Содержание к диссертации
Введение
ГЛАВА 1. Современные методы и средства для решения задачи автоматизации процедуры конструкторско-технологической классификации деталей в интегрированных САПР 9
1.1.. Роль конструкторско-технологической классификации в процессе автоматизации технологической подготовки производства 9
1.2, Методы автоматизации конструкторско-технологической классификации технических объектов 17
1.3, Формализованное описание и постановка задачи кластерного анализа технических объектов 23
1.4, Теоретические основы кластерного анализа технических объектов 25
1.5 Применение нейронных сетей для решения задачи кластеризации технических объектов 29
1.6. Модели нейронных сетей для решения задачи кластерного анализа 39
1.7, Выводы по главе. Цель и задачи диссертационной работы 45
ГЛАВА 2. Обоснование и разработка общей методики и алгоритмов автоматизированной системы кластерного анализа технических объектов с использованием нейронной сети 48
2-1, Обоснование выбора и анализ свойств объекта исследования 48.
2.2, Разработка методики кластеризации технических объектов с использованием нейронной сети 52
2.3, Построение математической модели самоорганизующейся нейронной сети для выполнения кластеризации технических объектов 61
2.4, Разработка алгоритма обучения самоорганизующейся нейронной сети 68
2.5. Разработка алгоритма классификации технических объектов с. использованием самоорганизующейся нейронной сети 72
2.6. Определение коиструкторско-технологических признаков деталей 77
2.7. Выводы ко второй главе 88
ГЛАВА 3. Разработка программного комплекса классификации деталей с использованием самоорганизующейся нейронной сети 90
3.4.. Построение структуры автоматизированной системы кластеризации технических объектов с использованием самоорганизующейся нейронной сети 90
3.5. Принципы функционирования программного комплекса и описание работы входящих в него модулей 112
3.5.1.. Настройка системы 113
3.5.2. Определение признаков деталей 117
3.5.3. Обучение нейросети и классификация 122
3.6. Выводы к третьей главе 127
ГЛАВА 4. Использование разработанной методики и алгорима кластерного анализа для классификации деталей общемашиностроительного применения 128
4.1. Применение программного комплекса при решении задачи конструкторско-технологичсской классификации деталей в интегрированной САПР 128
4.2. Оценка технико-экономической эффективности использования результатов исследования 134
4.3. Выводы к четвертой главе. ; 144
Заключение 145
Литература
- Роль конструкторско-технологической классификации в процессе автоматизации технологической подготовки производства
- Обоснование выбора и анализ свойств объекта исследования
- Построение структуры автоматизированной системы кластеризации технических объектов с использованием самоорганизующейся нейронной сети
- Применение программного комплекса при решении задачи конструкторско-технологичсской классификации деталей в интегрированной САПР
Введение к работе
В настоящее время большое внимание уделяется концепции CALS, предусматривающей информационную поддержку изделия на всех этапах технической подготовки производства- На предприятиях, использующих идеологию CALS, формируется единое интегрированное информационное пространство с использованием систем CAD, САМ, САЕ, PDM(PLM) и САПР ТП.
Автоматизация технической подготовки производства является одной из сложных и трудноформализуемых задач. Большое разнообразие конструктивных форм деталей и технических требований к ним и возможность использования различных методов обработки одних и тех же элементов заготовки на разных видах технологического оборудования приводит к многовариантности решений. Поэтому важнейшей задачей при-проектировании технологических процессов (ТП) является получение унифицированных ТП. Согласно единой системы технологическое подготовки производства (ЕСТПП) обязательным этапом, предшествующим разработке унифицированных ТП, является кодирование и группирование изделий на основе классификации их конструктивных и технологических признаков [28].
Существует большое количество теорий и практически реализованных систем автоматизированного проектирования, которые позволяю* решать задачи структурного и параметрического синтеза технологических процессов. Однако вопрос автоматизации процесса классификации и кодирования объектов производства на основе их конструкторско-технологических признаков проработан недостаточно, В большинстве случаев процесс классификации и кодирования информации о детали для автоматизированного технологического проектирования производятся инженером-технологом вручную путем визуального анализа геометрической формы деталей, конструкторско-технологических требований и физико-
5 механических свойств материалов [33]. Это приводит к увеличению сроков технической подготовки производства и становится неэффективным при широкой номенклатуре изготовляемых изделий. Такой подход не вполне удовлетворяет современным требованиям к технологической подготовке производства, особенно при внедрении СALS-технологий в составе CAD-САМ-САЕ-систем (интегрированных САПР).
