Принципы технологической подготовки цифровых производств на основе обеспечения стабильности процессов механической обработки тема диссертации и автореферата по ВАК РФ 05.02.07, доктор наук Ингеманссон Александр Рональдович

• Ингеманссон Александр Рональдович
• доктор наук
• 2022

Оглавление диссертации доктор наук Ингеманссон Александр Рональдович

Введение

Глава 1. Цифровые производственные системы в машиностроительном производстве. Проблемы внедрения и возможности повышения эффективности автоматизированного механообрабатывающего производства

1.1. Анализ проблемы и методологические аспекты внедрения цифровых производственных систем в машиностроительное производство

1.2. Наукоемкие системы технологической подготовки и управления технологическими процессами механической обработки в автоматизированном производстве

1.3. Общая характеристика работы

Глава 2. Методика проведения экспериментальных исследований

2.1. Металлорежущее оборудование, использовавшееся при исследованиях

2.2. Выбор обрабатываемых материалов и режущего инструмента

2.3. Экспериментальное исследование теплопроводности твердосплавных режущих инструментов с износостойкими покрытиями

2.4. Экспериментальное исследование качества поверхностного слоя, получаемого в результате механической обработки

2.5. Статистическая обработка результатов экспериментальных

исследований

Выводы по главе

Глава 3. Математические модели для управления токарной и фрезерной обработкой в цифровых производственных системах

3.1. Особенности моделирования процесса резания с учетом теплопроводности твердосплавных инструментов с износостойкими покрытиями

3.2. Взаимосвязь технологических условий с показателями качества

2

обработки. Математические модели для системы адаптивного

управления

Выводы по главе

Глава 4. Управление качеством обработки и работоспособностью режущего

инструмента в адаптивных технологических системах

Выводы по главе

Глава 5. Технологическая подготовка и управление стабильностью и качеством в автоматизированном механообрабатывающем производстве при внедрении цифровых производственных систем

5.1. Структура цифровых производственных систем для механообрабатывающего производства

5.2. Функционирование цифровых производственных систем для механообрабатывающего производства. Программный производственно-технологический комплекс для цифровых производственных систем

5.3. Технико-экономический анализ изменения эффективности технологических процессов механической обработки за счет разработанных мероприятий по внедрению цифровых производственных

систем

Выводы по главе

Выводы по работе

Библиографический список

Приложение

Приложение

Приложение

Приложение

Введение диссертации (часть автореферата) на тему «Принципы технологической подготовки цифровых производств на основе обеспечения стабильности процессов механической обработки»

Введение

Углубление интеграции между машиностроительными и информационными технологиями на сегодняшний день и в перспективе создает предпосылки существенного повышения эффективности производственного процесса на машиностроительных предприятиях. Данный процесс является многовекторным и включает в себя: цифровое проектирование, технологическую подготовку производства и сопровождение жизненного цикла изделия; использование программно-аппаратных средств управления и автоматизации технологических процессов, в т. ч. числовое программное управление (ЧПУ) оборудованием; информационные системы управления предприятием и др.

Указ Президента Российской Федерации от 01.12.2016 г. № 642 «О Стратегии научно-технологического развития Российской Федерации» в пункте 20 содержит информацию о том, что в ближайшие 10-15 лет приоритетами научно-технологического развития Российской Федерации следует считать те направления, которые позволят получить научные и научно-технические результаты и создать технологии, являющиеся основой инновационного развития внутреннего рынка продуктов и услуг, устойчивого положения России на внешнем рынке, и обеспечат в т.ч. переход к передовым цифровым, интеллектуальным производственным технологиям, роботизированным системам, новым материалам и способам конструирования, создание систем обработки больших объемов данных, машинного обучения и искусственного интеллекта [56].

Распоряжением №3142-р от 6 ноября 2021 г. Правительством

Российской Федерации утверждено «Стратегическое направление в области

цифровой трансформации обрабатывающих отраслей промышленности»,

направленное на повышение эффективности и конкурентоспособности

отечественной обрабатывающей промышленности и обеспечение

технологической независимости государства, за счет внедрения новых

4

производственных технологий, цифровых инструментов управления конструкторско-технологическими работами и производственным процессом на предприятии в целом [94].

Проблема внедрения наукоемких производственных и информационно -вычислительных технологий в отечественной промышленности является также предметной областью Плана мероприятий «Технет» Национальной технологической инициативы до 2035 г., утвержденного Председателем Правительства Российской Федерации на заседании Совета при Президенте Российской Федерации по модернизации экономики и инновационному развитию России от 14 февраля 2017 г. [65]. Работы в данном направлении определены в программах развития ведущих научных и промышленных корпораций страны: в «Стратегии цифровой трансформации Государственной корпорации по космической деятельности «Роскосмос» на период до 2025 года и перспективу до 2030 года» [57], в «Программе инновационного развития и технологической модернизации Госкорпорации «Росатом» на период до 2030 года (в гражданской части)» [60], в «Программе инновационного развития Государственной корпорации «Ростех» на период 2019-2025 годов» [59], в «Комплексной концепции цифровой трансформации» Объединенной судостроительной корпорации [68] и др.

Аналогичные инициативы по внедрению современных достижений производственных и информационно-вычислительных технологий в промышленность, в т.ч. в машиностроение, реализуются и в других странах -проекты «Industrie 4.0» (Германия), «Advanced Manufacturing Initiative» (США), «Made in China 2025» (Китай) [65].

Машиностроение - одна из важнейших отраслей промышленности, является материальной основой для технического оснащения других отраслей, обеспечивая их оборудованием производственного и технологического назначения при реализации государственной промышленной и инновационной политики [48].

5

Современным направлением повышения эффективности машиностроительного производства, в частности автоматизированного механообрабатывающего, является внедрение цифровых производственных систем (ЦПС).

Цифровые производственные системы (ЦПС) в машиностроении - это производственные системы, основанные на интеграции современных информационных технологий, автоматизированного оборудования и машиностроительных технологий [34].

Повышение эффективности машиностроительного производства при внедрении ЦПС реализуется по ряду направлений: сокращение затрат на производство; сокращение цикла от проектирования до изготовления изделия; повышение автоматизации и гибкости производства и возможность реализации безлюдной технологии; повышение эффективности эксплуатации и обслуживания технологического оборудования; повышение эффективности политики предприятия в области качества и др. Таким образом, влияние оказывается на все сферы производственного процесса на машиностроительном предприятии. Особый интерес представляет собой повышение эффективности технологических процессов механической обработки в автоматизированном производстве при внедрении ЦПС.

Технологические процессы механической обработки резанием зачастую характеризуются основным объемом затрат труда при изготовлении машиностроительной продукции.

При этом следует учитывать требования к технологическим процессам,

устанавливаемые системой Государственных стандартов Российской

Федерации ГОСТ Р 50995 «Технологическое обеспечение создания

продукции». В п.5.2 ГОСТ Р 50995.0.1-96 «Технологическое обеспечение

создания продукции. Основные положения» установлено, что одной из задач

технологического обеспечения создания продукции является поддержание

стабильности технологии в установившемся производстве [101]. Пункт 5.2.7

6

ГОСТ Р 50995.3.1-96 «Технологическое обеспечение создания продукции. Технологическая подготовка производства» гласит, что к определяющим технологическим и организационным решениям по производству относятся предложения по обеспечению стабильности технологических процессов и других элементов производства, непосредственно влияющих на качество изделия [102].

Благодаря исследованиям отечественных и зарубежных ученых накоплен значительный опыт в области повышения эффективности технологической подготовки и управления процессами резания. Кроме этого, современный уровень развития машиностроительных и информационных технологий обеспечивает предпосылки существенного повышения эффективности механообрабатывающего производства. Однако, нередко работы, связанные с внедрением ЦПС, носят концептуальный или фрагментарный характер. Выявленное противоречие определяет актуальность данного исследования и позволяет сформулировать научную проблему, которая заключается в следующем. Современное технологическое оборудование и технологическая оснастка позволяют получать оперативную информацию о состоянии заготовки и характеристиках процесса резания, а также выполнять адаптивное управление последним. Уровень развития машиностроительных и информационных технологий обеспечивает потенциальную возможность управления технологическим процессом с целью обеспечения стабильности и качества механической обработки. При этом использование указанной информации для управления носит в основном фрагментарный характер. Сохраняется потребность в разработке математических моделей для технологической подготовки производства, а также в разработке принципов организации и построения современной системы адаптивного управления технологическим процессом механической обработки в автоматизированном производстве при внедрении ЦПС с целью

обеспечения его стабильности и качества продукции.

7

В данном исследовании следует разработать методологию организации и построения ЦПС в автоматизированном механообрабатывающем производстве. Необходимо разработать систему управления стабильностью процесса резания и качеством механической обработки при внедрении ЦПС. Следует обосновать повышение технико-экономической эффективности автоматизированного механообрабатывающего производства за счет применения ЦПС.

Исследования, направленные на решение обозначенной научной проблемы и представленные в данной диссертационной работе, выполнялись в АО «Федеральный научно-производственный центр «Титан-Баррикады» (г. Волгоград) и Федеральном государственном бюджетном образовательном учреждении «Волгоградский государственный технический университет».

