автореферат диссертации по металлургии, 05.16.04, диссертация на тему:Разработка и развитие методов выбора процессов изготовления и диагностики качества отливок

од

• г,7

" 1 На правах рукописи

РЫСЕВ Михаил Александрович

РАЗРАБОТКА И РАЗВИТИЕ МЕТОДОВ ВЫБОРА ПРОЦЕССОВ ИЗГОТОВЛЕНИЯ И ДИАГНОСТИКИ КАЧЕСТВА

ОТЛИВОК

Специальность 05.16.04 - Литейное производство

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург -1997

Работа выполнена в Санкт-Петербургском государственном техническом

университете на кафедре физико-химии литейных сплавов и процессов

Научный руководитель:

заслуженный деятель науки и техники РФ

доктор технических наук, профессор О.А.Корнюппсин.

Официальные оппоненты:

заслуженный деятель науки и техники РФ

доктор технических наук, профессор О.Н.Магницкий,

кандидат технических наук, доцент Т.Б.Гуляева.

Ведущая организация: ГГГИ Литпром, г. Санкт-Петербург.

Защита состоится " 1997 г. в часов на

заседании диссертационного совета Д 063.38.08 в Санкт-Петербургском государственном техническом университете

по адресу: 195251 Санкт-Петербург, ул. Политехническая 29, СПбГТУ, химический корпус, ауд. 51.

С диссертацией можно ознакомиться в фундаментальной библиотеке СПБГТУ.

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью организации, просим направлять по указанному выше адресу на имя ученого секретаря диссертационного совета Д 063.38.08.

Автореферат разослан " 25 " 1997 г.

Ученый секретарь

диссертационного совета Д 063.38.08

доктор технических наук, профессор Г.С.Казакевич

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Рациональный выбор и оценка процессов изготовления отливок на стадиях технологической подготовки производства (XX111) и анализ функционировашш автоматических комплексов и линий позволяют повысить качество и сократить сроки ТПП, оптимизировать режимы по критериям качества форм и отливок. Оценки процессов позволяют оптимизировать распределение изготовления отдельных групп отливок на предприятиях соответствующей отрасли, прогнозировать их развитие.

Влияние параметров процессов формовки на качество отливок должно производиться в рамках систем технической диагностики, дальнейшее развитие которой может быть осуществлено на основе анализа точности распознавания категорий качества, привлечения и синтеза новых моделей и методов.

Целью работы является повышение эффективности процессов изготовления отливок на основе разработки и развития современных методов моделирования, оптимизации и управления с применением ЭВМ.

Для достижения цели в диссертации поставлены следующие задачи :

- разработка методов выбора и оценки процессов изготовления отдивок массового, мелкосерийного и индивидуального производства;

- разработка оценки размерной точности отливок и анализ влияния на ее параметры режимов формовки;

- анализ точности распознавания и развитие математических моделей в системах диагностики качества отливок.

Основные научные результаты:

- модель выбора процессов изготовления отливок массового производства, позволяющая управлять точностью распознавания;

- модель выбора процессов изготовления отливок мелкосерийного и индивидуального производства, позволяющая ранжировать и оценивать процессы по критериям брака отливок;

- методика оценки размерной точности отливок, позволяющая определить параметры формовки по условию получения ключевых размеров с заданными квалитетами точности;

- установление точности распознавания в системах диагностики качества отливок и развитие моделей, исключающих неопределенные ответы;

- модель диагностики на основе байесовского решающего правила с использованием комплексных параметров качества формы и металла и показателей риска на стадиях управления распознаванием.

Основные практические результаты

1. Многомерная оценка по системе технологических и технико-экономических показателей и прогнозирование свойств жидкостекольных и песчано-глинистых смесей для изготовления отливок энергетического машиностроения в ПО "Невский машиностроительный завод";

2. Диагностика качества отливок, изготавливаемых на автомагической линии формовки АО "Кировский завод" и разработка рекомендаций по регулированию технологических параметров.

