Оптимизация загрузки станков производственных участков изготовления деталей

Обложка

Цитировать

Полный текст

Аннотация

Актуальность и цели. Целью исследований является разработка компьютерной модели оптимизации загрузки станков одной классификационной группы, но различного типа, имеющегося парка технологического оборудования предприятия. Материалы и методы. Исследования предусматривали разработку методики и алгоритма расчета, реализованных в математическом пакете MatchCAD в виде компьютерной модели сравнительной оценки и оптимизации расчета количества деталей, обрабатываемых станками разного типа на основе имеющихся на производстве ограничений. Результаты. Разработанная методика позволила составить на ее основе алгоритм расчета. Реализованная компьютерная модель в математическом пакете MatchCAD позволяет производить оптимизацию значений количества деталей, обрабатываемых в каждой группе, но станками разных типов, путем поочередной оптимизации по минимуму эксплуатационных затрат, по минимуму энергозатрат и по минимуму трудозатрат. Найденная разница значений между вариантом минимально- го производственного цикла изготовления партии деталей и показателями после разных вариантов оптимизации позволяет сопоставить результаты различных способов загрузки оборудования для наиболее эффективного его использования. Выводы. На основе сравнения производственной программы типов станков по разным вариантам оптимизации находится наиболее приемлемый вариант производственной программы реализации технического задания (заказа, партии).

Об авторах

Владимир Викторович Коновалов

Пензенский государственный технологический университет

Автор, ответственный за переписку.
Email: konovalov-penza@rambler.ru

доктор технических наук, профессор, профессор кафедры технологии машиностроения

(Россия, г. Пенза, пр. Байдукова / ул. Гагарина, 1а/11)

Марина Владимировна Донцова

Пензенский государственный технологический университет

Email: dontmv@mail.ru

кандидат технических наук, доцент, доцент кафедры технологии машиностроения

(Россия, г. Пенза, пр. Байдукова / ул. Гагарина, 1а/11)

Александр Николаевич Расстегаев

Пензенский государственный технологический университет

Email: ran-tms@yandex.ru

кандидат технических наук, доцент, доцент кафедры технологии машиностроения

(Россия, г. Пенза, пр. Байдукова / ул. Гагарина, 1а/11)

Владимир Юрьевич Зайцев

Пензенский государственный технологический университет

Email: vluzai@gmail.com

кандидат технических наук, доцент, доцент кафедры технологии машиностроения

(Россия, г. Пенза, пр. Байдукова / ул. Гагарина, 1а/11)

Список литературы

  1. Кабалдин Ю. Г., Шатагин Д. А., Аносов М. С., Кузьмишина А. М. Интеллектуальное управление технологическими системами в условиях цифрового производства // Известия высших учебных заведений. Машиностроение. 2020. № 1 (718). С. 3–12.
  2. Горобец И. А. Определение критерия оптимизации системы управления токарных станков с ЧПУ // Прогрессивные технологии и системы машиностроения. 2019. № 4 (67). С. 19–24.
  3. Сидорова А. В., Пономарев Б. Б. Определение оптимального сочетания параметров управления промышленным роботом в робототехническом комплексе обработки кромок деталей // Вестник Иркутского государственного технического университета. 2019. Т. 23, № 4 (147). С. 723–730.
  4. Морозов А. С., Морозов С. А., Щенятский А. В. Параметрическая оптимизация процесса торцевой раскатки детали класса «Цилиндрическая с фланцем» // Известия Тульского государственного университета. Технические науки. 2020. № 4. С. 425–433.
  5. Андрюшкин А. Ю., Буцикин Е. Б., Ли Ч. Технологические подходы при проектировании топологически оптимизированных деталей // Аэрокосмическая техника и технологии. 2023. Т. 1, № 3. С. 102–114.
  6. Клепцов А. А., Клепцова Л. Н. Методика параметрической оптимизации технологических процессов при обеспечении характеристик поверхностного слоя де- талей // Вестник Кузбасского государственного технического университета. 2020. № 4 (140). С. 9–17.
  7. Безъязычный В. Ф., Терехова А. С., Киселёв Э. В. Автоматизированный способ решения задачи выбора оптимальной технологии изготовления детали в рамках ресурсной базы конкретного производственного подразделения // Вестник РГАТА имени П. А. Соловьева. 2020. № 3 (54). С. 43–47.
  8. Оковитый В. А., Пантелеенко Ф. И., Оковитый В. В., Асташинский В. М. Оптимизация процесса нанесения покрытий из порошков металлокерамики методом плазменного напыления на воздухе // Наука и техника. 2021. Т. 20, № 5. С. 369– 374.
  9. Тараховский А. Ю., Богуцкий В. Б. К вопросу о подходе к оптимизации операций при обработке деталей на станках с ЧПУ // Мехатроника, автоматика и робототехника. 2021. № 7. С. 19–21.
  10. Анцев А. В., Пасько Н. И. Оптимизация скорости резания и периода замены режущего инструмента в режиме статистической адаптации // Вестник Воронежского государственного технического университета. 2019. Т. 15, № 4. С. 102–110.
  11. Павлова А. Н., Кузнецова О. В. Математическое моделирование и оптимизация технологических процессов // Современные наукоемкие технологии. Региональное приложение. 2021. № 1 (65). С. 78–87.
  12. Полетаева Е. В., Горлов И. В. Оптимизация структуры производственной системы в условиях многономенклатурного машиностроительного производства // Вестник Тверского государственного технического университета. Серия: Технические науки. 2022. № 2 (14). С. 77–82.
  13. Школина Д. И., Ададуров А. С., Бехер С. А. Оптимизация ресурсов распределённых производственных процессов с использованием имитационного моделирования // Мир транспорта. 2022. Т. 20, № 6 (103). С. 56–63.
  14. Абрамян В. Повышение технологичности выпускаемой продукции как ключевое направление снижения уровня затрат и роста эффективности машиностроительного производства // Современные наукоемкие технологии. Региональное приложение. 2018. № 54 (2). С. 8–14.
  15. Liu J., Wen, X., Zhou H., Sheng S., Zhao P. L., Xiaojun K., Chao, Chen Y Digital twin-enabled machining process modeling // Advanced Engineering Informatics. 2022. Vol. 54 (6). Р. 101737. doi: 10.1016/j.aei.2022.101737

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

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».