍໄດ້ປະມານ 740,000 ໂດລາ ຫຼັງຈາກຕິດຕັ້ງເຊັນເຊີການສັ່ນສະເທືອນ ເຊິ່ງສາມາດຈັບເອົາບັນຫາການຈັດຕັ້ງທີ່ບໍ່ຖືກຕ້ອງໄດ້ລ່ວງໆ ໃນເວລາສາມວັນກ່ອນທີ່ອຸປະກອນຈະເສຍຫາຍຢ່າງສົມບູນ ອີງຕາມການຄົ້ນຄວ້າທີ່ຖືກເຜີຍແຜ່ໂດຍ Ponemon Institute ໃນປີທີ່ຜ່ານມາ. ເມື່ອວັດຖຸເລີ່ມມີການປະພຶດທີ່ບໍ່ປົກກະຕິ ການກວດສອບຄວາມເຂັ້ມຂຸ້ນຂອງຂອງເຫຼວໃນເວລາຈິງຈະຊ່ວຍຫຼຸດຜ່ອນຂະບວນການສູນເສຍໄດ້ປະມານ 11 ເປີເຊັນ ເນື່ອງຈາກຜູ້ປະຕິບັດງານສາມາດປັບຄ່າການສູບເຂົ້າ (injection settings) ໄດ້ທັນທີ. ຂໍ້ມູນທີ່ເຂົ້າມາຢ່າງຕໍ່ເນື່ອງທັງໝົດນີ້ ໃຫ້ທີມງານບໍາລຸງຮັກສາສາມາດປ່ຽນຊິ້ນສ່ວນທີ່ເສື່ອມສະຫຼາກໃນເວລາພັກທີ່ກຳນົດໄວ້ ແທນທີ່ຈະຕ້ອງປິດລະບົບຢ່າງກ່ຽວກັບເຫດສຸກເສີນ, ສາມາດທຳนายໄດ້ວ່າຊິ້ນສ່ວນໃດຈະຕ້ອງຖືກປ່ຽນໃນອະນາຄົດ ໂດຍອີງໃສ່ບັນທຶກການປະຕິບັດງານໃນອະດີດ, ແລະ ປັບແບບພິມໃຫ້ເໝາະສົມກັບຜົນກະທົບຈາກການຂະຫຍາຍຕົວເນື່ອງຈາກຄວາມຮ້ອນ. ຜົນທີ່ໄດ້ຮັບ? ວຽກງານໃນໂຮງງານຜະລິດຈະຫັນຈາກການຊ່ວຍແກ້ໄຂເພີ່ງເມື່ອເກີດບັນຫາເທົ່ານັ້ນ ໄປສູ່ການຕັດສິນໃຈທີ່ມີປະສິດທິພາບ ໂດຍອີງໃສ່ຕົວເລກທີ່ແທ້ຈິງ ແທນທີ່ຈະເປັນການທົດສອບດ້ວຍຄວາມເປັນໄປໄດ້.

ການຮັກສາຄວາມສົມດຸນລະຫວ່າງການອັດຕະໂນມັດແລະຄວາມຊຳນິຊຳນານ: ເປັນຫຍັງການຢືນຢັນດ້ວຍວິສະວະກອນໃນວົງຈອນຈຶ່ງຍັງຄົງມີຄວາມສຳຄັນ

