ПОВЫШЕНИЕ КАЧЕСТВА ТЕХНОЛОГИЧЕСКОЙ ПОДГОТОВКИ МЕХАНООБРАБАТЫВАЮЩИХ ПРОИЗВОДСТВ НА ОСНОВЕ РАСШИРЕННОГО АНАЛИЗА КОНСТРУКТИВНЫХ ХАРАКТЕРИСТИК ДЕТАЛЕЙ

Обложка

Цитировать

Полный текст

Аннотация

Представлен методический поход к формированию и описанию данных по конструкторско-технологическим характеристикам деталей при технологической подготовке механообрабатывающих производств, отличием, которого от известных является учет дополнительных сведений, не содержащихся в явном виде в конструкторской документации. В качестве дополнительной информационной составляющей предложено использовать: сведения о взаимовлиянии при обработке одной элементарной поверхности на одну или несколько размерных характеристик других поверхностей; данные о размерных характеристиках каждой элементарной поверхности не представленные на чертежах; предельные отклонения от геометрической формы элементарных поверхностей и взаимном расположении между элементарными поверхностям; сведениях о конструкторских базах рассматриваемой детали. Формирование базы данных об обрабатываемых деталях представлено в виде графов, что позволяет использовать широкий спектр математического аппарата при создании формализованных моделей и обеспечивает несложную их адаптацию для использования в существующих системах автоматизированного проектирования. Анализ дополнительных конструкторско-технологических параметров позволяет оценить взаимозависимости размеров и характеристик каждой из поверхностей детали с параметрами других поверхностей, обеспечивая качество принятия решений на этапах технологической подготовки на основе повышения степени достоверности информационных потоков. Полученные результаты расширяют возможности проведения разменного анализа установочных, операционных и межоперационных связей разрабатываемых технологических процессов, повышая уровень автоматизации проектных процедур. Созданные графические модели, направленные на снижение сложности описания проектных действий, расширяют, за счет приближения к традиционному описанию сведений о технологическом оборудовании, возможности учета состояния производственных мощностей механообрабатывающего производства в реальном масштабе времени, и способствуют решению современных вопросов по созданию эффективных машиностроительных комплексов.

Об авторах

Петр Юрьевич Бочкарев

Камышинский технологический институт - филиал Волгоградского государственного технического университета; Саратовский государственный аграрный университет им. Н.И. Вавилова.

Email: purpose22@mail.ru

доктор технических наук

Евгения Павловна Решетникова

АО «Научно-производственное предприятие «Алмаз»; Камышинский институт Волгоградского государственного технического университета

Автор, ответственный за переписку.
Email: purpose22@mail.ru

Список литературы

  1. Справочник технолога / под общей ред. А.Г. Суслова. М.: Инновационное машиностроение, 2019. 800 с.
  2. Базров Б.М. Базис технологической подготовки машиностроительного производства: монография. М.: КУРС, 2023. 324 с.
  3. Васильев А.С., Дальский А.М., Золотаревский Ю.М., Кондаков А.И. Направленное формирование свойств изделий машиностроения /под ред. А.И. Кондакова. - М.: Машиностроение, 2005. 352с.
  4. Бочкарёв П. Ю. Системное представление планирования технологических процессов механообработки // Технология машиностроения. 2002. № 1. С. 10-14.
  5. Чигиринский Ю.Л., Крайнев Д.В., Фролов Е.М. Цифровизация машиностроительного производства: технологическая подготовка, производство, прослеживание // Наукоемкие технологии в машиностроении. 2022. № 8 (134). С. 39- 48.
  6. Ингеманссон А.Р. Основные положения методологии технологической подготовки производства и адаптивного управления в цифровых производственных системах для механической обработки // Известия волгоградского государственного технического университета. 2021. № 1 (248). С. 15-18.
  7. He B., Bai K.J. Digital twin-based sustainable intelligent manufacturing: a review // Adv. Manuf. 2021. Vol. 9. P. 1-21.
  8. Tao F., Zhang M. Digital twin shop-floor: a new shopfloor paradigm towards smart manufacturing // IEEE Access. 2018. Vol.5. P. 20418-20427.
  9. Решетникова Е.П., Бочкарев П.Ю. Концепция группирования деталей механообрабатывающих производств при формировании рационального маршрута технологического процесса их изготовления // Наукоемкие технологии в машиностроении. 2021. № 3 (117). С. 19-25.
  10. Chakraborty S., Chowdhury R. Graph-theoretic-approach-assisted Gaussian Process for Nonlinear Stochastic Dynamic Analysis Under Generalized Loading // Journal of Engineering Mechanics. 2019. Vol. 145. № 12. P. 04019105.
  11. Решетникова Е.П., Бочкарев П.Ю. Принципы формирования комплекса контрольно-измерительных процедур в системе автоматизированного планирования производства // Наукоемкие технологии в машиностроении. 2022. № 11 (137). С. 25-31.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

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».