Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Optimal Quality of Information Service in an Electronic Commerce Website Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Edge Computing-Enabled Dynamic Multi-objective Optimization of Machining Parameters

verfasst von : Zhibo Sui, Xiaoxia Li, Jianxing Liu, Zhengqi Zeng

Erschienen in: Communications, Signal Processing, and Systems

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Dynamic events such as arrival urgent parts, due date changes, tool wear and so on are inevitable occurrences in machining processes. Optimizing the machining parameters in real time to respond to the dynamic events can significantly improve multiple machining performances. In this paper, an edge computing-enabled dynamic multi-objective optimization approach has been developed to achieve the real-time optimization of machining parameters. In the approach, edge servers are scheduled to provide the optimal computing resources. Based on the edge optimal computing resources, an improved dynamic two-archive evolutionary algorithm is developed to optimize the machining parameters and respond to the dynamic events. The proposed method is compared with edge computing resources’ random selection mechanism, normal dynamic two-archive evolutionary algorithm and NSGAII. The experiment results illustrate the high performance of the proposed method in the dynamic machining process.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Driver Multi-function Safety Assistance System
Nächstes Kapitel Improved Dark Channel Prior Algorithm Based on Wavelet Decomposition for Haze Removal in Dynamic Recognition
Literatur
1.
Tao F, Bi LN, Zuo Y et al (2017) A cooperative co-evolutionary algorithm for large-scale process planning with energy consideration. J Manuf Sci Eng 139:061016CrossRef
2.
Wang S, Lu X, Li XX et al (2015) A systematic approach of process planning and scheduling optimization for sustainable machining. J Clean Prod 87:914–929CrossRef
3.
Anand Y, Gupta A, Abrol A et al (2016) Optimization of machining parameters for green manufacturing. Cogent Eng 3(1):115–292
4.
Jiang ZG, Zhou F, Zhang H et al (2015) Optimization of machining parameters considering minimum cutting fluid consumption 108:183–191
5.
Li CB, Li LL, Tang Y et al (2019) A comprehensive approach to parameters optimization of energy-aware CNC milling. J Intell Manuf 30:123–138CrossRef
6.
Li CB, Chen XZ, Tang Y et al (2017) Selection of optimum parameters in multi-pass face milling for maximum energy efficiency and minimum production cost. J Clean Prod 140:1805–1818CrossRef
7.
Yi Q, Li CB, Tang Y et al (2015) Multi-objective parameter optimization of CNC machining for low carbon manufacturing. J Clean Prod 95:256–264CrossRef
8.
Zhang L, Zhang BK, Bao H et al (2018) Optimization of cutting parameters for minimizing environmental impact: considering energy efficiency, noise emission and economic dimension. Int J Precis Eng Manuf 19(4):613–624CrossRef
9.
Xu GD, Chen JH, Zhou HC et al (2019) Multi-objective feedrate optimization method of end milling using the internal data of the CNC system. Int J Adv Manuf Technol 101:715–731CrossRef
10.
Xie N, Zhou JF, Zheng BR (2018) Selection of optimum turning parameters based on cooperative optimization of minimum energy consumption and high surface quality. In: 51st CIRP conference on manufacturing systems 72:1469–1474
11.
Tapoglou N et al (2016) Online on-board optimization of cutting parameter for energy efficient CNC milling. In: 13th Global conference on sustainable manufacturing 40:384–389
12.
13.
Dwivedi R, Jain DC (2014) A comparative study on different types of sorting algorithms (On the Basis of C and Java). Int J Comput Sci Eng Technol 5(8):805–808
14.
Deb K, Agarwal S et al (2002) A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Trans Evol Comput 6(2):182–197CrossRef
Metadaten
Titel
Edge Computing-Enabled Dynamic Multi-objective Optimization of Machining Parameters
verfasst von
Zhibo Sui
Xiaoxia Li
Jianxing Liu
Zhengqi Zeng
Copyright-Jahr
2021
Verlag
Springer Singapore
Buch
Communications, Signal Processing, and Systems

Print ISBN: 978-981-15-8410-7

Electronic ISBN: 978-981-15-8411-4

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-981-15-8411-4_130

Neuer Inhalt

    Bildnachweise