Апробация работ. Материалы диссертации докладывались на научно-технических конференциях в Санкт-Петербурге (1994 г.,1996 г.), в Одессе (1994 г.), на съезде литейщиков во Владимире (1997 г.).

Данная работа была поддержана грантами Министерства общего и профессионального образования по фундаментальным исследованиям в области машиностроения (1995-1997 гг).

Публикации. По теме диссертации опубликовано 7 работ.

Структура и объем работ. Диссертационная работа состоит из введения, шести глав и общих выводов, изложена на 168 страницах машинописного текста, содержит 20 рисунков, 37 таблиц, список литературы из 133 наименований и 11 приложений на 54 страницах.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

1. Основные методические принципы

Для решения задач выбора, оценки и управления использовали методы распознавания образов и технической диагностики.

При этом реализовали следующие принципы:

- превалирующее значение коалиционных систем;

- перспективность моделей и алгоритмов с оптимизацией процессов распознавания и принятая решений;

- необходимость учета и оценки неполноты и противоречивости информации и поиска компромисса при принятии решений;

- необходимость использования управляемого эксперимента в системах распознавания;

- перспективность разработки систем распознавания и управления с "оценкой риска".

Номенклатура технических и технологических задач и методов прикладной математики, положенных в основу разработки математических моделей, представлена в табл.1.

При разработке оценки информативности признаков по критерию процесса изготовления отливок руководствовались тремя положениями:

- необходимостью доведения информативности каждого признака до уровня, обеспечивающего точность выбора процесса формовки не менее 70 % , т.е. уровня точности распознавания и оценки трудоемкости изготовления отливки;

- необходимостью разработки метода оценки информативности не только отдельных признаков, но и их различных сочетаний;

- необходимостью разработки моделей распознавания в системах диагностики качества отливок, обеспечивающих высокую точность распознавания (до 60-70 %) при малом количестве признаков (до 3-5).

Таблица 1

Номенклатура задач и методов их решения

Задача

Метод решения

Технологические процессы, оборудование, материалы

Выбор процессов изготовления отливок массового производства

Выбор процессов изготовления отливок мелкосерийного и индивидуального производства Показатели качества форм и отливок

Классификация, оценка и прогнозирование свойств смесей Диагностика качества отливок. Анализ точности распознавания. Управление качеством отливок

Класс алгоритмов распознавания, основанных на вычислении оценок (ABO)

Метод расстановки приоритетов. Метод комитетов

Метод главных компонент. Метод сверток

Дискриминантный метод. Метод главных компонент. Метод приоритетов Общие принципы технической диагностики. Информационные модели управления. Методы управления на основе стратегии Байеса. Параметрический и дискриминантный методы__

Литье в песчано-глинистые формы. Литье по выплавляемым моделям. Литье в кокиль. Литье под давлением. Отливки важнейшего изделия машиностроения

Восемь процессов формовки в 2-х и 3-х слойных формах с применением песчано-глинистых, жидкостекольных и хромомагнезитовых смесей. Отливки энергомашиностроения

Технологические процессы изготовления стальных и чугунных отливок на автоматических линиях. Установка прессования форм ГГГИ Литпром. Давления прессования 0,25-2,00 МПа. Отливка-представитель - параллели-пипед с габаритами 300x90x50 мм. Материал отливки - чугун СЧ 20. Температура заливки 1390 ±5° С. Пес-чано-бентонитовые смеси Жидкостекольные и песчано-смоляные смеси ПО НМЗ (29 составов). Приборы и установки НМЗ

Технологические процессы изготовления стальных и чугунных отливок на автоматических линиях. Автоматическая линия дифференциального прессования. Автоматическая линия "Дизамахик". Автоматическая прессовая линия АО "Кировский завод"

Второе и третье положение реализовали при разработке модели распознавания качества чугунных отливок массового производства. При разработке моделей распознавания на основе дискриминантного и параметрического методов предложили метод оценки информативности признаков, учитывающий их экстремальное изменение в отливках данной категории качества.

