告別憑經驗！工業 AI 讓模具設計更快、更準、更穩定

2022年底，Open AI Chatgpt橫空出世引發旋風，AI瞬間成為人人可輕易上手的工具，也很快的進入每個人的工作與生活，從剛開始嘗鮮到現今的AI協作，透過許多AI工具，確實讓許多人的工作效率更精準更節省時間，然而AI並不僅止於對個人產生影響，在各個產業的應用也讓產業生態改變，全球產業中運用AI最讓大家熟知的就是NVIDIA 了，只是多數人對於AI在製造業的實際應用的理解有很多模糊與誤解。

AI讓個人與產業產生影響，但很多人對AI在產業應用有許多誤解

比如說：

AI會自動調整偵測，輸入資料就能自動控制，事實上這是自動化(Automation)系統， 或者誤以為AI可以透過大量資料輸入就能自己判定問題以及提出最佳解，事實上AI只會根據資料中的模式提供解答，但往往沒有前後因果關係，還有人會把許多感測器、控制程式、演算法優化以及自動化流程等，都冠上AI之名，但這根本就和AI沒有關係，所謂的工業AI (Industrial AI) 必須有以下核心能力:

1. 能透過模型在壓力、溫度、速度等各種生產條件資料庫，找出固定的規律。

2. 透過上述的規律進而預測可能發生的狀態，如: 推算出設備磨耗的時間。

3. 經過學習和預測，提供最佳化方案，如：在某些生產條件設定值下，能夠維持最佳產能並且最低耗能量。

事實上，以上三種核心能力在產業生態中本來就存在，以往都是仰賴具有豐富經驗的操作人員或是工程師，長時間的比對分析進而推演出操作模式，但如果工程師沒有時間或者沒有足夠能力去做這些分析，就會落入我們最常見的「憑經驗」，然而這些未經分析的經驗值，除了有教高的主觀意識，還會面臨無法傳承的狀況，這也是為什麼現在越來越多企業開始引進工業AI來協作的原因。

 

工業AI必須具備找出規律建立模型以及提供方案的核心能力。

簡而言之，自動化是在設定好的固定邏輯下運作，主要用於控制誤差，而工業AI則是在大量的資料庫中找出規律建立模型，協助找出優化方案以及預測決策。

正因為工業AI能夠彌補與協助人力的缺口，所以在整個模具設計製造過程，扮演重要的角色，押出模具在設計時會使用CAE模擬分析來協助流道設計，工程師將塑料特性以及相關數據輸入資料庫，即可得到一個基礎的流道設計，但因為模擬分析軟體排除許多實務上的人為操作條件變因，所以當模擬工程師取得模擬的流道時，

還必須與模具設計工程師討論進行反覆的試模，也就是必須透過以往經驗輸入不同參數，反覆建立模型取得最優流道設計，試模相當耗費時間，但如果透過工業AI運作，就能夠在上萬筆的模具資料中，篩選並找出規則，協助找出最優流道設計。

模擬最花時間的就是反覆試模的過程

延伸閱讀：押出模具設計：從理論到實踐

比如：PP塑料的MI值從1-40 (g/10 min)，甚至到1000都有可能，工程師試模時每次僅調整一個變數，常常面臨到調整某參數卻導致模內壓力不均，又或者會呈現出壓力均勻但流速落差無法匹配等狀況，畢竟押出生產中材料流變呈現高度非線性，加上新材料日新月異，流變相形複雜，如果是多層結構就會更加困難模擬，對工程師來說要從數萬筆資料去找出規律來，幾乎無法達成，然而流道幾何對於壓降、黏度以及剪切率等影響甚大，更別提還要兼顧模具加工誤差的多變量因素。

 

工業AI的導入就是要從資料庫中協助找出相似物性的PP，應用於不同產品時，最優流道設計的各項數據組合，包含需要考慮的可能加工誤差，大幅縮減模擬與設計端的試模時間，協助避免模擬與設計人員的盲點，協助流道設計以及模流預測，這是AI在模具設計製造的首要核心應用。

協助流道設計以及模流預測，是AI在模具設計製造的首要核心應用。

 

良好的模具設計就必須匹配精良的加工品質，精密押出模具對許多高品質要求的押出產線來說是關鍵重要的零組件，然而精密模具加工程序不僅繁多，工序之間的相關影響以及選用鋼材等，都是加工中必須考量的因素，透過智能系統來建立與管理CNC資料庫與加工時間只是最基本管理，資料庫的完整對於導入AI協助模具加工精度分析以及預測加工參數條件，是相當必要的過程，這可以使目前的加工誤差更被精準控制，同時能更準確掌握加工時間，這對於經驗值不同的機台操作人員來說，可以協助避免加工疏失的風險，除了CNC加工資料庫建立，電鍍製程也同步建立資料庫因應後續工業AI導入協作。

透過AI應用協助CNC製程管理，更具時效性提高精準度。

延伸閱讀：從能用到精密耐用的押出模具-- CNC × 電鍍 × 拋光

 

另一種使用者可以感受看到的工業AI應用在押出模具，非自動模具莫屬！自動控制系統有較常見也是大家熟知的熱螺栓系統，透過溫度造成螺栓熱漲冷縮原理，搭配回饋測候系統達成線上自動微調模唇開口，促使膜厚均勻度更好，另一種在日後可與AI互相結合的自動控制系統，則是採用微型馬達驅動螺栓的機械式結構，除了可以更精準控制調整量，透過系統內建立的預測模型以及產線的生產資料庫，可以在生產配方或規格有所調整時，透過AI協助預測出押出模具的溫度以及開口設定值，減少原料耗損以及操作人員測試時間，讓自動模具不僅具有原本的自動化，還可以升級成為真正的智慧精密模具。

微型馬達自動控制系統可結合AI模型應用，讓自動模具升級成智慧模具。

閱讀更多：押出模具的AI進化：從傳統模具到自動模具

透過工業AI的運用與整合，未來能夠提供完整的模具設計製作履歷，進而預測模具零件的耗損時間以及需要維修保養的時間，從設計端到製造端，AI協作不僅僅是節省製程時間，讓有豐富經驗的工程師可以有更多時間投入研發，也可以讓模具品質更精密穩定，對於模具使用者來說就是大幅減少調整模具的時間，能夠讓模具快速投入生產，能夠提早安排維修保養的時間，降低因模具損傷可能造成的停產。

未來的AI將使模具從「依賴經驗」成為「依賴模型」的智慧生產

在未來的競爭中，真正的關鍵，不是誰擁有最多的設備，而是誰能讓設備發揮最大的智慧價值。工業 AI 的導入，不僅讓模具設計與製造變得更可預測、更透明、更精準，也將模具從「依賴經驗」帶向「依據模型」的新時代。這不代表經驗不重要，而是透過結合工程師的專業與 AI 的數據分析能力，將經驗轉換萃取成模型，能夠加速開發、降低風險、延長模具壽命，最終為生產端帶來更穩定的品質、更快的交期與更高的良率。AI 並不是要取代人，而是放大人的價值；當 AI 成為工程師最強大的夥伴，模具的智慧製造時代也正式展開。