Jupiter 2016 Zbornik

40.
JUPITER KONFERENCIJA
sa meunarodnim ueem
40th JUPITER CONFERENCE
with foreign participants
ZBORNIK RADOVA
PROCEEDINGS
UNIVERZITET U BEOGRADU - MAINSKI FAKULTET
UNIVERSITY OF BELGRADE
FACULTY OF MECHANICA
MECHANICALL ENGINEERING
Beograd, maj 2016.
I
40. JUPITER KONFERENCIJA
ZBORNIK RADOVA
PROCEEDINGS
33. simpozijum
CIM U STRATEGIJI TEHNOLOKOG
RAZVOJA INDUSTRIJE PRERADE METALA
27. simpozijum
CAD/CAM
36. simpozijum
NU ROBOTI FTS
42. simpozijum
UPRAVLJANJE PROIZVODNJOM U
INDUSTRIJI PRERADE METALA
20. simpozijum
MENADMENT KVALITETOM
Organizator:
Beograd, maj 2016. godine

ZBORNIK RADOVA
Organizator:
Adresa:
Kraljice Marije 16, 11120 Beograd, Srbija
Tel: 011-3370341, Fax: 011-3370364
El. pota: jupiter@mas.bg.ac.rs
Odobreno za tampu odlukom Dekana

br. 05/16 od 15.04.2016.
Tehniki urednici:
Prof. dr Bojan Babi

Prof. dr Saa ivanovi
Beograd, maj 2016.
Tira: 150 primeraka

tampa: Planeta print,
11000 Beograd, Igora Vasiljeva 33r, tel.: 011 650 6564
ISBN 978-86-7083-893-2
II
PROGRAMSKI I NAUNI ODBOR
Predsednik:
Prof. drDragan Milutinovi, Mainski fakultet Beograd
lanovi: Prof. dr Slavko Arsovski, MF Kragujevac Prof. dr Bojan Babi, MF Beograd
Prof. dr Boica Bojovi, MF Beograd mr Goran Vujai, V Beograd Prof. dr
Milo Glavonji, MF Beograd Prof. dr Saa ivanovi, MF Beograd Prof. dr Milan
Zeljkovi, FTN Novi Sad Prof. dr Milisav Kalajdi, MF Beograd dr Vladimir
Kvrgi, LOLA Institut Beograd Prof. dr Pavel Kova, FTN Novi Sad Prof. dr
Miodrag Lazi, MF Kragujevac Prof. dr Ljubomir Luki, MF Kraljevo Prof. dr
ivana Jakovljevi, MF Beograd Prof. dr Vidosav Majstorovi, MF Beograd Prof. dr
Vladimir Milai, MF Beograd Prof. dr Pavao Bojani MF Beograd Prof. dr Milorad
Milovanevi, MF Beograd Prof. dr Zoran Miljkovi, MF Beograd Prof. dr Bogdan
Nedi, MF Kragujevac Prof. dr Petar Petrovi, MF Beograd Prof. dr Miroslav
Pilipovi, MF Beograd Prof. dr Radovan Puzovi, MF Beograd Prof. dr Slobodan
Tabakovi, FTN Novi Sad Prof. Dr Zoran Radojevi, FON Beograd Prof. dr arko
Spasi, MF Beograd Prof. dr Ljubodrag Tanovi, MF Beograd Prof. dr Velimir
Todi, FTN Novi Sad Prof. dr Miroslav Trajanovi, MF Ni Prof. dr Saa
Ranelovi, MF Ni Prof. dr Ilija osi, FTN Novi Sad dr Neboja ovi, Beograd
Prof.dr Emilia Assenova (Bugarska) Prof. dr Vladimir I Averchenkov (Rusija)
Prof. dr Nikolai I. Bobir (Ukrajina) Prof. dr Konstantin D. Bouzakis (Grka)
Prof. dr Miodrag Bulatovi (Crna Gora) Prof. dr Radomir Vukasojevi (Crna Gora)
Prof. dr Milan Vukevi (Crna Gora) Prof. dr Duan Golubovi (BiH) Prof. dr Doina
Dragulescu (Rumunija) Prof. dr Kornel Ehmann (SAD) Prof. dr Alexander Janac
(Slovaka) Prof. dr Vid Jovievi (BiH) Prof. dr Michael I Kheifetz (Belorusija)
Prof. dr Sergey A. Klimenko (Ukrajina) Prof. dr Radovan Kovaevi (SAD) Prof. dr
Andrey A. Kutin (Rusija) Prof. dr Peter P. Melnichuk (Ukrajina) Prof. dr Nicolae
Negut (Rumunija) Prof. dr Stanislaw Pytko (Poljska) Prof. dr Sreten Savievi (Crna
Gora) Prof. dr Mirko Sokovi (Slovenija) Prof. dr Victor K. Starkov (Rusija)
ORGANIZACIONI ODBOR
Predsednik:
Prof. dr Bojan Babi, Mainski fakultet Beograd
Sekretar:
Prof. dr Saa ivanovi, Mainski fakultet Beograd
lanovi:
Doc. dr Branko Kokotovi, MF Beograd Doc. dr Nikola Slavkovi, MF Beograd
Asist. dr Goran Mladenovi, MF Beograd Dr Mihajlo Popovi, MF Beograd Asist. dr
Slavenko Stojadinovi, MF Beograd Asist. Milica Petrovi, MF Beograd Asist.
Jelena Petronijevi, MF Beograd Asist. Milo Pjevi, MF Beograd
III
ZAHVALNICA
Organizacioni odbor 40. JUPITER KONFERENCIJE se najsrdanije zahvaljuje svim

institucijama i pojedincima koji su linim angaovanjem i konstruktivnim delovanjem
pomogli u organizovanju ove konferencije.
Posebno se zahvaljujemo pokrovitelju:
Ministarstvo prosvete, nauke i tehnolokog razvoja

Vlade Republike Srbije
IV
PREDGOVOR
JUPITER Konferencija prikazuje znaajne rezultate istraivanja ostvarene u prethodne

dve godine. Ovogodinja XL JUPITER Konferencija je prilika da se sagledaju trendovi
u domenu nauke, obrazovanja i industrije u Republici Srbiji i njihova kompatibilnost sa
Strategijom obrazovanja i Strategijom industrijskog razvoja do 2020. godine.
Centar za nove tehnologije - nauni i tehnoloki poligon za generisanje novih ideja,

koncepta i proizvoda u narednom periodu treba da postane jedan od nosioca stvaranja
tehnolokih platformi Republike Srbije. Posebna panja e biti usmerena ka
meunarodnim projektima i povezivanju sa relevantnim naunim institucijama u svetu.
Na Konferenciji e biti izloeno 30 radova autora iz Srbije i inostranstva.
Ministarstvo prosvete nauke i tehnolokog razvoja Republike Srbije je finansijskom

podrkom omoguilo organizovanje ove konferencije kao podrku naporima za
unapreenje obrazovanja i nauke u oblasti proizvodnog mainstva.
U ime organizacionog odbora posebno se zahvaljujem svim domaim i stranim

autorima, kao i lanovima recenzentskog tima na izvrenim recenzijama.
Dobro doli na XL JUPITER Konferenciju.
U Beogradu, 17. maj 2016.
Prof.dr Bojan Babi
V
Izaberite simpozijum JUPITER Konferencije
CIM U STRATEGIJI TEHNOLOKOG RAZVOJA

INDUSTRIJE PRERADE METALA
CIM IN THE STRATEGY OF TEHNOLOGICAL
DEVELOPMENT OF METALWORKING INDUSTRY
CAD/CAM
NU ROBOTI FTS
NC - ROBOTS FMS
UPRAVLJANJE PROIZVODNJOM U INDUSTRIJI

PRERADE METALA
PRODUCTION CONTROL IN METALWORKING INDUSTRY
QUALITY
==========================================
VI
Spisak svih radova na JUPITER Konferenciji
po prezimenu prvog autora
Anti, A., Zeljkovi, M., Miloevi, M.

METODE IZDVAJANJA OBELEJA U SISTEMU ZA NADZOR ALATA PRI OBRADI
TEKO OBRADIVIH MATERIJALA ..................................................................................................... 3.1
Barali, J., Nedi, B.
GEOMETRIJA REZA PRI OBRADI ABRAZIVNIM VODENIM MLAZOM ...................................... 3.6
Bracanovi, Z., Petrovi, V., Grozdani, B., Borak, .
UTICAJI DOLAZNIH I ODLAZNIH PROCESA NA RAZVOJ KONKURENTSKE
PREDNOSTI PREDUZEA................................................................................................................... 4.44
Dimi, Z., Milutinovi, D., ivanovi, S., Mitrovi, S.
METOD KONFIGURISANA UPRAVLJAKOG SISTEMA OTVORENE ARHITEKTURE
REKONFIGURABILNOG ROBOTA ZA OBRADU ............................................................................ 3.12
Drndarevi, D., Milivojevi, M.
MODELLING WITH BACKPROPAGATION ALGORITHM ............................................................... 1.1
Dui, N., ojbai, ., Slavkovi, R., Milievi, I.
OPTIMIZACIJA SISTEMA LIVENJA NOSAA ZUBA BAGERA VEDRIARA.............................. 2.1
urakovi, D., Janji, M., Vukevi, M.
MODELIRANJE I SIMULACIJA NAPREZANJA PLOA OD LAMINIRANOG
SIGURNOSNOG STAKLA ...................................................................................................................... 2.7
urevi, ., Aneli, N., Maneski, T., urevi, A.
NUMERIKA ANALIZA NAPONA UKE NA KONTEJNERSKOM TERMINALU ....................... 2.12
Miloradovi, N., Ili, S., Vujanac, R.
MODELIRANJE I PRORAUN GRAEVINSKE STUBNE DIZALICE ........................................... 2.18
Jovanovi, R. J., uki, D. R.
UTICAJ PROIZVODNO-TRANSPORTNE PARTIJE NA TRAJANJE TEHNOLOKOG
CIKLUSA PROIZVODNE FAZE ............................................................................................................ 4.1
Jovii, G., Tabakovi, S., Zeljkovi, M., Mlaenovi, C.
STRUKTURNA OPTIMIZACIJA POKRETNE PLATFORME VIENAMENSKE MAINE
ALATKE SA HIBRIDNOM KINEMATIKOM ..................................................................................... 3.16
Luki, D., Miloevi, M., Vukman, J., urev, M., Anti, A.
KONCEPTUALNO PROJEKTOVANJE TEHNOLOKIH PROCESA I PROCENA
TROKOVA IZRADE .............................................................................................................................. 1.6
Marjanovi, J., Gojgi, N.
PRIMENA OLAP-a ZA ANALIZU PARAMETARA OPERCIJA U TEHNOLOKOM
POSTUPKU ............................................................................................................................................ 1.14
Markovi, V., Jakovljevi, ., Miljkovi, Z.
SEGMENTACIJA JEDNE KLASE POVRI DRUGOG REDA IZ STRUKTUIRANOG
OBLAKA TAAKA: PROBLEM ODREIVANJA PRAGOVA ........................................................... 4.7
Mitrovi, A., Kova, P., Kulundi, N., Savkovi, B.
MODELOVANJE I SIMULACIJA PROCESA OBRADE GLODANJEM ........................................... 2.23
Mitrovi, S., Jakovljevi, ., Dimi, Z., Miljkovi, Z.
UPRAVLJANJE MOBILNIM ROBOTOM ZA ZAOBILAENJE PREPREKA U 2D
PROSTORU PRIMENOM VETAKIH NEURONSKIH MREA..................................................... 4.18
Mladenovi, G., Tanovi, L., Pjevi, M., Popovi, M.
OBRADA SKULPTORSKIH POVRINA - RAZVOJ CAD/CAM SISTEMA .................................... 2.27
Nestorov, A., Milanovi, D., Misita, M.
BAZNI MATEMATIKI MODEL ZA PROJEKTOVANJE SOFTVERSKOG REENJA ZA
UPRAVLJANJE LJUDSKIM RESURSIMA U CILJU POVEANJA KVALITETA I
EFIKASNOSTI RADA ........................................................................................................................... 1.19
Papi, S., Klisura, F.
UTICAJ STEPENA STRUNOSTI LJUDSKIH RESURSA NA KVALITET GLAVNOG
PROCESA PROIZVODNJE ................................................................................................................... 4.29
VII
Petronijevi, J., Petrovi, M., Vukovi, N., Miti, M., Babi, B., Miljkovi, Z.
MULTIAGENTNI I HOLON TEHNOLOKI SISTEMI U PROJEKTOVANJU
TEHNOLOKIH PROCESA I TERMINIRANJU PROIZVODNJE ..................................................... 3.63
Petrovi, M., Petronijevi, J., Miti, M., Vukovi, N., Miljkovi, Z., Babi, B.
INTELIGENCIJA ROJA ESTICA I TEORIJA HAOSA U INTEGRISANOM
PROJEKTOVANJU I TERMINIRANJU FLEKSIBILNIH TEHNOLOKIH PROCESA.................... 3.22
Pjevi, M., Tanovi, L., Mladenovi, G.
UTICAJ PUTANJE ALATA NA KRITINU DUBINU PRODIRANJA KOD
MIKROREZANJA KRTIH MATERIJALA ........................................................................................... 3.33
Popovi, M., Mladenovi, G.

....................................................................................................................................... 2.33
Slavkovi, N., Milutinovi, D., ivanovi, S.
METOD KOMPENZACIJE GREAKA IZAZVANIH SILAMA REZANJE PRI OBRADI
ROBOTIMA............................................................................................................................................ 3.39
Stojadinovi, S., Majstorovi, V., Durakbasa M., .
A
............................................................................................................................... 5.1
Vasili, G., ivanovi, S.
ANALIZA RADNOG PROSTORA REKONFIGURABILNOG DVOOSNOG
PARALELNOG MEHANIZMA MOMA ............................................................................................... 3.47
Vujovi, D., Niki, P., Niki, N.
,
................................................... 4.35
ivanovi, S., Kokotovi, B., Slavkovi, N., Milutinovi, D.
KONFIGURISANJE MULTIFUNCKIONALNIH I REKONFIGURABILNIH MAINA
ALATKI I METODI ZA NJIHOVO PROGRAMIRANJE I VERIFIKACIJU PROGRAMA
OBRADE ................................................................................................................................................ 3.55
VIII
SPISAK AUTORA
LIST OF AUTHORS
ANELI, NINA KLISURA, FUAD PAPI, SEJFO

ANTI, ACO KOKOTOVI, BRANKO PETRONIJEVI, JELENA
BABI, BOJAN KOVA, PAVEL PETROVI, MILICA
BARALI, JELENA KULUNDI, NENAD PETROVI, VELIMIR
BORAK, URO LUKI, DEJAN PJEVI, MILO
BRACANOVI, ZLATA MAJSTOROVI, VIDOSAV POPOVI, MIHAJLO
OJBAI, ARKO MANESKI, TAKO SAVKOVI, BORISLAV
DIMI, ZORAN MARJANOVI, JELENA SLAVKOVI, NIKOLA
DRNDAREVI, MARKOVI, VELJKO SLAVKOVI, RADOMIR
DRAGOLJUB MILANOVI, DRAGAN D. STOJADINOVI,
DUI, NEDELJKO MILIEVI, IVAN SLAVENKO
DURAKBASA M., NUMAN MILIVOJEVI, MILOVAN TABAKOVI, SLOBODAN
UKI, RADISAV MILJKOVI, ZORAN TANOVI, LJUBODRAG
URAKOVI, DRAGANA MILORADOVI, NENAD VASILI, GORAN
UREV, MIA MILOEVI, MIJODRAG VUJANAC, RODOLJUB
UREVI, ANDRIJANA MILUTINOVI, DRAGAN VUJOVI, DRAGAN
UREVI, ORE MISITA, MIRJANA VUKEVI, MILAN
GOJGI, NATAA MITI, MARKO VUKMAN, JOVAN
GROZDANI, BRANKA MITROVI, ANELIJA VUKOVI, NAJDAN
MITROVI, STEFAN ZELJKOVI, MILAN
ILI, STEFAN
MLADENOVI, GORAN IVANOVI, MIROSLAV
JAKOVLJEVI, IVANA
MLAENOVI, CVIJETIN IVANOVI, SAA
JANJI, MILETA
NEDI, BOGDAN
JOVANOVI, JELENA
NESTOROV, ALEKSANDAR
JOVII, GORAN NIKI, PETAR
IX
sa meunarodnim ueem

ZBORNIK RADOVA
PROCEEDINGS
33. simpozijum

RAZVOJA INDUSTRIJE PRERADE METALA
Beograd, maj 2016.

CIM U STRATEGIJI TEHNOLOKOG RAZVOJA
INDUSTRIJE PRERADE METALA
CIM IN THE STRATEGY OF TEHNOLOGICAL
DEVELOPMENT OF METALWORKING INDUSTRY
Drndarevi, D., Milivojevi, M.

MODELLING WITH BACKPROPAGATION ALGORITHM ............................................................... 1.1
Luki, D., Miloevi, M., Vukman, J., urev, M., Anti, A.
TROKOVA IZRADE .............................................................................................................................. 1.6
Marjanovi, J., Gojgi, N.
POSTUPKU ............................................................................................................................................ 1.14
Nestorov, A., Milanovi, D., Misita, M.
EFIKASNOSTI RADA ........................................................................................................................... 1.19
NAZAD
40. JUPITER 33. simpozijum
konferencija
Beograd 2016 RAZVOJA INDUSTRIJE PRERADE METALA
Drndarevic, D, Milivojevic, M.1
MODELLING WITH BACKPROPAGATION ALGORITHM
Abstract: Modelling processes with one kind of neural networks backpropagation learning algorithm is
given. The architecture and characteristics of backpropagation algorithm are presented, and the basic
principles of modelling of process of unknown behaviour with development of model are described. The
procedure of modelling one sort of manufacture process is shown in the example. In the paper is shown that
simulation results of neural network models gives less approximation error then the statistical procedure,
which is in conventional application.
Keywords: Modelling, Process, Neural network, Backpropagation learning algorithm
1. INTRODUCTION
Different techniques are being applied to various problems involved in processes modelling. Most of
these techniques are based on statistical methods, which is useful when the number of relevant factors is
small and when their effects can be described by the simple functions. However, if the number of influential
factors is large and the effects of these factors on final process characteristics are complex with high
nonlinearity, it is very difficult, sometimes impossible, to reach required practical results, with techniques
such as regression analysis. These problems, particularly in the case when the designing algorithm or rule
development is difficult to establish, can be resolved using artificial neural network (NN) approach. Namely,
massive parallelism and multipath structure of artificial neural networks exhibit a surprising number of the
brains characteristics. For instance, they learn from experience, generalize from previous examples to new
ones, and abstract essential characteristics from inputs containing irrelevant data.
Process modelling by NNs is used in most fields of production. The concepts involved in NN
modelling and its application in manufacturing is given in [1], in chemical industry [2] and in powder
metallurgy [3]. Investigations of authors in application of NNs mostly in powder metallurgy are given in [4-
8].
2. BACKPROPAGATION ALGORITHM
Backpropagation algorithm, also known as a Generalized Delta Rule [9] is used for learning of
multilayer NN. Multilayer NN (Figure 1) has a feedforward signals flow and fully interconnected
corresponding layers through processing elements. The general architecture consists of the input layer with N
processing elements, H hidden layers with N1, N2,..., NH elements, respectively, and the output layer with
M elements.
The learning process is performed in iterative cycles. Each cycle consists of two passes: a forward
pass and a backward pass.
In the forward pass, the outputs of processing elements in all layers from input to output are
determined. The input layer does not process input signals x1, x2,..., xN, it only performs fan-out of signals to
the elements of second layer. The inputs xj1 in the first hidden layer are obtained as the sum of products
weights wij1 of interconnections of elements i and j and the input xi, to which the corresponding transfer
function is applied. With this kind of NN the transfer function is more often sigmoidal. In the same way, the
inputs in other layers are obtained, and at the end the outputs of NN y1, y2,...,yM are obtained.
1
dr Dragoljub Drndarevic, prof., High Business Technical School, Uzice (dragoljub.drndarevic@vpts.edu.rs), mr Milovan
Milivojevic, prof., High Business Technical School, Uzice (milovan.milivojevic@vpts.edu.rs)
1.1
xo=1 xi xo1=1 xj 1 xo2=1 xoH=1
xk 2 xqH
wij 1 wjk2 wkl 3 wqrH+1
wpqH
x1
y1
x2 d1
y2
d2
xN yM
N N1 N2 NH M dM
i=0-N j=0-N1 k=0-N2 q=0-NH r=1-M
Figure 1: A general architecture of multilayer neural network
In the backward pass, by the application of the gradient descent method on the mean square output
error, which is difference between the desired outputs d1, d2,..., dM and outputs of the NN y1, y2,...,yM , the
correction of weights is done. The correction of weights is performed by the outputs error backpropagation
from output to input layer. The iterations are performed for corresponding input/output pairs and thereby the
output error is decreased, until it reaches a set value in accordance with chosen criterion. As the criterion,
besides the mean square error, the maximal error, the mean error, etc. can be taken.
3. DEVELOPMENT OF MODEL
The principal elements of the process model based on NN generally contain input data, NN
architecture and learning algorithm. The basic stages, i.e. process modelling activities, are shown in Figure 2.
The activity flow chart of process modelling can be divided into two parts. In the first stage, based on prior
process analysis, the selection of significant factors is performed and the model architecture with learning
algorithm defined, while, in the second stage, the experimental program is formed and computing program is
generated to be used for learning and testing of the model. In the case of unsatisfactory test results an
intervention is possible on three levels (shown in Figure 2).
Process factors
Process
selection
Experimental Model architecture Change of model

program forming
Source program
generation
Change of learning data
Experimental Model Change of desired

learning data learning
N Accuracy
satisfactory
Yes
Experimental Model
testing data testing
Testing No
satisfactory
Yes
Model
Figure 2. Development of the process model based on neural networks
1.2
4. EXAMPLE
The model is formed for the certain kinds of PM parts - self-lubrication bearings, material of which
is bronze P4013Z. The regimes of the process for the given material during obtaining of the experimental
data were constant. The process is observed inversely. As input factors, dimensions (dp, Dp, hp) and density
(p) of the compact are taken, and output characteristics are dimensions of the compaction tool (dtp, Dtp).
Based on the experimental data, a spring-back model of the compact is formed. As a model, a multilayer
neural network is used, the architecture of which is shown in Figure 3.
dp
Dp dtp
hp Dtp
p
Figure 3: The architecture of spring-back model
The standard backpropagation algorithm with correction of weights after every iteration and with the
moment term is applied, based on which a programme for simulation is formed. Within the simulation
programme, the preparation of inputs, i.e. experimental data, has been performed (randomization of order,
division of the entire input set into training data set and test data set, parameterization and normalization of
data), generation of the initial weight values and defining of the accuracy criterion.
The set of input, i. e. experimental data is divided in the way that approximately 3/4 of the
accidentally chosen data are used for learning and 1/4 for testing. By optimization as per the criterion of the
minimum error of testing and minimum number of learning cycles, the parameters of the model are obtained
as follows: learning rate term 0.9, momentum term 0.4, the interval of the initial weights 0.3 and the
number of processing elements in the hidden layer 10.
By the simulation of the model with the optimal parameters in the set of the experimental data for
testing, the outputs are obtained, i. e. tool dimensions for the compaction, for the given dimensions of the
compact. Based on the input experimental data and the obtained outputs, the coefficients which represent
relative spring-back of the part after ejection are obtained as follows:
d tp d p Dtp D p
X dp = ; X Dp =
dp Dp
In Figure 4, the spring-back coefficients are shown. The relative spring-back of the inner diameter
Xdp for the bearings with ds = 3-60mm is shown in Figure 4a. Next to the real curve, its polynomial
approximation is given. It is observed that the absolute value of the coefficient Xdp decreases with diameter
increasing. The coefficient of the outer diameter XDp slowly increases with increasing Dp (Figure 4b).
The mean values of the spring-back coefficients are:
Xdp = -2.15910-3 , XDp = -1.32010-3 ,
where the sign gives direction of the change in relation to the supposed direction in the equation given above.
The results of the model simulation in the form of the output errors are given in Figure 5. The errors
represent mean values of the absolute deviations of the model outputs from the desired ones, i. e.
experimental values of the outputs. The diagrams in Figure 5 display the change of learning and testing
errors as per dimensions for 3000 cycles of training, since during increase the number of cycles, the
convergence is very slow. The learning and testing errors, after a very fast decrease in the first few cycles
(which is a usual phenomenon) and variation in the subsequent phase, enter the area of convergence. The
testing error for Dtp, after reaching global minimum, increases slowly with the increase of the cycles number
due to "overtraining" effect, described in [10].
1.3
0.004
Xdp
0.002
Poly.Xdp
Relative spring back

0
3 7 12 14 17 21 30 38 60
-0.002
-0.004
-0.006
-0.008 Inner diameter-dp
-0.01
a)
0.003
XDp
0.002
Poly.XDp
Relative spring-back
0.001
-0.001 5 10 15 20 25 30 35 45 70
-0.002
-0.003
-0.004 Outer diameter-Dp

-0.005
b)
Figure 4: The spring-back coefficients
Learning
0.02
Testing
0.02
0.019 dtp
0.019 dtp Dtp
Dtp
0.018
0.018
0.017
0.017
Mean error
0.016
Mean error
0.016
0.015
0.015
0.014
0.014
0.013 0.013
0.012 0.012
0.011 0.011
0.01 0.01
1 601 1201 1801 2401 3001 1 601 1201 1801 2401 3001
Number of cycles Number of cycles
Figure 5: The learning and testing errors of the spring-back model
The results of model simulation, given in this paper, were compared with the standard procedure
based on statistical processing of experimental data. This procedure is carried out by backward movement,
from the finished part dimensions to compaction, taking into consideration dimensional changes in sintering.
The spring-back coefficients, based on learning data set used with NN, were determined. Tool dimensions
were determined for testing data set using obtained coefficients. The same form of the mean error as the one
of the NN was used for comparison.
The comparison results are given in Table 1. The results show that NN based model gives lower total
mean error for 3.3% than obtained by statistical procedure. This was achieved by including a greater number
of significant factors and their interdependence, as well as by having more common functional forms and
iterative approach to solution.
1.4
Table 1: The mean errors of the prediction for statistical procedure and for NN model
Model dtp Dtp
By statistical procedure 0.01389 0.01636 0.03025
By NN 0.01491 0.01435 0.02926
5. CONCLUSIONS
A neural network approach in modelling and its application at various types of processes is given.
The model is based on experimental data applying multilayer neural network with Backpropagation learning
algorithm. The basic principle of modelling of a process unknown behaviour is shown and development of
neural network model is described.
The advantages of modelling methods using NNs in comparison with statistical procedure and other
applicable methods (regressive analysis, cubic spline) are in including the greater number of influential
factors and their interactivity, simultaneous obtaining of greater number of outputs, more common functional
forms and iterative approach to solution. Characteristics of NNs are fault tolerance, robustness of noise and
incomplete information and approximation ability of high nonlinearity systems. All relevant process factors
are included, with possibility of omitting those factors which increase the model error or have no influence
on outputs.
The limitations and deficiencies of given modelling procedure result from the general characteristics
of backpropagation algorithm requiring relatively great amount of input data with random distribution, as
well as a great number of iterations for obtaining satisfactory results.
Practical significance of the presented procedure is in better prediction of the output characteristics
than that obtained by statistical procedure, mostly used in practice. The model, i.e. trained NN, for another
input data (new material, for example) from the range in which learning was performed or from its
surroundings (since the model is capable of extrapolation apart from interpolation), gives outputs with a
similar average error as for data set used for learning.
6. REFERENCES
[1] Zhang H. C., Huang S. H., Application of Neural Networks in Manufacturing: a State - of - the - Art
Survey, Int. Journal of Production Research, Vol. 33, No 3, pp. 705-728, 1995.
[2] Zupan J., Novic M., Gasteiger J., Neural Networks with Counter-propagation Learning Strategy
used for Modelling, Chemometrics and Intelligent Laboratory Systems, 27, pp. 175-187, 1995.
[3] Smith L. N., Modelling PM processes using neural networks, Metal Powder Report, pp. 30-35, Feb.
2000.
[4] Drndarevic D., Reljin B., Accuracy modelling of powder metallurgy process using backpropagation
neural networks, Powder Metallurgy, Vol. 43, No. 1, pp. 25-29, 2000.
[5] Drndarevic D., Djuricic M., Modelling of the Dimensional Changes during Sintering, Science of
Sintering, SANU, Belgrade, Vol. 37, No. 3, pp.181-187, 2005.
[6] Drndarevic D., Modelling of the spring-back of powder metallurgy parts, Tehnika, Beograd (M1-8),
6/2005.
[7] Milivojevic, M., Stopic, S. Friedrich, B, Stojanovic B., Drndarevic, D., Computer Modeling of High
Pressure Leaching Process of Nickel Laterite by Design of Experiments and Neural Networks,
International Journal of Minerals, Metallurgy and Materials, Vol. 19, No. 7, July, pp. 584-594, 2012.
[8] Drndarevic D., Milivojevic M., Modelling with neural networks, Journal of Mechatronics, Vol. 2.,
No. 2., pp. 143-146, 2014.
[9] Rumelhart D. E., Hinton G. E., Williams R. J., Learning representation by back-propagating errors,
Nature, Vol. 323, pp. 533-536, 1986.
[10] Hecht-Nielsen R., Neurocomputing, Reading MA, Addison-Wesley, 1990.
1.5
konferencija
Luki, D., Miloevi, M., Vukman, J, urev, M., Anti, A.: 1)

TROKOVA IZRADE2)
Rezime
Odreivanje trokova proizvodnje predstavlja osnovu za donoenje kvalitetnih odluka u proizvodnoj praksi.
Nemogunost preduzea da brzo i uspeno odredi trokove moe znaajno da ugrozi njegov ekonomski
opstanak na globalnom tritu. U poetnim fazama razvoja proizvoda najee se vri procena trokova, dok
se u kasnijim fazama vri detaljan proraun trokova.
U ovom radu prikazan je znaaj procene trokova u fazi konceptualnog projektovanja tehnolokih procesa
izrade proizvoda. Prikazan je primer procene trokova izrade tela endoproteze zgloba kuka primenom
razvijenog programskog reenja za procenu trokova.
Kljune rei: Razvoj proizvoda, Konceptualno projektovanje tehnolokih procesa, Procena trokova
1. UVOD
Centralno mesto u ivotnom ciklusu proizvoda zauzima razvoj proizvoda, u okviru koga se generie
kvalitet proizvoda, ali i najvei broj greaka, koje je neophodno otkloniti u to ranijoj fazi. Zbog toga je
potrebno problem proizvodnje razmatrati to je mogue ranije, jo u konceptualnoj fazi projektovanja, jer su
trokovi izmene vei ako se one izvre u kasnijoj fazi razvoja proizvoda [1, 2, 3].
Projektovanje tehnolokih procesa je sloena aktivnost koja se deli na vie hijerarhijskih nivoa. Prvi i
najvii nivo u ovoj hijerarhiji predstavlja konceptualno ili preliminarno projektovanje tehnolokih procesa
(CPP), kao aktivnost preliminarne procene mogunosti i efekata proizvodnje proizvoda [4]. Osnovni zadatak
ove aktivnosti je podrka ranoj fazi razvoja proizvoda u optimizaciji konstrukcije proizvoda sa aspekta
tehnologinosti konstrukcije, izboru preliminarnih tehnolokih procesa i proceni trokova i vremena
proizvodnje. Izlazni rezultati konceptualnog projektovanja tehnolokih procesa se koriste u fazi
konceptualnog projektovanja proizvoda, kao i u fazi detaljnog projektovanja tehnolokih procesa, slika 1.
Slika 1. Mesto i uloga konceptualnog projektovanja tehnolokih procesa [4, 5]

1)
Doc. dr Dejan Luki, e-mail: lukicd@uns.ac.rs; Doc. dr Mijodrag Miloevi, e-mail: mido@uns.ac.rs; MSc Jovan Vukman, e-mail:
vukman@uns.ac.rs; MSc Mia urev, e-mail: mdjurdjev@uns.ac.rs; Prof. dr Aco Anti, e-mail: antica@uns.ac.rs; Univerzitet u
Novom Sadu, Fakultet tehnikih nauka, Departman za proizvodno mainstvo, Trg Dositeja Obradovia 6, 21000 Novi Sad.
2)
U okviru ovog rada saopteni su rezultati istraivanja koja se sprovode na projektu TR 35025 "Savremeni prilazi u razvoju
specijalnih reenja uleitenja u mainstvu i medicinskoj protetici", koji finansijski podrava Ministarstvo prosvete, nauke i
tehnolokog razvoja Republike Srbije.
1.6
Konceptualno projektovanje tehnolokih procesa se u literaturi sree i pod imenom Meta Process
Planning [6], Low-level Process Planning [7], High-level Process Planning [8], Preliminary Process Planning
[4], Generic Planning [9], dok neki ve ovu fazu posmatraju kao deo faze Macro Process Planning [10].
Naravno, sadraj i redosled aktivnosti koje se reavaju u okviru navedenih faza konceptualnog projektovanja
tehnolokih procesa nisu na isti nain formulisani, ali u sutini zadaci koje reavaju su u znaajnoj meri
zajedniki. Neki autori programske sisteme za ovu fazu razvoja proizvoda nazivaju konceptualnim CAPP
sistemima (C-CAPP) [11]. Aktivnosti konceptualnog projektovanja tehnolokih procesa se u velikoj meri
poklapaju sa aktivnostima u okviru metodologija projektovanja za izradu i montau (DfMA), gde takoe
figurie aktivnost procene trokova proizvodnje proizvoda [12].
U ovom radu prikazan je znaaj procene trokova u fazi konceptualnog projektovanja tehnolokih procesa
i odgovarajue razvijene metode i softverska reenja. Prikazan je primer procene trokova izrade tela
endoproteze zgloba kuka primenom razvijenog programskog reenja za procenu trokova, kao modula
konceptualnog CAPP sistema.
2. PROCENA TROKOVA IZRADE PROIZVODA
Trokovi proizvodnje predstavljaju jedno od glavnih merila za uspenost razvijene konstrukcije

proizvoda, kako sa aspekta ekonominosti, tako i sa aspekta mogunosti plasmana na tritu. Nemogunost
preduzea da brzo i uspeno odredi trokove moe znaajno da ugrozi njegov opstanak na tritu [13, 14]
U zavisnosti od faze razvoja proizvoda, postoje razliiti naini odreivanja trokova. U poetnim fazama
najee se vri procena, a u kasnijim detaljan proraun trokova. Mnogi autori su se bavili problemom
trokova, pa je razvijen veliki broj metoda za proraun i procenu trokova proizvodnje. Prema [15, 16]
metode za odreivanje trokova se dele na intiutivne, komparativne, analogne, parametarske i analitike.
Tabela 1. Metode za odreivanje trokova [15, 16]
Najbolja primena
Metoda Opis metode Nivo greke
za fazu
Procena trokova na bazi linog znanja, iskustva i Globalno planiranje
Intuitivna 30-50 %
intuicije proizvodnje
Komparativna Globalno planiranje
Procena na osnovu postojeih trokova slinih delova 30-50 %
(Metoda poreenja) proizvodnje
Procena na bazi trokova slinih delova, definiu se Konceptualno
Analogna 14-30 %
parametri za poreenje sa prethodnim sluajevima projektovanje
Vri se izbor parametara koji e se posmatrati, koji se Konceptualno
Parametarska 14-30 %
potom vrednuju na bazi teinskih koeficijenata projektovanje
U obzir se uzimaju direktni i indirektni trokovi. Detaljno
Analitika 5-15 %
Vri se proraun svih elementarnih trokova. projektovanje
Iz prethodne tabele se vidi da se za odreivanje trokova u fazi konceptualnog projektovanja preporuuju

analogne i parametarske metode procene trokova. Kod ovih metoda procena trokova se vri na osnovu
poznatih trokova slinih delova, odnosno na bazi parametara proizvoda koji su usvojeni za poreenje i
odgovarajuih teinskih koeficijenata parametara. Odreeni trokovi u ovoj fazi razvoja proizvoda su
orijentacioni (nivo greke 14-30%), to moe da otea procenu kvaliteta konstrukcije proizvoda. Meutim, za
ovaj nivo projektovanja oni mogu biti veoma znaajni i dovoljno pouzdani, jer osnovni cilj u ovoj fazi nije
utvrivanje stvarnih trokova ve procena trokova i izbor najpovoljnijih varijanti tehnologija izrade.
Kao to je ve navedeno procena trokova predstavlja znaajnu aktivnost u okviru DfMA metodologija i
odgovarajuih programskih sistema. Shodno tome u grupu softvera za procenu trokova mogu se ubrojati i
odgovarajui DfMA programski sistemi, kao to je npr. DFMA softver [17], TeamSET [18] i dr.
U poslednjih vreme, velike kompanije u CAx oblasti su svoje proizvode proirile u pravcu razvoja PLM
sistema, koji obuhvataju procenu trokova tokom ivotnog ciklusa proizvoda ukljuujui i procenu trokova
proizvodnje. Tako, na primer, PTC razvio Windchill [19], Siemens svoj PLM sistem [20], Dassault Systemes
je razvio PLM Solution [21]. Isto tako razvijena su i odgovarajua programska reenja za analizu
tehnologinosti konstrukcije i procenu trokova proizvoda. Ona figuriu kao posebni moduli u
odgovarajuim CAD sistemima ili mogu biti zasebne aplikacije koje se mogu ugraditi u CAD sisteme. Neki
od njih su: DFMPro [22], SolidWorks Costing [23], Autodesk Simulation DFM [24], SEER for
Manufacturing [25], MicroEstimating [26], aPriori Production Cost Management [27], CustomPartNet [28],
DISCUS [29], itd., koji su detaljnije opisani u [1,30].
1.7
3. PROGRAMSKO REENJE ZA PROCENU TROKOVA
U okviru razvijenog programskog reenja za konceptualno projektovanje tehnolokih procesa, reavaju se

pojedini zadaci iz domena sledeih aktivnosti [31]:
Analize tehnologinost konstrukcije proizvoda,
Izbora i ocene osnovnih tehnolokih procesa izrade proizvoda i
Procene trokova izrade proizvoda.
U razvoju programskog reenja/modula za procenu trokova primenjena je metoda koja spada u grupu
analognih metoda, prema [32]. Ova metoda se bazira na inenjerskom iskustvu i znanju, kao i odgovarajuim
podacima iz proizvodne prakse u industriji Velike Britanije, koji su sistematizovani i statistiki obraeni, i na
osnovu kojih su formirane odgovarajue tabele i grafici funkcija pojedinih elemenata trokova.
Trokovi proizvodnje (T) odreenog dela sastoje se od trokova materijala (Tm), trokova izrade (Ti) i
trokova termike obrade i/ili povrinske zatite (Tt):
n
T = Tm + Ti + Tt (1)
i =1
Trokovi materijala se odreuju kao proizvod zapremine pripremka VP i jedinine cene materijala Cmt
(cena materijala po jedinici zapremine):
TM = V p C mp (2)
Kao osnova za odreivanje trokova izrade proizvoda uzimaju se trokovi "idealnog proizvoda" iz
odgovarajue klasifikacione grupe, uz korekciju sa relativnim koeficijentom trokova koji iskazuje razliku
posmatranog proizvoda i idealnog proizvoda, s obzirom na vrstu materijala, sloenost oblika, odreene
dimenzije, tolerancije i kvalitete povrina, odnosno:
Ti = PC RC (3)
gde su:
PC Trokovi izrade idealnog proizvoda
RC Relativni koeficijent trokova
Relativni koeficijent trokova se rauna na osnovu sledeeg izraza:

RC = C C C mp C S C ft (max C t iliC f ) (4)
gde su:
Cc Koeficijent sloenosti oblika proizvoda
Cmp Koeficijent pogodnosti materijala za odreeni proces proizvodnje
Cs Koeficijent koji uzima u obzir debljinu sekcija/zidova proizvoda
Ct Koeficijent tolerancija
Cf Koeficijent kvaliteta obrade povrina
Posle odreivanja koeficijenata tolerancija Ct i kvaliteta obrade povrina Cf, uzima se u obzir koeficijent
sa veom vrednou, koji dobija oznaku Cft. Za odreivanje pojedinih koeficijenata koji figuriu u izrazima
za proraun, potrebno je prethodno izvriti klasifikaciju proizvoda prema sloenosti geometrijskog oblika.
Svi proizvodi su podeljeni u tri osnovne klase (A - Rotaciono-simetrini i rotaciono-nesimetrini delovi, B -
Prizmatini i kutijasti puni delovi, C - Prizmatini i kutijasti tankozidni delovi), koje se dele na pet razliitih
podklasa, prema klasifikatoru iz [32]. U okviru rada [31] prikazan je algoritam na osnovu koga je razvijeno
ovo programsko reenje/modul za procenu trokova.
4. PROCENA TROKOVA VARIJANTI TEHNOLOKIH PROCESA IZRADE TELA

ENDOPROTEZE ZGLOBA KUKA
Implatati koji se koriste u medicinskoj protetici prema vremenskom periodu mogu biti privremeni i trajni,
a prema konstrukcionom reenju i nainu izrade mogu biti individualni prema karakteristikama pacijenta
1.8
custom, koji se najee izrauju pojedinano, i modularne grae ready made, koji se najee izrauju
serijski [33]. U ovom radu prikazana je procena trokova izrade tela endoproteze zgloba kuka od kobaltove
legure nerajueg elika, na bazi izabranih primarnih tehnolokih procesa u [34].
Osnovnu grupu ulaznih podataka za procenu trokova proizvodnje posmatranog tela endoproteze zgloba
kuka primenom posmatranog programskog reenja za procenu trokova, ine sledei podaci:
Vrsta materijala dela: Nerajui elici (specijalne legure),
Ukupan broj procesa, n=1 ili n=2 u zavisnosti od alternativnih varijanti
Varijante tehnolokih procesa:
- Varijanta I Obrada rezanjem CNC (pripremak od ploe-lima)
- Varijanta II Precizno livenje + Obrada rezanjem CNC
- Varijanta III Kovanje u zatvorenom kalupu + Obrada rezanjem CNC
- Varijanta IV Metalurgija praha + Obrada rezanjem CNC
Godinji obim proizvodnje, var. Q=10, 50, 100, 200, 400, 1000, 10000 kom./god.,
Minimalna debljina zida ili sekcije dela: (podruje >5mm),
Najua tolerancija mere dela: tolerancije slobodnih mera 0,05 mm (ISO 2768),
Broj ortogonalnih ravni u kojima se javlja ova tolerancija mera: 3+ ravni,
Najstroiji kvalitet obrade povrina - klasa hrapavosti na delu: Ra=0,2mm (N4),
Broj ortogonalnih ravni u kojima se javlja ova klasa hrapavosti: 3+ ravni.
Jedan od ulaznih podataka predstavlja i klasifikaciona oznaka tela endoproteze, koja se vri interaktivno u
okviru razvijenog programskog reenja, prema kome ovaj proizvod pripada podklasi A5, slika 2. Ulazni
podatak predstavlja i zapremina pripremka koja je u ovom sluaju uzeta kao merodavna.
Slika 2. Klasifikacija tela endoproteze prema geometrijskoj sloenosti u programskom reenju
U nastavku, na slici 3 prikazani su uneti podaci za varijantu II koja se sadri od dva osnovna procesa,
preciznog livenja (IC) i CNC obrade rezanjem (CNC), za obim proizvodnje od 10 kom/god. Na osnovu
definisanih elemenata trokova i odgovarajuih koeficijenata vri se proraun trokova primenom izraza za
procenu trokova, odnosno izraza koji u njemu figuriu (1-4).
Na izlazu se dobijaju proraunate vrednosti trokova izrade tela endoproteze za posmatranu varijantu II.
Ovi trokovi su podeljeni na trokove materijala i trokove izrade, sa grafikim prikazom udela svakog od
njih u ukupnim trokovima izrade, slika 4.
1.9
a) Podaci za precizno livenje
b) Podaci za CNC obradu rezanjem
Slika 3 Ulazni podaci za proraun trokova izrade za varijantu II i prikaz odgovarajuih podataka i
koeficijenata za proraun
1.10
Slika 4 Izlazni rezultati procene trokova izrade tela endoproteze za varijantu II
Promenom ulaznih vrednosti izvreno je variranje podataka za etiri postavljene varijante tehnolokog
procesa izrade tela endoproteze zgloba kuka, uz variranje obima proizvodnje za 10, 50, 100, 200, 400, 1000 i
10000 kom/god, dobijene su procenjene vrednosti trokova izrade, koje su prikazane u tabeli 2.
Tabela 2. Vrednosti procene trokova izrade (izraene u ) tela endoproteze za alternativne varijante
tehnolokih procesa i razliite obime proizvodnje
Tehnoloki Obim proizvodnje Q [kom./god.]

proces 10 50 100 200 400 1000 10000
Varijanta I 219,2 186,37 181,19 179,46 178,25 177,73 177,38
Varijanta II 231,27 188,53 181,77 179,65 178,08 177,34 176,87
Varijanta III 1457 444,97 317,88 254,36 222,73 203,85 192,49
Varijanta IV 1978,4 537,57 356,38 266,66 221,44 194,53 178,45
Na slici 5 prikazan je grafik zavisnosti procenjenih trokova izrade od ulaznih koliina za izabrane
varijante tehnolokih reenja, na osnovu rezultata iz tabele 2.
Na osnovu dobijenih rezultata moe se zakljuiti da je za pojedinanu i maloserijsku proizvodnju, koja
odgovara pojedinanoj izradi tela endoproteza zgloba kuka custom najpovoljnija varijanta I, odnosno
varijanta II. Naravno, za vee koliine znaajnije uee u proizvodnji posmatranih proizvoda uzele bi i
druge varijante tehnologija izrade.
Savremena proizvodnja implantata bazirana je na primeni fleksibilnih proizvodnih tehnologija livenja,

deformisanja, obrade rezanjem, itd. i direktnih proizvodnih tehnologija kao to su rapid tooling, rapid
prototyping i rapid manufacturing, koje se sve vie primenjuju u praksi. Kao podrka ovim tehnologijama
primenjuju se metodologije zasnovane na reverzibilnom inenjerstvu, uz znaajnu podrku savremenih CAx
sistema i CNC tehnolokih sistema.
1.11
Slika 5 Grafiki prikaz zavisnosti procene trokova od obima proizvodnje za usvojene varijante
tehnolokih procesa izrade tela endoproteze
5. ZAKLJUAK
Odreivanje trokova je veoma znaajno sa aspekata mogunosti plasmana proizvoda, smanjenja

trokova razvoja i proizvodnje proizvoda, kao i ekonominosti poslovanja preduzea. Preduzee koje nije u
stanju da brzo i uspeno proceni trokove i na osnovu toga definie trokove proizvodnje i pruanja usluga,
odnosno cenu proizvoda moe znaajno da ugrozi svoj opstanaka na sve zahtevnijem globalnom tritu.
Osnovni predmet istraivanja u ovom radu se odnosi na prikaz znaaja procene trokova u
konceptualnom projektovanju tehnolokih procesa, odnosno u ranoj fazi razvoja proizvoda. Prikazana je
podela metoda za odreivanje trokova, kao i pregled odgovarajuih softverskih reenja za procenu trokova.
Dat je kratak prikaz jedne analogne metode za procenu trokova na osnovu koje je razvijeno istoimeno
programsko reenje. Ovo programsko reenje je primenjeno za procenu trokova izrade tela endoproteze za
razliite varijante tehnologija i obime proizvodnje, iji rezultati su prikazani u ovom radu.
Metodologija procene trokova koja je u ovom radu opisana, omoguuje brzu i dovoljno kvalitetnu
procenu trokova izrade proizvoda, ime se u znaajnoj meri olakava posao projektanata. U cilju odrive
konkurentnosti, skoro svaka proizvodna organizacija e biti prinuena da usvoji filozofiju integracije
projektovanja proizvoda i tehnolokih procesa njihove proizvodnje, i da shodno tome primeni alate za
procenu trokova u ranim fazama razvoja proizvoda, kao i za njihovo odreivanje i praenje u itavom
ivotnom ciklusu proizoda.
6. LITERATURA
[1] Chang, K-H.: Product Cost Estimating-chapter 6, In Product Manufacturing and Cost Estimating using
CAD/CAE, Academic Press is an imprint of Elsevier, Oxford, pp. 237-294, 2013.
[2] Dieter,G.E.: ASM Handbook-Material Selection and Design, ASM Intenational, Vol. 20, Ohio, 1997.
[3] Ashby, M.F.: Materials Selection in Mechanical Design-3 rd edition, Elsevier Butterworth-Heinemann,
Oxford, 2005.
[4] Feng, S., Song, E.: A manufacturing process information model for design and process planning
integration, Journal of Manufacturing systems, Vol. 22, No. 1, pp. 1-14, 2003.
[5] Feng, S., Song, E.: Information Modeling on Conceptual Design Integrated with Process Planning,
Proceedings of Symposia for Design For Manufacturability, International Mechanical Engineering
Congress and Exposition, Orlando, Florida, pp. 160-168, 2000.
[6] Chan, K., King, C., Wright, P.: COMPASS: Computer Oriented Materials, Processes and Apparatus
Selection Systems, Journal of Manufacturing Systems, Vol. 17, No. 4, pp. 275-286, 1988.
[7] Alting, L., Zhang, H.: Computer Aided Process Planning: The State of the Art Survey, International
Journal of Production Research, Vol. 27, No. 4, pp. 535-585, 1989.
[8] Febransyah, A.: A Feature-based Approach to Automating High-Level Process Planning, Ph.D. Thesis,
Faculty of North Carolina State University, 2001.
1.12
[9] ElMaraghy, A.H.: Evolution and Feature Perspectives of CAPP, Annals of CIRP, Vol. 42, No. 2, pp.
739-751, 1993.
[10] Cay, F., Chassapis, C.: An IT View on Perspectives of Computer Aided Process Planning Research,
Computers in Industry, Vol. 34, No. 3, pp. 307-337, 1997.
[11] Luttervelt, C.A.: Research Challenges in CAPP, Production Engineering and Computers, Vol. 4, No. 5,
pp. 5-18, 2002.
[12] Boothroyd, G., Dewhurst, P., Knigh, W.: Product Design for Manufacturing and Assembly, 3rd Edition,
Taylor&Francis, New York, 2011.
[13] Adithan, M.: Process Planning and Cost Estimation, New Age International (P) Limited Publisher, New
Delhi, 2007.
[14] Kesavan, R., Elanchezhian, C., Vijaya Ramnath, B.: Proces Planning and Cost Estimation, New age
International (P) Limited Publisher, New Delhi, 2009.
[15] Creese, R.C., Moore. L.T.: Cost Modeling for Concurrent Engineering, Cost Engineering, Vol. 32, No.
6, pp. 23-27, 1990.
[16] Martin, P., Dantan, J.Y., Siadat, A.: Cost Estimation and Conceptual Process Planning, In Cunha, P.F.
and Maropoulous, P.G. (ed.) Digital Enterprise Technology: Perspective and Future Challenges,
Springer Science+Business Media, LLC., New York, pp. 243-250, 2007.
[17] DFMA software, http://www.dfma.com/software/dfma.htm
[18] The University of Hull: DFA Analysis Overview,
http://www2.hull.ac.uk/discover/mapp/sandpit/dfa/dfa_analysis.aspx
[19] PTC Windchill Product Analytics; www.ptc.com/product/windchill/cost
[20] Siemens PLM Software; www.plm.automation.siemens.com/en_us
[21] Dassault Systemes: PLM Solution; www.3ds.com
[22] DFMPro: A Geopmetric product; http://dfmpro.geometricglobal.com
[23] SOLIDWORKS Costing ; www.solidworks.com/sw/products/3d-cad/solidworks-costing.htm
[24] Autodesk Simulation DFM; www.autodesk.com
[25] SEER FOR MANUFACTURING;
http://galorath.com/products/manufacturing/SEER-software-estimation-manufacturing-projects
[26] Micro Estimating Systems Inc.; www.microest.com/www.mtisystems.com
[27] aPriori Production Cost Management; www.apriori.com
[28] CustomPartNet; www.custompartnet.com
[29] Discus software; www.discussoftware.com
[30] Luki, D., Miloevi, M., Jovii, G., urev, M.: Stanje i trend razvoja u oblasti projektovanja za
izradu DFM, 39 Jupiter konferencija, Mainski fakultet, Beograd, pp.3.753.81, 2014.
[31] Luki D., Todi V., Miloevi M., Jovii G., Vukman J.: Software development for conceptual process
planning, 11th Anniversary International conference an accomplisments in Electrical and Mechanical
Engineering and Information Technology, FME, Banja Luka, pp. 375-381, 2013.
[32] Swift, K.G., Booker, J.D.: Process Selection: From Design to Manufacture, 2nd edition, Butterworth-
Heinemann, Oxford, 2003.
[33] Gruji, J., Tabakovi, S., ivkovi, A., Zeljkovi, M., Gatalo, R.: Modularna tumorska endoproteza
zgloba kuka, Infoteh-Jahorina, Vol. 10, Elektrotehniki fakultet, Istono Sarajevo, pp. 259-262, 2011.
[34] Luki D., Todi V., Miloevi M., Vukman J., Jovii G.: Multi-criteria evaluation and selection
optimal manufacturing processes of the body endoprosthesis hip joint, 35th International Conference of
Production Engineering, Faculty of Mechanical and Civil Engineering Kraljevo, Kopaonik, pp. 297-300,
2013.
Luki, D., Miloevi, M., Vukman, J., urev, M., Anti, A.:
CONCEPTUAL PROCESS PLANNING AND MANUFACTURING COST ESTIMATION

Abstract: Determining the production cost is the basis for better decision-making in manufacturing practice. The
inability of enterprises to quickly and effectively determine the costs can significantly endanger their economic survial
on the global market. The cost estimation is usually performed in the initial stages of product development, while the
later stages consider the detailed cost calculation.
This paper represents the importance of manufacturing cost estimation in the conceptual process planning stage. The
example of manufacturing cost estimation for hip joint endoprosthesis body is shown by using the developed software
for cost estimaton.
Keywords: Product development, Conceptual process planning, Cost estimation
1.13
konferencija
Jelena Marjanovi1, dr Nataa Gojgi2

POSTUPKU
Rezime
U radu je prikazana mogunost primene raunara u procesu uporeivanja operacija tehnolokih postupaka
prilikom razvoja proizvoda tako da su postavke rada odgovaraju realnim potrebama proizvodnih
kompanija. Za osnovu prilikom izrade baze podataka uzeta je operaciona lista koja sadri opis predvienih
operacija za izradu jednog dela kao i redosled njihovog izvoenja. Ono to je prilikom izrade svakog
mainskog dela bitno jeste njegova cena. Priemnom OLAP kocke nad jednoj bazi podataka u kojoj su uneta
dva tehnoloka postupka sa svojim operacijama i reimima obrade za zahvate, izvreno je poreenje cena
operacija sa svojim zahvatima to znatno utie i na konanu cenu proizvoda.
Klune rei: operacijski list, parametri zahvata operacija, OLAP
1. UVOD
Razvoj proizvoda je jedan od najvanijih procesa u svakom preduzeu. Razvoj treba da omogui
krae vreme do komercijalizacije, laku proizvodnju, montau i testiranje proizvoda, ispunjenje zahteva
potroaa, odranje ili izgradnju brenda i ouvanje ivotne sredine.
Proces razvoja proizvoda se sastoji od:

1. izbora ideje za novi proizvod,
2. izrade konstrukcione dokumentacije na osnovu plana razvoja novog proizvoda,
3. izrade tehnoloke dokumentacije proizvoda,
4. izrade prototipa i realizacija nulte serije,
5. sprovoenje izmena nad tehniko-tehnolokom dokumentacijom.
2. TEHNOLOKA DOKUMENTACIJA
Tehnoloka dokumentacija je dokumentacija potrebna za pripremu, organizovanje i praenje

proizvodnje u industriji. Postoje dve grupe i to: administrativno-organizaciona dokumentacija i tehnika
dokumentacija.
Kao ulazni element, tehnoloka dokumentacija ima osnovni zadatak da definie redosled i nain
izvoenja tehnolokih operacija u tehnolokom procesu.
Najei oblici tehnoloke dokumentacije su tehnoloka karta, tehnoloki postupak i operacijski list.
- Tehnoloka karta pregled redosleda toka predmeta koji se obrauje.
- Tehnoloki postupak definie naziv i broj operacija sa opisom radnji u tehnolokoj operaciji uz
definisanje i nekih drugih veliina: koliina materijala, vreme obrade.
- Operacijski list daje detaljan opis tehnoloke operacije sa opisom sredstava za rad, alata sa
1
Jelena Marjanovi, jelenamarjanovic032@gmail.com, Visoka kola tehnikih strukovnih studija aak
2
dr Nataa Gojgi, natasa.gojgic@vstss.com, Visoka kola tehnikih strukovnih studija aak
1.14
opisom rada i detaljnim crteom proizvoda koji se proizvodi odgovarajuom operacijom.
2.1 Tehnoloki postupak
Najee, postoje dve vrste dokumenata: jedan dokument za celokupan proces izrade predmeta, koji
se naziva tehnoloki postupak ili postupak rada i koji sadri spisak operacija sa najneophodnijim podacima
za svaku operaciju (redni broj operacije, naziv operacije, radno mesto i vreme operacije) i niz dokumenata za
svaku pojedinanu operaciju, koji se nazivaju tehnoloka karta, operacioni list, sadraj operacije itd. i koji
sadri sve potrebne podatke za izvoenje svake pojedinane operacije iz tehnolokog postupka.
U optem sluaju, kada se posmatra bilo koji proces obrade metala, tehnolokim postupkom se
definiu svi potrebni podaci za proces izrade predmeta.
2.2 Operaciona lista
Operaciona lista sadri opis predvienih operacija za izradu jednog dela kao i redosled njihovog
izvoenja. Operaciona lista predstavlja propratnicu radnog naloga i daje prikaz kompletnog tehnolokog
postupka proizvoda sa operacijama, instrukcione liste operacija, mainama, oznakom operacije (npr. redni
broj operacije).
Operaciona lista se sastoji od podataka koji su direktno vezani za sam komad koji se obauje, a u te
podatke spadaju datum izrade operacionog lista, konstruktor, broj operacionog lista, vrsta alata koji je
korien, njegov standard, kao i podaci o preduzeu. Osim toga, operacioni list sadri i podatke o proizvodu,
broju komada, broju i nazivu dela tog proizvoda, kao i o vrsti i nazivu obrade, broju i nazivu zahvata i maini
na kojoj je obrada izvrena.
3. ANALIZA DOKUMENTACIJE ZA IZRADU BAZE PODATAKA
Realizacija baze podataka za evidenciju operacionih lista zahteva definisanje modela podataka (slika
1) korienjem CASE alata ERwin, dok su za projektovanje modela podataka neophodni sledei podaci
dobijeni na osnovu analize polja iz operacijske liste i stavki:
1. Broj operacijskog lista kao i datum izrade operacione liste;

2. Preduzee za koje se izrauje dati deo;
3. Naziv proizvoda kao i naziv i oznaka materijala;
4. Podaci o zaposlenima, koji imaju kljunu ulogu u izradi i kontroli tehnolokog postupka, polja
za potpise uesnika u izradi i odobravanju crtea sa datumima pojedinih aktivnosti;
5. Oznaka tehnolokog postupka koja je vezana za tano odreeni deo;
6. Naziv zahvata, alata i dela koji opisuju vrstu obrade koja se izvrava, kojim alatom kao i za koji
deo se vri navedena operacija.;
7. Podaci o maini na kojoj se vri operacija;
8. Broj obrtaja;
9. Posmak;
10. Dubina rezanja;
11. Ukupno vreme predstavlja utroak vremena neophodnog za izvrenje jednog zahvata.
ema logike baze podataka obuhvata poseban skup podataka (odgovarajui renik podataka) sa
odgovarajuom semantikom i vezama meu elementima baze podataka. Fiziki, ove veze su smetene u
bazi podataka, za kasniju upotrebu. Odreivanjem tipova polja u fizikom modelu podataka u ERwin-u i
njegovim generisanjem dobija se baza podataka u Microsoft Access-u 2007 (slika 1).
1.15
Slika 1. Baza podataka za evidencju operacija tehnolokog postupka
Za evidenciju parametara za operacijski list potrebno je uraditi formu za unos podataka. Za unos oba
tehnoloka postupka N52-01-44 i N52-02-45 za izradu kontrolne klupe, a koja su koriena u radu koristi se
ista forma prikazana na slici 3.
Slika 2. Korisnika forma za Operacijski list
4. ANALIZA PARAMETARA ZAHVATA OPERCIJA PRIMENOM OLAP-a
OLAP tehnologija je zasnovana na multidimenzionalnoj kocki podataka koja omoguava

analitiarima da interaktivno manipuliu velikim koliinama detaljnih i konsolidovanih podataka i da ih
ispituju iz mnogih perspektiva. Ona takoe omoguava analizu kompleksnih odnosa izmeu ogromnog broja
stavki podataka smetenih u multidimenzionalnim bazama podataka radi otkrivanja trendova.
OLAP ima mo gledanja u bazu podataka iz raznih perspektiva. Ugao gledanja se odreuje
zadavanjem uslova nad dimenzijama ime se preciznije lociraju podaci koji se ele analizirati. Zadavanjem
uslova nad metrikama (vrednostima) iz lociranog korpusa podataka se mogu izdvojiti samo one vrednosti
koje zadovoljavaju zadate kriterijume. Izgled izvetaja koji predstavlja rezultat analize se lako opisuje
odabirom i ureenjem atributa i metrika za prikaz. Manipulacije nad izvetajima kao to su Page-By,
pivoting, sortiranje, filtriranje i druge omoguuju analitiaru da od postojeeg izvetaja jednim potezom
napravi novi koji e pruiti potpuno nove informacije.
Izborom opcije MSQRY32 otvara se prozor pri emu se pokree OLAP. Klikom na ikonicu otvara se
novi prozor u kome moemo izvriti izbor baze podataka sa kojom elimo da poveemo OLAP. Kako bi
1.16
olakali unos podataka u OLAP potrebno je u Access bazi kreirali upit sa stavkama koje elimo da prikaemo
u OLAP-u. U ovom Query-ju nije potrebno vriti obradu podataka, niti sortiranje jer je sve predhodno
odraeno u MSAccess-u, koji ima znatno bolje alatke za obradu podataka. Ovim nam je postupak znatno
olakan jer smo sve eljene podatke prebacili direktno u OLAP i moemo ih direktno sauvati.
4.1 Poreenje cena zahvata operacija
Ono to je prilikom izrade svakog mainskog dela bitno jeste njegova cena. U dosadanjem delu rada
uspeli smo da u istoj bazi prikaemo dva tehnoloka postupka sa svojim reimima obrade. U sledeem delu
rada izvriemo poreenje cena tehnolokih postupaka sa svojim zahvatima. Klikom da dugme Insert, Pivot
table izabraemo prvu ponuenu opciju pomou koje emo izvriti sumiranje podataka. Pivot tabela nam
olakava ureivanje komplikovanih listi podataka i daje nam mogunost fokusiranja na detalje.
Nakon izbora prve opcije sa padajue liste otvorie se novi prozor u kome emo izabrati opseg
podataka koje elimo da uporedimo, to znai da nam ova opcija daje mogunost da suzimo listu sa
podacima, odnosno da se usresredimo na detalje. U naem sluaju radi dobijanja to tanijih detalja potrebni
su nam svi prikazani podaci, zato emo selektovati celu tabelu.
Na slici 3 vidimo rezultate izvetaja. Do ovih rezultata smo doli tako to smo prvo u Checkbox-u
oznaili podatke koje elimo da prikaemo. U Pivot Table Filed List raekiramo sve osim OznakeDela i
NazivaZahvata, zatim u donjoj tabeli OznakuDela prebacimo u polje Legends Fields i onda se ekiraju
parametri koje elimo da uporedimo, odnosno CeneZahvata.
Slika 3. Pivot tabela sa izabranim parametima za poreenje
Od upita koje smo formirali u MCAccess-u dobili smo mogunost da podatke koje smo do sada
mogli samo pregledati sortiramo na vie naina, izdvajamo one koji su nam interesantni i meusobno ih
poredimo. to znai da nije potrebno imati dva upita i dva izvetaja i zatim runo sabirati rezultate i porediti
ih, ve je dovoljno imati samo jedan upit koji obuhvata sve potrebne stavke, a iz njega selektovati ono to
elimo da vidimo i to elimo da poredimo.
4.2 Grafiki prikaz rezultata
Pored toga to moemo izabrati podatke koje elimo da pratimo i vrimo njihovo poreenje On-Line
Analytical Processing nam omoguava i grafiki prikaz parametara. PivotChart se formira na isti nain kao i
pivot tabela i u naem sluaju sa istim parametrima koje elimo da pratimo. On nam grafiki prikazuje
poreenje cena zahvata dva tehnoloka postupka. Pomou ovog grafikog poreenja lako moemo pratiti
1.17
razlike u ceni izrade delova koji se sastoje iz velikog broja zahvata. U ovom grafikonu na X osi prikazana je
CenaDela, a na Y osi NaziviZahvata (Slika 4).
Slika 4. Grafiki prkaz cena zahvata operacije kod dva tehnoloka postupka
5. ZAKLJUAK
Cilj rada predstavlja kreiranje korisnike aplikacije koja e automatizovati unos podataka operacione
liste, kao i same crtee, trajno uvati unete podatke u elektronskoj formi koji bi bili dostupni korisnicima u
svakom trenutku. U radu su objanjene teoretske i praktine mogunosti primene raunara u procesu uvanja
jednog ili vie tehnolokih postupaka prilikom razvoja proizvoda tako da su temeljne postavke rada sadrane
u realnim potrebama krajnih korisnika.
Elektronski oblik arhiviranja i evidencija tehnoloke dokumentacije olakava kasnije pretraivanje

odgovarjueg tehnolokog postupka prema vie kriterijuma. Prednost prezentovanja brojanih i tekstualnih
podataka posredstvom OLAP-a je u tome to nam ovaj nain omoguava i poreenje dva tehnoloka
postupka prema odreenim parametrima, pri emu imamo mogunost da dobijeni izvetaj prikaemo i
grafiki, to nam daje jasniju sliku o prednostima nekog od ta dva postupka koji se sastoji iz veeg broja
operacija i zahvata. Na taj nain projektant dolazi do podataka koji su bitni za trokove firme veoma brzo.
6. LITERATURA
[1] Veljovi A. , Nataa G., Projektovanje baza podataka, Via tehnika kola aak, 2006.
[2] Kalajdi M., Tehnologija mainogradnje, Mainski fakultet u Beogradu, 2006, X izdanje;;
Kalajdi M., i grupa
[3] Obradovi S., Vuini B., Kalueri P.: Projektovanje baza podataka iaplikacija, Akademska
tamparija, Beograd 2003.
Jelena Marjanovi, dr Nataa Gojgi
Abstract: This paper presents the performances of the computer application in the process of comparing the
technological procedures during a product development so that the foundations of the paper are suitable for
real needs of production companies. The operating list which contains the description of the procedures
for one part production as well as the order of their performances has been taken as the foundation for data
base creation. What is important during the production of each mechanical part is its price. The application
of OLAP cubicle over one data base which contains two technological procedures with its operations and
regimes of processing for engagement has been presented, the comparisons of operation prices with its
engagements has been done, which greatly affects the final product cost .
Key words: operating list, parameters of engagement operations, OLAP
1.18
konferencija