Такая постановка задачи имеет аналогию в генетике (В.В.Шкурба). Результаты опытов представляются в виде матрицы, являющейся своеобразной генетической картой отливки. Диагонализацию матрицы осуществили методами теории расписаний (комбинаторика, построение порфириапа). Рассчитанная таким образом последовательность расположения признаков более эффективно определяет степень их влияния на формирование категорий качества отливок по сравнению с методами Кулъбака и Шеннона. Точность распознавания при этом повышается на 5-10 %. Данную модель использовали при распознавании классов точности чугунных отливок.

2. Выбор процессов изготовления отливок массового производства

Сформулировали следующие положения.

1 .В коалиционных системах компетенция целого (системы) сопоставима с компетенцией подсистем, элементов. Всякое голосование, основанное на логике коалиций является эффективным и правомерным.

2.Модели и алгоритмы выбора процессов изготовления отливок должны быть составной частью общей системы оптимизации решений в технологической подготовке производства отливок важнейших отраслей промышленности. В этой связи модели и алгоритмы, разрабатываемые на основе методов распознавания образов, должны содержать единую систему признаков для решения важнейших задач - выбора процессов, трудоемкости изготовления, группы сложности.

3.Модели и алгоритмы должны позволять проводить последовательные процессы адаптации признаков, обучения и оптимизации с целью повышения эффективности распознавания.

Модели и алгоритмы класса ABO соответствуют сформулированным гносеологическим и технологическим аспектам систем распознавания (CP).

Пусть задана совокупность множеств Xj, j=l, 2,..., п. Множество Xj будем называть признаками, а элементы множества Xj - значениями соответствующих признаков. Совокупность элементов Xj (значений признаков) рассматривается как алфавит признаков. Объект распознавания - многомерный вектор, компонентами которого являются конкретные значения признаков из некоторых алфавитов. Допустимым объектом называется объект, признаки которого принимают значения из заданного алфавита. Совокупность m допустимых объектов, каждый из которых характеризуется набором п признаков, сводится в таблицу Тщп. Задано разбиение таблицы Тщп на h классов, превращающее ее в таблицу T„mh.

Разработали алгоритм и выполнили следующие этапы.

Выбор системы опорных множеств. Опорные множества (или голосующие наборы) - это различные сочетания множеств Xj, которые обозначим через А. Задание семейства множеств асА является первым этапом задания алгоритма.

Функция близости между частями строк, описывающая степень их "похожести":

Оценки Ои строки Б по системе опорных множеств в классе К, Вычисление числа голосов, поданных строкой Б за класс .

(1)

F[G,(S),G2(S),...,Gh(S)] =

Шц

Gu(S)= I C?(s,sq) , (2)

q=mu-i+1

где r(S,Sq) - число совпадающих столбцов строк S и Sq, d - мощность опорного множества.

Решающее правило, классифицирующее объект по правилу простого большинства, имеет вид

и, если Gu>Gj, j, если Gu<Gj, (3) при и * j.

Предложенный алгоритм реализовали при построении CP процессов изготовления отливок в условиях массового производства для важнейшего изделия машиностроения при изготовлении отливок четырьмя способами литья : литьем в песчано-глинистые формы (J11H Ф), литьем в кокиль (ЛК), литьем по выплавляемым моделям (ЛВМ) и литьем под давлением (ЛПД). Для решения поставленной задачи использовали массив из 257 отливок, описанных в пространстве из 16 признаков, который разбивали на обучающую (135 отливок) и контрольную (122 отливки).

Был получен экстремальный алгоритм ABO (точность распознавания -71 %) с оптимальными значениям информативностей признаков.

