文档介绍：人工神经网络在成组技术中的应用
摘要
成组技术是将设计和制造工艺上相似的各种零件和产品归并成组的一门科学。如何辨别零件的相似性并对其分组是成组技术的关键问题, 成组技术是通过分类编码系统对零件进行分类的。本文以人工神经网络技术为基础, 介绍了人工神经网络在成组技术中的应用。利用人工神经网络技术, 先对零件进行分类编码, 最后将每一个零件划分到适当的零件族中去。
关键词: 成组技术; 人工神经网络; 分类编码
概述
随着传统的单一品种的大批量生产方式在制造业中比重的逐步下降, 多品种小批量生产不断增加, 产生了新的生产模式——大批量定制生产(Mass Customization Production, 简称MCP)。新的生产模式的目的是如何在单件小批量生产过程中, 产生像大批量生产的效益。那么在新的生产模式下, 如何组织生产、增加柔性、提高生产效率, 以满足多变的市场需求呢?成组技术(Group Technology, 简称GT ) 作为一种有效的工具, 在各种先进制造技术的支持下, 重新焕发了活力。
成组技术(GT ) 的基础是相似性。相似性是指不同类型、不同层次的系统间存在的某些共同的物理、化学、几何、生物学或功能等方面的具体属性或特征。“相似”是指属性或特征相同, 但在数值上有差别的现象。
在机械制造工业中, 大批量生产可采用各种自动机床和自动生产线来提高生产率, 单件小批量生产则采用扩大各种高效数控机床的应用范围来解决。但在成批量多品种生产时, 上述2 种方法都不能解决其提高生产率和经济效益问题。成组加工工艺就是将结构和加工工艺相接近的零件集中在一起以扩大零件的批量, 使大批量生产中行之有效的高效率工艺方法和设备可以用到成批生产中去, 以达到较高的技术经济指标。
机械产品中零件间的相似性是客观存在的, 且遵循一定的分布规律。大量的统计资料表明, 各种机械产品的组成零件大致可以分为复杂件(或称特殊件)、相似件和简单件3 大类, 而其中相似件(如各种轴、套、法兰盘、齿轮等) 约占零件总数的70%。这些相似件之间在结构形状和加工工艺方面存在着大量的相似特征。
成组技术正是研究和利用了有关事物中的相似性, 将多种产品中的品种众多的零件, 按一定的相似性准则分类编组以形成零件组, 把同一零件组中诸零件原先分散的小的批量汇集成较大的成批生产量。这样就把原先的多品种转化为少品种, 小批量转化为大批量, 并以这些组为基础, 组织生产的各个环节, 从而实现多品种中小批量生产的产品设计, 使制造和管理合理化, 从而克服了传统的小批量生产方式的缺点, 使小批量生产能获得接近大批量生产的技术经济效果。
1零件分类编码系统
零件分类编码是对零件相似性进行识别的一个重要手段, 也是GT 的基本方法。就是用数字来描述零件的几何形状、尺寸和工艺特征, 也就是零件特征的数字化。
1. 1零件分类的基本原理
零件分类是根据零件的特征来进行的, 这些特征一般可分以下为3个方面:
(1) 结构特征零件的几何形状、尺寸大小、结构功能、毛坯类型等;
(2) 工艺特征零件的毛坯形状、加工精度、表面粗糙度、加工方法、材料、定位夹紧方式、选用机床类型等;
(3) 生产组织与计划特征加工批量, 制造资源状况, 工艺过程跨车间、工段、厂际协作等情况。