A.Nestorov 1, D.D.Milanovi 2, M.Misita2

EFIKASNOSTI RADA
Rezime
U industriji, pogotovo u granama industrije gde manuelni rad ini najvei deo proizvodnog procesa, pored
praenja efikasnosti procesa i opreme, veoma je znaajno praenje efikasnosti operatera, tako da stepen
njihove obuenosti postaje neophodnost i jedan od kljunih faktora za poveanje i ouvanje kvaliteta. Kako
na pravilno upravljanje ljudskim resursima u proizvodnom procesu utie veliki broj faktora, donoenje
najboljih reenja u smislu organizacije rada, postaje veoma zahtevan i kompleksan zadatak. U radu e biti
predstavljeno formiranje matematikog problema, kao osnove za kreiranje softvera sa ciljem praenja
uticajnih faktora i predlaganja optimalnijeg reenja u zavisnosti od plana proizvodnje. Uvodjenje software-a
u proces organizacije i kontrole radne snage u proizvodnim uslovima znaajno moe doprineti poveanju
efikasnosti i kvaliteta rada.
1. UVOD
Polivalentnost ili obuenost operatera je jedan od kljunih faktora za efikasno i kvalitetno poslovanje.
Naroito ovo ima znaaja u industriji gde najvei deo aktivnosti u procesu formiranja finalnog proizvoda ima
manuelni ljudski rad. Automobilska industrija, tj. proizvodnja komponenata za njene potrebe je pravi primer
za to, pre svega zbog visokih standarda kvaliteta kao i veoma kratkih rokova proizvodnje i isporuke. Veliki
broj razliitih komponenti u kombinaciji sa velikim brojem operatera sa razliitim nivoima obuenosti, ini
jednu sloenu matricu na iju promenu utie nekoliko faktora u toku vremena.
Matrica obuenosti operatera u sutini predstavlja skup podataka za svakog od operatera, ko moe da
obavlja koju operaciju i sa kakvom uspenou. Veoma je bitno redovno auriranje ove matrice, kako nakon
obuke za novi proizvod, tako i za stanje performansi operatera na postojeim proizvodima (1).
Iz potrebe da se na najbolji nain isprate dinamike promene matrice, kao i da se obezbedi maksimalna
efikasnost i minimalna ansa za pojavu greke, rodila se ideja o kreiranju software-a / baze znanja. Software
bi pored praenja promene nivoa obuenosti za svakog operatera po proizvodu, imao i ulogu rasporedjivanja
radne snage po radnim stanicama sa ciljem ostvarivanja najboljih performansi. Raspored operatera po radnim
stanicama bi bio takav, da se neefikasnost i mogunost pojave greke svede na minimum. U takvom sluaju
je uticaj oveka, tj. svaki vid subjektivnog zakljuivanja ili previda gotovo eliminisan. Takodje, svi
vremenski faktori koji mogu uticati na nivo obuenosti, kao to su: poslednje uestvovanje u proizvodnji
reference, poslednji negativni audit, poslednja reklamacija itd., bie automatski propraeni i kontrolisani.
Pored ve nabrojanih aktivnosti, automatizacija ovog procesa e doprineti i boljem i efikasnijem

praenju razvoja operatera kroz automatsko kreiranje trening planova u odnosu na potrebe, planiranje
njihovog izvrenja kao i praenje njihove efikasnost kroz rezultate rada.
1
Mecaplast Group, Lazarevaki drum bb, Zrenjanin
2
Mainski fakultet, Univerzitet u Beogradu, Kraljice Marije 16, Beograd
1.19
2. POLIVALENTNOST I MATRICA POLIVALENTNOSTI
Optimalno korienje ljudske radne snage, sa najefikasnijim iskorienjem njihove obuenosti za pojedini
proizvod, za kompaniju moe da ima nekoliko benefita, ukljuujui: poveanje kvaliteta izrade proizvoda,
smanjenje trokova za zapoljavanje i selekciju, poveanje fleksibilnosti rada (2).
Nivo obuenosti operatera se moze podeliti u 4 nivoa koji se obino obelezavaju simbolima (I, L, U, O) (3):
1. Nivo jedan koji se obino oznacava sa uspravnom crtom (I) predstavlja operatera na treningu.
Operatera na treningu prati i kontrolise operater sa nivoom obuenosti 3 (U). Nivo 1 obuke
podrazumeva itanje i razumevanje procedure za rad, tj. teorijsko razumevanje redosleda operacija i
nain njihovog obavljanja. Pored teoriskog, operater prolazi i prvu praktinu obuku za referencu za
koju se trenira. Kao to je napomenuto, nadzor naina rada operatera na treningu obavlja
polivalentan operater za tu referencu. Kao dokaz o dovoljnoj istreniranosti je i jedna pozitivna
kontrola standardnog rada (SW audit) od strane lidera.
2. Nivo 2 (L) obuenosi podrazumeva da je operater uspeno savladao nivo 1 obuke, i da je

osposobljen da prepozna zahtevani kvalitet na reference za koju se trenira. To praktino znai da
operater moe da prepozna sve defekte na delu i da takve delove ukloni iz proizvodnje. Kao i za nivo
1, operater radi uz kontrolu drugog polivalentnog operatera (min. nivo 3). Kao dokaz o dovoljnoj
istreniranosti su dve pozitivne kontrole standardnog rada (SW audit) od strane lidera.
3. Nivo 3 (U) obecenosti podrazumeva da je operater osposobljen da prepozna zahtevani kvalitet na

komponenti, kao i da postize da obavi sve zahtevane operacije u propisanom vremenu. Nadzor nad
operate rom na obuci za nivo 3 (U) iskljucivo obavlja operater sa najvisim nivoom obucenosti,
nivoom 4 (O).
4. Nivo 4 (O) obecenosti stice operater koji najmanje 6 meseci u kontinuitetu ima nivo obucenosti 3
(U) i osbosobljen je da steeno znanje prenese na druge.
Matrica obuenosti / polivalentnosti se predstavlja u obliku (slika 2), ili relacijom:
mxn=b (1)
gde je:
m - broj operatera u smeni

n - broj proizvoda
b - nivo obuenosti operatera za svaki od proizvoda
Nivo obuenosti operatera moe da se kree u oba smera (na gore, rastue ili na dole, opadajue). Rastue
znai da svojim kvalitetnim radom i sticanjem rutine na datom proizvodu nivo obuenosti operatera raste od
nivoa 1 do 4. Takodje postoje uslovi kada nivo obuenosti moe da ide i opadajuom putanom, tj. da
operater izgubi odredjeni nivo za pojedini proizvod.
Nivo obuenosti se moe izgubiti u sledeim slucajevima, i to:
Nakon ponovljene greke na istom proizvodu, ili iste ili sliane greke na slinom proizvodu,
operater se vraa na nivo I obuenosti,
Ukoliko operater nije proizvodio komponentu u trajanju duze od mesec dana, vraa za jedan nivo
obuenosti 2 (npr. sa U na L)
U sluaju da je od poslednjeg rada operatera na nekoj componenti prolo vie od 3 meseca u
kontinuitetu, vraa na nivo obuenosti I.
Ukoliko operater na 2 uzastopne provere naina rada (SW audit) ima negativan rezultat, vraa se na
nivo obucenosti I.
U sluaju nepotovanja pravila o bezbednosti i zdravlja na radu, operater se vraa na nivo I.
1.20
Slika 1. Matrica polivalentnosti za jednu proizvodnu smena
Kompleksnost matrice, i upravljanje njome, ne ine podaci od kojih je sainjena, ve dinamika i faktori koji
utiu na njihovu promenu.
Tanost podataka u matrici, njihovo auriranje i ispravno korienje ima veliki znaaj u procesu
rasporedjivanja operatera p radnim stanicama, a sa ciljem ostvarivanja najvee efikasnosti i kvaliteta rada u
odnosu na trenutni plan proizvodnje.
Pored pomoi u planiranju rasporeda operatera po radnim stanicama, matrica ima jo jednu veoma znaajnu
funkciju. Ona predstavlja glavni osnov za kreiranje trening plana operatera, a na osnovu definisanih potreba
za brojem obuenih operatera sa min. nivoom 3 za svaki od proizvoda. Definisanje potreba se obavlja prema
sledeoj zakonitosti:
K = x * 2 + 1, za y > 2 (2)
ili
K = x * 2, za y < 2 (3)
gde je:
K proj potrebnih operatera sa min. nivoom 3,
x - broj potrebnih operatera za proizvodnju odredjenog proizvoda,
y koeficijent teine izrade datog proizvoda
Koeficient teine izrade svakog pojedinanog proizvoda je definisan na osnovu 4 kljuna faktora kojima se
opisuje nain izrade (tabela 2). Koeficient teine moe se predstaviti sledeom relacijom:
y = c * d *e *f (4)
gde je:
c - odnos ciklusa ovek / maina,
d - broj komponenti koji se ugradjuje na proizvod,
e - potreban broj koraka za finalizaciju proizvoda,
f zahtevan kvalitet proizvoda,
1.21
Tabel 1. Koeficienti tezine po proizvodu, izvod dela tabele
3. PREDLOG SOFTVERSKOG REENJA NA BAZI MATEMATIKOG MODELA
Softver ija bi logika rada bila zasnovana na matematikom modelu kreiranom od niza pravila i ogranienja,
sastojao bi se od tri velike celine:
1.1. Ulazni podaci (inputi)
1.2. Logiki deo (matematiki model sa kreiranim vezama izmeu ulaznih podataka),
1.3. Izlazni podaci (izvetaji)
1.1. Ulaze (input) u bazu znanja i odluivanja inili bi sledei podaci:
Spisak operatera,
Nivoe obuenosti operatera,
ifrarnik proizvoda,
Sastavnice proizvoda (ciklusna vremena, broj operatera potrebnih za rad, koeficiente proizvodne
teine po proizvodu itd.),
Raspored operatera po smenama i GAP-ovima (autonomna proizvodna jedinica unutar smene),
Spisak GAP-ova,
Spisak maina,
Spisak reklamacija,
Spisak audita (provera) procesa,
Evidencija odsutnosti.
1.2. Logiki deo softvera pored funkcije kreiranja relacija izmedju ulanih podataka, imao bi jo nekoliko
kljunih zadataka:
Promena nivoa obuenosti operatera po proizvodu u toku vremena na osnovu jasno definisanih
pravilia,
Predlaganje najoptimalnijeg rasporeda operatera po radnim stanicama,
Kreiranje trening planova na osnovu definisanih potreba,
Predlaganje rasporeda provera rada po operateru i proizvodu.
Relacija izmedju matrice obuenosti (slika 1) i plana, matematiki se moe prikazati na sledei nain (4):
1.22
11 12 1 1 1 1
21 22 1 2
2
. . . .2

1 2
. = . ........ (5)
. .
. . . .
1 2 . .
1 2
gde je :
- broj zaposlenih operatera, i=1,2,.......108
kvalifikacije operatera, j=1,2,.......4
- broj razliitih proizvoda, i=1,2,...70
broj proizvodnih linija iz plana proizvodnje, i = 1, 2, ........ 20
Ovo se isto moze prikazati i u obliku sistema jednaina:

11 1 + 12 2 + + 1 + + 1 = 1
21 1 + 22 2 + + 2 + + 2 = 2
..
1 1 + 2 2 + + + + =
.. ............ (6)
..
1 1 + 2 2 + + + + =
1 1 + 2 2 + + + + =
ili
=1 = , i = 1,2,.....m ............. (7)
Kao to je napomenuto, matrica, tj. nivoi obuenosti, su promenljiva u toku vremena i zavise od nekoliko
faktora:
- proteklog vremena od poslednjeg rada na proizvodu, i = 1, 2 ,....n
- broja pozitivnih/negativnih provera rada, i = -2,-1,...3
- broja reklamacija kupaca, i=1,2
Na osnovu gore prikazanog, mogu se definisati uslovi za svaki od 4 nivoa obuenosti na sledei nain:
Nivo 1, gde je = 1, je definisan sledeim uslovima:
y>90, ili
z = -2,-1,0 ili ............. (8)

k=2
30 > y < 90, i
z = 1, i ............. (9)
k1
1.23
y < 30, i
z = 3, i ............. (10)
k=0
Softver kreiran na ovakvoj bazi podataka (znanja) treba da bude pomo pri odlucivanju lideru pri
rasporeivanju operatera po radnim stanicama na poetku smene na osnovu zadatih pravila i kriterijuma,
kreiranje trening plana na osnovu ukupnih teinskih faktora po operateru, a vodei pritom rauna da matrica
ne postane prezasiena, to predstavlja gubitak finansijskih sredstava za obavljanje nepotrebnih treninga.
Takodje, softver treba da olaka, ako ne i potpuno automatizuje proces praenja nivoa obuenosti na osnovu
ve navedenih uticajnih faktora, to danas predstavlja ozbiljan izazov i veliki prostor za kreiranje greaka.
Ovaj alat bi se koristio i za bolju kontrolu i redukovanje procenta karta po proizvodu, tako to bi se
jednostavnim kombinovanjem podataka iz SAP sistema o vrednostima karta po danu i proizvoidu sa
podacima o operaterima koji su radili na proizvodnji istog, mogli doneti vazni zakljuci o percepciji kvaliteta
pojedinog operatera.
1.3. Izlazne podatke (output-e) bi inili:

Smenski raspored operatera po radnim stanicama u zavisnosti od plana proizvodnje i trenutne
raspoloivosti radne snage,
Lista operatera sa njihovim nivoima obuenosti u realnom vremenu,
Broj greaka po operateru / proizvodu,
Rezultati provere rada po proizvodu / operateru,
Sugerisanje kome i na kom proizvodi treba uraditi proveru rada,
Rotacija operatera po proizvodima za zadati period,
Trening plan operatera kako bi se matrica zasitila,
kart po operateru / proizvodu,
Planiranje pauza operatera (u vreme zamena alata poveanje efikasnosti).
4. ZAKLJUAK
Kao to je napomenuto na poetku rada, pravilno upravljanje ljudskim resursima pre svega u
industrijama u kojima se proizvodnja bazira na manualnom radu, je jedan od kljunih uslova za ostvarivanje
efikasnog i uspenog poslovanja.
Primena informacionih tehnologija u svrhu automatizacije procesa praenja evaluacije ljudske radne
snage, kao i pomoi pri odluivanju, je oblast koja nije dovoljno istraena. U najveem broju sluajeva ove
aktivnosti i dalje obavlja ovek manuelno, primenom tabela ili jednostavnih formi. To ostavlja dovoljno
prostora za kreiranje greaka, pre svega zbog nedovoljno dobre aurnosti podataka.
Prikazano reenje u ovom radu je formirano na primeru proizvodnog procesa kompanije Mecaplast, koja
se bavi proizvodnjom plastinih komponenti za potrebe automobilske industrije, s tim to su elementi
softvera formirani modularno, ime je omogueno da se uz jednostavne adaptacije moe primeniti u bilo
kom proizvodnom sistemu.
Prednost primene ovog reenja je viestruka, pre svega sa stanovita smanjenja direktnog uticaja oveka
(lidera / supervisora) na odluke oko rasporedjivanja operatera po radnim stanicama, kao i na formiranje
neophodnih treninga i dinamike njihovog odravanja.
Krajnji rezultat se ipak ogleda u poveanju efikasnosti rada, smanjenju verovatnoe nastanka greaka
usled rada sa nedovoljno dobro obuenim operaterom, potencijalno smanjenje broja lidera po smeni usled
smanjenog obima manualih operacija koje su obavljali, eliminacija mogunosti odravanja nepotrebnih
obuka, prikupljanju preciznih podataka o kvalitetu rada operatera po proizvodu, odrivosti nivoa obuenosti
u vremenu pravilnom rotacijom operatera, kao i mnogi drugi benefiti. Na kraju, svaka od navedenih
prednosti ima znaajan uticaj na finansijki rezultat poslovanja, kao i na obezbeivanje odrivosti ugleda
kompanije u oima kupaca boljim upravljanjem i kontrolom procesa proizvodnje.
1.24
5. LITERATURA
[1] R. Narkhedkar, V. Dhorugade, M. J Sonavane, Skill matrix: Effective tool to boost productivity,
Indian Textiles Journal, 2013,
[2] W. Waszkeilewicz, R. Prusak, R. Budzik, The increase of metallurgical enterprise elasticity by using
polyvalence skills of workers, Metalurgija 44, str. 69-73, 2005
[3] Mecaplast interna procedura, RM-EE-D00-C, http://intranet.mecaplast.com/sites/SMART/Documents/
RMEED00-C-EN.docx, Monaco, 2016
[4] R. Todi, V. Markovi, Matematiki metodi u ekonomiji preduzea, Institut za organizaciju rada i
automatizaciju poslovanja, Beograd, 1966
A.Nestorov, D.D.Milanovi, M.Misita
Abstract: In industry, especially in the part of industry where the manual work is the biggest part of the
production process, in addition to monitoring efficiency of processes and equipment, it is very important to
follow the efficiency of operators, on the way that their level of polyvalence becomes necesity and one of the
key factors for quality level increasing. How to properly manage with human resources in the production
process are affected by many factors , adoption of best practices in terms of organization of work , it
becomes very demanding and complex task . In tthis paper will be presented creation of mathematical model
as the basis for the creation of software with the aim of monitoring the influencing factors and propose
optimal solutions depending on the production plan. The introduction of software in the process of
organization and control of the workforce in manufacturing conditions can significantly contribute to
increasing the efficiency and quality of work.
1.25
sa meunarodnim ueem

ZBORNIK RADOVA
PROCEEDINGS
27. simpozijum
CAD/CAM
Beograd, maj 2016.

CAD/CAM

OPTIMIZACIJA SISTEMA LIVENJA NOSAA ZUBA BAGERA VEDRIARA.............................. 2.1
urakovi, D., Janji, M., Vukevi, M.
SIGURNOSNOG STAKLA ...................................................................................................................... 2.7
NUMERIKA ANALIZA NAPONA UKE NA KONTEJNERSKOM TERMINALU ....................... 2.12
MODELIRANJE I PRORAUN GRAEVINSKE STUBNE DIZALICE ........................................... 2.18
Mitrovi, A., Kova, P., Kulundi, N., Savkovi, B.
MODELOVANJE I SIMULACIJA PROCESA OBRADE GLODANJEM ........................................... 2.23
Mladenovi, G., Tanovi, L., Pjevi, M., Popovi, M.
OBRADA SKULPTORSKIH POVRINA - RAZVOJ CAD/CAM SISTEMA .................................... 2.27
Popovi, M., Mladenovi, G.

....................................................................................................................................... 2.33
NAZAD
konferencija
Beograd 2016 CAD/CAM

1) 2) 1)
Dui, N. , ojbai, . , Slavkovi, R., Milievi, I.
OPTIMIZACIJA SISTEMA LIVENJA NOSAA ZUBA BAGERA VEDRIARA
Rezime
U radu je predstavljena metodologija unapredjenja procesa livenja u pesku, nosaa zuba bagera, koja
obuhvata primenu genetskih algoritama u optimizaciji geometrije ulivnog sistema. Primarni cilj optimizacije
geometrije ulivnog sistema je da maksimizuje brzinu punjenja kalupa, uzimajui u obzir definisana
ogranienja, kao to su modul ulivnika i Rejnoldsov broj. Predmet optimizacije su dimezije ulivnika i visina
livenja. Na bazi vrednosti optimizovanih veliina projektovana je celokupna geometrija ulivnog sistema.
Primarni cilj optimizacije sistema hranjenja odlivka jeste smanjenje utroka materijala, uz potovanje
odgovarajuih geometrijskih limita. Optimizovano reenje sistema livenja podvrgnuto je numerikoj
simulaciji. Nakon potvrde o valjanosti dizajniranog i optimizovanog sistema usledila je industrijska
implementacija.
Kljune rei: livenje u pesku, optimizacija, genetski algoritmi, numerika simulacija
1. UVOD
Pravilno i potpuno popunjavanje kalupa je osnovni cilj procesa livenja, kojim se postie visok kvalitet
odlivka. Uloga dizajna ulivnog sistema i dizajna hranitelja u ostvarenju ovog cilja je veoma znaajna.
Nepravilan dizajn ulivnog sistema dovodi do brojnih nedostataka u procesu livenja, to za posledicu ima
nizak kvalitet odlivka. To su uglavnom sledei nedostaci: nepotpuno punjenje kalupa, vrsti i gasoviti
ukljuci. Nepotpuno punjenje kalupa se manifestuje u dva oblika: hladni varovi i upljine. Hladni varovi se
javljaju u sluaju susreta dva fluida suprotnih smerova koji se ne mogu stopiti u potpunosti. upljine se
javljaju kada rastopljeni metal ne popuni odreene delove kalupa. vrsti ukljuci su direktna posledica
turbulencija i manifestuju se kao ukljuci peska. Gasoviti ukljuci se javljaju kao vazduh zarobljen u
kalupu, u formi rupa i poroznosti. Dakle, zadatak ulivnog sistema je da obezbedi glatko, ujednaeno i
potpuno punjenje kalupa istim, istopljenim metalom. Glatko punjenje eliminie turbulencije, ujednaeno
punjenje obezbeuje kontinuirano punjenje u toku vremena, a potpuno punjenje podrazumeva voenje
istopljenog metala do tankih i krajnjih delova kalupa [1]. Tokom hlaenja odlivka dolazi do zapreminskog
skupljanja metala, tj. smanjenja zapremine odlivka. Znaaj hranitelja se ogleda u njihovoj funkciji da
nadoknauju odlivku manjak tenog metala usled zapreminskog skupljanja [2].
Ulivni sistem i sistem hranjenja predstavljaju dva integralna dela sistema livenja u pesku, ije je
unapreenje predmet ovog rada. Objekat livenja je nosa reznog zuba bagera, a postizanje visokog kvaliteta
odlivka optimizacijom i dizajnom sistema livenja je primarni cilj ovog istraivanja. Dosadanji sistemi
livenja korieni u izradi nosaa reznog zuba bagera, pokazali su niz nedostataka koji su se odrazili na
kvalitet odlivka, ali i na utroak materijala i efikasnost livenja. Optimizacija procesa livenja je predmet
brojnih istraivanja sprovedenih do sada, a sve u cilju zadovoljenja kvalitativnih karakteristika proizvoda i
poveanja efikasnosti i ekonominosti procesa. Pristupi reavanju optimizacionih problema u ovoj oblasti su
razliiti, u zavisnosti od parametara procesa koji se optimizuju, kao i od korienih optimizacionih tehnika.
Veina dostupnih istraivanja se bavi problemima lokacije ulivnika u sistemu livenja, minimizacijom brzine
istopljenog metala u ulivniku, minimizacijom deformacija, optimizacijom pozicicije, tipa i zapreminskih
karakteristika hranitelja, itd. Za razliku od literaturno dostupnih istraivanja, ovo istraivanje se bavi
maksimizacijom stope punjenja kalupa, to je posebno znaajno za tanke i duge odlivke koji brzo gube
1)
M.Sc Nedeljko Dui, Univerzitet u Kragujevcu, Fakultet tehnikih nauka u aku, (nedeljko.ducic@ftn.kg.ac.rs), prof. dr
Radomir Slavkovi, Univerzitet u Kragujevcu, Fakultet tehnikih nauka u aku, (radomir.slavkovic@ftn.kg.ac.rs), dr Ivan
Milievi, Univerzitet u Kragujevcu, Fakultet tehnikih nauka u aku, (ivan.milicevic@ftn.kg.ac.rs)
2)
prof. dr arko ojbai, Univerzitet u Niu, Mainski fakultet, (zcojba@ni.ac.rs)
2.1
toplotu, a vea brzina punjenja kalupa pomae da se eliminiu pojave hladnih varova i upljina.
2. POSTAVKA ULIVNOG SISTEMA
Kao to je naglaeno u uvodu, odlivak je nosa reznog zuba bagera, iji je CAD model prikazan na Slici
1. Predvieno je da nosa reznog zuba bude izraen od manganskog elika hemisjkog sastava (0.5% C, 1.4%
Mn, 0.035% P, 0.035% S, 0.4% Si, 0.1% V), koji je otporan na dinamika optereenja i udare.
Slika 1. Rezni zub, nosa zuba i vedrica
Prvi korak u optimizaciji i dizajnu ulivnog sistema je izbor tipa ulivnog sistema. U konkretnom sluaju
izabran je horizontalni ulivni sistem sa ulivnikom na podeonoj liniji kalupa, zbog dobre primenljivosti kod
gravitacionog livenja u pesku. Ulivni sistem sa ulivnikom na podeonoj liniji kalupa karakterie visoka stopa
punjenja kalupa u poreenju sa sistemom kod koga je ulivnik na dnu, kao i manji efekti turbulencija u
poreenju sa sistemom kod koga je ulivnik na vrhu. Na Slici 2 dat je prikaz predloenog ulivnog sistema,
kao i parametri koji su direktan predmet optimizacije: popreni presek ulivnika, visina izmeu
donje povrine odlivka i nivoa istopljenog metala u ulivnoj ai. Na osnovu pomenutih parametara definiu
su geometrijske vrednosti ostalih elemenata ulivnog sistema. Predloeni ulivni sistem obuhvata ulivnu au,
sprovodnik, kolektor, razvodnik i ulivnike, kao elemente putanje istopljenog metala od livakog lonca do
kalupa.
Slika 2. Ulivni sistem za livenje nosaa zuba
3. OPTIMIZACIJA GEOMETRIJE ULIVNOG SISTEMA
U realnim proizvodnim uslovima dizajn ulivnog sistema se zasniva na principu eksperimentisanja,

pokuaja i greaka. U ovom delu tehnikog reenja predstavljena je primena genetskog algoritma (GA) u
optimizaciji geometrije ulivnog sistema. Genetski algoritam je heuristika metoda optimizacije koja imitira
prirodni evolucijski proces. Karakterie ih jednostavnost ideje na kojoj su bazirani, kao i njihove primene, to
ih kvalifikuje kao vrlo moan alat u reavanju itavog niza problema iz inenjerske prakse. Analogija
evolucije kao prirodnog procesa i genetskog algoritma kao optimizacione tehnike, ogleda se u procesu
2.2
selekcije i genetskim operatorima. Kod genetskih algoritama klju selekcije je funkcija cilja, koja na
odgovarajui nain predstavlja problem koji se reava. Definisanje funkcije cilja predstavlja jedan od
najznaajnih koraka u optimizaciji upotrebom GA. Cilj optimizacije je maksimiziranje brzine punjenje
kalupa (1).
Filling _ rate = m AingateVingate (1)
Gde su: m gustina istopljenog metala, Aingate popreni presek ulivnika, Vingate brzina istopljenog
metala na ulivniku. Obzirom na male varijacije gustine metala iznad take topljenja, u ovoj analizi je m =
const.. Dakle, brzina punjenja kalupa zavisi od poprenog preseka ulivnika ( Aingate ) i brzine istopljenog
metala na mestu ulivnika ( Vingate ). Poveanje brzine punjenja kalupa implicira smanjenje vremena punjenja
kalupa. Na osnovu toga minimiziranje vremena punjenja dato relacijom (2) predstavlja funkciju cilja
optimizacije. Ukupno vreme punjenja kalupa moe se odrediti integracijom vremena punjenja svakog sloja
kalupa od dna do vrha.
hcast Ai (h)
f = dh (2)
0 j Aingate j Vingate j
Gde su: Ai (h) povrina poprenog preseka odlivka u funkciji visine odlivka, Aingate j i Vingate j su
popreni presek i trenutna brzina istopljenog metala, respektivno j-og ulivnika, hcast je visina odlivka, ija
je vrednost 90mm. Kako su predviena dva ulivnika istog poprenog preseka, Aingate = a b i brzina
Vingate = 2 g (ht h) , vreme punjenja kalupa je dato relacijom (3).
hcast
1 Ai (h)
f = dh (3)
2ab 2g 0 ht h
Gde su: g gravitaciono ubrzanje, ht rastojanje izmeu dna odlivka i nivoa istopljenog metala u ulivnoj
ai (Slika 2). Popreni presek odlivka Ai (h) je promenljivog karaktera, u zavisnosti od visine odlivka.
Izraunavanje funkcije Ai (h) je naredni korak u dobijanju funkcije cilja. Kreiranjem poprenih preseka (sa
korakom h = 1mm ) na CAD modelu odlivka dobijene su vrednosti povrina porenih preseka na
odgovarajuoj visini odlivka, (Slika 3.).
Slika 3. Popreni presek odlivka Ai (52 mm ) = 78041.27 mm 2
Interpolacijom dobijenih vrednosti, pomou tri relacije u odgovarajuim granicama, dobija se funkcija
promene poprenog preseka prema visini odlivka. Prvom relacijom je dobijena promena poprenog preseka
u granicama od 0 do 21 mm.
Ai (0 21) = 0.39 h3 33.9 h 2 + 1095h + 7032 (4)
Drugom relacijom je dobijena promena poprenog preseka u granicama od 21 to 60mm.
Ai (21 60) = 0.1h 4 16 h3 + 884.84 h 2 19285h + 205672.2 (5)
2.3
Konano, trea relacija predstavlja promenu poprenog preseka u opsegu visina od 60 do 90mm.
Ai (60 90) = 1.7 h3 + 381.89h 2 28579h + 731728.18 (6)
Uvrtavanjem polinoma koji predstavljaju promenu poprenog preseka po visini odlivka u relaciju (3), dobija
se relacija (7).
1 21 A (0 21) 60 A (21 60) 90 A (60 90)
f = i dh + i dh + i dh (7)
2ab 2 g 0 ht h 21 ht h 60 ht h

Reavanjem svakog integrala pojedinano i vraanjem njihovih reenja u (7), dobija se konaan izraz fitness
funkcije (8).
I (h ) + I 2 (ht ) + I3 (ht )
f = 1 t (8)
2ab 2 g
Ogranienja optimizacionog procesa definisana su modulom ulivnika i Rejnoldsovim brojem. Modul
ulivnika mora biti manji ili jednak od modula odlivka.
M ingate M casting _ part

Aingate Vcasting _ part (9)
n
A

P
ingate casting _ part
Gde su: n broj ulivnika, Aingate popreni presek ulivnika, Pingate obim ulivnika, Vcasting_part zapremina
odlivka, Acasting_part povrina odlivka. Broj predvienih ulivnika je dva, a analizom CAD modela odlivka
dobijene su vrednosti: Vcasting_part = 3661113.8mm3 i Acasting_part = 253716.66 mm2. Popreni presek i obim
ulivnika su: Aingate = ab , Pingate = 2(a + b) . Uvrtavanjem navedenih veliina u relaciju (9) dobija se
konana forma ogranienja data relacijom (10).
ab 14.43 ( a + b ) 0 (10)
Drugo ogranienje je Rejnoldsov broj, koji predstavlja odnos sila inercije i viskoznosti, i definie granicu
izmeu laminarnog i turbulentnog strujanja (11).
Inertia _ forces Vingate d
Re = = (11)
Viscouse _ forces
Gde su: dinamika viskoznost istopljenog metala, d karakteristina duina, data relacijom (12).
4 Aingate 4 ab ab
d= = =2 (12)
Pingate 2( a + b ) a+b
Visoka vrednost Rejnoldsovog broja dovodi do turbulentnog strujanja fluida. U cilju izbegavanja
turbulentnog strujanja Rejnoldsov broj bi trebalo da bude manji od 20000. Uzimajui u obzir ovu injenicu, i
povezivanjem (11) i (12) dobija se relacija (13).
ab ht 20
Re = 2 2g 20000 (13)
a+b
kg kg
Viskoznost elika je = 7 10 3 , a gustina je = 7000 . Uvrtavanjem navedenih vrednosti u relaciju
ms m3
(13) dobija se konano ogranienje dato relacijom (14).
ab ht 20 71.4(a + b) 0 (14)
Domen pretrage vrednosti veliina koje se optimizuju je u skladu sa predloenom geometrijom ulivnog
sistema: a=1030mm, b=1030mm i ht=100130mm. Veliina populacije je 120 jedinki, a maksimalan broj
generacija je 50. Algoritam korien u selekciji je stohastiko univerzalno uzorkovanje. Populacija se
posmatra kao da je mapirana na rulet-toak, vei delovi toka pripadaju onim stringovima koji imaju manji
fitnes (jer se radi o minimizacionom problemu). Na rulet se ravnomerno postavlja N pokazivaa, gde je N
broj jedinki u populaciji. Jednim okretanjem ruleta formira se populacija. Kao operator ukrtanja korieno je
uniformno ukrtanje. Crossover fraction definie deo nove populacije koji je nastao ukrtanjem (bez elitnih
jedinki), i njegova vrednost se kree izmeu 0 i 1. Broj elitnih jedinki koje se prenose u novu generaciju je
2. GA zaustavlja svoj rad ve u petoj generaciji jer su prekrena zadata ogranienja. Vrednost funkcije cilja
koja predstavlja minimzovano vreme punjenja kalupa je 5.75s. Dobijene optimizovane vrednosti su sledee:
ht=110.53mm, a=10mm i b=29.98mm. Dakle, veliine na osnovu kojih e biti dimenzionisan kompletan
2.4
ulivni sistem su: Aingate300mm2 i ht=110mm. Na bazi rezultata optimizacije (dimenzija ulivnika i visine
livenja) definie se celokupna geometrija ulivnog sistema. Da bi se startovalo sa dizajniranjem elemenata
ulivnog sistema, pored poznavanja vrednosti poprenog preseka ulivnika, potrebno je odluiti se za jedan od
dva sistema punjenja. uveni istraivai Johnson, Bishop and Pellini su 1954. godine definisali podelu
sistema punjenja na: sisteme pod pritiskom i sisteme bez pritiska [1]. U ovom sluaju dizajniranja ulivnog
sistema izabran je sistem pod pritiskom. Oba sistema punjenja kalupa karakteriu odgovarajui odnosi
poprenih preseka sprovodnika, razvodnika i ulivnika. Literaturom su date dve preporuke za sisteme pod
pritiskom. Prva je: izlaz sprovodnika:razvodnik:ulivnik=1:0.8:0.6, druga je: izlaz
sprovodnika:razvodnik:ulivnik=1:1:0.8. Na bazi vrednosti poprenog preseka ulivnika (Aingate300mm2) i
koristei prvu preporuku dimenzionisani su popreni presek razvodnika Aruner=400mm2 i popreni presek
izlaza sprovodnika Asprue=500mm2. Izabran je trapezni razvodnik koji omoguuje uniformno popunjavanje
ulivnika sa relativno slinim brzinama. Sprovodnik je krunog poprenog preseka zbog manje povrine
izloene hlaenju i manjeg otpora protoku metala. Dimenzije kolektora definisane su na osnovu dimenzija
razvodnika i sprovodnika, dakle elemenata ulivnog sistema koji su u direktnom kontaktu sa kolektorom.
Kolektor je u obliku cilindra ija je povrina osnove dva puta vea od povrine kraja sprovodnika, a visina
1.5 puta vea od visine poprenog preseka razvodnika. Ulivna aa je dizajnirana kao aa sa posebnom
komorom, sa ciljem da se iskontrolie vertikalna i horizontalna komponenta brzine istopljenog metala.
Ovakav dizajn ulivne ae omoguava laminaran tok istopljenog metala i izdvajanje ljake i mehuria pre
dovoenja metala u sprovodnik.
Odabrani tip hranitelja je cilindrini otvoreni hranitelj, zbog toga to ima najvei modul (cilindar ima
najmanju povrinu u odnsu na zapreminu). Pozicija hranitelja se definie tako da obezbedi usmereno
ovravanje, ime se postie ovravanje od tanjih ka debljim delovima odlivka, i na kraju u hraniteljima
[3]. Naime, predloeno reenje su dva cilindrina otvorena hranitelja, namenjena da nadoknade zapreminsko
skupljanje metala.
4. NUMERIKA SIMULACIJA
Rezultati simulacije, realizovane upotrebom softvera MAGMA5, daju vane i sutinske informacije o
kvalitetu i korektnosti sistema livenja. Na Slici 4 dat je prikaz samo dva kriterijuma numerike simulacije, od
ukupne uraene analize. Izdvojen je kriterijuma FSTIME (koji daje informaciju o vremenu punjenja kalupa),
jer je predmet optimizacije upravo bilo vreme punjenja kalupa. Ukupno vreme punjenja kalupa (odlivak,
ulivni sistem i hranitelji iznosi oko 10s, pa je rezultat optimizovanog vremena punjenja zapremine odlivka,
saglasan sa rezultatom simulacije.
Slika 4. a) Vreme punjenja kalupa i b) Poroznost
TOTAL POROSITY rezultat pokazuje zbirno poroznost i mikroporoznost u jednom rezultatu. To znai da su
pokazane maksimalne vrednosti poroznosti i mikro poroznosti. Na Slici 4b) prikazana je kroz rengenski
pogled i ukupna poroznost u odlivku i poroznost kroz sredinu hranitelja. Jedinica mere za ukupnu poroznost
je (%). Na osnovu rengenskog pogleda u odlivak, zakljuujemo da tehnologija livenja legure obezbeuje
2.5
zahtevani kvalitet. Predloeni sistem livenja nosaa zuba bagera je realizovan u industrijskim uslovima, u
livnici Industrijskog kombinata Gua. Odliveni deo, nosa zuba bagera, ugraen je na kaiku bagera i u
uslovima eksploatacije se pokazao veoma uspeno, kao i celokupno modularno reenje kaike bagera.
Slika 5. Nosa zuba, montaa, kaika bagera
5. ZAKLJUAK
Osnovni cilj rada, bio je unapreenje tehnologije livenja nosaa zuba bagera, koje se reflektuje kroz
poveanje kvaliteta odlivka i smanjenje utroka materijala. Unapreenje tehnologije podrazumevalo je
optimizaciju geometrije sistema livenja, koji obuhvata ulivni sistem i sistem hranjenja. Kao optimizaciona
tehnika korieni su genetski algoritmi, a predmet optimizacije su popreni presek ulivnika i visina livenja,
kada je u pitanju ulivni sistem. A kada je u pitanju sistem hranjenja odlivka, broj, visina i prenik hranitelja
su predmet optimizacije. Na bazi optimizovanih vrednosti projektovani su svi ostali integralni elementi
sistema livenja. Numerikom simulacijom izvrena je verifikacija ispravnosti projektovanog reenja, kao
poslednji korak pre implementacije reenja u industriji.
Metodologija razvijena i predstavljena kroz rad, primenljiva je na razliite delove koji se izrauju
tehnologijom livenja u pesku. Njen poseban znaaj ogleda su u primenljivosti na delovima kompleksne
geometrije.
6. LITERATURA
[1] Campbell, J.: Complete casting Handbook, Elsevier Ltd, Amsterdam, 2011.
[2] Ravi, B.: METAL CASTING, Computer-Aided Design and Analysis, Prentice-Hall, New Delhi, 2005.
[3] Jacob, E., Sasikumar, R., Praveen, B., Gopalakrishna, V.: Intelligent design of feeders for castings by
augmenting CAD with genetic algorithms, Journal of Intelligent Manufacturing, 15 (3), 299305, 2004.
[4] Masoumi, M., H. Hu, H., Hedjazi, J., Boutorabi, M. A.: Effect of gating design on mold filling, AFS
Transactions, 113, 185-196, 2005.
[5] Shinde, V.D., Joshi, D., Ravi, B., Narasimhan, K.: Optimization of mold yield in multicavity sand
castings, JMEPEG, 21 (12), 15741581, 2012.
[6] Kumaravadivel, A., Natarajan, U.: Optimization of sand-casting process variables a process window
approach, Int J Adv Manuf Technol., 66 (5-8), 695709, 2012.
OPTIMIZATION OF THE CASTING SYSTEM FOR MAKING HOLDER OF CUTTING

TOOTH
Abstract: The paper describes the methodology of improving the casting system, for making holder of cutting
tooth, which includes the application of genetic algorithms to optimize the geometry of gating system. The
objective was to maximize filling rate given the constraints posed by both the ingate module and Reynolds
number. Mold filling time has been presented as a function of the ingate cross section and casting height.
Based on the the value of optimization, designed the overall geometry of the gating system. The primary goal
of optimizing feeding system is to reduce material consumption, with respect to the corresponding geometric
limits. Optimized solution of casting system is subject to the numerical simulation. After confirmation of the
validity designed and optimized casting system, was followed by industrial implementations.
2.6
konferencija
D. urakovi1, M. Janji2, M. Vukevi3

SIGURNOSNOG STAKLA
Rezime
Staklo spada u savremene graevinske materijale bez ije primjene bi naa svakodnevnica bila nezamisliva.
Razvoj digitalnih raunara, uinio je da je raunar u posljednje vrijeme, postao nezamjenjljivo sredstvo u
svim fazama istraivanja, razvoja, projektovanja, konstruisanja, proizvodnje i odravanja proizvoda i
sistema razliite fizike prirode, pa tako i stakla [8]. U ovom radu, prikazano je numeriko modeliranje
naponsko deformacionog stanja optereene ploe od sigurnosnog laminiranog stakla bazirane na teoriji
metode konanih elemenata (MKE). Simulacija je izvedena primjenom programskog paketa ANSYS. Takoe
je izvrena uporedana analiza numerikih i eksperimentalnih rezultata.
Kljune rijei: Metoda konanih elemenata, ANSYS, modeliranje, simulacija.
1. UVOD
Primjena raunara u inenjerskoj praksi izazvala je prelazak sa analitikih na numerike metode prorauna.
Od svih numerikih metoda, najveu upotrebnu vrijednost pokazala je metoda konanih elemenata.
Razvojem metode konanih elemenata u drugoj polovini XX i poetkom XXI vijeka, postignut je ogroman
napredak, ime ova metoda postaje opte prihvaena u tehnikoj praksi [9]. Danas postoji velikog broja
softverskih paketa (ABAQUS, ANSYS, ALGOR, DEFORM, CATIA itd.), za modeliranje i simulaciju
razliitih prototipa na brz i jednostavan nain. Korisniki interfejs se kontinuirano unapreuje u cilju vee
aplikativnosti u industriji. Mogunosti i cijene FEM programa su razliite, u zavisnosti od toga koliko su
prilagoeni praktinim potrebama krajnjeg korisnika preko korisnikog interfejsa i koliko su efikasni u radu,
u pogledu tanosti analize i kompjuterskog vremena [3]. Razvoj savremene arhitekture u dananje vrijeme je
nezamisliv bez primjene stakla, kako pri izradi enterijera tako i eksterijera. Javlja se potreba za
ostakljivanjem velikih povrina i primjenom stakla i na onim mjestima gdje su se donedavno koristili drugi
materijali. Mogunost da se staklo iskoristi kao nosivi elemenat, arhitekte, konstruktore i inenjere
podstaknula je na sve hrabrije oblikovanje konstrukcija. Laminirano staklo sastoji se od dva ili vie stakala,
koja se prekrivaju i vrsto su slijepljena pomou jedne ili vie elastinih folija od polivinilbutirala (PVB),
razliitih karakteristika i debljina. Spada u grupu sigurnosnih stakala[1]. Laminirano staklo ne samo to ima
odlinu vrstou, ve se koristi i kod izrade stakala za akustinu izolaciju prostorija. Ovo staklo se uprkos
lomu ne raspada i zadrava dio svoje zatitne funkcije. To je posebno vano u sluaju protivprovalnih i
neprobojnih stakala. Osim toga, nalo je primjenu pri izradi nadsrenica, ograda tj. tamo gdje postoji rizik od
povreda u sluaju loma. Cilj istraivanja ovog rada je posveen istraivanju naponsko deformacionih
parametara, laminiranih staklenih ploa pomou ANSYS softverskog paketa, primjenom metode konanih
elemenata. Izvrit e se uporedna analiza numerikih rezultata i rezultata dobijenih eksperimentalnim
istraivanjima [2].
1
Mr Dragana urakovi, DM KRISTAL d.o.o., Vasa Raikovia 29, 81000 Podgorica, e-mail: draganadjuraskovic94@gmail.com
2
Prof. dr Mileta Janji, Univerzitet Crne Gore, Mainski fakultet Podgorica, ul. Dorda Vaingtona bb, 81000 Podgorica, e-mail:
mileta@ac.me
3
Prof. dr Milan Vukevi, Univerzitet Crne Gore, Mainski fakultet Podgorica, D. Vaingtona bb,81000 Podgorica, e-mail:
milanvu@t-com..me
2.7
2. NUMERIKA MKE SIMULACIJA
2.1. Uvod u MKE
Metod konanih elemenata-MKE (Finite Element Method-FEM) predstavlja najmoniji ali istovremeno i
najkompleksniji numeriki metod rjeavanja inenjerskih problema i problema koji se zasnivaju na fizikoj
diskretizaciji objekta. Metoda konanih elemenata spada u metode diskretne analize. Umjesto elementa
diferencijalno malih dimenzija, osnovu za sva prouavanja predstavlja dio podruja konanih dimenzija,
manje podruje ili konani elemenat [9]. Sa stanovita fizike interpretacije, to znai da se razmatrano
podruje, kao kontinuum sa beskonano mnogo stepeni slobode, zamenjuje diskretnim modelom meusobno
povezanih konanih elemenata, sa konanim brojem stepeni slobode. S obzirom na to da je broj diskretnih
modela za jedan granini problem neogranieno veliki, osnovni zadatak je da se izabere onaj model koji
najbolje aproksimira odgovarajui granini problem. Tako u sluaju raunanja naponsko deformacionog
stanja strukture rezultati su pomjeranja svakog vora strukture i naponi unutar svakog elementa. Pomjeranja i
naponi su posljedica djelovanja spoljanjeg optereenja. Osobine materijala koje se definiu u proraunu su:
- modul elastinosti E, - modul klizanja G, - poasonov broj i koeficijent termikog irenja.
2.2. Simulacija u ANSYS softverskom paketu
Prije poetka modeliranja konanim elementima u ANSYS-u potrebno je izvriti odgovarajue pripreme,
tokom kojih se vri izbor vrste analize koja se eli sprovesti metodom konanih elemenata, kao i
geometrijsko modeliranje elemenata sistema koji je objekat analize [6]. U praktinom smislu, faze analize
odreenog problema metodom konanih elemenata u ANSYS-u su sljedee [7]:
1. Postavljanje zadatka,
2. Priprema analize (preprocesiranje),
3. Analiza (procesiranje) i
4. Obrada rezultata (postprocesiranje)
Faza preprocesiranja poinje identifikacijom geometrije i ulaznih podataka o ponaanju materijala. Nakon
toga se pristupa generisanju poetne MKE mree za obradak i alat, to predstavlja najvaniji i najtei korak u
MKE analizi. Zatim se generisana mrea mora detaljno pregledati, i eventualno poboljati u zonama sa
sloenom geometrijom. Generalno, faza preprocesiranja aproksimativno predstavlja 80% MKE analize.
Modeliranje konanim elementima se odvija u modulu Mechanical. Dobijeni rezultati se dalje interpretiraju i
pregledaju u fazi postprocesiranja, od strane korisnika.
3. MODELIRANJE I SIMULACIJA OPTEREENE PLOE OD LAMINIRANOG STAKLA
3.1. Objekat istraivanja
Predmet modeliranja metodom konanih elemenata u ANSYS softverskom paketu je laminirana

staklena ploa. Staklo zbog svoje krte prirode ne tee nego se naglo lomi. Zbog toga, kod prorauna
staklenih konstrukcija treba paziti da se izbjegavaju rjeenja koja dovode do pojavljivanja koncentracija
napona. Posebnu panju treba posvetiti vijanim spojevima stakla koja su sve vie u upotrebi. Tu se u buene
rupe izmeu stakla i vijka postavlja PVC cijevica koja rasporeuje napone na veu povrinu. Kod prenosa
sila sa stakla na metalni okvir, uvijek se koriste meki materijali. Uzrok loma stakla nije samo trenutni
koncentrisani udar, ve i naprezanje usljed savijanja, toplotno naprezanje i kritina deformacija. Nema
nikakavog upozorenja koje moe ukazati na lom. Lom zavisi primarno od broja povrinskih pukotina
(povrinska optereenja), nivoa naprezanja, veliine napregnute povrine i trajanja optereenja. Ponaenje
laminiranog stakla razliito je pod dugotrajnim i kratkotrajnim optereenjem. Za kratkotrajno optereenje
laminirano staklo djeluje kao sastavljeni nosa. Za dugotrajno optereenje teret se rasporeuje na dvije
staklene ploe prema njihovim krutostima zbog deformacije meu-sloja. Poveanje temperature omekava
meu-sloj i na taj nain umanjuje djelovanje sastavljenog nosaa.
3.2. Nain i cilj istraivanja
Analiza naponsko deformacionog stanja staklene ploe, ima za cilj istraivanje zavisnosti svih
relevantnih parametara u funkciji ulaznih faktora. Modeliranjem staklene ploe, odreuju se funkcionalne
zavisnosti veliina koje determiniu proces deformisanja, kao to su: pomjeranja, naponi, deformacije, ugibi.
Ploa je oslonjena na dva kraja na krute cilindrine valjke zbog ega se naponi i deformacije koji nastaju na
2.8
njima zanemaruju dok se optereenje nanosi ravnomjernim pomjeranjem u sredini raspona preko krutog
valjka.
4. REZULTATI SIMULACIJE MKE U ANSYS SOFTVERSKOM PAKETU
Modeliranjem i simulacijom metodom konanih elemenata u ANSYS-u dolo se do rezultata napona,

deformacija i ugiba kod laminiranog sigurnosnog stakla. Dio ANSYS-ovog modula mechanical solution nam
nudi rezultate simulacije za ugibe, von-Mises-ove napone kao i maksimalne i minimalne napone i
deformacije. Izlazni rezultati dobijeni modeliranjem i simulacijom u ANSYS-u, osim tabelarno, prikazani su
i pomou trodimenzionalnih dijagrama u bojama svih parametara dobijenih modeliranjem i simulacijom
metodom konanih elemenata [3].
Tabela 2. Izlazni rezultati simulacije u ANSYSU za razliite debljine laminiranog stakla
SOLUTION Jed.mjere
lam.staklo 5.1.5[mm] lam.10.1.10[mm] lam. 12.1.12[mm]
Total deformation [mm] 1.39 2.20 1.59
Von-Mises stress [MPa] 115.4 92 87
Max. principal elastic stress [MPa] 89 102 75
Min. principal elastic stress [MPa] 3,97 23.68 7.2
Von-Mises strain 0.06 0.029 0.024
Max. principal elastic strain 0.051 0.024 0.021
Slika 1. Ugib laminirane staklene ploe debljine10.1.10[mm]
Slika 2. Distribucija von-Misesovih napona kod Slika 3. Distribucija von-Misesovih deformacija

laiminirane staklene ploe debljine 5.1.5 [mm] kod lam. staklene ploe debljine 12.1.12 [mm]
U daljoj izradi rada prilo se razradi dobijenih rezultata, crtanjem grafikona zavisnosti izmeu pojedinih
veliina, kao i dijagrama u kojima se uporeuju vrijednosti ugiba, napona i deformacija kod laminiranog
stakla, koje je predmet istraivanja ovog rada.
2.9

Slika 4. Sila u funkciji debljine kod laminiranog stakla Slika 5. Dijagram zavisnosti napona i
deformacija za laminirano staklo
Na Slici 4. prikazano je optereenje silom u funkciji debljine kod laminiranog stakla. Sa dijagrama se moe
uoiti da je laminirano staklo 5.1.5 dosta izdrljivije od 3.1.3 ali ne kao laminirana stakla 10.1.10 i 12.1.12
koja trpe velika optereenja, to je predstavljeno naglim skokom krive. Kod laminiranog stakla kriva napon
deformacija poprima gotovo pravu liniju, uz malo kolebanje u dijelu deformacija koje odgovaraju
laminiranom staklu 5.1.5, jer je u toj zoni zabiljeen neto vei pad napona i deformacija. Pad napona u
odnosu na deformacije je dosta ujednaen pa i kriva na (Slici 5.) poprima takav karakter.
5. UPOREDNA ANALIZA REZULTATA
Simulacije su vrlo pogodne, kako sa aspekta naunih istraivanja, tako i za rjeavanje odreenih konkretnih
problema inenjerske prakse. Meutim, uvijek se postavlja pitanje njihove pouzdanosti. Upravo zbog toga je
napravljeno poreenje vrijednosti optereene laminirane staklene ploe, dobijenih modeliranjem i
simulacijom u ANSYS softverskom paketu sa eksperimentalnim [2]. U cilju dobijanja adekvatnih zakljuaka
sprovodi se analiza rezultata i vri njihovo poreenje. Kod laminiranog stakla naponi blago opadaju sa
poveanjem debljine stakla. Slika 6. predstavlja napone dobijene kao rezultat eksperimentalnog ispitivanja i
simulacije MKE u ANSYS-u. Kod ovog stakla je primjeena minimalna greka u odnosu na eksperimentalna
istraivanja.
Slika 6. Naponi dobijeni ANSYS simulacijom i Slika 7. Deformacije dobijene ANSYS simulacijom
eksperimentalnim ispitivanjima za lami. staklo i eksperimentalnim ispitivanjima za lami.staklo
Laminirano staklo trpi najmanje deformacije, to se ogleda na krivoj prikazanoj na (Slici 7). Takoe je
podudarnost rezultata evidentna. Greka skoro da ne postoji jer su vrijednosti deformacija za ovo staklo jako
male.
Dakle, rezultati numerike simulacije se odlino poklapaju sa realnim vrijednostima kada je u pitanju
similacija ugiba, napona i deformacija, to se moglo vidjeti iz grafikog poreenja rezultata. Iz navedenog
primjera se moe konstatovati, da se u softverskom paketu ANSYS moe uspjeno izvriti modeliranje i
simulacija naponsko deformacionog stanja optereene ploe od laminiranog stakla.
2.10
6. ZAKLJUAK
Na osnovu rezultata dobijenih modeliranjem i simulacijom metodom konanih elemenata (MKE) optereene
laminirane staklene ploe i njihovim poreenjem sa rezultatima eksperimentalnog istraivanja, jasno se
uoava da je mogue izvriti modeliranje navedene ploe u ANSYS softverskom paketu. Simulacijom
naprezanja laminirane staklene ploe u ANSYS-u metodom konanih elemenata, ploa se savija dok ne
nastupi lom. Veliina ugiba zavisi od debljine stakla, to se moe vidjeti sa dijagrama na Slici 4. Na osnovu
krive moe se zakljuiti da je laminirano staklo 3.1.3 najkrtije staklo i da puca ve pod malim optereenjem,
dok se 5.1.5 najvie savija, tj. ugib je vei u odnosu na ostale debljine. Razlika izmeu vrijednosti ugiba
nastalih simulacijom i vrijednosti dobijenih laboratorijskim istraivanjima je gotovo neznatna, pa se dobijeni
rezultati smatraju zadovoljavajuim. Osim ugiba, numerikom metodom u ANSYS-u dolo se i do
vrijednosti napona i deformacija optereene laminirane staklene ploe. U oba sluaja, uporednom analizom
rezultata sa eksperimentalnim istraivanjima, primjeeno je gotovo potpuno poklapanje, to se moe vidjeti
sa dijagrama prikazanih na Slikama 6. i 7. Takoe, sa dijagrama se uoava vee poklapanje dobijenih
rezultata kod napona, nego kod deformacija. Svi rezultati nastali kao proizvod modeliranja i simulacije
zasnovanih na teoriji metode konanih elemenata, pomou raunara, optereene laminirane staklene ploe su
se pokazali pouzdanim. To je opravdalo sve veu primjenu raunara u svim fazama istraivanja, razvoja,
projektovanja i konstruisanja, bez gubitka vremena i sredstava za izradu funkcionalnih modela, prototipa i
njihovog ispitivanja.
LITERATURA:
[1] Akter S.T., M. S. Khani, Characterisation of laminated glass for structural applications,
Master thesis in Structural Engineering, 2013.
[2] Costa S., Miranda M., Varum H., Teixeira-Dias F.: On the Evaluation of the Mechanical Behaviour
of Structural Glass Elements, University of Aveiro, Portugal, 2006.
[3] urakovi D.: Simulacija naprezanja i istraivanje profitabilnosti i odravanja pri obradi
staklenih ploa - Magistarski rad, Mainski fakultet, Podgorica, 2014.
[4] Hajdinak R.: Gradimo staklom, Reflex d.o.o, Podgora, 2009.
[5] Janji M.: Istraivanje naponsko deformacionih parametara u procesima zapreminskog
deformisanja - Doktorska disertacija, Mainski fakultet, Podgorica, 2005.
[6] Jovanovi J.: Konstruisanje podrano raunarom, Mainski fakultet, Podgorica, 2013.
[7] Mandi V.: Fiziko i numeriko modeliranje procesa obrade deformisanjem, Kragujevac, 2012.
[8] Nedi N., Pri D.: Raunarsko modeliranje i simulacija u savremenoj tehnologiji upravljakih
komponenti i sistema, Mainski fakultet Kraljevo i Mainski fakultet Srpsko Sarajevo, Infoteh,
Jahorina, 2001.
[9] Vreki S., ivkovi M., Milovanovi M.: Primjena metode konanih elemenata u proraunima
tankozidnih nosa, Mainski fakultet, Kragujevac, Juinfo, Kopaonik, 2006.
D. urakovi, M. Janji, M. Vukevi
MODELING AND SIMULATION OF STRESS PLATE

LAMINATED SAFETY GLASS
Abstract: Glass is a contemporary building materials without whose application to our daily life would have
been unthinkable. The development of digital computers, has made it a computer, recently, has become an
irreplaceable tool in all phases of research, development, design, construction, production, and maintenance
of products and systems of different physical nature [7]. In this paper, the numerical modeling of stress and
strain state of loaded plates laminated safety glass based on the theory of FEM. The simulation was
performed using the software package ANSYS. He also performed a comparative analysis of numerical and
experimental results.
Keywords: Finite element method, ANSYS , modeling, simulation.
2.11
konferencija
urevi, .1), Aneli, N.2), Maneski, T.2), urevi, A. 3)1
NUMERIKA ANALIZA NAPONA UKE NA KONTEJNERSKOM TERMINALU

10800 3400
Rezime
U ovom radu autori predstavljaju rezultate istraivanja analize naponskog stanja uke spojene sa
kontejnerskim terminalom. Kontejnerski terminal slui za snabdevanje elektinom energijom i upravljanje
sistemom transportnih traka koje se koriste u eksploataciji u rudarskom basenu Kolubara. Analiza
naponskog stanja uke je uraena pri utovaru kontejnera iz razloga to je jedan kontejner sa
elektroopremom teak 25 tona. Istraivanje je sprovedeno u saradnji sa firmom Eurometal iz Uba.
Kljune rei: uka, kontejnerski terminal, ekvivalentni napon, konani element.
1. UVOD
Kontejnerski terminal je celina koja se formira od dva kontejnera irine 3400 i 2900 mm i duine 10800 mm,
slika 1. Transport i manipulacija kontejnera se moe obaviti samo razdvojeno, svaka jedinica posebno, (slika
2), a ne kao celina od dva kontejnera. Meusobna veza kontejnera se ostvaruje zavrtnjevima M20 u kvalitetu
8.8 (slika 3).
Slika 1. Kontejnerski terminal Slika 2. Jedna polovina kontejnerskog terminala
Kada se izvri povezivanje kontejnera, mesto spoja se prekriva posebnom opivkom koja se privruje
zavrtnjevima za prethodno zavarene nosae, a sam spoj sa krovom se zaliva posebnom masom koja je
otporna na sve vremenske uticaje. Takoe se po celom obimu spojenih kontejnera postavlja opivka koja titi
spoj krova i gornjeg pojasa kontejnera od padavina praenih vetrom. Kontejneri su opremljeni vratima koja
poseduju anti-panik bravu ija je uloga da omogui bezbedno naputanje unutranjosti kontejnera i u
uslovima kada su vrata zakljuana.
Tehnologija izrade je takva da je kontejner najveim delom izraen od savijenih limova (ploa), tako da ini
jednu tankozidu strukturu. Na primer stubovi i pojasevi su izraeni od lima debljine 8mm. Da bi strukturu
1)
ore urevi, TEHNIKUM TAURUNUM Visoka inenjerska kola strukovnih studija Beograd-Zemun
(dj.djurdjevic@yahoo.com),
2)
prof. dr Nina Aneli, Mainski fakultet Univerziteta u Beogradu (nandjelic@mas.bg.ac.rs), prof. dr Tako Maneski, Mainski
fakultet Univerziteta u Beogradu (tmaneski@mas.bg.ac.rs),
3)
dr Andrijana urevi, Inovacioni centar, Mainski fakultet Univerziteta u Beogradu, (andrijana.miler@yahoo.com).
2.12
smatrali tankozidom mora biti zadovoljen uslov [1,2] (1).
t t 1
, , (1)
a b 10
gde je t debljina zida, a a i b spoljanje dimenzije poprenog preseka.
Veza uke i pojasa kontejnera je izvedena zavarivanjem ugaonim avovima, a varovi su proporcionalni
debljini limova, slika 4. Dimenzije uke koje e dalje biti koriene za proraun prikazane su na slici 5
Slika 3. Meusobna veza dva kontejnera Slika 4. Veza uke za stub kontejnera
20
R75 R35
15x45
10
305
192
136
10
165
155 10
15x45 165
10
125
10
Slika 5. Tehniki crte uke
2. EMA OPTEREENJA UKE KONTEJNERA
Pri analizi napona krenulo se od standardnih prorauna iz otpornosti materijala (proraun uke na
zatezanje i savijanje, zavarenih spojeva na smicanje, stubova na ekscentrino zatezanje, pojaseva na
izvijanje). ema optereenja uki prikazana je na slici 6. Svi prorauni su zadovoljili sem prorauna uke na
savijanje, pa iz tog razloga se pristupilo analizi napona metodom konanih elemenata radi dobijanja
preciznije raspodele napona [5].
2.13
R=25t=250kN
F=88,39kN
45
Fy=62,5kN
Fd=62,5kN
y
Q=mg=250kN
m=25t=25000kg-masa sa traverzom
10800
x
3400
17.5
Fd=62.5kN
Fz=-18,79kN z
Fx=-59,61kN
Slika 6. ema optereenja
Tabela 1. Hemijski sastav elika 0361

Legirajui element C Mn P S N Cu CE
Sadraj u [%] 0,170 1,400 0,035 0,035 0,012 0,550 0,350
Tabela 2. Mehanike osobine elika 0361

Yuong-ov
Puasonov ReH [kN/cm2] Rm [kN/cm2] A [%]
Modul elast.
2 koficijent gran. teenja zatez. vrstoa uzdu./popr.
[kN/cm ]
21000 0,3 24 36,0-51,0 26/24
3. NUMERIKI PRORAUN
Karakteristike materijala koji je korien u simulaciji date su u tabelama 1 i 2 [6]. Numeriki proraun je
uraen metodom konanih elemenata u softverskom paketu ABAQUS [7].
Slika 7. Optereenje i granini uslovi Slika 8 . Mrea konanih elemenata
Na slici 7 prikazani su granini uslovi, a na slici 9 mrea konanih elemenata. Korieni su ploasti konani
elementi (shell model) [7].
2.14
Slika 9. Prikaz naponskog stanja u kN cm 2
Na slici 9 se vidi da je ekvivalentni napon po hipotezi Hencky-Mises u zoni zavarenog spoja vei od
dozvoljenog. Ustanovljeno je da taj napon najveim delom izaziva bona sila Fz koja vri savijanje uke
(ploe) oko ose x , pa se iz tih razloga pristupilo nalaenju drugog reenja. Cilj je bio eliminisati ili smanjiti
bonu silu Fz .
4. TRAVERZA ZA UTOVAR KONTEJNERA
Kao mogue reenje konstruisan je pomoni pribor za utovar kontejnera (traverza), tako da su uke za
kaenje sajli postavljene po dijagonali osnove kontejnera, slika 6, slika 10. Gabaritne mere su spoljanje
mere, slika 10. Sa takvim reenjem je izbegnuto savijanje uke oko ose sa minimalnim momentom inercije.
I300
0
96
10
"B"
cev 120x120x4
500
I320
0
50
"A"
ploa d=8mm
32
36
Slika 10. Pomoni pribor (traverza) za utovar kontejnera
2.15
Slika 11. Detalj A pomonog pribora za utovar kontejnera
Modeliranje i numeriki proraun je sproveden kao kod predhodnog reenja, s tim da je razmatran
najnepovoljniji sluaj (uka ukletena) radi sigurnosti, slika 12. Mrea konanih elemenata i ogranienja su
prikazana na slici 12 [7,8].
Slika 12. Optereenje, granini uslovi i mrea konanih elemenata
Slika 13. Prikaz naponskog stanja u kN cm 2
2.16
5. ZAKLJUCI
U ovom radu autori su predstavili rezultate istraivanja analize naponskog stanja uke spojene sa
kontejnerskim terminalom i analizu naponskog stanja pomonog pribora (traverze) za utovar kontejnera.
Ekvivalentni napon na uki traverze u okolini ukletenja se kree u granicama dozvoljenog za dati materijal
( d = 24 kN cm 2 ), slika 13. Ekvivalentni napon u okolini dejstva koncentrisane sile se ne uzima kao
merodavan. Podizanje kontejnera na kamion pomou traverze je bezbedno izvreno. Podizanje kontejnera
moe izvriti samo ovlaeno lice sa odgovarajuom opremom i ureajima za podizanje. Tokom utovara i
istovara kontejnera, niko ne bi trebao da stoji u zoni kontejnera u radijusu od 15 m. Sva oprema za
manipulaciju (dizalica, lanci, nosee trake, kuke i sl.) treba da ima odgovarajuu nosivost i da poseduje
vaei dokument da je pregledana.
6. LITERATURA
[1] Aneli, N., Miloevi-Miti, V., Maneski, T., Milovanevi, M., urevi, .: Optimum design of
open section thin-walled structural elements according to stress constraint, Proceedings of 6 th
International symposium on Industrial Engineering SIE 2015, University of Belgrade, Faculty of
Mechanical Engineering, Belgrade 2015, pp. 345-348.
[2] Rui, D.: Strength of Structures, University of Belgrade- Faculty of Mechanical Engineering, Belgrade
1995.
[3] Andjeli N., Miloevi-Miti V.: Optimum design of thin-walled I-beam subjected to stress constraint,
Journal of Theoretical and Applied Mechanics 50, no. 4, 553-571 (2012).
[4] Kollbruner, C. F., Hajdin, N.: Dunnwandige Stabe, Band 1, Springer Verlag, 1972.
[5] Maneski, T.,: Computer modeling and calculation of structures, University of Belgrade-Faculty of
Mechanical Engineering, Belgrade 1998.
[6] Rui, D., uki, R., Dunji, M., Milovanevi, M., Aneli, N., Miloevi-Miti, V.,: Tables of
Strength of Materials, University of Belgrade-Faculty of Mechanical Engineering, Belgrade 2003.
[7] urevi, ., Radojkovi, M., Sedmak, S., orevi, B., Tati, U.,: Comparison of two numerical
models of connected steel beams as separate and combined plates, the paper is accepted for the 32nd
Danubia-Adria Symposium on Advances in Experimental Mechanics, Star Smokovec, Slovakia, 2015,
pp. 116, 117.
[8] urevi, ., Aneli, N., Maneski, T., Miloevi-Miti, V., Milovanevi, M., urevi, A.,:
Analytical and numerical calculation of the equivalent stress of open section thin-walled U profile at
constrained torsion , Proceedings the 7th International Scientific and Expert Conference TEAM 2015,
Belgrade, October , 2015, pp. 502-505.
STRESS NUMERICAL ANALYSIS OF THE CONNECTING LUG ON CONTAINER

TERMINAL 10800 3400
Abstract: In this paper, the autors present the results of research of stress analysis of the connecting lug
connected with the container terminal. Container terminal is used for the supply of electrical energy and
control system of conveyor belts that are used in the exploitation of the mining basin Kolubara. Stress
analyzes of the connecting lug was done when loading containers because one container with electrical
equipment is weigh 25 tons. The research was conducted in cooperation with company Eurometal from
Ub.
Key words: connecting lug, container terminal, equivalent stress, finite element
2.17
konferencija

1)
MODELIRANJE I PRORAUN GRAEVINSKE STUBNE DIZALICE
Rezime
U okviru ovog rada kreiran je 3D model graevinske stubne dizalice u softverskom paketu SolidWorks.
Izvren je izbor sastavnih elemenata, pogonskih ureaja i prateih mehanizama koji omoguavaju
realizaciju osnovnih dizalinih operacija. Dimenzije i parametri najkritinijih elemenata konstrukcije
odreeni su na osnovu prethodnog prorauna koji je delom, takoe, predstavljen u okviru rada. Pri izradi
ovog modela, u skladu sa standardima, analizirana su optereenja koja utiu na stabilnost i nosivost stubne
dizalice. U obzir su uzeti zahtevi iz oblasti bezbednost i zdravlja na radu.
Kljune rei: graevinska stubna dizalica, 3D model, SolidWorks
1. UVOD
Graevinske stubne dizalice se koriste za opsluivanje skladita, renih pristanita, fabrikaOgromna

nosivost, veliki dohvat kuke, lako podeavanje visine stuba, danas ine ovaj tip dizalice nezamenljivim u
graevinarstvu. U ovoj oblasti su razvijeni razliiti tipovi i konstrukcije ovih dizalica koje karakteriu
jednostavna i brza montaa, demontaa i prevoz u skladu sa savremenim uslovima gradnje. One se i dalje
ubrzano usavravaju, s obzirom da je potreba za veim i monijim dizalicama sve vea [1].
2. OSNOVI PRORAUNA
Uprkos velikom broju sastavnih elemenata koji se mogu meusobno razlikovati u zavisnosti od tipa
dizalice, mogue je izdvojiti neke najznaajnije. ema tipine graevinske stubne dizalice sa karakteristinim
elementima prikazana je na slici 1.
Osnovni elementi dizaline konstrukcije
prikazane na slici 1 su [2]:
1 elementi za vezu sa podlogom;
2 sekcija osnove reetkastog stuba;
3 sekcija reetkastog stuba;
4 hidraulini sklop;
5 elevacioni element (za rast krana);
6 kabina;
7 kontrastrela;
8 kontrateg balast;
9 mehanizam za dizanje tereta;
10 ue za oslanjanje kontrastrele;
11 glava stuba (tornja);
12 ue za oslanjanje strele;
13 sekcija reetkaste strele;
14 kolica sa koturaom;
Slika 1. ema tipine graevinske stubne dizalice 15 kuka.
Pri proraunu, osnovni zadatak je da se teorijski pokae da dizalica odgovara zahtevima bezbednosti,
1)
Stefan Ili, . ., Fakultet inenjerskih nauka Univerziteta u Kragujevcu, (ilic.stefan93@gmail.com),
doc. dr Nenad Miloradovi, Fakultet inenjerskih nauka Univerziteta u Kragujevcu, (mnenad@kg.ac.rs),
doc. dr Rodoljub Vujanac, Fakultet inenjerskih nauka Univerziteta u Kragujevcu, (vujanac@kg.ac.rs).
2.18
uzimajui u obzir radne uslove, tok transporta, montae i demontae. Koncept prorauna se bazira na
standardima SRPS EN 14439 i SRPS EN 13001. Uzeta su u obzir stalna optereenja koja deluju na dizalicu
tokom njenog rada [3-5].
Stalna optereenja su:
uticaj teine tereta i ubrzanja na masu dizalice,
uticaj inercije i gravitacije pri vertikalnom dizanju tereta,
optereenja pri kretanju po neravnoj povrini,
optereenja od oscilovanja pokretnih delova dizalice,
optereenja uzrokovana izmetanjem dizalice.
Uvoenjem dinamikih faktora u proraun, uzimaju se u obzir dinamike sile koje nastaju pri radu
pogonskih elemenata dizalice.
Polazna konstrukcija (Potain MD 310 C K16) je tradicionalna varijanta dizalice sa nepokretnom strelom i
glavom dizalice. Postoji vei broj razliitih izvoenja ove konstrukcije koja prvenstveno zavise od tri
mogua tipa osnove (betonska, nepokretna i pokretna elina osnova). U okviru rada analizirano je izvoenje
dizalice sa nepokretnom elinom osnovom, kodne oznake ZD 463 ija visina tornja iznosi 46 m. Osnovne
karakteristike strele kao to su duina (minimalna 30 m, a maksimalna 70 m), ali i pratee krive nosivosti
dostupne su u tehnikoj dokumentaciji dizalice. Za analiziranu konstrukciju predviena je kontrastrela
duine 18 m, sastavljena od dva individualna elementa. Nosivost dizalice moe biti ili 8 t ili 16 t, i
prvenstveno zavisi od izabranog sklopa koturae i kuke. Projektovana konstrukcija kreirana je na osnovu
usvojenih katalokih vrednosti za izvoenje ZD 463, pri duini strele od 45 m.
3. KREIRANJE 3D MODELA
Projektovani model dizalice je izraen je u softveru SolidWorks 2014 i prikazan je na slici 2. S obzirom
na kompleksnost modela prikazane slike preuzete su iz Viewport-a softvera SolidWorks, kako bi se
lake razgraniile ivice pojedinih sastavnih elemenata u odnosu na klasian renderovan model [6].
Slika 2. Renderovan model graevinske stubne dizalice
Osnovne elemente eline konstrukcije osnove dizalice ine tri individualna H profila. Njihova veza
2.19
ostvarena je putem ivija. Kako bi se ostvarila vea stabilnost eline konstrukcije osnove, H profili su bono
vezani dodatnim kutijastim profilima. Konstrukcija oslonca sa balastnim blokovima i noicama prikazana je
na slici 3.
Slika 3. Konstrukcija oslonca Slika 4. Reetkasta sekcija tornja
Kao balast su iskoriena dva razliita tipa betonskih blokova. Prvi tip blokova (oblika kvadra) formira
osnovu na koju se postavlja drugi tip trapezoidnih blokova. Pozicioniranje prvih izvreno je pomou dva
cilindrina useka (na bloku) i ispupenja (na profilu). Primenjena su dva bloka prvog tipa, i ukupno dvadeset
blokova (po pet sa svake strane) drugog tipa. Kontakt sa podlogom ostvaren je pomou etiri noice. Radi
postizanja eljenog poravnanja noice su postavljene na prethodno izlivene betonske blokove.
Reetkasta konstrukcija se sastoji od etiri individualna vertikalna kutijasta profila koji su dodatno
ojaani. Postavljene su merdevine koje omoguavaju pristup kabini (slika 4.). Kabina je postavljena na
odgovarajuu platformu. Kako bi se ostvarila bolja preglednost prostora na prednjem donjem delu kabine
umesto lima postavljeno je staklo. Radnik noge ne oslanja direktno na staklo ve na odgovarajuu elinu
konstrukciju koja je zavarena za platformu kao to je prikazano na slici 5.
Slika 5. Kabina sa platformom Slika 6. Kraa sekcija kontrastrele
Kontrastrela dizalice se sastoji od dve individualne sekcije. Vodei elementi su I profili koji su ojaani
dodatnim zavarenim profilima kao to je prikazano na slici 6. Veza individualnih sekcija kontrastrele
omoguena je putem ivija sa odgovarajuim osiguraima. Mehanizam za dizanje tereta (motor, spojnica,
konica, reduktor i dobo) takoe je postavljen na duoj sekciji kontrastrele. Pristup balastnim blokovima i
ostalim elementima postignut je primenom odgovarajue bone platforme, to je prikazano na slici 7. Strela
2.20
dizalice se, takoe, sastoji od veeg broja zasebnih sekcija.
Mehanizam za dizanje tereta predstavlja najzahtevniji sklop u celokupnoj konstrukciji. Na izlaznom
vratilu elektromotora postavljena je konica. Na bazi zadate brzine dizanja, dimenzionisani su reduktor,
spojnica, pogonski dobo, usvojeno elino ue za dizanje tereta.
Slika 7. Deo kontrastrele sa mehanizmom za Slika 8. Konana konstrukcija individualnog

dizanje tereta i balastom sklopa kolica
Kolica koja nose sklop koturae i kuke kreu se du strele. Kako bi se ostvarilo pravilno kretanje kolica
primenjena su dva tipa tokova. Predviena je i dodatna platforma za radnika za odravanje i servisiranje
elemenata dizalice (prikazana na slici 8.).
Slika 9. Renderovan model strele i dilazinih kolica
Na kolicima su postavljeni koturovi za ue (prikazani na slici 9.) koji vode ue do sklopa koturae i kuke,
prikazanog na slici 10.
Kuke je modelirana na osnovu standardnih dimenzija kuka (slika 11.).
2.21
Slika 10. Sklop koturae i kuke Slika 11. Sklop kuke, traverza i navrtka
4. ZAKLJUAK
U radu je izvreno kreiranje trodimenzionalnog modela na osnovu dizalice Potain MD310 C K16
izvoenja ZD 463, pri emu su iz pratee tehnike dokumentacije preuzeti osnovni polazni parametri [7].
Analizirana je realna konstrukcija brzo-montirajue dizalice. Navedeni su osnovni elementi, ali i neke
specifinosti analizirane konstrukcije. Na osnovu konfiguracije gradilita definisano je pozicioniranje
dizalice. Posebna panja usmerena je i ka procesu montae i to pre svega ka ostvarenju potrebne visine tornja
i pozicioniranju strele u zavisnosti od visine objekata koji se zidaju. Predstavljeni su najei uzroci statikih
i dinamikih optereenja. Posmatran je i uticaj vetra kao specijalan sluaj dinamikog optereenja.
Model je kreiran u softverskom paketu SolidWorks korienjem osnovnih i posebnog Weldments
modula. Kreiran model je eksportovan u softverski paket KeyShot gde je dodatno obraen kako bi se
ostvarila to bolja fotorealistina vizualizacija.
Razvoj modularnih sistema graevinskih stubnih dizalica znatno olakava projektovanje, proizvodnju i
eksploataciju dizalica. Modularni sistemi predstavljaju familije graevinskih stubnih dizalica razliitih
izvoenja, formiranih na osnovnim standardnim modulima i elementima. Time se smanjuju trokovi
projektovanja, izrade, eksploatacije i poveava pouzdanost i trajnost transportnih sistema.
5. LITERATURA
[1] Lawrence, K. Shapiro, Jay, P. Shapiro: Cranes and Derricks, fourth edition, The McGraw-Hill
Companies, 2011.
[2] Ostri D., Toi S.: Dizalice, Mainski fakultet, Centar za mehanizaciju, Beograd, 2005.
[3] SRPS EN 14439:2009: Dizalice - Bezbednost - Toranjske dizalice, Institut za standardizaciju Srbije, 2009
[4] SRPS EN 13001-1:2010: Dizalice - Konstrukcija uopte - Deo 1: Opti principi i zahtevi, Institut za
standardizaciju Srbije, 2010.
[5] FEM. 1.007: Recommandations to maintain tower cranes in safe condition, The European Federation of
Materials Handling FEM, Novembar 2003.
[6] Ili, S.: Graevinska stubna dizalica, zavrni rad, Fakultet inenjerskih nauka Univerziteta u Kragujevcu,
Kragujevac, 2014.
[7] Manitowoc: Potain MD310 C K16 data sheet metric, http://www.manitowoccranes.com/, 2008.
MODELLING AND CALCULATION OF A CONSTRUCTION TOWER CRANE
Abstract: A 3D model of a construction tower crane was developed in this paper using SolidWorks software
package. Selection of main elements, drive units and accompanying mechanisms that enable realization of
basic cranes operations was performed. Dimensions and parameters of the most critical elements of the
design were determined based on previous calculations, partly presented in the paper. In development of the
model, the loads influencing stability and carrying capacity of the tower crane were analysed according to
standards. Requirements regarding safety and health at work were also considered in the paper.
Key words: construction tower crane, 3D model, SolidWorks
2.22
konferencija
Mitrovi A. 1), Kova P. 2), Kulundi N. 3), Savkovi B. 4)
MODELOVANJE I SIMULACIJA PROCESA OBRADE GLODANJEM
Rezime
Obrada glodanjem je jedan od najvanijih konvencionalnih postupaka obrade i pod uticajem je velikog broja
parametara. Jedan od najznaajnijih parametara je temperatura, pa je zbog toga predvianje temperature
tokom obrade glodanjem veoma vano za optimizaciju parametara rezanja. Glavni cilj ovog rada je
modelovanje i simulacija procesa obrade glodanjem sa predvianjem temperature u zoni rezanja pomou
3D metode konanih elemenata korienjem programskog paketa ANSYS / Explicit Dynamics.
Kljune rei: metoda konanih elemenata, glodanje, temperatura, ANSYS
1. UVOD
Iako je obrada metala rezanjem iroko istraivana, izbor parametara rezanja, materijala alata i geometrije
alata za male obime proizvodnje jo uvek je zasnovana na iskustvu operatera ili preporuci prirunika.
Izabrani parametri su retko optimalni a mali obim proizvodnje ne opravdava izvoenje eksperimenata za
poveanje efikasnosti. S obzirom na to da su mainski eksperimenti skupi i dugotrajani, postoji potreba da se
razviju ili efikasnije strategije koje smanjuju broj eksperimenata ili da se eksperimentalna ispitivanja
eliminiu u potpunosti.
Za odreivanje temperature u zoni rezanja pri eonom glodanju koriste se razliite metode. Zbog sloenosti
procesa obrade glodnjem glavne tekoe u merenju temperature rezanja tokom glodanja javljaju se zato to:
(a) alat rotira i zubi alata ulaze u zahvat sa obratkom i izlaze iz njega, (b) zona obuhvaena toplotom pomera
se po povrini obratka i (c) strugotina moe da ometa merenje [1].
Zbog ovih potekoa razvijeni su alternativni pristupi kao to su matematike simulacije u kojima se koriste
numerike metode. Pokazalo se da je meu numerikim metodama metoda konanih elemenata najkorisnija i
u irokoj upotrebi. Ubrzo nakon to se metoda konanih elementa pojavila, istraivai su poeli da koriste
ovu metodu za analizu procesa obrade rezanjem.
U poslednje dve decenije, metoda konanih elemenata postaje najee korien metod u analizi obrade
metala rezanjem. Na slici 1 dat je grafiki pregled najizuavaniji procesa obrade rezanjem i najee
korienih programskih paketa za simulaciju procesa obrade rezanjem metodom konanih elemenata na
osnovu 116 naunih radova objavljenih tokom 2000-2014. godine [2].
Slika 1: Pregled istraivakih aktivnosti u podruju simulacija metodom konanih elemenata
1
mr Anelija Mitrovi, Visoka kola tehnikih strukovnih studija aak, Svetog Save 65, aak, e-mail:
andjelija.mitrovic@vstss.com
prof. dr Pavel Kova, Fakultet tehnikih nauka, Trg Dositeja Obradovia 6, Novi Sad, e-mail: pkovac@uns.ns.ac.rs
2
3
M.Sc Nenad Kulundi, Fakultet tehnikih nauka, Trg Dositeja Obradovia 6, Novi Sad, e-mail: kulundzic@uns.ac.rs
dr Borislav Savkovi, Fakultet tehnikih nauka, Trg Dositeja Obradovia 6, Novi Sad, e-mail: savkovic@uns.ac.rs
4
2.23
Pravilan izbor programskog paketa za analizu metodom konanih elemenata je veoma vaan za odreivanje
obima i kvaliteta analize koja e biti izvrena. Neki od vanijih programa koji se koriste za simulaciju obrade
metala rezanjem su: DEFORM, AdvantEdge, Abaqus i ANSYS. U ovom radu za simulaciju obrade
glodanjem sa predvianjem temperature u zoni rezanja korien je programski paket ANSYS.
2. PROGRAMSKI PAKET ANSYS

ANSYS (ANalisys SYStem) je programski paket opte namene projektovan za proraun uz pomo metode
konanih elemenata koji poseduje razliite mogunosti analiziranja od jednostavnih linearnih, statikih
analiza, do kompleksnih nelinearnih, dinamikih analiza. Analiza u ovom programskom paketu sastoji se iz
tri glavna koraka: preprocesiranje (definisanje i oblikovanje modela), procesiranje (primena optereenja i
dobijanje rezultata) i postprocesiranje (analiza dobijenih rezultata). ANSYS Workbench predstavlja glavni
meni u kome se realizuju projekti. Sadri veliki broj raziitih opcija koje omoguavaju realizaciju tri glavna
koraka koja se postavljaju pred ANSYS.
Modul ANSYS Explicit Dynamics omoguava korisnicima da zadovolje zahteve reenja razliitih
sloenosti zasnovanih na detaljima problema i strunosti korisnika [3]. Ovaj modul prua vrhunsku
funkcionalnost mnotvu naprednih mogunosti dajui poverenje u rezultate simulacija koji odgovaraju
realnosti. ANSYS Explicit Dynamics omoguava inenjerima da istrae irok spektar izazova kao to su:
proces proizvodnje sa nelinearnom plastinom reakcijom, sloeni kontakti, kvazistatika, simulacije-udarni
test, visokobrzinske i hiperbrzinske uticaje, lom materijala, mehaniki prodor, velika optereenja koja daju
velike deformacije materijala, fragmentaciju materijala, uticaj prostornih krhotina, projektovanje sportske
opreme, eksplozivno optereenje, eksplozivno formiranje, interakciju eksplozivne strukture.
3. SIMULACIJE OBRADE GLODANJEM
3.1 Izrada geometrijskog modela
U programskom paketu SolidWorks napravljeni su modeli vretenastog glodala i obratka. Nakon toga, jedan
pojednostavljen model vretenastog glodala i obratka je napravljen kako bi broj elemenata modela bio manji.
U oba sluaja u obzir je uzet samo rezni deo glodala koji uestvuje u obradi. Zatim su modeli za simulaciju
snimljeni kao STEP fajlovi i uvezeni u ANSYS Explicit Dynamics. Na slici 2 prikazani su modeli glodala
bez i sa pojednostavljenjem u ANSYS-u.
Slika 2: Modeli godala uvezeni u ANSYS

3.2 Definisanje materijala
Za materijal obratka izabran je elik AISI 4340 iz biblioteke materijala Explicit Materials, dok su za
materijal vretenastog glodala, volfram karbid, uneti potrebni podaci jer ne postoje u biblioteci materijala.
U simulacijama obrade za ponaanje materijala obratka izabran je klasian Donson-Kuk konstitutivni
model materijala [4]. Ponaanje materijala elika AISI 4340 je definisano prema Donson-Kuk zakonu kao:

= ( + ) (1 + ) 1 (1)

2.24
gde , , predstavljaju napon, deformaciju i stepen deformacije, a T, Tr , Tm je trenutna temperatura radnog
materijala, sobna temperatura i temperatura topljenja materijala, respektivno. A, B, C, n i m su m konstante
materijala. Parametri materijala AISI 4340 [5] definisani prema Donson-Kuk zakonu prikazani su u tabeli 1.
Tabela 1: Parametri elika AISI 4340
A(MPa) B(MPa) C m n 0 Tm (0C) Tr (0C)
1150 739 0.014 1.03 0.26 1 1450 20
3.3 Definisanje parametara simulacije
Prilikom definisanja parametara za simulaciju potrebno je definisati: modele, koordinatne sisteme,

povezanost, umreavanje modela, kretanja alata i obratka, trajanje simulacije i izbor izlaznih rezultata. Za
svaki model potrebno je definisati da li je krut ili fleksibilan. Izabrano je da su glodalo i obradak fleksibilni.
Zadran je globalni koordinatni sistem i definisan koordinatni sistem za glodalo. U poetnoj fazi simulacije
glodalo i obradak su razdvojeni tako da nije definisana povezanost modela.
Za definisanje graninih uslova simulacije korien je Lagranov model u kome je mrea konanih
elemenata postavljena na materijalu obratka i pokriva celu oblast koja se analizira. Lagranov model je
iroko primenjen u simulacijama rezanja metala zbog mogunosti da odredi geometriju strugotine od poetne
faze do stabilnog stanja i ova geometrija je funkcija parametara rezanja, procesa plastine deformacije i
karakteristika materijala i zbog toga se granice i oblici strugotine ne moraju znati odmah.
Dve simulacije su pokrenute, pri emu je u prvoj simulaciji korieno glodalo bez pojednostavljeno dok je u
drugoj simulaciji korieno glodalo sa pojednostavljenjem. U prvoj simulaciji mrea je automatski formirana
tako da glodalo i obradak imaju ukupno 12520 elemenata i 2964 vorova. U drugoj simulaciji mrea na
obratku je formirana korienjem komande Refinement tako da se poveao broj elemenata i vorova i u
ovom sluaju glodalo i obradak imaju ukupno 18957 elemenata i 4181 vorova. Raunarsko vreme potrebno
za prvu simulaciju je 5 dana a za drugu simulaciju 7 dana na HP xw8600 radnoj stanici sa 2 x CPU procesora
sa 4 fizika jezgara svaki, to znai ukupno 8 fizikih jezgara i 16 GB RAM-a.
Ulazni parametri za simulaciju su brzina rezanja, odnosno broj obrtaja, korak i dubina rezanja. Vrednosti
izabranih parametra obrade prikazani su u tabeli 2. Razliiti izlazni rezultati simulacije mogu se zadati
napon, deformacija, temperatura, elastinost itd. U ovom radu kao izlazni parametar simulacije izabrana je
temperatura.
Tabela 2: Parametri obrade
Brzina rezanja, v
Broj obrtaja, n Korak po zubu, sz Dubina rezanja, ap
(izraunato)
70(m/min) 2200(o/min) 0,040(mm/z) 1(mm)
Na slici 3 prikazan je pojednostavljen model glodala i obratka nakon definisanja mree i nakon definisanja
kretanja u ANSYS-u.
Slika 3: Modeli glodala i obratka nakon umreavanja i nakon definisanja kretanja u ANSYS-u
2.25
4. REZULTATI SIMULACIJA
Rezultati simulacija obrade glodanjem sa raspodelom temperature mogu se videti na slici 4. Poreenjem
rezultata dobijenih u simulacijama moe se videti da se u prvoj simulaciji dobijaju vie vrednosti temperature
u zoni rezanja. Jedan od razloga za to je to je preciznost rezultata simulacije u osnovi funkcija veliine
elemenata. Generalno posmatrano, to je manji element to su precizniji rezultati, ali to zahteva i mnogo vie
vremena da se urade prorauni.
Slika 4: Raspodela temperature u simulacijama
5. ZAKLJUAK
Simulacija obrade glodanjem u ANSYS/Explicit Dynamics-u moe se koristiti za predvianje temperatura u

zoni rezanja. Jedan od glavnih problema u simulaciji obrade glodanjem je umreavanje obratka kao i
precizno modeliranje geometrije i umreavanje glodala. S druge strane, previe gusta mrea bitno utie na
poveanje vremena obrade simulacije tako da su tekoe u optimizaciji mree i vreme proraunavanja glavne
prepreke za simulaciju procesa obrade glodanjem.
6. LITERATURA
[1] Le Coz G, Marinescu M, Devillez A, Dudzinski D, Velnom L.: Measuring temperature of rotating
cutting tools: Application to MQL drilling and dry milling of aerospace alloys,
Applied Thermal Engineering, 36:434- 441, 2012.
[2] Bontiu Pop A., Lobontiu M.: The finite element analysis approach in metal cutting, Academic journal
of manufacturing engineering, Vol. 13, ISSUE 1, 2015.
[3] https://www.simutechgroup.com/ANSYS/Explicit-Dynamics, Solution, 2011.
[4] Johnson G.R., Cook W.H. :A constitutive model and data for metals subjected to large strains, high
strain rates and high temperatures, Proceedings of the Seventh International Symposium on Ballistics,
The Hague, The Netherlands, April 1921, pp. 541547, 1983.
[5] Alcaraz J., Lorenzo I., Lacalle L.:Thermomechanical Analysis of a Chip Machining Process,
ABAQUS Users Conference, 2003.
Mitrovic A., Kovac P., Kulundzi N., Savkovic B.
MODELING AND SIMULATION OF THE MILLING PROCESS
Abstract: The milling process is one of the most widely conventional machining operations. It is influenced
by a large number of parameters. One of the most significant factors is temperature. Therefore prediction of
temperature during milling is very important for optimizing the cutting parameters. The main purpose of this
paper is modeling and simulation of the milling process with prediction of temperatures in cutting zone by
using 3D finite element analysis with ANSYS/Explicit.
2.26
konferencija

1)
Mladenovi G., Tanovi Lj., Pjevi M., Popovi M.
OBRADA SKULPTORSKIH POVRINA - RAZVOJ CAD/CAM SISTEMA2)
Rezime
U pogledu geometrijskih aspekata, opis skulptorskih povrina je veoma dobro pokriven, meutim i dalje
ostaju problemi kada je u pitanju stvarna proizvodnja jer u zavisnosti od generisane putanje alata zavisi
cena izraenog dela. U vezi sa ovim se namee pitanje generisanja optimalne putanje alata koja e
respektovati uslov obrade sa minimalnim vremenom, a u granicama dozvoljenog odstupanja i hrapavosti
obraene povrine. U radu je prikazana metodologija razvoja CAD/CAM sistema za projektovanje
tehnologije obrade glodanjem loptastim glodalom delova sa skulptorskim povrinama.
Kljune rei: Skulptorske povrine, CNC obrada, generisanje putanje alata
1. UVOD
Problemi obrade delova sa skulptorskim povrinama su predmet prouavanja mnogih istraivakih centara
ve vie od 30 godina. Delovi sa skulptorskim povrinama su prisutni u svim granama innjerstva. Upotreba
skulptorskih povrina je prevashodno zbog poboljanja dizajna, ili/i zbog poboljanja funkcionalnih zahteva
[1]. Kada je u pitanju mainsko inenjerstvo najzastupljeniji su u oblasti automobilske i avio industrije,
brodogradnje, proizvodnje kalupa za kovanje i livenje kao i u industriji proizvodnje robe iroke potronje.
Kada je u pitanju dobijanje delova sa skulptorksim povrina najzastupljeniji je metod obrade glodanjem
loptastim glodalom na 3 ili 5 osnim NUMA. Do sada je razvijeno vie metoda za obradu skulptorskih
povrina, a tri najvie korienih su: izoparametarski [2], izoravanski [3] i izohrapavi [4]. U danasnje vreme
se ulau veliki napori za razvoj novih metoda generisanja i optimizacije putanje alata. Sam proces
optimizacije putanje alata se moe sprovesti kroz jedan ili vie kriterijuma. Kada je u pitanju
visekriterijumska optimizacija putanje alata neizostavno je uvodjenje faktora kriterijuma optimizacije
wi={0,1} pomou kojih se definie znaaj svakog kriterijuma ponaosob.
Pratei ovaj trend, Katedra za proizvodno mainstvo Mainskog fakulteta Univerziteta u Beogradu je
sprovela viegodisnja istraivanja u ovoj oblasti. Posebni napori se ulazu u razvoj metoda za optimizaciju
putanje alata i razvoj novih CAD/CAM sistema. U radu je prikazana razvijena metodologija generisanja
putanje alata na bazi uitanih CAD modela izratka i pripremka, definisane hrapavosti (Rmax) i tanosti
obraene povrsine (hmax), skupa faktora ukljuenja/iskljuenja kriterijuma optimizacije (wPK, wUK, wVs,) i
baze podataka o raslolozivim alatima, parametrima obradljivosti i karakteristikama izabrane NUMA [5].
2. RAZVOJ CAD/CAM SISTEMA
Projektovani sistem je namenjen za klasu delova kod kojih je osnova kvadrat ili pravougaonik, a skulptorska
povrina se nalazi na jednoj strani dela. Razvijeni sistem za uitani CAD model izratka u STL formatu vri
izraunavanje taaka preseka skulptorske povrine i koordinatnih ravni (XZ i YZ) primenom algoritma za
odreivanje preseka trougla i ravni sa odgovarajuom rezolucijom. Za tako odreeni skup presenih taaka
se dalje formira interpolacioni polinom i na bazi toga izraunava minimalni radijus krivine na konveksnom
delu putanje alata. Najmanja izraunata vrednost se dalje koristi da bi se na osnovu baze podataka automatski
izabrao alat kojim bi se vrila obrada.
1)
dr Goran Mladenovi, (gmladenovic@mas.bg.ac.rs), prof. dr Ljubodrag Tanovi, (ltanovic@mas.bg.ac.rs), Milo Pjevi,
mast.in.ma., (mpjevic@mas.bg.ac.rs), dr Mihajlo Popovi, (mpopovic@mas.bg.ac.rs), Univerzitet u Beogradu, Mainski fakultet
Beograd
2)
U okviru ovog rada saoptavaju se rezultati istraivanja koji su realizovani u okviru projekta TR 35022: Razvoj nove generacije
domaih obradnih sistema, koji finansijski Ministarstvo prosvete, nauke i tehnolokog razvoja Republike Srbije
2.27
Na osnovu uitane geometrije izratka, definisanog prenika alata i zahtevane tanosti i hrapavosti obraene
povrine, a prema modelu formiranja hrapavosti prikazanom na slici 1 vri se izraunavanje vrednosti
poprenog (sP) koraka prema procedurama datim u [6], a u zavisnosti od definisanih vrednosti faktora
ukljuenja/iskljuenja kriterijuma optimizacije poprenog (wPK) koraka.
Slika 1. Model formiranja hrapavosti za CAD modele u STL formatu
2 R 2 ( R R )2 , w = 0
max PK
sP = (1)
2 cos R 2 ( R Rmax )2 , wPK = 1

Iz razloga breg rada sistema i ukljuivanja mehanike procesa rezanja u generisanju putanje alata uitani
CAD model pripremka se konvertuje u model predstavljen pomocu Z mape koji je prvi uveo Anderson [7].
Za rezoluciju osnove Z-mape je izabran kvadrat ija je stranica jedinine duine. Za formiranje internog
zapisa pripremka upotrebljen je algoritam za odreivanje preseka zraka (prave) i trougla kojim je
predstavljena skulptorska povrina, slika 2.
Slika 2. Presek prave i trougla
Postoji vie naina za odreivanje take preseka prave i trougla, a u ovom sluaju je upotrebljen naizmenini
metod [8] koji koristi direktne 3D proraune za odreivanje take prodora. U algoritmu se koristi
parametarska jednaina za definisanje ravni data preko dva parametara u , v :
V ( s , t ) = V0 + su + tv = V0 + s (V1 V0 ) + t (V2 V0 ) = (1 s t )V0 + sV1 + tV2 (2)
gde su s, t realni brojevi, a u , v su vektori strana trougla T .
2.28
U sluaju projektovanja tehnologije obrade za CAD modele delova sauvanih u STL formatu fajla koji u
svojoj strukturi sadri koordinate taaka trouglova Vi , komponente vektora normale svakog trougla
ni = [ nXi , nYi , nZi ] , kao i oznake taaka koje formiraju trouglove mogue je direktno formirati ofsetovanu
povrinu (takoe predstavljenu pomou skupa trouglova) na rastojanju jednakom radijusu loptastog dela
glodala (R) prema:
Vofst ,i = Vi + R nsr ,k , i = 1,..., N (3)
gde Vofst ,i predstavlja ofsetovano teme itog trougla, N- ukupan broj temena trouglova, a nsr ,k - osrednjeni
vektor normale [9] u taki koja predstavlja zajedniko teme za vie trouglova, slika 3a.
Slika 3. Osrednjeni vektor normale (a) i ofsetovana povrina predstavljena trouglovima (b)
Na slici 3a je prikazan skup od pet trouglova sa jednim zajednikim temenom ( Vk ) i osrednjenim vektorom
normale ( nsr ,k ) u pravcu koga je za vrednost radijusa loptastog dela glodala ofsetovano zajedniko teme
trouglova ( Vofst , k ). U optem sluaju osrednjavanje vektora normale zajednikog temena se vri prema [9]:
JJJJG N
j =1
k, j
nsr ,k = , 1 k M (4)
M
Nk , j
j =1
gde M predstavlja broj broj trouglova koji imaju zajedniko teme.
U sluaju projektovanja tehnologije obrade sa variranjem brzine pomonog kretanja za uparene CAD modele
izratka i pripremka se dalje vri analiza dubine i irine glodanja du putanje alata i na osnovu formiranog
modela za predikciju sile glodanja vri izraunavanje potrebne brzine pomonog kretanja u svakoj taki
lokacije alata za izabranu kombinaciju materijala i geometrije alata i materijala pripremka. Brzina pomonog
kretanja se odreuje tako da rezultujua sila glodanja ne pree maksimalnu dozvoljenu vrednost koja je
definisana u bazi podataka za svaki prenik loptastog glodala. Naravno, predviene su granice minimalne i
maksimalne dozvoljene brzine pomonog kretanja prema opsegu koji je usvojen prilikom izrade modela za
predikciju sila glodanja. Dva su razloga za uvoenje ogranienja brzine pomonog kretanja jer mesta sa
velikom dubinom rezanja mogu proizrokovati brzinu pomonog kretanja blisku nuli. Analogno, mesta sa
malom dubinom rezanja mogu prouzrokovati isuvie veliku vrednost brzine pomonog kretanja to se moe
odraziti na kvalitet obraene povrine. U sluaju da vrednost brzine pomonog kretanja dostigne minimalnu
dozvoljenu vrednost, a vrednost sile glodanja bude vea od maksimalno dozvoljene dobija se obavetenje da
se povrina ne moe obraditi zadatim reimima obrade pa je potrebno obradu izvriti iz vie prolaza.
2.29
U projektovanom sistemu je prihvaen model za predikciju sile glodanja koji podrazumeva podelu loptastog
glodala diskovima elementarne debljine dz , slika 4a, a prema proceduri datoj u [10]. Koliina materijala u
zahvatu se odreuje prema dubini (aax) i irini (arad) glodanja, sa ogranienjem da je projekcija zahvaenog
materijala na ravan upravnu na brzinu pomonog kretanja jedna zatvorena kontura. Iz razloga simulacije
procesa obrade uveden je lokalni koordinatni sistem alata koji je postavljen tako da se XA osa poklapa sa
pravcem brzine pomonog kretanja dok je YA osa usmerena u desno gledajui u pravcu vektora brzine
pomonog kretanja. Osa ZA upotpunjuje Dekartov koordinatni sistem desne orijentacije, slika 4b.
Slika 4. Disretizacija reznog dela glodala (a), koordinatni sistem alata i koliina materijala u zahvatu (b)
Ukoliko je u pitanju projektovanje tehnologije obrade sa optimizacijom hrapavosti obraene povrine

potrebno je pri izboru brzine pomonog kretanja proveriti da li je zadovoljen uslov odranja hrapavosti na
maksimalnu vrednost prema [11]:
k1
1 Rmax
VS = k 2 (5)
3 R
gde su: k1, k 2 koeficijenti korekcije brzine pomonog kretanja.
Na osnovu karakteristika izabrane NUMA, tj snage pogonskih motora servoosa potrebno je proveriti uslov
ogranienja koraka po maksimalnoj dozvoljenoj vunoj sili prema NUMA [12]:
szy0 FX DLG i0
(6)
n w0 0.4 CP a x0 b q0 z k F
gde je: n - broj obrtaja, z - broj zuba, b - irina glodanja, x0 , y0 , q0 , w0 , i0 , CP , k F - koeficijenti i parametri
obradljivosti [13].
Analizom razvijenih strategija obrade komercijalnih CAM sistema, u sistem su ugraene tri strategije za
obradu skulptorskih povrina i to: (1) obrada u jednom pravcu, (2) ZIG-ZAG strategija i (3) spiralna
strategija. U procesu generisanja putanje alata prvo se sprovodi procedura generisanja segmenata putanje, a
zatim procedura povezivanja segmenata putanje prema metodologiji opisanoj u [6].
3. RAZVOJ SOFTVERSKOG REENJA
Prema konceptu razvijenog sistema opisanom u prethodnom poglavlju primenom softverskog paketa
MATLAB (Matrix Laboratory) [14], verzija 7.12 R2011a razvijeno je CAD/CAM softversko reenje za
proces automatskog projektovanja tehnologije obrade delova sa skulptorskim povrinama. Na slici 5 je
prikazan prozor formiranog softvera gde je sukcesivnim otkrivanjem polja omogueno jednostavno
rukovanje softverom prema formiranim procedurama opisanim u prethodnom poglavlju. Softver je u
mogunosti da prikae upozorenje u sluajevima kada je povrinu nemogue uraditi iz jednog prolaza, a to
je uslovljeno izabranim prenikom alata i odnosom geometrije izradak/pripremak. Krajnji izlaz iz razvijenog
softvera je NC kod za obradu dela na osnovu uitanih CAD modela izratka i pripremka, materijala
2.30
pripremka, definisanog kvaliteta i tanosti obrade i vrednostima skupa faktora ukljuenja/iskljuenja
kriterijuma optimizacije putanje alata.
Slika 5. Prozor razvijenog softverskog reenja
4. EKSPERIMENTALNA VERIFIKACIJA
U cilju verifikacije rada razvijenog softvera, a samim tim i razvijenih metoda generisanja i
optimizacije putanje alata pristupilo se projektovanju tehnologije obrade delova sa skulptorskim povrinama
(na bazi uitanih CAD modela izratka i pripremka generisanih u nekom od komercijalnih CAD sistema u
STL formatu fajla) i samoj izradi prema generisanim NC kodovima. Mainska obrada delova je vrena na
horizontalnom obradnom centru ILRHMC500/40, upravljaka jedinica FANUC O-M. Pripremak je u ovom
sluaju baziran i stegnut u steznom priboru postavljenom na ugaonik i radni sto obradnog centra, slika 6.
Slika 6. Eksperimentalna postavka obrade dela na obradnom centru
Korieni material pripremla je AlMg4.5Mn, a alat je loptasto glodalo materijala HSSE (8% Co) prenika
12mm sa dva zuba, ugla nagiba zavojnog ljeba cilindrinog dela 30.
2.31
5. ZAKLJUAK
U radu je prikazana razvijena metodologija visekriterijumske optimizacije putanje alata pri obradi
delova sa skulptorskim povrinama glodanjem loptastim glodalom. Razvijena metodologija je zatim
primenom softverskog paketa MATLAB implementirana u jedinsktveno softversko reenje za
proces automatskog projektovanja tehnologije obrade delova sa skulptorskim povrinama. Za CAD
modele izratka i pripremka formiranih u nekom od komercijalnih CAD/CAM sistema je izvreno je
generisanje upravljakog koda ijom je primenom izvrena obrada delova i time verifikovan rad
razvijenog softverskog reenja. Primena razvijenog softverskog reenja je od velikog znaaja u
sluajevima kada je gruba obrada ujedno i zavrna obrada ime se smanjuju trokovi obrade za dati
deo.
6. LITERATURA
[1] Mladenovic G., Tanovic LJ., Ehmann K.F.: Tool Path Generation for Milling of Free Form Surfaces
With Feedrate Scheduling. FME Transactions, 43(1): pp. 9-15, 2015.
[2] G.C. Loney, T.M. Ozsoy: NC machining of free form surfaces, Computer-Aided Design, Vol. 19 No.2,
pp. 8590, 1987.
[3] Z.L. Han, D.C.H. Yang: Iso-phote based tool-path generation for machining free-form surfaces,
Journal of Manufacturing Science and Engineering, ASME Transactions, Vol. 121 No.4, pp. 656664,
1999.
[4] K. Suresh, D.C.H. Yang: Constant scallop height machining of free form surfaces, Journal of
Engineering for Industry, ASME Transactions, Vol.116, pp. 253259, 1994
[5] Mladenovic G. Optimizacija putanje alata pri obradi skulptorskih povrina glodanjem, Doktorska
disertacija, Univerzitet u Beogradu, Mainski fakultet
[6] P. Bojani: Generisanje putanje alata pri obradi skulptorskih povrina na 3-osnim CNC mainama
loptastim glodalom, 33rd Savetovanje proiyvodnog mainstva Srbije, Zbornik radova, pp. 115-118,
Beograd, Mainski fakultet Beograd, 16-17 Jun, 2009.
[7] Anderson. R.O.: Detecting and eliminating collisions in NC machining. Computer-Aided Design,
10(4), pp. 231-237, 1978.
[8] Mller T., Trumbore B.: Fast, Minimum Storage Ray-Triangle Intersection. Journal of Graphics Tools,
2(1), pp. 21-28, 1997.
[9] Malosio M., Pedrocch N., Molinari Tosatti L.: Algorithm to Offset and Smooth Tessellated Surfaces.
Computer-Aided Design and Applications, 6(3), pp. 351-636, 2009.
[10] Altintas Y.: Manufacturing Automation Metal Cutting Mechanics, Machine Tool Vibrations and
CNC Design, Cambridge University Press, Cambridge, 2000.
[11] Chen J.S., Huang Y.K., Chen, M.S.: Feedrate optimization and tool profile modification for the high-
efficiency ball-end milling process. International Journal of Machine Tools and Manufacture, 45(9), pp.
1070-1076, 2005.
[12] Tanovi Lj., Petrakov .:Teorija i simulacija procesa obrade. Univerzitet u Beogradu, Mainski
fakultet, Beograd, 2007.
[13] Kalajdi M., Tanovi Lj., Babi B., Miljkovi Z., Puzovi R., Kokotovi B., Popovi M., ivanovi
S., Toi, D., Vasi I.: Tehnologija obrade rezanjem Prirunik. Univerzitet u Beogradu, Mainski
[14] URL: http://www.mathworks.com/
Mladenovi G., Tanovi Lj., Pjevi M., Popovi M.
SCULPTURED SUFRACE MILING - THE DEVELOPMENT OF CAD/CAM SYSTEM

Abstract: While the geometric aspects of the design for sculptured surfaces are relatively well-covered, issues still
remain when it comes to the actual manufacture of parts because cost of the part directly depends of generated
tool path. Regarding with this, arises the question about optimal tool path generation which will respect the
requirement of minimal machining time. The paper present description of CAD/CAM system development for ball-end
milling.
Key words: Sculptured surfaces, CNC machining, tool path generation
2.32
konferencija
, ., , .1)

. j
j j j j
j j j j
j.
Matlab.
: ,
1.

- ,
[1, 2].
, .

,
[1, 2, 4 5]. [3]
CAD .

.

.

, .
,
, .
,
.

.

, .
,
.
1)
, mpopovic@mas.bg.ac.rs, , gmladenovic@mas.bg.ac.rs,
- , , .16. 11120 35
2
TR 35022: ,
,
2.33
2.
j , j. j
. j j j
j .
j ,
, j j
j . , ,
. 1 [6].
, ,
. ( 1)
, , .
j j.
1. , ()
()
,
. , .

.
. ,
( ) .

. 2 .
/ .
2. [5]
2.34

.
, 2r (xoyozo),
:
x 2o + yo2 = tg 2 r z o2 (1)
,
ro tg r .. (xyz), :
2
r
x + y = tg r z + o
2 2 2

(2)
tg r
P yz ( ),
a x + b y + c z + d = 0 , b = c = 0 :
x = R sin p (3)
ro, ,
r H :
H = (R ro ) tg r (4)
R .
( 2 3) ,
:
2
r
y = tg r z + o
2 2 R 2 sin 2 p (5)
tg

. z
2, z
(i 1) 360 o / z , i z.
3.
3 ()
(z = 3),
Matlab 4 5 z 0.01 mm.
3. [5]
2.35

.
:
x = R cos t
y = R sin t (6)
P
z= t
2
yz:
A(0, R,0)
B(0, R,7 / 8P)
C (0, R 7 / 8P cos / 2, z B / 2)
, ,
, , , 4.
4. [5]

/ 2 ( 30 o ISO
) ( 4).
, yz,
:
z zD
y = yD (7)

tg ( )
2
yD zD .
.
ABC , .
z = 0. 4, z = 0 (z
). z, 0 P/z, P
z ,
. 5
z.
2.36
5. z

, .
, [5].
, ,
Matlab .

[4, 5].
4.
. ,

, Matlab.

.
5.
[1] Altintas, Y., Manufacturing Automation: Metal Cutting Mechanics, Machine Tool Vibrations, and CNC
Design, Cambridge University Press, Cambridge, UK, 2012.
[2] Altintas, Y., Brecher, C., Weck, M., Witt, S., Virtual Machine Tool, Cirp Annals-manufacturing
Technology - CIRP Ann-Manuf Technol, 54(2), 115-138, 2005.
[3] , ., , 39.
, 26. CAD/CAM, , . 2.37-2.40, , 2014.
[4] Popovi, M., Tanovi, Lj., Tapping procces simulation based on orthogonal cutting tests, II International
scientific conference COMETa 2014, Proceedings, pp. 25-32, University of East Sarajevo, Faculty of
Mechanical Engineering, Jahorina, B&H, Republic of Srpska, 2014.
[5] , ., ,
, - , , 2016.
[6] SRPS EN 25967, , 2011.
Popovic, M., Mladenovic, G.
THE CUTTING EDGE GEOMETRY ANALYSIS OF STRAIGHT FLUTES TAPS
Abstract: For the purpose of prediction the forces and torque in the tapping process it is necessary to
identify the location and length of the tap major and minor cutting edges. Tap is one of the most complex
cutting tools used in practice. The major edges are located on the tap conical chamfer surface and
interruped by grooves that form a thread profile while minor edges are located on the thread profile. The
paper presents the procedure for analytical determination of the tool geometry on the cutting part of the taps
with straight flutes and their analysis in the Matlab programming environment.
Key words: straight flutes tap, tool geometry
2.37
sa meunarodnim ueem

ZBORNIK RADOVA
PROCEEDINGS
36. simpozijum
NU * ROBOTI * FTS
Beograd, maj 2016.

NU ROBOTI FTS
NC - ROBOTS FMS
Anti, A., Zeljkovi, M., Miloevi, M.

METODE IZDVAJANJA OBELEJA U SISTEMU ZA NADZOR ALATA PRI OBRADI
TEKO OBRADIVIH MATERIJALA ..................................................................................................... 3.1
GEOMETRIJA REZA PRI OBRADI ABRAZIVNIM VODENIM MLAZOM ...................................... 3.6
METOD KONFIGURISANA UPRAVLJAKOG SISTEMA OTVORENE ARHITEKTURE
REKONFIGURABILNOG ROBOTA ZA OBRADU ............................................................................ 3.12
ALATKE SA HIBRIDNOM KINEMATIKOM ..................................................................................... 3.16
PROJEKTOVANJU I TERMINIRANJU FLEKSIBILNIH TEHNOLOKIH PROCESA.................... 3.22
Pjevi, M., Tanovi, L., Mladenovi, G.
MIKROREZANJA KRTIH MATERIJALA ........................................................................................... 3.33
ROBOTIMA............................................................................................................................................ 3.39
PARALELNOG MEHANIZMA MOMA ............................................................................................... 3.47
OBRADE ................................................................................................................................................ 3.55
Petronijevi, J., Petrovi, M., Vukovi, N., Miti, M., Babi, B., Miljkovi, Z.
TEHNOLOKIH PROCESA I TERMINIRANJU PROIZVODNJE ..................................................... 3.63
NAZAD
konferencija
Beograd 2016 NU * ROBOTI * FTS
Anti, A., 1 Zeljkovi, M.,1 Miloevi, M.1
RAZVOJ METODE IZDVAJANJA OBELEJA U SISTEMU ZA NADZOR ALATA PRI

OBRADI TEKO OBRADIVIH MATERIJALA 2
Rezime
Rezime: Rad sadri prikaz dela eksperimentalnog istraivanje vezanog za izdvajanje obeleja za Fuzzy
sistem prepoznavanja stanja pohabanosti alata pri obradi teko obradivih materijala na bazi legura
titanijuma (Ti6Al4V). Izdvajanje obeleja u sistemu za nadzor stanja pohabanosti alata izvreno je na
osnovu razvijene nove metode, nazvane 2D. Karakteristika razvijene metode je korienje spektrograma
kratkotrajne diskretne Furierove transformacije (STDFT) na prozoriranom signalu u razliitim opsezima 2D
teksture "slike" dobijene primenom razvijene tehnike. Istraivanja sprovedena u okviru ovog rada imaju za
cilj definisanje robusnijih ulaznih informacija u sistema za klasifikaciju stanja pohabanosti alata.
Kljune rei: obrada signala, ekstrakcija obeleja, habanje alata
1. UVOD
Praenje stanja alata se sprovodi u cilju spreavanja eventualnih oteenja obradaka ili maina alatki.
Pouzdane tehnike monitoringa treba da obezbede brz odgovor na neoekivane promene stanja rezne
geometrije alata. Razvoj informacionih tehnologija rezultirao je primenom tehnika bre i jednostavnije
obrade signala i korienju sistema sa vie razliitih senzora u cilju dobijanje informacija za kontrolu procesa
i predvianje stanja habanja alata. Efikasno praenje stanja alata primenom razliitih vrsta senzora, kao i
adekvatne metode obrade signala predstavlja veliki interes za veliki broj akademskih i komercijalnih
istraivanja.
Konvencionalni naini nadzora habanja alata za obradu rezanjem zasnovani su na poznatim fizikim
principima, vizuelnim, slunim i intelektualnim sposobnostima operatera, pomou kojih se nastoji prepoznati
pohabanost alata. Savremeni, inteligentni sistemi za nadzor habanja alata za obradu rezanjem treba da svojim
karakteristikama zamene i nadograde ljudske nedostatke i mogunosti u smislu kontinualnog, brzog i tanog
odreivanja stanja pohabanosti alata to dovodi do:
poveavanja stepena sigurnosti obradnog sistema, posebno izraeno u situacijama visokog stepena
pohabanosti i loma alata,
optimizacije parametara obrade s obzirom na zahtevanu postojanost alata, uzimajui u obzir i
tehnoloka ogranienja procesa,
kontrole kvaliteta obraene povrine i zahtevane dimenzione tanosti obratka i
dodatne racionalizuje trokova proizvodnje.
Intenzivnija istraivanja vezana za razvoj "inteligentnih" sistema za nadzor alata za obradu rezanjem
zapoela su 90-ih godina prolog veka primenom vie senzorskog pristupa i klasifikatora habanja zasnovanih
na algoritmima vetake inteligencije. Poetak istraivanja u ovoj oblasti pretpostavljao je da e korienje
ovih metoda rezultirati industrijski primenljivim reenjima nadzora habanja alata za obradu rezanjem. Fokus
istraivanja je bio na primeni vie senzorskih sistema i razvoju klasifikatora pohabanosti zasnovanih na
algoritmima vetake inteligencije sa velikim brojem obeleja. Poetni rezultati istraivanja habanja alata za
obradu rezanjem baziranog na primeni ovih metoda nagovetavali su stvaranje industrijskog primenljivog
reenja to se na alost nije desilo. Mnogi sistemi za nadzor alata bazirani na primeni modela vetake
V.prof. dr Aco Anti, Fakultet tehnikih nauka, Novi Sad, tel: +381 21 485 2312, E-mail: antica@uns.ac.rs
1
Prof. dr Milan Zeljkovi, Fakultet tehnikih nauka, Novi Sad, tel: +381 21 485 2350, E-mail: milanz@uns.ac.rs,
Doc. dr Mijodrag Miloevi, Fakultet tehnikih nauka, Novi Sad, tel: +381 21 485 2346, E-mail: mido@uns.ac.rs
2
U okviru ovog rada saoptavaju se rezultati istraivanja koja se sprovode na projektu TR 35025: Savremeni prilazi u razvoju
specijalnih reenja uleitenja u mainstvu i medicinskoj protetici
3.1
inteligencije razvijeni su u cilju optimizacije, predvianja stanja pohabanosti alata ili kontrole procese
obrade. Jedna od kljunih taaka kod razvoja klasifikatora pohabanosti zasnovanih na algoritmima vetake
inteligencije je izdvajanje obeleja. U radu se prikazuje nova metoda, nazvana 2D, u zadatku prepoznavanja
stanja pohabanosti alata. Karakteristika razvijene metode je korienje spektrograma kratkotrajne diskretne
Furierove transformacije (STDFT) na prozoriranom signalu u razliitim pojasevima i opsezima 2D teksture
"slike" dobijene primenom razvijene tehnike. Dakle, u pomenutom 2D prostoru mapira se problem
prepoznavanja stanja pohabanosti alata kao problem prepoznavanja tekstura. Ova metoda "otvara vrata" za
ukljuivanje brojnih tehnika za prepoznavanje i klasifikaciju tekstura koje mogu da se primene na podruju
prepoznavanja pohabanosti alata. Meu najperspektivnije tehnike [1, 2] za pomenute zadatke spadaju one
koje koriste odgovor prostorno invarijantne filter banke, odnosno, filter banke na osnovu maksimalnog seta
odgovora kao to su (BFS, MR8, MR4, i MRS4), filter banke Leung i Malik [3]. Pokazano je da rotaciono
invariantni, multi-scale MR8 filter banka daje bolje rezultate od bilo kog drugog. U prikazanom sistemu za
nadzor habanja alata izabrana je MR8 filter banka. Iz pomenute filter banke ne koriste se svi filteri ve samo
njegove komponente koje izdvajaju relevantna obeleja tekstura koja su dovedena u vezu sa promenom
habanja alata [4 - 6].
2. PRIKAZ METODE
Neka je (, ) tekstura slike, koja odgovara identifikovanom spektrogramu STDFT posmatranog signala
senzora s, pri emu je STDFT je spektrogram |(, )|2 definisan kao
K/2
S(k, ) = n=K/2 s(n)w(k n)eikn (1)
gde je sa k oznaen diskretni vremenski okvir, sa diskretna vremenska frekvencija, odnosno, diskretna
frekvencija zona pokrivenosti, dok je w prozorska sekvenca koja se koristi (koristi se Hamming-ova
funkcija), sa duinom K. Diskretni vremenski prozor k, za = 0, , , identifikovan je kao x osa
teksture slike, tako da je = . Takoe , za = 0, , identifikovana je kao y osa, tako da je
= . Sada je:
F(x, y) = |S(k, )|2 (2)

x = 0, , xmax , y = 0, , ymax
k = 0, , k max , = 0, , max
Sve dalje analize se rade nad teksturom slike (, ) dobijene na prethodno objanjen nain, gde se radi
jednostavnosti, bez gubitka generalizacije, posmatraju kontinualne promenljive [0, ] i
[0, ]. Tada je
0 x
A()T [x y ] x
1 0 y A()y
Gx , y , , x, y = e (3)
2 x y
l l,(1) l,(2)
vx,q = vx,q vx,q l L. (4)
gde je
l,(1)
vx,q = max Gx , y , , x, y Px,q
l,(2)
vx,q = max Gx , y , , x, y Px,q
Na osnovu prethodnog dobija se set predprocesiranih obeleja sub-vektora = ,1 , . Iz svakog

izdvojenog obeleja , izdvaja se , i formira se predprocesirani vektor , = 1, , . Vektor V, je tada
sluajna promenljiva, tako da su njegove realizacije, za svaki vremenski okvir k. Zapravo, primeuje se
(ako se uzme u obzir kontinualno vreme t umesto diskretnog vremenskog okvira k), da postoji jedinstvena
korespondencija izmeu raspodele verovatnoa i , a njegova karakteristina funkcija je
3.2
u
vx,q |x = 0, , xmax (5)
u (it)j j
k V uq (t) = EeiV q t =
j=0 E Vqu (6)
j!
l
gde je vx,q dato u jednaini 4. Zakljuuje se da je vx,q na osnovu zapaanja ove sluajne promenljive Vqu
primanom "probability distribution function" (pdf) pV uq .
Dobija se = {1, , } , = 6, nezavisni vektor obeleja koji se odreuje na osnovu
u,1,(i) u,P,(i) u,1,(i) u,P,(i)

viu = m1 m1 | |mM mM , (7)
u,j,(i) u,j
gde je mq oznaava -tu komponentu momenta mq koji je = 6, dimenzionalni vektor dobijen iz 7 na
osnovu koga se formira pojedinani vektor.
3. POSTAVKA EKSPERIMENTA
Klasifikacija stanje pohabanosti alata vri se posredno praenjem signala vibracija tokom procesa rezanja.
Pri eksperimentalnom ispitivanju generisano j e 15 ulaznih signala vibracija, razvrstanih u 3 grupe (5 signala
za svako stanje pohabanosti), na osnovu nivoa pohabanosti (nova ploica, odnosno nema habanja, malo
pohabana, odnosno do 0,25 mm, i veoma pohabana, odnosno iznad 0,5 mm). Svako stanje predstavlja jednu
klasu u zadataku prepoznavanja stanja. Imajui u vidu da su promene stanja habanja alata kontinualne,
granice izmeu klasa nije mogla biti idealno definisana i jednoznana. Analiza rezultata prikazana je
korienjem 5-grupa korienjem kros validacije: ukupan broj od 12 signala vibracija koji se koriste za
obuku klasifikatora, i jo 3 signala vibracija koji se koriste u test faze, a svaka od 3 kategorije je podjednako
zastupljeni u oba seta podataka. Svih 5 grupa rezultata su u proseku zadovoljili konanu prosenu tanost
klasifikacije. Postavka eksperimenta i merenja prikazana je na slici 1.
Slika 1. Postavka eksperimenta
4. ANALIZA REZULTATA
Transformacija signala za oba seta podatak poinje raunanjem spektar vibracija signala, koristei Short-
Time Fourier Transform (STFT), uz primenu M = 256 taaka frekvencija u Hamming prozoru jednake
duine M, sa M/4 preklapanjem izmeu segmenata. Signali su bili dugi 0.2 sekundi u vremenu, sa
frekvencijom uzorkovanja od 625 kHz. Rezultat je matrica koja sadri 129 frekvencija (M/2 + 1 za stvarne
signala i jednakog broja taaka frekvencije, iako je korien ogranien frekventni opseg za naredne
transformacija) i 650 frekvencijskih binova (broj segmenata). Svaki segment predstavlja procenu nekog
kratkog vremena, vremenski lokalizovanog sadraja frekvencije ulaznog signala vibracija. Svaki
spektrogram je centralizovan kako bi se iskljuile DC komponente. Konvoluciom se vri izmeu spektra i
odgovarajueg filtera iz MR8 filtera banka je opisala u prethodnom poglavlju. Tako, robusna obeleja,
odnosno dobijeni deskriptori tretiraju samo jedan opseg, M = 1, gde su iskljuene sve relativne frekvencije
nie od = 0.4729 i vea od = 0.7382 kako je predstavljeno na slici 2. Prikazane frekvencije
nisu bile dovoljno diskriminativne za zadatak prepoznavanja. Kao obeleja su uvedeni P = 3 centralni
3.3
momenti: varijansa skewness i kurtosis, dok je prvi momenat iskljuena iz razmatranja, jer su posmatrani
samo centralizovani spektrogrami, odnosno odgovarajue centralizovane teksture slike (prikazano na slici 2a
i 2b).
Slika 2a. Short-Time Fourier Transformacija signala pri obradi novim alatom
Slika 2b. Short-Time Fourier Transformacija signala pri obradi pohabanim alatom
Provera razvijenog metoda izvrena je i promenom materijalu obratka koji je u ovom sluaju bio na bazi
legura titanijuma (Ti6Al4V) koji se koristi za izradu endoproteza u medicinskoj protetici. Ova vrsta
materijala je mnogo zahtevnija za obradu od standardnih materijala koji se koriste u industriji. Slika 3
prikazuje izlazne vrednosti za 3 skale klasifikacije. Uvedene su 2 klase klasifikacije jer je nakon veoma
kratkog vremena rezni alat menjao svoje karakteristike iz zadovoljavajueg stanja prelazi u pohaban alat.
Klasifikacija ovih rezultata raena je na manjem broju uzoraka zbog ogranienja u raspoloivom broju
uzoraka koji su bili dostupni tokom eksperimenta. Na slici 3 su prikazani rezultati klasifikacije gde su i za
klasifikaciju i verifikaciju koriteni signali vibracija nastali obradom legura titanijuma.
Slika 3. Rezultati klasifikacije 3 momenta za 2 grupe stanja pohabanosti alata
5. ZAKLJUAK
Rezultati eksperimenta pokazuju da ovaj pristup daje dobre rezultate u veini sluajeva prevazilazi
standardne metoda u izdvajanju obeleja za prepoznavanje stanja pohabanosti alata. Osim toga, predloena
3.4
metoda se takoe moe koristiti u proceni stanja alata kod drugih tipova obrade, kao to su buenje i
glodanje. Kao nedostatak ove metode moe se smatrati zahtev za visokim performansama raunarskog
sistem u fazi obuke. U budunosti, neka poboljanja treba preduzeti na poveanju performansi izdvajanja
obeleja i fleksibilnosti modela. Takoe, proirenje postupaka i na obeleja iz podruja vremenskog domena
doprinee boljem sagledavanju dinamike degradacije rezne geometrije alata, tj. procesa habanja alata i
poveanja tanosti klasifikacije.
6. LITERATURA
[1] Lazebnik, S., Schmid, C., Ponce, J.: A Sparse Texture Representation Using Local Affine Regions, IEEE
Trans. Pattern Analysis and Machine Intelligence 27, 8, pp. 1265-1278, 2005.
[2] Varma, M., Zisserman, A., Statistical, A.: Approach to Material Classification Using Image Patch
Exemplars, IEEE Transactions on Pattern Analysis and Machine Intelligence 31, 11, pp 2032 - 2047,
2009.
[3] Leung, T., Malik, J.: Representing and Recognizing the Visual Appearance of Materials Using Three-
Dimensional Textons, Intl J. Computer Vision 43, 1, pp. 29-44, 2001.
[4] Anti, A., Petrovi, P. B., Zeljkovi, M., Kosec, B. Hodoli, J.: The Influence of Tool Wear on the Chip-
Forming Mechanism and Tool Vibrations, Materiali in Tehnologije 46, 3, pp. 279-285, 2012.
[5] Anti, A., imunovi, G., ari, T., Miloevi, M., Ficko, M.: A Model of Tool Wear Monitoring System
for Turning, Tehnicki Vjesnik 20, 2, pp. 247-254, 2013.
[6] Anti, A., ari, T., Miloevi, M.: A Module for Feature extraction within the Neuro-Fuzzy System for
Tool Wear Recognition, Proceedings / 12th International Scientific Conference MMA 2015 "Flexible
Technologies", Novi Sad, 25-26 September 2015, pp. 63-66
Anti, A., Zeljkovi, M., Miloevi, M.,
THE DEVELOPMENT OF THE METHOD FOR FEATURE EXTRACTION IN THE

TOOL WER SYSTEM IN PROCESSING HARD MATERIALS
Abstract: The paper presents the experimental research related to feature extraction for the fuzzy system for
recognizing the tool wear condition in processing hard materials based on titanium alloys. Feature
extraction in the system is performed on the basis of the developed new method, called 2D, in the task of
recognizing the tool wear condition. The characteristic of the developed method is the usage of spectrogram
of the short-term discrete Furrier transformation (STDFT) on a windowed signal in diverse ranges of 2D
texture of the image obtained by applying the developed technology. The research conducted within the
paper has the objective of defining more robust input information in the system for tool wear condition
classification.
Key words: signal processing, feature extraction, tool wear, vibration spectrum
3.5
konferencija
Barali, J.1, Nedi, B.2
GEOMETRIJA REZA
PRI OBRADI ABRAZIVNIM VODENIM MLAZOM
Rezime
Geometrija reza je veoma bitna karakteristika pri obradi abrazivnim vodenim mlazom. Nepravilnosti koje se
javljaju na geometriji reza razlika u irini reza na ulazu i izlazu abrazivnog vodenog mlaza iz predmeta
obrade, ograniavaju primenu abrazivnog vodenog mlaza. Poznavanje zavisnosti promene irine reza je
takoe vano da bi se pravilno definisale putanje kretanja rezne glave, u cilju dobijanja tanih dimenzija. U
radu je analiziran uticaj razliite vrste materijala na geometriju reza. Seeni su elici X5CrNi 1810, C 45 i
S235JRG. Na dobijenim uzorcima su izmerene irine i nagib reza. Izvreno je poreenje dobijenih vrednosti
za razliite materijale.
Kljune rei: irina reza, nagib reza, abrazivni vodeni mlaz
1.UVOD
Razvoj avio, kosmike, vojne, nuklearne i procesne industrije je, takoe, uslovio razvoj nekonve-
ncionalnih postupaka obrade pri kojima se koristi koncentrisana energija nastala hemijskim, fizikim,
svetlosnim, termikim ili erozionim procesima. Trenutno od svih nekonvencionalnih postupaka obrade
najiru primenu imaju obrade elektroerozijom, plazmom, laserom i abrazivnim vodenim mlazom.
Obrada abrazivnim vodenim mlazom je nekonvencionalni postupak obrade novijeg datuma, koji je
za sada malo istraen, ali ima sve veu primenu u industriji. To je veoma efikasna metoda za konturno
seenje razliitih vrsta materijala. Obrada abrazivnim vodenim mlazom je superiorna u odnosu na sline
postupke obrade kada je u pitanju izrada delova koji imaju sloenu dvodimenzionalnu formu veih debljina.
Ograniavajui faktor za iru upotrebu abrazivnog vodenog mlaza je pojava nagiba stranica reza,
odnosno razlika u irini reza na ulazu i izlazu abrazivnog vodenog mlaza iz predmeta obrade. Poznavanje
promene irine i nagiba reza u zavisnosti od parametara procesa obrade i materijala koji se obrauje moe
doprineti iroj primeni abrazivnog vodenog mlaza. U radu je ispitivan uticaj vrste materijala koji se obrauje
na geometriju reza pri razliitim parametrima obrade.
2. GEOMETRIJA REZA
Geometrija reza kod obrade abrazivnim vodenim mlazom je definisana irinom reza na ulazu
abrazivnog vodenog mlaza u materijal koji se obrauje merno mesto 1 Wg i rinom reza na izlazu
abrazivnog vodenog mlaza iz materijala koji se obrauje merno mesto 2 Wd, odstupanjem od upravnosti
nagibom reza u i uglom nagiba reza . Na slici 1. je prikazan izgled povrina reza sa svim geometrijskim
parametrima koji je opisuju.
1
Doc. dr Jelena Barali, Univerzitet u Kragujevcu, Fakultet tehnikih nauka u aku (jelena.baralic@ftn.kg.ac.rs )
2
Prof. dr Bogdan Nedi, Univerzitet u Kragujevcu, Fakultet inenjerskih nauka (nedic@kg.ac.rs )
3.6
Slika 1. Geometrija reza kod obrade abrazivnim vodenim mlazom
Nagib reza je definisan na osnovu izmerenih vrednosti irina Wg i Wd, a na osnovu izraza (1):
W W
g d
u= (1)
2s
Ugao nagiba reza, , je definisan formulom (2):
u
= arctg (2)
s
V-oblik reza Obrnuti V-oblik reza Buriasti rez
Slika 2. Razliiti oblici reza[2]
Na slici 2. su prikazani razliiti oblici reza pri obradi abrazivnim vodenim mlazom. Kod V oblika
reza irina na gornjoj strani reza je vea od irine na donjoj strani reza. Ovaj oblik reza se javlja jer je
energija abrazivnog vodenog mlaza vea na ulazu u obraivani materijal, nego na izlazu iz njega. Ovo je
najei oblik reza koji se sree u praksi. Sa porastom brzine kretanja rezne glave, ovakav oblik je jo
izraeniji. Obrnuti V oblik reza se javlja pri obradi abrazivnim vodenim mlazom sa veoma malim brzinama
kretanja rezne glave. Javlja se i pri obradi veoma mekih materijala. Kod buriastog oblika reza, irina reza na
sredini je vea od irine na gornjoj i donjoj strani reza. Do pojave ovakvog reza moe doi pri obradi
materijala velikie debljine.
3. EKSPERIMENTALNA ISTRAIVANJA
Eksperimentalna istraivanja su vrena u realnim, industrijskim uslovima na maini PTV3.8/60

proizvoaa PTV spol. sr.o, Czech Republic, koja se nalazi u firmi SLOVAS iz aka. Maina za obradu
abrazivnim vodenim mlazom PTV3.8/60 se sastoji iz dva dela koji se nalaze u posebnim prostorijama. Prvi
deo je hidraulini deo maine i on je osnovni deo maine za obradu abrazivnim vodenim mlazom, slika 3.a)
U ovom delu su smetene komponente koje su od vitalnog znaaja za funkcionisanje maine za obradu
abrazivnim vodenim mlazom, a to su jedinica za pripremu vode, uljna pumpa, pojaava pritiska i
akumulator pritiska. Drugi deo maine je izvrni deo, slika 3.b). Njega ine rezna glava, radno sto i jedinica
za upravljanje.
3.7
a) b)
Slika 3. Maina za obradu abrazivnim vodenim mlazom PTV3.8/60
Kao materijali za istraivanja su korieni X5CrNi1810, C45 i S235JRG2. U tabeli 1. su date

karakteristike materijala korienih za eksperimentalna istraivanja.
Tabela 1. Materijali korieni za eksperimentalna istraivanja

Materijal Stara oznaka Tvrdoa HB Granica teenja Zatezna vrstoa
materijala Rp, N/mm2 Rm, N/mm2
S235JRG2 0361 102 125 230 370 450
C45 1530 207 340 580 770
X5CrNi1810 4580 130 180 185 500 700
4. REZULTATI EKSPERIMENTALNIH ISTRAIVANJA
Uzorci na kojima su vrena istraivanja su bili prizmatinog oblika, dimenzija 20x300x20mm.