Глава 1. Цифровые производственные системы в машиностроительном производстве. Проблемы внедрения и возможности повышения эффективности автоматизированного механообрабатывающего производства

1.1. Анализ проблемы и методологические аспекты внедрения ЦПС в машиностроительное производство

Уровень развития машиностроительных и информационно-вычислительных технологий, достигнутый на сегодняшний день, способствует формированию новых возможностей в области обмена информацией и управления технологическими процессами на ее основе. Современные технические системы, в т.ч. выпускаемое серийно металлорежущее оборудование, оснащаются различными чувствительными элементами (датчиками, сенсорами) и средствами идентификации, способными формировать массив данных о свойствах и состоянии системы. Технические системы посредством каналов связи способны осуществлять автоматизированный обмен данными и принятие решений по запрограммированному алгоритму, в т.ч. без участия человека. С внедрением описанного выше взаимодействия ассоциируется наступление так называемой «четвертой промышленной революции», реализуемой посредством концепции «Индустрия 4.0» [113], [116], [157].

Концепция «Индустрия 4.0» (нем. «Industrie 4.0»), сформулированная в

Германии в 2011 г. [116], определяется как средство повышения

эффективности обрабатывающей промышленности через интеграцию

цифровых систем (киберфизических систем (англ. «cyber physical systems»,

«CPS»)) в заводские процессы. В данных системах технологическое

оборудование и оснащение, материалы и изделия, являются активными

системными компонентами, реализующими автоматизированное управление

своими технологическими и логистическими процессами. Указанные

9

составляющие находятся в постоянном взаимодействии (обмен информацией) для поддержания непрерывного процесса изготовления продукции заданного количества и качества. Внедрение концепции «Индустрия 4.0» в промышленности обеспечивает предпосылки значительного повышения гибкости, надежности, экологичности и экономичности производственных процессов [113], [116], [157], [159].

Внедрение цифровых систем обеспечивает повышение эффективности технологических процессов в механообрабатывающем производстве, а также для других технологических переделов - сварочного, сборочного и др.

Проблеме разработки механизмов внедрения цифровых систем

(киберфизических систем) в промышленное производство в рамках

концепции «Индустрия 4.0» посвящены работы Центра интеллектуальных

систем управления (IMS) университета г. Цинцинатти (США) [143], [144],

[164]. Отмечается, что современный уровень развития информационных

технологий позволяет выполнять аналитические работы с большим объемом

информации (англ. big data analytics) [143], [164], поступающей из

производственного подразделения предприятия, в частности от

технологической системы. Для решения проблемы структуры, иерархии и

связей цифровых систем в промышленности предложена концептуальная 5С-

архитектура [143], [144], состоящая из пяти уровней: 1) связь (англ.

connection); 2) преобразование (англ. conversion); 3) кибер-уровень (англ.

cyber level); 4) познание (англ. cognition); 5) регулирование (англ.

configuration). На первом уровне происходит сбор информации с

чувствительных элементов системы, например, технологического

оборудования - датчиков, сенсоров и др. - о ее текущем состоянии. На

втором уровне информация преобразовывается в доступные для восприятия

форматы - графики, диаграммы, таблицы и др. Третий уровень служит

архивом для хранения собираемой информации от производственного

подразделения. Следует отметить, что на сегодняшний день исследователями

10

отмечается положительная роль т.н. «облачных хранилищ» и «облачных вычислений», позволяющих выполнять операции с большими объемами информации за счет объединения в сеть группы вычислительных машин. Термин «облачный» - это общепринятое наименование объединенных сетью ЭВМ с целью масштабирования вычислительных и архивных возможностей для работы с большими массивами данных. На четвертом уровне путем сравнения текущих характеристик системы с имеющимися закономерностями ее функционирования формируются возможные для принятия варианты решений. При этом, на основе получаемой информации закономерности функционирования системы, например, модели, дополняются и уточняются. На пятом уровне принимается наиболее рациональное решение.

Функционирование системы, выстроенной на основе 5С-архитектуры,

демонстрируется на примере заготовительного участка, состоящего из

ленточнопильных станков с ЧПУ. Массив информации формируется

датчиками вибро-акустической эмиссии и температуры, установленными на

станках, а также данными о скорости пилы, времени резания и др.,

фиксируемыми системой ЧПУ. На уровне «преобразования» ЭВМ

производит преобразование данных в принятые для анализа форматы

(например, нагрузка на пиле в процентном значении от максимально

допустимой). Данные передаются на «облачный сервер» по проводной или

беспроводной сети. На третьем этапе посредством т. н. «адаптивного метода

группирования» [164] текущие характеристики процесса разрезки заготовок

(режимы резания, уровень нагрузки на пиле и др.) группируются в

зависимости от отработанного пилой времени. На четвертом и пятом уровнях

информация используется для принятия решений о корректировке режимов

резания. Например, для относительно новой пилы возможно использование

более высоких режимов резания с обеспечением необходимого качества реза,

а для пилы, отработавшей определенный период времени, необходимы

11

щадящие режимы для обеспечения качества реза. Необходимо отметить, что в описанном примере авторам не удалось исключить необходимость участия оператора в процессе принятия решений - он оценивает качество реза и состояние пильного полотна.

В работе [143] приведен дополнительный аспект положительного эффекта от внедрения цифровых систем (киберфизических систем) в производство, а именно использование их информативной способности для задач прогнозирования и управления работоспособностью технологического оборудования (англ. PHM - Prognostics and Health Managment). Предложена система, аккумулирующая информацию с чувствительных элементов технологического оборудования на всем жизненном цикле - от введения в эксплуатацию до списания. На основе данной информации формируется т.н. «цифровой двойник» («кибер-близнец» (англ. «cyber twin»)) для каждой конкретной модели оборудования. Он представляет собой математическую модель, связывающую параметры и режимы эксплуатации оборудования со сроком службы его узлов. Таким образом, инженерно-технический работник получает инструмент для выбора оптимизированных режимов эксплуатации оборудования исходя из его производительности и оставшегося срока службы его определенных узлов, например, подшипников шпинделя.

Необходимо отметить, что представленные в работах [143], [144], [164] положения являются преимущественно концептуальными и не описывают конкретных алгоритмов функционирования цифровых производственных систем (ЦПС) в машиностроении, в частности, в механообрабатывающем производстве.

В сборнике [154] описаны результаты исследований по реализации

концепции «цифровых двойников» металлорежущих станков с ЧПУ и

обрабатывающих центров (ОЦ) для повышения эффективности их

эксплуатации. Работы выполнялись участниками проекта по управлению на

основе цифровых двойников, являющемуся частью инициативы «Фабрики

12

будущего», финансируемой, в свою очередь, Европейской Комиссией.

Описаны основные положения концепции создания «цифровых двойников»

оборудования с ЧПУ, элементы программно-аппаратной составляющей по

сбору, хранению, обработке и управлению оборудованием на основе данных

о состоянии узлов станков. Приведены текущие результаты по разработке

моделей для управления процессом механической обработки и обслуживания

оборудования. Охарактеризованы работы по испытанию разработанной

концепции в производственных условиях на предприятии аэрокосмической

промышленности «MASA» в Испании и автомобильной промышленности

«Renault» во Франции. В частности, в главе 4 [117] предложено управление

положением концевой фрезы в процессе обработки на пяти-осевом

сверлильно-фрезерно-расточном ОЦ для стабилизации действующей силы

резания. Т.е. рассмотрен геометрический способ управления силой резания,

без учета температурно-деформационных и теплофизических процессов,

сопровождающих обработку. В работе рассмотрены вопросы управления

энергопотреблением станков и периодом службы основных узлов, например,

подшипников шпинделя. В главе 12 [125] рассмотрено адаптивное

управление подачей при фрезеровании с целью обеспечения постоянства

объема удаляемого металла в единицу времени. При этом вопросы

управления качеством обработанной поверхности и работоспособностью

инструментов в данном примере не рассматриваются. В главе 16 [155] описан

подход по замене инструментов при работе на автоматизированном

оборудовании с ЧПУ при возрастании уровня крутящего момента на

шпинделе станка. При этом вопрос адаптивного управления процессом

резания с целью обеспечения стабильного периода работоспособности

инструмента не освещен. Таким образом, в работе [154] исследованы аспекты

концепции использования «цифрового двойника» металлорежущего

оборудования с ЧПУ с целью повышения эффективности

машиностроительного производства. Однако вопросы изучения физических

13

основ процесса резания, разработки соответствующих математических моделей для управления качеством обработки и работоспособностью инструментов освещены недостаточно.

Проблемам внедрения цифровых систем (киберфизических систем) и концепции «Индустрия 4.0» в промышленное производство посвящен ряд работ исследователей из Китая, а также международных коллективов с их участием - [127], [129], [131], [158], [159] и др.

В работе [159] предложена архитектура «цифровой фабрики» (англ. digital factory, smart factory), состоящая из четырех уровней - физического уровня, уровня промышленной информационной сети, цифрового уровня (кибер-уровня) и уровня контроля и принятия решений.

Физический уровень включает в себя технологическое, транспортное, контрольное и др. оборудование, заготовки, детали и пр., которые объединены в промышленную информационную сеть и способны взаимодействовать друг с другом для достижения заданной цели.

