基于DELMIA/QUEST的生产线数字化工艺规划研究

随着先进制造技术、仿真技术与虚拟现实技术的不断发展,产品设计和产品加工的自动化程度都得到了较大的提高。然而作为衔接两者的工艺规划技术却没有得到提升,由此产生的瓶颈极大的限制了生产企业的效能。阐述了三维离散事件仿真软件DELMIA/QUEST的建模仿真方法,通过仿真结果分析能掌握生产线上设备利用率情况及各资源的分配情况,为数字化工艺规划提供重要依据。以某传动公司变速器倒档齿轮生产线为例,结合实际生产工艺参数对该生产线进行建模仿真,找出了生产线存在车间布局不合理、资源配置不协调等问题。针对这些问题对生产线进行调整和改进,最终得到较为理想的优化方案。

基于Delmia/Quest的钣金零件生产线的仿真与分析

利用Delmia/Quest仿真平台,以某钣金厂蒙皮拉伸成形生产线为例阐述了仿真分析的方法和关键步骤,对其进行仿真与分析,找出生产中的瓶颈点,并进行改进方案的分析与验证。通过仿真直观地反映了生产线上制造资源的分配及利用率,为部门管理和决策提供了定量的分析依据。

基于Delmia/Quest的焊接生产线仿真与应用

利用Delmia/Quest仿真平台,以某型号转向架构架侧梁焊接生产线为例阐述了生产线仿真分析的方法和关键步骤,并对转向架构架的侧梁焊接生产线进行生产仿真,分析仿真数据,找出生产中的瓶颈点,对生产线进行优化并验证。通过生产线仿真可以直观地反映生产线上制造资源的分配及利用率,为生产线的建造提供数据支持。

基于DELMIA/Quest的装配车间物流系统仿真

以研究数字化工厂物流仿真系统结构,分析数字化工厂生产物流系统为基础,简要介绍DELMIA/Quest仿真软件中模型的基本构成、模型的建立及Quest仿真语言.并在DELMIA/Quest平台下,对某装配车间进行物流仿真,通过仿真结果分析物流系统拥堵情况,找到瓶颈工位,进而优化系统.

基于Delmia/Quest的煤机生产线规划仿真与应用

利用Delmia/Quest仿真平台,依据厂房平面工艺布局图对采煤机、液压支架和刮板输送机的装配线方案及配送区、仓储区的物流进行三维仿真,分析物流方案是否存在不合理之处,如通道阻塞、节拍不平衡、运力不足等情况。根据仿真结果对现有规划方案进行调整、优化,从而达到预计产能目标,同时为工艺布局规划提供了可靠性数据支持。

以疾病为导向的案例教学法结合Mini Quest教学法在门诊口腔护理教学中的应用研究

目的分析在门诊口腔护理教学中应用以疾病为导向的案例教学法结合Mini Quest教学模式应用效果。方法选择2022年6月至2024年2月期间68名于上海交通大学医学院附属第九人民医院口腔综合科实习的口腔护理方向实习生,将其随机分为两组,对照组34例,按照传统教学法教学;实验组34例,应用以疾病为导向的案例教学法结合Mini Quest教学模式,教学完成后4周分别对比两组学生的理论和实践考核成绩以及评判性思维能力的情况,应用SPSS 25.0软件对数据进行统计学分析。结果实验组学生的理论和实践考核成绩分别为82.53±6.43和79.32±9.86,高于对照组76.48±7.62和71.22±8.49,两者差异具有统计学意义(P<0.05);实验组学生的思维评判能力显著高于对照组(P<0.001)。结论以疾病为导向的案例教学法结合Mini Quest教学法应用于门诊口腔护理实习教学,能够提高学生理论和实践考核成绩、提升评判性思维能力,改善教学效果,值得进一步推广。

基于DELMIA的铅蓄电池生产物流仿真技术研究

针对铅蓄电池产品离散型生产的工序间产能匹配、工艺物流等问题,基于DELMIA三维仿真技术进行物流仿真研究。通过铅蓄电池全产线设备三维建模、物流仿真,对工艺规划设计方案、各工序的生产节拍、设备利用率等进行仿真分析,验证铅蓄电池精益生产工艺流程再造的合理性,达到优化工序间的物流,平衡设备配置和提升设备使用效率,减少人员配置的目标。

多媒体案例教学法+Mini Quest教学法对口腔内科学课程教学质量的提升评价

目的分析多媒体案例教学法+Mini Quest教学法对口腔内科学教学质量的提升效果。方法选取2023年1—7月莒县人民医院口腔内科的100名实习生为研究对象,随机分为P组、N组,每组50名。P组采用多媒体案例教学,N组采用多媒体案例教学法+Mini Quest教学法。对比两组实习生的考试成绩及教学质量指标。结果教学后,N组实习生理论成绩与操作成绩均优于P组,差异有统计学意义(P均<0.05)。N组临床思维、学习兴趣两项教学质量评分均优于P组,差异有统计学意义(P均<0.05)。N组实习生对教学满意度(94.00%)高于P组(74.00%),差异有统计学意义(χ^(2)=7.441,P<0.05)。结论口腔内科学教学中,采用多媒体案例教学法+Mini Quest教学法能够奠定实习生更扎实的理论基础,提高教学质量。

Web Quest教学模式在“康复医学”教学中的应用研究

“康复医学”是一门初级专业课程,该课程的教学目标是通过该课程的学习,学生能够掌握一定的康复专业知识;同时,了解康复治疗的大体范围,包括一些具体的治疗病种和治疗手段等。Web Quest教学模式是一种基于网络资源的学习模式,可以帮助学生更好地学习课程内容。文章介绍了Web Quest教学模式在“康复医学”临床教学中的应用,该模式能更好地培养学生的自主学习能力,提高解决问题和团队协作的能力,提高学习效率。

基于QUEST树的高寒湿地植被覆盖类型遥感分类研究

以青海省索加-曲麻河自然保护区高寒湿地密集分布区为例,进行三江源高寒湿地植被覆盖类型遥感分类方法研究。基于SPOT5影像融合后的4个波段数据和融合影像主成分分析后第一主成分PCA1,以PCA1作为数据源计算的8个纹理特征,用数字高程模型DEM和其他辅助数据构成的数据集,选用QUEST算法,对数据集进行数据挖掘,构建决策树模型对影像进行分类。分类结果表明:9×9窗口下的纹理特征均值、方差和信息熵是进行高寒湿地植被覆盖类型分类的有效纹理特征量。QUEST决策树分类方法所得分类结果精度可达84.19%,kappa系数为0.826 1。相对于传统的最大似然法监督分类所得结果,总体精度提高17.29%,总体kappa系数提高0.191 2,提高幅度近30%。所得分类结果中,矮嵩草草甸、矮嵩草+藏嵩草沼泽化草甸、杉叶藻草本沼泽、藏嵩草沼泽化草甸和藏嵩草+矮嵩草草甸等植被覆盖类型的分类精度较高,生产者精度分别可达:95.83%,95.45%,95.00%,94.74%和91.67%;用户精度分别为100%,91.30%,82.61%,78.26%和95.65%。

基于DELMIA的双离合变速器装配过程可视化仿真

为了实现双离合变速器的虚拟仿真,通过运用DELMIA创建某双离合变速传动机构的主要螺栓装配仿真过程;并且对装配仿真进行了碰撞干涉和甘特图分析;最后,利用DELMIA的数字化制造工艺与DELMIA工艺工程师的数据交换提前安排制造计划。结果表明,该方法实现了生产、工艺与制造资源的虚拟协同设计,缩短了设计周期,缩短了交付周期,节约了生产时间,降低了设计成本。

基于DELMIA的车用空调虚拟装配过程仿真

为了实现空调的虚拟装配,以车用空调为例,在DELMIA软件中构建车用空调虚拟装配环境,利用"反装"的思路对车用空调的装配序列、装配路径进行了规划,并通过干涉碰撞检查,查找和分析干涉碰撞原因,以便及时对装配序列和装配路径做出调整,最终获得车用空调合理的装配序列与装配路径,通过装配过程仿真进一步验证了装配序列和装配路径的合理性.装配过程仿真结果表明该方法对产品的装配有重要的指导意义,可以缩短产品开发周期,降低装配成本,提高产品质量.

