가공 프로세스용 디지털 트윈

디지털 트윈은 점점 더 많은 제조 영역에 생명과 혁신을 불어넣을 뿐만 아니라 모든 규모의 기계 공장의 문제를 해결하고 있습니다. 숙련된 노동력 부족과 첨단 제조 기술을 미국으로 되돌리기 위한 지속적인 노력으로 디지털 트윈은 많은 것을 제공할 수 있습니다. 기계와 프로세스를 디지털화하면 CNC, 프로그램, 프로세스, 툴링 및 설정에 대한 깊은 이해가 가능해집니다.

또한 경쟁이 치열해짐에 따라 상점은 효율성을 높여 운영을 늘리고 최적화해야 합니다. 기존 제조 프로세스를 디지털화하면 가상 세계에서 생산 프로세스를 입증하여 운영 효율성을 높일 수 있습니다.

마지막으로 수익성의 적은 불확실성이며, 세계화 된 경제 상황에서 불확실성은 거의 보장되어 있습니다. 디지털 트윈을 통한 올바른 관리는 딸꾹질을 방지하고 생산성을 극대화하는 조치를 취하는 데 도움이 될 수 있습니다.

디지털 트윈 이해

공작 기계의 디지털 트윈은 실제 구성 데이터가 제공되는 가상 제어 장치와 연결된 기계의 가상 표현입니다. 이는 공작 기계 설정을 그 어느 때보다 정확하게 최적화하고 입증할 수 있기 때문에 모델 및 파라메트릭 기반 시뮬레이션을 새로운 차원으로 끌어 올렸습니다.

일반적으로 CAM 시스템과 후처리기는 운동학, 사용 가능한 G 코드 또는 누군가 매개변수를 변경하는 경우와 같은 기계에 대한 직접적인 지식이 없습니다. CAM 기반 시뮬레이션 또는 일반 G-코드 시뮬레이션 패키지는 CNC의 디지털 트윈이 없거나 특정 기계 컨트롤러에 대한 직접 통신이 없기 때문에 이러한 변경이 프로그램 또는 사이클 시간에 어떤 영향을 미치는지 보여줄 수 없습니다.

수동 프로세스는 일반적으로 CAM 또는 G 코드 시뮬레이션을 설정하는 데 사용되므로 많은 경우 프로그램이 개별 기계에 최적화되어 있지 않거나 프로그램이 많은 최신 프로그래밍 기능을 활용하지 못합니다. 프로그램이 대상 컴퓨터에서 실행되지 않을 수도 있습니다.

상점이 직면한 또 다른 문제는 포스트와 프로그램이 종종 기계나 툴링에 최적화되어 있지 않다는 것입니다. 예를 들어, 작업자는 프로그래밍된 이송 속도로 기계를 작동하는 것에 대한 우려 때문에 더 낮은 이송 속도로 공구를 실행할 수 있습니다. 이는 시간 손실, 생산성 손실 및 낮은 효율성으로 이어집니다.

반면 가상화는 CNC와 CAM 시스템 간의 상호 운용성을 가능하게 합니다. 이것은 CNC 및/또는 기계가 지원하는 기능을 기반으로 프로그램을 게시하는 데 도움이 됩니다. 프로그램이 게시되면 기초가 기계 운동학 및 실제 CNC 매개변수를 사용하기 때문에 단순한 시뮬레이션을 넘어 가상화된 환경을 생성할 수 있습니다. PC가 CNC 설정에 대한 지식이 없기 때문에 CAM 및 G-코드 시뮬레이션은 지금까지 테스트만 수행할 수 있습니다. 디지털 트윈을 사용하여 실제 CNC 및 기계 설정을 증명하면 오류 가능성이 크게 줄어듭니다.