Materijali su obraivani sa tri razliita reima rezanja (p - radni pritisak, ma - protok abraziva, vc - brzina
kretanja rezne glave). Na dobijenim rezovima su izmerene irine reza na definisanim mernim mestima 1 i 2,
dok su nagib i ugao nagiba reza dobijeni raunski.
U tabeli 2. su date vrednosti karakteristika reza za koriene materijale.
Tabela 2. Vrednosti karakteristike reza

X5CrNi1810 # 20
p, MPa ma, g/min vc, mm/min Wd, mm Wg, mm Wsr, mm u, mm ,
413 400 70 0.764 1.060 0.912 0.148 0.424
320 300 50 0.718 1.142 0.93 0.212 0.607
270 200 30 0.758 1.121 0.9395 0.1815 0.52
C45 # 20
413 400 70 0.819 1.239 1.029 0.21 0.602
320 300 50 0.788 1.190 0.989 0.201 0.576
270 200 30 0.858 1.159 1.0085 0.1505 0.431
S235JRG2 # 20
413 400 70 0.780 1.178 0.979 0.199 0.57
320 300 50 0.768 1.173 0.9705 0.2025 0.58
270 200 30 0.798 1.153 0.9755 0.1775 0.508
Na slici 4. je prikazana promena irine reza Wg, u zavisnosti od materijala koji se obrauje. Sa
dijagrama se vidi da je za elik X5CrNi1810 najmanja irina reza, dok je kod elika C45 irina reza na
ovom mernom mestu najvea. Vrednosti irine reza za elik S235JRG2 su izmeu vrednosti za C45 i
X5CrNi1810. Ovakav odnos irina reza je nepromenjen za sve reime rezanja.
3.8
C 45 S 235 JRG2 X5CrNi 1810
1.3
1.25
1.2
Wg, mm
1.15
1.1
1.05
0.95
1 2 3

Uslovi ispitivanja 1: p = 413 MPa; ma= 400 g/min; vc= 70 mm/min

Uslovi ispitivanja 2: p = 320 MPa; ma = 300 g/min; vc= 50 mm/min
Slika 4. irina reza Wg za razliite vrste elika
Na slici 5. Prikazana je promena irine reza Wd u zavisnosti od elika koji se obrauje. Sa dijagrama
se vidi da vai ista pravilnost kao i za irinu reza Wg, naime, najvea irina reza je za elik C 45, dok je
najmanja irina reza za materijal X5CrNi 1810.
C 45 S 235 JRG2 X5CrNi 1810

0.9
0.85
0.8
Wd, mm
0.75
0.7
0.65
0.6
1 2 3


Slika 5. irina reza Wd za razliite vrste elika
Promena nagiba reza i ugla nagiba reza za razliite vrste elika su prikazani na slikama 6. i 7. Na
dijagramima se uoava da je pri obradi sa najveim vrednostima parametara procesa obrade, najmanji nagib i
ugao nagiba reza za elik X5CrNi 1810, dok je za elik C45 nagib reza i ugao nagiba reza najvei. Pri
obradi sa srednjim vrednostima parametara, nagib reza i ugao nagiba reza su priblino isti za sve materijale.
Pri obradi sa najniim vrednostima parametara uslova ispitivanja nagib reza i ugao nagiba reza za elik
X5CrNi 1810 su najvei, dok su za elik C45 najmanji.
3.9
C 45 S 235 JRG2 X5CrNi 1810
0.25
0.2
0.15
u, mm
0.1
0.05
0
1 2 3


Uslovi ispitivanja 3: p = 270 MPa; ma = 200 g/min; vc = 30 mm/min
Slika 6. Nagib reza za razliite vrste elika
C 45 S 235 JRG2 X5CrNi 1810

0.7
0.6
0.5
0.4
,
0.3
0.2
0.1
0
1 2 3


Uslovi ispitivanja 3: p = 270 MPa; ma = 200 g/min; vc = 30 mm/min
Slika 7. Ugao nagiba reza za razliite vrste elika
5. ZAKLJUAK
Vrsta materijala koji je obraivan ima uticaja na geometriju reza. Na osnovu dobijenih rezultata,
moe se zakljuiti da su irine reza na ulazu i izlazu iz materijala koji se obrauje najvei za materijal C45.
Ovaj materijal ima najvee vrednosti granice teenja. Najmanja irina reza se javlja kod X5CrNi18-10, koji
ima najmanje vrednosti granice teenja. Ovo vai za sve uslove ispitivanja. Na promenu nagiba i ugla nagiba
reza najvie utiu uslovi ispitivanja, odnosno reimi rezanja.
Obzirom da je broj uzoraka koji su ispitivani mali, ne moe se sa sigurnou tvrditi koja
karakteristika materijala ima njvei uticaj na irinu reza. Takoe, moe se zakljuiti da na razliite materijale
pojedini parametri procesa obrade imaju razliit uticaj.
3.10
6. LITERATURA
[1] Guo N.S., Louis G., Meier G., Surface structure and kerf geometry in abrasive waterjet cutting: Formation and
optimization, 7th American Waterjet Conf.,p.p. 1-25, Seattle, Washington, USA, 1993
[2] http://www.omax.com/, 08.04.2016.
[3] Momber A.W., Kovacevic R., Principles of Abrasive Waterjet Machining, Springer, London, 1998.
[4] Zeng J., Henning A., Kerf characterization in abrasive waterjet cutting, American WJTA Conference and Expo
August 18-20, Houston, Texas, 2009
[5] ., Energija i kvalitet obrade abrazivnim vodenim mlazom, doktorska disertacija, Fakultet
inenjerskih nauka Univerzitet u Kragujevcu, 2014.
[6] Barali, J., Nedi, B., Radovanovi, M., Jankovi, P., Obradivost materijala rezanjem abrazivnim
vodenim mlazom, monografija, Fakultet inenjerskih nauka, Kragujevac, 2015.
KERF GEOMETRY
IN ABRASIVE WATER JET MACHINING
Abstract: The geometry of the cut is a very important feature in abrasive water jet machining. Irregularities on the kerf
geometry - the difference in the width of the cut at the entrance and exit of the abrasive water jet from the workpiece,
limit the application of abrasive water jet. Understanding the ways, in which kerf width changes depending on various
parameters, is important for properly defining the path of the cutting head, in order to obtain accurate dimensions. This
paper analyzes the influence of different types of materials on the kerf geometry. Steels X5CrNi 18-10, C 45 and S 235
JRG were cut. On the obtained sections width and taper of the kerf were measured. The obtained values for different
materials were compared.
Key words: cut width, cut taper, abrasive water jet
3.11
konferencija

1)
METOD KONFIGURISANA UPRAVLJAKOG SISTEMA OTVORENE

ARHITEKTURE REKONFIGURABILNOG ROBOTA ZA OBRADU2)
Rezime
U radu je prikazan jedan metod konfigurisanja/rekonfigurisanja upravlakog sistema otvorene arhitekture

rekonfigurabilnih robota za obradu. Na primeru EMC2 upravlakog softvera otvorene arhitekture su
posredstvom dijagrama za modelovanje dinamikih procesa definisane aktivnosti sistem-
integratora/korisnika u procesu konfigurisanja/rekonfigurisanja upravlakog sistema, i uspostavlene su
relacije izmeu softverskih i hardverskih komponenata upravlanja.
Kljune rei: upravljaki sistem, rekonfigurabilnost, otvorena arhitektura, robot za obradu
1. UVOD
Ideja da se postojei CAD/CAM sistemi koriste za programiranje robota u G-kdu za vieosnu obradu
rezanjem, navodi na razvoj upravlakog sistema koji treba korisniku da omogui emulaciju razliitih 5-osnih
maina alatki robotima vertikalne zglobne konfiguracije. S obzirom na injenicu da upravlaki sistem
svojom rekonfigurabilnou treba da pokrije vie konfiguracija robotskih elija za obradu, ali i da omogui
integratorima sistema da sami kreiraju nove konfiguracije, odgovarajui softverski upravlaki moduli, kao
to su kinematiki, moduli interfejsa i sl., moraju biti dostupni za modifikaciju i/ili proirenje. Uz injenicu
da mogunost konfigurisanja i rekonfigurisanja upravlanja zavisi od otvorenosti, modularnosti i
skalabilnosti upravlake arhitekture [1], u ovom radu je data metoda konfigurisanja/rekonfigurisanja
softverski orijentisanog upravlakog sistema robota, realizovanog na bazi sistema otvorene arhitekture.
2. KONCEPT RAZVOJA REKONFIGURABILNOG UPRAVLJAKOG SISTEMA
Realizacija upravlakog sistema robotskih elija za obradu se u predmetnom radu zasniva na primeni
gotovih hardverskih i softverskih reenja otvorene arhitekture. Otvorenost arhitekture je sve prisutnija u
oblasti upravlanja robotima i mainama alatkama. Na slian nain na koji je uticala na revolucionaran rast
industrije personalnih raunara (PC), otvorenost utie na razvoj i irenje primene industrijskih robota. Prema
IEEE 1003.0 (Institute of Electrical and Electronics Engineers) [2] modelu, otvoreni sistem je definisan kao
sistem koji omoguava da se aplikacije implementirane na odgovarajui nain mogu izvravati na
platformama razliitih proizvoaa, komunicirati sa drugim sistemskim aplikacijama i omoguiti
konzistentni nain interakcije sa korisnikom.
Prema usvojenom konceptu u ovom radu, razvoj rekonfigurabilnog upravlakog sistema se zasniva na:
Jednom od postojeih upravlakih softverskih sistema otvorene arhitekture, EMC2 (Enhanced
Machine Controller verzija 2), KCAM, TurboCNC, Mach3, DeskCNC, CNCZeus, DesKAM,
CNCPro ili sl., koji se integrie u upravlaki sistem bez izmena izvornog kda;
Mogunosti implementacije sopstvenih kinematikih modula, koja proistie iz otvorenosti
arhitekture upravlakog softvera;
1)
Zoran Dimi, dipl. in. el., Lola institut d.o.o., Beograd, (zoran.dimic@li.rs), prof. dr Dragan Milutinovi, Univerzitet u Beogradu,
Mainski fakultet, (dmilutinovic@mas.bg.ac.rs), prof. dr Saa ivanovi, Univerzitet u Beogradu, Mainski fakultet,
(szivanovic@mas.bg.ac.rs), Stefan Mitrovi, mast. in. ma., Lola institut d.o.o., Beograd, (stefan.mitrovic@li.rs)
2)
U okviru ovog rada saoptavaju se rezultati istraivanja koja se sprovode na projektima: TR_35023: Razvoj ureaja za trening
pilota i dinamiku simulaciju leta modernih borbenih aviona i to 3-osne centrifuge i 4-osnog ureaja za prostornu dezorijentaciju
pilota i TR35022: Razvoj nove generacije domaih obradnih sistema, koji finansijski podrava Ministarstvo prosvete, nauke i
tehnolokog razvoja
3.12
Mogunosti konfigurisanja virtuelnih emuliranih maina alatki, odnosno robota posredstvom
odgovarajuih grafikih biblioteka;
Postojanju konfiguracionog interfejsa koji omoguava rekonfigurisanje sistema;
Operativnom sistemu otvorene arhitekture za rad u realnom vremenu;
Raunarskoj hardverskoj platformi otvorene arhitekture.
Osnovna prednost primene gotovih softverskih i hardverskih reenja u realizaciji upravlakog sistema
robota za obradu se ogleda u mogunosti precizne predikcije performansi i vremena realizacije upravlanja u
ranim fazama razvoja.
3. PRIKAZ MORFOLOKOG METODA ZA KONFIGURISANJE I REKONFIGURISANJE

UPRAVLJAKOG SISTEMA NA BAZI EMC2
Deo aktivnosti Nacionalnog instituta za standarde i tehnologiju SAD-a, poznatijeg kao NIST (National
Institute of Standards and Technology), usmeren je na razvoj mernih metoda i standarda za inteligentne
upravlake sisteme u proizvodnji. Kao rezultat dugogodinjeg istraivanja u ovoj oblasti, NIST je
promovisao RCS (Real-Time Control System) softversku biblioteku [3], koja danas predstavla standardnu,
referentnu osnovu za razvoj inteligentnih upravlakih sistema. RCS biblioteka je evoluirala tokom godina i
rezultirala razvojem brojnih upravlakih aplikacija, ukluujui i EMC2 [4], real-time upravlaki softver
otvorene arhitekture, koji se moe iskoristiti za upravlanje najrazliitijih maina alatki i robota. Obiman rad i
iskustvo koji su godinama ulagani u RCS i EMC, u svetskim razmerama predstavlaju dobru tehnoloku
osnovu za implementaciju sopstvenog sistema upravlanja i programiranja maina alatki i robota.
Da bi upravlaki sistem na bazi EMC2 mogao biti konfigurisan za upravlanje razliitim konfiguracijama
obradnih elija na bazi robota vertikalne zglobne konfiguracije, mora se formirati konaan broj kinematikih
modela, odnosno softverskih modula. Rekonfigurabilni upravlaki sistem mora ukluiti sve softverske
komponente i kinematike konfiguracije potrebne za upravlanje odabranim konfiguracijama obradne elije
na bazi robota. Procedura inicijalnog konfigurisanja rekonfigurabilnog sistema upravlanja na bazi EMC2
softvera se obavla prema uspostavlenoj metodologiji prikazanoj primenom UML (Unified Modeling
Language [5]) dijagrama na slici 1.
Slika 1. UML dijagram inicijalnog konfigurisanja Slika 2. Simboliki prikaz naina rekonfigurisanja
upravlakog sistema na bazi EMC2
Prema postavlenom metodu za inicijalno konfigurisanje upravlakog sistema rekonfigurabilnih elija na

bazi robota, integrator sistema postavla skup izabranih konfiguracija za koje treba da izvri sledee
aktivnosti:
Reavanje direktne i inverzne kinematike za odabrane konfiguracije robota za obradu;
3.13
Kreiranje odgovarajueg broja kinematikih softverskih modula za odabrane konfiguracije robota za
obradu na osnovu prethodno dobijenih reenja inverznog i direktnog kinematikog problema;
Implementaciju konfiguracionih datoteka sa relevantnim parametrima za svaku kinematiku
konfiguraciju;
Definisanje inicijalizacione sekvence za svaku konfiguraciju obradne elije na bazi robota;
Konfigurisanje virtuelnih robotskih elija za odabrane konfiguracije obradne elije na bazi robota;
Konfigurisanje grafikog korisnikog interfejsa (GUI) u skladu sa specifinostima obrade robotom i
zahtevima korisnika (definisanje grafikih elemenata za praenje pozicija osa robota, pokretanje i
praenje procesa inicijalizacije, kontrolu brzine pomonog kretanja itd.);
Testiranje odabranih konfiguracija obradne elije na bazi robota posebno izraenim test programima
obrade, najpre u prethodno konfigurisanim virtuelnim okruenjima, a posle verifikacijom i na
realnim konfiguracijama.
Rekonfigurabilnost upravlakog sistema na bazi EMC2 se zasniva na uspostavlanju odgovarajuih veza
izmeu definisanih softverskih modula posredstvom aplikativnih interfejsa koje obezbeuje HAL (Hardware
Abstraction Layer [6]). Prema instrukcijama sadranim u konfiguracionim datotekama, vri se povezivanje
odgovarajuih kinematikih modula sa modulima za planiranje i upravljanje kretanja, slika 2.
Procedura za rekonfigurisanje sistema upravlanja razvijenog na bazi EMC2 softvera obavla se prema
uspostavlenoj metodologiji prikazanoj primenom UML dijagrama na slici 3.
Pod pretpostavkom da su kinematike

konfiguracije definisane i da je sistem inicijalno
konfigurisan, rekonfigurisanje upravlakog sistema
podrazumeva obavlanje sledeih aktivnosti prema
uspostavlenoj metodologiji:
Izbor odgovarajueg kinematikog modula,
konfiguracione datoteke i konfiguracije
virtuelne obradne elije na bazi robota,
posredstvom konfiguracionog interfejsa
upravlakog sistema, za potrebe verifikacije
konfigurisanog sistema i programa obrade;
Verifikaciju programa obrade na
odgovarajuoj konfiguraciji virtuelne obradne
elije uz simulaciju putanje alata i praenje
kretanja segmenata robota radi uoavanja
eventualnih kolizija;
Inicijalizacija obradne elije na bazi robota u
skladu sa odabranom kinematikom
konfiguracijom;
Obrada radnog predmeta prema prethodno
verifikovanom programu obrade, G-kdu.
Slika 3. UML dijagram rekonfigurisanja
upravlakog sistema na bazi EMC2
4. REALIZACIJA PROTOTIPA UPRAVLJAKOG SISTEMA NA BAZI EMC2 SOFTVERA
Za potrebe inicijalnog konfigurisanja upravlakog sistema na bazi EMC2 softvera na raspolaganju je bio
robot vertikalne zglobne konfiguracije Lola 50 sa 6 stepeni slobode, slika 4. Upravlaki sistem robota Lola
50 je bio zasnovan na robot kontroleru predvienom za programiranje obuavanjem i upravlanje PTP (eng.
Point-To-Point) kretanjima. Primenom uspostavlene metodologije inicijalnog konfigurisanja upravlakog
sistema na bazi gotovih hardverskih i softverskih sistema otvorene arhitekture, realizovan je upravlaki
sistem korienjem EMC2 softvera, Linux operativnog sistema sa real-time jezgrom, PC hardvera i interfejs
kartica za ulazno/izlazne operacije. Robot kontroler je zamenjen novom upravlakom jedinicom koja je
povezana sa postojeim elektrinim sistemima i analognim pogonima servo motora, slika 4. PCI (Peripheral
Component Interconnect) interfejs ka matinoj ploi PC raunara je bio jedan od glavnih kriterijuma za izbor
MOTENC Lite interfejsa za ulazno/izlazne operacije, odnosno za spregu sa senzorima i pogonima motora.
Dve ovakve kartice, koje su pridodate osnovnoj raunarskoj platformi, imaju ukupno osam analognih izlaza
za vezu sa frekvencijskim regulatorima i osam kvadraturnih digitalnih ulaza za vezu sa optikim mernim
3.14
sistemima (inkrementalnim enkoderima u ovom sluaju). Tokom eksperimentalne provere, robot je
konfigurisan primenom opisane metodologije. Generisane su konfiguracione datoteke i izabrana je
odgovarajua konfiguracija robota. Po izvrenju inicijalizacije, robot za obradu je bio spreman za izvravanje
programa obrade pripremljenog za 5-osnu mainu alatku ija je kinematika konfiguracija emulirana.
Slika 4. Elementarna obradna elija na bazi robota Lola 50 sa realizovanim upravljakim sistemom
primenom softvera EMC2
5. ZAKLJUAK
Sa ciljem da se robotu za obradu omogui promena konfiguracije, a samim tim povea fleksibilnost
tokom obrade, u radu je predloen metod inicijalnog konfigurisanja upravljakog sistema robota za obradu,
kao i metod rekonfigurisanja kojim se omoguava emulacija razliitih vieosnih maina alatki. Primenom
softverskih alata za modelovanje dinamikih procesa, na transparentan nain su prikazani postupci sistem
integratora, odnosno korisnika, koje je neophodno uiniti tokom konfigurisanja, odnosno rekonfigurisanja
upravljakog sistema robota za obradu.
6. LITERATURA
[1] Z. M. Bi & Sherman Y. T. Lang & M. Verner & P. Orban: Development of reconfigurable machines,
International Journal of Advanced Manufacturing Technology, 39:12271251, 2008.
[2] IEEE 1003.0: IEEE GUIDE TO THE POSIX OPEN SYSTEM ENVIRONMENT (OSE). The Institute of
Electrical and Electronics Engineers, Inc., 1995.
[3] RCS - Real-Time Control System Library, URL: http://www.isd.mel.nist.gov/projects/rcslib, april 2016.
[4] LinuxCNC, URL: http://linuxcnc.org, april 2016.
[5] UML - Unified Modeling Language , URL: http://www.omg.org/spec/UML, april 2016.
[6] HAL - Hardware Abstraction Layer , URL: http://linuxcnc.org/docs/html/hal/intro.html, april 2016.
A METHOD FOR CONFIGURATION OF AN OPEN-ARCHITECTURE CONTROL

SYSTEM OF A RECONFIGURABLE MACHINING ROBOT
Abstract: A method for configuration/reconfiguration of an open-architecture control system of a

reconfigurable machining robot is given. By utilizing dynamic process modelling diagrams, activities of
systems integrator/user regarding control system configuration/reconfiguration shall be presented by the
example of open-architecture control software, altogether with established relations between hardware and
software components of a given control system.
Key words: control system, reconfigurability, open architecture, machining robot
3.15
konferencija

1)

ALATKE SA HIBRIDNOM KINEMATIKOM 2)
Rezime
Projektanti se danas nalaze pred velikim izazovom pri projektovanju elementa nosee strukture proizvoda.
Naime, vrlo esto je neophodno projektovati proizvode koji maksimalno ispunjavaju zahteve eksploatacije uz
minimalnu masu i dimenzije, to predstavlja zahtevan zadatak.
U radu su prikazani rezultati optimizacije pokretne platforme maine alatke se hibridnom kinematikom.
Po svoj koncepciji navedena maina treba da obezbedi velike brzine kretanja pokretne platforme u pravcu
pojedinih osa, pa je i u ovom sluaju pri strukturalnoj optimizaciji funkcija cilja minimalna masa.
Kljune rei: strukturna optimizacija, konstrukcija proizvoda, metod konanih elemenata, hibridna
kinematika.
1. UVOD
Ubrzani tehnoloki i nauni razvoj primorao je projektante da pored klasinih metoda projektovanja
mainskih konstrukcija ponu da primenjuju i savremenije metode koje omoguavaju projektovanje i izradu
optimalnih konstrukcija proizvoda uz smanjenje utroenog materijala, ravnomerne raspodele napona,
postizanje maksimalne krutosti konstrukcija i sl. Strukturna optimizacija predstavlja metodu koja omoguava
dobijanje optimalnog reenja konstrukcije proizvoda, variranjem odgovarajuih konstruktivnih promenljivih
i predstavlja jo uvek nedovoljno istraenu oblast [1,2]. Tradicionalni pristup strukturne optimizacije
podrazumeva samo optimizaciju dimenzija konstrukcije, dok su novija istraivanja usmerena prema
optimizaciji topologije i oblika.
Ovaj vid optimizacije je naao primenu u oblastima mainskog, graevinskog, i biomedicinskog
inenjerstva. Kada je re o mainskom inenjerstvu, optimizacija se realizuje na konstrukcijama kod kojih je
vano smanjenje masu delova i sklopova. Good [3] je razmatrao problem strukturne optimizacije delova
aviona. Valakos i saradnici [4] su primenili strukturnu optimizaciju geometrije elise u odnosu na maksimalni
dozvoljeni napon. Strukturna optimizacija u graevinskom inenjerstvu se primenjuje kod optimizacije
noseih komponenata. U radu [5] prikazana je optimizacija topologije sa stanovita napona, pomeranja i
pojave sopstvenih frekvencija sklopa. Kada je re o biomedicinskom inenjerstvu, Herera i saradnici [6] su
se bavili problematikom modelovanja konanim elementima u cilju postizanja tane reprodukcije anatomije
kao i korelacije razliitih struktura u bilo kom regionu ljudskog tela. itansk i saradnici [7] su razvili novi
tip cementne endoproteze pod nazivom ZIREMA koji je razvijen i testiran, i trenutno je u procesu klinikog
ispitivanja.
Strukturna optimizacija se moe sprovoditi pri projektovanju potpuno novih konstrukcija ili na ve
postojeim konstrukcijama, u cilju poboljanja karakteristika proizvoda. U radu je prikazana optimizacija
postojee konstrukcije, na primeru pokretne platforme vienamenske maine alatke sa hibridnom
kinematikom, u cilju redukcije mase i ravnomerne raspodele napona u proizvodu.
1)
M.Sc., Goran Jovii, Univerzitet u Novom Sadu, Fakultet tehnikih nauka, (goran.jovicic@uns.ac.rs), van. prof. dr Slobodan
Tabakovi, Univerzitet u Novom Sadu, Fakultet tehnikih nauka, (tabak@uns.ac.rs), prof. dr. Milan Zeljkovi, Univerzitet u Novom
Sadu, Fakultet tehnikih nauka, (milanz@uns.ac.rs), M.Sc., Cvijetin Mlaenovi, Univerzitet u Novom Sadu, Fakultet tehnikih
nauka, (mladja@uns.ac.rs).
2)
U okviru ovog rada saoptavaju se rezultati istraivanja koja se sprovode na projektu TR 35025: Savremeni prilazi u razvoja
specijalnih uleitenja u mainstvu i medicinskoj protetici koji finansira Ministarstvo prosvete, nauke i tehnolokog razvoja
Republike Srbije.
3.16
2. TEORIJSKE OSNOVE STRUKTURNE OPTIMIZACIJE
Uoptenu definiciju strukture u mehanici dao je Gordon [8] kao kreiranje konstrukcije proizvoda od
datog materijala izloenog odreenom optereenju. Pod pojmom optimizacija se podrazumeva traenje
najpovoljnijeg reenja. Prema prethodno navedenom, definicija strukturne optimizacije, moe se iskazati na
sledei nain [9] Strukturna optimizacija je oblast istraivanja koja se bavi kreiranjem konstrukcije
proizvoda od odreenog materijala koja ima za cilj prenos potrebnog optereenja na najbolji mogui
nain. U cilju pojanjenja ideje, neophodno je zamisliti situaciju gde optereenje treba da bude preneto sa
regiona u prostoru na deo koji je u osloncu, slika 1.
Slika 1. Prikaz problema strukturne optimizacije [9]
Cilj strukturne optimizacije je da se pronae konstrukcija proizvoda koja obavlja definisani zadatak na
najbolji mogui nain. Meutim da bi ovaj cilj imao smisla, neophodno je definisati termin najbolji. Jedan
ovakav kriterijum je kreiranje takve strukture proizvoda da bude to laka, odnosno minimiziranje njene
mase. Drugi kriterijum je npr. kreiranje konstrukcije proizvoda koja ima maksimalnu krutost. Jasno je da se
postizanje maksimalnih i minimalnih vrednosti ne moe postii bez odreenih ogranienja. Na primer, ako
ne postoji ogranienje za koliinu materijala koja se moe koristiti, moe se napraviti kruta konstrukcija bez
ogranienja onda se javlja optimizacioni problem bez dobro definisanog reenja.Veliine koje su obino
ograniene u problemima strukturne optimizacije su napon, pomeranje i/ili geometrija. Treba imati na umu
da veina veliina koje se mogu smatrati ogranienjima mogu takoe biti mere najboljeg, odnosno kao
funkcije cilja. Dakle, mogu da se primene brojni kriterijumi na performanse strukture kao to su: teina,
krutost, kritino optereenje, napon, pomeranje i dimenzije. Problem strukturne optimizacije je definisan
uzimanjem jedne od navedenih karakteristika kao funkcije cilja koja moe biti maksimalna ili minimalna, i
korienjem nekih drugih kao ogranienja.
Proces strukturne optimizacije se sprovodi primenom skupa matematikih i fizikih postupaka koji su
definisani na osnovu rezultata prouavanja. Strukturna optimizacija obuhvata oblasti kao to su: mehanika,
dinamika, kao i teorija otkaza. Teorijski gledano, primarni cilj strukturne optimizacije je nalaenje
kompromisa izmeu deformacija i napona. Prema novim strategijama projektovanja, strukturna optimizacija
predstavlja primarnu metodu u procesu projektovanja, dok sekundarnu predstavlja testiranje fizikog
prototipa.
2.1 Proces projektovanja kod strukturne optimizacije
Pre pristupanja procesu projektovanja konstrukcije proizvoda neophodno je definisati nekoliko kljunih
koraka koji se odnose na idealan sluaj i imaju sledei redosled (Kirsch [10]):
Razmatranje namene konstrukcije proizvoda, gabaritnih dimenzija i oekivanog optereenja.
Utvrivanje tipa koncepta koji e se primenjivati.
Razmatranje mogunosti optimizacije u odnosu na izabrani koncept, funkciju cilja i ogranienje.
Razmatranje detalja koji se odnose na estetske faktore.
2.2 Opti matematiki model strukturne optimizacije
Kod problema strukturne optimizacije (SO) je prisutna funkcija cilja, kao i kod ostalih metoda
optimizacije, i promenljive koje su date u nastavku [9]:
Funkcija cilja (f): Funkcija se koristi u cilju klasifikacije konstrukcija proizvoda. Za sve konstrukcije,
funkcija prua izlazni informaciju koja ukazuje na kvalitetnu (dobru) konstrukciju proizvoda. esto f
predstavlja teinu, pomeranje u datom pravcu, efektivne napone i sl.
Promenljiva konstrukcije proizvoda (x): Predstavlja funkciju ili vektor koji opisuje konstrukciju
proizvoda, koji se moe menjati tokom optimizacije. Moe predstavljati geometriju ili materijal.
3.17
Promenljiva strukture (y): Za datu strukturu, npr., za datu konstrukciju proizvoda (x), y je funkcija ili
vektor koji predstavlja odgovor date strukture. Za mehaniku strukturu, odgovor bi bio napon,
deformacija, sila i pomeranje.
min f ( x,y ) u odnosu na promenljive x i y

ogranienje promenljive y
SO
ogranienja ogranienje promenljive x
ogranienje jednaine ravnotee

(1)
2.3 Tipovi strukturne optimizacije

U zavisnosti od geometrijskih karakteristika modela, strukturna optimizacija se deli u tri kategorije i to:
optimizacija dimenzija, oblika i topologije.
Optimizacija dimenzija kao promenljivu uzima u obzir debljinu zida ako su u pitanju delovi od lima,
popreni presek ili dimenzije elemenata reetkastog nosaa i slino.
Zadatak optimizacije oblika podrazumeva optimizaciju oblika ili konture nekog dela, kao i njihovu
lokaciju na geometriji konstrukcije proizvoda.
Topoloka optimizacija ima za cilj pronalaenje optimalnih granica strukture. Ovim tipom optimizacije se
definie uklanjanje, ili dodavanje materijala, koji su optereeni ispod neke granice, u cilju smanjenja mase.
Od sva tri prikazana tipa strukturne optimizacije, topoloka optimizacija predstavlja najkopleksniji vid
optimizacije najee zbog velikog broja promenljivih. Ovaj tip otpimizacije se uglavnom koristi u poetnoj
fazi postupka projektovanja, dok se optimizacija dimenzija i oblika primenjuje kod detaljnog projektovanja.
3. STRUKTURNA OPTIMIZACIJA NA PRIMERU POKRETNE PLATFORME
Sprovoenja strukturne optimizacije se realizuje kroz vie faza: projektovanje inicijalne geometrije
konstrukcije, simulacija naponskog stanja modela, odreivanje poetne mase i parametrizacija konstrkcionih
promenljivih, i nakon tada se pristupa optimizaciji. Sve faze su u konkretnom sluaju sprovedene u CATIA
V5-R21 programskom paketu primenom pojedinih modula.
3.1 Modelovanje pokretne platforme
Modelovanje pokretne platforme je izvreno primenom modula Mechanical Design Part Design prema
dimenzijama datim na slici 2.
80
6
8
30
50
100
50
30
70

Slika 2.CAD model pokretne platforme vienamenske maine alatke sa hibridnom kinematikom
Nakon modelovanja inicijalne konstrukcije pristupa se parametrizaciji geometrije. Proces parametrizacije

konstrukcije prua mogunost projektantima da definiu geometrijske karakteristike za svaku konstrukcionu
promenljivu. Pored toga, parametrizacije geometrije predstavlja i najvaniji korak u pripremi strukturne
optimizacije. Za konkretan sluaj, parametrizacija modela je prikazana na slici 3.
3.18
Nakon toga se vri izbor materijala modelu u cilju dobijanja relevantnih podataka za konkretan problem.
Za konkretan primer izabran je Al99 iz postojee biblioteke materijala sa karakteristikama koje su prikazane
u tabeli 1.
80
6
10
8
D2
Y4
X2
30
Y2
X4
50
100
D1
50
30
Y3
X3
10
X1
6
Y1
70
Slika 3. Geometrijski parametri modela pokretne platforme vienamenske

maine alatke sa hibridnom kinematikom
Tabela 1. Karakteristike materijala

Naziv karakteristike Vrednost
Jungov modul elastinosti 70000 [MPa]
Poasonov koeficijent 0.346
Gustina 2710 [kg/m3]
Granica razvlaenja 95 [MPa]
3.2 Simulacija pokretne platforme

Posle modelovanja konstrukcije pristupa se analizi naponskog stanja primenom modulu Analysis &
Simulation Generative Structural Analysis u cilju diskretizacije modela metodom konanih elementima i
odreivanja inicijalnog naponskog stanja modela.Na poetku je neophodno definisati tip konanog
elemanata. U konkretnom sluaju izabran je izoparametarski tetraedri ije su karakteristike prikazane u tabeli
2.
Tabela 2. Karakteristike konanih elemenata
Naziv karakteristike Vrednost
Veliina elementa 6,89 [mm]
Odstupanje od geometrije 1,1 [mm]
Ukupan broj vorova 5331
Ukupan broj elemenata 2726
Zatim je definisano ukljetenje ograniavanjem sve tri translacije, i zadat je pravac delovanja sile, F=1000
[N], preko otvora u pozitivnom pravcu "z" ose, nakon ega se pristupa inicijalnom izraunavanju Von-
Mises-ovog napona, slika 4. Nakon prikaza naponskog stanja i pre prelaska u modul za optimizaciju
neophodno je definisati globalne senzore, u konkretnom sluaju Von-Mises-ov napon i masu, kako bi se
mogle meriti posmatrane veliine.
Slika 4. Grafiki prikaz ukljetenje, delovanje sile optereenja i naponskog stanja
3.19
3.3 Optimizacija pokretne platforme
U okviru modula za strukturnu optimizaciju Knowledgeware Product Engineering Optimizer sprovodi

se topoloka optimizacija. Pri sprovoenju postupka optimizacije neophodno je ealizovati nekoliko faza:
Definisanje funkcije cilja.
Izbor metode optimizacije.
Definisanje graninih uslova.
Pri optimizaciji konstrukcije pokretne platforme za funkciju cilja definisana je minimalna masa, za
optimizacioni algoritam koristi se metoda simuliranog kaljenje koja je pogodana u ovakvim sluajevima, dok
je za kretirijume optimizacije uzeti: brza konvergencija, broj iteracija 500, broj iteracija bez poboljanja
50, i vreme trajanja otpimizacije 5 minuta, kao ogranienje je zadata vrednost maksimalnog Von-Mises-ov
napona < 24 [MPa]. Vrednost Von-Mises-ovog napona je usvojena imajui u vidu da je maina alatka
vienamenska i da je sem statikog i dinamikog izloena i znaajnom toplotnom optereenju.
4.0 PRIKAZ I ANALIZA REZULTATA
Nakon sprovedenog postupka topoloke optimizacije moe se zakljuiti da se masa konstrukcije smanjila
sa m = 0,17 [kg] na m = 0,13 [kg], odnosno za 23,53 % u odnosu na poetnu vrednost, uz maksimalni Von-
Mises-ov napon = 20 [MPa], to je odlian rezultat u odnosu na dozvoljeni napon teenja kod Al, koji
iznosi 0,2 = 95 [MPa]. U tabeli 3 su prikazani masa i naponi u zavisnosti od rednog broja optimizacije, dok
je na slici 5 prikaz optimizovan model konstrukcije proizvoda.
Tabela 3. Rezultati prikaza optimizacije algoritam simulirano kaljenje

Redni br. optim. Masa [kg] Von-Mises [MPa]
0 0,17 19,3
1 0,16 20,164
2 0,15 21,027
3 0,14 18,765
4 0,14 18,752
5 0,14 19,8
6 0,13 20
Slika 5. Prikaz konstrukcije pokretne platforme nakon optimizacije
5.0 ZAKLJUAK
Primenom razmatrane metode projektovanja konstrukcije uoeni su odreeni nedostaci konstrukcije.

Shodno tome, prua se mogunost sprovoenja korekcija do postizanja optimalnih karakteristika. Na osnovu
prikazanih rezultata moe se zakljuiti da je dobijena optimalna konstrukcija proizvoda u odnosu na
inicijalnu, uz ravnomerniju raspodelu napona i znaajnu redukciju mase za skoro 24%.
Na modelu gde je prikazano naponsko stanje mogu se uoiti zone malih napona oko otvora to daje
dodatnu mogunost za optimizaciju, odnosno kreiranje U profila izmeu depova i otvora. eone strane
modela, koje takoe predstavljaju zone malih napona, iz funkcionalnih razloga se ne mogu menjati.
3.20
Budua istraivanja bi mogla ukljuiti strukturnu optimizaciju oblika i dimenzija, zajedno sa topolokom
optimizacijom, to bi moglo rezultirati jo veim smanjenjem mase. Pored toga mogla bi se vriti i
optimizaciju primenom drugog materijala, kao to je na primer elik koji ima bolje mehanike karakteristike
u odnosu na Al.
Na samom kraju moe se zakljuiti da projektovanjem na ovakav nain pored toga to se olakava proces
projektovanja ima i ekonomsku opravdanost.
6.0 LITERATURA
[1] Papalambros, P.Y.: The optimization paradigme in engineering design-promises and chalenges,
Computer - Aided Design, Vol. 34, No. 12, pp. 939-951, 2002.
[2] Isailovi, B., Strukturna optimizacija elemenata mainskih konstrukcija u CAD okruenju, magistarski
rad, Kragujevac, 2010.
[3] Good, M.G.: Development of Variable Camber Compliant Aircroft Tail using Structural Optimization,
Master Thesis, 2003.
[4] Valakos, I.M., Ntipteni, M.S., Nikolos, I.K.: Structural optimization of Centrifugal Impeller Using
Differntial Evolution in CATIA Environment, Operational Research, Vol. 17, No.2, pp. 185-212, 2007.
[5] Guan, H, Chen, Y.J., Loo, Y.C., Xie, Y.M., Steven, G.P.: Bridge topology optimization with stress,
displacement and frequency constraints, Computer and Structures, Vol 81., No. 3, pp. 131-145, 2003.
[6] Herrera, A., Ibarz, E., Cegoino, J., Lobo-Escolar, A., Purtolas, S., Lpez, E., Mateo, J., Gracija, L.:
Aplications of Finite Element Simulation in Orthopedic and Trauma Surgery, World Journal of
Orthopedics, Vol. 3, No. 4, pp. 25-41, 2012.
[7] itansk, M., Rehk, ., Na, M., uri, R.: Stress-strain analysis of the femoral component of
ZIREMA total hip endoprosthesis, Journal of Achievements in Materials and Manufacturing
Engineering, Vol. 43, No. 1, pp. 379-384, 2010.
[8] Gordon, J.G.: Structures or Why Things Dont Fall Down, Penguin Books, Baltimore, 1978.
[9] Christensen, P.W., Klarbring, A.: An introduction to Structural Optimization, Springer Netherlands,
Sweden, 2009.
[10] Kirsch, U.: Structural optimization-Fundamental and Applications, Springer Verlag, 1993.
STRUCTURAL OPTIMIZATION OF MOVABLE PLATFORM OF MULTI-PURPOSE

MACHINE TOOLS WITH HYBRID KINEMATICS
Abstract: Designers today have great challenges in process of designing elements of main structure of the
product. In fact, very often it is necessary to design products, which fully meet the requirements of
exploitation, minimum of weight and dimensions, which is demanding task.
The paper presents the results of optimization process of movable platform of machine tools with hybrid
kinematics. After its concept, displayed machine tools should ensure high-speed movement of the movable
platform in the direction of the individual axes, so in this case in structural optimization objective function is
minimum weight.
Key words: structural optimization, product design, finite element method, hybrid kinematics.
3.21
konferencija

1)

PROJEKTOVANJU I TERMINIRANJU FLEKSIBILNIH TEHNOLOKIH PROCESA2)
Rezime
U radu je prikazan pristup za integrisano projektovanje i terminiranje fleksibilnih teholokih procesa obrade
delova primenom algoritma baziranog na inteligenciji roja estica i teoriji haosa (cPSO algoritam). Pored
metoda kodiranja/dekodiranja parametara planova terminiranja u jedinke cPSO algoritma, u radu je
predloen matematiki model za minimizaciju ukupnog vremena za obradu svih delova ije se terminiranje
vri, maksimizaciju uravnoteenog iskorienja maina alatki i minimizaciju transportnih tokova materijala.
Takoe, u cilju prevazilaenja nedostataka vezanih za brzu konvergenciju algoritma u ranim fazama
optimizacije, predloena je implementacija haotinih mapa u PSO algoritam. Predloeni pristup je
eksperimentalno verifikovan na primeru dobijanja optimalnih planova terminiranja realnih delova.
Kljune rei: integrisano projektovanje i terminiranje tehnolokih procesa, inteligencija roja estica, teorija
haosa, optimizacija
1. UVOD
Tokom poslednjih godina, integracija proizvodnih funkcija kao to su projektovanje i terminiranje

tehnolokih procesa privlai sve veu panju istraivaa. Iako su ove oblasti tradicionalno najee
razmatrane i istraivane nezavisno, to je obezbeivalo dekuplovane modele za reavanje problema
optimizacije ovih funkcija, zahtevi za smanjenjem proizvodnih trokova, poveanjem efektivnosti
proizvodnih sistema, kao i boljim iskorienjem proizvodnih resursa dovode do formiranja integrisanih
modela za ove funkcije.
Problem integrisanog projektovanja i terminiranja fleksibilnih tehnolokih procesa moe se definisati na

sledei nain: za svaki od n delova, koji se dobijaju alternativnim tehnolokim procesima obrade na m
maina alatki, uz potovanje zadatih tehnolokih ogranienja, potrebno je nai odgovarajue optimalne ili
priblino optimalne tehnoloke procese obrade delova, kao i redoslede obrade datih delova na datim
alternativnim mainama alatkama, tako da su zadovoljena tehnoloka ogranienja, a dobijeni redosledi
operacija optimalni prema zadatim kriterijumima performansi.
S obzirom na alternativna reenja za proizvodne resurse za svaku od opercija, kao i varijantnost tehnolokih
operacija, integrisano projektovanje i terminiranje optimalnih tehnolokih procesa pripada klasi
nedeterministikih polinomnih problema tzv. NP-hard optimizacionih problema (engl. non deterministic
polynomial optimization problems). Konvencionalne neheuristike metode ne reavaju efikasno ovaj tip
kombinatornog problema pa se iz tog razloga ovakvi problemi reavaju novim bioloki inspirisanim
optimizacionim algoritmima. Najvie objavljenih radova za reavanje problema integrisanog optimalnog
projektovanja i terminiranja tehnolokih procesa IPPS (engl. Integrated process planning and scheduling) je
1)
Milica Petrovi, asistent, Univerzitet u Beogradu - Mainski fakultet, mmpetrovic@mas.bg.ac.rs,
Jelena Petronijevi, asistent, Univerzitet u Beogradu - Mainski fakultet, jpetronijevic@mas.bg.ac.rs,
dr Marko Miti, nauni saradnik, Univerzitet u Beogradu - Mainski fakultet, mmitic@mas.bg.ac.rs,
dr Najdan Vukovi, nauni saradnik, Inovacioni centar Mainskog fakulteta u Beogradu, nvukovic@mas.bg.ac.rs,
dr Zoran Miljkovi, redovni profesor, Univerzitet u Beogradu - Mainski fakultet, zmiljkovic@mas.bg.ac.rs,
dr Bojan Babi, redovni profesor, Univerzitet u Beogradu - Mainski fakultet, bbabic@mas.bg.ac.rs.
2)
Rad je nastao u okviru istraivanja na projektu Inovativni pristup u primeni inteligentnih tehnolokih sistema za
proizvodnju delova od lima zasnovan na ekolokim principima (evid. br. TR-35004) Ministarstva prosvete, nauke i
tehnolokog razvoja Vlade Republike Srbije, 2011-2016.
3.22
bazirano na primeni genetikih algoritmama GA [1]. Takoe, pristup baziran na metodologiji simulirano
kaljenje SA [2] korien je za optimizaciju pri integrisanom projektovanju tehnolokih procesa i
terminiranju proizvodnje. Dalje, u radovima [3] i [4], problem IPPS je razmatran kao kombinatorno
optimizacioni, a modifikovani algoritam baziran na teoriji rojeva PSO je korien za njegovo efikasno
reavanje. Ponovno planiranje (engl. replanning) u sluaju kvara maine alatke ili u sluaju dospea nove
narudbine detaljno je dato u [5]. Hibridni algoritmi bazirani na multiagentnoj metodologiji korieni su za
reavanje problema IPPS u literaturi [6] i [7]. Problem IPPS je reavan i primenom teorije igara [8],
gramatike optimizacije [9], imperijalistikog algoritma [10], kao i brojnih hibridnih algoritama.
2. FLEKSIBILNOST I PREDSTAVLJANJE TEHNOLOKIH PROCESA
U ovom radu je korieno pet tipova fleksibilnosti pri predstavljanju tehnolokih procesa i njihovih planova
terminiranja: fleksibilnost maina alatki, alata, orijentacija alata, procesa i redosleda operacija. U cilju
pojanjenja ovih tipova fleksibilnosti, na slici 1 su predloena tri realna dela, za koje je neophodno generisati
planove terminiranja. Deo 1 se sastoji iz 5 tehnolokih formi koje se dobijaju izvravanjem 16 operacija, deo
2 se sastoji iz 6 tehnolokih formi koje se dobijaju izvravanjem 18 operacija, a deo 3 iz 6 tehnolokih formi
koje se dobijaju izvravanjem 14 operacija. Tehnike karakteristike delova, koje ukljuuju klase tolerancije,
klase hrapavosti sa odgovarajuim vrednostima parametra hrapavosti Ra, alternativne operacije, alternativne
maine alatke, alate, orijentacije alata i odgovarajua vremena obrade dati su u tabeli 1 za deo 1, tabeli 2 za
deo 2 i tabeli 3 za deo 3. Mree alternativnih tehnolokih procesa obrade delova prikazane su na slici 2.
a)
b)
c)
Slika 1. Primer tri reprezentativna dela za terminiranje a) deo 1 sa pet tehnolokih formi, b) deo 2 sa est tehnolokih
formi i c) deo 3 sa pet tehnolokih formi
3.23
Tabela 1. Tehnika specifikacija dela 1
Tehn. Tolerancije Alternativne Alternativne Alternativni Alternativne Vremena
forma (Ra) operacije maine alatke alati orij. alata obrade
F1 IT11 (6.3) struganje (operacija 1) M1, M2, M3 T1, T2 +z t1=[2.3,3.3,4.6,6.5,3.8,5.5]
glodanje (operacija 14) M4, M5, M6 T9, T10 x,y t14=[2.7,2.8,2.9,2.4,2.9,2.4]
glodanje (operacija 15) M4, M5, M6 T11 +z t15=[5.7, 4.2, 2.8]
glodanje (operacija 16) M5, M6 T10 +z t16=[3.1, 3.2]
F3 IT10 (3.2) buenje (operacija 3) M7, M8 T6 +z, -z t3=[5.5, 3.8]
pro. (operacija 4) M7, M8 T7 +z, -z t4=[4.8, 8.1]
pro. (operacija 6) M5, M6 T7 +z, -z t6=[10.7, 24.1]
F3 IT10 (3.2) buenje (operacija 12) M1, M2, M3 T6 +z, -z t12=[3.3, 4.8, 3.3]
pro. (operacija 13) M1, M2, M3 T7 +z, -z t13=[13.4, 26.6, 30.2]
F4 IT11 (6.3) struganje (operacija 7) M1, M2, M3 T1, T2 -z t7=[2.3,3.3,4.6,6.5,3.8,5.5]
glodanje (operacija 8) M4, M5, M6 T11 x,y t8=[5.7, 4.2, 2.8]
glodanje (operacija 10) M4, M5, M6 T9, T10 -z t10=[2.7,2.8,2.9,2.4,2.8,2.5]
F5 IT11(6.3) struganje (operacija 9) M1, M2, M3 T1, T3, T4 -z t9=[0.5,0.7,0.4,1.0,1.4, 0.8,0.8,1.1,0.7]
glodanje (operacija 11) M5, M6 T9 -z t11=[4.6, 7.2]

F2 IT11 (6.3) struganje (operacija 2) M5, M6 T10 +z t2=[3.1, 3.2]
glodanje (operacija 16) M1, M2, M3 T3, T4 +z t16=[1.2,1.0,1.9,1.5,2.0,1.6]
pro. (operacija 4) M7, M8 T8 +z t4=[34.3,13.7]
unut. str. (operacija 6) M5, M6 T8 +z t6=[30.2,13.4]
F3 IT8 (1.6) buenje (operacija 13) M1, M2, M3 T6 +z, -z t13=[3.3, 4.8, 3.3]
pro. (operacija 17) M1, M2, M3 T5 +z t17=[1.1, 1.5, 1.8]
F4 IT11 (6.3) struganje (operacija 7) M1, M2, M3 T1 +z t7=[0.7, 0.8, 0.9]
F6 IT11(6.3) struganje (operacija10) M1, M2, M3 T1, T3, T4 -z t10=[0.5,0.7,0.4,1.0,1.4,0.8, 0.8,1.1,0.7]
glodanje (operacija 12) M5, M6 T9 -z t12=[4.6, 7.2]

F2 IT11 (6.3) struganje (operacija 2) M5, M6 T10 +z t2=[3.1, 3.2]
glodanje (operacija 13) M1, M2, M3 T3, T4 +z t13=[1.2,1.0,1.9,1.5,2.0,1.6]
F3 IT10 (3.2) struganje (operation 3) M1, M2, M3 T1 +z t3=[0.6, 0.7, 0.8]
F5 IT11(6.3) struganje (operacija 6) M5, M6 T9 -z t6=[4.6, 7.2]
glodanje (operacija 9) M1, M2, M3 T1, T3, T4 -z t9=[0.5,0.7,0.4,1.0,1.4,0.8, 0.8,1.1,0.7]
F6 IT11(6.3) glodanje (operacija 7) M4, M5, M6 T11 x,y t7=[10.8, 9.7, 7.4]
glodanje (operacija 10) M4, M5, M6 T9 -z t10=[4.3, 3.5, 6.8]
3.24
Slika 2. Mree alternativnih tehnolokih procesa obrade reprezentativnih delova
3. MATEMATIKI MODELI ZA OPTIMIZACIJU PLANOVA TERMINIRANJA
U ovom radu se predstavljaju matematiki modeli za odreivanje tri funkcije cilja (object1, object2
object3) pri optimizaciji planova terminiranja tehnolokih procesa. Prva funkcija cilja (object1) se odnosi na
minimizaciju ukupnog vremena neophodnog za obradu svih delova ije se terminiranje vri (engl. makespan)
i predstavljena je jednainom (1):
object 1 = max(c ij )(c ij Td (sij , c ij )), (1)
Druga funkcija cilja (object2) se odnosi na maksimizaciju uravnoteenog iskorienja maina alatki (engl.
balanced level of machine utilization) koje se koriste za operacije svih delova ije se terminiranje vri i data
je jednainama (2) i (3):
m

object 2 = min object 1 +
a=1
p ij

(
avgmt , o ij M a ) (2)
3.25
m
1 m

object 2 = m in object 1 + p ij
m
p ij (
, o ij M a ) (3)
a=1 a=1
Trea funkcija cilja (object3) se odnosi na minimizaciju srednjeg vremena transportnih tokova materijala
(engl. mean flow time) i data je jednainom (4).
1 n

object 3 = min
N
c
i=1
i

(4)
gde je oij j-ta operacija i-tog dela, cij je najranije vreme zavretka operacije oij, sij je najranije vreme poetka
operacije oij, m je ukupan broj maina alatki, pij je ukupno vreme obrade na svakoj pojedinanoj maini
alatki, avgmt je proseno vreme trajanja obrade na svim mainama alatkama i n je ukupan broj delova ije se
terminiranje vri.
4. KODIRANJE I DEKODIRANJE JEDINKI PLANOVA TERMINIRANJA
Svaka jedinka u planu terminiranja sastoji se iz pet delova razliitih duina. Prvi deo predstavlja string
alternativnih tehnolokih procesa. Duina ovog stringa je odreena brojem delova ije se terminiranje vri;
kako se u ovom radu predlae primer terminiranja tehnolokih procesa tri dela sa slike 1, to je duina ovog
stringa takoe tri. Dalje, svaki broj u okviru ovog stringa predstavlja odabran alternativni tehnoloki proces;
na osnovu mree na slici 2, moe se videti da za deo 1 postoji est linkova tj. putanja alternativnih
tehnolokih procesa (prva putanja predstavljena je operacijama {1, 2, 3, 4, 7, 9}, druga je {1, 2, 3, 4, 8, 9},
trea je {1, 2, 5, 6, 7, 9}, etvrta je {1, 2, 5, 6, 8, 9}, peta je {10, 11, 12, 13, 14, 16} i esta je {10, 11, 12, 13,
14, 16}). Tako vrednost 2 u prvom stringu alternativnog tehnolokog procesa ukazuje na to da je druga
putanja tehnolokih procesa tj. putanja {1, 2, 3, 4, 8, 9} sluajno odabrana.
Drugi deo ini string za plan terminiranja. Duina ovog stringa odreena je brojem delova i maksimalnim
brojem operacija q (n q = 3 7 = 21). Parametar q predstavlja maksimalan broj operacija za sve
alternativne tehnoloke procese (q = 7). Plan terminiranja se sastoji od ID broja delova, a njihov broj zavisi
od broja operacija tehnolokog procesa svakog od delova. Deo i se pojavljuje onoliko puta u stringu
tehnolokog procesa koliko operacija ima izabran tehnoloki proces obrade tog dela. Za deo 1, drugi
alternativni tehnoloki proces se sastoji od est operacija, tako da je est elemenata u planu terminiranja
jednako 1. Na slian nain, za deo 3 je sluajno odabran trei alternativni tehnoloki proces, koji se sastoji od
6 operacija, tako da e 6 elemenata u planu terminiranja biti jednako 3. Na taj nain, string plana terminiranja
je formiran od est jedinica, sedam dvojki i est trojki. Preostali elementi ovog stringa su popunjeni nulama,
broj nula je 2 (21 6 7 6 = 2). Svi ovi elementi su sluajno rasporeeni i formiraju string za plan
terminiranja, kao to je prikazano na slici 3.
Trei deo jedinke predstavlja string maina alatki. Ovaj string se odnosi na odabrane maine alatke za
odgovarajue operacije alternativnih tehnolokih procesa obrade svih delova. Duina ovog stringa je jednaka
duini stringa plana terminiranja. Za svaki deo u okviru ovog stringa prikazane su maine za svaku od
operacija. Na primer, alternativne maine za operacije tehnolokog procesa dela 1 su {2, 2, 8, 8, 5, 2}.
etvrti deo jedinke predstavlja string alata i oznaava odabrane alate za operacije svih delova, dok peti deo
jedinke predstavlja string orijentacija alata i oznaava odabrane orijentacije alata za sva tri dela ije se
terminiranje vri. Primer stringa alata za deo 2 je {10, 9, 6, 9, 5, 3, 12}, dok je primer stringa orijentacija
alata za deo 3 {-z, -z, -z, +h, +z, +z}, slika 3.
Nakon generisanja eme za kodiranje plana terminiranja, a na osnovu definisane verovatnoe ukrtanja pc, na
jedinke je primenjen operator ukrtanja, slika 4. Na ovaj nain je izvreno generisanje dve nove jedinke u
jatu za stringove tehnolokih procesa i planova terminiranja.
3.26
plan terminiranja tehnoloki
proces
2 1 2 3 3 1 1 2 3 2 0 1 2 2 3 3 1 0 2 1 3 2 6 3
2 2 8 8 5 2 0 5 5 2 5 2 2 5 5 1 6 4 1 6 0
deo 1 deo 2 deo 3
string maina
2 4 6 7 11 1 0 10 9 6 9 5 3 12 9 1 9 10 4 12 0
deo 1 deo 2 deo 3
string alata
+z +z +z -z +y -z 0 -z -z +z +x +z +z +z -z -z -z +x +z +z 0
deo 1 deo 2 deo 3
string orijentacija alata
Slika 3. Kodiranje jedinki cPSO algoritma za plan terminiranja
2 1 2 3 3 1 1 2 3 2 0 1 2 2 3 3 1 0 2 1 3 2 6 3
2 3 2 1 1 1 3 2 3 2 0 1 2 2 3 3 3 0 2 1 1 5 6 7
3 0 2 1 2 1 1 2 2 3 3 1 3 2 3 0 3 1 2 1 2 5 7 2
1 0 2 3 2 3 1 2 2 1 3 1 3 2 3 0 1 1 2 3 2 2 7 3
2 1 2 3 3 1 1 2 3 2 0 1 2 2 3 3 1 0 2 1 3 2 6 3
Slika 4. Operator ukrtanja za dve jedinke cPSO algoritma za plan terminiranja
5. OPTIMIZACIJA PRIMENOM INTELIGENCIJE ROJA I TEORIJE HAOSA
Metod optimizacije rojem estica (PSO) pripada grupi bioloki inspirisanih tehnika vetake inteligencije i
originalno je predloen 1995. godine. Istraivanje i razvoj u oblasti inteligencije rojeva ukazuju da, u odnosu
na ostale metaheuristike algoritme, PSO algoritam poseduje mnoge prednosti (jednostavan matematiki
model, relativno jednostavna mogunost implementacije, ne zahteva raunanje prvog izvoda funkcije), ali i
potekoe u primeni na probleme diskretne optimizacije zbog kontinualne prirode samog algoritma, kao i
nedostatke vezane za konvergenciju ka lokalnom optimalnom reenju u ranim fazama optimizacije. Jedan od
naina da se prevaziu pomenuti nedostaci vezani za brzu konvergenciju algoritma jeste integracija PSO
algoritma sa haosom [11] i [12] tj. implementacija haotinih mapa u jednaine tradicionalnog PSO algoritma
(cPSO algoritam).
Ugraivanje haosa tj. haotinih mapa u PSO algoritam vri se tako to se umesto sluajnih brojeva rand() i
Rand() koriste generatori chaos() i Chaos(), jednaine (7)-(12). Na taj nain, stohastikim generisanjem
alternativnih resursa (maine alatke, alati, orijentacije alata) se postie dobijanje veeg prostora alternativnih
reenja u svakoj iteraciji algoritma i mogunost izbegavanja zarobljavanja algoritma u lokalnom
optimumu. Deset haotinih mapa za problem optimalnog terminiranja fleksibilnih tehnolokih procesa
usvojeno je kao to je prikazano u tabeli 4.
3.27
abela 4. Mape haosa
1) Chebyshev map 6) Piecewise map

xn +1 = cos( n cos 1 ( xn )) xn
0 xn < P
P

xn P P xn <
1
0.5 P 2
x n +1 = , 0 < P < 0.5
1 P xn 1
xn < 1 P
0.5 P 2
1 x
n
1 P xn < 1
P
2) Circle map 7) Sine map

x n +1 = x n + b
a
( a / 2 ) sin(2 x n ) mod(1) sin ( x n ) ,
x n +1 =
4
a = 0.5; b = 0.2; 0<a4
3) Gauss/Mouse 8) Singer map

0 xn = 0 x n +1 = (7.86 x n 23.31 x n2 +
x n +1 =
1 / x n mod(1) otherwise + 28.75 x n3 13.302875 x n4 )
1 1 0.9 < < 1.08
1 / x n mod(1) =
xn xn
4) Iterative map 9) Sinusoidal map

a
x n +1 = sin , x n +1 = ax n sin ( x n ) ,
xn a = 2.3
a (0,1)
5) Logistic map 10) Tent map

x n +1 = ax n (1 x n );
xn
a = 4; xn < 0.7
0.7
x n +1 =
10 (1 x ) xn 0.7
3 n
U skladu sa procedurom kodiranja/dekodiranja jedinki ovog algoritma i generatorima chaos() i Chaos(),

predloene su matrice dimenzije 3xn za odreivanje brzina i poloaja jedinki u populaciji cPSO algoritma,
jednaine (5)-(6):
Vidt +1 = [Vidt +_1m ;Vidt +_1t ;Vidt +_1tad ] (5)
Xidt +1 = [Xidt +_1m ; Xidt +_1t ; Xidt +_1tad ] (6)
t +1 t +1 t +1 t +1 t +1 t +1
Brzine Vid _ m , Vid _ t , Vid _ tad , kao i poloaji Xid _ m , Xid _ t , Xid _tad se odreuju na osnovu jednaina (7)-(12):
3.28
Vidt +_1m = W Vidt _ m + C1 chaos() ( Pldt _ m Xidt _ m ) + C2 Chaos() ( Pgdt _ m Xidt _ m ) (7)
Xidt +_1m = Xidt _ m + Vidt +_1m (8)
Vidt +_1t = W Vidt _ t + C1 chaos() ( Pldt _ t Xidt _ t ) + C2 Chaos() ( Pgdt _ t Xidt _ t ) (9)
Xidt +_1t = Xidt _ t + Vidt +_1t (10)
Vidt +_1tad = W Vidt _ tad + C1 chaos() ( Pldt _ tad Xidt _ tad ) + C2 Chaos() ( Pgdt _ tad Xidt _ tad ) (11)
Xidt +_1tad = Xidt _ tad + Vidt +_1tad (12)
gde je t broj generacije; Vidt _ m i Vidt +1 t

_ m su brzine za string maina jedinke i u generacijama t i t+1; Vid _ t i
Vidt +_1t su brzine za string alata jedinke i u generacijama t i t+1; Vidt _ tad i Vidt +1_tad su brzine za string orijentacije
alata jedinke i u generacijama t i t+1; X idt _ m i X idt +1_m predstavljaju poloaje za string maina jedinke i u
generacijama t i t+1; Xidt _ t i Xidt +1_t predstavljaju poloaje za string alata jedinke i u generacijama t i t+1;
Xidt _ tad i Xidt +1_tad predstavljaju poloaje za string orijentacije alata jedinke i u generacijama t i t+1; Pldt _ m i
Pgdt _ m su lokalno i globalno najbolja reenja poloaja za string maina jedinke i u generacijama t i t+1; Pldt _ t
t
i Pgd _ t su lokalno i globalno najbolja reenja poloaja za string alata jedinke i u generacijama t i t+1; Pldt _ tad
t
i Pgd _tad su lokalno i globalno najbolja reenja poloaja za string orijentacija alata jedinke i u generacijama t i
t+1; W je parametar inercije; C1 i C2 su kognitivni i socijalni koeficijent uenja; rand() i Rand() su dva
sluajno izabrana broja iz intervala [0,1]. Glavni koraci cPSO algoritma za integrisano projektovanje
tehnolokih procesa i planova terminiranja, opisani su na sledei nain:
Koraci za odreivanje optimalnih tehnolokih procesa

Korak 1: inicijalizovati parametre cPSO algoritma za optimitaciju tehnolokih procesa;
Korak 2: inicijalizovati brzine i poloaje jedinki u jatu;
Korak 3: odrediti funkciju cilja svake jedinke u jatu;
Korak 4: odrediti globalno i lokalno najbolja reenja tehnolokih procesa;
Korak 5: generisati novo jato auriranjem brzina i poloaja jedinki;
Korak 6: zaokruiti pozicije maina, alata i orijentacija alata;
Korak 7: odrediti funkciju cilja svake jedinke u roju;
Korak 8: odrediti nova globalno i lokalno najbolja reenja;
Korak 9: aurirati globalno najbolje reenje u jatu i lokalno najbolje reenje za svaku jedinku;
Korak 10: ponoviti korake 5-10 zadati broj iteracija;
Korak 11: sauvati s optimalnih alternativnih tehnolokih procesa;
Koraci za odreivanje optimalnih planova terminiranja

Korak 12: inicijalizovati parametre cPSO algoritma za IPPS problem;
Korak 13: selektovati alternativne tehnoloke procese gederisane u fazi optimizacije tehnolokih procesa;
Korak 14: inicijalizovati jato jedinki u inicijalnoj populaciji;
Korak 15: generisati novo jato primenom operatora ukrtanja i auriranjem brzina i poloaja jedinki;
Korak 16: zaokruiti poloaje maina, alata i orijentacija alata;
Korak 17: odrediti funkciju cilja svake jedinke u roju;
Korak 18: odrediti nova globalno i lokalno najbolja reenja;
Korak 19: aurirati globalno najbolje reenje u jatu i lokalno najbolje reenje za svaku jedinku;
Korak 20: ponoviti korake 13-19 za terminiranje tehnolokih procesa;
Korak 21: rezultati optimizacije su optimalni planovi terminiranja fleksibilnih tehnolokih procesa.
3.29
6. EKSPERIMENTALNI REZULTATI
U cilju verifikacije predloenog algoritma i dobijanja optimalnih planova terminiranja koriena su tri
reprezentativna dela prikazana na slici 1. Vreme transporta dela izmeu maina alatki prikazano je u tabeli 5,
a informacije o mainama alatkama, alatima, kao i odgovarajuim trokovima i indeksima trokova date u
tabeli 6. Cilj optimizacije je minimizacija funkcija cilja object1 i object3 i maksimizacija funkcije cilja
object2. Parametri cPSO algoritama su postavljeni na sledei nain: veliina populacije je 80, maksimalan
broj generacija je 200, parametar inercije W se linearno smanjuje od 1.2 do 0.4, a koeficijenti C1 i C2 su 2.
Algoritam je implementirani u Matlab programskom paketu i desktop raunaru (3.10 GHz procesor; 2 GB
RAM) sa Windows 7 operativnim sistemom.
Nakon faze optimalnog projektovanja tehnolokih procesa [11], sledi faza njihovog terminiranja. Faza
terminiranja poinje sluajnim izborom jednog od tri alternativna tehnoloka procesa za svaki od delova.
Srednja generacija konvergencije 10 haotinih mapa nakon 10 ponavljanja je prikazana je u tabeli 7.
Performanse cPSO algoritma su uporeenje sa GA i SA algoritmom, a eksperimentalni rezultati za sve tri
funkcije cilja i stepene poboljanja su prikazani u tabeli 8, pri emu su korieni tehnoloki procesi sa
minimalnim proizvodnim vremenaom (f1) i minimalnim trokovima (f2).
Tabela 5. Vreme transporta izmeu maina alatki

maina 1 2 3 4 5 6 7 8
1 0 4 8 10 12 5 6 14
2 4 0 3 7 11 5 4 6
3 8 3 0 5 7 9 8 4
4 10 7 5 0 4 14 12 6
5 12 11 7 4 0 18 12 10
6 5 5 9 14 18 0 6 8
7 6 4 8 12 12 6 0 3
8 14 6 4 6 10 8 3 0
Tabela 6. Raspoloivi resursi, trokovi i vremenski indeksi

Maine Alati
Br. Tip MCI Br. Tip TCI
M1 CNC strug 20 T1 stugarski no 1 12
M2 Univerzalni strug 10 T2 stugarski no 2 12
M3 Produkcioni strug 20 T3 stugarski no 3 12
M4 Univerzalna glodalica 30 T4 stugarski no 4 12
M5 CNC glodalica 80 T5 stugarski no 5 15
M6 CNC glodalica 50 T6 burgija 6
M7 Builica 10 T7 proiriva 1 15
M8 Koordinatna builica 15 T8 proiriva 2 20
T9 glodalo 1 20
Trokovi i vremenski indeksi T10 glodalo 2 12
MCCI = 80; SCI = 100; TCCI = 20; T11 glodalo 3 30
TCTI = 60; SCTI = 50; T12 glodalo 4 15
Tabela 7. Srednja generacija konvergencije 10 mapa nakon 10 ponavljanja

Planovi terminiranja (funkcije cilja)
mapa
makespan machine utilization mean flow time
Chebyshev 21.0 - -
Circle 17.5 - -
Gauss/Mouse 21.1 - -
Iterative 18.2 - -
Logistic 24.3 40.3 -
Piecewise 17.1 38.2 -
Sine 15.1 51.0 30.5
Singer 15.9 80.0 35.2
Sinusoidal 20.0 - 38.2
Tent - - -
3.30
Tabela 8. Eksperimentalni rezultati dobijeni primenom GA, SA i cPSO algoritma
tehnoloki planovi najbolji rezultati srednji rezultati
IRmax IRavg
procesi terminiranja
cPSO GA SA cPSO GA SA (%) (%)
(fun. cilja) (funkcija cilja)
makespan 101.8000 102.800 107.3000 116.1738 116.4989 129.2777 5.13 10.14
f1 machine utilization 143.5000 145.275 151.5500 163.1626 163.3294 184.8326 5.31 11.72
mean flow time 96.2667 96.6000 100.1667 106.9170 107.0470 114.2022 3.89 6.38
makespan 108.7000 109.500 109.5000 129.3619 130.4930 133.6116 0.73 3.18
f2 machine utilization 170.9000 171.000 175.4000 196.7695 200.7952 204.9702 2.57 4.00
mean flow time 98.7667 100. 700 101.8000 114.0945 117.9162 120.0854 2.98 4.99
Slike 5, 6 i 7 ilustruju ostvarene eksperimentalne rezultate planova terminiranja predstavljene u formi

Gantovih dijagrama.
Slika 5. () Gantov dijagram za eksperiment 4.1 pri f1 (makespan =101.8); () Gantov dijagram za eksperiment 4.1 pri
f2 (makespan = 108.7)
Slika 6. () Gantov dijagram za eksperiment 4.1 pri f1 (machine utilization = 143.5); () Gantov dijagram za
eksperiment 4.1 pri f2 (machine utilization = 170.9)
Slika 7. () Gantov dijagram za eksperiment 4.1 pri f1 (mean flow time = 96.2667); () Gantov dijagram za eksperiment
4.1 pri f2 (mean flow time = 98.7667)
3.31
7. ZAKLJUAK
U radu je prikazan pristup u optimizaciji planova terminiranja fleksibilnih tehnolokih procesa primenom
algoritma baziranog na inteligenciji roja i teoriji haosa cPSO algoritam. Za odabrane reprezentativne
delove, prikazan je metod predstavljanja tehnolokih procesa pomou AND/OR mrea, predstavljen je
matematiki model za minimizaciju ukupnog vremena za obradu svih delova ije se terminiranje vri,
maksimizaciju uravnoteenog iskorienja maina alatki i minimizaciju transportnih tokova materijala. Dat je
i princip kodiranja i dekodiranja jedinki cPSO algoritma. U cilju prevazilaenja nedostataka vezanih za
konvergenciju algoritma u ranim fazama optimizcije, haotine mape su implementirane u jednaine PSO
algoritma. Eksperimentalni rezultati, dobijeni premenom GA, SA i cPSO algoritma, pokazuju da se optimalni
planovi terminiranja dobijaju primenom cPSO algoritma.
8. LITERATURA
[1] Shao, X., Li, X., Gao, L., Zhang, C., Integration of process planning and scheduling - a modified
genetic algorithm-based approach, Computers & Operations Research, 36(6), pp. 2082-2096, 2009.
[2] Li, W.D., McMahon, C.A., A simulated annealing-based optimization approach for integrated process
planning and scheduling, International Journal of Computer Integrated Manufacturing, 20(1), pp. 80-
95, 2007.
[3] Guo, Y.W., Li, W.D., Mileham, A.R., Owen, G.W., Applications of particle swarm optimisation in
integrated process planning and scheduling, Robotics and Computer-Integrated Manufacturing,
25(2), pp. 280-288, 2009.
[4] Guo, Y.W., Li, W.D., Mileham, A.R., Owen, G.W., Optimisation of integrated process planning and
scheduling using a particle swarm optimisation approach, International Journal of Production
Research, 47(14), pp. 3775-3796, 2009.
[5] Wong, T.N., Leung, C.W., Mak, K.L., Fung, R.Y.K., Integrated process planning and
scheduling/rescheduling - an agent-based approach, International Journal of Production Research,
44(18-19), pp. 3627-3655, 2006.
[6] Li, X., Zhang, C., Gao, L., Li, W., Shao, X., An agent-based approach for integrated process planning
and scheduling, Expert Systems with Applications, 37(2), 1256-1264, 2010.
[7] Wong, T.N., Leung, C.W., Mak, K.L., Fung, R.Y.K., An agent-based negotiation approach to
integrate process planning and scheduling, International journal of production research, 44(7), 1331-
1351, 2006.
[8] Li, X., Gao, L., Li, W., Application of game theory based hybrid algorithm for multi-objective
integrated process planning and scheduling, Expert Systems with Applications, 39(1), pp. 288-297,
2012.
[9] Baykasolu, A., zbakr, L., A grammatical optimization approach for integrated process planning
and scheduling, Journal of Intelligent Manufacturing, 20(2), pp. 211-221, 2009.
[10] Lian, K., Zhang, C., Gao, L., Li, X., Integrated process planning and scheduling using an imperialist
competitive algorithm, International Journal of Production Research, 50(15), pp. 4326-4343, 2012.
[11] Petrovi, M., Miti, M., Vukovi, N., Miljkovi, Z., Chaotic particle swarm optimization algorithm
for flexible process planning, The International Journal of Advanced Manufacturing Technology,
2015. DOI 10.1007/s00170-015-7991-4
[12] Miti, M., Vukovi, N., Petrovi, M., Miljkovi, Z., Chaotic fruit fly optimization algorithm.
Knowledge-Based Systems, 89, 446-458, 2015.
PARTICLE SWARM OPTIMIZATION ALGORITHM AND CHAOS THEORY FOR

INTEGRATION OF PROCESS PLANNING AND SCHEDULING
Abstract: This paper presents an approach for integration of process planning and scheduling based on the particle
swarm optimization algorithm and chaos theory (cPSO). Besides scheduling plans representation and particle
encoding/decoding scheme, mathematical model for the minimization of makespan, maximization of balanced level of
machine utilization and minimization of mean flow time was presented. Also, we proposed implementation of chaotic
maps in PSO algorithm in order to prevent algorithm from converging prematurely. Experimental verification of the
proposed algorithm was done through the optimal scheduling of real parts.
Key words: integrated process planning and scheduling, particle swarm intelligence, chaos theory, optimization
3.32
konferencija
Pjevi, M. 1), Tanovi, Lj.2), Mladenovi, G.3)

MIKROREZANJA KRTIH MATERIJALA4)
Rezime
Poznato je da se kod mikrorezanja krtih materijala javlja reim plastinog deformisanja, kao i reim krtog
loma. Pored geometrije alata, strukture materijala i reima obrade, na kritinu dubinu prodiranja, koja
predstavlja granicu izmeu ova dva reima, utie i putanja alata. U ovom radu prikazan je uticaj putanje
alata na vrednost kritine dubine prodiranja. Pored pravolinijske i lune putanje alata, predstavljena je i
eliptina putanja alata, kao i sistem draa alata koji obezbeuju eliptino kretanje alata.
Kljune rei: mikrorezanje, krti materijali, kritina dubina prodiranja, putanja alata
1. UVOD
Ukoliko se napravi osvrt na razvoj industrije u proteklih sto godina, moe se zakljuiti da je fokus bio na
poveanju proizvodnosti, sa tendencijom smanjenja cena proizvoda, ali posledinom poveanju
konkurentnosti na tritu. Sa druge strane, prezasienost trita dovela je do uspostavljanja novih
poizvodno/tehnolokih zahteva. Pored toga to se insistira da se proizvod pravi u to veoj seriji, u to
kraem vremenskom intervalu, zadaju se i dodatni uslovi. Jedan on njih je da sam proizvod, kao i nain
njegove proizvodnje bude energetski efikasniji od prethodne generacije. Minijaturizacijom proizvoda postie
se vea energetska efikasnost, meutim javljaju se i nove prepreke. Da bi se napravili minijaturizovani
proizvodi, neophodno je prei iz domena makro u domen mikro obrade. Fenomeni i zakoni koji su nekada
vaili kod makrorezanja, prelaskom na mikrorezanje vie ne vae. Dodatno, ukoliko je re o mikrorezanju
krtih materijala, moe se rei da proces stvaranja strugotine kod mikrorezanja nema ni najmanje
podudarnosti sa makrorezanjem. Dok se kod makrorezanja za proces stvaranja strugotine vezuju smiue
napone du ravni smicanja, kod mikrorezanja strugotina nastaje odvaljivanjem materijala u vidu odlomaka,
to je posledica razvoja prslina unitar materijala.
Pre nego to nastane razaranje materijala, na malim dubinama koje su manje od neke kritine vrednosti nije
primetno odvajanje materijala. U ovoj fazi, obrada se vri plastinim deformisanjem gde su prisutne povratne
elastine i plastine deformacije. Poveanjem dubine rezanja iznad kritine vrednosti prelazi se iz reima
plastinog deformisanja u reim krtog loma. Strugotina koja ovde nastaje nije kontinualna. Materijal se
odvaja ispred alata, a manjim delom sa njegove bone strane. Pored ovoga, prisutno je i drobljenje materijala
ispod i ispred samog alata. Za odvajanje materijala zaslune su lateralne prsline koje imaju trend rasta ka
povrini materijala (slika 1). Pored sistema lateralnih prslina, u zoni rezanja su prisutne i radijalne i
medijalne prsline sa tendencijom rasta od bonih strana alata na samoj obraivanoj povrini, odnosno unutar
materijala normalno na obraivanu povrinu. Ove prsline su jednim delom prisutne i u zoni plastinog
deformisanja gde nije prisutno odvajanje materijla. Medijalne prsline se poveziju sa kvalitetom obraene
povrine i sa integritetom konstrukcije formiranog dela.
1)
Asistent Milo Pjevi, master in. ma., (mpjevic@mas.bg.ac.rs), Univerzitet u Beogradu, Mainski fakultet, Katedra za
Proizvodno mainstvo, Centar za nove tehnologije
2)
Prof. dr Ljubodrag Tanovi, dipl. in. ma., (ltanovic@mas.bg.ac.rs), Univerzitet u Beogradu, Mainski fakultet, Katedra za
3)
Asistent dr Goran Mladenovi, dipl. in. ma., (gmladenovic@mas.bg.ac.rs), Univerzitet u Beogradu, Mainski fakultet, Katedra za
4)
U ovom radu saoptavaju se rezultati istraivanja koji su realizovani u okviru projektra TR 35022: Razvoj nove generacije domaih
obradnih sistema, koji finansiraju Ministarstvo prosvete, nauke i tehnolokog razvoja Republike Srbije.
3.33
Slika 1. Razvoj sistema prslina unutar obraivnaog materijala.
Na kritinu dubinu prodiranja, koja predstavlja granicu izmeu reima plastinog deformisanja i reima
krtog loma, utie vrsta (svojstvo) materijala koji se obrauje, reim i uslovi obrade, kao i geometrija alata. U
prethodnim istraivanjima koja su sprovedena na Mainskom fakultetu Univerziteta u Begoradu, pokazano je
da usled izrazitog radijusa vrha alata koji se vie ne moe zanemarivati, grudni ugao je izrazito negativan [1].
Veliina, orijentacija i svojstva zrna unutar materijala takoe imaju dominantan uticaj na vrednost kritine
dubine. Na njenu vrednost dosta moe uticati i ve postojee prsline unutar materijala.
Pred istraivae se postavlja pitanje potrebe definisanja kritine dubine. Posmatrano sa aspekta kvaliteta
obraene povrine, u plastinom reimu prisutan je znatno manji procentualni udeo prslina, nego u reimu
krtog loma. Na ovaj nain se obezbeuje daleko bolji kvalitet obraene povrine, gde se u nekim sluajevima
moe eliminisati potreba za naknadnim obradama (poliranjem, ). Takoe, u literaturnim izvorima [2,3],
utvreno je da je za uklanjanje jedinine zapremine materijla potrebno daleko vie energije u reimu
plastinog deformisanja, nego u reimu krtog loma. Ovo predstavlja jednu kontradiktornost, s obzirom da je
obraena zapremina vea u reimu krtog loma. Meutim, kada se izvri analiza procesa, moe se doneti
zakljuak da je ovo posledica nekontrolisanog rasta prslina unutar materijala koje olakavaju uklanjanje
materijala pri obradi na veim dubinama od kritine vrednosti. Ukoliko je u interesu da se postigne to je
mogue vea proizvodnost, potrebno je i znati koje su to kritine dubine na kojima se javlja duktilni prelaz.
2. ODREIVANJE KRITINE DUBINE PRODIRANJA
Potreba za detaljnim poznavanjem vrednosti kritine dubine prodiranja alata u ispitivani materijal, povukla je
za sobom pitanje na koji nain je odrediti. Jedan od naina odreivanja kritine dubine prodiranja je pomou
utiskivanja alata (utiskivai tipa Rokvel, Vikers i Brinel) normalno u ispitivani materijal na odreenu dubinu,
a zatim posmatranjem utisnutog traga uz pomo mikroskopa, kako bi se utvrdilo da li su prisutne prsline na
generisanoj povrini. Ovaj princip nije u potpunosti merodavan jer je prisutno dejstvo samo normalne sile.
Dodavanjem jo jednog kretanja ime se formira dejstvo i tangencijalne sile, dobija se verodostojnija slika o
dva reima koja su prisutna. Primer traga u kome se jasno vidi prisustvo plastinog reima i reima krtog
loma prikazan je na slici 2.
Slika 2. Prikaz plastinog reima i krtog reima rezanja [2].
3.34
U radu [2], objanjava se postupak kako da se pomou geometrije doe do kritine dubine prodiranja u
sluaju kada se dijamantski alat nalazi na obrtnom disku. Takoe, kao i to je pomenuto, na dijagramu
specifine energije prodiranja (slika 3), jasno se moe uoiti granica izmeu ova dva reima.
Slika 3. Specifina energija rezanja u funkciji od dubine rezanja [2].
3. UTICAJ PUTANJE ALATA NA KRITINU DUBINU PRODIRANJA
Neke od korienih putanja alata u dosadanjim istraivanjima su linearne, gde se obrada vri rendisanjem.
Na drugoj strani, bruenje karakterie kretanje alata po krunici. Osnovna razlika ova dva tipa kretanja alata
jeste u brzini rezanja koja se ostvaruje. Kod linearne putanje alata, brzina rezanja se kree do 10 m/min [4],
dok kod kretanja alata po krunici moe ii i preko 30 m/sek.
U prethodnim istraivanjima koja su sprovedena na Mainskom fakultetu Univerziteta u Beogradu, dokazano

je da sa poveanjem brzine rezanja, vrednost kritine dubine prodiranja se smanjuje (Slika 3).
U oba ova sluaja, alat je u stalnom kontaktu sa obratkom. U poslednje vreme, istraivai su stavili akcenat
na prekidno rezanje, obezbeujui na taj nain uslove rezanja pri kojima alat nije u stalnom kontaktu sa
obratkom, takozvana obrada potpomognuta vibracijama. Iz ovoga su proistekla dva tipa rezanja gde alat
pored glavnog kretanja ostvaruje jo i vibraciono [5]. Prvo je 1D VAM (Vibration Assisted Machining),
a drugo je 2D VAM. Ovakav tip obrade ne samo da obezbeuje manje habanje alata, ve dovodi do
poveanja vrednosti kritine dubine prodiranja.
U prvom sluaju, alat pored glavnog kretanja ostvaruje i linearno oscilatorno kretanje (slika 4). Kako bi se
ostvarilo prekidno kretanje alata, relativna pozicija i brzina alata u odnosu na obradak mora biti:
x(t ) = A sin(t ) + Vt , (1)

x' (t ) = A cos(t ) + V , (2)
gde je t vreme, A amplituda oscilovanja alata i frekvencija oscilovanja. Da bi se ostvarilo prekidno rezanje,
iz jednaine (2), moe se izvesti kritina brzina koju alat mora da ostvari:
Vkrit = 2f . (3)
Slika 4. 1D VAM [5].
3.35
Bez obzira na brzinu kretanja alata, grudni ugao je uvek konstantan. Ovim vidom obrade, gde alat ostvaruje
pravolinijsko ocilatorno kretanje, ostvaruje se dui radni vek alata. Ovo je posledica manjih sila koje se
javljanju u zoni rezanja.
Kod 2D vibraciono potpomognute obrade, alat ostvaruje oscilatorno kretanje po elipsi. Ovo se ostvaruje
dodavanjem vibracija po jo jednoj ravni. Sumiranjem vibracija u dva pravca, nastaje eliprino kretanje alata.
Relativne brzine alata u dva pravca u odnosu na obradak mogu se predstaviti kao:
x' (t ) = A cos(t ) + V , (4)

z ' (t ) = B cos(t ) , (5)
gde A i B predstavljaju poluprenike ose elipse, a ostali parametri su isti kao i kod 1D obrade.
Slika 5. 2D VAM [5].
Pravac kretanja alata vie nije konstantan i moe se predstaviti izrazom:
B cos(t )
(t ) = arctan , (6)
A sin(t ) + V
to, takoe, dovodi do promene vrednosti grudnog ugla tokom procesa rezanja:
(t ) = 0 + (t ) . (7)
Promena efektivne vrednosti grudnog ugla, usled sloenog kretanja alata, moe se objasniti smanjenjem
preseka strugotine. Sa smanjenjem njegove vrednosti, postie se poveanje pritisnih napona, koji utiu na
smanjenje faktora intenziteta napona KI. Njegovim smanjenjem, smanjuje se verovatnoa nastanka prslina u
zoni rezanja (razlog KI < KIC), a poveava se udeo dislokacija, to dovodi do poveanja kritine dubine
proditanja.
1D vibraciono potpomognuta obrada moe se koristiti, kako kod obrade sa dijamantskim zrnom gde se
zahteva izuzetna mala hrapavost obraene povrine, tako i kod konvencionalne obrade gde dubine rezanja
idu i do 1 mm. 2D vibraciono potpomognuta obrada moe se koristiti samo u sluajevima kada dubina
rezanja ne prelazi 50 m.
4. TIPOVI DRAA ALATA ZA MIKROREZANJE VIBRACIONIM KRETANJEM ALATA
Vibraciono kretanje alata nije mogue ostvariti interpolacijom osa maine, ve je neophodno imati dodatni
mehanizam. U ovom sluaju to je dra alata, koji omoguava takvo kretanje. U zavisnosti od tipa putanje
alata koji taj mehanizam obezbeuje, vibracione mehanizme za vibraciono mikrorezanje delimo na 1D VAM
sisteme i na 2D VAM sisteme.
4.1 1D VAM sistemi
1D VAM sistemi se koriste kod mikrorezanja potpomognutog vibracijama u sluaju kada se zahteva
oscilovanje alata po lineranoj putanji, kao to je to prikazano na slici 4. On se obino sastoji od generatora
3.36
ultrasoninih talasa, sonde u obliku trube koja slui da pojaa vibracije, i osnove na kojoj se sve to nalazi.
Alat se postavlja na kraj pojaivaa talasa. Jedan takav sistem razvijen je od strane T. Moriwaki-a i E.
Shamoto-a [6], a prikazan je na slici 6. Frekvenca oscilovanja ovakvog tipa sistema kree se u granicama od
20 do 40 kHz, dok amplituda oscilovanja obino iznosi do 20 m. Ono to je bitno naglasiti je da ovakav tip
vibracionog sistema nije rezonantan, odnosno krajnje kretanje vrha alata nije posledica poklapanja vie
modova oscilovanja dela senzora.
Slika 6. ematski prikaz 1D VAM sistema [6].
4.1 2D VAM sistemi
Kako bi se ostvarilo eliptino vibraciono kretanje alata, neophodno je da dra alata ima kretanje u dva
pravca. Odatle su i proistekla dva tipa 2D VAM vibracionih sistema.
U prve spadaju rezonantni sistemi. Vibraciono kretanje vrha alata kod ovakvih sistema ostvaruje se kada se
poklopi vie modova oscilovanja alata. Obino se kao pogonski sistem koriste piezo aktuatori. Jedan ovakav
sistem razvijen je ponovo od strane T. Moriwaki-a i E. Shamoto-a [7], slika 7. Kao i kod prethodno
pomenutog 1D VAM sistema, frekvenca oscilovanja se kree u rasponu od 20 do 40 kHz, dok operativna
vrednost amplituda u dva pravca moe biti i duplo vea od 1D VAM sistema. Ovo je samo jedan tip ovakvog
sistema, to znai da se u literaturnim izvorima mogu nai i drugaije konstrukcije 2D rezonantnih VAM
sistema.
Slika 7. ematski prikaz 2D rezonantnog VAM sistema [7].
Za razliku od 2D VAM sistema, na Pusan Univerzitetu razvijen je nerezonantni 2D VAM sistem [8] (slika
8). Ovakav sistem se pogoni pomoi piezo aktuatora koji se kontrakuju i ekspanduju. Specijalnom
konstrikcijom tela draa, omogueno je eliptino kretanje vrha alata koje je posledica kretanja piezo
aktuatora. Bitno je napomenuti da frekvenca oscilovanja aktuatora mora biti manja od prvog moda
oscilovanja, u suprotnom, moe doi do rezonantnog oscilovanja cele konstrukcije, potencijalno
prouzrokujui neeljenu putanju alata. Frekvenca oscilovanja se kree oko 1 kHz, dok je vrednost amplitude
oko 5 m. Od strane drugih istraivaa razvijeni su slini sistemi, koji rade na veoj frekvenciji oscilovanja.
Prethodno opisanim sloenim oscilatornim kretanjem alata, moe se postii poveanje kritine vrednosti
prodiranja alata, ali u sluaju da se brzine rezanja kreu u opsegu do 1 m/min. Ovo je posledica frekvencije
oscilovanja vrha alata. Da bi se postiglo vibraciono rezanje gde se brzine kreu do 30 m/sek, neophodno je
razviti novi sistem generisanja vibracija ije e brzine oscilovanja daleko prelaziti dosadanja ogranienja. U
skladu sa navedenim, otvara se novi problem koji se prvenstveno odnosi na mernu opremu. Odnosno,
postojanje mernog sistema koji moe da evidentira sve promene koje nastaju u malom vremenskom
intervalu.
3.37
Slika 8. ematski prikaz 2D ne-rezonantnog VAM sistema [8].
5. ZAKLJUAK
1. Sloenim oscilatornim kretanjem alata, poveava se vek trajanja alata usled redukcije vrednosit sila u
zoni rezanja.
2. U sluaju da se koristi 2D VAM sistem gde alat ostvaruje eliptinu putanju relativno na obradak,
postie se promena vrednosti grudnog ugla, koja moe dodatno uticati na vrednost kritine dubine
prodiranja, usled smanjenja faktora intenziteta napona KI.
3. U zavisnosti od tipa pogona i putanje alata, postoji vie tipova VAM sistema (1D, 2D rezonantni i
nerezonantni). U ovom trenutku svi oni postavljaju ogranienje da brzina rezanja ne prelazi 1 m/min.
6. LITERATURA
[1] Pjevi, M., Tanovi, Lj., Pregled stanja istraivanja u domenu mikro-rezanja krtih materijala, XIII
Meunarodna konferencija Odravanje i proizvodni inenjering KODIP - 2015, Zbornik radova,
ISBN 978-9940-669-01-0, s.21-s.26, Inenjerska akademija Crne Gore, Budva, 24-28 juna, 2015.
[2] Mladenovic, G., et al. "Experimental Investigation of Microcutting Mechanisms in Oxide Ceramic
CM332 Grinding." Journal of Manufacturing Science and Engineering 137.3 (2015): 034502.
[3] Tanovic, L. J., et al. "Experimental investigation of microcutting mechanisms in marble
grinding." Journal of Manufacturing Science and Engineering 131.6 (2009): 064507.
[4] Nath, C., M. Rahman, and K. S. Neo. "A study on ultrasonic elliptical vibration cutting of tungsten
carbide." Journal of Materials Processing Technology 209.9 (2009): 4459-4464.
[5] Brehl, D. E., and T. A. Dow. "Review of vibration-assisted machining."Precision engineering 32.3
(2008): 153-172.
[6] Moriwaki, Toshimichi, and Eiji Shamoto. "Ultraprecision diamond turning of stainless steel by applying
ultrasonic vibration." CIRP Annals-Manufacturing Technology 40.1 (1991): 559-562.
[7] Moriwaki, Toshimichi, and Eiji Shamoto. "Ultrasonic elliptical vibration cutting."CIRP Annals-
Manufacturing Technology 44.1 (1995): 31-34.
[8] Ahn, Jung-Hwan, Han-Seok Lim, and Seong-Min Son. "Improvement of micro-machining accuracy by 2-
dimensional vibration cutting." Proc ASPE. Vol. 20. 1999.
Pjevi, M., Tanovi, Lj., Mladenovi, G.
INFLUENCE OF THE TOOL MOTION ON THE UNDEFORMED CHIP THICKNESS

WHEN PERFORMING MICRO CUTTING BRITTLE MATERIALS
Abstract: It is well known that during micro cutting brittle materials, there is two tipes of regimes. One where is
dominant plastic deformation, and other where chip is formated due to crack propagation. Along the tool geometri,
structure of material and cutting regimes, undeformed chip thickness depends on tool path motion. This paper presents
how type of tool's path motion effects on value of undeformed chip thickness. Moreover, beside straight and arched tool
paths, it is shown elliptical tool path motion, and also tool holder systems that provides such motion, that is used by
researchers.
Key words: micro cutting, brittle materials, undeformed chip thickness, tool path motion
3.38
konferencija

1)

2)
ROBOTIMA
Rezime
U ovom radu je prikazan deo rezultata istraivanja u oblasti razvoja rekonfigurabilnih obradnih sistema na
bazi robota. U ovom radu je predstavljen razvijeni metod kompenzacije greaka nastalih pod dejstvom sila
rezanja pri obradi robotima usled statike popustljivosti robota. Metod je verifikovan kroz nekoliko
eksperimenata konturnih obrada, sa i bez kompenzacije greaka, na test delovima od aluminijuma.
Kljune rei: vieosna obrada robotima, popustljivost robota, kompenzacija greaka.
1. UVOD
U poslednjoj deceniji se intenzivno radi na istraivanju i razvoju robota za vieosnu obradu glodanjem
prvenstveno sloenijih delova, veih dimenzija od mekih materijala i nie klase tanosti. Primena
industrijskih robota, za ovu klasu zadataka, je danas uveliko prepoznata kao alternativa relativno skupim 5-
osnim mainama alatkama [1-4]. Intenzivna istraivanja, koja se danas sprovode u svetu, se odnose na
reavanje dve grupe problema koje predstavljaju glavne ograniavajue faktore za iru primenu robota u
obradi. To su kompleksnost programiranja [5,6] i nezadovoljavajua krutost serijske strukture robota [1-4,7].
Istraivanja u oblasti razvoja rekonfigurabilnih obradnih sistema na bazi robota, na Katedri za
proizvodno mainstvo Mainskog fakulteta u Beogradu, su obuhvatila dve grupe problema:
razvoj sistema upravljanja i programiranja robota u G-kodu i
poveanje tanosti obrade kroz identifikaciju, modeliranje i kompenzaciju greaka usled statike
popustljivosti robota.
Za razvoj rekonfigurabilnog obradnog sistema na bazi robota i metoda kompenzacije greaka pri
obradi robotima, u okviru ovih istraivanja, korien je raspoloivi 6-osni robot LOLA50 vertikalne zglobne
konfiguracije domae proizvodnje nosivosti 50kg . Blokiranjem este ose emuliran je 5-osni specijalizovani
robot za obradu koji je dalje posmatran kao 5-osna vertikalna glodalica konfiguracije ( X , Y , Z , A, B ). Robot
je opremljen motornim vretenom sa maksimalnim brojem obrtaja od 18000 min 1 [8,9].
Kako se zbog popustljivosti robota pri obradi velikim brzinama javljaju statike greke i greke
izazvane oscilacijama niskih i visokih frekvenci [10], to je njihova identifikacija i kompenzacija od
odluujue vanosti za uspenu primenu robota u obradi. Polazei od injenice da je pri obradi velikim
brzinama statika sila, odnosno srednja vrednost otpora rezanja prema [11,12], u pravcu normale na
obraenu povrinu pri glodanju viestruko vea od amplitude dinamike komponente otpora rezanja, to se
njome izazvani pomeraji, odnosno greke, direktno odraavaju na tanost obrade.
U uem smislu, istraivanja u okviru razvoja metoda kompenzacije greaka izazvanih silama rezanja
pri obradi robotima su obuhvatala [13-16]:
modeliranje popustljivosti robota u prostoru spoljanjih koordinata (Dekartovom prostoru) na bazi
rezultujuih popustljivosti zglobova sa mogunou analize njihovih pojedinanih uticaja na
popustljivost vrha alata u radnom prostoru,
eksperimentalno analitiku identifikaciju rezultujue popustljivosti zglobova kao neophodnog
preduslova za modeliranje popustljivosti robota i
1)
Doc. dr Nikola Slavkovi, (nslavkovic@mas.bg.ac.rs), prof. dr Dragan Milutinovi, (dmilutinovic@mas.bg.ac.rs), prof. dr Saa
ivanovi, (szivanovic@mas.bg.ac.rs), Univerzitet u Beogradu, Mainski fakultet.
2)
U ovom radu se saoptavaju rezultati istraivanja koji su realizovani u okviru projekta TR35022 Razvoj nove generacije domaih
obradnih sistema, koji finansijski podrava Ministarstvo prosvete, nauke i tehnolokog razvoja Vlade Republike Srbije.
3.39
razvoj metoda kompenzacije greaka poloaja vrha alata usled statike popustljivosti robota pri
obradi.
2. MODELIRANJE POPUSTLJIVOSTI ROBOTA U PROSTORU SPOLJANJIH KOORDINATA
Ukupna krutost robota zavisi od krutosti segmenata, krutosti prenosnika, elemenata konstrukcije
zgloba, aktuatora i upravljanja. S obzirom da je krutost segmenata dananjih industrijskih robota dovoljno
velika, to se za glavne izvore popustljivosti smatraju prenosnici, elementi konstrukcije zgloba (vratila i
leajevi) i aktuatori sa svojim servo upravljanjem. Njihov zbirni uticaj se naziva krutou zgloba koja se
moe modelirati kao krutost opruge k . Zavisno od toga da li je zglob obrtni ili translatorni krutost k moe
biti torziona (ugaona) [ Nm / rad ] ili linearna [ N / m] . Za dalja razmatranja se uvodi i pojam popustljivosti
zgloba, c = 1 / k , koja predstavlja recipronu vrednost krutosti zgloba. S obzirom da na statiku popustljivost
robota najvei uticaj imaju rezultujue popustljivosti zglobova, razvijen je model statike popustljivosti
robota primenom principa virtuelnog rada i Jakobijan matrice [13,14] dat jednainom
C X () = J () C J T () (1)
gde C X () predstavlja matricu popustljivosti vrha robota u spoljanjim (Dekartovim) koordinatama, J ()
Jakobijan matricu robota i C matricu statike popustljivosti zglobova robota. Dijagonalni lanovi matrice
C X () predstavljaju direktne, dok nedijagonalni lanovi ove matrice predstavljaju indirektne popustljivosti
vrha robota. S obzirom da je C dijagonalna matrica popustljivosti zglobova, matrica statike popustljivosti
robota u Dekartovim koordinatama C X () , jednaina (1), se moe posmatrati kao suma matrica
popustljivosti koje potiu od svakog pojedinanog zgloba, odnosno
n
C X () = C X 1 (C 1 ) + ... + C Xn (Cn ) = C
i =1
Xi (C i ), n = 1,2,...,5 (2)
gde C Xi (Ci ) predstavlja matrini sabirak matrice statike popustljivosti robota, C X () , koji potie od
popustljivosti i -tog zgloba, Ci . Jednaina (2) daje uvid u uticaj statike popustljivosti svakog pojedinanog
zgloba na statiku popustljivost robota u Dekartovom prostoru. Ovaj pristup moe biti koristan za
proizvoae robota u fazi projektovanja odnosno ispitivanja prototipskih verzija robota kako bi se postigla
eljena krutost odnosno popustljivost zglobova robota. Takoe, ovaj pristup omoguava i analitiko
eksperimentalnu identifikaciju popustljivosti zglobova.
3. EKSPERIMENTALNO ANALITIKA IDENTIFIKACIJA REZULTUJUE POPUSTLJIVOSTI

ZGLOBOVA
Eksperimentalno analitiki pristup identifikacije rezultujue popustljivosti zglobova, prema [15,16],

obuhvata :
1. merenje pomeraja vrha robota x = [ x y z ]T izazvanih statikom silom F = [ Fx F y Fz ]T
u sva tri ortogonalna pravca,
2. izraunavanje direktnih i indirektnih popustljivosti robota u Dekartovom prostoru preko izmerenih
pomeraja x prema jednaini
C xx = x(Fx)/Fx C xy = x(Fy)/Fy C xz = x(Fz)/Fz
C yx = y(Fx)/Fx C yy = y(Fy)/Fy C yz = y(Fz)/Fz (3)
C zx = z(Fx)/Fx C zy = z(Fy)/Fy C zz = z(Fz)/Fz
3. formiranje sistema jednaina pomou izraunatih direktnih i indirektnih popustljivosti iz prethodnog
koraka i odgovarajuih elemenata matrice popustljivosti C X () iz jednaine (2) u kojima figuriu
traene popustljivosti zglobova, Ci , i = 1,2,...,5 ,
4. identifikaciju popustljivosti zglobova Ci , i = 1,2,...,5 , reavanjem formiranog sistema jednaina i
5. verifikaciju identifikovanih popustljivosti zglobova robota.
3.1 Merenje pomeraja vrha robota
Pomeraji vrha robota su mereni u est ravni od ravni z M = 400mm do ravni z M = 100mm . U svakoj
3.40
ravni je odreeno 15 mernih taaka. Ovo znai da je merenje vreno u 90 taaka u usvojenom radnom
prostoru. Pri merenju pomeraja u svih 90 taaka alat je bio upravan na ravan x M y M , odnosno A = 0 D i
B = 0 D . Zamisao izvoenja eksperimenta merenja pomeraja vrha robota je ematski pokazana na slici 1.
Primeri merenja pomeraja vrha robota u sva tri Dekartova pravca izazvanih statikom silom su pokazani na
slici 2.
Slika 1. ematski prikaz eksperimenta merenja Slika 2. Merenje pomeraja vrha robota u sva tri
pomeraja vrha robota Dekartova pravca
3.2 Izraunavanje direktnih i indirektnih popustljivosti robota u Dekartovom prostoru i formiranje

sistema jednaina
Na osnovu izmerenih pomeraja i jednaine (3) su izraunate direktne i indirektne popustljivosti vrha
robota u svih 90 taaka rasporeenih u usvojenom delu radnog prostora, a potom je formiran sistem
jednaina [15,16]. Na osnovu ovako eksperimentalno analitiki odreenih direktnih i indirektnih
popustljivosti robota se, razvijanjem jednaina (2), formira sistem od 9 jednaina sa pet nepoznatih Ci ,
i = 1,2,...,5 za svaku taku merenja u radnom prostoru. Kompletan formirani sistem se sastoji od 810
jednaina iz kojih se identifikuju popustljivosti zglobova Ci , i = 1,2,...,5 . Ovako izveden sistem jednaina
je preodreen. S obzirom da sistem jednaina pokriva celokupan usvojeni radni prostor, identifikacija
popustljivosti zglobova na ovaj nain omoguava adekvatno odreivanje popustljivosti zglobova u
Dekartovom prostoru.
3.3 Identifikacija popustljivosti zglobova
Iz ovako izvedenog sistema jednaina popustljivosti zglobova robota su identifikovane koristei

Matlab funkciju lsqcurvefit. Funkcija lsqcurvefit reava problem nelinearnog fitovanja krivih (fitovanja
podataka) metodom najmanjih kvadrata [13,15]. Izraunate popustljivosti zglobova su prikazane u tabeli 1.
Tabela 1. Identifikovane vrednosti popustljivosti zglobova robota

Zglob i 1 2 3 4 5
7
Popustljivost Ci [rad/Nm] 10 9.03 11.17 14.74 27.65 97.58
3.4 Verifikacija identifikovanih popustljivosti zglobova robota
Za verifikaciju identifikovanih popustljivosti zglobova, odnosno kompletno postavljenog modela

popustljivosti robota, uraeni su eksperimenti izrade ljeba u aluminijumu [16]. Cilj eksperimenata je bio da
se pri izradi ljeba izmeri statika sila koja deluje na alat i na osnovu izmerene sile i identifikovanih
popustljivosti zglobova izrauna pomeraj vrha robota, odnosno alata, koji bi se kasnije uporedio sa
izmerenom grekom izrade na ljebu. Kompletna instalacija za merenje sile i akviziciju podataka pokazana
3.41
je na slici 3. Jedan od eksperimenata je bio takav da je programirana linearna putanja alata bila u ravni
z M = 0mm dok se alat kretao u pozitivnom x M pravcu pri konstantnoj y M koordinati ( y M = 1300mm ).
Pri izvoenju eksperimenta merena je sila u pravcu upravnom na pravac kretanja, odnosno sila Fy , slika 4.
Na slici 5 je prikazana izmerena sila u y M pravcu, odnosno pravcu normalnom na pravac pomonog
kretanja alata. Pri merenju je signal filtriran sa frekvencijom od f c = 50 Hz . Kao to se moe videti sa slike 5
srednja vrednost merene sile, kao statike sile, je oko F ysr = 100 N . Nakon merenja sile rezanja u pravcu
upravnom na pravac kretanja, kao primer, je izraunat pomeraj vrha robota u taki x M = 0mm ,
y M = 1300mm i z M = 0mm , a na osnovu identifikovanih popustljivosti zglobova datih u tabeli 1.
Izraunata vrednost ovog pomeraja je 0.257 mm . ljeb dobijen obradom je pokazan na slici 6 sa koje se
moe videti da su greke obrade normalne na pravac pomonog kretanja du putanje alata priblino oko
0.3mm . Ove greke su odreene pomou mikroskopske kamere DigiMicro 2.0 Scale rezolucije 2Mpix i
uveanja do 200 puta. Na osnovu ovog jednostavnog eksperimenta se moe zakljuiti da su izraunati
pomeraji na osnovu izmerene sile rezanja i identifikovanih popustljivosti robota priblino jednaki izmerenim
grekama obrade na radnom predmetu.
Slika 4. Greka obrade u pravcu normalnom

na pravac kretanja
Slika 5. Izmerena sila u pravcu normalnom

na pravac kretanja
Slika 3. Eksperiment izrade ljeba glodanjem
Slika 6. Izmerena greka obrade u pravcu

normalnom na pravac pomonog kretanja
pri izradi ljeba
4. METOD KOMPENZACIJE GREAKA POLOAJA VRHA ALATA NASTALIH PRI OBRADI
ROBOTIMA
Polazei od postavljenog pristupa kinematikog modeliranja robota LOLA50 i na osnovu njega

razvijenog sistema upravljanja i programiranja u G-kodu, razmatrani su problemi modeliranja, analize i
identifikacije statike popustljivosti robota. Za ovako razvijen metod analize i identifikacije statike
popustljivosti robota kao i mogunosti da se robot za obradu programira u G-kodu u okviru ovih istraivanja
razvijen je metod kompenzacije greaka izazvanih silama rezanja [15,16]. Razvijeni metod je baziran na
3.42
mogunosti izraunavanja sila rezanja, postojeim modelima razvijenim u literaturi [17,18], na osnovu kojih
se izraunavaju statiki pomeraji vrha alata koji izazivaju greke obrade. Kompenzacija ovih greaka se vri
modifikacijom programirane putanje odnosno korekcijom G-koda. Korekcija G-koda se vri primenom
razvijenog algoritma za modifikaciju programiranog segmenta putanje uvoenjem pravila polovljenja
segmenta. Ovo pravilo je izvedeno analizom mogunosti modifikacije programiranog linearnog segmenta
koristei analogiju sa poznatim algoritmom koji se koristi kod nekih 5-osnih maina alatki zbog korekcije
greaka koje se javljaju pri linearnoj interpolaciji osa orijentacije u unutranjim koordinatama. Koncept
razvijenog metoda za off-line kompenzaciju greaka izazvanih silama rezanja je pokazan na slici 7. Neka je
programirana putanja alata za obradu pravougaonika opisana takama T1 do T4 u G-kodu. Unoenjem ovako
napisanog programa u upravljaki sistem robota vrh alat bi se, pod dejstvom sila rezanja, umesto da se kree
po programiranoj putanji kretao po stvarnoj putanji alata bez kompenzacije. Zamisao metoda kompenzacije
greaka je da se na osnovu programirane putanje alata i statikih pomeraja vrha alata generie modifikovana
putanja odnosno korigovani program. Unoenjem ovako korigovanog programa u upravljaki sistem robota
vrh alata bi se, pod dejstvom vektora sila rezanja, umesto da se kree po modifikovanoj putanji ustvari kretao
po stvarnoj putanji alata nakon kompenzacije, odnosno dovoljno blizu programirane putanje alata tj. u
unapred propisanim granicama, slika 7.
Slika 7. Koncept razvijenog off-line metoda kompenzacije
Algoritam za korekciju G-koda je dat na slici 8. Algoritam ita jednu po jednu liniju G-koda iz
programirane putanje alata. Svaka linija se analizira da bi se proverilo da li u njoj postoji G funkcija ili ne.
Ako postoji G funkcija onda se proverava da li se odnosi na linearnu ili krunu interpolaciju. Ako je G adresa
linearna interpolacija (G1) iz te linije se izdvaja jedna taka i zapisuje u bafer (meumemoriju) taaka. Ako
je G adresa kruna interpolacija (G2 ili G3) onda se ona prevodi u niz linearnih segmenata na osnovu
veliine koraka definisanog od strane korisnika. Nakon transformisanja krune interpolacije, NC taaka se
izdvaja iz linije programirane putanje i zapisuje u bafer taaka. Dalje se ita po jedna taka iz bafera i na
osnovu prethodne dve proitane take programirane putanje alata kompletiraju se podaci potrebni za
kreiranje i -tog segmenta. Tako formirani i -ti segment se zatim modifikuje u nekoliko novih segmenata koji
se pretvaraju u nove reenice G-koda, koje se zatim zapisuju u korigovani program. Nakon to su novi
segmenti, odnosno nove linije G-koda zapisane, proverava se da li je bafer taaka prazan. Ako bafer nije
prazan uitava se sledea taka iz bafera. Ukoliko je bafer prazan uitava se sledea linija iz programirane
putanje i itava procedura se ponavlja.
5. VERIFIKACIJA RAZVIJENOG METODA ZA KOMPENZACIJU GREAKA
U cilju verifikacije razvijenog off-line metoda za kompenzaciju greaka izazvanih silama rezanja, kroz
nekoliko eksperimenata obrada kontura na radnim predmetima od aluminijuma, prvo je napisan program za
korekciju G-koda [16]. Program je napisan u Matlab softverskom paketu. Za verifikaciju razvijenog off-line
metoda za kompenzaciju greaka nastalih pod dejstvom sila rezanja pri obradi robotima vreni su
eksperimenti obrade na test radnim delovima od aluminijuma. Da bi se prikazali efekti primene metoda za
kompenzaciju greaka vreni su eksperimenti obrade spoljanje konture sa i bez kompenzacije. Kako se pri
obradi spoljanje konture bez kompenzacije alat neeljeno udaljava od programirane konture usled statike
popustljivosti robota, to su prvo vrene obrade sa kompenzacijom, a zatim bez kompenzacije, slika 9, da bi
efekti primene razvijene metode za kompenzaciju greaka bili uoljivi. Obrade sa i bez kompenzacije su
3.43
vrene istim reimom obrade i istim dubinama i irinama glodanja tako da se kompenzovani deo greke
moe lako uoiti i izmeriti. Konturne obrade bez kompenzacije su vrene kretanjem alata po programiranoj
putanji u G-kodu, dok su konturne obrade sa kompenzacijom vrene kretanjem alata po modifikovanoj
putanji generisanoj primenom razvijenog off-line kompenzacionog metoda, odnosno kretanjem vretenastog
glodala putanjom definisanom korigovanim programom, slika 7. Na programirane putanje alata za obradu
spoljanjih kontura primenjen je razvijeni metod za off-line kompenzaciju greaka izazvanih silama rezanja.
Programirane putanje alata su modifikovane primenom razvijenog programa za korekciju G-koda. Na
osnovu ovako modifikovanih putanja softver generie korigovane programe u G-kodu. Kretanjem alata po
ovako korigovanim programima greke obrade bi trebale da budu u propisanim granicama, odnosno u okviru
definisane tolerancijske cevi, slike 7,8 i 10.
Slika 9. Plan eksperimenta obrade kontura sa i

bez kompenzacije
Slika 8. Algoritam za korekciju G-koda
Slika 10. Korigovani i nekorigovani programi za

obradu konture zarotiranog kvadrata na test
radnom delu
3.44
Rezultati obrade konture zarotiranog kvadrata sa i bez kompenzacije, slika 11, koristei korigovani
program sa slike 10(g) i nekorigovani program sa slike 10(a) su dati na slici 12.
Slika 11. Obrada konture zarotiranog kvadrata
Slika 12. Greke pri obradi konture zarotiranog

kvadrata
6. ZAKLJUAK
Dobijeni eksperimentalni rezultati su pokazali da se primenom razvijenog metoda kompenzacije

greaka moe ostvariti zadata tanost obrade u oekivanim granicama za robote, s obzirom da na greke
obrade takoe utiu i dinamika robota, krutost motornog vretena sa alatom, itd. Razvoj ovakvog metoda off-
line kompenzacije greaka obrade izazvanih silama rezanja kod robota koji se proramiraju u G-kodu stvara
realne pretpostavke za njihovu praktinu primenu. Razvijeni metod ne zahteva ulaganja u softver, adaptaciju
upravljakog sistema i nabavku senzora, a pri tom omoguava primenu postojeih CAD/CAM sistema za
programiranje 5-osnih maina alatki baziranih na G-kodu. Ovo znai da je direktno primenljiv od strane
programera i operatera koji imaju iskustva u CNC tehnologiji i programiranju u G-kodu.
7. LITERATURA
[1] E. Abele, M. Weigold, S. Rothenbucher (2007) Modeling and identification of an industrial robot for
machining applications, CIRP Annals- Manufacturing Technology, 56(1):387390. doi:
10.1016/j.cirp.2007.05.090.
[2] A. Klimchik, A. Pashkevich, D. Chablat, G. Hovland (2013) Compliance error compensation technique
for parallel robots composed of nonperfect serial chains, Robotics and Computer-Integrated
Manufacturing, 29(2):385393. doi: 10.1016/j.rcim.2012.09.008.
[3] C. Lehmann, M. Pellicciari, M. Drust, J. W. Gunnink (2013) Machining with Industrial Robots: The
COMET Project Approach, in: Robotics in Smart Manufacturing, editors: P. Neto, A.P. Moreira, 371:27-
36, Springer Berlin Heidelberg, Berlin.
[4] Z. Pan, H. Zhang (2008) Robotic machining from programming to process control: a complete solution
by force control, Industrial Robot: An International Journal, 35(5):400409. doi:
10.1108/01439910810893572.
3.45
[5] J. DePree, C. Gesswein (2008) Robotic machining white paper project-Halcyon Development, URL:
http://www.halcyondevelop.com/.
[6] W. Li, E. Red, G. Jensen, M. Evans (2007) Reconfigurable mechanisms for application control (RMAC):
applications, Computer-Aided Design and Applications, 4(1-4):549556.
[7] G. Alici, B. Shirinzadeh (2005) Enhanced stiffness modeling, identification and characterization for
robot manipulators, IEEE Trasanctions on Robotics, 21(4):554564. doi: 10.1109/TRO.2004.842347.
[8] D. Milutinovic, M. Glavonjic, N. Slavkovic, Z. Dimic, S. Zivanovic, B. Kokotovic, L. Tanovic (2011)
Reconfigurable robotic machining system controlled and programmed in a machine tool manner, The
International Journal of Advanced Manufacturing Technology, 53(9-12):12171229. doi:
10.1007/s00170-010-2888-8.
[9] D. Milutinovi, M. Glavonji, N. Slavkovi, Z. Dimi, B. Kokotovi, S. ivanovi (2010)
Rekonfigurabilni obradni sistem na bazi robota za vieosnu obradu delova veih gabarita sa sloenim
estetskim i funkcionalnim povrinama od mekih materijala srednje i nie klase tanosti, Tehniko
reenje, Univerzitet u Beogradu, Mainski fakultet, Beograd.
[10] M. Stelzer, O. Von Stryk, E. Abele, J. Bauer, M. Weigold (2008) High speed cutting with industrial
robots: towards model based compensation of deviations, Proceedings of Robotik, 143146, Munich,
Germany.
[11] C. Lehmann, M. Halbauer, D. Euhus, D. Overbeck (2012) Milling with industrial robots: Strategies to
reduce and compensate process force induced accuracy influences, Emerging Technologies & Factory
Automation (ETFA), 17th Conference on IEEE, 14, IEEE.
[12] C. K. Toh (2004) Static and dynamic cutting force analysis when high speed rough milling hardened
steel, Materials and design, 25(1):4150.
[13] N. Slavkovic, D. Milutinovic, B. Kokotovic, M. Glavonjic, S. Zivanovic, K. Ehmann (2013) Cartesian
Compliance Identification and Analysis of an Articulated Machining Robot, FME Transactions,
41(2):8395.
[14] N. Slavkovic, S. Zivanovic, D. Milutinovic, M. Glavonjic (2012) Compliance Analysis of an
Articulated Machining Robot, Strojarstvo: Journal for Theory and Application in Mechanical
Engineering, 54(3):229-235, ISSN 0562-1887.
[15] N. Slavkovic, D. Milutinovic, M. Glavonjic (2014) A method for off-line compensation of cutting
force-induced errors in robotic machining by tool path modification, The International Journal of
Advanced Manufacturing Technology, 70(9-12):20832096. doi: 10.1007/s00170-013-5421-z.
[16] Identifikacija, modeliranje i kompenzacija greaka usled statike popustljivosti robota za obradu
(2015) Doktorska disertacija, Univerzitet u Beogradu, Mainski fakultet, Beograd.
[17] Y. Altintas (2000) Manufacturing automation: metal cutting mechanics, machine tool vibrations and
CNC design, Cambridge University Press, Cambridge.
[18] E. Budak (2006) Analytical models for high performance milling. PartI: cutting forces, structural
deformations, and tolerance integrity, International journal of machine tools and manufacture, 46(12-
13):14781488. doi: 10.1016/j.ijmachtools.2005.09.009.
Slavkovic, N., Milutinovic, D., Zivanovic, S.
METHOD FOR COMPENSATION OF CUTTING FORCE-INDUCED

ERRORS IN ROBOTIC MACHINING
Abstract: This paper presents the part of the results in the field of development of robotic machining systems.
This paper presents a developed method for compensation of cutting force-induced errors due to machining
robot static compliance. The method has been verified through several experiments of contour machining,
with and without error compensation, at the aluminum test parts.
Key words: multi-axis robotic machining, robot compliance, error compensation.
3.46
konferencija

1)

PARALELNOG MEHANIZMA MOMA2)
Rezime
U ovom radu je analiziran radni prostor dvoosnog paralelnog mehanizam MOMA. Razmatrani mehanizam
je rekonfigurabilan, a u samom radu su prikazane neke od moguih konfiguracija mehanizma koje je mogue
realizovati. Za mehanizam MOMA su izvedene jednaine koje predstavljaju reenja geometrijskih problema.
Jednaine su generalizovane i vae za svaku moguu konfiguraciju paralelnog mehanizma MOMA. Dobijene
jednaine se koriste za dalje analize paralelnog mehanizma. U okviru ovoga rada, jednaine su koriene za
analizu radnog prostora razliitih konfiguracija paralelnog mehanizma i to primenom jednaina inverznog
geometrijskog problema i primenom jednaina direktnog geometrijskog problema.
Kljune rei: Paralelni mehanizam, rekonfigurabilni mehanizam, inverzni i direktni geometrijski problem,
radni prostor
1. UVOD
Maine alatke postoje da bi se koristile za neku transformaciju kretanja primenjenog mehanizma radi
obavljanja nekog planiranog zadatka obrade. Svaka maina alatka sadri i mehanizam koji je u ovom radu sa
paralelnom kinematikom. Kada mehanizam maine ima paralelnu kinematiku, tada su oblik i veliina radnog
prostora slabost veine takvih maina, pa je analiza i odreivanje radnog prostora ovakvih maina vrlo bitan
projektni zadatak, to je i predmet ovog rada. Oblik radnog prostora posledica su koncepcije mehanizma, a
njegove mere mogu biti naknadno podeavane pomou parametara mehanizma, a da se ne otvara posebno
problem generalne sinteze paralelnog mehanizma. Mehanizmi sa paralelnom kinematikom su iskazali niz
prednosti u odnosu na serijske mehanizme te su predmet mnogih istraivanja [1-6]. Kod maina alatki sa
paralelnim mehanizmom, geometrija mehanizma utie na: oblik i veliinu radnog prostora, postojanje
singulariteta, krutost mehanizma, pokretljivost mehanizma, itd. Promenom geometrije paralelnog mehanizma
se znaajno utie na navedene karakteristike.
Posebnu grupu mehanizama ine rekonfigurabilni mehanizmi kojima se lako, brzo i bez dodatnih
trokova moe promeniti konfiguracija [7]. Karakteristika rekonfigurabilnih sistema je mogunost
prilagoavanja trenutnim potrebama na ekonomski prihvatljiv nain [8]. U ovu grupu mehanizama se
svrstava i dvoosni paralelni mehanizam MOMA (Modularna Maina Alatka) otvorene arhitekture
upravljanja, koja je predmet razmatranja u ovom radu. Maina MOMA je rekonfigurabilna i omoguava
rekonfigurisanje i hardverskog i softverskog sistema. Razmatrani rekonfigurabilni dvoosni paralelni
mehanizam MOMA (slika1) se moe prepoznati u sledeim primerima: (i) horizontalnom obradnom centru
Trijoint[1] koji sadri dvoosni paralelni mehanizam; (ii) paralelnom mehanizmu sa dva paralelograma [2];
(iii) maini za troosnu obradu sa dvoosnim paralelnim mehanizmom i dodatom serijskom osom [3]; (iv)
redudantnom paralelnom ravanskom mehanizmu sa tri stepena slobode [4]. Razmatrani mehanizam je nastao
uoptavanjem paralelnog mehanizma 2D TeMoPaM (Tehnoloki Modul sa Paralelnim Mehanizmom) koji je
pokazan u radovima [5] i [6].
U okviru rada je dat opis rekonfigurabilnog dvoosnog paralelnog mehanizma MOMA i postavljen opti
geometrijski model na osnovu koga su reeni inverzni geometrijski problem (IGP) i direktni geometrijski
1)
Vasili Goran, dipl.ma.in, student doktorskih studija, Univerzitet u Beogradu, Mainski fakultet, (goran.v.vasilic@gmail.com),
prof dr Saa ivanovi, Univerzitet u Beogradu, Mainski fakultet, (szivanovic@mas.bg.ac.rs)
2)
U okviru ovog rada saoptavaju se rezultati istraivanja koja su realizovana na projektu koji finansijski podrava Ministarstvo za
prosvetu, nauku i tehnoloki razvoj Vlade Republike Srbije.
3.47
problem (DGP), ija su reenja data u optem obliku. Reenja vae za sve konfiguracije paralelnog
mehanizma koje se mogu realizovati po Korani
uspostavljenom programu gradnje [9] i uz motor 1 Korani
odgovarajue parametre koji definiu motor 2
geometriju paralelnog mehanizma. Izvedene Voica 1
jednaine se koriste za konfigurisanje Kliza 1 Voica 2
upravljakog softvera otvorene arhitekture Kliza 2
na PC Linux platformi i EMC2 softveru Spojka 1
[10,11]. Osim za konfigurisanje upravljanja
za paralelni mehanizam, izvedene opte Navojnovreteno 1
jednaine IGP-a i DGP-a se koriste za
analizu paralelnog mehanizma, a u ovom
radu su iskoriene za analizu radnog Spojka 2
prostora razliitih konfiguracija paralelnog Navojno
mehanizma MOMA. Takoe, izvedene vreteno 2
jednaine se koriste i za druge analize prema Baza PM
Platforma PM
kojima se na osnovu nekog od kriterijuma
dobija optimalna konfiguracija za
postavljene zahteve, na primer optimalna Slika 1.CAD model jedne konfiguracije rekonfigurabilnog
duina spojki paralelnog mehanizma [12]. dvoosnog paralelnog mehanizma MOMA
2. OPIS REKONFIGURABILNOG DVOOSNOG PARALELNOG MEHANIZMA MOMA
Rekonfigurabilni paralelni mehanizam MOMA je ravanski paralelni mehanizam sa dva stepena slobode.
CAD model rekonfigurablnog paralelnog mehanizma MOMA je prikazan na slici 1. Pogonske ose paralelnog
mehanizma su translatorne i svaku od osa ine po jedan korani motor, zavojno vreteno i voica. Pogonske
ose obezbeuju translatorno kretanje klizaa du voica. Za svaki od klizaa je vezana po jedna spojka
konstantne duine pomou obrtnog zgloba. Spojke paralelnog mehanizma su takoe meusobno povezane
obrtnim zglobom. Zglobna veza izmeu spojki predstavlja platformu paralelnog mehanizma ije se kretanje
ostvaruje pomeranjem dva klizaa du voica.
Paralelni mehanizam MOMA je modularnog tipa i svaki od modula predstavlja jedan podsklop
celokupnog sklopa mehanizma. Moduli od kojih je sainjen paralelni mehanizam su: baza paralelnog
mehanizma; sklopovi pogonskih osa koju ine korani motori, voice i zavojna vretena i sklopovi spojki sa
obrtnim zglobovima. Ovakav nain gradnje omoguava brzo i jednostavno rekonfigurisanje, odnosno
zamenu pojedinih modula kao i promenu geometrije paralelnog mehanizma promenom poloaja jednog
modula paralelnog mehanizma u odnosu na bazu. U ovome se ogleda hardverska rekonfigurabilnost
dvoosnog paralelnog mehanizma MOMA te se konfiguracija mehanizma moe prilagoditi razliitim
potrebama.
Konfiguracije paralelnog mehanizma MOMA se meusobno razlikuju po orijentaciji voica odreenih
uglovima 1 i 2 prikazanih na slici 2 i po duinama spojki l1 i l2. Uglovi orjentacija spojki su definisani
preko pomonih uglova i iznose =3/2+i pri emu uglovi i mogu imati vrednosti i= 0, i= +5 i
i= -5. Rekonfigurisanjem paralelnog mehanizma promenom orijentacije pogonskih osa, cela pogonska
osa sa svojim sastavnim elementima rotira oko referentne take Ri (slika 2) za ugao i. Po ovom principu se
realizuju konfiguracije sa slike 2a, b, e i f. Promenom baze paralelnog mehanizma realizuju se konfiguracije
sa slike 2c i d. Duine spojki paralelnog mehanizma mogu imati vrednosti li=180 [mm], li=195 [mm] i li=250
[mm]. Programom gradnje je definisana svaka mogua konfiguracija paralelnog mehanizma, a konfiguracije
su prema geometriji mehanizma podeljene u pet tipova i to:
MOMA M1 Pogonske ose su meusobno paralelne a pomoni uglovi orijentacije osa mogu imati
vrednosti 1=2= 0 (slika 2a), 1=2= -5 (slika 2b) i 1=2= +5;
MOMA M2 Pogonske ose su paralelne osama koordinatnog sistema Oxy pri emu se platforma
paralelnog mehanizma nalazi u I kvadrantu koordinatnog sistema Oxy (slika 2c);
MOMA M3 Pogonske ose su paralelne osama koordinatnog sistema Oxy pri emu se platforma
paralelnog mehanizma nalazi u III kvadrantu koordinatnog sistema Oxy (slika 2d);
MOMA M4 Konfiguracija kod koje se pogonske ose razilaze (slika 2e). Mehanizam se moe
konfigurisati u tri varijante i to: i) 1= -5 2= +5, ii) 1= 0 2= +5, iii) 1= -5 2= 0;
3.48
MOMA M5 Konfiguracija kod koje se pogonske ose sueljavaju (slika 2f). Mehanizam se moe
konfigurisati u tri varijante i to: i) 1= +5 2= -5, ii) 1= 0 2= -5, iii) 1= +5 2= 0;
y
y
x
x
a1 a2 R2
a1 a2 R2 R1
R1 p2 p1 p2
p1
g1 g2
a) b)
y y
y
o
a2=0
o a1=0
p1
a2
p2
a1
R1 x R2
R2 R1
p2 p1 x
c) d)
y y
x
a1 a2 x a1 a2
R1 R2 R1 R2
p1 p2 p1 p2
g1 g2 g1 g2
e) f)
Slika 2. Osnovne konfiguracije rekonfigurabilnog dvoosnog paralelnog mehanizma MOMA
3. GEOMETRIJSKI MODEL I REAVANJE GEOMETRIJSKIH PROBLEMA DVOOSNOG

PARALELNOG MEHANIZMA MOMA
yB
{B} Kako je dvoosni paralelni mehanizam
OB xB MOMA rekonfigurabilan, od znaaja je
B
p R1 pR
B
formirati opti geometrijski model kojim se
a1
2
a2 moe opisati bilo koja konfiguracija paralelnog
R1 mehanizma uz odgovarajue vrednosti
R2
odreenih geometrijskih veliina. Na osnovu
uoptenog geometrijskog modela dobijaju se i
a1
B
pOP
B
a2 opta reenja geometrijskih problema
B
k2 w2
B (inverznog i direktnog) paralelnog mehanizma.
k1 w1
B
p1 a1
B
Dobijena opta reenja geometrijskih problema
Z1 p2Ba2 uz odreene vrednosti geometrijskih veliina se
koriste za analizu radnog prostora bilo koje
konfiguracije ali i za formiranje upravljanja
z1
B
paralelnog mehanizma [11]. Opti geometrijski
Z2
yP model rekonfigurabilnog paralelnog
l2 z2
B
mehanizma MOMA je prikazan na slici 3.
l1 z1 z2
B B
Prema slici 3, za geometrijski model

g1 rekonfigurabilnog paralelnog mehanizma
xP g2 MOMA je definisan nepokretni koordinatni
OP {P} sistem {B} vezan za bazu mehanizma kao i
Slika 3. Geometrijski model rekonfigurabilnog dvoosnog pokretni koordinatni sistem {P} vezan za
paralelnog mehanizma MOMA platformu mehanizma. Uvedene veliine
prikazane na slici 3 su:
3.49
B
pRi = [xRi yRi]T vektori poloaja referentnih taaka Ri u odnosu na nepokretni koordinatni sistem
{B};
B
pOP = [xP yP]T vektori poloaja platforme paralelnog P u odnosu na nepokretni koordinatni sistem
{B};
B
ai = [axi ayi]T jedinini vektori koji odreuju orijentaciju voica paralelnog mehanizma;
piBai vektori unutranjih koordinata, dok je pi skalarna veliina kontrolisana aktuatorima;
liBzi vektori odreeni pozicijom, orijentacijom i duinom spojki. Vektori zi su jedinini vektori i
odreeni su orijentacijom spojki;
kiBwi vektori koji definiu poziciju platforme paralelnog mehanizma u odnosu na referentne take
Ri.
Za dalju analizu a prema geometrijskom modelu sa slike 3 formiraju se sledee vektorske jednaine:
ki B wi = B pOP B pRi (1)
li B zi = ki B wi pi ai (2)
Kvadriranjem jednaine (2) se potom od tako dobijene jednaine formira implicitna jednaina koja je oblika:
( )
ai ki B wi + ( ki B wi ) li2 = 0
2
pi2 2 pi B
(3)
2.1 Reenje inverznog geometrijskog problema
Reavanjem kvadratne jednaine (3) po unutranjim koordinatama pi, dobija se sledea jednaina:
( ) ( ) ( ki B wi )
2 2
pi = B
ai ki B wi B
ai ki B wi + li2 (4)
na osnovu koje se nakon zamene poznatih veliina dobija:
pi = Bi Bi2 Ci , (i = 1, 2), (5)

pri emu su uvedene sledee smene:
Bi = axi ( xP xRi ) + a yi ( yP yRi )
(i = 1, 2), (6)
Ci = ( xP xRi ) + ( yP yRi ) li2 ,
2 2
Koristei jednainu (5) na osnovu poznate geometrije dvoosnog paralelnog mehanizma MOMA, za zadate
vrednosti spoljanjih koordinata xP i yP se izraunavaju vrednosti unutranjih koordinata p1 i p2, pa samim
time jednaina (5) predstavlja reenje inverznog geometrijskog problema za svaku konfiguraciju
rekonfigurabilnog dvoosnog paralelnog mehanizma MOMA.
2.2 Reenje direktnog geometrijskog problema
Zamenom parametara paralelnog mehanizma u jednainu (3), dobijaju se sledee jednaine:
p12 2 p1 ax1 ( xP xR1 ) + a y1 ( yP yR1 ) +

(7)
+ ( xP xR1 ) + ( yP yR1 ) l12 = 0
2 2
p22 2 p2 ax 2 ( xP xR 2 ) + a y 2 ( yP yR 2 ) +
(8)
+ ( xP xR 2 ) + ( yP yR 2 ) l22 = 0
2 2
Reavanjem sistema jednaina (7) i (8) po spoljanjim koordinatama xP i yP se dobijaju jednaine (9) i
(10). U jednainama (9) i (10) figuriu veliine koje opisuju geometriju paralelnog mehanizma ali i
unutranje koordinate pi (i=1,2). Samim time se na osnovu poznatih unutranjih koordinata pi mogu
izraunati vrednosti spoljanjih koordinata xP i yP pa izvedene jednaine (9) i (10) predstavljaju reenja
direktnog geometrijskog problema rekonfigurabilnog dvoosnog paralelnog mehanizma MOMA.
3.50
xP = v7 + yP v8 (9)
v10 v 4v9 v11
2
yP = 10
(10)
2v9
U jednaini (10) umesto dvoznaka '''' koristi se znak ''+'' za konfiguraciju paralelnog mehanizma sa slike
2c, dok se znak ''-'' koristi za sve ostale konfiguracije sa slike 2. Smene koje figuriu u jednainama koje
predstavljaju reenje direktnog geometrijskog problema su date grupom jednaina (11) i (12).
v1 = 2( p1ax1 + x R1 )
v2 = 2( p1a y1 + yR1 ) v7 = ( v6 v3 ) ( v4 v1 )
v8 = ( v2 v5 ) ( v4 v1 )
v3 = p12 + 2 p1 ( ax1 xR1 + a y1 yR1 ) l12 + xR21 + yR21
(11) v9 = 1 + v82 (12)
v4 = 2( p2 ax 2 + x R 2 )
v10 = 2v7 v8 v1v8 v2
v5 = 2( p2 a y 2 + yR 2 )
v11 = v72 v1v7 + v3
v 6 = p + 2 p2 ( a x 2 x R 2 + a y 2 y R 2 ) l + x + y
2
2
2
2
2
R2
2
R2
4. ANALIZA RADNOG PROSTORA DVOOSNOG PARALELNOG MEHANIZMA MOMA
Prethodno izvedene jednaine se koriste za sve analize paralelnog mehanizma pa samim time i za analizu
radnog prostora. Pri analizi radnog prostora, koriste se ili jednaine koje predstavljaju reenje direktnog
geometrijskog problema ili jednaine koje predstavljaju reenje inverznog geometrijskog problema. I jedan i
drugi pristup imaju svoje prednosti i mane a za razliite konfiguracije dvoosnog paralelnog mehanizma
MOMA e biti primenjena oba pristupa.
4.1 Analiza radnog prostora primenom jednaina direktnog geometrijskog problema
xRi, yRi, li, hmax,i, ai Koristei jednaine (9) i (10) sa odgovarajuim smenama
i=1,2 (11)-(12) i parametrima koji definiu geometriju paralelnog
mehanizma, izraunava se pozicija platforme mehanizma u
j=0 koordinatnom sistemu {B} za sve vrednosti unutranjih
koordinata pi. Skup taaka koje imaju koordinate (xPj,yPj)
p1= 0 - hmax,1
predstavlja dostizivi radni prostor mehanizma. Algoritam kojim
p2= 0 - hmax,2 se odreuje radni prostor na osnovu jednaina direktnog
geometrijskog problema je prikazan na slici 4.
j=j+1
Ova metoda nije iterativna tako da se sa njom ne vre
jednaine DGP-a: prekomerna i bespotrebna izraunavanja pa se u ovome i
xP(j)= xP(p1,p2) ogleda njena prednost. Bitan nedostatak ove metode je taj to se
yP(j)=yP(p1,p2) kod sloenijih mehanizama ne moe doi do analitikog reenja
direktnog geometrijskog problema pa odreivanje radnog
prostora ovim pristupom postaje znatno sloenije. Koristei
plot [xP(j);yP(j)] ovu metodu odreeni su radni prostori za konfiguracije
paralelnog mehanizma sa slike 2a, c i d. Za sve tri
konfiguracije, maksimalni hod pogonskih osa iznosi hmax=200
Slika 4. Algoritam za odreivanje [mm], duine spojki su l1=l2=250 [mm]. Ostali geometrijski
radnog prostora paralelnog mehanizma parametri za navedene konfiguracije su: 1=2=3/2 ,
koristei jednaine DGP-a yR1=yR2=0 [mm], xR1= -100[mm] i xR2=100 [mm] za
konfiguraciju sa slike 2a; 1= /2, 2=0, xR1=yR2=50 [mm],
yR1=xR2=0 [mm] za konfiguraciju sa slike 2c; 1= 0, 2=/2 , xR1=yR2=50 [mm], yR1=xR2=0 [mm] za
konfiguraciju sa slike 2d. Radni prostori dvoosnog paralelnog mehanizma MOMA odreeni ovom metodom
su prikazani na slikama 5, 6 i 7 i to za konfiguracije mehanizma MOMA M1, MOMA M2 i MOMA M3,
respektivno.
3.51
250 250
0
200
200 150
-100
100
150
yP [mm]
yP [mm]
yP [mm]
-200 50
0
100
-300 -50
50 -100
-400 -150
-200 -100 0 100 200 0 -200
0 50 100 150 200 250 -200 -100 0 100 200 300
xP [mm] xP [mm] xP [mm]
Slika 5. Radni prostor dvoosnog Slika 6. Radni prostor dvoosnog Slika 7. Radni prostor dvoosnog
paralelnog mehanizma paralelnog mehanizma paralelnog mehanizma
konfiguracije MOMA M1 konfiguracije MOMA M2 konfiguracije MOMA M3
xRi, yRi, li, hmax,i, ai 4.2 Analiza radnog prostora primenom jednaina
i=1,2 inevrznog geometrijskog problema
j=0
Analiza radnog prostora paralelnog mehanizma MOMA
q1=q1,min - q1,max
primenom jednaina inverznog geometrijskog problema je
q2=q2,min - q2,max iterativna metoda. Za svaku taku dela ispitivanog prostora se
xP,A=xP,A(q1,q2) izraunavaju vrednosti unutranjih koordinata na osnovu
yP,A=yP,A(q1,q2) jednaine (5) i odgovarajuih smena (6). Ukoliko za odreenu
jednaine IGP-a:
taku postoje realna reenja za obe unutranje koordinate pi,
p1,A=p1,A(q1; q2)=p1,A(xP,A;yP,A) pri emu je ispunjen uslov 0pihmaxi, taka je deo
p2,A=p2,A(q1; q2)=p2,A(xP,A;yP,A) dostizivog radnog prostora paralelnog mehanizma. U
p1,rX R ; p2,rX R
suprotnom, taka ne pripada radnom prostoru paralelnog
Ne mehanizma. Na slici 8 je prikazan algoritam po kome se
0 p1,A hmax1 odreuje radni prostor po opisanoj metodi. Prema algoritmu,
0 p2,A hmax2
koordinate taaka xP,A i yP,A u nepokretnom koordinatnom
Da
sistemu {B} su odreene koordinatama q1 i q2 koje mogu
j=j+1
biti ili Dekartove ili polarne koordinate. Za analizu radnog
p1(j)=p1,A ; p2(j)=p2,A prostora paralelnog mehanizma MOMA su koriene i
xP(j)=xP,A ; yP(j)=yP,A
polarne koordinate, slike 9, 10 i 11a i Dekartove koordinate,
slika 11b.
Na slikama 9, 10 i 11 su prikazani radni prostori dvoosnog
plot [xP(j);yP(j)] paralelnog mehanizma MOMA odreeni ovom metodom i to
za konfiguracije MOMA M1, MOMA M4 i MOMA M5,
Slika 8. Algoritam za odreivanje radnog respektivno. Geometrijski parametri koji definiu navedene
prostora primenom izvedenih jednaina konfiguracije su: xR1=-100 [mm], xR2=100 [mm], yR1=yR2=0
inverznog geometrijskog problema [mm] za sve tri konfiguracije paralelnog mehanizma;
1= 2=3/25 za konfiguraciju M1; 1=3/25 i 2=3/2+5 za konfiguraciju M4; 1=3/2+5 i
2=3/25 za konfiguraciju M5. Za sve tri analizirane konfiguracije duine spojki su l1=l2=195 [mm].
0 0
-100 -100
yP [mm]
yP [mm]
-200 -200
-300 -300
-200 -100 0 100 200

-200 -100 0 100 200
xP [mm]
xP [mm]
Slika 9. Radni prostor dvoosnog paralelnog Slika 10. Radni prostor dvoosnog paralelnog
3.52
mehanizma konfiguracije MOMA M1 mehanizma konfiguracije MOMA M4
0 0
-100 -100
yP [mm]
yP [mm]
-200 -200
-300 -300
-200 -100 0 100 200 -200 -100 0 100 200

xP [mm] xP [mm]
a) Odreivanje radnog prostora primenom b) Odreivanje radnog prostora primenom
polarnih koordinata Dekartovih koordinata
Slika 11. Radni prostor dvoosnog paralelnog mehanizma konfiguracije MOMA M5
Za odreivanje radnog prostora razliitih konfiguracija dvoosnog paralelnog mehanizma MOMA prema
algoritmima prikazanim na slikama 4 i 8, korien je Matlab programski paket. Na slikama 5 do 7, i
slikama 9 do 11, crvenom bojom je oznaen raunski dobijen radni prostor paralelnog mehanizma. Meutim
zbog geometrije mehanizma i konanih vrednosti dimenzija sastavnih delova mehanizma, platforma se ne
moe nai u svakoj taki dostizivog radnog prostora. Iz tog razloga se za pojedine konfiguracije realni
dostizivi radni prostor razlikuje od proraunskog radnog prostora. Realni radni prostor je na svim slikama
uokviren crnom bojom, a na slikama 5, 7 i 11 se primeuje razlika izmeu proraunskog i realnog radnog
prostora.
Kako je u radu i pokazano, opte jednaine IGP-a i DGP-a su uz opisane metode koriene za analizu
radnog prostora pojedinih konfiguracija paralelnog mehanizma. Osim oblika i veliine radnog prostora, na
osnovu grafiki prikazanih rezultata se donosi zakljuak kako se uz odreene vrednosti parametara
paralelnog mehanizma fiziki eliminiu odreeni delovi radnog prostora. Kombinacijom analize radnog
prostora sa drugim analizama (odreivanje Jakobijan matrice, odreivanje singulariteta, optimizacija
paralelnog mehanizma...) dolazi se do optimalne konfiguracije koja treba da ispunjava postavljene zahteve,
to je ve razmatrano u prethodnim radovima [12, 13].
5. ZAKLJUAK
Cilj ovoga rada je bio da prikae neke od moguih analitikih naina za odreivanje radnog prostora
dvoosnog rekonfigurabilnog paralelnog mehanizma MOMA primenom reenja DGP i IGP, iako je za
razmatrane mehanizme radni prostor mogue jednostavnije odrediti i geometrijski. Za razmatrani
rekonfigurabilni paralelni mehanizam postoji veliki broj moguih konfiguracija za koje je pripremljeno opte
reenje IGP i DGP, pa se na bazi optih modela dobijaju i adekvatni radni prostori jednostavnom promenom
parametara mehanizma, ime se njihovo odreivanje maksimalno pojednostavljuje i automatizuje.
U daljoj realizaciji ove teme planira se koncepcijsko projektovanje jedne klase kompleksnih maina alatki
sa osobinama rekonfigurabilnosti i multifunkcionalnosti, u cilju dobijanja stone edukacione maine alatke za
rad sa studentima, koja bi bila koriena za edukaciju u: konfigurisanju maina, konfigurisanju upravljanja, i
programiranju. Planira se razvoj stonih maina sa paralelnom i/ili hibridnom kinematikom, a koje u sebi
sadre bar jedan dvoosni rekonfigurabilni paralelni mehanizam MOMA, kao i nadogradnja ovog mehanizma
na troosni mehanizam dodavanjem jedne ili vie serijskih osa.
6. LITERATURA
[1] ika Z., Hamrle V., Valek M., Bene P.: Calibrability as additional design criterion of parallel
kinematic machines, Mechanism and Machine Theory, Vol. 50, p.48-63, 2012.
[2] Jinson W., Tiemin L., Liping W.: Dynamic analysis of the 2-DOF planar parallel manipulator of a
heavy duty hybrid machine tool, The International Journal of Advanced Manufacturing Technology,
Vol. 34, p. 413-420, 2007.
3.53
[3] Hanrath G., Stengele B.: Machine tool for triaxial machining of workpieces. United States Patent. Patent
number: 6,328,510. Date of Patent: dec. 11. 2001.
[4] Jun W., Jinson W., Liping W.: Optimal Kinematic Design and Application of a Redudantly Actuated
3DOF planar Parallel Manipulator, Journal of Mechanical design, Vol 13, 2008.
[5] ivanovi S., Glavonji M.: Edukaciona 2D paralelna maina alatka kao tehnoloki modul, 26.
JUPITER konferencija, 22. simpozijum NU - Roboti - FTS, Zbornik radova, str. 3.247-3.254, Mainski
[6] ivanovi S.: Parallel Kinematic Machines, International Journal of Production Engineering and
Computers, Vol. 3, No. 3, p.49-54, 2000.
[7] Mehrabi M.G., Ulsoy A.G., Koren Y.: Reconfigurable Manufacturing Systems and Their Enabling
Technologies, Int.J.of Manufacturing Technology and Management, Vol.1, No.1 pp.114-131, 2000.
[8] Landers G., Mid K., Koren Y.: Reconfigurable Machine Tools, CIRP Annals - Manufacturing
Technology, Vol. 50, No.1, pp. 269-274, 2001.
[9] ivanovi S., Vasili G., Variants of configuring the 2-axis reconfigurable parallel mechanism -
MOMA, Proceedings of 2nd International Scientific Conference Conference on Mechanical Engineering
Technologies and Applications COMETa 2014, pp.33-40, University of East Sarajevo, Faculty of
Mechanical Engineering, Jahorina, B&H, Republic of Srpska, 2-5. December 2014.
[10] LinuxCNC, EMC's webpage, http://www.linuxcnc.org/, april, 2015.
[11] ivanovi S., Glavonji M., Kokotovi B., Dimi Z.: Stona dvoosna rekonfigurabilna maina sa
paralelnom kinematikom MOMA, Tehniko reenje (Novi laboratorijski proizvod, 82), Univerzitet u
Beogradu, Mainski fakultet, 2014.
[12] Vasili G., ivanovi S., Kokotovi B., Glavonji M.: Optimizacija duina spojki dvoosnog
rekonfigurabilnog paralelnog mehanizma - MOMA, 39. JUPITER konferenencija, 35. simpozijum NU-
Roboti-FTS, Zbornik radova, ISBN 978-86-7083-838-3, str. 3.28-3.35, Univerzitet u Beogradu,
Mainski fakultet, Beograd, oktobar 2014.
[13] Vasili G., ivanovi S.: Modeliranje i analiza rekonfigurabilnog dvoosnog paralelnog mehanizma
MOMA sa osnaenim translatornim zglobovima, TEHNIKA: asopis saveza inenjera i tehniara
Srbije, Tehnika-Mainstvo, Broj 1, str. 57-63, 2016.
Vasilic, G., Zivanovic, S.
WORKSPACE ANALYSIS OF RECONFIGURABLE 2-DOF PARALLEL MECHANISM

MOMA
Abstract: This paper analyzes the workspace of 2 DOF parallel mechanism MOMA. The mechanism can be
reconfigured, and the paper shows some of the possible configurations of the mechanism that can be
implemented. For mechanism MOMA presents the equations that represent the solution of geometric
problems. The equations are generalized and can be used to every possible configuration of parallel
mechanism MOMA. The governing equations are used for further analysis of parallel mechanisms. In this
paper, equations were used for the analysis of working space for different configurations of parallel
mechanisms and applying the equation of inverse geometric problems and applying equations using direct
geometrical problem.
Key words: parallel mechanism, reconfigurable mechanism, inverse and direct geometric problem,
workspace
3.54
konferencija

1)

OBRADE 2)
Rezime
U radu su pokazane koncepcije rekonfigurabilnih maina alatki, kao maina sa serijskom i kao maina sa
hibridnom kiematikom. Razmatrani su metodi za njihova programiranja na bazi G koda (ISO 6983) i novog
metoda programiranja na bazi STEP-NC standarda (ISO10303, ISO14649). Pripremljena su i pokazana
okruenja za off-line programiranje u izabranom CAD/CAM sistemu (u G kodu) i softveru STEP-NC
Machine za novi metod programiranja na bazi STEP-NC programa. Za oba okruenja su realizovani
virtuelni modeli razmatranih stonih rekonfigurabilnih maina alatki za potrebe simulacije rada maina po
zadatom programu u okruenju za programiranje.
Kljune rei: CAD/CAM, STEP-NC, rekonfigurabilna maina alatka
1. UVOD
Istraivanja multifunkcionlnih i rekonfigurabilnih maina alatki su intenzivna i imaju dosta kompletiranih
rezultata [1-5]. Predmet ovog rada je konfigurisanje i metodi programiranja za familiju stonih
rekonfigurabilnih maina alatki sa serijskom i hibridnom kinematikom iji je razvoj tema na projektu Razvoj
nove generacije domaih obradnih sistema TR35022 [6,7]. Za realizaciju multifunkcionalnih i
rekonfigurabilnih maina alatki ovde je uspostavljen sistem sastavnih elemenata pomou kojeg se moe
konfigurisati vie razliitih maina. Svaka od razmatranih maina se moe konfigurisati na osnovu
raspoloive baze modula, ime se kompletira struktura maine alatke. Osnovni deo strukture maine alatke
ine: nosea struktura, pogoni, prenosnici, aktuatori, upravljanje i programiranje. Tokom rada na temi
Multifunkcionalna maina alatka razmatran je vei broj razliitih konfiguracija i tipova rekonfigurabilnih
troosnih, etvorosnih i petoosnih maina alatki za koje je uspostavljen sistem sastavnih elemenata na
modularnom principu za njihovo konfigurisanje, to je pokazano u poglavlju 2 i prethodnim radovima [8-
10].
Pored konfigurisanja tema rada je i priprema odgovarajueg CAD/CAM okruenja za programiranje
rekonfigurabilnih maina alatki (poglavlje 3), koje ima mogunost za ukljuenje virtuelnih prototipova za
simulaciju rada maine koja radi po zadatom programu (poglavlje 4) u cilju verifikacije programa obrade.
Pored toga, u cilju pripreme za programiranje maina primenom novog metoda programiranja na bazi
protokola STEP-NC [11], u poglavlju 5 je pokazana i simulacija rada maina koje rade po zadatom
programu u STEP-NC Machine okruenju.
2. KONFIGURISANJE STONIH REKONFIGURABILNIH MAINA ALATKI

Za ovaj rad prikazano je nekoliko klasa razmatranih rekonfigurabilnih maina alatki, koje su pokazane na
slici 1. Maine prvo delimo u dve grupe: maine sa serijskom i maine sa hibridnom kinematikom, koje
imaju deo strukture sa serijskom, a deo sa paralelnom kinematikom. Analizom osnovnih komponenata
(modula) maina alatki i metodologije za konfigurisanje novih maina alatki [12], omogueno je
uspostavljanje sistema sastavnih elemenata rekonfigurabilnog hardvera maina, koji je u vidu jedne
morfoloke matrice pokazan na slici 1.
1)
Prof. dr Saa ivanovi, (szivanovic@mas.bg.ac.rs), doc dr Branko Kokotovi, (bkokotovic@mas.bg.ac.rs), doc. dr Nikola
Slavkovic, (nslavkovic@mas.bg.ac.rs), prof. Dr Dragan Milutinovi (dmilutinovic@mas.bg.ac.rs), Univerzitet u Beogradu, Mainski
fakultet
2)
U okviru ovog rada saoptavaju se rezultati istraivanja koja su realizovana na projektu koji finansijski podrava Ministarstvo
prosvete, nauke i tehnolokog razvoja Vlade Republike Srbije.
3.55
Legenda:
Postolja: P1-P5;
Stubovi: BB(Box in
Box),; ST-kliz sa
vertikalnim stubom,
T1,T2-traverza sa
pokretnim osama
X,Y,Z;
JSM-jedmnostruki sto
multifunkcionalne
maine,
DOS- dvoosni obrtni
sto
DSV- dvoosni obrtni
sto vertikalne maine
DSH- dvoosni obrtni
sto horizontalne maine
GV-glavno vreteno
vertikalne glodalice
GVHG-glavno vreteno
horizontale glodalice
SV-strugarsko vreteno
3.56
UFO-glavno vreteno za
maine S5 i S6,
S3D,S4D, S5D i H5D
TM_MOMA tehnoloki
modul sa hibridnom
kinematikom; MOMA-
dvoosni paralelnim
mehnanizam
Pn101_st troosni
mehanizam sa
paralelnom
kinematikom
Pn101_st V5 petoosna
maina sa hibridnom
kinematikom
S3D, S4D, S5D-
rekonfigurabilne maine
sa serijskom
kinematikom
H5D-rekonfigurabilna
petoosna maina sa
Slika 1. Konfigurator za multifunkcionalne i rekonfigurabilne maine alatke hibridnom kinematikom
Pokazane su realizacije sistema sastavnih elemenata za postolja, stubove, obrtne stolove, glavna vretena i
deo plana uzoraka za razmatrane maine, koje predstavljaju neke od do sada razmatranih polaznih koncepcija
za projekat razvoja rekonfigurabilne stone petoosne maine alatke. Prolaskom kroz morfoloku matricu i
skupljanjem odgovarajuih realizacija za osnovne funkcije maine, dobija se plan uzoraka moguih maina.
Na slici 1.1 su pokazane varijante za etiri klase rekonfigurabilnih maina alatki:
(i) multifunkcionalne rekonfigurabilne petoosne maine alatke (4 varijante),
(ii) vertikalne rekonfigurabilne petoosne maine (2 varijante),
(iii) rekonfigurabilne maine alatke sa 3, 4 i 5 serijskih osa i varijanta 5-osne sa hibridnom kinematikom
(iv) petoosna maina sa hibridnom kinematikom za koju su tri ose sa paralelnom kinematikom, a dve sa
serijskom.
Prolaskom kroz morfoloku matricu, sa slike 1.1, moe se izvriti opis realizacije svake od razmatranih
maina na sledei nain:
maina tipa S1 se dobija kao varijanta koja sadri sledee module S1 = P1 BB JSM GV SV ,
maina tipa S3 se dobija kao varijanta koja sadri sledee module
S 3 = P1 ST JSM DOS GV SV ,
maina tipa S4 se dobija kao varijanta koja sadri sledee module S 4 = P1 ST DSH GV HG SV ,
maina tipa S5 se dobija kao varijanta koja sadri sledee module S 5 = P3 T 1 DSV UFO , itd.
Prva klasa multifunkcionalne rekonfigurabilne petoosne maine alatke obuhvata 4 varijante struktura: S1,
S2, S3 i S4. Alternative za stubove za svaku mainu su pokazane ili kao Box in Box (S1), ili kao stub
(S2,S3 i S4). Druga klasa vertikalne rekonfigurabilne petoosne maine obuhvata dve varijante struktura S5 i
S6. Kod ovih maina je planirana portalna osnovna maina strukture VXYZ sa dodavanjem dvoosnog
nagibno-obrtnog stola (A,C), za S5 ili (B,C), za S6, ispred osnovne maine.
Trea klasa rekonfigurabilne maine alatke obuhvata varijante maine sa serijskom i hibridnom
kinematikom. Osnovna maina je troosna portalna glodalica strukture VXYZ (S3D). Dodavanjem dvoosnog
nagibno obrtnog stola (B,C) ispred osnovne maine, ova maina postaje petoosna (S5D), strukture
WCBVXYZT [8]. Fiksiranjem ose B=0o ili B=90o, uz zadravanje upravljive ose C, maina postaje
etvoroosna na kojoj je mogua i obrada struganjem (S4D). etvrta mogua koncepcija podrazumeva
osnovnu mainu sa hibridnom kinematikom i to: dvoosni paralelni modul MOMA, koji ostvaruje pomeranje
u ravni (X,Y) preko pasivnog translatornog modula, dok je Z osa serijska. Na ovakvoj osnovnoj maini
ostaje i dvoosno obrtni nagibni sto, ime je dobijena i petoosna maina sa hibridnom kinematikom (H5D).
etvrta klasa petoosne maine sa hibridnom kinematikom predstavlja nadogradnju stone troosne maine sa
paralelnim kinematikom pn101_st na petoosnu, dodavanjem serijske dvoosne glave na pokretnu platformu
mehanizma. U okviru svake od klasa stonih rekonfigurabilnih maina alatki uspostavljen je sistem sastavnih
elemenata, na modularnom principu, u cilju rekonfigurisanja kako hardverskog tako i softverskog
(upravljakog) dela sistema. Za razmatrane maine je planirano upravljanje otvorene arhitekture na PC Linux
platformi i EMC2 upravljakom softveru [8,13].
Za rekonfigurabilne maine, prikazane u ovom radu, razmatrani su metodi za njihovo programiranje i
odgovarajua okruenja u poglavlju 3. Na bazi pripremljenih odgovarajuih virtuelnih prototipova u
CAD/CAM okruenju ostvarena je simulacija rada kompletnih modela maina po zadatom programu i to u
dva okruenja. Prvo, u CAD/CAM okruenju na bazi CLF (Cutter Location File) i G koda, poglavlje 4, i
okruenju STEP-NC Machine softvera na bazi *.stpnc programa, poglavlje 5, kao novog pristupa u
programiranju numeriki upravljanih maina alatki [11].
3. OKRUENJE ZA OFF-LINE PROGRAMIRANJE STONIH REKONFIGURABILNIH

PETOOSNIH MAINA ALATKI
Programiranje stonih rekonfigurabilnih petoosnih maina alatki se vri pomou G koda, bez ogranienja
u odnosu na pripremne i pomone funkcije, koordinatne sisteme i korekcije alata. Ilustracija metoda i
okruenja za programiranje rekonfigurabilnih petoosnih maina alatki, prikazana je na slici 2. Zadrana je i
mogunost runog i parametarskog programiranja, kao i programiranja u pogonu. Za programiranje je
izabrano okruenje PTC Creo 2.0 koje ima mogunost korienja generatora postprocesora, za
konfigurisanje odgovarajuih postprocesora prema konfiguraciji osa petoosnih maina alatki, to je od velike
vanosti za uspeno generisanje G koda. U okruenju za programiranje je mogue vriti izbore razliitih
strategija za obradu i njihovu simulaciju putanje alata, koja ukljuuje i mogunost simulacije uklanjanja
materijala (NC Check).
3.57
Slika 2. Metodi i softverska okruenja za programiranja rekonfigurabilnih maina
Za primenu novog metoda programiranja je izabrano okruenje STEP-NC Machine u kombinaciji sa

izabranim CAD/CAM okruenjem za programiranje. Komunikacija izmeu softvera se obavlja na bazi
modela izratka, pripremka, alata u STEP formatu, kao i dobijenih putanja alata (CLF). Poto jo uvek ne
raspolaemo mainama ije upravljake jedinice mogu da interpretiraju STEP-NC programe, softver ima
veliku bazu postojeih postprocesora, kojim se programi iz STEP-NC formata mogu postporocesirati u
odgovarajui G kod.
Simulacija obrade u cilju verifikacije programa, pre same obrade na maini su za maine alatke u
vieosnoj obradi vrlo znaajne. U tom cilju je i CAD/CAM okruenje za programiranje, pripremljeno da
moe da ukljui i simulaciju rada kompletnog virtuelnog prototipa maine. Ova simulacija podrazumeva,
mogunost da prilikom simulacije putanje alata, budu pokretne sve ose maine, odnosno da virtuelna maina
3.58
radi po zadatom programu na bazi CLF-a. Ova simulacija se moe relizovati kako u CAD/CAM sistemu PTC
Creo 2 tako i u okruenju VeriCUT-a, koji se koristi za simulacije uklanjanja materijala, a integrisan je sa
pomenutim CAD/CAM sistemom.
4. SIMULACIJA RADA MAINE U REIMU RADA PO ZADATOM PROGRAMU U

CAD/CAM OKRUENJU
U ovom odeljku je pokazano izabrano okruenje za programiranje i dva izabrana prototipa (pn101_st 5V
i S5D) sa primerima simulacije rada maina prema zadatom programu za obradu probnog dela sa elipsoidnim
udubljenjem, slika 3. Simulacija kinematike virtuelnog prototipa omoguava kretanje modeliranih
segmenata, sa alatom na kraju, koji na ekranu iscrtava putanju alata, koja je nastala kao rezultat izvrenja
zadatog programa u CLF formatu [12,14]. Primenjeni metodi za verifikaciju programa su: simulacija putanje
alata, simulacija uklanjanja materijala (NC Check) i simulacija rada maine po zadatom programu. Jedan isti
tehnoloki postupak se moe koristiti za obradu na razliitim konfiguracijama maine izborom razliitih
konfigurisanih postprocesora, ime se G kod prilagoava formatu konkretne izabrane maine. Format
programa, koji koriste razmatrane maine koje se upravljaju pomou sistema EMC2 , zasniva se na G kdu
po standardu RS 274 (ISO6983). Odabrana je verzija koja je slina formatu programa koje koriste Fanuc
CNC sistemi, za koje postoje pouzdani postprocesori.
Slika 3. Okruenje za programiranje i simulacija rada maina prema zadatom programu
Simulacija rada maine primenom virtuelne maine je najbezbedniji i najisplativiji nain verifikacije
programa za vieosnu obradu. Za zavrnu verifikaciju programa u G kdu korien je i softver za simulaciju
uklanjanja materijala VeriCUT. Pored uobiajene simulacije uklanjanja materijala, u ovom radu je pokazan
primer integrisanja virtuelnog prototipa maine u simulaciju na primeru maine SH5D.
Prvi korak za pripemu virtelnog prototipa maine za simulaciju je priprema skeleton modela koji definie
kinematiku strukturu maine, odnosno opisuje nain povezivanja linearnih i obrnih osa, slika 4. Za svaku
maina treba uoiti i definisati nain vezivanja komponenata baze, alata i pripremka (BASE, TOOL i STOCK)
[4]. Hijerarhijsko drvo komponenata maine je pokazano na slici 4. Baza (BASE) je prva komponenta, za
koju se prvo povezuje kliza za X osu, za nju kliza za Y osu, i za nju kluza za Z osu. Poslednja
komponenta na ovoj grani je alat, koji je povezan za modul Z ose. Druga grana, koja je takoe povezana sa
bazom, poinje sa modulom obrtne ose B, za koju je vezan modul obrtnog stola C, na koji se postavlja
pripremak (STOCK). Ovaj opis kinematike predstavlja osnovnu uproenu strukturu maine na bazi skeleton
modela, bez suvinih detalja. Veina softvera koji omoguavaju simulaciju rada maine, koriste STL fajlove
za konfigurisanje virtuelne maine, to je i ovde sluaj. U okruenje VeriCUT-a, su uitavane komponente
maine u STL formatu i povezivane odgovarajuim kinematikim vezama, saglasno strukturi maine alatke.
3.59
Slika 4. Konfigurisana virtuelna maina i simulacija rada u VeriCUT-u [14]
Primer verifikacije programa koja ukljuuje i rad virtuelne maine simulacijom uklanjanja materijala u
VeriCUT okruenju pokazan je na slici 5, za mainu SH5D.
Pokazana su dva primera i to:
(1) probni deo oblika kalote (slike 5a-d) na cilindrinoj osnovi, gde je predobrada ostvarena troosnom
obradom, dok je zavrna obrada kalote ostvarena petoosnom obradom i
(2) primer obrade probnog dela po standardu NAS979 (slika 5e), koja je kompletno uraena troosnom
obradom.
Slika 5. Konfigurisana virtuelna maina i simulacija rada u VeriCUT-u
5. SIMULACIJA RADA MAINE U REIMU RADA PO ZADATOM PROGRAMU U STEP-NC

MACHINE OKRUENJU
U cilju pripreme za novi metod programiranja primenom STEP-NC standarda, takoe su konfigurisane i
inegrisane virtuelne maine koje rade po programu u STEP-NC formatu u okruenju softvera STEP-NC
Machine. Za ilustraciju je na slici 6 pokazan primer simulacije rada na bazi STEP-NC programa
rekonfigurabilnih petoosnih maina S5D, 5-axis AC table i 5-axis BC table. Maine su konfigurisane i
ukljuene u bazu raspoloivih maina ovog softvera, pa se mogu izabrati iz menija (Machine Tool) i pratiti
njihov rad.
3.60
Slika 6. Virtuelne maine S5D, 5-axic AC table i 5-axis BC table u okruenju STEP-NC Machine
Moe se oekivati da e se projektovanje proizvoda i u budunosti odvijati primenom CAD sistema, dok
bi se programiranje numeriki upravljanih maina alatki moglo odvijati i po novim procedurama zasnovanih
na formatizovanju integrisnog modela mainskog dela po STEP-NC protokolu i standardima ISO 10303 i/ili
ISO 14649.
6. ZAKLJUAK
U radu su prikazane etiri klase rekonfigurabilnih maina alatki kao i 11 varijanti ovih
maina.Uspostavljen je sistem sastavnih elemenata za konfigurisanje ovakvih maina sa formalizimom za
opis konfiguracije maine, prolaskom kroz morfoloku matricu.
Razmotreni su metodi za programiranje rekonfigurabilnih maina alatki, kao i simulacija rada maina po
zadatom programu za verifikaciju programa obrade i uoavanje eventualnih kolizija u toku obrade, radi
kompletiranja okruenja za programiranje.
Primena rekonfigurabilnih maina je znaajna za dalja istraivanja u oblasti vieosne obrade i
rekonfigurabilnih petoosnih maina, kao i za edukaciju za programiranje, to je posebno znaajno za
obrazovne ustanove, prilikom sticanja znanja o kompleksnim rekonfigurabilnim vieosnim mainama. Do
sada su za neke od maina pripremljena i odgovarajua upravljanja sa integrisanim virtuelnim mainama
3.61
(pn101_st i pn101_5V) u EMC2 upravljakom softveru. U sklopu daljih istraivanja razmatrae se i
realizacija virtuelnih petoosnih maina integrisanih u sistem upravljanja za one koncepcije koje budu
izabrane za realizaciju.
7. LITERATURA
[1] Moriwaki T.: Multi-functional machine tool, CIRP Annals Manufacturing Technology, 57, p.736-
749, 2008.
[2] Koren Y., Heisel U., Jovane F., Moriwaki T., Pritschow G., Ulsoy G., Brussel H.V.: Reconfigurable
Manufacturing Systems, Annals of the CIRP, Vol. 48/2, p. 527-540. 1999.
[3] Lee, R.S., She C.H., Developing a postprocessor for three types of five-axis machine tools, Int J Adv
Manuf Technol, Vol. 13, No. 9, p. 658665, 1997.
[4] Apro, K., Secrets of 5-axis machining, Industrial Press Inc.,ISBN 978-0-8311-3375-7, Printed by
Thomson Press Indida Limited, 2008.
[5] She, C-H. ,Lee, R-S.: A Postprocessor Based on the Kinematics Model for General Five-Axis Machine
Tools, Journal of Manufacturing Processes, Vol. 2,No. 2, p.131-141, 2000.
[6] Tanovi, Lj., Bojani, P., Glavonji, M., Milutinovi, D., Majstorovi, V., Puzovi, R., Kokotovi, B.,
Popovi, M., ivanovi, S., Slavkovi, N., i drugi, Razvoj nove generacije domaih obradnih sistema,
TR-035022, Godinji izvetaj o realizaciji projekta za period 01.01. 2014. do 31.12.2014., Mainski
[7] Tanovi, Lj., Milutinovi, D., Majstorovi, V., Puzovi, R., ivanovi, S., Kokotovi, B., Popovi, M.,
Slavkovi, N., i drugi, Razvoj nove generacije domaih obradnih sistema, TR-035022, Godinji
izvetaj o realizaciji projekta za period 01.01.2015. do 31.12.2015., Mainski fakultet, Beograd, 2015.
[8] Glavonji, M., ivanovi, S., Koktovi B.: Konfigurisanje stonih petoosnih maina alatki, TEHNIKA:
asopis saveza inenjera i tehniara Srbije, Tehnika-Mainstvo 62, Broj 5, str 857-863, Godina
LXVIII 2013.
[9] Glavonji, M., ivanovi, S., Kokotovi, B.: Koncepcije multifunkcionalnih i rekonfigurabilnih stonih
petoosnih maina alatki, Infoteh 2014, Zbornik radova, str. 857-863, Mainski fakultet Istono
Sarajevo, Jahorina, 2014.
[10] ivanovi, S., Glavonji, M., Kokotovi, B., Development of Multifunctional Reconfigurable Desktop
Machine Tool with Hybrid Kinematics, TECHNICS special edition, Magazine of the Union of
Engineers and Technicians of Serbia, Mechanical Engineering , pp. 71-80, Year LXX 2015.
[11] STEP-NC Machine for CAM/CNC, http://www.steptools.com/products/stepncmachine/, 2016.
[12] ivanovi S., Konfigurisanje novih maina alatki, doktorska disertacija, Univerzitet u Beogradu,
Mainski fakultet, 2010.
[13] Linux CNC, http://linuxcnc.org/, 2016.
[14] Zivanovic, S., Kokotovic, B., Configuring a virtual desktop 5-axis machine tool for machine
simulation, Proceedings of the 12th International Conference on Accomplisments in Electrical and
Mechanical Engineering and Information Technology DEMI 2015, ISBN 978-99938-39-53-8, pp 255-
262, Faculty of Mechanical Engineering Banja Luka, 29-30 May, 2015.
Zivanovic, S., Kokotovic, B., Slavkovic, N., Milutinovic, D.
CONFIGURING OF MULTIFUNCTIONAL AND RECONFIGURABLE MACHINE

TOOLS AND METHODS FOR THEIR PROGRAMMING AND PROGRAM
VERIFICATION
Abstract: The paper presents the concept of reconfigurable machine tools, as a machine with serial and
hybrid kinematics. The methods for their programming based on G codes (ISO 6983) and the new method of
programming based on STEP-NC standard (ISO10303, ISO14649), are considered. Environment for off-line
programming in selected CAD/CAM system (in G code) and software STEP-NC Machine for the new
programming method based on STEP-NC program, have been prepared and demonstrated.In both
environments are implemented virtual models for considered desktop reconfigurable machine tools for the
purpose of machine simulation when the virtual machine working by running program in environment for
programming.
Key words: CAD/CAM, STEP-NC, desktop reconfigurable machine tools
3.62
konferencija
Petronijevi, J., Petrovi, M., Vukovi, N., Miti, M., Babi, B., Miljkovi, Z.1)

TEHNOLOKIH PROCESA I TERMINIRANJU PROIZVODNJE 2)
Rezime
Projektovanje tehnolokih procesa predstavlja odreivanje postupka proizvodnje uz zadovoljenje prethodno

definisanih ciljeva i ogranienja. Terminiranjem proizvodnje se na osnovu proizvodnog plana i prethodno
odreenih tehnolokih postupaka dodeljuju optimalni proizvodni resursi za odgovarajui vremenski period.
Uvoenjem koncepta masovne kastomizacije, ve ranije kljune funkcije, projektovanje i terminiranje
proizvodnje, sada imaju krucijalnu ulogu u tehnolokom sistemu zbog sve veih zahteva koje se pred ove
funkcije postavljaju. Rad se bavi uvoenjem koncepta multiagentnih i holon tehnolokih sistema uz pregled
stanja u oblasti projektovanja tehnolokih procesa i terminiranja proizvodnje. Radom je obuhvaen
tradicionalni, sledstveni, pristup projektovanju i terminiranju, ali i integrisan prilaz problematici.
Kljune rei: multiagentni sistemi, holon tehnoloki sistemi, projektovanje tehnolokih procesa, terminiranje
proizvodnje, integrisano projektovanje tehnolokih procesa i terminiranje proizvodnje
1. UVOD
Pojavom potrebe za masovnom kastomizacijom proizvoda, razvojem i definisanjem Lean proizvodnje sa

konceptom Just-in-Time zahtevi koji se postavljaju pred projektovanje i terminiranje tehnolokih procesa sve
su vei. Rokovi su krai, varijacije proizvoda vee, a serije manje. Decentralizovan pristup problemu jedan je
od naina na koji savremena preduzea tee da ostvare konkurentnost na modernom tritu. S tim u vezi,
sistemi zasnovani na agentima, zajedno sa holon tehnolokim zistemima, poslednjih godina zauzimaju sve
veu panju u naunoj javnosti. Razvoj i primena sistema zasnovanih na agentima, kao i holon tehnolokih
sistema, ogleda se u kreiranju sistema za projektovanje tehnolokih procesa i terminiranje proizvodnje, kao i
za integraciju dva pomenuta procesa.
Rad predstavlja pregled stanja u oblasti projektovanja i terminiranja tehnolokih procesa uz akcenat na
primenu multiagentih i holon sistema za reavanje pomenutog problema. Pregled stanja organizovan je kroz
osam poglavlja. U uvodnom poglavlju definisana je potreba za primenom decentralizovanih sistema u oblasti
planiranja i terminiranja. U drugom poglavlju detaljnije je definisan sam problem projektovanja tehnolokih
procesa i terminiranja proizvodnje. Tree poglavlje bavi se definisanjem i komparativnom analizom
multiagentnih i holon tehnolokih sistema. etvrto poglavlje tretira literaturne izvore iz oblasti projektovanja
tehnolokih procesa zasnovanih na multiagentnoj metodologiji, dok se u petom poglavlju akcenat stavlja na
pregled literature iz oblasti terminiranja proizvodnih procesa. esto poglavlje obrauje literaturne izvore
vezane za integraciju planiranja i terminiranja proizvodnje uz primenu multiagentnih i holon tehnolokih
sistema. U sedmom poglavlju dat je zakljuak i analiza trenutnog stanja u oblasti istraivanja. Koriena
literatura je navedena u poslednjem poglavlju.
1)
Jelena Petronijevi, asistent, Univerzitet u Beogradu - Mainski fakultet, e-mail: jpetronijevic@mas.bg.ac.rs,
Milica Petrovi, asistent, Univerzitet u Beogradu - Mainski fakultet, e-mail: mmpetrovic@mas.bg.ac.rs,
dr Najdan Vukovi, nauni saradnik, Inovacioni centar Mainskog fakulteta, e-mail: nvukovic@mas.bg.ac.rs
dr Marko Miti, nauni saradnik, Univerzitet u Beogradu - Mainski fakultet, e-mail: mmitic@mas.bg.ac.rs,
dr Bojan Babi, redovni profesor, Univerzitet u Beogradu - Mainski fakultet, e-mail: bbabic@mas.bg.ac.rs,
dr Zoran Miljkovi, redovni profesor, Univerzitet u Beogradu - Mainski fakultet, e-mail: zmiljkovic@mas.bg.ac.rs.
2)
Rad je nastao u okviru istraivanja na projektu Inovativni pristup u primeni inteligentnih tehnolokih sistema za
proizvodnju delova od lima zasnovan na ekolokim principima (evid. br. TR-35004) Ministarstva prosvete, nauke i
tehnolokog razvoja Vlade Republike Srbije, 2011-2016.
3.63
2. FORMULACIJA PROBLEMA
Koncept masovne kastomizacije proizvoda, zajedno sa drugim konceptima pomenutim u prethodnom

poglavlju doveo je do individualizacije proizvoda i promene od trita okrenutog prodaji, do trita
okrenutog kupcu [1]. Sve to prouzrokovalo je izuzetno promenjljivo okruenja u kom preduzea posluju i na
ije promene je potrebno odgovoriti u veoma kratkom vremenskom okviru. Potreba za sve veom
fleksibilnou i produktivnou, uz manju predikciju procesa, ini upravljanje tehnolokim sistemima veoma
kompleksnim.Ako se uzme u obzir i smanjenje rokova i serija, kao i poveanje varijabilnosti proizvoda
zahtevi koji se stavljaju pred kljune funkcije u tehnolokim sistemima, planiranje i terminiranje
proizvodnje, rastu u svakom pogledu. Preduzee moe biti konkurentno na tritu samo ako dve pomenute
funkcije uz uvedene promene na tritu ne ugroavaju cenu i kvalitet proizvoda, kao i dostavu u zadatom
vremenskom roku.
Strogo gledajui, projektovanje tehnolokog procesa predstavlja transformaciju tehnoloke informacije u

proces proizvodnje. Jedan od najteih zadataka koji se stavlja pred ovaj sistem je i konzistencija i
optimizacija tehnolokih procesa [2].
Jedan od najkompleksnijih problema terminiranja svakako je onaj koji se vezuje za proces proizvodnje.
Poznati problem terminiranja iz ove oblasti svakako je problem terminiranja proizvodnje orijentisane procesu
(job shop scheduling). Ovaj vid proizvodnje se prema [2] moe definisati kao problem sa zadatim brojem
maina alatki i delova. Svaka maina alatka moe vriti obradu samo jednog dela u odreeno vreme. Svaki
deo sastoji se iz niza objekata meuoperacione manipulacije ija obrada mora biti izvedena bez prekida u
odreenom vremenskom periodu i na odreenoj maini alatki. Osnovni zadatak terminiranja proizvodnje je
nalaenje optimalnog plana tako da se obezbedi minimalno vreme za izradu svih delova pri emu je broj
moguih reenja za n delova i m maina lataki jednak (n!)m.
Sveobuhvatno posmatrano planiranje i terminiranje proizvodnje prema [2, 3] postaje sloenije uzimajui u
obzir sledee:
a) Kada se uvrste ostali proizvodni resursi, kao to su ljudstvo i alati, problem terminiranja u procesu
orijentisanoj proizvodnji (job shop). Tako za n delova, m maina alatki i k operatera, broj moguih
reanja problema dostie ((n!)m)k.
b) Kada se projektovanje tehnolokih procesa i terminiranje proizvodnje izvodi istovremeno.
Tradicionalna proizvodnja procese planiranja i terminiranja posmatra posebno to moe dovesti do
reenja koja nisu optimalna. Takoe, terminiranje proizvodnje na osnovu fiksnih tehnolokih
procesa moe uzrokovati neizbalansirana optereenja resursa sa posledinom pojavom uskih grla.
Planiranje tehnolokih procesa naglaava tehnoloke zahteve za obradu delova, dok process
terminiranja uzima u obzir vremenski aspekt i deljenje zajednikih resursa. Ako ne postoji
koordinacija pri izvoenju ova dva procesa, razliiti ciljevi koji se pred funkcije postavljaju mogu
dovesti do konflikta. Integracija faze projektovanja i terminiranja tehnolokih procesa dovodi do
postizanja globalnog optimuma, ali sa druge strane znaajno poveava prostor reenja.
c) Kada se posmatraju dinamike promene okruenja. Dinamike promene u realnom tehnolokom
okruenju veoma su esta pojava. S jedne strane mogu se posmatrati promene samih zadataka koje
se stavljaju pred sistem. Tako se mogu dodati zadaci, uvrstiti promene na postojeim zadacima ili
zahtevati da se iskljue odreeni zadaci. S druge strane, resursi samog sistema mogu biti predmet
promene. Odreeni resursi mogu biti nedostupni ili dodatni resursi mogu biti uvedeni. Vreme
potrebno za izvoenje zadatka i vremena poetka izvoenja zadataka promenljiva su. Ostale
nesigurnosti samog sistema ukljuuju otkaze maina, nedostatke materijala, alata ili ljudstva i ostale.
Kada se sve to posmatra, prethodno formirani optimalni plan terminiranja vrlo lako moe postati
neodgovaraju nakon pojave neke od dinaminih promena u sistemu. Pomenuti problem se smatra
dinamikim terminiranjem ili terminiranjem u realnom vremenu.
Shodno prethodnom, a prema [4], proizilazi definicija problema integrisanog planiranja i terminiranja
tehnolokih procesa: Za skup od n delova koji se obrauju na mainama alatkama uzimajui u obzir
alternativne tehnoloke resurse, odabrati odgovarajui resurs i tehnoloki proces sa ciljem definisanja plana
terminiranja koji potuje pravila prethoenja izmeu obrade objekata meuoperacione manipulacije i u
kojem su zadovoljeni zadati ciljevi. Ulaz u sistem predstavljaju alternativni tehnoloki postupci za svaki deo
kojima se u problem implementiraju tri vrste fleksibilnosti:
3.64
a) Operativna fleksibilnost omoguuje izvoejne obrade objekata meuoperacione manipulacije na
razliitim mainama alatkama.
b) Fleksibilnost sekvence procesa omoguuje obradu razliitim redosledom.
c) Fleksibilnost procesa omoguuje alternativne obrade jednog geometrijskog primitiva.
Jedna od metoda prikazivanja fleksibilnosti je I/ILI mrea (AND/OR network). Takoe, za razliku od
statikog okruenja gde su parametri poznati pre poetka procesa kod dinamikog projektovanja i
terminiranja to nije sluaj. Iz tog razloga pri reavanju dinamikog problema treba uzeti u obzir i razliite
dinamike promene koje su u prethodnom pasusu rada detaljnije obraene i navedene.
Zbog svega navedenog veliki broj autora poslednjih godina tei razvoju novi tehnolokih paradigmi sa ciljem
reavanja navedenih problema i postizanjem vee fleksibilnosti, autonomije, adaptibilnosti i inteligencije
sistema. Kao jedno od reenja navode se decentralizovani i heterarhijski tehnoloki sistemi u kojima se
upravljanje proizvodnjom obavlja korienjem inteligentnih resursa od kojih je svaki predstavljen
odgovarajuim softverskim entitetom [1]. Navedene karakteristike ispunjavaju multiagentni i holon
tehnoloki sistemi o kojima e vie biti re u narednom poglavlju rada.
3. MULTIAGENTNI I HOLON TEHNOLOKI SISTEMI
Novi koncepti inteligentnog upravljanja i odluivanja zasnivaju se na otklanjanju problema koji se javljaju
pri centralizovanom odluivanju [5]. Leito i Colombo navode da se pomou distribuiranog pristupa sloen
problem deli na manje problema, od kojih svaki moe biti definisan kao inteligentni blok, odnosno
upravljaka jedinica. Svaka upravljaka jedinica je autonomna i poseduje svoje ciljeve, znanja i vetine,
meutim nijedna od njih ne poseduje globalni pregled sistema. Globalne odluke, kao to su terminiranje,
nadzor i dijagnostika, moraju se donositi kolaboracijom upravljakih jedinica. Odreene upravljake jedinice
povezane su sa fizikim resursima, kao to su roboti i CNC maine. Upravljake jedinice treba da poseduju
nekoliko venih karakteristika od kojih se izdvajaju sledee: rekonfigurabilnost, robusnost, ukljuivanje i
iskljuivanje, uenje i ponovna upotreba. Shodno prethodnom, moe se izvesti definicija agenta koji
obuhvata karakteristike inteligentnih i decentralizovanih sistema upravljanja. Agent se definie kao
nezavisna fizika ili logika komponenta sistema sposobna da deluje u skladu sa svojim ciljevima, kao i da
interaguje sa drugim agentima u sluajevima kada ne poseduje znanja i vetine da samostalno ostvari zadatak
[6]. Monostori [7] , s druge strane, istie da svaki agent deluje u ime svog projektanta kako bi ispunio svoju
svrhu. Svoje interno i eksterno ponaanje samostalno kontrolie te se moe smatrati autonomnim. Takoe,
agent poseduje odreeni nivo inteligencije i mogunost adaptacije te moe prilagoditi svoje ponaanje
promeni u okruenju bez intervencije projektanta.
Multiagentni sistemi predstavljaju mreu agenata koji interaguju i kominiciraju meusobno [7].
Sveobuhvatna operativnost multiagentnih sistema bazirana je na organizaciji sistema koja potie od
karakteristika individualnog aganta. Organizacija definie sferu delovanja agenata, kao i njihovu interakciju.
Kolaboracija takoe je jedna od korakteristika multiagentnog sistema i odnosi se na delovanje agenata prema
ostvarenju zajednikih ciljeva. Rezultat meusobne interakcije agenata u multiagentnim sistemima su odluke
i akcije. Donoenje odluke agenta zavisi od akcija drugih agenata. Ostvarenje koordinisanog rada mogue je
iskljuivo na osnovu postojanja odreenog vida komunikacije izmeu agenata. Zbog svega navedenog
multiagentni sistemi predstavljaju sisteme koji su sposobni da reavaju probleme ija se reenja ne mogu
direktno izvedesti iz mogunosti pojedinanih agenata [7, 8].
Holon tehnoloki sistemi nastali su tokom devedesetih godina prolog veka iz ideje koja je bazirana na
drutvenom organizovanju [6]. Arthur Koestler [9] uoio je da u sloenim sistemima ne postoje celine i
delovi, ve da ista jedinica moe biti i celina i deo. Iz tog razloga stvorio je kovanicu dveju grkih rei,
holos koja predstavlja celinu i sufiksa on koji se odnosi na esticu. Na taj nain i samim nazivom
istaknuta je dvojaka priroda svake jedinke sa dvema osnovnim karakteristikama, autonomnou i
kooperacijom. Autonomnost se ogleda u stabilnosti holona koja omoguava istom da deluje nezavisno u
nepredvienim okolnostima. Kooperacija je glavna karakteristika koja meusobnom saradnjom pojedinane
holone transformie u aktivne komponente vee celine.
Tehnoloki sistem se, gledano kroz definiciju holona, vidi kao skup autonomnih modula, holona, sa
distribuiranim upravljanjem, [10].Na ovaj nain sistem predstavlja hijerarhijsku strukturu ije jedinke
koordinisanim dejstvovanjem uz individualna znanja i vetine postiu ciljeve sistema. U sistemima postoje
3.65
definisana pravila i direktive. Svaki holon, za razliku od tradicionalne definicije hijerarhije, moe svojim
dinaminim dejstvom biti deo vie sistema. Holon sistemi su tako sistemi koji kombinuju stabilnost
hijerarhijskih struktura i fleksibilnost heterarhije. Svaki holon u sistemu je autonomna kooperativna jedinka
za transformaciju, prenoenje, skladitenje i/ili proveru podataka ili fizikih objekata. Poseduje logiku
jedinicu za procesiranje informacija, a moe imati i fiziku jedinicu. Prema definiciji, svaki holon moe biti
deo drugog holona, [6, 10].
Holon tehnoloki sistemi i multiagentni sistemi predstavljaju dva veoma slina koncepta. Oba koncepta
vrsto se oslanjaju na autonomnost i kooperaciju svojih jedinki. Ipak, postoje odreene razlike [6]. U
pogledu porekla, agenti se vezuju za vetaku inteligenciju (artificial intelligence), dok je holon nastao iz
reavanja problema fleksibilnih tehnolokih sistema te svoje poreklo nalazi u koncepatu raunarski
integrisanih tehnologija (computer integrated manufacturing CIM). Holon je koncept, dok agenti
predstavljaju i koncept i tehnologiju. Za razliku od aganata, holon moe biti predstavljen sa vie holona nieg
nivoa. U smislu modeliranja, agenti uobiajeno predstavljaju softverske komponente i fokus im nije na
fizikoj integraciji, to nije sluaj sa holonima. Takoe, za razliku od agenata, holon mora imati mogunost
da deluje na ogranienja u realnom vremenu. Koncept holon tehnolokih sistema moe se implementirati
primenom agenata. Tako posmatrano, holon je reaktivni agent koji deluje u realnom vremenu i ima vezu sa
fizikim svetom.
4. PROJEKTOVANJE TEHNOLOKIH PROCESA
Projektovanje tehnolokih procesa uz dodele odgovarajuih resursa prema [7] ostvaruje se na nekoliko
razliitih naina priemnom agenata. Jedan od vidova dodeljivanja resursa pri projektovanju tehnolokih
postupaka izdvaja kreiranje klasa resursa sa ostvarenjem dinamikih veza istih i izmeu entiteta planiranja.
Drugi nain koji se navodi obuhvata primenu mehanizma pregovaranja po ugledu na trini mehanizam.
Tako razlikujemo agente za projekat, projektne aktivnosti, zadatak, resurse i koordinaciju koji
pregovaranjem ostvaruju zajedniki cilj. Sekvencijalna dodela resursa takoe je jedan od naina koji se
primenjuje. Virtualno planiranje takoe je jedan on naina primene agenata u ovoj oblasti. Ovde klasteri
agenta povezani u mree imaju zadatak da ree tehnoloke probleme koji se pred njih postavljaju. Tom
prilikom takoe se koristi mehanizam aukcije, pregovaranja i ugovaranja.
5. TERMINIRANJE PROIZVODNJE
Primena multiagentne metodologije moe imati nekoliko prednosti u odnosu na razliite tradicionalne
pristupe reavanja problema terminiranja tehnolokih procesa meu kojima se prema [2] istiu sledee: (a)
ovi sistemi primenjuju paralelnu obradu podataka tako da mogu biti izuzetno efikasni; (b) omoguuju
prilagoavanje individualnih resursa globalnom cilju to dovodi do kooperativnog terminiranja; (c) agenti
mogu biti direktno povezani sa fizikim resursima te na taj nain omoguuju terminiranje u realnom
vremenu; (d) planiranje se vri po mehanizmima slinim onima u lancu snabdevanja tako da se moe izvriti
povezivanje i optimizacija na oba nivoa; (e) multiagentni sistemi omoguavaju implementaciju drugih
algoritama u svoj sistem. Razliite metodologije i tehnike primenjene su na problem terminiranja na bazi
agenata. Tako prema [2] razlikujemo tehnike po ugledu na trite sa terminiranjem u napred i u nazad.
Takoe, razlikujemo metode koridinacije izmeu agenta za resurse i agenata koji definiu pravila
prethoenja i rokove. Autori rada [11] razmatrali su dinamiki rekonfigurabilni tehnoloki sistem
korienjem multiagenata. Poseban akcenat stavljen je na kreiranje decentralizovanje politike terminiranja za
robota koji u zavisnosti od zahteva vezanih za razliite proizvode prilagoava svoje akcije. U radu je razvijen
i primenjen iterativni protokol pregovaranja i metod za auriranje cena potrebnih resursa.
6. INTEGRISANO PROJEKTOVANJE I TERMINIRANJE TEHNOLOKIH PROCESA
Prilaz integrisanom projektovanju i terminiranju tehnolokih procesa primenom multiagentnih i holon

tehnolokih sistema moe biti razliit. Radovi koji obuhvataju integrisnano planiranje i terminiranje
proizvodnje prvo su se bavili koordinacijom i statikim okruenjem multiagentnih sistema. U [12] autori kao
podrku logistici i planiranju proizvodnje koriste sistem agenata. U radu je razvijen komunikacioni protokol
koji uzima u obzir dostupnost i cenu akcije. U [13] autori razvijan je hibridni multiagentni sistem za
dinamiko terminiranje proizvodnje. Dve arhitekture agenata su razmatrane u radu. Prva je jednostavna
multiagentna arhitektura koje se sastoji od agenta za maine i agenta za delove. Druga arhitektura na
3.66
prethodnu dodaje i agenta za nadzor, te na taj nain stvara hibridnu struktru sistema. Za potrebne hibridnog
sistema autori razvijajaju i hibridni protokol za pregovaranje koji omoguava pregovaranje na nivou vie
zadataka i izmeu vie zainteresovanih strana istovremeno. Rezultati pokazuju da ovaj vid hibridnog
multiagentnog sistema moe dati bolje rezultate. Grupa autora koja se bavila dinamikim terminiranjem
proizvodnje u svom sledeem radu [14] razvijala je sistem agenata koji uzima u obzir dinamiko integrisano
planiranje i terminiranje tehnolokih procesa. Tom prilikom korien je on-line hibridno pregovaranje na
bazi agenata (Online Hybrid Agent-based Negotiation). Autori rada [15] razmatraju sistem za integrisano
planiranje i terminiranje koji se zasniva na minimalnom vremenu obrade i dve vrste dinamikih promena
okruenja, dolaska dela na obardu i otkaza maine. U [16] autori su predstavili hijerarhijsku strukturu
agenata sa mehanizmom akcije koja ima za cilj poveanje operativne fleksibilnosti u dinamikom okruenju
tehnolokog sistema za Make-to-Order probleme. Rad se zasniva na samoorganizovanju proizvodnih resursa
u granicama tehnolokog okruenja. Organizacija proizvodnih resursa odvija se uz minimizaciju trokova i
shodno zahtevima kupaca. U sluaju da se u postojeoj organizaciji zahtev ne moe ispuniti, projektovani
mehanizam dozvoljava fleksibilno grupisanje u granicama sistema. U [17] autori razmatraju adaptivne
sisteme bazirane na agentima i bioloki inspirisanim algoritmima za dinamiko rutiranje paleta.
Slinom problematikom bave se i radovi bazirani na holon tehnolokim sistemima. U radu [18] autori
predlau implementaciju virtualne fabrike za implementaciju holon tehnolokih sistema sa naroitim
fokusom na mala i srednja preduzea. Cilj je da se na ovaj nain prikae i testira upravljanje bazirano na
holon sistemima pre same implementacije u tehnoloko okruenje. Studija sluaja u radu izvrena je za
dinamiko terminiranje proizvodnje. U [1] autori prikazuju koncept pametnih proizoda za dinamike
promene u tehnolokom okruenju. Razvijeno reenje bazirano je na holon tehnolokim sistemima i RFID
tehnologiji za upravljanje potrebnim informacijama. Autori rada [19] primenjuju holon sisteme u
dinamikom ogruenju u sluajevima pojave prioritetnog proizvoda i promene plana proizvodnje u vidu
veliine serije i vrsti proizvoda. U radu [20] autori koriste multiagentne sisteme za implementaciju holon
tehnolokih sistema za upravljanje resursima u rekonfigurabilnim sistemima. Rezultati su prikazani u vidu
kvanititativne i kvalitativne analize eksperimentalnog rekonfigurabilnog sistema. U [21] autori primenjuju
virtualni pristup holon tehnolokih sistema za proizvodnju guma. Razvijeni metod omoguuje dinamiku
reakciju sistema na nove zahteve optimizacije smanjujui uticaj promena na produktivnost sistema. Evolucija
ranije razvijenog ADACOR sistema u polju samoorganizovanih holon tehnolokih sistema baziranih na
agentima prikazana je u radu [22]. Dvodimenzionalno samoorganizovanje je postignuto korienjem agenata
i bioloki inspirsanih alogoritama na nivou ponaanja (mikro nivo) i strukture sistema (makro nivo). Na ovaj
nain sistem je unapreen u polju rekonfigurabilnosti.
7. ZAKLJUAK
Projektovanje i terminiranje tehnolokih procesa kljune su funkcije savremenih tehnolokih sistema. Sve
zahtevnije trite bazirano na kastomizaciji i individualizaciji proizvoda ispred ovih funkcija postavlja
zahteve za manjim koliinama, kraim rokovima i veim varijetetom proizvoda. Kako bi tehnoloki sistemi
odgovorili na novonastale zahteve sve vei broj autora bavi se multiagentnim i holon tehnolokim
sistemimama koji imaju dovoljan stepen autonomije, agilnosti i fleksibilnosti. U radu je prikazana
problematika projektovanja i terminiranja tehnolokih procesa sa isticanjem zahteva integracije. Definisani
su multiagentni i holon tehnolokih sistemi. Izvren je pregled stanja u oblasti projektovanja i terminiranja
tehnolokih procesa baziranih na multiagentnim i holon tehnolokim sistemima, sa naroitim isticanjem
integrisanog projektovanja. Kao zakljuak moe se izvesti da se pomenuti sistemi iroko primenjuju na
softverskom i istraivakom nivou, dok se u narednim godinama oekuje njihova vea primena u industriji.
8. LITERATURA
[1] Zaeh, M.F., Reinhart, G., Ostgathe, M., Geiger, F. and Lau, C., A holistic approach for the cognitive
control of production systems, Advanced Engineering Informatics, 24(3), 300-307, 2010.
[2] Shen, W., Wang, L., Hao, Q., Agent-based distributed manufacturing process planning and scheduling: a
state-of-the-art survey, Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE
Transactions on, 36(4), 563-577, 2006.
[3] Li, X., Zhang, C., Gao, L., Li, W., Shao, X., An agent-based approach for integrated process planning
and scheduling, Expert Systems with Applications, 37(2), 1256-1264, 2010.
[4] Guo, Y. W., Li, W. D., Mileham, A. R., Owen, G. W., Applications of particle swarm and optimization in
3.67
integrated process planning and scheduling, Robotics and Computer-Integrated Manufacturing, 25, 280-
288, 2009.
[5] Leito, P., Colombo, A.W., Petri net based methodology for the development of collaborative production
systems, Proceedings ot the 11th IEEE International Conference on Emerging Technologies and Factory
Automation (ETFA06), Prague, Czech Republic, 819-826, 2006.
[6] Leito, P., Agent-based distributed manufacturing control: A state-of-the-art survey, Engineering
Applications of Artificial Intelligence, 22(7), 979-991, 2009.
[7] Monostori, L., Vncza, J., Kumara, S. R., Agent-based systems for manufacturing, CIRP Annals-
Manufacturing Technology, 55(2), 697-720, 2006.
[8] Shen, W., Hao, L., Yoon, H.J., Norrie, D.H.: Applications of agent-based system in intelligent
manufacturing: An updated review, Advanced Engineering Informatics, 20, 415-431, 2006.
[9] Koestler, A., The Ghost in the Machine, Arkana Books, London, 1969.
[10] Giret, A. Botti, V., Engineering holonic manufacturing systems, Computers in industry, 60(6), 428-440,
2009.
[11] Giordani, S., Lujak, M., Martinelli, F., A decentralized scheduling policy for a dynamically
reconfigurable production system, in: Holonic and Multi-Agent Systems for Manufacturing, Springer
Berlin Heidelberg, 102-113, 2009.
[12] Karageorgos, A., Mehandjiev, N., Weichhart, G., Hmmerle, A., Agent-based optimisation of logistics
and production planning, Engineering Applications of Artificial Intelligence, 16(4), 335-348, 2003
[13] Wong, T. N., Leung, C. W., Mak, K. L., Fung, R. Y., Dynamic shopfloor scheduling in multi-agent
manufacturing systems, Expert Systems with Applications, 31(3), 486-494, 2006.
[14] Wong, T. N., Leung, C. W., Mak, K. L., Fung, R. Y. K., Integrated process planning and
scheduling/rescheduling an agent-based approach, International Journal of Production Research,
44(18-19), 3627-3655, 2006.
[15] Petronijevi, J., Petrovi, M., Vukovi, N., Miti, M., Babi, B., Miljkovi, Z., Integrated Process
Planning and Scheduling Using Multi-Agent Methodology, Applied Mechanics and Materials, Vol. 834,
pp. 193-198, 2016.
[16] He, N., Zhang, D. Z., Li, Q., Agent-based hierarchical production planning and scheduling in maketo-
order manufacturing system, International Journal of Production Economics, 149, 117-130, 2014.
[17] Leito, P., Barbosa, J., Trentesaux, D., Bio-inspired multi-agent systems for reconfigurable
manufacturing systems, Engineering Applications of Artificial Intelligence, 25(5), 934-944, 2012.
[18] Bal, M. and Hashemipour, M., Virtual factory approach for implementation of holonic control in
industrial applications: A case study in die-casting industry, Robotics and Computer-Integrated
Manufacturing, 25(3), 570-581, 2009.
[19] Jana, T.K., Bairagi, B., Paul, S., Sarkar, B., Saha, J., Dynamic schedule execution in an agent based
holonic manufacturing system, Journal of Manufacturing Systems, 32(4), 801-816, 2013.
[20] Kruger, K. and Basson, A.H., Multi-Agent Systems vs IEC 61499 for Holonic Resource Control in
Reconfigurable Systems, Procedia CIRP, 7, pp.503-508, 2013..
[21] Jovanovic, M., Zupan, S., Starbek, M., Prebil, I., Virtual approach to holonic control of the tyre-
manufacturing system, Journal of Manufacturing Systems, 33(1), 116-128, 2014.
[22] Barbosa, J., Leito, P., Adam, E., Trentesaux, D., Dynamic self-organization in holonic multi-agent
manufacturing systems: The ADACOR evolution, Computers in Industry, 66, 99-111, 2015.
Petronijevi, J., Petrovi, M., Vukovi, N., Mitic, M., Babi, B., Miljkovi, Z.
MULTI-AGENT AND HOLONIC MANUFACTURING SYSTEMS FOR PROCESS

PLANNING AND SCHEDULING
Abstract: Process planning can be defined as determination of manufacturing processes by achieving its goals and
constraints. Scheduling process assigns optimal manufacturing resources over time based on production plan and
previously determined process plans. With the mass customization concept, previously key functions in the production,
process planning and scheduling, now become crucial for satisfaction of more demanding requirements. The paper
introduces the concepts of multi-agent and holonic manufacturing systems and presents state of the process planning
and scheduling area of research. It gives an overview on both, sequential and integrated, process planning and
scheduling.
Key words: multi-agent systems, holonic manufacturing systems, process planning, scheduling, integrated process
planning and scheduling
3.68
sa meunarodnim ueem

ZBORNIK RADOVA
PROCEEDINGS
42. simpozijum
INDUSTRIJI PRERADE METALA
Beograd, maj 2016.

UPRAVLJANJE PROIZVODNJOM U INDUSTRIJI
PRERADE METALA
PRODUCTION CONTROL IN METALWORKING INDUSTRY

UTICAJ PROIZVODNO-TRANSPORTNE PARTIJE NA TRAJANJE TEHNOLOKOG
CIKLUSA PROIZVODNE FAZE ............................................................................................................ 4.1
OBLAKA TAAKA: PROBLEM ODREIVANJA PRAGOVA ........................................................... 4.7
Mitrovi, S., Jakovljevi, ., Dimi, Z., Miljkovi, Z.
PROSTORU PRIMENOM VETAKIH NEURONSKIH MREA..................................................... 4.18
Papi, S., Klisura, F.
UTICAJ STEPENA STRUNOSTI LJUDSKIH RESURSA NA KVALITET GLAVNOG
PROCESA PROIZVODNJE ................................................................................................................... 4.29
Vujovi, D., Niki, P., Niki, N.
,
................................................... 4.35
Bracanovi, Z., Petrovi, V., Grozdani, B., Borak, .
UTICAJI DOLAZNIH I ODLAZNIH PROCESA NA RAZVOJ KONKURENTSKE
PREDNOSTI PREDUZEA................................................................................................................... 4.44
NAZAD
konferencija
Beograd 2016 INDUSTRIJI PRERADE METALA
1) 2)
Jovanovi, R. J. , uki, D. R.
UTICAJ PROIZVODNO-TRANSPORTNE PARTIJE NA TRAJANJE

TEHNOLOKOG CIKLUSA PROIZVODNE FAZE 3)
Rezime
Istraivanje modela za proraun trajanja tehnolokog ciklusa od izuzetnog je znaaja, jer oni predstavljaju
osnovu za utvrivanje gubitaka u ciklusu, sa jedne strane, ali i za projektovanje ciklusa proizvodnje, sa
druge strane. Pored veliine proizvodne serije i projektovane tehnologije, na trajanje tehnolokog ciklusa
utiu jo veliina proizvodno-transportne partije i nain kretanja predmeta rada u procesu proizvodnje.
Imajui u vidu ovu injenicu u radu je prikazan uticaj proizvodno-transportne partije na trajanje
tehnolokog ciklusa proizvodne faze u zavisnosti od naina kretanja predmeta rada.
Kljune rei: tehnoloki ciklus, nain kretanja predmeta rada, proizvodno-transportna partija, proizvodna
faza
1. UVOD
Sa aspekta teorijskih razmatranja, industrijske prakse i trajanja razlikuju se tri vrste ciklusa: tehnoloki
ciklus ili idealan proizvodni ciklus ( t t t ci ), proizvodni (stvarni) ciklus ( t cs ) i projektovani ciklus
proizvodnje ( t cp ), slika 1.
Slika 1. Vrste ciklusa u zavisnosti od trajanja
Za razliku od proizvodnog ciklusa (PC), slika 2, koga oblikuju deterministike i stohastike aktivnosti u
procesu proizvodnje, na tehnoloki ciklus (TC) utiu samo deterministike aktivnosti koje su projektovane
tehnolokim postupcima za izradu i montau. Veliina proizvodne serije, stepen detaljisanja i kvalitet razrade
tehnolokih postupaka presudno utiu na trajanje tehnolokog ciklusa. to je proizvodnja masovnija stepen
detaljisanja je vei, pa su, tehnolokim operacijama, obuhvaeni i prirodni procesi, procesi kontrole i
transporta.
1)
Prof. dr Jelena R. Jovanovi, Visoka kola tehnikih strukovnih studija aak, (jelena.jovanovic@vstss.com)
2)
Prof. dr Radisav D. uki, Visoka kola tehnikih strukovnih studija aak, (radisav.djukic@vstss.com)
3)
U ovom radu saoptavaju se rezultati istraivanja koja se sprovode u okviru Kabineta za proizvodni i inenjerski menadment,
Kompanije "Sloboda" aak
4.1
Slika 2. Struktura proizvodnog ciklusa
Kada se razmatra trajanje tehnolokog ciklusa, reperne take, izmeu kojih tee vreme, su precizno
definisane poetkom proizvodnje prvog komada iz serije, na prvoj operaciji, i zavretkom poslednjeg
komada iz serije, na poslednjoj tehnolokoj operaciji. Proraun trajanja TC-a, u zavisnosti od naina kretanja
predmeta rada (KPR) u procesu proizvodnje, zastupljen je u skoro svim radovima koji se bave ovom
problematikom. Postoji vie razliitih modela za proraun trajanja TC-a, pri emu je konfuzija naroito
prisutna kod kombinovanog naina kretanja predmeta rada. Imajui u vidu ovu injenicu u prvom delu rada
dat je kratak osvrt na formule koje se koriste u aktuelnoj literaturi. U drugom delu rada prikazan je uticaj
proizvodno-transportne partije na duinu trajanja TC-a proizvodne faze u zavisnosti od naina KPR. Pod
proizvodnom fazom (PF) podrazumeva se deo proizvodnog i tehnolokog procesa koju karakterie podskup
tehnolokih operacija pomou kojih se predmet rada transformie iz jednog u drugo kvalitativno stanje. Pod
proizvodnom partijom podrazumeva se manja koliina predmeta rada, u okviru proizvodne serije, koja se
transportuje izmeu ogranienog broja radnih mesta, sa ciljem da se obezbedi povezanost i kontinuitet u
procesu proizvodnje, saglasno tehnolokom postupku i projektovanom reimu rada.
2. MODELI ZA PRORAUN TEHNOLOKOG CIKLUSA PROIZVODNE FAZE
U literaturi postoji vie razliitih pristupa i formula za proraun trajanja TC-a PF-e u zavisnosti od naina
KPR-a, koje moe biti uzastopno ( t t(u ) ), paralelno ( t t( p ) ) i kombinovano ( t t(k ) ). Nezavisno od pristupa, kod
svih modela za proraun trajanja TC-a figuriu sledei parametri: veliina proizvodne serije (q), projektovane
tehnologije tj. vremena tehnolokih operacija ( t i , i = 1, n ) i nain KPR-a u procesu proizvodnje.
U najnovijoj ruskoj literaturi [1,2] na trajanje TC-a utiu jo veliina proizvodno-transportne partije (p) i
broj radnih mesta po operacijama (ci), relacije (1)-(3).
n ti
tt(u ) = q , (1)
i =1 ci
n ti t
tt( p ) = p + (q p ) max i (2)
i =1 ci i ci
n ti n 1 t t
tt( k ) = q (q p ) min i , i +1 (3)
i =1 ci i =1 i ci ci +1
U naoj literaturi formule za proraun tehnolokog ciklusa po uzastopnom tt(u ) i paralelnom tt( p ) nainu
KPR-a su sline formulama (1) i (2), koje se koriste u ruskoj literaturi, s tim to je za veliinu proizvodno-
transportne partije usvojeno p=1 i broj radnih mesta je identian broju tehnolokih operacija tj. ci=1, relacija
(4). to se tie kombinovanog naina KPR-a t t(k ) u literaturi su prisutne formule (5) [3-5], (6) [6,7], (7) [8,9],
(8) [10], (9) [11,12] i (10) [13-15]. Formula (5) je slina formuli (3) pod istim uslovima kao i formule za
uzastopni i paralelni nain.
Za proraun TC-a po kombinovanom nainu KPR-a, u stranoj literaturi [16], prisutna je i formula (11).
U formulama, relacije (4)-(11), polazi se od pretpostavke da proizvodno-transportna partija sadri samo
jedan komad (p=1) predmeta rada, nezavisno od veliine proizvodne serije q.
4.2
(1), (2) p = 1 ci = 1 t t(u ) = q t i ,
n n
tt( p ) = ti + (q 1) ti max , ti max = max ti , i = 1, n
i
{ } (4)
i =1 i =1
n n 1
(3) p = 1 ci = 1 tt( k ) = q ti (q 1) tki , tki = min{ti , ti +1} (5)
i =1 i =1 i

( )
n s
tt( k ) = ti + (q 1) ti max + tvj tmj , tvj > t j 1 tmj < t j +1 (6)
i =1 j =1
n "
tt( k ) = ti + (q 1) toj' + toj , toj 1 < toj' > toj +1 toj 1 > toj

"
< toj +1 (7)
i =1 j j
n "
tt( k ) = ti + (q 1) toj' toj , toj 1 < toj' > toj +1 toj 1 > toj

"
< toj +1 (8)
i =1 j j
n
tt( k ) = ti + (q 1) ti max + (q 1) (ti max ti min ), ti min = min ti , i = 1, n
i
{ } (9)
i =1
n
tt(k) = ti + (q 1) tk t j , tk 1 < tk tk +1, t j 1 t j < t j +1 (10)
i =1 k j
n n
tt( k ) = t j + (q 1) (t j t j 1 ) I j , t j t j 1 I j = 0 t j > t j 1 I j = 1 (11)
j =1 j =1
U najnovijoj naoj literaturi [17,18] izvrena je provera validnosti postojeih relacija (1)-(11) i na osnovu
dobijenih rezultata i odgovarajuih dokaza definisan je univerzalno primenljiv koncept za proraun trajanja
TC-a proizvodne faze, relacija (12). U zavisnosti od vrednosti parametara p, q, y i naina KPR-a dobijaju se
formule za uzastopni, paralelni i kombinovani nain kretanja predmeta rada, relacije (13)-(16). U odnosu na
rusku literaturu, koja u obzir uzima i broj radnih mesta (ci), u relacijama (12)-(16) njegov uticaj na TC je
eliminisan, obzirom da se radi o organizacionom elementu koji je od uticaja na projektovanje ciklusa, uz
pretpostavku da se svaka tehnoloka operacija izvrava na jednom radnom mestu (ci = 1).
n
t t = p t i + (q p ) y, q 1 1 p q (12)
i =1
n
(12) (q > 1 p = q ) t t t t(u ) = q t i (13)
i =1
(12) (q > 1 1 p < q y = max{ti }) { }

n
i = 1, n t t = t t( p ) = p t i + (q p ) max t i i = 1, n (14)
i =1
(12) (q > 1 1 p < q ) y = t k t j k , j (i = 1, n )

k j
( ) { {
t k ti i = 1, n k = {k = 1 t1 t2 }, k = 2, n 1 tk 1 < tk tk +1 , {k = n t n > tn1} } }
( ) {
t j ti i = 2, n 1 j = 2, n 1 t j 1 t j < t j +1 }
n
t t = t t( k ) = p t i + (q p ) t k t j (15)
i =1 k j
(12) (q > 1 1 p < q ) y = t1 + (t t 1 ) F i, i = 1, n

n
( )
=2
t > t 1 F = 1 t t 1 F = 0
n n
t t = t t( k ) = p t i + (q p ) t1 + (t t 1 ) F (16)
i =1 =2
Treba napomenuti da kod kombinovanog naina KPR-a zadovoljavajue rezultate daju formula (10),
formula (11) uz odgovarajue dodatne uslove kao i formule (15) i (16), videti [17,18]. Relacija (15) zasniva
se na poreenju vremena tri susedne operacije a relacija (16) na poreenju vremena dve susedne operacije.
4.3
3. UTICAJ PROIZVODNO-TRANSPORTNE PARTIJE NA TEHNOLOKI CIKLUS
Veliina proizvodno-transportne partije (p) zavisi od: tipa proizvodnje, veliine proizvodne serije, vrste
tehnolokog procesa, metode organizacije proizvodnje (protona, neprotona), transportnih sredstava i
trajektorije, sigurnosnih zaliha i obima nedovrene proizvodnje, ukupnog broja tehnolokih operacija i
njihovog trajanja. Odnos izmeu proizvodne serije i partije (Np) i granice u okviru kojih moe da osciluje
veliina partije definisani su pomou relacije (17), sa nastojanjem da serija i partija tee svojim optimalnim
vrednostima.
q
Np = , 1 p q, q q o p po (17)
p
Nepoznanica koja do sada nije istraivana, a odnosi se na trajanje TC-a u zavisnosti od naina KPR i
veliine proizvodno-transportne partije (p), istraie se na primeru PF-e koja sadri n = 5 operacija, tabela 1,
slike 3 i 4. U tabeli su prikazani rezultati TC-a za konstantnu vrednost proizvodne serije ( q = 6 komada)
koja se realizuje sa razliitim brojem komada u proizvodnoj partiji ( p = 1,6 ).
Tabela 1. Vrednosti tehnolokog ciklusa (TC) u zavisnosti od naina KPR i veliine partije p
TC (min/ser) Proizvodna serija q = 6 , Proizvodna partija p = 1,6 t i , i = 1,5
Nain KPR Relacija p =1 p=2 p=3 p=4 p=5 p=6 (min/kom)
1 2 3 4 5 6 7 8 9
tt(u ) (13) 48 48 48 48 48 48 t1=2

t2=2
tt(k ) (14) 23 28 33 38 43 48 t3=1
t4=1
tt( p ) (15) i (16) 18 24 30 36 42 48 t5=2
{ }
Slika 3. Gantovi dijagrami sa vrednostima TC-a: t t = t t(u ) , t t(k ) , t t( p ) , q = 6 p = 1 N p = 6
4.4
{ }
Slika 4. Gantovi dijagrami sa vrednostima TC-a: t t = t t(k ) , t t( p ) , q = 6 p = 2 N p = 3
Na osnovu dobijenih vrednosti (slike 3 i 4, tabela 1) moe se zakljuiti da se sa poveanjem proizvodne

partije poveava i trajanje TC-a po kombinovanom tt(k ) i paralelnom tt( p ) nainu KPR dok kod uzastopnog
proizvodna partija ne utie na trajanje ciklusa t (u ) jer se proizvodna serija q tretira kao jedna partija.
t
Minimalne vrednosti TC-a po kombinovanom tt(k ) i paralelnom tt( p ) nainu KPR dobie se za vrednosti
proizvodne partije p = 1 (tabela 1, kolona 3) a maksimalne vrednosti za p = q (tabela 1, kolona 8), relacija
(18).
p = 1 mintt( p) mintt(k ) , p = q maxtt( p) maxtt(k ) = tt(u) 1 p q (18)
4. ZAKLJUAK
Analizirajui uticaj vremena tehnolokih operacija, veliine proizvodno-transportne partije i naina

kretanja predmeta rada u procesu proizvodnje na trajanje tehnolokog ciklusa, mogu se izvesti sledei
zakljuci:
- Pod uslovom da je proizvodna serija q konstantna, utvreno je da se sa poveanjem proizvodno-
transportne partije p poveava trajanje tehnolokog ciklusa po kombinovanom i paralelnom nainu
kretanja predmeta rada.
- Kod uzastopnog naina kretanja predmeta rada proizvodno-transportna partija ne utie na trajanje
ciklusa.
- Najmanji tehnoloki ciklus proizvodne faze dobija se za vrednost partije p = 1, to je u praksi
prihvatljivo kada se proces proizvodnje realizuje u velikim serijama i masovnoj proizvodnji.
- Ako je zastupljena maloserijska i srednjeserijska proizvodnja veliinu proizvodno-transportne partije,
kao to je ve istaknuto, treba optimizirati. Na optimalne vrednosti (po) dominantno utie veliina
proizvodne serije (qo), obim nedovrene proizvodnje i sigurnosne zalihe koje obezbeuju kontinuitet u
proizvodnji.
5. LITERATURA
[1] , ..: , , ,
, 2014.
[2] , .., , ..: , ,
, 2013.
[3] Ili, LJ.: Projektovanje postupka za utvrivanje ciklusa proizvodnje sloenog proizvoda, Magistarski
rad, Mainski fakultet Univerziteta u Beogradu, Beograd, 1978.
[4] Ili, LJ.: Organizacija kao faktor uticaja na ciklus proizvodnje sloenog proizvoda, Doktorska
disertacija, Mainski fakultet Univerziteta u Beogradu, Beograd, 1991.
4.5
[5] Rajkovi, Z.: Interakcija proizvodnog ciklusa u uslovima proizvodnje vie proizvoda, Magistarski rad,
Mainski fakultet Univerziteta u Beogradu, Beograd, 1974.
[6] Bulat, V., Klarin, M.: Menadment proizvodnih procesa, ICIM, Kruevac, 2001.
[7] Klarin, M.: Organizacija i planiranje proizvodnih procesa, Mainski fakultet Univerziteta u Beogradu,
Beograd, 1996.
[8] Bulat, V.: Organizacija proizvodnje, Mainski fakultet Univerziteta u Beogradu, Beograd, 1987.
[9] Bulat, V., Bojkovi, R.: Organizacija proizvodnje, ICIM, Kruevac, 2001.
[10] Bulat, V.: Organizacija proizvodnje analiza i sinteza, ICS Beograd, Beograd, 1976.
[11] Kefer, P.: Prilog organizaciji upravljanja proizvodnjom sloenih proizvoda, Magistarski rad, Mainski
fakultet Univerziteta u Beogradu, Beograd, 1993.
[12] Todorovi, J.: Upravljanje proizvodnjom, Mrlje Beograd, Beograd, 1999.
[13] uki, R.: Dinamiko uravnoteenje i upravljanje sloenim poslovno-proizvodnim sistemima, Doktorska
[14] uki, R., uki, R.J.: Organizacija i ekonomika biznisa, Via tehnika kola aak, aak, 2006.
[15] uki, R., Jovanovi, R.J.: Organizacija proizvodnje, Visoka kola tehnikih strukovnih studija aak,
aak, 2010.
[16] Szendrovits, A.Z.: Manufacturing cycle time determination for a multi-stage economic production
quantity model, Management Science, vol. 22, no. 3, pp. 298-308, 1975.
[17] Jovanovi, J.: Istraivanje procesa upravljanja proizvodnim ciklusom sloenog proizvoda, Doktorska
[18] Jovanovi J., uki R.: Establishing technological cycle time length of the production phase in the
combined mode of workpiece move, Proceedings of the 6th International Symposium on Industrial
Engineering - SIE2015, pp. 355-358. Beograd, Mainski fakultet Univerziteta u Beogradu, Beograd,
septembar 2015.
INFLUENCE OF PRODUCTION-TRANSPORT BATCH ON DURATION OF

