The main problem of assembly operations is determining the relative position / orientation of elements and their subsequent alignment. Consequently, when automating assembly operations in microelectronics it is necessary to consider the technological and design features of the assembled products, such as the product assembly route, scheme for elements combining and connecting, linear dimensions, product type, physical and chemical properties of the product and its constituent elements, technical specifications and requirements for product assembly. In addition, it is extremely important to observe the basic principles to ensure product quality, durability and reliability during operation. In this work, the approaches to driven equipment parameters controlling when automating assembly operations are considered. The production equipment configuration is investigated, which is a collection of settings, hardware limitations, selected additional devices and types of interfaces. An image of the product with account for all its features, a mathematical model of the product obtained on the basis of its image, a mathematical model of the driven equipment configuration, and a diagram of automated product assembly are presented. The considered solutions make it possible to develop a procedure that allows the adaptive selection of the equipment configuration considering the product assembly route, combined elements and their characteristics obtained as a result of the analysis and synthesis of information from manufacturing and design documents.
Yulia S. Shevnina
National Research University of Electronic Technology, (Russia, 124498, Moscow, Zelenograd, Shokin sq., 1
Larisa G. Gagarina
National Research University of Electronic Technology, (Russia, 124498, Moscow, Zelenograd, Shokin sq., 1
Evgeny V. Konyukhov
National Research University of Electronic Technology, (Russia, 124498, Moscow, Zelenograd, Shokin sq., 1
1. Круглов М. Г., Юрин Д. С. Контроль качества в современных условиях // Известия ТулГУ. Технические науки. 2023. № 7. С. 193–199. https://doi.org/10.24412/2071-6168-2023-7-193-194. – EDN: JMFOYC.
2. Скрипко Л. Е. Становление взглядов на менеджмент качества // Вестник Санкт-Петербургского университета. Менеджмент. 2022. Т. 21. № 3. С. 395–428. https://doi.org/10.21638/11701/spbu08.2022.304. – EDN: AOKOVM.
3. Данилевич С. Б., Третьяк В. В. Выходной контроль: влияние индекса качества продукции на риски принятия ошибочных решений // Компетентность. 2022. № 4. С. 32–35. https://doi.org/10.24412/1993-8780-2022-4-32-35. – EDN: HPAZVE.
4. Смирнов К. К. Автоматизация операций прослеживаемости качества интегральных структур при производстве сверхбольших интегральных схем // Тр. МАИ. 2017. № 95. Ст. 25. EDN: ZHNYDR.
5. Емельянова М. Г., Смаилова С. С., Бакланова О. Е. Обнаружение поверхностных дефектов сварных соединений при визуальном контроле методами машинного зрения // Компьютерная оптика. 2023. Т. 47. № 1. С. 112–117. https://doi.org/10.18287/2412-6179-CO-1137. – EDN: UFHBJU.
6. Прыткова Е. А., Давыдов В. М. Анализ применения иерархических нейросетевых методов в контроле качества // Вестник МГТУ им. Г. И. Носова. 2023. Т. 21. № 1. С. 74–81. https://doi.org/10.18503/1995-2732-2023-21-1-74-81. – EDN: GJGYLJ.
7. Шевнина Ю. С. Метод оценки состояния нелинейной системы на основе логического анализа данных // Изв. вузов. Электроника. 2022. Т. 27. № 3. С. 407–415. https://doi.org/10.24151/1561-5405-2022-27-3-407-415. – EDN: BZRDEB.
8. Шевнина Ю. С., Гагарина Л. Г., Конюхов Е. В., Харитонова А. Д. Метод кластерного анализа гетерогенных данных с использованием положений нечеткой логики // Изв. вузов. Электроника. 2023. Т. 28. № 4. С. 537–546. https://doi.org/10.24151/1561-5405-2023-28-4-537-546. – EDN: AVWMTN.
9. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы / пер. с пол. И. Д. Рудинского. М.: Горячая линия – Телеком, 2008. 383 с.
10. Interactive multidimensional modeling of linked data for exploratory OLAP / E. Gallinucci, M. Golfarelli, S. Rizzi et al. // Information Systems. 2018. Vol. 77. P. 86–104. https://doi.org/10.1016/j.is.2018.06.004
11. Cheraghalipour A., Hajiaghaei-Keshteli M., Paydar M. M. Tree growth algorithm (TGA): A novel approach for solving optimization problems // Eng. Appl. Artif. Intell. 2018. Vol. 72. P. 393–414. https://doi.org/10.1016/j.engappai.2018.04.021