또한 디지털 트윈은 허용 오차가 높은 제품을 필요로 하는 첨단 산업에 공급되는 보다 정확한 구성 요소에 대한 수요를 충족하는 데 도움이 될 수 있습니다. 가공이 더욱 복잡해짐에 따라 가장 효율적인 프로세스를 갖는 것이 중요합니다. 많은 전통적인 방법은 기계가 생산 중단되기 때문에 병목 현상을 일으키는 설정 절차와 같이 귀중한 생산 시간을 낭비합니다. 디지털 트윈을 사용하면 가상화된 환경에서 프로그램을 테스트할 수 있습니다. 가상 CNC는 실제 프로그래밍된 커터 경로를 정확하게 따르고 실제 사이클 시간을 생성합니다. 기구학이 정확히 일치하는 가상화된 기계에 연결되면 디지털 트윈은 기계가 실행 중인 현재 프로세스를 중단하지 않고 정확한 검증을 가능하게 합니다. 또한 사무실에서 프로세스를 입증하면 기계가 계속 작동할 수 있습니다.

인력 개발을 위한 디지털 트윈

디지털 트윈은 공작 기계의 복제품이기 때문에 디지털 트윈에 대한 교육은 CNC 기술 격차를 줄이고 부품 프로그래밍 및 공작 기계 작동과 같은 작업 현장 필수 사항을 가르치는 귀중한 도구입니다. 디지털 트윈은 사용자에게 실제 기계를 생산 중단하지 않고도 실제와 같은 가공 경험과 교육을 제공합니다.

잡샵을 위한 디지털화 도구

FANUC America는 ModuleWorks와 협력하여 인력 개발 소프트웨어와 G 코드 편집, 시뮬레이션 및 프로그램 검증을 지원하는 새롭고 강력한 부품 프로그래밍 제품군인 NC Reflection Studio를 개발했습니다. 이 모든 것이 숙련된 기계공을 만들고 기계 공장을 최적화할 수 있는 도구를 제공합니다. 이 엔드 투 엔드 디지털화는 CNC 산업을 위한 인더스트리 4.0의 힘을 진정으로 드러낼 것입니다.

SME, 2022년 Sandra L. Bouckley 뛰어난 젊은 제조 엔지니어 발표

올해의 22명의 수상자는 다양한 제조 배경, 기술 발전/개선 및 최첨단 연구를 기반으로 선정되었습니다. 2022 상은 2017 SME 사장 Sandra L. Bouckley, FSME, P.Eng., 전 SME CEO이자 GKN Driveline Americas의 제조 시스템, 공급망 관리 및 린(lean) 부문의 전 부사장입니다.

이 표창을 위해 SME의 회원 자격이 요구되지는 않지만, 2022년 Sandra L. Bouckley 우수 젊은 제조 엔지니어 각각은 SME 커뮤니티의 일부이며 선택 이전에 회원이었습니다.

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

Wen Chen, PhD, University of Massachusetts Amherst, Amherst, Mass.

Xu Chen, PhD, University of Washington, 시애틀

Nancy Diaz-Elsayed, PhD, University of South Florida, Hillsborough County, Fla.

Amy Elliott, PhD, Oak Ridge 국립 연구소, Oak Ridge, Tenn.

Thomas Feldhausen, 박사, Oak Ridge 국립 연구소, 테네시주 녹스빌.

Kelvin Fu, PhD, University of Delaware, Newark, Del.

Michael Gomez, PhD, MSC Industrial Supply Co., 테네시주 녹스빌 소재

장진아, PhD, 포항공과대학교, 포항, 대한민국

보진, 로스앤젤레스 남가주대학교 박사

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

Geoff Karpa, Lockheed Martin Aeronautics Co., 텍사스주 포트워스

Vipin Kumar, 박사, Oak Ridge 국립 연구소, 테네시주 녹스빌.

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

Laura Pahren, Procter &Gamble Co., 오하이오주 메이슨

Kyle Saleeby, PhD, Oak Ridge 국립 연구소, 테네시주 녹스빌 소재

Ryan Sekol, 박사, General Motors Research &Development, Warren, Mich.

Xuan Song, PhD, University of Iowa, Iowa City, Iowa

Peng "Edward" Wang, PhD, University of Kentucky, Lexington, Ky.

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

Yang Yang, 박사, San Diego State University, San Diego

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

SME는 이 상을 통해 40년 넘게 470명 이상의 젊은 제조 엔지니어의 업적과 이들이 제조에 미친 영향을 강조했습니다. SME는 8월 1일까지 sme.org/oyme에서 ​​2023년 우수 젊은 제조 엔지니어 상 후보를 환영합니다.