-
GEGENSTAND DER ERFINDUNG
-
Die vorliegende Erfindung betrifft das Gebiet der Werkzeugmaschinen und insbesondere solche, die einen Werkzeugschieber enthalten wie Fräsmaschinen.
-
Die Erfindung besteht aus einer intelligenten Vorrichtung und dem Verfahren, welches diese Vorrichtung verwendet, um den Werkzeugschieberdurchhang durch Verwendung der Wahrscheinlichkeitsrechnung, insbesondere durch Verwendung Bayes'scher Netze, und interner Modelsteuerung, insbesondere einer adaptiven Neuro-Fuzzy-Steuervorrichtung, zu kompensieren.
-
HINTERGRUND DER ERFINDUNG
-
Werkzeugschieber in Werkzeugmaschinen, insbesondere Fräsmaschinen, mit einem waagerechten Werkzeugschieber, bekannt als Maschinen in senkrechter Konfiguration, leiden definitionsgemäß an einem geometrischen Fehler in ihrer Achse (üblicherweise der y-Achse), die durch dieses Bauteil definiert ist. Dieser Fehler wird durch die Durchbiegung des Werkzeugschiebers, wegen dessen Gewicht und des Gewichts des Kopfes der Werkzeugmaschine, insbesondere einer Fräsmaschine, welche diese aufnehmen, hervorgerufen.
-
In diesem Dokument werden die Achsen der Werkzeugmaschine wie folgt definiert: die x-Achse ist die longitudinale Achse des Gestells, die y-Achse ist die longitudinale Achse des Maschinenständers; und die z-Achse ist die longitudinale Achse des Werkzeugschiebers.
-
Dieses Problem wird gegenwärtig durch die Ausbreitung von Werkzeugmaschinen mit mehr als einem Kopf, unter Verwendung von automatischen Kopfwechselsystemen, vergrößert. Jeder Kopf hat ein unterschiedliches Gewicht und verursacht daher unterschiedliche Durchbiegungen.
-
Die herkömmliche Methode, die verwendet wird, um die Durchbiegung zu vermeiden, bekannt als „elektronische Kompensation”, besteht in der Programmierung einer Kompensationstabelle für die y-Achse der Maschine in der numerischen Steuerung der Rechner (CNC) der Fräsmaschinen, um den Werkzeugschieberdurchhang zu kompensieren. Das Problem bei dieser Lösung ist, dass diese nicht den Ausgleich des Verlusts der Orthogonalität der Achsen gestattet, welcher durch den Durchhang verursacht wurde. Daher kann in Schleifköpfen für Fräsmaschinen, in denen große Fräser mit kleinen und dünnen Platten verwendet werden, diese Abweichung beim Plandrehen zu Stufen zwischen benachbarten Planflächen von bis zu 0,5 mm führen.
-
Um dieses Problem zu lösen, bauen einige Hersteller von Werkzeugmaschinen bei der Endbearbeitung der Werkzeugschieber ein paar Tensoren in diese ein, welche das Gewicht des Kopfes simulieren. Wenn diese Tensoren nach der Herstellung der Werkzeugschieber abgeschraubt werden, weist der Werkzeugschieber eine Krümmung in deren Längsachse auf, welche den späteren Durchhang kompensiert. Diese Lösung ist nur wirksam, wenn die Werkzeugmaschine einen einfachen Kopf aufweist. Weist die Maschine mehrere Köpfe mit unterschiedlichen Gewichten auf, wird die Kompensation gemäß den Anforderungen des Kunden im Allgemeinen für den schwersten oder den am häufigsten verwendeten Kopf vorgenommen. Um die anderen Köpfe zu kompensieren, wird die oben beschriebene elektronische Kompensation verwendet, oder feste Tensoren werden in den Werkzeugschieber eingebaut, die mit unterschiedlichen Spannungen in Abhängigkeit des Kopfes, der zum jeweiligen Zeitpunkt in der Maschine eingesetzt ist, programmiert sind.
-
Zusätzlich zu dem traditionellen Problem, wird in neuerer Zeit ein zusätzliches Problem durch die Zunahme der aktiven Schwingungskompensationssysteme in Werkzeugmaschinen, insbesondere in Fräsmaschinen, hervorgerufen, wobei die Systeme so nahe als möglich zum Werkzeug angeordnet werden müssen, das heißt in dem Werkzeugschieber der Werkzeugmaschine. Diese Systeme müssen an der unteren/oberen Oberfläche der Werkzeugschieber angeordnet sein, um die Vibrationen in der x- oder z-Achse der Maschine zu kompensieren und auf den seitlichen Oberflächen der Werkzeugschieber, um die Vibrationen in der y-Achse der Maschine zu kompensieren. Folglich werden neue Gewichte und lokale Veränderungen in der Steifigkeit eingeführt, die kompensiert werden müssen. Zusätzlich, in Abhängigkeit von der beabsichtigten Verwendung der Werkzeugmaschine, unterscheidet sich der Kräftebereich, welcher vom aktiven Schwingungskompensationssystem bewältigt werden muss, sodass dessen Gewicht, Befestigungsflächen und Anordnung ebenso unterschiedlich sein wird.
-
Der folgerichtigste Weg, diese Veränderungen zu kompensieren, ist die Durchführung eine Finite-Elemente-Modellierung (FEM) der Werkzeugschieber, welche es erlaubt, deren Steifigkeit zu bestimmen und die Spannungen der Tensoren, die während des Werkzeugschieberfertigungsprozesses angekoppelt sind, zu berechnen. Jedoch ist die Durchführung einer derartigen Untersuchung für jeden hergestellten Werkzeugschieber einer Werkzeugmaschine zu kostspielig bei großen Werkzeugmaschinen, die ein hohes Maß an kundenspezifischen Anpassungen in Bezug auf Abmessungen, Köpfe und Optimierung der spezifischen Verfahren beinhalten, insbesondere im Fall von Fräsmaschinen.
-
Aus diesem Grund wird die Entwicklung einer Vorrichtung und des entsprechenden Verfahrens, welches eine hinreichend gute automatisierte Abschätzung der Spannung ermöglicht, die auf die Tensoren während der Werkzeugschieberherstellung anzuwenden ist, zu einer Aufgabe mit industrieller Bedeutung.
-
BESCHREIBUNG DER ERFINDUNG
-
Die vorliegende Erfindung wird durch die unabhängigen Ansprüche bestimmt und charakterisiert, wobei die abhängigen Ansprüche weitere Merkmale hiervon beschreiben.
-
Unter Berücksichtigung des Vorstehenden betrifft die vorliegende Erfindung eine intelligente Vorrichtung zur Kompensation des Werkzeugschieberdurchhangs in Werkzeugmaschinen, welche die folgenden Bestandteile umfasst: eine Werkzeugmaschine mit deren numerischer Rechnersteuerung (CNC), Mittel zur Anwendung von Wahrscheinlichkeitsrechnungen und Mittel zur internen Modellsteuerung.
-
Weiterhin betrifft die vorliegende Erfindung ein Verfahren zur Kompensation des Werkzeugschieberdurchhangs in Werkzeugmaschinen, unter Verwendung einer intelligenten Vorrichtung, gemäß Anspruch 1, wobei das Verfahren die folgenden Schritte umfasst:
- – Inbetriebnahme der Vorrichtung mit der CNC
- – Empfangen von Werten für die verwendeten Variablen
- – Anwendung von Wahrscheinlichkeitsrechnungen zur Abschätzung der Spannung der Ausgleichszylinder unter Verwendung der Werte der Variablen durch die Mittel zur Anwendung von Wahrscheinlichkeitsrechnungen
- – Auswahl der Spannung für die Ausgleichszylinder
- – Veränderung des Bearbeitungsprogrammes mit dem internen Modellsteuerungsmittel, welche man durch eine interne Modellsteuerung (IMC) ausgeführt
- – Umsetzung der gegenwärtigen Bearbeitungsbedingungen mit der CNC.
-
KURZE BESCHREIBUNG DER FIGUREN
-
Die vorliegende Beschreibung wird durch einen Satz Zeichnungen vervollständigt, welcher eine bevorzugte Ausführungsform erläutert und in keiner Weise die Erfindung beschränkt.
-
1 zeigt eine perspektivische Ansicht einer Werkzeugmaschine.
-
2 zeigt die Struktur eines baumerweiterten Bayes'schen Netzes, das zu einem Variablenbaum ausgedehnt ist.
-
3 zeigt die schematische Darstellung der intelligenten Vorrichtung, welche die Informationsaustauschwege zwischen den die Vorrichtung bildenden Bestandteilen zeigt.
-
AUSFÜHRLICHE BESCHREIBUNG DER ERFINDUNG
-
Die vorliegende Ausführungsform der Erfindung beschreibt eine intelligente Vorrichtung und das Verfahren, welches diese mittels eines Berechnungssystems zur Anwendung bringt, das eine optimale Kompensation des Durchhangs des Werkzeugschiebers (1.1) erlaubt. Dieses Berechnungssystem basiert auf einem verteilten System zur Vorhersage und Berechnung der Spannung der Ausgleichszylinder und zur Steuerung der Bearbeitung.
-
Die Bestandteile, die die intelligente Vorrichtung anpassen, sind:
- – Werkzeugmaschine mit computergesteuerter numerischer Steuerung (CNC) (1), insbesondere eine Fräsmaschine, welche den Werkzeugschieber (1.1) bearbeitet.
- – Mittel zur Anwendung von Wahrscheinlichkeitsrechnung (2), insbesondere eine Workstation, welche Bayes'sche Netze anwendet.
- – Interne Modellsteuerungsmittel (3), insbesondere eine adaptive Neuro-Fuzzy-Steuerungsvorrichtung.
- – Netzwerkmittel zur Kommunikation zwischen den die intelligente Vorrichtung bildenden Bestandteilen.
-
Die Werkzeugmaschine, insbesondere eine Fräsmaschine, dient dem Feinfräsen oder der Endbehandlung der äußeren Oberfläche des Werkzeugschiebers (1.1), welcher in andere Fräsmaschinen eingebaut wird. Auf dieser äußeren Oberfläche ruht das Führungssystem des Werkzeugschiebers (1.1) und dessen Betätigung, sodass diese Oberfläche die endgültige Geometrie der neuen Fräsmaschine bestimmt, insbesondere für die Bewegung der z-Achse in Vertikalmaschinen.
-
Die CNC dient dem Starten der intelligenten Vorrichtung mit einem virtuellen Schlüssel, der in der programmierbaren Logiksteuerung (PLC) (1.2) der Maschine programmiert ist. Dieser virtuelle Schlüssel muss vom Bediener betätigt werden, wenn sich der Werkzeugschieber (1.1) in der Position für das Feinfräsen an dieser Maschine befindet. Der virtuelle Schlüssel übermittelt dann das Bearbeitungsprogramm an die Workstation (2), von welcher die Werte eines Teils der Variablen erhalten werden, welche für die Berechnung der Spannung der Ausgleichzylinder benötigt werden, und startet dadurch die hierin beschriebene intelligente Vorrichtung.
-
Weiterhin dient die CNC (1.3), während der Bearbeitung des Werkzeugschiebers (1.1), der Echtzeitänderung der Bearbeitungsbedingungen gemäß den durch die adaptive Neuro-Fuzzy-Steuerungsvorrichtung vorgegebenen Variationen.
