[论文解读] A process planning system with feature based neural network search strategy for aluminum extrusion die manufacturing

S. Butdee, Chaiwat Noomtong+1 more|ArXiv.org|Jul 3, 2009

Metallurgy and Material Forming参考文献 15被引用 4

一句话总结

本文提出了一种基于特征的神经网络驱动的铝挤压模工艺规划案例检索系统，通过重用以往的设计案例来加速并标准化新模具的制造。通过将模具几何特征与神经网络搜索策略相结合，该系统减少了规划时间，并提高了工艺规划和模具设计结果的一致性。

ABSTRACT

Aluminum extrusion die manufacturing is a critical task for productive improvement and increasing potential of competition in aluminum extrusion industry. It causes to meet the efficiency not only consistent quality but also time and production cost reduction. Die manufacturing consists first of die design and process planning in order to make a die for extruding the customer's requirement products. The efficiency of die design and process planning are based on the knowledge and experience of die design and die manufacturer experts. This knowledge has been formulated into a computer system called the knowledge-based system. It can be reused to support a new die design and process planning. Such knowledge can be extracted directly from die geometry which is composed of die features. These features are stored in die feature library to be prepared for producing a new die manufacturing. Die geometry is defined according to the characteristics of the profile so we can reuse die features from the previous similar profile design cases. This paper presents the CaseXpert Process Planning System for die manufacturing based on feature based neural network technique. Die manufacturing cases in the case library would be retrieved with searching and learning method by neural network for reusing or revising it to build a die design and process planning when a new case is similar with the previous die manufacturing cases. The results of the system are dies design and machining process. The system has been successfully tested, it has been proved that the system can reduce planning time and respond high consistent plans.

研究动机与目标

• 解决铝挤压制造中模具设计和工艺规划耗时且不一致的挑战。
• 利用以往模具制造案例中的专家知识，提高新设计的效率和质量。
• 开发一种系统，通过基于特征的表示和神经网络搜索，自动检索并适配相似的过往案例。
• 通过将设计知识以结构化、计算机化的方式编码和重用，减少对人工经验的依赖。
• 通过自动化、知识驱动的工艺规划，提升铝挤压行业的生产效率和竞争力。

提出的方法

• 从现有挤压断面中提取模具特征，以创建模具几何的基于特征的表示。
• 将历史模具制造案例存储在案例库中，并按其几何和工艺特征进行索引。
• 实施神经网络，对新设计请求在案例库中执行基于相似性的搜索。
• 利用神经网络根据从模具几何提取的特征向量，对最相似的过往案例进行排序和检索。
• 通过系统推理模块，对检索到的案例进行修订，以适应新设计的工艺计划和模具配置。
• 将系统集成到基于知识的框架中，以支持自动化模具设计和机加工工艺规划。

实验结果

研究问题

• RQ1 如何有效重用以往的模具制造案例，以加速铝挤压中的新工艺规划？
• RQ2 何种基于特征的表示能够实现不同挤压模具设计之间准确且有意义的比较？
• RQ3 与传统搜索方法相比，神经网络在多大程度上能提升案例检索的准确性和速度？
• RQ4 将基于特征的索引与神经网络搜索相结合，是否能在保持一致性的同时减少规划时间？
• RQ5 该系统如何通过案例适配确保高质量且可重复的工艺计划？

主要发现

• 该系统通过自动化检索重用过往案例知识，成功减少了规划时间。
• 基于特征的神经网络方法实现了相似模具制造案例的一致且可靠的检索。
• 该系统展示了以往设计案例的高可重用性，最大限度减少了重复设计工作。
• 将神经网络搜索与基于特征的索引相结合，提高了案例匹配的准确性。
• 该系统在多个测试案例中均生成了一致且高质量的模具设计和机加工工艺。
• 该方法在实际测试中表现有效，验证了其在工业模具制造中的实际适用性。