Расчеты оценок, длин голосующих наборов и эффективности распознавания провели для четырех наборов признаков по мере возрастания информативности с определением оптимальной длины голосующего набора. На рис.1 представлены оценки G процессов для одной из отливок выборки класса ЛВМ в зависимости от длины голосующих наборов d при использовании 16 признаков. На рис.2 представлена зависимость эффективности распознавания Ч'д от числа используемых признаков п.

Рис.1 d

О 2 4 6 8 10 12 14 16 n Рис.2

Для повышения эффективности CP был разработан качественно новый класс ABO, который позволяет достичь 100% точности распознавания.

Экономическая эффективность предложенной системы распознавания подтверждена расчетом суммарных приведенных затрат на получение заготовки и ее последующую механическую обработку.

3. Выбор процессов изготовления отливок мелкосерийного и индивидуального производства

Диапазон изменений энтропий Нф процессов формовки в системах вып

бора Нф = ^(ФО' 1°82 > где - вероятность использования

1=1

1,2,...,п процесса для определенных групп отливок, в условиях мелкосерийного и индивидуального производства гораздо шире, чем для массового. Это положение требует применения других подходов и использования других алгоритмов, позволяющих преодолеть противоречивость математической модели. В качестве таких методов использовали метод расстановки приоритетов и метод комитетов.

Метод расстановки приоритетов использовали для предварительной оценки процессов формовки при изготовлении отливок энергетического машиностроения массой от 300 до 8000 кг, различных групп сложности (2-5) из

углеродистых и легированных сталей.

При формировании бинарных отношений была произведена одномерная и многомерная оценки процессов по турнирной модели и модели с изменяющимися коэффициентами, что позволило определить приоритеты процессов формовки и выявить наиболее перспективные из них, позволяющие минимизировать брак отливок. Для разработки математической модели оценки процессов формовки по критерию убытков от брака отливок (В.Д.Мазуров) был использован метод комитетов. Комитетом системы ограничений называется конечное множество элементов такое, что каждому ограничению удовлетворяет более половины элементов этого множества. Для решения задачи был использован метод комитетов с отображением на плоскость, позволяющий отобразить многомерное пространство признаков на плоскость :

<£=(<&-!+ ¿4fj ;<4+ ¿Vi)- w

j=i J=I

j=l j=l где L и P - множества отливок, задающие выбранные категории качества, сш и di - n-мерный и двумерный векторы соответственно, описывающие отливку, j=l.....n (п - количество признаков), i=l,..., m (ш - количество отливок).

Данный алгоритм заключается в построении отображения

ф : Rn —> R2, с помощью которого множество векторов {съ-.-,Ст} с Rn, не содержащее противоположно направленных, переводится в множество двумерных векторов {v|/(ci),—,v|>(cm)} = {di,...5dm} R2, также не содержащее противоположно направленных. Применение данного алгоритма существенно упрощает нахождение комитетов, а также позволяет визуализировать многомерное пространство признаков.

Для решения задачи использовали массив из 83 отливок, описанных в пространстве из шли признаков : марка стали, масса отливки, группа сложности, процесс формовки, преобладающая толщина стенки отливки. Отливки подразделялись на три группы по технико-экономическому критерию - убыткам от брака : до 200 условных единиц (у.е.), 200-700 у.е. и свыше 700 у.е. Эффективность разработанной модели очевидна из рис.3, т.к. классы отливок не пересекаются (di и á2 - двумерное пространство признаков, описывающих отливку). Точность распознаваемой модели составила 80 %. Полученные данные позволили сформулировать рекомендации по рациональному применению процессов для изготовления различных групп отливок.

4

X X \ 3

/ Я ) 2 / . 1 \

/ / X X* X X */ 1 Г \

4 х -6 х -5 X -4 / -2 -1 -1 0 1 V 2 3 4 7 5

-2 ч • # 9 У

V -3

-4

Рис.3

• - объекты множества * - объекты множества Р].

