铝型材行业产品种类多，定制化程度高，产品质量影响因素多，产品工艺要求差异大，挤压模具管理难，挤压模具设计及制造水平直接影响型材的生产及成本。
铝型材生产企业中，模具成本在型材挤压生产成本中占到20-30%左右。模具的好坏以及模具是否能够合理使用和维护，直接决定了企业是否能够正常、合格的生产出型材来。挤压模具在型材挤压生产中的工作条件是十分恶劣的，既需要在高温、高压下承受剧烈的摩擦、磨损作用，并且还需要承受周期性载荷作用。
型材生产质量除受模具影响外，与挤压设备、原材料、核心工艺控制参数（铝棒温度、模具温度、挤压出口温度、挤压速度)有直接相关性。
当前铝型材生产企业中在以下问题及痛点：
1）模具设计与制造成本高：型材模具定制化程度高且规格型号多，复用率低、模具设计与制造成本占总生产成本的20-30%。
2）模具设计端与模具使用端数据脱节：无法真是反馈模具实际使用情况，知识难以沉淀、设计水平难以提升。
3）设计知识共享难：各基地间、各设计人员间存在信息孤岛，无法设计知识及经验无法有效借鉴。
4）模具生产制造过程不透明：缺乏有效管理手段、追踪困难、标准执行不到位，过程监管难、模具制造效率及质量不高。
5）模具全生命周期数据缺乏有效管理：模具涉及设计、制造、热处理、维修等9大环节，各环节均对模具寿命产生影响，各环节间数据未能形成完整数据链。
6）挤压工艺标准不精准：型材产品种类多，定制化程度高，受生产过程温度、挤压速度、原材料种类、产品形状等多种关联因素影响，产品工艺要求差异大，范围不精准。
7）无法快速找出产品模具最佳生产状态：过程控制依靠人工经验控制，无法找到在保存产品性能及质量不变的情况下最快挤压效率点。
8）完整的数据收集难：过程中涉及工艺参数多，瞬时值、连续值并存，同时相关之间存在强关联，对工艺分析极其重要，人工记录的方式无法满足分析的要求。
针对铝型材行业面临的难点及痛点，基于工业互联网平台INDICS底座能力，构建基于知识驱动模具结构化设计、基于模型驱动维护与保养，形成模具全生命周期数据闭环管理，利用AI技术基于机器自学习构建工艺算法模型实现工艺参数自优化、利用虚幻技术构建工业元宇宙场景，提升现场生产管理能力。
1）模具全生命周期方面，通过建设模具3D一体化设计、模具PLM、模具身份识别、模具制造管理系统、3D设备质检等内容依托数据中台实现实现模具从生产订单到模具设计、模具制造、模具投入使用的数据互联互通。并利用模具历史使用数据通过神经网络等技术构建模型5项模型（变形、磨损分析、保养周期、氮化、寿命）为模具设计优化、模具制造提供数字化指引，同时形成模具设计知识库，为模具设计人员设计效率及设计质量提供保障。
2）挤压工艺方面，通过利用温度传感设备、物联网技术将挤压过程所涉及的工艺实时数据进行全链采集监控，结合模具属性信息，设备状态信息构建工艺算法模型，边缘等温高速控制模型，并结合挤压过程控制核心搭建挤压过程工艺管控系统，利用云边端协同模式实现从工艺数据采集到工艺智能优化到工艺参数边缘下发的智能控制，模型优化调整的挤压闭环控制，将最优工艺挤压数据进行沉淀，型材最佳工艺配方知识库。提搞挤压效率及挤压质量。
3）质检方面，利用AI设备将型材设计图纸尺寸信息及标准信息进行提出与维护，通过视觉方式对型材尺寸进行全面自动检测，并与对应模具进行关联，反馈至修模及模具设计端，提升质检效率及准确率，同时为上游模具设计提供信息反馈。利用图像识别技术，通过收集挤压环节型材表面缺陷图像，进行特征分析及标准制定，构建AI视觉检测系统，实现型材挤压在线实时全面检测。
4）工控网络方面，对工控网络、办公网络、以及各区域进网络隔离，对数据安全、网络完全进行全面防护。
针对行业痛点及需求进行定向分析、定向攻关实现平台到边缘的云边协同支撑模具寿命、挤压工艺算法、AI检测等11个应用场景的模型训练，构建模具模型、工艺模型、模具设计知识库等11个行业专用的模型。实现基于机器自学习、自优化的工艺参数优化控制方式，实现挤压效率提升18%。
通过对模具知识库、模具全流程闭环管理等应用实现模具设计设计效率提升12%、设计合格率达到98%、一次试模合格率提供15%，模具设计与制造环节减少10人/天。
