CN106950922A - 基于二级实例推理的废旧零部件再制造工艺决策方法 - Google Patents
基于二级实例推理的废旧零部件再制造工艺决策方法 Download PDFInfo
- Publication number
- CN106950922A CN106950922A CN201710227682.3A CN201710227682A CN106950922A CN 106950922 A CN106950922 A CN 106950922A CN 201710227682 A CN201710227682 A CN 201710227682A CN 106950922 A CN106950922 A CN 106950922A
- Authority
- CN
- China
- Prior art keywords
- remanufacture
- waste
- old
- grades
- case
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
- G05B19/4083—Adapting programme, configuration
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35356—Data handling
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明属于机床再制造领域,尤其涉及一种基于二级实例推理的废旧零部件再制造工艺决策方法。该方法主要包括以下步骤:(1)分析废旧零部件的失效形式并将其以基于本体的OWL语言进行表述;(2)引入皮尔森相关系数,构建相似再制造工艺实例的相似度计算方法;(3)进行一级再制造工艺实例推理以及二级再制造工艺参数推理以获得候选再制造工艺及其参数,并决策出最佳再制造工艺。本发明能够获得满足再制造要求的最佳工艺方案,实现了再制造工艺的科学决策,为再制造工艺方案的制定提供了有效决策支持。
Description
技术领域
本发明属于机床再制造领域,尤其涉及一种基于二级实例推理的废旧零部件再制造工艺决策方法。
技术背景
再制造产业相对发达的欧美国家拥有高度的再制造工艺流程,从废旧机床的预检测、拆解、清洗等到最后的再制造装配过程,均存在的工艺规程文件作为其支撑,其批量化的再制造生产方式同样使再制造机床的质量得到了充分保障。而我国再制造产业起步较晚,目前还不具备规模化的生产方式。由于目前我国的废旧机床回收物流系统尚不发达,绝大部分废旧机床无法实现大范围流通,通常只能由所在企业进行再制造修复。这导致我国废旧机床再制造方式成为单件小批量生产,因此对废旧机床存在的缺陷问题往往无法进行有效归纳与总结,从而无法指定的再制造工艺决策流程。
同时,由于缺乏相关再制造工艺决策方法,制约了再制造概念的广泛传播,造成顾客与市场对再制造机床缺乏足够的可信度,担心再制造机床质量是否符合需求,是否具有良好的可靠性等。因此,再制造工艺决策是保证再制造机床质量的关键环节。目前废旧机床再制造工艺决策过程存在如下问题:(1)人工决策为主,过于依赖经验,再制造修复效率低;(2)再制造修复工艺过于繁杂,修复质量波动程度过大;(3)再制造修复工艺选择不恰当,造成资源浪费;(4)缺乏检测过程,对废旧零部件以及再制造零部件的质量检测不完善。
因此,有必要提出一种科学的再制造工艺决策方法,从而降低人工决策带来的工艺不合理性以及再制造过程的质量波动等一系列问题。
发明内容
为了降低人工决策带来的工艺不合理性以及再制造过程的质量波动等一系列问题,本发明的目的在于提供一种基于二级实例推理的废旧零部件再制造工艺决策方法,实现了再制造工艺科学合理的决策。
本发明的技术方案是
一种基于二级实例推理的废旧零部件再制造工艺决策方法,用于根据废旧零部件的失效形式以及在制造工艺要求制定科学合理的再制造工艺方案,包括以下步骤:
(1)分析废旧零部件的失效形式并将其以基于本体的OWL语言进行表述:首先分析待修复的废旧零部件,根据其再制造要求提取相关的特征参数知识;其次,将提取出的废旧零部件特征参数知识通过相应的手段将其转化为规范化语言,以便输入推理机进行实例推理;规范化的废旧零部件特征参数知识包括失效形式知识表达以及具体失效情况知识表达两部分;前者对废旧零部件的失效类型进行定义,后者对关于其失效类型的相关参数进行定义;在对废旧零部件的失效特征进行定义后,进入一级实例推理阶段;