Проблема автоматизированной классификации и кодирования с
использованием современных информационных технологий до сих пор
остается нерешенной, В связи с этим, данная работа, направленная на
V автоматизацию процесса' классификации и кодирования объектов
производства в интегрированных САПР является актуальной для решения вопросов комплексной автоматизации конструкторско-технологической подготовки производства.
Целью работы является автоматизация процедуры классификации деталей общемашино строительного применения в интегрированных САПР с использованием современных методов кластерного анализа и искусственных нейронных сетей.
Методология и методы исследования. При выполнении исследований.
,^, и решении поставленных задач использовались основные научные
положения: теории автоматизированного проектирования; технологии машиностроения; теории классификации и кодирования; теории кластерного анализа; теории нейронных сетей; теории реляционных баз данных; при разработке программных модулей использовались методы объектно-ориентированного и структурного программирования.
Научная новизна работы состоит в следующем:
1. Разработана методика и предложен общий алгоритм для
классификации деталей общемашиностроительного применения с
ф использованием современных искусственных нейронных сетей.
і \
Разработана общая структура гибридной нейронной сети для выполнения процедуры конструкторско-технологической классификации деталей.
Предложена математическая модель формализованного' описания конструктивных и технологических признаков деталей,
4- Разработана структурная и функциональная схема программного комплекса для автоматизации процесса классификации деталей с использованием самоорганизующейся нейронной сети в составе интегрированных САПР.
Практическую ценность работы составляют:
Программные модули обучения сети и классификации объектов с помощью самоорганизующейся нейронной сети.
Программный модуль автоматического определения конструкторско-технологических признаков деталей класса 7 Г на основе их. ЗО-моделей и 2D-чертежей.
Разработанный программный комплекс для автоматизации процесса классификации деталей общемашиностроителыюго применения класса 71 по.
^ классификатору ЕСКД в составе интегрированных САПР-
Цель и поставленные задачи определили следующую структуру работы.
В первой главе рассматривается роль, и место конструкторско-технологической классификации объектов в процессе автоматизации технологической подготовки производства. Дается формальное описание процесса классификации технических объектов.
Проводится анализ существующих методов решения поставленной
задачи, и на его основании делается вывод об актуальности проблемы
ц, автоматизации процесса классификации и кодирования.
Приводится обоснование использования методов кластерного анализа, как одного из самых эффективных способов классификации технических
7 объектов. Из всего множества алгоритмов кластерного анализа для решения задачи конструкторско-технологической классификации технических объектов наилучшим образом подходит алгоритм, основанный на использовании современных искусственных нейронных сетей. Проводится анализ существующих моделей нейронных сетей для решения поставленной, задачи и обосновывается выбор нейронной сети с самоорганизацией на основе конкуренции, использующие алгоритм обучения без учителя, для решения задачи конструкторско-технологической классификации объектов производства.
Вторая, глава посвящена разработке общей методики и алгоритмов кластерного анализа технических объектов с использованием нейронной сети.
Предложена общая методика классификации деталей с использованием нейронных сетей и обобщенный алгоритм классификации по их конструкторско-тсхнологическим признакам.
Приводится подробное описание конструктивных и технологических признаков деталей класса 71 поЕСКД. Описан математический аппарат для определения конструктивных и технологических признаков 3D моделей и 2В-чертежей, созданных в современных САПР (на примере деталей класса 71).
Предложена общая структура нейронной сети для выполнения классификации технических объектов.
Приводится описание математической модели самоорганизующейся нейронной сети для решения поставленной задачи, а также разработанные алгоритмы обучения сети и алгоритм классификации технических объектов.
Третья глава посвящена разработке информационного обеспечения и программного комплекса автоматизированной системы классификации деталей с использованием самоорганизующейся нейронной сети.
Определены основные требования к программному комплексу. Разработана общая структура комплекса, выбрано программное техническое
8 и лингвистическое обеспечение, В качестве лингвистического обеспечения была использована среда программирования Visual C++ 6,0.
Предложена структура базы данных системы для хранения конструкторско-технологическои модели детали* веек параметров нейронной сети и дополнительной информации. База данных реализована в СУБД реляционного типа Microsoft Access 2000.
