V delu predlagamo samodejno programiranje CNC-strojev s pomočjo umetne inteligence. Predlagan sistem samodejno – na osnovi CAD-modela bodočega izdelka – pripravi NC-program na način, da je izdelava varna, natančna in časovno učinkovita. Razvit CAD/CAM sistem uporablja NSGA-II večkriterijsko optimizacijo in skupinsko inteligenco. Vključuje modul za napovedovanje rešitev in modul za njihovo ocenitev. V modulu za napovedovanje mehanizem umetne inteligence predlaga rešitve, ki vključujejo informacije o izbranih orodjih, njihovih poteh in rezalnih parametrih. Modul za ocenitev oceni predlagane rešitve, upoštevajoč geometrijska, tehnološka in časovna merila in merilo učinkovitosti obdelave. V prispevku smo razvit sistem tudi testirali s pomočjo testnega primera. Rezultati so pokazali, da je pristop obetaven, saj lahko CNC-stroje programiramo na samodejen način.
COBISS.SI-ID: 19404310
V članku je predstavljen sistem za nadzor hrapavosti pri oblikovnem frezanju s pripadajočim simulacijskim modelom. Cilj opisanega nadzornega sistema je zagotavljati referenčno hrapavost površine s prilagajanjem rezalnih parametrov in vzdrževanjem konstantne rezalne sile. Za simulacijske namene je izdelan eksperimentalno potrjen simulator nadzora hrapavosti površine. Sestavljen je iz modelov, ki temeljijo na genetskem programiranje (GP), nevronskih mrežah (NN) in adaptivnem nevro-mehkem inferenčnem sistemu (ANFIS). Glavni cilj raziskave je izdelati zanesljivo metodo za napovedovanje povprečne hrapavosti površine med samim procesom frezanja. ANFIS metoda je uporabljena za določitev učinkov rezalnih parametrov in signalov rezalnih sil na hrapavost površine. S predlaganim sistemom izvedeni eksperimenti potrdijo, da je mogoče na osnovi signalov rezalni sil napovedati hrapavost površine z napako manjšo od 3%.
COBISS.SI-ID: 19278870
V članku je predstavljen sistem za samodejno zaznavanje obrabe in poškodb orodja na CNC rezkalnem stroju z uporabo strojnega vida. Z razvitimi algoritmi za segmentacijo slike orodja in inovativnim pristopom pridobivanja značilk (angl. Feature extraction), ki opisujejo posamezen zob orodja stebelnega rezkala (angl. end mill), se iz zajete slike učinkovito pridobijo informacije, ki predstavljajo pomembne značilnosti posameznega zoba orodja. Predlagani pristop pridobivanja značilk (angl. Feature extraction) je robusten in neodvisen od velikosti (scale) ter rotacije stebelnega rezkala na zajeti sliki. Razvrščanje značilk orodja smo izvedli z dvema pristopoma, in sicer s k-nearest neighbors algoritmom (k-NN) in z umetno nevronsko mrežo (angl. Artificial neural network – ANN). Oba pristopa smo testirali s testno bazo slik orodij in rezultate med seboj primerjali, pri čemer smo validacijo razvrščanja izvedli z 10-fold cross-validation metodo. Najboljšo natančnost razvrščanja (92.63%) smo dosegli z uporabo umetne nevronske mreže. Rezultati so potrdili, da lahko s predlaganim pristopom izboljšamo nadzor nad obrabo in poškodbami orodja, posledično pa se izboljša učinkovitost in zanesljivost delovanja CNC-rezkalnega stroja.
COBISS.SI-ID: 19214358
V delu je predstavljeno okolje za porazdeljeno skupinsko delo, ki je v pomoč proizvodnim podjetjem in strokovnjakom pri razpravi, predlogih, ocenjevanju in izbiri najboljših procesov za izdelavo družin izdelkov. Sistem omogoča implementacijo ekspertnega znanja iz zbirke znanja. Predlagan sistem za porazdeljeno skupinsko delo predstavlja nadaljnji korak v smeri porazdeljene izdelave.
COBISS.SI-ID: 20238870
Članek predstavlja vrednotenje rezultatov testiranja toplotne izolacije na toplotnem manikinu. Izvedena je analiza stabilnosti dobljenih rezultatov kar je potrebno za izvajanje ponavljajočih se meritev.
COBISS.SI-ID: 20067350