CC BY
103
УДК 004.891
А. В. Каракозова, А. А. Игнатьев УПРАВЛЕНИЕ КАЧЕСТВОМ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ИЗГОТОВЛЕНИЯ ПОДШИПНИКОВ С ИСПОЛЬЗОВАНИЕМ ЭКСПЕРТНОЙ СИСТЕМЫ
Применение экспертной системы при системе мониторинга контроля качества изготовления деталей подшипников.
Экспертная система, мониторинг, динамическая система, подшипник, управление качеством
A.V. Karakozova, A.A. Ignatyev QUALITY MANAGEMENT OF TECHNOLOGICAL PROCESS OF PRODUCTION OF BEARINGS WITH USE OF EXPERT SYSTEM
Use of expert system at system of monitoring of quality control ofproduction of details of bearings.
Expert system, monitoring, dynamic system, bearing, quality management.
Экспертные системы - это прикладные системы искусственного интеллекта, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой-либо узкой предметной области, они аккумулируют эти знания и тиражируют их для консультации менее квалифицированных специалистов [1].
Классификация экспертных систем и оболочек экспертных систем
Существующее множество экспертных систем делится на несколько классов (рис. 1) по различным критериям [1].
Средства разработки экспертных систем
Существующие средства разработки экспертных систем можно разделить на 3 класса (рис. 2)[2]. Традиционные языки программирования (C++, Java, Delphi) позволяют построить экспертные системы «с нуля» для конкретной задачи или предметной области, обеспечив хорошие показатели качества и необходимую функциональность системы, но на разработку требуются значительные временные и финансовые ресурсы. Так создают экспертные системы любой стадии существования, в особенности коммерческие системы, продажа которых возместит затраты.
Языки искусственного интеллекта (LISP, PROLOG, Рефал) были разработаны специально для представления знаний. Построение с их помощью экспертных систем позволяет более легко оперировать экспертными знаниями, но ограничивает способ их представления структурой языка. С помощью языков искусственного интеллекта создаются исследовательские и демонстрационные образцы.
Следующий класс средств построения экспертных систем - специальный программный инструментарий - ориентирован только на создание интеллектуальных информационных систем и делится на два подкласса: оболочки и среды разработки интеллектуальных систем.
Рис. 1. Классификация экспертных систем
Рис. 2. Классификация инструментальных средств разработки ЭС
Среды разработки являются программными комплексами, позволяющими строить системы из отдельных готовых блоков. На их основе создаются демонстрационные и промышленные образцы экспертных систем.
Оболочка экспертных систем - инструментальное средство для проектирования и создания экспертных систем. В состав оболочки входят средства проектирования базы знаний с различными формами представления знаний и выбора режима работы решателя задач. Для конкретной предметной области инженер по знаниям определяет нужное представление знаний и стратегии решения задач, а затем, вводя их в оболочку, создает конкретную экспертную систему [2].
Применение оболочки позволяет достаточно быстро и с минимальными затратами создать исследовательскую, демонстрационную или промышленную экспертную систему. По степени отработанности выделяют экспериментальную (GPSI), исследовательскую (Expert) и коммерческую (EXSYS) оболочки.
Знания в базе могут быть представлены одним способом (EMYCIN, CLIPS) - семантической сетью, продукциями, фреймами и т.д. или же несколькими (MINEVRA, EsWin) для создания более полной, гибкой и наглядной модели предметной области.
Системы поддержки принятия решений - это программные средства и информационноаналитические технологии, предназначенные специально для оказания помощи в решении задач поиска, анализа и выбора лучших из возможных вариантов. При этом лицо, принимающее решение, должно обеспечиваться не только информационной, но в первую очередь технологической поддержкой процедуры, вплоть до выбора лучшего решения.
Структура систем поддержки принятия решений
Структура системы поддержки принятия решений зависит от решаемой задачи, предметной
области, аппаратно-программной платформы и конкретной реализации. В самом общем виде систему поддержки принятия решения можно представить в виде двух подсистем: системы поддержки генерации решений и системы поддержки выбора решений (рис. 3) [3]. Системы поддержки генерации решений можно разделить на эвристические и оптимизационные. Эвристические технологии стимулируют и дисциплинируют мышление (например, структурный и морфологический анализ), помогают находить варианты решений на базе известных правил, принципов и аналогов. Однако при формировании вариантов решений уникальных задач
(например, при стратегическом планировании) их применимость часто ограничивают вспомогательными функциями. Оптимизационные системы поддержки принятия решений 186
Рис. 3. Обобщенная структура системы поддержки принятия решений
основаны на методах оптимального структурного синтеза и параметрической оптимизации.
Системы поддержки выбора решений предназначены для выбора эффективных вариантов решения, сгенерированных любым из вышеперечисленных методов либо поступивших извне (например, заявок на финансирование инвестиционных проектов). Эти системы базируются на методах многокритериального анализа и экспертных оценок. Другой вариант обобщенной архитектуры системы поддержки принятия решений состоит из пяти частей (рис. 4)[3]: источники данных (часто используется база данных), система управления данными (если источников несколько, подсистема объединяет, проверяет и синхронизирует их), модели управления (включают в себя модели решаемой задачи и внешнего мира), машина вывода (позволяет с помощью имеющихся данных и моделей получить и обосновать решение) и интерфейс пользователя.
Систему поддержки принятия решений можно представить в виде процессов (рис. 5)[3].
Система проводит сбор запрашиваемых у пользователя или внешних датчиков данных и вложенных в нее при создании данных и знаний. После этого определяет состояние, в котором находится система и решаемая задача, критерии и цели (может запрашивать и уточнять у пользователя).
На основе полученных данных, которые содержатся в памяти, и имеющейся модели системы или задачи с учетом сформированных критериев и целей генерируется множество решений, которые проверяются на модели, и выбирается лучшее. После реализации решения производится оценка результатов: если она неудовлетворительная, то процессы генерации и выбора повторяются с учетом новых данных.
Рис. 4. Компоненты системы поддержки принятия решений
Рис. 5. Процессы системы поддержки принятия решений
Управление качеством изготавливаемой продукции
Экспертные системы поддержки принятия решения направлены на оказание помощи при принятии решений при оценке качества продукции и выбора режима обработки. В области машиностроения данные системы нашли применение для принятия технологических решений [4].
Важнейшим направлением обеспечения качества продукции промышленных предприятий является мониторинг технологических процессов, неотъемлемую часть которого составляет мониторинг технологического состояния оборудования. Под мониторингом технологического состояния оборудования понимается научно спроектированная система непрерывных наблюдений и измерений с применением соответствующих оценочных процедур идентификации, анализа текущего состояния, распознавания особых состояний, краткосрочного и долгосрочного прогнозирования и автоматического принятия оперативных и тактических решений [5].
Решить задачу мониторинга технического состояния технологического оборудования (ТО) только на основе формальных методов не представляется возможным. Необходимо привлечение экспертной информации о не формализуемых и слабо формализуемых ситуациях, возникающих при функционировании ТО.
Результаты исследований, выполненных в условиях реального производства, показывают, что динамическое состояние станков является одним из доминирующих факторов, определяющих качество обработки колец подшипников. Следовательно, на этапе эксплуатации важно осуществлять периодические испытания станков с целью контроля их динамического состояния [6].
Для обеспечения эффективности обработки колец подшипников на станках помимо активного контроля размеров, автоматизированного контроля однородности структуры поверхностного слоя дорожек качения необходимо осуществлять автоматизированный контроль динамического состояния каждого станка до и в процессе обработки по уровню вибраций основных формообразующих узлов -шпиндельных узлов (ШУ) детали и инструмента, причем следует учитывать не только собственные вибрации шпинделя, но и вибрации подшипников качения.
В общем случае на процесс шлифования действует большое количество возмущающих воздействий, отличающихся по своей природе, по характеру проявления и уровням.
К ним относятся: изменения упругих деформаций отдельных узлов ТС по интересующим нас координатам соответственно: станка, приспособления, инструмента и детали; температурные деформации отдельных узлов системы; изменение физико-механических свойств обрабатываемой детали; неточность установки обрабатываемой заготовки; изменение состава и расхода смазочно-охлаждающего технологического средства (СОТС); изменение геометрии обрабатываемой детали (вариации припуска в осевом и радиальном направлениях, разностенность и т.п.); вариации потерь холостого хода и нагрузочных потерь в кинематической цепи станка; вариации скоростей шпинделей шлифовального круга и обрабатываемой детали, соответственно, по причине изменения напряжения сети, питающей электродвигатели шпинделей, и изменения момента сопротивления на валах этих электродвигателей.
По характеру проявления все указанные возмущения можно разбить на постоянно действующие, периодические и случайные. Постоянно действующие возмущения изменяются по определенным закономерностям в зависимости от времени, режима обработки, диаметра шлифовального круга и других факторов.
