KR20200105853A - 가공 특성 기반의 공정 지식 푸시 방법 - Google Patents
가공 특성 기반의 공정 지식 푸시 방법 Download PDFInfo
- Publication number
- KR20200105853A KR20200105853A KR1020207021050A KR20207021050A KR20200105853A KR 20200105853 A KR20200105853 A KR 20200105853A KR 1020207021050 A KR1020207021050 A KR 1020207021050A KR 20207021050 A KR20207021050 A KR 20207021050A KR 20200105853 A KR20200105853 A KR 20200105853A
- Authority
- KR
- South Korea
- Prior art keywords
- knowledge
- processing
- process knowledge
- type
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 277
- 238000003754 machining Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000013461 design Methods 0.000 claims abstract description 48
- 239000013598 vector Substances 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 40
- 239000000463 material Substances 0.000 claims description 7
- 239000002173 cutting fluid Substances 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 6
- NDNUANOUGZGEPO-UHFFFAOYSA-N (s)-2-propylpiperidine Chemical compound CCCC1CCCCN1 NDNUANOUGZGEPO-UHFFFAOYSA-N 0.000 claims description 3
- 238000011895 specific detection Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000013517 stratification Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000007514 turning Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Primary Health Care (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Evolutionary Computation (AREA)
- Numerical Control (AREA)
Abstract
본 발명은 가공 특성 기반의 공정 지식 푸시 방법을 개시한다. 먼저, 부품 가공 공정의 수요와 목적을 표현하기 위하여, 가공 특성 벡터 표현 기술 기반의 공정 의도 모형 생성 방법을 제공하고; 그런 다음, 공정 지식의 계층화 관리 방법을 제공하고, 이를 기초 정보층, 가공 정보층 및 부속 정보층의 3가지 계층으로 나누고, 공정 의도 모형 중의 각 구성 요소에 관련시킨다. 다음으로 공정 의도 모형의 유사성 계산 방법을 제공하여 공정 지식 푸시의 효율을 향상시킨다. 마지막으로 공정 재사용 평가 방법을 기반으로 공정 지식의 정확한 푸시를 구현한다. 제안된 공정 의도 모형 생성 방법은 공정 결정 및 공정 정보 재사용을 위한 기술 지원을 제공할 수 있으며, 공정 지식 푸시 방법은 기계 가공 공정의 지능적인 설계를 위한 토대를 마련할 수 있다.
Description
본 발명은 기계 가공 부품의 지능형 공정 설계 분야에 관한 것으로, 더욱 상세하게는 가공 특성 기반의 공정 지식 푸시 방법에 관한 것이다.
특성 기반의 CAPP 시스템은 제조업체들에 의해 널리 사용되고 있으며, 대량의 가공 특성을 포함하는 MBD 공정 모형을 생성하여 기업 모형 데이터베이스에 저장한다. 이러한 공정 모형은 가공 자원, 가공 수요 등과 같은 대량의 가공 제조 정보가 삽입되나, 만약 이러한 공정 모형이 충분히 발굴 및 활용되지 못할 경우 기업에 대량의 인적, 물적 자원 낭비를 초래한다. 특성 기반의 공정 지식 푸시 방법은 기존 공정 지식의 재사용 문제를 잘 해결할 뿐만 아니라 지능형 공정 결정을 구현하여 지능형 기계 가공 설계의 발전을 촉진할 수 있다.
현재 대부분의 공정 푸시 방법은 모두 공정 지식 검색의 형식을 채택하는데, 주로 공정 시맨틱 검색(semantic search)과 형상 검색 방법 위주이다. 그러나 이러한 방법은 대부분이 부품 측면 상의 유사 검색을 기반으로 하며 프로세스 가공 특성과 연관되지 않기 때문에, 검색된 공정 지식을 곧바로 응용할 수 없으며 더욱이 상호작용 스크리닝 처리를 추가로 수행해야 한다.
특성과 시나리오 측면 기반의 공정 푸시 연구 중에서, 문헌 “리춘레이(李春磊), 모룽(莫榮) 등. 기하학적 진화 구동의 기계 가공 지식 표시와 푸시[J]. 컴퓨터 통합 제조 시스템, 2016, 22(6): 1434-1446”은 기계 가공 지식의 복잡한 네트워크 모형을 구축하여 공정 지식의 푸시를 구현하였으나, 상기 문헌에는 가공 의도 및 푸시 지식의 평가에 대해서는 고려되지 않아, 정확하게 필요한 공정 지식을 푸시할 수 없는 단점이 있다. 또 다른 문헌 “장파핑(張發平), 리리(李麗). 다차원적 계층 시나리오 모형 기반의 업무 과정 지식 푸시 방법 연구[J]. 컴퓨터 보조 설계와 도형학 학보, 2017, 29(4): 751-758.”은 시나리오 기반의 지식 매칭과 푸시 방법을 제안하였으나, 문헌에서는 공정 지식과 시나리오 모형의 연관 관계 및 푸시된 공정 지식의 평가에 대한 설명은 없다. 또 다른 문헌 “순푸(孫璞), 허우쥔제(候俊杰) 등. 3D 공정 설계를 위한 지식 푸시 방법 연구[J]. 제조업 자동화, 2016, 38(9): 96-104”는 공정 설계 의도와 공정 지식 간 매칭 방법을 제안하였으며, 획득된 후보 공정 지식 세트를 통해 상응하는 공정 지식을 푸시하지만, 문헌에는 공정 의도 모형이 여전히 시멘틱 설명 중심이기 때문에 3D 기계 가공 설계에 충분히 활용할 수 없다.
