10.2. Показатели уровня сап

Для оценки САП выделяют следующие основные показатели: уровень автоматизации, адаптируемость, надежность и оператив­ность.

Уровень автоматизации САП определяется по харак­теру и объему решаемых технологических задач. Различают три уров­ня автоматизации САП: низший, средний и высший. На низшем уров­не автоматически решаются только геометрические задачи. На среднем уровне автоматизации, кроме геометрических задач, реша­ются некоторые технологические (назначение режимов обработки, выбор режущего инструмента, выбор черновых проходов и т. д.). На высшем уровне все геометрические и технологические задачи реша­ются автоматически. Количественно уровень автоматизации системы определяют отношением трудоемкости ручной подготовки УП к тру­доемкости подготовки УП на ЭВМ.

Адаптируемость САП характеризуется ее способностью настраиваться на условия пользователя, т. е. набором «потребитель­ских» свойств системы. Определяющими признаками здесь являются: конфигурация ЭВМ, тип операционной системы, состав библиотеки препроцессоров и постпроцессоров, организация базы данных.

Надежность САП определяется вероятностью получения качественной УП и зависит от ряда факторов. Основными из них яв­ляются надежность программного обеспечения и надежность контро­ля исходных данных. Последний фактор обеспечивается созданием простых и удобных конструкций входного языка САП, а также раз­работкой специальных программ автоматического определения оши­бок с помощью ЭВМ.

Оперативность САП характеризуется минимальными зат­ратами времени на разработку УП за счет непосредственного досту­па технолога-программиста к ЭВМ. Повышению оперативности САП в значительной мере способствует эксплуатация ЭВМ в режиме раз­деления времени, а также использование алфавитно-цифровых и гра­фических дисплеев.

11. Оптимизация технологических процессов

При создании САПР ТП в основу общего подхода к процессу проектирования закладывается алгоритм, включающий три этапа: синтез, анализ и принятие решения (рисунок 35).

Рисунок 35 – Схема алгоритма процесса проектирования

Задачи, решаемые в рамках проектирования технологических процессов (ТП), являются многовариантными. К многовариантным относятся, например, задачи выбора оборудования, режущего инструмента, расчета режимов резания и т.д. В разрабатываемом ТП число возможных комбинаций переходов, схем базирования, методов обработки и компоновок операций даже для простых деталей значительно, а для более сложных возрастает чрезвычайно.

Разные варианты ТП изготовления одной и той же детали вследствие различий в структуре, применяемом оборудовании, инструменте, режимах резания и т.д. имеют различные выходные показатели: производительность, себестоимость, расход металла, загрузку оборудования и др.

Наличие нескольких вариантов решения задачи (вариантов ТП) естественным путем приводит к задаче выбора наилучшего варианта. В нашем случае таковым будет вариант ТП, обеспечивающий выполнение в конкретных производственных условиях все требования чертежа детали и дающий наилучшее значение выходных показателей. Такой технологический процесс носит название оптимального. Таким образом, задача проектирования ТП по своей природе является оптимизационной.

Оптимизация (от лат. optimum — наилучший) — это процесс нахождения экстремума некоторой количественной величины (параметра) проектируемого объекта, представляемой в виде функ­ции (функционала). Если эта функция характеризует положитель­ное свойство объекта, то ищется максимальное ее значение, если отрицательное — то минимальное.

Широкое использование во всех сферах инженерной деятельности различных методов и приемов оптимизации, в основе которых лежит определенный математический аппарат, позволило сформи­ровать целое направление прикладной математики, получившее название «исследование операций».

Теория оптимизации в современном представлении включает совокупность фундаментальных математических резуль­татов и численных методов, ориентированных на нахождение наи­лучших вариантов из множества альтернатив и позволяющих избежать полного перебора и сравнения возможных вариантов.

Методы оптимизации в зависимости от вида функции цели и огра­ничений подразделяются на классический метод дифференцирования, линейное, квадратичное, выпуклое и динамическое программиро­вание.

С точки зрения стратегии поиска оптимума выделяют четыре группы методов оптимизации: аналитические, рекурсивные, итераци­онные, стохастические.

Аналитические методы находят применение при реше­нии классических задач и задач с ограничениями в виде уравнений. Для решения задач без ограничений используют методы исследо­вания производной функции. Путем приравнивания производной нулю отыскиваются точки экстремума, а затем исследуются точки с помощью второй производной для отыскания максимума. Таким способом решаются простые технологические задачи, например вы­полняется расчет режимов резания, выбор параметров режущего инструмента и др.

Рекурсивные методы относятся к методам, позволяю­щим определить одну переменную за одну расчетную операцию. Решение всей задачи осуществляется путем поочередного определе­ния переменных. Наиболее распространенным среди этих методов является динамическое программирование. Этот метод можно ис­пользовать при анализе многоэтапных процессов принятия решения, например при оптимизации маршрутных ТП. Однако метод динами­ческого программирования эффективен при небольшом числе ограни­чений, вводимых в математическую модель, поэтому он пока не получил широкого распространения при решении технологических задач.

Итерационные методы объединяют наибольшую группу методов поиска оптимумов. К ним относятся способы расчета функ­ции цели в одной или нескольких вероятностных точках для опре­деления «лучшей» точки. Расчет выполняют до тех пор, пока не приблизятся к назначенному критерию на расстояние, меньшее некоторого заданного значения. Эти методы позволяют устанавливать только локальные оптимумы, однако они могут применяться в слу­чаях, когда оптимизацию проводят в различных исходных точках. Оптимумы, определяемые этим способом, представляют собой доста­точно точное решение относительно абсолютного оптимума.

Различают два больших класса итерационных методов: методы линейного и нелинейного программирования.

Линейное программирование применяют для решения линейных задач, когда функции цели и ограничения являются линейными, а все переменные — непрерывными функциями. В основу этого программирования положено утверждение, что точка оптимума целевой функции находится в одной из вершин выпуклого многогран­ника определяющего область возможных решений. Наиболее извест­ным итерационным методом решения линейных задач является симплекс-метод.

Для методов нелинейного программирования характерно непо­средственное отыскание оптимума. Эти методы разделяются на две группы: методы, базирующиеся на расчетах градиентов, и методы, при использовании которых этот расчет не требуется. К первой группе относится метод наискорейшего спуска, а ко второй — метод Фибоначчи, основанный на отыскании оптимума вдоль произвольно выбранного направления. Все методы непосредственного поиска оптимума включают операции выбора направления поиска и длины шага. Отдельные методы имеют разные критерии выбора этих двух параметров. Большинство методов непосредственного отыскания оптимума не может быть применено к математическим моделям с ограничениями. В этом случае предварительно необходимо при­вести математическую модель с ограничениями к модели без ограни­чений. Для этой цели используются специальные математические методы: метод штрафных функций, метод множителей Лагранжа.

Стохастические методы оптимизации (методы случай­ного поиска решений) включают процедуры накопления и обработки информации, в которые сознательно вводится элемент случайности. Преимущества этих методов заключаются в их простоте, надежности, достаточной точности и легкости программирования. В результате методы случайного поиска стали одними из наиболее эффективных методов оптимизации.

Стохастические методы оптимизации применяются для различных задач технологического проектирования процессов изготовления деталей при наличии большого числа случайных факторов, которые не представляется возможным описать в традиционной математи­ческой форме.

В целом для постановки задачи оптимизации ТП (как и любой другой задачи оптимизации) необходимо сформировать математическую модель процесса обработки детали (сборки изделия), которая должна включать в себя:

1. Критерий (критерии) оптимальности ТП.

2. Целевую функцию.

3. Систему ограничений.

4. Четко определенные входные, выходные и внутренние параметры.

5. Управляемый (варьируемый) параметр или управляемые (варьируемые) параметры, которые выделяются из числа внутренних параметров.