בהתבסס ידע ענן FE סימולציה של תהליכים פורמינג פח
13 בדצמבר 2016
המאמר הבא מציג טכניקת סימולציה חדשה של FE (KBC-FE), המפחיתה את העלות החישובית על ידי ביצוע סימולציות בסביבת מחשוב ענן, באמצעות יישום מודולים בודדים. יתר על כן, הוא מקים רשת שיתוף פעולה חלקה בין מדענים מובילים בעולם, המאפשרת שילוב של מודולי ידע מתקדמים בסימולציות FE.
המטרה הכוללת של שיטת סימולציית ענן FE מבוססת ידע היא לשלב התמחויות מתחומים שונים בפורטל אחד כדי לשפר את היכולת והדיוק של יצירת סימולציות תהליך מבלי להגדיל משמעותית את הקושי בשימוש בהן. שיטה זו יכולה לעזור לענות על שאלות מפתח בתחום יצירת הפח, כגון הגדרת הפרמטרים ליצירת רכיבים בהצלחה, וחיזוי אורך החיים של כלי יצירה. חוזק עיקרי של מתודולוגיה זו הוא שהיא מאפשרת להשתמש במודלים חיזויים מתקדמים עם כל תוכנת סימולציה של FE מבלי לדרוש שינויים במודלים עצמם.
בדרך כלל, אנשים חדשים בשיטה זו יוכלו להשתמש בה בקושי מועט מאוד בגלל ממשק המשתמש של שקר המתח. הדגמה חזותית תראה עד כמה זה באמת פשוט להקיף מודלים חיזויים מתקדמים בסימולציות FE קונבנציונליות. סעיף זה מכסה כיצד ניתן להשתמש במחשוב KBC-FE כדי לחזות יכולת צורה בתהליך הטבעה חמה.
התחל פרויקט חדש בתוכנת הדמיית FE. בחר את התהליך כיצירת חותמת חמה ואת סוג הפותר כ- PAM-AutoStamp בעת שמירת הפרוייקט. לאחר מכן, ייבא את התבנית הפנימית של הדלת על ידי לחיצה ראשונה על כלי הייבוא CAD, תן שם לאובייקט המיובא כקוביה, החלף את אסטרטגיית היצירה החמה כדי לרשת את הכלים, ולאחר מכן ייבא והעבר את קובץ הגיאומטריה הפנימי של הדלת IGS לממשק הגרפי.
כעת, חזור על התהליך כדי לייבא את האגרוף ואת המחזיק הריק. לאחר מכן, תחת לשונית ההגדרה, לחץ על ריק. לאחר מכן, בעורך הריק, לחץ על הוסף ריק.
הגדר את האובייקט החדש כריק והגדר את הכתב כמשטח ריק. כעת, בחר מתאר עבור סוג ההגדרה, וייבא את הצורה הריקה על ידי לחיצה על ייבוא מקובץ CAD. תחת אפשרויות רשת שינוי, הגדר את המיקוד כרמה שהוטלה ובחר רמה אחת.
לאחר מכן, כבה את הרשת האוטומטית והגדר את גודל הרשת לארבעה מילימטרים. המשך בהגדרת תכונות החומר בעורך הריק. תחת לשונית החומר, לחץ על טען חומר ובחר את החומר AA-שש-אפס-שמונה-שתיים.
הגדר את כיוון הגלגול ל- X שווה לאחד. הגדר את עובי הריק לשני מילימטרים ואת הטמפרטורה ההתחלתית הריקה ל -490 מעלות צלזיוס. לאחר מכן, עבור ללשונית ההגדרה, לחץ על תהליך ובחר בסמל הפלוס כדי לטעון מאקרו חדש.
לאחר מכן, דפדף אל תיקיית החותמת החמה ובחר את קובץ ה-GPA של אימות HF עם פעולה כפולה. בתיבת הדו-שיח המותאמת אישית, הפעל את האובייקטים הריקים, המתים, האגרוף והמחזיק הריק. תחת הכרטיסייה שלבים, הפעל את כוח הכבידה, החזקה, הטבעה ומרווה.
