CN115952696A - 一种基于仿真预测与代价模型的刀具全生命周期管理方法 - Google Patents
一种基于仿真预测与代价模型的刀具全生命周期管理方法 Download PDFInfo
- Publication number
- CN115952696A CN115952696A CN202310235081.2A CN202310235081A CN115952696A CN 115952696 A CN115952696 A CN 115952696A CN 202310235081 A CN202310235081 A CN 202310235081A CN 115952696 A CN115952696 A CN 115952696A
- Authority
- CN
- China
- Prior art keywords
- cutter
- tool
- cost
- life
- program
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 48
- 238000007726 management method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000003754 machining Methods 0.000 claims abstract description 40
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 52
- 238000005299 abrasion Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 230000008014 freezing Effects 0.000 claims description 3
- 238000007710 freezing Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000005307 time correlation function Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Numerical Control (AREA)
Abstract
本发明公开了一种基于仿真预测与代价模型的刀具全生命周期管理方法，步骤如下：S1、基于仿真预测构建代价模型；S2、刀具序中检测方法：将加工的NC程式分解为工序级的最小单元，采用代价模型计算最优检测节点，并自动进行刀具检测；S3、统一刀具调度技术：基于APS排程技术预测需要加工的零件，通过MES系统获取NC程序，仿真预测得到线体内部刀具未来状态，并根据序中测量的结果实时更新刀具未来状态的预测，对刀具入库进行统一调配。本发明还公开了一种基于仿真预测与代价模型的刀具全生命周期管理装置和计算机系统，可以进行序中刀具检测，能够计算序中检测的最优节点，实现了刀具的统一调度，可以广泛应用于机械加工领域。
Description
技术领域
本发明涉及机械加工领域，特别是涉及一种基于仿真预测与代价模型的刀具全生命周期管理方法、装置和计算机系统。
背景技术
目前大多数刀具寿命管理方法采用以下两种方式：
1、基于加工总时长的方式，刀具设定固定的可加工时长，超过该时长则直接报废刀具。
2、序后检测的方式，加工完成后采用对刀仪进行检测，如果出现断刀或过度磨损的问题，则报废刀具，并进行二次加工。
然而，现有技术存在以下不足：
1、固定加工时长方法存在问题：刀具在加工不同材料、以及加工过程中切削量不同时，刀具的磨损程度并不相同。因此，为保证加工质量，该时长会设置的明显低于刀具实际寿命就进行报废。存在严重浪费。
2、序后检测方法存在问题：加工过程中一旦出现严重磨损情况，则需要耗费大量资源进行补救，即降低了自动化加工效率，又牺牲了制品质量。
3、缺少预测与调度机制：无法预测刀具未来的状态，缺少合理的调度规划，刀库中刀具资源分配不合理。
发明内容
本发明的目的是为了克服上述背景技术的不足，提供一种基于仿真预测与代价模型的刀具全生命周期管理方法、装置和计算机系统，使其可以进行序中刀具检测，能够计算序中检测的最优节点，实现了刀具的统一调度。
本发明提供的一种基于仿真预测与代价模型的刀具全生命周期管理方法，包括如下步骤：S1、基于仿真预测构建代价模型：基于仿真分析得到的刀具磨损、断刀的预期，综合计算序中检测的停机成本得到序中检测的代价模型；S2、刀具序中检测方法：将加工的NC程式分解为工序级的最小单元，采用代价模型计算最优检测节点，若本次加工过程中需要进行序中检测，则将检测节点之前的工序进行合并，生成具备加工的NC程序，并自动串联刀具检测程序以进行刀具检测；S3、统一刀具调度技术：基于APS排程技术预测自动化线体内部需要加工的零件，通过MES系统获取零件加工的NC程序，并根据仿真预测得到线体内部刀具未来的状态，并根据序中测量的结果实时更新刀具未来状态的预测，对刀具入库进行统一调配。
在上述技术方案中，所述步骤S1的过程如下：S11、分别按照三种策略做出计算：S111、不做检测计算直接加工的代价成本：统计自动化加工历史数据中，因刀具磨损、断裂导致返工与正常加工存在质量差距；量化质量风险所导致损失的可能代价；S112、计算直接更换刀具的代价成本：通过仿真预测刀具的剩余寿命，通过MES系统查询刀具单价，统计自动化系统内此类刀具的平均寿命，统计自动化系统内记录的平均换刀时间计算出刀具更换的可能代价；S113、计算进行检测根据结果判断是否加工的代价成本：通过仿真预测本次加工断刀的概率，统计自动化系统中刀具检测耗时；S12、比较三种策略的成本，取值最小的一种策略执行。
在上述技术方案中，所述步骤S111的过程如下：S1111、加工精度量化指标：正常加工精度超差率Q1、平均加工精度W1，返工精度超差率Q2，平均加工精度W2；S1112、工件表面光洁等级指标：正常加工最低表面光洁等级V1，返工加工最低表面光洁等级V2；S1113、工件报废代价：正常加工工件报废率R1，返工加工工件报废率R2，当前报废物料成本K料，与已加工时间的设备占用成本K设；S1114、工件延期成本：相较正常加工，进行二次加工而造成的延期风险F，此项数据由自动排程系统进行实时计算；S1115、通过以下公式计算二次加工质量代价：Dq=λ1(V1-V2)+λ2(Q2-Q1) +λ3(W1-W2)+(K料+K设)*λ4*( R1-R2)+λ5*F，其中，λ1为表面光洁度成本权重、λ2为精度超差成本权重、λ3为平均精度成本权重、λ4为费用成本权重、λ5为延期成本权重。
在上述技术方案中，所述步骤S112的过程如下：S1121、刀具成本指标：刀具价格K刀，刀具平均寿命L均，当前刀具剩余寿命L余；S1122、时间成本指标：刀具更换耗时T刀，相较不换刀具，因更换刀具而产生的延期风险F刀，此项数据由自动排程系统进行实时计算，K待表示机床因待机而产生的等待成本；S1123、通过以下公式计算换刀成本：Dc=λ4*K刀*L余/(L均-L余)+λ5*F刀。
在上述技术方案中，所述步骤S113的过程如下：S1131、时间成本指标：刀具检测耗时T检，刀具断刀概率P断；S1132、通过以下公式计算检测成本：Dj=λ4T检+P断*Dc。
在上述技术方案中，所述步骤S2的过程如下：S21、解析NC程序中的程序段，NC程序内以换刀指令作为刀具切换的标识：首先查找到换刀指令内的子段落，在该段落内查找部分加工指令，部分加工指令代表一部分区域加工完成，刀具移动至新的位置开始加工，此时进行检测或更换刀具都不影响加工质量；S22、将NC程序以部分加工指令为界，分解为工序级的最小单元，并补齐NC程序头与程序尾部；S23、根据刀具当前坐标、刀具尺寸以及检测模块坐标，编写刀具自动检测程序；S24、执行刀具自动检测程序，并将检测结果反馈至自动化系统中，进行刀具调度排程并优化仿真模型参数；S25、检测结果OK：执行回位程序，并执行后续加工，检测结果NG则由机器人进行自动换刀后继续加工。
在上述技术方案中，所述步骤S3的过程如下：S31、统计自动化线体内未来一段时间内所需加工的工件及其对应工序；S32、查询工件工序所对应的NC程序；S33、解析NC程序中换刀指令，获取所需要的所有刀具类型；S34、基于代价模型计算刀具与工序对应时的代价成本，采用遗传算法迭代优化当前刀库内刀具与加工工序的对应关系，求解出最小代价的对应关系；S35、基于步骤S34的匹配结果，预测未来某时间段内线体刀具库中刀具剩余数量，并基于后续工序所需的刀具用量进行刀具调度以更新刀库。
在上述技术方案中，还包括步骤S4、刀具寿命模型自优化：根据实际检测结果对刀具寿命模型进行反向求导，优化模型参数，具体过程如下：S41、存储序中检测前刀具状态及检测结果直至满足最小批次N；S42、对当前批次数据进行正则化处理；S43、冻结刀具寿命预测模型浅层结果并通过反向传播优化模型参数；S44、待模型loss曲线收敛后加入历史数据进行新一轮训练；S45、为减弱因供应商质量变动而导致的刀具性能与历史性能指标存在差异，采用时间相关函数f(△t) =(1-1/(1+e^△t))来代表不同日期的刀具历史记录对模型的影响大小，其中，△t为当前日期-刀具采购日期。
本发明还提供了一种基于仿真预测与代价模型的刀具全生命周期管理装置，具有执行基于仿真预测与代价模型的刀具全生命周期管理方法的功能。
本发明还提供了一种计算机系统，包括基于仿真预测与代价模型的刀具全生命周期管理装置。
本发明基于仿真预测与代价模型的刀具全生命周期管理方法、装置和计算机系统，具有以下有益效果：
1、建立了刀具序中检测代价模型，能够计算刀具上需要进行序中检测的最优节点。
2、实现了NC程式自动拆分与合并，使得CNC加工过程中可以进行序中刀具检测。
3、实现了刀具统一调度，每次更新刀库时能够根据刀具调度技术得到最优的组合，解决刀库缺刀与更换不及时而导致的线体停机问题。
附图说明
图1为本发明基于仿真预测与代价模型的刀具全生命周期管理方法的整体流程图；
图2为本发明基于仿真预测与代价模型的刀具全生命周期管理装置的结构示意图；
图3为本发明包括基于仿真预测与代价模型的刀具全生命周期管理装置的计算机系统的结构示意图。
具体实施方式
