.png)
파운드리 결과: 시뮬레이션을 기반으로 한 공정 최적화.
이 예시들은 팀이 시뮬레이션에서 얻은 통찰력, 공정 맥락, 그리고 현장 검증 결과를 어떻게 반복 가능한 의사 결정 루프에 통합하는지 보여줍니다. 각 결과는 해당 부품, 금형, 생산 맥락 및 검증 프로세스와 밀접하게 연관되어 있습니다.
각 사례의 시작점, 내려진 결정, 그리고 실제 결과를 살펴보세요.
사례 연구 1: LPDC 알루미늄 휠 생산에서 불량률 37.9% 감소
도전
마르마라 지역에서 알루미늄 합금 휠을 생산하는 주요 자동차 부품 공급업체는 복잡한 휠 형상에서 발생하는 높은 다공성과 수축 공동으로 인해 심각한 품질 문제에 직면했습니다. 냉각 시간 및 압력 곡선을 수동으로 작업자가 입력하는 방식에 의존한 결과 생산 표준이 일관되지 않았고 월평균 불량률이 5.8%에 달했습니다.
카스텔라 AI 솔루션
카스텔라 AI는 해당 시설의 LPDC 라인에 통합되었습니다. 과거 주조 데이터와 실시간 열 센서 피드백을 분석하여, 당사의 머신 러닝 알고리즘은 최적의 압력 및 냉각 매개변수를 즉시 계산했습니다. 실시간 주조 공정 안내 모듈이 활성화되어 작업자에게 모든 주조 주기마다 동적이고 정확한 매개변수 권장 사항을 제공했습니다.
결과
불량률 감소: 3개월간의 시범 운영 결과, 불량률이 5.8%에서 3.6%로 감소했습니다(총 37.9% 개선).
에너지 효율성: 사이클 시간을 최적화하여 사이클당 에너지 소비량을 12% 절감했습니다.
품질 표준화: 교대 근무 간 및 작업자 간 품질 편차가 완전히 제거되었습니다.
사례 연구 2: HPDC 자동차 부품의 사이클 시간 및 효율성 향상
도전
에게해 지역에서 세계적인 자동차 브랜드에 구조용 알루미늄 부품을 생산하는 한 주조 공장은 HPDC 라인에서 높은 불량률과 심각한 금형 납땜 문제로 어려움을 겪었습니다. 목표 생산 주기를 맞추지 못하면서 납품 지연과 운영 비용 증가가 발생했습니다.
카스텔라 AI 솔루션
카스텔라의 AI 기반 HPDC 파라미터 최적화 도구가 도입되었습니다. 플런저 속도(1단계 및 2단계), 주조 압력, 금형 윤활 시간을 마이크로초 단위로 분석했습니다. AI는 불량 부품에 대한 자동화된 근본 원인 분석을 수행하여 기계 파라미터를 즉시 제한하고 최적화함으로써 불량 재발을 방지했습니다.
결과
생산능력 증대: 부품당 사이클 시간이 8초 단축되어 일일 생산능력이 14% 증가했습니다.
결함 감소: 가스 기공 및 냉간 폐쇄로 인한 불량품 발생률이 31.9% 감소했습니다.
금형 수명 연장: 최적화된 속도 및 열 매개변수를 통해 금형 유지 보수 비용이 20% 절감되었습니다.
금속 주조 분야의 AI 관련 자주 묻는 질문
AI를 활용하여 다이캐스팅 공정에서 불량률을 줄이는 방법은 무엇일까요?
AI 알고리즘은 금형 온도, 금속 사출 속도, 압력, 냉각 시간 등 수천 개의 변수를 동시에 분석합니다. Castella AI는 기공이나 냉간 폐쇄와 같은 주조 결함이 발생하기 전에 미세한 편차를 감지하여 작업자에게 불량품 발생을 사전에 방지할 수 있는 최적의 매개변수를 제공합니다.
다이캐스팅을 최적화하는 소프트웨어가 있습니까?
네, Castella AI는 전 세계 주조 공장에서 활발히 사용되고 있는 특수 주조 최적화 및 실시간 안내 소프트웨어입니다. 특히 자동차 공급망 및 알루미늄 휠 제조업체의 까다로운 요구 사항을 충족하도록 설계되었습니다.
AI를 활용하여 캐스팅 매개변수를 최적화하면 어떤 이점이 있을까요?
산업용 AI 솔루션은 심도 있는 금속학적 전문 지식을 바탕으로 한 정밀한 수학적 모델링을 통해 기존의 시행착오 방식을 대체합니다. 주요 이점으로는 불량률 최대 30% 감소, 사이클 시간 단축을 통한 상당한 에너지 절감, 금형 수명 연장, 그리고 모든 교대 근무조에서 높은 신뢰성과 반복 가능한 생산 품질 보장 등이 있습니다.