כעת, הגדר את כל הפרמטרים בתכונות האובייקט תחת לשונית ההגדרה כך שיתאימו להגדרת הניסוי בפועל. הגדר את יעילי העברת החום כפונקציה של פער ולחץ מגע. לאחר מכן, לחץ על סמל הבדיקה כדי לבדוק אם יש שגיאות בהגדרה, ואם אין כאלה, לחץ על סמל החישוב כדי להתחיל את הסימולציה במחשב המארח.
לאחר התבוננות בתוצאות, הפעל סקריפט כדי לייצא את ערכי המתח הגדול, המתח הקטן וקווי המתאר של הטמפרטורה עבור כל האלמנטים מכל מצבי הסימולציה כקבצי ascii, ולאחר מכן שמור את הקבצים. על ידי ניצול הנתונים בדרך זו, לא מועבר מידע על הגיאומטריה של הרכיב לפורטל המקוון, ובכך מגן על כל מידע סודי. כעת, גש לטופס חכם, שהוא הפורטל החדש שנוצר עבור סימולציות KBC-FE, והיכנס לפרופיל המשתמש שלך.
בחר את מודול חיזוי מגבלת היצירה וייצא את קבצי תוצאות הסימולציה למחשב הענן. לאחר מכן, הזן את מספר המצבים בסימולציה, הזן ידנית את פרטי הסימולציה והפרמטרים והתחל את החישוב. לאחר ביצוע החישוב, הורד את התוצאות ממחשב הענן להדמיה בסימולציית ה-FE שלך.
לאחר מכן, טען את המצב הסופי של תוצאות הדמיית FE, ותחת הכרטיסייה coutours, לחץ על ערכים מיובאים ולאחר מכן על ערכים סקלריים. בחר ascii כדי להציג את תוצאות חיזוי מגבלת הצורה. סעיף זה מכסה כיצד ניתן להשתמש במחשוב KBC-FE כדי לחזות את חיי הכלים באמצעות תהליך יצירה חלופי.
צור וקרא לפרויקט סימולציה חדש בתוכנת הסימולציה FE. בחר את התהליך כהטבעה רגילה, ואת סוג הפותר כחותמת אוטומטית של PAM בעת שמירת הפרוייקט. לאחר מכן, ייבא את גיאומטריית הקובייה על ידי לחיצה על כלי הייבוא CAD.
לאחר מכן, ייבא והעבר את קובץ הגיאומטריה IGS בצורת U לממשק הגרפי. בחרו באסטרטגיית האימות לחיבור כלים, וקבעו את גודל רשת השינוי לשני מילימטרים, עם זווית מרבית של חמישה. תן לאובייקט המיובא את השם קוביות.
באותו אופן, ייבא את האגרוף ואת המחזיק הריק. כעת, תחת הגדרה, לחץ על ריק והוסף ריק בעורך הריק. הגדר את האובייקט החדש כריק ולאחר מכן בחר את הסוג כמשטח ריק.
לאחר מכן, בחר ארבע נקודות עבור סוג ההגדרה והגדר את גודל הריק ל-120 על 80 מילימטרים רבועים. ודא שהרשת האוטומטית כבויה והגדר את גודל הרשת לנקודה אחת וחמישה מילימטרים. כעת, הגדר את תכונות החומר בעורך הריק.
לחץ על טען חומר מתחת ללשונית החומר ובחר את חומר AA חמש-שבע-חמש-ארבע H אחד-אחד-אחד כתכונות החומר. לאחר מכן הגדר את עובי הריק לנקודה אחת חמישה מילימטרים עם טמפרטורה ראשונית של 20 מעלות צלזיוס. המשך בלחיצה על תהליך בלשונית ההגדרה ובחר בסמל הפלוס כדי לטעון מאקרו חדש.
אתר את תיקיית היתכנות החותמת ובחר את קובץ ה-GPA של הנקודה הכפולה של ההחתמה בלבד. בתיבת הדו-שיח המותאמת אישית, הפעל את הריק, המת, האגרוף והמחזיק הריק. תחת שלבים, הפעל הטבעה.
כעת, הגדר את כל הפרמטרים בסימולציה כך שיתאימו להגדרת הניסוי בפועל. לאחר מכן, לחץ על בדוק בהגדרה כדי לוודא שלא נעשו שגיאות. כעת, לחץ על סמל החישוב והתחל את החישוב עבור סימולציית כיפוף בצורת U של 11 מצבים במחשב המארח.
