|
120 возможным благодаря тому, что современные CAM-системы поддерживают библиотеки технологических процессов, которые можно использовать при проектировании новых технологических процессов. Поддержка со стороны СППР может быть полезной при выборе припусков на обработку и определении режимов резания. Выбор оптимального припуска имеет очень важное значение, поскольку слишком большие припуски вызывают чрезмерный расход материала, увеличение себестоимости детали и трудоемкости по ее изготовлению, а слишком малые припуски не позволяют получить нужной точности и качества обработки. В дополнение к этому зависимости для определения припусков определяются, обычно, эмпирическим путем. Поэтому реализация поддержки процесса выбора припусков в СППР является особенно актуальной задачей. В [20] показано, что на величину припуска влияют: материал заготовки, размеры заготовки, вид и способы ее получения, сложность конфигурации заготовки, требования к точности и качеству поверхностей детали. В этой ситуации необходимо найти решение, одновременно минимизирующее расход материала и позволяющее сохранить требуемые значения нормируемых параметров. Для этого из ХД можно выбрать информацию о контроле качества конструктивно сходных деталей, содержащую все атрибуты, перечисленные выше и определяющие припуск, а также размер припуска по интересующей поверхности для каждой детали. На основании полученных данных можно построить гиперкуб, в котором отражается зависимость между количеством случаев брака и величиной припуска. После расчета режимов резания становится возможным решение задачи поиска ассоциаций. Под ассоциациями в данном случае могут пониматься сочетания самых разных параметров ТП, приводящие с большой вероятностью к выпуску некачественной продукции. С этой целью также может быть использован гиперкуб, содержащий сведения о контроле интересующих параметров у конструктивно сходных деталей. После небольшого преобразования к этим данным возможно применение алгоритмов, |
Глава III 81 ХРАНИЛИЩА ДАННЫХ КАК ФАКТОР УЛУЧШЕНИЯ КАЧЕСТВА СППР В ТЕХНОЛОГИЧЕСКОЙ ПОДГОТОВКЕ ПРОИЗВОДСТВА 3.1. Определение задач, решаемых посредством хранилищ данных, и требований к хранилищам данных, применяемым на этапе ТПП В настоящее время поддержка принятия решений, как было показано ранее, осуществляется с применением методов ИАД и OLAP-анализа данных. Учитывая основные этапы процесса ТПП, сформулируем основные задачи ИАД и OLAP-анализа для ТПП. На этапе выбора заготовки вид заготовки (прокат, отливка, поковка и т.п.), как правило, определяется конструкцией детали и не требует какойлибо дополнительной поддержки со стороны СППР. Однако, при выборе материала заготовки становятся возможными различные варианты и, следовательно, появляется необходимость в поддержке принятия решения для выбора наилучшего из них. В этой ситуации для выбора конкретного варианта можно применить OLAP-анализ. Для этого из ХД можно выбрать информацию о контроле качества конструктивно сходных деталей, изготавливавшихся из тех же материалов, среди которых и нужно выбрать один. На основании полученных данных можно построить гиперкуб, в котором отражается зависимость между количеством случаев отклонения нормируемых параметров, самими нормируемыми параметрами (отклонение от параллельности, соосности, линейных размеров и т.п.) и применяемыми материалами. Полученная зависимость вместе со сведениями о наличии того или иного материала на предприятии, о себестоимости детали в зависимости от выбранного варианта решения, а также другой доступной информацией, будет служить основой для выбора конкретного материала из нескольких возможных. При разработке последовательности операций и переходов учитываются конструктивные особенности изготавливаемой детали и пооперационные технологии конструктивно сходных деталей. Как правило, это становится возможным благодаря тому, что современные САМ-системы поддерживают библиотеки технологических процессов, которые можно использовать при проектировании новых технологических процессов. Поэтому на данном этапе поддержка технолога методами ИАД и OLAPанализа не представляется необходимой. Все вышесказанное относится и к процессу выбора инструмента и технологической оснастки. Поддержка со стороны СППР может быть полезной при выборе припусков на обработку и определении режимов резания. Выбор оптимального припуска имеет очень важное значение, поскольку слишком большие припуски вызывают чрезмерный расход материала, увеличение себестоимости детали и трудоемкости по ее изготовлению, а слишком малые припуски не позволяют получить нужной точности и качества обработки. В дополнение к этому зависимости для определения припусков определяются, обычно, эмпирическим путем. Поэтому реализация поддержки процесса выбора припусков в СППР является особенно актуальной задачей. В [40] показано, что на величину припуска влияют: материал заготовки, размеры заготовки, вид и способы ее получения, сложность конфигурации заготовки, требования к точности и качеству поверхностей детали. В этой ситуации необходимо найти решение, одновременно минимизирующее расход материала и позволяющее сохранить требуемые значения нормируемых параметров. Для этого из ХД можно выбрать информацию о контроле качества конструктивно сходных деталей, содержащую все атрибуты, перечисленные выше и определяющие припуск, а также размер припуска по интересующей поверхности для каждой детали. На основании полученных 82 данных можно построить гиперкуб, в котором отражается зависимость между количеством случаев брака и величиной припуска. После расчета режимов резания становится возможным решение задачи поиска ассоциаций. Под ассоциациями в данном случае могут пониматься сочетания самых разных параметров ТП, приводящие с большой вероятностью к выпуску некачественной продукции. С этой целью также может быть использован гиперкуб, содержащий сведения о контроле интересующих параметров у конструктивно сходных деталей. После небольшого преобразования к этим данным возможно применение алгоритмов, определяющих правила вида X->Y, где X какая-то комбинация значений параметров ТП, a Y факт отклонения значения нормируемого параметра от заданного. После определения всех параметров ТП представляется полезным совместное решение задач кластеризации и классификации. Исходными данными для решения задачи кластеризации может служить тот же гиперкуб, который использовался в процессе поиска ассоциативных правил. Из него извлекаются сведения о фактах выпуска некачественных деталей, для которых строится таксономия отклонений, в которой все факты отклонений соотносятся с тем или иным классом в зависимости от значений параметров ТП. Полученная таксономия может быть использована для решения задачи классификации, когда вновь спроектированный ТП изготовления детали на основании значений своих параметров может быть отнесен к какому-либо ранее определенному классу. Если каждый класс таксономии связан с определенным типом отклонений, то классификация нового ТП позволит технологу сконцентрировать внимание на конкретных параметрах ТП и внести необходимые коррективы. Этапы нормирования труда и подготовки технологической документации, как правило, хорошо формализованы и определены, поэтому не требуют дополнительной поддержки со стороны СППР. 83 |