На уровне промышленной информационной сети обеспечивается не только взаимодействие между объектами физического уровня, но и связь физического с вычислительным уровнем (кибер-уровнем).

Вычислительный уровень («уровень облачных вычислений») обеспечивает обработку и хранение данных, полученных с физического уровня, для передачи на уровень контроля и принятия решений.

Уровень контроля и принятия решений связывает человека с «цифровой фабрикой». Заинтересованное лицо способно осуществлять мониторинг и диагностику процессов и принимать решения. Следует отметить необходимость учета еще одного аспекта, не приведенного в работе [159], а именно внесение в систему алгоритмов функционирования без участия человека.

Авторы [157], [159] приводят пример прототипа «цифровой фабрики», реализующей концепцию «Индустрия 4.0». В Немецком центре исследования

14

искусственного интеллекта (DFKI, г. Кайзерслаутерн, Германия) создана экспериментальная линия для химического концерна «BASF» (Германия) по производству полностью индивидуальных (под заказ) шампуней и жидких мыл. После запуска заказа в производство радиочастотные идентификаторы (RFID-метки), установленные на пустую тару, несут информацию для оборудования производственной линии о том, какой тип мыла, аромат и цвет необходим заказчику. Перемещаясь по конвейеру, тара останавливается и заполняется на тех позициях, которые удовлетворяют заданию. Автоматизированное управление выполняется за счет считывания оборудованием линии информации с RFID-метки, расположенной на таре. Участие человека заключается лишь во внесении производственных заказов в систему.

В работе [159] отмечается, что на базе факультета механики и автоматизации Южно-Китайского технологического университета (SCUT, г. Гуанчжоу, КНР) создается свой прототип производственной линии, базирующейся на цифровых системах (киберфизических системах). Ее основные принципы следующие: заготовки оснащены RFID-метками; использование промышленных роботов; использование конвейерной системы, обладающей возможностью считывания и записи информации на RFID-метки; использование промышленной беспроводной информационной сети и «облачных хранилищ и вычислений»; центральный монитор и местные терминалы для контроля и управления.

Авторами [159] обозначен ряд проблем, требующих решения для

внедрения принципов концепции «Индустрия 4.0» в промышленности. Среди

них: разработка структуры и алгоритма взаимодействия элементов ЦПС для

обеспечения взаимодействия и принятия решений с минимальным

вмешательством человека; определение минимального и достаточного

объема параметров, характеризующих технологический процесс

производства изделия, для мониторинга и управления; создание и изучение

функционирования самоуправляемых систем путем их моделирования; создание гибких модульных технических систем, способных взаимодействовать друг с другом.

Необходимо отметить, что решение указанных проблем связано с технологической подготовкой и автоматизацией машиностроительного производства, требует изучения и составляет содержание актуального направления научных исследований.

Разработки по внедрению элементов ЦПС в машиностроительное производство выполняются и лидирующими мировыми производителями металлобрабатывающего оборудования, осознающими потенциальные возможности роста эффективности механообрабатывающего производства.

Станкостроительной компанией «DMG-Mori» (Германия-Япония)

разработана система планирования и диспетчеризации производственного

процесса и мониторинга технологического оборудования «Celos». Пятая

версия системы, выпущенная в 2018 году, содержит 26 приложений по

четырем направлениям. Направление «планирование» включает приложения

«job manager» («управление производственными заданиями»), «job scheduler»

(«расписание производственных заданий»), «production planning»

(«планирование производства»), «organizer» («календарь»), «tech calculator»

(«технический калькулятор»). Направление «подготовка» содержит

приложения «job assistant» («навигатор по производственным заданиям»),

«3D part analyzer» («простановка геометрических размеров на 3D-модели

детали»), «tool handling» («управление данными по инструментам»), «tool

agent» («параметры инструментов»), «robo2go» («связь с элементами

роботизации»), «documents» («документация»), «CAD/CAM view»

(«просмотр CAD/CAM-файлов»). Направление «производство» объединяет

приложения «surface analyzer» («замер шероховатости поверхности»), «pallet

manager» («управление данными по столам-спутникам (паллетам)»), «pallet

changer» («управление устройством смены столов-спутников (паллет)»),

16

«clamp check» («проверка усилия зажима детали в оснастке»), «control» («цикл контроля детали на станке»), «energy saving» («режим энергосбережения»), «service agent» («данные по техническому обслуживанию оборудования»), «netservice» («удаленная диагностика и обслуживание оборудования»). Направление «мониторинг» включает приложения «cockpit» («визуализация производственно-технологических данных»), «tool analyzer» («анализ данных об инструментах»), «condition analyzer» («анализ состояния оборудования»), «performance monitor» («визуализация данных об эффективности использования оборудования»), «messenger» («меню сообщений»), «status monitor» («мониторинг состояния оборудования»). Основные три блока производственного процесса, охватываемые системой, следующие: «digital planning» («цифровое планирование»), «digital tooling» («управление цифровыми данными об инструментах») и «digital monitoring» («цифровой мониторинг»). Блок «цифровое планирование» предназначен для планирования и диспетчеризации производственных заказов. Совокупность «управление цифровыми данными об инструментах» объединяет информацию о геометрических размерах инструментальных сборок после настройки вне станка, 3D-модели инструментов, сведения об отработанном времени инструментами и о наполнении инструментальных магазинов ОЦ. Блок «цифровой мониторинг» предназначен для визуализации всех связанных данных о технологическом оборудовании и производственных заданиях. Кроме этого, с 2018 года компанией «DMG-Mori» в сотрудничестве с фирмами «Dürr», «Software AG», «ASM», «Engel» и «Zeiss» (Германия) и др. сформирована интернет-платформа «Adamos» (сокр. от англ. Adaptive Manufacturing Open Solutions, т.е. открытые решения для адаптивного производства), нацеленная на объединение программных продуктов для ЦПС [74].

Описанная система «Celos» является современным решением,

17

направленным на реализацию планирования и диспетчеризации производственного процесса и мониторинга технологического оборудования в ЦПС для механической обработки. При этом следует отметить, что система не охватывает все аспекты технологической подготовки производства, в частности, необходима связь с полным комплектом документов на технологический процесс механической обработки. Кроме этого, система не выполняет расчета режимов резания исходя из фактических условий обработки, например, твердости конкретной обрабатываемой детали. Также, недостаточно реализовано прослеживание детали на всех этапах ее изготовления, поэтому необходима сквозная на протяжении всего технологического процесса база производственно-технологических данных («цифровой двойник детали»), включающая информацию о параметрах качества при контроле изготовленной детали.

Список литературы диссертационного исследования доктор наук Ингеманссон Александр Рональдович, 2022 год

Библиографический список

1. Адаптивное управление процессом резания с учетом ограничений по качеству обработанной поверхности / Ю. Л. Чигиринский [и др.] // Наукоемкие технологии на современном этапе развития машиностроения: материалы VIII МНТК 19-21 мая 2016г. - М. : Техполиграфцентр, 2016. -С. 246-248.

2. Адаптивное управление технологическими процессами / Ю. М. Соломенцев [и др.]. - М. : Машиностроение, 1980. - 536 с.

3. Анциферов, А. В. Алгоритм управления скоростью резания на оборудовании с ЧПУ / А. В. Анциферов, М. В. Бобырь // Машиностроение -основа технологического развития России ТМ-2013: сб. науч. ст. V Междунар. науч.-техн. конф. - Курск : Юго-Зап. гос. ун-т., 2013. - С. 178181.

4. Балакшин, Б. С. Адаптивное управление станками / Б. С. Балакшин [и др.]; под ред. Б. С. Балакшина. - М. : Машиностроение, 1973. - 688 с.

5. Бассетт, Э. Круглосуточное пятиосевое фрезерование с точностью позиционирования 5 микрометров / Э. Бассетт, Й. Кеттерер // DMG-Mori Technology excellence. - 2018. - № 1. - С. 52-55.

6. Безъязычный, В. Ф. Основы технологии машиностроения: учебник для вузов / В. Ф. Безъязычный. - М. : Машиностроение, 2013. -568 с.

7. Безъязычный, В. Ф. Разработка экспериментального стенда для определения эффективных режимов механической обработки резанием / В. Ф. Безъязычный, Р. Н. Фоменко, Т. Д. Ятманова // Наукоемкие технологии на современном этапе развития машиностроения: материалы VIII МНТК 1921 мая 2016г. - М. : Техполиграфцентр, 2016. - С. 25-27.

8. Бобырь, М. В. Автоматизированные нечетко-логические системы управления: монография / М. В. Бобырь, В. С. Титов, С. Г. Емельянов. - М. :

243

Инфра-М, 2011. - 176 с.

9. Бржозовский, Б. М. Адаптивный метод контроля поверхностей деталей в процессе прецизионной механической обработки / Б. М. Бржозовский, П. Ю. Бочкарев, О. В. Захаров // Машиностроение -основа технологического развития России ТМ-2013: сб. науч. ст. V Междунар. науч.-техн. конф. - Курск : Юго-Зап. гос. ун-т., 2013. - С. 350353.

