Телефон: +7 (383)-202-16-86

Статья опубликована в рамках: IV Международной научно-практической конференции «Технические науки - от теории к практике» (Россия, г. Новосибирск, 05 октября 2011 г.)

Наука: Технические науки

Секция: Информатика, вычислительная техника и управление

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Афлятунова В.А., Симонова Л.А. Разработка структуры и алгоритма работы базы прецедентов в интеллектуальной системе расчета нормы расхода инструмента // Технические науки - от теории к практике: сб. ст. по матер. IV междунар. науч.-практ. конф. – Новосибирск: СибАК, 2011.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов
Статья опубликована в рамках:
 
Выходные данные сборника:

 

Разработка  структуры  и  алгоритма  работы  базы  прецедентов  в  интеллектуальной  системерасчета  нормы  расхода  инструмента

Афлятунова  Венера  Алмасовна

магистр,  ГОУ  ВПО  «Камская  государственная  инженерно-экономическая  академия»,  г.  Набережные  Челны

E-mail:  venera1203@mail.ru

Симонова  Лариса  Анатольевна

профессор,  д.  т.  н.,  ГОУ  ВПО  «Камская  государственная  инженерно-экономическая  академия»,  г.  Набережные  Челны


 


Важная  роль  в  бесперебойном  обеспечении  предприятия  необходимыми  инструментами  принадлежит  инструментальному  хозяйству.  Сложность  организации,  планирования  производства  и  эксплуатации  инструментов  обуславливается  огромной  номенклатурой,  высоким  требованиям  к  качеству  и  стойкости  и  большим  влиянием  инструментального  хозяйства  на  экономику  предприятия.  Значительный  объем  анализируемых  данных  требует  немалого  времени  для  их  ручной  обработки  и  принятия  решения  в  сложившейся  ситуации.  Этим  и  обусловлена  необходимость  использования  автоматизированной  системы  поддержки  принятия  решений,  предназначенной  для  формирования  точных  данных  расхода  инструмента.  В  основе  таких  систем  могут  лежать  различные  методы  обработки  информации,  в  частности,  использование  интеллектуальной  системы  поддержки  принятия  решений.  В  области  проектирования  и  реализации  программных  систем  искусственного  интеллекта  весьма  актуальными  являются  задачи  моделирования  правдоподобных  рассуждений  на  основе  прецедентов  в  интеллектуальных  системах  поддержки  принятия  решений  [1],  в  том  числе  задачи  организации  представления  и  хранения  данных  и  знаний  (прецедентов),  а  также  разработки  эффективных  методов  работы  с  распределенными  данными.


Для  разработки  начального  состояния  базы  прецедентов  необходимо  взять  за  основу  данные,  полученные  из  опытного  исследования.  За  основу  были  взяты  3  вида  деталей  и  опытным  путем  определено  вид  и  количество  расходуемых  инструментов  на  1000  деталей.  Опытные  данные  приведены  в  таблице  1.

Таблица  1.  Экспериментальные  данные

Технологические  операции  (материал)

Инструмент

(материал)

Фактическое  кол-во  расхода  инструмента

Отливка:  Патрубок  (740.11-1115075-10,  740.11-1115075-20,  740.11-1115074)

обрезка

Фреза  ф550  16-2256-4012

2

Зачистка  машинная

Дисковая  шарошка  06-2290-4028

2

Зачистка  ручная

Борфреза  ф22  ГОСТ18949-73

2

Отливка:  Колено  отводящего  патрубка  (6520-1303028,  5460-1303028,  5320-130328)

обрезка

Пила  ленточная  35х1,3х10мм

7-8

Зачистка  машинная

Дисковый  напильник  06-2290-4028

1-2

Лента  шлифовальная  40х800

10

Зачистка  ручная

Пневматический  ленточный  напильник

1

Шлифовальная  лента  250х20

5

Напильник  0071  ГОСТ1465-80

1-2

Отливка:  Тройник  (5411-1109050)

обрезка

Пила  ленточная  35х1,3х10мм

5-6

Зачистка  машинная

Дисковый  напильник  06-2290-4028

1

Зачистка  ручная

Пневматический  ленточный  напильник

1

дисковая  шарошка  330.137

1

       


 


Согласно  полученным  данным,  в  первоначальном  состоянии  база  прецедентов  будет  содержать  следующие  прецеденты  [2;  3]:


1.  если  патрубок  из  сплава  АК9ч  обрабатывается  в  техоперации  обрезка,  то  инструмент  Фреза  ф550  и  расход  инструмента  на  1000  отливок  составляет  2шт.;


2.  если  патрубок  из  сплава  АК9ч  обрабатывается  в  техоперации  Зачистка  машинная,  то  инструмент  Дисковой  напильник  и  расход  инструмента  на  1000  отливок  составляет  2шт.;


3.  если  патрубок  из  сплава  АК9ч  обрабатывается  в  техоперации  зачистка  ручная,  то  инструмент  Зубило  и  расход  инструмента  на  1000  отливок  составляет  1шт.;


4.  если  колено  из  сплава  Ак9пч  обрабатывается  в  техоперации  зачистка  машинная,  то  инструмент  Дисковой  напильник  и  расход  инструмента  на  1000  отливок  составляет  5шт.;


5.  если  колено  из  сплава  Ак9пч  обрабатывается  в  техоперации  зачистка  машинная,  то  инструмент  Дисковой  напильник  и  расход  инструмента  на  1000  отливок  составляет  5шт.;


6.  если  колено  из  сплава  Ак9пч  обрабатывается  в  техоперации  зачистка  машинная,  то  инструмент  Дисковой  напильник  и  расход  инструмента  на  1000  отливок  составляет  5шт.


Учитывая  приведенные  выше  опытные  данные  и  специфику  работы  интеллектуальной  системы  (сложность  получения  ответа  при  помощи  логического  рассуждения)  база  прецедентов  была  разделена  на  следующие  классы:


·     исходные  данные,  т.е.  данные  получаемые  с  интерфейса  пользователя;


·     опытные  решения,  т.е.  решения,  которые  получены,  но  не  подтверждены  экспертом;

·     эталонные  решения,  решения,  которые  подтверждены  экспертом  и  являются  прецедентами.


Рисунок  1.  Классы  и  алгоритм  формирования  прецедента


 

Алгоритм  работы  базы  прецедентов  состоит  в  модификации  исходных  данных  следующим  образом  [1;  2]:

·     анализируются  данные  детали  –  ее  форма,  вид  обработки  и  сплав,  из  которого  состоит  деталь;

·       далее  данные  сравниваются  с  уже  существующими  прецедентами;

·     определяется  эталонное  решение  с  тем  же  параметрами,  в  котором  заложен  метод  расчета  нормы  расхода  инструмента;

·     исходные  данные  и  метод  расчета  передается  в  блок  вычисления,  т.е.  происходит  модификация  эталонного  решения;

·     в  результате  данной  модификации  получаем  опытное  решение,  которое  идет  на  подтверждение  эксперту;

·     после  подтверждения  эксперта,  формируется  прецедент,  сохраняющийся  в  базе.

 

Список  литературы:


1.Бредихин  К.Н.,  Варшавский  П.Р.  Распределенный  вывод  на  основе  прецедентов  в  интеллектуальных  системах  поддержки  принятия  решений  //  Теория  и  практика  системного  анализа:  тр.  I  Всерос.  науч.  конф.  молодых  ученых.  Рыбинск:  РГАТА  им.  П.А.  Соловьева,  2010.  Т.  1.  С.  57–62.


2.Варшавский  П.Р.,  Еремеев  А.П.  Моделирование  рассуждений  на  основе  прецедентов  в  интеллектуальных  системах  поддержки  принятия  решений  //  Искусственный  интеллект  и  принятие  решений.  2009.  №2.  С.  45–47.


3.Гречишников  В.А.  Моделирование  систем  инструментального  обеспечения  автоматизированных  производств.  Москва,  1988,  серия  8  (Инструментальное  и  технологическое  оснащение  металлообрабатывающего  производства:  ВНИИТЭМР.  Вып.4).

 

Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий