◆Mục lục

Giới thiệu

Trong những năm gần đây, ngành công nghiệp đúc xử lý khuôn nhôm đang phải đối mặt với nhu cầu cấp thiết là giải quyết các yêu cầu mâu thuẫn giữa giảm chi phí và cải thiện chất lượng. Tại Nhật Bản, chi phí sản xuất đã tăng khoảng 15% trong năm năm qua do chi phí lao động tăng và biến động giá nguyên liệu thô¹. Trong khi đó, cạnh tranh toàn cầu ngày càng gay gắt đòi hỏi mạnh mẽ về khả năng truy xuất nguồn gốc chất lượng và thời gian giao hàng ngắn hơn². Trong tình hình này, rất khó để đối phó chỉ với quy trình làm việc ba bước thông thường là “đúc → cắt → kiểm tra”, và việc đổi mới quy trình bằng cách sử dụng các công nghệ mới nhất là điều cần thiết.

Bài viết này giải thích những lợi ích và các điểm chính để triển khai ba công nghệ mới nhất chính sau đây trong sản xuất khuôn nhôm:

Máy in 3D: Một phương pháp rút ngắn thời gian thực hiện cho các khuôn có hình dạng phức tạp và giảm thời gian chu kỳ đúc lên đến 30% với các kênh làm mát được thiết kế tự do.
IoT/Digital Twin: Cấu hình hệ thống và quy trình vận hành để cải thiện tỷ lệ vận hành thêm 5 điểm phần trăm thông qua giám sát thời gian thực và bảo trì dự đoán bằng cảm biến.
AI/Học máy: Một quy trình giảm giờ công thiết kế khoảng 40% bằng cách tự động hóa thiết kế cổng phun sử dụng dữ liệu quá khứ.

Những công nghệ này mang lại hiệu quả tối đa không chỉ khi được giới thiệu riêng lẻ, mà khi chúng được sử dụng để tối ưu hóa tích hợp toàn bộ quy trình làm việc. Trong các chương sau, chúng tôi sẽ giới thiệu chi tiết từng công nghệ, từ tổng quan đến các quy trình cụ thể và các câu chuyện thành công/thất bại, mỗi chương khoảng 1.000 ký tự. Chúng tôi hy vọng bạn sẽ thấy nó hữu ích cho việc cải thiện hoạt động của mình.

Đổi mới trong sản xuất khuôn bằng máy in 3D

Vai trò của in 3D trong sản xuất khuôn

Sản xuất khuôn nhôm thông thường bao gồm nhiều quy trình “đúc → cắt → mài”, vì vậy không có gì lạ khi thời gian thực hiện kéo dài đến vài tuần nếu có thay đổi thiết kế. Bằng cách giới thiệu công nghệ mới nhất, máy in 3D kim loại (chẳng hạn như phương pháp PBF), khuôn nguyên mẫu có thể được tạo trực tiếp từ dữ liệu thiết kế, rút ngắn thời gian giao hàng xuống chỉ còn 5 ngày làm việc¹. Chu kỳ xác minh thiết kế được tăng tốc khoảng 60% so với các phương pháp thông thường, cải thiện đáng kể khả năng đáp ứng với những thay đổi của thị trường.

Thiết kế tự do các hình dạng phức tạp và kênh làm mát tích hợp

Thế mạnh lớn nhất của in 3D là khả năng tạo hình tích hợp các kênh làm mát phức tạp bên trong khuôn. Theo truyền thống, phương pháp chủ đạo là khoan lỗ bằng gia công phóng điện và sau đó nhúng các đường ống, nhưng điều này đặt ra một thách thức về hiệu quả trao đổi nhiệt cục bộ không đồng đều. Bằng cách sử dụng kết hợp các công cụ thiết kế tạo sinh mới nhất, tốc độ dòng chảy của các kênh làm mát có thể được tăng lên khoảng gấp đôi so với tốc độ thông thường, rút ngắn thời gian chu kỳ đúc khoảng 30%².