Приводится описание принципа работы программного комплекса
"NeuroKlaster"\ а также описание и порядок работы входящих в него
модулей,
ф В четвертой главе показаны пути использования разработанного
программного комплекса для классификации деталей общемашишь строительного применения.
Рассмотрен пример использования программного комплекса для классификации деталей гидроцилиндра по их ЗВ-моделям, созданных в современных САПР "T-Flex" и "Autodesk Inventor".
Произведен примерный расчет экономической эффективности использования разработанного программного комплекса.
Роль конструкторско-технологической классификации в процессе автоматизации технологической подготовки производства
Согласно ГОСТ 23501-79 система автоматизированного проектирования (САПР) представляет собой организационно-техническую систему, состоящую из комплекса средств автоматизации проектирования, ч взаимосвязанного с подразделениями проектной организации, и выполняющую автоматизированное проектирование [31],
Объектами проектирования в САПР являются изделия (детали, сборочные единицы), технологические процессы (ТП) и организационно-технические системы. Целью создания САПР является повышение качества и технико-экономического уровня проектируемых объектов, сокращение сроков и уменьшение трудоемкости проектирования [50].
Одной из основных функций инженера является проектирование изделий или технологических процессов их изготовления. Традиционно эти функции разделены как при подготовке специалистов, так и в сфере их деятельности на производстве. Отражая сложившуюся практику последовательной реализации процессов конструирования и разработки технологии, САПР в машиностроении разделены на два основных вида:
1) САПР конструирования изделий (САПР И). По международной классификации эту систему обозначают как CAD (Computer Aided Design). В ней выполняют объемное 3D геометрическое моделирование и получение плоских 20-чертежей. Исследовательский и расчетный этап САПР И обычно рассматривается как самостоятельная автоматизированная система, обозначаемая как САЕ (Computer Aided Engineering) [61]
2) Автоматизированная система технологической подготовки производства (АСТПП). По международной классификации она обозначается как САРР (Computer Automated Process Planning). В ней выполняют разработку технологических процессов, технологической оснастки и управляющих программ (УП) для станков ЧПУ. Из АСТПП принято выделять разработку УП в отдельный тип САПР: автоматизированную систему управления производстеенным оборудованием (АСУПР),которая обозначается как САМ (Computer Aided Manufacturing) [61].
Существуют две основные тенденции развития САПР;
Интеграцштная. К настоящему моменту времени развивается тенденция объединения различных САПР в некую единую интегрированную систему. На рынке уже представлены системы типа CAD/CAM, CAD/CAM/PPS, CAPP/PPS и другие. Конечным результатом такого развития является система, представляющая собой интегрированную интеллектуальную систему, связанную с решением задач создания и изготовления изделия на протяжении всего его Жизненного Цикла (ЖЦ) [5, 46, 79],
Интеллектуальная. Первоначально САПР понимался, как «комплекс средств, выполняющих автоматизированное проектирование, то есть такое проектирование, которое выполняется в процессе взаимодействия пользователя и ЭВМ» [61]. Если пользоваться этим определением, то любой текстовый редактор, в котором некий технолог набирает маршрутные технологические карты, также является САПРом. Такое положение дел многих уже не устраивает- Автоматизированное проектирование должно определяться не только использованием ЭВМ в качестве печатающего устройства, электронного кульмана и т.д./а также наличием САПР в самом акте проектирования при решении каких либо задач [7,11, 50,58],
Проектирование технологических процессов является центральным, основным звеном всей системы технологической подготовки производства (ТІШ) [2]. Автоматизация проектирования ТП является одной из сложных и трудноформализуемых задач ТПП. Большое разнообразие конструктивных форм деталей и технических требований к ним и возможность использования различных методов обработки одних и тех же элементов заготовки на разных видах технологического оборудования приводит к многовариантности решений.
Исходными данными для автоматизации проектирования маршрутных ТП является информационная модель детали. Основным источником информации о детали является ее чертеж, представленный в графическом электронном виде. Информационная модель должна включать общие сведения о детали, ее характеристики, перечень элементов конструкции (поверхностей), составляющих деталь и значений их параметров.
В настоящее время в САПР ТП используются различные методы проектирования маршрутных ТП. Среди всех этих методов выделяют 3 основных [6]: 1, Метод заимствования технологии детали-аналога (метод адресации). 2, Метод проектирования унифицированных ТП: 3, Метод синтеза ТП.