PRODUCTION PHASE TECHNOLOGICAL CYCLE
Abstract: Investigations of models for calculations of technological cycle duration is of critical importance,
because models are a basis for establishing losses in the cycle, on one hand, but also for production cycle
design, on the other hand. Apart from production series size and designed technology, technological cycle
duration is affected by the size of production-transport batch and manner of workpiece move in the
manufacturing process. Taking into account this fact, the paper presents influenec of production-transport
batch on duration of production phase technological cycle, depending on the manner of workpiece move.
Key words: technological cycle time, manner of workpiece move, production-transport batch, production
phase
4.6
konferencija
1)

2)
OBLAKA TAAKA: PROBLEM ODREIVANJA PRAGOVA
Rezime
U radu je predstavljen metod automatskog izbora pragova segmentacije zasnovan na upotrebi vetakih
neuronskih mrea. Ovaj metod predstavlja dopunu algoritmu segmentacije jedne klase kvadrika iz
struktuiranih oblaka taaka ime ga ini visoko autonomnim. Upotreba neuronskih mrea u ovom sluaju je
bazirana na njihovom prethodnom obuavanju, a zatim korienju za automatsko generisanje pragova pri
segmentaciji skeniranih kontura i struktuiranih oblaka taaka od interesa. Za obuavanje mrea korieni su
odgovrajui parametri jednog broja G1 kontinualnih sintetizovanih kontura koje sadre eliptine segmente.
Korienjem istih uslova obuen je odreeni broj mrea razliitih struktura koje su iskoriene za
segmentaciju jednog sintetizovanog struktuiranog oblaka taaka. Izvrena je analiza rezultata segmentacije i
izdvojena je mrea sa najboljim performansama. Njenom upotrebom su zatim automatski generisane
vrednosti pragova za segmentaciju i jednog realnog oblaka taaka ime je izvrena eksperimentalna
verifikacija predloenog metoda.
Kljune rei: reverzno inenjerstvo, struktuirani trodimenzioni oblak taaka, segmentacija skeniranih linija,
segmentacija povri, vetake neuronske mree
1. UVOD
Savremene tehnike reverznog inenjerstva geometrijskih modela, pored standardne upotrebe u

projektovanju proizvoda, nalaze primenu i u domenu upravljanja proizvodnim procesima. U ovoj oblasti one
se primenjuju za potrebe navigacije mobilnih robota [1], automatizacije procesa zavarivanja [2,3], kontrole
kvaliteta proizvoda [4] itd. Prema [5] reverzno inenjerstvo geometrijskih modela sprovodi se kroz sledee
etiri faze: skeniranje objekta, pretprocesiranje skeniranih podataka, prepoznavanje geometrijskih primitiva i
formiranje kompjuterskog modela skeniranog objekta.
Skeniranje objekata se uglavnom vri pomou 3D (trodimenzionih) skenera. Savremeni 3D skeneri
poseduju visoku rezoluciju i tanost i njihovom upotrebom generiu se gusti oblaci taaka koji su nosioci
informacije o obliku povrina skeniranog objekta [6].
Nakon skeniranja vri se pretprocesiranje generisanog oblaka koje po pravilu podrazumeva spajanje
veeg broja pogleda, integraciju podataka i generisanje mree. Pretprocesiranje oblaka moe biti razliito u
zavisnosti od namene. U ovoj fazi moe se izvriti redukcija broja taaka gustog oblaka u cilju obezbeenja
lakeg izvoenja narednih faza [7,8]. Najee se tokom pretprocesiranja oblaka taaka generiu 3D
trougaone mree koje mogu na estetski adekvatan nain reprezentovati skenirani objekat u CAD paketima.
Meutim, ovako dobijene 3D mree ne sadre eksplicitno sve informacije o geometrijskoj strukturi
skeniranog objekta, tj. ne sadre informaciju o geometrijskim primitivima od kojih se povrine objekta
sastoje. Geometrijski primitivi mogu biti vani pri izradi replike skeniranog objekta kao i za definitivno
dobijanje kompjuterskog modela objekta. Zbog navedenog, esto se pristupa i pomenutoj treoj fazi
reverznog inenjerstva koju ini prepoznavanje geometrijskih primitiva na skeniranim povrinama.
Najvaniji koraci ove faze su: segmentacija oblaka taaka na delove koji pripadaju jednom geometrijskom
1)
M.Sc Veljko Markovi, Univerzitet u Beogradu, Mainski fakultet, (markovicveljko@yahoo.com), prof. dr ivana Jakovljevi,
Univerzitet u Beogradu, Mainski fakultet, (zjakovljevic@mas.bg.ac.rs), prof. dr Zoran Miljkovi, Univerzitet u Beogradu, Mainski
fakultet, (zmiljkovic@mas.bg.ac.rs)
2)
U okviru ovog rada saoptavaju se rezultati istraivanja koja se sprovode na projektima pod evidencionim brojevima TR35004 i
TR35020 koji finansijski podrava Ministarstvo prosvete, nauke i tehnolokog razvoja Republike Srbije. Autori izraavaju
zahvalnost kompaniji Topomatika za izvenu uslugu skeniranja test dela
4.7
primitivu uz prepoznavanje samih primitiva i estimacija njihovih parametara. Ovi koraci se u savremenim
CAD paketima vre gotovo uvek u interakciji sa korisnikom.
Korisnik u interaktivnim metodama uestvuje pre svega u koraku segmentacije koja predstavlja
uoavanje i izdvajanje iz oblaka grupa taaka koje reprezentuju delove povrina koje se izdvajaju po svojim
geometrijskim osobinama [9]. Upravo razvoj praktino primenljivih potpuno automatskih (bez interakcije sa
korisnikom) metoda za prepoznavanje primitiva danas predstavlja jedan od najveih izazova u ovoj oblasti.
Treba naglasiti da je najvei broj povrina objekata u mainstvu sainjeno od delova ravni i delova povri
drugog reda tzv. kvadrika (cilindar, sfera, konus, elipsoid, hiperboloid...) i da je prepoznavanje ovih klasa
povri iz oblaka taaka od najveeg interesa.
U radu [9] predstavljen je algoritam za segmentaciju jedne klase kvadrika iz struktuiranih oblaka taaka.
Re je o kvadrikama koje su u skeniranim linijama predstavljene eliptinim segmentima to su cilindri,
sfere, eliptiki cilindri, elipsoidi itd. Predstavljeni algoritam se pod odreenim uslovima skeniranja moe
koristiti i za segmentaciju torusa (povr etvrtog reda). Znaajna karakteristika ovog algoritma je da on moe
izvriti efikasnu segmentaciju G1 kontinualnih povrina to u oblasti automatskog prepoznavanja
geometrijskih primitiva iz oblaka taaka predstavlja poseban izazov. Sam algoritam, kao to e u nastavku
biti detaljnije opisano, zahteva podeavanje tri praga koji se koriste pri segmentaciji. Pri tom se ni nakon
velikog broja eksperimenata ne moe uoiti korelacija izmeu najpogodnijih vrednosti pragova i oblika i
geometrijskih osobina povri ija se segmentacija vri. U radu [9] pragovi za segmentaciju su odreivani
iterativnim postupkom uz intervenciju korisnika. Pored toga to je to naporan i vremenski zahtevan zadatak,
runo odreivanje pragova je izuzetno nepovoljno sa aspekta primene algoritma u automatizaciji procesa.
Naime, bilo bi neophodno za svaku novu klasu povri iznova runo odrediti prag to ograniava
autonomnost sistema i ima negativan uticaj na njegovu efikasnost.
Problem odreivanja pragova u segmentaciji dvodimenzionih slika bio je predmet znaajnog broja
istraivanja. Predloen je odreen broj tehnika meu kojima se mogu izdvojiti tehnike zasnovane na
mksimalnoj disperziji izmeu klasa tzv. Otsu tehnika odreivanja praga [10] i tehnike zasnovane na
entropiji [11] uz optimizaciju korienjem razliitih algoritama meu kojima su algoritam simuliranog
kaljenja (engl. SA Simulated Anealing) [12] ili algoritam na bazi inteligencije roja estice (engl. PSO
Particle Swarm Optimization) [13]. S druge strane, segmentacija 3D oblaka taaka je relativno novi
istraivaki pravac i problem odreivanja pragova u ovoj oblasti jo uvek nije dovoljno razmatran.
U ovom radu predlae se metod za automatsko odreivanje pragova pri upotrebi algoritma segmentacije
koji je predstavljen u radu [9]. Metod je zasnovan na primeni vetakih neuronskih mrea i predstavlja
svojevrstan dodatak algoritmu segmentacije i ini ga potpuno automatskim u svim definisanim nainima
upotrebe.
Nastavak ovog rada ima sledeu strukturu po poglavljima. U drugom poglavlju kratko je predstavljen
metod za segmentaciju razmatrane vrste kvadrika i u njemu se blie objanjavaju pragovi koji se u algoritmu
koriste, a ije je automatsko generisanje osnovni predmet ovog rada. Upotreba vetakih neuronskih mrea
za potrebe automatskog odreivanja pragova segmentacije prikazana je u poglavlju 3. etvrto poglavlje
odnosi se na eksperimentalnu verifikaciju predloenog unapreenja na primeru segmentacije realnog
struktuiranog oblaka taaka. U poslednjem, petom poglavlju daju se zakljune napomene.
2. ALGORITAM ZA SEGMENTACIJJU JEDNE KLASE KVADRIKA IZ STRUKTUIRANOG

OBLAKA TAAKA
Algoritam segmentacije iz [9] zasnovan je na segmentaciji eliptinih regiona iz skeniranih linija [14]. U
osnovi ove segmentacije je metod direktne regresije elipsi metodom najmanjih kvadrata koja e u daljem
tekstu biti kratko opisana.
Jednaina elipse u implicitnom obliku moe se predstaviti korienjem opte jednaine konusnih preseka:
a1 x 2 + a2 xy + a3 y 2 + a4 x + a5 y + a6 = 0 (1)
pri emu za elipsu mora biti zadovoljen i dopunski uslov:
a2 2 4a1a3 < 0 (2)
Parametri ai , i = 1,..., 6 mogu se predstaviti kao A = [ a1 a6 ] , a promenljive kao

T
a2 a3 a4 a5
T
vektor x = x 2 xy y2 x y 1 , i tada jednaina (1) dobija oblik:
4.8
AT x = 0 (3)
Da bismo pronali elipsu koja najbolje aproksimira zadati skup taaka potrebno je da za zadate vrednosti
( xn , yn ) , n = 1,..., N odredimo vrednosti parametara elipse odnosno lanove matrice A. Korienjem metoda
najmanjih kvadrata problem pronalaenja vrednosti ai , i = 1,..., 6 moe se svesti na problem minimizacije:
2
min DA (4)
A
gde je sa D obeleena matrica oblika:
x12 x1 y1 y12 x1 y1 1
2
x x2 y2 y2 2 x2 y2 1
D= 2 (5)

2
xN xN y N yN 2 xN yN 1
Da bi proces minimizacije (4) uinili efikasnijim autori u [15] vre normalizaciju uvodei uslov:
4a1a3 a2 2 = 1 (6)
koji se u matrinoj formi moe predstaviti kao:
A T CA = 1 (7)
gde je C matrica dimenzije 66 sa C(1, 3)=C(3, 1)=2, C(2, 2)=-1 i C(i, j)=0, u suprotnom.
Pokazani problem minimizacije moe se predstaviti sledeim sistemom jednaina:
SA= CA
(8)
A T CA = 1
gde je S=DT D tzv. informaciona matrica [16], a predstavlja uvedeni Lagranov mnoilac.
U radu [15] autori su dokazali da sistem jednaina (8) ima tano jedno reenje. Ovo reenje se interpretira
u vidu matrice koja sadri est lanova koji predstavljaju traene parametre elipse ai , i = 1,..., 6 .
Ukoliko su uzorci tj. take ( xn , yn ) , n = 1,..., N uzorkovane bez ikakvog uma, odnosno u potpunosti
unapred zadovoljavaju jednainu odreene elipse onda je informaciona matrica S singularna i ovakvom
procedurom nije mogue utvrditi koeficijente jednaine (1). S druge strane, ukoliko skup taaka
aproksimativno predstavlja neku elipsu (to je sluaj sa takama koje su dobijene skeniranjem) informaciona
matrica je bliska singularnoj. U ovom sluaju mogu biti ispunjena dva uslova: 1) reciproni faktor
uslovljenosti informacione matrice je blizak nuli; 2) sopstvene vrednosti matrice S-1C su bliske nuli ili ak
manje od nule [17].
Opisana svojstva singularnosti matrice S za sluaj skupa taaka koji aproksimira neku elipsu su direktno
upotrebljena u algoritmu segmentacije eliptinih regiona. Skenirane take se dodaju u skup jedna po jedna
poev od prve u nizu. U svakom koraku odnosno pri svakoj dodatoj taki, raunaju se vrednosti matrica D i
S i proveravaju njihove vrednosti. Unapred je zadato dva praga ( trc i tov ) za segmentaciju, po jedan za svaki
sluaj singularnosti (reciproni faktor uslovljenosti i sopstvene vrednosti). Ukoliko su vrednosti recipronog
faktora uslovljenosti i sopstvene vrednosti u odreenoj korelaciji (vie ili nie) od odgovarajuih pragova,
moe se zakljuiti da se matrica S udaljava od svoje singularnosti, odnosno da poslednje dodata taka ne
pripada skupu taaka koje predstavljaju odreeni eliptini segment konture odnosno deo neke elipse. Ta
taka se u tom trenutku proglaava granicom izmeu dva eliptina segmenta i postaje ujedno i prva taka
narednog segmenta. Opisana metodologija prikazana je u pseudo kodu za jednu iteraciju algoritma
segmentacije na slici 1.
4.9
ULAZ: N taaka konture, koordinate x, y ULAZ: x, y koordinate taaka konture
prelaz vektor pozicija taaka prelaza
for i=1:N k=1; j=trans(2);
x1=x(1 : i); for i=1:length(trans)
y1=y(1 : i); x1=x(k : trans(i)); y1=y(k : trans(i));
D=[x1^2 x1*y1 y1^2 x1 y1 ones(i)] proceniti a1
S=D*D izraunati procenjene y1_e
if rcond(S)>thr_rc x2=x(trans(i) : j); y2=y(trans(i) : j);
trans=i; break proceniti a2
else izraunati procenjene y2_e
[svek, svr]=eig(inv(S)*C) if abs(sum(abs(y1_e-y1))/length(y1)-
ov=abs(svr(find(svr>0))) abs(sum(abs(y2_e-y2))/length(y2)>thr_gr
if ov< thr_ov fin_trans(k)=trans(i);
trans=i; break; end; end end;
end; k=trans(i);
if i<length(trans)-1
IZLAZ: trans - detektovani prelaz izmedju j=trans(i+2);
segmenata else
j=length(x);
Slika 1. Proces segmentacije eliptinih regiona
end; end;
IZLAZ: fin_trans - konane pozicije taaka
prelaza nakon grupisanja
Slika 2. Proces grupisanja eliptinih segmenata
U radu [9] pokazano je da je ovako izveden algoritam segmentacije podloan presegmentiranju kontura
odnosno izdvajanju i vie segmenata nego to kontura stvarno poseduje. Ovaj problem je reen dodatnim
procesom grupisanja segmenata nakon prve faze segmentacije. U tom procesu grupisanja uvodi se jo jedan
(trei) prag ( t gr ) na osnovu koga se donosi odluka o tome koja dva susedna segmenta je potrebno grupisati u
jedan. Faza naknadnog grupisanja je interpretirana pseudo kodom na slici 2.
a) b)
Slika 3. Sintetizovani objekat koji se sastoji od G1 kontinualanih delova tri cilindra: a) CAD model;
b)sintetizovani oblak taaka
Za ilustraciju performansi opisanog algoritma u okviru ovog rada kreiran je oblak taaka koji predstavlja
objekat prikazan na slici 3, a koji se sastoji od delova povri tri cilindra. Prelazi izmeu delova povri su G1
kontinualni. Kako bi se sintetisani oblak pribliio realnom skeniranom oblaku, on je kontaminiran umom sa
odnosom signala i uma (SNR signal-to-noise ratio) od 120dB. Raster izmeu taaka du x ose oblaka je
ekvidistantan i iznosi 0.2mm, ime se dobija po 750 taaka u svakoj konturi. Iz oblaka je izdvojena jedna
4.10
kontura. Ova kontura predstavlja jednu skeniranu liniju povrine objekta i sastoji se (u skladu sa
geometrijom objekta) od tri eliptina segmenta odnosno tri kruna luka (krug se moe smatrati specijalnim
sluajem elipse pa se kao takav moe uspeno segmentirati predstavljenim algoritmom). Radi ilustracije
procesa segmentacije eliptinih segmenata izdvojena kontura je procesirana opisanim algoritmom
segmentacije i rezultati su grafiki predstavljeni na slici 4. Slika 4.a. prikazuje rezultate segmentacije za
sledee vrednosti pragova za segmentaciju i grupisanje: trc = 0.15 , tov = 1013 i t gr = 30 . Ovi pragovi su
odreeni runo - pretraivanjem i za njih je algoritam konturu segmentirao na tri segmenta kao to je i bilo
potrebno. Detektovane su prelazne take na 176-tom i 500-tom mestu poev od prve take konture i u ovom
sluaju greka segmentacije je zanemariva i iznosi svega jedan uzorak (projektovani prelazi su 175 i 500).
Meutim, predloeni algoritam je prilino osetljiv na promenu vrednosti pragova. Na slici 4.b. prikazani su
rezultati segmentacije za blago izmenjene vrednosti pragova koji iznose: trc = 0.20 , tov = 1.1 1013 i t gr = 35 .
Dobijeni prelazi su 167 i 483 ime se dobija znaajna greka segmentacije koja iznosi 8 uzoraka na prvom i
17 uzoraka na drugom prelazu izmeu segmenata. Ovi rezultati oigledno pokazuju da mala razlika u
vrednosti pragova ima znaajan uticaj na rezultate segmentacije.
Segment 1
50 Segment 2
z[mm]
Segment 3
40
30
0 20 40 60 80 100 120 140
x[mm]
a)
Segment 1
50 Segment 2
z[mm]
Segment 3
40
30
0 20 40 60 80 100 120 140
x[mm]
b)
Slika 4. Segmentirana kontura koja se sastoji od tri kruna segmenta: a)runo odreeni pragovi;
b)promenjeni pragovi u cilju ilustracije osetjivosti segmentacije
Dakle, kako bi se dobili zadovoljavajui rezultati segmentacije neophodno je podesiti vrednosti sva tri
praga u zavisnosti od oblika konture i nivoa uma u signalu (skeniranoj liniji). U radu [9] ovo podeavanje je
heuristiki vrio korisnik.
3. ODREIVANJE PRAGOVA SEGMENTACIJE UPOTREBOM VETAKIH NEURONSKIH

MREA
Runo podeavanje pragova za segmentaciju i grupisanje je dugotrajno, to je vaan nedostatak ako je na

osnovu algoritma potrebno vriti automatizaciju nekog procesa. Ovi pragovi zavise od oblika konture ija se
segmentacija vri i od nivoa uma u konturi. Meutim, tokom rada nije uoena jasna i formalno opisiva
korelacija izmeu vrednosti pragova i konture koja se segmentira. Da bi se podesile vrednosti parametara
kojima bi se ostvarila zadovoljavajua segmentacija obino se mora pribei izvoenju nekoliko iteracija
odnosno proba segmentacije.
Zbog navedenog problema javila se potreba za razvojem efikasnog i automatskog metoda izbora
potrebnih pragova. U ovom radu se kao jedno od reenja predstavljenog problema prezentuje metod izbora
pragova segmentacije korienjem vetakih neuronskih mrea. Osnovna ideja koncepta je da se koristi
odreena unapred obuena vetaka neuronska mrea koja bi mogla da, na osnovu odreenih karakteristika
konture ija je segmentacija potrebna, automatski proceni potrebne vrednosti pragova.
4.11
60 60
z[mm]
z[mm]
40 40
20 20
0 0
0 50 100 150 0 50 100 150
x[mm] x[mm]
60 60
z[mm]
z[mm]
40 40
20 20
0 0
0 50 100 150 0 50 100 150
x[mm] x[mm]
60 60
z[mm]
z[mm]
40 40
20 20
0 0
0 50 100 150 0 50 100 150
x[mm] x[mm]
Slika 5. Segmentirane reprezentativne konture za obuku vetakih neuronskih mrea
Obuka same mree moe se posmatrati kao poseban problem. U ovom radu za potrebe obuke mree
formirano je (sintetizovano) 6 reprezentativnih kontura. Konture se sastoje od razliitih krunih i eliptinih
segmenata i svaka od njih sadri po 300 ekvidistantnih taaka. Izabrani raster je 0.5mm, a SNR dodatog
uma iznosi 120dB. Na konture je primenjen algoritmom segmentacije koji je predstavljen u poglavlju 2 kao
i u radu [9] i tom prilikom su za svaku konturu runo odreeni odgovarajui pragovi za segmentaciju.
Grafiki prikazi segmentiranih kontura za obuavanje mrea dati su na slici 5.
Kako bi se mrea za procenu pragova obuila potrebno je pre svega definisati obuavajue parove
odnosno ulazne i izlazne vektore. Izlazni vektori predstavljaju vrednosti procenjenih parametara za
segmentaciju i grupisanje i izlazni vektori za svih 6 reprezentativnih kontura sa slike 5 mogu se predstaviti
matricom:
trc1 trc1 trc 6

O = tov1 tov 2 tov 6 . (12)
t gr1 t gr 2 t gr 6

Ulazni vektor, s druge strane treba da opie oblik same konture i on se sastoji od: 1) skupa z koordinata
taaka reprezentativnih kontura (koje su poreane redom od prve ka poslednjoj - tristotoj u skeniranoj liniji),
2) srednje visine konture, i 3) parametra koji sadri informaciju o valovitosti konture. Srednja visina konture
se moe opisati kao:
z n
(9)
hsr = n =1
gde su zn , n = 1,..., N - z koordinate taaka konture, a N ukupan broj taaka (u sluaju kontura za
4.12
obuavanje mree N=300 ).
S druge strane valovitost se definie kao:
N
z n hsr
(10)
W= n =1
.
N
Na osnovu izloenog, ulazni vektori za obuavanje mree za svih 6 kontura sa slike 5 mogu se predstaviti
matricom:
hsr1 hsr 2 hsr 6

W W2 W6
1
I = z11 z12 z16 .
(11)

z N1 z N2 z N6
U ovom radu izabrane su neuronske mree bazirane na algoritmima uenja sa prostiranjem greke unazad
- backpropagation neuronske mree [18]. Formirano je i obueno devet vetakih neuronskih mrea.
Struktura ovih mrea je sa jednim, dva i tri skrivena sloja neurona s tim to se razlikuju brojevi neurona u
skrivenim slojevima. Brojevi neurona u skrivenim slojevima su proizvoljno izabrani. Nakon kreiranja sve
mree su obuene istim obuavajuim parovima i pri istim uslovima. Korien je Levenberg-Markeov
algoritam uenja [19]. Aktivaciona funkcija neurona je bila sigmoidna. Maksimalni broj iteracija je
postavljen na 100, a greka obuavanja na 0.001.
Nakon obuavanja mrea izvreno je njihovo testiranje kroz dobijanje pragova segmentacije za sluaj
kontura iz poglavlja 2. Ulazni vektor u neuronsku mreu sadri 300 taaka sa konture. Kako je broj taaka na
konturi u optem sluaju proizvoljan, nephodno je usvojiti nain za svoenje broja taaka na 300. U ovom
radu je usvojen sledei princip. Ako je broj taaka na konturi N>300, uzima se prvih 300k taaka gde je k
celobrojni rezultat deljenja N sa 300, a zatim se vri uniformno smanjenje broja taaka sa faktorom k. S
druge strane, ako je N<300, vri se uniformno dodavanje taaka uz linearnu interpolaciju, sve dok broj
taaka ne postane vei od 300, a zatim se koristi ve opisana procedura za smanjenje broja taaka. Kontura
sa slike 4 (kao i sve ostale konture oblaka sa slike 3) sadri 750 taaka to znai da se pri pozivanju mree
koristi svaka druga taka od prvih 600 taaka dok se poslednjih 150 ne uzima u razmatranje.
Tabela 1. Rezultati segmentacije sintetizovnog struktuiranog oblaka taaka

Srednja vrednost Standardna devijacija
Mrea Struktura pozicija prelaza pozicija prelaza
Prelaz 1 Prelaz 2 Prelaz 1 Prelaz 2
1. [3] 190 286 0.5 0.4
2. [7] 178 317 0.0 0.2
3. [10] 192 288 0.0 0.0
4. [5,3] 176 502 0.0 0.0
5. [3,6] 202 305 0.0 0.0
6. [6,6] 166.5 478.5 0.5 1.4
7. [2,5,2] 182 268 4.4 1.0
8. [3,6,3] 180 323 0.9 2.1
9. [4,2,5] 186 503 0.2 0.3
Nakon upotrebe svih devet mrea za potrebe segmentacije celokupnog oblaka taaka, dobijeni su rezultati
koji su predstavljeni u tabeli 1. U ovoj tabeli su pored ostalog prikazane srednje vrednosti i standardne
devijacije detektovanih prelaznih taaka za sve konture na objektu. Moe se uvideti da je pri upotrebi
nekoliko mrea greka segmentacije i do 232 uzorka. Ipak, uoeno je da odreene mree daju oekivano
dobre rezultate. Najbolji rezultati dobijeni su korienjem mree sa dva skrivena sloja i to sa 5 neurona u
prvom i 3 u drugom skrivenom sloju mrea pod rednim brojem 4 u tabeli 1. Tom prilikom npr. pri
segmentaciji prve konture oblaka (konture sa slike 4) dobijeni su pragovi za segmentaciju ije su vrednosti
4.13
trc = 0.1762 , tov = 1.0546 1013 i t gr = 26.5237 . Lako je zapaziti da su ove vrednosti pragova bliske
vrednostima koje su heuristiki odreene pri segmentaciji ove konture u poglavlju 2. Pri pronalaenju oba
prelaza korienjem ove mree algoritam segmentacije je detektovao prelazne take koji se nalaze na
pozicijama 176 i 502. Ovo znai da je maksimalna greka segmentacije samo dva uzoraka (take) odnosno
0.4mm du x-ose (raster konture je 0.2mm du x-ose). Ovako nizak nivo greke moe se smatrati odlinim
rezultatom imajui u vidu nivo uma prisutan u signalu. Radi ilustracije rezultata segmentacije korienjem
automatskog izbora pragova na slici 6 grafiki je prikazana segmentacija jedne konture oblaka. Pored toga,
na slici 7. predstavljen je rezultat segmentacije kompletnog sintetizovanog oblaka objekta iz prethodnog
poglavlja. Treba napomenuti da je izbor pragova vren za svaku konturu struktuiranog oblaka pojedinano.
Segment 1
50 Segment 2
z[mm]
Segment 3
40
30
0 20 40 60 80 100 120 140
x[mm]
Slika 6. Rezultati segmentacije sintetizovane konture korienjem vetake neuronske mree [5,3]
Slika 7. Rezultati segmentacije sintetizovaanog oblaka taaka korienjem vetake neuronske mree [5,3]
4. EKSPERIMENTALNA VERIFIKACIJA AUTOMATSKOG IZBORA PRAGOVA PRI

SEGMENTACIJI REALNOG OBLAKA TAAKA
Nakon predstavljanja metoda automatskog izbora pragova segmentacije i potvrde koncepta na primeru
jednog sintetizovanog oblaka taaka potrebno je verifikovati princip na primeru realnog oblaka taaka. Za
ovu priliku iskorien je realni oblak taaka koji reprezentuje jednu specifinu povrinu objekta koji je
prikazan na slici 8. Ovaj objekat predstavlja tipian test deo koji je korien u mnogim radovima na temu
segmentacije oblaka taaka u reverznom inenjerstvu [20]. Test objekat je koncipiran tako da sadri odreeni
broj ravnih povri kao i povri drugog reda. Skeniranje realnog dela je izvreno ATOS Compact Scan 3D
skenerom visoke rezolucije [21]. Oblak sadri 141 konturu sa po 765 taaka. Raster oblaka du x ose je
ekvidistantan i iznosi 0.05mm. Projektovani prelazi su take 85, 140, 285 i 400.
Da bismo bolje sagledali mogunosti predstavljenog metoda izbora pragova za potrebe verifikacije na
realnom oblaku taaka iskoriena je vetaka neuronska mrea koja je pokazala najbolje rezultate na
sintetizovnom oblaku u prethodnom poglavlju. Izabrana mrea sastoji se od dva skrivena sloja - u prvom
sloju nalazi se 5 neurona, a u drugom 3. Potrebno je napomenuti da je, zbog pomenutog ogranienja odnosno
potrebe za korienjem samo 300 taaka konture pri pozivanju mree, izvrena transformacija informacije o
skeiraniim linijama na isti nain kao u prethodnom poglavlju. Naime, signal (skenirana linija) je redukovan
4.14
na duinu od 300 taaka - u obzir je uzeta svaka druga taka pri emu je poslednjih 176 taaka izuzeto iz
razmatranja.
a) b)
Slika 8. Test objekat: a) realni deo; b) CAD model i izdvojena povrina od interesa
Upotrebom predstavljene mree dobijeni su odlini rezultati koji su prikazani u tabeli 2. Moe se
zakljuiti da maksimalno odstupanje od idealnih prelaza postoji pri detektovanju prvog prelaza i iznosi 2
uzoraka. Ukoliko se posmatra po duini du x ose ova greka segmentacije iznosi 0.1mm (raster oblaka je
0.05mm). Na slici 9. grafiki su prikazani rezultati opisane segmentacije na celom oblaku taaka koji su
dobijeni korienjem automatskog metoda izbora pragova.
Tabela 2. Rezultati segmentacije realnog struktuiranog oblaka taaka

Srednja vrednost pozicija prelaza Standardna devijacija pozicija prelaza
Mrea Struktura
Prelaz 1 Prelaz 2 Prelaz 3 Prelaz 4 Prelaz 1 Prelaz 2 Prelaz 3 Prelaz 4
4. [5,3] 83 140 285 399 0.6 0.0 1.0 2.0
Slika 9. Rezultati segmentacije realnog oblaka taaka korienjem algoritma sa automatskim izborom
pragova
5. ZAKLJUAK
Prilikom primene algoritma segmentacije jedne klase kvadrika iz struktuiranih oblaka taaka koji je
predstavljen u [9] zahteva se podeavanje odreenog broja (tri) pragova. Dva praga se odnose direktno na
proces segmentacije samih kontura, dok se trei prag koristi pri naknadnom koraku grupisanja segmenata u
clju dobijanja njihovog konanog broja. Podeavanje pomenutih pragova se odvija iterativno uz asistenciju
korisnika to implicira smanjenje nivoa autonomije samog algoritma segmentacije. Dodatni problem
predstavlja injenica da, prilikom primene algoritma, do sada nije uoena neka matematiki formalno opisiva
zavisnost nivoa samih pragova i geomertijskih osobina skeniranih kontura ija je segmentacija potrebna.
U ovom radu opisan je pomenuti problem izbora vrednosti pragova segmentacije i predstavljen je metod
automatskog generisanja pragova segmentacije koji se temelji na upotrebi prethodno obuenih vetakih
neuronskih mrea. U ovom sluaju re je o upotrebi neuronskih mrea koje su bazirane na algoritmima
uenja sa prostiranjem greke unazad (engl. backpropagation artificial neural network). Za njihovu obuku
4.15
korieni su odreeni parametri est reprezentativnih sintetizovanih kontura. Odreeno je da se pri
obuavanju mrea kao ulazni prarmetri koriste srednja visina konture, valovitost kao i z koordinate taaka
svake reprezentativne konture posebno. Kao izlazni parametri korieni su pragovi segmentacije za svaku od
kontura koji su unapred odreeni od strane korisnika iterativnim korienjam algoritma segmentacije iz [9].
Pri istim uslovima obueno je devet mrea razliite strukture - po tri mree sa po jednim, dva i tri skrivena
sloja neurona. Broj neurona u svakom skrivenom sloju je izabran proizvoljno.
Nakon obuavanja potrebnih mrea izvreno je testirnje predloenog metoda. Obuene mree su
iskoriene za automatsko generisanje pragova pri segmenaciji kontura sintetizovanog struktuiranog oblaka
taaka. Pri njihovom pozivanju ulazi u mree bili su istog formata kao i pri obuci, a mree su generisale
izlaze u vidu potrebnih pragova za adekvatnu segmentaciju kontura. Rezultati testiranja izloeni su tabelarno
i izabrana je najbolja neuronska mrea. Ova mrea je zatim iskoriena za eksperimentalnu verifikaciju
metoda korienjem realnog struktuiranog oblaka taaka koji reprezentuje povr koja se sastoji iz delova pet
razliitih cilindara.
Razvojem predstavljenog metoda automatskog izbora pragova izvrena je potrebna dopuna algoritma
segmentacije jedne klase kvadrika iz struktuiranih oblaka to je obezbedilo njegovu visoku autonomiju pri
upotrebi u definisanim uslovima. Dalja istraivanja na ovu temu e se odnositi na automatski izbor pragova
pri korienju algoritama segmentacije nestruktuiranih oblaka taaka.
7. LITERATURA
[1] Fu, G., Coradi, P., Menciassi, A., Dario, P.: An Integrated Triangulation Laser Scanner for Obstacle
Detection of Miniature Mobile Robots in Indoor Environment, IEEE/ASME Transactions on
Mechatronics, 16/4, pp.778 783, 2011.
[2] Rodrigues, M., Kormann, M., Schuhler, C., Tomek, P.: Structured Light Techniques for 3D Surface
Reconstruction in Robotic Tasks, Proceedings of the 8th International Conference on Computer
Recognition Systems CORES, Advances in Intelligent Systems and Computing, 226, pp.805-814,
2013.
[3] Fang, Z., Xu, D., Tan, M.: A Vision-Based Self-Tuning Fuzzy Controller for Fillet Weld Seam
Tracking, IEEE/ASME Transactions on Mechatronics, 16/3, pp.540 550, 2011.
[4] Xu, J., Xi, N., Zhang, C., Shi, Q., Gregory, J.: A Robot-Assisted Back-Imaging Measurement System
for Transparent Glass, IEEE/ASME Transactions on Mechatronics, 17/4, pp.779 788, 2012.
[5] Varady, T., Martin, R., R., Cox, J.: Reverse engineering of geometric models an introduction,
Computer Aided Design, 29, pp. 255-268, 1997.
[6] Savio, E., De Chiffre, L., Schmitt, R.: Metrology of freeform shaped parts, Annals of the CIRP, 56/2,
pp.810-834, 2007.
[7] Song, H., Feng, H.Y.: A progressive point cloud simplification algorithm with preserved sharp edge
data, Int J Adv Manuf Technol, 45, pp.583-592, 2009.
[8] Shi, B.Q., Liang, J., Liu, Q.: Adaptive simplification of point cloud using k-means clustering,
Computer Aided Design, 43/8, pp. 910-922, 2011.
[9] Markovi, V., Jakovljevi, .: Segmentacija jedne klase povri drugog reda iz struktuirnog oblaka
taaka, 39. Jupiter konferencija, str.4.13-4.22, Beograd, Mainski fakultet, Beograd, oktobar 2014.
[10] Otsu, N.: A threshold selection method from gray-level histograms, IEEE Transactions on System Man
and Cybernetics, 9, pp.62-66, 1979.
[11] Kapur, J.N., Sahoo, P.K., Wong, A.K.C.: A new method for gray-level picture thresholding using the
entropy of the histogram, Computer Vision Graphics and Image Processing, 29, pp.273-285, 1985.
[12] Karasulu, B., Korukoglu, S.: A simulated annealing-based optimal threshold determining method in
edge-based segmentation of grayscale images, Applied Soft Computing, 11/2, pp.2246-2259, 2011.
[13] Yin. P.Y.: Multilevel minimum cross entropy threshold selection based on particle swarm
optimization, Applied Mathematics and Computation, 184/2, pp.503-513, 2007.
[14] Jakovljevi, ., Markovi, V., Miladinovi, M.: Recognition of elliptical segments in scanned lines,
Etikum, str.19-22, Novi Sad, FTN, Novi Sad, jun 2014.
[15] Fitzgibbon, A., Pilu, M., Fisher, B.: Direct Least Square Fitting of Ellipses, IEEE Transactions on
Pattern Analysis and Machine Intelligence, 21/5, pp.476-480, 1999.
[16] Stani, J., Metod inenjerskih merenja, Mainski fakultet, Beograd, 1990.
[17] Halir, R., Flusser, J.: Numerically stable direct least squares fitting of ellipses, 6th International
4.16
Conference in Central Europe on Computer Graphics and Visualization, WSCG, pp.125-132, 1998.
[18] Miljkovi, Z.: Sistemi vetakih neuronskih mrea u proizvodnim tehnologijama, Mainski fakultet,
Beograd, 2003.
[19] Miljkovi, Z., Aleksendri, D.: Vetake neuronske mree - zbirka reenih zadataka sa izvodima iz
teorije,Mainski fakultet, Beograd, 2009.
[20] Petitjean, S.: A Survey of Methods for Recovering Quadrics in Triangle Meshes, ACM Computing
Surveys, 34/2, pp.211-262, 2002.
[21] GOM GmbH, ATOS Compact Scan - The compact class of scanning, 2014 [Online]. Available:
http://www.gom.com/metrology-systems/system-overview/atos-compact-scan.html.
Markovi, V., Jakovljevi, , Miljkovi, Z.
SEGMENTATION OF ONE CLASS OF QUADRIC SURFACES FROM STRUCTURED

POINT CLOUDS: THRESHOLDS DETERMINATION ISSUE
Abstract: This paper presents a method for automatic detection of thresholds in segmentation of quadrics
from structured point clouds. The method employs artificial neural networks and it presents an addition to
previously developed algorithm for segmentation of a class of quadric surfaces from structured 3D point
clouds. Trained neural networks generate thresholds values for segmentation of scanned contours and point
clouds. A number of G1 continuous synthesized contours with elliptical segments represent a basis for
network training.
We have trained several neural networks with different structures under the same conditions. The best
available neural network is chosen based on the results of segmentation of one synthesized structured point
cloud. We have tested this neural network in estimation of thresholds for segmentation of one real world
point cloud and it has shown excellent performance.
Key words: reverse engineering, structured 3D point cloud, segmentation of scanned lines, segmentation of
surfaces, artificial neural networks
4.17
konferencija
1)
Mitrovi, S, Jakovljevi, , Dimi, Z, Miljkovi, Z.

PROSTORU PRIMENOM VETAKIH NEURONSKIH MREA2)
Rezime
U okviru ovog rada predstavljeni su inicijalni rezultati istraivanja u kreiranju sistema za upravljanje
mobilnim robotom za kretanje u 2D prostoru sa preprekama. Sistem je zasnovan na upotrebi vetakih
neuronskih mrea i infracrvenih senzora rastojanja. Softversko reenje je primenjeno na mikrokontroleru, sa
ciljem da se upotrebom minimalne hardverske konfiguracije postigne adekvatan nivo mogunosti snalaenja
u prostoru. Opisane su koriene vetake neuronske mree, dati su algoritmi upravljakog i pomonog
softvera i opisani su eksperimentalni rezultati. Projektovani sistem upravljanja uspeno je testiran na
mobilnom robotu Buggy u okviru eksperimentalnog okruenja postavljenog u Lola institutu.
Kljune rei: 2D prostor, vetake neuronske mree, mobilni robot, zaobilaenje prepreka, mikrokontroler.
1. UVOD
Kako bi odgovorile na velike fluktuacije u zahtevima trita, sve vei broj proizvodnih kompanija
prinuen je da primenjuje paradigmu masovne kastomizacije i personalizacije proizvodnje. Tehniko-
tehnoloki faktori koji treba da omogue efikasnu implementaciju ove paradigme su rekonfigurabilni
tehnoloki sistemi i informacione tehnologije [1]. Rekonfigurabilni tehnoloki sistemi zasnovani su na
modularnoj opremi koja se po potrebi moe brzo i lako integrisati [2]. Njihov znaajan element predstavljaju
autonomni mobilni roboti koji se, zahvaljujui svojoj autonomnosti i fleksibilnosti, mogu ukljuiti u
izvravanje razliitih prostorno dislociranih proizvodnih zadataka, kada i gde je to potrebno.
Intenzivna su istraivanja u oblasti implementacije autonomnih mobilnih robota u zdravstvu, spasilakim
i istraivakim misijama, vojnim i industrijskim aplikacijama [3]. Mobilni roboti danas se uspeno koriste u
bolnicama, gde vre manipulaciju uzorcima i medicinskim sredstvima [4]. U velikim proizvodnim sistemima
koriste se za unutranji transport dokumenata i pote. Nude se varijante mobilnih robota za obavljanje
dostave po hotelskim sobama [5], a postoje i tenje da se leteim robotima vre isporuke poiljki [6].
I u oblasti proizvodnih tehologija postoji znaajan broj istraivanja u oblasti primene autonomnih
mobilnih robota. Na primer, u [7], akcijama mobilnog robota tokom izvravanja zadataka montae upravlja
se pomou sistema vetakog gledanja i praenjem intenziteta sile na zavrnom ureaju. Primenom sistema
vetakog gledanja i tehnika mainskog uenja u [8], robot je uspeno identifikovao i hvataem prihvatio
eljeni objekat smeten u sopstvenoj okolini. U radu [9] predloeno je hibridno upravljanje mobilnom
platformom, sadejstvom pozicionog upravljanja, sistema vetakog gledanja i neuronskih mrea, ime se
postie kvalitetno globalno pozicioniranje robokolica, zajedno sa strogo artikulisanim kretanjem, koje je
potrebno tokom orijentacije i prilaska objektu u proizvodnom okruenju.
Meutim, i pored brojnih istraivanja u ovoj oblasti, evidentan je nedostatak primene autonomnih
mobilnih robota u realnom industrijskom okruenju [3, 10]. Jedan od najznaajnijih razloga za to odnosi se
na bezbednost. Naime, industrijski mobilni roboti treba da rade u neodreenom okruenju u okviru
rekonfigurabilnih tehnolokih sistema i neophodno je obezbediti odsustvo kolizije robota sa opremom,
operaterima i drugim objektima koji se nalaze u pogonu. Svi navedeni problemi prisutni su i kod servisnih
1)
M.Sc. Stefan Mitrovi, istraiva pripravnik, Lola institut, Beograd (stefan.mitrovic@li.rs), Zoran Dimi, istraiva saradnik, Lola
institut, Beograd (zoran.dimic@li.rs), dr ivana Jakovljevi, vanredni profesor, Univerzitet u Beogradu, Mainski fakultet,
(zjakovljevic@mas.bg.ac.rs), prof. dr Zoran Miljkovi, Univerzitet u Beogradu, Mainski fakultet, (zmiljkovic@mas.bg.ac.rs)
2)
U okviru ovog rada saoptavaju se rezultati istraivanja koja se sprovode na projektima pod evidencionim brojevima TR35004 i
TR35020 koji finansijski podrava Ministarstvo prosvete, nauke i tehnolokog razvoja Republike Srbije. Autori se zahvaljuju
kompaniji Mikroelektronika iz Beograda na podrci prilikom nabavke eksperimentalne opreme.
4.18
autonomnih mobilnih robota koji se ve implementiraju u zdravstvu, logistici i sl. Meutim, za industrijske
mobilne robote, izuzetno je bitno da kombinuju fleksibilnost servisnih robota sa efikasnou industrijskih
robota [11].
U industrijskim aplikacijama okruenje je strukturirano. Kretanje mobilnog robota se zasniva na
lokalizaciji i mapiranju prostora, kao i planiranju putanje. Meutim, zbog prisustva drugih agenata u
okruenju i mogue promene okruenja nakon mapiranja, koja je naroito izraena u rekonfigurabilnim
tehnolokim sistemima, neophodo je obezbediti i algoritme za zaobilaenje prepreka [12]. Detekcija prepreka
vri se korienjem razliitih senzora, meu kojima su kamere, laserski skeneri, sistemi vetakog gledanja,
ultrazvuni i infracrveni senzori rastojanja. Razvijani su razliiti algoritmi za zaobilaenje prepreka koji su
zasnovani na vetakim neuronskim mreama [13], fazi logici [14], inteligenciji roja estica (engl. PSO
Particle Swarm Optimization) [15], uenju ojaavanjem (engl. RL Reinforcement Learning) [15] i drugim
tehnikama mainskog uenja.
U okviru ovog rada bie predstavljen predlog reenja upravljanja mobilnim robotom sa ciljem
zaobilaenja prepreka u 2D prostoru, zasnovanog na primeni vetakih neuronskih mrea i infracrvenih
senzora rastojanja, sa upravljakom jedinicom na bazi mikrokontrolera. Cilj rada je da demonstrira
mogunosti upravljanja, baziranog na hardveru ogranienih mogunosti, pri reavanju konkretnog problema
primenom tehnika mainskog uenja. Za razliku od sloenih, naprednih sistema, koji koriste kamere i
algoritme samolokalizacije [16], reenje predloeno u ovom radu je minimalistiko, pri emu mobilni robot
ima za zadatak da zaobie postavljenu prepreku i stigne do cilja samo obradom informacija koje dobija sa
infracrvenih senzora rastojanja, uz primenu odometrije. Enkoderi, kamere, dinamometri i slini senzori nisu
korieni.
Ovaj rad ima sledeu strukturu po poglavljima. U drugom poglavlju kratko se opisuju vetake neuronske
mree, sa posebnim osvrtom na njihovu strukturu i elemente neophodne za kreiranje upravljakog programa
za rad u realnom vremenu, koji je baziran na vetakim neuronskim mreama. U treem poglavlju opisuje se
mobilna robotska platforma koja je obuavana za zaobilaenje prepreka. Obuavanje robotske platforme
korienjem vetakih neuronskih mrea opisano je u etvrtom, a softverska implementacija rezultata
obuavanja u petom poglavlju rada. Eksperimentalna verifikacija izloena je u estom poglavlju. Konano, u
sedmom poglavlju, date su zakljune napomene i smerince za dalja istraivanja.
2. VETAKE NEURONSKE MREE
Vetake neuronske mree predstavljaju familiju raunskih modela koji su inspirisani biolokim
neuronskim mreama, prvenstveno centralnim nervnim sistemom mozgom. Koriste se kao univerzalni
aproksimatori funkcija koje mogu zavisiti od veeg broja ulaza, pri emu analitiki oblik posmatrane
funkcije nije poznat [17]. Uspostavljanje nepoznate zavisnosti postie se obukom mree pomou skupa
dostupnih eksperimentalnih podataka, na osnovu datih ulaza i eljenih izlaza [17]. Obuavanje mrea izvodi
se primenom algoritma za obuku koji se bira u zavisnosti od zahteva konkretnog zadatka. Neuronske mree,
kao i ostale tehnike mainskog uenja, koriste se za prevazilaenje irokog opsega problema koje nije
pogodno reavati primenom konvencionalog, imperativnog programiranja [18].
Vetake, kao i bioloke neuronske mree, sastoje se iz veeg broja jednostavnih procesirajuih
elemenata neurona. Dve kljune slinosti, graa sainjena od visokopovezanih neurona i veze izmeu
neurona koje definiu funkciju mree, omoguuju poreenje vetakih i biolokih neuronskih mrea [19].
Jedan neuron, sa jednim ulazom, moe se predstaviti pomou sabiraa koji prihvata ulaznu veliinu pR,
pomnoenu odgovarajuim teinskim faktorom wki,j i sabira je sa biasom bS. Dobijeni zbir n prosleuje se
aktivacionoj funkciji f, koja je za posmatrani neuron zadata. Izlaz aS iz aktivacione funkcije predstavlja izlaz
iz neurona. ematski prikaz jednog neurona, sa jednim ulazom i jednim izlazom dat je na slici 1.
Slika 1. ematski prikaz jednog neurona, sa jednim ulazom i jednim izlazom.
4.19
Bias predstavlja veliinu koja se odreuje u toku obuke i transformie vrednost izlaza iz sabiraa u oblik
koji je matematiki pogodan za izabranu aktivacionu funkciju. Aktivaciona funkcija bira se u zavisnosti od
potreba zadatka koji se reava, a najee se koriste binarna, linearna ili sigmoidna funkcija [19, 20].
Neuroni najee imaju vie od jednog ulaza. Rad sa jednim neuronom u velikom broju sluajeva ne
moe dati eljene rezultate, nezavisno od broja ulaznih veliina. Za reavanje konkretnih problema koristi se
vei broj neurona, ureenih u jedan ili vie slojeva. U okviru vieslojne neuronske mree, svaki sloj ima
sopstvenu matricu teinskih faktora Wk, sopstveni vektor biasa bk, ulazni vektor u transfer funkciju nk i
izlazni vektor ak. Sve veze koje uestvuju u grai neuronske mree definisane su matricama teinskih faktora
Wk, pri emu eksponent k ukazuje na koji sloj mree se odnosi data matrica Wk. Matrice teinskih faktora
sadre teinske faktore pojedinanih veza izmeu neruona, wki,j. ematski prikaz vieslojne neuronske mree
dat je na slici 2.
Slika 2. ematski prikaz vieslojne neuronske mree, sa 2 skrivena sloja, pri emu prvi sloj ima 8, a drugi 4
neurona.
Vieslojne mree su monije od jednoslojnih [19]. Dvoslojna mrea sa sigmoidnom aktivacionom

funkcijom u prvom sloju i linearnom aktivacionom funkcijom u drugom sloju moe se obuiti da
aproksimira proizvoljnu funkciju sa zadovoljavajuom tanou [19]. Prethodno navedeno ne znai da je
najbolje koristiti vieslojne mree. Arhitekturu mree je potrebno prilagoditi problemu koji se reava,
najee uzastopnim pokuajima.
3. MOBILNA ROBOTSKA PLATFORMA
Mobilna platforma koja se koristi u ovom radu je proizvod kompanije Mikroelektronika iz Beograda,
prikazana je na slici 3 i ima naziv Buggy [21]. Platformu pokree diferencijalni pogon sa etiri toka, pri
emu se tokovi na istoj strani, levoj ili desnoj, uvek kreu istim ugaonim brzinama, u istom smeru. Tokove
pogone motori jednosmerne struje, a platforma ne raspolae enkoderima. Skretanje se postie zadavanjem
razliitih ugaonih brzina levog i desnog para tokova. Mobilnu platformu moemo smatrati mobilnim
robotom tek po dodavanju upravljakog modula Clicker2 [22], koji je baziran na mikrokontroleru ARM
STM32F407VGT6 [23].
Navedeni mikrokontroler je 32-bitni, sa radnim taktom od 168 MHz i programskom memorijom od 1
MB. Veza izmeu Clicker2 modula i Buggy mobilne platforme ostvaruje se putem Clicker2/Mikromedia
interfejsa [21], koji omoguava jednostavno povezivanje pomou posebnog leita instaliranog na mobilnoj
platformi i odgovarajuih kontakata na Clicker2 modulu.
Za prikupljanje informacija o objektima u okruenju, mobilna platforma je opremljena sa tri, u odnosu na
platformu stacionarna, infracrvena senzora rastojanja IR Distance click [24], sa radnim opsegom od 100
do 1500 mm. IR Distance click na izlazu daje analogni napon proporcionalan rastojanju objekta od soiva
senzora, koji mikrokontroler pretvara u digitalni signal. Senzori su na platformu postavljeni tako da se
maksimizuje njihov uinak. Jedan senzor je postavljen u pravcu podune ose robota, usmeren ka napred, a
dva preostala senzora su postavljena u pravcu upravnom na podunu osu, orijentisani suprotno jedan drugom
jedan je usmeren levo, a drugi desno (slika 3).
Podaci prikupljeni tokom obuavanja robota se smetaju na microSD memorijsku karticu, koja je sa
mikrokontrolerom povezana korienjem modula za prihvat memorijskih kartica pomenutog tipa [25]. Veza
ovog modula sa mikrokontrolerom je uspostavljena putem SPI (Serial Peripheral Interface) protokola za
sinhronu serijsku komunikaciju.
Za potrebe runog upravljanja mobilnim robotom, koristi se namenski izraen dojstik. Tokom
prikupljanja podataka za obuavanje neuronske mree, robot se pokree runo, a podaci sa senzora rastojanja
upisuju se na memorijsku karticu.
4.20
Veza izmeu mikrokontrolera i dodatnih modula 3 senzora rastojanja, modula za prihvat memorijskih
kartica i dojstika, ostvarena je putem mikroBUS interfejsa [26]. mikroBUS interfejs omoguava brzo i
efikasno povezivanje raznovrsnih dodatnih hardverskih modula sa izabranom platformom. Na mobilnoj
platformi Buggy postoje 3 mikroBUS interfejsa, a postoje jo 2 na Clicker2 modulu, to ini ukupno 5
dostupnih leita za povezivanje svih potrebnih hardverskih komponenti.
Modul za prihvat memorijskih kartica i levi senzor rastojanja direktno su prikljueni na Clicker2
ploicu, preko mikroBUS1 i mikroBUS2 leita, respektivno. Senzori rastojanja usmereni napred i desno su
prikljueni na leita koja se nalaze na mobilnoj platformi, mikroBUS1 i mikroBUS2, respektivno. Dojstik
je povezan preko mikroBUS3 leita na mobilnoj platformi. Detaljan opis povezivanja dat je na slici 3 levo.
Ceo sistem se napaja pomou jedne baterije (Li-Ion, 3,7 V , 2000 mAh).
Slika 3. Levo elektrina ema mobilnog robota. Desno korieni mobilni robot. 1, 2, 3 IC senzori
rastojanja, 4 modul za prihvat memorijskih kartica.
4. OBUAVANJE VETAKIH NEURONSKIH MREA
Vetake neuronske mree treba obuiti tako da mobilni robot, na osnovu informacija dobijenih sa tri
infracrvena senzora rastojanja, obie postavljenu prepreku i stigne na cilj, koji se nalazi iza prepreke. Ulazni
vektor sadri rastojanja, oitana sa tri senzora. Usvojeno je da izlaz iz neuronske mree bude instrukcija koja
saoptava mikrokontroleru kakvo kretanje preduzeti za prelazak u naredni poloaj, sa ciljem da se zaobie
prepreka.
Poto korieni mobilni robot ne raspolae enkoderima, ve samo senzorima rastojanja, a tokove
pokreu motori jednosmerne struje, u cilju vrenja obuke, kretanje je diskretizovano i razloeno na
translaciju i rotaciju. U ovom sluaju, diskretizacija kretanja podrazumeva upravljanje motorima
jednosmerne struje pomou impulsa kratkog trajanja, kojima se postiu translatorni ili rotacioni pomeraji.
Trajanje i intenzitet upravljakih impulsa su empirijski utvreni tako da se postiu zadovoljavajui pomeraji.
Omoguena je upotreba 4 razliita upravljaka impulsa napred, nazad, levo i desno. Levo i desno odnose se
na rotaciju - ugaoni pomeraj mobilnog robota oko sopstvene vertikalne ose upotrebom diferencijalnog
pogona. Napred i nazad su translatorni pomeraji.
Svaki od 4 mogua pomeraja vezan je za odreeni kd - numeriku vrednost, i to: 0 napred, 1 nazad,
2 desno, 3 levo. Kd pomeraja, odnosno, kd eljene funkcije kretanja je izlaz koji se trai od vetake
neuronske mree. Mree e biti obuene tako da za ulazni vektor, koji ine podaci sa 3 senzora rastojanja,
generiu ispravan pomeraj mobilnog robota, translatorni ili rotacioni, opisan navedenim kodom.
Upravljaki softver, koji e biti detaljno opisan u narednom poglavlju, koncipiran je tako da omogui dva
reima rada automatski, u kom obuene vetake neuronske mree donose odluke o kretanju robota na
osnovu podataka sa senzora i runi reim, koji se koristi za snimanje obuavajuih parova za trening
vetakih neuronskih mrea, pri emu upravljanje vri korisnik pomou dojstika. Obuavajui parovi
podaci sa senzora rastojanja i kd pomeraja se tokom manuelnog reima snimaju na memorijsku karticu, u
okviru standardne ASCII datoteke. Prikupljanje obuavajuih parova vreno je runim navoenjem robota
oko niza prepreka upotrebom dojstika. Voenje robota je inkrementalno, korak po korak.
4.21
Robot je obuavan u otvorenom prostoru, gde nije bilo nijednog objekta koji bi senzori rastojanja mogli
detektovati. Zatim, robot je voen kroz niz razliitih, tipskih prepreka. ematski prikaz prepreka i trajektorija
robota dat je na slici 4. Robot je navoen kroz svaku od prikazanih 9 prepreka i svaku je po jedanput obiao
putanjom koju oznaavaju crvene strelice, pri emu je prikupljeno 2960 obuavajuih parova. Redosled
obilazaka nije bitan.
Slika 4. Prikaz 9 karakteristinih prepreka korienih za obuku VNM.
Algoritam obuavanja VNM Korieni akronim

Levenberg-Marquardt LM
Bayesian regularisation BR
Resilient backpropagation RP
Scaled conjugate gradient SCG
BFGS quasi-Newton backpropagation BFG
Variable learning rate backpropagation GDX
Tabela 1. Prikaz korienih algoritama obuavanja i njihovih akronima
Mree su obuavane u okviru alata koji je deo MatLab sistema, primenom algoritama za obuku datih u
tabeli 1. U tabeli 2 prikazane su sve koriene arhitekture mrea. Sve koriene mree u neuronima
skrivenog sloja imaju sigmoidnu aktivacionu funkciju, dok je u neruonima izlaznog sloja linearna
aktivaciona funkcija. Prikupljeni obuavajui parovi prikazani su grafiki na slici 5.
Jednoslojne mree Dvoslojne mree

2 2-2
NEURONA
3 3-2
BROJ
5 5-2
8 8-4
10 10-4
Tabela 2. Prikaz arhitektura korienih jednoslojnih i dvoslojnih VNM.
4.22
Slika 5. Grafiki prikaz prikupljenih obuavajuih parova.
Od ukupno 2960 obuavajuih parova, 70% je izabrano za obuku mrea, 15% za testiranje, a 15% za
validaciju. Primenom 6 algoritama obuavanja na 10 arhitektura dobijeno je 60 vetakih neuronskih mrea.
Svih 60 obuenih mrea bie provereno u eksperimentalnim uslovima na mobilnom robotu.
U tabeli 3 prikazane su performanse obuenih mrea, izraenih pomou greke najmanjih kvadrata,
odnosno, preko najmanjeg odstupanja validacione krive od zadate vrednosti koju mrea mora dostii.
Dijagrami performansi mrea sa najmanjim odstupanjem od zadate vrednosti dati su na slici 6.
Tabela 3. Prikaz performansi mrea nakon obuke. utom su obeleene mree sa najmanjom validacionom
grekom. Zelenim su oznaene neuronske mree koje su se u realnim uslovima pokazale optimalno.
4.23
Slika 6. Grafici performansi dobijenih u toku obuke za 6 tipova korienih neuronskih mrea: 1 LM, 2
BR, 3 RP, 4 SCG, 5 BFG, 6 GDX. Prikazani su najbolji dobijeni rezultati.
5. UPRAVLJAKI SOFTVER
Hardverska osnova upravljake jedinice korienog mobilnog robota je mikrokontroler ARM

STM32F407VGT6. Njegovo programiranje vri se u mikroC jeziku [27], varijanti C jezika prilagoenoj za
4.24
rad sa mikrokontrolerima. Kao to je napomenuto, korisniku su dostupna dva naina rada, automatski i runi,
u zavisnosti od zahteva, pri emu jedan program obavlja obe funkcije, bez potrebe za prenoenjem novog
upravljakog programa na mikrokontroler pri promeni reima rada. Mod rada se bira pritiskom na taster PE0
koji se nalazi na upravljakom modulu.
U ovoj fazi razvoja sistema akcenat je stavljen na zaobilaenje prepreke, tako da postizanje eljene
pozicije i orijentacije nisu u fokusu. Iz navedenog razloga, izvrena je gruba procena ukupnog broja
rotacionih i translatornih pomeraja koraka, koje robot treba da izvede da bi stigao na cilj. Dobijena
vrednost je upisana u promenljivu BROJ_KORAKA koja odreuje koliko pomeraja e robot ostvariti pre
nego to se zaustavi. Algoritam upravljanja mobilnim robotom dat je u nastavku, u vidu pseudo-koda.
Algoritam 1: Upravljanje radom mobilnog robota

ULAZ:
W(k) Matrice teinskih faktora za skrivene slojeve
bias(k) vektori biasa za skrivene slojeve
W_o Matrica teinskih faktora za izlazni sloj
bias_o vektor bias za skriveni sloj
Inicijalizacija svih dodatnih i integrisanih modula.
Beskonana petlja
Taster PE0 pritisnut aktiviranje automatskog rada sa neuronskim mrezama.
Ponavljaj:
Izmeri distancu sa sva 3 senzora rastojanja i smesti vrednosti u vektor temp
Normiranje vrednosti temp
Izraunaj vrednosti izlaza:
for k=1:BROJ_SKRIVENIH SLOJEVA
temp = bias(k)+ W(k) * temp
temp = 2 / (1 + exp(-2 * temp)) 1
end
out = bias_o + W_o * temp
skalirati vrednost out
out = round(out)
pokreni robota za inkrement prema vrednosti out (0 - napred, 1 - nazad, 2 - desno, 3 - levo)
dok ne dostigne vrednost zadatu promenljivom BROJ_KORAKA.
Taster NAPRED pritisnut snimanje podataka sa 3 senzora na karticu, zajedno sa kodom kretanja 0.
Pomeranje robota napred za inkrement.
Taster NAZAD pritisnut snimanje podataka sa 3 senzora na karticu, zajedno sa kodom kretanja 1.
Pomeranje robota unazad za inkrement.
Taster LEVO pritisnut snimanje podataka sa 3 senzora na karticu, zajedno sa kodom kretanja 3.
Pomeranje robota ulevo za inkrement.
Taster DESNO pritisnut snimanje podataka sa 3 senzora na karticu, zajedno sa kodom kretanja 2.
Pomeranje robota udesno za inkrement.
Taster PE10 pritisnut zatvaranje tekue i otvaranje nove datoteke za upis obuavajuih parova.
Kraj petlje
6. EKSPERIMENTALNA VERIFIKACIJA
Eksperimentalna provera izvrena je za svaku od 60 obuenih vetakih neuronskih mrea, sa ciljem da se

nae grupa, ili u najnepovoljnijem sluaju, jedna mrea koja na zadovoljavajui nain moe upravljati
mobilnim robotom. Za eksperimentalnu proveru, mree su jedna po jedna prebacivane na mikrokontroler i
isprobavane, prvo na otvorenom prostoru, uzastopnim nasuminim postavljanjem prepreke pred mobilnog
robota, a zatim unutar poligona sa slike 7.
Mree obuavane SCG i GDX algoritmima pokazale su najloije rezultate. Uprkos kvalitetnim
parametrima dobijenih obukom, prilikom obavljanja upravljakog zadatka na mobilnom robotu, SCG i GDX
mree nisu uspele da obiu ni jednu prepreku, ak ni u trivijalnim sluajevima. Konstantno je bilo prisutno
kretanje unapred. Dvoslojna 2-2 RP mrea je favorizovala okret udesno, to je dovodilo do pojave
zaglavljivanja i kolizija. Unutar poligona nije bilo mogue zaobilaenje prepreke, nego je robot ostajao sa
jedne strane, pravei krune trajektorije. Veoma slino su se ponaale i BFG mree, jednoslojne, sa 2 i 3
4.25
neurona, kao i dvoslojne, 3-2 i 5-2. Preostale RP i BFG mree su davale iste rezultate kao i SCG i GDX
mree konstantno kretanje unapred, bez obzira na signale sa senzora. Tehnika ispravnost mobilnog robota
je nekoliko puta proveravana, za sluaj da je dolo do pojave grube greke.
U praksi su se najbolje pokazale LM i BR mree. U najveem broju sluajeva, LM mree su ispoljavale
tenju ka desnom okretu, ali ne toliko drastino kao BFG varijanta. BR mree su demonstrirale prihvatljiv
nivo performansi jo u jednoslojnoj izvedbi sa 8 neurona, u etvrtoj seriji eksperimenata. Od svih 60
testiranih mrea, samo 5 mrea je ispoljilo zadovoljavajue karakteristike tokom ogleda i oznaene su
zelenom bojom u tabeli 3. Konano, izabrana je dvoslojna BR mrea, sa 8 neurona u prvom i 4 neurona u
drugom skrivenom sloju za upravljanje mobilnim robotom i svi dalji komentari odnosie se na ovu mreu.
U automatskom reimu rada, sa izabranom dvoslojnom BR mreom, robot zapoinje snimanje rastojanja
sa sva 3 senzora i upravlja se prema oitanim vrednostima na osnovu izlaza iz neuronske mree. Poto se
program izvrava izuzetno brzo, kretanje je robota je kontinualno i tee glatko, iako je u svojoj osnovi
isprekidano.
Vano je napomenuti da zbog pojave spekularne refleksije uglaani predmeti nepovoljno utiu na
infracrvene senzore rastojanja u toku automatskog rada, to se manifestuje zaslepljivanjem robota. Dolazi
do gubitka informacije o prepreci, to za posledicu ima koliziju robota i prepreke. Mobilni robot opisan u
ovom radu moe se podjednako dobro koristiti i u otvorenom, i u zatvorenom prostoru, uz potovanje
hardverskih ogranienja sistema. Na slici 8 prikazani su rezultati ogleda unutar poligona, gde je robot
uspeno naao putanju od poetne do krajnje pozicije.
Slika 7. Levo prikaz poligona za inicijalno testiranje. Desno mobilni robot povezan sa dojstikom za
runo upravljanje.
Slika 8. Rezultati eksperimenta mobilni robot uspeno zaobilazi prepreku primenom upravljanja na bazi
vetakih neuronskih mrea, primenom dvoslojne BR mree, sa 8 neurona u prvom i 4 neurona u drugom
skrivenom sloju.
7. ZAKLJUAK
Osnovni cilj ovog rada je da istrai mogunosti upotrebe vetakih neuronskih mrea pri reavanju
problema upravljanja mobilnim robotom u 2D prostoru sa preprekama, uz primenu hardverske osnove
skromnih karakteristika. Opisan je nain funkcionisanja sistema, gde je mikrokontrolerska upravljaka
jedinica programirana tako da u runom reimu prihvata komande od korisnika i zapisuje podatke sa senzora
4.26
rastojanja na memorijsku karticu, dok u automatskom reimu, na osnovu oitanih vrednosti sa senzora
rastojanja, vetake neuronske mree donose odluku koji naredni pomeraj treba izvriti da bi robot bio blie
cilju.
Predstavljena je procedura obuavanja neuronskih mrea pomou parova prikupljenih uzastopnim
kretanjem robota u runom reimu kroz otvoren prostor i kroz niz posebno postavljenih prepreka.
Razmotrene su razliite arhitekture mrea, pri emu se teilo primeni mree sa to manjim brojem slojeva i
neurona, radi rastereenja mikrokontrolera.
Opisana je eksperimentalna oprema, mobilni robot, sa odgovarajuom elektrinom emom i svim
korienim modulima. Rezultati ogleda su zadovoljavajui, mobilni robot je ispunio zadatak uspeno,
dostigavi zadatu lokaciju unutar postavljenog poligona. Infracrveni senzori su se pokazali kao nedovoljno
robusni i nisu adekvatno funkcionisali u uslovima izraene spekularne refleksije.
Tokom narednih istraivanja neophodno je razviti algoritam za dostizanje eljene pozicije i orijentacije
inkrementalnim kretanjem bez upotrebe enkoderskih signala. Cilj je dostii nivo na kom se predstavljeni
mobilni robot moe samostalno kretati kroz strukturirani prostor bez rizika od kolizije ili gubljenja pozicije i
orijentacije.
8. LITERATURA
[1] F. Jovane, Y. Koren, and C. Bor, Present and future of flexible automation: Towards new paradigms,
CIRP Annals Manufacturing Technology, vol. 52, no. 2, pp. 543 560, 2003.
[2] Y. Koren and M. Shpitalni, Design of reconfigurable manufacturing systems, Journal of Manufacturing
Systems, vol. 29, no. 4, pp. 130 141, 2010.
[3] Bgh, S, Hvilshj, M, Kristiansen, M. and Madsen, O, Identifying and evaluating suitable tasks for
autonomous industrial mobile manipulators (AIMM), International Journal of Advanced Manufacturing
Technology, Vol. 61 Nos 5/8, pp. 713-72, 2011.
[4] Mobilni robot za primenu u medicinskim ustanovama, proizvod preduzea Swisslog
http://www.swisslog.com/en/Products/HCS/Automated-Material-Transport/RoboCourier-Autonomous-
Mobile-Robot
[5] Mobilni robot za primenu u ugostiteljstvu, proizvod preduzea Savioke http://www.savioke.com/
[6] Bespilotna letelica za dostavu, projekat kompanije Amazon
http://www.amazon.com/b?node=8037720011
[7] Brad Hamner, Seth Koterba, Jane Shi, Reid Simmons, Sanjiv Singh, An autonomous mobile
manipulator for assembly tasks, Autonomous Robot, 28: 131 149, 2010.
[8] Marko Miti, Zoran Miljkovi, Neural network learning from demonstration and epipolar geometry for
visual control of a nonholonomic mobile robot, Soft Computing, 18:1011 1025, 2014.
[9] Zoran Miljkovi, Najdan Vukovi, Marko Miti, Bojan Babi, New hybrid vision-based control
approach for automated guided vehicles, International Journal of Advanced Manufacturing
Technologies, 66:231 249, 2013.
[10] Ole Madsen, Simon Bogh, Casper Schou, Rasmus Skovgaard Andersen, Jens Skov Damgaard, Mikkel
Rath Pedersen, Volker Kruger, Integration of mobile manipulators in an industrial production,
Industrial Robot: An International Journal, Vol. 42, No. 1, pp. 11 18, 2015.
[11] Hvilshj, M, Bgh, S, Nielsen, O.S. and Madsen, O, Autonomous industrial mobile manipulation
(AIMM): past, present and future, Industrial Robot: An International Journal , Vol. 39 No. 2, pp. 120-
135, 2012.
[12] Christensen, H.I. and Case, P, Mobile manipulation for everyday environments, International
Conference on Control, Automation and Systems, 2008.
[13] A. Medina-Santiago, J.L. Camas-Anzueto, J.A. Vazquez-Feijoo, H.R. Hernndez-de Len, R. Mota-
Grajales, Neural Control System in Obstacle Avoidance in Mobile Robots Using Ultrasonic Sensors,
Journal of Applied Research and Technology, Volume 12, Issue 1, Pages 104-110, February 2014. ISSN
1665-6423, http://dx.doi.org/10.1016/S1665-6423(14)71610-4.
[14] Mohammed Faisal, Ramdane Hedjar, Mansour Al Sulaiman and Khalid Al-Mutib, Fuzzy Logic
Navigation and Obstacle Avoidance by a Mobile Robot in an Unknown Dynamic Environment, Int J
Adv Robot Syst, 10:37, 2013. DOI: 10.5772/54427
[15] E. Di Mario, Z. Talebpour, and A. Martinoli, A Comparison of PSO and Reinforcement Learning for
Multi-Robot Obstacle Avoidance, IEEE Conference on Evolutionary Computation, vol. 1, pp. 149156,
June 2013.
[16] Marta Rostowska, Piotr Skrzypcyznski, Improving Self-localization Efficiency In a Small Mobile Robot
4.27
by Using a Hybrid Field of View Vision System, Journal of Automation, Mobile Robotics & Intelligent
Systems, Vol. 9, No. 4, pp. 28 38, 2015.
[17] Zoran Miljkovi, Dragan Aleksendri, Vetake neuronske mree, zbirka reenih zadataka sa izvodima
iz teorije, Beograd, 2009.
[18] Opte o neuronskim mreama https://en.wikipedia.org/wiki/Artificial_neural_network
[19] Hagan, Demuth, Beale, De Jesus, Neural Network Design, 2nd Edition, 2014, ISBN: 0971732116,
9780971732117.
[20] Dr Zoran . Miljkovi, Sistemi vetakih neuronskih mrea u proizvodnim tehnologijama, Mainski
fakultet Univerziteta u Beogradu, Beograd, 2003.
[21] Korisniko uputstvo Buggy http://download.mikroe.com/documents/specials/educational/
buggy/buggy-development-platform-manual-v102.pdf
[22] Korisniko uputstvo Clicker2 http://download.mikroe.com/documents/starter-boards/clicker-
2/stm32f4/clicker2-stm32-manual-v100.pdf
[23] Korisniko uputstvo ARM STM32F407VGT6 http://www2.st.com/content/ccc/resource/
technical/document/datasheet/ef/92/76/6d/bb/c2/4f/f7/DM00037051.pdf/files/DM00037051.pdf/jcr:cont
ent/translations/en.DM00037051.pdf
[24] Korisniko uputstvo IR Distance Click infracrveni senzor rastojanja
http://download.mikroe.com/documents/add-on-boards/click/irdistance/ir-distance-click-manual
v100.pdf
[25] Korisniko uputstvo microSD Click modul za prihvat microSD kartice http://download.mikroe.com/
documents/add-on-boards/click/microsd/microsd-click-manual-v100.pdf
[26] mikroBUS specifikacija http://download.mikroe.com/documents/standards/mikrobus/mikrobus-
standard-specification-v200.pdf
[27] mikroC internet prezentacija http://download.mikroe.com/documents/add-on-
boards/click/microsd/microsd-click-manual-v100.pdf
Mitrovi, S, Jakovljevi, , Dimi, Z, Miljkovi, Z.
NEURAL NETWORKS BASED CONTROL SYSTEM OF A MOBILE ROBOT FOR

