Разработка метода проектирования технологических процессов механической обработки на основе статистической оценки производительности тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Никоноров Алексей Игоревич

• Никоноров Алексей Игоревич
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Никоноров Алексей Игоревич

ВВЕДЕНИЕ

ГЛАВА 1 ..СОВРЕМЕННОЕ СОСТОЯНИЕ НАУЧНО-МЕТОДИЧЕСКОГО ОБЕСПЕЧЕНИЯ ПРОЕКТИРОВАНИЯ ТЕХНОЛОГИЧЕСКИХ КОМПЛЕКСОВ С УЧЕТОМ ФАКТОРОВ НЕОПРЕДЕЛЕННОСТИ

1.1. Современные подходы к трактовкам понятия «неопределенность» и ее формальному заданию

1.2. Факторы неопределенности, учитываемые при анализе и проектировании технологических комплексов

1.3. Использование методов имитационного моделирования в задачах проектирования технологических комплексов

1.4. Выводы по Главе

1.5. Цель и задачи исследования

ГЛАВА 2..РАЗРАБОТКА КОНЦЕПТУАЛЬНОГО ПОДХОДА К ВЫБОРУ ТЕХНОЛОГИЧЕСКИХ РЕШЕНИЙ НА ОСНОВЕ СТАТИСТИЧЕСКОЙ ОЦЕНКИ ПРОИЗВОДИТЕЛЬНОСТИ

2.1. Формальный подход к проектной оценке риска применения ТР и частной задаче оценки риска неприемлемой производительности (РНП)

2.2. Проектная оценка производительности технологических комплексов на основе доступных источников информации

2.3. Выводы по Главе

ГЛАВА 3..РАЗРАБОТКА МЕТОДИКИ ВЫБОРА И ОПРЕДЕЛЕНИЯ НАПРАВЛЕНИЙ МОДИФИКАЦИИ ТЕХНОЛОГИЧЕСКИХ РЕШЕНИЙ

3.1. Данные о процессе реализации предлагаемой методики

3.2. Формирование требуемого описания технологических процессов

3.3. Поддержка сбора и документирования данных о фактической производительности оборудования

3.4. Методическая поддержка моделирования технологических комплексов при оценке производительности

3.5. Выводы по Главе

Стр.

ГЛАВА 4._РЕАЛИЗАЦИЯ МЕТОДИКИ ПРИ ОЦЕНКЕ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ОБРАБОТКИ ТЕЛ ВРАЩЕНИЯ

4.1. Общая характеристика типовых задач

4.2. Задача определения времени до отказа технологической системы

4.3. Задача проектной оценки РНП технологических комплексов изготовления тел вращения

4.4. Задача параметрической модификации технологической операции с целью повышения производительности

4.5. Заключение о порядке и рекомендациях по применению предлагаемого метода

4.6. Выводы по Главе

ОБЩИЕ ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

Принятые сокращения

ТП - технологический процесс

ТО - технологическая операция

ТК - технологический комплекс

ТР - технологическое решение

ТС - технологическая система

СТО - средства технологического оснащения

РНП - риск неприемлемой производительности

ТПП - технологическая подготовка производства

Введение диссертации (часть автореферата) на тему «Разработка метода проектирования технологических процессов механической обработки на основе статистической оценки производительности»

ВВЕДЕНИЕ

Развитие рыночной экономики в России привело к необходимости модернизации машиностроительных производств и применению прогрессивных концепций, призванных повысить производительность за счет рационального использования имеющихся ресурсов предприятий, и предусматривающих комплексное перевооружение с использованием систем и средств, обеспечивающих поддержку управления производственным процессом на основе цифровых моделей данных. В условиях обширной номенклатуры прогрессивного технологического оборудования, актуальной задачей остается обоснование эффективности технологических решений (ТР), принимаемых при проектировании технологических процессов (ТП). Решение его имеет особую ответственность в ситуации проектирования технологических комплексов (ТК), основу которого составляют задачи выбора оборудования и расчета его количества. Поиск решения обозначенной задачи определяет необходимость совершенствования методических подходов к анализу ТР, а также определению направлений их возможного изменения на основе прогнозирования технико-экономических показателей при их внедрении. Указанный подход находит отражение в концепции управления рисками, изложенной в отечественных стандартах [24-27], а его применение, ввиду разнообразия взаимосвязанных источников риска, имеет междисциплинарный характер. Разграничение направлений исследований между научными дисциплинами может быть определено по природе источников возникновения риска, а также по направлениям мероприятий обработки рисков с учетом компетенций профильных специалистов. Так, для предметной области технологии машиностроения в контексте упомянутого подхода ключевыми являются риски, связанные с недопустимыми отклонениями в процессе целенаправленного формирования качества изделий и недостаточной производительностью ТК. Риски возникновения брака

являются следствием несовершенства технологических систем и результатом влияния погрешностей обработки. Риск неприемлемой, низкой производительности обусловлен недопустимыми режимами обработки, нерациональным, неполным и некорректным использованием возможностей оборудования, закладываемом при проектировании ТК и ТП.

Причины возникновения рисков в ТК механической обработки обусловлены действием факторов, объединяемых понятием, так называемой, производственной неопределенности. Учет этих факторов и их статистической природы был сопряжен с большими объемами расчетов, поэтому, в отсутствие высокопроизводительной вычислительной техники, до второй половины XX в. вызывал существенные затруднения. Продвижения в решении данного вопроса связано с задачами проектирования и оперативно-календарного планирования и применением имитационных моделей производственных систем. В настоящее время имитационные модели стали общепринятым инструментом, используемым при решении указанных задач.

К задачам, составляющим основу проектирования ТП и ТК и рассматриваемым в рамках технологии машиностроения, традиционно относят задачи выбора оборудования и расчета его количества. Данные задачи традиционно решаются раздельно и независимо, с применением различных подходов и, в основном, с использованием детерминированных данных.

Задача выбора оборудования относится к трудно формализуемым задачам проектирования. Ее решение связано с экспертными оценками возможности и вариантов выполнения намечаемых ТО с учетом конструктивных параметров и технологических возможностей оборудования. Продвижения в решении данной задачи связаны с использованием методов многокритериального принятия решений, применяемых для построения рейтинговых списков оборудования. Несмотря на удобство и сравнительную простоту автоматизации применяемых методов, имеет место непреодолимый субъективизм экспертных оценок.

Задача проектного расчета количества оборудования опирается на отношение трудоемкости выполняемых работ к фондам времени работы оборудования с учетом данных о его фактической работоспособности. Решение задачи традиционными методами, с использованием детерминированных норм времени ТО и нормативных фондов времени работы оборудования, предполагает обеспечение производительности проектируемого ТК с запасом. Однако, величина запаса производительности, гарантирующего выполнение задания на проектирование с требуемой вероятностью, проектом не регламентируется, а проводимые расчеты не гарантируют выполнение заданных объемов выпуска продукции после ввода оборудования в эксплуатацию, ввиду неизвестных отклонений фактических затрат времени от устанавливаемых в технологическом процессе норм, а также отсутствия информации о возможном браке продукции. Использование нормативных данных фондов времени, не привязанных к спрогнозированным срокам выполнения обязательств, не способствует уточнению оценки возможности выполнения заданной программы выпуска изделий предприятием в действующих условиях его функционирования. Также не учитывается связь производительности оборудования с процессом целенаправленного формирования качества изделий в терминах погрешностей, что существенно затрудняет представление проектировщика о возможности внесения обоснованных и целесообразных изменений в технологию механической обработки с целью повышения производительности ТК.

Приведенные соображения позволяют сделать вывод о возможной недостаточной производительности ТК, заложенной на этапе проектирования, и риске ее неприемлемых значений. Учет факторов производственной неопределенности, связанных с надежностью оборудования, в настоящее время характерен для исследований в области организации производства, оперативно-календарного планирования. В рамках указанных научных направлений процесс выбора ТР не рассматривается, поэтому не учитывается

влияние принимаемых ТР на фактическую производительность ТК с принятым количеством и составом оборудования. Изучение данного вопроса невозможно без основополагающих закономерностей, представленных в работах А.П. Соколовского, Б.С. Балакшина, В.С. Корсакова, А.М. Дальского, А.С. Васильева, А.И. Кондакова, А.В. Сгибнева, В.Д. Шашурина, Л.И. Волчкевича, Г.А. Шаумяна и других ученых, определивших достижения отечественных школ технологии машиностроения и развитие теории производительности. Подход, связанный с оценкой риска при принятии решений, развит А.Н. Иноземцевым [32]. Определение и информационная структура ТР рассмотрены в [40].

Подходы технологии машиностроения могут затрагивать не все причины неприемлемой, низкой производительности, а лишь связанные с ТП и определяющие возможность корректирующих мероприятий по внесению изменений в технологическую документацию в части выбора средств технологического оснащения (СТО), определения структуры и параметров ТП и ТО. Данное обстоятельство определяет подход к рассмотрению вариантов ТР, и оценку производительности ТК, в рамках настоящей работы, для каждого конкретного изделия в отдельности, а также применение вероятностно-статистических моделей, учитывающих стохастический характер процессов механической обработки и связанных с категорией риска, как основой для принятия ТР.

Все вышеприведенное определяет актуальность исследования и определяет содержание работы, направленной на повышение качества ТР, принимаемых при проектировании ТП механической обработки с учетом влияния ТП на производительность ТК и риск ее неприемлемых значений.

Цель диссертационной работы - повышение производительности ТС на основе разработки аналитического метода выбора ТР при проектировании ТП механической обработки.

Объектом исследования в диссертации являются ТП и ТК изготовления деталей машин методами механической обработки.

Предмет исследования - научные и методологические принципы и методики выбора ТР применительно к ТП и ТК механической обработки.

Основные задачи исследования:

1. Разработать концептуальный подход к выбору ТР на основе прогноза фактической производительности ТС и риска ее неприемлемых значений.

2. Сформировать метод выбора ТР при проектировании ТП механической обработки.

3. Разработать алгоритмы решения типовых задач и внедрить результаты исследований на отраслевых предприятиях при изготовлении осесимметричных деталей.

Научная новизна:

1. Предложен и апробирован метод выбора ТР при проектировании ТП механической обработки, отличающийся тем, что с целью повышения точности прогнозирования производительности ТС он содержит оценку риска неприемлемой производительности (РНП), определяемую на основе сценариев отказов и простоев оборудования и коэффициента его экстенсивного использования.

2. Разработана аналитическая методика количественной оценки РНП на этапах проектирования ТП, в основу которой положены модели процессов формирования параметрических отказов оборудования.

3. Научно обоснована и решена проблема повышения достоверности прогнозирования производительности ТК механической обработки за счет применения методов математической статистики.

Практическая значимость работы:

1. Разработан инженерный метод выбора ТР по расчетному значению запаса производительности, позволяющий повысить выработку продукции в ТК механической обработки.

2. Достигнуто повышение производительности оборудования с ЧПУ токарной и фрезерной группы до 15%, увеличение загрузки до 20% и сокращение времени выполнения производственного задания на 1,5 смены на

промышленных предприятиях за счет применения алгоритмов выбора ТР при технологической подготовке производства.

3. Метод выбора ТР при проектировании ТП использован в учебном процессе кафедры технологий машиностроения МГТУ им. Н.Э. Баумана при подготовке кадров Высшей школы, что подтверждено актом.

Методы исследования:

Применительно к проблематике диссертации использованы положения теории точности механической обработки и теории производительности, методы проектирования ТК механической обработки, основы технологии машиностроения, основы теории резания, методы теории вероятности и математической статистики, метод дискретно-событийного имитационного моделирования производственных систем.

Основные положения, выносимые на защиту:

1. Концептуальный подход к проектной оценке и определению направления модификации ТП на основании совокупности данных о фактической производительности ТК и вероятностной мере РНП.

2. Метод выбора ТР на основе оценки РНП при проектировании ТК механической обработки.

3. Результаты применения метода выбора ТР при решении типовых задач в условиях действующих предприятий машиностроительной отрасли.

Достоверность результатов исследования обеспечивается использованием системного подхода и признанных методов теории точности механической обработки и теории производительности и подтверждена результатами внедрения на действующих промышленных предприятиях машиностроительной отрасли.

Соответствие паспорту специальности

Диссертация посвящена развитию методов проектирования ТП на основе оценки РНП ТК механической обработки в задачах выбора ТР, что соответствует паспорту специальности 2.5.6. «Технология машиностроения» (технические науки) и включает п. 5 («Методы

проектирования и оптимизации ТП») и п. 8. («Проблемы управления технологическими процессами в машиностроении») направлений исследований.

Реализация результатов

Результаты диссертации внедрены на промышленных предприятиях ООО «НПЦ «Кропус-ПО» и ООО «Энергомеханика», ООО «МетМаш» в период 2009-2024 гг. Теоретические разработки диссертации применяются в учебном процессе на кафедре «Технологии машиностроения» МГТУ им. Н.Э. Баумана.

Апробация результатов

Материалы диссертации докладывались и обсуждались на международных и всероссийских конгрессах, конференциях, в том числе: Международных научно-технических конференциях «Машиностроение и техносфера XXI века» (Севастополь, 2012), «Пром-инжиниринг» (Сочи, 2023); научно-технической конференции «Современные тенденции развития инструментальных систем и металлообрабатывающих комплексов», (Ростов на Дону, 2023). Основные разделы диссертации обсуждались на научных семинарах кафедры «Технологии машиностроения» МГТУ им. Н.Э. Баумана в период 2009-2024 гг.

Публикации

Основное содержание работы отражено в 6 научных трудах, из них - 3 в рецензируемых научных изданиях перечня ВАК РФ. Общий объем публикаций - 2,8 п.л.

Объем и структура диссертации

Диссертация состоит из введения, четырех глав, списка литературы, приложения. Общий объем работы составляет 130 страниц, в том числе 19 рисунков, 14 таблиц, список литературы из 135 наименований.

ГЛАВА 1.

СОВРЕМЕННОЕ СОСТОЯНИЕ НАУЧНО-МЕТОДИЧЕСКОГО ОБЕСПЕЧЕНИЯ ПРОЕКТИРОВАНИЯ ТЕХНОЛОГИЧЕСКИХ КОМПЛЕКСОВ С УЧЕТОМ ФАКТОРОВ НЕОПРЕДЕЛЕННОСТИ

1.1. Современные подходы к трактовкам понятия «неопределенность» и ее формальному заданию

В современной научной практике понятие «неопределенность», с точки зрения философского знания, двойственно, и, с одной стороны, отражает некоторую меру неполноты знания субъекта о конкретной ситуации или явлении, с другой же стороны - неопределенность объективна и существует независимо от субъекта. В приведенной в [24-27, 30] классификации неопределенностей подробно вскрыты причины их возникновения и выделены следующие типы:

- «объективная» неопределенность («неопределенность природы»);

- неопределенность, вызванная отсутствием достаточной релевантной информации (гносеологическая неопределенность);

- стратегическая неопределенность, вызванная зависимостью от действия других лиц;

- неопределенность, порожденная слабоструктурированными проблемами;

- неопределенность, «вызванная нечеткостью, расплывчатостью как процессов и явлений, так и информацией их описывающей».

Подробно термин «неопределенность» рассмотрен в области метрологии, как альтернатива погрешности. Термину «неопределенность измерения», даются следующие трактовки [22]:

- «параметр, связанный с результатом измерения, который характеризует дисперсию значений, которые могли быть обоснованно приписаны измеряемой величине»;

- «мера возможной погрешности оцененного значения измеряемой величины, полученной, как результат измерения»;

- «оценка, характеризующая диапазон значений, в пределах которого находится истинное значение измеряемой величины».

Входные показатели модели измерения, также некоторые измеряемые величины, по отношению к источникам неопределенности могут быть разделены на две группы:

- показатели с неопределенностью типа «А», для которых получена экспериментальная оценка;

- показатели с неопределенностью типа «В», величины, оцениваемые по данным внешних надежных источников: справочники, показатели эталонных или аттестованных образцов и другие.

Оценка суммарной неопределенности выходного показателя сопровождается процедурой трансформации распределений, которая может быть выполнена аналитическими, численными, точными и приближенными методами.

Наиболее распространенные виды формального, математического описания неопределенностей приведены в таблице 1.1.

1.2. Факторы неопределенности, учитываемые при анализе и проектировании технологических комплексов

1.2.1. Общие подходы к классификации факторов производственной неопределенности

В данном разделе рассмотрены общие подходы к классификации факторов производственной неопределенности в наиболее близких задачах проектирования ТК и оперативно-календарного планирования, в том числе, оперирующих с данными о работоспособности оборудования и оказывающими непосредственное влияние на производительность ТК. С учетом большого разнообразия решаемых задач, можно выделить следующие общие признаки классификации:

- по отношению к анализируемой или проектируемой производственной системе, как к объекту, соответственно, анализа или проектирования;

- по природе явления, связанного с фактором, и причине его возникновения;

- по предметной области решаемых задач;

- по степени предсказуемости.

Далее автор работы при рассмотрении классификаций опирается на информативный, с его точки зрения, обзор факторов неопределенности, представленный в [131], дополняя, по необходимости, ссылками на другие источники. Так, группу внешней неопределенности составляют факторы: - имеющие отношение к заказам производимой продукции, например, номенклатура, объем выпуска, цена;

- имеющие отношение к поставкам как продукции, так и необходимых для ее производства ресурсов [94].

Группу факторов внутрисистемной неопределенности формируют организационные, технологические и конструкторские факторы, сопровождающие производственный процесс, в том числе, связанные с качеством производимой продукции, функционированием оборудования, и многие другие. В [11] отмечено, что факторы внешней неопределенности в рамках задач проектирования ТК, определяют необходимое время работы технологического оборудования, в то время как внутренние факторы - достижимое время работы выбранного оборудования при сформированной структуре подразделений для данного типа производства.

Классификация факторов по степени предсказуемости подразумевает соотношение фактической вероятности совершения данного события со степенью информированности лица, принимающего решение, о данном событии, и включает факторы, обозначенные, в частности, в [114]: совершенно непредсказуемые, предполагаемые и предсказуемые. К предполагаемым причисляют такие факторы, для которых чрезвычайно затруднительно получить прогноз, ввиду невозможности их формализации, сложных связей, или косвенного отношения к имеющимся и необходимым для составления прогноза данным.

Таблица 1.1.

Виды математического описания неопределенности

Вид математического описания Источник

Интервал х Е [а; Ь]; а,Ь - границы изменения показателя х [74]

Математическое ожидание величины .х по выборке размера п: п - 1V Х = П ¿а* ; ¿=Л

Выборочная оценка дисперсии величины . по выборке размера п: 1 П Пх = П_1 х)2; 1=1

Показатели статистической оценки случайных величин Доверительный интервал для неизвестного х генеральной совокупности по выборке размера п: X ± ; Б = где 1у -квантиль распределения Стьюдента с п-1 степенями свободы с надежностью у [8], [15]

Доверительный интервал для неизвестной дисперсии Бх б2 (п_ 1) Б2(П_ 1) 2 — — 2 V V л.а/2 л\-а/2 где Ха/2, Ул-а/2 - квантили распределения х2 с п-1 степенями свободы при заданной надежности 1 _ а

Множества Количество элементов множества: п = |Л|; где ^-множество. [43]

Нечеткие множества С = {(х, (х))|х Е X}; где (х) ^ [0; 1] - функция принадлежности элемента х из универсального множества X множеству С. [53]

Энтропия информации Н(а) = \=1р(А1) •1одр(А1); где р(Аг) - вероятность исхода опыта Аг; 1 = 1 + г; г - количество возможных исходов опыта. [75]

Комбинаторные показатели п\ Число перестановок: Рп = п\ Число размещений: А™ = ' . Число сочетаний: С™ = А™/т\, где п -количество объектов, т - количество способов их группирования при размещениях/сочетаниях. [2]

Классификация факторов по причинам возникновения неопределенности представлена в [88] в виде следующих основных групп:

- факторы неопределенности, обусловленные физической природой рассматриваемых явлений;

- факторы, вызванные введением различного рода допущений, упрощений, применяемых в моделях явлений и систем;

- факторы неопределенности измерений, вызванные несовершенством измерительных систем;

- статистическая неопределенность, вызванная недостаточным объемом данных;

- факторы субъективной неопределенности, вызванные действиями человека при вычислениях, назначениях правил, оценках мнений экспертов.

1.2.2. Учет факторов неопределенности в задачах планирования производства

Результатом решения задач планирования, составляющих класс «задач цеха» [44], является расписание работы производственных подразделений с известной структурой и количеством оборудования, а также заданными маршрутами обработки требований, при известном ТП. Наиболее важными при анализе производственных систем (ПС) являются задачи анализа поточного и непоточного производства. «Job shop» - не поточная ПС, с известным количеством и составом оборудования, предполагающая реализацию различных маршрутов обработки заявок (заготовок или их партий) известного номенклатурного перечня с возможностью многократных возвратов на используемое оборудование, задействованное при выполнении различных ТО. «Flow shop» - система поточного производства, в которой заявки последовательно (без возвратов) проходят оборудование, задействованное на стадиях обработки. Различают, так называемые, «гибкие» ПС указанных типов [129, 124, 113]. В гибкой Job Shop системе каждой ТО, может соответствовать некоторое множество доступных единиц оборудования [119], а значения времени выполнения однотипных ТО могут различаться.

Различают также постановки задач с учетом переналадок оборудования [35]. Решение задач планирования для таких систем нередко объединяют с задачами разработки или выбора «гибких» ТП, предусматривающих в своей структуре описание множества альтернативных ТО [81, 82].

Задачи планирования с учетом факторов неопределенности могут быть статическими и динамическими [115, 128], а решения их получены с использованием четырех основных концепций [129, 114, 107]: прогностическое планирование; синтез ситуативных расписаний; синтез робастных расписаний; комбинированный подход. Под синтезом ситуативных расписаний подразумевается совокупность действий по модификации действующего расписания по факту совершения некоторого события (событие-триггер) в соответствии с выбранной стратегией. Часто такие стратегии основаны на правилах дисциплины обслуживания заявок, классификация которых приведена, в частности, в [116]. Заметим, что определение концепции ситуативного планирования не совпадает с принятым в отечественной практике определением «реактивного планирования» из [4]. При использовании каждой из перечисленных концепций возможна адаптация расписаний с целью уменьшения влияния факторов неопределенности в будущем [120, 105]. Каждый подход имеет область эффективного применения. Чем больший вклад в функционирование действующей ПС вносят факторы неопределенности, тем менее эффективными оказываются методы прогностического планирования, в противоположность динамическим, ситуативным [129]. Поэтому, часто в современных работах, связанных с приложениями теории расписаний, часто рассматривается комбинация приведенных подходов.

Факторы неопределенности в контексте рассматриваемых задач планирования также могут быть разделены на группы [129, 91]:

- факторы, относящиеся к ресурсам производства: поломки оборудования, состояние здоровья рабочих, недоступность или поломка СТО, предельно высокие показатели загрузки оборудования, задержки поставок и нехватка материала,

материал низкого качества или не соответствующий требованиям производства и другие;

- факторы, относящиеся к выполняемым работам: появление срочных работ, отмена выполнения работ, изменения сроков выполнения заказов, ранние или поздние сроки начала работ, изменение приоритета выполняемых работ, времени обработки и другие.

Задание факторов неопределенности в задачах планирования может осуществляться как интервально (детерминированные задачи) [62], так и в виде случайных величин (стохастические задачи) [114, 107, 105]. При этом неопределенность затрагивает, в основном, следующие входящие в задачи параметры, определяющие фактическую производительность ТК:

- время обслуживания заявок;

- время момента поступления работ;

- директивные сроки выполнения работ;

- параметры отказов оборудования.

Совокупность возможных отказов оборудования производственной системы, называемая сценарием отказов, в задачах планирования может задаваться группой из трех параметров, один из которых определяет конкретную отказавшую единицу оборудования, а два других - соответствующий тип отказов [98, 78]. Часто, первый параметр в задачах в явном виде не указывается и подразумевается, что для каждой единицы оборудования сценарий отказов определяется отдельно. Тип отказа может быть соотнесен с совокупностью параметров частоты отказа и времени восстановления. Перечень типов отказов для оборудования считается известным и приводится в исходных данных конкретных задач. Спрогнозированный сценарий отказов носит название «список будущих отказов» [91], в случае решения динамических задач этот сценарий пересчитывается для каждой единицы оборудования после каждого отказа.

Для формального описания отказов и восстановлений при функционировании оборудования в рассматриваемых задачах используют параметры надежности [129, 23, 17, 19, 92] в частности:

- среднее время восстановления;

- средняя наработка между отказами;

- коэффициент неготовности;

- средняя наработка до отказа;

- суммарное время работы оборудования, затрачиваемое на обработку

данных требований [78].

Характеристика оборудования или группы оборудования по отношению к возможным отказам может быть описана различными способами, а задание неопределенности обусловлено допущениями о законе распределения соответствующих показателей, методами, применяемыми при решении задачи, а также выявленными закономерностями о связи показателей надежности с требуемыми выходными показателями, например, длиной расписания. Имеет место рассмотрение вектора, определенного парой показателей: частотой отказов и временем восстановления. Примеры подобного описания приведены, в частности, в [129, 78]. Часто отказы приборов задаются в виде потоков событий, при этом, если поток является пуассоновским [114, 118, 133], то задается параметр интенсивности. При необходимости более подробного анализа различных отказов оборудования рассматривают граф состояний оборудования, в соответствие которому задается матрица вероятностей перехода между состояниями [8]. В современной практике для описания множества дискретных состояний объекта часто используют диаграммы состояний [96].

Список литературы диссертационного исследования кандидат наук Никоноров Алексей Игоревич, 2024 год

использования

оборудования

Рисунок 4.8.

Результаты анализа влияния простоев на величину Кэи

В ситуации выбора оба ТР следует признать конкурирующими, а выбор окончательного может быть проведен с учетом дополнительной информации. Традиционно применяемые подходы оценки производительности не предполагают оценку РНП и не обеспечивают возможности содержательного обоснования ТР при сравнении альтернативных вариантов.

4.4. Задача параметрической модификации технологической операции с

целью повышения производительности

Задача оптимизации рассмотрена в контексте определения направления параметрической модификации однопроходной токарной обработки. На практике часто имеют место случаи задания в ТП первых операций, выполняемых на универсальном оборудовании и служащих для подготовки баз и снятия дефектных слоев или избыточного материала с заготовок, полученных методами литья или штамповки. Выбор универсального оборудования продиктован в таких случаях экономическими соображениями, связанными с меньшей стоимостью станко-часа

работы, целесообразностью использования менее дорогостоящего инструмента. Несмотря на простую структуру подобных ТО, применение универсального оборудования определяет влияние на производительность человеческого фактора, связанного со скоростью действий рабочего при установке и снятии заготовок, управлении оборудованием. При невысокой точности заготовок, неравномерном распределении механических свойств по объему заготовок и наличии дефектного слоя, усложняющего процесс обработки, весьма неточным оказывается нормирование подобных операций и задача повышения производительности оборудования в данном случае также актуальна. Поиск направления модификации ТО ограничен направлениями сокращения основного и вспомогательного времени за счет изменения режимов обработки.

Рассмотрена ТО однопроходной токарной обработки изделия «Переходник», выполняемая в условиях действующего производства на этапе подготовки баз для последующей обработки на токарно-фрезерном обрабатывающем центре с ЧПУ. В качестве заготовки используется полуфабрикат штамповки. На рисунке 4.9. представлены эскизы детали и заготовки, а также соответствующий операционный эскиз. Обработка производится на станке 1И611П, резцом по ГОСТ 18877-73 с пластиной из сплава Т15К6. В ТП заданы следующие режимы обработки: частота вращения шпинделя п = 500 об/ мин (скорость резания V = 54 м/мин); подача 5 = 0,3 мм/об. При изготовлении на действующем производстве 3000 шт. изделий на выполнение данной операции было затрачено 10 рабочих смен при времени подналадки станка, составляющем 5 минут, прочих потерях времени « 30% от продолжительности смены и оперативном времени ¿оп = 1 мин/шт. Требовалось найти направление изменения режимов обработки для повышения производительности.

На первом этапе было проанализировано содержание технологической операции и построена теоретическая диаграмма точности обработки (рисунок 4.9), на основании параметров которой на втором этапе была поставлена задача оптимизации:

_ Т (^,5)

С„ = —-———,—- ^ тах, (4 9)

£оп(^5>ДТрасс(г,5) ^ • /

где Сп - мультипликативный критерий оптимизации [73]; ¿оп, - оперативное время ТО; т - среднее времени до отказа ТС; Дтрасс - рассеяние времени до отказа ТС по диаграмме.

Ограничения задачи заданы интервалами скорости резания V = [ут1П, Утах ], и подачи: 5 = , зтах ]; глубина резания постоянная и находится в пределах ¿=0,25-0,55 мм, что учтено при расчетах усилий резания в совокупности с колебаниями предела прочности материала заготовки, ав=588-600 МПа.

Вычисление критерия Сп проведено в пределах границ ^=55-85 м/мин; 5=0,2-0,5 мм/об в среде МаНаЬ (рисунок 4.10). Одновременное увеличение скорости резания и подачи ведет к уменьшению оперативного времени вследствие уменьшения основного времени ТО, причем большее влияние на основное время оказывает значение подачи (рисунок. 4.9. а). Вместе с тем, увеличение режимов обработки влечет за собой уменьшение среднего времени до отказа ТС, причем доминирующее влияние оказывает скорость резания, определяющая рост погрешности, вызванной размерным износом инструмента (рисунок 4.9. б). При увеличении скорости резания величина интервала рассеяния времени до отказа ТС уменьшается и, вместе с тем, при росте подачи, увеличивается (рисунок 4.9. в).

Максимальное значение критерия оптимизации (рисунок 4.9 г) указывает на целесообразность проведения корректирующих мероприятий в направлении повышения скорости резания и уменьшения подачи. Корректировка режимов обработки на действующем предприятии с назначением: п = 800 об/мин (скорость резания, у = 86 м/мин), ^ = 0,25 мм/об показала увеличение производительности на 10 % (345 деталей за смену) с уменьшением оперативного времени до ¿оп = 0,85 мин/шт при последующем выполнении заказа и привело к экономии времени на 1,5 рабочих смен при аналогичном объеме выпуска, что отражено в акте.

Еу

4

«У

1

80

88-о4

а

А-А

16x45"

В 3/8

=

15

25

\№ 6.3

р-

5±02

(57/8

85

в

I

I

а

б

чо

20 40 60 Э0

Время работы ТС, мин

-Максимальное значение суммарной погрешности обработки.:

- - - • Среднее значение суммарной погрешности обработки, мкм -Минимальное значение суммарной погрешности обработки, т

— • — Допуск на диаметр

г

Рисунок 4.9.

Исходные данные для задачи 3: а - эскиз заготовки; б - операционный эскиз ТО; в - эскиз детали; г - диаграмма

точности обработки

Рисунок 4.10.

Результаты расчетов: а - оперативного времени ТО; б - рассеяния времени до отказа ТС; в - среднего времени до отказа ТС; г - критерия оптимизации Сп

4.5. Заключение о порядке и рекомендациях по применению предлагаемого

метода

Применение предлагаемой методики к оценке РНП может проводиться при проектировании ТК механической обработки и в условиях действующих производств, при поддержке разработанных процессов соответствующим программным обеспечением. В условиях действующих производств менее затруднительным является получение достоверных данных для оценки

производительности оборудования при доступности методов наблюдений. При отсутствии данных о ТК-аналогах, по отношению к проектируемому ТК, достоверность может частично обеспечиваться сравнением с иными производствами, данные наблюдений с которых могут оказаться доступными, подвергнутыми анализу и структуризации, а также в задачах реконструкции и перевооружения с применением использовавшегося ранее оборудования.

По данным [45], в условиях действующей проектной организации, удельные временные затраты могут составлять 0,5-2 дня на один станок при известном и неизменяемом ТП. При применении предлагаемого подхода представляется возможной поддержка выбора ТР с расчетом количества оборудования и приведенных статистических показателей за срок 2-5 дней на один участок механической обработки при наличии полных данных для формирования сценариев отказов и простоев оборудования.

К трудностям, применения предложенного подхода, прежде всего, следует отнести факт работы эксперта-технолога с большими объемами разнородной информации и значительными объемами работ при подготовке исходных данных. При проведении статистических исследований на имитационных моделях необходима организация поддержки планирования экспериментов. При небольшом количестве оборудования (до 3 станков) в ТК, а также при малом количестве параметров сценариев отказов и простоев оборудования, или при малых разбросах значений параметров сценариев, предпочтительным является подход с ограниченным количеством машинных экспериментов. При этом, существенным аспектом, может оказаться выбор вида допущения о законе распределения фактической производительности и коэффициентов экстенсивного использования оборудования. При получении оценок РНП с учетом допущения о равновероятном распределении имеет место гарантированный запас, величина которого может превышать принятые пороговые значения риска. В данном случае, а также при высоких рисках неадекватных сценариев отказов и простоев, необходима проверка полученных результатов при реализации статистических машинных

экспериментов с контролем достижения заданной точности по величинам соответствующих доверительных интервалов.

4.6. Выводы по Главе 4

1. Показанное при сопоставлении экспериментальных данных и предварительных расчетов расхождение коэффициентов экстенсивного использования оборудования, составило не более 1% (по лимитирующим производительность ТС), что свидетельствует об адекватности оценки производительности методом имитационного моделирования при анализе ТП на ранних этапах проектирования ТК.

2. Реализация предложенного метода в условиях ООО «МетМаш» (решение задачи 3) позволила повысить производительность на 10% за счет коррекции режимов обработки с увеличением скорости резания и уменьшением подачи.

3. На основе решения типовой задачи определения времени до отказа ТС может быть сформирована часть сценариев отказов и простоев ТС. В случае оценки ТО в условиях мелкосерийного и единичного производства решение данной задачи имеет большую значимость.

4. При решении задачи определения времени до отказа ТС рационально использование методов анализа точности обработки и метода анализа деревьев отказов в условиях недостатка экспериментальных данных о процессе формирования качества. Накопление информации о возможных состояниях ТС, моделей ТО, применение моделирования с цифровыми моделями элементов ТС, позволит повысить качество решений при выборе СТО и режимов обработки.

5. Вычисленные оценки РНП позволяют производить ранжирование ТР, определять обоснованный запас производительности ТК. Применение имитационного моделирования рекомендуется при анализе

многооперационных ТП и большом количестве параметров ТП и сценариев отказов и простоев.

6. Экспериментально показано, что оценки РНП по малым сериям экспериментов и допущении о равновероятном распределении производительности имеют наибольший запас по величине РНП, поэтому должны проверяться серией статистических экспериментов в случаях превышения соответствующей допустимой величины РНП. Приведенное в равной степени относится к проверке адекватности сценариев отказов и простоев, сформированных из разнородных данных.

7. При оценке РНП по серии статистических экспериментов необходимо задание правил остановки экспериментов по достигаемой точности вычисляемой статистической оценки производительности. Рекомендуется сравнение ТР с оценками РНП равной точности.

8. Комплексный анализ ТР в принятом пространстве критериев позволяет обеспечить повышение достоверности результатов за счет интервальных оценок, а также обеспечить поддержку принятия ТР в сложных ситуациях выбора. Использование традиционных подходов не позволяет достигнуть полученных результатов. Выбор ТР возможен на основе величины обоснованного запаса производительности, вычисленной по допустимому значению РНП, однако, в этом случае полученные решения требуют дополнительного анализа по иным показателям, учитываемым в ситуации выбора.

9. Принятие решений о модификации ТР может быть осуществлено при анализе данных о производительности. На возможное увеличение количества оборудования при постоянном оперативном времени указывает разброс величины коэффициента экстенсивного использования. На первоочередные направления модификации ТО указывает влияние параметров сценариев отказов и простоев, связанных с подналадкой оборудования, на производительность ТК.

10. Влияние времени между отказами ТС может быть учтено при поиске корректирующих мероприятий, связанных с оптимизацией режимов обработки, выбором режущего инструмента (с повышением стойкости) и выбора оснастки (повышение жесткости) с использованием теоретических диаграмм точности. Оценка возможности и направлений модификации ТР не может быть проведена при реализации традиционных методов проектирования ТП.

ОБЩИЕ ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

1. В настоящий момент применение концепции управления рисками не является общепринятой в задачах проектирования ТП, при применении традиционных методов невозможно обоснование запаса производительности и изменений в ТП. Поэтому разработка метода проектирования ТП на основе статистической оценки производительности является актуальной задачей для машиностроения РФ.

2. Разработан концептуальный подход к выбору ТР на основе аналитического прогнозирования фактической производительности ТС и риска ее неприемлемых значений, который позволяет обеспечить выбор ТР с учетом процесса целенаправленного достижения точности механической обработки.

3. Разработанный метод выбора ТР и алгоритм вероятностного прогнозирования фактической производительности в задачах проектирования и управления ТП позволили:

- выявить необходимость детального анализа потерь времени работы

оборудования с выделением простоев ТС на подналадку;

- вычислять время между отказами по точности обработки без проведения

промышленных экспериментов;

- осуществлять выбор ТР по расчетному значению запаса

производительности.

4. Реализация разработанных алгоритмов решения типовых проектных задач позволила по результатам проведенных машинных экспериментов выявить необходимость сравнения ТР по равноточным величинам РНП и применение планов экспериментов, обеспечивающих статистическую достаточность оценок производительности ТК.

5. Сравнение расчетов количества оборудования и производительности с имитационным моделированием ТК и полученное расхождение значений

коэффициента экстенсивного использования не более 1% доказывает адекватность применения метода проектирования ТП на ранних этапах проектирования ТК.

6. Практическая реализация разработанного метода выбора ТР на ООО «МетМаш» позволила сократить время выполнения задания по изготовлению тел вращения на однопроходной токарной операции с повышением производительности на 10% за счет коррекции режимов обработки с увеличением скорости резания и уменьшением подачи.

7. Результаты диссертации внедрены на предприятиях ООО «НПЦ «Кропус-ПО» и ООО «Энергомеханика», что позволило повысить производительность оборудования токарной и фрезерной группы до 15% и увеличение загрузки до 20%.

СПИСОК ЛИТЕРАТУРЫ

1. Адам А.Е. Проектирование машиностроительных заводов: расчет технологических параметров механосборочного производства. М.: Высшая школа, 2004. 101 с.

2. Андерсон Джеймс А. Дискретная математика и комбинаторика. М.: Вильямс, 2004. 960 с.

3. Базров Б.М. Модульная технология в машиностроении. М.: Машиностроение, 2001. 368 с.

4. Бакалавр экономики: Хрестоматия в 3-х томах. Т. 2 / Под общ. ред. В.И. Видяпина. М.: Триада, 1999. 1050 с.

5. Балакшин Б.С. Основы технологии машиностроения. М.: Машиностроение, 1969. 358 с.

6. Бочкарев П.Ю. Васин А.Н. Планирование технологических процессов в условиях многономенклатурных механообрабатывающих систем. Теоретические основы разработки подсистем планирования маршрутов технологических процессов: учеб. пособие. Кн. 1. Саратов: Изд-во Сарат. гос. техн. ун-та, 2004. 136 с.

7. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969. 576 с.

8. Вентцель Е.С., Овчаров Л.А. Теория случайных процессов и ее инженерные приложения. М.: Высшая школа, 2000. 383с.

9. Виноградов Д.В. К вопросу определения скорости резания, обеспечивающей минимальную себестоимость обработки // Наука и образование. 2007. № 11. URL.http://technomag.edu.ru/doc/69108.html (дата обращения 20.06.2015)

10. Волчкевич И.Л. Научно-методическая база выбора оборудования проектируемых технологических комплексов из станков с ЧПУ в условиях производственной неопределенности: дис. ...д-ра техн. наук: 05.02.08 / Волчкевич Илья Леонидович. М. 2013. 254 с.

11. Волчкевич И.Л. Расчет необходимого количества оборудования проектируемых технологических комплексов в машиностроении с учетом факторов производственной неопределенности // Известия высших учебных заведений. Машиностроение. 2011. № 10. С. 69-71. DOI: 10.18698/0536-10442011-10-69-71

12. Волчкевич Л.И. Автоматизация производственных процессов: учеб. пособие. М.: Машиностроение, 2007. 380с.

13. Вороненко В.П., Соломенцев Ю.М., Схиртладзе А.Г. Проектирование машиностроительного производства: учебник для ВУЗов. М.: Дрофа, 2006. 380а

14. Галлямов Е.Р., Ухоботов В.И. Компьютерная реализация операций с нечеткими числами // Вестник ЮУрГУ. Серия "Вычислительная математика и информатика" 2014. Т. 3, № 3. С. 97-108.

15. Гмурман В.Е. Теория вероятностей и математическая статистика: учебное пособие для ВУЗов. М.: Высшая школа, 2003. 479с.

16. ГОСТ 15467-79 Управление качеством продукции. Основные понятия, термины и определения. М., Стандартинформ, 2009. 22с.

17. ГОСТ 18.322-2016 Система технического обслуживания и ремонта техники. Термины и определения. М., Стандартинформ, 2017. 14с.

18. ГОСТ 27.004-85 Надежность в технике. Системы технологические. Термины и определения. М., 1986. 9 с.

19. ГОСТ 27.010-2019 Надежность в технике. Математические выражения для показателей безотказности, готовности, ремонтопригодности. М., Стандартинформ, 2019. 81 с.

20. ГОСТ 3.1121-84 Единая система технологической документации. Общие требования к комплектности и оформлению комплектов документов на типовые и групповые технологические процессы (операции). М., Стандартинформ, 2006. 47 с.

21. ГОСТ 34.003-90 Информационная технология. Автоматизированные системы. Термины и определения. М., Стандартинформ, 2009. 16 с.

22. ГОСТ 34100.3-2017 Неопределенность измерения. Часть 3. Руководство по выражению неопределенности измерения. М., Стандартинформ, 2018. 105 с.

23. ГОСТ Р 27.102-2021 Надежность в технике. Надежность объекта. Термины и определения. М., Российский институт стандартизации, 2021. 36 с.

24. ГОСТ Р ИСО 31000 - 2019 Менеджмент риска. Принципы и руководство. М., Стандартинформ, 2020. 19 с.

25. ГОСТ Р 51897 - 2021 Менеджмент риска. Термины и определения. М., Российский институт стандартизации, 2021. 20 с.

26. ГОСТ Р 51901.1 - 2002 Управление надежностью. Анализ риска технологических систем. М., Госстандарт России, 2002. 28с.

27. ГОСТ Р 58771 - 2019 Менеджмент риска. Технологии оценки риска. М., Стандартинформ, 2020. 90 с.

28. Грановский Г.И., Грановский В.Г. Резание металлов: учебник для машиностр. и приборостр. спец. вузов. М.: Высшая школа, 1985. 304 с.

29. Грубый С.В., Лапшин В.В. Исследование режущих свойств резцов из нитрида бора // Наука и образование. 2012. № 6. URL. http://technomag.bmstu.ru/doc/423622.html (дата обращения 20.06.2015)

30. Диев В.С. Неопределенность как атрибут и фактор принятия решений // Вестник НГУ. Серия: Философия. 2010. Т. 8, № 1. С. 3-8.

31. Дочкин И.Н., Перевозчиков А.Г. О практической сходимости субградиентных алгоритмов синтеза производственных систем // Математическое моделирование. 1991. Т. 3, № 3. С. 130-136.

32. Иноземцев А.Н. Проектирование процессов и систем механообработки на основе разрешения неопределенности технологической информации: дис. ...д-ра техн. наук: 05.02.08 / Иноземцев Александр Николаевич. Тула. 1998. 450 с.

33. Капустин Н.М., Кузнецов П.М., Дьяконова Н.П. Комплексная автоматизация в машиностроении: Учебник для студ. высш. учеб. заведений / Под ред. Капустина Н.М. М.: Академия, 2005. 368 с.

34. Карпов Ю. Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. СПб.: БХВ-Петербург, 2006. 400 с.

35. Ковалев М.Я. Модели и методы календарного планирования. Курс лекций. Минск : БГУ, 2004.

36. Кожуховская Л.Я. Обеспечение эффективности многономенклатурного производства на основе ситуационного управления формированием структур технологических процессов: дис. ...д-ра техн. наук: 05.02.08 / Кожуховская Людмила Яковлевна. Саратов. 2003. 435 с.

37. Колев К.С., Горчаков Л.М. Точность обработки и режимы резания. М.: Машиностроение, 1976. 144 с.

38. Комиссаров В.И., Леонтьев В.Н. Точность, производительность и надежность в системе проектирования технологических процессов. М.: Машиностроение, 1985. 220 с.

39. Кондаков А.И. Курсовое проектирование по технологии машиностроения. Учебное пособие. М.: Кнорус, 2012. 400 с.

40. Кондаков А.И. Разработка научно-методической базы автоматизированной поддержки решений производственно-технологического цикла: дис. ...д-ра техн. наук: 05.02.08 / Кондаков Александр Иванович. Москва. 1999. 441 с.

41. Кондаков А.И. САПР технологических процессов: Учебник для вузов. М.: Академия, 2007. 272 с.

42. Корсаков В.С. Точность механической обработки. М.: Машгиз, 1961. 379 с.

43. Куратовский К., Мостовский А. Теория множеств. М.: Мир, 1970. 107 с.

44. Лазарев А.А., Гафаров Е.Р. Теория расписаний. Задачи и алгоритмы. М.: МГУ, 2012. 224 с.

45. Лобуз В.В. Формирование технологически ориентированных структур оборудования в пространстве цеха: дис. ...канд. техн. наук: 05.02.08 / Лобуз Василий Владимирович. М. 2008. 169 с.

46. Мельников Г.Н., Вороненко В.П. Проектирование механосборочных цехов: Учебник для вузов / Под ред. А.М. Дальского. М.: Машиностроение, 1990. 352 с.

47. Мироненко И.Г. Расчет режимов резания. Методические указания к выполнению расчетов с использованием персонального компьютера. Новосибирск: изд-во НГАВТ, 2007. 63 с.

48. Митрофанов С.П. Групповая технология машиностроительного производства. В 2-х т. Т.1. Организация группового производства. Л.: Машиностроение, Ленингр. отд-ние, 1983. 407 с.

49. Многоподходное имитационное моделирование // anylogic.ru. 2015. URL. http://www.anylogic.ru/multimethod-modeling (дата обращения 01.09.2015).

50. Научные исследования в технологии машиностроения: учебное пособие / В.А. Ванин [и др.] Тамбов: Изд-во Тамб. гос. техн. ун-та, 2009. 232 с.

51. Ногин В.Д. Принятие решений при многих критериях. Учебно -методическое пособие. СПб.: Ютас, 2007. 104 с.

52. ОНТП 14-93 нормы технологического проектирования предприятий машиностроения, приборостроения и металлообработки (доработка ОНТП 14-93). Механообрабатывающие сборочные цехи. М., 1993. 91 с.

53. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. с. 20.

54. Проектирование автоматизированных участков и цехов: учеб. для машиностроит. спец. вузов / Под ред. Ю.М. Соломенцева. М.: Высшая школа, 2000. 272 с.

55. Р 50-54-87-88. Организация автоматизированного технологического проектирования. Рекомендации. М., 1988. 9 с.

56. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993. 278 с.

57. Сергеев А.И. Автоматизированный синтез технических параметров реконфигурируемых производственных систем: дис. ...канд. техн. наук: 05.13.06 / Сергеев Александр Иванович. Оренбург. 2007. 214 с.

58. Соколовский А.П. Курс технологии машиностроения. Том 1. Л.: Машгиз, Ленингр. отделение, 1947. 435 с.

59. Соколовский А.П. Научные основы технологии машиностроения. М.-Л.: Машгиз, 1955. 515 с.

60. Соколовский А.П. Расчеты точности обработки на металорежущих станках. М.-Л.: Машгиз, 1952. 288 с.

61. Солонин И.С. Математическая статистика в технологии машиностроения. М.: Машиностроение, 1972. 215 с.

62. Сотсков Ю.Н., Егорова Н.Г., Вернер Ф. Минимизация суммарного взвешенного времени обслуживания требований с неопределенными данными: метод, основанный на устойчивости // Автоматика и телемеханика. 2010. №10. С. 26-49.

63. Справочник по технологии резания материалов. В 2-х кн. Кн.1. / Ред. нем. изд.: Шпур Г., Штеферле Т. / Под ред. Ю.М. Соломенцева. М.: Машиностроение, 1985. 616 с.

64. Справочник технолога-машиностроителя. В 2-х т. Т.1 / под ред. А.М. Дальского, А.Г. Косиловой, Р.К. Мещерякова, А.Г. Суслова. М.: Машиностроение-1, 2003. 912 с.

65. Суслов А.Г., Дальский А.М. Научные основы технологии машиностроения. М.: Машиностроение, 2002. 684 с.

66. Технологическая наследственность в машиностроительном производстве / Под ред. А.М. Дальского. М.: Изд-во МАИ, 2000. 364 с.

67. Технологические аспекты конверсии машиностроительного производства / Под ред. А.И. Кондакова. М.-Тула: Изд-во ТулГУ, 2003. 271 с.

68. Технология машиностроения. В 2-х т. Т.1. Основы технологии машиностроения: учебник для вузов / Под ред. А.М. Дальского. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. 564 с.

69. Технология машиностроения: В 2 кн. Кн.1. Основы технологии машиностроения: Учеб. пособ. для вузов / Э.Л. Жуков [и др.] М.: Высшая школа, 2003. 278 с.

70. Финаев В.И. Моделирование систем. Практикум: Учебное пособие. Таганрог: Изд-во ТРТУ, 2004. 118 с.

71. Финаев В.И., Павленко Е.Н., Заргарян Е.В. Аналитические и имитационные модели: Учебное пособие. Таганрог: Изд-во технологического института ЮФУ, 2007. 310 с.

72. Чарнко Д.В., Хабаров Н.Н. Основы проектирования механосборочных цехов. М.: Машиностроение, 1975. 348 с.

73. Черноморов Г.А. Теория принятия решений: Учебное пособие. Новочеркасск: ред. журн. "Изв. вузов. Электромеханика.", 2002. 276 с.

74. Шокин Ю.И. Интервальный анализ / Под ред. Н.Н. Яненко. Новосибирск: Наука, 1981. 111 с.

75. Яглом А.М., Яглом И.М. Вероятность и информация. М.: Наука, 1973. 512 с.

76. Ящерицын П.И., Рыжов Э.В., Аверченков В.И. Технологическая наследственность в машиностроении. Минск: Наука и техника, 1977. 256 с.

77. Al-Ahmari A.M.A., Ridgway K. An integrated modelling method to support manufacturing systems analysis and design // Computers in Industry. 1999. Vol. 38, issue 3. P. 225-238. DOI: 10.1016/S0166-3615(98)00094-3

78. Al-Hinai N., ElMekkawy T.Y. Robust and stable flexible job shop scheduling with random machine breakdowns using a hybrid genetic algorithm // International Journal of Production Economics. 2011. Vol. 132, issue 2. P. 279-291. DOI: 10.1016/j.ijpe.2011.04.020

79. Ayag Z., Özdemir R.G. A fuzzy AHP approach to evaluating machine tool alternatives // Journal of Intelligent Manufacturing. 2006. Vol. 17, issue 2. P. 179190. DOI: 10.1007/s 10845-005-6635-1

80. Behnezhad Ali R., Khoshnevis B. The effects of manufacturing progress function on machine requirements and aggregate planning problems // International Journal of Production Research. 1988. Vol. 26, issue 2. P. 309-326. DOI: 10.1080/00207548808947861

81. Bilkay O., Anlagan O., Kilic S. E. Integrating Flexible Process Plans with Scheduling in Flexible Manufacturing Systems // The International Journal of Advanced Manufacturing Technology. 1999. Vol. 15, issue 4. P. 268-280. DOI: 10.1007/s001700050066

82. Brandimarte P., Calderini M. A hierarchical bicriterion approach to integrated process plan selection and job shop scheduling // International Journal of Production Research.1995. Vol. 33, N. 1. P. 161-181. DOI: 10.1080/00207549508930142

83. Qimren E., Qatay B., Budak E. Development of a machine tool selection system using AHP // The International Journal of Advanced Manufacturing Technology. 2007. Vol. 35, issue 3. P. 363-376. DOI: 10.1007/s00170-006-0714-0

84. Cochran D. S et al. A Decomposition Approach for Manufacturing System Design // Journal of Manufacturing Systems. 2001-2002. Vol. 20. N. 6. P. 371-389. DOI: 10.1016/S0278-6125(01)80058-3

85. Cutting forces for turning application // Kennametal.com. 2015. URL. http://www.kennametal.com/en/resources/engineering-calculators/turning-calculators/cutting-forces.html (дата обращения 20.07.2015).

86. Dagdeviren M. Decision making in equipment selection: an integrated approach with AHP and PROMETHEE // Journal of Intelligent Manufacturing. 2008. Vol.19, issue 4. P. 397-406. DOI: 10.1007/s10845-008-0091-7

87. Davis R. P., Miller D. M. A model for determining machine reqturements in a multistage manufacturing system with discretely distributed demand // Applied Mathematical Modelling. 1978. Vol. 2, issue 2. P. 119-122. DOI: 10.1016/0307-904X(78)90049-5

88. DeLaurentis D.A., Mavris D.N. Uncertainty Modeling and Management in Multidisciplinary Analysis and Synthesis // Proceedings of the 38th AIAA Aerospace Sciences Meeting and Exhibit. 2000. Reno, NV, USA. P. 1-12. DOI: 10.2514/6.2000-422

89. Doumeingts G., Vallespir B., Chen D. Methodologies for designing CIM systems: A survey // Computers in Industry. 1995. Vol 25, issue 3. P. 263-280. DOI: 10.1016/0166-3615(94)00036-P

90. Fnides B. et al. Tool life evaluation of cutting materials in hard turning of AISI H11 // Estonian Journal of Engineering. 2013. Vol.19, issue 2. P. 143-151. DOI: 10.3176/eng.2013.2.04

91. Gholami M., Zandieh M., Alem-Tabriz A. Scheduling hybrid flow shop with sequence-dependent setup times and machines with random breakdowns // The International Journal of Advanced Manufacturing Technology. 2009. Vol. 42, issue 1. P. 189-201. DOI: 10.1007/s00170-008-1577-3

92. Groover Mikell P. Automation, production systems, and computer integrated manufacturing. New Jersey: Prentice-Hall, 2000. 856 p.

93. Hayes Jr. G. M., Davis R. P., Wysk R. A. A Dynamic Programming Approach to Machine Requirements Planning // A I I E Transactions. 1981. Vol 13. N. 2. P. 175-181. DOI: 10.1080/05695558108974550

94. Ho C.-J. Evaluating the impact of operating environments on MRP system nervousness // International Journal of Production Research. 1989. Vol. 27, issue 7. P. 1115-1135. DOI: 10.1080/00207548908942611

95. Huang Y., Chou Y. K., Liang S. Y. CBN tool wear in hard turning: a survey on research progresses // The International Journal of Advanced Manufacturing Technology. 2007. Vol.35, issue 5. P. 443-453. DOI:10.1007/s00170-006-0737-6

96. ISO/IEC 19501:2005. Информационные технологии. Открытая распределительная обработка. Унифицированный язык моделирования (UML). Версия 1.4.2. ISO/IEC JTC 1/SC 7. 2005

97. Jagstam M., Klingstam P. A handbook for integrating discrete event simulation as an aid in conceptual design of manufacturing systems // Proceedings of the 2002 Winter Simulation Conference. San - Diego. 2002. P. 1940-1944.

98. Kamrul Hasan S.M., Sarker R., Essam D. Genetic algorithm for job-shop scheduling with machine unavailability and breakdowns // International Journal of Production Research. 2011. Vol. 49, N. 16. P. 4999-5015. DOI: 10.1080/00207543.2010.495088

99. Koh S. C. L., Saad S. M. A holistic approach to diagnose uncertainty in ERP-controlled manufacturing shop floor // Production Planning & Control. 2003. Vol. 14, N. 3. P. 273-289. DOI: 10.1080/0953728031000111487

100. Koh S. C. L., Saad S. M., Jones M. H. Uncertainty under MRP-planned manufacture: Review and categorization // International Journal of Production Research. 2002. Vol. 40, N. 10. P. 2399-2421. DOI: 10.1080/00207540210136487

101. Kulak O., Bulent D. M., Kahraman C. Fuzzy multi-attribute equipment selection based on information axiom // Journal of Materials Processing Technology. 2005. Vol. 169, issue 3. P. 337-345. DOI: 10.1016/j.jmatprotec.2005.03.030

102. Law A. M. Simulation Modeling and Analysis. 5th edition. New York: McGraw Hill, 2015. 804 p.

103. Law A. M., McComas M. G. Simulation of manufacturing systems // Simulation Conference Proceedings. Phoenix, AZ, USA. 1999. Vol. 1. P. 56-59. DOI: 10.1109/WSC.1999.823052

104. Liu B. Uncertainty Theory. 4th edition. Berlin: Springer-Verlag, 2015. 508 p.

105. Lou P. et al. Multi-agent-based proactive-reactive scheduling for a job shop // The International Journal of Advanced Manufacturing Technology. 2012. Vol. 59, issue 1. P. 311-324. DOI: 10.1007/s00170-011-3482-4

106. Matta A., Semeraro Q. Design of Advanced Manufacturing Systems.Models for Capacity Planning in Advanced Manufacturing Systems. Dordrecht: Springer, 2005. 267 p.

107. Mehta S. V. Predictable scheduling of a single machine subject to breakdowns // International Journal of Computer Integrated Manufacturing. 1999. Vol. 12. N.

1. P. 15-38. DOI: 10.1080/095119299130443

108. Miller D. M., Davis R. P. A Dynamic Resource Allocation Model for A Machine Requirements Problem // A I I E Transactions. 1978. Vol. 10. N 3. P. 237-243. DOI: 10.1080/05695557808975210

109. Miller D. M., Davis R. P. The machine requirements problem // International Journal of Production Research. 1977. Vol. 15, issue 2. P. 219-231. DOI: 10.1080/00207547708943119

110. Monostoria L., Vanczaa J., Kumarac S.R.T. Agent-Based Systems for Manufacturing // CIRP Annals - Manufacturing Technology. 2006. Vol. 55, issue

2. P. 697-720. DOI: 10.1016/j.cirp.2006.10.004

111. Mourtzis D., Doukas M., Bernidaki, D. Simulation in Manufacturing: Review and Challenges // Procedia CIRP. 2014. Vol. 25. P. 213-229. DOI: 10.1016/j.procir.2014.10.032

112. Negahban A., Smith J. S. Simulation for manufacturing system design and operation: Literature review and analysis // Journal of Manufacturing Systems. 2014. Vol.33, issue 2. P. 241-261. DOI: 10.1016/j.jmsy.2013.12.007

113. Nouri H. E., Driss O. B., Ghedira K. A Holonic Multiagent Model Based on a Combined Genetic Algorithm—Tabu Search for the Flexible Job Shop Scheduling Problem // Highlights of Practical Applications of Agents, Multi-Agent Systems, and Sustainability - The PAAMS Collection // Communications in Computer and Information Science. 2015. Vol. 524. P. 43-54. DOI: 10.1007/978-3-319-19033-4_4

114. O'Donovan R., Uzsoy R., McKay K. N. Predictable scheduling of a single machine with breakdowns and sensitive jobs // International Journal of Production Research. 1999. Vol. 37, issue 18. P. 4217-4233 DOI: 10.1080/002075499189745

115. Ouelhadj D., Petrovic S. A survey of dynamic scheduling in manufacturing systems // Journal of Scheduling. 2009. Vol. 12, issue 4. P. 417-431. DOI: 10.1007/s10951-008-0090-8

116. Panwalkar S. S., Iskander W. A Survey of Scheduling Rules // Operations Research. 1977. Vol. 25, N. 1. P. 45-61.

117. Papadopoulos H.T., Heavey C. Queueing theory in manufacturing systems analysis and design: A classification of models for production and transfer lines // European Journal of Operational Research. 1996. Vol. 92, issue 1. P. 1-27. DOI: 10.1016/0377-2217(95)00378-9

118. Qi X.D., Yin G., Birge J.R. Single-machine scheduling with random machine breakdowns and randomly compressible processing times // Stochastic Analysis and Applications. 2000. Vol. 18, issue 4. P. 635-653. DOI: 10.1080/07362990008809689

119. Ruiz R., Maroto C. A genetic algorithm for hybrid flowshops with sequence dependent setup times and machine eligibility // European Journal of Operational Research. 2006. Vol. 169, issue 3. P. 781-800. DOI: 10.1016/j.ejor.2004.06.038

120. Ryu J.H., Dua V., Pistikopoulos E. N. Proactive Scheduling under Uncertainty: A Parametric Optimization Approach // Industrial & Engineering Chemistry Research. 2007. Vol. 46, N. 24. P. 8044-8049. DOI: 10.1021/ie070018j

121. Saaty T. L., Vargas L. G. Decision Making with the Analytic Network Process // International Series in Operations Research & Management Science. Vol. 195. New York: Springer, 2013. 280 p.

122. Sandvik Coromant. Coroguide web. // coroguide.com URL. http://www.coroguide.com (дата обращения 20.07.2015).

123. Seleim A., Azab A., AlGeddawy T. Simulation Methods for Changeable Manufacturing // Procedia CIRP. 2012. Vol. 3. P. 179 - 184. DOI: 10.1016/j.procir.2012.07.032

124. Sun D. et al. Scheduling flexible job shop problem subject to machine breakdown with game theory // International Journal of Production Research. 2014. Vol. 52. N. 13. P. 3858-3876. DOI: 10.1080/00207543.2013.784408

125. Tabucanon M. T., Batanov D. N., Verma D. K. Decision support system for multicriteria machine selection for flexible manufacturing systems // Computers in Industry.1994. Vol. 25, issue 2. P. 131-143.DOI:10.1016/0166-3615(94)90044-2

126. Tabucanon M. T., Ong J. L. Multiproduct, multistage machine requirements planning models // Applied Mathematical Modelling. 1993. Vol.17, issue 3. P. 162-167. DOI: 10.1016/0307-904X(93)90042-F

127. Van Luttervelt C. A. Typology of models and simulation methods for machining operations // Machining Science and Technology: An International Journal. 2001. Vol. 5, issue 2. P. 415-428. DOI: 10.1081/MST-100108623

128. Vieira G. E., Herrmann J. W., Lin E. Rescheduling Manufacturing Systems: A Framework of Strategies, Policies, and Methods // Journal of Scheduling. 2003. Vol. 6, issue 1. P. 39-62. DOI: 10.1023/A:1022235519958

129. Wang K., Choi S.H. A decomposition-based approach to flexible flow shop scheduling under machine breakdown // International Journal of Production Research. 2012. Vol.50. N.1. P. 215-234. DOI: 10.1080/00207543.2011.571456

130. Wang X., Triantaphyllou E. Ranking irregularities when evaluating alternatives by using some // Omega. 2008. Vol. 36, issue 1. P.45-63. DOI: 10.1016/j.omega.2005.12.003

131. Wazed M. A., Shamsuddin A., Yusoff N. Uncertainty Factors in Real Manufacturing Environment // Australian Journal of Basic and Applied Sciences. 2009. Vol. 3, N. 2. P. 342-351

132. Wu B. Handbook of Manufacturing and Supply Systems Design. London - New York: Taylor & Francis, 2002. 300 p.

133. Yazhou J., Molin W., Zhixin J. Probability distribution of machining center failures // Reliability Engineering & System Safety. 1995. Vol. 50, issue 1. P. 121-125. DOI: 10.1016/0951 -8320(95)00070-1

134. Yurdakul M. AHP as a strategic decision-making tool to justify machine tool selection // Journal of Materials Processing Technology. 2004. Vol.146, issue 3. P. 365-376. DOI: 10.1016/j.jmatprotec.2003.11.026

135. Yurdakul M., Tansel i? Y. Analysis of the benefit generated by using fuzzy numbers in a TOPSIS model developed for machine tool selection problems // Journal of Materials Processing Technology. 2009. Vol. 209, issue 1. P. 310-317. DOI: 10.1016/j.jmatprotec.2008.02.006

Рисунок П. 1. -

Схема процесса «Управление анализом и изменениями проектных технологических

Описание бизнес-процесса «Управление анализом и изменениями проектных технологических решений»

№ п/п Наименование операции Входные данные Содержание операции Выходные данные Примечание

1 Предварительный анализ проектного ТП Данные задания на проектирование: - конструкторская документация на изделие и заготовку; - данные объема выпуска изделий. Технологический процесс в исходном описании любого известного вида. Анализ содержания ТП, выделение частей процесса, соответствующих технологии или какой - либо ее законченной части для конкретного изделия. Определение порядка и содержания работ по восстановлению данных о производительности оборудования и определению предварительного количества оборудования. Оборудование выбрано. ТП, или его часть

2 Восстановление/ корректировка данных о производительнос ти оборудования Результаты операции п.1, справочные и нормативные данные, данные экспертных опросов, экспериментов по реализации ТО и отдельных переходов, наблюдений на действующих производствах. 1. Нормирование ТП (при отсутствии такового в исходном ТП), определение границ разброса величин оперативного времени. 2. Уточнение необходимого количества оборудования (предварительно). Задание тестового графа ТК. 3. Определение частот отказов ТС при анализе точности обработки 4. Составление сценария отказов и простоев оборудования. 1. Данные об оперативном времени ТО. 2. Тестовый граф ТК. 3. Сценарии отказов ТС.

№ п/п Наименование операции Входные данные Содержание операции Выходные данные Примечание

3 Моделирование ТК Результаты операции п.2 Построение имитационной модели ТК, настройка параметров модели. Имитационная модель ТК (подготовлена) В среде имитационного моделирования, или расчеты вручную

4 Оценка РНП. Результаты операции п.3 1. Определение плана статистических экспериментов. 2. Проведение экспериментов 3. Формирование отчета о РНП 4. Проверка адекватности прогноза производительности оборудования Отчет о РНП В случае неадекватного сценария, возврат к предыдущему этапам.

5 Модификация ТР Результаты операции п.4, в случае принятия решения о необходимости модификации 1. Определение направления модификации на основании данных отчета 2. Изменение описания ТП ТП с измененным содержанием.

6 Принятие варианта ТП для дальнейшей проработки и утверждения Результаты операции п.4, в случае приемлемых значений риска производительности и отсутствии необходимости модификации ТР. Принятие решения об утверждении проектного варианта ТП. Проектный ТП (утвержден).

Рисунок П.2. - Схема процесса «Восстановление/корректировка данных о производительности»

Описание процесса «Восстановление/корректировка данных о производительности»

№ п/п Наименование операции Входные данные Содержание операции Выходные данные Примечание

1 Нормирование ТП Единичный ТП Нормирование ТП с использованием справочников и точных расчетов Единичный ТП (отнормирован) При нормированном ТП могут пересчитываться составляющие штучного и штучно-калькуляционного времени, не входящие в оперативное время ТО.

2 Определение интервалов рассеяния оперативного времени Нормированный единичный ТП 1. Анализ структуры оперативного времени. 2. Определение рассеяния составляющих основного и вспомогательного времени. 3. Определение суммарного рассеяния оперативного времени ТО Данные о рассеянии оперативного времени Проводится пооперационно

3 Формирование тестового графа ТК Нормированный единичный ТП 1. Определение количества оборудования на каждой операции 2. Построение графа Тестовый граф ТК

№ п/п Наименование операции Входные данные Содержание операции Выходные данные Примечание

4 Определение сценария отказов ТС по параметрам качества (расчет точности обработки) ТП, справочные, нормативные, данные экспериментов, экспертные данные. Проведение расчета точности, определение интервала времени до очередного отказа ТС по параметрам качества с учетом модели риска отказа ТС. Сценарий отказов ТС по параметрам качества Проводится пооперационно

5 Сбор данных об иных отказах и простоях ТС То же, см. п.4 Составление списка простоев ТС с частотой возникновения и длительностью (диапазоны). Список простоев ТС по иным причинам Проводится пооперационно

6. Обработка сценария отказов ТС Результаты п.4, п.5 1. Анализ частот отказов и продолжительности простоев ТС. 2. Выявление пороговых временных значений группирования отказов 3. Группирование отказов ТС по частоте возникновения 4. Определение результирующего потока отказов ТС в каждой группе. Сценарий отказов ТС Собственные и вынужденные отказы ТС, без учета ожидания, для которых возможно определить параметры частоты и продолжительности на основании входных данных.

7 Агрегирование данных для моделирования ТК Результаты п.2, п.3, п.6 Сведение данных в файлы заданного формата и структуры (таблицы) Данные для моделирования Формат и структура файла принимаются при автоматизации процесса.

о

Рис.П.3. - Схема процесса «Определение причин и времени до отказа ТС»

00

Таблица П.3.

Описание процесса «Определение причин и времени до отказа ТС»

№ п/п Наименование операции Входные данные Содержание операции Выходные данные Примечание

1 Анализ достигаемых показателей качества Технологический процесс (требуемое описание): документация на ТО, эскизы. 1. Анализ показателей качества (требования к точности, качеству поверхностного слоя и др.) 2. Отбор показателей качества для расчета (наиболее существенных) Список показателей качества для расчета точности обработки. Может являться заданием для построения имитационной модели технологической операции

№ п/п Наименование операции Входные данные Содержание операции Выходные данные Примечание

1 Анализ достигаемых показателей качества 3. Анализ показателей качества (требования к точности, качеству поверхностного слоя и др.) 4. Отбор показателей качества для расчета (наиболее существенных)

2 Определение элементарных погрешностей обработки Технологический процесс (требуемое описание): документация на ТО, эскизы. 1. Определение вида задания погрешности (систематическая или случайная), группирование элементарных погрешностей. 2. Определение связей между элементарными погрешностями. Перечень элементарных погрешностей, соотнесенный с результатом п.1 Определение перечня элементарных погрешностей, необходимых для расчета или моделирования ТО

3 Анализ и получения недостающих для расчета данных Результаты п.1, п.2. Справочные, экспертные, экспериментальные данные. Анализ данных и получение недостающих данных о погрешностях. Расчет точности обеспечен данными При имитационном моделировании ТО предполагаемая модель обеспечена расчетными данными

№ Наименование Входные данные Содержание операции Выходные Примеч.

п/п операции данные

Выбор расчетной Определение метода Порядок Построение модели

схемы для ТП (требуемое суммирования и перечня суммирования ТО с возможностью

4 определения описание), результаты элементарных , список вывода значений

суммарной п.1.-п.3 погрешностей. элементарных целевых показателей

погрешности погрешностей

Задание Численное задание границ Граничные

5 пороговых Исходные данные п.3., вероятности отказа ТС (от значения

значений риска отказа ТС результаты п.1-п.4 0 до 1) вероятности отказа ТС

1. Построение Функции Зависимость

циклограммы суммарной суммарной

6 Определение функции суммарной погрешности обработки Результаты п.1-п.5 технологической операции 2. Суммирование элементарных погрешности обработки погрешности обработки для каждого формируемого показателя качества от

погрешностей в группах 3. Определение суммарной погрешности обработки. времени.

Определение Определение причин и Сценарий Могут быть

интервала времени до отказа ТС по отказов ТС по рассмотрены

7 времени до отказа ТС (по параметрам качества). Результаты п.5,п.6 заданным пороговым значениям риска параметрам качества различные варианты с различным набором входных параметров при реализации п.6.

ю о

Пример кода Matlab для решения задачи параметрической оптимизации однопроходной токарной операции (задача 3, глава 4)

%исходные данные;

и0=12; % относительный износ пластины, мкм/км

sigmaBmin=588; % минимальный предел прочности материала заготовки, МПа sigmaBmax=600; % максимальный предел прочности материала заготовки, МПа DzagMax=35.2; % максимальный диаметр исходной заготовки, мм DzagMin=34.8; % минимальный диаметр исходной заготовки,мм DdetMax=34.3; % максимальный диаметр заготовки после операции,мм DdetMin=34.1; % минимальный диаметр заготовки после операции,мм DzMax=250; % максимальный диаметр обработки, мм jpb=1800*DzMaxA(1/3); % жесткость передней бабки, Н/мм jzb=1400*DzMaxA(1/3); % жесткость задней бабки, Н/мм jsupp=10A5; % жесткость суппорта, Н/мм

tMax=(DzagMax-DdetMin)/2; % глубина резания максимальная,мм tMin=(DzagMin-DdetMax)/2; % глубина резания минимальная,мм Td=200; % допуск на диаметр заготовки, мкм

% Показатели для расчета сил резания

Cpz=300;

xz=1;

yz=0.75;

ш=-0.15;

Кйр=1;

Kgammap=1;

Klambdap=1;

пк=0.75;

KmpMin=(sigmaBmin/750)Ank;

KmpMax=(sigmaBmax/750)Ank;

KpMax=KmpMax*Kfip*Kgammap*Klambdap;

KpMm=KmpMm*Kfip*Kgammap*Klambdap;

Сру=243;

ху=0.9;

уу=0.6;

пу=-0.3;

% переменные модели

nzag=500:50:800; % частота врашения шпинделя, об/мин с шагом 50 об/мин

v=pi*DdetMax*nzag./1000; % скорость резания, м/мин

s=0.2:0.05:0.5; % подача, мм/об с шагом 0,05 мм/об

%построение сетки осей скорости и подач

[v,s]=meshgrid(v,s)

%расчет силы Pz, Н

A1=s.Ayz;

PzMax=10*Cpz*tMaxAxz*KpMax*A1.*B1; % максимальное значение Pz, Н

PzMin=10*Cpz*tMinAxz*KpMin*A1.*B1; % минимальное значение Pz, Н

%Расчет силы Ру, Н

A2=s.Ayy;

B2=v.Any;

PyMax=10*Cpy*tMaxAxy*KpMax*A2.*B2; % максимальное значение Ру, Н

PyMin=10*Cpy*tMinAxy*KpMin*A2.*B2; % минимальное значение Ру, Н

% равнодействующая сил резания, Н

PmaxZat=PzMax. *2A0.5;

PminZat=PzMin.*2A0.5;

% податливость ТС, мкм/Н

wTC=1/jsupp+0.25*(1/jpb+1/jzb);

% интервал погрешности от упругих деформаций ТС, мкм

deltaYmaxzat=PmaxZat. *2*wTC; deltaYminzat=PminZat. *2*wTC;

deltaRasszat=deltaYmaxzat-deltaYminzat % рассеяние погрешности от упругих деформаций, мкм %погрешность настройки, мм deltaNastr=0.1;

% Определение времени до очередной подналадки ТС, мин A3=v.A(-1);

tauPerMax=1000/(2*u0)*(Td-1000*deltaNastr)*A3;

tauPerMin=( 1000/(2*u0)*(Td-1000*(deltaNastr+deltaRasszat))). *A3;

%Среднее время до подналадки ТС, мин

tauMID=0.5 *(tauPerMax+tauPerMin)

%Рассеяение времени до подналадки ТС, мин

tauRass=tauPerMax-tauPerMin

%определение оперативного времени, мин

Lzag=90;

A4=v.*s;

Ton=(pi*DdetMax*Lzag/1000)*A4.A(-1)+0.4 %вспомогательное время 0,4 мин % вычисление критерия оптимизации Сп hold on

ZZ=tauRass.*Ton Z=tauMID.*ZZ.A(-1)

surf(v,s,Z); % построение графика &(v,s)

Данные статистических машинных экспериментов

Базовый вариант ТК

№ эксп. % тыс. шт. КЭИТС № эксп. Лф, тыс. шт. КЭИТС

010 020 030 040 050 010 020 030 040 050

1 29,726 1,046 0,791 0,809 0,782 0,138 0,619 26 28,829 1,015 0,8 0,804 0,785 0,138 0,601

2 29,697 1,045 0,797 0,806 0,79 0,139 0,619 27 28,97 1,02 0,797 0,807 0,786 0,138 0,604

3 29,436 1,036 0,788 0,808 0,789 0,139 0,613 28 29,051 1,023 0,797 0,805 0,794 0,14 0,605

4 29,321 1,032 0,802 0,796 0,786 0,138 0,611 29 29,206 1,028 0,792 0,809 0,8 0,141 0,608

5 29,511 1,039 0,799 0,807 0,795 0,14 0,615 30 29,309 1,032 0,793 0,799 0,784 0,138 0,611

6 28,964 1,01 0,8 0,796 0,792 0,14 0,603 31 29,57 1,041 0,79 0,802 0,787 0,136 0,616

7 29,328 1,032 0,791 0,804 0,785 0,138 0,611 32 29,423 1,036 0,804 0,811 0,791 0,14 0,613

8 29,671 1,044 0,795 0,807 0,791 0,139 0,618 33 29,431 1,036 0,8 0,796 0,783 0,138 0,613

9 29,241 1,029 0,791 0,81 0,801 0,141 0,609 34 29,378 1,034 0,803 0,801 0,795 0,14 0,612

10 29,398 1,035 0,799 0,818 0,804 0,142 0,612 35 29,358 1,033 0,792 0,806 0,789 0,139 0,612

11 29,144 1,026 0,79 0,81 0,795 0,14 0,607 36 29,364 1,034 0,792 0,807 0,796 0,14 0,612

12 29,109 1,025 0,788 0,806 0,799 0,14 0,606 37 29,449 1,037 0,801 0,798 0,791 0,14 0,614

13 29,698 1,045 0,793 0,806 0,801 0,141 0,619 38 29,505 1,038 0,799 0,808 0,796 0,14 0,615

14 29,356 1,033 0,791 0,8 0,794 0,14 0,612 39 29,33 1,032 0,796 0,81 0,797 0,14 0,611

15 29,265 1,03 0,795 0,809 0,794 0,14 0,61 40 29,391 1,034 0,799 0,802 0,788 0,139 0,612

16 29,299 1,031 0,799 0,796 0,783 0,138 0,61 41 29,536 1,04 0,789 0,805 0,793 0,14 0,615

17 29,255 1,03 0,803 0,813 0,796 0,14 0,61 42 29,698 1,045 0,798 0,819 0,799 0,14 0,619

18 29,093 1,024 0,793 0,795 0,785 0,138 0,606 43 29,431 1,036 0,791 0,794 0,783 0,138 0,613

19 29,565 1,041 0,794 0,784 0,776 0,136 0,616 44 29,761 1,047 0,793 0,793 0,778 0,137 0,62

20 29,304 1,031 0,797 0,807 0,782 0,137 0,61 45 29,246 1,029 0,8 0,811 0,796 0,14 0,609

21 29,093 1,024 0,786 0,804 0,787 0,138 0,606 46 29,862 1,051 0,79 0,801 0,788 0,139 0,622

22 29,2 1,028 0,797 0,812 0,797 0,14 0,608 47 29,644 1,043 0,792 0,807 0,796 0,14 0,618

23 29,168 1,027 0,8 0,802 0,791 0,139 0,608 48 29,507 1,039 0,792 0,808 0,798 0,14 0,615

24 29,691 1,045 0,796 0,806 0,789 0,139 0,619 49 29,15 1,026 0,795 0,801 0,794 0,14 0,607

25 29,612 1,042 0,8 0,814 0,796 0,14 0,617 50 29,221 1,029 0,789 0,789 0,783 0,138 0,609

Результаты обработки статистических данных

X А, А,- Э(Р = 0,95) = 0,05) ^набл X А, А,- э(Р = 0,95) /2р(а = 0,05) ^набл

29,375 0,230 0,588 0,109 5,991 0,758 КЭИ ТС030 0,791 0,006 0,05 0,003 5,991 4,056

КЭИ ТС010 0,7937 0,005 0,05 0,002 5,991 5,18 КЭИ ТС040 0,139 0,001 0,0006 3,841 1,604

КЭИ ТС020 0,8049 0,007 0,003 5,991 2,859 КЭИ ТС050 0,612 0,005 0,002 3,841 0,699

Проектный вариант ТК

№ эксп. щ, тыс. шт. кэи ТС № эксп. ^ф, тыс. шт. КЭИТС

010 (1) 010(2) 010(3) 020 010 020 030 020

1 30,6 0,569 0,835 0,835 0,826 0,076 26 30,6 0,569 0,831 0,827 0,826 0,076

2 30,6 0,569 0,836 0,83 0,826 0,076 27 30,6 0,569 0,828 0,836 0,831 0,076

3 30,3 0,563 0,822 0,837 0,828 0,076 28 30,6 0,569 0,833 0,841 0,826 0,076

4 30,6 0,569 0,836 0,828 0,839 0,076 29 30,3 0,563 0,84 0,825 0,835 0,076

5 30,6 0,569 0,833 0,833 0,829 0,076 30 30 0,558 0,827 0,819 0,821 0,075

6 30,6 0,569 0,832 0,834 0,829 0,076 31 30,6 0,569 0,829 0,831 0,832 0,076

7 30,3 0,563 0,831 0,824 0,835 0,076 32 30,6 0,569 0,831 0,834 0,834 0,076

8 30,6 0,569 0,83 0,834 0,83 0,076 33 30,6 0,569 0,828 0,833 0,831 0,076

9 30,6 0,569 0,834 0,833 0,839 0,076 34 30,6 0,569 0,829 0,836 0,838 0,076

10 30,6 0,569 0,827 0,829 0,834 0,076 35 30 0,558 0,822 0,819 0,832 0,075

11 30,3 0,563 0,831 0,832 0,823 0,076 36 30,6 0,569 0,831 0,836 0,827 0,076

12 30,6 0,569 0,828 0,826 0,836 0,076 37 30,6 0,569 0,836 0,836 0,833 0,076

13 30,6 0,569 0,828 0,828 0,825 0,076 38 30,6 0,569 0,831 0,831 0,834 0,076

14 30,6 0,569 0,83 0,829 0,832 0,076 39 30,507 0,567 0,832 0,825 0,832 0,076

15 30,6 0,569 0,837 0,834 0,833 0,076 40 30,3 0,563 0,832 0,821 0,828 0,076

16 30,243 0,562 0,819 0,825 0,827 0,076 41 30,3 0,563 0,834 0,823 0,837 0,076

17 30,6 0,569 0,835 0,831 0,827 0,076 42 30,203 0,561 0,838 0,825 0,825 0,076

18 30,6 0,569 0,828 0,83 0,837 0,076 43 30,3 0,563 0,831 0,823 0,83 0,076

19 30,6 0,569 0,827 0,831 0,83 0,076 44 30,6 0,569 0,829 0,828 0,827 0,076

20 30,6 0,569 0,831 0,833 0,832 0,076 45 30,6 0,569 0,835 0,836 0,834 0,076

21 30,6 0,569 0,828 0,84 0,828 0,076 46 30,6 0,569 0,831 0,827 0,832 0,076