4. Развитие методов оценки и диагностики качества отливок

Задачами данного раздела являлись : разработка интегрального критерия размерной точности отливок и анализ влияния на него параметров формовки, анатиз точности распознавания в системах диагностики качества отливок и диагностика качества отливок по комплексным параметрам формы и металла.

Диапазоны классов точности отливок оценивают по ГОСТ 26645-85 в зависимости от определяющего размера, типа сплава и режимов термообработки. Данная методика не учитывает, что фактическая точность размеров отливок с одинаковым значением максимального габаритного размера, но существенно различающимся по двум другим габаритным размерам, может значительно отличаться. В ряде случаев для аттестации отливок и при оптимизации режимов формовки важным является оценка точности отливок по комплексу "ключевых" размеров, например, габаритных. В этой связи необходима разработка интегральных критериев размерной точности отливок. Решение такой задачи осуществили на основе метода главных компонент

(МГК) - одного из эффективных методов снижения размерности исследуемого признакового пространства.

Было изготовлено 56 отливок-представителей. Геометрически нахождение главных компонент сводится к переходу к новой ортогональной системе координат. Использование этой системы позволяет разделить массив отливок по показателям точности, зависящим от параметров уплотнения форм. На рис.4 представлено разделение отливок на две группы точности и 7<2 -первая и вторая главные компоненты) : группу 1 составляют отливки, изготовленные в формы при уплотнении давлением 0,25 МПа; группу 2 - отливки, изготовленные в формы при уплотнении давлением 1,0 и 2,0 МПа. В качестве интерпретируемого интегрального показателя точности а^ использовали произведение чисел единиц допуска, содержащихся в отклонениях длины, ширины и высоты отливки:

а£ =а1,а0а1Ь (5)

где йи Эв, Ян - числа единиц допуска в отклонениях размеров отливок.

2,0

1,0

2 \ Л / 1

1 г_ <

Ъл

10

Рис.4

Главным результатом оценки процессов (в данном случае прессования) является установление границ (в системе координат Ъ\ - а£) попадания

размеров отливки в соответствующие квалитеты. Для отливки-представителя условием попадания всех трех размеров в 15-й квалитет является значение 7а< 3,5 - 4,0, что соответствует давлению прессованию > 2,0 МПа. Попадание в 16-й квалитет обеспечивается при давлении прессования 1,0-1,5 МПа, значение Zl при этом < 4,5 - 5,0 и т.д.

Для разработки систем управления качеством отливок отливок ведущую роль играет оценка точности распознавания категорий качества в системах диагностики.

В исследованиях СПбГТУ и отраслевых институтов (1983 -1990 гг) количество верных, неопределенных и неверных диагнозов оценивалось соотношением (0,65 - 0,70)/0,10/(0,25 - 0,20).

Для проверки этого положения провели серию расчетов на основе матриц диагностики размерной точности чугунных отливок, изготовляемых на автоматических линиях. Установлено, что точность распознавания в значительной степени зависит от величины ЕДКтах + |£Д Ктш| (ДК - диагностические коэффициенты) в диагностических таблицах, разделяющих отливки на две категории качества. Эта величина, в свою очередь, зависит от п(А1)/п(А2) - отношения количества отливок в категориях А[ и А2 при обучении. При диагностике качества чугунных отливок учитывались диагностические коэффициенты шести признаков - углеродного эквивалента, влажности смеси, температуры заливки металла, давлений надува и прессования, высоты металлостатического напора.

Проведенный анализ точности распознавания позволил сделать следующие выводы :

- при разработке систем диагностики рациональным является соотношение п(А1)/п(А2)<0,20;

- необходимо совершенствовать методы определения информативности признаков;

- необходима разработка моделей диагностики, исключающих неопределенные ответы.

В этой связи провели анализ использования для диагностики качества отливок параметрического и дискриминантного методов.

В параметрическом методе для каждой точки рассматриваемого подпространства вычисляется отношение правдоподобия £.

