کنترل کننده هوشمند سی ان سی با کمک پایگاه دانش ابری

An intelligent CNC controller using cloud knowledge base

چکیده
1- مقدمه
2 کارهای مرتبط
2-1- حالت پیشرفته کنترل کننده هوشمند CNC
2-2- کارهای قبلی
3- مفهوم کنترل کننده هوشمند با استفاده از پایگاه دانش ابری
3-1- ساختار
3-2- ماژولهای هوشمند
3-3- روش استفاده
4- مورد مطالعاتی
5- بحث
6- نتیجه گیری و کارهای آینده
منابع

چکیده

ابزار ماشین CNC نقشی حیاتی را در تولید هوشمند ایفا میکند، اما تا کنون، کنترل کننده ی CNC، که به عنوان مغز ماشین ابزار عمل میکند، فقط یک اجرا کننده ی وفادار دستورات ماشینکاری است بدون اینکه هوش داشته باشد. این مقاله قصد دارد تا هوش کنترل کننده ی CNC را از جنبه ی طرح ریزی فرایند ماشینکاری بهبود بخشد، که تاثیر بسیار زیادی روی کیفیت محصول و راندمان تولید دارد. یک مدل داده ی سازگار با STEP اتخاذ شده است. در مقایسه با کنترل کننده ی STEP-NC قبلی، این مقاله یک الگوی جدید را برای یکپارچه کردن قابلیت فرایند طرح ریزی خودکار در کنترل کننده ی CNC بر مبنای پایگاه دانش ابری، ارائه میکند. یک معماری مرتبه ای و مدولار برای به دست آوردن به موقع طرح ریزی فرایند ماشینکاری از پایگاه دانش ابری و برای انجام پیاده سازی ماشینکاری در کارگاه، طراحی شده است. به علاوه، مکانیزم عملیاتی کارآمد و منطبق مورد تحقیق قرار گرفته است. این تحقیق پیشنهادی را برای استفاده از دانش ابری برای پیاده سازی تولید هوشمند ارائه میکند. نهایتا، یک مورد مطالعاتی برای صحت سنجی عملی بودن این کنترل کننده ی هوشمند CNC نشان داده شده است.

6- نتیجه گیری و کارهای آینده

در این مقاله یک کنترل کننده ی هوشمند جدید CNC با ساختار مرتبه ای ارئه شده است. در لایه ی بالایی، سیستم طرح ریزی فرایند ماشینکاری که از تکنولوژی ابری استفاده میکند به کار میرود. این سیستم به عنوان مغز این کنترل کننده عمل میکند تا پشتیبانی هوش با قابلیت انجام عمل جستجو و منطق به صورت موازی و روش پردازش توزیع شده، که به میزان زیادی راندمان پردازش دانش عظیم را افزایش میدهد، فراهم کند. از آنجا که دانش ذخیره شده در HBase موافق با STEP است، این ساختار ترجمه ی یکپارچه ی اطلاعات با بالادست را ممکن میسازد تا باز بودن و هوش را از منظر مدل داده تضمین نماید. لایه ی پایینی به یک روش مدولار توسعه داده شده است. دو مدول پایه، مفسر و مولد مسیر ابزار، برای بهره گرفتن از اطلاعات غنی شده به دست آمده برای تولید هوشمند توسعه داده شده اند. مخزن دانش فرایند که به صورت معمول مورد استفاده قرار میگیرد راندمان تولید را بهتر میکند. فایل وظیفه را از طریق اینترنت به لایه ی بالایی در ابر ارائه میدهد و عملیات ماشینکاری را مطابق حل طرح ریزی فرایند ماشینکاری که از لایه ی بالایی به دست آمده اجرا میکند. اتخاذ روش پیاده سازی مدولار میتواند ترکیب انعطاف پذیر و توسعه ی سفارشی شده را تضمین کند. گذشته از این ماژولها توسعه داده شده اند، ماژولهای هوشمندتری را میتوان به راحتی به همان روش یکپارچه نمود. و دستگاه های سخت افزاری را میتوان طبق نیاز اضافه نمود یا برداشت، که از قابلیت انعطاف و قابلیت گسترش اترنت صنعتی بهره میبرد.

