ВИКОРИСТАННЯ ЕКОСИСТЕМИ SciPy ДЛЯ АВТОМАТИЗАЦІЇ  ПРОЄКТУВАННЯ ТЕХНОЛОГІЧНИХ ПРОЦЕСІВ ВИГОТОВЛЕННЯ РІЗЬБ

В. Б. Копей; О. Р. Онисько; І. І. Чудик; Г. В. Кречковська; І. В. Пронюк

doi:10.31471/1993-9965-2024-2(57)-86-95

Автор(и)

В. Б. Копей Івано-Франківський національний технічний університет нафти і газу, вул. Карпатська, 15, м. Івано-Франківськ, 76019, Україна https://orcid.org/0000-0003-0008-8260
О. Р. Онисько Івано-Франківський національний технічний університет нафти і газу, вул. Карпатська, 15, м. Івано-Франківськ, 76019, Україна
І. І. Чудик Івано-Франківський національний технічний університет нафти і газу, вул. Карпатська, 15, м. Івано-Франківськ, 76019, Україна
Г. В. Кречковська Фізико-механічний інститут ім. Г. В. Карпенка НАН України; 79060, Львів, вул. Наукова 5;
І. В. Пронюк Івано-Франківський національний технічний університет нафти і газу, вул. Карпатська, 15, м. Івано-Франківськ, 76019, Україна

DOI:

https://doi.org/10.31471/1993-9965-2024-2(57)-86-95

Ключові слова:

автоматизоване проектування, обробка різьб, технологічний процес, Python, SymPy

Анотація

На основі мови Python та екосистеми її пакетів SciPy розроблено програмні компоненти, призначені для автоматизації проєктування технологічних процесів виготовлення різьб, зокрема для розрахунку режимів обробки різьб, розрахунку основного часу на обробку різьб, вибору оптимальних режимів і методів їх виготовлення. Їх можна використати як компоненти САПР ТП та PLM-систем різьбових деталей. Запропоновано принципи розроблення таких компонентів. Розроблено функції, що повертають значення основного часу виготовлення різьб різними методами, та функції, що перетворюють їх у SymPy-рівняння, а також розв’язують ці рівняння в символьному вигляді. Це додає в Python можливості декларативного програмування та інтелектуалізує розв’язування багатьох задач вибору оптимальних методів і режимів обробки. Розроблено програмні засоби для автоматизації формування документації функцій, які містять опис аргументів та LaTeX-формули, що описують ці функції. Показані способи формалізації довідкових табличних даних для вибору режимів виготовлення різьб, у тому числі з використанням пакету Pandas. Запропоновані способи орієнтовані на зручні запити до бази даних, аналіз та обробку цих даних. Показано способи інтерполяції та візуалізації цих табличних даних для більш точного розрахунку режимів. Показано приклади ви-користання розроблених компонентів в Jupyter Notebook.

Завантаження

Дані завантаження ще не доступні.

Біографія автора

В. Б. Копей, Івано-Франківський національний технічний університет нафти і газу, вул. Карпатська, 15, м. Івано-Франківськ, 76019, Україна

Volodymyr Kopei is a Professor in the Department of Computerized Mechanical Engineering at the Ivano-Frankivsk National Technical University of Oil and Gas (Ukraine) and D.Sc. in Technical Science (2021) and Master of Science in Manufacturing Engineering (2000). His research interests include mechanical engineering, programming, computer simulation, CAD, PLM, maintenance of reliability of oil and gas equipment. He teaches courses "Theoretical foundations of the manufacturing engineering", "Manufacturing engineering for the oil and gas industry", "Python for engineers", "Modeling of technical systems", "Product life cycle management systems". He published more than 300 scientific and methodical works, including 9 textbooks, 3 monographs, 23 invention certificates.

Посилання

Azab A., Osman H., Baki F. CAPP-GPT: A computer-aided process planning-generative pretrained transformer framework for smart manufacturing. Manufacturing Letters. 2024. Vol. 41. Supplement P.51-62. URL: https://doi.org/10.1016/j.mfglet.2024.09.009.

