[学科发展]大数据驱动的智能制造

数据是未来制造业的核心要素,工业大数据分析是赋予制造“智能”的关键。系统分析了大数据驱动的智能制造的科学范式、理论方法与使能技术,阐述了应用方向与工业实践;根据“第四范式：数据密集型科学发现”,提出了“关联-预测-调控”的大数据驱动智能制造科学范式;根据数据处理流程,总结了融合处理、关联分析、性能预测与优化决策四位一体的方法体系。围绕边缘层、平台层和应用层设计大数据平台,介绍了大数据驱动智能制造的使能技术;从智能设计、计划调度、质量优化、设备运维四个角度,综述工业大数据驱动的智能制造应用现状。     

大数据驱动的智能制造

数据是未来制造业的核心要素,工业大数据分析是赋予制造"智能"的关键。系统分析了大数据驱动的智能制造的科学范式、理论方法与使能技术,阐述了应用方向与工业实践;根据"第四范式:数据密集型科学发现",提出了"关联-预测-调控"的大数据驱动智能制造科学范式;根据数据处理流程,总结了融合处理、关联分析、性能预测与优化决策四位一体的方法体系。围绕边缘层、平台层和应用层设计大数据平台,介绍了大数据驱动智能制造的使能技术;从智能设计、计划调度、质量优化、设备运维四个角度,综述工业大数据驱动的智能制造应用现状。     

基于数字孪生的多维多尺度智能制造空间及其建模方法

随着数字孪生、信息物理融合系统等新兴技术的发展,如何实现面向制造业应用的物理空间、信息空间与业务空间的多维融合已成为智能制造落地实施的关键。针对该问题,从逻辑关联的视角提出了多维多尺度智能制造空间的内涵与特征,并结合数字孪生技术的实现逻辑,研究了智能制造空间的虚实映射建模方法、复杂多维时空域下智能制造过程及数据建模方法。进一步,结合某叶轮的生产制造案例对所提出的建模方法进行了验证,证明了该建模方法的可行性和有效性,为实现智能制造空间多要素、多业务、多流程的实时同步仿真与虚实联动控制提供了支撑。     

数据驱动的工业智能：现状与展望

新一代人工智能的迅猛发展,正在深刻影响全球新一轮工业革命。数据要素作为数字经济时代的核心要素,在智能制造应用需求和新一代人工智能的融合推动下正释放巨大价值。数据驱动的工业智能,尤其是以深度学习为代表的工业智能研究前沿,成为学术界和产业界的关注焦点。鉴于此,从工业数据全生命周期中数据预处理、数据建模、数据分析应用等各个关键环节出发,从各维度分析了数据驱动的工业智能,尤其是基于深度学习的代表性新理论与新技术。同时,深入探讨了面向智能制造的典型应用。最后,指出了数据驱动的工业智能研究领域面临的挑战和未来发展方向,这将为基于新一代人工智能的工业智能这一新兴交叉研究领域的发展,提供重要的理论与技术支撑。     

[制造前沿]智能制造理论体系架构研究

从制造技术的发展变迁和面临的新挑战出发，分析了针对智能制造内涵及特征的认知发展过程，给出了对工业4.0时代智能制造的新认识，进而提出了智能制造理论体系总体架构，该体系架构由8个模块构成：理论基础、技术基础、支撑技术、使能技术、核心主题、发展模式、实施途径和总体目标。分别阐述了体系架构中的总体目标、核心主题、支撑技术和使能技术四大模块的具体内容，讨论了推进和实施智能制造的基本原则和技术路线，展望了未来制造的新形态和新特征。     

智能制造关键使能技术发展及应用

信息通信技术对传统制造企业产生深远影响,催生智能制造生态系统范式。企业向智能制造范式转型,可从生命周期及价值链、制造层次结构和物理系统功能等三维度部署和实施。智能制造关键使能技术一般涵盖工业物联网、云计算、大数据、计算机仿真、增强现实、增材制造、水平和垂直系统集成、自主机器人和网络安全等九大技术。文章对上述关键使能技术进行梳理与综述,并分析其在智能制造领域应用的最新进展。     

智能制造及其关键技术研究现状与趋势综述

新一代信息技术、人工智能等迅猛发展及其在制造领域的融合不断促使各先进制造国家积极探索智能制造的发展战略,以实现全制造流程与全生命周期数据的互联互通、业务的协同联动及决策的动态优化,最终达到制造系统的智能化、协同化、透明化、绿色化。为更全面地理解智能制造的内涵、现状与趋势,本文详细介绍了智能制造的历史与起源、制造模式的发展与演化,分析了国内外典型智能制造战略的内涵与特点,并从中抽取了若干影响智能制造有效实施的关键使能技术。最后,结合团队在智能制造领域近年来的研究基础,分析和讨论了智能制造未来的发展趋势。     

