根據(jù)密歇根大學研究人員在IEEE Access上發(fā)表的一項研究，一種新方法使用數(shù)字孿生來優(yōu)化制造機器速度(稱為進給率)，同時遵守質(zhì)量限制。
密歇根大學機械工程和集成系統(tǒng)與設計教授、該研究的通訊作者 Chinedum Okwudire 表示：“這項工作的靈感來自于我加入密歇根大學之前在制造自動化行業(yè)的經(jīng)歷。”
Okwudire 注意到，制造商要么花費大量時間通過反復試驗來微調(diào)機器設置，要么選擇保守的方法，在保證質(zhì)量的同時犧牲了生產(chǎn)力潛力。
“我想知道，我們能否將這個問題納入一個科學框架中，然后能夠為機器提供質(zhì)量約束，并讓它自行找到最佳的生產(chǎn)力設置，”Okwudire 說。
該算法實現(xiàn)了這一目標，通過對該方法的實驗測試，將 3 軸臺式 CNC 機床的循環(huán)時間(或生產(chǎn)一個單位輸出所需的時間)減少了 38%，將桌面 3D 打印機減少了 17%。
“這些在制造業(yè)中是巨大的數(shù)字。對于 38% 的周期時間縮短，每生產(chǎn)三個零件，您現(xiàn)在可以在相同的時間內(nèi)生產(chǎn)四個零件。當您考慮循環(huán)使用數(shù)千個零件時，這是相當重要的， ”奧克烏迪爾說道。
該模型廣泛適用于使用進給驅(qū)動器或?qū)⒉牧线\送到切削刀具的工具的任何制造環(huán)境，包括銑削、3D 打印和機器人技術。
研究人員使用數(shù)字孿生開發(fā)了該方法，數(shù)字孿生是一種模擬真實系統(tǒng)行為的虛擬模型，基于機器的物理原理和從傳感器實時收集的數(shù)據(jù)。
物理學第一原理還有很長的路要走，但利用實時數(shù)據(jù)和機器學習彌補了物理學無法預測的缺點，例如機器所處的特定環(huán)境引起的變化。
該框架的另一個關鍵改進是處理不確定性的能力。研究人員對數(shù)字孿生進行了編程，使其能夠意識到不確定性——在本例中，即生產(chǎn)超出質(zhì)量閾值的零件的可能性。該算法能夠決定在給定質(zhì)量嚴格性的情況下可以達到多少速度。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！