К случайным возмущениям относятся погрешности в установке заготовок в приспособлении, колебания геометрии и физико-механических свойств заготовок, изменение расхода и состава охлаждающей жидкости и другие. Некоторые из возмущений носят периодический характер: к ним относятся периодические колебания технологических параметров (мощности, затрачиваемой на резание, усилий), связанные с овальностью обрабатываемых заготовок, с неравномерностью скорости продольной подачи и т. д.
Мониторинг технологического процесса (ТП) должен предусматривать три вида контроля: техническое состояние станков, режим обработки и параметров качества деталей
Контроль качества функционирования станков непосредственно связан с ходом ТП, определяющего качество шлифования поверхностей качения колец подшипников и включающего в себя макро- и микрогеометрические параметры точности, а также физико-механические свойства поверхностного слоя. Размеры колец и профиль дорожек качения определяются точностью формообразующих перемещений рабочих органов станков, точностью базирования заготовки и точностью профиля шлифовального круга.
Моделирование динамической системы станка позволяет рассчитать для станка спектр колебаний ДС для номинального состояния с учетом реальных частотных характеристик ШУ детали и ШУ инструмента, а затем сравнить его с измеренным спектром вибраций в условиях эксплуатации. Далее, полученные вибрационные характеристики с учетом моделирования сравниваются с паспортными (эталонными) значениями динамических характеристик станка и попадают в базу данных о динамическом состоянии, обслуживании и ремонте станков (БД). Таким образом на основе некоторых критериев в БД хранится информация о динамическом состоянии шлифовального станка, тем самым, характеризуя его техническое состояние и возможность обрабатывать детали с заданным качеством. Параллельно с контролем динамического состояния станка обязательно производится контроль геометрических параметров точности дорожек качения колец (некруглости, волнистости, шероховатости, профиля), а также качества поверхностного слоя до и после финишной операции.
В базу данных будут записываться значения, характеризующие динамическое состояние станков и качество обработки на них колец подшипников, полученные в результате обучающего эксперимента и при последующем периодическом контроле.
Результатом работы программы будут рекомендации по техническому обслуживанию станков и алгоритм корректировки маршрута технологического процесса обработки колец подшипников.
ЛИТЕРАТУРА
1. Смагин А.А. Интеллектуальные информационные системы: учеб. пособие / А. А. Смагин, С.В. Липатова, А.С. Мельниченко. Ульяновск: УлГУ, 2010. 136 с.
2. Джарратано Д. Экспертные системы: принципы разработки и программирование: пер. с англ. / Д. Джарратано, Г. Райлт. 4-е изд. М.: ООО «И.Д. Вильямс», 2007. 1152 с.
3. Лисянский, К. Архитектуры систем поддержки принятия решений [Электронный ресурс] / К. Лисянский. Режим доступа: http://lissianski.narod.ru/index.html
4. Козлова Т. Д. Экспертная система поддержки принятия решений при диагностировании автоматизированных станочных модулей / Т.Д. Козлова // Вестник СГТУ. 2011. №3(58). С. 182-187.
5. Иващенко В. А. Мониторинг технического состояния оборудования промышленных предприятий на основе использования систем нечёткого вывода / В. А. Иващенко, С. А. Игнатьев, А.А. Игнатьев // Автоматизация и управление в машино- и приборостроении: сб. науч. тр. Саратов: СГТУ, 2009. С.78-89.
6. Каракозова А. В. Предпосылки создания экспертной системы для контроля динамического состояния шлифовальных станков / А. В. Каракозова, А. А. Игнатьев // Вестник СГТУ. 2011. №3(58). С. 170-176.
Игнатьев Александр Анатольевич -
доктор технических наук, профессор, заведующий кафедрой «Автоматизация и управление технологическими процессами» Саратовского государственного технического университета имени Гагарина Ю.А.
Каракозова Анна Владимировна -
аспирант специальности «Автоматизация и управления технологическими процессами и производствами (в машиностроении)» машиностроительного факультета Саратовского государственного технического университета имени Гагарина Ю. А.
Alexander A. Ignatyev -
Dr. Sc., professor, head of department «Automation and process control»
Gagarin Saratov State Technical University
Anna V. Karakozova -
graduate student of the specialty «Automation and Managements of Technological Processes and Productions (in Mechanical Engineering)» of machine-building faculty of the Gagarin Saratov State Technical University
Статья поступила в редакцию 03.04.13, принята к опубликованию 30.04.13