요약하면, 공정 지식의 재사용은 이미 제조업체에 의해 연구 제작 주기 단축, 비용 절감 및 기업 경쟁력 강화의 중요한 요소로 간주되고 있다. 그러나 공정 시멘틱 기반의 검색 방법은 저차원의 공정 지식 표현 과정에만 적용할 수 있다. 형상 기반의 검색 방법은 다원화된 공정 지식의 매칭 문제를 해결할 수 있지만 구체적인 공정 설계 요건이 고려되지 않았다. 따라서 가공 특성 기반의 공정 지식 푸시 방법은 3D 기계 가공 공정 설계 시스템에 완전히 삽입할 수 있을 뿐만 아니라 공정 지식의 고효율적 재사용도 구현할 수 있다.
본 발명의 목적은 종래 기술의 문제점을 고려하고 기계 가공 공정 지능형 설계의 발전 및 응용을 가속화하기 위하여, 공정 특성 기반의 공정 지식 푸시 방법, 공정 의도 모형 기반의 유사도 계산 및 공정 지식의 평가 방법을 제공함으로써, 기계 가공 지식의 정확한 푸시를 구현하고 공정 설계의 효율성을 개선하며 지능형 공정 설계에 대한 기술 지원을 제공하는 데에 있다.
상기 기술적 문제를 해결하기 위하여, 본 발명은 가공 특성 기반의 공정 지식 푸시 방법을 제공하며, 이는 하기 단계를 포함하는 것을 특징으로 한다.
단계 (1): 가공 특성 벡터 표현 방법을 기반으로 공정 의도 모형 PPIM을 구축하고, PPIM의 표현식은 PPIM={PPB, PPG, API}이며, 여기에서 PPB는 공정 설계 배경이고, PPG는 공정 설계 목표이며, API는 공정 부속 정보이다.
단계 (2): 단계 (1)에서 구축된 공정 의도 모형 중의 유사도 계산 방법에는 부품 기초 정보 유사도 계산, 가공 특성 유사도 계산 및 품질 정보 유사도 계산이 포함된다.
단계 (3): 공정 지식 계층화 표현 모형을 구축하며, 공정 지식 계층화 표현 모형에는 기초 공정 정보층, 가공 정보층 및 품질 정보층의 3가지 계층이 포함된다.
단계 (4): 신뢰도 계산 기반의 공정 지식 평가 방법은 인접 공정 속성 신뢰도 계산값을 이용하여 최적의 공정 지식 요소를 획득한다.
단계 (5): 단계 (1)에서 획득한 부품 공정 의도 모형과 단계 (4)에서의 신뢰도 값을 기반으로 공정 지식의 정확한 푸시를 구현한다.
더 나아가, 상기 단계 (1) 중 공정 의도 모형의 구축은 부품 설계 정보 및 가공 요건에 따라 구축된 것이며, 여기에서 PPB는 부품 유형, 블랭크 유형, 재료 속성 및 가공 유형을 포함하는 공정 설계 배경이고, PPG는 가공 특성 유형, 공구 이송 방향, 특성면 매트릭스, 인접면 매트릭스, 토폴로지 관계 매트릭스 및 구체적인 치수 정보를 포함하는 공정 설계 목표이고, API는 기하학적 정밀도 정보 및 치수 정밀도 정보를 포함하는 공정 부속 정보이다.
더 나아가, 상기 공정 지식 계층화 표현 모형 중 3가지 계층은 구체적으로 하기와 같다.
기초 공정 정보층은 4가지 공정 요소, 즉 부품 유형, 블랭크 유형, 재료 속성 및 가공 유형을 포함한다.
가공 정보층은 6개의 공정 요소, 즉 가공 유형, 가공 방법, 공작 기계 유형, 공구 유형, 고정구 유형 및 절삭액을 포함한다.
품질 정보층은 구체적인 검출 요건을 포함한다.
더 나아가, 상기 신뢰도 계산 기반의 공정 지식 평가 방법의 구체적인 단계는 하기와 같다.
단계 (4.1): 공정 지식 각 요소의 우선순위를 결정한다.
단계 (4.2): 인접 공정 지식 요소의 신뢰도를 계산하고, 신뢰도가 가장 높은 공정 지식 요소를 출력한다.
단계 (4.3): 모든 공정 지식 요소가 획득될 때까지 다음 단계 공정 지식 요소의 신뢰도를 계산한다.
더 나아가, 상기 PPB는 생성된 기본 설계 정보를 통하여 획득하며, 상기 PPG는 식별 가공 특성을 통해 획득하고, 구체적으로 하기와 같다.
