Digitale Tweelingen: Frezen Revolutie voor Efficiëntie en Werkkrachtuitdagingen

Digitale tweelingen blazen leven en innovatie in steeds meer gebieden van de productie en lossen uitdagingen op voor machinewerkplaatsen van alle maten. Met de tekortkoming aan geschoolde arbeid en een lopende inspanning om high-tech productie terug te brengen naar de VS, hebben digitale tweelingen veel te bieden. Het digitaliseren van de machine en het proces creëert een diep begrip van de CNC, programma's, proces, gereedschappen en opstelling.

Daarnaast, met de concurrentie die op een hogere toer komt, zullen werkplaatsen hun operaties moeten verhogen 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 staat van een geglobaliseerde economie, is onzekerheid bijna een garantie. Goed beheer, via digitale tweelingen, kan helpen beschermen tegen hick-ups en maatregelen plaatsen die je productiviteit maximaliseren.

Digitale Tweelingen Begrijpen

Een digitale tweeling van een werktuigmachine is een virtuele representatie van de machine verbonden met een virtuele besturing gevoed met real-world configuratiedata. Dit brengt model- en parameter-gebaseerde simulatie op een hoger niveau, omdat men werktuigmachine-opstellingen nauwkeuriger dan ooit kan optimaliseren en bewijzen.

Doorgaans hebben CAM-systemen en post-processoren geen directe kennis van de machine, zoals kinematica, beschikbare G-codes of als iemand parameters verandert. CAM-gebaseerde simulatie of algemene G-code simulatiepakketten kunnen niet tonen hoe die veranderingen het programma of cycletijd zullen beïnvloeden, omdat er geen digitale tweeling van de CNC is of directe communicatie met de specifieke machinecontroller.

Handmatige processen worden doorgaans gebruikt om CAM of G-code simulatie in te stellen, dus in veel gevallen is het programma niet geoptimaliseerd voor de individuele machine of het programma faalt erin om voordeel te halen uit veel moderne programmeerfuncties. Het programma kan misschien niet eens draaien op de doelmachine.

Een ander probleem waar werkplaatsen mee te maken hebben, is hun posts en programma's vaak niet geoptimaliseerd zijn voor de machines of gereedschappen. Bijvoorbeeld, de operator kan gereedschappen draaien met lagere voedsnelheden, misschien vanwege zorgen over het draaien van de machine op de geprogrammeerde voedsnelheden. Dit leidt tot verloren tijd, verloren productiviteit en lage efficiëntie.

Aan de andere kant kan virtualisatie interoperabiliteit tussen de CNC en het CAM-systeem mogelijk maken. Dit helpt het programma posten op basis van de functies die de CNC en/of machine ondersteunt. Eenmaal het programma gepost is, kan een gevirtualiseerde omgeving worden gecreëerd die verder gaat dan simpele simulatie, omdat de basis de machinekinematica en de echte CNC-parameters gebruikt. CAM en G-code simulatie kunnen de test maar tot een bepaalde grader brengen, omdat de PC geen kennis heeft van de CNC-opstelling. Het gebruik van een digitale tweeling om de echte CNC- en machineopstelling te bewijzen, zal de kans op fouten aanzienlijk verminderen.

Digitale tweelingen kunnen ook helpen aan de vraag naar nauwkeurigere componenten die geleverd worden aan high-tech industrieën die producten met hoge toleranties vereisen. Naarmate frezen complexer wordt, is het hebben van de meest efficiënte processen cruciaal. Veel traditionele methoden verspillen waardevolle productietijd, zoals opstellingsprocedures die knelpunten creëren omdat machines uit productie worden gehaald. Digitale tweelingen stellen het testen van programma's in een gevirtualiseerde omgeving mogelijk. De virtuele CNC volgt nauwkeurig de geprogrammeerde snijpaden en produceert de real-world cycletijd. Wanneer verbonden met een gevirtualiseerde machine die de kinematica precies matcht, stelt de digitale tweeling nauwkeurige verificatie in zonder de huidige proces die de machine draait ooit te onderbreken. Bovendien stelt het bewijzen van het proces in het kantoor de machine in staat om te blijven draaien.

Digitale Tweelingen voor Werkkrachtontwikkeling

Omdat digitale tweelingen een replica zijn van een werktuigmachine, is trainen op een digitale tweeling een onschatbaar hulpmiddel om de CNC-vaardighedenkloof te dichten en jobshop-essentiëls te leren zoals deelprogrammering en werktuigmachinebediening. Digitale tweelingen bieden gebruikers hands-on, realistische freeservaring en training zonder een echte machine uit productie te halen.

Digitalisatie Tools voor Job Shops

FANUC America heeft een partnerschap aangegaan met ModuleWorks om software voor werkkrachtontwikkeling te ontwikkelen, evenals een robuuste deelprogrammeringsuite, NC Reflection Studio, die winkels helpt met G-code bewerken, simulatie en programmaverificatie. Al dit biedt een arsenaal aan tools om geschoolde freesers te creëren en machinewerkplaatsen te optimaliseren. Deze end-to-end digitalisatie zal dan werkelijk de kracht van Industrie 4.0 voor de CNC-industrie ontgrendelen.

SME Kondigt 2022 Sandra L. Bouckley Outstanding Young Manufacturing Engineers Aan

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

Hoewel lidmaatschap van SME niet vereist is voor deze erkenning, maken de 2022 Sandra L. Bouckley Outstanding Young Manufacturing Engineers allemaal deel uit van de SME-gemeenschap, omdat ze lid waren voorafgaand aan hun selectie:

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

Wen Chen, PhD, University of Massachusetts Amherst, Amherst, Mass.

Xu Chen, PhD, University of Washington, Seattle

Nancy Diaz-Elsayed, PhD, University of South Florida, Hillsborough County, Fla.

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

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

Kelvin Fu, PhD, University of Delaware, Newark, Del.

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

Jinah Jang, PhD, Pohang University of Science and Technology, Pohang, South Korea

Bo Jin, PhD, University of Southern California, 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, Tenn.

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, Tenn.

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

Xuan Song, PhD, University of Iowa, Iowa City, Iowa

Peng "Edward" Wang, PhD, University of 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, Va.

SME heeft de prestaties van meer dan 470 jonge productie-ingenieurs - en hun impact op de productie - al meer dan vier decennia lang uitgelicht door deze award. SME zal nominaties welkom heten voor de 2023 Outstanding Young Manufacturing Engineers Award tot 1 augustus op sme.org/oyme.