下面结合附图及实施例对本发明作进一步的详细描述，但该实施例不应理解为对本发明的限制。
参见图1，本发明基于仿真预测与代价模型的刀具全生命周期管理方法，包括如下步骤：
S1、构建代价模型
每执行一道独立工序前，系统存在3种策略选择：
1）不做检测直接加工；
2）进行检测后根据结果判断是否加工；
3）直接更换刀具。
S11、计算直接加工的代价成本：
统计自动化加工历史数据中，因刀具磨损、断裂导致返工与正常加工存在质量差距；量化质量风险所导致损失的可能代价。
S111、加工精度量化指标：正常加工精度超差率Q1、平均加工精度W1，返工精度超差率Q2，平均加工精度W2。
S112、工件表面光洁等级指标：正常加工最低表面光洁等级V1，返工加工最低表面光洁等级V2。
S113、工件报废代价：正常加工工件报废率R1，返工加工工件报废率R2，K料与K设分别代表当前报废物料成本与已加工时间的设备占用成本。
S114、工件延期成本：相较正常加工，进行二次加工而造成的延期风险F。此项数据由自动排程系统进行实时计算。
S115、通过以下公式计算二次加工质量代价：
Dq=λ1(V1-V2)+λ2(Q2-Q1) +λ3(W1-W2)+(K料+K设)*λ4*( R1-R2)+λ5*F
其中λ1、λ2、λ3、λ4、λ5分别为表面光洁度成本权重、精度超差成本权重、平均精度成本权重、费用成本权重与延期成本权重，代表企业在生产过程中对该项指标的重视程度。
S12、计算直接换刀的代价成本：
通过仿真预测刀具的剩余寿命，通过MES系统查询刀具单价，统计自动化系统内此类刀具的平均寿命，统计自动化系统内记录的平均换刀时间计算出刀具更换的可能代价。
S121、刀具成本指标：刀具价格K刀，刀具平均寿命L均，当前刀具剩余寿命L余。
S122、时间成本指标：刀具更换耗时T刀，相较不换刀具，因更换刀具而产生的延期风险F刀。此项数据由自动排程系统进行实时计算；K待表示机床因待机而产生的等待成本。
S123、通过以下公式计算换刀成本：
Dc=λ4*K刀*L余/(L均-L余)+λ5*F刀。
S13、计算进行检测的代价成本：
通过仿真预测本次加工断刀的概率，统计自动化系统中刀具检测耗时。
S131、时间成本指标：刀具检测耗时T检，刀具断刀概率P断。
S132、通过以下公式计算检测成本：
Dj=λ4T检+P断*Dc。
S14、比较Dq、Dc、Dj值，取值最小的一种策略执行。
S2、序中检测
S21、解析NC程序中的程序段，NC程序内的以换刀指令M06作为刀具切换的标识：
首先查找到M06指令内的子段落，在该段落内查找G00指令：G00指令代表一部分区域加工完成，刀具移动至新的位置开始加工，此时进行检测或更换刀具都不影响加工质量。
S22、将NC程序以G00为界，分解为工序级的最小单元，并补齐NC程序头与程序尾部。
S23、根据刀具当前坐标、刀具尺寸以及检测模块坐标，编写刀具自动检测程序。
S24、执行刀具自动检测程序，并将检测结果反馈至自动化系统中，进行刀具调度排程并优化仿真模型参数。
S25、检测结果OK：执行回位程序，并执行后续加工，检测结果NG则由机器人进行自动换刀后继续加工。
S3、刀具调度技术
S31、统计自动化线体内未来一段时间内所需加工的工件及其对应工序。
S32、查询工件工序所对应的NC程序。
S33、解析NC程序中M06换刀指令，获取所需要的所有刀具类型。
S34、基于代价模型计算刀具与工序对应时的代价成本，采用遗传算法迭代优化当前刀库内刀具与加工工序的对应关系，求解出最小代价的对应关系。
S35、基于步骤34的匹配结果，预测未来某时间段内线体刀具库中刀具剩余数量，并基于后续工序所需的刀具用量进行刀具调度以更新刀库。
S4、刀具寿命模型自优化
S41、存储序中检测前刀具状态及检测结果直至满足最小批次N。
S42、对当前批次数据进行正则化处理。
S43、冻结刀具寿命预测模型浅层结果并通过反向传播优化模型参数。
S44、待模型loss曲线收敛后加入历史数据进行新一轮训练。
S45、为减弱因供应商质量变动而导致的刀具性能与历史性能指标存在差异，采用时间相关函数f(△t) =(1-1/(1+e^△t))来代表不同日期的刀具历史记录对模型的影响大小，其中，△t为当前日期-刀具采购日期。
整体上，本发明基于仿真预测与代价模型的刀具全生命周期管理方法的全流程如下：
一、开始仿真测试；
二、在代价模型和刀具寿命模型的支持下，开始代价分析；
三、开始刀具损毁风险分析，如果风险低，则刀具继续用于加工并进入步骤七，如果风险高，则进入步骤四；
四、加工程式分解，进入序中检测，看刀具是否磨损、断裂，如果否，则刀具继续用于加工并进入步骤七，如果是，则进入步骤五；
五、开始线内刀库自动换刀程序，再依次进入刀具调度服务程序、更新刀具管理计划，并判断是否满足线内刀库更新条件，并更换刀库刀具；
六、刀具继续加工，并将基于检测结果反向更新刀具寿命预测模型载入刀具寿命模型；
七、等待新一轮仿真预测并结束。
参见图2，本发明基于仿真预测与代价模型的刀具全生命周期管理装置，包括如下部分：
代价模型模块：基于仿真分析得到的刀具磨损、断刀的预期，综合计算序中检测的停机成本得到序中检测的代价模型；