לאחר השלמת הסימולציה, הפעל סקריפט לייצוא קבצי ascii של נתוני הקואורדינטות ונתוני לחץ המגע עבור התבנית. לאחר מכן, מפורטל היצירה החכמה, בחר את מודול חיזוי חיי הכלי, הזן ידנית את פרטי הסימולציה ואת מספר המצבים בסימולציה, וייצא את קבצי תוצאות הסימולציה למחשב הענן. לאחר מכן, התחל את החישוב.
לאחר השלמת החישוב, הורד את התוצאות וצפה במצבן הסופי בתוכנת הסימולציה של FE. לשם כך, עבור ללשונית קווי המתאר, לחץ על מיובא ולאחר מכן על ערכים סקלריים. לאחר מכן בחר ascii כדי להציג את תוצאות חיזוי חיי הכלי.
הצורה הריקה הראשונית שאומצה מתהליך הטבעה קרה קונבנציונאלי שימשה בסימולציית KBC-FE. לתוצאות ניסוי עם צורה זו היו אזורי כשל גדולים שנראו לאחר ההטבעה החמה. לאחר איטרציה אחת של אופטימיזציה של צורה ריקה, נוצר פאנל מוצלח כמעט לחלוטין עם הרבה פחות צוואר.
ניתן לראות שעדיין יש אינדיקציה לצוואר בכיסים בפינה הימנית והשמאלית העליונה של הפאנל. לאחר אופטימיזציה נוספת, התקבלה צורה ריקה ללא צוואר גלוי על הפאנל. הצורה הריקה האופטימלית אומתה על ידי ניסויי הטבעה חמה שנערכו בקו ייצור אוטומטי לחלוטין.
כדי לחקור את ההשפעות של כוח אחיזה ריק על חיי הכלי, נבדקו שלושה כוחות אחיזה ריקים. במהירות יצירה קבועה של 250 מילימטרים לשנייה, מעל 300 מחזורי יצירה, עובי הקידוד שנותר ירד ככל שכוח ההחזקה הריק גדל. גרף הלחץ ועובי הקידוד הנותר לאורך המרחק המעוקל של התבנית הראה כי שחיקת הקידוד התרחשה בעיקר ברדיוס כניסת התבנית.
שני ערכי השיא של הפחתת עובי הקידוד תואמים את שיאי הלחץ. על ידי פיתוח בבת אחת של מודלי החיזוי ויישומם כמודולים בפורטל היצירה החכמה, ניתן לשפר את הדיוק של סימולציות FE מסחריות לאין שיעור ללא שימוש בתת-שגרות מסובכות. בעת ניסיון הליך זה, חשוב לזכור כי מודולים שונים, בעוד שיש לכייל בהתאם לסגסוגת המתכת המדומה.
בנוסף ליצירת גבול וחיזוי חיי הכלי, ניתן ללכוד תכונות אחרות של תהליכי יצירה באמצעות טכניקה זו, כגון אבולוציה מבנית וחיזוי חוזק פוסט-צורה. זה מרמז שכעת ניתן לקשר בין התמחויות של מדענים מובילים מרחבי העולם על ידי תרומת העבודה ביצירת מתכת בצורה של מודולים. ההשלכות של טכניקה זו משתרעות על ביג דאטה.
ניתן לאסוף מידע על תנאי היווצרות מתהליכים רבים לניתוח רלוונטי כדי להנחות עבודות ניסוי עתידיות ופיתוחי מודלים.
סקירה
מאמר זה מציג את שיטת הסימולציה העננית המבוססת על ידע (KBC-FE), המשלבת מומחיות מגוונת בפלטפורמה יחידה כדי לשפר את הדיוק של סימולציות תהליכי עיצוב. היא מאפשרת למשתמשים לנצל מודלים תחזיתיים מתקדמים מבלי לשנות את תוכנות הסימולציה הקיימות של FE.
מרכיבי מחקר עיקריים
תחום המדע
- סימולציית אלמנטים סופיים
- מחשוב ענן
- עיצוב גלי פלדה
רקע
- שיטת KBC-FE שואפת לפשט את השימוש בסימולציות מתקדמות.
- היא מתייחסת לאתגרים מרכזיים בתעשיית עיצוב גלי פלדה.
- השיטה תומכת בשיתוף פעולה בין מדענים ברחבי העולם.
