Моделирование

Когда говорят о моделировании в литейке, многие сразу представляют CAD-системы и красивые 3D-визуализации. Но на практике всё упирается в технологические допуски и усадочные процессы — вот где кроются главные ошибки новичков.

Эволюция подходов к проектированию литейных форм

Раньше мы в ООО Чунцин Касэнь Литейное Оборудование делали модели вручную, и каждый прогон формы был лотереей. Помню, в 2012-м для крышки турбины пришлось переделывать оснастку четыре раза — не учли тепловую деформацию сплава ЖС6У.

Сейчас используем связку SolidCast + ProCAST, но и это не панацея. Например, для алюминиевых корпусов с толщиной стенки 3 мм приходится отдельно просчитывать зоны затвердевания. Инженеры из дочерней ООО Чунцин Касэнь Технолоджи как-то показали статистику: 70% брака в сложных отливках возникает именно из-за некорректного задания параметров моделирования усадочных раковин.

Кстати, про тепловые узлы — мы до сих пор иногда дублируем расчеты старым методом 'на салфетке'. Особенно для ответственных деталей типа кронштейнов шасси. Один раз цифровая модель показывала идеальную картину, а в реальности появилась трещина в зоне сопряжения рёбер жёсткости.

Практические сложности при переходе на цифровое проектирование

Когда внедряли Siemens NX для моделирования литниковых систем, столкнулись с курьёзной проблемой: программа корректно работала со сталями, но для медных сплавов давала погрешность до 18% по скорости заполнения. Пришлось совместно с ООО Чжутейи Технологии Литья разрабатывать калибровочные коэффициенты.

Самое сложное — не сам софт, а изменение мышления технологов. Старшее поколение специалистов часто справедливо указывает на то, что в алгоритмах не учитываются микронеровности формы или влажность смеси. Приходится находить баланс между точностью расчета и производственной реальностью.

На сайте https://www.cqksen.ru мы как-то выкладыали кейс по корпусу редуктора — там как раз видно, как менялась география прибылей после трёх итераций компьютерного моделирования. Но живые испытания всё равно остаются финальным арбитром.

Особенности работы с разными материалами

С чугунными отливками проще — там хотя бы есть отработанные методики поправок на графитизацию. А вот с титановыми сплавами ВТ8 и ВТ9 каждый раз приходится заново подбирать параметры моделирования усадки. В 2020-м на термообработке крыльчатки насосной получили недопустимые остаточные напряжения именно из-за несовершенства математической модели.

Для нержавеющих сталей типа 20Х13 вообще отдельная история — здесь критична скорость охлаждения в интервале 800-500°C. Наши технологи иногда шутят, что лучше иметь опытного литейщика, чем суперкомпьютер, но постепенно учим системы учитывать и такие нюансы.

Кстати, дочерняя компания ООО Чунцин Касэнь Технолоджи как-то проводила сравнительный анализ: ручной расчёт прибылей для стальной плиты 40Л занял 2 дня с точностью ±15%, а адаптированная система моделирования дала результат за 4 часа с точностью ±7%. Но при этом потребовалось 3 недели на настройку коэффициентов.

Интеграция моделирования в производственный цикл

Сейчас мы в ООО Чунцин Касэнь Литейное Оборудование внедряем сквозное проектирование — от конструкторского бюро до контроля готовой отливки. Но столкнулись с проблемой: данные из CAD-систем не всегда корректно передаются в программы моделирования литейных процессов. Особенно страдают фаски и скругления.

Для сложных деталей вроде корпусов арматуры АЭС теперь обязательно делаем физические проверочные модели на 3D-принтере. Да, это удорожает процесс, но зато позволяет избежать катастрофических ошибок. Как-то раз виртуальное моделирование не выявило проблему с образованием воздушных мешков в зоне кернов, а распечатанная модель из фотополимера сразу показала риск.

Интересный момент: при работе с алюминиевыми сплавами АК7ч и АК9ч мы заметили, что результаты моделирования лучше соответствуют реальности, если вводить поправку на скорость заливки. Видимо, стандартные алгоритмы не полностью учитывают турбулентность потока металла.

Перспективы и ограничения метода

Современное моделирование уже позволяет прогнозировать 80-85% дефектов, но оставшиеся проценты — самая головная боль. Например, мы до сих пор не можем точно смоделировать поведение модифицированных чугунов с вермикулярным графитом — там слишком много переменных.

На базе https://www.cqksen.ru мы собираем базу данных по реальным отклонениям от модельных прогнозов. Это помогает постепенно улучшать алгоритмы. Особенно ценны данные по бракованным отливкам — они позволяют калибровать системы точнее любых теоретических выкладок.

Если говорить о будущем, то главный прорыв будет не в увеличении вычислительной мощности, а в создании адаптивных систем, которые учатся на конкретном производстве. Пока же даже лучшие программы для моделирования требуют тонкой настройки под каждое предприятие — что хорошо для нашего завода в Чунцине, может не работать на производстве в Екатеринбурге из-за разницы в материалах и оборудовании.