| Project/Area Number |
23K20909
|
|---|
| Project/Area Number (Other) |
21H01233 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 18030:Design engineering-related
|
|---|
| Research Institution | Ibaraki University |
|---|
Principal Investigator |
乾 正知 茨城大学, 応用理工学野, 教授 (90203215)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
梅津 信幸 茨城大学, 応用理工学野, 准教授 (30312771)
加瀬 究 国立研究開発法人理化学研究所, 光量子工学研究センター, 先任研究員 (70270600)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2024: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Fiscal Year 2023: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Fiscal Year 2022: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Fiscal Year 2021: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000)
|
|---|
| Keywords | 加工性評価 / 工程設計 / CAM / 自動工程設計 / 加工コスト評価 / 設計支援 / 定量解析 |
|---|
| Outline of Research at the Start |
フライス加工では，部品や素材形状，用いる工具によって加工プロセスが大きく異なる．これは毎回問題解決アルゴリズムを新規に設計しなおすことに相当する．そのためソフトウェアのような計算コストの理論化は困難である．フライス加工用のCAMソフトウェアは大きく進歩しており，除去すべき形状を自動認識し，その部分にフライス加工用の最適工具経路を自動生成できる．さらに切削シミュレーションにより，加工に要する時間（コスト）を評価することも可能となっている．本研究では，この最新のCAM技術の考え方を利用して，与えられた部品の加工に要する手順を自動決定し，切削シミュレーションにより加工コストの定量評価を実現する．
|
| Outline of Annual Research Achievements |
最新のCAMソフトウェアは，切削工具と部品形状の幾何的性質に注目して工具経路を生成し最初の加工を行う．以後は削り残り形状の除去を目的に，工具選択と経路生成を繰り返して加工を進めていく．本研究でもこの手法に基づいて加工工程を解析することとし，以下の機能を有するソフトウェア開発を行った．（１）部品を構成する形状特徴を認識する．今回は穴形状と面取り形状，壁形状，床形状を認識する．認識された穴と面取り形状については専用加工の扱いとした．（２）指示された工具を用いて，指定された方向から加工する場合の工具経路を計算する．その際には，壁と床形状については，加工が適切に行われるように経路に修正を施した．（３）次に得られた経路を用いて切削加工シミュレーションを繰り返すことで，部品の加工結果にあたる工作物の形状モデルを計算する．最後に得られた工作物モデルと部品形状のCADモデルを比較し，削り残り形状を抽出する．
令和５年度は，このソフトウェアを発展させて新たな問題解決に着手した．（１）部品加工に必要な工作物姿勢の決定．工作物の取り付け姿勢の変更は手作業であり，毎回キャリブレーションをやり直しが必要になるなど，大きなコスト増を招く．本研究では最初に規定の６姿勢について加工シミュレーションを行う際に，各加工面に工作物姿勢の情報を記録しておくようにした．処理後に記録を調べることで，部品加工に必要な最小の姿勢変更回数を決めることができる．（２）放電加工が必要な個所の決定と電極設計の支援．切削加工が困難と判定された形状は，放電加工で除去することになる．削り残り形状に基づいて，放電加工用の電極を自動設計するシステムの開発に着手した．削り残りの生じている部品表面の範囲を調べ，対応する面形状を転写することで電極形状の自動決定を行う．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
実現したソフトウェアを用いて１００近い機械部品の加工工程の評価を行った．その結果，必要な加工方向，必要な工具，切削加工が困難な形状などが自動選択できること，そして処理に要する時間は，１加工当たり１～２秒とさらに高速になったこと等を確認した．昨年度に見つかった（１）加工困難な理由の提示，（２）ＲＴコア処理の不安定性，（３）加工可能方向の検出，の３つの課題についてはほぼ解決済みであり，研究は順調に進展している．本技術の有効性に注目したオンライン受注専業の部品メーカが，本システムを実務に取り入れる方向で共同研究を開始しており，そういう意味では研究は想定以上に進んでいると言える．
一方で，実用化の過程で幾つかの実務的な課題も見つかってきた．本研究では，グラフィックス処理用のLSI（GPU）の機能を利用して高速処理を実現している．その一部に，ディスプレーに画像を描画することで利用できる機能がある．これは研究面では何ら問題の無い処理だが，AWSなどの社外の計算サービスを利用している企業の場合，外部のシステムでウィンドウを開き画像を出力することになり，利用が困難であると指摘を受けた．この問題を解決するには，ＣＵＤＡ等の並列処理言語を用いて，中核的な処理から実装をやり直す必要があり，それを開始すると研究の遅滞を招いてしまう．
以上２点を勘案して，概ね順調に進展しているとした．
|
| Strategy for Future Research Activity |
これまでの研究で，用意された工具を用いて加工シミュレーションを繰り返すことで，加工困難形状を高速に抽出する技術については完成したと言える．今後もＣＵＤＡコアやＲＴコア技術の利用等を進めさらなる高速化を実現したいと考えているが，それよりも開発した技術を用いて，本研究の最終目的である加工コストの評価に注力して研究を進めたい．既に加工コストに多大な影響を与える工作物の取り付け回数については，自動的に必要な回数を見積もる技術を実現している．そこで今後は，必要な工具セットを見積もる技術の実現に着手する．多くの部品メーカでは，切削加工に用いる標準的な工具を定めている．本研究では，それらの工具を全て用いて切削シミュレーションを行い，加工困難形状の検出を行っている．シミュレーション時に，各部品表面を切削した工具の記録を残すことができる．この記録を解析することで，加工に必要な工具を自動選択することが可能となる．既に加工困難形状については，なぜ加工が困難なのか，その理由を示すことも技術的には可能となっている．これについては理由を説明する機能のユーザーインターフェイスを改良することで，より使いやすいシステムにすることを考えている．
|
