Вопрос 4. Моделирование методом конечных элементов

Анализ методом конечных элементов является мощнейшей технологией, позволяющей моделировать распределение напряжений, температур, потоки жидкостей и распространение электромагнитных полей, однако до сих пор нерешенной остается проблема подготовки данных для проведения анализа: выбор геометрии, построение сетки конечных элементов, добавление граничных условий и нагрузок, задание свойств материалов и выбор типа анализа (статический или динамический, линейный или нелинейный, анализ деформаций, напряжений и т. д.). Действия, относящиеся к подготовке данных, обобщенно называют моделированием конечных элементов (Jinite-element modeling). Выполняются эти действия чаще всего препроцессором, рассчитанным на работу с какой-либо конкретной программой анализа методом конечных элементов (finite-element analysis — FEA).

Системы, рассчитанные на подготовку геометрической модели в системах автоматизированной подготовки чертежей, либо работают непосредственно с данными CAD, либо преобразуют и импортируют их. Вариант «поверх CAD» (direct on CAD) становится в последнее время все более популярным, поскольку он устраняет преобразования (которые могут повлечь потерю данных) и сокращает длительность цикла «проектирование — анализ — изменение». Более того, использование CAD упрощает моделирование и дает возможность работать с более сложными функциями создания и изменения геометрических форм. Современные гибридные системы моделирования (интегрирующие объемное, поверхностное и каркасное моделирование с параметрическим и объектно-ориентированным подходами) позволяют создать практически любую нужную для анализа геометрию. Большинство систем FEA могут также импортировать геометрические данные либо через промежуточные файлы стандартных форматов (типа IGES), либо непосредственно из конкретных CAD. Однако использование геометрических моделей, подготовленных в CAD, не всегда оказывается простым делом. Модель, которую конструктор сочтет идеальной, может на самом деле содержать недопустимые в FEA элементы. Особенно это касается построения сеток. Некоторые системы уже предлагают функции проверки импортированных моделей. Более того, даже если построенная в CAD модель свободна от недостатков, она может быть чересчур подробной. Например, такие характерные детали, как фаски, в некоторых случаях вполне могут быть исключены из модели для анализа методом конечных элементов. Подобные решения принимаются конструктором исходя из ожидаемого размера ячеек сетки, а также из интуитивных предположений о важности отдельных участков объекта. Некоторые программы обладают функциями удаления элементов (defeaturing), то есть временного скрытия деталей, не влияющих на точность анализа. Абстрагирование является основной причиной различий между моделями одного и того же объекта, используемыми проектировщиками и аналитиками. Изменения, предлагаемые одними из них, не могут непосредственно воплощаться в модели других. В настоящее время ведутся исследования возможности автоматического абстрагирования объемных моделей [3].

 

Следующий шаг — создание ячеек сетки и распределение узлов. Когда каждой ячейке сопоставляются узлы, она становится конечным элементом. Построение сетки является важнейшим и сложнейшим этапом моделирования. Для упрощения этой задачи практически все системы на сегодняшний день предлагают те или иные функции автоматизации. Наиболее типично использование тетраэдрических элементов для объемных тел и четырехугольных или треугольных элементов для трехмерных поверхностей, оболочек и двухмерных объектов. Многие системы предоставляют пользователям возможность изменять параметры автоматически формируемых сеток, в частности плотность ячеек. Кроме того, в таких системах обычно имеются функции ручного локального редактирования, позволяющие уточнить сетку в критических областях. Многие системы связывают сетку с геометрической моделью, так что изменение последней автоматически влечет за собой изменение первой.

Наконец, в зонах, где ожидаются резкие изменения неизвестных (напряжения, например, сосредоточиваются в окрестностях отверстий), плотность узлов и ячеек должна быть выше, чем в областях с плавным изменением параметров.

Другой подход к решению проблем формирования сетки предлагает р-версия конечноэлементного анализа. Преимущества этого подхода не ограничиваются простотой сеток. Р-версия позволяет задавать конкретные ограничения на точность, а также лучше аппроксимировать геометрические модели из программ CAD.
Низкий уровень точности позволяет конструктору быстро получить результаты анализа на предварительном этапе разработки.

За выбором элементов следует задание типа анализа (статический или динамический, линейный или нелинейный, анализ деформаций, напряжений и т. д., как уже отмечалось). С каждым узлом связываются неизвестные или степени свободы. К неизвестным относятся смещения, повороты, температура, тепловые потоки и т. п. Затем задаются граничные условия. Для непрерывных границ объекта известными могут быть смещения, внешние силы и температура. Эти сведения должны быть выражены в виде значений соответствующих параметров в конкретных граничных узлах. Иногда требуется формирование конечных элементов без граничных условий. Если необходимо учесть точечные воздействия, в соответствующих точках должны располагаться узлы. Большинство систем анализа, интегрированных с CAD, дают пользователю возможность задавать граничные условия непосредственно на геометрической модели, после чего эти граничные условия преобразуются к эквивалентным условиям на узлах системы. Нагрузки и граничные условия задаются множеством способов, что позволяет решать задачи самого широкого круга и моделировать реальные условия достаточно точно.

Для каждого элемента обязательно задание свойств материала. Разные элементы могут иметь разные свойства, благодаря чему пользователь может анализировать составной объект. Основные сложности в описании составных объектов возникают при задании интерфейсов.

Полностью определенная конечноэлементная модель со всеми параметрами передается программе анализа. Решенная задача подготавливается к исследованию постпроцессором. Большинство пакетов позволяют вычислять различные параметры, выводить их в виде таблиц или графиков. Чаще всего требуется вывод данных о деформациях, напряжениях и изменении формы. Для этой цели традиционно используются контурные графики, на которых распределение параметров кодируется различными цветами непосредственно на изображении объекта.
Для динамического анализа удобно наличие средств анимации, позволяющих проводить нелинейный анализ временной эволюции систем. Все более возрастает потребность в выводе графиков и роликов в форматах, пригодных для использования в других программах, документах, презентациях и Сети.

Рис. 2.1. Диаграмма этапов работы

 

Лекция №3 Оптимизация

1. Оптимизация. Общие сведения.

2. Методы поиска оптимизации

3. Генетические алгоритмы оптимизации

4. Структурная оптимизация

 

Вопрос 1. Оптимизация. Общие сведения.

 

Оптимизация, как мы говорили в лекции 1, — это один из этапов процесса разработки, то есть часть жизненного цикла продукта, а потому технологии оптимизации также относят к средствам автоматизированного проектирования. В принципе, весь процесс проектирования можно считать оптимизацией, потому что в этом процессе создается несколько альтернативных проектов, из которых выбирается один лучший. Это утверждение становится верным, если понимать слово «оптимизация» в очень широком смысле. Однако обычно под оптимизацией понимается не выбор одной из нескольких альтернатив (таких, например, как заклепка, болт и скоба), а скорее, выбор оптимального размера одной из них (например, заклепки). Понимаемая в этом смысле оптимизация уже является частью процесса проектирования, а не самим этим процессом.

Оптимизация конструкции требует ее параметризации, дающей возможность рассматривать альтернативные конструкции, изменяя значения параметров. Например, при разработке цилиндрического сосуда для хранения газов под давлением параметрами были бы средний диаметр, толщина, высота и используемый материал. Различные наборы значений параметров будут давать разные сосуды.

В зависимости от ситуации.некоторые параметры могут не иметь степеней свободы из-за ограничений. Например, у нас может быть только один материал, так что для оптимизации сосуда остались бы только средний диаметр, толщина и высота. Мерой качества сосуда может быть максимально допустимое давление, поделенное на вес. Средний диаметр, толщина и высота будут варьируемыми параметрами конструкции. Можно попытаться найти оптимальное сочетание параметров, которое приведет к максимальному значению показателя качества.

Показатель качества может быть выражен в виде функции параметров, если мы воспользуемся знаниями, полученными при изучении сопротивления материалов. Оптимизируемые параметры называются переменными оптимизации (optimization variables), а показатель качества, вычисляемый по этим переменным, называется целевой функцией (objective function). Очевидно, что переменные оптимизации и целевая функция выбираются конструктором в соответствии с тем, для чего предназначается его творение.

 

Вопрос 2. Методы поиска оптимизации

 

Для поиска максимума или минимума целевой функции могут использоваться

различные методы. Эти методы могут быть сгруппированы в три больших класса (рис. 3.1). Методы первого класса основываются на вычислениях, методы второго класса осуществляют направленный случайный поиск, а методы третьего класса являются перечислительными [95]. На рис. 3.1 показаны только те методы поиска, которые эффективны при решении задач оптимизации по нескольким переменным. Мы не стали указывать простейшие методы поиска, такие как метод Фибоначчи и метод золотого сечения, потому что они применяются главным образом для одномерных задач.

 

 

Рис. 3.1. Классификация методов поиска

 

Вычислительные алгоритмы могут быть разделены на две группы. Методы первой группы получают оптимальное решение задачи в явном виде, тогда как методы второй группы подходят к нему косвенно, через решение системы нелинейных уравнений, которые образуются при приравнивании нулю градиента целевой функции. Прямые методы ищут решение, выбирая значения из пространства поиска и оценивая градиент в каждой новой точке. Эта процедура определяет направление поиска. Идея та же, что при подъеме на холм: нужно найти наилучшую точку, поднимаясь по самому крутому склону. Прямые методы делятся на две категории (рис. 3.1). Методы первой категории используют саму целевую функцию и ее первые производные.

Здесь F — целевая функция, а вектор переменных оптимизации X составлен из компонент xh В качестве примеров методов из этой категории можно назвать метод скорейшего спуска и метод сопряженных градиентов. Методы из второй категории используют матрицу Гессе, составленную из частных вторых производных помимо первых производных и значений самой функции. Ко второй категории относится, в частности, метод Ньютона. Ниже мы обсудим идеи, на которых основаны прямые методы, применимые, вообще говоря, только к ограниченному набору «хороших» задач.

Прямые методы, основанные на градиентах, во многих случаях оказываются неприменимы, поскольку они используют сведения о локальном поведении функции для перемещения в направлении скорейшего спуска. Направление скорейшего спуска противоположно локальному направлению градиента, поэтому алгоритмы этого типа ведут себя плохо, если функция имеет трудносопоставимые масштабы по разным переменным или для нее неудачно заданы ограничения. Двумерная целевая функция, для которой алгоритм скорейшего спуска начинает осциллировать и сходится достаточно медленно.

Методы скорейшего спуска не учитывают вторые производные, то есть матрицу Гессе целевой функции. Методы Ньютона и модифицированные методы Ньютона, напротив, используют матрицу вторых производных в дополнение к градиенту. Модифицированные методы Ньютона обеспечивают лучшую сходимость для плохо обусловленных задач по сравнению с методами скорейшего спуска, однако матрица Гессе в общем случае требует достаточно ресурсоемких вычислений.

В результате, хотя сходимость модифицированных методов Ньютона достаточно высока, на практике они оказываются не слишком эффективны из-за высокой стоимости каждой итерации. Эта проблема решается при помощи квазиньютоновских методов, использующих аппроксимацию матрицы Гессе (на самом деле обратной к ней матрицы), которая строится по градиентам на каждой итерации.

Квазиньютоновские методы считаются одними из наиболее эффективных для решения задач на оптимизацию без ограничений. В предыдущем разделе мы показали, что задачи с ограничениями могут быть преобразованы к задачам без ограничений. Поэтому квазиньютоновские методы могут использоваться и для решения задач с ограничениями.

Описанные выше методы в большинстве своем сходятся к локальному минимуму целевой функции. Если целевая функция не является выпуклой, нет никаких гарантий, что найденный локальный минимум окажется глобальным.