-
Diese Echtzeitänderung der Bearbeitungsbedingungen durch die CNC (1.3) ist möglich, da diese dazu dient sicherzustellen, dass das Werkzeug dem im Bearbeitungsprogramm programmierten Weg folgt, unter Verwendung von Signalen der Zwischenpositions- und anderen Sensoren in der Maschine. Zusätzlich zur CNC (1.3) weist die Fräsmaschine einen Programmierautomaten oder eine programmierbare Logiksteuerung auf, welche leichter als die CNC (1.3) zu programmieren ist, da letztere im Allgemeinen durch den Hersteller gesperrt oder beschränkt ist.
-
Nach dem Start der intelligenten Vorrichtung, empfängt die CNC (1.3) von der Workstation (2) die Spannung (TCC), welche der Bediener vor der Bearbeitung an den Ausgleichszylindern anzuwenden hat, und zeigt diese dem Bediener auf einem Bildschirm an. Kann die Workstation (2) keine geeignete Spannung ermitteln, zeigt die CNC (1.3) dem Bediener die Wahrscheinlichkeit für jede TCC-Klasse an, um dem Bediener die Entscheidung über die anzuwendende Spannung zu gestatten.
-
Die Workstation (2) mit der Bayes'schen Netz-Anwendung liefert den Wert für die Spannung, die an den Ausgleichszylindern (TCC) gemäß den bekannten Variablen angewendet werden muss. Dieser TCC-Wert erlaubt indirekt die Erlangung der geeigneten Kurvenführung für den zu bearbeitenden Werkzeugschieber (1.1), wenn die Ausgleichszylinder nach der Endfertigung entfernt werden, nachdem die geeignete Spannung angewendet wurde, biegt sich der Werkzeugschieber (1.1) eigenständig.
-
Die Vorhersage des TCC wird mit 9 Variablen erzeugt, die als Wirkungsvariable bezeichnet sind. Der Wert der Wirkungsvariablen wird sowohl durch die Verwendung des Bearbeitungsprogramms für den Werkzeugschieber (1.1), das im CNC (1.3) der Maschine enthalten ist, als auch durch die Verwendung der Auftragsdatenbank (4) des Unternehmens erhalten.
-
Diese Wirkungsvariablen sind:
- – Maximallänge des Werkzeugschiebers (1.1) in der äußersten Position (LMC).
- – Gewicht des kritischen Werkzeugkopfes oder des zu kompensierenden Kopfes (PCC).
- – Abmessungen des aktiven Dämpfers (DAA).
- – Kräfte, angewendet durch den (die) aktiven Dämpfer (FAA).
- – Vorhandensein fester interner Durchhangkompensationszylinder für sekundäre Köpfe (CIF).
- – Spannungswert des festen internen Kompensationszylinders (TCIF).
- – Dicke der die Wände der des Werkzeugschiebers (1.1) bildenden Platten (EEC).
- – Befestigungsposition der aktiven Dämpfer (PAAA).
-
Die folgende Formel definiert den Wert von TCC: TCC = f (Wirkungsvariable)
-
Die Netzwerkstruktur wird aus den 9 Variablen aufgebaut, die vor dem Start des Bearbeitungsprozesses erhalten wurden, zusätzlich einer zehnten Variablen, TCC, bekannt als Klassenvariable. Die 9 im Netzwerk verwendeten Variablen sind charakteristisch für den Herstellungsprozess, das Design des Werkzeugschiebers (1.1) und die nachfolgenden Bearbeitungsbedingungen für den zu bearbeitenden Werkzeugschieber (1.1).
-
Die für das Training des Netzwerk benötigen Daten wurden durch die Finite-Elemente-Methode (FEM) erhalten.
-
Da die Variable TCC definitionsgemäß konstant ist, während Variablen in Bayes'schen Netzen eine diskrete Anzahl von Zuständen haben, wird die Variable gemäß der folgenden Tabelle von Werten diskret gestellt.
Zustandsart | Untere Grenze (N) | Obere Grenze (N) |
Geringe Spannung | 0 | 15,000 |
Mittlere Spannung | 15,000 | 25,000 |
Mittelhohe Spannung | 25,000 | 32,500 |
Hohe Spannung | 32,500 | 40,000 |
-
Eine Laplace-Korrektur wird auf das Bayes'sche Netz angewendet, um solchen Fällen ein Teilgewicht zuzuordnen, die während des Trainings nicht eingeschlossen sind, aber in der Zukunft auftreten können.
-
Die folgende Terminologie und Notation wird verwendet, um die Erzeugungsmethode für das Bayes'sche Netz zu beschreiben:
Ereignis oder Zustandsart i(x1): eine zukünftige Situation zu welcher Informationen gewünscht werden.
-
Ausgangswahrscheinlichkeit des Zustands x(p(xi)): die Wahrscheinlichkeit, dass eine Zustandsart i basierend auf den Anfangsinformationen auftreten wird, i. e. mit keinem Beweis.
-
Untersuchung an oder Information über die Probe: im Allgemeinen ist dies die zusätzliche Information, die nach dem Versuch oder der Untersuchung erhalten werden kann. Die Ergebnisse der Untersuchung oder des Versuchs können mit unterschiedlichen Indikatoren dargestellt werden. Der Satz der Ergebnisse ist als Beweis bekannt und wird im Allgemeinen mit 'e' bezeichnet.
-
Bedingte Wahrscheinlichkeit von xi bei gegebenem e(p(x1|e)): die Wahrscheinlichkeit, mit der ein Ereignis A das Ergebnis einen zweiten Ereignisses B beeinflusst.
-
A-posteriori-Wahrscheinlichkeit von xi bei gegebenem e(p(x1|e)): die Wahrscheinlichkeit eines Ereignisses nachdem es eingetreten ist. Wenn P(x1|e) die A-posteriori-Wahrscheinlichkeit darstellt, dann ist P(x1|e) = P(e, x1)|P(e).
-
Mit der naiven Bayes'schen Methode wird die Wahrscheinlichkeit, dass ein k-tes Beispiel zur i-ten Klasse der Variablen x
1 gehört, wie folgt berechnet:
-
Um die Baumerweiterte Naive Bayes'sche Struktur zu erzeugen, wird der Baumerweiterte-Netzwerk-Algorithmus (TAN) von Friedman verwendet. Dieser Algorithmus betrachtet die Menge an gemeinsamer Information als abhängig von der Klassenvariablen. Die Menge an gemeinsamer Information zwischen den diskreten Variablen X und Y ist abhängig von C und durch die folgende Gleichung definiert:
-
Die folgenden Schritte müssen befolgt werden, um diese anzuwenden:
Schritt 1. Berechnung von I(Xi, Xj|C) mit i < j; I, j = 1, ..., n
Schritt 2. Erzeugung eines ungerichteten Graphen mit Knoten entsprechend den Wirkungsvariablen: X1, ...., Xn. Zuordnung einer Gewichtung, gegeben durch I(Xi, Xj|C) zu jeder durch die Verbindung der Variablen Xi und Xj gebildeten Kante.
Schritt 3. Zuordnung der zwei Kanten mit der größeren Gewichtung zu dem zu erzeugenden Baum.
Schritt 4. Suchen der nächsten Kante mit größerer Gewichtung und Hinzufügung zum Baum, außer unter Bildung eines Kreises, wobei diese Kante in diesem Falle verworfen wird und die nächste Kante mit größerer Gewichtung gesucht wird. Wiederhole diesen Schritt, bis n – 1 Kanten ausgewählt wurden.
Schritt 5. Umwandlung des erhaltenen ungerichteten Baums in einen gerichteten, Auswählen einer Variable als Wurzel und Ausrichten der verbleibenden Kanten.
Schritt 6. Aufbauen eines TAN-Modells, Hinzufügen eines mit C markierten Knotens und anschließend eines Bogens von C zu jeder Wirkungsvariablen Xi.
-
Die für das aufgezeigte Problem erhaltene TAN-Struktur ist in 2 gezeigt.
-
Das Bayes'sche Netz wurde unter Verwendung des K-fach Vergleichsprüfungs-Verfahrens und eines Satzes experimenteller Daten validiert. Bei dem Vergleichsprüfungs-Verfahren wird der anfängliche Datensatz in K Teilsätze zerlegt, wobei nur einer der K Teilsätze als Validierungsdaten für den Test des Modells aufbewahrt und die verbleibenden K – 1 Teilsätze als Trainingsdaten verwendet wurden. Das Verfahren wurde k-fach wiederholt, lieferte Teilergebnisse, wobei jeder der K Teilsätze genau einmal als Validierungsdaten verwendet wurde. Die Teilergebnisse wurden gemittelt oder in anderer Weise kombiniert, um eine Abschätzung der Klassifikationsgenauigkeit zu erhalten; K = 10 wurde verwendet.
-
Das Ergebnis des Modells nach der Validierung ist eine Kontingenztabelle oder Konfusionsmatrix, welche die Ergebnisse der korrekt oder inkorrekt klassifizierten Daten für jeden Klassenzustand und einen allgemeinen Genauigkeitswert liefert, der den prozentualen Erfolg angibt, mit welchem das Modell neue Daten klassifiziert, die in das Netz eingegeben werden. Nach der Validierung ist die Anwendung zur Benutzung bereit und das Bayes'sche Netz kann zu verschiedenen Angelegenheiten befragt werden, um die A-posteriori-Wahrscheinlichkeit von verschiedenen möglichen Antworten zu erhalten.
-
Im vorliegenden Fall ist der Fragetyp voraussagende Überlegung oder kausaler Rückschluss, um Wirkungen vorherzusagen. Das Bayes'sche Netz wird gefragt „Welches ist die Wahrscheinlichkeit jedes Zustands des TCC-Klassifikators bei gegebenen Herstellungsanforderungen?” Die Herstellungsanforderungen sind die oben definierten Variablen LMC, PCC, DAA, FAA, PAA, CIF, TCIF, ECC und PAAA.
-
In einem speziellen Fall kann das Bayes'sche Netz nach der Wahrscheinlichkeit des TCC im Hinblick auf die folgenden Werte gefragt werden: P(TCC|LMC = 1, PCC = 500, DAA = 150, FAA = 300, PAA = 40, CIF = 0, TCIF = 0, ECC = 15, PAAA = 250). Unter diesen Voraussetzungen berechnet das Netz die folgenden Wahrscheinlichkeiten für TCC, normiert auf 1: Geringe Spannung 0,02, mittlere Spannung 0,89, mittelhohe Spannung 0,09 und hohe Spannung 0,00. Unter diesen Anforderungen geben die Zustände der Klassen mit den höchsten Wahrscheinlichkeiten die beste anzuwendende Spannung an, welche der mittleren Spannung entspricht, da deren Wahrscheinlichkeit 89% ist. Diese Überlegung ist korrekt, da diese mit den Werten korrespondiert, die mittels experimenteller Untersuchungen erhalten wurden.
-
Überwiegt einer der TCC-Zustände, mit einer Wahrscheinlichkeit größer als 80%, wird dieser an die CNC (1.3) der Maschine übertragen. Ist dies nicht der Fall, so wird der Bediener auf die Wahrscheinlichkeiten der TCC-Klassifikatoren aufmerksam gemacht, um die Situation zu analysieren.
-
Die adaptive Neuro-Fuzzy-Steuerungsvorrichtung (3) ist die Vorrichtung, die von der CNC (1.3) die Daten von den internen Sensoren der Maschine empfängt oder zusätzlich von darin installierten externen Sensoren. Zusätzlich überwacht und verändert diese die Variablen der CNC (1.3), die mit der Ausführung der Teilprogramme zusammen hängen wie die Vortriebsrate und die Umdrehungsgeschwindigkeit, um die Bearbeitungszeit zu optimieren und Fehler wegen des Durchhangs des Werkzeugschiebers (1.1) zu minimieren.