刀具序中检测模块：将加工的NC程式分解为工序级的最小单元，采用代价模型计算最优检测节点。若本次加工过程中需要进行序中检测，则将检测节点之前的工序进行合并，生成具备加工的NC程序，并自动串联刀具检测程序以进行刀具检测；
统一刀具调度模块：基于APS排程技术预测自动化线体内部需要加工的零件，通过MES系统获取零件加工的NC程序，并根据仿真预测得到线体内部刀具未来的状态。并根据序中测量的结果实时更新刀具未来状态的预测，对刀具入库进行统一调配；
刀具寿命模型自优化模块：根据实际检测结果对刀具寿命模型进行反向求导，优化模型参数。
参见图3，本发明还提供了一种计算机系统，所述计算机系统包括基于仿真预测与代价模型的刀具全生命周期管理装置。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种基于仿真预测与代价模型的刀具全生命周期管理方法，其特征在于：包括如下步骤：
S1、基于仿真预测构建代价模型：基于仿真分析得到的刀具磨损、断刀的预期，综合计算序中检测的停机成本得到序中检测的代价模型；
S2、刀具序中检测方法：将加工的NC程式分解为工序级的最小单元，采用代价模型计算最优检测节点，若本次加工过程中需要进行序中检测，则将检测节点之前的工序进行合并，生成具备加工的NC程序，并自动串联刀具检测程序以进行刀具检测；
S3、统一刀具调度技术：基于APS排程技术预测自动化线体内部需要加工的零件，通过MES系统获取零件加工的NC程序，并根据仿真预测得到线体内部刀具未来的状态，并根据序中测量的结果实时更新刀具未来状态的预测，对刀具入库进行统一调配。
2.根据权利要求1所述的基于仿真预测与代价模型的刀具全生命周期管理方法，其特征在于：所述步骤S1的过程如下：
S11、分别按照三种策略做出计算：
S111、不做检测计算直接加工的代价成本：统计自动化加工历史数据中，因刀具磨损、断裂导致返工与正常加工存在质量差距；量化质量风险所导致损失的可能代价；
S112、计算直接更换刀具的代价成本：通过仿真预测刀具的剩余寿命，通过MES系统查询刀具单价，统计自动化系统内此类刀具的平均寿命，统计自动化系统内记录的平均换刀时间计算出刀具更换的可能代价；
S113、计算进行检测根据结果判断是否加工的代价成本：通过仿真预测本次加工断刀的概率，统计自动化系统中刀具检测耗时；
S12、比较三种策略的成本，取值最小的一种策略执行。
3.根据权利要求2所述的基于仿真预测与代价模型的刀具全生命周期管理方法，其特征在于：所述步骤S111的过程如下：
S1111、加工精度量化指标：正常加工精度超差率Q1、平均加工精度W1，返工精度超差率Q2，平均加工精度W2；
S1112、工件表面光洁等级指标：正常加工最低表面光洁等级V1，返工加工最低表面光洁等级V2；
S1113、工件报废代价：正常加工工件报废率R1，返工加工工件报废率R2，当前报废物料成本K料，与已加工时间的设备占用成本K设；
S1114、工件延期成本：相较正常加工，进行二次加工而造成的延期风险F，此项数据由自动排程系统进行实时计算；
S1115、通过以下公式计算二次加工质量代价：
Dq=λ1(V1-V2) +λ2(Q2-Q1) +λ3(W1-W2) +(K料+K设)*λ4*( R1-R2)+λ5*F，
其中，λ1为表面光洁度成本权重、λ2为精度超差成本权重、λ3为平均精度成本权重、λ4为费用成本权重、λ5为延期成本权重。
4.根据权利要求3所述的基于仿真预测与代价模型的刀具全生命周期管理方法，其特征在于：所述步骤S112的过程如下：
S1121、刀具成本指标：刀具价格K刀，刀具平均寿命L均，当前刀具剩余寿命L余；
S1122、时间成本指标：刀具更换耗时T刀，相较不换刀具，因更换刀具而产生的延期风险F刀，此项数据由自动排程系统进行实时计算，K待表示机床因待机而产生的等待成本；
S1123、通过以下公式计算换刀成本：
Dc=λ4*K刀*L余/(L均-L余)+λ5*F刀。
5.根据权利要求4所述的基于仿真预测与代价模型的刀具全生命周期管理方法，其特征在于：所述步骤S113的过程如下：
S1131、时间成本指标：刀具检测耗时T检，刀具断刀概率P断；
S1132、通过以下公式计算检测成本：
Dj=λ4T检+P断*Dc。
6.根据权利要求5所述的基于仿真预测与代价模型的刀具全生命周期管理方法，其特征在于：所述步骤S2的过程如下：
S21、解析NC程序中的程序段，NC程序内以换刀指令作为刀具切换的标识：
首先查找到换刀指令内的子段落，在该段落内查找部分加工指令，部分加工指令代表一部分区域加工完成，刀具移动至新的位置开始加工，此时进行检测或更换刀具都不影响加工质量；
S22、将NC程序以部分加工指令为界，分解为工序级的最小单元，并补齐NC程序头与程序尾部；
S23、根据刀具当前坐标、刀具尺寸以及检测模块坐标，编写刀具自动检测程序；
S24、执行刀具自动检测程序，并将检测结果反馈至自动化系统中，进行刀具调度排程并优化仿真模型参数；
S25、检测结果OK：执行回位程序，并执行后续加工，检测结果NG则由机器人进行自动换刀后继续加工。
7.根据权利要求6所述的基于仿真预测与代价模型的刀具全生命周期管理方法，其特征在于：所述步骤S3的过程如下：