10. Быков, Ю. М. Исследование закономерностей износа твердосплавного инструмента с износостойкими покрытиями с целью повышения его работоспособности: дис. ... канд. техн. наук: 05.03.01 / Ю. М. Быков. - Волгоград, 1983. - 253 с.

11. Верещагина, А. С. Диагностика и управление процессом резания на основе критериев нелинейной динамики / А. С. Верещагина, Б. Я. Мокрицкий // Прогрессивные машиностроительные технологии, оборудование и инструменты. Том V: коллективная монография / А. С. Верещагина [и др.] ; под ред. А. В. Киричека. - М. : Издательский дом «Спектр», 2015. - Раздел 3. - С. 180-227.

12. Верещака, А. С. Режущие инструменты с износостойкими покрытиями / А. С. Верещака, И. П. Третьяков. - М. : Машиностроение, 1986. - 192 с.

13. Волосова, М. А. Инструмент высокоэффективных технологий / М. А. Волосова, С. Н. Григорьев, А. Р. Маслов. - М. : Издательство «ИТО», 2011. - 244 с.

14. Вульф, А. М. Резание металлов / А. М. Вульф. - Л. : Машиностроение, 1973. - 496 с.

15. Геометрические характеристики изделий (GPS). Структура поверхности. Профильный метод. Термины, определения и параметры структуры поверхности : ГОСТ Р ИСО 4287-2014. - Введ. 01.01.2016. - М. : Стандартинформ, 2019. - 23 с. - (Национальный стандарт Российской

244

Федерации).

16. Гонщик, А. В. Исследование возможности применения адаптивной нейро-нечеткой системы вывода в системах диагностики состояния режущего инструмента / А. В. Гонщик, Р. Н. Зинченко // Машиностроение - основа технологического развития России ТМ-2013: сб. науч. ст. V Междунар. науч.-техн. конф. - Курск : Юго-Зап. гос. ун-т., 2013. -С. 175-178.

17. Грановский, Г. И. Резание металлов: учебник для машиностр. и приборостр. спец. вузов / Г. И. Грановский, В. Г. Грановский. - М. : Высшая школа, 1985. - 304 с.

18. Григорьев, С. Н. Диагностика автоматизированного производства / С. Н. Григорьев [и др.]; под ред. С. Н. Григорьева. - М. : Машиностроение, 2011. - 600 с.

19. Григорьев, С. Н. Обработка резанием в автоматизированном производстве: учебник / С. Н. Григорьев, А. Р. Маслов. - М. : Машиностроение, 2008. - 372 с.

20. Диагностика и сертификация металлорежущего оборудования: учебное пособие / М. П. Козочкин [и др.]. - М. : Инновационное машиностроение, 2017. - 240 с.

21. Евдокимов, Ю. А. Планирование и анализ экспериментов при решении задач трения и износа / Ю. А. Евдокимов, В. И. Колесников, А. И. Тетерин. - М. : Наука, 1980. - 228 с.

22. Ефремова, О. А. «Индустрия 4.0» в металлообработке / О. А. Ефремова // Станкоинструмент. - 2017. - № 3. - С. 78-80.

23. Заготовки из конструкционной стали для машиностроения. Общие технические условия : ОСТ 3-1686-90. - Взамен ОСТ 3-1686-80 ; введ. 01.09.90. - М. : ЦНИИ Комплекс, 1990. - 26 с. - (Отраслевой стандарт).

24. Залога, В. А. Современное состояние вопроса о диагностике состояния режущего инструмента при фрезеровании / В. А. Залога,

245

Р. Н. Зинченко, Ю. В. Шаповал // Резание и инструмент в технологических системах. - 2013. - выпуск 83. - С. 118-126.

25. Ингеманссон, А. Р. Актуальность внедрения концепции «индустрия 4.0» в современное машиностроительное производство / А. Р. Ингеманссон // Наукоемкие технологии в машиностроении. - 2016. -№ 7 (61). - С. 45-48.

26. Ингеманссон, А. Р. Определение теплопроводности твердосплавного режущего инструмента с многослойными износостойкими покрытиями / А. Р. Ингеманссон, А. А. Бондарев // Обработка металлов (технология, оборудование, инструменты). - 2019. - Т. 21, № 3. - С. 97-105.

27. Ингеманссон, А. Р. Повышение эффективности машиностроительного производства за счет киберфизических систем и концепции «индустрия 4.0» / А. Р. Ингеманссон // Наукоемкие технологии на современном этапе развития машиностроения: материалы VIII МНТК 19-21 мая 2016г. - М. : Техполиграфцентр, 2016. - С. 74-77.

28. Ингеманссон, А. Р. Повышение эффективности обработки резанием за счет адаптивного управления в цифровых производственных системах / А. Р. Ингеманссон // Наукоемкие технологии в машиностроении. -2020. - № 4. - С. 39-48.

29. Ингеманссон, А. Р. Повышение эффективности точения труднообрабатываемых сталей ферритного, мартенситно-ферритного и мартенситного классов с использованием опережающего пластического деформирования: дис. ... канд. техн. наук: 05.02.07 / А. Р. Ингеманссон. -Волгоград, 2012. - 209 с.

30. Ингеманссон, А. Р. Разработка математических моделей для технологической подготовки производства и адаптивного управления токарной и фрезерной обработкой в цифровых производственных системах / А. Р. Ингеманссон // Обработка металлов (технология, оборудование, инструменты). - 2020. - Т. 22, № 1. - С. 27-40.

246

31. Ингеманссон, А. Р. Разработка состава и механизмов функционирования информационно-исполнительных киберфизических систем в механообрабатывающем производстве / А. Р. Ингеманссон // Наукоемкие технологии в машиностроении. - 2017. - № 11. - С. 40-45.

32. Ингеманссон, А. Р. Расчетная методика определения теплопроводности современных твердосплавных инструментов с многослойными покрытиями / А. Р. Ингеманссон, А. А. Бондарев // Наукоемкие технологии в машиностроении. - 2019. - № 12. - С. 28-35.

33. Ингеманссон, А. Р. Современная научная проблема повышения эффективности механообрабатывающего производства путем внедрения киберфизических систем в рамках концепции «индустрия 4.0» / А. Р. Ингеманссон // Наукоемкие технологии в машиностроении. - 2016. -№ 12. - С. 40-44.

34. Ингеманссон, А. Р. Характеристика, состав, механизмы функционирования и современные аспекты внедрения цифровых производственных систем в машиностроение / А. Р. Ингеманссон // Наукоемкие технологии в машиностроении. - 2018. - № 8. - С. 25-32.

35. Ингеманссон, А. Р. Цифровая производственная система для механообрабатывающего производства: структура, функционирование, программный производственно-технологический комплекс и анализ технико-экономической эффективности / А. Р. Ингеманссон // Наукоемкие технологии в машиностроении. - 2020. - № 11. - С. 30-39.

36. Иноземцев, А. Н. Повышение конкурентоспособности изделий машиностроения с применением самообучающихся систем управления процессом резания / А. Н. Иноземцев, Н. И. Пасько, А. В. Анцев // Машиностроение - основа технологического развития России ТМ-2013: сб. науч. ст. V Междунар. науч.-техн. конф. - Курск : Юго-Зап. гос. ун-т., 2013. -С. 111-114.

37. Инструмент для высокопроизводительного и экологически

247

чистого резания / В. Н. Андреев [и др.]; под ред. В. А. Гречишникова. -М. : Машиностроение, 2010. - 480 с.

38. Исследование теплопроводности биметаллических соединений из однородных и разнородных сталей / Л. М. Гуревич [и др.] // Изв. ВолгГТУ. Серия «Проблемы материаловедения, сварки и прочности в машиностроении». Вып. 3: межвуз. сб. науч. ст. / ВолгГТУ. - Волгоград, 2009. - № 11. - C. 31-35.

39. Кийко, Е. От медицины до изменения производственных цепочек / Е. Кийко // Аддитивные технологии: инф. бюллетень. - М. : ФГУП «НПО «Техномаш», 2021. - № 10. - С. 28-32.

40. Козлов, А. М. Повышение производительности объемного фрезерования необработанных зон / А. М. Козлов, Г. Е. Малютин // Машиностроение - основа технологического развития России ТМ-2013: сб. науч. ст. V Междунар. науч.-техн. конф. - Курск : Юго-Зап. гос. ун-т., 2013. -С. 307-310.

41. Козочкин, М. П. Виброакустическая диагностика при твердом точении / М. П. Козочкин, Ф. С. Сабиров, А. Н. Попиков // Вестник МГТУ «Станкин». - 2009. - № 1. - С. 23-29.

42. Козочкин, М. П. Задачи технической диагностики при создании и эксплуатации технологического оборудования / М. П. Козочкин, Ф. С. Сабиров // Вестник УГАТУ. - 2012. - № 4. - С. 98-104.

43. Коношенко, Н. Механизм расчета общей эффективности оборудования: пример Jordan Steel Company [Электронный ресурс] : Альманах Управление производством. - 2016. - Режим доступа : http://www.up-pro.ru/docs/Almanach_2016.pdf (дата обращения: 08.04.2020).