Abstract

CNC machine tool plays a vital role in intelligent manufacturing, but up to now, CNC controller, which works as the “brain” of the machine tool, is just a loyal executor of machining command without intelligence. This paper is aimed to improve the intelligence of CNC controller from the aspect of machining process planning, which has a great effect on product quality and production efficiency. A STEP-compliant data model is adopted. Compared to previous STEP-NC controller, this paper presents a new paradigm to integrate the ability of autonomous process planning into CNC controller based on cloud knowledge base. A hierarchical and modular architecture is designed to obtain machining process planning from cloud knowledge base timely and to conduct the machining implementation on shop floor. Furthermore, efficient and matching operation mechanism is researched. It offers a proposal to use cloud knowledge to implement intelligent manufacturing. Finally, a case study is demonstrated to verify the feasibility of this intelligent CNC controller.

6- Conclusion and future work

In this paper, a new intelligent CNC controller with a hierarchical structure is presented. On the upper layer, the machining process planning system using cloud technology is applied. It works as the brain of this CNC controller to offer intelligence supporting with the ability to do query task and reasoning task in parallel and distributed processing method, which greatly enhances the processing efficiency of massive knowledge. Since the knowledge stored in HBase is compliant with STEP, this structure enables the seamless information translation with upstream to ensure the openness and intelligence from the perspective of the data model. The lower layer is developed in a modular method. Two basic modules, interpreter and toolpath generator, are developed to take advantage of the enriched information got for intelligent manufacturing. Commonly used process knowledge cache improves the efficiency of production. It submits the task file to the upper layer in cloud via the Internet and executes machining operation according to the machining process planning solution got from the upper layer. The adoption of modular implementation method can guarantee flexible combination and customized development. Besides the modules have been developed, more intelligent modules can be integrated conveniently with the same way. And the hardware devices can be added or removed as needed, which benefits from flexibility and extendibility of industrial Ethernet.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کنترل کننده هوشمند سی ان سی با کمک پایگاه دانش ابری

An intelligent CNC controller using cloud knowledge base

استفاده از روش فازی–خاکستری برای بهینه سازی فرآیند تبدیل CNC

Application of Grey-Fuzzy Approach for Optimization of CNC Turning Process

چکیده

1- مقدمه

2- بهینه‌سازی

2-1 تحلیل رابطه‌ی خاکستری

2-2 سیستم‌های استنتاج فازی

2-3 تحلیل فازی- خاکستری

3- جزئیات آزمایش

3-1 فرآیندها و مواد

3-2 طراحی کردن آزمایش‌ها

4- نتایج و بحث

5- نتیجه‌گیری

چکیده

جزئیات تعیین شرایط ماشین‌کاری بهینه برای تراشکاری فولاد ضد زنگ PH با استفاده از روش فازی- خاکستری که یک تکنیک بهینه‌سازی مؤثر و سریع می‌باشد و از مزایای ترکیبی هر دو روش منطق فازی و سیستم خاکستری بهره می‌برد، در این پژوهش مورد بررسی قرار گرفته است. طراحی تاگوچی یک روش آزمایشگاهی است که برای طراحی و انتخاب آرایه‌ی متعامد L27 برای انجام دادن آزمایش‌ها به‌کار گرفته شده است. سرعت تراش، نرخ پیشروی و عمق تراش به‌عنوان متغیرهای ورودی در نظر گرفته شده است. زبری سطحی و قدرت مصرفی به‌عنوان مشخصه‌های عملکردی فرض شده‌اند. از تاگوچی براساس روش سیستم خاکستری و درجه‌ی فازی- خاکستری جهت ارزیابی رابطه بین متغیرهای ورودی و معیارهای عملکردی استفاده شده است. جهت تبدیل مشخصه‌های کیفیت چندگانه به شاخص عملکردی منفرد، از سیستم استنتاج فازی بهره گرفته شده است. با توجه به بررسی‌های انجام گرفته ثابت شده است که روش پیشنهادی برای تکنیک بهینه‌سازی باعث بهبود مشخصه‌های عملکردی چند‌گانه به‌طور مؤثر شده است.

