Jumeaux numériques pour le processus d'usinage

Les jumeaux numériques insufflent vie et innovation dans de plus en plus de domaines de fabrication et résolvent les défis des ateliers d'usinage de toutes tailles. Avec la pénurie de main-d'œuvre qualifiée et un effort continu pour relocaliser la fabrication de haute technologie aux États-Unis, les jumeaux numériques ont beaucoup à offrir. La numérisation de la machine et du processus crée une compréhension approfondie de la CNC, des programmes, du processus, de l'outillage et de la configuration.

De plus, avec l'intensification de la concurrence, les magasins devront augmenter et optimiser leurs opérations en créant des efficacités plus élevées. La numérisation des processus de fabrication traditionnels a le potentiel de rendre les opérations plus efficaces en démontrant les processus de production dans le monde virtuel.

Enfin, l'ennemi de la rentabilité est l'incertitude, et avec l'état actuel d'une économie mondialisée, l'incertitude est presque une garantie. Une bonne gestion, via des jumeaux numériques, peut aider à se prémunir contre les ratés et à mettre en place des mesures qui maximisent votre productivité.

Comprendre les jumeaux numériques

Un jumeau numérique d'une machine-outil est une représentation virtuelle de la machine connectée à une commande virtuelle alimentée par des données de configuration réelles. Cela amène la simulation basée sur des modèles et paramétriques à un nouveau niveau, car il est possible d'optimiser et de prouver les configurations de machines-outils avec plus de précision que jamais.

En règle générale, les systèmes de FAO et les post-processeurs n'ont aucune connaissance directe de la machine, comme la cinématique, les codes G disponibles ou si quelqu'un modifie les paramètres. La simulation basée sur CAM ou les packages de simulation de code G généraux ne peuvent pas montrer comment ces modifications affecteront le programme ou le temps de cycle car il n'y a pas de jumeau numérique de la CNC ou de communication directe avec le contrôleur de machine spécifique.

Les processus manuels sont généralement utilisés pour configurer la simulation CAM ou G-code, donc dans de nombreux cas, le programme n'est pas optimisé pour la machine individuelle ou le programme ne tire pas parti de nombreuses fonctionnalités de programmation modernes. Le programme peut même ne pas s'exécuter sur la machine cible.

Un autre problème auquel les ateliers sont confrontés est que leurs postes et programmes ne sont souvent pas optimisés pour les machines ou l'outillage. Par exemple, l'opérateur peut utiliser des outils avec des vitesses d'avance inférieures, peut-être en raison de préoccupations concernant le fonctionnement de la machine aux vitesses d'avance programmées. Cela se traduit par une perte de temps, une perte de productivité et une faible efficacité.

D'autre part, la virtualisation peut permettre l'interopérabilité entre le système CNC et CAM. Cela permet de publier le programme en fonction des fonctionnalités prises en charge par la CNC et/ou la machine. Une fois le programme affiché, un environnement virtualisé peut être créé au-delà de la simple simulation car la base utilise la cinématique de la machine et les paramètres réels de la CNC. La simulation CAM et G-code ne peut que mener les tests jusqu'à présent car le PC n'a aucune connaissance de la configuration CNC. L'utilisation d'un jumeau numérique pour prouver la configuration réelle de la CNC et de la machine réduira considérablement les risques d'erreur.

Les jumeaux numériques peuvent également aider à répondre à la demande de composants plus précis fournis aux industries de haute technologie qui nécessitent des produits avec des tolérances élevées. L'usinage devenant de plus en plus complexe, il est crucial de disposer des processus les plus efficaces. De nombreuses méthodes traditionnelles font perdre un temps de production précieux, telles que les procédures de configuration qui créent des goulots d'étranglement car les machines sont retirées de la production. Les jumeaux numériques permettent de tester des programmes dans un environnement virtualisé. La CNC virtuelle suit avec précision les trajectoires de coupe programmées réelles et produit le temps de cycle réel. Lorsqu'il est connecté à une machine virtualisée qui correspond exactement à la cinématique, le jumeau numérique permet une vérification précise sans jamais interrompre le processus en cours d'exécution de la machine. De plus, prouver le processus au bureau permet à la machine de continuer à fonctionner.