ь=ММ (6)

чм(А2)

где р- оценка вероятности попадания объектов класса Ах в точку у, <|- оценка вероятности попадания объектов класса Аг в точку,); |а(А]) и ц(Аг) - вероятности появления объектов классов А[ и Аг-

л

Если для точки Ь>1, то ¡-ая точка несет больше информации о классе Аь чем о классе Аг- Для каждой точки j рассматриваемого подпространства вычисляется ее ценность, информативность подпространства вычисляет* как средняя информативность его точек. Процесс построения оптимального набора подпространств (процесс обучения) заканчивается тогда, когда ценность вновь образовавшейся совокупности подпространств не превосходит (или превосходит незначительно) ценность группы подпространств, образованных на предыдущем шаге.

Данный метод использовали для распознавания классов точности чугунных отливок массового производства. В качестве признаков рассмотрены : углеродный эквивалент, температура заливки металла, давление надува смеси. Точность распознавания составила 84 %.

При применении дискриминантного анализа для этих же выборок отливок при использовании этих же 3-х признаков получили точность распознавания 75 %.

Получение таких значений точности при использовании малого числа признаков обусловлено, прежде всего, высокой эффективностью оценки их информативности.

Главные результаты при развитии методов диагностики получили при использовании комплексных показателей параметров формы Кф и металла Км, полученных на основе общей теории формирования обобщенных критериев (свертка показателей, использование нормированных и критических значений свойств). При практическом использовании применяли дискретные значения К ("О" или "1"), соответствующие тенденциям ухудшения и улучшения параметров качества.

Стоимость управляющей информации ( на основе информационных моделей с использованием принципов академика В.АТрапезникова) рассматривали как стоимость проведения экспериментов на различных стадиях Э1 и аг для распознавания объектов с вероятностью принадлежности к категории качества А] или А2. Блок-схема реализации технико-экономической модели для диагностики качества отливок, изготовляемых на автоматической линии, представлена на рис.5. Технологическую основу модели представляет байесовская стратегия распознавания. Стоимости проведения экспериментов на первой и второй стадиях составляют С(аО и С(а2). Риски принять окончательные решения Ъ определяются для стадии без проведения экспериментов (Ъ{), для первой стадии {7.\) и второй стадии (7^). Различаются риски правильных решений, например Сд^^К!') —> А^ и риски ошибочных решений, например Сд,^^!') -> • На следующем этапе определяются значения рисков прекращения экспериментов (без проведения экспериментов и после проведения экспериментов первой стадии) ргаед] и Р,„е:д2 ■ Например,

Рис.5

после экспериментов первой стадии, если К|1=0, то риск принял, окончательное решение, что объект относится к классу А], равен

РЮ6А2 = СА1[2,(К|') -» А,]Р(А,|К|' = О)+ СА2[21(К$0 -> А1]Р(А2|к|- - о) + С(а,)

Производится минимизация рисков и принимается решение о проведение второй стадии экспериментов

Реализация этапа аг аналогично. При сопоставлении значений рисков и категорий качества принимаются окончательные решения.

5.Нрактическое использование результатов исследования

Для ПО НМЗ провели разработки по классификациям, оценкам и прогнозированию свойств жидкостекольных и песчано-смоляных смесей, применяемых при изготовлении отливок энергетического машиностроения. Жидко-стекольные смеси (19 составов) разделены на три группы по критерию выби-ваемости; песчано-смоляные смеси (11 составов) разделены на четыре группы по критерию живучести.

Точность распознавания свойств смесей (по моделям дискриминантно-го анализа) оценена 80 %.

Технологические процессы с применением жидкостекольных и песчано-смоляных смесей оценивали по системам соответственно из 9 и 5 технологических и технико-экономических показателей, отражающих коэффициенты выбиваемости и пригара, затраты на материалы, оборудование, оснастку, трудоемкость изготовления стрежней и т.д.