1- مقدمه

15-5 یک فولاد ضدزنگ رسوب سختی می‌باشد که ترکیبی از مقاومت بالا و سختی، همراه با مقاومت در برابر خوردگی و جوش‌پذیری عالی را نشان می‌دهد و ویژگی مقاومت بالا در برابر انتشار ترک، ویژگی‌های عرضی خوب و مقاومت مناسب در برابر ترک تنش خوردگی را دارا می‌باشد.
این ماده به‌طور گسترده در کاربردهای بسیاری که به محیط خورنده و مقاومت پرفشار نیاز دارند، استفاده می‌شوند. ماشین‌کاری را می‌توان با بهره‌گیری از آلیاژ فولاد ضدزنگ 15-5PH در هر شرایط قابل حصول به‌دلیل خواص شکل‌پذیر آن انجام داد. در مقایسه با فولادهای PH دیگر، 15-5PH یک ثبات بعدی و صیقل‌کاری بهتر را ارائه می‌دهد ]1، 2[.
اهمیت پیش‌بینی یکپارچگی سطحی در فولاد ضدزنگ رسوب سختی 5-15 گزارش شده است که باعث توجه بیشتر برای استفاده از آن در کاربردهای هسته‌ای شده است ]3[. آشوک کومار ]4[ گزارش کرده است که فولاد 15-5PH نسبت به فولاد ضدزنگ 17-4 PH برتر است. در شرایط اصلاح‌شده‌ی حل، این ماده می‌تواند در نرخ مشابه SS 304 ماشین‌کاری شود و نرخ‌های این ماشین‌کاری برای حدود 60 درصد با شرایط H900 مناسب می‌باشد. راس ]5[ با متمرکز شدن و استفاده کردن از روش تاگوچی به بهینه کردن پارامترهای فرآیند جهت تولید محصولات با کیفیت پرداخت. بهینه‌سازی با استفاده از روش تاگوچی بستگی به مشخصه‌های عملکری منفرد دارد ]6[. بهینه‌سازی چندهدفه بیانگر مشخصه‌های بسیار پیچیده در مقایسه با مشخصه‌های عملکردی منفرد می‌باشد ]7، 8[. کارمیتا کامپوسکو نگرته ]9[ پارامترهای تراشکاری بهینه در ماشینکاری AISI 6061 T6 تحت شرایط زبری جهت به‌حداقل رساندن مصرف انرژی را بررسی نمود. فاکتورهای مؤثر با استفاده از آرایه‌ی متعامد، نسبت سیگنال به نویز (S/N) و تحلیل‌های واریانس (ANOVA) تعیین شده است.

5- نتیجه‌گیری

• در این مطالعه، مدل فازی جهت بهینه نمودن مصرف انرژی و زبری سطحی در فرآیند ماشین‌کاری فولاد ضدزنگ PH توسعه یافته است. • پارامترهای ورودی مانند سرعت چرخشی، نرخ پیشروی و عمق تراش و پاسخ‌های خروجی مانند مصرف انرژی و زبری سطحی در نظر گرفته شده بودند.
• وقتی نتایج سطح استنتاج فازی- خاکستری و سطح رابطه‌ی خاکستری مقایسه می‌گردد، مشاهده می‌شود که در مقادیر یک بهبود وجود دارد و در نتیجه فازی کاهش پیدا کرده است.
• با استفاده از تکنیک فازی خاکستری، پارامتر بهینه‌ی ورودی یعنی سرعت 220 m/min، پیشروی 0.2 mm/rev و عمق تراش 0.9 mm تعیین شده است.
• یک افزایش در مقدار پیش‌بینی‌شده‌ی وزنی GRG از 419/0 به 904/0 مشاهده شده است که بهبود عملکرد تراشکاری با استفاده از مقادیر بهینه‌ی پارامترهای فرآیند را تایید می‌کند.
• با توجه به نتایج آزمون تأیید، مشخصه‌های عملکردی چندگانه که شامل مصرف انرژی و زبری سطحی بوده است، با استفاده از الگوریتم این مطالعه، بهبود قابل‌توجهی پیدا کرده است.

