[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。     

人工智能视角下的智能制造前世今生与未来

以大数据和深度学习为代表的新一代人工智能将对制造业产生颠覆性影响,为了更好地理解人工智能和智能制造之间的关系以及把握智能制造发展演化规律和趋势,从人工智能发展角度来探讨智能制造的过去、现在与未来,将智能制造发展分为以符号逻辑推理为基础的第一代智能制造和以物联网、云计算、信息物理系统、社会信息物理系统、大数据和深度学习等新一代信息通讯技术为基础的第二代智能制造,并对两者进行了关联对比分析,最后展望了未来人工智能与智能制造的发展。     

驱动制造业从“互联网+”走向“人工智能+”的大数据之道

"互联网+制造"和"人工智能+制造"已成为我国制造业转型升级的国家战略。阐述了两者的发展历程及其代表制造模式;从历史渊源出发,梳理了两者在大数据驱动下走向融合的发展演化进程,它们产生了"互联网+人工智能+制造"的智能制造,并将统一于社会信息物理生产系统旗下。     

[制造前沿]工业人工智能——工业应用中的人工智能系统框架

人工智能正以超越人们想象的方式影响着工业生产和我们的生活。世界多国已启动的国家级人工智能计划均强调了人工智能在智能工业中的重要性和必要性。但与此同时,采用人工智能来实时解决生产的实际问题仍是当前必须面对且不能忽视的挑战。现在的最大挑战是找到可创造价值的具体应用来满足市场和资本不断增长的期望。为了给工业系统中的人工智能的发展与实施提供一个清晰的路线图,提出了工业人工智能的系统框架和使能技术。综述了智能工业中的工业人工智能的关键使能技术的重要性,阐述了如何系统地应用这些使能技术来创造产生新价值的机会并避免出现问题。     

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。     

大数据驱动制造业迈向智能化

<正>"人类正从IT时代走向DT时代,"阿里巴巴集团创始人马云在各种场合都不遗余力地推销目己的观点,信息社会巳经进入了大数据(Big Data)时代。大数据的涌现改变着人们的生活与工作方式,也改变着制造业企业的     

面向智能制造的柴油机数字化车间构建与实施

数字化车间技术是数字化、自动化、物联网技术(IoT)在制造业车间的典型应用,它将柔性制造技术与工艺设计系统、智能识别技术、生产组织系统以及其他管理系统的信息进行高度集成,构成具有综合信息流及自动化性质的集成制造系统.本文结合国内柴油发动机行业智能制造生产线建设的先进经验,研究了面向智能制造的柴油发动机数字化车间建设的基...     

智能制造装备的发展现状与趋势

智能制造装备是先进制造技术、信息技术以及人工智能技术在制造装备上的集成和深度融合,是实现高效、高品质、节能环保和安全可靠生产的下一代制造装备。在综述了智能制造装备国内外发展现状的基础上,重点论述了智能制造装备的内涵及其发展重点,并得出结论,认为德国的"工业4.0"和美国的工业互联网装备将是智能制造装备未来的发展方向。     

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。     

大数据环境下的纺织制造执行系统设计

为解决纺织制造过程中的系统集成与数据管理问题,依据纺织制造过程工艺流程,对各工序产生的海量数据进行分析,对计划层与车间制造层之间信息无法衔接的问题进行研究。在原有系统数据,以及文本类型的原料、传感器,纱疵检测图像数据的基础上,构架了一种基于Hadoop的三层纺织大数据存储体系。利用D-S证据、增量聚类理论方法,对多源纺织数据融合技术难点进行设计,并提出了相应的算法与模型,进而对系统功能进行设计与实现。通过测试,结果表明该系统通过数据间的相关性实现了计划层与制造层之间信息的有效衔接,解决了信息"孤岛"问题,并为大数据环境下织物质量的实时在线检测提供新方法。     

[服务型制造规划和实施]“互联网+”背景下的服务型制造企业变革

从理论视角、研究方法与研究结论等方面梳理了对服务型制造驱动的制造企业管理模式变革研究的进展与存在的不足。讨论了“互联网+”背景下技术变革对服务型制造的影响。融合管理模式变革与技术变革,提出了以智能化、平台化和网络化为导向的企业变革演进路径。通过数据验证了管理模式变革、技术变革及其交互作用可以提升服务型制造企业的绩效。构建了“互联网+”背景下服务型制造企业变革的研究框架,提出了未来的服务型制造企业变革的研究展望。     

大数据技术在装备制造业的应用研究

将大数据技术应用于装备制造业,有力地推动了装备制造业的智能化发展,有效地提升我国的工业水平。本文首先介绍了大数据的概念及具有的5V基本特性,阐述了大数据的关键技术为云计算、分布式文件系统及开源实现平台Hadoop;总结出大数据处理的基本流程分为数据采集、数据处理与集成、数据分析和数据解释四个阶段,最后从实现智能化制造工厂、分析市场需求、对已售产品配套服务三个方面介绍大数据技术在装备制造业的具体应用。     

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...     

关于把我国建设成世界制造业强国的一点思考

通过具体的经济数据说明我国作为世界上最大制造业国家的尴尬境地及将我国建设成制造业强国的必要性;以我国一项重要的原创性技术发明为例说明我国原创性技术所面临的困境;为把我国建设成制造业强国提出几点具体建议.     

基于深度置信网络的大数据制造过程实时智能监控

针对基于浅层学习模型的过程监控方法难以对大数据制造过程运行状态进行实时智能监控的问题,提出了基于深度置信网络的大数据制造过程实时智能监控方法。利用灰度图建立大数据制造过程质量图谱,以精准表达其过程的运行状态;构建用于识别大数据制造过程质量图谱的深度置信网络;应用离线训练好的深度置信网络模型对当前监控窗口内的过程质量图谱进行识别,实现大数据制造过程实时智能监控。最后,应用该方法对某注塑件大数据制造过程进行实时质量智能监控,结果表明：所提方法的识别性能明显优于基于主成分分析与BP神经网络、支持向量机的识别模型,能有效应用于大数据制造过程实时质量智能监控。     

[数据建模]面向智能生产维护的大数据建模分析方法

从当前的车间离散制造过程大数据应用特性出发,基于车间智能代理,实现了制造过程大数据的采集、处理分析,建立的制造过程大数据采集模型可实现对工序数据集的封装。采用基于聚类的方法对工序数据集进行离群点检测标记,实现对制造资源生产状态的描述与量化。建立了工序级数据特征模型,结合改进的相似元分析方法,对工序过程数据多层次包装描述和制造工序的相似性进行了评价。开发了车间底层智能管理系统,并将其运用于企业生产实际。     

智能电网设备监控运行大数据平台总体设计

为了应对智能电网电力设备数量多、分布广而带来的设备运行维护监管难度大的问题,基于物联网、云计算和智能终端等新技术的应用,结合电力设备运行管控的基本特征,应用大数据分析处理技术设计了一种智能电网设备监控运行大数据平台,并在某省级电网的电力设备监控管理中进行了示范应用。实际应用结果表明,智能电网设备监控运行大数据平台实现了电力设备监管、运行数据采集、故障预警和故障诊断的自动化和智能化,能够有效解决电力设备运维安全问题,提高电力设备的安全管理水平。