44. Кулагин, М. Промышленный интернет на практике: удаленная диагностика станков с ЧПУ с помощью технологии Winnum / М. Кулагин, И. Волков // CAD/CAM/CAE Observer. - 2016. - № 6. - С. 1-7.

45. Липатов, А. А. Закономерности процесса резания

248

высоколегированных сталей и пути повышения работоспособности твердосплавного инструмента: дис. ... канд. техн. наук: 05.03.01 / А. А. Липатов. - Волгоград, 1987. - 256 с.

46. Ловыгин, А. Foreman MDC - система нового поколения для мониторинга станков с ЧПУ / А. Ловыгин // CAD/CAM/CAE Observer. -2007. - № 6. - С. 71-73.

47. Макаров, А. Д. Оптимизация процессов резания / А. Д. Макаров. - М. : Машиностроение, 1976. - 278 с.

48. Машиностроение. Энциклопедия : в 40 т. / ред. совет: К. В. Фролов [и др.]. - М. : Машиностроение, 2005.

Т. III-1 : Технологическая подготовка производства. Проектирование и обеспечение деятельности предприятия. - 576 с.

49. Медведева, Г. М. Как не допустить ошибок при выборе системы управления машиностроительным производством / Г. М. Медведева, А. Б. Мусеридзе, Е. Б. Фролов // Станочный парк. - 2012. - № 8. - С. 29-35.

50. Микроскоп металлографический инвертированный ЛОМО МЕТАМ ЛВ-41 [Электронный ресурс] : АО «ЛОМО». - 2020. - Режим доступа : http://www.lomo.ru/production/grazhdanskogo-naznacheniya/mikroskopy/mikroskopy-tekhnicheskie/metam-lv/ (дата обращения: 03.05.2020).

51. Микротвердомеры KB5/KB10/KB30 [Электронный ресурс] : компания «Синеркон». - 2020. - Режим доступа : https: //synercon.ru/catalog/mikrotverdomery/mikrotverdomery-kb5-kb 10-kb3 0/ (дата обращения: 03.05.2020).

52. Митин, С. Г. Автоматизация оценки производственной технологичности изделий в условиях многономенклатурных производственных систем / С. Г. Митин, П. Ю. Бочкарёв, Л. Г. Бокова // Наукоемкие технологии в машиностроении. - 2014, № 9 (39). - С. 44-48.

53. Михайлов, С. В. Динамометрическая система ускоренного определения режущих свойств инструмента / С. В. Михайлов [и др.] // Справочник. Инженерный журнал. - 2015. - № 1. - С. 34-40.

54. Нагоркин, М. Н. Диагностика технологических систем по качеству и эксплуатационным свойствам обрабатываемых поверхностей деталей машин с применением современных компьютерных технологий / М. Н. Нагоркин [и др.] // Наукоемкие технологии на современном этапе развития машиностроения: материалы VIII МНТК 19-21 мая 2016г. -М. : Техполиграфцентр, 2016. - С. 130-133.

55. Новак, В. А. Лазерная измерительная система «Блюм-Новотест» нового поколения / В. А. Новак // РИТМ машиностроения. - 2017. - № 9. -С. 7.

56. О Стратегии научно-технологического развития Российской Федерации [Электронный ресурс] : Указ Президента Российской Федерации № 642 от 1.12.2016 г. - Режим доступа : https://static.kremlin.ru/media/acts/files/0001201612010007.pdf (дата обращения: 20.05.2020).

57. Одобрен проект стратегии информационных технологий Госкорпорации «Роскосмос» [Электронный ресурс] : Новости ГК «Роскосмос». - 2018. - Режим доступа : https://www.roscosmos.ru/25892/ (дата обращения: 01.05.2020).

58. ОЕЕ: сила общей эффективности оборудования [Электронный ресурс] : Альманах Управление производством. - 2010. - Режим доступа : http://www.up-

pro.ru/library/production_management/operations_management/OEE.html (дата обращения: 06.04.2020).

59. Паспорт программы инновационного развития Государственной корпорации «Ростех» на период 2019-2025 годов [Электронный ресурс] : Государственная корпорация «Ростех». - 2020. - Режим доступа :

250

https://rostec.ru/innovations/projects/pasport%20PIR-2025.pdf (дата обращения: 01.05.2020).

60. Паспорт программы инновационного развития и технологической модернизации Госкорпорации «Росатом» на период до 2030 года (в гражданской части) [Электронный ресурс] : Государственная корпорация по атомной энергии «Росатом». - 2016. - Режим доступа : https://www.rosatom.rU/upload/iblock/5e1/5e130b6e7fba0fb511f400defad83aca.p df (дата обращения: 01.05.2020).

61. Петрешин, Д. И. Модернизация станков с ЧПУ и автоматизированная система сбора данных их функционирования / Д. И. Петрешин, А. Г. Суслов, О. Н. Федонин // Наукоемкие технологии в машиностроении. - 2016. - № 4. - С. 42-48.

62. Петрешин, Д. И. Разработка и создание самообучающейся технологической системы с адаптивным управлением параметрами качества поверхностного слоя деталей машин: автореф. дис. ... докт. техн. наук / Д. И. Петрешин. - Брянск, 2010. - 35 с.

63. Петрешин, Д. И. Управление параметрами качества поверхностного слоя деталей машин в условиях неопределенности / Д. И. Петрешин, А. Г. Суслов, О. Н. Федонин // Прогрессивные технологии и системы машиностроения. - 2016. - № 4. - С. 57-61.

64. Петруха, П. Г. Обработка резанием высокопрочных, коррозионностойких и жаропрочных сталей / П. Г. Петруха. - М. : Машиностроение, 1980. - 167 с.

65. План мероприятий («дорожная карта») «Технет» (передовые производственные технологии) Национальной технологической инициативы: прил. №1 к протоколу [Электронный ресурс] : Протокол заседания Совета при Президенте РФ по модернизации экономики и инновационному развитию России от 14.02.2017г. - Режим доступа : https://www.nti2035.ru/documents/doc.html (дата обращения: 18.11.2017).

251

66. Плотников, А. Л. Автоматизированные способы определения значений параметров процесса токарной и фрезерной обработки на станках с ЧПУ: монография / А. Л. Плотников, А. С. Сергеев, Т. В. Уварова. -Волгоград : ВолгГТУ; Старый Оскол : ТНТ, 2017. - 212 с.

67. Повышение эффективности процессов механообработки на основе подходов искусственного интеллекта и нелинейной динамики / Ю. Г. Кабалдин [и др.]. - М. : Инновационное машиностроение, 2018. - 184 с.

68. Полубота, А. Переломный год для российского судостроения [Электронный ресурс] / А. Полубота. - 2020. - Режим доступа : https://www.aoosk.ru/press-center/media-corporation/perelomnyy-god-dlya-rossiyskogo-sudostroeniya?sphrase_id=21554 (дата обращения: 01.05.2020).

69. Постников, В. С. Физика и химия твердого состояния / В. С. Постников. - М. : Металлургия, 1978. - 544 с.

70. Проников, А. С. Надежность машин / А. С. Проников. - М. : Машиностроение, 1978. - 592 с.

71. Режимы резания для токарных и сверлильно-фрезерно-расточных станков с числовым программным управлением: справочник / В. И. Гузеев, В. А. Батуев, И. В. Сурков; под ред. В. И. Гузеева. - 2-е изд. - М. : Машиностроение, 2007. - 368 с.

72. Режимы резания труднообрабатываемых материалов: справочник / Я. Л. Гуревич [и др.]. - 2-е изд., перераб. и доп. - М. : Машиностроение, 1986. - 240 с.

73. Резников, А. Н. Теплофизика процессов механической обработки материалов / А. Н. Резников. - М.: Машиностроение, 1981. - 279 с.

74. Рудцио, Х. Комплексные решения для цифровизации / Х. Рудцио [и др.] // DMG-Mori Technology excellence. - 2018. - № 1. - С. 14-19.

75. Рудцио, Х. DMG-Mori Condition Analyzer - 60 сенсоров на станке контролируют его состояние / Х. Рудцио // DMG-Mori Journal. - 2016. - № 2. - С. 7.

76. Руководство оператора токарного станка HAAS [Электронный ресурс] : компания «Абамет». - 2015. - Режим доступа : https://www.abamet.ru/upload/HAAS/Manuals/lathe-operators-manual-2015.pdf (дата обращения: 03.05.2020).

77. Руководство оператора фрезерного станка HAAS [Электронный ресурс] : компания «Абамет». - 2016. - Режим доступа : https://www.abamet.ru/upload/HAAS/Manuals/mill-operators-manual-2016.pdf (дата обращения: 03.05.2020).

78. Рынков, Д. А. Совершенствование производственного процесса путем рационализации выбора режущего инструмента / Д. А. Рычков,

A. С. Янюшкин // Наукоемкие технологии на современном этапе развития машиностроения: материалы VIII МНТК 19-21 мая 2016г. -М.:Техполиграфцентр, 2016. - С. 195-197.

79. Свид. о гос. регистрации программы для ЭВМ № 2020615978 РФ. МПК (нет). Программный производственно-технологический комплекс для цифровых производственных систем / В. А. Шурыгин, А. Р. Ингеманссон,

B. В. Жуков; заявитель и патентообладатель Акционерное общество «Федеральный научно-производственный центр «Титан-Баррикады». -№ 2020615978; заявл. 27.03.2020; опубл. 5.06.2020.