-
Diese adaptive Steuerungsvorrichtung ist ein mit der CNC (1.3) verbundener Computer oder ein eingebettetes Kontrollsystem. In einem hierin vorgeschlagenen speziellen Beispiel ist dies ein Netzwerkmittel, welches das auszuführende Teilprogram an die CNC (1.3) sendet. Zusätzlich empfängt diese Vorrichtung durch das Netzwerk Informationen von den Sensoren, die in der Maschine mit der CNC (1) vorgesehen sind.
-
Diese Vorrichtung verwirklicht eine auf einer adaptiven Neuro-Fuzzy-Steuerung basierende interne Modellsteuerung (IMC), um in Abhängigkeit von der auf die Ausgleichszylinder anzuwendenden Spannung und den Echtzeitbearbeitungsbedingungen, die Vortriebsrate oder die Umdrehungsgeschwindigkeit der Fräsmaschine, welche den Werkzeugschieber (1.1) bearbeitet, zu verändern, i. e., verändern der im Bearbeitungsprogramm festgelegten Bearbeitungsbedingungen, senden der neuen Bedingungen an die CNC zu deren Anwendung.
-
Die Steuerung basiert auf Fuzzy-Logik und enthält ein Voraussagemodul, basierend auf neuralen Netzwerken (Neuro-Fuzzy-Steuerung). Gemäß der bevorzugten Ausführungsform der Erfindung werden die durch die Neuro-Fuzzy-Steuerung definierten Parameter derart bestimmt, dass diese den Leistungsindex minimieren.
-
Die Fuzzy-Logik basiert auf mehrwertigen Mengen zu den Elementen zu denen eine Mitgliedsfunktion assoziiert ist, welche das Maß angibt, zu welchem das Element ein Teil der mehrwertigen Menge bildet. Die Formen der typischsten Mitgliedsfunktionen sind: trapezoid, triangulär und gaußförmig. D. h., die Fuzzy-Logik basiert auf Heuristik wie IF (Bedingungsteil) THEN (Aktionsteil), wobei der Bedingungsteil und der Aktionsteil ebenfalls mehrwertige Mengen sind, entweder reine Mengen oder das Ergebnis mit ihnen durchgeführter Operationen. Die Regeln, welche die Mitgliedschaft der Elemente in den mehrwertigen Mengen bestimmen, beruhen im Fall der Werkzeugschieber (1.1) auf der Erfahrung der Designer und auf vom Bayes'schen Netz zur Verfügung gestellten Informationen.
-
Die Netzwerkmittel dienen der Verbindung der drei vorhergenannten Elemente, erlauben die Kommunikation zwischen diesen und minimieren Verzögerungen in der Kommunikation zwischen diesen.
-
Diese Netzwerkmittel können ein Feldbus aus der Profibus-Familie oder anderen sein, abhängig von der Art des Netzwerks: MPI, Ethernet, Internet, etc. In jedem Fall ist das Netzwerkmittel durch die maximale Verzögerung charakterisiert, welche durch die Übertragung von Überwachungs- und Steuerungssignalen zwischen der CNC (1.3) und den Steuerungsmitteln verursacht wird, und welche als LNetzwerkmittel bezeichnet wird. Die maximale globale Verzögerung für den Kommunikationsprozess, Lmax, ist daher die Summe aus der durch die Netzwerkmittel eingeführten Verzögerung LNetzwerkmittel und der durch die Totzeit des Prozesses LWerkzeugschieber, i. e. Lmax = LWerkzeugschieber + L. In den bevorzugten Ausführungsformen der Erfindung ist die Verzögerung geringer als 60 Sekunden.
-
Eine bevorzugte Verwendung der Netzwerkmittel für Wahrscheinlichkeitsrechnungen gestattet es verschiedenen Elementen die Berechnungen gleichzeitig auszuführen, wodurch die Rechenzeit minimiert wird.