가공 특성 유형은 주로 구멍 특성, 슬롯 특성, 평면 특성 및 돌출대 특성을 포함하는 사전 정의된 특성 라이브러리에 의해 결정된다.
공구 이송 방향은 가공면의 법선 벡터를 기반으로 결정된다.
특성면 매트릭스는 각 특성면 유형 및 그 인접면 속성을 통해 형성되고, 특성면의 유형에는 평면, 원기둥면, 챔퍼면, 구형면 및 원고리면이 있으며, 인접면 속성은 특성면 교차변의 속성을 기반으로 확정되고, 여기에는 오목변, 돌출변 및 접선변이 포함된다.
토폴로지 관계 매트릭스는 특성면 간의 상호 관계에 의해 확정되며, 여기에는 평행, 수직, 경사 및 접선이 포함된다.
기본 치수 정보는 가공 특성 기반의 최소 경계 박스에 의해 확정되며, 주로 길이, 너비 및 높이가 포함된다.
더 나아가, 상기 단계 (2)에서의 가공 특성 유사도 계산에는 벡터 매칭도 계산, 매트릭스 매칭도 계산 및 속성값 매칭도 계산의 3가지 유형이 포함된다.
여기에서 벡터 매칭도 계산 표현식은 하기와 같다.
conine(p, q)는 벡터 p와 벡터 q 간의 매칭도를 나타내고, i는 벡터 중 i번째 요소를 나타내며, 여기에서 매트릭스 매칭도 값은 벡터의 매칭도 계산으로 변환될 수 있다.
매트릭스의 매칭도 계산 방법은 먼저 N차 매트릭스를 N차원 벡터로 변환한 다음, 벡터의 매칭도를 계산하여 매트릭스 매칭도 계산을 구현하는 것이다.
속성 값 매칭도 계산 표현식은 하기와 같다.
Sa(a1, a2)는 속성 값 a1과 a2의 매칭도를 나타내고, n은 속성 값에 포함된 요소의 수를 나타내고, j는 속성 값 중 j번째 요소를 나타낸다.
더 나아가, 상기 단계 (4.1)에서 상기 공정 지식 각 요소의 우선순위는 가공 정보층에 포함된 요소의 우선순위 관계를 지칭하며, 그 우선순위 순서는 가공 유형, 가공 방법, 공작 기계 유형, 공구 유형, 고정구 유형 및 절삭액 유형이다.
더 나아가, 상기 단계 (4.2)에서 상기 인접 공정 지식 요소 신뢰도의 계산 공식은 하기와 같다.
여기에서 Scon<p1, p2>는 공정 지식 요소 p1 및 p2의 신뢰도를 나타내며, Preq (p1)은 공정 지식 요소 p1의 총 수량을 나타내고, Preq(p1∩p2)는 공정 지식 요소 p1 및 p2의 관련 총 횟수를 나타낸다.
더 나아가, 상기 가공 특성 유형은 문자열로 표시되고, 공구 이송 방향은 벡터로 표시되며, 특성면 세트 매트릭스와 토폴로지 관계 매트릭스는 속성 유형 할당 값을 통해 생성된다.
더 나아가, 상기 단계 (5)에서, 획득된 부품 공정 의도 모형과 신뢰도 값을 기반으로 공정 지식의 정확한 푸시를 구현하는 구체적인 단계는 하기와 같다.
단계 (5.1): 공정 의도 모형을 통해, 검색된 공정 지식 중의 공정 배경 정보 매칭도가 요건을 충족시키는지 여부를 판단하며, 만약 그렇다면 단계 (5.2)로 진입하고, 그렇지 않다면 요건이 충족될 때까지 계속 검색한다.
단계 (5.2): 공정 지식 중의 공정 목표 정보 매칭도가 요건을 충족시키는지 여부를 판단하고, 만약 그렇다면 단계 (5.3)으로 진입하고, 그렇지 않다면 요건이 충족될 때까지 계속 검색한다.
단계 (5.3): 공정 지식 중의 공정 부속 정보 매칭도가 요건을 충족시키는지 여부를 판단하고, 만약 그렇다면 단계 (5.4)로 진입하고, 그렇지 않다면 요건이 충족될 때까지 계속 검색한다.
단계 (5.4): 요건을 충족시키는 공정 정보 목록을 출력한 다음, 인접 공정 속성 신뢰도를 통해 신뢰도 값을 계산하여 획득하고, 마지막으로 최적의 공정 지식 요소를 출력 및 푸시한다.
종래 기술과 비교하여, 본 발명의 장점은 하기와 같다.
본 발명은 가공 특성을 벡터로 이용한 공정 지식 표현으로 공정 지식 푸시 방법을 제안함으로써, 3D 기계 가공 공정 과정 중 공정 정보의 신속하고 정확한 푸시를 효과적으로 해결하였으며, 나아가 공정 설계의 효율을 향상시키고 지능형 공정 설계의 발전과 응용을 위한 기술 지원을 제공하였다.
도 1은 본 발명의 흐름도이다.
도 2는 일 실시예에 따른 디젤 엔진 연결 부재의 구조도이다.
