Traducido del inglés al español - www.onlinedoctranslator.

com

Revista internacional de fabricación integrada por

computadora

ISSN: (Imprimir) (En línea) Página de inicio de la revista:https://www.tandfonline.com/loi/tcim20

Recuperación y comparación automatizadas de

piezas de chapa

Yang Yang, Srichand Hinduja y Oladele O Owodunni

Para citar este artículo:Yang Yang, Srichand Hinduja y Oladele O Owodunni (2023) Recuperación y
comparación automatizadas de piezas de chapa, Revista internacional de fabricación integrada por
computadora, 36:7, 1031-1057, DOI:10.1080/0951192X.2022.2162599

Para vincular a este artículo:https://doi.org/10.1080/0951192X.2022.2162599

Publicado en línea: 16 de enero de 2023.

Envíe su artículo a esta revista.

Vistas del artículo: 151

Ver artículos relacionados

Ver datos de Crossmark

Los términos y condiciones completos de acceso y uso se pueden encontrar en

https://www.tandfonline.com/action/journalInformation?journalCode=tcim20
REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS 2023,
VOL. 36, núm. 7, 1031-1057
https://doi.org/10.1080/0951192X.2022.2162599

Recuperación y comparación automatizadas de piezas de chapa

yang yanga, Srihand Hindujaay Oladele O Owodunnib
Departamento de Ingeniería Mecánica, Aeroespacial y Civil, Universidad de Manchester, Manchester, Reino Unido;bDepartamento de Ciencias Físicas,
a

Matemáticas y de Ingeniería, Universidad de Chester, Chester, Reino Unido

ABSTRACTO HISTORIA DEL ARTÍCULO

Dado que el número de modelos CAD en 3D aumenta rápidamente, la recuperación de modelos de piezas similares se ha Recibido el 31 de mayo de 2022 Aceptado

convertido en una actividad importante, ya que los diseños existentes pueden contener información vital sobre el diseño el 17 de noviembre de 2022

y la fabricación. Este artículo tiene como objetivo recuperar y comparar piezas de chapa. En el método propuesto en el
PALABRAS CLAVE
presente documento, la forma general de una pieza de chapa metálica se representa mediante un árbol jerárquico Piezas de chapa; recuperación;
simplificado en el que los nodos representan las paredes planas de la pieza y la información relacionada con las evaluación de similitud; representación
características se adjunta a estos nodos como atributos textuales. A partir de este árbol simplificado se deriva un índice de árbol; características

de forma que posteriormente se utiliza para recuperar piezas similares de la base de datos. Las piezas recuperadas se
evalúan para determinar su similitud con la pieza de investigación utilizando cinco criterios: la forma general de la pieza,
las curvaturas y su dirección, los tipos de características, la ubicación de las características y el tamaño de las
características. Además de determinar el grado de similitud, la principal ventaja del método propuesto es que la
evaluación proporciona información útil a los ingenieros de diseño y fabricación en función de estos cinco criterios. Se ha
probado un sistema prototipo desarrollado en C++ en una base de datos que contiene unos cientos de piezas y se analiza
la eficacia del método propuesto para recuperar y comparar las piezas.

1. Introducción
El uso generalizado de sistemas de diseño asistido por
ordenador (CAD) ha dado lugar a una explosión de modelos
CAD de piezas. Con frecuencia, diseñadores de diferentes
orígenes crean varios modelos de piezas para un propósito
específico. Varios de estos modelos CAD existentes son
duplicaciones innecesarias y podrían haberse obtenido
mediante la recuperación y reutilización de otros diseños
existentes similares, lo que resultaría en una reducción
significativa en el tiempo y el esfuerzo de diseño (Lupinetti et
al.2019; Fradi et al.2021). Incluso si los diseños existentes no
tienen un alto grado de similitud, estas piezas aún pueden
proporcionar información que puede mejorar el diseño de una
pieza nueva. Además, muy a menudo asociada con estos
modelos CAD hay información sobre aplicaciones posteriores.
Por ejemplo, la información de planificación de procesos
asistida por computadora asociada con una pieza existente se
puede utilizar para generar un plan de proceso para una pieza
recién diseñada realizando cambios menores (Mou y Gao2020)
y estimando su costo de fabricación (Letaief, Tlija y Louhichi
2020).
La necesidad de buscar modelos similares en un conjunto de
datos ha llevado al desarrollo de varios métodos de recuperación.
Algoritmos que convierten la forma 3D de un objeto en
funciones de forma uni o bidimensionales. Estos
algoritmos utilizan diferentes métodos, como tecnología de
grupo, métodos basados en gráficos y redes neuronales
basadas en imágenes. La mayoría de los algoritmos: (i)
apuntan a mejorar la efectividad de la recuperación (Cheng
et al.2011; Huang et al.2015; Li y col.2009); (ii) están
dirigidos a objetos 3D en general (Hilaga et al.2001; Sundar
et al.2003; Su et al.2015), y (iii) no proporcionan
comentarios útiles (Misaki y Aomura2003; Wang y cols.2012
), dificultando así la reutilización de las piezas recuperadas.
Además, algunos de los algoritmos basados en gráficos
son computacionalmente complejos (El-Mehalawi y Miller
2003a,2003b).
Las piezas de chapa pertenecen a una categoría específica
de productos que tienen la ventaja de ser ligeras, poseer
buena rigidez y pueden fabricarse a un coste relativamente
bajo cuando se trata de grandes cantidades. Por lo tanto, las
piezas de chapa se utilizan ampliamente en las industrias
aeroespacial, automotriz, eléctrica y electrónica. Las piezas de
chapa metálica se fabrican a partir de una lámina metálica
plana de espesor constante, ya sea deformándola o quitándole
material, lo que da como resultado formas que son