80. Система автоматизированного технологического управления износостойкостью деталей машин при обработке резанием / А. Г. Суслов [и др.] // Наукоемкие технологии в машиностроении. - 2018. - № 5. - С. 40-44.

81. Системы адаптивного управления «Omative ACM» для металлобрабатывающих станков с ЧПУ [Электронный ресурс] : техническая спецификация. - 2015. - Режим доступа : https://www.intechnology.ru/img/file/11-03-2015/08-09-

2015/omative_acm_i_ais_dispetcher_tehnicheskaya_speciaifkaciya. pdf (дата обращения: 01.05.2020).

82. Система технологического обеспечения разработки и постановки

253

на производство изделий космической техники. Термины и определения : ГОСТ Р 57945-2017. - Введ. 14.11.2017. - М. : Стандартинформ, 2018. - 20 с. - (Национальный стандарт Российской Федерации).

83. Смазочно-охлаждающие технологические средства и их применение при обработке резанием: справочник / Л. В. Худобин [и др.]; под ред. Л. В. Худобина. - М. : Машиностроение, 2006. - 544 с.

84. Смирнов, А. MDC-MAX 5 - система мониторинга станков / А. Смирнов // CAD/CAM/CAE Observer. - 2007. - № 5. - С. 76-78.

85. Солодков, В. А. Физические основы контактных процессов при прерывистом резании: монография / В. А. Солодков. - Волгоград : ВолгГТУ, 2018. - 156 с.

86. Соломенцев, Ю. М. Планирование в современных системах управления производством / Ю. М. Соломенцев, Р. Р. Загидуллин, Е. Б. Фролов // Информационные технологии и вычислительные системы. -2010. - № 4. - С. 77-87.

87. Справочник технолога / под общей ред. А. Г. Суслова. - М. : Инновационное машиностроение, 2019. - 800 с.

88. Справочник технолога-машиностроителя. В 2-х т. Т. 1. / А. М. Дальский [и др.]; под ред. А. М. Дальского [и др.]. - 5-е изд., перераб. и доп. - М. : Машиностроение-1, 2001. - 912 с.

89. Справочник технолога-машиностроителя. В 2-х т. Т. 2. /

A. М. Дальский [и др.]; под ред. А. М. Дальского [и др.]. - 5-е изд., перераб. и доп. - М. : Машиностроение-1, 2001. - 942 с.

90. Стали и сплавы. Марочник / В. Г. Сорокин [и др.]; под ред.

B. Г. Сорокина и М. А. Гервасьева. - М. : Интермет Инжиниринг, 2001. -608 с.

91. Старков, В. К. Дислокационные представления о резании металлов / В. К. Старков. - М. : Машиностроение, 1979. - 160 с.

92. Старков, В. К. Обработка резанием. Управление стабильностью и качеством в автоматизированном производстве / В. К. Старков. -М. : Машиностроение, 1989. - 296 с.

93. Старков, В. К. Физика и оптимизация резания материалов / В. К. Старков. - М. : Машиностроение, 2009. - 640 с.

94. Стратегическое направление в области цифровой трансформации обрабатывающих отраслей промышленности [Электронный ресурс] : Распоряжение Правительства Российской Федерации № 3142-р от 6.11.2021 г. - Режим доступа : http://static.government.rumediafilesYu4vXEtPvMyDVAw88UuBGB3dGEr6r8zP .pdf (дата обращения: 10.11.2021).

95. Суслов, А. Г. Автоматизированное обеспечение комплексного параметра качества поверхностного слоя Сх при механической обработке / А. Г. Суслов, Д. И. Петрешин // Наукоемкие технологии в машиностроении. -2011. - № 2. - С. 34-39.

96. Суслов, А. Г. Научные основы технологии машиностроения / А. Г. Суслов, А. М. Дальский. - М. : Машиностроение, 2002. - 684 с.

97. Табаков, В. П. Износостойкие покрытия режущего инструмента, работающего в условиях непрерывного резания / В. П. Табаков, А. В. Чихранов. - Ульяновск : УлГТУ, 2007. - 255 с.

98. Талантов, Н. В. Физические основы процесса резания, изнашивания и разрушения инструмента / Н. В. Талантов. - М. : Машиностроение, 1992. - 240 с.

99. Технологическая наследственность в машиностроительном производстве / А. М. Дальский, Б. М. Базров, А. С. Васильев [и др.], под ред. А. М. Дальского. - М. : МАИ, 2000. - 364 с.

100. Технологические свойства новых СОЖ для обработки резанием / М. И. Клушин [и др.]; под ред. М. И. Клушина. - М. : Машиностроение, 1979. - 192 с.

101. Технологическое обеспечение создания продукции. Основные положения : ГОСТ Р 50995.0.1-96. - Введ. 01.07.97. - М. : Госстандарт России, 1997. - 16 с. - (Государственный стандарт Российской Федерации).

102. Технологическое обеспечение создания продукции. Технологическая подготовка производства : ГОСТ Р 50995.3.1-96. - Введ. 01.07.97. - М. : Госстандарт России, 1997. - 20 с. - (Государственный стандарт Российской Федерации).

103. Улучшение обрабатываемости резанием сталей с различным строением при опережающем пластическом деформировании / Ю. Н. Полянчиков [и др.] // СТИН. - 2010. - № 10. - С. 28-30.

104. Федонин, О. Н. Модернизация металлообрабатывающих станков, применяемых в условиях автоматизированного производства / О. Н. Федонин [и др.] // Вестник Брянского государственного технического университета. -2009. - № 3. - С. 57-59.

105. Федоров, В. П. Диагностика технологических систем по надежности обеспечения заданных параметров качества обрабатываемых поверхностей деталей / В. П. Федоров, А. Г. Суслов, М. Н. Нагоркин // Наукоемкие технологии в машиностроении. - 2020. - № 1. - С. 15-24.

106. Физические величины: справочник / А. П. Бабичев [и др.]; под ред. И. С. Григорьева и Е. З. Мейлихова. - М. : Энергоатомиздат, 1991. -1232 с.

107. Фокин, М. О. Проблемы надежности режущего инструмента в современном автоматизированном производстве / М. О. Фокин // Машиностроение - основа технологического развития России ТМ-2013: сб. науч. ст. V Междунар. науч.-техн. конф. - Курск : Юго-Зап. гос. ун-т., 2013. -С. 230-232.

108. Хартли, Дж. ГПС в действии: пер. с англ. / Дж. Хартли. - М. : Машиностроение, 1987. - 328 с.

109. Хомутов, Р. Н. Методика оценки эффективности применения

256

прогрессивного режущего инструмента при токарной обработке изделий на станках с ЧПУ / Р. Н. Хомутов, Ю. Н. Селезнев, Е. И. Яцун // Машиностроение - основа технологического развития России ТМ-2013: сб. науч. ст. V Междунар. науч.-техн. конф. - Курск : Юго-Зап. гос. ун-т., 2013. -С. 220-225.

110. Хубер, А. С. Концепция «Индустрия 4.0». Цифровая фабрика / А. С. Хубер // PLM эксперт. Инновации в промышленности. - 2016. - № 7. -С. 36-43.

111. Чигиринская, Н. В. Планирование эксперимента в задачах техники и экономики: учеб. пособие. / Н. В. Чигиринская, Ю. Л. Чигиринский, А. С. Горобцов. - Волгоград : ВолгГТУ, 2015. - 96 с.

112. Чигиринский, Ю. Л. Стохастическое моделирование в машиностроении: учеб. пособие. / Ю. Л. Чигиринский, Н. В. Чигиринская, Ю. М. Быков. - Волгоград : ВолгГТУ, 2002. - 68 с.

113. Шваб, К. Технологии четвертой промышленной революции: пер. с англ. / К. Шваб, Н. Дэвис. - М. : Эксмо, 2018. - 320 с.

114. Adaptive controller design for feedrate maximization of machining process / F. Cus [et al.] // Journal of Achievements in Materials and Manufacturing Engineering. - 2006. - Vol. 17, iss. 1-2. - P. 237-240.

115. Balaji, A. K. An «effective cutting tool thermal conductivity» based model for tool-chip contact in machining with multi-layer coated cutting tools / A. K. Balaji, V. S. Mohan // Machining Science and Technology. - 2002. - Vol. 6, № 3. - P. 415-436.

116. Bartevyan, L. Industry 4.0 - Summary report / L. Bartevyan // DLG-Expert report. - 2015. - Vol. 5. - P. 1-8.

117. Berglind, L. Modeling of machining process / L. Berglind, E. Ozturk // Twin-control. A digital twin approach to improve machine tools lifecycle. -Switzerland : Springer Publ., 2019. - Chap. 4 - P. 57-93.

118. Big Daishowa. High precision toolholders: catalogue. - Japan : Big

257

Daishowa Seiki Ltd., 2016. - P. 324.

