Batch-sizing and machinability data systems for milling operations: An optimal sustainable cost of quality approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nowadays, manufacturers make every effort to achieve a higher quality of their products at an attractive cost. With all the introduced legislation and incentives in the developed world to address global warming, machining shops in the West also strive to cut greenhouse emissions. This article offers an optimal approach to the micro Computer-Aided Process Planning (CAPP) problem to optimize the internal quality cost and buffering effect while keeping the environmental impact low. To optimize the machining parameters, the mathematical model is developed for different milling operations, face, side, and peripheral. cutting speed, feed rate, axial depth of cut, radial depth of cut, nose radius, and batch sizing while maximizing profit and meeting customer demand. A Mixed-Integer Nonlinear Programming (MINLP) model is formulated and solved using Classical Constrained Nonlinear Optimization (CCNO) and Genetic Algorithms (GAs). Surface roughness, used as a metric to evaluate the desired quality level of a finished machined part type, is modeled as a Gaussian random variable to model the surface roughness of the machined part utilizing a cumulative normal distribution. The ratio of rework and scrap is calculated in terms of the surface roughness of the machined part shifting away from the target and exceeding upper and lower specification limits. The internal failure cost model, addressing both scrap and rework, is developed based on Taguchi’s quadratic loss function. CCNO is employed to validate the results obtained by GAs, relaxing the lot-sizing integrality constraint and, thus, the convexity of the produced relaxed model. An iterative method employing a developed multi-regression model is used to solve for the expended power consumption (an inherent highly nonlinear environmental criterion of the developed model) within both GAs and CCNO. This study reveals that the machining parameters substantially impact the cost components of the objective function as well as the scrap and rework quantities. A stringent quality cost target can force the model to optimize the feed rate and nose radius to minimize the internal failure quality cost while improving the environmental impact, including direct and indirect power consumption and CO 2 emissions considerations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle