स्वयंचलित मोल्डिंग

उच्च गुणवत्ता, कमी कचरा, कमाल अपटाइम आणि किमान खर्च यांसारखी दीर्घकालीन उद्दिष्ट्ये साध्य करण्यासाठी फाउंड्री अधिकाधिक प्रमाणात डेटा-चालित प्रक्रिया ऑटोमेशनचा अवलंब करत आहेत. ओतणे आणि मोल्डिंग प्रक्रियेचे पूर्णपणे एकात्मिक डिजिटल सिंक्रोनायझेशन (सीमलेस कास्टिंग) हे जस्ट-इन-टाइम उत्पादन, कमी सायकल टाइम्स आणि अधिक वारंवार मॉडेल बदलांच्या आव्हानांना तोंड देणाऱ्या फाउंड्रींसाठी विशेषतः मौल्यवान आहे. एकमेकांशी अखंडपणे जोडलेल्या स्वयंचलित मोल्डिंग आणि कास्टिंग सिस्टीममुळे, कास्टिंग प्रक्रिया अधिक वेगवान होते आणि उच्च दर्जाचे भाग अधिक सातत्याने तयार केले जातात. स्वयंचलित ओतण्याच्या प्रक्रियेमध्ये ओतण्याच्या तापमानावर लक्ष ठेवणे, तसेच इनोक्युलेशन मटेरियल देणे आणि प्रत्येक मोल्ड तपासणे यांचा समावेश असतो. यामुळे प्रत्येक कास्टिंगची गुणवत्ता सुधारते आणि स्क्रॅपचे प्रमाण कमी होते. या व्यापक ऑटोमेशनमुळे अनेक वर्षांचा विशेष अनुभव असलेल्या ऑपरेटरची गरजही कमी होते. एकूणच कमी कामगार गुंतलेले असल्यामुळे कामकाज अधिक सुरक्षित होते. ही केवळ भविष्याची कल्पना नाही; हे आता घडत आहे. फाउंड्री ऑटोमेशन आणि रोबोटिक्स, डेटा संकलन आणि विश्लेषण यांसारखी साधने अनेक दशकांपासून विकसित झाली आहेत, परंतु अलीकडेच परवडणाऱ्या हाय-परफॉर्मन्स कॉम्प्युटिंग आणि प्रगत इंडस्ट्री ४.० नेटवर्क सेन्सर्स व सुसंगत नियंत्रण प्रणालींच्या विकासामुळे प्रगतीला वेग आला आहे. सोल्यूशन्स आणि भागीदार आता फाउंड्रींना अधिक महत्त्वाकांक्षी प्रकल्पांना आधार देण्यासाठी एक मजबूत, बुद्धिमान पायाभूत सुविधा तयार करण्यास सक्षम करतात, ज्यामुळे पूर्वी स्वतंत्र असलेल्या अनेक उप-प्रक्रिया एकत्र येऊन त्यांच्या प्रयत्नांमध्ये समन्वय साधला जातो. या स्वयंचलित, एकात्मिक प्रणालींद्वारे गोळा केलेल्या प्रक्रिया डेटाचे संचयन आणि विश्लेषण केल्याने डेटा-आधारित निरंतर सुधारणेच्या एका सकारात्मक चक्राचा मार्गही खुला होतो. फाउंड्री ऐतिहासिक डेटा तपासून प्रक्रिया पॅरामीटर्स गोळा आणि विश्लेषण करू शकतात, जेणेकरून त्यांच्यामध्ये आणि प्रक्रियेच्या परिणामांमध्ये सहसंबंध शोधता येईल. त्यानंतर ही स्वयंचलित प्रक्रिया एक पारदर्शक वातावरण प्रदान करते, ज्यामध्ये विश्लेषणाद्वारे ओळखल्या गेलेल्या कोणत्याही सुधारणांची सखोल आणि जलद चाचणी, पडताळणी केली जाऊ शकते आणि शक्य असल्यास त्यांची अंमलबजावणी केली जाऊ शकते.