119. Chang, P. AI case study / P. Chang // Breakthrough. - 2018. - Vol. 10, iss. 38. - P. 12-15.

120. Chang, P. AXILE reliability technology (ART) - solutions for intelligent machine / P. Chang // Breakthrough. - 2018. - Vol. 10, iss. 38. - P. 1618.

121. Chiang, H. F. Study of motorized spindle reliability monitoring / Part

I / H. F. Chiang, Y. L. He, P. Chang // The challenger. - 2017. - Vol. 9, iss. 35. -P. 10-14.

122. Chiang, H. F. Study of motorized spindle reliability monitoring / Part

II / H. F. Chiang, Y. L. He, P. Chang // The challenger. - 2017. - Vol. 9, iss. 36. -P. 10-13.

123. Chiang, H. F. Study of motorized spindle reliability monitoring / Part

III / H. F. Chiang, Y. L. He, P. Chang // Breakthrough. - 2018. - Vol. 10, iss. 37. -P. 12-16.

124. Condition monitoring of CNC machining using adaptive control / B. S. Prasad [et al.] // International Journal of Automation and Computing. - 2013. - Vol. 10. - P. 202-209.

125. Cyber-physical system to improve machining process performance / M. Armendia [et al.] // Twin-control. A digital twin approach to improve machine tools lifecycle. - Switzerland : Springer Publ., 2019. - Chap. 12 - P. 197-208.

126. Deb, S. Intelligent machining: computational methods and optimization / S. Deb, U. S. Dixit // Machining: fundamentals and recent advantages. - G. B. : Springer - Verlag London Limited Publ., 2008. - Chap. 12 -P. 329-358.

127. Development and evaluation of intelligent machine tools based on knowledge evolution in M2M environment / D. H. Kim [et al.] // Journal of Mechanical Science and Technology, 2009. - Vol. 23. - P. 2807-2813.

128. Effect of adhesion and tribological properties of modified composite nanostructured multi-layer nitride coatings on WC-Co tools life / A. Vereshaka [et al.] // Tribology International. - 2018. - Vol. 128. - P. 313-327.

129. Efficient algorithm of energy minimization for heterogeneous wireless sensor network / M. Qiu [et al.] // Proceedings of the International Conference: Embedded and Ubiquitous Computing (EUC 2006). Lecture Notes in Computer Science. - Germany : Springer Publ., 2006. - Vol. 4096. - P. 25-34.

130. Fuzzy control strategy for an adaptive force control in end-milling / U. Zuperl, F. Cus, M. Milfelner // Journal of Materials Processing Technology. -2005. - Vol. 164-165. - P. 1472-1478.

131. Fuzzy feedback scheduling algorithm based on central processing unit utilization for a software-based computer numerical control system / J. Wan [et al.] // Proceedings of the Institution of Mechanical Engineers. Part B: Journal of Engineering Manufacture, 2010. - Vol. 224, no. 7. - P. 1133-1143.

132. Grosspietsch, J. Tool identification with Tool-ID from Balluff at Volkswagen engine plant Salzgitter / J. Grosspietsch // RFID and wireless IoT global. - 2017. - Vol. 11. - P. 15.

133. Grzesik, W. Machining of hard materials / W. Grzesik // Machining: fundamentals and recent advantages. - G. B. : Springer - Verlag London Limited Publ., 2008. - Chap. 4 - P. 97-126.

134. Heuchemer, B. Production of the future / B. Heuchemer // Motion world. - 2013. - Vol. 7. - P. 4-6.

135. Improvement of wear performance of nano-multilayer PVD coatings under dry hard end milling conditions based on their architectural development / S. Shahereen [et al.] // Coatings - 2018. - Vol. 8, Iss. 2. - P. 59.

136. Influence of thickness of multilayer composite nano-structured coating Ti-TiN-(Ti,Al,Cr)N on tool life of metal-cutting tool / A. Vereshaka [et al.] // Procedia CIRP - 2018. - Vol. 77. - P. 545-548.

137. Ingemansson, A. R. Characteristics, composition, mechanism of function and modern aspects of implementation of digital production systems in mechanical engineering industry / A. R. Ingemansson // Proceedings of the 5th International Conference on Industrial Engineering (ICIE 2019). - 2020. - Vol. 2. - P. 1167-1174.

138. Ingemansson, A. R. The development of informational-executive cyber-physical systems in materials production and metalworking / A. R. Ingemansson // Innovative Technologies in Engineering: From Design to Competitive Product. - 2019. - Vol. 973. - P. 200-205.

139. Investigation of wear and diffusion processes on rake faces of carbide inserts with Ti-TiN-(Ti,Al,Si)N composite nanostructured coating / A. Vereshaka [et al.] // Wear - 2018. - Vol. 416-417. - P. 72-80.

140. Klocke, F. Manufacturing process 1. Cutting / F. Klocke. - Germany : Springer Publ., 2011. - 504 p.

141. Korloy. Metal cutting tools: catalogue. - South Korea : Korloy Publ., 2017. - P. 1060.

142. Kurringer, M. Industry 4.0 / М. Kurringer // Heller Company Press News. - 2016. - режим доступа : https:// www.heller.biz/en/company/press/news/article/industry-40. (дата обращения: 15.04.2016).

143. Lee, J. A cyber-physical systems architecture for industry 4.0-based manufacturing systems / J. Lee, B. Bagheri, H. A. Kao // Manufacturing Letters. -2015. - Vol. 3. - Р. 18-23.

144. Lee, J. Industrial big data analytics and cyber-physical systems for future maintenance and service innovation / J. Lee [et al.] // The Fourth International Conference on Through-life Engineering Services. Procedia CIRP 38, 2015. - Р. 3-7.

145. Machining parameters effect in dry turning of AISI 316L stainless steel using coated carbide tools / R. Nur [et al.] // Journal of Process Mechanical Engineering. - 2017. - Vol. 231. - P. 676-683.

146. Morehead, M. D. Chip morphology characterization and modeling in machining hardened 52100 steels / M. D. Morehead, Y. Huang, J. Luo // Machining Science and Technology. - 2007. - Vol. 11, № 3. - P. 335-354.

147. Muller, D. Efficiency booster / D. Muller // Z.Magazine. - 2016. -Vol. 2. - P. 60-67.

148. Peverill, I. A step change in affordable machine health monitoring / I. Peverill // Focus. - 2017. - Vol. 110. - P. 15.

149. Sadik, M. I. An introduction to cutting tools materials and applications / M. I. Sadik. - Sweden : Elanders Publ., 2013. - 208 p.

150. Sandvik Coromant. Machining work manual: Guide / Sandvik Coromant. - Sweden : Elanders Publ., 2010. - 803 p.

151. Technology of metal cutting: Guideline / Sandvik Coromant. -Sweden : Elanders Publ., 2009. - 359 p.

152. The new generation of smart driven toolholders with intelligent condition monitoring // WTO. - 2017. - Vol. 9. - P. 1-4.

153. Trent, E. M. Metal cutting / E. M. Trent, P. K. Wright. - 4th ed. -USA : Butterworth-Heinemann Publ., 2000. - 446 p.

154. Twin-control. A digital twin approach to improve machine tools lifecycle / eds. M. Armendia [et al.]. - Switzerland : Springer Publ., 2019. - 296 p.

155. Twin-control evaluation in industrial environment: automotive case / M. Armendia [et al.] // Twin-control. A digital twin approach to improve machine tools lifecycle. - Switzerland : Springer Publ., 2019. - Chap. 16 - P. 261-294.

156. Ucun, I. Numerical simulation of orthogonal machining process using multilayer and single-layer tools / I. Ucun, K. Aslantas // International Journal of Advanced Manufacturing Technology. - 2011. - № 54. - P. 899-910.

157. Wahlster, W. Industry 4.0: The Semantic Product Memory as a Basis for Cyber-Physical Production Systems / Talk of presentation, 27, May, 2013; Zurich. - режим доступа : https:// www.ida.lui.se/ida30/program/Wolfgang_Wahlster-IDA30-20130924-Industrie_4_0_Active_Semantic_Memories_for_Smart_Factories.pdf. (дата обращения: 06.04.2016).

158. Wan, J. From machine-to-machine communications towards cyber-physical systems / J. Wan [et al.] // ComSIS. - 2013. - Vol. 10/3. - Р. 1105-1128.

159. Wang, S. Implementing smart factory of industrie 4.0: an outlook. / S. Wang [et al.] // International Journal of Distributed Sensor Networks. - 2016. -Vol. 2016. - Р. 23-33.

160. Why should you buy «SafePilote»? [Электронный ресурс] : Digital way group. - 2020. - Режим доступа : https://www.digitalway.fr/machine-crash-protection-2/why-buy-safepilote/ (дата обращения: 01.05.2020).

161. Why should you buy «WattPilote»? [Электронный ресурс] : Digital way group. - 2020. - Режим доступа : https://www.digitalway.fr/cutting-tool-monitoring/why-buy-wattpilote/ (дата обращения: 01.05.2020).

162. Widia. Turning tool: Catalogue. - Germany : Widia Publ., 2017. -

657 p.

163. Working efficiency of cutting tools with multilayer nano-structured Ti-TiCN-(Ti,Al)CN and Ti-TiCN-(Ti,Al,Cr)CN coatings: analysis of cutting properties, wear mechanism and diffusion processes / A. Vereshaka [et al.] // Surface and Coatings Technology. - 2017. - Vol. 332. - P. 198-213.

