MATERIAL CONSUMPTION CAPACITY AS A TECHNOLOGY INDEX FOR MANUFACTURABILITY IN THE PRODUCTION WHEN USING ADDITIVE TECHNOLOGY METHODS

Cover Page

Cite item

Full Text

Abstract

Ways of characterization for material consumption capacity of products manufacture using additive technologies (AT) is viewed in the article. The research conducted on this topic by various authors in relation to additive manufacturing is discussed. The methods of calculating the material consumption capacity are analyzed, conclusions concerning previous studies are drawn. The calculations of the material consumption capacity for a full set of components were made using two different techniques – machine working and the AT method. The material utilization ratios are found, the cost of materials spent on the manufacture of parts by machine working and using AT technique is calculated. A comparative analysis of the cost of raw material was carried out. Conclusions are drawn about the impossibility of an unambiguous preference for the choice of manufacturing parts based on such criteria as the material utilization ratio. It has been concluded that further research of the manufacturability of products using AT is quite indispensable.

About the authors

Evgeniya Andreevna Kursevich

Email: ingenua@yandex.ru
graduate student of technical sciences 2020-2024

Yuri Sergeevich Abramenko

FSUE «RFNC-All-Russian Research Institute of applied physics named after Academician E.I. Zababakhin»

References

  1. ГОСТ 14.205–83. Технологичность конструкции изделий. Введ. 1983–04–01. М.: Издательство стандартов, 1983. 11 с.
  2. Аддитивные технологии в машиностроении: учебное пособие / М.А. Зленко, А.А. Попович, И.Н. Мутылина. Санкт–Петербург, 2013. 222 с.
  3. Meng Y., Zhang Y. Design for additive manufacturing: A review of case studies // Assembly Automation. 2014. Vol. 34, no. 4. P. 274–283. doi: 10.1108/AA–04–2014–047.
  4. Guvendiren M., Molde J., Soares R.M.D., Kunkel E., Smith B., Padilla P. Impact of design and process parameters on mechanical properties of 3D printed parts // Additive Manufacturing. 2021. Vol. 38. 101804
  5. Kheifetz M.L. From Information and Additive Technologies to Self-Reproduction of Machines and Organisms // Advanced Materials and Technologies. 2018. No. 1. P. 22–35. doi: 10.17277/amt.2018.01. pp. 022–035. EDN XWDLAD
  6. Гибсон Я., Розен Д., Стакер Б. Технологии аддитивного производства. Трехмерная печать, быстрое прототипирование и прямое цифровое производство. М.: ТЕХНОСФЕРА, 2016. 656 с. ISBN 978–5–94836–447–6
  7. Tomlin M., Meyer J. Topology optimization of an additive layer manufactured (ALM) aerospace part.In Proceedings of the Proceeding of the 7th Altair CAE technology conference; 2011; pp. 1–9.
  8. Аддитивные технологии [Электронный ресурс]: практикум / Л.В. Беляев, А.В. Жданов; Владим. гос. ун–т им. А.Г. и Н.Г. Столетовых. Владимир: Изд–во ВлГУ, 2022. 88 с. ISBN 978–5–9984–1348–3.
  9. Остапенко Т.П., Молодоженова В.Н. Формирование показателей материалоемкости продукции машиностроения // Известия высших учебных заведений. Машиностроение. 2005. № 10. С. 77–80. EDN HSFOLT.
  10. Базров Б.М., Троицкий А.А. Анализ метода оценки технологичности конструкции изделия как предмета производства // Справочник. Инженерный журнал с приложением. 2017. № 4 (241). С. 39–43.
  11. Жадик Н.П., Цыблиенко Н.В., Посевин И.Ю. Материалоемкость и энергоемкость объектов труда в технологической подготовке // Технолого–экономическое образование: достижения, инновации, перспективы: Межвузовский сборник статей XII междунар. науч.–практ. конф.: в 2 т., Тула, 15–18 февраля 2011 г. С. 82–86. EDN UDSOLD.
  12. Агафонцев А.С., Вовк Н.Н., Клевнов Ю.В. и др. Эффективность использования аддитивных технологий как альтернативы традиционным субтрактивным технологиям при изготовлении сложных деталей из металла // Труды РФЯЦ–ВНИИЭФ. 2017. № 22-2. С. 228–231. EDN LVQBCC.
  13. Абрамов И.В. Проблемы и перспективы цифровизации промышленных предприятий с использованием аддитивных технологий // Вестник евразийской науки. 2023. Т. 15, № 2. EDN CEXVOS.
  14. Алабугин А.А., Топузов Н.К. Как построить инновационно–ориентированную систему ресурсосберегающего развития предприятия? // Управление персоналом. 2009. № 14. С. 33–40. EDN KZIAHJ.
  15. Витязь П.А., Хейфец М.Л., Чижик С.А. «Индустрия 4.0»: от информационно–коммуникационных и аддитивных технологий к самовоспроизведению машин и организмов // Известия Национальной академии наук Беларуси. Серия физико–технических наук. 2017. № 2. С. 54–72. EDN YUGXFV.
  16. Технологичность конструкции изделий машиностроения: учебное пособие / А.П. Бабичев, В.И. Безжон, М.Е. Попов, А.М. Попов, А.Г. Хведелидзе, Н.О. Шевченко. Ростов–на–Дону, 2014. 124 с.
  17. Государственная программа «Развитие промышленности и повышение её конкурентоспособности» [Электронный ресурс] / Правительство РФ: офиц. сайт. URL: http://government.ru/rugovclassifier/862/events/ (дата обращения: 14.09.2023).
  18. Материалы и процессы аддитивных технологий (быстрое прототипирование) / В.А. Дьяченко, И.Б. Челпанов, С.О. Никифоров, Д.Д. Хозонхонова. Улан–Удэ: Изд–во БНЦ СО РАН, 2015. 198 с.
  19. Оценка количественных показателей производственной технологичности деталей / П.Ю. Бочкарев, Л.Г. Бокова. Саратов: Саратовский гос. техн. ун-т, 2015. 110 с.
  20. Скворцова Д.А. Разработка дополнительных коэффициентов для оценки технологичности серийной сборки наукоемких многокомпонентных изделий // Сборка в машиностроении, приборостроении. 2015. № 6. С. 3–7.

Supplementary files

Supplementary Files
Action
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».