Метод адресации основан на использовании готовых решений на всех уровнях проектирования за счет заимствования существующих единичных технологических процессов. Схема нахождения маршрута в этом случае следующая: деталь — деталь-аналог — процесс на деталь-аналог -+ процесс на деталь [6].
Для реализации этого метода необходимо иметь развитую инфор мационно-поисковую систему (ИПС). В базе данных этой системы должны находиться поисковые образцы деталей и их технологические процессы. С помощью ИПС технологического назначения находятся детали-аналоги
Обоснование выбора и анализ свойств объекта исследования
Как было сказано в первой главе, согласно стандартам ЕСТПП обязательным этапом, предшествующим разработке унифицированных технологических процессов (УТП), является группирование и классификация деталей по их конструктивным и технологическим признакам [28].
Такая классификация должна производится на этапе непосредственно перед получением УТП. На основании построенной в CAD-системе модели детали (3D и 2D) формируется ее конструкторско-технологический код, по которому на последующем этапе формируется унифицированный технологический процесс (рис. 2.1).
Рамки данной работы были ограничены получением конструкторско-технологического кода детали на основании анализа ее ЗО-модели и 2D-чертежа.
Известно, что конструкторско-технологическая классификация деталей производится по специализированному классификатору [83].
Основной целью использования такого классификатора является снижение трудоемкости и сокращение сроков технологической подготовки производства.
Применения классификации деталей позволяет: создания единого информационного языка для автоматизированных систем управления и облегчения тематического поиска деталей и их конструкторских документов с целью предотвращения разработки аналогичных; определения объектов и направлений унификации и стандартизации; обеспечения возможности использования различными предприятиями и организациями конструкторской документации в проектировании, производстве, эксплуатации, ремонте, разработанной другими организациями, без ее переоформления; широкого внедрения средств вычислительной техники в сферы проектирования и управления; применения кодов деталей но классам деталей совместно с технологическими кодами при решении задач технологической подготовки производства с использованием средств вычислительной техники.
Метод построения классов деталей основан на дедуктивном делении классифицируемого множества на подмножества (от общего к частному) по подчиненным (соподчиненным) признакам -—- иерархический метод классификации- Этим достигается конкретизация признаков деіалей на каждой последующей ступени классификационного деления, что обеспечивает создание четкого распознавательного образа для тематического поиска детали.
Процесс кодирования деталей по технологическому классификатору заключается в присвоении детали кода классификационных группировок конструктивных признаков по Классификатору ЕСКД. Затем этот код дополняется кодами основных технологических признаков и признаков, определяющих вид детали по технологическому методу.
Структура конструкторско-технологического кода обеспечивает обработку информации в различных кодовых комбинациях для решения производственных задач и допускает использование частей кода и их сочетаний, в зависимости от характера решаемых задач.
Структура конструкторско-технологического кода детали, состоящего из кода классификационных группировок конструктивных признаков и технологического кода, представлена на рис. 2.2. [83]
Структура конструкторско-технологичсского кода обеспечивает обработку информации на различных уровнях технологической подготовки производства, в различных кодовых комбинациях с использованием различных частей и сочетаний частей кода в зависимости от характера решаемых задач. При этом допускается использование части кода классификационных группировок конструктивных признаков с необходимой степенью детализации, а также введение в технологический классификатор деталей дополнительных признаков и их кодов, которые записывают после установленного классификатором конструкторе ко-технологического кода детали. Описание технологического классификатора представлено в прил 2.
В качестве объекта исследования в рамках данной работы рассматривается процесс автоматизации конструкторско-технологической классификагщи деталей машиностроения в интегрированных САПР, представляемых в виде ЗО-модели и 2D чертежа.
Ставится задача создать такую систему конструктивно-технологической классификации, которая будет обладать следующими свойствами: система кодирования деталей должна обеспечивать однозначность присвоенного каждой детали определенного кодового обозначения; полнотой, т. е. охватывать все возможные конструктивные особенности деталей; достаточной глубиной классификации; возможностью расширения множества классифицируемых деталей и внесения необходимых изменений без нарушения структуры системы классификации; простотой автоматизации процесса классификации; высокой скоростью и точностью процесса классификации.