Stavropoulos P., Tzimanis K., Souflas T. et al. Knowledge-based manufacturability assessment for optimization of additive manufacturing processes based on automated feature recognition from CAD models. Int J Adv Manuf Technol. 2022. No 122. P. 993–1007. URL: https://doi.org/10.1007/s00170-022-09948-w

Dannen T., Gey M., Weber S., Stauder L., Barth S., Bergs T. Approaches for automated and computer-aided work plan generation for adaptive manufacturing process chains in one-off manufacturing – a literature review. Procedia CIRP. 2023. Vol. 120. P. 1410-1415. URL: https://doi.org/10.1016/j.procir.2023.09.185.

Rozrakhunok naivyhidnishykh rezhymiv rizannia pry tochinni: navch. posib. / A. I. Hrabchenko, M. D. Uzunian, N. V. Zubkova ta in. Kharkiv : NTU «KhPI», 2014. 88 p. [in Ukrainian]

Astakhov V.P. Cutting Force Modeling: Genesis, State of the Art, and Development. Mechanical and Industrial Engineering. Materials Forming, Machining and Tribology. Davim, J.P. (eds). Cham : Springer, 2022. URL: https://doi.org/10.1007/978-3-030-90487-6_2

Scientific computing tools for Python - SciPy.org. URL: https://projects.scipy.org (accessed 31.12.24).

Harris C.R., Millman K.J., van der Walt S.J. et al. Array programming with NumPy. Nature. 2020. 585. P. 357–362. https://doi.org/10.1038/s41586-020-2649-2.

Virtanen P., Gommers R., et al. SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python. Nature Methods. 2020. No 17(3). P. 261-272. URL: https://doi.org/10.1038/s41592-019-0686-2.

Meurer A, Smith CP, et al. SymPy: symbolic computing in Python. PeerJ Computer Science. 2017. 3:e103. URL: https://doi.org/10.7717/peerj-cs.103.

Hunter J. D. Matplotlib: A 2D graphics environment. Computing in Science & Engi-neering. 2007. 9(3). P. 90-95. URL: https://doi.org/10.1109/MCSE.2007.55.

McKinney W. Data structures for statistical computing in python. Proceedings of the 9th Python in Science Conference, Stefan van der Walt and Jarrod Millman (eds). 2010.Vol. 445. P. 56 – 61. URL: https://doi.org/10.25080/Majora-92bf1922-00a.

Kluyver T, Ragan-Kelley B, Fernando Perez, Granger B, Bussonnier M, Frederic J, et al. Jupyter Notebooks – a publishing format for reproducible computational workflows. IOS Press, Positioning and Power in Academic Publishing: Players, Agents and Agendas. Loizides F, Schmidt B, editors. 2016. P. 87–90. URL: https://doi.org/10.3233/978-1-61499-649-1-87.

Tonejca L., Trautner T., Slimane E., Peso N., Zulehner J., Bleicher F. Automated Design of Experiments supporting Feature-based Optimisation of Manufacturing Processes. Procedia CIRP. 2024. Vol. 130. P. 1611-1616, URL: https://doi.org/10.1016/j.procir.2024.10.290.

Ince C.-V., Schönburg J., Raatz A. Ap-proach of Automated Robot Arrangement in Manufacturing Cells. Procedia CIRP. 2024. Volume 128. P. 286-291. URL: https://doi.org/10.1016/j.procir.2024.06.023.

Wolf M., Elser A., Riedel O., Verl A. A software architecture for a multi-axis additive manufacturing path-planning tool. Procedia CIRP. 2020. Vol. 88. P. 433-438. URL: https://doi.org/10.1016/j.procir.2020.05.075.

Köhler T., Song B., Bergmann J. P., Peters D. Geometric feature extraction in manufacturing based on a knowledge graph. Heliyon. 2023. Vol. 9. Issue 9. e19694. URL: https://doi.org/10.1016/j.heliyon.2023.e19694.

