Digitale tweelingen voor het bewerkingsproces

Digitale tweelingen blazen leven en innovatie in steeds meer productiegebieden en lossen uitdagingen op voor machinewerkplaatsen van elke omvang. Met het tekort aan geschoolde arbeidskrachten en een voortdurende inspanning om hightechproductie naar de VS te verplaatsen, hebben digitale tweelingen veel te bieden. Door de machine en het proces te digitaliseren, ontstaat een diepgaand begrip van de CNC, programma's, processen, gereedschappen en instellingen.

Bovendien zullen winkels, nu de concurrentie toeneemt, hun activiteiten moeten uitbreiden en optimaliseren door hogere efficiëntie te creëren. Het digitaliseren van traditionele productieprocessen heeft het potentieel om operaties efficiënter te maken door productieprocessen in de virtuele wereld te bewijzen.

Ten slotte is de vijand van winstgevendheid onzekerheid, en met de huidige toestand van een geglobaliseerde economie is onzekerheid bijna een garantie. Goed beheer, via digitale tweelingen, kan helpen beschermen tegen hikken en maatregelen treffen die uw productiviteit maximaliseren.

Inzicht in digitale tweelingen

Een digitale tweeling van een werktuigmachine is een virtuele weergave van de machine die is verbonden met een virtuele besturing die wordt gevoed met real-world configuratiegegevens. Dit tilt model- en parametrische simulatie naar een nieuw niveau, omdat men de instellingen van bewerkingsmachines nauwkeuriger dan ooit kan optimaliseren en bewijzen.

Doorgaans hebben CAM-systemen en postprocessors geen directe kennis van de machine, zoals kinematica, beschikbare G-codes of als iemand parameters verandert. Op CAM gebaseerde simulatie of algemene G-code simulatiepakketten kunnen niet laten zien hoe deze wijzigingen het programma of de cyclustijd zullen beïnvloeden, omdat er geen digitale tweeling van de CNC of directe communicatie met de specifieke machinebesturing is.

Handmatige processen worden over het algemeen gebruikt om CAM- of G-code-simulatie in te stellen, dus in veel gevallen is het programma niet geoptimaliseerd voor de individuele machine of profiteert het programma niet van veel moderne programmeerfuncties. Het programma draait misschien niet eens op de doelcomputer.

Een ander probleem waarmee winkels worden geconfronteerd, zijn hun berichten en programma's zijn vaak niet geoptimaliseerd voor de machines of gereedschappen. De operator kan bijvoorbeeld gereedschappen met lagere voedingssnelheden gebruiken, misschien vanwege zorgen over het laten draaien van de machine met de geprogrammeerde voedingssnelheden. Dit leidt tot verloren tijd, verloren productiviteit en lage efficiëntie.

Aan de andere kant kan virtualisatie interoperabiliteit tussen het CNC- en CAM-systeem mogelijk maken. Dit helpt het programma te posten op basis van de functies die de CNC en/of machine ondersteunt. Zodra het programma is gepost, kan een gevirtualiseerde omgeving worden gecreëerd die verder gaat dan alleen een eenvoudige simulatie, omdat de basis de machinekinematica en de echte CNC-parameters gebruikt. CAM- en G-code-simulatie kunnen tot nu toe alleen testen omdat de pc geen kennis heeft van de CNC-configuratie. Het gebruik van een digitale tweeling om de daadwerkelijke CNC- en machineconfiguratie te bewijzen, zal de kans op fouten aanzienlijk verkleinen.

Digitale tweelingen kunnen ook helpen om te voldoen aan de vraag naar nauwkeurigere componenten die worden geleverd aan hightechindustrieën die producten met hoge toleranties nodig hebben. Naarmate machinale bewerkingen complexer worden, is het van cruciaal belang om over de meest efficiënte processen te beschikken. Veel traditionele methoden verspillen kostbare productietijd, zoals het instellen van procedures die knelpunten veroorzaken omdat machines uit productie worden genomen. Digital twins maken het testen van programma's in een gevirtualiseerde omgeving mogelijk. De virtuele CNC volgt nauwkeurig de werkelijk geprogrammeerde snijpaden en produceert de werkelijke cyclustijd. Wanneer aangesloten op een gevirtualiseerde machine die exact overeenkomt met de kinematica, maakt de digital twin nauwkeurige verificatie mogelijk zonder ooit het huidige proces dat de machine uitvoert te onderbreken. En door het proces op kantoor te bewijzen, kan de machine blijven werken.

Digitale tweelingen voor personeelsontwikkeling

Omdat digitale tweelingen een replica zijn van een werktuigmachine, is training op een digitale tweeling een hulpmiddel van onschatbare waarde om de kloof in CNC-vaardigheden te dichten en essentiële zaken in de werkplaats aan te leren, zoals het programmeren van onderdelen en de bediening van bewerkingsmachines. Digital twins bieden gebruikers praktische, realistische bewerkingservaring en training zonder een echte machine uit productie te nemen.

Digitaliseringstools voor jobshops

FANUC America is een samenwerking aangegaan met ModuleWorks om software voor personeelsontwikkeling te ontwikkelen, evenals een nieuwe robuuste suite voor het programmeren van onderdelen, NC Reflection Studio, die winkels helpt bij het bewerken van G-codes, simulatie en programmaverificatie. Dit alles biedt een arsenaal aan gereedschappen om bekwame machinisten te creëren en machinewerkplaatsen te optimaliseren. Deze end-to-end digitalisering zal dan echt de kracht van Industrie 4.0 voor de CNC-industrie ontsluiten.

SME kondigt 2022 Sandra L. Bouckley aan als uitstekende jonge productie-ingenieurs

De 22 winnaars van dit jaar werden geselecteerd op basis van hun diverse productieachtergronden, technologische vooruitgang/verbeteringen en state-of-the-art onderzoek. De naamgenoot van de 2022 award is 2017 MKB-president Sandra L. Bouckley, FSME, P.Eng., voormalig MKB-CEO en een voormalig vice-president van productiesystemen, supply chain management en lean bij GKN Driveline Americas.

Hoewel lidmaatschap van het MKB niet vereist is voor deze erkenning, maakt elk van de Sandra L. Bouckley Outstanding Young Manufacturing Engineers uit 2022 deel uit van de MKB-gemeenschap en was al lid vóór hun selectie:

Bruno Azeredo, PhD, Arizona State University, Tempe, Arizona.

Wen Chen, PhD, Universiteit van Massachusetts Amherst, Amherst, Massachusetts.

Xu Chen, PhD, Universiteit van Washington, Seattle

Nancy Diaz-Elsayed, PhD, Universiteit van Zuid-Florida, Hillsborough County, Florida.

Amy Elliott, PhD, Oak Ridge National Laboratory, Oak Ridge, Tennessee.

Thomas Feldhausen, PhD, Oak Ridge National Laboratory, Knoxville, Tennessee.

Kelvin Fu, PhD, Universiteit van Delaware, Newark, Del.

Michael Gomez, PhD, MSC Industrial Supply Co., Knoxville, Tennessee

Jinah Jang, PhD, Pohang University of Science and Technology, Pohang, Zuid-Korea

Bo Jin, PhD, Universiteit van Zuid-Californië, Los Angeles

Venkata Charan Kantumuchu, Electrex Inc., Edmond, Okla.

Geoff Karpa, Lockheed Martin Aeronautics Co., Fort Worth, Texas

Vipin Kumar, PhD, Oak Ridge National Laboratory, Knoxville, Tennessee.

Megan McGovern, PhD, PE, General Motors Global Research &Development, Detroit

Laura Pahren, Procter &Gamble Co., Mason, Ohio

Kyle Saleeby, PhD, Oak Ridge National Laboratory, Knoxville, Tennessee.

Ryan Sekol, PhD, General Motors Research &Development, Warren, Michigan.

Xuan Song, PhD, Universiteit van Iowa, Iowa City, Iowa

Peng "Edward" Wang, PhD, Universiteit van Kentucky, Lexington, Ky.

Sarah Wolff, PhD, Texas A&M University, College Station, Texas

Yang Yang, PhD, San Diego State University, San Diego

Xiaowei Yue, PhD, Virginia Tech, Blacksburg, Virginia.

Het MKB belicht al meer dan vier decennia de prestaties van meer dan 470 jonge productie-ingenieurs - en hun impact op de productie - door middel van deze prijs. Het MKB verwelkomt nominaties voor de Outstanding Young Manufacturing Engineers Award 2023 uiterlijk op 1 augustus op sme.org/oyme.