CONTACTOSrihand Hinduja sri.hinduja@manchester.ac.uk Departamento de Ingeniería Mecánica, Aeroespacial y Civil, Universidad de Manchester,
Manchester M13 9PL, Reino Unido
© 2023 Informa UK Limited, operando como Taylor & Francis Group
1032 Y. YANG ET AL.
considerados como características. Estas características se pueden
clasificar además en dos categorías, es decir, características
globales y locales. Las características globales comprenden
paredes planas y pliegues, y definen la forma general de la pieza.
La forma detallada de la pieza está definida por características
locales (por ejemplo, agujeros, lanzas, puentes, etc.), que se
caracterizan por su tipo, tamaño y ubicación. Por lo tanto, las
características globales se utilizan con fines de recuperación de
nivel aproximado, pero también se combinan con las
características locales (tipos de características, su ubicación y
tamaño) para una evaluación de similitud más detallada.
En este artículo, se construye un árbol considerando las
propiedades globales y locales mencionadas anteriormente
para representar las piezas de chapa. Las paredes planas de
una pieza de chapa están representadas por los nodos del
árbol y las curvas por sus ramas. La información relacionada
con las características, como su tipo, tamaño y ubicación, se
adjunta como atributos a los nodos. Esta estructura de árbol
con atributos para representar la característica evita el
problema de complejidad computacional que a menudo se
encuentra con los métodos existentes basados en gráficos.
Almacenar la información relacionada con las características
como atributos es útil al comparar las partes consultadas y
recuperadas, ya que las similitudes y diferencias entre los
conjuntos de información pueden transmitirse al profesional.
2. Trabajo relacionado
El reconocimiento de características de forma y la investigación de
recuperación de piezas tienen una larga historia que se remonta a
las décadas de 1980 y 1990. Sin embargo, la recuperación y
comparación automatizada de piezas basada en información de
características del formulario, que es el tema central de este
artículo, comenzó a recibir atención principalmente a finales de la
década de 1990. Si bien ha habido varios cientos de contribuciones
a la recuperación de piezas mecánicas, revisiones recientes
(Biasotti et al.2016a, Biasotti et al. 2016b) muestran que todavía
hay cuestiones importantes que no se han resuelto, especialmente
en relación con la adopción industrial de los algoritmos, la
participación de los profesionales/usuarios y la consideración del
contexto del dominio. En esta sección se realiza una revisión de los
esfuerzos de investigación en recuperación automatizada de piezas
teniendo en mente estos problemas no resueltos del campo.
En la industria manufacturera, el problema de encontrar
piezas similares se remonta a principios de los años 70, cuando
se desarrollaron métodos tecnológicos grupales para
representar piezas, principalmente piezas torneadas y de
chapa (Opitz y Wiendahl).1971). Estos métodos involucraban
descriptores de texto que capturaban algunos de
las características geométricas de la pieza y su material. Se
desarrollaron varios códigos, el más popular de los cuales fue
el código Opitz, que consta de 14 caracteres alfanuméricos
(Opitz1966). Aunque estos códigos fueron diseñados
originalmente para la interpretación humana, recientemente,
Zehtaban, Elazhary y Roller (2016) computarizó el código Opitz
para la recuperación de piezas. Sin embargo, el inconveniente
de estos códigos sigue siendo que algunas partes diferentes se
identifican como similares.
Comparar formas 3D es una tarea desafiante. Uno de
los métodos más simples para convertir la geometría de un
objeto en una función continua de una sola variable es un
gráfico de Reeb (Reeb1946), siendo la distancia geodésica
una de esas variables (Hilaga et al.2001). Las ventajas del
gráfico de Reeb son que es insensible a las
transformaciones y se calcula rápidamente. Sin embargo,
el gráfico de Reeb no logra capturar los detalles
geométricos más finos. Una mejora en este gráfico es el eje
medial que convierte la forma geométrica 3D en una
columna central o una figura similar a un palo (Sundar et
al.2003; Iyer et al.2005). Aparte del alto coste
computacional, la forma del eje/superficie medial depende
de la resolución del vóxel; Además, pueden surgir
dificultades al hacer coincidir los diagramas del eje medial,
por ejemplo, es probable que un cilindro pequeño coincida
con un objeto más grande que contenga características
cilíndricas (Sundar et al.2003). Otro enfoque simple para
hacer coincidir formas 3D es representar la geometría de
un objeto 3D mediante una función de forma y luego usar
la distribución de probabilidad resultante de la función
para la recuperación. Varias funciones (por ejemplo, A3,
D1, D2, D3 (Osada et al.2002)) se han sugerido, con D2, la
distancia entre dos puntos cualesquiera de la superficie,
como la función más popular (Cheng et al.2011; Huang et
al. 2015; Hong, Lee y Kim2006; Rea et al.2005; Li, Zhou y Liu
2015; Chu, Lo y Cheng2017; Li, Zhou y Liu2018). Con
números de muestreo específicos, se pueden obtener
varias distancias mediante funciones D2; luego, estas
distancias se asignan en diferentes intervalos, lo que da
como resultado una distribución de forma del modelo
analizado. Aunque estas funciones de forma son de
naturaleza simplista y dependen de la geometría, es difícil
detectar diferencias locales entre dos objetos.
Otra técnica utilizada en la recuperación de partes
similares es el uso de redes neuronales convolucionales
(CNN). El trabajo pionero realizado en este campo por Su et
al. (2015) demostraron que eran capaces de reconocer
objetos 3D con mayor precisión que los algoritmos
publicados anteriormente utilizando una sola vista.
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS
También demostraron que si se utilizan varias vistas como
entrada para una CNN de múltiples vistas, la efectividad de
la recuperación aumenta considerablemente. Feng et al. (
2018) introdujo una etapa intermedia al clasificar las
opiniones en grupos según su contenido discriminativo;
Luego, los resultados del grupo se ponderaron y
combinaron para obtener el descriptor de forma final.
Angrish, Bharadwaj y Starly (2020) demostraron que
pudieron mejorar la precisión de recuperación en un 5,8%
para piezas de ingeniería cuando se suministra a una CNN
multivista imágenes y metadatos (en este caso, las
dimensiones delimitadoras de la pieza, con cada imagen
normalizada con respecto a la pieza). tamaño). Jian et al. (
2021) utilizaron una red neuronal de memoria a corto plazo
para recuperar piezas de ingeniería, siendo la novedad de
su trabajo la introducción de nodos adicionales que
representan dimensiones, tolerancias, rugosidad de la
superficie, etc., en un gráfico de adyacencia de caras. Estas
técnicas de aprendizaje automático tienen una alta
precisión y eficiencia de recuperación, pero requieren un
esfuerzo adicional para entrenar la red.
Con el uso generalizado del modelado de sólidos en los
sistemas CAD hoy en día, varios investigadores han convertido
los datos de topología y geometría disponibles en un modelo
de representación de límites en un gráfico de adyacencia
atribuida (AAG) y luego han utilizado el gráfico resultante para
su recuperación (El-Mehalawi y Miller2003a, 2003b). Para
objetos complejos, comparar estos AAG se vuelve difícil ya que
el problema de coincidencia de gráficos tiende a ser NP-difícil.
Los investigadores han superado esta dificultad de diferentes
maneras. Cordella et al. (2004) desarrollaron el método VF2, en
el que podaron el árbol de búsqueda usando un conjunto de
reglas y así pudieron realizar isomorfismo e isomorfismo de
subgrafos para gráficos que contienen miles de nodos y
ramas. En este método, se utiliza una representación del
espacio de estados y, en cada estado, se verifican condiciones
específicas. Se comparan dos gráficos, comenzando desde una
coincidencia vacía y extendiéndola gradualmente con respecto
a la representación del espacio de estados hasta que se
completa toda la coincidencia. Li, Zhou y Liu (2015) construyó
un árbol a partir de los datos de representación de límites en el
que cada nodo que no es hoja está asociado con un subgrafo.
Además, utilizaron el método VF2 para podar su búsqueda y
las curvas D2 para comparar la forma local de la consulta y las
partes recuperadas. Con este enfoque, pudieron aumentar la
efectividad de la recuperación.
1033
Con la llegada de la tecnología de funciones, los
investigadores han utilizado funciones para recuperar y
comparar piezas similares, ya que estas funciones contienen
información rica sobre diseño y fabricación. Sin embargo, las
firmas de formas resultantes desplegadas dificultan la
evaluación de la similitud. Los investigadores han intentado
superar este problema de diferentes maneras. Cardone et al. (
2006) calcularon el grado de similitud entre dos piezas
prismáticas determinando las diferencias en sus características
de mecanizado utilizando cinco factores diferentes, es decir,
direcciones de acceso, tipos de características, volúmenes de
características, tolerancias dimensionales de características y
cardinalidad del grupo de características. Representaron estas
características mediante vectores y la similitud se evaluó
comparando los vectores correspondientes para las dos
partes. Cicirello y Regli (2001) también usaron características
de mecanizado presentes en una parte prismática para
construir un gráfico de dependencia del modelo, pero solo
usaron una parte del subgrafo más grande como clave de
búsqueda porque no se podía realizar un isomorfismo de
subgrafo completo en tiempo polinómico. Cheng et al. (2011)
utilizaron características de mecanizado, pero las usaron para
construir un árbol de características negativas, en el que cada
nodo del árbol representa el volumen que se eliminará.
Acumularon la similitud de las piezas calculando y comparando
la función de forma D2 en cada nodo. Li y col. (2009) también
consideraron características, pero superaron los problemas de
múltiples interpretaciones de una característica mecanizada al
considerar solo características de diseño; además,
restringieron la evaluación de similitud a modelos creados
únicamente por sistemas CAD paramétricos basados en
características. Chu, Lo y Cheng (2017) superó el problema NP-
difícil representando las características de stock y sustractivas
usando gráficos de adyacencia de características y evaluando
la similitud entre los nodos correspondientes en las dos partes,
usando una de las tres características de la característica
(forma, ubicación y dimensión de la característica) en un
tiempo.
Los métodos descritos anteriormente sirven para hacer
coincidir formas 3D generales y piezas mecanizadas. Muy
pocos investigadores (Misaki y Aomura2003; Wang y cols.
2012; Li, Zhou y Liu2018) han desarrollado algoritmos de
recuperación dirigidos a piezas de chapa. Misaki y Aomura
(2003) desdobló la pieza de chapa y representó las caras
planas de la pieza como nodos y las líneas de plegado
como arcos que unen los nodos. Simplificaron
enormemente la representación de piezas al ignorar todas
las características. La recuperación también fue
1034 Y. YANG ET AL.
simplificado por su suposición de que si una parte
recuperada tiene el mismo número de configuraciones que
la parte de consulta, ambas partes serían similares. El
principal objetivo de su trabajo era acortar el tiempo de
planificación del proceso, y lo consiguieron reutilizando los
procesos de plegado de la pieza recuperada. Wang y cols. (
2012) no desplegó la pieza de chapa, pero consideró la
relación espacial entre las características mediante el uso
de matrices de descriptores de ubicación. El uso de estas
matrices en su búsqueda aumentó la complejidad hasta tal
punto que les resultó difícil recuperar piezas de manera
efectiva cuando estaban involucradas más de nueve
características. Li, Zhou y Liu (2018) utilizó un hipergráfico
dirigido para representar los grupos planos de superficies
en la pieza y con cada nodo que no es hoja en el árbol
representando un subconjunto de subgrafos de adyacencia
de caras. Emparejaron los subgrafos por topología (usando
el método VF2) y evaluaron la similitud geométrica
comparando las curvas D2. La ventaja de su enfoque es el
uso de subgrafos para representar características, lo que
permite una reutilización parcial.
De lo anterior se desprende claramente que el uso de la
topología y la geometría de las características como índice de
búsqueda hace que la recuperación sea computacionalmente
ineficiente (Wang et al.2012) y por lo tanto los investigadores
han utilizado métodos de atajo como los vectores de corte
(Cardone et al.2006) o isomorfismo de subgrafos (Li, Zhou y Liu
2015; Cicirello y Regli2001). Además, estos métodos están
dirigidos a mejorar la eficiencia de recuperación y la evaluación
de similitudes en lugar de proporcionar comentarios útiles a
los diseñadores e ingenieros de fabricación para la
reutilización de características y actividades posteriores, como
el diseño de tiras y el diseño de herramientas. En este trabajo,
se utiliza una estructura de árbol para representar la topología
de la pieza de chapa metálica, con los nodos representando las
caras planas y la información relacionada con las
características adjunta como atributos a cada nodo. Esta
estructura da como resultado un árbol simplificado, lo que
permite utilizar el método de distancia de edición de árbol
para la recuperación (Carletti2016). Además, los atributos de
características asociados con cada nodo se utilizan no sólo
para comparar las partes de consulta y recuperación sino
también, lo que es más importante, para proporcionar
información útil al usuario, algo que otros investigadores no
proporcionan.
El objetivo de esta investigación es recuperar y comparar piezas
de chapa que tienen una forma general y un conjunto de
características similar a una pieza de consulta a partir de piezas
almacenadas en una base de datos junto con datos explicables.
comentario. Este trabajo se centra principalmente en piezas de
chapa fabricadas mediante procesos de estampado y corte por
láser y excluye piezas que contienen características embutidas
profundas o superficies de forma libre. Esto da como resultado
una cobertura bien definida, que es un requisito esencial para
un algoritmo robusto (Owodunni y Hinduja2005). You, Tsai y
Liu analizan las piezas de chapa metálica que contienen
superficies de forma libre, como los paneles de las puertas de
los automóviles.2010), quien desarrolló un enfoque de
razonamiento basado en casos. Convirtieron los modelos de
superficie de los paneles de las puertas de los automóviles en
gráficos atribuidos de curvatura plana. En nuestro trabajo, la
forma general de la pieza se convierte en una estructura de
árbol en la que los nodos representan caras planas y se les
atribuye información relacionada con las características (ver
Seccion 3). El objetivo se logra en dos pasos; en el primer paso,
se deriva un índice de forma a partir de su estructura de árbol;
este índice describe la forma general de la pieza (verSección 4).
Sirve como clave para recuperar piezas de la base de datos con
índices similares. En el segundo paso, el paso de evaluación de
similitud, se hace una comparación entre los árboles que
representan la consulta y las partes recuperadas (verSección 5
). Este paso incluye una comparación más refinada de la forma,
así como una evaluación de los conjuntos de características
presentes en ambas partes; La comparación de los conjuntos
incluye tipos de características, su tamaño y ubicación. La
implementación del sistema y los resultados de la
recuperación y comparación se analizan enSección 6. Las
conclusiones y el trabajo futuro se dan enSección 7. La
nomenclatura se da entabla 1.
3. Representación en árbol de piezas de chapa
En esta investigación los datos de entrada de la pieza de chapa
están en formato STEP AP203; Se eligió este formato debido a
su interoperabilidad entre los principales sistemas CAD y sus
datos geométricos y topológicos se proporcionan
explícitamente mediante una estructura jerárquica.
En el caso de piezas de chapa metálica, la mayoría de los
investigadores procesan un modelo de representación de
límites para extraer características como lanza, jog, ranura y
cordón (Kannan y Shunmugam2009; Yang et al.2021). Estas
características contienen diferentes tipos de superficies que
son planas, cilíndricas, toroidales, cónicas y/o esféricas. Una
vez extraídas las características, el modelo de representación
de límites se convierte en un árbol de atributos. Una
representación en árbol hace que sea considerablemente más
fácil evaluar el grado de similitud entre dos datos dados.
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS 1035

Tabla 1.Nomenclatura.
Símbolo Definición Símbolo Definición

Aasí Área cerrada dePAGnodoasí Área Sd Similitud de profundidad

Ai0jk cerrada de la pareja.PAGnodoasí Ramai SFlorida Valor de similitud para la ubicación de la característica

bi Sfs Valor de similitud para el tamaño de la característica Valor

b0i La rama emparejadai0 Spie de similitud para los tipos de características Valor de

bmáximo Número máximo de sucursales Sgs similitud de forma general

Casí Las distancias entre la característica y los centroides de la pared en dSyoÞAV El valor promedio de la similitud general para todos los pares de nodos de hojas.
nodosken sucursalbi a niveljen sucursali
Ci0jk Las distancias entre la característica y los centroides de la pared en Sasí Valor de similitud de características entrekésimo par de nodos al niveljen
nodosken sucursalb0 i ramai
CHola centroide del agujeroi Soh Valor de similitud general Valor de
Csi Centroide de ranurai Ss similitud estructural Índice de forma

CWisconsin centroide de la paredi SIi de la piezai Índice de forma para la

Fi cara planaicon una o más características SIenq pieza de consulta
j Profundidad de la rama Vasí Área/volumen encerrado de una característica enFnodoasí Área/volumen

jmáximo Número máximo de niveles en una rama Vi0jk encerrado de una característica en el parFnodoasí Factor de ponderación para
yo Profundidad del árbol wfyo nodos a nivel.yo Factor de pesoipara valores de similitud de características
norteyo Nodo a nivelj, ramai wi Función de complejidad de tiempo

yo
norte0 El nodo emparejado en el nivel.j, ramai0 Θ
PAGi cara planaisin característica χ Factor de ponderación para el valor de similitud de flexión

piezas de chapa. También se podría utilizar un gráfico de atributos,
pero no es computacionalmente eficiente porque no está dirigido y
el recorrido puede comenzar desde cualquier nodo. Pero en un
árbol enraizado, el recorrido comienza desde el nodo raíz, lo que
da como resultado una ruta única, que se obtiene con un esfuerzo
mucho menor.
En nuestro método propuesto, la representación en
árbol de una parte se obtiene en tres etapas: (i) convertir el
modelo de representación de límites en una
representación gráfica; (ii) convertir el gráfico en un árbol
jerárquico y (iii) mejorar los nodos del árbol con
información relacionada con características.
3.1. Representación gráfica
Debido a que las piezas de chapa son relativamente
delgadas, las caras en un modelo de representación de
límites de una pieza de chapa se pueden subdividir en tres
grupos: (i) un grupo que representa la lámina superior; (ii)
un grupo que contiene las caras de espesor, y (iii) un grupo
que representa la lámina inferior. Generalmente, la
información geométrica y topológica (excepto el espesor
de la pieza) se puede obtener de la lámina superior o
inferior. En este trabajo, sólo se considera el primer grupo
de caras al construir la representación gráfica.
El gráfico se construye utilizando dos tipos de características
básicas: caras planas y curvas cilíndricas. Una cara plana está
representada por un nodo y una curva por un arco que conecta
dos nodos. Esto es apropiado ya que un pliegue es una transición
entre dos caras. Liu y cols. (2004) se refirió a una cara plana como
un muro y a las características presentes en la cara como
"complementos". Un muro sin características se representa como
un nodo tipo P (P se refiere a
una cara de tipo plano) mientras que una pared con una o más
características se representa como un nodo de tipo F (F se
refiere a una cara de tipo plano que contiene características).
Una curva que conecta dos paredes cualesquiera está
representada por un arco en el gráfico.Figura 1(a)muestra una
pieza simple que consta de dos caras planas conectadas por
un doblez, conteniendo una de las caras una ranura;Figuras
1(b,c)) muestran las láminas superior e inferior de la pieza;
Figura 1(d)muestra la representación gráfica atribuida
equivalente con los nodos F y P que representan las dos
paredes y el arco que representa la curvatura entre ellas. En
algunos casos, no hay curvatura entre dos paredes
adyacentes; en tales casos, se supone que existe una curva
virtual con radio cero entre las dos paredes.
Sin embargo, las piezas de chapa en la industria son mucho
más complicadas que la pieza que se muestra enFigura 1.Figuras
2(a)y (b) muestran una pieza típica y su lámina superior,
respectivamente. La lámina superior tiene seis paredes, algunas de
las cuales son de tipo P. Las paredes de tipo F contienen
características tales como ranuras y agujeros. Dado que las seis
ranuras se extienden a ambos lados de dos paredes (F1y f2), se
denominan recortes 3D y dan lugar a siete curvas, cada una de las
cuales está representada por un arco enFigura 2(c). F1también está
conectado a las paredes P1y P2, ambos conectados a F3. Hay otro
recorte 3D, que se extiende a ambos lados de las caras F.3
y f4, dando lugar así a dos curvas.
El gráfico de la parte que se muestra enFigura 2(c)se puede
simplificar reemplazando los siete arcos con un único enlace
atribuido (Figura 2(d)). Se puede realizar una simplificación
adicional cuando dos o más paredes están conectadas, en un
extremo, a una pared común y las mismas paredes están
conectadas, en el extremo opuesto, a otra pared común. Un
ejemplo de esto ocurre en esta parte: paredes P1y P2son
1036 Y. YANG ET AL.

Figura 1.Representación gráfica de una pieza simple de chapa: (a) una pieza simple; (b) lámina superior; (c) lámina inferior; (d) representación gráfica.

Figura 2.Una representación gráfica atribuida para una pieza de chapa metálica: (a) dos vistas de la pieza; (b) lámina superior de la pieza; (c)
representación gráfica de la pieza; (d) representación gráfica atribuida.

conectado por curvas con F1pero también están conectados a 3.2. Representación de árbol jerárquico
la pared común F3(Figura 2(c)). Esto ocurre porque hay un
En la segunda etapa, el gráfico de atributos se convierte
recorte 3D que tiene dos curvas. Así, en el gráfico mostrado en
en un árbol jerárquico y el primer paso en esta etapa es
Figura 2(d), el par de arcos que unen P1
y P2a F1se reemplaza por un único enlace atribuido; de manera
determinar el nodo raíz. Un profesional de chapa

similar, el par de arcos que unen estas dos paredes planas a F3se
reemplaza por un solo enlace. Finalmente, los nodos P1y P2
están integrados en un solo nodo, P1 2.Figura 2(d)
muestra los atributos que están adjuntos a los nodos y
enlaces enFigura 2(d).
generalmente asume que la cara asociada con el
número máximo de curvaturas es la cara madre (Farsi y
Arezoo2009). Es apropiado considerar esta cara como el
nodo raíz ya que el árbol resultante reflejará hasta
cierto punto la secuencia de flexión real.
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS
Por lo tanto, enFigura 2(d), nodo F1, que tiene una conectividad
total de nueve, se convierte en el nodo raíz enFigura 3(b).
A continuación se identifican las ramas del árbol. Una
rama comienza desde un enlace conectado al nodo raíz y
se dice que todos los nodos que pueden rastrear su camino
hasta este enlace pertenecen a esta rama. EnFigura 2(d),
hay dos enlaces que emanan de F1, dando lugar así a dos
ramas (verFigura 3(b)). Nodos F4, PAG1 2y f2puede rastrear
su camino hasta el primer enlace (es decir, F1-PAG1 2) y por
lo tanto se dice que pertenecen a la rama uno, mientras
que la segunda rama consta de un solo nodo, F2.
Una rama de un árbol puede abarcar varios niveles y su
profundidad (j) se define por el número de niveles que tiene.
En Figura 3(b), la sucursal uno tiene tres niveles y la sucursal
dos solo uno. Sin embargo, la profundidad del árbol.dyoÞ,que
se mide desde el nodo raíz, es cuatro, es decirj¼yo 1. Si hay
varios candidatos para el nodo raíz, se selecciona el árbol que
tenga la profundidad más pequeña. Esto garantiza que la
representación del árbol resultante sea única. Sin embargo, si
este procedimiento no puede definir un árbol único, entonces
se calculan el centro de gravedad de la pieza y los centros de
gravedad del nodo raíz y la primera rama de los árboles
candidatos. El árbol cuyo
Figura 3.Representación jerárquica de árbol de una pieza de chapa: a) su lámina superior; (b) su representación en árbol; (c) representación de árbol con cada
nodo con sufijo completo.
1037
El nodo raíz y la primera rama están más cerca del centro de la
pieza y se define como único. Por ejemplo,Figuras 4(a,b)
mostrar una parte con carasA,B,CyD, cada uno de los cuales
tiene el mismo largo y ancho. Por lo tanto, los posibles nodos
raíz sonAyB, y los árboles correspondientes se muestran en
Figura 4(d). Para determinar qué árbol se debe utilizar para
representar la pieza, el centro de gravedad (C1) para la parte
completa se calcula y se denota como C1.A continuación, el
centro de gravedad (C2) para el nodo raíz A y solo la rama 1 (es
decirByC) del árbol 1 se calcula. De manera similar, C3se calcula
para el nodo raízBy solo la rama 1 (es decir AyD) del árbol 2.
Las magnitudes de los vectores C1C2y C1C3se comparan, y el
más pequeño define el árbol único. ¿Debería C?1C2ser igual a C
1C3, significa que la pieza es simétrica y los dos árboles son
idénticos. De ello se deduce que el número de características,
el tipo de características y la ubicación de las características
son idénticos.
Una vez determinado el nodo raíz del árbol, se ordenan
las ramas y se determina el grupo de nodos que
pertenecen a cada rama. La rama más larga se selecciona
como primera rama; las ramas restantes se clasifican en el
mismo orden en que aparecen en el bucle límite, es decir,
en el sentido contrario a las agujas del reloj. En caso de
haber dos o más candidatos para la primera
1038 Y. YANG ET AL.

Figura 4.Una pieza con varios candidatos a nodos raíz: (a) Centro de gravedad de la pieza; (b) Centro de gravedad de la rama 1, árbol 1; (c) Centro de gravedad
de la rama 1, árbol 2; (d) Árboles construidos.

rama, se da preferencia a la rama con un nodo tipo F. Si
este criterio no logra identificar la primera rama, entonces
se selecciona la rama con el número máximo de
características representadas por el nodo tipo F. También
puede surgir una situación en la que ninguna de las ramas
tenga un nodo tipo F en el segundo nivel. En esta situación,
se selecciona la rama que contiene el nodo tipo P que
encierra el área máxima. Si todos los nodos P en el
segundo nivel tienen la misma área, entonces se adopta el
procedimiento descrito anteriormente para distinguir entre
múltiples árboles candidatos, es decir, se seleccionan el
nodo P y su nodo hijo más cercano a su nodo padre.
El procedimiento anterior también se utiliza para ordenar el
orden de las subramas en la tercera y siguientes.
niveles. Una vez construido el árbol, cada nodo se
identifica de forma única mediante tres sufijos. El
primer sufijo (i) indica el número de sucursal, el
segundo sufijo (j) el nivel de sucursal, y el tercero (k)
indica la posición del nodo en el niveljen sucursali.
Figura 3 (c)muestra los tres sufijos para cada uno de los
nodos del árbol. Por ejemplo, F.131se refiere al primer
nodo en el tercer nivel de la rama uno.
La representación anterior tiene una desventaja porque
no es capaz de distinguir entre las dos partes que se
muestran enFigura 5(a,b). Aunque estas partes son
diferentes, dan lugar a representaciones de árbol idénticas,
como se muestra enFigura 5(c). Esto se debe a que no se
han considerado las direcciones de flexión.

Figura 5.Árbol jerárquico considerando la dirección de flexión: (a) lámina superior de la primera parte; (b) lámina superior de la segunda parte; (c) estructura de árbol para la
primera parte (las curvas hacia arriba se representan mediante vínculos sólidos); (d) estructura de árbol para la segunda parte (las curvas hacia abajo se representan
mediante enlaces rotos).
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS
Dado que sólo se considera la lámina superior de la pieza, el
pliegue se representa mediante una sola cara. Esta cara única será
parte de la cara interior o exterior de un cilindro de paredes
delgadas. Por lo tanto, si el doblez está en la cara interior del
cilindro, la pared inmediatamente después del doblez estará
verticalmente hacia arriba y el vínculo correspondiente en el árbol
para este doblez estará representado por una línea continua. Sin
embargo, si la curva se encuentra en la cara exterior, la pared
estará verticalmente hacia abajo y el vínculo en el árbol estará
representado por una línea discontinua. Al considerar las
direcciones de plegado, se obtiene una representación de árbol
diferente para la segunda parte, como se muestra en Figura 5(d).
Sólo se considera la dirección de flexión ya que afecta en gran
medida al diseño y fabricación de la herramienta. Por ejemplo, en
Figura 3(a), todas las curvas están en las caras internas de los
cilindros y por lo tanto todos los enlaces están representados por
líneas continuas aunque sus ángulos de curvatura sean diferentes,
es decir, aunque F2está doblado, en relación con F1, por más de
90°, mientras que F4está doblado, en relación con F3, por menos de
90°, ambos pares están representados por enlaces sólidos.
3.3. Mejorar el árbol con información relacionada
con funciones
Como se mencionó anteriormente, los nodos tipo F representan muros
que contienen entidades; para cada característica, tres piezas de
Tabla 2.Tipos de funciones y parámetros clave.
No. Tipo de característica Parámetro clave Muestra
1.Pared A 11.Cuenta
2.agujero D 12.Recorte con bridas
3. Orificio cónico D1, D2
4.Ranura L, A
5.Ranura para llave L, A, D
6.compuesto A 16.Recorte con Jog
Separar
7.Muesca L, A
8.Clip L, A
9. Ranura abierta L, A
10. hoyuelo D, H o L, W, H
donde A denota el área, D el diámetro, D1y D2los diámetros interior y exterior, L la longitud, W el ancho y H la altura de la característica.
1039
Los datos se extraen del archivo de pieza, es decir, el tipo de
característica, su tamaño general y su ubicación. Actualmente, los
diferentes tipos de características que pueden reconocerse
mediante el algoritmo de reconocimiento de características
descrito por Yang et al. (2021), se enumeran enTabla 2. También se
muestran en esta tabla algunos de los parámetros geométricos
importantes asociados con cada característica; Estos parámetros
han sido seleccionados desde el punto de vista del diseño y la
fabricación. Desde una perspectiva de diseño, la longitud, el ancho
y la profundidad de la característica son importantes ya que
definen el tamaño total de la característica. De manera similar,
desde el punto de vista del diseño de herramientas y la
planificación de procesos, el perímetro de la característica es
importante ya que permite determinar la fuerza del punzón.
La ubicación de la característica es importante
porque la misma característica en diferentes
ubicaciones genera diferentes apariencias.Figura 6
muestra dos partes; Aunque las ranuras tienen la
misma forma y tamaño, las dos partes son diferentes
debido a su ubicación. En este trabajo, la ubicación de la
característica se caracteriza por la distancia entre los
centroides de la forma restante del muro y la de la
característica, como se muestra enFigura 6. Por
ejemplo, las ubicaciones de las dos ranuras están
definidas por distancias Cw1-Cs1yCw2-Cs2.
Figura 7muestra un diagrama de flujo que ilustra los pasos
mencionados anteriormente para construir la representación en
árbol de piezas de chapa metálica.
Tipo de característica Parámetro clave Muestra
Largo, ancho, alto
D, H o L, W, H
13.Cizalla con lanza Largo, ancho, alto
14.Recorte con lanza Largo, ancho, alto
15.Corte con Jog Largo, ancho, alto
Largo, ancho, alto
17.Cizalla con Louvre Largo, ancho, alto
18.Recorte con el Louvre Largo, ancho, alto
19.Cizalla con puente Largo, ancho, alto
20.Recorte con puente Largo, ancho, alto
1040 Y. YANG ET AL.

Figura 6.Ubicación de la característica.

4. Metodología de recuperación dóndejmáximocorresponde al número de niveles en la

rama más larga del árbol,bmáximoel número máximo de
En un entorno industrial, la base de datos puede contener
sucursales ynorteyoes elnúmero de nodos en el niveljde
datos de más de un millón de piezas. Para evitar calcular el
ramabi.La fórmula anterior da como resultado una jmáximo
grado de similitud entre la parte de la consulta y cada parte
número de dígitos donde el dígito más significativo
de la base de datos, lo que sería computacionalmente
representa el número de nodos en el primer nivel de rama,
ineficiente, se utiliza un índice de forma (SI) se determina a
el segundo representa el número de nodos en el segundo
partir de la estructura de árbol de la pieza. Dado que la
nivel de rama, etc. Por ejemplo, considere el árbol A en
determinación de este índice no requiere comparación con
Figura 8(a). Tiene cuatro niveles (jmáximo=4) resultando en
ninguna otra pieza, se puede calcular inmediatamente, lo
un 4 dígitosSIcódigo. Los dígitos de este código vienen
que permite tener fácilmente disponibles los índices de
dados por 3, 4, 1 y 1 que corresponden al número de
forma para todas las piezas. Estos índices son una
nodos en los niveles 1 a 4, respectivamente.
representación aproximada de las formas de las piezas
Dada una parte de investigación, suSIse compara con los
correspondientes, ya que no consideran los rasgos y sus
índices correspondientes para todas las piezas almacenadas en la
características ni las direcciones de plegado.
base de datos utilizando el método de distancia de edición de
ElSIpara un árbol viene dado por la siguiente fórmula
árbol. Este método cuantifica la disimilitud entre dos árboles
empírica
directamente y es eficiente especialmente para árboles simples
(Carletti2016). Se llevaron a cabo investigaciones en más de cien
piezas de chapa, la mitad de las cuales fueron suministradas por
nuestro socio industrial, algunas de las cuales provienen de
artículos publicados (Wang et al.2012;

Figura 7.Diagrama de flujo para la construcción del árbol de atributos.

 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS
Figura 8.Ejemplos de índices de forma para dos árboles.
Li, Zhou y Liu2018), y otros son de GRABCAD (2021). Estas
partes se clasificaron en ocho categorías, yFigura 9muestra
cinco partes de cada categoría. Cada parte de la base de
datos tiene un promedio de 16 características, y la gama de
características cubre los tipos de características
presentados enTabla 2. Un ingeniero experimentado
realizó la categorización de una pieza según su forma y
aplicación. Por ejemplo, la Categoría 2 contiene
principalmente soportes y normalmente forman la base de
otras partes funcionales. Por lo tanto, las piezas de esta
categoría tienen varios recortes. Del mismo modo, la
Categoría 3 consta de diferentes clips para soportar ciertos
pesos. Las características de los orificios para montar
sujetadores se encuentran comúnmente en esta categoría
de piezas. Las piezas de la base de datos fueron analizadas
yFigura 10muestra la frecuencia del número de nodos en
un árbol. Este histograma muestra que sólo hay unas
pocas partes cuyos árboles correspondientes tienen más
de once nodos. Además, se calcula que el número medio
de nodos en un árbol es seis.
El método de distancia de edición de árbol calcula la
diferencia entre los índices de la parte de consulta (SIenqÞy
una parte en la base de datosSIi;di2 ð1;npartesÞÞ, y esta
diferencia determina si los datos de la parteidebe ser
recuperado. La diferencia se calcula haciendo primero que
los dos índices tengan la misma longitud y luego
comparando los dígitos correspondientes en los dos
índices. Por ejemplo, supongamos que los árboles AyBen
Figura 8representar la parte de la consulta y la parteien la
base de datos, respectivamente. ElSIpara arbolBes 453 y
para que tenga la misma longitud que el SIenq(3411),SIise
multiplica por 10, lo que hace que sea igual a
1041
4530. A continuación, se comparan los dígitos
correspondientes en los dos índices, es decir, 3 con 4, 4 con 5,
etc. La suma de las diferencias entre estos pares es cinco, que
luego se incrementa en uno para tener en cuenta la diferencia
original en el longitud de los índices. Si esta diferencia total de
seis está por debajo de un valor umbral, entonces los datos de
la parteise recupera. Este procedimiento garantiza que sólo
estas pocas partes que son similares a la parte de consulta se
recuperen de la base de datos para una comparación detallada
con la parte de consulta. El número de piezas reales
recuperadas depende del valor umbral, que actualmente se
establece igual a la profundidad de la pieza de consulta. Como
ejemplo, considere que la primera parte de la Categoría 2 es la
parte de investigación. Su índice de forma es 473 y dado que la
profundidad de su representación de árbol es cuatro, el valor
umbral también es cuatro. Cuando su índice de forma se
compara con los índices de forma de todas las demás partes
que se muestran en Figura 9, sólo las partes segunda, tercera y
cuarta de la categoría 2 tienen índices que no superan este
umbral. Por lo tanto, sólo se recuperan estas tres partes para
una evaluación adicional de similitud y las partes restantes se
ignoran. Si no se encuentra ninguna pieza con este valor
umbral, se aumenta dinámicamente hasta que se encuentra
una pieza.
La recuperación requiere sólo una comparación entre dos
índices de forma (SI) valores, uno para la parte de consulta y el
otro para un posible candidato a recuperación. La complejidad
temporal para una comparación uno a uno entre dosSILos
valores se pueden representar como:
1042 Y. YANG ET AL.

Figura 9.Piezas de muestra en la base de datos con sus índices de forma.

donde n es la longitud del mayorSI. Además, los tiempos de
ejecución de este algoritmo de recuperación basado en la
base de datos descrita se muestran enFigura 11. El algoritmo
de recuperación se implementó en una PC con 16 GB de
memoria y CPU Intel(R) Core(TM) i7-6700k a 3,40 GHz. De
Figura 11, piezas con diferentesSILas longitudes se clasificaron
en cinco grupos. Cada valor representa el tiempo de
comparación promedio requerido entre una pieza de una
categoría particular con piezas de otras categorías.
Con 116 piezas en la base de datos, el tiempo promedio
necesario para recuperar piezas candidatas fue de 1443 μs.
5. Algoritmo de evaluación de similitud
Dadas dos partes, el grado de similitud entre ellas se puede
evaluar comparando sus representaciones de árbol. Algunos
investigadores comparan árboles utilizando factores de
ponderación definidos por el usuario para cada nodo,
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS 1043

Figura 10.Distribución del número de nodos en los árboles que representan las piezas de la base de datos.