 

Вопрос 3. Генетические алгоритмы оптимизации

 

Генетическими алгоритмами (genetic algorithms) называется группа адаптивных методов, которые могут использоваться для решения задач поиска и оптимизации. Они происходят от тех же основ, что и естественная эволюция и генетика.

Популяции живых существ развиваются в течение многих поколений в соответствии с принципами естественного отбора и «выживания наиболее приспособленных». Имитируя этот процесс, генетические алгоритмы способны решать реальные задачи, при условии, что те будут правильно закодированы.

Сила генетических алгоритмов в их устойчивости и в способности решать задачи самых разных типов, в том числе и трудноразрешимые другими методами.

Хотя генетические алгоритмы не обязательно находят глобально-оптимальное решение, они обычно «достаточно быстро» находят «достаточно хорошие» решения. Разумеется, специализированные методы, ориентированные на конкретные задачи, по сравнению с генетическими алгоритмами почти наверняка дадут лучшую скорость и точность конечного результата. Превосходство генетических алгоритмов проявляется в таких областях, где специализированных методов не существует. Однако даже имеющиеся методы можно в некоторых случаях усовершенствовать, «скрестив» их с генетическими алгоритмами [56].

Основные принципы генетических алгоритмов были заложены Холландом, им посвящено достаточно много трудов. Эти алгоритмы имитируют то, чем обусловливается эволюция в живых популяциях. В природе выживают те, кто лучше приспособлен к конкуренции за ограниченные ресурсы, поэтому адаптация к изменяющейся конкурентной среде принципиально важна для выживания индивидуумов любого вида. Уникальные особенности индивидуума определяют его жизнеспособность, но сами они, в свою очередь, определяются генами индивидуума. Каждой особенности сопоставляется элемент наследственной информации — ген. Наборы генов, определяющих особенности организма, объединяются в хромосомы. Процесс воспроизводства создает разнообразие в генофонде, а начинается оно с рекомбинации хромосом родительских особей в момент объединения их половых клеток. Из исходных комбинаций генов создаются новые, в результате чего получается новый генотип. Происходит обмен генами между хромосомами, что дает хромосомы с новыми свойствами. Этот процесс называется кроссовером (crossover). Таким образом осуществляется поиск наиболее правильной комбинации генов, по которой был бы построен более совершенный организм. Отбор и кроссовер обеспечивают постоянную эволюцию генотипа и приводят к рождению организмов, лучше приспособленных к выживанию.

 

Вопрос 4. Структурная оптимизация

 

В этом разделе мы рассматриваем проблему применения технологий оптимизации к целям проектирования. Структурной оптимизацией (structural optimization) называется автоматический синтез механических компонентов на основании их структурных свойств. Другими словами, структурная оптимизация позволяет автоматически получить такую конструкцию компонента, которая будет оптимальной со структурной точки зрения.

Структурная оптимизация подразумевает оптимизацию целевой функции (обычно жесткости, возможностей производства, веса или стоимости) при выполнении структурных и иных ограничений на конструкцию (расположение точек опоры, ограничения на размер и вес, максимально допустимые напряжения, максимально допустимый вес, минимальный теплоотвод и т. п.). Структурная оптимизация требует (рис. 3.2) средств геометрического моделирования для описания формы детали, средств структурного анализа для решения задачи, а также алгоритма оптимизации для поиска оптимального решения.

 

 

Рис. 3.2. Составляющие структурной оптимизации [95]

Методы структурной оптимизации можно классифицировать по типам переменных оптимизации, описывающих геометрию конструкции. Целевая функция и конструктивные ограничения должны записываться в виде функций этих переменных. В зависимости от того, какими свойствами компонента управляют конструктивные параметры в конкретной задаче оптимизации, она называется оптимизацией размеров, формы или топологии. Таким образом, средства структурной оптимизации последовательно изменяют размер, форму или топологию конструкции до тех пор, пока она не достигнет оптимума (с учетом заданных ограничений).

Оптимизация размеров (sizing optimization) — простейший из трех методов структурной оптимизации, состоящий в изменении размеров конструкции при сохранении ее формы и топологии. Следовательно, оптимизация состоит в определении значений конструктивных параметров, дающих оптимальное структурное поведение конструкции. В первых реализациях данного метода использовались простейшие методы параметризации геометрии детали и оптимизировались только простейшие структуры, такие как фермы, рамы и пластины [86, 119, 61].

Структурная оптимизация ферм и рам подразумевает определение оптимального поперечного сечения соответствующих элементов. Переменными оптимизации являются площади поперечного сечения элементов фермы или рамы. Для простой фермы часто можно вывести аналитическое выражение, связывающее переменные оптимизации со структурными свойствами. Большие фермы и рамы анализируются методом конечных элементов. Согласно этому методу, речь о котором шла в главе 8, сложная структура делится на простые элементы, а результаты; полученные для каждого из них, объединяются вместе, давая результат для структуры в целом.

Фермы и рамы можно оптимизировать, изменяя их конфигурацию. Оптимальная конфигурация фермы может быть получена решением задачи оптимизации для координат узловых точек (конечных точек составляющих фермы). В этом случае переменными оптимизации становятся координаты узлов фермы. Топология (то есть связность) фермы фиксирована, поэтому нет необходимости изменять аналитическую модель при изменении переменных.

Еще один вариант проектирования состоит в выборе материалов с определенными свойствами. Выбор оптимального материала для каждого элемента из набора доступных материалов — типичная комбинаторная задача оптимизации. Обычно рассматривается комбинация всех трех типов размерных переменных.

 

Лекция №4 Интеграция CAD и САМ

1. Общие представление об интеграции CAD и САМ

2. Производственный цикл детали

3. Технологическая подготовка производства

4. Неавтоматизированный подход

5. Генеративный подход

6. Автоматизированные системы технологической подготовки производства

7. Групповая технология

8. Классификация и кодирование детали

 

 

Вопрос № 1 Общие представление об интеграции CAD и САМ

 

Спроектированная деталь воплощается в готовый продукт средствами производства. Автоматизация производства обеспечивается соответствующим программным обеспечением (САМ software). Таких программных продуктов существует достаточно много. В состав типичного пакета САМ входит система автоматизированной технологической подготовки производства (computer-aided process planning — САРР), система числового управления (NC software), позволяющая изготавливать деталь при помощи станков с ЧПУ, программы контроля и программы управления роботами, используемые, соответственно, на этапах проверки и сборки.

Многие производители коммерческих систем CAD и САМ преувеличивают выгоды от их использования. Реальный выигрыш от этих систем гораздо меньше рекламируемого из-за низкой степени их интеграции. Для повышения производительности и обеспечения выживания на глобальных рынках с постоянно возрастающей конкуренцией необходимо улучшение интеграции. Первоочередной задачей является полная автоматизация технологической подготовки производства, потому что эта фаза связывает проектирование и производство. Именно подготовка производства стала основным препятствием на пути к интеграции CAD и САМ. Основные усилия исследователей были направлены на создание систем автоматизированной подготовки производства, которые должны были пытаться обеспечить взаимодействие инженеров-проектировщиков и ииженеров-технологов. В этой главе мы обсудим общие вопросы подготовки производства и, конкретно, средства САРР. Чтобы прояснить значение технологической подготовки, мы начнем рассказ с рассмотрения производственного цикла одной детали.

 

Вопрос №2 Производственный цикл детали

 

Все производство может быть поделено на дискретное и непрерывное. Под дискретным производством понимается изготовление продукта, проходящего через конечное число технологических и сборочных операций. Непрерывное производство подразумевает изготовление продукта, претерпевающего непрерывные изменения, например в ходе химических реакций, в результате которых заготовка преобразуется в готовую деталь. Мы сосредоточим внимание на дискретном производстве, а конкретнее — на механообработке, которая является типичным методом изготовления деталей. Главные этапы такого процесса приведены в схеме на рис. 4.1. 

Рис. 4.1. Главные этапы дискретного производства

 

Когда готовый проект передается в производственный отдел, инженер-технолог преобразует описание деталей и устройств в технологические инструкции. Эти инструкции подробно описывают процессы, необходимые для превращения необработанных заготовок в готовые детали, а также последующие операции сборки этих деталей в конечный продукт. Процедура, таким образом, заключается в сопоставлении требований к деталям и имеющихся производственных мощностей. Инженер-технолог должен интерпретировать инженерно-техническую документацию, принимать решения о том, как разрезать листы и собирать детали, определять порядок выполнения операций, выбирать инструмент, станки и крепеж и решать другие подобные задачи. Эта задача значительно упрощается, если у инженера уже есть готовый план для аналогичного продукта. Поэтому похожие детали обычно группируются в семейства, что позволяет использовать концепцию групповой обработки.

После завершения фазы технологической подготовки начинается реальное производство детали в соответствии с инструкциями, подготовленными на предыдущем этапе. Если для обработки детали используются станки с ЧПУ, оператор станка должен написать соответствующую программу. Существует множество программных средств, позволяющих создать программу для станка с ЧПУ непосредственно по базе данных системы автоматизированного проектирования. Готовые детали проверяются в соответствии с разработанными стандартами качества. Прошедшие проверку детали собираются, упаковываются, помечаются и отправляются заказчикам.

Таким образом, интерфейсом между проектированием и производством оказывается технологическая подготовка. Интеграция средств проектирования и производства не будет завершена до тех пор, пока технологическая подготовка не будет автоматизирована. В последующих разделах мы рассмотрим этапы технологической подготовки и возможности их автоматизации. В конце главы мы поговорим о системах управления данными о продуктах (product data management — PDM), потому что такие системы тоже служат передаче данных между системами CAD и САМ.

 

Вопрос № 3 Технологическая подготовка производства

 

Технологическая подготовка производства {process planning) заключается в выборе технологических процессов и их параметров, а также оборудования для проведения этих процессов. Задача состоит в том, чтобы превратить заготовку в деталь, изображенную на техническом чертеже. Альтернативное определение технологической подготовки гласит, что под этим термином подразумевается подготовка подробных технологических инструкций для станка или сборщика агрегата из деталей [32].

На выходе этапа технологической подготовки получается план, описывающий последовательность технологических процессов или сборочных операций. План производства иногда называется операционной картой, маршрутной картой или сводкой планирования операций. В табл. 10.1 приведен план процесса производства детали, изображенной на рис. 10.2. Помимо выбора и упорядочения операций важную часть плана составляет выбор инструментов и крепежа. Выбор инструмента включает также выбор станка, на котором этот инструмент будет установлен. Крепежные устройства направляют инструмент или держат обрабатываемую деталь.

План производства детали или агрегата зависит от множества факторов. К ним относятся геометрия детали, требуемая точность и качество поверхности, количество деталей и используемый материал. Например, для изготовления очень гладкой поверхности может потребоваться шлифовка, тогда как для более грубой поверхности достаточно токарной обработки (при той же самой геометрии детали). Небольшое количество деталей можно изготовить на станке, а большие количества выгоднее штамповать на прессе. Выбор операций также во многом определяется имеющимися средствами.

 

Вопрос № 4 Неавтоматизированный подход

 

Традиционно планирование производства всегда выполнялось вручную. Теперь это называется неавтоматизированным подходом. Состоит данный подход в том, что опытный сотрудник, часто бывший оператор-станочник, изучает чертеж детали и подготавливает инструкции по ее изготовлению, то есть план производства. В зависимости от цеха вырабатываемый им план может быть достаточно сложным, а может быть простой совокупностью описаний отдельных операций.

В опытном производстве, где все операторы имеют высокую квалификацию и могут работать с несколькими станками, а большинство деталей относятся к одному и тому же типу, технологический план обычно становится не более чем последовательностью операций обработки, а все подробности выполнения этих операций определяются операторами самостоятельно. Однако если деталь должна быть изготовлена на полностью автоматизированной производственной линии, технологический план будет содержать подробные сведения о каждой операции. Вне зависимости от сложности плана его подготовка очень сильно зависит от знаний планировщика, имеющихся инструментов, материалов, стандартных приемов и характерных масштабов стоимости. К сожалению, эти сведения обычно документируются недостаточно полно, а чаще всего хранятся исключительно в памяти технолога. Если память у него хорошая, он может вспомнить план производства аналогичной детали и видоизменить его под новую деталь. В некоторых компаниях планы классифицируются вручную и хранятся в рабочих журналах.

В процессе разработки планов производства новых продуктов инженеры-технологи чаще всего действуют примерно одинаково. Типичная последовательность этапов планировки приведена ниже.

1. Изучение формы детали в целом. Технолог изучает инженерно-техническую документацию, определяет общую структуру детали и потенциальные трудности, которые могут возникнуть при ее производстве. Можно ли зажать эту деталь в тиски, поместится ли она между губками? Не окажется ли, что она слишком длинная и тонкая, и изогнется, когда ее зажмут? И так далее.

2. Определение оптимальной формы заготовки, если она не задана в документации. По чертежу планировщик обычно с легкостью определяет очертания детали. Это помогает ему выбрать форму заготовки, из которой данная деталь может быть изготовлена с минимальным объемом отходов. Размеры заготовки обычно на четверть дюйма превышают размеры готовой детали.

3. Определение базовых поверхностей и конфигураций. Инженер-технолог определяет минимальное количество конфигураций, необходимых для получения базовых поверхностей механической обработкой. Затем он записывает операции для каждой конфигурации.

4. Определение элементов детали. Инженер-технолог выделяет элементы детали, то есть геометрические формы, которые должны быть вырезаны на заготовке, из которой будет сделана деталь. Форма элементов определяет форму инструментов и траекторию их перемещения при обработке заготовки. Характерные элементы (и субэлементы), получаемые механической обработкой, изображены на рис. 10.3 и рис. 10.4 соответственно. 

5. Группировка элементов по конфигурациям. Инженер-технолог группирует элементы таким образом, что каждая группа формируется в рамках одной и той же конфигурации. Некоторые детали могут быть произведены в конфигурациях, определенных ранее для базовых поверхностей, другие могут потребовать задания новых конфигураций. Затем формируется список операций по изготовлению элементов детали для каждой конфигурации.

6. Упорядочение операций. Внутри каждой конфигурации порядок операций по производству соответствующих базовых поверхностен и элементов определяется взаимозависимостями этих операций и их взаимным влиянием.

7. Выбор инструментов для каждой операции. Технолог старается по возможности использовать один и тот же инструмент для нескольких операций. Ему приходится учитывать время на смену инструмента и время на обработку.

8. Выбор или проектирование зажимов для каждой конфигурации. Этот этап планирования сильно зависит от опыта технолога, потому что количество стандартных зажимов и крепежных приспособлений невелико. Правильный выбор зажимов очень важен для достижения высокого качества продукта.

9. Итоговая проверка плана. Инженер-технолог проверяет осуществимость конкретных конфигураций, вероятность создания помех инструментам крепежными приспособлениями и т. д.

10. Уточнение плана производства. Технолог добавляет в план подробности по изготовлению отдельных элементов, выбирает скорость подачи и обработки, оценивает затраты и время изготовления и т. д.

11. Подготовка документации. Готовый технологический план производства отдается главному технологу.

 

Вопрос № 5 Генеративный подход

 

Генеративный подход (generative approach) состоит в том, что технологический план вырабатывается автоматически на основании технических требований к детали. В технические требования должны включаться подробные сведения о материале, особенностях обработки и предлагаемых методиках проверки, а также графическое изображение формы детали.

На первом этапе разработки плана производства новой детали в генеративном подходе технические требования вводятся в компьютерную систему. В идеале они должны считываться непосредственно из базы данных САПР. Для этого необходимо, чтобы автоматизированная система технологической подготовки могла распознавать элементы детали, требующие машинной обработки, такие как отверстия, пазы и выемки. Реализация первого этапа значительно упрощается, если при моделировании детали используется объектно-ориентированный подход (глава 5). Однако даже конструктивные элементы, используемые в системе объектно-ориентированного моделирования, могут потребовать преобразования к элементам, которые могут быть изготовлены машинной обработкой. Некоторые конструктивные элементы однозначно сопоставляются технологическим, тогда как преобразование других представляет собой не слишком тривиальную процедуру. Кроме того, информации об элементах, вообще говоря, недостаточно для технологической подготовки производства. Например, большинство моделей CAD не содержат сведений о допусках и материалах, и их приходится вводить вручную. Это лишь часть причин, задерживающих разработку полностью автоматизированных систем технологической подготовки производства до настоящего времени. Вместо этого технические требования к детали часто кодируются вручную. Схема кодирования должна определять все геометрические элементы и их параметры, в частности положение, размеры и допуски. Закодированные данные сопровождаются информацией в текстовом формате. Наконец, система должна иметь сведения о форме заготовки.

На втором этапе закодированные данные и текстовая информация преобразуются в подробный технологический план производства детали. На этом этапе определяется оптимальная последовательность операций и условия их выполнения.

К условиям относятся используемые инструменты, крепления, измерительные приборы, зажимы, схемы подачи и скорости обработки. Для построения столь подробного плана производства детали произвольной сложности требуется большая база данных и сложная логическая система. Поэтому на сегодняшний день автоматизированный подход ограничивается отдельными классами деталей с относительно ограниченным набором элементов.

 

Вопрос № 6 Автоматизированные системы технологической подготовки производства

Большинство существующих систем автоматизированной технологической подготовки производства (например, САМ-I САРР, MIPLAN, MITURN, MIAPP, ACUDATA/UNIVATION, CINTURN и COMCAPPV) основаны на альтернативном подходе. Однако уже появляются системы, основанные на генеративном подходе (СРРР, AUTAP, APPAS, GENPLAN, CAR, MetCAPP, ICEM-PART) [1]. В последующих разделах мы кратко расскажем о наиболее популярных системах автоматизированной технологической подготовки производства.

CAM- САРР

Система САМ-САРР была разработана компанией McDonnel Douglas Automation Company по контракту с CAM-I в 1976 году. САМ-I САРР — это система управления базами данных, написанная на языке FORTRAN; она реализует структуру базы данных, логику обращения к ней и предоставляет возможность редактирования базы в интерактивном режиме. Схема кодирования деталей и формат вывода задаются пользователем. Длина кода не должна превышать 36 разрядов. Фирма Lockheed-Georgia использует модифицированный код. Опитца для кодирования в системе САРР. Схема позволяет пользователю работать с любой из существующих систем групповой технологии. Множество деталей, изготовление которых может быть спланировано при помощи CAM-I САРР, определяется возможностями реализации схемы кодирования.

Графическая модель системы САМ-I САРР показана на рис. 4.2. Стандартный план производства для каждого семейства деталей хранится в стандартном последовательном файле в виде последовательности кодов операций (op code). Подробное описание каждого кода операции хранится в отдельном файле — плане операций. Стандартные планы и планы операций приходится разрабатывать для каждой установки, поскольку они зависят от машин, технологий и опыта конкретной компании. В файле матриц семейства хранятся матрицы, определяющие принадлежность деталей к данному семейству по ее коду. Столбцы соответствуют разрядам кода, а строки — значениям в этих разрядах. В нашем примере код состоит из пяти разрядов, каждый из которых может иметь значение 0-9. Таким образом, файл ма