Методы и средства повышения производительности механической обработки деталей типа "корпус" за счет нового подхода к планировке оборудования гибких автоматизированных участков и оптимизации расположения стоянок транспортно-разгрузочных средств

Обложка

Цитировать

Полный текст

Аннотация

В данной работе приведено исследование влияния места стоянки транспортно-загрузочного средства на суммарную длительность транспортных операций в условиях гибких автоматизированных участков при кассетном виде обслуживания.

На основании аналитического определения количества основного технологического оборудования, а также транспортно-загрузочных устройств была разработана планировка оборудования гибкого автоматизированного участка механической обработки деталей типа «корпус». На основании полученного гибкого автоматизированного участка и разработанных технологических процессов механической обработки деталей типа «корпус» была построена имитационная модель (дискретно-событийная модель с применением агентного метода) функционирования гибкого автоматизированного участка в программной среде AnyLogic 8 Personal Learning Edition 8.9.2.

В результате имитационного моделирования функционирования гибкого автоматизированного участка механической обработки деталей типа «корпус» в программной среде AnyLogic 8 Personal Learning Edition 8.9.2 были получены зависимости суммарной длительности транспортных операций от места стоянки транспортно-загрузочного средства. Было определено рациональное место стоянки транспортно-загрузочного средства, что обеспечило сокращение времени выполнения транспортных операций на 57,2 минуты.

На основании представленных результатов были получены аналитические зависимости, позволяющие определить оптимальное место стоянки транспортно-загрузочного средства без применения имитационного моделирования, что позволяет сократить затраты времени на принятие проектно-технологических решений в процессе проектирование гибких автоматизированных участков.

На основании проведённого исследования предложена методика аналитического определения оптимального места стоянки транспортно-загрузочного средства по критерию минимальных затрат времени на транспортные операции. В рассматриваемом примере было достигнуто сокращение времени выполнения транспортных операций еще на 41,5 минуты.

На основании разработанной методики предложен подход к определению оптимальной планировки оборудования участка по критерию минимального суммарного времени транспортных операций.

Об авторах

А. С. Краско

РТУ МИРЭА

Автор, ответственный за переписку.
Email: krasko_as@mail.ru
кандидат технических наук, доцент кафедры цифровых и аддитивных технологий

А. В. Кислова

РТУ МИРЭА

Email: kislova@mirea.ru
преподаватель кафедры цифровых и аддитивных технологий

Список литературы

  1. Карпов Ю. Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 8 [Текст]: учебник / Ю. Г. Карпов. – Санкт-Петербург, 2017. – 400 с.
  2. Киселева М. В. Имитационное моделирование систем в среде AnyLogic: учебное пособие. – Екатеринбург: УГТУ–УПИ, 2009. – 88 с.
  3. Олейникова С. А. Моделирование: учебное пособие / С. А. Олейникова; ФГБОУ «Воронежский государственный технический университет». – Воронеж: Изд-во ВГТУ, 2020. – 127 с.
  4. Ковалев А. А., Краско А. С., Зуев В. В. Имитационное моделирование работы технологического комплекса в программной среде AnyLogic: учебное пособие / А. А. Ковалев, А. С. Краско, В. В. Зуев. – М.: Изд-во «Спутник+», 2021. – 157 с.
  5. Шишмарёв В. Ю. Организация и планирование автоматизированных производств: учебник для среднего профессионального образования / В. Ю. Шишмарёв. – 2-е изд. – М.: Юрайт, 2025. – 318 с.
  6. Koulinas G. K., Paraschos P. D., Koulouriotis D. E. A machine-learning framework for explainable knowledge mining and production, maintenance, and quality control optimization in flexible circular manufacturing systems. Flex Serv Manuf J. 36, 737–759 (2024). https://doi.org/10.1007/s10696-024-09537-x
  7. Боев В. Д. Компьютерное моделирование систем: учебное пособие для среднего профессионального образования. – М.: Юрайт, 2019. – 253 с.
  8. Албагачиев А. Ю., Краско А. С. Модель загрузки транспортно-загрузочного средства гибкой производственной системы // Проблемы машиностроения и надёжности машин. – 2019. – № 4. – С. 77–88.
  9. Филин М. А., Краско А. С. Определение оптимальных параметров обслуживания заготовок при имитационном моделировании автоматизированных технологических комплексов // Главный механик. – 2022. – Т. 19. – № 5. – С. 321–331.
  10. Евтюхина В. В. Организационные резервы сокращения длительности производственного цикла на основе реализации принципов «бережливого производства» на отечественных предприятиях // ЭКОНОМИНФО. – 2008. – № 9.
  11. Антонова И. И. Бережливое производство: системный подход к его внедрению на предприятиях Республики Татарстан / И. И. Антонова; Институт экономики, управления и права (г. Казань). – Казань: Познание (Институт ЭУП), 2013. – 176 с.
  12. Хватов Б. Н. Гибкие производственные системы. Расчёт и проектирование. – Тамбов: Изд-во ТГТУ, 2007.
  13. Fang W., Huang Jx., Peng Tx. et al. Machine learning-based performance predictions for steels considering manufacturing process parameters: a review. J. Iron Steel Res. Int. 31, 1555–1581 (2024). https://doi.org/10.1007/s42243-024-01179-5
  14. Андык В. С. Автоматизированные системы управления технологическими процессами на ТЭС: учебник для среднего профессионального образования / В. С. Андык. – М.: Юрайт, 2025. – 407 с.
  15. Клочков Ю. П. Организация бережливого производства на предприятиях машиностроения: диссертация кандидата экономических наук: 08.00.05. – Ижевск, 2012. – 179 с.
  16. Бородин И. Ф., Андреев С. А. Автоматизация технологических процессов и системы автоматического управления: учебник для среднего профессионального образования / И. Ф. Бородин, С. А. Андреев. – 2-е изд., испр. и доп. – М.: Юрайт, 2025. – 377 с.
  17. Soufi Z., Mestiri S., David P. et al. A material handling system modeling framework: a data-driven approach for the generation of discrete-event simulation models. Flex Serv Manuf J. (2024). https://doi.org/10.1007/s10696-024-09535-z
  18. Рачков М. Ю. Автоматизация производства: учебник для среднего профессионального образования / М. Ю. Рачков. – 2-е изд., испр. и доп. – М.: Юрайт, 2025. – 182 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

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».