巧用AI集成突破极限： 回收材料重塑汽车部件的高效设计

为了应对更严格的环保法规要求、不断上涨的原材料成本、宏伟的可持续发展目标，以及不断提高的消费者预期，产品开发必须不断进行。通过利用包括人工智能在内的新数字工具来推动创新和提高效率有助于满足这些需求。那么，人工智能究竟是如何应对这种创新压力的呢？

标题图：人工智能被用于优化产品和工艺参数，以确保始终如一的高产品质量。它还能够以最低的风险将回收材料用于技术复杂的应用© M.TEC Engineering

面对当今的经济和环境挑战，企业迫切需要创新的解决方案来节省资源、制定可持续的生产方法并提供安全稳定的产品。不确定性的增加和要求的日益复杂化使产品开发领域发生了改变。提高效率、减少材料和能源消耗以及确保卓越的产品质量是满足现代工业和社会需求的关键要素。

三十多年来，M.TEC Engineering公司一直是产品开发领域的领导者，始终致力于提供可持续且高效的解决方案。该公司的AI集成流程专为满足现代产品开发的快节奏、高要求和多变性而量身定制。这种方法不仅突破了技术极限，而且还释放了新的潜力，降低了成本，缩短了开发时间并提高了安全性和可靠性。

通过在开发阶段使用人工智能，M.TEC使回收材料的利用更加可行和可持续，为创新与环境责任相伴而行的未来铺平了道路。

AI 集成开发：更快、更高效、更可持续

早在ChatGPT等基于AI的聊天机器人出现之前，M.TEC的工程师就已经开始研究AI辅助的产品开发流程。该技术开辟了新的途径，使开发流程更加可持续、更高效、更快速。因此，AI集成的开发流程能够考虑到使用回收材料时经常出现的材料特性变化并对产品和工艺参数进行优化以确保一致的产品质量。

图1：使用和未使用AI的设计流程比较。重要指标的同步仿真可加速这一过程（来源：M.TEC Engineering；图：© Hanser）

与隔离各个物理域的传统开发方法不同，M.TEC公司的AI集成流程运用多物理场仿真来优化整个参数空间中的产品（图1）。该方法通过处理高度复杂的大量数据，将交互作用考虑在内并解决相互冲突的目标，从而获得人类规划人员无法独自确定的最佳数据集。这些先进的技术解决方案为加速创新和可持续发展铺平了道路。

 人工智能如何使产品和流程更加环保？AI集成能带来哪些具体的可持续发展效益？我们在下文总结了开发过程中的关键可持续性指标并通过实例阐述人工智能对可持续性的影响。

产品开发中的可持续性指标

可持续性在产品开发中占据越来越重要的地位（图2），其驱动因素包括不断变化的消费者需求、企业可持续发展目标和更严格的监管要求。使用回收材料并优化材料和能源消耗是节约资源和减少碳足迹的主要策略。因此，开发重点是整合循环经济原则、产品耐用性和可修复性。

图2：开发项目在可持续性方面的附加要求（来源：M.TEC Engineering；图：© Hanser）

从消费后回收物（PCR）的材料流可以看出，材料特性难以保证其未来的一致性，因为它们的来源和成分不再能够得到可靠的保障。

在这种情况下，AI辅助的优化能够精确预测过程，即使在材料特性波动的情况下也能确保较高的产品质量，从而推动回收材料在技术要求高的应用领域中的使用。此外，流程优化还能实现资源的有效利用和能源的节约并最大限度地减少材料的使用。这不仅满足了立法者和最终客户的当前需求，也符合众多制造商自行设定的目标。

车辆支撑结构的工艺和翘曲优化

以下实例开始之初是通过收缩和翘曲模拟对由长玻璃纤维增强聚丙烯（原生材料）制成的汽车横梁（图3）进行生产工艺设计。该工艺通过公司内部的AI M.Opt进行设计，确保无需模具优化，并将采样时间缩短了80%。

图3：在第20届SPE汽车创新奖颁奖晚会上，借助人工智能优化的车辆支撑结构获得了赋能技术（Enabler Technology）类奖项© M.TEC Engineering

随着宝马汽车公司（BMW AG）项目的深入，其目标是使用AI来计算一组参数，以确保使用回收材料时工艺稳定且产品始终保持高质量，即使材料特性（如本例假设的粘度）发生波动。

开发过程始于精确定义需求并创建部件的数字孪生，同时建立了完整的FEM（有限元方法）模型来模拟支撑结构的结构特性。

优化的关键环节之一是考虑所用回收材料的材料性能波动。材料粘度作为变量参数被纳入优化，与基线值相比，其假定公差为±20%。其他研究表明，回收材料的粘度公差可能更加宽泛（高达±50 %）。

多物理场优化

本次优化的目标是找到产生最小翘曲的参数集，且其粘度值与标称值相比在±20%的范围内波动。主翘曲被假定为翘曲的度量，通过计算所有节点的平均值来确定。首先，通过系列材料的工艺参数确定总翘曲（参照上述定义），然后将其用作参考值。

AI在本案例中的另一个优势在于其敏感性识别能力。它能够区分出对翘曲行为有显著影响的参数以及那些作用相对较小的参数。这为制定生产控制和检验计划中的质量保证策略提供了优化依据：在生产流程中，仅需关注真正关键和有意义的参数。

表1：翘曲变化：最小和最大粘度条件下的分析结果© M.TEC Engineering

接下来将同时优化所有的26个变量参数，并假定最小和最大粘度值。这样就创建了一个x^26的解空间，从中可以找到该函数方程的最优值（表1）。

观察结果表明，较低的粘度对收缩和翘曲行为的影响远高于较高的粘度。

随后，将模具尺寸作为变量参数纳入优化，即除了工艺和材料参数外，还需考虑结构参数。这一举措进一步扩大了解空间（表2）。

表2：翘曲变化：在考虑模具尺寸的情况下，最小和最大粘度条件下的分析结果© M.TEC Engineering

总体来看，虽然平均翘曲程度略有上升。但是，这种方法也带来了积极效果：标准偏差得以显著降低。因此，假定的较宽的粘度公差可以通过智能模具设计得到补偿。

因此，在开发阶段应用人工智能对于在新产品中成功利用回收材料至关重要：风险得以量化，可行性分析亦提前进行。实现这一目标的前提是对整个可用的解决方案空间进行探索。鉴于该过程的高度复杂性，仅靠人力难以完成。此时，人工智能便成为不可或缺的解决方案。

图4：胰岛素笔是多物理场优化在具有相互冲突开发目标的复杂工程项目中应用的一个实例© abidika – stock.adobe.com

医疗技术应用：胰岛素笔的开发

AI集成开发已在众多实际应用中证明了其有效性，例如：胰岛素笔的优化（图4）。在医疗技术这一对精度和安全要求极高的领域，多物理场优化对于在降低成本的同时保证产品质量和工艺的稳定性起着至关重要的作用。

胰岛素笔是一种复杂的医疗安全产品，其开发需要平衡一系列可能相互冲突的要求。只有通过多阶段仿真才能够在机械、热学和流体动力学要求之间取得平衡，降低生产和开发成本，并持续满足监管标准。开发过程涉及几个步骤：

◆ 确定笔式注射器的具体要求。
◆ 创建一个全面的多物理模型，考虑机械、热学和流体动力学因素。
◆ 应用基于AI的优化来开发满足所有这些要求的设计。
◆ 通过真实环境测试来验证最终设计。

图5：人类无法承受研究整个可用解空间所需的工作量；在这种情况下，AI是唯一的解决方案© M.TEC Engineering

结论

上述AI集成开发流程标志着可持续产品开发的重大进步。支撑结构和胰岛素笔的案例充分证明了这一点，其中AI优化不仅提高了产品质量和工艺安全性，还缩短了采样时间、减少了材料消耗和资源使用。

该方法不仅有利于回收材料的应用，还有助于减少碳足迹、实施循环经济原则并实现其他可持续发展目标。通过采用AI驱动的流程，工程行业能够应对当前产品开发的挑战，为未来提供创新和可持续的解决方案（图5）。

本文翻译自Plastics Insights杂志
作者：Dipl.-Ing. Ulf Seefeldt，Dipl.-Ing. Wolfgang Pelzer

来源：荣格-《国际塑料商情》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。