- היא מגנה על מידע חסוי במהלך סימולציות.
מטרת המחקר
- לשפר את היכולת של סימולציות תהליכי עיצוב.
- לחזות חיי כלים ויכולת עיצוב בתהליכים שונים.
- להקל על שילוב של מודלים תחזיתיים בסימולציות FE.
שיטות ששימשו
- שימוש בממשק ידידותי למשתמש להגדרת סימולציה.
- הדרכה שלב אחר שלב ליבוא גיאומטריות והגדרת פרמטרים.
- חישוב מבוסס ענן לתוצאות הסימולציה.
- ייצוא תוצאות לויזואליזציה וניתוח.
תוצאות עיקריות
- שילוב מוצלח של מודלים תחזיתיים מתקדמים בסימולציות.
- חיזוי מדויק של יכולת עיצוב וחיי כלים.
- תהליך משופר להגדרה והפעלה של סימולציות.
- הגנה על מידע גיאומטרי חסוי במהלך עיבוד ענן.
מסקנות
- KBC-FE מפחיתה משמעותית את המורכבות של השימוש בסימולציות מתקדמות.
- השיטה משפרת את שיתוף הפעולה והשיתוף של ידע בין חוקרים.
- היא מספקת מסגרת חזקה לפיתוחים עתידיים בסימולציות FE.
שאלות נפוצות
Executive Industry Relevance
Advanced FE simulation methods, such as Knowledge Based Cloud FE (KBC-FE), address the increasing complexity and predictive demands of material forming in automotive and aerospace R&D. By integrating advanced material and friction models with cloud-based computation, KBC-FE enhances simulation accuracy and operational efficiency at critical design and manufacturing inflection points. This capability supports rapid iteration, risk reduction, and data-driven decision-making across the product development pipeline.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables robust hypothesis testing for material behavior under diverse forming conditions.
- Supports mechanistic de-risking by integrating temperature and strain rate effects into predictive models.
- Facilitates rapid evaluation of new alloy candidates for process feasibility and manufacturability.
Screening & Assay Development
- Prepares validated digital models for downstream process optimization and tool design workflows.
- Standardizes simulation outputs, supporting reproducibility and quantitative comparison across conditions.
- Accelerates screening of process parameters, reducing reliance on physical prototyping.
Translational & Preclinical Research
- Aligns simulation outputs with experimental validation, supporting translational continuity from digital to physical trials.
- Enables risk-adjusted advancement of process designs based on predictive tool life and formability metrics.
- Supports iterative optimization, reducing late-stage failure risk in manufacturing scale-up.
Pipeline & Workflow Integration
KBC-FE simulation integrates seamlessly from early process design through to preclinical manufacturing validation, enabling iterative optimization and data-driven decision support.
- Discovery Biology: Provides a platform for hypothesis-driven interrogation of material and process variables.
- Screening: Delivers reproducible, quantitative outputs for parameter optimization and tool design.
- Analytics: Generates detailed strain, temperature, and pressure readouts for comparative analysis.
- Translational Research: Bridges digital simulation with experimental validation, supporting robust process transfer.
- Enterprise Reuse: Modular cloud-based architecture enables scalable deployment and cross-project knowledge sharing.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in process development.
- Operational Value: Streamlines simulation workflows, enhances reproducibility, and supports scalability.
- Strategic Value: Improves go/no-go decision quality and capital efficiency by reducing trial-and-error cycles.
- Portfolio Impact: Enables risk-adjusted prioritization and advancement of manufacturing innovations.
Implementation Considerations
- Requires expertise in FE simulation setup and interpretation of advanced material models.
- Demands access to cloud computing infrastructure and secure data handling protocols.
- Benefits from standardized simulation procedures across teams for reproducibility.
- Adaptation of modules may be necessary for different alloys or forming processes.
- Practical limitations include the need for calibration and validation against experimental data.
Biopharma FAQs
Chapters in this video
0:05
Title
1:05
Knowledge-based Cloud Finite Element (KBC-FE) Simulation Case Study 1: Predicting the Forming Limit under Hot Stamping Conditions
5:10
KBC-FE Simulation Case Study 2: Tool Life Prediction under Multi-cycle Loading Conditions
8:26
Results: KBC-FE Simulation for Necking Prediction and for Tool Life Prediction
9:48
Conclusion