Представленные оценки и прогнозы приняты для использования при разработке технологических процессов в ПО НМЗ.

Диагностика качества и анализ причин брака проведены для отливок (материал - сталь 110Г13Л), изготовляемых на автоматической линии прессо-

вания в АО "Кировский завод". Рассматривались две категории качества -А1 (брак менее 15 %) и А2 (брак свыше 15 %). Для совершенствования контроля за технологическим процессом предложена рациональная схема управления процессом распознавания, основанная на теории оптимального последовательного планирования эксперимента с использованием карг штрафов.

По данным из 79 выборок была построена СР на основе схемы Байеса (точность распознавания которой составила 74 %). Контролировались три параметра формы (газопроницаемость Кь прочность на сжатие К2 и влажность Кз) и пять параметров металла (содержание марганца К4, углерода К5, кремния Кб, серы К7 и фосфора К$). На основе анализа информативности признаков (по мере Кульбака) были предложены комплексные показатели формы Кф и металла Км.

Риски правильных и ошибочных решений (на основе определения штрафов) для А1 и А2 определяли по убыткам от брака отливок.

Необходимость контроля и управления была определена заданием начального значения допустимого риска [ршеА1]==300 у.е.

Для рисков прекращения экспериментов ри продолжения эксперимен-

— - 0—0 _тах

тов р на 3-х стадиях определяли минимальные р , р и максимальные р , —шах

р значения и их разности.

Учитывали затраты на проведение контроля и регулирования параметров технологического процесса, потери от брака (основная составляющая рисков), переменные расходы и т.д.

На рис.6 показаны изменения величин относительных рисков

р^ =- (а) и Ар,,,,, —- (о) для 4-х вариантов комбинации па-

[Р<веА^ [РюеД^

раметров формы и металла : 1 - Кф=0, Км=0; 2 - Кф=0, Км=1; 3 - Кф=1, Км=0; 4 -Кф=1,Км=1.

р0П1 >

ЛрСШ!

о --- —-А-

12 3 4

Варианты комбинаций Кф и Км Рис.6

Для сокращения величины рШ6д в 1,5 раза необходимо регулирование

параметров до значений : Кф=1, Км=1, что означает выдерживать значетгя в следующих интервалах К2>0?4МПа, К,- 4,2-4,5 %, К.,11,5-13 %, К,г0,7-1,0 %, К7<0,04 %. К8<0,07 %.

Сравнение эффективности регулирования по Кф и Км проводили по относительной величине Др^д = риеА] — Ргаед2- Ее уменьше1ше при Кф=1

очевидно.

Таким образом, для данной линии регулировать, прежде всего, следует параметры формовочной смеси. ОБЩИЕ ВЫВОДЫ

1 .Эффективный выбор процессов изготовления и диагностики качества отливок осуществлен на основе системного подхода и разработки математических моделей на основе теории распознавания образов. Системный подход обусловлен, прежде всего, неопределенностью и плохой формализуемостью литейных систем. Математические модели для многомерных оценок выбора

►—а г-6

\ \

N

12 3 4

процессов литья и функционирования автоматических линий должны содержать приоритетные, коалиционные и компромиссные принципы, учитывать неполноту и противоречивость информации ори принятии решений.

2 .Выбор процессов изготовления отливок массового производства с управлением точностью распознавания следует осуществлять на основе математической модели и алгоритма, реализованных на принципах совместного функционирования различных множеств признаков отливки (геометрических, конструктивных и организационно-технологических), представляемых не интервалами изменений, а абсолютными значениями. Минимальная точность распознавания составляет 70 %. Реализованы две схемы выбора процессов -рекомендательная по величине оценок и однозначная, выбор которых осуществляется при варьировании элементов математической модели.

3.Точность выбора процессов изготовления отливок при ТПП важнейших изделий массового производства определяет и точность прогнозирования важнейших экономических показателей - себестоимости изготовления отливки, механической обработки, себестоимости детали, зависящих от материала, конструкционно-технологической сложности детали, масштабов производства. Предложенные и адаптированные модели и алгоритмы на основе единой системы признаков описания отливок позволяют решать данные задачи с точностью порядка 70 %.

4.Выбор и оценку процессов изготовления отливок мелкосерийного и индивидуального производства следует осуществлять на основе предварительной расстановки приоритетов процессов по критерию минимального брака с учетом массы, группы сложности, вида сплава и математической модели окончательной оценки влияния процесса на брак отливок, разработанной для условий большой энтропии информации при использовании номенклатуры процессов для определения групп отливок и позволяющей оптимизировать компромиссы при принятии решений.

Данные методы и принципы реализованы для отливок и процессов их изготовления в энергетическом машиностроении.

5.0пенку точности отливок по комплексу ключевых размеров и оптимизацию процессов формовки по критериям попадания размеров в определенные квалитеты следует проводить по анализу их распределения в системе координат главных компонеот и интегральному показателю качества - произведению единиц допуска, содержащихся в отклонениях размеров отливки.

6.Точность распознавания в системе диагностики на основе байесовского решающего правила зависит от модуля сумм максимальных и минимальных диагностических коэффициентов и отношения объемов выборок отливок различных категорий качества при обучении.

Подтверждено положение о количестве верных, неопределенных и неверных диагнозов в соотношении (0,65-0,70)/0,10/(0,25-0,20). Уменьшение количества неопределенных диагнозов может быть получено на основе моделей диагностики при применении параметрического и дискриминантного методов.

Точность распознавания порядка 80 % обусловлена, прежде всего, эффективностью определения информативности признаков технологического процесса на основе предложенного принципа их одновременного изменения при получении различных категорий качества отливок.

7.Эффект управления параметрами технологических процессов следует оценивать с учетом стоимости управляющей информации и рисков. Синтезирована и реализована для диагностики качества отливок, изготовляемых на автоматической прессовой линии, модель диагностики по комплексным показателям параметров формы и металла, позволяющая оценивать риск на различных стадиях управления.

8.При практическом использовании результатов исследований проведены классификации и оценки производственных смесей для изготовления

отливок энергомашиностроения и разработаны рекомендации но регулированию технологических параметров автоматической линии изготовления отливок массового производства.

Основные положения диссертации опубликованы в следующих работах:

1. Рысев М.А., Корнюшкин O.A. Выбор и оценка способов изготовления отливок // Научно-техническая конференция "Пути повышения качества и экономичности литейных процессов". Тезисы докладов. - Одесса, 1994. -с.39.

2. Айя В.А., Рысев М.А., Корнюшкин О.А, Прогнозирование брака отливок методом комитетов // Научно-техническая конференция (в рамках 25-ой недели науки СПбГТУ). Тезисы докладов. СПбГТУ. - Санкт-Петербург, 1996.-c.207.

3. Рысев М.А, Корнюшкин O.A. Развитие методов выбора способов литья И Научно-техническая конференция. Тезисы докладов. СПбГТУ. -Санкт-Петербург, 1994. - с.77.

4. Рысев М.А., Корнюшкин O.A., Иоффе М.А., Ткаченко С.С. Оценка точгости размеров отливок // Литейное производство, 1997. - № 3. - с.31-32.

5. Рысев М.А, Корнюшкин O.A. Оценка и прогнозирование брака отливок // Литейное производство, 1997. - № 5. - с.18.

6. Рысев М.А., Корнюшкин O.A., Ткаченко С.С. Выбор процессов изготовления отливок массового производства И Литейное производство, 1997. -№ 7. - с.36-37.

7. Корнюшкин О А, Рысев М.А., Рысева Н.М. Оценка процессов формовки методом расстановки приоритетов // Современные материалы : технологии и исследования. Труды СПбГТУ, 1996. - № 463. - с.107-109.