2020-06-15 | 박희윤 기자

生产技术研究院以AI技术支援制造业中小企业改善不良率

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

韩国生产技术研究院15日表示,通过向中小企业东洋压铸提供技术支持,将压铸零部件的不良率从3%以上降至1%左右,年均节省生产成本约7200万韩元。

压铸(Die-Casting)是铸造的特殊工法之一,将熔融金属以高压、高速注入模具,从而大批量生产复杂形状产品的基础工艺技术。

压铸生产过程中发生的不良大致分为三类:金属熔化或熔液注入模具过程中混入气体产生的“气孔不良”、金属收缩产生空腔的“收缩不良”,以及成型本身不完整的“未成型不良”。

未成型不良可用肉眼确认,但气孔、收缩不良只能在最终QC(品质管理·Quality Control)过程中通过CT(计算机断层扫描·Computed Tomography)才能发现内部缺陷,存在工序时间、成本及人力浪费问题。

此外,不良品直接关系到成品质量,影响企业信誉,因此改善不良率十分重要。

主要向大企业供应铝铸件的压铸制造专业企业东洋压铸,于2018年为改善“ECU外壳”的不良率而求助于生技院。

“ECU外壳”是用于相当于汽车电子系统大脑的ECU(电子控制装置·Electronic Control Unit)的零部件。该产品在单一品类中产量最大,日产3600个,但工序上的不良率高达3%以上。

与大多数基础工艺企业一样,该公司虽通过MES(制造执行系统·Manufacturing Execution System)将制造工序数据存入数据库,但缺乏数据利用体系,在工序条件中找出不良品十分困难。

生技院工序智能研究部门黄浩英博士研究团队通过应用AI(人工智能)技术优化工序条件,降低不良率,并成功构建可预测、可控制的智能工序体系。

研究团队同时开展了按工序条件的聚类分析、日均不良率汇总、工序条件间的相关性分析,以及通过计算机模拟进行的工序优化。

为此,首先构建了实时采集相关数据的环境。为分析季节性不良发生波动原因,额外安装了用于测量设备振动、现场温度·湿度·气压等变量的传感器,导出了生产工序中约20个变量。

基于所采集的数据,对约20个工序变量与不良率进行相关性分析,找出了3个相关变量。所导出的工序变量通过计算机模拟计算出最优值。依据该最优值改进模具方案和工序条件设定值,从而降低了不良率。

同时,应用聚类分类算法开发了在给定特定工序条件时判定所生产零件为良品或不良的功能。由此实现了99%准确度的良品判定。

基于这一技术支持,东洋压铸得以将原有3%以上的不良率降至1%左右。预计这将带来年均约7200万韩元的生产成本节约效果。

此外,与以往在最终QC中发现不良不同,如今在生产过程中即可判定不良,从而减少了时间、成本及人力浪费。

东洋压铸代表吴京泽表示:“在克服技术难题方面,生技院给了我们很大帮助”,“希望众多中小企业都能把生技院当作附属研究所来利用。”

生技院黄浩英博士表示:“今后也将通过与包括东洋压铸在内的中小企业协作,努力履行生技院的角色与使命。”

另外,生技院为支持中小及中坚企业的制造革新,自2018年起制定“P-ICT RAID战略”并推进示范项目,重点在于基于生产现场采集与分析的制造数据开发工序智能化技术,并向企业推广、扩散优秀应用案例。

/天安=朴熙润记者 hypark@sedaily.com

阅读韩文原文