Для детальной проработки взаимодействия и структуры модулей автоматизированной системы исследование проводилось на примере конструкторско-технологической классификации деталей общемашиностроительного применения типа «тела вращения» (класс 71) по ЕСКД [51] Для деталей "тела вращения 1 могут быть выделены три типовые группы, которые объединяют в среднем до 67 % всех деталей, изготавливаемых в общих отраслях машиностроения [6] - При этом они распределяются следующим образом: валы, оси, стержни и вал-шестерни - 16,5%; диски, колеса, кольца, зубчатые колеса - 26,5%; втулки, цилиндры 24%
Построение структуры автоматизированной системы кластеризации технических объектов с использованием самоорганизующейся нейронной сети
На основании концепции построения автоматизированной системы для конструкторско-технологической классификации деталей, изложенной в главе 2, разработана типовая модель автоматизированной системы классификации деталей общемашиностроительного применения на основе использования самоорганизующейся нейронной сети для ее функционирования в составе интегрированных САПР.
Предлагаемая автоматизированная система предназначена для повышения эффективности процесса технологического проектирования на этапе группирования деталей по конструкторским и технологическим признакам.
Система имеет четыре основных режима работы (рис. 3.1).
1. Режим получения признаков ТО необходим для получения набора конструкторско-технологических признаков деталей по ее 2Б-чертежу и 3D-модели. Разработанные конструкторами в CAD-системах чертежи и геометрические ЗБ-модели деталей передаются в единое информационное пространство под управлением PDM или PLM системы в форматах обмена IGES, STEP, DXF и др. Для получения конструкторско-технологических признаков используется программный модуль распознавания и кодирования конструкторско-технологической модели (КТМ) детали (блок распознавания), основанный на алгоритме описанном в 2.6.
Полученные признаки кодируются и сохраняются в базе данных для дальнейшей обработки.
2. Режим обучения нейросети выполняет обучение сети на. объектах известных классов по алгоритму Кохонена обучения без учителя . В этом режиме производится: - подготовка сети к работе; - настройка весов сети для классификации объектов; - выделение кластеров в выходном слое и сопоставление им известных классов.
3. В режиме классификации ТО система выполняет определение класса технического объекта, поданного на входы обученной нейронной сети. В процессе работы системы в данном режиме решаются следующие задачи: - определение класса ТО поданного на входы сети; - определение вероятностей отнесения объекта к одному из существующих классов в случае неопределенности; - создание нового класса при невозможности отнесения объекта к одному из уже существующих; - обучение сети в процессе работы.
4. В режиме редактирования БД выполняется настройка базы данных для работы с объектами определенного типа. Также этот режим предназначен для ручного заполнения и редактирования конструкторско-технологических признаков деталей в случае невозможности или неполноты информации полученной в автоматическом режиме при описании признаков.
К разрабатываемой системе предъявляется следующий набор структурных и функциональный требований:
Автоматизированная система должна решать задачу конструкторско-технологической классификации деталей с использованием нейросетевого подхода, описанного в главе 2.
Система должна поддерживать операции импорта технических объектов из существующих САПР в виде 20-чертежаи. ЗБ-модели посредством одного из существующих форматов передачи данных (например STEP или IGES).
Система должна автоматически определять конструкторско-технологические признаки деталей и хранить их в наглядной и удобной для классификации форме.
Нейронная сеть системы должна быть инвариантна по отношению к виду технических объектов, подаваемых на ее входы. Это обеспечит универсальность системы, т.е. возможность работы с объектами различных типов.
В автоматизированной системе должны поддерживаться базовые операции работы с нейронной сетью, такие как настройка сети, редактирование ее структуры, задание параметров ее функционирования и обучения и другие.
Вследствие итерационного и многоэтапного процесса решения задачи, необходимо наличие базы знаний, содержащей наиболее полную информацию о предметной области, классифицируемых объектах, а также хранящей полную информацию о структуре и состояниях нейронной сети.
Система должна иметь наглядный и удобный интерфейс, отражающий особенности нейросетевого подхода для решения задачи. Кроме того желательна поддержка двух режимов работы: автоматического, когда система выполняет все процедуры самостоятельно, и полуавтоматического, когда на некоторых этапах решения задачи требуется вмешательство пользователя.
Структура системы должна иметь модульный принцип построения, а внутреннее представление данных должно быть объектно-ориентированным, что обеспечит расширяемость функциональных возможностей системы и круга решаемых задач.
Применение программного комплекса при решении задачи конструкторско-технологичсской классификации деталей в интегрированной САПР
Разработанный программный комплекс классификации может успешно применяться для автоматизации процесса кодирования деталей общемашиностроительного применения по существующему технологическому классификатору [83],
Программа была использована для автоматического определения конструкторско-технологического кода деталей при проектировании гидроцилиндров общего назначения на ОАО «Людиновский агрегатный завод». Были успешно классифицированы детали - «тела вращения» построенной твердотельной параметрической модели гидроцилиндра.
Общее описание работы программного комплекса NeuroKlaster приведено в разделе 3.5. Приведем необходимую последовательность действий для демонстрации работы программного комплекса при решении задачи классификации деталей. Для демонстрации работы программного комплекса была выполнена только классификация деталей но их конструкторским признакам (первые 6 знаков в коде). Технологические признаки в демонстрационном примере не учитывались.
I этап - настройка системы для работы в выбранной предметной области. Настройка системы осуществлялась средствами, описанными в 3.5.1.
Работа системы была продемонстрирована на деталях класса 71 - «тела вращения», в соответствии с ЕСКД- Для данного класса деталей было выделено 12 конструктивных признаков (см. 2.6). На основании этих данных была сформирована структура таблиц в БД, В табл. 4.1 приведена структура таблицы «признаки» для выбранного класса деталей.
Для автоматического распознавания признаков деталей по их чертежам и ЗО-моделям с использованием описанной методики была написана специальная макропроцедура на языке VBScript, фрагмент которой приведен в прил, 5,
Была сформирована нейронная сеть следующей структуры: 0 слой (входной) - 12 нейронов (что соответствует 12 признакам); 1 слой (промежуточный) - 12 нейронов,, для нормализации входных сигналов; 2 слой (выходной) - самоорганизующийся слой 17x17 (289) нейронов. Были настроены все основный функции ядра системы, после чего была выполнена окончательная компиляция программного комплекса. 2 этап - первоначальное обучение нейронной сети.
Для обучения нейронной сети необходимо ввести все необходимые классы, а также как минимум по одному представителю данного класса.
Ввод известных классов осуществлялся по классификатору ЕСКД [51]. В пустой форме объекта вручную вводились детали и их признаки. Каждой такой детали присваивалось название чсПрототип класса 71хххх» и значения конструктивных признаков по классификатору. Пример записи в БД для детали класса 711544 приведен в табл. 4.2. Заполненная форма представлена нарис. 4.1.
В систему были загружены имеющиеся 30-моделм деталей-прототипов о использованием молуля ржптпттвиш. Всего было введено более 50 известных классов по ЕСКД.
После этого каждой созданной детали был сопоставлен соответствующий класс и выполнено обучение.
В таблицу «классы» были введены все необходимые классы. Для каждой детали-гірототшіа был определен ее класс т списка введенных в систему. После сопоставления деталей и классов было выполнено обучение сети как опшеадов 3.53.
В качестве деталей-прототипов для первоначального обучения нейронной сети более предпочтительно иепаяьзошшие ранее созданных на предприятии реальных моделей деталей е уже определенными классами. Также для каждого иэ классов желательно иметь несколько деталей-прототипов с отличающимися по возможности значениями признаков, В шком случае нейронная сеть булен наилучшим образом настроена ют классификации деталей конкретного предприятия и будет выдавать результаты с большей степенью принадлежности
Было выполнено обучение нейронной сети, в результате чего в БД было создано более 50 новых классов, и они были сопоставлены с введенными деталями-прототипами. Заполненные таблицы «признаки» и «классы» поело выполнения процедуры обучения нейронной сети, а также сохрапееные состояния весов нейронной сети представлены в прил. 9-11. 3 этап - ввод и классификация новых деталей.
Приведем последовательность действий дш работы с настроенной и обученной системой яри выполнении классификации деталей на примере детали гидроцилиндра «Вал»,
L В CAD-еиєтєме, поддерживающей формат IGES, разработана модель детали, В данном примере твердотельная гидропилнндра и всех его деталей были разработаны в системе Autodesk Inventor ЗВ-модель классифицируемой детали «Вал» представлена на рис. 4.2,
ЗО-модсль детали сохранена в формате 1ПК$? после чего выполнено распознавание 1С1"Э данной детали. Подученная информаци детали сохраняется в промежуточной БД в формате .DBF, КТЭ детали представлен на рис. 4.3.