164. Yang, S. A Unified framework and platform for designing of cloud-based machine health monitoring and manufacturing systems / S. Yang [et al.] // ASME Journal of Manufacturing Science and Engineering. - 2015. - Vol. 137. -Р. 040914-1 - 040914-6.

Приложение 1

Матрицы планирования и результаты многоуровневых полных факторных экспериментальных исследований.

Предварительное точение ^ = 2 мм) стали 40Х

Комбинация факторов Подача, мм/об Скорость резания, м/мин Коэф.теплопроводности инструментального материала, Вт/(м*К) Твердость HB обрабатываемого материала Шероховатость Ra, мкм

Первый фактор Второй фактор Третий фактор Четвертый фактор Результирующая функция

номер значение значение значение значение значение

1 0,3 60 15 230 3,57

2 0,4 60 15 230 4,92

3 0,5 60 15 230 5,76

4 0,3 90 15 230 3,05

5 0,4 90 15 230 3,32

6 0,5 90 15 230 4,64

7 0,3 120 15 230 2,65

8 0,4 120 15 230 2,94

9 0,5 120 15 230 4,82

10 0,3 60 11 230 3,22

11 0,4 60 11 230 3,53

12 0,5 60 11 230 6,8

13 0,3 90 11 230 3,58

14 0,4 90 11 230 4,23

15 0,5 90 11 230 7,08

16 0,3 120 11 230 3,33

17 0,4 120 11 230 4,16

18 0,5 120 11 230 6,88

19 0,3 60 51 230 3,94

20 0,4 60 51 230 4,46

21 0,5 60 51 230 7,2

22 0,3 90 51 230 3,13

23 0,4 90 51 230 4,35

24 0,5 90 51 230 6,37

25 0,3 120 51 230 2,93

26 0,4 120 51 230 3,83

27 0,5 120 51 230 5,48

28 0,3 60 15 300 2,75

29 0,4 60 15 300 3,82

30 0,5 60 15 300 4,66

31 0,3 90 15 300 2,53

32 0,4 90 15 300 3,74

33 0,5 90 15 300 4,88

34 0,3 120 15 300 2,63

35 0,4 120 15 300 3,75

36 0,5 120 15 300 4,52

Первый фактор Второй фактор Третий фактор Четвертый фактор Результирующая функция

37 0,3 60 11 300 3,13

38 0,4 60 11 300 3,52

39 0,5 60 11 300 6,44

40 0,3 90 11 300 3,32

41 0,4 90 11 300 4,21

42 0,5 90 11 300 5,99

43 0,3 120 11 300 3,32

44 0,4 120 11 300 4,24

45 0,5 120 11 300 6,12

46 0,3 60 51 300 3,79

47 0,4 60 51 300 4,56

48 0,5 60 51 300 6,21

49 0,3 90 51 300 3,73

50 0,4 90 51 300 4,18

51 0,5 90 51 300 5,65

52 0,3 120 51 300 3,37

53 0,4 120 51 300 3,83

54 0,5 120 51 300 5,18

55 0,3 60 15 370 2,78

56 0,4 60 15 370 3,35

57 0,5 60 15 370 4,3

58 0,3 90 15 370 2,74

59 0,4 90 15 370 3,29

60 0,5 90 15 370 4,41

61 0,3 120 15 370 1,21

62 0,4 120 15 370 2,09

63 0,5 120 15 370 3,1

64 0,3 60 11 370 1,85

65 0,4 60 11 370 2,9

66 0,5 60 11 370 4,2

67 0,3 90 11 370 2,68

68 0,4 90 11 370 3,37

69 0,5 90 11 370 3,82

70 0,3 120 11 370 2,73

71 0,4 120 11 370 3,37

72 0,5 120 11 370 4,02

73 0,3 60 51 370 3,27

74 0,4 60 51 370 4,34

75 0,5 60 51 370 5,95

76 0,3 90 51 370 3,48

77 0,4 90 51 370 4,38

78 0,5 90 51 370 5,9

79 0,3 120 51 370 3,1

80 0,4 120 51 370 4,05

81 0,5 120 51 370 5,1

Комбинация факторов Подача, мм/об Скорость резания, м/мин Коэф.теплопроводности инструментального материала, Вт/(м*К) Твердость HB обрабатываемого материала Шероховатость Ra, мкм

Первый фактор Второй фактор Третий фактор Четвертый фактор Результирующая функция

номер значение значение значение значение значение

1 0,08 100 15 230 1,05

2 0,16 100 15 230 1,67

3 0,25 100 15 230 2,95

4 0,08 150 15 230 0,48

5 0,16 150 15 230 1,54

6 0,25 150 15 230 2,25

7 0,08 200 15 230 0,43

8 0,16 200 15 230 1,32

9 0,25 200 15 230 2,23

10 0,08 100 11 230 0,78

11 0,16 100 11 230 1,07

12 0,25 100 11 230 2,04

13 0,08 150 11 230 0,44

14 0,16 150 11 230 1,18

15 0,25 150 11 230 2,14

16 0,08 200 11 230 0,38

17 0,16 200 11 230 0,92

18 0,25 200 11 230 1,85

19 0,08 100 51 230 1,12

20 0,16 100 51 230 2,32

21 0,25 100 51 230 3,26

22 0,08 150 51 230 1,08

23 0,16 150 51 230 1,69

24 0,25 150 51 230 2,96

25 0,08 200 51 230 1,22

26 0,16 200 51 230 1,82

27 0,25 200 51 230 2,71

28 0,08 100 15 300 0,85

29 0,16 100 15 300 1,24

30 0,25 100 15 300 1,91

31 0,08 150 15 300 0,82

32 0,16 150 15 300 1,03

33 0,25 150 15 300 2,08

34 0,08 200 15 300 0,63

35 0,16 200 15 300 1,26

36 0,25 200 15 300 1,76

37 0,08 100 11 300 0,51

38 0,16 100 11 300 0,97

39 0,25 100 11 300 1,81

40 0,08 150 11 300 0,37

41 0,16 150 11 300 0,86

Первый Второй Четвертый Результирующая

фактор фактор фактор функция

42 0,25 150 11 300 1,79

43 0,08 200 11 300 0,35

44 0,16 200 11 300 0,83

45 0,25 200 11 300 1,48

46 0,08 100 51 300 0,89

47 0,16 100 51 300 1,94

48 0,25 100 51 300 2,57

49 0,08 150 51 300 0,82

50 0,16 150 51 300 1,37

51 0,25 150 51 300 2,31

52 0,08 200 51 300 0,82

53 0,16 200 51 300 1,54

54 0,25 200 51 300 2,45

55 0,08 100 15 370 0,37

56 0,16 100 15 370 0,91

57 0,25 100 15 370 1,73

58 0,08 150 15 370 0,4

59 0,16 150 15 370 0,68

60 0,25 150 15 370 1,85

61 0,08 200 15 370 0,33

62 0,16 200 15 370 0,65

63 0,25 200 15 370 1,8

64 0,08 100 11 370 0,48

65 0,16 100 11 370 0,81

66 0,25 100 11 370 1,52

67 0,08 150 11 370 0,41

68 0,16 150 11 370 0,71

69 0,25 150 11 370 1,39

70 0,08 200 11 370 0,31

71 0,16 200 11 370 0,68

72 0,25 200 11 370 1,21

73 0,08 100 51 370 0,79

74 0,16 100 51 370 1,17

75 0,25 100 51 370 1,86

76 0,08 150 51 370 0,46

77 0,16 150 51 370 0,98

78 0,25 150 51 370 1,67

79 0,08 200 51 370 0,44

80 0,16 200 51 370 0,86

81 0,25 200 51 370 1,65

Комбинация факторов Подача, мм/об Скорость резания, м/мин Коэф.теплопроводности инструментального материала, Вт/(м*К) Твердость HB обрабатываемого материала Шероховатость Ra, мкм

Первый фактор Второй фактор Третий фактор Четвертый фактор Результирующая функция

номер значение значение значение значение значение

1 0,3 60 20 190 2,83

2 0,4 60 20 190 3,49

3 0,5 60 20 190 5,69

4 0,3 90 20 190 3,5

5 0,4 90 20 190 3,98

6 0,5 90 20 190 5,05

7 0,3 120 20 190 3,64

8 0,4 120 20 190 3,83

9 0,5 120 20 190 5,42

10 0,3 60 11 190 3,11

11 0,4 60 11 190 4,53

12 0,5 60 11 190 5,43

13 0,3 90 11 190 3,37

14 0,4 90 11 190 4,69

15 0,5 90 11 190 6,68

16 0,3 120 11 190 3,43

17 0,4 120 11 190 4,69

18 0,5 120 11 190 6,73

19 0,3 60 51 190 1,89

20 0,4 60 51 190 2,95

21 0,5 60 51 190 4,34

22 0,3 90 51 190 2,33

23 0,4 90 51 190 4,15

24 0,5 90 51 190 6,39

25 0,3 120 51 190 3,92

26 0,4 120 51 190 5,31

27 0,5 120 51 190 6,5