ເຖິງແມ່ນວ່າຈະມີຄວາມກ້າວໜ້າທັງໝົດໃນດ້ານເຕັກໂນໂລຢີ AI ແລະ IoT, ຄົນຍັງຄົງຕ້ອງການກວດສອບສິ່ງຕ່າງໆດ້ວຍຕົວເອງເມື່ອຈັດການກັບສະຖານະການການຂຶ້ນຮູບທີ່ສັບສົນ. ເຄື່ອງຈັກຍັງບໍ່ສາມາດຈັດການລາຍລະອຽດທີ່ຫຍຸ້ງຍາກເຫຼົ່ານີ້ໄດ້ຢ່າງຖືກຕ້ອງ, ໂດຍເປີດເຜີຍເປັນພິເສດເມື່ອພັນທະສານ (polymers) ມີການປ່ຽນແປງຄຸນສົມບັດໃນສະພາບແວດລ້ອມທີ່ຊື້ນ. ການຄົ້ນຄວ້າບາງຢ່າງຈາກປີທີ່ຜ່ານມາໃນວາລະສານ Polymer Engineering and Science ແດງໃຫ້ເຫັນວ່າລະບົບການກວດສອບຮູບແບບອັດຕະໂນມັດໄດ້ລືມພິຈາລະນາບັນຫາການບິດງໍ່ (warping) ໃນສ່ວນປະກອບທີ່ມີຄວາມໜາຂອງຜະນັງແຕກຕ່າງກັນປະມານໜຶ່ງໃນສາມສ່ວນ. ສາງອຸດສາຫະກຳທີ່ສຸດທັນສະໄໝ (Smart factories) ໄດ້ເລີ່ມນຳເອົາຄຳແນະນຳຈາກຄອມພິວເຕີເຂົ້າມາຮວມກັບຄວາມຊຳນິຊຳນານຂອງມະນຸດແທນ. ຕົວຢ່າງເຊັ່ນ: AI ອາດຈະແນະນຳເຖິງທາງລະບາຍຄວາມຮ້ອນທີ່ດີຂຶ້ນ ຫຼື ຈຸດທີ່ເໝາະສົມທີ່ຈະຕິດຕັ້ງເຂັມຂັບອອກ (ejection pins), ແຕ່ວິສະວະກອນທີ່ແທ້ຈິງຈະຕ້ອງດຳເນີນການທົດສອບດ້ວຍຕົວເອງກ່ອນເสมີ. ການຮ່ວມມືກັນລະຫວ່າງມະນຸດ ແລະ ຄອມພິວເຕີນີ້ໄດ້ຫຼຸດຜ່ອນການອອກແບບໃໝ່ລົງປະມານ 40% ໃນການຜະລິດຊິ້ນສ່ວນສຳລັບເຮືອບິນ, ເປັນການພິສູດວ່າການຮວມເອົາສະຕິປັນຍາຂອງມະນຸດເຂົ້າກັບອັລກົຣິດີມ (algorithms) ຈະໃຫ້ຜົນໄດ້ຮັບທີ່ດີທີ່ສຸດ ແລະ ສາມາດນຳໄປໃຊ້ງານໄດ້ຈິງໃນສາງຜະລິດ.

ການຜະລິດເພີ່ມ (Additive Manufacturing) ກຳລັງປະຕິວັດການຜະລິດເຄື່ອງມືສຳລັບການຂຶ້ນຮູບແບບການຫຼືການປັ້ມ (Injection Mold Tooling)

DMLS ແລະ binder jetting ລົດຕ່າງໆ ສຳລັບການຂຶ້ນຮູບແບບເຄື່ອງມືສຳລັບການຫຼໍ່ຂຶ້ນຮູບດ້ວຍການບີບອັດ ໄດ້ຫຼຸດເວລາການຈັດສົ່ງລົງ 60–70%

ການຮັບຮອງເອົາ Direct Metal Laser Sintering (DMLS) ພ້ອມກັບເຕັກໂນໂລຢີ binder jetting ໄດ້ຕັດເວລາ ສໍາ ລັບການຜະລິດເຄື່ອງມື mold injection ລົງປະມານ 60 ຫາ 70 ເປີເຊັນ. ວິທີການເຄື່ອງຈັກແບບດັ້ງເດີມມັກໃຊ້ເວລາແຕ່ສີ່ຫາແປດອາທິດເມື່ອຈັດການກັບຄວາມຕ້ອງການເຄື່ອງມືທີ່ສັບສົນ, ໃນຂະນະທີ່ການຜະລິດ additive ສາມາດຜະລິດແມ່ພິມ ສໍາ ເລັດຮູບພາຍໃນປະມານເຈັດຫາສິບມື້. ນີ້ຕັດຂັ້ນຕອນຫຼາຍຢ່າງລວມທັງຂັ້ນຕອນການປຸງແຕ່ງຫຼາຍຂັ້ນຕອນ, ວຽກງານ ສໍາ ເລັດຮູບ EDM, ແລະການປະກອບດ້ວຍມືທີ່ ຫນ້າ ເບື່ອ. ຜູ້ທີ່ມີຄວາມຮູ້ພາຍໃນອຸດສາຫະ ກໍາ ກໍາ ກໍາ ລັງເຫັນການຫຼຸດລົງປະມານ 35% ໃນຄ່າໃຊ້ຈ່າຍຂອງເຄື່ອງມືຕໍ່ສ່ວນ, ເຊິ່ງເຮັດໃຫ້ວົງຈອນການພັດທະນາຜະລິດຕະພັນໄວຂື້ນໂດຍບໍ່ເສຍຄ່າຕໍ່ຄວາມແຂງແຮງແລະອາຍຸຍາວຂອງສ່ວນປະກອບ. ສິ່ງທີ່ເຮັດໃຫ້ເທັກໂນໂລຢີເຫຼົ່ານີ້ ມີຄຸນຄ່າເປັນພິເສດ ແມ່ນຄວາມສາມາດໃນການສ້າງຮູບຊົງທາງພາຍໃນ ທີ່ບໍ່ສາມາດໃຊ້ໄດ້ ໂດຍໃຊ້ວິທີການລົບລ້າງແບບດັ້ງເດີມ ສໍາລັບຜູ້ຜະລິດທີ່ເຮັດວຽກໃນປະລິມານຕ່ ໍາ ກັບການປະສົມຜະລິດຕະພັນທີ່ຫຼາກຫຼາຍ, ນີ້ກາຍເປັນການປ່ຽນແປງເກມຍ້ອນວ່າເຄື່ອງມືແບບດັ້ງເດີມຈະມີຄ່າໃຊ້ຈ່າຍຫຼາຍເກີນໄປທີ່ຈະເປັນຕົວຈິງໃນສະຖານະການດັ່ງກ່າວ.

ທໍ່ລະບົບເຢັນທີ່ສອດຄ່ອງ: ການຄວບຄຸມອຸນຫະພູມິຢ່າງແນ່ນອນເພື່ອຫຼຸດຜ່ອນການບິດເບືອນໃນຊິ້ນສ່ວນທີ່ຖືກຂຶ້ນຮູບ