Hiệu quả định lượng của việc rút ngắn thời gian chu kỳ đúc

Trong một trường hợp triển khai thực tế, thời gian chu kỳ đúc đã được cải thiện từ 12 giây xuống còn 8 giây trong một lần sản xuất thử nghiệm sử dụng khuôn in 3D, giảm 33%³. Với hoạt động 8 giờ, có thể sản xuất khoảng 18.000 lần ép, và với 20 ngày hoạt động mỗi tháng, có thể tăng sản lượng lên 360.000 lần ép. Giả sử tuổi thọ của khuôn là 10.000 chu kỳ, khối lượng sản xuất bổ sung là khoảng 350.000 lần ép cho mỗi khuôn, dự kiến sẽ tăng doanh thu hàng năm lên vài chục triệu yên.

Thách thức và giải pháp khi triển khai

Chi phí đầu tư thiết bị: Khoản đầu tư ban đầu là khoảng 50 triệu yên mỗi chiếc. Việc giới thiệu sẽ dễ dàng hơn bằng cách kìm hãm gánh nặng đầu tư thông qua các hợp đồng cho thuê hoặc sử dụng chung⁴.
Làm chủ các đặc tính vật liệu: Đối với các vật liệu xây dựng như AlSi10Mg, việc tối ưu hóa các điều kiện xử lý nhiệt là điều cần thiết để có được các đặc tính cơ học tương đương với vật liệu đúc. Bằng cách phát triển một bản đồ điều kiện cho mỗi nguyên mẫu trong nhà, chất lượng ổn định có thể được đảm bảo trong một thời gian ngắn⁵.
Phối hợp với quá trình xử lý sau: Độ nhám của bề mặt xây dựng là khoảng Ra 10–20μm, vì vậy việc hoàn thiện bằng trung tâm gia công 5 trục là cần thiết để đạt được dung sai kích thước cuối cùng là ±0,02mm. Bằng cách quản lý toàn bộ quy trình từ xây dựng đến cắt đến kiểm tra bằng hệ thống PLM, thời gian thực hiện tổng thể có thể được tối ưu hóa.

Giám sát thời gian thực với IoT/Digital Twin

Vị trí cảm biến và cơ sở hạ tầng thu thập dữ liệu

Để nắm bắt chính xác tình trạng hoạt động của khuôn nhôm, điều cần thiết là phải đặt các loại cảm biến khác nhau cho nhiệt độ, độ rung và áp suất một cách thích hợp. Thông thường, những thứ sau được lắp đặt bên trong và bên ngoài khoang khuôn:

Cảm biến nhiệt độ: 4 điểm trong khoang, 2 điểm trong lõi
Cảm biến rung: 2 điểm trên bề mặt lắp khuôn
Cảm biến áp suất: 1 điểm ở đầu vào kênh làm mát, 1 điểm ở đầu ra

Dữ liệu được thu thập từ các cảm biến này theo khoảng thời gian 1 giây và được tổng hợp trên một thiết bị biên thông qua PLC. Phương thức truyền thông được chọn là Ethernet công nghiệp (ví dụ: PROFINET) hoặc không dây (LTE/5G) để đạt được cả sự ổn định và hiệu suất thời gian thực.

Tích hợp đám mây và thiết kế bảng điều khiển

Dữ liệu cảm biến thu thập được sẽ được gửi đến máy chủ đám mây qua MQTT hoặc OPC UA. Một cơ sở dữ liệu chuỗi thời gian (ví dụ: Time Series Insights) được xây dựng trên AWS IoT hoặc Azure IoT Hub, cho phép lưu trữ có thể mở rộng lên đến 10 TB mỗi tháng.

Grafana hoặc Power BI được sử dụng cho bảng điều khiển, cung cấp các chế độ xem sau:

Biểu đồ hoạt động thời gian thực: cập nhật mỗi giây
Cảnh báo phát hiện bất thường: thông báo qua email/SMS khi vượt quá ngưỡng
Phân tích xu hướng: trung bình động 30 ngày

Điều này cho phép các nhà khai thác nắm bắt các dấu hiệu bất thường trong vài giây và đưa ra quyết định bảo trì kịp thời.

Cải thiện tỷ lệ vận hành thông qua bảo trì dự đoán

Trong một công ty đã thực sự triển khai điều này, thời gian ngừng hoạt động do thay thế và bảo trì khuôn đã giảm khoảng 60%, từ 120 giờ xuống còn 48 giờ hàng năm, thông qua bảo trì dự đoán sử dụng nền tảng IoT. Tỷ lệ vận hành đã cải thiện 5 điểm phần trăm, từ 88% lên 93%¹. Bằng cách phân tích dữ liệu tổng hợp về độ rung và nhiệt độ bằng mô hình học máy, một cảnh báo được đưa ra 24 giờ trước khi xảy ra hỏng hóc, ngăn chặn đáng kể các lần ngừng hoạt động ngoài kế hoạch.

Các điểm chính về bảo mật và cấu trúc vận hành

Khi triển khai IoT/Digital Twin, các biện pháp an ninh mạng là điều cần thiết. Hãy kiểm tra các mục sau:

Mã hóa giao tiếp: Áp dụng TLS 1.2 trở lên.
Xác thực/Ủy quyền: Kiểm soát truy cập bằng chứng chỉ thiết bị + chính sách IAM.
Phân tách mạng: Tách mạng sản xuất và mạng khách bằng VLAN.
Kiểm toán/Quản lý nhật ký định kỳ: Tổng hợp nhật ký và phát hiện bất thường bằng SIEM.

Hơn nữa, việc thành lập một nhóm chung của bộ phận CNTT và bộ phận công nghệ sản xuất và xem xét các chỉ số KPI (tỷ lệ vận hành, số lượng bất thường, thời gian phản hồi) hàng tháng là chìa khóa thành công.

Hỗ trợ thiết kế tối ưu với AI/Học máy

Thu thập và tiền xử lý dữ liệu đào tạo

Điều quan trọng nhất trong việc hỗ trợ thiết kế khuôn nhôm bằng AI là chất lượng của dữ liệu đào tạo. Đầu tiên, thu thập ba loại dữ liệu trên diện rộng từ năm năm qua: dữ liệu CAD khuôn, nhật ký phân tích dòng chảy và kết quả đúc (tỷ lệ lỗi và sai số kích thước), thu thập ít nhất 200 trường hợp¹. Các giá trị bị thiếu hoặc bất thường được xử lý bằng cách nội suy từ dữ liệu xung quanh hoặc bằng cách loại bỏ các giá trị ngoại lai bằng phương pháp IQR (Phạm vi liên tứ phân vị) để đảm bảo tính đồng nhất của tập dữ liệu. Các tham số CAD được giảm chiều bằng PCA (Phân tích thành phần chính), cải thiện hiệu quả học tập khoảng 30%².

Tự động hóa thiết kế cổng phun và phân tích dòng chảy

Dựa trên dữ liệu đã được tiền xử lý, một mô hình học máy như XGBoost hoặc Random Forest được xây dựng. Các biến đầu vào bao gồm 10 mục chính như vị trí cổng phun, diện tích mặt cắt ngang và hình dạng rãnh dẫn, và mục tiêu là “chỉ số rủi ro xảy ra lỗi”. Các vị trí cổng phun mà mô hình đánh giá là có rủi ro cao sẽ tự động được xuất ra dưới dạng tham số CAD để thiết kế lại và được liên kết hàng loạt với phần mềm CAE (phân tích dòng chảy). Phân tích tự động bằng một cú nhấp chuột này giúp rút ngắn đáng kể chu kỳ phân tích, trước đây mất vài giờ³.

Tinh chỉnh mô hình và đánh giá ROI

Việc tinh chỉnh siêu tham số là điều cần thiết để cải thiện độ chính xác. Sử dụng xác thực chéo 5 lần, khoảng 50 mẫu được tìm kiếm theo lưới cho các tham số như max_depth (độ sâu cây), eta (tốc độ học) và tỷ lệ lấy mẫu con. Cuối cùng, một mô hình có ROC-AUC vượt quá 0,92 trên dữ liệu xác thực đã được thông qua, đảm bảo độ chính xác cao trong hoạt động thực tế. ROI (Lợi tức đầu tư) được đánh giá dựa trên việc giảm giờ công thiết kế do triển khai, đạt được mức giảm khoảng 40% giờ công trong năm đầu tiên⁴. Thời gian thu hồi chi phí trung bình là 8 tháng.

Nghiên cứu điển hình và các yếu tố thành công

Nhà sản xuất phụ tùng ô tô Công ty A đã giới thiệu một hệ thống tối ưu hóa cổng phun được hỗ trợ bởi AI và đạt được những kết quả sau:

Giờ công thiết kế: 160 giờ/tháng → 95 giờ/tháng (▼41%)
Tỷ lệ lỗi: 10% → 3% (▼70%)
Thời gian triển khai ban đầu: trong vòng 3 tháng

Ba điểm chính để thành công là:

“Mô hình hóa kiến thức kinh doanh” thông qua giao tiếp chặt chẽ giữa các nhà thiết kế và kỹ sư AI.
Triển khai theo giai đoạn từ một PoC (Bằng chứng khái niệm) quy mô nhỏ đến triển khai toàn công ty.
Một cấu trúc vận hành phản ánh ngay lập tức phản hồi từ hiện trường vào dữ liệu đào tạo.

Điều này đã xóa tan cảm giác nó là một hộp đen, giành được sự tin tưởng của nhân viên hiện trường và thiết lập một mô hình hỗ trợ thiết kế sử dụng công nghệ mới nhất.

¹ Nên học với một tập dữ liệu có ít nhất 200 trường hợp.

² Có một trường hợp thời gian học đã giảm khoảng 30% thông qua việc giảm chiều bằng phân tích thành phần chính.

³ Thiết kế hệ thống hoàn thành quy trình từ mô hình AI đến liên kết CAE chỉ bằng một cú nhấp chuột.

⁴ Thời gian thu hồi chi phí trung bình là 8 tháng (báo cáo nghiên cứu điển hình của công ty).

Tối ưu hóa tích hợp toàn bộ quy trình làm việc

Bằng cách liên kết các khuôn in 3D với quá trình xử lý sau, và hơn nữa với việc kiểm soát và phân tích bằng IoT/AI, toàn bộ quy trình sản xuất khuôn nhôm có thể được tối ưu hóa. Dưới đây, chúng tôi giới thiệu ba bước chính và các ví dụ về cải tiến KPI sau khi triển khai.

Quy trình của hệ thống in 3D + xử lý sau

Thiết kế & Mô phỏng

Sử dụng thiết kế tạo sinh trên CAD 3D, một hình dạng tối ưu bao gồm các kênh làm mát được tạo tự động¹.
Xây dựng

Sau khi tạo hình tích hợp bằng phương pháp PBF kim loại (khoảng 24–48 giờ), xử lý nhiệt được thực hiện để ổn định độ nhám bề mặt xuống Ra 15 μm hoặc thấp hơn².
Hoàn thiện & Kiểm tra

Hoàn thiện đến dung sai kích thước ±0,02 mm bằng trung tâm gia công 5 trục, và kết quả kiểm tra từ một thiết bị đo 3D không tiếp xúc được liên kết với PLM/MES. Nó được đối chiếu tự động với dữ liệu CAE, và việc đánh giá đạt/không đạt được quản lý tập trung³.

Những điều này được tích hợp liền mạch với PLM (Quản lý vòng đời sản phẩm) và MES (Hệ thống điều hành sản xuất), tự động hóa khoảng 90% quy trình từ việc phát hành lệnh sản xuất đến tạo báo cáo kiểm tra.

Tiết kiệm lao động thông qua tự động hóa và hợp tác robot

Bằng cách giới thiệu AMR (Robot di động tự động) và Cobot (Robot hợp tác), các nhiệm vụ sau đã được tự động hóa⁴:

Việc tháo và làm sạch khuôn được thực hiện bởi một Cobot (thời gian chu kỳ ▼25%)
Việc thay đổi thiết lập trước và sau khi hoàn thiện được thực hiện bởi một AMR tự động lấy và đặt từ một giá dụng cụ
Việc đặt lên các đồ gá kiểm tra được thực hiện chính xác hơn với một kẹp chân không

Điều này đã giảm thời gian làm việc thủ công từ 120 giờ xuống còn 40 giờ mỗi tháng, giảm khoảng 67%, cho phép các nhà khai thác tập trung vào các nhiệm vụ cải thiện chất lượng và bảo trì dự đoán.

