RMADS: development of a concurrent Rapid Manufacturing Advice System

Abstract

La intenció d'aquest projecte de recerca és anar més enllà de l' aconseguit pels sistemes existents de selecció i comparació de processos de Prototipat Ràpid, mitjançant la introducció d'una nova metodologia que tingui com a únic fi la 'Fabricació Final' de components. El sistema desenvolupat incorpora algunes de les eines més recents del camp de Intel·ligència Artificial, de manera que sigui possible aconseguir una metodologia concurrent que inclogui:<br/> <br/>· Sistemes experts, que s'executen durant el procés de presa de decisions amb alternatives múltiples. Els sistemes experts utilitzen típicament estructures del tipus: IF-THEN-ELSE o CASE, de manera que les opcions puguin ser 'cribrades' especialment durant les primeres etapes de la selecció. <br/>· Lògica difusa per a la presa de decisions. Normalment en l'àmbit de la fabricació, alguns termes lingüístics o paràmetres de tipus qualitatiu són utilitzats per definir estats o propietats. Per exemple és comú trobar termes qualitatius com ara: 'bones propietats mecàniques "o" alta taxa d'absorbència', en lloc de xifres i números puntuals. Per tant és necessari comptar amb un mètode per traduir i gestionar aquesta informació. La lògica difusa ha estat adoptada com a mitjà per traduir termes d'ordre qualitatiu a informació quantitativa de manera que a partir d'aquestes dades es pugui construir un sistema de classificació i rànquing de processos.<br/>· Presa de decisions Multi-criteri, agrupació (sumatòria) i classificació. Durant la investigació es van provar diferents mètodes per a la classificació d'alternatives i selecció final a partir de vectors d'ordre quantitatiu amb pesos ponderats. Per a aquesta finalitat es va adoptar la metodologia proposada per Lan et al. (2005) el qual es descriu en el capítol 5 d'aquest treball. <br/>· Xarxes Neuronals Artificials. Aquestes han estat aplicades per a la modelització i simulació d'alguns processos de Fabricació Ràpida prèviament seleccionats. Per exemple, el procés de Sinteritzat Selectiu Làser es va aconseguir modelar utilitzant Xarxes Neuronals amb un algorisme de "backpropagation", prenent com a informació base, les dades proporcionades pel software propietari de l'equip. Aquesta xarxa neuronal simula una màquina de sinteritzat làser model DTM Vanguard, disponible a la FundacioCIM-UPC a Barcelona. D'altra banda el procés de Fusió selectiva per làser ha estat modelat també mitjançant Xarxes Neuronals a partir de l'equip Concep Laser M2, disponible al laboratori d'Enginyeria mecànica de la Universitat Catòlica de Lovaina, Bèlgica. Els models extrets d'aquestes simulacions mostren una estimació del temps total de fabricació menor al 10% la qual cosa representa una millora substancial respecte a mètodes d'estimació paramètrics. <br/>· Finalment s'ha utilitzat la tècnica de bases de dades relacionals per a la gestió i emmagatzematge d'informació sobre materials. Aquestes bases de dades han estat creades en Ms Access, que proporciona la facilitat d'accés, filtrat, graficació i presentació de la informació requerida. Aquesta informació pot ser extreta automàticament mitjançant trucades ODBC, executades des de l'entorn Matlab.<br/><br/><br/><br/>Per a il·lustrar el funcionament de les eines descrites en una forma integrada, s'ha optat per desenvolupar una aplicació pilot en Matlab, utilitzant alguns "Tool boxes" especialitzats com: Lògica difusa, Xarxes neuronals, Estadística, Utilitats de graficació, Creació d'interfície d'usuari (GUI), Bases de dades. El resultat d'aquesta integració és una aplicació pilot anomenada RMADS (Rapid Manufacturing Advice System), el qual compta amb una interfície gràfica d'usuari que es divideix en tres mòduls: <br/><br/>· Requeriments generals de disseny. Aquest mòdul analitza els paràmetres usualment definits en les especificacions inicials de Producte, per exemple: tipus de material, toleràncies, acabat superficial, complexitat geomètrica, etc. <br/>· Mòdul de costos. Aquest mòdul utilitza paràmetres d'entrada prèviament introduïts com: volum de peça, mida de lot i dimensions totals, per a realitzar càlculs mitjançant mètodes paramètrics i models basats en xarxes neuronals. El resultat és una estimació del cost per peça i també el cost estès per volums grans. <br/>· Selecció de materials. Aquest mòdul mostra la natura iterativa del procés de selecció de materials, a través de criteris de "filtratge" o selecció, de manera que a cada iteració el nombre d'opcions sigui limitat a un nombre raonable d'alternatives.

The intention of this research is to go beyond currently available systems for the assessment and selection of Rapid Prototyping processes, hence introducing a new methodology devoted to 'Manufacturing' applications. Specifically the system would include a number of state of the art artificial Intelligence techniques to comprise a fully concurrent methodology, namely:<br/>· Expert systems are included to aid in the decision making process with multiple alternatives. Expert systems typically use If-Then-Else or CASE structures so that the available options can be screened specially during the first selection stages.<br/>· Fuzzy logic for decision making. Usually in manufacturing, linguistic terms or qualitative parameters are used to define states of properties. For instance it is common to find terms such as 'Good mechanical properties' or 'High absortivity rates' therefore it is necessary to have a method to translate and manage such information. Fuzzy logic has been adopted as a means to translate qualitative terms to quantitative information.<br/>· Multi-criteria decision making, aggregation and ranking. Different methods for selecting and ranking alternatives were tested which allows the integration of quantitative vectors with weighting factors that reflect the user preferences. For this purpose the method proposed by Lan et al. (2005) has been adopted as discussed in Chapter 5.<br/>· Artificial Neural Networks (ANNs) are being applied for the modelling and simulation of a number of Rapid Manufacturing Methods. Selective Laser Sintering has been modelled using a back propagation algorithm ANN taking as a basis the information provided by the machine software. The ANN simulates a DTM Vanguard SLS machine available at Fundacio CIM-UPC, Barcelona, while the Selective Laser Melting has been modelled with the parameters and settings used by the Concept Laser M2 machine available at the Mechanical Engineering Lab of the Catholic University of Leuven, Belgium. The extracted models exhibit a build-time prediction error rate lower than 10%, which is a significant improvement compared to conventional parametric methods.<br/>· Finally, relational databases have been applied for storing and handling materials information. These databases have been stored as Ms Access data which provides the ease to access, filter, screen and plot the required information. This data can be automatically called and extracted by means of an ODBC call deployed within the Matlab environment.<br/>In order to illustrate the functionality of the previous tools put together, a pilot application was designed in Matlab, making use of a number of specialized toolboxes namely: Fuzzy logic, Neural Network, Statistics, Plotting utilities, GUI builder, Database.<br/>The result is a prototype system with a graphic user interface divided in three modules: <br/>· General design requirements: which deals with those parameters usually defined in the product PDS, for instance: material type, tolerances, surface roughness, geometrical complexity, etc.<br/>· Costing module: which makes use of parametric cost estimation and ANN-based models to perform the calculation of cost per part, and for low volumes<br/>· Materials selection: Shows the iterative nature of materials selection through screening steps so that the range of suitable options is limited.