COMPUTER-AIDED
PROCESS
PLANNING
Ultimo aggiornamento: 10/12/11
Prof. Gino Dini – Università di Pisa
Vantaggi nell’uso dei sistemi CAPP
• Riduzione del tempo necessario alla
pianificazione del processo
• Riduzione dei costi
• Ottimizzazione dei cicli
• Omogeneità dei cicli
• Integrazione informatica
Schema di un sistema CAPP
CAD
Selezione di:
macchine
utensili,
attrezzature, ecc.
Ciclo di
fabbricazione
Data base
(conoscenza
tecnologica)
Integrazione con la fase CAD
Data base
modelli 3D
Data base
disegni 2D
Ricerca dati
geometrici
Ricerca dati
tecnologici
Associazione
informazioni
geometriche e
tecnologiche
CAPP
Tipologie esistenti di sistemi CAPP
• Sistemi CAPP varianti
• Sistemi CAPP generativi
CAPP variante: fase preparatoria
Analisi dei pezzi e
creazione famiglie
Ciclo
famiglia A
Ciclo
famiglia B
Data base
cicli di
lavorazione
Ciclo
famiglia C
Prodotti
Preparazione cicli
CAPP variante: fase operativa
Disegno
del pezzo
Identificazione
famiglia
e ricerca ciclo
Eventuale
variazione del
ciclo
Data base
cicli di
lavorazione
Tipologie esistenti di sistemi CAPP
• Sistemi CAPP varianti
• Sistemi CAPP generativi
Sistema CAPP generativo
Sistema CAPP generativo
Base della conoscenza: albero decisionale
Toll. < 0,05
1. Centratura
2. Foratura
3. Alesatura
D < 5 mm
Toll.  0,05
Foro
5  D < 10 mm
Superficie
Slot
Impiego dei sistemi CAPP
No. pezzi
per
famiglia
VARIANTI
GENERATIVI
PLANNING
MANUALE
No. di famiglie
Altre aree di impiego dei sistemi CAPP
• Montaggio
• Misura
• Smontaggio
• Deformazione plastica
CAPP per il montaggio
CAPP per il montaggio
CAPP per il montaggio
CAPP nel montaggio
1
1
+y
2
+y
+x
1
2
3
+y
+x
+x
Assembly sequence
Optimization
Minimization of
gripper changes
Minimization of
products
re-orientations
Tecnica Ant Colony Optimization
pheromone
trail
nest
obstacle
food
Tecnica Ant Colony Optimization
nest
obstacle
food
Tecnica Ant Colony Optimization
Assumptions:
 ant trails joining the nest and the food correspond to
the assembly sequences;
 the nest is represented by the first component of the
sequence, and the food by the last component;
 the concept of trail length (to be minimized) is
substituted by the concept of sequence quality (to be
maximized).
Tecnica Ant Colony Optimization
Schematization:
 the product is represented by a network of nodes
connected by links;
Tecnica Ant Colony Optimization
1
2
3
1(g1,-y)
1(g1,-x)
1(g1,+x)
+y
+x
Available grippers
Element
Gripper
1
g1
2
g2, g3
3
g3
3(g3,+x)
1(g1,+y)
3(g3,-x)
2(g2,-y)
2(g3,+y)
2(g2,+y)
2(g3,-y)
Basic expressions of ACO
Probability p that an ant moves along a given link
link i,1
link i,2
node
ith
link i,3

 i, j (t ) i, j  Di, j (t )
pi ( g ', d '), j ( g ", d ") (t )  l m n



    i, r ( s, k ) (t ) i, r ( s, k )  Di, r ( s, k ) (t )
r 1s 1k 1
Basic expressions of ACO
Quantity of pheromone  on trails
link i,1 (preferred)
link i,2
node ith
link i,3
SN
 i ( g ',d '), j ( g ",d ") (t )  q
N
Implementation of ACO
SEQUENCE DETECTION
Input data
Product representative model
Ant i-th leaves
the start node
Gripper table
ACO parameters
Output
Ant i-th reaches
the end node
The pheromone quantity
is updated
Trail having the greatest
amount of pheromone
=
BEST ASSEMBLY SEQUENCE
Algorithm
termination ?
Example of result
17
18
9
15
16
6
11
5
12
19
14
10
2
7
1
13
8
3
4
Part
Gripper
Part
Gripper
1
2
3
4
5
6
7
8
9
10
G1 G2
G3
G5
G1 G2 G4
G3 G1
G1 G4
G1 G2 G3
G3
G6
G1 G2 G4
11
12
13
14
15
16
17
18
19
G3
G3
G3 G4
G7
G7
G2
G1 G2 G5
G8
G3
Example of result
Best assembly sequence:
1 2 8 13 7 14 5 12 19 11 9 10 6 17 18 15 16 4 3
Gripper sequence (9 changes):
G1 G3 G3 G3 G3 G7 G3 G3 G3 G3 G6 G1 G1 G1 G8 G7
G2 G2 G5
Direction sequence (1 change):
-Z -Z -Z -Z -Z -Z -Z -Z -Z -Z -Z -Z -Z -Z -Z -Z -Z +Z +Z