Kết quả và KPI của việc tối ưu hóa tổng thể

Các cải tiến KPI sau đây đã được xác nhận trước và sau khi triển khai dự án tối ưu hóa tích hợp.

| Tỷ lệ vận hành | 88% | 94% | +6 điểm |

Những kết quả này đã đạt được bằng cách số hóa và tự động hóa từng quy trình và tạo ra một liên kết chức năng chéo từ bộ phận thiết kế đến địa điểm sản xuất. Trong tương lai, những cải tiến về năng suất hơn nữa được mong đợi thông qua việc nâng cao khả năng kiểm soát quy trình bằng AI và việc áp dụng các cặp song sinh kỹ thuật số cho toàn bộ chuỗi cung ứng.

¹ Báo cáo ứng dụng thiết kế tạo sinh (INTERMOLD 2023)

² Hướng dẫn tối ưu hóa điều kiện xử lý nhiệt AlSi10Mg (Nhóm nghiên cứu hợp kim AlSi)

³ Nghiên cứu điển hình về quy trình làm việc kỹ thuật số với tích hợp PLM/MES (Dữ liệu xác minh nội bộ)

⁴ Nghiên cứu điển hình về triển khai hệ thống tự động hóa (Công ty TNHH Công nghiệp hợp kim nhẹ Daiwa Việt Nam)

Kết luận

Tóm tắt các điểm chính cho từng công nghệ
- Máy in 3D: Hợp lý hóa quy trình đúc + cắt thông thường, và tạo hình tích hợp các hình dạng phức tạp và các kênh làm mát bên trong. Bằng cách rút ngắn thời gian chu kỳ đúc khoảng 30% và thời gian giao hàng khoảng 60%, chúng cải thiện đáng kể thời gian thực hiện và khả năng cạnh tranh về chi phí của việc sản xuất khuôn nhôm.
- IoT/Digital Twin: Kết hợp giám sát thời gian thực và bảo trì dự đoán với các cảm biến nhiệt độ, độ rung và áp suất để giảm thời gian ngừng hoạt động ngoài kế hoạch khoảng 60% và cải thiện tỷ lệ vận hành thêm +5 điểm phần trăm. Cũng tăng cường khả năng truy xuất nguồn gốc chất lượng bằng cách trực quan hóa toàn bộ dây chuyền sản xuất.
- AI/Học máy: Giảm giờ công thiết kế khoảng 40% và tỷ lệ lỗi 70% bằng cách tự động hóa thiết kế cổng phun dựa trên dữ liệu quá khứ. Đạt được độ chính xác cao với ROC-AUC vượt quá 0,92 thông qua tối ưu hóa siêu tham số, góp phần ổn định chất lượng và giảm chi phí cho khuôn nhôm.
- Quy trình làm việc tích hợp: Quản lý tập trung thiết kế, xây dựng, xử lý sau và kiểm tra bằng PLM/MES, và sử dụng AMR/Cobot để tự động hóa vận chuyển và thiết lập. Giảm giờ công thủ công khoảng 67%, rút ngắn thời gian giao hàng 58% và cải thiện tỷ lệ vận hành thêm +6 điểm phần trăm thông qua tối ưu hóa tổng thể.
Hàm ý cho việc mua sắm ở nước ngoài và đa dạng hóa
- Giảm thiểu rủi ro đầu tư ban đầu: Phân tán chi phí giới thiệu máy in 3D và thiết bị tự động hóa thông qua các hợp đồng cho thuê hoặc sử dụng nhà máy chung.
- Xây dựng hệ thống chia sẻ dữ liệu: Tận dụng các dịch vụ đám mây cho các nền tảng IoT/AI để đạt được sự hợp tác thời gian thực với các cơ sở ở Đông Nam Á, bao gồm cả Việt Nam.
- Đa dạng hóa chuỗi cung ứng: Kết hợp các nhà cung cấp khuôn từ nhiều quốc gia để đa dạng hóa thời gian thực hiện và kết hợp các công nghệ địa phương, đảm bảo khả năng cạnh tranh về chi phí và tính linh hoạt trong mua sắm.

Dịch vụ đúc nhôm & khuôn mẫu trọn gói

Các công nghệ mới nhất cho khuôn nhôm: Máy in 3D, IoT và AI