基于DELMIA的电动工具虚拟装配技术研究

在虚拟装配技术的理论基础上,对电动工具(以电钻为例)的装配工艺问题进行了研究。根据产品的装配层次关系,生成了电钻的装配结构树,实现了电钻的装配模块划分,形成了各个子装配体;依据分层规划时的装配关联图,表达了电钻的二维拓扑结构,采用宽度优先搜索策略进行了装配序列推理,实现了装配序列的合理规划;采用由粗到精(即按照"包容盒级、半包容盒级、精确实体级")逐层推进的顺序对电钻的装配路径进行了规划,并在DELMIA软件中对整个装配过程进行了仿真。仿真结果表明该研究为电钻产品的生产制造提供了良好的应用前景。

DELMIA在支线飞机概念总装仿真中的应用

在用CATIA软件建立好零部件或产品模型的条件下,应用DELMIA软件的DPM模块和Ergonomics模块,导入相关模型作为产品(Product)和资(Resource),按照支线飞机总装的过程(Process)进行仿真,并验证和优化整个装配过程,最后输出仿真结果。结果表明,应用DELMIA进行仿真收到了良好的效果。

一种车载捷联惯导行进间QUEST优化粗对准算法

针对车载捷联惯导的传统动基座对准方法精度较低及环境适应性较差的问题,提出了一种基于QUEST的行进间粗对准优化算法。首先使用姿态矩阵分解的方法,得到不同参考系下对重力矢量的观测值。然后分析不同环境对于对准算法的影响,利用优化的QUEST算法,对不同时刻的重力矢量信息进行分析,基于误差信息对权重值大小进行合理分配,提高算法稳定性。实时估计车载体姿态、速度、位置,并反馈到下一次计算中去,形成闭环,提高粗对准精度。仿真和车载实验表明,该算法能够实现车辆行进过程中的姿态粗对准,多组实验下航向角误差在150 s内可达到±2°以内。

基于Quest的铁路货车装配过程仿真技术研究

针对柔性工装应用于铁路货车装配时产生的工装参数调节繁琐、获取困难、装配线工况不均等问题,运用生产线仿真工具Quest以及其二次开发功能实现了铁路货车车体底架的装配过程仿真。通过建立仿真装配模型,实现了仿真环境下的装配干涉检测,达到快速获取、协调柔性工装参数的目的,为提高装配线效率提供了数据支持,在实际应用中效果良好。

造船工序计划的制定及在DELMIA平台上的实现与校核

针对造船企业制造工序计划中内容繁杂、时间节点与实际生产偏差量较大的问题,通过对造船计划要点的分析,及对工量、工时参数提取方法的研究,提出了以DELMIA为工具的船舶建造计划仿真系统的构建方法,以DPE定义制造所需的工艺和资源,以DELMIA QUEST生成可视化造船计划解决方案,同时分析船舶建造计划占用资源、场地及所需时间的合理性,从而提高船厂的场地、设备利用率,形成合理的船厂船舶建造计划,为造船企业制定计划提供解决方案.

分类树中QUEST算法与多水平logistic模型的联合应用与比较

目的 探讨分类树中的QUEST算法和多水平logistic模型联合应用于分析层次资料的可行性。方法 首先介绍模型的原理 ,据此提出联合应用的具体思路 ,然后采用分析实例进行深入探讨 ,并用预测准确率和ROC曲线对模型拟合效果加以比较。结果 QUEST算法能非常准确地搜索出主要影响因素 ,并能更加深入地刻画因变量、自变量间的复杂联系 ,在此基础上再进行多水平logistic模型会更加高效、准确。 结论 QUEST算法和多水平logistic模型各有优势 ,将它们联合用于层次资料的分析将更能保证分析的正确性和完善性。

基于DELMIA焊装线工艺规划与仿真验证

基于DELMIA的虚拟仿真技术,实现对白车身焊装线项目的前期工艺规划和仿真验证包括焊装线中工作站的建立、概念焊钳设计与验证、焊接工位的布局、干涉分析、三维工厂及离线编程的建立;通过仿真验证分析焊接装配过程中可能出现的问题,并提出了解决方法,确定工艺方案。指导现场装配和现场调试,提高工作效率,降低生产成本。

基于QUEST算法的高血压辨病对症治疗中药的重要性分析

目的探讨祝光礼教授针对高血压合并症、并发症和症状的辨病治疗及随症加减用药规律。方法选择2012年9月至2015年1月浙江中医药大学附属广兴医院，浙江省杭州市中医院首次就诊、资料完整的原发性高血压（EH）患者，以高血压合并症、并发症和症状为目标变量，以所使用的中药为自变量，通过QUEST算法分析不同目标变量中药的重要性贡献率。结果共获得9种合并症、并发症（包括高脂血症、冠心病、心律失常、高血糖、微量蛋白尿、腔隙性脑梗死、血肌酐升高、肝功能异常、心功能不全）和39种症状（头晕、心悸、胸闷、夜寐不安、乏力、腰膝酸软、口干、便溏、疲劳、自汗、头痛、气短、大便干结、脘痞、视物模糊、肢体麻木、情绪不畅、胸痛、纳差、腹胀、多梦、耳鸣、潮红、项强、烘热、口苦、咳嗽、嗳气、夜尿增多、肢体震颤、叹息、咽痛、头重、盗汗、尿频、咳痰、形寒、口腔溃疡、流涎）的QUEST决策模型。将全部病例755次就诊所使用的全部中药进行汇总、并记录药物出现的频次。研究共涉及中药171味、10620频次，每处方平均（14．07±1．53）味。用药频次前10位中药是茯苓（588）、山药（551）、枸杞子（496）、白芍（442）、石决明（405）、天麻（395）、麦冬（325）、淮小麦（293）、郁金（281）、灯芯草（277），占总频次的38．16％，出现频次〉100的中药33种，占总频次的74．65％。针对合并症和并发症的加减用药进行分析，重要性贡献率〉5％的药物有：腔隙性脑梗死中僵蚕和益智仁的用药频率分别为50．74％和32．69％；冠心病中太子参、黄芪、檀香、炙葶苈子的用药频率分别为23．05％、17．70％、15．31％、5．06％；心律失常中黄芪、苦参、淮小麦、龙齿、龙骨的用药频率分别为46．65％、11．56％、7．56％、7．13％、6．28％；心功能不全中炙葶苈子、白扁豆的用药频率分别为92．97％、7．03％；高脂血症中决明子、檀香、生地黄、红藤的用药频率分别为24．26％、12．47％、10．51％、5．81％；高血糖中天花粉、生山楂的用药频率分别为51．02％、30．18％；微量蛋白尿中六月雪的用药频率为83．33％；血肌酐升高中藤梨根、六月雪、女贞子、积雪草的用药频率分别为81．37％、6．21％、6．21％、6．21％；肝功能不全中平地木、荷包草、垂盆草的用药频率分别为86．37％、6．82％、6．82％。以症状为目标变量，前3位常见症状重要性贡献率〉5％的中药有：血压升高用桑寄生（89．59％）；头晕用天麻、石决明（分别为46．96％、33．61％）；头痛用川芎、藁本、秦艽（分别为85．77％、7．11％、7．11％）。结论祝光礼教授辨病治疗和随症加减用药的基本思路是在辨证论治原则的指导下，以中医经典理论为依据，优先选择经临床和（或）实验研究证实疗效可靠的药物。