CNC 試作非効率的なパーツネスティングにより、原材料の 18 ～ 35% が無駄になります。この研究では、SigmaNEST 2025 と CAMWorks で 3 つの型破りなネスティング手法をテストします。
- 動的残余物の再利用– 12mm²以上のスクラップ領域を自動的に再利用
- 結晶粒方向の最適化– ストック粒子と応力ベクトルの位置合わせ (FEA によって検証)
- 複数の厚さのネスト-– 単一セットアップで 2 ～ 3 枚のシートゲージを組み合わせる
47 個の航空機ブラケットのプロトタイプを使用したテストにより、アルミニウムの廃棄物が 29% から 11% に削減され、部品 100 個あたり 1,700 ドルが節約されました。この方法はハードウェアのアップグレードを必要とせず、Haas および Mazak の制御で動作します。
平均機械ショップは廃棄物に年間 48,000 ドルを費やしています。ネスト ソフトウェアは存在しますが、ほとんどのユーザーはその機能の 60% しか利用していません。この作品は次のことに取り組んでいます。
- 未使用の残りスペース: 理論上、スクラップ領域の 42% が再利用可能
- 静的ネストロジック: 商用アルゴリズムは部品の強度に対する結晶粒方向の影響を無視します
方法論
1.技術開発
次の 3 つのアプローチが設計されました。
- スクラップアイランド検出: 凸包アルゴリズムを使用して使用可能な残材を特定します (しきい値: 工具直径の 5 倍)
- 粒度を考慮したネスト-: ASTM E8 引張データを配置の決定に組み込みます。
- ハイブリッド厚さのネスティング: 適応治具設計を使用して異なるシートを積み重ねます
2.検証のセットアップ
- 材質：6061-T6アルミニウム（3mm/5mm）、Ti-3Al-2.5V（2mm）
- 装置：
AutoNEST を搭載した Omax 55100 ウォータージェット
ミツトヨ反り測定用三次元測定機
議論
1.なぜ効果があるのか
- AI残党予測: システムは 8 ～ 10 個のジョブにわたってスクラップ パターンを学習します
- 物理-ベースの配置: 高応力ゾーンでのパーツのクラスタリングを回避します-
2.実際的な制限
- 材料認証データ（AMS仕様）が必要です
- チューブラーストックとはまだ互換性がありません
結果と分析
1.廃棄物削減実績
| 方法 | ベースライン廃棄物 | 最適化された廃棄物 |
|---|---|---|
| 航空機用ブラケット | 29% | 11% |
| 医療用インプラント | 33% | 14% |
| 自動車用治具 | 27% | 9% |
2.予期せぬメリット
- 切削時間の 15% 短縮 (工具のリフト量の減少)
- 粒子に敏感な用途における部品強度の向上-
結論
これらのネスト ハックは次のことを示しています。
- 既存のソフトウェアを使用して無駄を 63% 削減
- -粒子の調整によるコストをかけずに強度を向上
- 次の開発段階では、-曲面のネスティングに対処します。-