Rohollah Ghasemi
Lektor i maskinteknik
Projektet AI-CAST ska utveckla nya sätt att använda artificiell intelligens för att övervaka och optimera högtrycksgjutning av magnesiumlegeringar i realtid. Målet är att skapa en mer tillförlitlig och hållbar tillverkningsprocess genom smart dataanalys och maskininlärning.
"Med AI och maskininlärning kan vi ersätta traditionella arbetssätt och göra gjutningen av magnesiumlegeringar både smartare och mer resurseffektiv. Det innebär lägre kostnader, mindre avfall och lättare, mer hållbara produkter, samtidigt som vi stärker Europas gröna omställning och industrins konkurrenskraft."
Rohollah Ghasemi, projektledare och lektor i maskinteknik
AI-CAST projektet syftar till att etablera en realtidsbaserad (on-line) AI-övervakningsmetod för att implementera och utveckla en robust optimerings- och kvalitetssäkringsstrategi för att producera defektfria HPDC Mg-komponenter.
Hållbara tillverkningskoncept
Denna utveckling kommer att uppnås genom integration av AI-modeller (med hjälp av dataanalys (DDA) och maskininlärning (ML)-tekniker) i HPDC-tillverkningsprocessen. De utvalda legeringarna för projektet är högpresterande och svårgjutna magnesiumlegeringar.
Gjutningen av dessa unika legeringar är idag en av de största utmaningarna för både industrin och den akademiska sektorn som arbetar med hållbara och robusta tillverkningskoncept, där viktminskning kombinerat med förbättrad prestanda är viktiga frågor.
Vår planerade strategi i projektet förbättrar den övergripande gjutkvaliteten genom att minska gjutfel, framför allt gas- och krymporositeter.
