Підвищення ефективності технологічних процесів складання шляхом формалізованого аналізу конструкцій виробів
Bibliographic record
Abstract
Магістерська дисертація містить: 90 сторінок, 25 рисунків, 23 таблиці, 38 літературних джерел. Актуальність роботи. Одним з найбільш ефективних інструментів скорочення витрат, пов’язаних із технологічними процесами складання є застосування методів підвищення технологічності конструкції виробу. Більшість таких методів аналізу існують у виді автономних процедур, які не в повній мірі використовують наявні моделі складальних виробів і процесів складання і, як правило, є орієнтованими на отримання початкових і проміжних даних від людини. Такий підхід не відповідає сучасним тенденціям автоматизації та інтеграції засобів підтримки проєктування виробів і процесів. Тому актуальною є науково-технічна задача підвищення ефективності механоскладального виробництва шляхом вдосконалення методики і програмного забезпечення автоматизації аналізу технологічності виробів при складанні, і зокрема пошуку конструкторсько-технологічних рішень продукту зі скороченою кількістю деталей. Мета роботи: підвищення ефективності механоскладального виробництва шляхом вдосконалення методики і програмного забезпечення автоматизації аналізу технологічності виробів при складанні. Задачі дослідження: 1. Вибрати і вдосконалити математичну модель взаємодії деталей у складальному виробі. 2. Розробити інформаційну модель конструкторсько-технологічного рішення, придатну для автоматизації пошуку кращих рішень. 3. Вдосконалити метод автоматизованого підвищення технологічності складального виробу в частині пошуку мінімальної кількості деталей. 4. Вдосконалити методичне і програмне забезпечення, які реалізують аналіз конструкторсько-технологічних рішень виробу. 5. Виконати практичну перевірку отриманих результатів 6. Розробити старт-ап проєкт Об’єкт дослідження – технологічний процес складання Предмет дослідження – технологічність конструкцій складальних виробів Методи дослідження: аналіз, синтез, порівняння, комп’ютерне моделювання. Наукова новизна одержаних результатів: Вдосконалено методику аналізу конструкцій складальних виробів з метою скорочення кількості деталей, підхід умовно названо «згори-вниз». Вдосконалено алгоритм пошуку груп деталей, які можуть бути об’єднані на основі трьох критеріїв: відсутність взаємного руху, можливість виготовлення з одного матеріалу, відсутність необхідності заміни деталей при обслуговуванні. Вдосконалено інформаційну модель конструкторсько-технологічного рішення, придатну для автоматизації пошуку кращих рішень. Практичне значення одержаних результатів: удосконалені методика і програмне забезпечення DFAExpert можуть бути використані: підприємствами – при розрахунку витрат на процеси складання і пошуку кращих конструкторсько-технологічних рішень; в навчальному процесі – для виконання практичних і лабораторних робіт з курсу «Складальні процеси в машинобудуванні». Наукові і практичні результати, отримані в роботі, в майбутньому можуть бути використані для створення інтегрованої системи підтримки прийняття рішень при підвищенні технологічності конструкцій складальних виробів. Публікації. В межах проведення дослідження було опубліковано статті: 1. Лашина Ю.В. Порядок аналізу конструкцій складальних виробів з метою скорочення кількості деталей / Ю.В. Лашина, В.І. Хавалюк // Proceedings of XI international scientific and practical conference, April 28-30, 2022 – Vancouver 2022, Canada – c. 228-236. 2. Лашина Ю.В. Модель конструкторсько-технологічного рішення для автоматизованого аналізу технологічності складальних виробів / Ю.В. Лашина, В.І. Хавалюк // Proceedings of V international scientific and practical conference, June 5-7, 2022 – Barcelona 2022, Spain – c. 334-340.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.008 |
| Scholarly communication | 0.014 | 0.009 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.083 | 0.030 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".