Figura 11.Tiempos de ejecución del algoritmo de recuperación.

independientemente del nivel en el que se encuentre el nodo
(Bai et al. 2010). Sin embargo, en este trabajo, la evaluación se
basa en la hipótesis de que cuanto más profundo sea el nivel
del nodo, menor será su efecto sobre la forma general. Esto es
similar a lo que sucede en la vida real. Los objetos que están
más cerca de nosotros tienen un mayor impacto visual que los
que están más lejos.
Aplicando esta analogía a piezas de chapa metálica, si se
invierte la dirección de plegado de un nodo en el nivel uno,
cambiará la forma básica de la pieza, mientras que si se
invierte la dirección de plegado de un nodo en, digamos, el
nivel cuatro, solo afectará la forma localmente. Además, a la
cara madre, que es el nodo raíz del árbol y, por tanto, a una
distancia cero, se le debe dar una mayor ponderación.
1044 Y. YANG ET AL.
que cualquier otro nodo porque, como Kumar y Hussein (2017
), y farsi y arezoo (2009) observan, siendo la principal cara
funcional de la pieza, es probable que tenga el área más
grande y más características que cualquier otra pared.
Cheng et al. (2011) también utilizó una hipótesis similar
para comparar piezas fresadas. Le dieron a un agujero anidado
dentro de un bolsillo un peso menor que el propio bolsillo.
Observaron que las piezas fresadas rara vez requieren árboles
que tengan más de seis niveles y asignaron factores de
ponderación predeterminados de 0,714, 0,231, 0,043, 0,006,
0,002 y 0,004; Estos factores se basaron en los volúmenes
promedio de características en cada nivel en las piezas de su
base de datos. Un enfoque más pragmático sería basar el
factor de ponderación de un nodo en su nivel y, en este
trabajo, hemos asumido que el nodo raíz (en el nivel
uno) tiene un factor de ponderación de12, con la ponderación
los factores en los niveles siguientes se reducirán progresivamente
a la mitad. Por tanto, el factor de ponderación a nivelyoes dado
por:
El uso de estos factores de ponderación está justificado porque a
medida que el número de niveles se acerca al infinito, la suma de los
factores de ponderación tiende a la unidad.
Sin embargo, según las observaciones de las piezas de
nuestra base de datos, el número de niveles en las piezas
de chapa rara vez supera los seis. Dado que la suma de los
factores de ponderación con seis niveles es igual a 0,9844,
no es necesario normalizar los factores de ponderación ya
que el error en la suma conyo¼6 es sólo alrededor del
1,5%.
5.1. Descripción general del algoritmo
La similitud general entre dos árboles,Sohes una función de
la similitud de forma general (Sgs) y similitud de
características (SF)valores, es decir
Sgsconsidera la forma del árbol definida por el número
de ramas, su profundidad y el número de nodos en cada
nivel, mientras queSFestá determinado por las
características de la característica (tipo de característica,
tamaño y ubicación, y dirección de flexión). Determinación
deSgsy SFse describe en las siguientes subsecciones.
5.2. Similitud de forma general
Sgsentre dos partes viene dado por el producto de dos
parámetros de similitud en sus representaciones de árbol:
dóndeSdes la similitud de profundidad ySses la similitud
de estructura.
Determinar el valor de similitud de profundidad es
sencillo y viene dado por la Ecuación 6.
dóndetues la profundidad del primer árbol yvpara el
segundo. DesdeSddebe ser ≤1,tues la profundidad del
árbol más alto. Así, para dos árboles, el primero de
cuatro niveles y el segundo de tres,Sdes igual a 0,933:
Determinación deSsEs más complicado porque una
estructura de árbol generalmente tiene más de una rama,
y cada rama tiene diferentes niveles y un número
diferente de nodos en cada nivel. El procedimiento consiste
en considerar dos ramas correspondientes, una de cada
árbol, y luego calcular el valor de similitud entre ellas. Una
vez que se calcula el valor de similitud para todo el par de
ramas,Sspara los árboles viene dada por el promedio de los
valores de similitud calculados para todos los pares. El
problema es que los dos árboles rara vez serán idénticos
con el mismo número de ramas y nodos en cada nivel. Para
facilitar el emparejamiento de ramas, se introducen ramas
y nodos virtuales en uno o ambos árboles.Figura 12(a)
muestra dos árboles
que son muy diferentes, por ejemplo,b0 4no tiene
sucursal asociada. Los dos árboles se hacen idénticos
introduciendo ramas y nodos que se muestran en
rojo (Figura 12(b)). Por eso,b1se compara conb0 1,b2
conb0 2,b3conb0 3y la sucursal virtualb4conb0 4.
Además, también facilita la comparación entre dos
nodos correspondientes. Por ejemplo,
nodoF111en el árbol 1 se compara conF0 111en el árbol 2;
similarmente,PAG211conPAG0 211, etc. El procedimiento para determinar
mineríaSsse describe brevemente a continuación con la ayuda de los
árboles que se muestran enFigura 8(b).
El primer paso al comparar dos ramas,bi
yb0 i,es comparar el número de nodos de cada
sucursal tiene a nivelj. Sea el número de nodos en el
nivel.jen estas ramas estará dado pornorteyoynorte0 yo,
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS 1045

Figura 12.Hacer árboles idénticos.

respectivamente. Tenga en cuenta que cuandoj¼1, los valores denorteyo

ynorte0 yoson unidad. Por lo tanto, la relación entre el número

número de nodos en estas ramas, a niveljes dado por:
A continuación, los valores de similitud calculados para
cada par se suman para todos los pares de ramas de los
dos árboles (bmáximo)y se determina el valor medio.

Dado que se toma el valor mínimo,metroyoes siempre�1:

Dado que esta relación es para un nodo en un nivel particular,
se pondera según el nivel en el que se encuentra. Por lo tanto,
La expresión de la Ecuación 10 no considera el nodo
la similitud de forma entre dos nodos correspondientes en
raíz. Dado que este nodo está presente en ambas partes y
sucursalesbiyb0 ia niveljes dado por
está en el nivel uno, esta ecuación se amplía para incluir su
efecto. De este modo:

Si el número de nodos en estas dos ramas está dado

porjmáximo,entonces la suma de los valores de similitud de
forma está dada por
Al sustituir las ecuaciones 6 y 11 en la ecuación 5 se
obtiene el valor de similitud de forma general.dSgsÞentre
los dos árboles.

Este valor de similitud en la Ecuación 8 ahora está ponderado

por la profundidad de las dos ramas. Sijmáximoes la profundidad de
la rama más larga, entonces el valor de similitud final para
sucursalesbiyb0 ies dado por:
1046 Y. YANG ET AL.
5.3. Valor de similitud de característicasSF
Próximo,Sgsse mejora para considerar la similitud de
características. Dado que las características están adjuntas a cada
nodo, las características en los pares de nodos correspondientes se
comparan y el valor de similitud promedio para los nodos en el
niveljde ramaise calcula y se denota comodSyoÞAVque es una
función del tipo de característicaFt,tamañoFs, ubicaciónFyo
y dirección de flexiónχ. El valor de similitud de
características entre un par de nodos se evalúa
comparando las características que representan.
Dado que existen nodos de tipo F y P, existen tres
comparaciones posibles: (i) entre dos nodos
ambos de tipo P, (ii) entre nodos de tipo F y P, y (iii)
entre dos nodos ambos de tipo F.
En el primer caso, dado que ambos nodos no contienen
entidades, la comparación se restringe sólo a las áreas de las
paredes. En el segundo caso, se supone que no se puede
realizar una comparación ya que los nodos son de diferentes
tipos, lo que hace que el valor de similitud de características
sea cero. En el tercer caso, se comparan las características con
respecto a su tipo, tamaño y ubicación. Estas propiedades se
analizan a continuación.
5.3.1. Tipo de característica
El valor de similitud correspondiente a los tipos de
características (Spie)entre dos nodos correspondientes (k) en
sucursalesbiyb0 ia nivelj, está dada por el común
tipos de características encontrados en ambos y el número total de tipos de
características en ambos.
5.3.2. Tamaño de la característica
Para un tipo de característica común, el valor de similitud del
tamaño de la característica (Sfs) se determina calculando el
área encerrada si es una característica 2D o el volumen si es
una característica 3D. Los valores de similitud para los tipos de
características comunes se calculan a partir de los parámetros
enumerados en Tabla 2. SiVasíyVi0jkrepresentar el área/volumen
de una característica común presente en los nodoskde las dos
ramas,
Puede haber casos en los que haya varias instancias
de un tipo de característica común en los dos nodos.
Por ejemplo, puede haber agujeros con varios
diferentes diámetros en ambos nudos. En tales casos, las áreas
encerradas por cada agujero en los nodoskde sucursalesbi
yb0 ise calculan y comparan.Sfses dado por
el par de agujeros con el máximo grado de
similitud.
5.3.3. Ubicación de la característica
Para un tipo de característica común, el valor de similitud de
ubicación de la característicadSFloridaÞindica qué tan lejos está la
entidad del centro de la pared. SiCasíyCi0jkson las distancias entre la
característica y los centroides de la pared en el nodoken
sucursalesbiyb0 irespectivamente, entonces
Como antes, puede haber varias instancias de un tipo
de característica en estos dos nodos, en cuyo caso,SFloridaSe
calcula para todas las combinaciones posibles y se
selecciona el mejor valor.
La similitud general para un par de nodos viene dada por la
combinación de las ecuaciones. (13)-(15) con factores de ponderación.
dóndew1,w2, yw3son factores de ponderación para los tres
valores de similitud. Actualmente, además de que el usuario
especifica valores para estos factores de ponderación, se
proporciona una opción para que el usuario seleccione valores
predefinidos para ellos (verSección 6).
La ecuación (16a) también es aplicable a los nodos raíz, y el
valor de similitud viene dado porSr:Además, al comparar nodos
de tipo P, como se mencionó anteriormente,Sasí
viene dada por la razón de las áreasAasíyAi0jk.
Como la dirección de curvatura influye en la forma
general de una pieza, es esencial tenerla en cuenta al
evaluar la similitud entre dos árboles. En la representación
de árbol, dado que hay dos tipos de vínculos (un vínculo
sólido para un pliegue hacia arriba y un vínculo roto para
un pliegue hacia abajo), el factor de flexión (χ) para el par
de nodosnorteasíynortei0jkes dado por:
Este factor de flexión se utiliza luego para dar un valor
revisado de la similitud general entre nodos.norteasíy nortei
0jk calculado en la Ecuación 16(a) o 16(b).
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS
A continuación, el valor promedio de la similitud general para
todos los pares de nodos de hoja en el niveljen sucursalies dado
por:
dóndeh¼máximodnorteyo;norte0 yoÞ.
5.4. Similitud general
La similitud generaldSohÞentre los dos árboles viene dada
por la combinación de las Ecs. (12) y (18).
6. Implementación y discusión
Se ha desarrollado un prototipo de sistema en C++
y se ejecuta en un entorno Windows en una PC.
CASCADA ABIERTA (2021) se implementa como el
núcleo geométrico y las GUI se crean en base al
paquete Microsoft Foundation Class (Prosise 1999
). El marco del sistema se muestra en Figura 13y
consta de tres módulos, es decir
Figura 13.Marco para el sistema prototipo.
1047
reconocimiento de características, representación de
árboles e índice de formas (t&SI) y módulos de evaluación
de similitudes. Cuando se encuentra una pieza nueva, el
módulo de reconocimiento de características, como lo
describen Yang et al. (2021), extrae las características de los
datos de la pieza que están en formato STEP AP203. Elt&SI
El módulo construye la representación del árbol y calcula
su índice de forma. Luego, esta información se carga en
una base de datos mediante un servidor SQL. El módulo de
similitud determina las piezas candidatas a recuperar
comparando los índices de forma de la pieza de consulta
con los de las piezas de la base de datos y luego evalúa la
similitud entre las piezas de consulta y recuperadas.
6.1. Resultados de la implementación
El sistema ha sido probado en las piezas de la base de datos y
los resultados de una pieza representativa se analizan en este
documento. Esta parte se muestra en la esquina superior
izquierda de la ventana (Figura 14) fue seleccionado como
pieza de consulta ya que contiene varias características
diferentes, es decir, curvaturas, ranuras, agujeros y un jogging.
Una comparación del índice de forma de la parte de consulta,SI
enqcon el índice de forma de la piezai,SIireveló que hay seis
partes similares en la base de datos, y estas se muestran en la
mitad derecha de la ventana. Estas seis partes se obtuvieron
con un valor umbral de ocho y luego se compararon para
determinar su similitud con la parte de investigación. La
resultanteSohse indican los valores
1048 Y. YANG ET AL.