ໂລກຂອງການຜະລິດເພີ່ມເຕີມໄດ້ເປີດປະຕູໃໝ່ສຳລັບການຈັດການຄວາມຮ້ອນຜ່ານສິ່ງທີ່ເອີ້ນວ່າ ຊ່ອງທາງລະບາຍຄວາມຮ້ອນທີ່ເຂົ້າກັນໄດ້ (conformal cooling channels). ເຫຼົ່ານີ້ເປັນເສັ້ນທາງທີ່ພິມ 3 ࡒ ຢູ່ຕາມຮູບຮ່າງທີ່ແທ້ຈິງຂອງບ່ອນທີ່ໃຊ້ຫຼືບ່ອນທີ່ເຮັດແບບ. ຊ່ອງທາງທີ່ເຈາະເປັນເສັ້ນຊື່ນີ້ບໍ່ສາມາດເທີຍບ່ອນກັບຄວາມຖືກຕ້ອງແບບນີ້ໄດ້. ເມື່ອຊິ້ນສ່ວນເຢັນລົງຢ່າງເທົ່າທຽມກັນທົ່ວທັງໝົດທີ່ເທື້ອຜິວ, ຜູ້ຜະລິດຈະເຫັນການປັບປຸງທີ່ສຳຄັນຫຼາຍ. ເວລາທີ່ໃຊ້ໃນການເຢັນລົງຫຼຸດລົງລະຫວ່າງ 40 ແລະ 70 ເປີເຊັນ, ຄວາມແຕກຕ່າງຂອງອຸນຫະພູມຫຼຸດລົງເຖິງ 90%, ແລະບັນຫາທີ່ເຮັດໃຫ້ເສຍຮູບເຊັ່ນ: ຈຸດທີ່ບຸບລົງ (sink marks) ແລະ ການເບື່ອງ (warping) ກໍຈະຫາຍໄປເກືອບທັງໝົດ. ສຳລັບອຸດສາຫະກຳທີ່ຕ້ອງການຜະລິດຊິ້ນສ່ວນທີ່ມີຄວາມໜາທີ່ບາງຫຼາຍ ແຕ່ຍັງຮັກສາຄວາມແຂງແຮງໄວ້ໄດ້, ເທັກໂນໂລຊີນີ້ມີຄວາມສຳຄັນຫຼາຍ. ຕົວຢ່າງເຊັ່ນ: ລະບົບຄວບຄຸມການໄຫຼຂອງຂອງເຫຼວທີ່ມີຂະໜາດນ້ອຍຫຼາຍ ຫຼື ອຸປະກອນທາງການແພດທີ່ໃຊ້ຝັງໃນຮ່າງກາຍ ໂດຍທີ່ທຸກໆມີລີເມີເຕີໆມີຄວາມສຳຄັນ. ອີງຕາມການສຶກສາຂອງ NIST, ຊິ້ນສ່ວນທີ່ຜະລິດດ້ວຍເທັກນິກການລະບາຍຄວາມຮ້ອນທີ່ເຂົ້າກັນໄດ້ (conformal cooling) ຈະຮັກສາຄວາມສະຖຽນຕົວດ້ານມິຕິໄດ້ພາຍໃນຄວາມເປັນໄປໄດ້ (tolerance) ທີ່ 0.02 ມີລີເມີເຕີໆ ໃນທັງໝົດຂອງການຜະລິດ. ຄວາມເປັນເອກະພາບແບບນີ້ເປັນສິ່ງທີ່ເຮັດໃຫ້ຄຸນນະພາບຂອງຜະລິດຕະພັນແຕກຕ່າງກັນ.

ການບູລະນາການດິຈິຕອນທວີນເພື່ອການຢືນຢັນຄວາມເຊື່ອຖືໄດ້ຂອງປະສິດທິພາບຂອງແບບຫຼໍ່ທີ່ໃຊ້ວິທີການຫຼໍ່ເຂົ້າ (Injection Mold)

ຂະບວນການດິຈິຕອນທວີນທີ່ເປີດ-ປິດ (Closed-loop) ທີ່ຈຳລອງຂະບວນການເຕີມ, ການອັດ, ການເຢັນ, ແລະ ການເບີ່ງເບື້ອງ (warp) ກ່ອນການຜະລິດ

ເຕັກໂນໂລຢີດິຈິຕອນທວີນ (Digital twin) ສ້າງແບບຈຳລອງທາງດິຈິຕອນຂອງລະບົບການຂຶ້ນຮູບດ້ວຍການຫຼືນ (injection molding) ທີ່ຕິດຕາມທຸກສິ່ງທຸກຢ່າງ ເລີ່ມຈາກການເຄື່ອນທີ່ຂອງວັດຖຸດິບ ໄປຈົນເຖິງການປ່ຽນແປງຂອງອຸນຫະພູມ ແລະ ການປ່ຽນຮູບຮ່າງໃນທັງໝົດຂອງຂະບວນການຜະລິດ, ລວມທັງຂະບວນການຕື່ມ (filling), ຂະບວນການອັດ (packing), ຂະບວນການເຢັນ (cooling), ແລະ ບັນຫາການຄືດ (warping) ທີ່ອາດເກີດຂຶ້ນ. ເມື່ອລະບົບເຫຼົ່ານີ້ຕິດຕາມການໄຫຼຂອງເຣຊິນ (resin flow) ໃນເວລາຈິງ, ມັນຈະສາມາດຈັບຈຸດທີ່ບໍ່ປົກກະຕິໄດ້ແຕ່ເບື້ອງຕົ້ນ ແລະ ປັບຄວາມດັນໃນຂະບວນການອັດເພື່ອຫຼີກເວັ້ນບັນຫາຮູບເງົາເວົ້າ (sink marks) ທີ່ເຮັດໃຫ້ຊິ້ນສ່ວນເສຍຫາຍ. ສ່ວນການຈຳລອງດ້ານອຸນຫະພູມ (thermal simulation) ຈະວິເຄາະປະສິດທິພາບຂອງລະບົບທໍາງານເຢັນ (cooling channels), ເຊິ່ງສາມາດຫຼຸດເວລາຂະບວນການຜະລິດລົງໄດ້ປະມານ 30-35% ແລະ ປ້ອງກັນບັນຫາການຄືດ (warping) ດ້ວຍເຄື່ອງມືທີ່ສາມາດທຳนายໄດ້ຢ່າງເປັນເຫດເປັນຜົນ ເຖິງແມ່ນວ່າຍັງບໍ່ທັນມີຜະລິດຕະພັນຈິງໃດໆຖືກຜະລິດຂຶ້ນມາເລີຍ. ບໍລິສັດທີ່ນຳໃຊ້ວິທີການທົດສອບແບບຈຳລອງນີ້ ຈະສັງເກດເຫັນອັດຕາຂອງຂະບວນການຜະລິດທີ່ບໍ່ເປັນໄປຕາມມາດຕະຖານ (waste rates) ລົງຢ່າງຫຼວງຫຼາຍເມື່ອເລີ່ມຕົ້ນການໃຊ້ແບບຂຶ້ນຮູບໃໝ່ (new molds), ໂດຍຫຼຸດຈຳນວນຊິ້ນສ່ວນທີ່ບໍ່ສອດຄ່ອງ (scrap) ລົງປະມານ 40%, ແລະ ຍັງເຮັດໃຫ້ການດຳເນີນງານເຂົ້າສູ່ສະຖານະການປົກກະຕິໄດ້ໄວຂຶ້ນຫຼາຍ, ບັນດາເວລາທີ່ສູນເສຍໄປຈະຫຼຸດລົງປະມານ 25-35% ເມື່ອທຽບກັບວິທີການເກົ່າທີ່ຄົນຕ້ອງທົດລອງແລະເດົາເອງຢ່າງຕໍ່ເນື່ອງ. ການແລກປ່ຽນຂໍ້ມູນຢ່າງຕໍ່ເນື່ອງລະຫວ່າງສິ່ງທີ່ເກີດຂຶ້ນໃນການຈຳລອງ ແລະ ສິ່ງທີ່ເซັນເຊີ (sensors) ຈັບຈຸດໄດ້ຈາກເຄື່ອງຈັກຈິງ ສາມາດເຮັດໃຫ້ເກີດການປັບປຸງຄ່າຕົວແປຕະຫຼອດຂະບວນການຜະລິດ. ຕົວຢ່າງເຊັ່ນ: ການອອກແບບຊ່ອງເຂົ້າ (gates) ໃໝ່ ຫຼື ການປ່ຽນການຕັ້ງຄ່າລະບົບເຢັນ (cooling settings) ໃນເວລາຈິງ ໂດຍບໍ່ຕ້ອງຢຸດການຜະລິດທັງໝົດ. ດ້ວຍຕະຫຼາດດິຈິຕອນທວີນ (digital twin market) ທີ່ມີມູນຄ່າເຖິງຫຼາຍກວ່າ 15,000 ລ້ານໂດລາສະຫະລັດທົ່ວໂລກໃນປັດຈຸບັນ, ຜະລິດຕະການທີ່ນຳໃຊ້ລະບົບເຫຼົ່ານີ້ ອາດບັນລຸຄຸນນະພາບຂອງຊິ້ນສ່ວນທີ່ເກືອບເຕັມທີ່ (nearly perfect part quality) ເຕັມທີ່ຕັ້ງແຕ່ເລີ່ມຕົ້ນ (ປະມານ 98%) ແລະ ຍັງສາມາດຂ້າມຂັ້ນຕອນການຜະລິດຕົ້ນແບບທາງຮ່າງກາຍ (physical prototypes) ທີ່ເຄີຍມີຄ່າໃຊ້ຈ່າຍສູງ ແລະ ເສຍເວລາຫຼາຍ.

ວັດຖຸແລະຂະບວນການທີ່ຍືນຍົງໃນດ້ານວິສະວະກຳການຂຶ້ນຮູບດ້ວຍການຫຼື້ນໃນປັດຈຸບັນ

ເຮືອນພັນທີ່ມີຕົ້ນກຳເນີດຈາກຊີວະພາບ ແລະ ພັນທີ່ຖືກນຳມາໃຊ້ຄືນໃໝ່ ເຊິ່ງເຮັດໃຫ້ວຟົງການຂຶ້ນຮູບດ້ວຍການຫຼື້ນມີການປ່ອຍກາຊີນ້ອຍ

ຂະແວງວິສາວະກຳເຄື່ອງປັ້ມຂຶ້ນຮູບດ້ວຍການຫຼໍ່ເຂົ້າ (injection mold engineering) ກຳລັງເຫັນການນຳໃຊ້ເລື່ອງທີ່ເຮັດຈາກຊີວະພາບ (bio-based resins) ຫຼາຍຂຶ້ນ ເຊິ່ງຜະລິດຈາກສິ່ງຕ່າງໆເຊັ່ນ: ເຊື້ອເຊີ້ນພືດ, ເຊລູໂລສ, ແລະ ລິກນິນ ພ້ອມດ້ວຍພາສະຕິກທີ່ຖືກຮີໄຊເຄິ່ລີນຢ່າງເປັນທາງການຈາກຜະລິດຕະພັນທີ່ຜູ້ບໍລິໂພກໃຊ້ແລ້ວ ເພື່ອຫຼຸດຜ່ອນການປ່ອຍກາຊີຄາບອນ. ອີງຕາມການສຶກສາທີ່ດຳເນີນການໂດຍກະຊວງພະລັງງານຂອງສະຫະລັດອາເມລິກາ (US Department of Energy) ເกີ່ຍວິຖີຊີວິດຂອງຜະລິດຕະພັນ (product lifecycles), ວັດຖຸທີ່ເປັນທາງເລືອກເຫຼົ່ານີ້ສາມາດຫຼຸດຜ່ອນການປ່ອຍກາຊີທີ່ຝັງຢູ່ (embedded emissions) ໄດ້ຫຼາຍຮ້ອຍລະ 30 ຫາ 50 ເປີເຊັນ ໂດຍບໍ່ເສຍຄຸນສົມບັດດ້ານຄວາມແຂງແຮງ ຫຼື ຄວາມໝັ້ນຄົງເມື່ອທຽບກັບພາສະຕິກທີ່ຜະລິດໃໝ່ (virgin plastics). ສູດສູດທີ່ຖືກອອກແບບເປັນພິເສດຊ່ວຍປ້ອງກັນການເສື່ອມສະພາບເມື່ອສຳຜັດກັບສະພາບອຸນຫະພູມິສູງ ແລະ ຄວາມກົດດັນສູງທີ່ເກີດຂຶ້ນພາຍໃນເຄື່ອງປັ້ມຂຶ້ນຮູບດ້ວຍການຫຼໍ່ເຂົ້າ (molds), ເຊິ່ງຊ່ວຍຮັກສາອັດຕາການຫຼຸດລົງ (shrinkage rates) ໃຫ້ຄາດເດົາໄດ້ ແລະ ຮັກສາມິຕິທີ່ຖືກຕ້ອງໄວ້ໃນທັງໝົດຂອງຂະບວນການຜະລິດ. ວິທີການກົງກັນຂ້າມທີ່ໃໝ່ ແລະ ວິທີການປຸງແຕ່ງທີ່ດີຂຶ້ນໃນປັດຈຸບັນສາມາດກຳຈັດສິ່ງປົນເປື້ອນອອກໄດ້ດີຂຶ້ນ ເຊິ່ງເຄີຍເປັນສາເຫດຂອງບັນຫາຕ່າງໆເຊັ່ນ: ແຕກຫຼຸມທີ່ອ່ອນແອ ແລະ ຈຸດດຳທີ່ບໍ່ດີເລີດໃນຊິ້ນສ່ວນທີ່ຜະລິດດ້ວຍວັດຖຸທີ່ຖືກຮີໄຊເຄິ່ລີນ. ບໍລິສັດທີ່ນຳໃຊ້ລະບົບເພື່ອນຳໃຊ້ວັດຖຸດັ່ງກ່າວຄືນໃໝ່ພາຍໃນການດຳເນີນງານຂອງຕົນເອງ ໄດ້ສັງເກດເຫັນວ່າເວລາຂອງແຕ່ລະວຟັງ (cycle times) ຫຼຸດລົງປະມານ 40 ເປີເຊັນ ເນື່ອງຈາກພາສະຕິກທີ່ຖືກລະລາຍມີຄວາມລື່ນດີຂຶ້ນໃນອຸປະກອນ. ໃນເວລາດຽວກັນ, ພວກເຂົາຍັງເຫັນການຫຼຸດຜ່ອນຂີ້ເຫຍື້ອທີ່ດີຂຶ້ນເຖິງຫຼາຍກວ່າ 25 ເປີເຊັນ ໃນທັງໝົດຂອງເຂດຜະລິດ. ຜົນໄດ້ຮັບເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນຢ່າງຊັດເຈນວ່າການປະຕິບັດທີ່ຍືນຍົງ (sustainable practices) ບໍ່ໄດ້ມາໃນລາຄາຂອງຜະລິດຕະພັນທີ່ຫຼຸດລົງ; ແທນທີ່ຈະເປັນດັ່ງນັ້ນ, ການເດີນທາງໄປສູ່ຄວາມເປັນມິດຕໍ່ສິ່ງແວດລ້ອມ (going green) ຈິງແມ່ນເຮັດໃຫ້ປະສິດທິພາບທັງໝົດດີຂຶ້ນໃນສ່ວນຫຼາຍ.