(2)引入皮尔森相关系数,构建相似再制造工艺实例的相似度计算方法:一级实例推理根据废旧零部件的失效类型,对废旧零部件再制造工艺类型进行推理计算;在推理计算过程中,推理机将输入的废旧机床失效特征与数据库中存在的相关再制造工艺进行匹配运算,根据事先定义的关联度函数,最终得到二者之间的关联度值;关联度值的运算除了考虑输入特征与匹配特征外,再将再制造成本、再制造技术可行性以及再制造工艺绿色性因素考虑在内,最终通过加权算法,得到最终的相似度值;
实例间的匹配是基于其实例特征的匹配,因此在匹配过程之前应从中选取对匹配结果影响较大的实例特征;
对于定量表示的实例特征,若其定量特征值为x,与之对应的期望实例特征值为y,则基于皮尔森系数的相似度由式(1)所示:
其中,xi为第项候选实例特征值,yi为对应的第项期望实例特征值,r(X,Y)表示分别对X和Y基于自身总体规范化后计算空间向量的余弦夹角,而X和Y则分别表示包含xi和yi的实例特征值向量;而对于每一项定性表示的实例特征局部相似度,则由式(2)所示:
其中,pl表示实例特征X包含的第l项定性特征的语义值,ql表示期望特征Y包含的第l项定性特征的语义值;若二者语义值吻合,则相似度取1,否则取0;定性特征相似度由式(3)所示:
Sl为第l项定性特征局部相似度,wl为其对应的权重值;因此候选实例与期望实例之间的相似度值由式(4)所示:
sim(X,Y)=r(X,Y)k+s(X,Y) (4)
其中,k为定量特征权重系数,s(X,Y)为定性特征相似度;
(3)进行一级再制造工艺实例推理以及二级再制造工艺参数推理以获得候选再制造工艺及其参数:经过一级实例推理后,根据事先定义的最低相似度,从再制造工艺数据库提取出若干个满足再制造要求的相似再制造工艺实例;基于这些实例进入二级实例推理过程;
二级实例推理的主要目标为根据输入的再制造实例,同样与第一级实例推理相似度为推理基准,通过推理机得到满足再制造要求的再制造工艺参数,这些再制造工艺参数将为后续的再制造工艺决策过程提供有效参考;在二级实例推理结束后,将得到若干个再制造工艺及其对应的工艺参数;最终从候选再制造工艺中选择最为合适的再制造工艺最为最终再制造工艺的参考,并对决策出的再制造工艺进行工艺参数修正,以适应当前的废旧零部件再制造修复过程。
所述步骤(1)中,根据其再制造要求提取相关的特征参数为磨损面积或裂纹深度。
所述步骤(1)中,将提取出的废旧零部件特征参数知识通过相应的手段将其转化为规范化语言为基于本体的XML或OWL语言。
所述步骤(2)中,对于废旧机床导轨的实例特征为:材料类型、失效类型、失效程度、导轨平面度、导轨平行度或大山导轨直线度。
所述步骤(3)中,通过推理机得到满足再制造要求的再制造工艺参数为加工余量、切削速度或镀层厚度。
本发明的优点及有益效果是:
本发明方法主要包括以下步骤:(1)分析废旧零部件的失效形式并将其以基于本体的OWL语言进行表述;(2)引入皮尔森相关系数,构建相似再制造工艺实例的相似度计算方法;(3)进行一级再制造工艺实例推理以及二级再制造工艺参数推理以获得候选再制造工艺及其参数,决策出最佳再制造工艺。本发明能够获得满足再制造要求的最佳工艺方案,实现了再制造工艺的科学决策,为再制造工艺方案的制定提供了有效决策支持。
附图说明
图1为废旧机床导轨检测过程示意图。图中:1、床身;2、尾座;3、溜板;4、垂直面平行度检测表;5、水平面平行度检测表。
具体实施方式
在具体实施过程中,本发明提供了一种基于二级实例推理的废旧零部件再制造工艺决策方法,其用于根据废旧零部件的失效形式以及在制造工艺要求制定科学合理的再制造工艺方案。基于二级实例推理的废旧零部件再制造工艺决策方法,其用于废旧零部件的再制造工艺决策过程,该二级实例推理的废旧零部件再制造工艺决策方法包括以下步骤:
(1)分析废旧零部件的失效形式并将其以基于本体的OWL语言进行表述:首先分析待修复的废旧零部件,根据其再制造要求提取相关的特征参数知识,如:磨损面积、裂纹深度等。其次,将提取出的废旧零部件特征参数知识通过相应的手段将其转化为规范化语言,如:基于本体的XML或者OWL语言等,以便输入推理机进行实例推理。规范化的废旧零部件特征参数知识,主要包括失效形式知识表达以及具体失效情况知识表达两部分。前者对废旧零部件的失效类型进行定义,后者对关于其失效类型的相关参数进行定义。在对废旧零部件的失效特征进行定义后,进入一级实例推理阶段。