Figura 14.Pieza de consulta y piezas recuperadas.

a continuación para cada parte recuperada; estos valores
dependen de la opción seleccionada por el usuario, de las
cuales hay cuatro. Estas opciones son (ver parte inferior
izquierda de la ventana):
(2) recuperación considerando los tipos de características y sus
tamaño (w1¼w2¼1 2;w3¼0).
(3) recuperación considerando los tipos de características y sus
ubicación (w1¼w3¼12;w2¼0).
(4) recuperación considerando los tipos de características, su tamaño,

(1) recuperación considerando solo tipos de características, es y ubicación (w1¼w2¼w3¼1 3).

decir w1¼1;w2¼w3¼0.

Figura 15.Dos partes de muestra, sus estructuras de árbol y grado de similitud entre ellas.
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS
Figura 16.Información detallada para la consulta y piezas recuperadas que se muestran enFiguras 14 y 15.
EnFigura 14, elSohLos valores se han obtenido
seleccionando la cuarta opción y las seis partes se muestran en
orden descendente deSoh. Estos valores son sólo una guía
aproximada del grado de similitud que tienen las partes
recuperadas con la parte de investigación; Lo que es más
significativo es el grado relativo de similitud que tienen las
partes recuperadas con la parte de investigación, es decir, una
parte con unSohUn valor de 0,59 coincide más estrechamente
con la parte de la consulta que con una parte con unaSohvalor
de 0,29. El usuario puede obtener más información
relacionada con las funciones seleccionando la opción
"detalles" proporcionada en cada subventana. Esta opción
compara las características de la pieza de consulta con las de la
pieza recuperada seleccionada. Para ilustrar la información
detallada proporcionada por el sistema, la parte de consulta en
Figura 14 se compara con la parte recuperada con el valor más
alto deSoh. Otra vista de ambas partes se muestra enFigura 15.
Las diferencias entre los árboles correspondientes también se
resaltan en esta figura.
Los factores importantes que se consideran al evaluar el grado de
similitud son la forma general de la pieza, los tipos de características, el
tamaño de las características, las ubicaciones de las características y las
direcciones de plegado. La información detallada para cada uno de
estos factores para las dos partes se muestra enFigura 16.
Considerando la forma general, la pieza recuperada
1049
visualmente tiene un alto grado de similitud con la parte de
investigación; esto se determina comparando sus estructuras
de árbol (Figuras 15(a) y 15(b)), los cuales tienen cuatro niveles
de profundidad, ambos tienen el mismo número de nodos en
el nivel dos y ambos tienen nueve nodos tipo F. La principal
diferencia es la cantidad de eslabones (es decir, curvas) que
tiene cada parte; en la parte recuperada, hay 10 curvaturas,
mientras que la parte de investigación tiene 14. A pesar de
esta diferencia, la similitud general de la forma (Sgs) se calcula
como 0,90. Este valor no considera las direcciones de plegado.
Dado que las piezas tienen sólo dos dobleces en diferentes
direcciones, hay una disminución marginal en laSgsa 0,89
cuando se consideran las direcciones de curvatura.
En cuanto a los tipos de características, existe una
mayor diferencia entre las dos partes. La pieza recuperada
tiene cuatro tipos diferentes de características ('recorte con
avance lento'; 'ranura'; 'agujero circular' y 'agujero cónico'),
mientras que la pieza de consulta solo tiene tres ('recorte
con avance lento', 'ranura' y 'agujero circular'), lo que da
como resultado un valor de similitud de 0,84. También hay
una diferencia en el número de estas características. Si
bien ambos tienen un corte con jog, hay una diferencia
significativa en el número de ranuras (cuarenta en la parte
recuperada y treinta y cuatro en la parte recuperada).
1050 Y. YANG ET AL.
pieza de consulta) y agujeros (ocho para la pieza de
consulta y seis para la pieza recuperada). Esta diferencia en
el número de entidades afecta indirectamente el valor de
similitud para la ubicación de las entidades porque a
medida que cambia el número de entidades en un muro, la
posición del centroide del material sólido que queda en el
muro cambiará en consecuencia. Otro factor que afecta
este valor de similitud es el número de nodos en cada nivel.
En la parte recuperada, hay cuatro nodos en el nivel tres y
dos en el nivel cuatro, mientras que la parte de consulta
tiene siete y tres, respectivamente. A pesar de estas
diferencias, el valor de similitud se evaluó como 0,64.
El grado máximo de disimilitud ocurre cuando se considera
el tamaño de la característica. Por ejemplo, los jogs, con sus
recortes, tienen dimensiones considerablemente diferentes (76
× 67,40 × 14,40 para la parte de consulta y 120 × 150 × 12 para
la parte recuperada). Dado que son características de volumen,
el valor de similitud para esta característica, sin considerar el
nivel, es tan bajo como 0,34. Si este valor de similitud se
pondera por el nivel, disminuye a 0,17. La similitud de tamaño
para
Figura 17.Captura de pantalla de una pieza de consulta y piezas recuperadas.
las otras características son mucho mejores. Hay dos
tamaños de ranuras en la parte de consulta y solo una
en la parte recuperada. Si se comparan los dos slots
más cercanos, el valor de similitud, sin considerar los
niveles, es 0,91. Asimismo, existen orificios con dos
diámetros diferentes en la parte de consulta y sólo uno
en la parte recuperada; el mejor valor de similitud para
ellos es 0,56.
Las contribuciones de estos cinco factores hacia las
diferentes perspectivas del grado de similitudes se
resumen y se muestran gráficamente en el gráfico de radar
que se muestra enFigura 15(c), lo que muestra claramente
que el tamaño de la característica contribuye más a la
disimilitud entre las dos partes. Esta salida gráfica
combinada con la información textual proporcionada en
Figura 16 podría guiar al practicante a realizar los cambios
necesarios en la parte de investigación. Otro ejemplo de
una parte de consulta y las partes recuperadas se
muestran en Figura 17.
Además de la similitud general antes mencionadaSoh, el sistema
también puede recuperar piezas similares utilizando opciones de
recuperación seleccionadas considerando algunas de
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS 1051

Figura 18.Una parte de consulta y una parte recuperada.

criterios de similitud mencionados anteriormente (por
ejemplo, tipo de característica, ubicación, tamaño).Figura 18
muestra una parte de la consulta de muestra y una de las
partes recuperadas que es muy similar a ella. Las diferencias
entre estas dos partes se resaltan en la figura y las cuatro
opciones mencionadas enFigura 14, ilustran, a través de este
ejemplo, cómo los diferentes tipos de características, tamaño,
ubicación y forma general afectan el grado de similitud.Tabla 3
muestra los grados correspondientes de similitud para las
cuatro opciones. En la opción 1, que considera las diferencias
en los tipos de características y la forma general, el grado de
similitud es del 88%, lo cual es comprensible ya que las formas
generales son idénticas y solo hay un tipo de característica que
es diferente. El recorte en la pieza de consulta se reemplaza
por un orificio con brida en la pieza recuperada. Este grado de
similitud se reduce, aunque sea marginalmente (del 88% al 84)
si también se considera la diferencia en el tamaño como en la
opción 2. Esta reducción en el grado de similitud se debe a la
diferencia
del tamaño del orificio con brida en la cara madre de las
dos piezas. Se produce una reducción similar en el grado
de similitud si se consideran las diferencias en el tipo de
característica y ubicación (opción 3). En esta opción, el
cambio de orientación de la ranura en la cara madre hace
que la similitud se reduzca del 88% al 85. Finalmente, si se
consideran todas las diferencias locales, como en la opción
4, el grado de similitud es del 83%. muestra que las dos
partes siguen siendo muy similares. Resaltar las diferencias
ayudará a los diseñadores a reutilizar piezas similares
modificando las formas y características diferentes.
Dado que el método desarrollado pretende recuperar una
amplia gama de piezas similares, se decidió no almacenar
información como el ángulo de curvatura y la orientación de
las características. Esto da como resultado que el método
considere que algunas partes son idénticas a la parte de
consulta cuando claramente no lo son. Por ejemplo,Figura 19
muestra dos partes recuperadas que el algoritmo considera
idénticas a la parte de consulta. ya que solo

Tabla 3.Resultados de recuperación de una pieza de consulta utilizando diferentes opciones de recuperación.

parte de consulta Opción 1 opcion 2 Opción 3 Opción 4

Figura 19.Contracasos para el algoritmo desarrollado: (a) parte de consulta; (b) Caso contrario 1; (c) Contracaso 2.
1052 Y. YANG ET AL.

Se considera la ubicación de la característica, el algoritmo categoría como parte de la consulta, también se dice que es
no puede distinguir entre la parte de consulta (Figura 19(a)) devuelta y relevante. Por tanto, la precisión y la recuperación
y la parte recuperada que se muestra enFigura 19(b). se definen como:
Habría podido hacerlo si se hubiera considerado la
orientación de la característica. De manera similar, el
algoritmo no puede diferenciar entre la parte de consulta y
la parte recuperada enFigura 19(c) aunque las dos paredes
laterales estén dobladas en cantidades diferentes.

El número de partes relevantes se reduce en uno

porque se sabe que la parte de la consulta está en la
6.2. Evaluación de eficacia categoría y no se recupera.
Diferentes valores de umbral de similitud darán como resultado
La eficacia de un algoritmo de recuperación y evaluación de
un número variable de piezas devueltas, lo que nos proporcionará
similitudes se puede evaluar a partir de su curva de recuerdo
diferentes conjuntos de valores de precisión y recuperación. Si el
de precisión (pr), cuyos detalles los proporcionan Bespalov,
procedimiento anterior se repite para todas las piezas de la base
Regli y Shokoufandeh (2006). Brevemente, para obtener esta
de datos y para diferentes valores de umbral, se obtienen varios
curva, se subdividen todas las partes de la base de datos en
conjuntos de recuperaciones de precisión y luego se promedian,
categorías, ocho en nuestro caso. El número de piezas de cada
asumiendo que el número de piezas en cada categoría está
categoría define las piezas relevantes de la categoría. A
equilibrado.
continuación, para una pieza de consulta determinada, las
piezas cuyos índices de forma son similares a los de la pieza de Para evaluar completamente la efectividad del algoritmo

consulta se recuperan de la base de datos y luego se evalúan propuesto, la base de datos se amplió insertando nuevas

su grado de similitud con la pieza de consulta utilizando la piezas que se obtuvieron modificando piezas existentes, es

Ecuación 19. Esta evaluación ayuda a clasificar las piezas decir, introduciendo nuevas características o eliminando

recuperadas. Para un valor umbral supuesto para el grado de características o eliminando/insertando curvas. La base de
similitud, se dice que se devuelve una parte recuperada que datos ampliada contenía 348 partes y también se subdividió en
tiene un valor de similitud mayor que el valor umbral. Si la ocho categorías con el tamaño relativo de las categorías igual
pieza devuelta está en el mismo que el de la base de datos ampliada.

Figura 20.Curva de recuperación de precisión para recuperar y evaluar piezas similares.

 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS 1053

Tabla 4.Precision@k y puntuación F1.

Precisión@1 Precisión@2 Precisión@3 Precisión@4 Precisión@5 Precisión@6 Puntuación F1

Valores 0.983 0,948 0,888 0,859 0.841 0.831 0,848

Tabla 5.Cuadro comparativo del método propuesto y algunos métodos de recuperación existentes.
Base de datos Característica promedio Recuperación Recuperación Relacionado con funciones Solicitud
Método escala tipos de piezas números en una parte eficiencia complejidad información proporcionada dominio
Tú, Tsai y No conocida Piezas que contienen análisis No conocida No conocida No conocida No Diseño y
Liu (2010) y superficies de forma libre fabricar
Li y col. (2016) 255 Diseño
Li, Zhou y 115 ΘðnorteÞadnorte2Þ Diseño y
Liu (2018) fabricar
Wang y cols. No conocida No conocida 2 a 10 Exponencial Sí Diseño
(2012)
Propuesto 348 Piezas que contienen únicamente dieciséis μs ΘðnorteÞ Sí Diseño y
método superficies analíticas fabricar

Figura 21.Piezas similares y su disposición de franjas.

base de datos originales. En la base de datos ampliada,
una pieza tiene, en promedio, 15 características. Dado
que el tamaño de las categorías está desequilibrado
hasta cierto punto, los conjuntos de valores pr fueron
macropromediados y ponderados (Yang1999) y los
conjuntos resultantes de valores pr se trazan en Figura
recuerdo, lo cual es comprensible ya que los valores de
umbral decrecientes de similitud incluirán modelos más
irrelevantes. La curva termina en un valor de recuperación
de 0,87, lo que indica que algunas piezas relevantes de
determinadas categorías no se recuperaron. Una posible
razón es que, dado que sólo se está considerando un tipo

20. de pieza (es decir, piezas de chapa), las categorías son

DeFigura 20, se puede observar que la curva tiene difíciles de establecer y, por lo tanto, es probable que

un valor inicial de 0.98 y esta precisión disminuye algunas piezas no se hayan incluido en la categoría

gradualmente al aumentar los valores de correcta.

