Optimization of loading of machines in production areas for parts manufacturing

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Background. The purpose of the research is to develop a computer model for optimizing the loading of machines of the same classification group, but of different types, of the existing fleet of technological equipment of the enterprise. Materials and methods. The research provided for the development of a calculation methodology and algorithm implemented in the MatchCAD mathematical package in the form of a computer model for comparative evaluation and optimization of calculating the number of parts processed by machines of different types based on the limitations available in production. Results. The developed technique made it possible to create a calculation algorithm based on it. The implemented computer model in the MatchCAD mathematical package allows optimizing the values of the number of parts processed in each group, but with machines of different types, by alternately optimizing to minimize operating costs, to minimize energy consumption and to minimize labor costs. Conclusions. The found difference in values between the option of the minimum production cycle for the manufacture of a batch of parts and the display is stable.

Авторлар туралы

Vladimir Konovalov

Penza State Technological University

Хат алмасуға жауапты Автор.
Email: konovalov-penza@rambler.ru

Doctor of engineering sciences, professor, professor of the sub-department of mechanical engineering technology

(1a/11 Baydukova passage / Gagarina street, Penza, Russia)

Marina Dontsova

Penza State Technological University

Email: dontmv@mail.ru

Candidate of engineering sciences, associate professor, associate professor of the sub-department of mechanical engineering technology

(1a/11 Baydukova passage / Gagarina street, Penza, Russia)

Aleksandr Rasstegaev

Penza State Technological University

Email: ran-tms@yandex.ru

Candidate of engineering sciences, associate professor, associate professor of the sub-department of mechanical engineering technology

(1a/11 Baydukova passage / Gagarina street, Penza, Russia)

Vladimir Zaitsev

Penza State Technological University

Email: vluzai@gmail.com

Candidate of engineering sciences, associate professor, associate professor of the sub-department of mechanical engineering technology

(1a/11 Baydukova passage / Gagarina street, Penza, Russia)

Әдебиет тізімі

  1. Kabaldin Yu.G., Shatagin D.A., Anosov M.S., Kuz'mishina A.M. Intelligent control of technological systems in the context of digital production. Izvestiya vysshikh uchebnykh zavedeniy. Mashinostroenie = University proceedings. Mechanical engineering. 2020;(1):3–12. (In Russ.)
  2. Gorobets I.A. Definition of the optimization criterion for the control system of CNC lathes. Progressivnye tekhnologii i sistemy mashinostroeniya = Progressive technologies and mechanical engineering systems. 2019;(4):19–24. (In Russ.)
  3. Sidorova A.V., Ponomarev B.B. Determination of the optimal combination of industrial robot control parameters in a robotic complex for edge processing of parts. Vestnik Irkutskogo gosudarstvennogo tekhnicheskogo universiteta = Bulletin of Irkutsk State Technical University. 2019;23(4):723–730. (In Russ.)
  4. Morozov A.S., Morozov S.A., Shchenyatskiy A.V. Parametric optimization of the end rolling process of a part of the class “Cylindrical with flange”. Izvestiya Tul'skogo gosudarstvennogo universiteta. Tekhnicheskie nauki = Proceedings of Tula State University. Engineering sciences. 2020;(4):425–433. (In Russ.)
  5. Andryushkin A.Yu., Butsikin E.B., Li Ch. Technological approaches in the design of topologically optimized parts. Aerokosmicheskaya tekhnika i tekhnologii = Aerospace engineering and technology. 2023;1(3):102–114. (In Russ.)
  6. Kleptsov A.A., Kleptsova L.N. Methodology of parametric optimization of technological processes in ensuring the characteristics of the surface layer of parts. Vestnik Kuzbasskogo gosudarstvennogo tekhnicheskogo universiteta = Bulletin of Kuzbass State Technical University. 2020.(4):9–17. (In Russ.)
  7. Bez"yazychnyy V.F., Terekhova A.S., Kiselev E.V. An automated method for solving the problem of selecting the optimal technology for manufacturing a part within the resource base of a specific production division. Vestnik RGATA imeni P.A. Solov'eva = Bulletin of RSATU named after P/A/ Solovyov. 2020;(3):43–47. (In Russ.)
  8. Okovityy V.A., Panteleenko F.I., Okovityy V.V., Astashinskiy V.M. Optimization of the process of applying coatings from metal-ceramic powders by the method of plasma spraying in air. Nauka i tekhnika = Science and technology. 2021;20(5):369–374. (In Russ.)
  9. Tarakhovskiy A.Yu., Bogutskiy V.B. On the issue of the approach to optimization of operations during processing of parts on CNC machines. Mekhatronika, avtomatika i roboto-tekhnika = Mechatronics, automation and robotics. 2021;(7):19–21. (In Russ.)
  10. Antsev A.V., Pas'ko N.I. Optimization of cutting speed and tool change period in statistical adaptation mode. Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta = Bulletin of the Voronezh State Technical University. 2019;15(4):102–110. (In Russ.)
  11. Pavlova A.N., Kuznetsova O.V. Mathematical modeling and optimization of technological processes. Sovremennye naukoemkie tekhnologii. Regional'noe prilozhenie = Modern science-intensive technologies. Regional application. 2021;(1):78–87. (In Russ.)
  12. Poletaeva E.V., Gorlov I.V. Optimization of the structure of the production system in the conditions of multi-product mechanical engineering production. Vestnik Tverskogo gosudarstvennogo tekhnicheskogo universiteta. Seriya: Tekhnicheskie nauki = Bulletin of Tver State Technical University. Series: Engineering sciences. 2022;(2):77–82. (In Russ.)
  13. Shkolina D.I., Adadurov A.S., Bekher S.A. Optimization of distributed manufacturing process resources using simulation modeling. Mir transporta = World of transport. 2022;20(6):56–63. (In Russ.)
  14. Abramyan V. Improving the technological efficiency of manufactured products as a key direction for reducing costs and increasing the efficiency of mechanical engineering production. Sovremennye naukoemkie tekhnologii. Regional'noe prilozhenie = Modern science-intensive technologies. Regional application. 2018;(54):8–14. (In Russ.)
  15. Liu J., Wen, X., Zhou H., Sheng S., Zhao P.L., Xiaojun K., Chao, Chen Y Digital twinenabled machining process modeling. Advanced Engineering Informatics. 2022;(54):101737. doi: 10.1016/j.aei.2022.101737

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML


Creative Commons License
Бұл мақала лицензия бойынша қолжетімді Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».