(2)引入皮尔森相关系数,构建相似再制造工艺实例的相似度计算方法:一级实例推理根据废旧零部件的失效类型,对废旧零部件再制造工艺类型进行推理计算。在推理计算过程中,推理机将输入的废旧机床失效特征与数据库中存在的相关再制造工艺进行匹配运算,根据事先定义的关联度函数,最终得到二者之间的关联度值。关联度值的运算除了考虑输入特征与匹配特征外,还需要将再制造成本、再制造技术可行性以及再制造工艺绿色性等因素考虑在内,最终通过加权算法,得到最终的相似度值。
实例间的匹配是基于其实例特征的匹配,因此在匹配过程之前应从中选取对匹配结果影响较大的实例特征。例如,对于废旧机床导轨的实例特征主要有:材料类型、失效类型、失效程度、导轨平面度、导轨平行度、大山导轨直线度等。
对于定量表示的实例特征,若其定量特征值为x,与之对应的期望实例特征值为y,则基于皮尔森系数的相似度可由式(1)所示:
其中,xi为第项候选实例特征值,yi为对应的第项期望实例特征值,r(X,Y)表示分别对X和Y基于自身总体规范化后计算空间向量的余弦夹角,而X和Y则分别表示包含xi和yi的实例特征值向量。而对于每一项定性表示的实例特征局部相似度,则由式(2)所示:
其中,pl表示实例特征X包含的第l项定性特征的语义值,ql表示期望特征Y包含的第l项定性特征的语义值。若二者语义值吻合,则相似度取1,否则取0。定性特征相似度由式(3)所示:
Sl为第l项定性特征局部相似度,wl为其对应的权重值。因此候选实例与期望实例之间的相似度值由式(4)所示:
sim(X,Y)=r(X,Y)k+s(X,Y) (4)
其中,k为定量特征权重系数,s(X,Y)为定性特征相似度。
(3)进行一级再制造工艺实例推理以及二级再制造工艺参数推理以获得候选再制造工艺及其参数:经过一级实例推理后,根据事先定义的最低相似度,可从再制造工艺数据库提取出若干个满足再制造要求的相似再制造工艺实例,基于这些实例进入二级实例推理过程。
二级实例推理的主要目标为根据输入的再制造实例,同样与第一级实例推理相似度为推理基准,通过推理机得到满足再制造要求的再制造工艺参数,例如:加工余量、切削速度、镀层厚度等。这些再制造工艺参数将为后续的再制造工艺决策过程提供有效参考。在二级实例推理结束后,将得到若干个再制造工艺及其对应的工艺参数。然而受限于再制造成本,再制造工艺技术难度与工艺绿色性等因素的制约,还需对这些再制造工艺进行评估。同时采用科学有效的决策方法,最终从候选再制造工艺中选择最为合适的再制造工艺最为最终再制造工艺的参考,并对决策出的再制造工艺进行工艺参数修正,以适应当前的废旧零部件再制造修复过程。
如图1所示,废旧机床导轨检测结构如下,床身1和尾座2之间设有溜板3,尾座2的一侧设置水平面平行度检测表5,尾座2的另一侧设置垂直面平行度检测表4。现以某机床再制造企业的废旧CAK6136导轨再制造工艺决策为例,对其进行导轨性能检测分析,具体步骤如下:
(1)分析废旧零部件的失效形式并将其以基于本体的OWL语言进行表述:对该废旧机床尾座套筒轴线对溜板箱移动的平行度进行检测,如附图1所示。通过对该废旧机床进行检测,确认该导轨主要存在的失效形式为粘着磨损.此外,通过对磨损区域的分析与观察可知,导轨面的剪切破坏多发生在粘着面不远的软金属层内,软金属层之间相互摩擦与磨损,因此可知该磨损程度为涂抹磨损。导轨总体损伤面积大概为200mm2。此外,导轨面还存在少量腐蚀与疲劳损伤。
针对粘着磨损提取相应的失效工艺特征,如:失效类型、失效程度等。针对针对粘着磨损提取工艺特征参数,如:磨损面积、疲劳裂纹深度等。
将导轨的失效特征参数以形式化的语言进行表示,以便进行实例推理过程。形式化语言形式多样,本例以基于本体的OWL语言为例,部分废旧导轨的失效特征表达如下:
<owl:class>
<owl:oneof rdf:parseType="failure">
<owl:Thing rdf:ID="Friction"/>
…………
<owl:Thing rdf:ID="Corrosion"/>
其中、以class定义一种类别,具体类型由parseType定义为failure,即失效类别,而失效类别总体包括了磨损(Friction)与腐蚀(Corrosion)等类型。其他包括失效特征、再制造约束等,均可由基于本体的OWL语言进行表述。
将废旧机床导轨本体知识和再制造工艺要求输入到推理机中,同时提取机床导轨实例特征。再制造工艺知识库中已有的候选工艺实例与根据再制造工艺要求规定的期望工艺实例如下表所示。
根据式(1),所有候选工艺实例的皮尔森相关系数算子表如下各表所示:
由式(2)可得候选再制造工艺实例包含的定性特征相似度,如下表所示。
若再制造工艺特征权重向量V为:
V=(k,vl)=(0.5,0.2,0.16,0.14)
则最终各项优选再制造工艺实例相似度计算如下表所示:
根据设定最低相似度为0.9的标准,再制造工艺实例1与再制造工艺实例2符合再制造要求,通过推理机得到的两条符合要求的再制造工艺路线分别为:
相似工艺实例1:磨削-激光脉冲电刷镀-锡铋合金焊接;
相似工艺实例2:磨削-激光熔覆-表面处理;
接下来将这两条相似工艺实例输入到二级推理机,即再制造工艺参数库中,并得到对应工艺实例的工艺参数。根据推理结果,制定相应的再制造工艺流程如下:
工艺流程1:废旧导轨表面预处理--磨削去毛刺—除油除灰—电净处理(电压10V,阴阳极相对移动速度1.5m/s)—刷镍底层(0.01mm)—刷碱铜—水洗酸洗—焊锡铋合金层(0.01mm)--打磨抛光—检测。
工艺流程2:废旧导轨表面预处理--磨削去毛刺—除油除灰—选定激光熔覆设备--设定激光熔覆参数(激光功率1600W,扫描速度8mm/s,预置层厚度0.4mm,离焦量40mm)—进行激光熔覆—打磨抛光—检测。
因此,通过上述两种再制造工艺实例,均可达到该废旧导轨的再制造工艺要求。该再制造企业对这两例再制造工艺流程进行评估,考虑到该再制造企业目前拥有的专用电刷镀电源的电压调节范围以及电压变化幅度等技术指标无法满足工艺要求,且再制造工艺流程1相对工艺步骤较多,加工复杂程度高,因此最终选定再制造工艺流程2作为最终废旧导轨的修复工艺,进而对其实施激光熔覆处理。
经检验,经过激光熔覆的再制造工艺修复后的机床导轨的直线度,平行度以及表面粗糙度等精度指标均符合预期要求。此外,在该机床进行再制造装配过程后,检测其尾座套筒轴线相对于溜板移动的平行度,在垂直平面内由原来的0.026mm/100mm降低为0.018mm/100mm,在水平面内由原来的0.018mm/100mm降低至0.012mm/100mm,表明该工艺流程在保证技术、成本以及绿色性的可行性条件约束下,能够达到再制造要求,体现了该工艺决策流程的可行性与有效性。
因此,将该工艺流程转化为形式化的语言表达,并输入到再制造工艺实例数据库中,形成规范的再制造工艺流程,以便日后的相似再制造工艺决策问题的求解。
以上对本发明较佳的实施方式进行了阐述,但本发明并不局限于以上特定实施方式,任何熟悉本领域的技术人员在本发明揭露的技术范围内,对本发明做出的任何较易的变换与修改,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于二级实例推理的废旧零部件再制造工艺决策方法,其特征在于,用于根据废旧零部件的失效形式以及在制造工艺要求制定科学合理的再制造工艺方案,包括以下步骤:
(1)分析废旧零部件的失效形式并将其以基于本体的OWL语言进行表述:首先分析待修复的废旧零部件,根据其再制造要求提取相关的特征参数知识;其次,将提取出的废旧零部件特征参数知识通过相应的手段将其转化为规范化语言,以便输入推理机进行实例推理;规范化的废旧零部件特征参数知识包括失效形式知识表达以及具体失效情况知识表达两部分;前者对废旧零部件的失效类型进行定义,后者对关于其失效类型的相关参数进行定义;在对废旧零部件的失效特征进行定义后,进入一级实例推理阶段;
(2)引入皮尔森相关系数,构建相似再制造工艺实例的相似度计算方法:一级实例推理根据废旧零部件的失效类型,对废旧零部件再制造工艺类型进行推理计算;在推理计算过程中,推理机将输入的废旧机床失效特征与数据库中存在的相关再制造工艺进行匹配运算,根据事先定义的关联度函数,最终得到二者之间的关联度值;关联度值的运算除了考虑输入特征与匹配特征外,再将再制造成本、再制造技术可行性以及再制造工艺绿色性因素考虑在内,最终通过加权算法,得到最终的相似度值;
实例间的匹配是基于其实例特征的匹配,因此在匹配过程之前应从中选取对匹配结果影响较大的实例特征;
对于定量表示的实例特征,若其定量特征值为x,与之对应的期望实例特征值为y,则基于皮尔森系数的相似度由式(1)所示:
其中,xi为第项候选实例特征值,yi为对应的第项期望实例特征值,r(X,Y)表示分别对X和Y基于自身总体规范化后计算空间向量的余弦夹角,而X和Y则分别表示包含xi和yi的实例特征值向量;而对于每一项定性表示的实例特征局部相似度,则由式(2)所示:
其中,pl表示实例特征X包含的第l项定性特征的语义值,ql表示期望特征Y包含的第l项定性特征的语义值;若二者语义值吻合,则相似度取1,否则取0;定性特征相似度由式(3)所示:
Sl为第l项定性特征局部相似度,wl为其对应的权重值;因此候选实例与期望实例之间的相似度值由式(4)所示:
sim(X,Y)=r(X,Y)k+s(X,Y) (4)
其中,k为定量特征权重系数,s(X,Y)为定性特征相似度;
(3)进行一级再制造工艺实例推理以及二级再制造工艺参数推理以获得候选再制造工艺及其参数:经过一级实例推理后,根据事先定义的最低相似度,从再制造工艺数据库提取出若干个满足再制造要求的相似再制造工艺实例;基于这些实例进入二级实例推理过程;
二级实例推理的主要目标为根据输入的再制造实例,同样与第一级实例推理相似度为推理基准,通过推理机得到满足再制造要求的再制造工艺参数,这些再制造工艺参数将为后续的再制造工艺决策过程提供有效参考;在二级实例推理结束后,将得到若干个再制造工艺及其对应的工艺参数;最终从候选再制造工艺中选择最为合适的再制造工艺最为最终再制造工艺的参考,并对决策出的再制造工艺进行工艺参数修正,以适应当前的废旧零部件再制造修复过程。
2.按照权利要求1所述的基于二级实例推理的废旧零部件再制造工艺决策方法,其特征在于,步骤(1)中,根据其再制造要求提取相关的特征参数为磨损面积或裂纹深度。
3.按照权利要求1所述的基于二级实例推理的废旧零部件再制造工艺决策方法,其特征在于,步骤(1)中,将提取出的废旧零部件特征参数知识通过相应的手段将其转化为规范化语言为基于本体的XML或OWL语言。
4.按照权利要求1所述的基于二级实例推理的废旧零部件再制造工艺决策方法,其特征在于,步骤(2)中,对于废旧机床导轨的实例特征为:材料类型、失效类型、失效程度、导轨平面度、导轨平行度或大山导轨直线度。
5.按照权利要求1所述的基于二级实例推理的废旧零部件再制造工艺决策方法,其特征在于,步骤(3)中,通过推理机得到满足再制造要求的再制造工艺参数为加工余量、切削速度或镀层厚度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710227682.3A CN106950922B (zh) | 2017-04-10 | 2017-04-10 | 基于二级实例推理的废旧零部件再制造工艺决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710227682.3A CN106950922B (zh) | 2017-04-10 | 2017-04-10 | 基于二级实例推理的废旧零部件再制造工艺决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106950922A true CN106950922A (zh) | 2017-07-14 |
CN106950922B CN106950922B (zh) | 2019-02-01 |
Family
ID=59474159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710227682.3A Expired - Fee Related CN106950922B (zh) | 2017-04-10 | 2017-04-10 | 基于二级实例推理的废旧零部件再制造工艺决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106950922B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110000190A (zh) * | 2019-04-09 | 2019-07-12 | 三一汽车制造有限公司 | 工程机械再制造方法和泵车再制造方法 |
CN111275349A (zh) * | 2020-02-07 | 2020-06-12 | 武汉科技大学 | 一种基于区块链和实例推理的再制造工艺规划方法 |
CN113255159A (zh) * | 2021-06-16 | 2021-08-13 | 浙江大胜达包装股份有限公司 | 一种基于成本模型的纸品包装自动匹配设计方法与系统 |
CN116029137A (zh) * | 2023-02-01 | 2023-04-28 | 燕山大学 | 一种工程机械液压油缸退役产品再制造评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103615995A (zh) * | 2013-11-18 | 2014-03-05 | 江苏科技大学 | 一种基于超声表面波的薄熔覆层厚度无损评价方法 |