अखंड मोल्डिंगमधील आव्हाने: जस्ट-इन-टाइम उत्पादनाच्या वाढत्या ट्रेंडमुळे, DISAMATIC® मोल्डिंग लाइन्स वापरणाऱ्या ग्राहकांना लहान बॅचेसमध्ये वारंवार मॉडेल्स बदलावे लागतात. DISA च्या ऑटोमॅटिक पावडर चेंजर (APC) किंवा क्विक पावडर चेंजर (QPC) सारखी उपकरणे वापरून, टेम्पलेट्स केवळ एका मिनिटात बदलता येतात. जेव्हा पॅटर्नमध्ये वेगाने बदल होतात, तेव्हा प्रक्रियेतील अडथळा ओतण्याच्या प्रक्रियेकडे सरकतो—म्हणजेच, पॅटर्न बदलल्यानंतर ओतण्यासाठी टंडिश हाताने हलवण्यासाठी लागणारा वेळ. कास्टिंग प्रक्रियेतील हा टप्पा सुधारण्यासाठी अखंड कास्टिंग हा सर्वोत्तम मार्ग आहे. जरी कास्टिंग प्रक्रिया बऱ्याचदा आधीच अंशतः स्वयंचलित असली तरी, पूर्ण ऑटोमेशनसाठी मोल्डिंग लाइन आणि फिलिंग उपकरणांच्या नियंत्रण प्रणालींचे अखंड एकत्रीकरण आवश्यक असते, जेणेकरून त्या सर्व संभाव्य ऑपरेटिंग परिस्थितींमध्ये पूर्णपणे समकालिकपणे कार्य करतील. हे विश्वसनीयपणे साध्य करण्यासाठी, ओतणाऱ्या युनिटला हे नक्की माहित असणे आवश्यक आहे की पुढील मोल्ड ओतण्यासाठी कुठे सुरक्षित आहे आणि आवश्यक असल्यास, फिलिंग युनिटची स्थिती समायोजित करणे आवश्यक आहे. एकाच मोल्डच्या स्थिर उत्पादन प्रक्रियेमध्ये कार्यक्षम स्वयंचलित फिलिंग साध्य करणे फारसे कठीण नाही. प्रत्येक वेळी नवीन साचा तयार झाल्यावर, साच्याचा स्तंभ (मोल्ड कॉलम) तेवढेच अंतर (साच्याची जाडी) पुढे सरकतो. यामुळे, उत्पादन लाइन थांबल्यानंतर, पुढील रिकामा साचा भरण्यासाठी फिलिंग युनिट त्याच स्थितीत राहू शकते. वाळूच्या दाबण्यायोग्यतेतील बदलांमुळे साच्याच्या जाडीत होणाऱ्या बदलांची भरपाई करण्यासाठी, ओतण्याच्या स्थितीत फक्त किरकोळ बदल करणे आवश्यक असते. अलीकडेच मोल्डिंग लाइनच्या नवीन वैशिष्ट्यांमुळे या सूक्ष्म बदलांची गरज आणखी कमी झाली आहे, ज्यामुळे सातत्यपूर्ण उत्पादनादरम्यान ओतण्याची स्थिती अधिक सुसंगत राहू शकते. प्रत्येक ओतकाम पूर्ण झाल्यावर, मोल्डिंग लाइन पुन्हा एक स्ट्रोक पुढे सरकते आणि पुढील ओतकाम सुरू करण्यासाठी पुढचा रिकामा साचा जागेवर ठेवते. हे होत असताना, फिलिंग डिव्हाइस पुन्हा भरले जाऊ शकते. मॉडेल बदलताना, साच्याची जाडी बदलू शकते, ज्यासाठी जटिल ऑटोमेशनची आवश्यकता असते. हॉरिझॉन्टल सँडबॉक्स प्रक्रियेच्या विपरीत, जिथे सँडबॉक्सची उंची निश्चित असते, व्हर्टिकल DISAMATIC® प्रक्रिया प्रत्येक मॉडेलच्या सेटसाठी आवश्यक असलेल्या अचूक जाडीनुसार साच्याची जाडी समायोजित करू शकते, ज्यामुळे वाळू आणि लोखंडाचे प्रमाण स्थिर राहते आणि मॉडेलच्या उंचीचा विचार केला जातो. उत्तम कास्टिंग गुणवत्ता आणि संसाधनांचा वापर सुनिश्चित करण्यासाठी हा एक मोठा फायदा आहे, परंतु साच्यांच्या जाडीतील फरकामुळे स्वयंचलित कास्टिंग नियंत्रण अधिक आव्हानात्मक बनते. मॉडेल बदलल्यानंतर, डिसमॅटिक® मशीन त्याच जाडीच्या साच्यांची पुढील बॅच तयार करण्यास सुरुवात करते, परंतु लाइनवरील फिलिंग मशीन अजूनही मागील मॉडेलचे साचे भरत राहते, ज्यांची जाडी वेगळी असू शकते. यावर मात करण्यासाठी, मोल्डिंग लाइन आणि फिलिंग प्लांटने एक सिंक्रोनाइझ्ड प्रणाली म्हणून अखंडपणे काम केले पाहिजे, ज्यात एका जाडीचे साचे तयार करून दुसऱ्या जाडीचे साचे सुरक्षितपणे ओतले जातात. पॅटर्न बदलल्यानंतर अखंड ओतकाम. पॅटर्न बदलल्यानंतर, मोल्डिंग मशीनमधील उर्वरित साच्याची जाडी तीच राहते. मागील मॉडेलपासून बनवलेले ओतकाम युनिट तेच राहते, परंतु मोल्डिंग मशीनमधून बाहेर येणारा नवीन साचा जाड किंवा पातळ असू शकत असल्याने, संपूर्ण स्ट्रिंग प्रत्येक सायकलमध्ये वेगवेगळ्या अंतरावर - नवीन आकाराच्या जाडीपर्यंत - पुढे सरकू शकते. याचा अर्थ असा की, मोल्डिंग मशीनच्या प्रत्येक स्ट्रोकसह, अखंड कास्टिंग प्रणालीला पुढील कास्टच्या तयारीसाठी कास्टिंगची स्थिती समायोजित करावी लागते. साच्यांची मागील बॅच ओतून झाल्यावर, साच्याची जाडी पुन्हा स्थिर होते आणि स्थिर उत्पादन पुन्हा सुरू होते. उदाहरणार्थ, जर पूर्वी ओतल्या जात असलेल्या २०० मिमी जाडीच्या साच्याऐवजी नवीन साचा १५० मिमी जाडीचा असेल, तर ओतण्याच्या योग्य स्थितीत राहण्यासाठी मोल्डिंग मशीनच्या प्रत्येक स्ट्रोकसोबत ओतण्याच्या उपकरणाला मोल्डिंग मशीनच्या दिशेने ५० मिमी मागे सरकावे लागेल. जेव्हा मोल्ड कॉलमची हालचाल थांबते, तेव्हा ओतण्याच्या प्लांटला ओतण्यासाठी तयार होण्याकरिता, फिलिंग प्लांट कंट्रोलरला हे नक्की माहित असणे आवश्यक आहे की तो कोणत्या साच्यात ओतणार आहे आणि तो ओतण्याच्या क्षेत्रात केव्हा व कोठे पोहोचेल. पातळ साचे कास्ट करताना जाड साचे तयार करणाऱ्या नवीन मॉडेलचा वापर करून, प्रणाली एका सायकलमध्ये दोन साचे कास्ट करण्यास सक्षम असावी. उदाहरणार्थ, ४०० मिमी व्यासाचा साचा बनवताना आणि २०० मिमी व्यासाचा साचा ओतताना, बनवलेल्या प्रत्येक साच्यासाठी ओतण्याचे उपकरण मोल्डिंग मशीनपासून २०० मिमी दूर असले पाहिजे. एका क्षणी, ४०० मिमीचा स्ट्रोक दोन न भरलेले २०० मिमी व्यासाचे साचे संभाव्य ओतण्याच्या क्षेत्राच्या बाहेर ढकलून देईल. या प्रकरणात, फिलिंग डिव्हाइसने दोन २०० मिमी मोल्ड ओतण्याचे काम पूर्ण करेपर्यंत मोल्डिंग मशीनला पुढील स्ट्रोकवर जाण्यापूर्वी थांबावे लागते. किंवा, पातळ मोल्ड बनवताना, पोररला जाड मोल्ड ओतत असतानाच सायकलमधील ओतण्याची क्रिया पूर्णपणे वगळता आली पाहिजे. उदाहरणार्थ, २०० मिमी व्यासाचा मोल्ड बनवताना आणि ४०० मिमी व्यासाचा मोल्ड ओतताना, ओतण्याच्या जागेत नवीन ४०० मिमी व्यासाचा मोल्ड ठेवल्यास २०० मिमी व्यासाचे दोन मोल्ड बनवावे लागतात. वर वर्णन केल्याप्रमाणे, एकात्मिक मोल्डिंग आणि पोरिंग प्रणालीद्वारे त्रास-मुक्त स्वयंचलित ओतकाम करण्यासाठी आवश्यक असलेले ट्रॅकिंग, गणना आणि डेटाची देवाणघेवाण, हे पूर्वी अनेक उपकरण पुरवठादारांसाठी आव्हानात्मक ठरले आहे. परंतु आधुनिक मशीन्स, डिजिटल प्रणाली आणि सर्वोत्तम पद्धतींमुळे, कमीत कमी सेटअपसह अखंड ओतकाम जलद गतीने साध्य केले जाऊ शकते (आणि केले गेले आहे). मुख्य आवश्यकता म्हणजे प्रक्रियेचे कोणत्यातरी स्वरूपातील "अकाउंटिंग" असणे, जे प्रत्येक फॉर्मच्या स्थानाबद्दल रिअल-टाइममध्ये माहिती प्रदान करते. DISA ची Monitizer®|CIM (कॉम्प्युटर इंटिग्रेटेड मॉड्यूल) प्रणाली तयार केलेल्या प्रत्येक साच्याची नोंद करून आणि उत्पादन लाइनमधील त्याच्या हालचालीचा मागोवा घेऊन हे उद्दिष्ट साध्य करते. एक प्रोसेस टायमर म्हणून, ती प्रत्येक सेकंदाला उत्पादन लाइनवरील प्रत्येक साच्याचे आणि त्याच्या नोझलचे स्थान मोजणारे, वेळ-चिन्हांकित डेटा प्रवाहांची एक मालिका तयार करते. आवश्यक असल्यास, अचूक सिंक्रोनायझेशन साधण्यासाठी ती फिलिंग प्लांट नियंत्रण प्रणाली आणि इतर प्रणालींसोबत रिअल-टाइममध्ये डेटाची देवाणघेवाण करते. DISA प्रणाली CIM डेटाबेसमधून प्रत्येक साच्यासाठी महत्त्वाचा डेटा, जसे की साच्याची जाडी आणि ओतता येतो/येत नाही, काढते आणि तो फिलिंग प्लांट नियंत्रण प्रणालीला पाठवते. या अचूक डेटाचा (जो साचा एक्सट्रूड झाल्यानंतर तयार होतो) वापर करून, ओतणारा (पोरर) साचा येण्यापूर्वी पोरिंग असेंब्लीला योग्य स्थितीत हलवू शकतो आणि साचा अजूनही हलत असतानाच स्टॉपर रॉड उघडण्यास सुरुवात करू शकतो. पोरिंग प्लांटमधून आयर्न घेण्यासाठी साचा वेळेवर पोहोचतो. ही अचूक वेळ अत्यंत महत्त्वाची आहे, म्हणजेच वितळलेले मिश्रण अचूकपणे पोरिंग कपपर्यंत पोहोचते. ओतण्याची वेळ (पोर टाइम) हा उत्पादकतेतील एक सामान्य अडथळा आहे, आणि ओतण्याची सुरुवात अचूक वेळी केल्याने, सायकलची वेळ काही दशांश सेकंदांनी कमी केली जाऊ शकते. DISA मोल्डिंग सिस्टीम मोल्डिंग मशीनमधून संबंधित डेटा, जसे की सध्याचा मोल्डचा आकार आणि इंजेक्शन प्रेशर, तसेच वाळूची संकुचनक्षमता (सँड कॉम्प्रेशिबिलिटी) यासारखा व्यापक प्रक्रिया डेटा, Monitizer®|CIM कडे हस्तांतरित करते. त्या बदल्यात, Monitizer®|CIM फिलिंग प्लांटमधून प्रत्येक मोल्डसाठी गुणवत्तेसाठी महत्त्वपूर्ण पॅरामीटर्स, जसे की ओतण्याचे तापमान, ओतण्याची वेळ, आणि ओतण्याची व इनोक्युलेशन प्रक्रियेची यशस्वीता, प्राप्त करते आणि संग्रहित करते. यामुळे शेकिंग सिस्टीममध्ये मिसळण्यापूर्वी प्रत्येक मोल्डला खराब म्हणून चिन्हांकित करून वेगळे करणे शक्य होते. मोल्डिंग मशीन्स, मोल्डिंग लाइन्स आणि कास्टिंग स्वयंचलित करण्याव्यतिरिक्त, Monitizer®|CIM डेटा संपादन, संग्रहण, अहवाल आणि विश्लेषणासाठी इंडस्ट्री 4.0-अनुरूप फ्रेमवर्क प्रदान करते. फाउंड्री व्यवस्थापन तपशीलवार अहवाल पाहू शकते आणि गुणवत्तेच्या समस्यांचा मागोवा घेण्यासाठी व संभाव्य सुधारणा घडवून आणण्यासाठी डेटामध्ये सखोल तपासणी करू शकते. ऑर्ट्रँडरचा अखंड कास्टिंग अनुभव: ऑर्ट्रँडर आयझेनहुट्टे ही जर्मनीमधील एक कौटुंबिक मालकीची फाउंड्री आहे, जी ऑटोमोटिव्ह घटक, हेवी-ड्युटी लाकडी स्टोव्ह आणि पायाभूत सुविधा, तसेच सामान्य मशिनरीच्या भागांसाठी मध्यम-प्रमाणात, उच्च-गुणवत्तेच्या लोखंडी कास्टिंगच्या उत्पादनात विशेषज्ञ आहे. ही फाउंड्री ग्रे आयर्न, डक्टाइल आयर्न आणि कॉम्पॅक्टेड ग्रॅफाइट आयर्नचे उत्पादन करते आणि आठवड्यातून पाच दिवस दोन शिफ्टमध्ये कार्यरत राहून, दरवर्षी अंदाजे २७,००० टन उच्च-गुणवत्तेचे कास्टिंग तयार करते. ऑर्ट्रँडर चार ६-टन क्षमतेच्या इंडक्शन मेल्टिंग फर्नेस आणि तीन DISA मोल्डिंग लाइन्स चालवते, ज्याद्वारे दररोज अंदाजे १०० टन कास्टिंगचे उत्पादन होते. यामध्ये एका तासाच्या, आणि महत्त्वाच्या ग्राहकांसाठी कधीकधी त्याहूनही कमी कालावधीच्या, लहान उत्पादन फेऱ्यांचा समावेश असतो, त्यामुळे टेम्पलेट वारंवार बदलावे लागते. गुणवत्ता आणि कार्यक्षमता वाढवण्यासाठी, सीईओ बर्न्ड एच. विल्यम्स-बुक यांनी ऑटोमेशन आणि ॲनालिटिक्सच्या अंमलबजावणीमध्ये महत्त्वपूर्ण संसाधने गुंतवली आहेत. पहिली पायरी म्हणजे लोखंड वितळवण्याची आणि डोसिंगची प्रक्रिया स्वयंचलित करणे, ज्यामध्ये ३डी लेझर तंत्रज्ञान, इनक्यूबेशन आणि तापमान नियंत्रणाचा समावेश असलेल्या नवीनतम pourTECH प्रणालीचा वापर करून तीन विद्यमान कास्टिंग फर्नेस अद्ययावत करण्यात आले. भट्ट्या, मोल्डिंग आणि कास्टिंग लाईन्स आता डिजिटल पद्धतीने नियंत्रित आणि सिंक्रोनाइझ केलेल्या आहेत, आणि त्या जवळजवळ पूर्णपणे स्वयंचलितपणे चालतात. जेव्हा मोल्डिंग मशीनचे मॉडेल बदलते, तेव्हा पोरटेक पोर कंट्रोलर नवीन मोल्डच्या परिमाणांसाठी DISA Monitizer®|CIM प्रणालीला माहिती विचारतो. DISA डेटाच्या आधारे, पोर कंट्रोलर प्रत्येक ओतकामासाठी पोर नोड कुठे ठेवायचा याची गणना करतो. फिलिंग प्लांटमध्ये पहिला नवीन मोल्ड केव्हा येतो हे त्याला अचूकपणे कळते आणि तो आपोआप नवीन ओतकाम क्रमावर स्विच करतो. जर जिग कोणत्याही वेळी त्याच्या स्ट्रोकच्या शेवटी पोहोचला, तर DISAMATIC® मशीन थांबते आणि जिग आपोआप परत येतो. जेव्हा पहिला नवीन मोल्ड मशीनमधून काढला जातो, तेव्हा ऑपरेटरला सूचना दिली जाते जेणेकरून तो दृष्यदृष्ट्या तपासू शकेल की तो योग्य स्थितीत आहे. सीमलेस कास्टिंगचे फायदे: पारंपरिक हाताने केल्या जाणाऱ्या कास्टिंग प्रक्रिया किंवा कमी गुंतागुंतीच्या स्वयंचलित प्रणालींमुळे मॉडेल बदलताना उत्पादनाचा वेळ वाया जाऊ शकतो, जे मोल्डिंग मशीनवर जलद मोल्ड बदलताना देखील अपरिहार्य आहे. पोरर आणि पोर मोल्ड्स मॅन्युअली रीसेट करणे अधिक वेळखाऊ आहे, त्यासाठी अधिक ऑपरेटर लागतात आणि फ्लेअरसारख्या चुका होण्याची शक्यता असते. ऑर्ट्रँडरच्या लक्षात आले की, हाताने बॉटलिंग करताना त्यांचे कर्मचारी अखेरीस थकत असत, त्यांचे लक्ष विचलित होत असे आणि ते कामात टाळाटाळ करण्यासारख्या चुका करत असत. मोल्डिंग आणि पोरिंगचे अखंड एकत्रीकरण कचरा आणि डाउनटाइम कमी करून जलद, अधिक सुसंगत आणि उच्च-गुणवत्तेच्या प्रक्रिया शक्य करते. ऑर्ट्रँडरमध्ये, स्वयंचलित फिलिंगमुळे मॉडेल बदलताना फिलिंग युनिटची स्थिती समायोजित करण्यासाठी पूर्वी लागणारी तीन मिनिटे आता नाहीशी झाली आहेत. संपूर्ण रूपांतरण प्रक्रियेला पूर्वी ४.५ मिनिटे लागत असत, असे श्री. विल्यम्स-बुक म्हणाले. आज दोन मिनिटांपेक्षा कमी वेळ लागतो. प्रत्येक शिफ्टमध्ये ८ ते १२ मॉडेल्स बदलल्यामुळे, ऑर्ट्रँडरचे कर्मचारी आता प्रत्येक शिफ्टमध्ये सुमारे ३० मिनिटे घालवतात, जो पूर्वीपेक्षा निम्मा वेळ आहे. अधिक सुसंगतता आणि प्रक्रिया सतत ऑप्टिमाइझ करण्याच्या क्षमतेमुळे गुणवत्ता वाढते. अखंड कास्टिंग सुरू करून ऑर्ट्रँडरने कचरा सुमारे २०% ने कमी केला आहे. मॉडेल्स बदलताना डाउनटाइम कमी करण्याव्यतिरिक्त, संपूर्ण मोल्डिंग आणि पोरिंग लाइनसाठी पूर्वीच्या तीनऐवजी फक्त दोन लोकांची आवश्यकता असते. काही शिफ्टमध्ये, तीन लोक दोन संपूर्ण उत्पादन लाइन्स चालवू शकतात. हे कामगार जवळजवळ फक्त देखरेख करण्याचेच काम करतात: पुढील मॉडेल निवडणे, वाळूच्या मिश्रणाचे व्यवस्थापन करणे आणि वितळलेल्या धातूची वाहतूक करणे या व्यतिरिक्त, त्यांना हाताने करायची फार कमी कामे असतात. याचा आणखी एक फायदा म्हणजे अनुभवी कर्मचाऱ्यांची गरज कमी होते, जे सहजासहजी सापडत नाहीत. ऑटोमेशनसाठी ऑपरेटरला काही प्रशिक्षणाची आवश्यकता असली तरी, ते लोकांना योग्य निर्णय घेण्यासाठी आवश्यक असलेली महत्त्वपूर्ण प्रक्रिया माहिती पुरवते. भविष्यात, यंत्रेच सर्व निर्णय घेऊ शकतील. सीमलेस कास्टिंगमधून मिळणारे डेटाचे फायदे: एखादी प्रक्रिया सुधारण्याचा प्रयत्न करताना, फाउंड्री अनेकदा म्हणतात, “आम्ही तेच काम त्याच पद्धतीने करतो, पण त्याचे परिणाम वेगवेगळे येतात.” त्यामुळे ते एकाच तापमानात आणि पातळीवर १० सेकंदांसाठी कास्टिंग करतात, पण काही कास्टिंग चांगले असतात तर काही खराब. स्वयंचलित सेन्सर्स लावून, प्रत्येक प्रक्रिया पॅरामीटरवर वेळेनुसार नोंदवलेला डेटा गोळा करून आणि परिणामांवर देखरेख ठेवून, एक एकात्मिक सीमलेस कास्टिंग प्रणाली संबंधित प्रक्रिया डेटाची एक साखळी तयार करते, ज्यामुळे गुणवत्ता खालावू लागल्यावर मूळ कारणे ओळखणे सोपे होते. उदाहरणार्थ, जर ब्रेक डिस्कच्या बॅचमध्ये अनपेक्षित दोष आढळले, तर व्यवस्थापक पॅरामीटर्स स्वीकार्य मर्यादेत आहेत की नाही हे त्वरित तपासू शकतात. मोल्डिंग मशीन, कास्टिंग प्लांट आणि भट्टी व वाळू मिक्सर यांसारख्या इतर कार्यांसाठीचे नियंत्रक एकत्रितपणे काम करत असल्यामुळे, त्यांच्याद्वारे निर्माण होणाऱ्या डेटाचे विश्लेषण करून वाळूच्या गुणधर्मांपासून ते कास्टिंगच्या अंतिम पृष्ठभागाच्या गुणवत्तेपर्यंत, संपूर्ण प्रक्रियेतील संबंध ओळखता येतात. याचे एक संभाव्य उदाहरण म्हणजे, प्रत्येक स्वतंत्र मॉडेलसाठी ओतण्याची पातळी आणि तापमान साचा भरण्यावर कसा परिणाम करतात. यातून तयार होणारा डेटाबेस, प्रक्रिया अधिक कार्यक्षम करण्यासाठी मशीन लर्निंग आणि कृत्रिम बुद्धिमत्ता (AI) यांसारख्या स्वयंचलित विश्लेषण तंत्रांच्या भविष्यातील वापरासाठी पाया घालतो. ऑर्ट्रँडर मशीन इंटरफेस, सेन्सर मापन आणि चाचणी नमुन्यांद्वारे रिअल-टाइममध्ये प्रक्रिया डेटा गोळा करते. प्रत्येक मोल्ड कास्टिंगसाठी, सुमारे एक हजार पॅरामीटर्स गोळा केले जातात. पूर्वी, ते फक्त प्रत्येक ओतकामासाठी लागणारा वेळ नोंदवत असे, परंतु आता त्याला प्रत्येक सेकंदाला ओतण्याच्या नोझलची पातळी नेमकी किती आहे हे कळते. यामुळे अनुभवी कर्मचाऱ्यांना हा पॅरामीटर इतर निर्देशकांवर, तसेच कास्टिंगच्या अंतिम गुणवत्तेवर कसा परिणाम करतो हे तपासता येते. साचा भरत असताना ओतण्याच्या नोझलमधून द्रव बाहेर काढला जातो, की भरण्याच्या प्रक्रियेदरम्यान ओतण्याचे नोझल जवळजवळ स्थिर पातळीपर्यंत भरलेले असते? ऑर्ट्रँडर वर्षाला तीन ते पाच दशलक्ष साचे तयार करते आणि त्यांनी प्रचंड प्रमाणात डेटा गोळा केला आहे. गुणवत्तेच्या समस्या उद्भवल्यास, ऑर्ट्रँडर प्रत्येक ओतकामाच्या अनेक प्रतिमा 'पोरटेक' डेटाबेसमध्ये संग्रहित करते. या प्रतिमांना स्वयंचलितपणे रेट करण्याचा मार्ग शोधणे हे भविष्यातील एक उद्दिष्ट आहे. निष्कर्ष. एकाच वेळी स्वयंचलितपणे आकार देणे आणि ओतकाम केल्यामुळे प्रक्रिया अधिक जलद होते, गुणवत्ता अधिक सुसंगत राहते आणि कचरा कमी होतो. सुलभ ओतकाम आणि स्वयंचलित पॅटर्न बदलामुळे, उत्पादन लाइन प्रभावीपणे स्वायत्तपणे चालते, ज्यासाठी केवळ कमीतकमी मानवी प्रयत्नांची आवश्यकता असते. ऑपरेटर पर्यवेक्षकाची भूमिका बजावत असल्याने, कमी कर्मचाऱ्यांची आवश्यकता असते. सीमलेस कास्टिंग आता जगभरातील अनेक ठिकाणी वापरले जाते आणि ते सर्व आधुनिक फाउंड्रीमध्ये लागू केले जाऊ शकते. प्रत्येक फाउंड्रीला तिच्या गरजेनुसार तयार केलेल्या थोड्या वेगळ्या सोल्यूशनची आवश्यकता असेल, परंतु ते लागू करण्यासाठीचे तंत्रज्ञान सुस्थापित आहे, सध्या DISA आणि तिचा भागीदार 'पोर-टेक AB' कडून उपलब्ध आहे आणि त्यासाठी जास्त कामाची आवश्यकता नाही. गरजेनुसार सानुकूलित काम केले जाऊ शकते. फाउंड्रीमध्ये कृत्रिम बुद्धिमत्ता आणि इंटेलिजेंट ऑटोमेशनचा वाढता वापर अजूनही चाचणीच्या टप्प्यात आहे, परंतु पुढील दोन ते तीन वर्षांत फाउंड्री आणि OEMs अधिक डेटा आणि अतिरिक्त अनुभव गोळा करतील तसतसे ऑटोमेशनकडे होणारे संक्रमण लक्षणीयरीत्या वेगवान होईल. हा उपाय सध्या ऐच्छिक आहे, तथापि, प्रक्रिया सुव्यवस्थित करण्यासाठी आणि नफा वाढवण्यासाठी डेटा इंटेलिजन्स हा सर्वोत्तम मार्ग असल्याने, अधिक स्वचालन आणि डेटा संकलन हा एक प्रायोगिक प्रकल्प न राहता एक मानक पद्धत बनत आहे. पूर्वी, एखाद्या फाउंड्रीची सर्वात मोठी मालमत्ता म्हणजे तिचे मॉडेल आणि तिच्या कर्मचाऱ्यांचा अनुभव होता. आता सीमलेस कास्टिंगला अधिक स्वचालन आणि इंडस्ट्री ४.० प्रणालींची जोड मिळाल्याने, डेटा वेगाने फाउंड्रीच्या यशाचा तिसरा आधारस्तंभ बनत आहे.
या लेखाच्या तयारीदरम्यान केलेल्या अभिप्रायांबद्दल आम्ही pour-tech आणि Ortrander Eisenhütte यांचे मनःपूर्वक आभार मानतो.
हो, मला उत्पादने आणि सामग्रीवरील सर्व ताज्या बातम्या, चाचण्या आणि अहवालांसह द्विसाप्ताहिक फाउंड्री-प्लॅनेट न्यूजलेटर मिळवायला आवडेल. सोबतच विशेष न्यूजलेटर्ससुद्धा – आणि हे सर्व कधीही विनामूल्य रद्द करण्याच्या सुविधेसह.