منوی کاربری
  • پشتیبانی: ۴۲۲۷۳۷۸۱ - ۰۴۱
  • سبد خرید

ترجمه مقاله پایش آنلاین عیب در ماشین ابزارها براساس آنالیز مصرف انرژی - نشریه الزویر

ترجمه مقاله پایش آنلاین عیب در ماشین ابزارها براساس آنالیز مصرف انرژی - نشریه الزویر
قیمت خرید این محصول
۴۳,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
پایش آنلاین عیب در ماشین ابزارها براساس آنالیز مصرف انرژی و اکتساب داده های غیر هجومی برای بهبود کارایی منابع
عنوان انگلیسی
Online fault-monitoring in machine tools based on energy consumption analysis and non-invasive data acquisition for improved resource-efficiency
صفحات مقاله فارسی
22
صفحات مقاله انگلیسی
8
سال انتشار
2016
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
4879
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی برق، مهندسی فناوری اطلاعات و مهندسی صنایع
گرایش های مرتبط با این مقاله
رشته تولید، انتقال و توزیع، برق قدرت، مهندسی کنترل، مهندسی کنترل گرایش ابزار دقیق، بهینه سازی سیستم ها، برنامه ریزی و تحلیل سیستم ها، داده کاوی، مدیریت نوآوری و فناوری و طزاحی و تولید نرم افزار
مجله
سیزدهمین کنفرانس جهانی تولید پایدار - جداکردن رشد اقتصادی از استفاده از منابع
دانشگاه
موسسه ابزار و ماشین آلات و مدیریت کارخانه، دانشگاه فنی برلین، آلمان
کلمات کلیدی
سیستم های تولید، پایش عیب، تشخیص الگوی آنلاین، اثربخشی
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2. بررسی در صنعت خودرو برای پایش آنلاین
3. پایش عیب آنلاین در ماشین ابزارها
4. مفهوم پایش عیب آنلاین
5. پیاده سازی و معماری نمونه نرم افزار
6. ارزیابی برای بهبود کارایی منابع
7. نتایج و چشم انداز
نمونه چکیده متن اصلی انگلیسی
Abstract Improving the overall equipment effectiveness of machine tools will improve resource-efficiency and productivity in manufacturing. First step to achieve more effectiveness would require sensors for monitoring of machine availability and quality of machining processes. Abnormal machine conditions are characterized by fault-pattern, which can indicate failure and quality losses. Further, machine failure can shorten the remaining useful life of the components and affect the products. Therefore, it is essential to determine a valuable data source which will enable the extraction of fault-pattern and the allocation of these pattern to machining processes. However, this can be challenging due to lack of open source control architecture, different machine types and automation degree, changing operating loads, and dynamic failure rates in a real environment. Retrofit for online analysis of electrical power intake of machine tools seems to satisfy this challenge. A fault-monitoring framework for manufacturing equipment has been proposed in this paper, based on data stream mining techniques for online pattern matching in electrical power data streams. Complex event processing is applied to ensure scalable data processing for large data volumes and automate the reporting in order to assign the fault-patterns to machining processes and products. This concept is introduced as energy-based maintenance and validated for a powertrain machining line in milling and drilling machines
نمونه چکیده ترجمه متن فارسی
چکیده
بهبود اثربخشی کلی تجهیزات ماشین ابزارها، کارایی منابع و بهره وری در تولید را بهبود خواهد بخشید. درمرحله اول برای نیل به اثربخشی بیشتر، برای پایش دسترس پذیری ماشین و کیفیت پروسه های ماشین، به سنسورها (حسگر) نیاز خواهد بود. شرایط غیر عادی ماشین با الگوی عیب توصیف می شود که می تواند عیب و کیفیت ضعیف را نشان دهد. به علاوه، عیب ماشین می تواند عمر مفید باقیمانده قطعات را کوتاه کرده و بر محصولات اثربگذارد. بنابراین، تعیین منبع داده های ارزشمند برای استخراج الگوی عیب و تخصیص این الگوها به پروسه های ماشین کاری، ضروری می باشد. اما این مسئله به خاطر کمبود معماری کنترل منبع باز، انواع مختلف ماشین و درجه اتوماسیون، تغییر بارهای عملیاتی و میزان عیب دینامیکی یا پویا در محیط واقعی، می تواند چالش برانگیز ظاهر شود. به نظر می رسد بهبود آنالیز آنلاین جذب توان الکتریکی ماشین ابزارها، این چالش را برطرف نماید. در این مقاله یک چارچوب پایش عیب براساس تکنیک های جریان داده کاوی برای تطبیق الگوی آنلاین در جریانات داده های توان الکتریکی،پیشنهاد شده است. از پردازش رویداد پیچیده برای اطمینان از پردازش داده های مقیاس پذیر برای حجم بزرگ داده ها و خودکارنمودن روند گزارشگری جهت تخصیص الگوهای عیب به پروسه ها و محصولات ماشینکاری استفاده می شود. این مفهوم در قالب حفظ و تعمیر مبتنی بر انرژی معرفی شده و برای خط ماشینکاری انتقال نیرو در ماشین های فرزکاری و حفاری مورد ارزیابی قرار گرفته است.

بدون دیدگاه