Modern manufacturing is characterized by low volume, high variety production and close tolerance high quality products. Computer Integrated Manufacturing(CIM) is recognized as an effective platform for increasing manufacturing comptetiveness. Computer Aided Process Planning(CAPP) is an essential key for achieving CIM.
In this paper, each stages in the process planning were carefully reviewed and new process plannng algorithm was proposed. In the fetaure modification, pattern recognition method requires long calculation time and can not recognize intersected machining features. This paper proposes scan line algorithm which detects intersection of machining features by examining identification number of intersected machining fetures. To verify effectiveness of the proposed algorithm, scan line algorithm was applied for an example which have intersected machining features in the vertical direction and horizontal direction. The intersection between horizontal recess and vertical recess was detected effectively in short time. Moreover theoretical computational complexity of proposed algorithm and syntactic pattern recognition method were compared. The proposed algorithm requires very short computation time in compare with pattern recognition method.
In the setup planning, effects of setup factors such as aspectratio, length, diameter, roughness on the setup can not be easily represented in quantative manner. Therefore it is difficult to consider these setup factors in the setup planning. In this paper, neural network was used for the identification of setup planning knowledge by learning. A user teaches neural network by showing examples. In order to verify the effectiveness of the neural network in the setup planning, setup planning for the several learning accuracy were performed. Moreover, proposed algorithm was applied for the similar examples for the verification of neural network's adaptation ability. The result showed that proposed algorithm can be well applied for the similar example with previous one.
In the operation planning, previous methods such as dynamic programming, integer programming and operation research has been used for the optimization of operation plan. However optimization of operation plan in limited time is difficult especially for complex parts. This paper proposed new operation planning algorithm using bond energy method. The method determines operation sequence and tool in the same time by calculation of bond energy for alternative operation plans. Therefore overall processing time can be very short. Output solution is suboptimal. However, the quality of suboptimal operation plan was acceptable in the practical point of view. The proposed algorithm was compared with exhaustive search method to demonstrate its effectiveness. The result showed that proposed algorithm generates operation plan in short time in compare with exhaustive search method and quality of generated operation plan was acceptable.
In the NC programming stage, tool paths are calculated using generated process plan as an input. In the NC verification system, errors in NC code are detected using wireframe toolpath display and dynamic simulation method. An example was demonstrated to show the effectiveness of the whole process planning algorithm in systematic view.
최근의 제조환경은 다품종 소량 생산 및 부품의 고정밀화의 경향을 띠고 있다. 이러한 측면에서 CIM은 생산성 향상의 중요한 수단이 되고 있으며 이러한 CIM을 구축하는데 있어서 자동 공정계획 시스템은 대단히 중요하다고 하겠다. 본 논문에서는 기존의 자동 공정계획 시스템을 면밀히 검토하여 각 단계에서의 문제점을 해결할 수 있는 새로운 알고리즘을 제시하였다. 특징형상변환에 있어서는 기존의 패턴인식 방법이 시간이 많이 소요되고 특징형상의 간섭이 일어나는 경우에 처리하지 못하는 단점이 있었는데, 본 연구에서 제시한 스캔라인 알고리즘을 이용하는 경우에는 특징형상의 간섭이 발생하는 경우에 특징형상의 번호구간을 참조하여 이를 쉽게 해결할 수 있다. 스캔라인 알고리즘을 수평방향과 수직방향의 특징형상 사이에 간섭이 일어나는 경우에 대하여 적용한 결과 간섭을 빠른 시간내에 정확하게 검사할 수 있었다. 또한 패턴인식 방법과의 이론적인 복잡도의 비교를 통하여 계산 복잡도가 훨씬 낮은 것을 확인하였다. 셋업계획에 있어서는 세장비, 길이, 지름, 표면조도 등의 셋업인자들을 정량적으로 표현하기 힘들다는 단점 때문에 기존의 연구에서는 이들℃? 셋업계획에 고려하는 것에 어려움이 있었다. 본 연구에서는 신경회로망의 학습기능을 이용하여 학습을 통하여 이러한 지식을 획득하고 표현하므로써 위에서 언급한 셋업인자이 고려된 셋업계획이 가능하게 하였다. 셋업계획에 있어서 신경회로망의 적용의 타당성을 검증하기 위하여 신경회로망의 학습정밀도에 따른 셋업계획의 재생여부와 기존에 학습시킨 부품과 유사한 부품에 대한 셋업계획의 생성을 검사하였다. 이를 통하여 신경회로망의 학습정밀도를 높이면 셋업계획이 정확하게 재생이 되는 것을 알 수 있었다. 또한 기존에 학습시킨 부품과 유사한 부품에 대해서도 셋업계획을 정확하게 생성하므로써 신경회로망의 학습기능이 셋업계획에 정확하게 반영되는 것을 확인하였다. 작업계획에 있어서는 기존의 정수프로그래밍, 동적 프로그래밍, Operation Research등의 방법이 무작위 탐색을 수행하므로써 최적화가 불가능하게 되는 단점이 있는데 본 연구에서는 본드에너지 방법을 사용하여 공구와 작업순서를 한꺼번에 결정하여 작업계획을 생성하는 준 최적화 방법을 사용하였다. 이 방법은 공구 교환수를 최소화 함으로써 생산 시간 및 비용을 감소시키는 효과를 나타낸다. 제시된 방법을 기존의 방법과 실제 계산을 수행한 결과 상대적으로 매우 빠른 시간에 공구교환수가 최소가 되는 실용적인 작업계획이 생성됨을 알 수 있었다. NC프로그램 생성에 있어서는 공정계획 단계에서 생성된 내용을 바탕으로 공구경로를 생성하고 NC프로그램 검증단계에서는 NC프로그램에 존재할 수 있는 오류를 Wireframe 도시방법과 동적 검증방식을 사용하여 검사하였다. 또한 종합예제로서 공정계획 및 NC프로그램 생성 및 검증단계를 종합적으로 수행한 결과 실용적인 NC프로그램이 생성되는 것을 확인하였다.