도 3은 일 실시예에 따른 부품의 공정 설계 목표의 결과도이다.
도 4는 일 실시예에 따른 가공할 공정 순서가 매칭되는 공정 의도 모형의 모식도이다.
도 2는 일 실시예에 따른 디젤 엔진 연결 부재의 구조도이다.
도 3은 일 실시예에 따른 부품의 공정 설계 목표의 결과도이다.
도 4는 일 실시예에 따른 가공할 공정 순서가 매칭되는 공정 의도 모형의 모식도이다.
이하에서는 첨부도면과 구체적인 실시예를 통하여 본 발명을 더욱 상세하게 설명한다.
도 1에 도시된 바와 같이, 본 발명은 가공 특성 기반의 공정 지식 푸시 방법을 제공하며, 여기에는 하기 단계가 순차적으로 포함된다.
단계 (1): 가공 특성 벡터 표현 방법 기반의 공정 의도 모형(Process planning intent model, PPIM) 구축. PPIM의 표현식은 PPIM={PPB, PPG, API}이며, 여기에서 PPB는 공정 설계 배경이고, PPG는 공정 설계 목표이며, API는 공정 부속 정보이다.
단계 (2): 공정 지식의 계층화 표현. 공정 지식의 계층화 표현 모형은 3가지 계층, 즉 기초 공정 정보층, 가공 정보층 및 품질 정보층으로 나뉜다.
단계 (3): 공정 의도 모형의 유사도 계산 방법에는 주로 부품 기초 정보 유사도 계산, 가공 특성 유사도 계산 및 품질 정보 유사성 계산이 포함된다.
단계 (4): 신뢰도 계산 기반의 공정 지식 평가 방법. 인접 공정 속성 신뢰도 계산값을 이용하여 최적의 공정 지식 요소를 획득한다.
단계 (5): 공정 지식의 계층적 푸시. 생성된 공정 지식 베이스와 부품의 공정 설계 의도 모형을 기반으로 공정 지식의 계층화된 정확한 푸시를 구현한다.
상기 PPIM은 부품 설계 정보 및 가공 요건에 따라 생성된 것이며, 여기에서 PPB는 부품 유형, 블랭크 유형, 재료 속성 및 가공 유형을 포함하고, PPG는 가공 특성 유형, 공구 이송 방향, 특성면 매트릭스, 인접면 매트릭스, 토폴로지 관계 매트릭스 및 구체적인 치수 정보를 포함하고, API는 기하학적 정밀도 정보 및 치수 정밀도 정보를 포함한다.
상기 공정 지식 계층화 표현 모형은 공정 지식 베이스 생성을 통해 관리를 진행하며, 여기에서 기초 공정 정보층에 포함되는 공정 지식 요소는 공정 설계 배경의 공정 지식과 동일하고, 가공 정보층은 가공 유형, 가공 방법, 공작 기계 유형, 공구 유형, 고정구 유형 및 절삭액 6개 부분의 내용을 포함하고, 품질 정보층은 구체적인 검출 요건을 포함한다.
상기 공정 의도 모형 유사도 계산에는 기본 공정 정보의 유사도 계산, 가공 특성의 유사도 계산 및 품질 정보의 유사도 계산이 포함된다.
상기 신뢰도 계산 기반의 공정 지식 평가 방법 프로세스는 다음과 같다. 즉, 먼저 공정 지식 각 요소의 우선순위를 결정한다. 그 후 인접 공정 지식 요소의 신뢰도를 계산하고, 신뢰도가 가장 높은 공정 지식 요소를 출력한다. 마지막으로 모든 공정 지식 요소가 획득될 때까지 다음 단계 공정 지식 요소의 신뢰도를 계산한다.
상기 공정 설계 배경 지식은 부품의 기본 설계 정보를 통하여 획득한다.
상기 공정 설계 목표는 식별 가공 특성을 통해 획득하고, 여기에서 가공 특성 유형은 주로 구멍 특성, 슬롯 특성, 평면 특성 및 돌출대 특성을 포함하는 사전 정의된 특성 라이브러리에 의해 결정된다. 공구 이송 방향은 가공면의 법선 벡터를 기반으로 결정된다. 특성면 매트릭스는 각 특성면 유형 및 그 인접면 속성을 통해 형성되고, 특성면의 유형에는 평면, 원기둥면, 챔퍼면, 구형면 및 원고리면이 있으며, 인접면 속성은 특성면 교차변의 속성을 기반으로 확정되고, 여기에는 오목변, 돌출변 및 접선변이 포함된다. 토폴로지 관계 매트릭스는 특성면 간의 상호 관계에 의해 확정되며, 여기에는 평행, 수직, 경사 및 접선이 포함된다. 기본 치수 정보는 가공 특성 기반의 최소 경계 박스에 의해 확정되며, 주로 길이, 너비 및 높이가 포함된다.
상기 공정 지식 베이스의 생성은 관련 규칙을 기반으로 조직되며, 여기에서 관련 규칙은 1차원 관련 규칙과 다차원 관련 규칙으로 나뉜다.
상기 가공 특성의 유사도 계산에는 벡터 매칭도 계산, 매트릭스 매칭도 계산 및 속성 값 매칭도 계산이 포함되고, 여기에서 벡터 매칭도 계산 표현식은 하기와 같다.
conine(p, q)는 벡터 p와 벡터 q 간의 매칭도를 나타내고, i는 벡터 중 i번째 요소를 나타내며, 여기에서 매트릭스 매칭도 값은 벡터의 매칭도 계산으로 변환될 수 있고, 속성 값 매칭도 계산 표현식은 하기와 같다.
Sa(a1, a2)는 속성 값 a1과 a2의 매칭도를 나타내고, n은 속성 값에 포함된 요소의 수를 나타내고, j는 속성 값 중 j번째 요소를 나타낸다.
상기 공정 지식 각 요소의 우선순위는 가공 정보층에 포함된 요소의 우선순위 관계를 지칭하며, 그 우선순위 순서는 가공 유형, 가공 방법, 공작 기계 유형, 공구 유형, 고정구 유형 및 절삭액 유형이다.
상기 인접 공정 지식 요소 신뢰도의 계산 공식은 하기와 같다.
여기에서 Scon<p1, p2>는 공정 지식 요소 p1 및 p2의 신뢰도를 나타내며, Preq (p1)은 공정 지식 요소 p1의 총 수량을 나타내고, Preq(p1∩p2)는 공정 지식 요소 p1 및 p2의 관련 총 횟수를 나타낸다.
상기 가공 유형은 문자열로 표시되고, 공구 이송 방향은 벡터로 표시되며, 특성면 세트 매트릭스와 토폴로지 관계 매트릭스는 속성 유형 할당 값을 통해 생성된다.
공정 의도 모형의 생성은 기계 가공 공정 지식 푸시의 핵심이다. 공정 의도 모형은 세 부분, 즉 공정 설계 배경, 공정 설계 목표 및 공정 부속 정보로 구성된다. 여기에서 공정 설계 배경은 주로 제품군, 부품 유형, 블랭크 유형, 재료 유형 및 가공 유형을 포함하며 가공 부품의 기본 속성 정보로 구성된다. 도 2에 도시된 디젤 엔진 연결 부재를 예로 들면, 상기 부품의 공정 설계 배경 지식은 디젤 엔진 연결 부재 제품군 부품, V12의 연결 부재, 주조 블랭크, 45# 스틸, NC 가공이다.
공정 설계 목표에는 6가지 부분의 내용, 즉 특성 유형, 공구 이송 방향, 특성면 세트 매트릭스, 인접면 세트 매트릭스, 토폴로지 관계 매트릭스 및 치수 정보가 포함된다. 공정 설계 목표의 표현 및 유사도 계산을 용이하게 수행하기 위하여, 각 속성 요소는 문자 또는 이진수 할당 값의 형태로 관리된다. 여기에서 가공 특성 유형과 특성면 속성의 할당 값은 표 1 및 표 2와 같다. 토폴로지 관계 중 평행, 수직, 비수직 및 접선의 이진수 할당 값은 0001, 0010, 0011 및 0100이다. 교차변 속성 오목변, 돌출변 및 접선변의 이진수 할당 값은 0001, 0010 및 0011이고, 교차변 유형 중 직선, 원호 및 스플라인 곡선의 이진수 할당 값은 0001, 0010 및 0011이고, 교차변 정보를 정확하게 표현하기 위하여, “속성+유형”의 형식, 예를 들어 “접선변-원호”의 형식을 채택하며, 그 대응 수치는 각 요소 수치를 서로 곱해 획득하는데, 예를 들어 “접선변-원호”의 수치는 0011×0010=0110이며, 만약 2개 평면이 교차하지 않으면 0으로 표시된다. 도 2에 도시된 부품을 예로 들면, 특성 식별 기술을 기반으로 면 F1과 F3을 평면으로, F2와 F4를 챔퍼면으로 획득하고, 각 속성 요소의 이진수 할당 값을 기반으로, 생성된 특성면 세트 매트릭스, 토폴로지 관계 매트릭스 및 인접면 세트 매트릭스는 도 3에 도시된 바와 같다.
표 1 가공 특성 유형의 문자 할당 값
표 2 가공 특성면의 이진수 할당 값
공정 설계 의도 모형은 후보 공정 지식 세트를 획득하기 위한 기초이며, 매칭 방법을 이용하여 기존 공정 지식 데이터베이스에서 유사한 공정 설계 의도 모형을 획득하고, 이어서 연관된 공정 지식을 획득하여 후보 공정 지식 세트를 형성한다. 유사 설계 의도 모형을 매칭시키는 과정은 상세하게는 다음과 같다. 즉, 공정 설계 배경의 유사도 계산에서, “유사 부품은 유사 공정을 갖는다”는 원칙에 따라 유사 설계 의도를 갖는 부품은 반드시 동일한 공정 설계 배경을 가지므로, 공정 설계 배경에 포함되는 공정 지식은 유사도 계산을 수행할 필요가 없다. 공정 설계 목표의 유사도 계산에서, 여기에는 6가지 속성 요소가 포함되는데 그 중 특성 유형과 공구 이송 방향은 완전히 일치해야하므로, 특성면 매트릭스, 인접면 매트릭스, 토폴로지 관계 매트릭스 및 치수 정보에 대해서만 유사도 계산을 수행해야 한다. 기업의 기존 공정 모형 데이터베이스를 기반으로, 도 2에 도시된 부품 슬롯 가공 공정과 매칭되는 공정 모형 및 그 유사도 계산 값은 도 4에 도시된 바와 같다. 매칭된 공정 모형에 따라 관련된 공정 지식을 획득하며, 형성된 후보 공정 지식 세트는 표 3과 같다.
표 3 공정 의도 모형 기반으로 획득한 후보 공정 지식 세트
신뢰도 계산 값을 기반으로 후보 공정 지식 세트 중의 공정 항목을 평가하여 신뢰도가 가장 높은 공정 정보를 푸시하며, 그 신뢰도는 각각 Scon<Ptype, Pmeth-turning>=0.76, Scon<Pmeth-turning, Pmach_CK5120>=0.75, Scon<Pmach, Pclamp-platen>=0.67이고, 최종 푸시되는 공정 지식은 roughing-turning-CK5120-platen-YT6/YG8-aqueous이다.
Claims (10)
- 가공 특성 기반의 공정 지식 푸시 방법에 있어서,
하기 단계,
단계 (1): 가공 특성 벡터 표현 방법을 기반으로 공정 의도 모형 PPIM을 구축하고, PPIM의 표현식은 PPIM={PPB, PPG, API}이며, 여기에서 PPB는 공정 설계 배경이고, PPG는 공정 설계 목표이며, API는 공정 부속 정보인 단계;
단계 (2): 단계 (1)에서 구축된 공정 의도 모형 중의 유사도 계산 방법에는 부품 기초 정보 유사도 계산, 가공 특성 유사도 계산 및 품질 정보 유사도 계산이 포함되는 단계;
단계 (3): 공정 지식 계층화 표현 모형을 구축하며, 공정 지식 계층화 표현 모형에는 기초 공정 정보층, 가공 정보층 및 품질 정보층의 3가지 계층이 포함되는 단계;
단계 (4): 신뢰도 계산 기반의 공정 지식 평가 방법은 인접 공정 속성 신뢰도 계산값을 이용하여 최적의 공정 지식 요소를 획득하는 단계;
단계 (5): 단계 (1)에서 획득한 부품 공정 의도 모형과 단계 (4)에서의 신뢰도 값을 기반으로 공정 지식의 정확한 푸시를 구현하는 단계;를 포함하는 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법. - 제1항에 있어서,
상기 단계 (1) 중 공정 의도 모형의 구축은 부품 설계 정보 및 가공 요건에 따라 구축된 것이며, 여기에서 PPB는 부품 유형, 블랭크 유형, 재료 속성 및 가공 유형을 포함하는 공정 설계 배경이고; PPG는 가공 특성 유형, 공구 이송 방향, 특성면 매트릭스, 인접면 매트릭스, 토폴로지 관계 매트릭스 및 구체적인 치수 정보를 포함하는 공정 설계 목표이고; API는 기하학적 정밀도 정보 및 치수 정밀도 정보를 포함하는 공정 부속 정보인 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법. - 제1항에 있어서,
상기 공정 지식 계층화 표현 모형 중 3가지 계층은 구체적으로,
기초 공정 정보층은 4가지 공정 요소, 즉 부품 유형, 블랭크 유형, 재료 속성 및 가공 유형을 포함하고;
가공 정보층은 6개의 공정 요소, 즉 가공 유형, 가공 방법, 공작 기계 유형, 공구 유형, 고정구 유형 및 절삭액을 포함하고;
품질 정보층은 구체적인 검출 요건을 포함하는 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법. - 제1항에 있어서,
상기 신뢰도 계산 기반의 공정 지식 평가 방법의 구체적인 단계,
단계 (4.1): 공정 지식 각 요소의 우선순위를 결정하는 단계;
단계 (4.2): 인접 공정 지식 요소의 신뢰도를 계산하고, 신뢰도가 가장 높은 공정 지식 요소를 출력하는 단계;
단계 (4.3): 모든 공정 지식 요소가 획득될 때까지 다음 단계 공정 지식 요소의 신뢰도를 계산하는 단계;인 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법. - 제1항에 있어서,
상기 PPB는 생성된 기본 설계 정보를 통하여 획득하며, 상기 PPG는 식별 가공 특성을 통해 획득하고, 구체적으로,
가공 특성 유형은 주로 구멍 특성, 슬롯 특성, 평면 특성 및 돌출대 특성을 포함하는 사전 정의된 특성 라이브러리에 의해 결정되고;
공구 이송 방향은 가공면의 법선 벡터를 기반으로 결정되고;
특성면 매트릭스는 각 특성면 유형 및 그 인접면 속성을 통해 형성되고, 특성면의 유형에는 평면, 원기둥면, 챔퍼면, 구형면 및 원고리면이 있으며, 인접면 속성은 특성면 교차변의 속성을 기반으로 확정되고, 여기에는 오목변, 돌출변 및 접선변이 포함되고;
토폴로지 관계 매트릭스는 특성면 간의 상호 관계에 의해 확정되며, 여기에는 평행, 수직, 경사 및 접선이 포함되고;
기본 치수 정보는 가공 특성 기반의 최소 경계 박스에 의해 확정되며, 주로 길이, 너비 및 높이가 포함되는 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법. - 제1항에 있어서,
상기 단계 (2)에서의 가공 특성 유사도 계산에는 벡터 매칭도 계산, 매트릭스 매칭도 계산 및 속성값 매칭도 계산의 3가지 유형이 포함되고;
여기에서 벡터 매칭도 계산 표현식은 하기와 같고,
conine(p, q)는 벡터 p와 벡터 q 간의 매칭도를 나타내고, i는 벡터 중 i번째 요소를 나타내며, 여기에서 매트릭스 매칭도 값은 벡터의 매칭도 계산으로 변환될 수 있고;
매트릭스의 매칭도 계산 방법은 먼저 N차 매트릭스를 N차원 벡터로 변환한 다음, 벡터의 매칭도를 계산하여 매트릭스 매칭도 계산을 구현하는 것이고,
속성 값 매칭도 계산 표현식은 하기와 같으며,
Sa(a1, a2)는 속성 값 a1과 a2의 매칭도를 나타내고, n은 속성 값에 포함된 요소의 수를 나타내고, j는 속성 값 중 j번째 요소를 나타내는 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법. - 제4항에 있어서,