Abstract

This present investigation details the determination of optimum machining conditions for turning of PH stainless steel by grey fuzzy approach which is a fast and effective optimization technique having combinatorial advantages of both grey system and fuzzy logic approach. Taguchi’s design of experiment method is employed for designing and an L27 orthogonal array is selected for performing the experiments. The cutting speed, feed rate and depth of cut are considered as input variables. The surface roughness and power consumption are deemed as performance characteristics. Taguchi based grey system approach and grey-fuzzy grade are used to evaluate the relationship between input variables and performance measures. To convert the multi-quality characteristics into a single performance index, the fuzzy inference system is used. It is proved from the investigation that the proposed method of optimization technique improves the multi performance characteristics effectively.

1- Introduction

15-5 is a precipitation hardenable stainless steel exhibits good combination of high strength and hardness, with excellent corrosion resistance and weldability and has the property of high resistance to crack propagation, good transverse properties and good resistance to stress-corrosion cracking. This material is extensively used in many applications to withstand high pressure and corrosive environment. Machining can be done on 15-5PH stainless steel alloy at any obtainable condition due to its ductile property. Compared with the other PH steels, 15-5PH provides dimensional stability and better polishability [1, 2].
The importance of predicting surface integrity of 15-5 Precipitated hardening stainless steel was reported which makes more attention in nuclear applications [3]. Ashok kumar et al. [4] reported that15-5 PH steel is predominant than 17–4 PH stainless steel. In the solution treated condition this material can be machined at the rate similar to SS 304, and these machining rates fit well for about 60 percentage with H900 condition. Ross [5] focused and used Taguchi method to optimize the process parameters in achieving high quality products. Optimization using Taguchi method is concerned with single performance characteristic [6]. Optimising multiple response characteristics is more difficult compared with single performance characteristics [7, 8]. Carmita Camposeco-Negrete [9] made an attempt to optimize turning parameters while machining AISI 6061 T6 under rough condition to minimise energy consumption. The influencing factor was determined using orthogonal array, signal to noise (S/N) ratio and analysis of variance (ANOVA).

5- Conclusions

• In this study, fuzzy model has been developed to optimize Power consumption and Surface Roughness in CNC machining process of PH stainless steel.
• The input parameters chosen are spindle speed, feed rate, depth of cut and the output responses considered are power consumption and surface roughness.
• While comparing the results of grey fuzzy-reasoning grade and grey relational grade, it is observed that there is an improvement in the values and thus the fuzziness is reduced. • Using grey fuzzy technique the optimal parameter of input is speed 220 m/min, feed 0.2 mm/rev and depth of cut is 0.9mm.
• An increase in the value of predicted weighted GRG from 0.419 to 0.904 confirms the improvement in the turning operation using optimal values of process parameters. • From the results of confirmation test, the multiple performance characteristics which include power consumption and surface roughness have great improvement by using this algorithm in this study

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

استفاده از روش فازی–خاکستری برای بهینه سازی فرآیند تبدیل CNC

Application of Grey-Fuzzy Approach for Optimization of CNC Turning Process

اصلاح انحرافات هندسی ماشین آلات CNC با روش با شبکه های عصبی مصنوعی

Correcting geometric deviations of CNC Machine-Tools: An approach with Artificial Neural Networks

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

اصلاح انحرافات هندسی ماشین آلات CNC با روش با شبکه های عصبی مصنوعی

Correcting geometric deviations of CNC Machine-Tools: An approach with Artificial Neural Networks

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مدل سازی و جبران خطاهای حجمی برای ابزار و ماشین آلات پنج محور

Modeling and compensation of volumetric errors for five-axis machine tools

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مدل سازی و جبران خطاهای حجمی برای ابزار و ماشین آلات پنج محور

Modeling and compensation of volumetric errors for five-axis machine tools

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.