COMPUTERAIDED PROCESS PLANNING Ultimo aggiornamento 101211 Prof Gino

COMPUTER-AIDED PROCESS PLANNING Ultimo aggiornamento: 10/12/11 Prof. Gino Dini – Università di Pisa

Vantaggi nell’uso dei sistemi CAPP • Riduzione del tempo necessario alla pianificazione del processo • Riduzione dei costi • Ottimizzazione dei cicli • Omogeneità dei cicli • Integrazione informatica

Schema di un sistema CAPP CAD Selezione di: macchine utensili, attrezzature, ecc. Ciclo di fabbricazione Data base (conoscenza tecnologica)

Integrazione con la fase CAD Data base modelli 3 D Data base disegni 2 D Ricerca dati geometrici Ricerca dati tecnologici Associazione informazioni geometriche e tecnologiche CAPP

Tipologie esistenti di sistemi CAPP • Sistemi CAPP varianti • Sistemi CAPP generativi

CAPP variante: fase preparatoria Analisi dei pezzi e creazione famiglie Ciclo famiglia A Ciclo famiglia B Data base cicli di lavorazione Ciclo famiglia C Prodotti Preparazione cicli

CAPP variante: fase operativa Disegno del pezzo Identificazione famiglia e ricerca ciclo Eventuale variazione del ciclo Data base cicli di lavorazione

Tipologie esistenti di sistemi CAPP • Sistemi CAPP varianti • Sistemi CAPP generativi

Sistema CAPP generativo

Sistema CAPP generativo Base della conoscenza: albero decisionale Toll. < 0, 05 1. Centratura 2. Foratura 3. Alesatura D < 5 mm Toll. 0, 05 Foro 5 D < 10 mm Superficie Slot

Impiego dei sistemi CAPP No. pezzi per famiglia VARIANTI GENERATIVI PLANNING MANUALE No. di famiglie

Altre aree di impiego dei sistemi CAPP • Montaggio • Misura • Smontaggio • Deformazione plastica

CAPP per il montaggio

CAPP per il montaggio

CAPP per il montaggio

CAPP nel montaggio 1 1 +y 2 +y +x 1 2 3 +y +x +x Assembly sequence Optimization Minimization of gripper changes Minimization of products re-orientations

Tecnica Ant Colony Optimization pheromone trail nest obstacle food

Tecnica Ant Colony Optimization nest obstacle food

Tecnica Ant Colony Optimization

Tecnica Ant Colony Optimization

Tecnica Ant Colony Optimization 1 2 3 1(g 1, -y) 1(g 1, -x) 1(g 1, +x) +y +x Available grippers Element Gripper 1 g 1 2 g 2, g 3 3(g 3, +x) 1(g 1, +y) 3(g 3, -x) 2(g 2, -y) 2(g 3, +y) 2(g 2, +y) 2(g 3, -y)

Basic expressions of ACO Probability p that an ant moves along a given link i, 1 node ith link i, 2 link i, 3

Basic expressions of ACO Quantity of pheromone t on trails link i, 1 (preferred) link i, 2 node ith link i, 3

Implementation of ACO SEQUENCE DETECTION Input data ·Product representative model Ant i-th leaves the start node ·Gripper table ·ACO parameters Output Ant i-th reaches the end node The pheromone quantity is updated Trail having the greatest amount of pheromone = BEST ASSEMBLY SEQUENCE Algorithm termination ?

Example of result 17 18 9 15 16 6 11 5 12 19 14 10 2 7 1 13 8 3 4 Part Gripper 1 2 3 4 5 6 7 8 9 10 G 1 G 2 G 3 G 5 G 1 G 2 G 4 G 3 G 1 G 4 G 1 G 2 G 3 G 6 G 1 G 2 G 4 11 12 13 14 15 16 17 18 19 G 3 G 3 G 4 G 7 G 2 G 1 G 2 G 5 G 8 G 3

Example of result Best assembly sequence: 1 2 8 13 7 14 5 12 19 11 9 10 6 17 18 15 16 4 3 Gripper sequence (9 changes): G 1 G 3 G 3 G 7 G 3 G 3 G 6 G 1 G 1 G 8 G 7 G 2 G 5 Direction sequence (1 change): -Z -Z -Z -Z -Z +Z +Z