Анализ состояния вопроса

              Для решения подобных задач при эксплуатации наукоемкого оборудования всё большее применение получают интерактивные электронные технические руководства, позволяющие осуществлять  накопление и обмен информацией на всех стадиях жизненного цикла каждого конкретного технологического объекта.

Для решения проблемы информационного обеспечения интеллектуального электронного документирования технологического оборудования, в том числе станков,  предлагается создание для каждой единицы оборудования интеллектуального электронного паспорта (ИЭП) в системе PLM. Архитектура ИЭП состоит из двух частей – базовой, содержащей основную техническую информацию объекта, и интеллектуальной надстройки с СЗ и интерфейсами связей с УЧПУ и оператором (Рис.1). Кратко остановимся на содержании каждой из частей

ЧАСТЬ 1. БАЗОВАЯ ТЕХНИЧЕСКАЯ ИНФОРМАЦИЯ

1.1. Регистрационное документирование. В число обычно представляемых заказчику документов входит паспорт станка. Это документ с идентификационным номером и наименованием станка, содержащий сведения, удостоверяющие гарантии изготовителя, значения основных параметров и характеристик (свойств) изделия, а также сведения о сертификации и утилизации изделия. Прочие документы:

•          Гарантийное обслуживание производителем.

•          Сведения о капитальных ремонтах,  техническом обслуживании и пр.

•          Специальные эксплуатационные инструкции.

•          Другая  необходимая информация по станку.

1.2. Информация  по станку, включает следующие руководства:

      по транспортировке и установке станка,

      по эксплуатации станка,

      по стойке ЧПУ и программированию на станке,

      по сервисному обслуживанию.

Руководство по эксплуатации содержит сведения об особенностях конструкции, принципе действия, характеристиках (свойствах) станка, его составных частях и указания, необходимые для правильной и безопасной эксплуатации (использования по назначению, технического обслуживания, текущего ремонта, хранения и транспортирования).

1.3. Протоколы приемо-сдаточных испытаний станка.

В электронном  паспорте станка приводятся его кинематическая схема, перечень и характеристика применяемых инструментов и приспособлений, характеристика системы управления, электрическая схема привода и др. данные. Главный результат применения электронного отображения этой базовой части паспорта - организация легкого, оперативного, территориально-распределенного доступа к данным. С помощью него создается единая база данных, содержащая полную информацию об оборудовании. Для поиска и работы с информационной документацией не потребуется пользоваться сложно организованными бумажными архивами и постоянно возвращаться к ним во время выполнения планово-профилактических работ. Поэтому эффективность работы эксплуатационного персонала возрастает как минимум на 20% (по зарубежным оценкам). Это важно в связи с тем, что мероприятия по совершенствованию технологии и интенсификации режимов обработки требуют систематического пересмотра паспортных данных. Поэтому корректировка паспорта проводится частично на месте установки станка, данные уточняются после капитального ремонта и модернизации.

Рис. 1. Источники информации в ИЭП

   Первая базовая часть  ИЭП станка функционально реализована как интегрированная база данных, представляющая собой совокупность графической, текстовой и табличной информации. Она содержит следующие данные: общие данные; заводские данные; сведения о техническом состоянии станка; результаты приемо-сдаточных испытаний;  технико-экономические показатели;  автоматический расчёт наработки станка; сведения об отказах и проводимых ремонтах;  сведения об обследованиях станка и модернизации; результаты освидетельствования станка. Кроме того, предполагается наличие прогноза ремонтных работ.

Вторая часть представляет собой интеллектуальную надстройку с СЗ и интерфейсами связей ИЭП с УЧПУ и операторами. Ее состав:

ЧАСТЬ 2. ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИЯ

2.1. Индивидуальные свойства станка  (наследуемые, оперативные).

2.2. Система знаний станка-индивидуума (собственная система знаний).

2.3. Связи ИЭП с УЧПУ и операторами.

Знания индивидуальных свойств станка служат информационной и интеллектуальной поддержкой управления процессом обработки на станке (а, в целом,  и эксплуатации станка, включая обслуживание, ремонт и утилизацию).

Основной информацией, характеризующей индивидуальные особенности станка,  являются сведения по параметрам и свойствам, влияющим на точность обработки деталей и производительность.

              Известно, что на погрешность обработки детали оказывает  влияние значительное множество факторов [2]:

F = (f1, f2, f3, … , fk ).                                  (1)

Множество факторов(1), или входных воздействий, влияющих на общую погрешность F, в зависимости от возможности получения знаний о них может быть представлено в виде совокупности (2) из «наследуемого» множества Н и «оперативного»  множества О.

F =(Fh, Fo),                                      (2)

  Fh = ( f h1, f h2,…, f hm );

           Fo  = (fo1, fo2,…, fon).                 

Под наследуемым множеством  Fh подразумевается совокупность m факторов, знания о которых получают при приемо-сдаточных или тестовых измерениях, а совокупность n факторов, измеряемых непосредственно в процессе обработки, отнесена к оперативному множеству Fo. Одна из причин такого деления факторов заключается в ограниченной возможности получения оперативной информации от средств контроля непосредственно в процессе обработки детали [2]. Примерами наследуемых факторов являются отклонения от плоскостности столов, непараллельность перемещения суппортов относительно оси шпинделя, отклонения от взаимной  перпендикулярности  направлений перемещений рабочих органов и пр. К оперативным факторам относятся, например, ошибка датчика перемещений, погрешность наименьших номинальных перемещений рабочего органа при последовательных дискретных перемещениях, погрешности привода, изменяемые при рабочем ходе во время обработки и др.

В собственную СЗ станка кроме базы знаний по факторам погрешностей входят совокупности правил принятия решений по различным ситуациям в обработке, видам обработки (… длина сверления, расточка, конусы, сферы, резьбы …), и требуемым параметрам точности (… размерная точность, соосность и пр., шероховатость…). Оценка ситуации и принятие решений выполняется многоуровневой интеллектуальной системой управления (ИСУ) [2].  Программа синтеза решений по количеству и параметрам проходов определяется исходя из наследуемых и оперативных данных и знаний. В функции этой системы управления входят  прогнозирование точности обработки, принятие решений и программы действий, сопоставление прогнозов с результатами обработки деталей и накопление знаний.

              Связи между ИЭП и УЧПУ станка предусматривают возможность использования принимаемых ИСУ решений для составления или коррекции управляющей программы, а также пополнения базы данных (БД) и базы знаний (БЗ) паспорта. Связь с операторами обеспечивает доступа к ИЭП через информационную сеть предприятия.

Кроме того, должны быть решены  вопросы передачи устанавливаемой на компьютерную систему конечного пользователя управляющей системы и обеспечение удаленного доступа к данным ИЭП, скомплектованным разработчиком (по ГОСТ 2.601-2006 ЕСКД – эксплуатационные документы).

Предлагаемый подход предусматривает, что оценки ситуаций и принятие решений в ИСУ технологических систем производится на базе формируемых обобщенных знаний. Решения, соответствующие требованиям точности обработки, принимаются     ИСУ станка при использовании обобщенных знаний, синтезируемых в БЗ на основе наследуемой информации из имеющейся совокупности Fh и оперативной информации Fo. Для синтеза обобщенных знаний используются возможности технологии Data Mining [1]. Инструментарий  Data Mining, как указывалось,  открывает средства для формирования нового обобщенного подхода GKM TS к построению ИСУ технологическими объектами - интерпретации практически полезных и доступных данных в производственных условиях  о состоянии элементов технологической системы и формировании целостной системы знаний, необходимых для управления  процессами.

В программу испытаний и обработки данных измерений включаются  процедуры обнаружения знаний о влиянии совокупного многообразия факторов F на результирующие погрешности обработки детали с помощью технологии Data Mining и обучения ИСУ конкретного станка-индивидуума. Система обучения ИСУ (обучение с учителем) предусматривает, что входы – это дискретно регистрируемые изменения отклонения (от принятого значения для получения нужного размера детали) одной из составляющих погрешностей или их сочетания, а выходы – отклонения размера, или формы, или взаиморасположения поверхностей. При этом выполняется последовательный перебор составляющих и их значений.

На основании совокупности примеров входных и выходных данных удается получить некоторую совокупность функций, которая аппроксимирует корреляцию между входными воздействиями и результирующей погрешностью, обеспечивая формирование БЗ в ИСУ станка. Кроме этого определяются (вероятностные и весовые) оценочные характеристики  влияния каждого фактора множеств Fh  и Fo.

При эксплуатации станка в  процессе обработки детали информационная база ИСУ основывается на совокупности поступающей оперативной информации от тех датчиков, которые используются при работе станка, и знаний о влиянии наследуемых факторов. Cовокупный учет факторов, оказывающих влияние на результирующие погрешности обработки детали, с помощью системы нечетких отношений (установленных методом Data Mining) создает возможность отображения и прогнозирования поведения технологической системы в целом. Это позволяет решать вопросы повышения точности комплексно, а не частично или адресно, решая изолированно задачу учета влияния на точность обработки только износа инструмента, например, или только наследственности припуска. Но и в случае формирования обобщенных знаний для каждого станка необходимо определение минимально-необходимого состава информации о погрешностях, достаточного для адекватного вывода по возможностям достижения точности.

Как принято при нечетком прогнозировании модель предсказания погрешности обработки поверхности представляется в виде множества правил. При заданных значениях входных переменных (факторов) fi  оценку выходного значения погрешности обработки y* можно определить по следующей зависимости [8]:

y*= Iyi I ,

где n – число правил, yi  - выходное значение, вычисленное по i –му правилу,   gi- вес, представляющий значение истинности i -го правила.

При использовании для прогнозирования точности обработки нейронных сетей [2] в алгоритм вывода решений включаются процедуры:

•          определение обучающей и валидационной выборок;

•          подбор параметров нейросети;

•          обучение нейросети;

•          проверка работоспособности нейросети в реальных условиях.

Для полноценного эффективного функционирования интеллектуальных электронных паспортов технологического оборудования необходимо решение ряда вопросов, включая следующие:

      Накопление и обмен информацией на всех стадиях жизненного цикла каждого конкретного технологического объекта.

      Гармонизация  терминологии, типов, видов документов, форматов их электронного представления, протоколов работы с ними, средств защиты от несанкционированного доступа.

      Информационная и интеллектуальная поддержка управления не только процессом обработки, но и в целом эксплуатации технологического объекта, включая обслуживание, ремонт и утилизацию и пр.

В состав работ по внедрению системы интеллектуальной электронной  паспортизации целесообразно включить совокупность  мероприятий, в том числе:

      проектирование форматов паспортов оборудования;

      организация ввода паспортных данных с клиентских мест специалистов предприятия;

      создание БД моделей оборудования;

      организация выборки и пополнения информации из БД И БЗ и пр.

Интеллектуальные электронные паспорта  станков могут создаваться как на предприятиях-изготовителях станков, так и на эксплуатирующих предприятиях (продумать сокращенный вариант для последних). Для экспорта.

ЗАКЛЮЧЕНИЕ

Интеллектуальное  электронное документирование и паспортизация станков является важным этапом на пути создания единой среды эксплуатации, программирования и обслуживания станков и другого технологического оборудования на различных предприятиях и от различных производителей. Это средство построения информационной системы мониторинга эксплуатационных данных промышленного предприятия.

Кроме непосредственного повышения точности и производительности за счет возможности прогнозирования и реализации наиболее рационального использования технологического оборудования обеспечивается:  обмен информацией; возможность выполнения вычислительных процедур, для технологических нужд и для определения остаточного ресурса надежности оборудования; полная сохранность баз данных  и знаний ИЭ паспортов на сервере за счет организации копирования и восстановления информации; возможность организации выборки данных по любым наборам параметров документальной  информации и пр.