高效电火花加工大数据处理方案

随着精密制造技术的进步，确保产品质量成为制造业的越来越关注的问题。由于自动虚拟计量（AVM）能够以比传统检测方法低的成本实现工件的实时和在线全面检测，因此已应用于半导体、太阳能电池等多个制造行业。精密加工用于监控工件。

放电加工 （EDM） 是一种制造过程，其中工件通过使用放电去除其多余材料，将其转换为所需形状。EDM放电加工可用于加工硬金属或使用传统技术难以加工的金属，通常用于数控行业的模具加工、模具制造和精密零部件。

由于 EDM放电加工工艺的特性，需要安装采样率较高的传感器（例如电压、电流和振动传感器）来获取加工数据，从而获得高数据生成率，每个加工孔高达 130 GB。 因此将AVM应用于EDM流程，在计算加工特征的数据预处理方面遇到了一个很大的数据处理问题。为了解决EDM的大数据处理问题，

本文提出了一种基于Hadoop和Spark的新型高效大EDM数据处理方案（即BEDPS）。

1、BEDPS 使用建议的间隙概念检测加工波，并将每个加工波保存到 Hadoop 中没有节点间通信的文件中。

2、BEDPS 通过在内存中预加载加工波文件来计算加工特征，以减少数据访问量。

3、在案例研究中将BEDPS应用于EDM工艺的测试结果表明，所提出的BEDPS能够有效地检测来自大原始数据的加工波，并有效地计算EDM工艺加工数据的关键特征。与现有的顺序数据处理方案相比，提出的BEDPS是EDM工艺中一种有前途的高效并行数据处理方法。