Автор: PFT, Шенджън
Грешки в CNC програмите по време на изпълнение предизвикват значителни простои на машините и загуби на материали. Това проучване оценява ефективността на софтуер за симулация при идентифицирането и решаването на грешки в G-кода, сблъсъци в траекторията на инструмента и кинематични проблеми преди физическо обработване. Използвайки платформите Vericut 12.0 и NCSimul 11.3, са анализирани 47 реални CNC програми от авиационния и автомобилния сектор. Резултатите показват 98,7% точност при детекцията на сблъсъци и 92% намаление на грешките при пробни пускания. Симулацията е намалила времето за отстраняване на неизправности с 65% в сравнение с традиционните методи. Внедряването изисква интегриране на проверки чрез симулация на етапите на програмиране и преди производството, за да се подобри производствената ефективност.
1 Въведение
Сложността на обработката с CNC се е увеличила значително с използването на многопосеви системи и сложни геометрии (Altintas, 2021). Грешки при изпълнението – от сблъсъци с инструменти до нарушения на допуските – струват на производителите 28 милиарда долара годишно за отпадъци и простои (Suh et al., 2023). Въпреки че симулационните инструменти обещават предотвратяване на грешки, все още съществуват пропуски в практическото прилагане. Това проучване измерва ефективността на решаването на проблеми, поддържано от симулация, чрез използването на индустриални CNC програми и изгражда приложими протоколи за производствени екипи.
2 Методология
2.1 Експериментален дизайн
Възпроизведохме 4 критични сценария с грешки:
-
Геометрични сблъсъци (напр. интерференция между държача на инструмента и фиксацията)
-
Кинематични грешки (точки на сингулярност при 5-осна обработка)
-
Грешки в логиката на програмата (грешки в цикъла, конфликти с M-кодове)
-
Нежелано отстраняване на материал (прегаряне)
Конфигурация на софтуера:
-
Vericut 12.0: Симулация на отстраняване на материала + машинна кинематика
-
NCSimul 11.3: Анализатор на G-код с анализ на рязането въз основа на физиката
-
Машинни модели: DMG MORI DMU 65 monoBLOCK (5-осов), HAAS ST-30 (3-осов)
2.2 Източници на данни
47 програми от 3 индустрии:
Сектор | Сложност на програмата | Среден брой линии |
---|---|---|
Аерокосмическа | 5-осови турбини | 12 540 |
Автомобилни | Глави на цилиндри | 8 720 |
Медицински | Ортопедични импланти | 6 380 |
3 Резултати и анализ
3.1 Производителност на детектиране на грешки
Таблица 1: Симулация срещу физически тестове
Тип грешка | Скорост на детектиране (%) | Лъжливи положителни резултати (%) |
---|---|---|
Сблъсък на инструменталния патрон | 100 | 1.2 |
Нарязване на заготовката | 97.3 | 0.8 |
Преход на оста | 98.1 | 0.0 |
Интерференция на фиксируемото устройство | 99.6 | 2.1 |
Основни изводи:
-
Детекция на сблъсък: Почти перфектна точност на всички платформи (Фиг. 1)
-
NCSimul демонстрира по-добри резултати при грешки в премахването на материала (χ²=7.32, p<0.01)
-
Vericut показа превъзходна кинематична валидация (време за обработка: с 23% по-бързо)
4 Дискусия
4.1 Приложно значение
-
Намаляване на разходите: Симулацията намали отпадъчните норми с 42% при обработка на титан
-
Ефективност по време: Времето за отстраняване на неизправности намаля от средно 4.2 часа до 1.5 часа
-
Демократизиране на уменията: Младши програмисти разрешиха 78% от грешките чрез насоки от симулацията
4.2 Ограничения
-
Изисква точни 3D модели на машината/инструментите (допуск ±0.1 mm)
-
Ограничена прогноза на отклонението на инструмента при обработка на тънкостенни детайли
-
Не заменя наблюдението в процеса (напр. сензори за вибрации)
5 Заключение
Симулационният софтуер засича над 97% от грешките при изпълнението на CNC преди производството, което намалява простоите и отпадъците от материала. Производителите трябва да:
-
Интегрират симулация на етапа на програмиране с CAM
-
Да се проверяват моделите на кинематиката на машините всяка четвъртка
-
Да се комбинира виртуалното дебъгване с наблюдение на инструментите, базирано на IoT
Бъдещите изследвания ще изследват прогнозирането на грешки, използващи AI, чрез симулационни данни.