Моделирование процесса литья

Когда слышишь 'моделирование процесса литья', первое, что приходит в голову — это красивые 3D-модели и идеальные симуляции. Но на практике всё упирается в вязкость шлака и трещины в опоках. Многие думают, что достаточно купить дорогой софт, а реальные проблемы начинаются, когда пытаешься объяснить технологу, почему виртуальный расплав не хочет заполнять полость так, как в его тридцатилетнем опыте.

Где рождаются ошибки

В 2012-м мы делали крышку редуктора для китайского завода. В симуляции всё лилось идеально, а в цеху получили брак 23% из-за неучтённой усадки в рёбрах жёсткости. Тогда я понял: моделирование литья — это не про картинки, а про умение переводить физические процессы в цифровые грабли, на которые кто-то обязательно наступит.

Особенно проблемными оказались тонкостенные отливки из алюминиевых сплавов. Наш технолог из ООО Чунцин Касэнь Литейное Оборудование как-то раз показал журнал плавок за 2016 год: в 40% случаев реальная скорость кристаллизации отличалась от расчётной на 15-20%. Причина — банальная влажность формовочной смеси, которую никто не вносил в модель.

Сейчас мы всегда закладываем поправочные коэффициенты для разных партий шихты. Не идеально, но снижает брак на 7-8%. Кстати, на сайте https://www.cqksen.ru есть кейс по литью коленвалов, где как раз описывают подобные нюансы — но там, естественно, опущены детали про наши первоначальные косяки.

Оборудование и его причуды

Работая с индукционными печами от Чжутейи Технологии Литья, мы столкнулись с интересным эффектом: при моделировании плавки стали 45Л программа показывала стабильный тепловой фронт, а в реальности на дне тигля образовывались зоны перегрева. Оказалось, магнитное поле деформировалось из-за изношенной футеровки.

Сейчас при моделировании литейных процессов мы всегда запрашиваем у цехов журналы ремонтов печей. Мелочь? Возможно. Но именно такие мелочи отличают рабочую модель от академической красоты.

Особенно сложно с системами охлаждения пресс-форм. В прошлом году для немецкого заказа делали модель терморегуляции — в теории всё сходилось, а на практике термопары показывали расхождение в 40°C. Пришлось вносить поправку на естественную конвекцию, которую софт не учитывал.

Материалы: теория против практики

С чугунными отливками всегда интереснее. В учебниках пишут про перлитные структуры, а в жизни получаешь цементит по краям. Наш технолог из Касэнь Технолоджи как-то раз сказал: 'Моделируй не то, что должно быть, а то, что будет после шестой плавки на уставшем оборудовании'.

С алюминиевыми сплавами ещё хуже — их свойства зависят от скорости разливки сильнее, чем от химического состава. Мы три месяца переделывали модель для крыльчатки насоса, пока не учли вибрацию конвейера при заполнении формы.

Сейчас для сложных отливок мы делаем двойное моделирование: сначала идеальные условия, потом — 'режим цеха' с изношенным оборудованием и уставшими операторами. Брак снизился на 11%, но до совершенства ещё далеко.

Кейсы и провалы

В 2019-м для одного автокомпонента делали моделирование литья с учётом трёх видов литниковых систем. В симуляции лучший вариант давал 96% выхода годного, в жизни — 74%. Разница оказалась в том, что программа не учитывала турбулентность при переходах между сечениями.

Зато успешный проект был с корпусом гидрораспределителя: модель точно предсказала места образования раковин. Секрет оказался в ручной корректировке сетки — автоматическое сгущение не учитывало локальные напряжения.

Сейчас мы начинаем каждый проект с анализа похожих отливок из архива ООО Чунцин Касэнь. Их база данных по браку с 2009 года иногда полезнее любого современного софта.

Что в итоге

Главный урок: моделирование процесса литья не заменяет опыт, а лишь структурирует его. Самые точные модели получаются, когда инженер-расчётчик регулярно ходит в цех и знает, как пахнет перегретая формовочная смесь.

Мы до сих пор используем смешанный подход: цифровые модели + старые добрые технологические карты с пометками 'проверить на образце'. Это несовременно, зато работает.

Если смотреть на сайт https://www.cqksen.ru — там много правильных цифр и красивых графиков. Но за ними стоят годы проб и ошибок, включая наши провальные модели 2014-го, когда мы слепо доверяли автоматическим расчётам. Сейчас мы знаем: идеальная симуция — та, которая учитывает грязь на раздаточном ковше и усталость оператора в ночную смену.