contact us
Leave Your Message
NXT M6 III - FUJI മൾട്ടി-ഫങ്ഷണൽ മോഡുലാർ ചിപ്പ് മൗണ്ടർ

NXT M6 III

ഉൽപ്പന്ന വിഭാഗങ്ങൾ
തിരഞ്ഞെടുത്ത ഉൽപ്പന്നങ്ങൾ

NXT M6 III - FUJI മൾട്ടി-ഫങ്ഷണൽ മോഡുലാർ ചിപ്പ് മൗണ്ടർ

വിവരണം:

NEW NXT III ഉയർന്ന ഉൽപ്പാദനക്ഷമതയുള്ള, മൾട്ടി-ഫങ്ഷണൽ മോഡുലാർ പ്ലേസിംഗ് മെഷീനാണ്. വേഗതയ്‌ക്കായി നിർമ്മിച്ചതാണ്, ഇത് വേഗതയേറിയ XY റോബോട്ടും ടേപ്പ് ഫീഡറുകളും കൂടാതെ മണിക്കൂറിൽ 35,000 ചിപ്പുകൾ നേടുന്ന ഒരു പുതിയ H24 ഹെഡും ഉൾക്കൊള്ളുന്നു. വൻതോതിലുള്ള ഉൽപ്പാദനത്തിൽ ഉപയോഗിക്കുന്ന ഏറ്റവും ചെറിയ ഭാഗങ്ങളെ അങ്ങേയറ്റം സ്ഥാപിക്കുന്ന കൃത്യതയോടെ NXT III പിന്തുണയ്ക്കുന്നു.

    NXT III സ്പെസിഫിക്കേഷനുകൾ

    യന്ത്രം

    M3 /M3 ഐ.എസ്

    M6 III

    ഫീഡർ സ്ലോട്ട് അളവ്

    20

    45

    പാനൽ വലിപ്പം
    (എൽ*IN)

    സിംഗിൾ കൺവെയർ

    48x48 മുതൽ 305 x610 മില്ലിമീറ്റർ വരെ

    48x48 മുതൽ 610x610 മില്ലിമീറ്റർ വരെ

     

    ഇരട്ട കൺവെയർ

    സിംഗിൾ ഗതാഗതം

    48x48 മുതൽ 305x510 മില്ലിമീറ്റർ വരെ

    48x48 മുതൽ 610x510 മില്ലിമീറ്റർ വരെ

     

     

    ഇരട്ട കൈമാറ്റം

    48x48 മുതൽ 305x280 മില്ലിമീറ്റർ വരെ

    48x48 മുതൽ 610x280 മില്ലിമീറ്റർ വരെ

    തലകൾ

    H24S,H24A,DX*1,V12,H12HS(Q),H08M(Q)*¹,H08(Q),H04SF
    H04,H02F,H01,OF*,G04F(Q),GL

    ത്രൂപുട്ട്

    H24S/H24A

    സ്റ്റാൻഡേർഡ് മോഡ്

    35,000cph

     

     

    ഉൽപ്പാദനക്ഷമത
    മുൻഗണനാ മോഡ്

    42,000 cph (43,000 cph)

     

    H08M

    സ്റ്റാൻഡേർഡ് മോഡ്

    13,000cph

     

     

    ഉൽപ്പാദനക്ഷമത
    മുൻഗണനാ മോഡ്

    14,000 cph

     

    H02F

    സ്റ്റാൻഡേർഡ് മോഡ്

    6,700 cph

     

     

    ഉൽപ്പാദനക്ഷമത
    മുൻഗണനാ മോഡ്

    7,400 cph

    സ്ഥാപിക്കുന്നു
    കൃത്യത

    H24S/H24A

    സ്റ്റാൻഡേർഡ് മോഡ്

    ±0.025 mm Cpk≥1.00

     

     

    ഉയർത്തി
    കൃത്യത മോഡ്*

    ±0.015 mm Cpk ≥1.00

     

    H08M

    ±0.040 mm Cpk ≥1.00

     

    H02F

    ±0.025 mm Cpk≥1.00

    ഭാഗം വിതരണം യൂണിറ്റുകൾ

    ടേപ്പ് ഫീഡറുകൾ, സ്റ്റിക്ക് ഫീഡറുകൾ, ട്രേ യൂണിറ്റുകൾ, മറ്റുള്ളവ

    ശക്തി ഉറവിടം

    3-ഘട്ടം 200 മുതൽ 230V±10% (50/60 Hz)

    വായു

    0.5 MPa (ANR)

    *1 M6Ⅲ-ൽ ലഭ്യമാണ്

    *2 ചതുരാകൃതിയിലുള്ള ചിപ്പുകൾ സ്ഥാപിക്കുന്ന ഫ്യൂജിയിലെ ഒപ്റ്റിമൽ അവസ്ഥകളെ അടിസ്ഥാനമാക്കി (ഉയർന്ന കൃത്യതയുള്ള ട്യൂണിംഗ്).