Ինչպես սխալեր լուծել CNC ծրագրի կատարման սիմուլյացիոն ծրագրակազմի միջոցով

Հեղինակ՝ PFT, Шենչժեն

CNC ծրագրերի սխալները կատարման ընթացքում հանգեցնում են մեքենաների կանգի և նյութերի կորուստների զգալի մասին: Այս ուսումնասիրությունը գնահատում է սիմուլյացիոն ծրագրային ապահովման արդյունավետությունը ֆիզիկական մշակումից առաջ G-կոդի սխալները, գործիքի ճանապարհի բախումները և կինեմատիկ խնդիրները հայտնաբերելու և լուծելու գործում: Օգտագործելով Vericut 12.0 և NCSimul 11.3 հարթակները՝ վերլուծվել են 47 իրական աշխարհի CNC ծրագրեր աերոտիեզերական և ավտոմոբիլային ոլորտներից: Արդյունքները ցույց տվեցին 98.7% բախումների հայտնաբերման ճշգրտություն և 92% կրճատում փորձնական սխալներում: Սիմուլյացիան կրճատեց խնդիրների լուծման ժամանակը 65%-ով համեմատաբար ավանդական մեթոդների հետ: Իրականացման համար անհրաժեշտ է սիմուլյացիոն ստուգումների ինտեգրում ծրագրավորման և նախօրոք արտադրության փուլերում՝ արտադրության արդյունավետությունը բարելավելու համար:

1 Ներածություն

Բարդացված է եղել CNC մշակման բարդությունը` բազմաաստիճան համակարգերով և բարդ երկրաչափությամբ (Altintas, 2021): Կատարման սխալերը՝ գործիքների վթարներից մինչև թույլատրելիության խախտումները, արժեն արտադրողների համար տարեկան 28 միլիարդ դոլար արժողությամբ թափոններ և կանգ (Suh և ուրիշներ, 2023): Չնայած սիմուլյացիոն գործիքները խորացնում են սխալերի կանխարգելու հնարավորությունը, գործնական իրականացման բացերը պահպանվում են: Այս հետազոտությունը քանակական գնահատում է սիմուլյացիայի հիմքով խնդիրների լուծման արդյունավետությունը՝ օգտագործելով արդյունաբերական մակարդակի CNC ծրագրեր և ստեղծում է գործողական ստանդարտներ արտադրող թիմերի համար:

2 Մեթոդաբանություն

2.1 Շրջանակի նախագծում

Մենք վերարտադրեցինք 4 կրիտիկական սխալի սցենարներ.

1. Երկրաչափական բախումներ (օրինակ՝ գործիքային բռնիչ-ամրակալման միջեւ խոչընդոտում)

2. Կինեմատիկ սխալներ (5 աստիճանի եզակի կետեր)

3. Ծրագրի տրամաբանական սխալներ (ցիկլային սխալներ, M-կոդի բախումներ)

4. Անմտաբար նյութի հեռացում (խորացում)

Ծրագրային կարգավորում.

• Vericut 12.0. Մատերիալի հեռացման սիմուլյացիա + մեքենայի կինեմատիկա

• NCSimul 11.3. G-կոդի վերլուծող ֆիզիկական հիմքով կտրման վերլուծությամբ

• Գործիքների մոդելներ. DMG MORI DMU 65 monoBLOCK (5-անկյուն), HAAS ST-30 (3-անկյուն)

2.2 Տվյալների աղբյուրներ

47 ծրագրեր 3 արդյունաբերություններից.

3 Արդյունքներ և վերլուծություն

3.1 Սխալի հայտնաբերման արդյունավետություն

Աղյուսակ 1՝ Նմուշավորում դեմ ֆիզիկական փորձարկում

Հիմնական եզրակացություններ.

• Բախման հայտնաբերում. Նմանակումը հարթություններով գրեթե կատարյալ ճշտությամբ (Նկ. 1)

• NCSimul-ը գերազանցեց նյութի հեռացման սխալներում (χ²=7,32, p<0,01)

• Vericut-ը ցուցաբերեց գերազանց կինեմատիկ վալիդացիա (մշակման ժամանակը 23% ավելի արագ էր)

4 Քննարկում

4.1 Գործնական ենթադրություններ

1. Գնահատումների նվազեցում. Սիմուլյացիան տիտանե մշակման ժամանակ կտրեց թափոնների չափը 42%-ով

2. ประสิทธิภาพด้านเวลา: Խնդիրների վերացման տևողությունը նվազեց միջին 4.2 ժամից մինչև 1.5 ժամ

3. Հմտությունների դեմոկրատացում. Սկսնակ ծրագրավորողները սիմուլյացիոն ուղեցույցների շնորհիվ լուծեցին սխալների 78%-ը

4.2 Սահմանափակումներ

• Պահանջվում է ճշգրիտ մեքենայի/գործիքների 3D մոդելներ (±0.1մմ թույլատրելիություն)

• Սահմանափակ կանխատեսում բարակ պատի մշակման ժամանակ գործիքի ճկվելու վերաբերյալ

• Չի փոխարինում գործընթացի վերահսկումը (օրինակ՝ թրթիռային սենսորներ)

5 Եզրակացություն

Սիմուլյացիոն ծրագրաշարը հայտնաբերում է ավելի քան 97% թվային ծրագրավորված կառավարման (CNC) սխալները արտադրությունից առաջ, ինչը նվազեցնում է կանգերը և նյութի թափոնները: Արտադրողները պետք է՝

1. Ծրագրավորման փուլում ինտեգրել սիմուլյացիա

2. Քառամսյակային հաստատել մեքենայի կինեմատիկ մոդելները

3. Վիրտուալ ստուգումը համակցել IoT-ի հիմնված գործիքների վերահսկման հետ
   Ապագա հետազոտությունները կուղղված կլինեն սիմուլյացիոն տվյալների օգտագործմամբ AI-ի կողմից սխալների կանխատեսման ուղղությամբ