OBSTACLE AVOIDANCE IN 2D SPACE
Abstract: In this paper, a neural networks based control system of a mobile robot for obstacle avoidance in
2D space is proposed. The system utilizes infrared distance sensors and neural networks for navigation
around obstacles. Developed control software is implemented within microcontroller for achieving the
adeqate level of space awareness while maintaing hardware configuration at a minimum. Developed neural
networks will be described, along with control and auxiliary software and experimental results. Proposed
control system has been successfully tested on a Mikroe Buggy mobile robot at Lola institute in Belgrade.
Keywords: 2D space, artificial neural networks, mobile robot, obstacle avoidance, microcontroller.
4.28
konferencija
Sejfo Papi 1, Fuad Klisura 2
UTICAJ STEPENA STRUNOSTI LJUDSKIH RESURSA NA KVALITET GLAVNOG PROCESA

PROIZVODNJE
Rezime
U radu je prikazan jedan od naina odreivanja stepena strunosti ljudskih resursa zaposlenih u glavnom
procesu proizvodnje proizvodnih poslovnih sistema (GPPPPS) i dobijanje ukupne ocjene za stepen
strunosti ljudskih resursa. Zatim je predstavljen nain mjerenja i ocjene kvaliteta GPPPPS. Na kreju je
prikazan regresioni model uticaja stepena strunosti ljudskih resursa na kvalitet GPPPPS. Ocjena kvaliteta
GPPPPS je vrena pomou nove metode koja je bazirana na indikatorima kvaliteta glavnog procesa
proizvodnje.
1. UVOD
Imajui u vidu neke injenice, koje su proistekle kao plod dugogodinjeg rada autora u procesima
proizvodnje proizvodnih poslovnih sistema u BiH, javila se tenja da se pokae kako nova metoda za ocjenu
kvaliteta GPPPPS moe nedvosmisleno pokazati uticaj pojedinih faktora GPP na ocjenu njegovog kvaliteta,
(samim tim i na kvalitet GPP).
Posebno je aktuelno pitanje menadmenta ljudskim resursima u procesu proizvodnje, koje nije dovoljno
istraeno i definisano zbog sloenosti relacija stepena strune spreme kadrova i kvaliteta GPP. Ovaj rad ima
za cilj da pokae da je mogue nai relaciju kako stepen strunosti ljudskih resursa ukljuenih u GPPPPS,
utie na kvalitet glavnog procesa proizvodnje.
Zato su na odabranom uzorku od trideset metalopreraivakih preduzea u BiH prikupljeni podaci za stepen
strunosti ljudskih resursa i podaci o indikatorima kvaliteta GPP navedenih preduzea.Da bi se prikupili to
kvalitetniji podaci o stepenu strunosti ljudskih resursa unutar GPP, sam GPP se podijeli na nekoliko
dijelova i putem anketnog upitnika dobijaju se podaci o stepenu strunosti ljudi koji upravljaju tim
dijelovima. Pored toga, upitnik sadri i pitanje o strunoj spremi neposrednih izvrilaca. U tom cilju, pitanja
koja su na upitniku treba da daju sliku o stepenu obrazovanosti ljudskih resursa zaduenih za pojedine
dijelove GPP.
2. VRJEDNOVANJE STEPENA STRUNOSTI LJUDSKIH RESURSA U GPP
Mjerljivost stepena strune spreme je bitan uslov kojim se rukovodilo pri izradi i odabiru pitanja i ponuenih
odgovora. Da bi pretvorili odgovore koje imaju atributivni karakter u ocjene, posluili smo se Likertovom
skalom ocjena od 1 do 8, pri emu ocjena 1 ima najmanji stepen strunosti (bez osnovne kole), a ocjena 8
najvei stepen strunosti (dr. nauka).
Pregled i tumaenje dodijeljenih vrijednosti po Likertovoj skali ocjena predstavljen je vrijednosnom

tablicom, tabela T-1. Klasifikacija prema ovoj tabeli odgovara stvarnom stanju klasifikacije stepena
strunosti u PPS BiH i ne slae se sa standardnom klasifikacijom, ali se autor opredijelio za ovakvu
klasifikaciju iz razloga toga to je na ovaj nain jednostavnije prikupljanje podataka o stepenu strunosti
ljudskih resursa zaposlenih u GPP.
1
Mr. sc. Sejfo Papi, dipl.ing, Internacionalni Univerzitet Travnik u Travniku, BiH, tel. +387 61 862816, e-mail:
papicsejfo@bih.net.ba
2
Doc. dr. sc. Fuad Klisura, dipl. ing, IPI INSTITUT ZA PRIVREDNI INENJERING, d.o.o. Zenica, Bosna i Hercegovina
4.29
Ukupnu ocjenu raunamo pe formuli [2; str. 51]: (1)
gdje je:
- - ukupan stepen strune spreme,

- - vrijednosti ocjene po Likertovoj skali za svako pitanje i
- - broj pitanja.
Tabela 1: Vrijednosna tablica za ocjenu stepena strunosti ljudskih resursa

Pitanje: Ponueni odgovor Vrijednost
a Bez osnovne kole 1
b etiri razreda osnovne kole 2
c Osnovna kola 3
Redni broj d Srednja kola III stepen 4
pitanja e Srednja kola IV stepen 5
f VKV V stepen strune spreme 6
g VS via struna sprema 7
h VSS visoka struna sprema 8
i Mr. Magistar nauka 9
j Dr. Doktor nauka 10
2.1. pregled podataka o stepenu strunosti ljudskih resursa
Nakon prikupljanja i sreivanja podataka o stepenu strunosti ljudskih resursa uposlenih u GPP proizvodnih
poslovnih sistema, dobija se tabela eksperimentalnih mjerenja iji je pregled dat u tabeli T-2.
Tabela 2: Pregled ocjena strune osposoblenosti ljudi zaposlenih u GPP

GPP 1 2 3 4 5 6 7 8 9
Ocjena 6,50 6,77 6,42 6,39 6.31 7,15 6,05 6,39 6,21
GPP 10 11 12 13 14 15 16 17 18
Ocjena 7,01 6,53 6,38 6,36 5,65 6,69 5,33 5,28 6,37
GPP 19 20 21 22 23 24 25 26 27
Ocjena 6,43 5,79 6,82 6,63 6,34 5,62 5,17 6,22 6,38
GPP 28 29 30
Ocjena 4,77 6,13 6,22
3. OCJENA KVALITETA GPP
Ocjena kvaliteta GPPPPS reprezentnog uzorka je izvrena novom metodom koja je bazirana na sakupljanju
bodova proizalih iz vrijednosti indikatora kvaliteta glavnog procesa proizvodnje (IKGPP). Ova metoda je
dosta sloena, ali je zato veoma objektivna.
Nakon obrade podataka o IKGPP, te raunanja vrijednosti mjerodavnih indikatora kvaliteta GPP (MIKGPP),
a uzimajui u obzir idikatorski uticaj na ocjenu kvaliteta GPP, dolazi se do tabele T-4 koja predstavlja
pregled sakupljenih bodova za ukupnu ocjenu kvaliteta GPP. Ukupna ocjena je dobijena kao zbir ocjena
MIKGPP. Koeficijenti indikatorskog uticaja su odreeni u predhodnom istraivanju [3] i iznose 0,6; 0,8 i
1,0. Ukupno ima jedanaest MIKGPP sa koeficijentom uticaja 1,0; osam MIKGPP sa koeficijentom uticaja
0,8 i jedanaest sa koficijentom uticaja 0,6. Oznake MIK i naini dobijanja nestandardnih MIKGPP, dati su u
tabeli T-3.
4.30
Tabela 3: Pregled MIKGPP
Red. Naziv MIKGPP ifra
Br. MIKGPP
1. Standardna devijacija procesa MIK-01
2. Potencijal procesa MIK-02
3. Indeks tanosti procesa MIK-03
4. Koeficijent odstupanja srednje vrijednosti procesa od MIK-04
sredine tolerancijskog polja
5. Relativna irina rasipanja procesa MIK-05
6. Trokovi plaanja tzv. penala zbog kanjenja u MIK-06
isporuci/stvarni obim proizvodnje
7. Procenat ispunjenja ostvarenosti rokova realizacije MIK-07
8. Procenat ostvarenih ciljeva MIK-08
9. Koliina karta /ukupani broj proizvoda MIK-09
10. Utroeni/planirani proizvodni sati MIK-10
11. Broj sati reklamacija/stvarni utroak sati MIK-11
12. Stvarni/planirani obim proizvodnje MIK-12
13. Broj ekscesnih situacija/stvarni obim proizvodnje MIK-13
14. Koliina neusaglaenih proizvoda/stvarni obim proizvodnje MIK-14
15. Ukupan broj administrativnih sati vezanih za MIK-15
proizvodnju/ukupni sati proizvodnje
16. Ukupan broj sati zastoja/ukupni sati proizvodnje MIK-16
17. Utroak sati za rjeavanje neusaglaenih proizvoda/ukupni MIK-17
sati proizvodnje
18. Broj projekata koji nisu realizovani u roku/ukupan broj MIK-18
projekata
19. Broj novih proizvoda/ukupan broj proizvoda MIK-19
20. Koliina karta sirovina i repromaterijala/ukupna koliina MIK-20
sirovina i repromaterijala
21. Procenat iskorienja opreme MIK-21
22. Ukupan broj prekovremenih sati/Ukupan broj sati MIK-22
23. Utroeni broj sati za preventivno odravanje/ukupan broj MIK-23
sati
24. Utroen broj sati za tekue odravanje/Ukupan broj MIK-24
utroenih sati
25. Broj sati eksternog odravanja/Ukupan broj sati MIK-25
26. Odnos utroena/planirana koliina sirovina i MIK-26
repromaterijala
27. Odnos utroenih/planiranih sredstava za odravanje opreme MIK-27
28. Odnos stvarni/planirani utroak energenata MIK-28
29. Trokovi odravanja, oteenja i otuenja imovine/Stvarni MIK-29
obim proizvodnje
30. Vrijednost repromaterijala na zalihama/ukupan utroak MIK-30
repromaterijala
Prvih pet MIKGPP spadaju u grupu standardnih i njihovo raunanje je provedeno standardnim metodama
[4], MIK-7 i MIK-8 se dobijaju pri sakupljanju podataka, dok se ostali raunaju kao odnos navedenih
IKGPP.
Svaki od MIKGPP moe imati ocjenu od 0 do 5. Da se zakljuiti da je mogue sakupiti maksimalno 120
bodova.
4.31
Tabela 4: Pregled sakupljenih bodova za ocjenu kvaliteta GPP
GPP 1 2 3 4 5 6 7 8 9
Ocjena 61,5 70,2 59,2 56,6 49,2 77.6 55,4 58,4 57,8
GPP 10 11 12 13 14 15 16 17 18
Ocjena 66,6 61,8 58,4 54,6 49,8 71,2 54,8 48,8 61,2
GPP 19 20 21 22 23 24 25 26 27
Ocjena 58,8 54,2 69,2 65,4 60,2 47,8 47,4 57 58,2
GPP 28 29 30
Ocjena 41,4 58,6 58,8
4. REGRESIONI MODEL I KORELACIONA ANALIZA UTICAJA STEPENA STRUNOSTI

LJUDSKIH RESURSA NA OCJENU KVALITETA GPP
Ako posmatramo tabele T-2 i T-3 mogue ih je sastaviti u jednu tabelu tabelu eksperimentalnih mjerenja pri
emu moemo rezultate u tabeli T-2, smatrati nezavisno promjenjivim varijablama X (ulazne veliine), dok
su rezultati u tabeli T-3, zavisno promjenjive varijable Y (Izlazne veliine). Koristei statistiku
izraunavamo jednainu regresione prave (regresioni model):
y= -19,12+12,47 x (2)
Rezultate mjerenja moemo predstaviti grafiki i kao funkciju izlaznih veliina u zavisnosti od ulaznih, to je
predstavljeno na slici 1.
90
80
70
60
50
40
30
20
10
0
0 1 2 3 4 5 6 7 8
Slika 1. Grafiko predstavljanje podataka eksperimentalnog mjerenja i regresionog modela
S obzirom na to da se ovim istraivanjem uzima uticaj stepena obrazovanosti ljudskih resursa na ocjenu
kvaliteta GPPPPS, potrebno je korelacionom analizom utvrditi (pokazati) linearnu zavisnost izmeu dvije
promjenjive. To znai da je potrebno odrediti prosti koeficijent korelacije, to predstavlja mjeru korelacije.
Take u dijagramu rasipanja predstavljaju geometrijska mjesta ureenih dvojki, gdje su na apscisnoj osi
vrijednosti stepena strune spreme ljudskih resursa GPP, a na ordinati odgovarajui eksperimentalni podaci
ocjene kvaliteta glavnog procesa proizvodnje.
4.32
Slika 2: Dijagram rasipanja
Zapaamo da su take, iako ne lee na istoj pravoj, to ukazuje da ne postoji potpuna korelacija, unutar
elipse ija je velika osa mnogo vea od male. Ovaj dijagram rasipanja pokazuje da veim vrijednostima x
odgovaraju vee vrijednosti y, to ukazuje na to da su posmatrana obiljeja povezana, odnosno, postoji
pozitivna korelacija ali je manje izraena u odnosu na funkcionalnu korelaciju.
Posmatrajui irinu polja rasipanja, moemo oekivati da koeficijent korelacije je relativno manji od 1.
Stepen slaganja e se definisati kao koeficijent korelacije. Rije je o pozitivnoj korelaciji, to znai da je
0<r<1, a to nam govori da se sa poveanjem jedne promjenjive poveava druga.
Daljnja analiza podrazumijeva odreivanje kovarijanse, koja je definisana izrazom:
3,63 (3)
Dok su standardne devijacije pojedinih obiljeja:
(4)
(5)
Kako je ranije navedeno, na osnovu dijagrama rasipanja, radi se o pozitivnoj korelaciji, pri emu je
koeficijent korelacije koji se odreuje na sljedei nain:
(6)
Dobijena vrijednost pokazuje da postoji korelacija izmeu x i y, odnosno, u ovom sluaju, postoji korelacija
izmeu stepena obrazovanosti ljudskih resursa zaposlenih u GPP i ocjene kvaliteta GPP
4.33
5. ZAKLJUAK
Korelaciona analiza nam je pokazala da postoji signifikantna korelacija izmeu dvije polazne variable. Prva
varijabla je stepen strunosti ljudskih resursa koji su uposleni u GPPPPS reprezentnog uzorka, dok je druga
varijabla ocjena kvaliteta GPPPPS.
Iako je koeficijent korelacije veoma veliki, ovdje su potrebna dodatna objanjenja, u cilju potpunog
shvatanja zavisnosti dvije varijable. Dakle, ta zavisnost postoji u ovom intervalu mjerenja koji je prisutan u
praksi. Meutim, taj interval za koji vai korelacija bi se morao precizno definisati. U protivnom, dolo bi se
do jednog zakljuka koji ne bi bio realan. Ta nerealnost se ogleda u sljedeem: Ako bi predpostavili da u
jednom GPP rade samo ljudi sa visokom strunom spremom, onda sigurno ne bi dobili dobre rezultate.
Ovaj zakljuak proizilazi iz samog naina bodovanja strune spreme ljudskih resursa zaposlenih u GPP. Jer
je za sve proizvodne radnike uzeta srednja ocjena strune spreme, dok su ostale ocjene uzimane za strunu
spremu neproizvodnih ljudi unutar GPP, odnosno za rukovodei i saradniki dio ljudskih resursa datog GPP.
Samo stepen strunosti rukovodeeg kadra i kadra za logistiku unutar GPP ima uticaj na ocjenu kvaliteta
GPP, onako kako je pokazano korelacionom i regresionom analizom.
Situacija u PPS BiH, je na neki nain, primorala autore ovog rada, da odstupi od standardne klasifikacije
stepena strunosti ljudskih resursa, i datu klasifikaciju prilagodi postojeem stanju, a sve u cilju dobijanja to
tanijih podataka.
6. LITERATURA
[1] Seferovi, E., Bai, H.: Osnovi metrologije i obrada rezultata mjerenja, Mainski fakultet Sarajevo,
2005.
[2] Papi, S.: Uticaj stupnja primjene komunikacija podranih intranetom na neprekidna poboljanja
glavnog procesa, magistarski rad, Mainski fakultet u Zenici, Zenica, 2013.
[3] Brdarevi, S., Jaarevi, S., Papi, S., 2015, Odreivanje vrijednosti indikatorskog uticaja na
kvalitet glavnog procesa proizvodnje, 9. Nauno-struni skup sa meunarodnim
ueemKVALITET 2015-Zbornik radova, ISSN 1512-9268, I-28; str. 171 176; Neum, B&H,
10.-13. juni 2015.
[4] Vulanovi, V., Stanivukovi, D., Kamberovi, B., Radakovi, N., Maksimovi, R., Radlovaki, V.,
ilobad, M.: Metode i tehnike unapreenja procesa rada, IIS Istraivaki i tehnoloki centar,
COBISS.SR-ID 185424391,Novi Sad, 2003.
Sejfo Papi, Fuad Klisura
Summary: This paper presents a method for determining the level of expertise of human resources employed
in the main production process manufacturing business systems (MPPMBS) and getting the total score for
the level of expertise of human resources. It then presents a way of measuring and evaluating the quality of
MPPMBS. At the end there is shown a regression model influental on the degree of expertise of human
resources quality of MPPMBS. Assessment of quality of MPPMBS was done using a new method that is
based on indicators of the quality of the main production processes.
4.34
konferencija
.1, . 2, .3
, ,,ISO
31000, .
a , ,
.
: , , , , .
1.

.
:
,

.
:
, ( 2005),
OHSAS 18001 ISO 31000,
,
-

Ao e e aaeo ao, o e ao aa a. eoae
oeoae a ooje eae a e oa a oa oje aj aje
aja a . aa ISO 31000 eoje a oaaja aja, eea
oao aeje o ja je a eaja oea aaa a aoj
oaaj. a oajo o oea aaa, eaa aeje aaa,
oea eaaa, oaa, eoa oaje ooaoj .
aae a oe eeo a oa oaaje o oajo
oa, eo oje oaao eoa, a e o ojea ojeaa
ao. aa O 31000 a eee ee a aae a eoj
oaaj.
1.1. O aa o
ea ISO 31000, je eea eeo a ee, eea oe a e oa

eaa a oo o e oeje. ISO 31000 aje a ae eeo e. e
ooj aa a a ee o a oo eaa a . a oa a eee a
oj eao e aa a o je eea. Too oaa a e ojaj e
1
. . , - vujovicdragan67@gmail.com
2
. . . , . . , -. petar.niksic@vstss.com
2
. , ,, -. nemanja198@gmail.com
4.35
e oea ea. ao o oa, ea ISO 31000 ea a ee eeo
o je e oe, .
aae a e oo a ooa ao eoa oje e oe a
ee oaaj a oo o a oj o a a e ooo a oa
ee.
1.2.O
oo e aa je ao aeea aaaa a aaa ISO 31000:2009, oo

e a aaa o, oa oja e o aae oaa oea aaa
o. oe aaa o eao a e ea eo eaea, aa eo
e ae, aae o e oo oea oaaje. Oaa ao
aeee o a o 5. 2 o 5. 6. oe aaa o je aa a 1.
a 1. oe aaa o[1]
2. ,

aaa oe eee oeea aa, ao e oajeo oe oao.

o eeae eeo a oa eeje a aaae ooaaj eje
eaje ojae oje e eeo oaje eaja, a oee o ojaa
o eo a a ae , o, , aj e, o .,
.
,
, .
,
, .
2.1 33 55
a oe a a e oaajaa oe e oj jea o jeoaj

oea . a oe. e ajeoaje aaa ao oo eoaoe
aaa oee a a oeea aa ooea e a ao () oea ee
oee, oeea aa ooea e a ao (T).
R=VxT
R ; V eoaoa aaa oee a a; T oea ee oee a a.
1. 33 2. 55.
4.36
1. 33[5]
V

1 2 3
1 .
1 2 3
2
2 4 6
3
3 6 9

2. 55 [5]

T

V I II III IV V

B
C
D

E

2.2. ea eoe oe a
Jea o eoa ojo je oe oe aae a je eoa K.

eo y ee a oaa e ao aaa oao eo. ao e
eajo oeja oao eo j oeja o
eeo a a.
e oo eea eaj o ooe aeoje oje aaa eoa o:
eoaoa ojae oao eo 3,
ea oea oje oje aoe o ojae oao eo,
eao ojaaa oao eo.
oe je eoa e eeea eooaa ao o eoe, oae, ae
eje o je e oe e aaa o a. Me, oe je ae e
e aoeeo eaoa oo e o aa ooe. a oo eaje
oo eo a ao e aoj oo, ae oae oaaa o oa
oaaja (aea / oeaa a a), oa aejaa aaa
oea oe e oea a.
oo eaje oao eo eoaa aja oe e eee:
ej e e oao eo oje o a aja a ao eo a
oo,
aaaj e aj oao eo a ao eo a oo,
je e e eoaa ae oao eo,
oje e eo oeaa aaja ae oao eo.
aae aae e e ej, a je oaa oea a a ao e
aoj oo aea e. Ooa oaa eoe K j oee a a
ao e aoj oo je jeoaa aa a aeae.
a eoe aoj e eaaj ee ao:
a) ae oeja oao eo oj / o aa ao
oea oea e,
) ae o oa aaa ae oao eo,
) aaa ae oao eo a e a e aa eoaa e:
eoaoa ojae oejae oao eo,
4.37
ea oea oje aoe o ojae oao eo,
eao ojaaa oao eo.
) eoae oa a e oo aoa a o:
ao a - eoaoa ojae oao eo V,
ao a - ea oee oje aoe o ojae oao eo
P,
ao a - eao ojaaa oao eo U.
ej - eoaoa (V) aa e oe o 0,1 jea eoao, o 10 oja e aa

eo, eo ooo a oeao.
Taea 3. O eja a eoao ojae oao eo[6]

A O TEJMA A OE EOATOE
0,1 Jea ojo
0,2 ao eeoao
0,5 ooj, a ao ao eoao
1 Maa eoaoa, a oa oae ajea
3 Mao oe
6 a oe
10 eo,oeao
ej - oee () (oa ea) aa e oe o 1 ao ajae o 10 oja e aa

aaoao, aojae ae 4.
Taea 4. O eja a oe oea o ojae oao eo[7]

A O TEJMA A OE OEA
1 oe, oea oja aea oo aa ea
2 Me ea o ae eaa
3 Oe-ao, oa ojeaa oea a oaajo
e aa
6 eoa oe-ojeae eee a oo
10 aaoae-a e oa
ej eao ojaaa oao eo (U) aa e o eo jea

a o, o ajo oao 10, 5.
Taea 5. O eja a eao ojaaa oao eo[7]

A O TEJMA A ETAOT
1 ae e eo (oe)
2 ae e eeo
3 ae e eeo
6 ae e eo
10 ae e ajo, oao
e) eoae a R e o o:
R=VxPxU
Taea 6. Maa oee a o eo K[7]

eoaa OEA A Mee a
oao V-eoaoa P-oea U-eao P-o oo
eo a oeeo
a
4.38
o a (R) e aa o ao, eao oa RI; o eeo-eoo R V
oj je e ae ao eaa oea ee aja,
7.
Taea 7. ej a oeae oa a[5]

a o aaja O aaje oa a
oea a oa a
0,1 20 RI aeao e aea e aa aja.
a
21 70 R II Ma ea oee a oa aoa aa oeajo.
Moe e ao eoo aje eee aeee
e oa aaa. oeo je a aj, ao
oeoa oaje o ooe oa ao
71 200 R III e oeo je o ao ao e ao , a oo
eeje oaj ao aa oae o eo
oa.
oeo je ea o a ooee aeea.
o o oaaja o oj o a eo
oae oee, oeo je oao oe
eoao aaa ao oaaja ao e
eao oea o ao a aaa a.
201 400 R IV o e e e aoe a ao ao o o a e e
e. Mo oea aa ea ao e
ao.
Ao e oo a e aoee ao, oeo je
ee e aje a ae oa a
eo RV Eeo Ao e e aoea aaea, e o e o
400 o a e a. Ao aae eoae eaa je oe
a o a, ao oa oa aaea.
a oo ae a oe a ee e aaeaja oee a ao o je o
aao ae 8.
Taea 8. ej a aaeaj a[5]

oea oa a aaja oa a aaeaja a
RI aeao a a
R II Ma a
R III e oea
R IV o ea
RV Eeo o ea
3.
aaa oe eee oeea aa, ao e oajeo oe oao.

oe eeae eeo a oa eeje a aaae ooaaj eje
eaje ojae oje e eeo oaje j eaja, a oee o ojaa
o eo a a ae .
.
3.1. e a ae oj e ojaj aaa
o (O3), o (NO, NO2), o (F2), o (CO2) o o

oeaja je oaa a ae, oo (CO) e jaa CO2 (MAG) aaa,
a oeajaa, oje oae. Ao (Ar) ej (He) ao oo
oa, a o oooa ao oe e e . 9
8 , 10 je a
e e eeoa.
4.39
Tae 9- oee oeaje ao eo a 8 a aa[2]
Maaa ooea oeaja
(ppm) (mg/m3)
CO 50,0 55,0
CO2 5000,0 9000,0
COCl2 - 0,4
Cl2 0,5 1,5
HCl 5,0 7,0 C
F2 0,1 0,2
HF - 2,0
NO 25,0 30,0
NO2 5,0 9,0 C
O3 0,1 0,2
o eeoo aaaa e ooa jaa e oao o NO, NO2 , a

ea oeaa ae ooe. NO2 je oaj o NO. e aaa o o o a e oeo
eoo o. Moeo aa e oe o aaee a, oje aje
aa aa.
10. Eje a e e eeoa [6]

T eeoe B R R (c)
e 4 mm aa a o-eoa
ja.je, A 170 185 185
CO 0,036 0,087 0,25
CO2 3,56 3,23 4,70
NO 0,053 0,047 0,015
NO2 0,009 0,003 0,0016
3.2. o ae
o eje a ea ooo , oj e o o eeoo

aaaa ooeo eeoo aje ajaj. e aa ao 5% ea, oje o
o ooo aejaa, a 95% e aja ooee eeoe. ee oa a
oe eae ae, oe oee ojee. e oe ea ea
aaa jo eea e eeoa a je a 11.
. 11 Eja oa[6]
Eeoa B R R (C)
4 aa a oeoa
ja. je, A 170 185 175
Eja a
mg/min 354 185 170
mg/g eoa 17,4 6,7 9,4
Oa aeja :
Mn (Mn2O3), F (KF, NaF, CaF2), Ba (BaO, BaF2), V (V2O5), Ni (NiCO4), Cr.
aa e a je aa o aaja ea 5 mg/m3 (MDK). o ea oe
ooa aaaj o (aa) e aj oea. ee eeo oa ej
a a, aoe e oj eo, a ee SiO2 o. o e aaa o ja
eoa o eoe, oa e e jaa aaa, je e SiO2 aaa o
eeaaa. oa je oeoaa oe .
Meae ae
O Zn, Sn, Cu, Ni i Fe o ooa ea o. Ta oa aa eoo a
ao aa ea aa, o oa e oaa ee oee. Oaje ae Cd, F i
Mn. o ojae oe, o o eeeaa, oeo je oae, oa oo
eoa. oea oe je oea aa je a CrVI , je e eo oa aaj
4.40
aeoe aa. o aaaa ooea ea, Ni i Cr oa ao aeoe
eee aj eoo o 20 o 30 oa.
Meaa oa e ojaje ao ao eoo a aa aa. aaja
aoaja oa a a oe oo, oeoao, eo, aaaj ea,
eeao aaaj a oaae. T o jeaaj ao eoo a e oaaj aj
e. Me, ae ao o Cd, F i Mn ae, oo oaje. oo aj oe ao
eeo eoa o 36 a o ao a oaae , eeaa aaa
aaaje ea oo a.
3.3. aa aaaa o , oa aa
oe oo eajo ooa aa. oao

a ao e aaaa je ajooje eee.
o, o eaa, oa o ajaa ea ao, a je oo, ao e
ee a oe. ajo a aje aa aa a oo o ao a.
3.4. aee
aaa oa o eeoaeo aea oa aoeo, o

aeo ea ea 12. Ao o aee oa o aaea, a eeao
o oeea oj. UV IC aea a o o, a e ea e aa jae
ae. a a oj o aea oaj e e e aa aa, oja aj
ee a ea a ooee eo. jeo oa e aa aj o
ea oeea oj (aa, e). aa aaaa a aae.
aea, a oeo UV aea (aoea) oj oeoe a o, a eaee eoe
oe ea a ao o. Oo ea aaaa.
Ta 12. Eeoaea aea, oja aaj aaa[6]

aee a 10 - 8 cm
Eeo aao (UV) 20-2000
aao (UV) 2000-4000
o 4000-7500
aeo 7500-13000
oo aeo e o 13000
3.5. a
a o aaaa o ea ooe ea a 13, a 14

.
13. Eja a o aaaa eaa[6]

a d (A) 80 90 100 110 120
aaae t
eae
e aeo
eaa aea
aa
E aaae
MIG / MAG oa
T jo
T jo
Taao aaae
ARC AIR eee
4.41
aoa, aaae
eae, aae
ea aa
o 95 dB je aao ooe, a ea e a 85 dB e eoajeo ao aj

e ojoj ae , je oe o o oeea a. ao eo eea e o
e a[4]:
L = 20 log (p/po), dB; po = 2 x 10-4 , bar... j a e

L = 20 log (J/Jo)1/2 = 10 log (J/Jo) ; L = p2 / v , W/m2 ...ee a
Ta. 14 oea eoja e[2]

eo aa e dB (A)
8 90
6 92
4 95
3 97
2 100
1,5 102
1,0 105
0,5 110
0,25 115
3.6. a eee je
eoae eee je a o eo o:
Ja ,
o eo,
eej
ee eoaa.
o oaa je o eo oa o ea a e o je 15mA.
aa ja oa eo e o o o 80 mA oje .
15. [4]
OAOT OEE OTOJE OAOT TETOT

TETOT
1.1. eo oj, eea .- oee oae
1.2 eee ae, oeoe, oeoe - oee eae
1.3 eoe, oee oj-oee oae
1.4 eoe, ea o oaa aoeaa - oee oae
1.5 ao oj a eo oj, oje - oee oae
2.1 a je - oee oae
2.2 eoe ae a - oee oae
a ea oo o aeea aeaaa. eoa ea
3.1 aeea o oe oo o, - oee oae
3.2 eea oe oj - oee oae
3.3 aoaje eo eje a o o , eoeo aae oe
ae oo o eao aea oe a o a
ooea. aa ao ooee oj - eea "ea"
oa, ea ooa - oee oae
4.1 o a ooea aj oaa - oee oae
4.1 o a ooea aj oaa - oee oae
5.1 eee a - ao o oa e - oee oae
6.1 ae, a ea a ooea - oee ao o
ooje oa
4.42
7.1 aeae a a oeaa oao o oea - oee
eae
8.1 oea oao o ea - oee oae
16.
OAOT O EOATOA OEE O A
TETOT OAOT (V) (T) (RX)
1.1 2 2 R4( .)
1.MEAE 1.2
OAOT 1.3
1.4
1.5
2.OAOT O 2.1
E. EE.
3.TETOT O
2.2
3.1
R= V x T
AEJA 3.2
3.3
4.EMJE 4.1
TETOT
5.E 5.1
TETOT
6.MOMA 6.1
7.OETJEOT 7.1
8.OO 8.1
AO
4.

,
. (,
, , , - ),
. .
[1] SRPS ISO 31000: 2009 Risk managemet Upravljanje rizicima Principi i smernice
[2] aoa eaa oa ae oe ee ee je, 2011.
[3] ., aae aeo, T, aa 2010.
[4] ., , T, aa 2014.
[5] web: http://iprod.masfak.ni.ac.rs
[6] Metodologije za sprovoenje postupka procene rizika (kompletan materijal je radna verzija iz
doktorske teze prof.B.Gemovi)
[7] T. Karkoszka, M. Sokovic, INTEGRATED RISK ESTIMATION OF METAL INERT GAS
. MAG AND METAL ACTIVE GAS (MAG) WELDING PROCESSES- ISSN 0543-5846, 2012
., . , .
RISK MANAGEMENT, HEALTH SAFETY AND ENVIRONMENTAL PROTECTION

DURING THE WELDING PROCESS
Abstract: The paper treats the issue of risk management in the process of welding example standard ISO
31000, as well as the protection of health and the owner of the process and environmental protection. Risk
analysis and risk assessment, a list of the dangers and consequences of hazards, measures of prevention and
protection measures.
4.43
konferencija
Bracanovi, Z., Petrovi, V., Grozdani, B., Borak , .1)
UTICAJ DOLAZNIH I ODLAZNIH PROCESA NA RAZVOJ KONKURENTSKE

PREDNOSTI PREDUZA
Rezime
Za usmeravanje konkurentske prednosti preduzea ka rastu i odrivom razvoju potrebno je odrediti uticajne
parametre za aktuelnu situaciju. Definisanjem pozicije preduzea na tritu moemo usmeravati i formirati
posmatrane procese. Istovremeno se dozvoljava kreiranje uee odreenog uticaja procesa na drugi
proces. Kako procesi povezuju resurse, inovacije, trite, klijente i definiu konkurentsku prednost
preduzea. U ovom radu bie dat pokuaj unapreenja konkurentske prednosti sa promenom procentualng
udela odlaznih i dolaznih procesa. Meusobne veze izmeu procesa u cilju stabilne konkurentske prednosti
mogue je korigovati.
Kljune rei: odlazni i dolazni procesi, uee , korekcija .
1. UVOD
Sve budue razvojne tendencije preduzea su ograniene socijalnim, politikim i ekonomskim prilikama.
Gaenje velikih firmi dovelo je do formiranja malih i srednjih preduzea. Nastala situacija zahteva brzo
prilagoavanje i trai naine, da se odreenim metodama i modelima sauvaju postojei kapaciteti i odri
pozicija na konkurentskom tritu. Istovremeno od preduzea zahtevaju se brze adaptacije odnosno promene
koje su kvalitativne, inovativne i fleksibilne. Rast i razvoj konkurentske prednosti na tritu usklaen je sa
promenama u ekonomiji i drutvu, to u prvi plan stavlja oveka, njegovo znanje, informisanost i kreativnost.
Za unapreenje konkurentske prednosti posmatranog preduzea neophodno je analizirati stanje kapaciteta
trita, klijente, aktivne resurse preduzea, inovacije, kapacitete inovacija i naine upravljanja preduzea. Svi
pomenuti inioci povezani su dolaznim i odlaznim procesima i uslovljeni su meusobnom vezom istih. U
ovom radu akcenat je na prikazu zadatih procesa koji povezuju potrebne inioce ekonomskog subjekta
preduzea a koji doprinose profitabilnosti. Kako je promena procesa uvek mogua usled unutranjih i
spoljnih faktora, konkurentska prednost je promenljiva veliina. Ovaj rad e ukazati na mogue teoretake
naine posmatranja i povezivanja procesa sa iniocima preduzea u cilju pozicioniranja na tritu i razvoju
konkurentske prednosti.
2. ANALIZA TRITA
Trite je ogranieno raznim ekonomskim i politikim faktorima koji ga usmeravaju da bude

promenljivo, zahtevno i dinamino. Kao takvo trite ima svoje varirajue granice i preduzea moraju da se
prilagoavaju kako bi i dalje opstale na tritu. Sobzirom da je trite izuzetno kompleksno i samo po sebi
veoma nestabilno, posmatranje trita postaje izuzetno sloen problem. Lako se moe dogoditi da preduzee
ne moe da odgovori na novonastale trine uslove.
Istraivanja vezana za trita odnose se na segmentaciju, privredne segmente, konkurente, klijente,
poslovne planove kao i slobodan udeo na tritu. Procentualno uee konkurenata na tritu, njihovi
poslovnih planova kao i tendencija smera njihovih kretanja. Dalja istrivanja se odnose na potrebe klijenata i
njihovo iskustveno za odreeni proizvod/uslugu. Podaci vezani za klijente ukazuju na buduu osnovu za
inovacije ili inoviranja proizvoda/usluge [1]. Pravilnom raspodelom odnosa slobodnog trita, kapaciteta
1)
mr Zlata Bracanovi, Institut IMR-a, Beograd,(zlatabracanovic@mts.rs), dr Velimir Petrovi, Institut IMR-a, Beograd, (institut-
mr@Eunet.rs), mr Branka Grozdani, Institut IMR-a, Beograd, (institut-imr@Eunet.rs), mr uro Borak, Institut IMR-a,
Beograd,(institut-imr@Eunet.rs)
4.44
inovacija i resursa, usmerava se preduzee ka eljenoj poziciji i sigurnom sticanju profitabilnosti. Dalji tok
istraivanja trebalo bi da obuhvati analiziranje procentualnog uea konkurenata u odnosu na slobodno
trite za svaki poslovni plan pojedinano u zadatom vremenskom intervalu. Preduzea kod kojih je usledila
transformacija, poeljno je da kapacitet upravljanja i aktuelne resurse stavljaju u prvi plan, kako bi
poreenjem sa trinim potrebama, formirali vrednosti i pozicijonirali preduzee [2]. Upravljaki
menadment preduzea tako pristupa operativnom a potom stratekom upravljanju tokovima znanja odnosno
poinje da kreira nove mogunosti koje uveavaju kapital, to je veoma kompleksan i vrlo odgovoran
zadatak. Takvom stavu prema znanju u preduzea bi trebao da se priklone svi zaposleni. Potrebno je da se
uspostave kontinualne razmene znanja u okviru samoga preduzea kao i sa okruenjem. Preduzea sa
takvim pristupom prema sopstvenim resursima su konstruktivnija jer stvaraju kulture znanja zasnovane na
ideji da je znanje mo. Na slici 1. prikazano je okruenje sa naznaenom baznom osnovom pogodnom za
bilo koju aktivnost preduea, bilo da je u pitanju novi ili inovirani posao/usluga.
Slika 1. Prikaz posmatranog okruenja za poslovni plan -proizvod/usluga
Kada se eli produiti proizvodnja postojeeg proizvoda/usluge, projektovati novi ili inovirati ve
postojei proizvod/usluga, prevashodno je ispitivanje zahteva trista i korisnika [3]. Najkompleksnija su
istraivanje trita kada se radi o oceni mogue potranje za novim proizvodom, jer su tu najvee
nepoznanice a i rizik. Pitanja koja postavljamo tritu su brojna, raznovrsna koja se uglavnom svode i
upuuju na potrebe korisnika. Da bi se trite istraivalo i posmatralo moramo da ga segmentiramo i kao
takvog analiziramo po segmentima u zavisnosti od potreba preduzea. Na slici 2. data je blok ema
privrednog segment sa pet faktora koji ga karakteriu.
Slika 1. Segmentacija trita sa pripadajuim parametrima koji utiu na poslovanje predzea
4.45
Za svaki privredni segment, kao to se vidi na priloenoj slici 2. sainjavaju sledei faktori: novi uesnici
na tritu, supstituti, korisnik, dobavlja i rivalitet meu preduzeima. Navedeni faktor prikazani su i
naznaeni sa pripadajuim parametri, koji svojim promenama menjaju i definiu odgovarajui faktor [4].
Analizom segmentiranog trita pratimo rast trita koji je znaajan parametar za plasman proizvoda/usluge
kao i za planirani obim proizvodnje. Na brzo rastuem tritu, anse za prodaju proizvoda/usluge su mnogo
vee, nego na sporo rastuem tritu.
3. ANALIZA PROCESA
Zahtevi savremenog inovativnog poslovanja usmereni su ka stalnom poboljanju kapaciteta ljudskih

resursa, sticanju novih znanja zaposlenih i menadmenta kako bi se stvorila i realizovala vrednost preduzea.
Pretvaranje znanja u sutinski resurs, menadment ljudskih resursa delegira nove zadatake, izazove, zahteve
i odgovornosti za ouvanje trine konkurentnosti i ostvarivanje pozitivnog poslovnog rezultata. Pristip i
sagledavanje stanja, naini analiziranja i donoenja odluka koji su u ovom radu navedeni, samo su smernice
koje e omoguiti preduzeima da upravljaju svojim bilansima stanja [5]. Oni ukazuju na naine
usmeravanja za pojedine vrste upravljakih procesa koji su potrebni ukoliko firma hoe da osigura zdravu
budunost i stekne konkurentsku prednost [6]. Jedan od moguih naina je dat na slici 3. gde je prikazana
blok ema sa pripadajuim iniocima i procesima koji povezuju iste.
Slika 1. Blok ema dolaznih i odolaznih procesa
Prikazani inioci su raspoloivi resursi: kapacit inovacije, performanse inovacije, kapacitet upravljanja,
klijenti i orijentacija trita povezni su procesima sa sledeim karakteristikama:
Proces/1 predstavlja smernice za trite i pozitivno utie na upravljake sposobnosti, ljudske resurse,
poveava orijentaciju trita. Dovodi do izgradnje kapaciteta veze sa kupcima, lansira nove
proizvode/usluge kao i trite inovacija
Proces/2 predstavlja nivo smernica koje stvaraju mogunosti povezivanja sa klijentima
Proces/3 je skup smernica za trite kapaciteta inovacija kao i direktan uticaj na nivo posveenosti i
zadovoljstvo meu zaposlenima odnosno raspoloivi resursi
Proces/4 su smernice koje otvaraju tritu mogunost pozitivnog uticaja na raspoloive ljudske
resurse, upravljanje ljudskim resursima, marketing, povezivanje sa klijentima, integracija preko
funkcija i timski rad
Proces/5 je nivo menaderske sposobnosti preduzea sa participacijom kapitala ljudskih resursa
Proces/6 su menaderske sposopbnosti upravljanja da se preduzee povee sa klijentima
Proces/7 predstavljaju menaderske sposopbnosti upravljanja tako da preduzee ima uticaj na trite
kapaciteta inovacija. Bitno je zadovoljstvo i lojalnost kupca. Mogunost povezivanja kupca kao
uticaj na razvoj vetina i pokretanja novih proizvoda/usluga
Proces/8 su sutinske smernice ka sposobnosti povezivanja sa klijentima i usmeravanje na trite
4.46
inovativnosti. To za posledicu ima razvoj novih ili inoviranih proizvoda/uslug. Kroz uspeh novih
proizvoda dovodi do efikasnijeg nivoa zadovoljstva korisnika, bolji obim prodaje, udeo na tritu i
uvean financijski dobitak
Proce/9 daje pregled efekta i direktnog uticaja performansi inovacija na trite inovacija. Za
inplementaciju najboljeg i najkreativnijeg proizvoda /usluge odgovorne su osobe koje moraju biti
motivisane kao fiziki tako i mentalno, kako bi sprovele marketing strategiju. To je direktna
interakcija trita i klijenta. Tako zaposleni stvaraju vrednost za korisnika odnosno klijenta
Proces/10 su sredstva raspoloivih resursa koji imaju direktan uticaj na kapacitet inovacija
Proces/11 su sredstva raspoloivih resursa imaju direktan uticaj na performance inovacija
Svaki proce ima svoje varijable koje u ovom radu nisu navedene. Varijable se usvajaju, definiu i menjaju
shodno zahtevima preduea. U tabeli 1. prikazani su dolazni i odlazni procesi za svaki inioc. Tako moemo
da sagledamo gde je mogui vei odnosno manji utucaj promenljivih varijabli odreenih procesa. Takoe se
moe slikovito sagledati, koji je od inioca promenljiv i u kojoj meri. Da li ta promena utie na druge
inioce?
Tabela 1. Prikaz ulaznih i izlazni procesa za svaki inioc

raspoloivi kapacitet performanse kapacitet orjentacija
resursi inovacije inovacije upravljanja trita klijenti
raspoloivi
P/1 P/11 P/5 P/4
resursi
kapacitet
P/10 P/9 P/7 P/3 P/8
inovacije
performanse
inovacije P/11 P/9
kapacitet
P/5 P/7 P/1 P/6
upravljanja
orjentacija
trita P/4 P/3 P/1 P/2
klijenti P/8 P/6 P/2

odlazni procesi dodlazni procesi
Tabela 2. prikazuje meusobnu zavisnost svih procesa za posmatrani inioc, gde sa promenom uticaja
pripadajuih procesa menja direktno sam uticaj, za konkretan primer, raspoloivih resursa. To istovremeno
ima i indirektan uticaj na ostale inioce koji figuriraju
Tabela 2. Indirektni i direktni uticaji izemeu procesa za posmatrani inioc raspoloivi resursi
procesi P/1 P/2 P/3 P/4 P/5/ P/6 P/7 P/8 P/9 P/10 P/11
P/1
P/2
P/3
P/4
P/5
P/6
P/7
P/8
P/9
P/10
P/11
Za primer koji je dat i prikazan u tabeli 2. za posmatrani inioc, raspoloivi resursi, ima dva dolazna
procesa P/3 i P/4/ i dva odlazna procesa P/10 i P/11. Kako su za raspoloivi resurs vezani inioci kapacitet
inovacije i performance inovacija, oigledo je da nastaje direktan uticaj promene procesa.
Na dolazni proces P/4 direktan uticaj imaju procesi P/1; P/2 i P/3.
Na odlazni proces P/10 direktan uticaj imaju procesi P/3; P/7 i P/8.
Na odlazni proces P/11 direktan uticaj imaja proces P/9.
4.47
Dolazni procesi formiraju odlazne procese odnosno svaka promena dolaznog procesa stvara novu
situaciju i novo stanje na odlazne procese. to ima za posledicu pomenu uloge pripadajuih inioca. Svi ostai
procesi takoe utiu indirektno.
Upotrebom odgovrajueg softevera moe se odrediti matematiki model uticaja procesa na proces i
inioce promenom varijabli. Rezultati ukljuuju razmatranje izmeu dve varijable ili vie varijabli u okviru
istog ili drugog procesa prema istraivanju [7]. U sluaju pozitivne ili zadovoljavajue evaluacije mera
podeavanja naglaava intuitivnu validnost modela prema (Garver i Mentezer, 1999). Koristei strukturne
jednaine modeliranja po navodima (Hoile, 1995) koje se obino koriste u istraivakim odnosioma na
osnovu preseka istraivanja i konstruktivnog odnosno poetnog stanja. To omoguava testiranje odnosa
posmatranih i latentnih varijabli po tvrdnjama (Hoile,1995). Ovaj postupak se zasniva na predpostavci da
postoji snana korelacija izmeu informacija od kljunih informacija kod ispitanika i vie ispitanika,
pokazala su istraivanja (Homburg, Vorkman, 1999). Ovako izveden model je pogodan za procentualnu
procenu varijabli sa osvrtom na veliinu uzorka i kompleksnost modela. Koficijenti za podeavanje modela
prilagoavaju se prema isptivanjima.
4. ZAKLJUAK
Fleksibilna blok ema modela doprinosi kreiranju pozicije konkurentske prednosti svakog preduzea. U
savremenom poslovanju procesi u preduzeu, teite aktivnosti pomeraju na skup varijabli koji oblikuju
proizvode/usluge. Usmerenja procesa se odnose na odreivanje i realizaciju postavljenih ciljeva preduzea u
oblastima istraivanja i razvoja, uvoenjam inovacija i kontinualna poboljanja performansi inovacija. Cilj je
zadovoljstvo korisnika kao i identifikovanje neidentifikovanih potreba i elja potroaa.
Ovaj rad ukazuje na teoretske predloge i pravce uticaja raspoloivih resursa sa akcenton na performanse
inovacija u stvaranju konkurentsne prednosti preduzea. Istovremeno ostavlja prostor za neprekidno
analiziranje glavne dimenzije kapaciteta inovacija. Sve to sa posebnim osvrtom preduzea u upravljanju
internim resursima sa aspekta orijentacije ka tritu, u cilju unapreenja trenutnog i trajnog poloaja
preduzea u konkurentskom okruenju.
5. LITERATURA
[1] Baker, W. E.; Sinkula, J. M., Market orientation and the new product paradox, The Journal of Product Innovation
Management, 22(6), 483-502, 2005.
[2] Bracanovi, Z., The research of the possibilities of the application of the enterprise principles in the research and
development organizatiuons, Proceedings - IAT, 477-485, Rogla, Slovenia, y, 2007.
[3] Hooley, G.; Greenley, G.; Fahy, J.; Cadogan, J., Market-focused resources, competitive positioning and firm
performance, Journal of Marketing Management, 17(5/6), 503520, 2001.
[4] Hooley, G., Fahy, J., Greenley, G., Beracs, J., Fonfara, K., Market rientation in the service sector of the transition
economies of central Europe. European Journal of Marketing, 37(2), 86-116, 2003.
[5] Whelan, E.; Carcary, M., Integrating talent and knowledge management: where are the benefits, Journal of
Knowledge Management, 15(4), 675-687, 2011.
[6] Radovi D., Radovi B., Bracanovi, Z., (2010), Uticaj strategije preduzea na konkurentsku prednost, 3.
Internacionalna Konferencija Menadmenta - FIM, 232-237, Kruevac, a 2010.
[7] Hair, J. F., Jr.; Anderson, R. E.; Tatham, R. L.; Black, W. C., Multivariate Data Analysis. 5. Ed. New Jersey:
Prentice Hall. ,1998.
Bracanovi, Z., Petrovi, V., Grozdani, B., Borak , .
INFLUENCES INCOMING AND OUTGOING PROCESSES ON THE DEVELOPMENT

OF COMPETITIVE ADVANTAGES OF COMPANIES
Abstract: To direct competitive advantage for growth and sustainable development is necessary to determine important
parameters for the current situation. By defining the position of the company in the market can be directed to form the
observed processes. At the same time allows for the creation of a specific share of the impact of the process on the other
process. How processes associated resources, innovation, market, clients and define company competitive advantage.
This paper will attempt to give improved competitive advantage with the change percentage share of outgoing and
incoming process. Interconnections between processes to stable competitive advantage can be adjusted.
Key words: incoming and outgoing processes, participation, correction.
4.48
sa meunarodnim ueem

ZBORNIK RADOVA
PROCEEDINGS
20. simpozijum
Beograd, maj 2016.

QUALITY
Stojadinovi, S., Majstorovi, V., Durakbasa M., .

A
............................................................................................................................... 5.1
NAZAD
konferencija
Beograd 2016 MENADMENT KVALITETOM

1)
, . . , , . .1), Durakbasa, M. Numan2)

(). ,
, ,
.
3D CAD (IGES STL),
. o
.
()
.
: , , ,
1.

().
, ,
.
NUMM :
, CAI ,
.
.
: , .
,
, , , ,
.
.
. [1]
. [2-6] .
[7] , [8] .
[9].
CAD
[10].
a
.
.
,
1)
. , , , ,
, 011/3302-438 (sstojadinovic@mas.bg.ac.rs)
. . , , , ,
, 011/3302-407 (vmajstorovic@mas.bg.ac.rs)
2)
Prof. Dr. Numan M. Durakbasa, Full professor, Vienna University of Technology, Institute for Production Engineering and Laser
Technology (durakbasa@ift.tuwien.ac.at)
5.1
.
.

.
CAD () .
,
, () .
j j
, j point-to-point
.
2.
PD NUMM ,
, ,
.
2.1.
PD NUMM 1.
,
. (1)
:
M
rP = M rW + W rF + F rP = M rF + F rP (1)
i i i
: M
rF - KS , F rPi - KS
.
1. PD NUMM [12]
2.2.

.
, , , , , ,
( 2).
5.2
2. [12]: ) ; ) ; ) ; )
; ) ; ) ; ) ; )
2.3.
Hemmersly - ooj [11],

. Hemmersly e
, , ,
, , . KS
5.3
OF , X F , YF , ZF - KS OF , XF , YF, ZF . KS
Pi (si , ti , wi ) .
:
2
k 1 i i
si = R j Mod2 2( j+1) R cos 360o
2
(2)
j= 0 2 N

2
k 1 i i
t i = R j Mod2 2( j+1) R sin 360o
2
(3)
j= 0 2 N

k 1 i
wi = j Mod2 2( j+1) R (4)
j= 0 2
: R [ mm ] - , N - , k = log2 N - , Mod2 -
.
2.4.

. Pi1 ( xi1 , yi1 ,zi1 )
NUMM. i- ,
Pi1 ( xi1 , yi1 ,zi1 ) Pi ( xi , yi ,zi ) d1 - , i-
Pi 2 ( x i 2 , yi 2 ,zi 2 ) Pi1 ( xi1 , yi1 ,zi1 ) d2 - .
.
PD
Pi 2 ( x i 2 , yi 2 ,zi 2 ) Pi1 ( xi1 , yi1 ,zi1 ) . 3.
3. Pi1 Pi2 Pi [12]: )

; ) ; )
Pi ( xi , yi ,zi ) Pi1 ( xi1 , yi1 ,zi1 ) ,

Pi 2 ( xi 2 , yi 2 ,zi 2 ) , ,
4.
N=10 , , , ,
, , , .
5.4
4. Pi1 Pi2 Pi
[12]
2.5.
STL PD, PD, a

P( N )1 a P( N )1
F1 F2
a, 5 .
T1 ,T2 ,T3 .
5.5
p P( N F1 )1
P( N F2 )1
.
Pj P( N )1P( N F1 F2 )1
.
5.
Pj P( N )1P( N F1 F2 )1

. Pj
. : 1 i 1 1 .
.
.
( Pj TT
1 2 3)
T z :
z P
( NF1)1
= zP( NF1)1
+ , z P
( NF 2 )1
= zP
( NF 2 )1
+ , PD .
P(N )1 (x P F1 ( NF1)1
yP ( NF1)1
zP
( NF1)1
) P(N F2 )1
(x P ( NF 2 )1
yP
( NF 2 )1
zP
( NF 2 )1
) p
. Pj p .

. P(N )1 P(N )1 F1 F2

.
5, z a P(N )1 F1
P(N F2 )1
.
3.
PD .
,
6 ( a)). .
PD
PD. , , .
ZEISS UMM 500 ( 6 ) )).
PD
.
PD. PD
.
5.6
.
.
6. )
PD, ) PD, ) PD
1 PD.
().
1

. -
1. 2. 3. 4. 5.
mm m
1 0,02 0,0005 0,0004 0,0005 0,0005 0,0004 0,1
2 50 0,1 50,0851 50,0855 50,0852 50,0856 50,0855 0,2
3 0,03 0,0014 0,0024 0,0023 0,0022 0,0023 0,4
#1
4 Cone: 39 0,5 39,2991 39,2991 39,2995 39,2982 39,2991 0,5

5 0,04 0,035 0,0346 0,035 0,0348 0,035 0,2
6 70 0,02 70,0111 70,0111 70,0112 70,0111 70,0106 0,2
7 0,02 0,0042 0,0043 0,0041 0,004 0,0041 0,1
8 0,02 0,0068 0,008 0,008 0,0091 0,0092 1
#2
9 0,03 0,0094 0,0092 0,0092 0,0101 0,0096 0,4

10 0,75 0,6471 0,6483 0,6416 0,6481 0,6424 3,2
4.

PD.
.
,
.
5.7

I
PD NUMM.

,
, -
.
,
,
.
PD
.
5.
[1] Hwang Y. C., Tsai Y. C., Chang A. C.: Efficient inspection planning for coordinate measuring
machines, Int J Adv Manuf Technol, 23:732-742, 2004.
[2] Gu P., Chan K.: Generative Inspection Process and Probe Path Planning for Coordinate Measuring
Machines, Journal of Manufacturing Systems, 15/4:240-255, 1996.
[3] Prieto, F., Redarce, T., Lepage, R., Boulanger, P.: An Automated Inspection System, Int J Adv Manuf
Technol, Springer-Verlag London, 19:917925, 2002.
[4] Lin Y. J., Murugappan P.: A new algorithm for determining a collision-free path for a CMM probe,
International Journal of Machine Tools & Manufacture, Elsevier Science Ltd., 39:13971408, 1999.
[5] Stojadinovic, S., Majstorovic, V., Durakbasa, N.: A feature based path planning for inspection
prismatic parts on CMM, XXI IMEKO World Congress Measurement in Research and Industry,
Proceedings, ISBN 978-80-01-05793-3, pp. 1551-1556, Prague, Czech Republic, August 30th -
September 4th, 2015, Czech Technical University in Prague, Faculty of Electrical Engineering,
Department of Measurement.
[6] Flack, D.: CMM measurement strategies, ISSN 1368-6550, National Physical Laboratory Teddington,
Middlesex, United Kingdom, TW11 0LW, 2001.
[7] Lin, C.-Z., Chen, C.-C.: Collision-free path planning for coordinate measurement machine probe,
International Journal of Production Research, Taylor & Francis Ltd., 39/9:19691992, 2001.
[8] Lim, P.C., Menq, H. C.: CMM feature accessibility path generation, International Journal of Production
Research, Taylor & Francis Ltd., 32/3:597618, 1994.
[9] Zhao F., Xu X., Xie Q. S.: Computer Aided Inspection Planning The state of the art, Computer in
Industry, 60/7:453-466, 2009.
[10] Majstorovic, D. V., Stojadinovic, M. S.: Research and Development of Knowledge Base for Inspection
Planning Prismatic Parts on CMM, 11th International Symposium on Measurement and Quality
Control, Cracow-Kielce, Poland, September 11-13, 2013.
[11] Lee G., Mou J., Shen Y.: Sampling strategy design for dimensional measurement of geometric features
using coordinate measuring machine, Int. J. Mach. Tools Manufact., Great Britain, 37/7:917-934,
1997.
[12] , . .,
, , , 2016.
Stojadinovic, M. S., Majstorovic, D. V., Durakbasa, M. Numan
A MODEL OF PATH PLANNING FOR INSPECTION PRISMATIC PARTS ON CMM
Abstract: This paper presents a nw model for probe path planning for CMM. The model consists from
mathematical model, modeling primitives for inspection, distribution of measuring points, analysis of the
probe accessibility and collision-free generation between probe and prismatic part. Needed geometrical
information for path planning are taken from internal file of 3D CAD model of the prismatic part (IGES and
STL), while input data about tolerance entries on the base already created knowledge base. The presented
model is a new approach oriented towards definition of the intelligent concept inspection. Advantage of the
model is in reduction the total measurement time by reducing the time needed for the preparation (planning)
of the measurements due automated generation of probe path and its optimization.
Key words: measurement strategy, prismatic parts, CMM, path planning
5.8
CIP - -
,
658.5:004.384(082)(0.034.2)
004.896(082)(0.034.2)
621.7/.9-52(082)(0.034.2)
007.52:658.5(082)(0.034.2)
005.6(082)(0.034.2)
ZBORNIK radova [Elektronski izvor] = Proceedings / [33. simpozijum CIM

u strategiji tehnolokog razvoja industrije prerade metala [i] 27.
simpozijum CAD/CAM [i] 36. simpozijum NU - ROBOTI - FTS [i] 42. simpozijum
Upravljanje proizvodnjom u industriji prerade metala [i] 20. simpozijum
Menadment kvalitetom [sve ovo u okviru]] 40. Jupiter konferencija sa
meunarodnim ueem = 40th Jupiter Conference with Foreign Participants,
Beograd, maj 2016. ; [organizator] Univerzitet u Beogradu, Mainski
fakultet = University of Belgrade, Faculty of Mechanical Engineering. -
Beograd : Univerzitet, Mainski fakultet, 2016 (Beograd : Planeta print). -
1 elektronski optiki disk (CD-ROM) ; 12 cm
Sistemski zahtevi: PDF ita. - Nasl. sa naslovnog ekrana. - Radovi na srp.

i engl. jeziku. - Tekst ir. i lat. - Tira 150. - Bibliografija uz veinu
radova. - Abstracts.
ISBN 978-86-7083-893-2
1. (40 ; 2016 ; ) 2. CIM

(33 ; 2016 ;
) 3. CAD/CAM (27 ; 2016 ; ) 4. NU -
ROBOTI - FTS (36 ; 2016 ; ) 5.
(42 ; 2016 ; ) 6.
(20 ; 2016 ; ) 7. ()
a) CIM - b) CAD/CAM - c)
- - d) - e)
- f)
- - g) -
COBISS.SR-ID 223381516

Jupiter 2016 Zbornik

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Jupiter 2016 Zbornik

Uploaded by

Copyright:

Available Formats

40.

UNIVERZITET U BEOGRADU - MAINSKI FAKULTET

Beograd, maj 2016.

UNIVERZITET U BEOGRADU - MAINSKI FAKULTET

Beograd, maj 2016. godine

Odobreno za tampu odlukom Dekana

Prof. dr Bojan Babi

Beograd, maj 2016.

Tira: 150 primeraka

PROGRAMSKI I NAUNI ODBOR

Organizacioni odbor 40. JUPITER KONFERENCIJE se najsrdanije zahvaljuje svim

Posebno se zahvaljujemo pokrovitelju:

Ministarstvo prosvete, nauke i tehnolokog razvoja

JUPITER Konferencija prikazuje znaajne rezultate istraivanja ostvarene u prethodne

Centar za nove tehnologije - nauni i tehnoloki poligon za generisanje novih ideja,

Na Konferenciji e biti izloeno 30 radova autora iz Srbije i inostranstva.

Ministarstvo prosvete nauke i tehnolokog razvoja Republike Srbije je finansijskom

U ime organizacionog odbora posebno se zahvaljujem svim domaim i stranim

Dobro doli na XL JUPITER Konferenciju.

U Beogradu, 17. maj 2016.

Prof.dr Bojan Babi

CIM U STRATEGIJI TEHNOLOKOG RAZVOJA

UPRAVLJANJE PROIZVODNJOM U INDUSTRIJI

Anti, A., Zeljkovi, M., Miloevi, M.

ANELI, NINA KLISURA, FUAD PAPI, SEJFO

40th JUPITER CONFERENCE

CIM U STRATEGIJI TEHNOLOKOG

Beograd, maj 2016.

Drndarevi, D., Milivojevi, M.

Drndarevic, D, Milivojevic, M.1

MODELLING WITH BACKPROPAGATION ALGORITHM

Keywords: Modelling, Process, Neural network, Backpropagation learning algorithm

Figure 1: A general architecture of multilayer neural network

Experimental Model architecture Change of model

Experimental Model Change of desired

Figure 2. Development of the process model based on neural networks

Figure 3: The architecture of spring-back model

Xdp = -2.15910-3 , XDp = -1.32010-3 ,

Relative spring back

-0.008 Inner diameter-dp

-0.004 Outer diameter-Dp

Figure 4: The spring-back coefficients

Figure 5: The learning and testing errors of the spring-back model

Luki, D., Miloevi, M., Vukman, J, urev, M., Anti, A.: 1)

KONCEPTUALNO PROJEKTOVANJE TEHNOLOKIH PROCESA I PROCENA

Slika 1. Mesto i uloga konceptualnog projektovanja tehnolokih procesa [4, 5]

2. PROCENA TROKOVA IZRADE PROIZVODA

Trokovi proizvodnje predstavljaju jedno od glavnih merila za uspenost razvijene konstrukcije

Iz prethodne tabele se vidi da se za odreivanje trokova u fazi konceptualnog projektovanja preporuuju

U okviru razvijenog programskog reenja za konceptualno projektovanje tehnolokih procesa, reavaju se

Relativni koeficijent trokova se rauna na osnovu sledeeg izraza:

4. PROCENA TROKOVA VARIJANTI TEHNOLOKIH PROCESA IZRADE TELA

Slika 2. Klasifikacija tela endoproteze prema geometrijskoj sloenosti u programskom reenju

b) Podaci za CNC obradu rezanjem

Tehnoloki Obim proizvodnje Q [kom./god.]

Varijanta II 231,27 188,53 181,77 179,65 178,08 177,34 176,87

Varijanta III 1457 444,97 317,88 254,36 222,73 203,85 192,49

Varijanta IV 1978,4 537,57 356,38 266,66 221,44 194,53 178,45

Savremena proizvodnja implantata bazirana je na primeni fleksibilnih proizvodnih tehnologija livenja,

Odreivanje trokova je veoma znaajno sa aspekata mogunosti plasmana proizvoda, smanjenja

CONCEPTUAL PROCESS PLANNING AND MANUFACTURING COST ESTIMATION

Jelena Marjanovi1, dr Nataa Gojgi2

PRIMENA OLAP-a ZA ANALIZU PARAMETARA OPERCIJA U TEHNOLOKOM

Klune rei: operacijski list, parametri zahvata operacija, OLAP