Zusammenfassung
Das vorliegende Kapitel behandelt ein Suchverfahren zur Identifikation nutzbarer Aufspannpositionen und -orientierungen von Werkstücken und Spannmitteln auf dem Maschinentisch des Werkzeugmaschinenarbeitsraumes, die zu einer Fertigungszeitreduzierung und kollisionsfreien Fertigung führen. Das beschriebene Suchverfahren bildet den Kern eines „Setup Optimizers“, der im Rahmen des Leitprojektes InVorMa (Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen), initiiert durch das Spitzencluster „It’s OWL“, entwickelt wurde. Es werden die einzelnen Entwicklungsmethoden, Experimente und Entwicklungsschritte erläutert sowie wichtige Ergebnisse erster Experimente vorgestellt. Dabei liegt der Fokus auf der Verwendung einer Metaheuristik, hier die Partikelschwarmoptimierung, in Kombination mit einem NC-Interpreter sowie einem Cluster-Algorithmus, der automatisiert Lösungskandidaten generiert.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsLiteratur
Abele, Eberhard; Reinhart, Gunther (2011): Zukunft der Produktion. In: München: Hanser.
Aggarwal, A.; Singh, H.; Kumar, P.; SINGH, M.: Optimization of multiple quality characteristics for CNC turning under cryogenic cutting environment using desirability function. In: Journal of materials processing technology 205, 2008
Bäck, T.; Hoffmeister, F.; Schwefel, H.-P.: A survey of evolution Strategies. In: Proceedings of the Fourth International Conference on Genetic Algorithms (1991), S. 2–9, Morgan Kaufmann.
Brooks, S. P. und Morgan, B. J. T.: Optimization using simulated annealing. In: Journal of the Royal Statistical Society. Series D, vol. 44, no. 2 (1995), S. 241–257.
Dorigo M. and Gambardella, L.M.: Ant colony system: a cooperative learning approach to the traveling salesman problem. In: IEEE Transactions on Evolutionary Computation, vol. 1, no. 1 (1997), S. 53–66.
Dorigo, M.: Optimization, learning and natural algorithms. PhD Thesis, Dipartimento die Elettronica, Politecnico di Milano (1992).
Gendreau M, Potvin J-Y (2010). Handbook of Metaheuristics (Vol. 2). Springer, New York
Griewank, A. O.: Generalized descent for global optimization. In: Journal of Optimization Theory and Applications, 1/34, S. 11–39 (1981), Springer Verlag
Hu, X. and Eberhart, R.: Solving constrained nonlinear optimization problems with particle swarm optimization. In Proceedings of the sixth World Multiconference on Systemics, Cybernetics and Informatics (SCI) (2002), S. 203–206.
Kennedy, J. und Eberhart R.: Particle swarm optimization. In: IEEE International Conference on Neural Networks (1995), S. 1942–1948.
Laroque, C.; Urban, B.; Eberling, M.: Parameteroptimierung von Materialflusssimulationen durch Partikelschwarmalgorithmen. In: Proceedings of the German Multikonferenz Wirtschaftsinformatik 2010 (MKWI’10). Universitätsverlag Göttingen, S. 2265–2275, 2010.
März, L.; Krug, W.; Rose, O.; Weigert, G. (Hrsg.): Simulation und Optimierung in Produktion und Logistik, 1. Auflage, Springer Verlag, 2011
Mueß, A.; Weber, J.; Reisch, R.-E.; Jurke, B.: Implementation and Comparison of Cluster-Based PSO Extensions in Hybrid Settings with Efficient Approximation. In: Machine Learning for Cyber Physical Systems (2016), S. 87–93, Springer Verlag.
Reisch, R.-E.; Weber, J.; Laroque, C.; Schröder, C.: Asynchronous Optimization Techniques for Distributed Computing Applications. In: Proceedings of the 48th Annual Simulation Symposium (2015), S. 49–56, Society for Computer Simulation International San Diego (CA), USA.
Sencer, B.; Altintas, Y.; Croft, E.: Feed optimization for five-axis CNC machine tools with drive constraints. In: International Journal of Machine Tools & Manufacture 48, 2008
Siemens AG: Sinumerik – SINUMERIK 840D sl/840Di sl/840D/840Di/810D Grundlagen. Nürnberg (2006).
Siemens AG: Sinumerik – SINUMERIK 840D sl/828D Arbeitsvorbereitung. Nürnberg (2013).
Socha, K. and Dorigo, M.: Ant colony optimization for continuous domains. In: European Journal of Operational Research, vol. 185, no. 3 (2008), S. 1155–1173.
VDI 3633 – BLATT 12: Simulation von Logistik-, Materialfluss- und Produktionssystemen – Simulation und Optimierung
Weber, J. (2017): Modellbasierte Werkstück- und Werkzeugpositionierung zur Reduzierung der Zykluszeit in NC-Programmen. Dissertation. Universität Paderborn, Paderborn.
Weber, J. (2015): A Technical Approach of a Simulation-Based Optimization Platform for Setup-Preparation via Virtual Tooling by Testing the Optimization of Zero Point Positions in CNC-Applications. In: Proceedings of the 2015 Winter Simulation Conference (2015), Huntington Beach, CA, USA. IEEE, S. 3298–3309.
Weber, J.; Boxnick, S.; Dangelmaier, W.: Experiments using Meta-Heuristics to Shape Experimental Design for a Simulation-Based Optimization System. In: IEEE Asia-Pacific World Congress on Computer Science and Engineering (2014), S. 313–320.
Yusof, Yusri; Latif, Kamran (2014): Survey on computer-aided process planning. In: The International Journal of Advanced Manufacturing Technology 75 (1–4), S. 77–89. DOI: https://doi.org/10.1007/s00170-014-6073-3.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Weber, J. (2019). Optimierung der Aufspannung und Bearbeitung. In: Dangelmaier, W., Gausemeier, J. (eds) Intelligente Arbeitsvorbereitung auf Basis virtueller Werkzeugmaschinen. Intelligente Technische Systeme – Lösungen aus dem Spitzencluster it’s OWL. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-58020-2_4
Download citation
DOI: https://doi.org/10.1007/978-3-662-58020-2_4
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-58019-6
Online ISBN: 978-3-662-58020-2
eBook Packages: Computer Science and Engineering (German Language)