Fuchs T., Enslin C., Samsonov V., Lüt-ticke D., Schmitt R. H. ProdSim: An Open-source Python Package for Generating High-resolution Synthetic Manufacturing Data on Product, Machine and Shop-Floor Levels. Procedia CIRP. 2022. Vol. 107. P. 1343-1348. URL: https://doi.org/10.1016/j.procir.2022.05.155.

Katsigiannis M., Evans M., Osho J., Pantelidakis M., Bitencourt J., Mykoniatis K. Empowering decentralized production: A distributed manufacturing system for additive manufacturing processes. Manufacturing Letters. 2024 .Vol. 41. Supplement, P. 1507-1514. URL: https://doi.org/10.1016/j.mfglet.2024.09.177.

Kopei V.B. Rozrobka prohramnykh komponentiv movoiu Python ta yikh vykorystannia v IPython Notebook. Visnyk Universytetu «Ukraina», seriia «Informatyka, obchysliuvalna tekhnika ta kibernetika». 2017. No 1(19). P. 208-214. URL: https://visn-it.uu.edu.ua/old_site/files/2015/15.pdf. [in Ukrainian]

Holland M., Chaudhari K. Large language model based agent for process planning of fiber composite structures. Manufacturing Letters. 2024. Vol. 40. P. 100-103. URL: https://doi.org/10.1016/j.mfglet.2024.03.010.

Esmaeili-Qeshlaqi M., Tavakkoli-Moghaddam R., Siadat A. Optimizing Dynamic Optimization of a Reconfigurable Manufacturing System under Risk and Human Factors. IFAC-PapersOnLine. 2024. Vol. 58. Issue 19. P. 361-366. URL: https://doi.org/10.1016/j.ifacol.2024.09.238

Kopei V.B. Komponent dlia deklara-tyvnoho prohramuvannia v Python. Informatsiini ta modeliuiuchi tekhnolohii. Materialy vseukrainskoi naukovo-praktychnoi konferentsii IMT-2015. Cherkasy : PP Nechytailo O.F., 2015. P.23-23. [in Ukrainian]

Kopei V.B., Bilenko P.O. Realizatsiia deklaratyvnoho prohramuvannia v Python za dopomohoiu matematychnykh bibliotek SymPy ta SciPy. Molod: osvita, nauka, dukhovnist: tezy dopovidei KhIII Vseukr. nauk. konf., (m. Kyiv, 12–14 kvitnia 2016 r.) u II chast. Ch. II. Kyiv : Universytet «Ukraina», 2016. P. 227-229. [in Ukrainian]

Kopei V., Onysko O., Barz C., Dašić P., Panchuk V. Designing a Multi-Agent PLM System for Threaded Connections Using the Principle of Isomorphism of Regularities of Complex Systems. Machines. 11(2). 2023. P.263. URL: https://doi.org/10.3390/machines11020263.

Sphinx. Sphinx documentation. URL: https://www.sphinx-doc.org (accessed 31.12.24).

pdoc – Generate API Documentation for Python Projects. URL: https://pdoc.dev (accessed 31.12.24).

Knuth D. E. Literate Programming. The Computer Journal. 1984. Volume 27. Issue 2. P. 97–111. URL: https://doi.org/10.1093/comjnl/27.2.97

Pycco. URL: https://pycco-docs.github.io/pycco (accessed 31.12.24).

MkDocs. URL: https://www.mkdocs.org (accessed 31.12.24).

Built with Jupyter Book. URL: https://jupyterbook.org (accessed 31.12.24).

Kopei V., Onysko O., Proniuk I. Components of the expert system of threaded connections: ThreadingT.py, ThreadingV.py, example2.py, Threading.ipynb. URL: https://github.com/vkopey/ThreadES (accessed 31.12.24).

Orthogonality and the DRY Principle. A Conversation with Andy Hunt and Dave Thomas, Part II by Bill Venners, March 10, 2003. URL: https://www.artima.com/articles/orthogonality-and-the-dry-principle (accessed 31.12.24).

/j.procir.2023.09.185.