캡이 가벼워지고 벽 두께가 얇아지면 오류의 여지가 줄어듭니다. 경량 캡은 변형, 응력 균열 및 하중에 따른 파손에 더 취약합니다. 이렇게 최적화된 설계의 구조적 무결성을 보장하려면 기존의 물리적 프로토타입 제작을 훨씬 뛰어 넘는 분석 수준이 필요합니다. 기계 학습으로 가속화된 FEA(유한 요소 분석)를 활용하는 AI{3}} 기반 구조 분석을 통해 엔지니어는 전례 없는 속도와 정확성으로 다양한 조건에서 캡의 물리적 동작을 시뮬레이션할 수 있습니다.
과거에는 새로운 캡 디자인을 검증하려면 물리적 프로토타입을 성형하고 파괴적인 테스트를 거쳐야 했습니다.-이 프로세스에는 시간과 비용이 많이 소요되었습니다-. 오늘날 AI{3}} 기반 시뮬레이션 도구는 가상 환경에서 캡이 최고 부하 압축(적층 강도), 낙하 충격 및 내부 압력 변화에 어떻게 반응하는지 예측할 수 있습니다. 이러한 도구는 사출 성형 중 폴리머 사슬의 방향이 최종 부품의 강도에 어떻게 영향을 미치는지 설명하면서 폴리머의 이방성 거동을 모델링할 수 있습니다. 예를 들어 AI는 금형의 특정 게이트 위치가 소비자가 캡을 비틀어 열 때 깨지기 쉬운 스레드의 약점을 생성하는지 예측할 수 있습니다.
더욱이 이러한 시스템은 "예측 오류 분석"이 가능합니다. AI는 재료 특성과 과거 고장 모드에 대한 방대한 데이터 세트를 학습함으로써 인간 엔지니어가 간과할 수 있는 잠재적 위험을 식별할 수 있습니다. 캡이 특정 화학물질(예: 오렌지 주스의 리모넨)이나 온도 변동에 노출될 때 발생하는 환경 응력 균열의 영향을 시뮬레이션할 수 있습니다. 이는 밀봉의 무결성이 식품 안전에 가장 중요한 무균 캡의 경우 특히 중요합니다. 시뮬레이션에서 재료의 항복 강도를 초과하는 응력 집중이 감지되면 시스템은 하중을 재분배하기 위한 기하학적 수정을 자동으로 제안할 수 있습니다. 이러한 시뮬레이션 및 최적화의 반복 루프는 단일 강철 조각이 금형용으로 절단되기 전에 가능한 가장 가벼운 캡이라도 ISO 11607과 같은 엄격한 국제 안전 표준을 충족하도록 보장합니다.
