کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5469861 1519295 2016 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Model for Cutting Tools Usage Tracking by On-line Data Capturing and Analysis
ترجمه فارسی عنوان
مدل ردیابی استفاده از ابزار برش با برداشتن و تجزیه و تحلیل اطلاعات آنلاین
کلمات کلیدی
ابزار پوشیدن، ابزار برش، فراگیری ماشین،
ترجمه چکیده
یک مدل برای پیگیری استفاده از برش توسعه یافته است. دامنه کاربرد مدل در صنایع چوب کار می کند. این مدل شامل گرفتن داده های خام از سه منبع مختلف می باشد. کنترل ماشین ابزار، سیستم مدیریت پروژه-منابع و سیستم مدیریت ابزار. داده ها تجزیه و تحلیل می شوند، فاصله برش محاسبه و ذخیره شده همراه با داده ها از تنظیمات پارامتر استفاده از ابزار است. به منظور پیش بینی عمر باقی مانده ابزار ضروری است که از ابزار واقعی استفاده شود. استفاده براساس فاصله زندگی ابزاری است که از داده های حرکتی محور و پارامترهای مختلف سیستم کنترل عددی محاسبه می شود. ورودی برای محاسبه مسیر برش، اطلاعات استفاده از ابزار و پایان عمر به علت سایش ابزار است. با استفاده از این اطلاعات می توان با استفاده از الگوریتم های یادگیری ماشین پیش بینی کرد که ابزار برآورد شده ابزار پیش بینی شده است. این الگوریتم پیش بینی نتایج دقیق تر را پس از هر دوره یادگیری پیش بینی می کند. مدل توسعه یافته به عنوان یک سرویس هوشمند اجرا شده است. پیش بینی سایش ابزار برای بهبود دسترسی به ماشین استفاده می شود. تغییرات ابزار می تواند در پیشبرد سفارشات بزرگ انجام شود و ماشینکاری با نظارت کمتر عمل می شود. علاوه بر این حمل و نقل ابزار بین تولید کنندگان، مشتری و بازسازی می تواند بهینه سازی شود. به دلیل تنظیمات غلط یا خطای انسانی می توان از لباس های زودرس اجتناب کرد. این سیستم یک تبادل اطلاعات قابل اعتماد بدون کار کاغذی از طریق اینترنت در سرتاسر شرکت برای چرخه عمر هر یک از ابزارها را تضمین می کند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
چکیده انگلیسی
A model to track the cutting usage has been developed. The application domain of the model is milling in the woodwork industry. The model involves the capturing of raw data from three different sources; the machine tool control, the Enterprise-Resource-Planning system and the tool management system. The data is analysed, the cutting distance is calculated and stored along with the data of the tool usage parameter settings. In order to predict the remaining tool life it is essential to know the actual tool usage. The usage is based on the tool life distance which is calculated by the movement data of the axis and various parameters of the numerical control system. Input for the calculation is the cutting path, the tool usage data and the end of life due to tool wear. With this information it is possible to forecast the estimated tool life by using machine learning algorithms. This forecast algorithm will predict more accurate results after each learning cycle. The developed model has been implemented as a smart service. The tool wear predictions are used for improvement of machine availability. Tool changes can be done in advance of large orders and machining can be operated with less supervision. Furthermore the shipping of tools between the manufacturers, the customer and the refurbishment can be optimised. Premature wear due to wrong settings or human error can be avoided. The system ensures a reliable exchange of information without paper work via the internet across company boarders for the whole life cycle of each tool.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia CIRP - Volume 57, 2016, Pages 451-456
نویسندگان
, , ,