1054 Y. YANG ET AL.
Se han utilizado otras dos medidas para evaluar la
eficacia del método propuesto. Dado que un usuario suele
estar más interesado en los resultados con un mayor grado
de similitud, se ha calculado precision@k, que es la
proporción de los k resultados principales que son
relevantes.Tabla 4ilustra los valores de precision@1 a
precision@6. De esta tabla, la precisión tiene una tendencia
descendente y el resultado recomendado con mayor grado
de similitud tiene una precisión del 98,3%. Además, para
una parte de la consulta determinada, cinco de los seis
resultados más recomendados están en la misma categoría
que la parte de la consulta.
Además de precision@k, también se calcula la
puntuación F1 del método propuesto. Para determinar esta
puntuación, elkAlgoritmo NN (Altman1992) ha sido usado;
este algoritmo determina la categoría en la que se debe
colocar una parte de la consulta en función de la mayoría
de sus k resultados principales. En nuestras
investigaciones, sólo se consideraron los seis primeros
resultados. Dado que las categorías están desequilibradas
hasta cierto punto, la puntuación macro-F1 ponderada
(0,848,Tabla 4) fue evaluado (Medidas2022). La curva pr,
precision@k y los valores de puntuación macro-F1
ponderados indican la eficacia del enfoque propuesto.
6.3. Comparación
El método utilizado por nosotros se compara con los
desarrollados por otros investigadores para piezas de chapa, y
esta comparación se realiza sobre la base de siete factores
diferentes (verTabla 5), tres de los cuales (eficiencia de
recuperación, complejidad y dominio de aplicación) son los
mismos que los sugeridos por Fradi et al. (2021). En cuanto al
tamaño de la base de datos, Li et al. Probaron sus métodos en
bases de datos que contenían 115 (Li, Zhou y Liu).2018) y 255
(Li et al.2016) partes. Nuestra base de datos contenía 348
piezas. Nuestro método se centra en piezas de chapa metálica
que constan únicamente de superficies analíticas; Tú, Tsai y Liu
(2010) y Li et al. (2016,2018) se centran en piezas para la
industria automotriz, piezas que contienen superficies
analíticas y de forma libre, mientras que Wang et al. (2012) no
mencionan el tipo de piezas que analizaron. Suponiendo que el
número promedio de características refleja la complejidad de
la pieza, nuestro método se probó con una base de datos que
contenía piezas relativamente más complejas que la de Wang
et al. A pesar de la mayor complejidad de las piezas, el tiempo
de recuperación es de sólo unos pocos milisegundos. En
cuanto a la recuperación
complejidad, es mejor que el de Wang et al. y Li et al. La mayor
ventaja de nuestro método es que proporciona información
sobre por qué y cómo las partes recuperadas son similares o
diferentes a las partes de la consulta, mientras que el método
de Wang et al. proporciona información relacionada con las
funciones pero no ofrece comentarios.
6.4. Aplicaciones
La inclusión de información relacionada con las
características de cada parte de la base de datos tiene
varias ventajas para los profesionales involucrados en el
diseño y las actividades posteriores. En primer lugar, le da
al ingeniero de diseño una apreciación de los procesos de
pensamiento involucrados en la recuperación. La
retroalimentación proporciona información sobre por qué
dos partes son similares, pero lo más importante es que
informa al diseñador por qué y dónde difieren las dos
partes, lo que puede inspirar al diseñador a modificar su
diseño para lograr una mejor coincidencia con una parte
recuperada. Una mejor combinación mejoraría
enormemente la eficiencia de fabricación porque se
pueden reutilizar conocimientos de fabricación
previamente probados (por ejemplo, planes de procesos,
diseños de herramientas, etc.). En el caso de piezas de
chapa fabricadas con matrices progresivas, un ejemplo de
reutilización de conocimientos es el diseño de tiras. Esta es
una actividad crucial ya que no solo determina el número
de estaciones que se requieren para la fabricación de la
pieza sino también el diseño de las herramientas. Figuras
21(a,b)muestra dos partes, siendo la última la parte recién
diseñada y la primera la parte recuperada de la base de
datos (Tor, Britton y Zhang2005; Chu, Tor y Britton 2008).
una vez parteAse recupera como la coincidencia más
cercana con la parteB, el ingeniero de fabricación puede
recuperar el diseño de la tira para la piezaA(Figura 21 (c)) y
luego use este diseño de tira como plantilla para obtener el
diseño de la piezaB(Figura 21(d)). Dado que las piezas son
similares, es probable que el número de estaciones sea el
mismo y algunos de los diseños de punzones podrían
reutilizarse.
7. Conclusiones y trabajo futuro
Este artículo presenta un método automatizado
explicable para recuperar y comparar piezas de chapa.
De los resultados discutidos en esta investigación se
pueden extraer las siguientes conclusiones:
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS
(1) Una novedad de este método es que no sólo cuantifica
el grado de similitud sino que también proporciona al
profesional una comprensión/explicación clara de por
qué y cómo las partes comparadas son similares (y
diferentes) en forma general y contenido de
características. Esta retroalimentación, en formato
gráfico y textual, es útil en la reutilización de diseños y
aplicaciones posteriores.
(2) El uso de una representación de árbol, en la que las
características se representan como atributos
adjuntos a un nodo, ha permitido la determinación
de un índice de forma único que evita la naturaleza
NPhard del problema de coincidencia de gráficos.
Incluso para piezas con más de 40 características,
no se experimentó ninguna dificultad informática
para recuperar piezas similares. Sin embargo, al
evaluar el grado de similitud, el tiempo de cálculo
aumentará con el número de características, pero
este aumento es muy marginal.
(3) Se proporciona flexibilidad en la evaluación de
similitud. Al dar diferentes valores a los factores
de ponderación, se puede disminuir o aumentar
la importancia de algunas características.
Las actividades futuras planificadas incluyen ampliar el método
para considerar diferentes ángulos de curvatura y si se requiere
información adicional para la reutilización del diseño de la tira.
También se requieren más investigaciones para ver si este método
se puede aplicar a otras piezas de chapa, como los paneles de las
puertas de los automóviles. En un futuro próximo, se pretende
investigar el uso del índice de forma (SI) valores u otros algoritmos
de agrupación para categorizar las piezas, ya que posiblemente
podría mejorar la efectividad de la recuperación.
Declaración de divulgación
Los autores no informaron ningún posible conflicto de intereses.
Fondos
El trabajo contó con el apoyo de CTC Pressings Ltd, Altrincham,
Cheshire, Reino Unido y la Universidad de Manchester.
Referencias
Altman, Nueva Jersey1992. “Una introducción al kernel y
Regresión no paramétrica del vecino más cercano”.El
Estadístico americano46 (3): 175–185. doi:10.1080/
00031305.1992.10475879.
1055
Angrish, A., A. Bharadwaj y B. Starly.202021 de julio. MVCNN+
+: Clasificación y recuperación de formas de modelos de diseño asistidas
por computadora mediante redes neuronales convolucionales de
múltiples vistas. Revista de Computación y Ciencias de la Información en
Ingeniería 21(1). doi:10.1115/1.4047486.
Bai, J., S. Gao, W. Tang, Y. Liu y S. Guo.2010. “Reutilización del diseño
Recuperación Parcial Orientada de Modelos CAD.”Diseño asistido por
ordenador42 (12): 1069–1084. doi:10.1016/j.cad.2010.07.002.
Bespalov, D., WC Regli y A. Shokoufandeh.2006. "Local
Extracción de características y coincidencia de objetos parciales ".Diseño
asistido por ordenador38 (9): 1020-1037. doi:10.1016/j.cad.2006.07. 005.
Biasotti, S., A. Cerri, A. Bronstein y M. Bronstein.2016a.
"Tendencias, aplicaciones y perspectivas recientes en la evaluación
de similitud de formas 3D".Foro de gráficos por computadora35 (6):
87-119. doi:10.1111/cgf.12734.
Biasotti, S., B. Falcidieno, D. Giorgi y M. Spagnuolo.2016b.
"Exploración de objetos 3D: directrices para investigaciones
futuras". En Actas del noveno taller de Eurographics sobre
recuperación de objetos 3D, editado por A. Ferreira, A. Giachetti
y D. Giorgi, 9– 12. Lisboa, Portugal: The Eurographics
Association. Cardone, A., SK Gupta, A. Deshmukh y M. Karnik.2006.
"Algoritmos de evaluación de similitud basados en características de
mecanizado para piezas mecanizadas prismáticas".Diseño asistido por
ordenador38 (9): 954–972. doi:10.1016/j.cad.2006.08.001.
Carletti, V.2016. “Métodos exactos e inexactos para graficar
Similitud en el reconocimiento de patrones estructurales ". Tesis
doctoral de Vincenzo Carletti. Universidad de Caen.https://
hal.archivesouvertes.fr/tel-01315389
Cheng, HC, CH Lo, CH Chu y YS Kim.2011. "Forma
Medición de similitud para piezas mecánicas 3D mediante
distribución de formas D2 y descomposición de características
negativas”. Computadoras en la industria62 (3): 269–280. doi:
10.1016/j.com pind.2010.09.001.
Chu, CH, CH Lo y HC Cheng.2017. “Forma cognitiva
Evaluación de similitud para la búsqueda de piezas 3D”.Revista
de fabricación inteligente28 (7): 1679–1694. doi:10.1007/
s10845-016-1211-4.
Chu, CY, SB Tor y GA Britton.2008. “Teórica de grafos
Algoritmo para secuenciación automática de operaciones para
diseño de troqueles progresivos.Revista internacional de
investigación de producción46 (11): 2965–2988. doi:10.1080/
00207540500521295.
Cicirello, V. y WC Regli.2001. Mecanizado basado en funciones
Comparaciones de piezas mecánicas.Actas - Conferencia
internacional sobre aplicaciones y modelado de formas,
176–184. Génova, Italia: SMI. doi:10.1109/SMA.2001.923388.
Cordella, LP, P. Foggia, C. Sansone y M. Vento.2004.
"Un algoritmo de isomorfismo de (sub) gráfico para hacer coincidir
gráficos grandes".Transacciones IEEE sobre análisis de patrones e
inteligencia artificial26 (10): 1367-1372. doi:10.1109/TPAMI.2004.75.
El-Mehalawi, M. y R. Allen Miller.2003a. “Un sistema de base de datos
de componentes mecánicos basados en similitud geométrica y
topológica. Parte II: Evaluación de indexación, recuperación,
comparación y similitud.“Diseño asistido por ordenador35(1):
95-105.https://linkinghub.elsevier.com/retrieve/pii/
S0010448501001786
1056 Y. YANG ET AL.
El-Mehalawi, M. y RA Miller.2003b. “Un sistema de base de datos de
Componentes mecánicos basados en similitud geométrica
y topológica. Parte I: Representación”.Diseño asistido por
ordenador35 (1): 83–94. doi:10.1016/S0010-4485(01) 00177-4
. modelos CAD basada en formas generales y parciales”.Revista
Farsi, MA y B. Arezoo.2009. “Desarrollo de una Nueva
Método para determinar la secuencia de plegado en troqueles
progresivos. EnRevista internacional de tecnología de fabricación
avanzada43 (1–2): 52–60. doi:10.1007/s00170-008-1680-5. Feng, Y., Z.
Zhang, X. Zhao, R. Ji e Y. Gao.2018. GVCNN:
Redes neuronales convolucionales de vista grupal para reconocimiento de
formas 3D. EnConferencia IEEE/CVF 2018 sobre visión por computadora y
reconocimiento de patrones, 264–272. Salt Lake City, Utah, Estados
Unidos. doi:10.1109/CVPR.2018.00035.
Fradi, A., B. Louhichi, MA Mahjoub y B. Eynard.2021.
"Un nuevo enfoque para la detección de objetos CAD 3D
reutilizables mediante cálculo de similitud basado en modelos
de red bayesianos (BNM)".Revista internacional de fabricación
integrada por computadora34 (12): 1285-1304. doi:
10.1080/0951192X. 2021.1972457.
GRABCAD. Consultado el 11 de octubre de 2021.https://grabcad.com/
Hilaga, M., Y. Shinagawa, T. Kohmura y TL Kunii.2001.
"Coincidencia de topología para una estimación de similitud
totalmente automática de formas 3D". EnActas de la 28ª Conferencia
Anual sobre Gráficos por Computadora y Técnicas Interactivas, 203–
212. Nueva York, NY, EE.UU.: (SIGGRAPH) Asociación de Maquinaria
de Computación. doi:10.1145/383259.383282. Hong, T., K. Lee y S.
Kim.2006. “Comparación de similitudes de
Piezas mecánicas para reutilizar diseños existentes”.Diseño asistido
por ordenador38 (9): 973–984. doi:10.1016/j.cad.2006.05.004. Huang,
R., S. Zhang, X. Bai, C. Xu y B. Huang.2015. "Un
Enfoque eficaz de recuperación de subpartes de modelos CAD 3D para la
reutilización de procesos de fabricación”.Computadoras en la industria67:
38–53. doi:10.1016/j.compind.2014.12.001.
Iyer, N., S. Jayanti, K. Lou, Y. Kalyanaraman y K. Ramani.
2005. "Búsqueda basada en formas para aplicaciones del ciclo de
vida del producto".Diseño asistido por ordenador37 (13): 1435-1446.
doi:10.1016/j.cad.2005.02.011.
Jian, C., L. Liang, K. Qiu y M. Zhang.2021. “Una mejora
Método de clasificación de modelos de productos basado en
redes de memoria”.Revista internacional de fabricación
integrada por computadora00 (00): 1–14. doi:
10.1080/0951192X.2021. 1872102.
Kannan, TR y MS Shunmugam.2009. “Procesamiento de 3D
Componentes de Chapa en Formato STEP AP-203. Parte I:
Sistema de reconocimiento de funciones”.Revista internacional
de investigación de producción47 (4): 941–964. doi:10.1080/
00207540701510055.
Kumar, S. y HMA Hussein.2017.Aplicaciones de IA en hoja
Conformado de metales. Saltador. doi:10.1007/978_981_10_2251_7.
Letaief, MB, M. Tlija y B. Louhichi.2020. “Un enfoque de
Reutilización de datos CAD/CAM para la estimación de costos de
fabricación”. Revista internacional de fabricación integrada por
computadora 33 (12): 1208-1226. doi:10.1080/0951192X.2020.1815842.
Liu, ZJ, JJ Li, YL Wang, CY Li y XZ Xiao.2004.
“Extracción automática de características de chapa metálica a partir de sólidos
Modelo."Revista de Ciencias de la Universidad de Zhejiang5 (11):
1456-1465. doi:10.1631/jzus.2004.1456.
Li, M., YF Zhang, JYH Fuh y ZM Qiu.2009. "Hacia
Reutilización eficaz del diseño mecánico: recuperación de
de Diseño Mecánico, Transacciones de la ASME131 (12):
1245011–1245018. doi:10.1115/1.4000253.
Li, Z., X. Zhou y W. Liu.2015. “Un razonamiento geométrico
Enfoque de representación jerárquica para la recuperación del
modelo B-Rep.Diseño asistido por ordenador62: 190–202. doi:
10.1016/j.cad.2014.05.008.
Li, Z., X. Zhou y W. Liu.2018. “Representación Jerárquica
y evaluación de similitud para la reutilización de piezas de chapa
metálica”. Actas de la Institución de Ingenieros Mecánicos, Parte B:
Revista de Fabricación de Ingeniería232 (2): 328–338. doi:10.
1177/0954405416640170.
Li, Z., X. Zhou, W. Liu, Q. Niu y C. Kong.2016. "A
Sistema de reutilización basado en similitudes para el diseño de moldes
de inyección en la industria de interiores de automóviles”.Revista
internacional de tecnología de fabricación avanzada87 (5–8): 1783–1795.
doi:10.1007/s00170-016-8530-7.
Lupinetti, K., JP Pernot, M. Monti y F. Giannini.2019.
"Recuperación de modelos de ensamblaje CAD basada en contenido:
estudio y desafíos futuros".Diseño asistido por ordenador113: 62–81.
doi:10.1016/j.cad.2019.03.005.
Medidas, F.2022.https://scikit-learn.org/stable/modules/gen
borrado/sklearn.metrics.f1_score.html.
Misaki, D. y S. Aomura.2003. “Búsqueda de piezas de chapa metálica
Basado en la similitud del proceso de flexión”.Actas de la
Institución de Ingenieros Mecánicos, Parte B: Revista de
Fabricación de Ingeniería217 (3): 427–438. doi:10.1243/
095440503321590587.
Mou, W. y X. Gao.2020. “Una planificación de procesos confiable
Enfoque basado en un método de evaluación integral difuso
que incorpora datos históricos de mecanizado”. Actas de la
Institución de Ingenieros Mecánicos, Parte B: Revista de
Fabricación de Ingeniería234 (5): 900–909. doi:
10.1177/0954405419889500.
CASCADA ABIERTA. Consultado el 11 de octubre de 2021.https://dev.open
cascada.org/liberación
Opitz, H.1966.Verschlüsselungsrichtlinien und Definiciónen zum
werkstück- beschreibenden Klassifizierungssystem. Essen:
Girardet. [En alemán].
Opitz, H. y H. Wiendahl.1971. “Grupo Tecnología y
Sistemas de Manufactura para Producción de Pequeñas y Medianas
Cantidades”.Revista internacional de investigación de producción9:
181–203. doi:10.1080/00207547108929870.
Osada, R., T. Funkhouser, B. Chazelle y D. Dobkin.2002.
"Distribuciones de formas".Transacciones ACM en gráficos21 (4):
807–832. doi:10.1145/571647.571648.
Owodunni, O. y S. Hinduja.2005. “Desarrollo sistemático
y evaluación de métodos compuestos para el
reconocimiento de características sustractivas
tridimensionales ".Actas de la Institución de Ingenieros
Mecánicos, Parte B: Revista de Fabricación de Ingeniería219
(12): 871–890. doi:10.1243/ 095440505X32878.
 REVISTA INTERNACIONAL DE FABRICACIÓN INTEGRADA EN COMPUTADORAS
Prosa, J.1999.Programar Windows con MFC. 2da ed.
Redmond, WA: Microsoft Press.
Rea, HJ, R. Sung, JR Corney, DER Clark y NK Taylor.
2005. "Interpretación de distribuciones de formas
tridimensionales". Actas de la Institución de Ingenieros
Mecánicos, Parte C: Revista de Ciencias de la Ingeniería
Mecánica219 (6): 553–566. doi:10.1243/095440605X31427.
Reeb, G.1946. “Sur Les Points Singuliers d'une Forme de Pfaff
Completement Integrable Ou d'une Fonction Numerique [Sobre
los puntos singulares de una forma de Pfaff completamente
integrable o de una función numérica]”.Comptes Rendus
Academia de Ciencias de París222: 847–849.
Su, H., S. Maji, E. Kalogerakis y E. Learned-Miller.2015.
"Redes neuronales convolucionales de vista múltiple para el
reconocimiento de formas 3D".Conferencia internacional IEEE 2015
sobre visión por computadora (ICCV), 945–953. Santiago, Chile. doi:
10. 1109/ICCV.2015.114.
Sundar, H., D. Silver, N. Gagvani y S. Dickinson.2003.
Coincidencia y recuperación de formas basadas en
esqueletos”. En Actas - SMI 2003: Shape Modeling
International, 130-139. Seúl, Corea (Sur). doi:10.1109/
SMI.2003. 1199609.
Tor, SB, GA Britton y WY Zhang.2005. "Desarrollo de
un modelo de pizarra orientado a objetos para el proceso de estampado
1057
Planificación en diseño de troqueles progresivos.Revista de
fabricación inteligente16 (4–5): 499–513. doi:10,1007/
s10845-005-1660-7.
Wang, D., G. Yan, Y. Lei y J. Zhang.2012. “Una recuperación
Algoritmo de piezas de chapa metálica basado en relaciones de
características ".Revista China de Aeronáutica25 (3): 453–472.
doi:10.1016/S1000-9361(11)60410-X.
Yang, Y.1999. “Una evaluación de enfoques estadísticos del texto
Categorización”.Recuperación de información1 (1–2): 69–90. doi:10.
1023/A:1009982220290.
Yang, Y., S. Hinduja, OO Owodunni y R. Heinemann.2021.
"Reconocimiento de características en piezas de chapa
fabricadas con matrices progresivas".Diseño asistido por
ordenador134: 102991. doi:10.1016/j.cad.2021.102991.
Usted, CF, YL Tsai y KY Liu.2010. “Representación y
Evaluación de similitud en la planificación de procesos basados
en casos y el diseño de troqueles para la fabricación de paneles
automotrices”. Revista internacional de tecnología de
fabricación avanzada51 (1–4): 297–310. doi:10.1007/
s00170-010-2609-3.
Zehtaban, L., O. Elazhary y D. Roller.2016. “Un marco para
Reconocimiento de similitudes de modelos CAD ".Revista de
diseño e ingeniería computacional3 (3): 274–285. doi:
10.1016/j.jcde.2016.04.002.