S31、统计自动化线体内未来一段时间内所需加工的工件及其对应工序；
S32、查询工件工序所对应的NC程序；
S33、解析NC程序中换刀指令，获取所需要的所有刀具类型；
S34、基于代价模型计算刀具与工序对应时的代价成本，采用遗传算法迭代优化当前刀库内刀具与加工工序的对应关系，求解出最小代价的对应关系；
S35、基于步骤S34的匹配结果，预测未来某时间段内线体刀具库中刀具剩余数量，并基于后续工序所需的刀具用量进行刀具调度以更新刀库。
8.根据权利要求7所述的基于仿真预测与代价模型的刀具全生命周期管理方法，其特征在于：还包括步骤S4、刀具寿命模型自优化：根据实际检测结果对刀具寿命模型进行反向求导，优化模型参数，具体过程如下：
S41、存储序中检测前刀具状态及检测结果直至满足最小批次N；
S42、对当前批次数据进行正则化处理；
S43、冻结刀具寿命预测模型浅层结果并通过反向传播优化模型参数；
S44、待模型loss曲线收敛后加入历史数据进行新一轮训练；
S45、为减弱因供应商质量变动而导致的刀具性能与历史性能指标存在差异，采用时间相关函数f(△t) =( 1-1/(1+e^△t))来代表不同日期的刀具历史记录对模型的影响大小，其中，△t为当前日期-刀具采购日期。
9.一种基于仿真预测与代价模型的刀具全生命周期管理装置，具有执行权利要求1~8所述方法的功能。
10.一种计算机系统，包括如权利要求9所述的基于仿真预测与代价模型的刀具全生命周期管理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310235081.2A CN115952696B (zh) | 2023-03-13 | 2023-03-13 | 一种基于仿真预测与代价模型的刀具全生命周期管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310235081.2A CN115952696B (zh) | 2023-03-13 | 2023-03-13 | 一种基于仿真预测与代价模型的刀具全生命周期管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115952696A true CN115952696A (zh) | 2023-04-11 |
| CN115952696B CN115952696B (zh) | 2023-05-23 |
Family
ID=85894229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310235081.2A Active CN115952696B (zh) | 2023-03-13 | 2023-03-13 | 一种基于仿真预测与代价模型的刀具全生命周期管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115952696B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117786899A (zh) * | 2024-02-23 | 2024-03-29 | 中机生产力促进中心有限公司 | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2980182B2 (ja) * | 1992-07-15 | 1999-11-22 | オークマ株式会社 | 工具管理装置 |
| CN116529741A (zh) * | 2020-10-29 | 2023-08-01 | 西门子股份公司 | 基于仿真的闭环aps调度优化方法、系统及存储介质 |
| CN115544687A (zh) * | 2022-10-09 | 2022-12-30 | 杭州电子科技大学 | 一种精密复杂刀具的切削性能预测方法 |
-
2023
- 2023-03-13 CN CN202310235081.2A patent/CN115952696B/zh active Active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117786899A (zh) * | 2024-02-23 | 2024-03-29 | 中机生产力促进中心有限公司 | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 |
| CN117786899B (zh) * | 2024-02-23 | 2024-05-10 | 中机生产力促进中心有限公司 | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115952696B (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109270899B (zh) | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 | |