Jumeaux numériques pour le développement de la main-d'œuvre

Parce que les jumeaux numériques sont une réplique d'une machine-outil, la formation sur un jumeau numérique est un outil inestimable pour combler le déficit de compétences CNC et enseigner les éléments essentiels de l'atelier comme la programmation des pièces et le fonctionnement de la machine-outil. Les jumeaux numériques offrent aux utilisateurs une expérience d'usinage et une formation pratiques et réalistes sans retirer une machine réelle de la production.

Outils de numérisation pour les Job Shops

FANUC America s'est associé à ModuleWorks pour développer un logiciel de développement de la main-d'œuvre ainsi qu'une nouvelle suite de programmation de pièces robuste, NC Reflection Studio, qui aide les ateliers avec l'édition, la simulation et la vérification de programmes de code G. Tout cela offre un arsenal d'outils pour créer des machinistes qualifiés ainsi que pour optimiser les ateliers d'usinage. Cette numérisation de bout en bout libérera alors véritablement la puissance de l'Industrie 4.0 pour l'industrie CNC.

SME annonce 2022 Sandra L. Bouckley Outstanding Young Manufacturing Engineers

Les 22 lauréats de cette année ont été sélectionnés en fonction de leurs divers antécédents en matière de fabrication, des avancées/améliorations technologiques et de la recherche de pointe. L'homonyme du prix 2022 est la présidente de la PME 2017 Sandra L. Bouckley, FSME, P.Eng., ancienne PDG de la PME et ancienne vice-présidente des systèmes de fabrication, de la gestion de la chaîne d'approvisionnement et du lean chez GKN Driveline Americas.

Bien que l'appartenance à une PME ne soit pas requise pour cette reconnaissance, chacun des jeunes ingénieurs de fabrication exceptionnels Sandra L. Bouckley 2022 fait partie de la communauté des PME, ayant été membres avant leur sélection :

Bruno Azeredo, PhD, Arizona State University, Tempe, Arizona.

Wen Chen, PhD, Université du Massachusetts Amherst, Amherst, Mass.

Xu Chen, PhD, Université de Washington, Seattle

Nancy Diaz-Elsayed, PhD, Université de Floride du Sud, comté de Hillsborough, Floride.

Amy Elliott, PhD, Laboratoire national d'Oak Ridge, Oak Ridge, Tenn.

Thomas Feldhausen, PhD, Laboratoire national d'Oak Ridge, Knoxville, Tenn.

Kelvin Fu, PhD, Université du Delaware, Newark, Del.

Michael Gomez, PhD, MSC Industrial Supply Co., Knoxville, Tenn.

Jinah Jang, PhD, Pohang University of Science and Technology, Pohang, Corée du Sud

Bo Jin, PhD, Université de Californie du Sud, Los Angeles

Venkata Charan Kantumuchu, Electrex Inc., Edmond, Okla.

Geoff Karpa, Lockheed Martin Aeronautics Co., Fort Worth, Texas

Vipin Kumar, PhD, Laboratoire national d'Oak Ridge, Knoxville, Tenn.

Megan McGovern, PhD, PE, General Motors Global Research &Development, Détroit

Laura Pahren, Procter &Gamble Co., Mason, Ohio

Kyle Saleeby, PhD, Laboratoire national d'Oak Ridge, Knoxville, Tenn.

Ryan Sekol, PhD, General Motors Research &Development, Warren, Michigan

Xuan Song, PhD, Université de l'Iowa, Iowa City, Iowa

Peng "Edward" Wang, PhD, Université du Kentucky, Lexington, Ky.

Sarah Wolff, PhD, Texas A&M University, College Station, Texas

Yang Yang, PhD, Université d'État de San Diego, San Diego

Xiaowei Yue, PhD, Virginia Tech, Blacksburg, Virginie.

SME a souligné les réalisations de plus de 470 jeunes ingénieurs de fabrication - et leur impact sur la fabrication - pendant plus de quatre décennies grâce à ce prix. SME accueillera les nominations pour le prix des jeunes ingénieurs de fabrication exceptionnels 2023 d'ici le 1er août sur sme.org/oyme.