模流仿真对材料数据有很高的要求。不同塑料材料的黏度、热学性能、收缩特性等存在差异,即使采用相同的模具结构和工艺参数,也可能产生不同的成型结果。Moldflow经过多年积累,形成了庞大的塑料材料数据库。根据Autodesk发布的Moldflow Material Database 2027.2数据,其热塑性塑料数据库包含:
除了单次成型仿真,Moldflow还支持通过多组参数计算,对比不同设计和工艺方案的结果。其中,DOE(Design of Experiments,试验设计)是比较有代表性的功能。在注塑过程中,注射速度、保压压力、模具温度和熔体温度等参数都会影响制件质量。工程师可以通过DOE设置不同的参数组合,批量运行仿真,再对比不同条件下的填充、压力、冷却和翘曲结果。这种方式可以减少单纯依靠经验逐项调整参数的过程,也便于分析不同变量对成型结果的影响。在自动化方面,Moldflow还提供了API接口,支持通过脚本创建自定义分析流程,将模型处理、仿真计算和结果提取等工作进行自动化。软件还支持通过Simulation Compute Manager(SCM)在本地计算机、服务器或远程计算资源上运行分析任务。
03
写在最后
目前,Moldflow已经被汽车、航空航天、医疗健康、电子电器、精密塑料制品等领域广泛采用,在国内外也拥有众多客户。例如:上海科世达—华阳电器在引入Moldflow后,用于汽车电控模块塑料件的注塑成型分析,每年节省试模费用约360万元;广汽研究院则将Moldflow与Helius PFA结合,用于玻纤增强塑料汽车零件的成型与结构联合仿真,仿真预测变形为0.58mm,实际测量为0.55mm,误差不到3%,而之前预测误差超过12%;美国医疗零件部生产企业IDEX Health & Science,利用Moldflow,找到了浇口位置不合理,导致产品内部空洞的问题,将原本需要数月的评审周期缩短到了一个月。虽然,企业对于Moldflow的用法不同,但本质上,都是为了减少研发过程中的反复试错,让仿真结果更可靠,也让产品开发更加顺利。 从1978年开始将计算机模拟技术用于塑料注射成型,到2008年被Autodesk收购,再到如今持续更新,Moldflow已经走过了近50年。长期的产品迭代和行业应用积累,才是它形成如今地位的原因。