ພາກ FAQ

• AI ມີຜົນກະທົບຕໍ່ການອອກແບບເຄື່ອງປັ້ມຂຶ້ນຮູບແບບຢາງ (injection mold) ແນວໃດ?

  AI ອັດຕະໂນມັດການອອກແບບເຄື່ອງປັ້ມຂຶ້ນຮູບແບບຢາງດ້ວຍການໃຊ້ອັລກົຣິດີມທີ່ສ້າງຂຶ້ນອັດຕະໂນມັດ (generative algorithms) ເຊິ່ງສາມາດຈຳລອງການອອກແບບໄດ້ຫຼາຍພັນຮູບແບບຢ່າງໄວວາ, ເຮັດໃຫ້ມີປະສິດທິພາບດີຂຶ້ນ, ຫຼຸດການບໍລິໂພກພະລັງງານ, ແລະ ລຸດເວລາຂອງວຟັງການ (cycle times) ລົງປະມານ 20%.

• IoT ໃຫ້ຄວາມຊ່ວຍເຫຼືອດ້ານການບໍາຮຸງຮັກສາເຄື່ອງປັ້ມຂຶ້ນຮູບແບບຢາງແນວໃດ?

  IoT ໃຫ້ຄວາມເປັນໄປໄດ້ໃນການຕິດຕາມສະຖານະການຈິງ (real-time monitoring) ຜ່ານເຊັນເຊີທີ່ຝັງຢູ່ໃນເຄື່ອງປັ້ມຂຶ້ນຮູບແບບຢາງ, ເຊິ່ງຊ່ວຍໃຫ້ມີການບໍາຮຸງຮັກສາແບບທຳນາຍໄດ້ (predictive maintenance), ຫຼຸດການສູນເສຍ, ແລະ ເພີ່ມປະສິດທິພາບໃນການດຳເນີນງານ ໂດຍການແກ້ໄຂບັນຫາກ່ອນທີ່ຈະນຳໄປສູ່ການເສຍຫາຍຂອງອຸປະກອນ.

• ການຜະລິດເພີ່ມ (additive manufacturing) ມີປະໂຫຍດຕໍ່ການຜະລິດເຄື່ອງປັ້ມຂຶ້ນຮູບແບບຢາງແນວໃດ?

  ວິທີການຜະລິດເພີ່ມເຊັ່ນ: DMLS ແລະ binder jetting ສາມາດຫຼຸດເວລາການຜະລິດເຄື່ອງປັ້ມຂຶ້ນຮູບແບບຢາງລົງ 60-70%, ຫຼຸດຕົ້ນທຶນການຜະລິດເຄື່ອງປັ້ມຂຶ້ນຮູບແບບຢາງຕໍ່ຊິ້ນລົງ 35%, ແລະ ຊ່ວຍໃຫ້ສາມາດຜະລິດຮູບຮ່າງພາຍໃນທີ່ສັບສົນໄດ້ຢ່າງມີປະສິດທິພາບ ແລະ ມີຕົ້ນທຶນຕ່ຳກວ່າສຳລັບການຜະລິດຈຳນວນນ້ອຍ.

• ເຕັກໂນໂລຊີດິຈິຕອລທີ່ເປັນຄູ່ (digital twin technology) ເຮັດຫນ້າທີ່ຫຍັງໃນການປັ້ມຂຶ້ນຮູບແບບຢາງ?

  ເຕັກໂນໂລຢີດິຈິຕອລ໌ທີ່ເປັນຄູ່ (Digital twin) ສ້າງແບບຈຳລອງໃນຮູບແບບດິຈິຕອລ໌ເພື່ອຕິດຕາມ ແລະ ສຳຫຼອງຂະບວນການຜະລິດທັງໝົດ, ຊ່ວຍປະກາດບັນຫາທີ່ອາດເກີດຂຶ້ນໄດ້ ແລະ ໃຫ້ຄວາມສາມາດໃນການປັບປຸງໃນເວລາຈິງ, ຫຼຸດຜ່ອນຂະບວນການສູນເສຍ ແລະ ປັບປຸງການຄວບຄຸມຄຸນນະພາບຕັ້ງແຕ່ເລີ່ມຕົ້ນ.

• ວັດສະດຸທີ່ຍືນຍົງຖືກນຳໃຊ້ໃນດ້ານວິສະວະກຳແບບຂຶ້ນຮູບດ້ວຍການຫຼື່ນ (injection mold engineering) ແນວໃດ?

  ວັດສະດຸທີ່ຍືນຍົງ ເຊິ່ງລວມມີ resin ທີ່ຜະລິດຈາກຊີວະພາບ (bio-based resins) ແລະ ພັນທຸ້ມທີ່ຖືກນຳມາໃຊ້ໃໝ່ (recycled polymers) ຊ່ວຍຫຼຸດຜ່ອນການປ່ອຍກາຊຄາບອນໄດ້ 30-50%, ປັບປຸງການລື່ນໄຫຼເພື່ອຫຼຸດເວລາຂອງແຕ່ລະວຟຟີ (cycle times), ແລະ ຮັກສາຄຸນນະພາບໄວ້ໄດ້ໂດຍບໍ່ສົ່ງຜົນຕໍ່ປະສິດທິພາບໃນການຜະລິດ.