THE DEVELOPMENT OF COMPUTER-AIDED PLANNING PRINCIPLES FOR MULTIPRODUCT MACHINING PROCESSES

Cover Page

Cite item

Full Text

Abstract

The scientific principles of improving the system of automated planning of technical processes in the conditions of multiproduct machining industries are viewed. The study of modern approaches to automation of design and implementation of machining processes taking into account the production situation, is carried out. The use of the system of automated planning of multiproduct machining processes is justified, because its basic procedure includes a possibility of real-time interaction between subsystems design and implementation of technical processes, where the key place is occupied by a database on the technological capabilities of equipment and tooling. The interrelation of the system of automated planning of multiproduct machining processes with subsystems for assessing production manufacturability, monitoring technological equipment state, control and measuring procedures and assembly, is shown. The principle of designing multiproduct machining processes, generated for a given range of parts, taking into account the condition and capabilities of the production system, is presented. It is proposed to use the value of the total manufacturing time of a given range of parts as a generalized criterion for the efficiency of the production system. Ranking technique of design procedures according to the degree of influence of the decisions made on the generalized criterion of efficiency of the production system, is described. A model, based on genetic algorithms, is characterized, allowing the system being automatically adjusted to the conditions, changing during the design process. As a result, the efficiency of technological preparation of diversified production increases due to the rational distribution of manufacturing process for machining operation of parts to existing production facilities. The development of the work is aimed at increasing the level of design automation of machining processes and obtaining feedback on the current state of the production system.

About the authors

Sergey Gennad'evich Mitin

doctor of technical sciences

Petr Yur'evich Bochkarev

Kamyshinsky Institute of Technology

Email: purpose22@mail.ru
department “Mechanical Engineering Technology and Applied Mechanics”, professor, doctor of technical sciences

References

  1. Шарапов С.Н., Зайцев А.В. Определение понятия многономенклатурного производства // Справочник. Инженерный журнал. 2019. № 6(267). С. 37-42. doi: 10.14489/hb.2019.06.pp.037-042. EDN FGZPLD.
  2. Чигиринский Ю.Л. Современное состояние и тенденции развития технологической подготовки машиностроительного производства // Наукоемкие технологии в машиностроении. 2020. № 8 (110). С. 29-35. doi: 10.30987/2223-4608-2020-8-29-35. EDN YUQPUL.
  3. Ингеманссон А.Р. Цифровая производственная система для механообрабатывающего производства: структура, функционирование, программный производственно-технологический комплекс и анализ технико-экономической эффективности // Наукоемкие технологии в машиностроении. 2020. № 11 (113). С. 30-39. doi: 10.30987/2223-4608-2020-11-30-39. EDN GNDDRO.
  4. Суслов А.Г., Петрешин Д.И., Федонин О.Н., Хандожко В.А. Автоматизация управления параметрами качества поверхностного слоя и эксплуатационными свойствами деталей машин при обработке резанием // Наукоемкие технологии в машиностроении. 2019. № 8(98). С. 28-36 doi: 10.30987/article_5d2635cb62fb56.07245294. EDN RFSXJZ.
  5. Иванов В. К. К решению основной задачи управления технологической подготовкой машиностроительного производства // Вестник Поволжского государственного технологического университета. Серия: Материалы. Конструкции. Технологии. 2021. № 2. С. 73-78. doi: 10.25686/2542-114X.2021.2.73. EDN OLKCXN.
  6. Терехов М.В., Заикин В.С., Аверченков А.В. Повышение эффективности производства на основе разработки автоматизированной системы планирования производства // Автоматизация и моделирование в проектировании и управлении. 2021. № 2(12). С. 49-57. doi: 10.30987/2658-6436-2021-2-49-57. EDN BQMRMX.
  7. Долгов В.А., Луцюк С.В., Подкидышев А.А. Информационная поддержка процессов освоения прогрессивных технологий на машиностроительных предприятиях // Вестник машиностроения. 2019. № 11. С. 57-61. EDN TRTXQW.
  8. Базров Б.М. Специализация машиностроительного производства // Наукоемкие технологии в машиностроении. 2023. № 8(146). С. 43-48. doi: 10.30987/2223-4608-2023-43-48. EDN BQFSIM.
  9. Михалев О.Н., Янюшкин А.С. Метод применения искусственного интеллекта в системах автоматизированного проектирования и управления производством // Ученые записки Крымского инженерно-педагогического университета. 2022. № 4 (78). С. 249-255. doi: 10.34771/UZCEPU.2022.78.4.049. EDN SWSYME.
  10. Митин С.Г., Бочкарёв П.Ю., Бокова Л. Г. Автоматизация оценки производственной технологичности изделий в условиях многономенклатурных производственных систем // Наукоемкие технологии в машиностроении. 2014. № 9 (39). С. 44-48. EDN STBXAN.
  11. Назарьев А.В., Бочкарёв П.Ю., Митин С.Г. Формализация стратегии выявления критичных требований к сборке при проведении технологической подготовки многономенклатурных машиностроительных производств // Наукоемкие технологии в машиностроении. 2022. № 10(136). С. 42-48. doi: 10.30987/2223-4608-2022-10-42-48. EDN BOTHWO.
  12. Решетникова Е.П., Бочкарёв П.Ю. Принципы формирования комплекса контрольно-измерительных процедур в системе автоматизированного планирования производства // Наукоемкие технологии в машиностроении. 2022. № 11 (137). С. 25-31. doi: 10.30987/2223-4608-2022-11-25-31. EDN KRWWJP.
  13. Митин С.Г., Бочкарёв П.Ю. Формирование методического обеспечения автоматизированной подсистемы проектирования операций фрезерной обработки // Наукоемкие технологии в машиностроении. 2012. № 1 (7). С. 32-39. EDN OPBMJD.
  14. Разманова Т.И., Митин С. Г. Разработка модели и основные этапы создания системы проектирования технологических процессов для оборудования сверлильной группы // Главный механик. 2015. № 4. С. 38-42. EDN TYMJQJ.
  15. Митин С.Г., Бочкарёв П.Ю. Разработка моделей и методик автоматизации проектных процедур для проектирования технологических операций со сложной структурой // Автоматизация в промышленности. 2018. № 2. С. 45-51. EDN XMZGST.
  16. Разманов И.А., Митин С.Г., Бочкарёв П.Ю. Повышение эффективности технологической подготовки многономенклатурного производства на основе разработки системы показателей для оценки уровня проектных решений // Известия Волгоградского государственного технического университета. 2017. № 9 (204). С. 132-134. EDN ZFMCDH.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».