It’s unbelievable how much you don’t know about the game you’ve been playing all your life.
Mickey Mantle
Tymi słowami członka Galerii Sław Baseballu zaczyna się „Moneyball” – amerykański dramat biograficzny z 2011 roku.
Film opowiada o trudnych początkach Data Science w lidze baseballowej USA. Ówcześni eksperci, „starzy wyjadacze”, którymi amerykański sport stał na początku XXI wieku, rzeczywiście dużo nie wiedzieli o grze, w którą grali całe życie. Nie patrzyli na dane, nie robili statystyk i obliczeń. Korzystali tylko i wyłącznie ze swojego doświadczenia i intuicji. 20 wygranych meczów z rzędu w sezonie przez drużynę, która zaczęła z tych danych korzystać pokazało, że samo doświadczenie to za mało.
Sezon później, w roku 2003 większość drużyn z Amerykańskiej Ligi Baseballowej odkryło sekret „niesprawiedliwej przewagi” klubu Oakland Athetics i zaczęło korzystać z analiz komputerowych w jeszcze większym zakresie niż to robili chłopcy z Oakland rok wcześniej.
Lubię szafować tą historią jako przykładem wartości komputerowego wspomagania w aktywności zawodowej człowieka. Chociaż i w naszej “tworzywowej lidze” są dalej kluby, w których trener ma zawsze rację (nawet gdy jej nie ma), to dziś, gdy sztuczna inteligencja zawitała pod strzechy, mało kogo trzeba już do wartości analiz komputerowych przekonywać. Brakuje mi jednak przykładów historii opisujących sytuację, gdy to udział człowieka w skomputeryzowanym procesie jest „game changerem”. Muszę się wtedy powoływać na własne porażki, kiedy zdarzało mi się zapomnieć, że przecież wszystkie modele się mylą, a moją rolą – rolą człowieka jest wiedzieć jak bardzo.
To nie moje słowa! To Cyceron!
Moja praca – praca doradcy technicznego to również potknięcia, popełnianie błędów i przede wszystkim uczenie się na nich.
Jak mawiał Cyceron:
Każdy może zbłądzić, lecz tylko głupiec trwa w błędzie.
Nauczką jaką ostatnio dostałem jest to, że nigdy nie wolno zapomnieć o krytyce źródeł.
Ta metoda badawcza zazwyczaj kojarzona z badaniami historycznymi dzisiaj nabiera szczególnego znaczenia. Nikt już nie ma problemu z dostępem do źródeł wiedzy, ale mało kto potrafi i pamięta, że te źródła trzeba krytycznie analizować.
Symulacje komputerowe to też jest po prostu kolejne źródło informacji, którego wiarygodność trzeba poddać analizie. Przekonałem się o tym na własnej skórze dobierając współczynnik skurczu podczas projektowania formy wtryskowej.
Narzędzie miało za zadane produkować opakowanie kosmetyczne z popularnego homopolimeru polipropylenu. Dane materiałowe do symulacji miały 3 gwiazdki w MHC. W modelu do analizy uwzględniono przebieg układu wlewowego od początku tulei wtryskowej po koniec przewężki, wszystkie zaprojektowane obiegi chłodzenia i charakterystykę docelowej wtryskarki. Wyniki symulacji wyglądały rozsądnie. Współczynnik skurczu liniowego, wzdłużnego dla największego wymiaru wypraski był niemal identyczny do tego podanego w karcie materiałowej. Nic nie wzbudzało podejrzeń. Przyjąłem zatem w projekcie nieznacznie skorygowane wartości współczynników skurczu z symulacji.
Próba formy przeszła śpiewająco. Wszystko pięknie,… tylko części się nie montują.🤦♂️
Jak widać na załączonym obrazku model niedoszacował wartości skurczu w osi Z, a konkretnie to źle obliczył wartość większego wymiaru. Z mniejszym wymiarem poszło już mu zdecydowanie lepiej – tam się w zasadzie nie pomylił.
Dlaczego? Czego nie uwzględniłem w swojej krytyce źródeł?
Podpowiedzią jest kolejny obrazek z rozkładem grubości ścian wypraski.
Pamiętaj z kim tańczysz
Zapomniałem z kim tańczę!
To była stała kwestia mojego kolegi, z którym byłem na zmianie w fabryce elementów metalowo-gumowych. Mówił to zawsze gdy podchodził do 30 letniej wtryskarki, którą dało się ponownie uruchomić tylko „tańcząc wokół niej”. Trzeba było zresetować wszystkie krańcówki. Trzasnąć wszystkimi drzwiczkami i nacisnąć wszystkie „resety”.
Gdy analizujemy wyniki symulacji wtryskiwania też bardzo prosto zapomnieć z kim się tańczy.
Tworzywa polimerowe są materiałami makrocząsteczkowymi. Te makrocząsteczki z początkowego skłębionego stanu przechodzą w stan zorientowany (”rozciągnięty”) na skutek przepływu ścinającego w gnieździe formy. Im wyższe ścinanie (cieńsza ścianka wypraski, szybszy wtrysk) tym wyższa orientacja. Im cząsteczki są bardziej rozciągnięte, tym bardziej chcą się znowu zwinąć w kłębek (zrelaksować), bo tak im jest po prostu “najwygodniej”.
Gdy takie rozprostowane we wyprasce cząsteczki wprawimy w ruch, czyli podgrzejemy, to się zwiną w świński ogon, a nasz detal się skurczy. Tak jak ta sztabka z HDPE podgrzana w piecu przez Vito Leo.
Tworzywa zbudowane z liniowych makrocząsteczek, takie jak HDPE i PP są szczególnie podatne na tego typu zachowania.
Na tym zdjęciu jest odpływ prysznicowy z PP, który tym razem ja podgrzałem zwykłą gorącą wodą. Powyżej jest nowy – prosty detal. Nie był to zamierzony eksperyment naukowy, a raczej niezamierzony wydatek.
Co to ma wspólnego z symulacją wtryskiwania? No właśnie w tym problem, że nic.
Żaden obecny na rynku program do symulacji wtrysku (w tym mój ulubiony Moldex3D😉) nie modeluje orientacji i skłębiania makrocząsteczek.
Dlatego trzeba zawsze pamiętać z kim się tańczy. Niektóre przypadki są przewidywalne niczym walc angielski, a inne to czysty break dance.
Wnioski
- Miej świadomość tego jak w dalszym ciągu mało wiemy o „grze, w którą gramy”. Nawet korzystając z najnowszych osiągnieć techniki, komputerowego wspomagania, sztucznych inteligencji i z 20-letnim doświadczeniem w branży możesz „na kilometry” mijać się z prawdą.
- Tak samo mogą mylić się symulacje komputerowe. To tylko jedno ze źródeł informacji podlegające krytyce.
- Nie zapominaj z kim tańczysz. Zachowanie tworzyw o liniowych makrocząsteczkach i wysokiej średniej masie cząsteczkowej trudno się modeluje.
Ten artykuł pochodzi Raportu Rozwiązań dla Wtryskiwania wysłanego do jego subskrybentów 6.01.2025 r. Zapisz się i czytaj na bieżąco!
