The use of an artificial neural network to estimate tool costs in cold roll-forming processes

• Autorzy: Downes A. , Hartley P.

Warianty tytułu

PL

Zastosowanie sztucznej sieci neuronowej do oceny kosztów narzędzi do gięcia taśm

• Języki publikacji: EN

Abstrakty

EN

The cold roll-forming industry is extremely competitive and the majority of work tenders that are submitted are unsuccessful. There are several issues that influence the tool costs, but the central problem lies in predicting the number of rolls that are required to roll-form the section and therefore determine the forming machine size. This paper discusses a method that assists tool cost estimations in cold roll-forming processes. The objective is to reduce the cost of generating work tenders whilst ensuring that the accuracy of the cost estimation is maintained, or improved. To facilitate this approach a LISP program was developed to process AutoCAD drawings of section geometry and to evaluate selected section features such as the total number of bend regions. The section features were then processed by an artificial neural network that was trained to predict the size of the forming machine that would be required to roll-form the section.

PL

Przemysłowe procesy kształtowania blach są poddane duż ej konkurencyjności i większość projektów sekwencji gięcia jest nieskuteczna. Jest szereg parametrów, które mają wpływ na koszt narzędzi, ale głównym problemem jest przewidzenie liczby rolek potrzebnych do uformowania danego kształtu i, w konsekwencji, określenie rozmiaru maszyny. W artykule omówiono metodę oceny kosztów narzędzi w procesie kształtowania blach na zimno. Celem pracy było obniżenie kosztów projektowania układów rolek przy zapewnieniu utrzymań dokładności oceny kosztów narzędzi, lub nawet jej poprawie. Program LISP został opracowany dla realizacji tego celu. Program przetwarza rysunki AutoCad kształtów przekroju i ocen wybrane cechy kształtowników takie jak całkowita liczba stref zginania. Te cechy kształtowników są następnie przetwarzane przez sztuczną sieć neuronową, nauczoną przewidywać rozmiar maszyny formującej wymagany do wytworzenia danego kształtownika.

Słowa kluczowe

EN

cold roll forming; artificial neural networks; Lisp

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2006
• Tom: Vol. 6, No. 3-4
• Strony: 203--212
• Opis fizyczny: Bibliogr. 21 poz., rys.

Twórcy

autor

Downes A.

autor

Hartley P.

• Department of Mechanical Engineering, University of Birmingham, Edgbaston, Birmingham, B15 2TT, UK,

Bibliografia

• Anderson J.,Rosenfeld.E., 1998, Neurocomputing:; foundations of research, MIT Press, Cambridge, MA, 18-27,
• AutoCAD Reference Manuals, 1996, AutoLISP programmers manual, AutoDesk Ltd.
• Bishop, C, ML.- 1995, Neural networks for pattern recognitions, Oxford University Press, Oxford.
• Brunet, M., Mgiul S., Pol, P. 1998, Modelling of a roll-forming process with a combined 2D and 3D FFM code,, J.Mat. Proc.Techn., 80—81, 213-219.
• Castellucci M , Pillinger, I., Hartley, P., 1997- The optimisation of cold rolled formed products, J. Thin -Walled Structures 29, 159-174,
• Downey A.. 2007, The Use of Artificial Neural Networks Techniques in Cold Roll-Forming Processes, PhD Thesis, University of Birmingham. Birmingham.
• Downes, A., Hartley, P., 2006, Using an artificial neural network to assist roll design m cold rail-forming pprocesses, . J. Mat, Proc. Techn., 177,. 319-322.
• Downes, A., Hartley, P,, Pillinger, I., 2004, A storage and retrieval system for roll-forming design data using a neural network, Steel-Grips: Journal of Steel and Related Materials. 2, 235-239.
• Fewtrell, J. 1990,, An experimental analysis of operating conditions in cold rod forming, PhD Thesis, University of Aston, Birmingham,
• Gunasekera, L, Zhengjie, J., 1998. Development of a neural network mode! for a cold rolling process. Engineering Applications of Artificial Intelligence, 11, 597—603.
• Hadley Group ( Smeihwick), UK, 2006 www .hadleygroup co uk.
• Kirn, D. Kim, Y, 2001 Optimization of the irregular shape rolling process with an artificial neural network, J., Mat Proc, Techn. 113, 131-135.
• Kohonen, T,, 2001 Self-organising maps. Springer-Verlag. London,
• Kong, L.. Nahavandi. S., ,2002, On-line condition monitoring and control system in forming processes, J., Mat. Proc., Techn 125,464-470,
• Lorenzo, K., Ingarao, G,, 2006,. On the use artificial intelligence tools for fracture forecast in cold forming processes, J. Mat Proc Techn.;, 177, 315-318...
• Mat Lab Reference Manuals. 2000, Neural network toolbox user guide. The .Mathworks Inc.
• Salmani Tehrani, M., Hartley, P., Moslemi Naeini, H., Khademizeh, H., 2006, Localised edge buckling in cold roll-forming of symmetric channel section, J. Thin-Walled Structures, 44, 184-196
• Powell MJ.IX. 1987, Radial basis functions for multivariable interpolation”, Algorithms for Approximations, Clarendon Press, Oxford, 143-167,
• Raj, K., Sharwa, RL, 2000, Modelling of manufacturing processes with ANNs for intelligent manufacturing, Int J, Machine Tools and Manufacture, 40, 851-868
• Viswanathan, V., Kinsey, B., Cao, J., 2003, Experimental implementation of neural network springbaek control of : sheet metal forming,J. Engineering: Materials and Technology, 125, 141-147
• Xiaodau, W., Jianwen, W., Flitman. A., 1999, Neural and machine learning io the surface defect investigation in sheet metal forming, Proc. The 6th Int. Conf. on Neural Information Processing, 3, 1088—1093.