基于人工智能技术的大数据分析方法研究进展

人工智能、大数据、云计算、物联网等信息技术为推动集成制造快速发展提供了关键技术手段。近年来,采用人工智能技术进行大数据分析取得了突破性进展。系统总结了基于人工智能技术的大数据分析方法的最新研究进展。从大数据的聚类、关联分析、分类和预测4个主要的数据挖掘任务出发,分析了大数据环境下机器学习的研究现状;针对深度学习这一热点,总结了基于MapReduce、Spark的分布式深度学习实现,以及面向大数据分析的深度学习算法改进相关研究;从群智能、进化算法两方面梳理了基于计算智能的大数据分析相关研究;针对大数据平台,特别对大数据分析和深度学习集成框架进行了归纳,介绍了大数据机器学习系统和算法库;分析了大数据分析中人工智能技术面临的主要挑战,并提出了进一步的研究方向。     

大数据驱动的离散制造车间生产过程智能管控方法研究

在智能制造背景下,离散制造企业对利用大数据技术提高车间生产管控水平提出了迫切的需求。研究大数据驱动的离散制造车间生产过程智能管控方法,在明确离散制造车间特点与管控需求的基础上,分析了传统方法的局限性和大数据方法的优势,进而提出大数据驱动的离散制造车间生产过程管控总体框架,以制造大数据的"采集-处理-分析-服务"为主线开展研究。在"进度预测-瓶颈发现-异常溯源-智能决策"的生产过程闭环管控机制中,分别提出：基于堆叠稀疏自编码机的生产进度在线预测技术,基于平行门控循环单元的生产瓶颈漂移发现技术,基于密度峰值-模糊C均值的生产异常溯源分析技术和基于多智能体强化学习的生产过程智能决策技术。最后,以某航空企业典型离散制造车间作为对象,对所提出的大数据分析与智能决策方法进行了原型系统开发和应用验证。     

HCPS视角下智能制造的发展与研究

基于"以人为本"和"两化融合"的理念,人—信息—物理系统(HCPS)为认识和发展新一代智能制造提供了理论支撑.为了更好地理解HCPS和智能制造之间的关系,以及把握智能制造的发展趋势,详细分析了HCPS的系统组成与内涵,在此基础上,讨论了智能制造的发展演进和新一代智能制造的主要特征.基于HCPS视角综述了智能制造的相关研究进展,包括新一代人工智能、新一代智能制造、智能制造与其他系统融合等方面.最后,从人、信息系统、物理系统及系统集成等角度提出发展建议,以期为我国相关领域践行HCPS理念与发展智能制造技术提供参考.     

面向21世纪的智能制造

文章介绍了智能制造的产生背景、概念、特点、支撑技术、研究内容和发展简况,并对智能制造与人工智能和计算机集成制造系统的关系作了简介。     

智能产线系统集成的应用

智能产线是智能生产的承载者,是新一代智能制造三大系统(智能产品,智能生产,智能服务)集成的基础。智能产线系统集成在某公司的应用,实现了基于云架构的人、机、料、法、环、测六大要素的横向集成,基于ERP和MES的纵向集成,基于安全的网络的互联,基于大数据和人工智能与制造的融合。从而实现信息化集成、数字化管理,大数据分析和智能化生产,为基于智能产线的新一代智能制造技术打下坚定基础。     

绿色制造的内涵、技术体系和发展趋势

绿色制造是一个综合考虑环境影响和资源消耗的现代制造模式,其目标是使得产品从设计、制造、包装、运输、使用到报废处理的整个生命周期中,对环境负面影响极小,资源利用率极高,并使企业经济效益和社会效益协调优化。本文在总结国内外现有研究状况的基础上,论述了绿色制造的广义内涵;建立了绿色制造的技术体系框架;然后从绿色制造的全球化特征、社会化支撑系统、绿色制造涉及的系统技术和集成技术、绿色并行工程模式、人工智能和智能制造技术在绿色制造中的作用、绿色制造导致的新兴产业6个方面论述了绿色制造研究的发展趋势。     

大数据分析技术在新能源汽车行业的应用综述——基于新能源汽车运行大数据

为应对化石能源危机和环境污染问题,新能源汽车技术的发展与应用引起广泛重视。新能源汽车具有高信息化的特点和智能网联化的发展趋势,在日常运行中会产生大量行驶数据信息。利用海量多源异构数据进行安全预警与监管、车辆技术分析,是推动我国新能源汽车行业发展的关键。综述了大数据分析技术在新能源汽车行业的应用情况,概述了大数据分析技术的基础理论、发展历程,介绍了新能源汽车国家监测与管理平台的架构和功能,并着重阐述了新能源汽车大数据分析过程。分别从动力电池数据、汽车运行数据和充电数据的角度出发,分析了现有的研究方向和研究方法,列举了部分研究成果和应用情况。最后,对当前新能源汽车大数据分析领域存在的问题和发展应用前景进行了总结和展望。     

智能制造理论体系架构研究

从制造技术的发展变迁和面临的新挑战出发,分析了针对智能制造内涵及特征的认知发展过程,给出了对工业4.0时代智能制造的新认识,进而提出了智能制造理论体系总体架构,该体系架构由8个模块构成:理论基础、技术基础、支撑技术、使能技术、核心主题、发展模式、实施途径和总体目标。分别阐述了体系架构中的总体目标、核心主题、支撑技术和使能技术四大模块的具体内容,讨论了推进和实施智能制造的基本原则和技术路线,展望了未来制造的新形态和新特征。     

[智能设计与计划调度]工业大数据环境下的智能服务模块化设计

通过对制造与服务融合中服务运作环境和服务主体需求的分析,提出了一种智能服务的模块化设计方法,该方法采用工业大数据和模块化技术构建智能服务模块体系,包含智能服务大数据环境、智能服务模块分解和智能服务模块优化。利用工业大数据分析智能服务应用、技术和管理三个维度的关系,建立智能服务的模块化设计策略,确定智能服务的初始化模块分解,再基于结构矩阵模型将智能服务初始化模块优化为智能服务模块。通过具体实例的应用,证明了工业大数据环境中智能服务模块化设计策略的可行性和优越性。     

离散型制造业智能工厂建设思路与关键要素分析

本文对照德国制造业在世界金融危机中的优异表现,探讨了离散型制造业智能工厂建设思路和关键要素。其中,通过德国工业4.0和中国制造2025战略目标的对比,结合国内形势及智能工厂建设现状,提出了智能设备的互联互通、基于大数据分析的决策与支持、生产过程的管理与控制等智能工厂建设关键要素,以应对新技术革命的冲击,实现由传统制造向数字化、网络化、智能化制造转型升级,促进我国由工业大国向工业强国的蜕变。     

基于DEA-DP模型的制造车间全要素能源效率优化

在绿色发展理念的驱动下，为加快制造业绿色发展，迫切需要认识和提升制造系统的能源效率水平。针对制造系统能耗数据获取难，投入资源多样化的特点，给出了一种基于“数据包络分析-动态规划”(Data Envelopment Analysis-Dynamic Programming, DEA-DP)组合模型的制造车间全要素能源效率优化分析方法。该方法从车间日报表选取评价相关数据，定量分析制造车间全要素能源效率，给出了基于关键投入资源改进的最优策略，为制造企业横向判定和纵向优化自身能效水平提供了新的方法。案例研究表明，运用DEA-DP组合模型可以为制造企业提供多种能源优化方案，同时，也可发现企业管理缺陷，有助于指导企业完善管理体系。     

面向智能制造的刀具全生命周期智能管控技术

智能制造是未来制造业的主攻方向,以航空航天、汽车领域为代表的高端制造装备关乎国防安全和国家经济命脉.复杂多样化的零部件加工对刀具管控提出了更高的要求.刀具作为切削过程中最活跃、状态变化最多的要素,其性能直接影响加工精度和生产效率.大数据时代的到来引领刀具管理模式的变革,制造商、供应商、应用企业对刀具全生命周期数据的需求与日俱增.通过分析刀具管控现状可知,设计制造精准性、寿命预测准确性、刀具管控科学性是亟待解决的核心问题.提出刀具全生命周期智能管控的内涵及关键技术,综述国内外学者在刀具设计制造智能优化、刀具切削过程状态监测和刀具多源数据管理共享方面的研究成果,最后结合刀具管控技术的应用情况对未来的研究方向进行展望.随着智能制造的不断深入,以人工智能、大数据、数字孪生、云计算等现代信息技术为依托的刀具全生命周期智能管控技术,必将推动刀具产业链转型升级.     

智能制造技术与智能制造系统的发展与研究

评述了智能制造技术与智能制造系统,指出了智能制造确系21世纪的制造技术,分析了智能制造在发展中的问题,提出我国智能制造的近期研究重点应为其关键基础技术。