CN105241960A (zh) * | 2015-09-30 | 2016-01-13 | 中国人民解放军装甲兵工程学院 | 一种再制造曲轴弯曲疲劳裂纹监测方法、装置及系统 |
CN106447047A (zh) * | 2016-01-17 | 2017-02-22 | 沈阳工业大学 | 一种废旧机床可再制造质量评估方法 |
-
2017
- 2017-04-10 CN CN201710227682.3A patent/CN106950922B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103615995A (zh) * | 2013-11-18 | 2014-03-05 | 江苏科技大学 | 一种基于超声表面波的薄熔覆层厚度无损评价方法 |
CN105241960A (zh) * | 2015-09-30 | 2016-01-13 | 中国人民解放军装甲兵工程学院 | 一种再制造曲轴弯曲疲劳裂纹监测方法、装置及系统 |
CN106447047A (zh) * | 2016-01-17 | 2017-02-22 | 沈阳工业大学 | 一种废旧机床可再制造质量评估方法 |
Non-Patent Citations (4)
Title |
---|
周帆等: "基于改进实例推理的废旧零部件再制造工艺设计", 《湖北工业大学学报》 * |
田国富等: "工程机械的损伤形式与再制造技术分析", 《筑路机械与施工机械化》 * |
胡东波: "废旧机床可再制造评估与决策研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
蒋小利等: "基于实例推理的废旧零部件可再制造性评价模型及应用", 《现代制造工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110000190A (zh) * | 2019-04-09 | 2019-07-12 | 三一汽车制造有限公司 | 工程机械再制造方法和泵车再制造方法 |
CN111275349A (zh) * | 2020-02-07 | 2020-06-12 | 武汉科技大学 | 一种基于区块链和实例推理的再制造工艺规划方法 |
CN113255159A (zh) * | 2021-06-16 | 2021-08-13 | 浙江大胜达包装股份有限公司 | 一种基于成本模型的纸品包装自动匹配设计方法与系统 |
CN113255159B (zh) * | 2021-06-16 | 2021-10-08 | 浙江大胜达包装股份有限公司 | 一种基于成本模型的纸品包装自动匹配设计方法与系统 |
CN116029137A (zh) * | 2023-02-01 | 2023-04-28 | 燕山大学 | 一种工程机械液压油缸退役产品再制造评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106950922B (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | A hybrid approach of rough set and case-based reasoning to remanufacturing process planning | |
CN106950922A (zh) | 基于二级实例推理的废旧零部件再制造工艺决策方法 | |
Chen et al. | A review on remanufacture of dies and moulds | |
CN108960443B (zh) | 一种废旧零部件再制造评估系统及方法 | |
Kin et al. | Remanufacturing process planning | |
Nathani et al. | Productivity improvement in manufacturing industry using industrial engineering tools | |
US20050288812A1 (en) | Quality prognostics system and method for manufacturing processes | |
CN108108890A (zh) | 一种基于工序关联关系的工艺缺陷风险分析方法 | |
Ullah et al. | Optimal strategy to deal with decision making problems in machine tools remanufacturing | |
Karaulova et al. | Decision-making framework for used industrial equipment | |
Hamrol et al. | Quality inspection planning within a multistage manufacturing process based on the added value criterion | |
Mittal et al. | Productivity improvement under manufacturing environment using Shainin system and fuzzy analytical hierarchy process: a case study | |
Ahmed et al. | Defect reduction using Six Sigma methodology in home appliance company: A case study | |
Ke et al. | An integrated design method for remanufacturing process based on performance demand | |
CN105678438A (zh) | 一种基于语言加权几何算子与模糊优先序的改进fmea方法 | |
Ling et al. | The remanufacturing evaluation for feasibility and comprehensive benefit of retired grinding machine | |
Ly Duc et al. | Zero defect manufacturing using digital numerical control | |
Shi et al. | A three-dimensional method for evaluating the remanufacturability of used engines | |
Du et al. | In-service machine tool remanufacturing: a sustainable resource-saving and high-valued recovery approach | |
Rahman et al. | Optimization maintenance performance level through collaboration of overall equipment effectiveness and machine reliability | |
Lv et al. | A novel approach for remanufacturing process planning considering uncertain and fuzzy information | |
Que et al. | Implement Industrial 4.0 into process improvement: A Case Study in Zero Defect Manufacturing | |
Jiang et al. | A dynamic failure mode and effect analysis (FMEA) method for CNC machine tool in service | |
CN112084598B (zh) | 一种离心泵叶轮可再制造性评估方法 | |
Duc et al. | Enhancing manufacturing excellence with Lean Six Sigma and zero defects based on Industry 4.0. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190201 Termination date: 20210410 |