상기 단계 (4.1)에서 상기 공정 지식 각 요소의 우선순위는 가공 정보층에 포함된 요소의 우선순위 관계를 지칭하며, 그 우선순위 순서는 가공 유형, 가공 방법, 공작 기계 유형, 공구 유형, 고정구 유형 및 절삭액 유형인 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법. - 제4항에 있어서,
상기 단계 (4.2)에서 상기 인접 공정 지식 요소 신뢰도의 계산 공식은 하기와 같고,
여기에서 Scon<p1, p2>는 공정 지식 요소 p1 및 p2의 신뢰도를 나타내며, Preq (p1)은 공정 지식 요소 p1의 총 수량을 나타내고, Preq(p1∩p2)는 공정 지식 요소 p1 및 p2의 관련 총 횟수를 나타내는 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법. - 제2항 또는 제5항에 있어서,
상기 가공 특성 유형은 문자열로 표시되고, 공구 이송 방향은 벡터로 표시되며, 특성면 세트 매트릭스와 토폴로지 관계 매트릭스는 속성 유형 할당 값을 통해 생성되는 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법. - 제1항에 있어서,
상기 단계 (5)에서, 획득된 부품 공정 의도 모형과 신뢰도 값을 기반으로, 공정 지식의 정확한 푸시를 구현하는 구체적인 단계,
단계 (5.1): 공정 의도 모형을 통해, 검색된 공정 지식 중의 공정 배경 정보 매칭도가 요건을 충족시키는지 여부를 판단하며, 만약 그렇다면 단계 (5.2)로 진입하고, 그렇지 않다면 요건이 충족될 때까지 계속 검색하는 단계;
단계 (5.2): 공정 지식 중의 공정 목표 정보 매칭도가 요건을 충족시키는지 여부를 판단하고, 만약 그렇다면 단계 (5.3)으로 진입하고, 그렇지 않다면 요건이 충족될 때까지 계속 검색하는 단계;
단계 (5.3): 공정 지식 중의 공정 부속 정보 매칭도가 요건을 충족시키는지 여부를 판단하고, 만약 그렇다면 단계 (5.4)로 진입하고, 그렇지 않다면 요건이 충족될 때까지 계속 검색하는 단계;
단계 (5.4): 요건을 충족시키는 공정 정보 목록을 출력한 다음, 인접 공정 속성 신뢰도를 통해 신뢰도 값을 계산하여 획득하고, 마지막으로 최적의 공정 지식 요소를 출력 및 푸시하는 단계;인 것을 특징으로 하는 가공 특성 기반의 공정 지식 푸시 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810067886.X | 2018-01-24 | ||
| CN201810067886.XA CN108121886B (zh) | 2018-01-24 | 2018-01-24 | 一种基于加工特征的工艺知识推送方法 |
| PCT/CN2018/075382 WO2019144436A1 (zh) | 2018-01-24 | 2018-02-06 | 一种基于加工特征的工艺知识推送方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200105853A true KR20200105853A (ko) | 2020-09-09 |
| KR102465451B1 KR102465451B1 (ko) | 2022-11-09 |
Family
ID=62232971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020207021050A KR102465451B1 (ko) | 2018-01-24 | 2018-02-06 | 가공 특성 기반의 공정 지식 푸시 방법 |
Country Status (3)
| Country | Link |
|---|---|
| KR (1) | KR102465451B1 (ko) |
| CN (1) | CN108121886B (ko) |
| WO (1) | WO2019144436A1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109143980B (zh) * | 2018-10-19 | 2021-05-07 | 西北工业大学 | 基于数控工艺解析的相交加工特征识别与重用方法 |
| CN110221578B (zh) * | 2019-05-09 | 2022-04-01 | 上海航天精密机械研究所 | 一种复杂加工特征通用定义方法 |
| CN112507451B (zh) * | 2020-11-30 | 2024-04-19 | 江苏科技大学 | 基于模型几何元素驱动的焊接工艺设计方法 |
| CN113341882B (zh) * | 2021-06-28 | 2022-06-14 | 成都飞机工业（集团）有限责任公司 | 一种基于加工知识的数控工艺设计及优化方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105894021A (zh) * | 2016-03-30 | 2016-08-24 | 江苏科技大学 | 一种基于工艺知识的相同加工特征的匹配方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101694572B (zh) * | 2009-07-13 | 2011-12-14 | 北京理工大学 | 一种提供自评价的数控刀具智能选取方法 |
| US8560480B2 (en) * | 2010-08-25 | 2013-10-15 | Sap Ag | Task-based experience reuse |
| CN102081706B (zh) * | 2011-02-28 | 2013-08-14 | 同济大学 | 基于相似性理论的工艺规划方法 |
| CN102411333B (zh) * | 2011-11-18 | 2013-06-19 | 上海交通大学 | 飞机复杂结构件快速数控加工工艺系统 |