| US10101735B2 (en) | Modular system for real-time evaluation and monitoring of a machining production-line overall performances calculated from each given workpiece, tool and machine | |
| US10268187B2 (en) | Manufacturing cell machine management system based on component degree of consumption | |
| Vagnorius et al. | Determining optimal replacement time for metal cutting tools | |
| US20190369598A1 (en) | Life predicting device and machine learning device | |
| Gola | Economic aspects of manufacturing systems design | |
| CN110691955B (zh) | 工件的生产和测量 | |
| CN113361139A (zh) | 一种基于数字孪生的产线仿真滚动优化系统及方法 | |
| CN115952696B (zh) | 一种基于仿真预测与代价模型的刀具全生命周期管理方法 | |
| Psarommatis et al. | Identification of the critical reaction times for re-scheduling flexible job shops for different types of unexpected events | |
| CN111160741A (zh) | 一种复杂工况下再制造车间多层级任务配置的扰动响应方法 | |
| CN113305644A (zh) | 一种基于零件测量数据的刀具状态监测及预警方法和系统 | |
| US6662066B1 (en) | Dynamic adjustment and auto generation of water per hour (WPH) in capacity check system (CCS) by tool performance tracking platform (TP2) | |
| El Hayek et al. | Optimizing life cycle cost of complex machinery with rotable modules using simulation | |
| CN116976634A (zh) | 一种订单调度管理方法及系统 | |
| Graver et al. | A tool provisioning problem in an FMS | |
| CN111598364B (zh) | 用于机械零部件的数字化工艺编排系统 | |
| US6862555B2 (en) | Enhanced preventative maintenance system and method of use | |
| CN116128221B (zh) | 一种基于数字孪生的航发叶片再制造生产线调度方法 | |
| Shagluf et al. | Derivation of a cost model to aid management of CNC machine tool accuracy maintenance | |
| CN111050992B (zh) | 用于计算机辅助地优化在用于机床的至少一个刀库之内刀具对刀库位置的占用的方法和设备 | |
| CN107341630B (zh) | 一种设备淘汰品备件管理系统及方法 | |
| CN114995287A (zh) | 一种多类工件的连续生产方法及存储介质 | |
| CN113031543B (zh) | 一种半导体生产线的控制调度方法及装置 | |
| Makarova et al. | Efficiency management of robotic production processes at automotive industry |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Tool Life Cycle Management Method Based on Simulation Prediction and Cost Model Granted publication date: 20230523 Pledgee: Industrial Bank Limited by Share Ltd. Wuhan branch Pledgor: WUHAN EMAN TECHNOLOGY CO.,LTD. Registration number: Y2024980007815 |