| CN104239653A (zh) * | 2014-10-14 | 2014-12-24 | 内蒙古第一机械集团有限公司 | 一种铸造三维工艺设计方法 |
| CN105224953B (zh) * | 2015-10-09 | 2018-07-03 | 天津大学 | 一种机床零件加工工艺规程中知识提取与演化的方法 |
| CN105893715A (zh) * | 2016-06-01 | 2016-08-24 | 江苏科技大学 | 基于加工特征的工艺信息智能匹配方法 |
| CN106774173B (zh) * | 2016-12-06 | 2019-01-25 | 中国电子科技集团公司第三十八研究所 | 三维典型机加工艺设计方法及装置 |
| CN106843153B (zh) * | 2017-03-13 | 2019-02-26 | 西北工业大学 | 面向工艺方案的可重用数控工艺映射方法 |
| CN107357963A (zh) * | 2017-06-19 | 2017-11-17 | 江苏科技大学 | 一种基于加工知识的加工特征表达方法 |
-
2018
- 2018-01-24 CN CN201810067886.XA patent/CN108121886B/zh active Active
- 2018-02-06 KR KR1020207021050A patent/KR102465451B1/ko active IP Right Grant
- 2018-02-06 WO PCT/CN2018/075382 patent/WO2019144436A1/zh active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105894021A (zh) * | 2016-03-30 | 2016-08-24 | 江苏科技大学 | 一种基于工艺知识的相同加工特征的匹配方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108121886B (zh) | 2020-06-16 |
| WO2019144436A1 (zh) | 2019-08-01 |
| CN108121886A (zh) | 2018-06-05 |
| KR102465451B1 (ko) | 2022-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102465451B1 (ko) | 가공 특성 기반의 공정 지식 푸시 방법 | |
| Huang et al. | A flexible and effective NC machining process reuse approach for similar subparts | |
| CN109598705B (zh) | 一种基于检测特征的检验规程自动生成方法 | |
| CN106484815B (zh) | 一种基于海量数据类sql检索场景的自动识别优化方法 | |
| Xu et al. | NC process reuse oriented effective subpart retrieval approach of 3D CAD models | |
| Kang et al. | Selection and sequencing of machining processes for prismatic parts using process ontology model | |
| CN116403207A (zh) | 一种板类零件的加工特征识别方法 | |
| US11947491B2 (en) | Apparatus and methods for geometric searching | |
| CN114626190A (zh) | 一种基于知识图谱的工艺设计资源模型构建方法 | |
| CN105447284A (zh) | 一种工艺余量的添加方法 | |
| CN110990907B (zh) | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 | |
| US20170322186A1 (en) | Processing Apparatus | |
| Gaoliang et al. | Using CBR to develop a VR‐based integrated system for machining fixture design | |
| Kusiak | Optimal selection of machinable volumes | |
| CN106649551A (zh) | 基于cbr有限元模板的检索方法 | |
| CN116798028A (zh) | 三维零件的尺寸自动标注方法 | |
| CN108227627B (zh) | 一种用于船用柴油机关键件的数控程序编制方法 | |
| CN110930028A (zh) | 一种基于聚类分析法的机械加工制造资源配置方法 | |
| Cheng et al. | Research on the sequence planning of manufacturing feature based on the node importance of complex network | |
| CN112487717B (zh) | 一种船用柴油机关键件的可制造性智能评价方法 | |
| CN109460415B (zh) | 一种基于n维向量夹角余弦的相似夹具检索方法 | |
| CN113868860A (zh) | 一种基于工艺知识的零件自适应成本估算方法 | |
| Li et al. | Similarity measurement of the geometry variation sequence of intermediate process model | |
| Logar et al. | Feature-based part database design and automatic forming of part families for GT | |
| CN116842740B (zh) | 基于物元模型的加工特征智能识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |