智能制造功能系統介紹！
2022年9月19日 16:00瀏覽：2691 收藏：1
智能設計是指將智能優化方法應用到產品設計中，利用計算機模擬人的思維活動進行輔助決策，以建立支持產品設計的智能設計系統。
從而使計算機能夠更多、更好地承擔設計過程中各種復雜任務，成為設計人員的重要輔助工具。
制造領域常見的智能設計包括以下幾種。
衍生式設計（generative design）是指建立在數字化制造條件下的、基于協議與規則的、用戶深度參與產品生成過程的設計方法。衍生式設計由設計師給出一個大致的設計空間（包含結構、體積、形態元素），計算機通過數據的計算可以高效地生成大量的設計方案，然后基于用戶的限定篩選出符合設計要求且高質量的方案。衍生式設計不但能夠在方案數量上有優勢，而且還能產生出很多有創新的設計，構造設計師難以想象的復雜形態，激發設計師的靈感。衍生設計模型要滿足以下兩個條件：
（1）每個模型必須包含可以被設計評估的度量標準，由于計算機沒有評判設計好壞的直覺，設計師要向計算機明確什么設計是好的，什么是不好的；
（2）計算機需要有能夠改變控制變量的算法，并且能夠從變量中得到反饋，發掘所有的設計可能性。
拓撲優化設計（topology optimization design）以設計域內的孔洞有無、數量和位置等拓撲信息為研究對象，其基本思想是利用有限元技術、數值計算和優化算法，在給定的設計空間內，尋求滿足各種約束條件（如應力、位移、頻率和重量等），使目標函數（剛度、重量等）達到最優的孔洞連通形式或材料布局，即最優結構拓撲。
當所研究的系統造價昂貴、實驗的危險性大或需要很長的時間才能了解系統參數變化所引起的后果時，仿真是一種特別有效的研究手段。仿真設計（simulation design）是通過使用計算機仿真軟件輔助設計的方法。仿真軟件的種類很多，在工程領域，有機構動力學分析、控制力學分析、結構分析、熱分析、加工仿真等仿真軟件系統。
可靠性優化設計（reliability-based design optimization，RBDO）是指保證產品安全性能的前提下，借助優化技術實現結構造價或產品某些性能如剛度、強度等的最優設計。RBDO將可靠性分析理論和確定性優化設計相結合，考慮載荷、材料特性、制造誤差等不確定性因素的不確定性對確定性約束的影響，確保所有約束都處于安全區域。其中不確定性分析通常假設不確定性參數服從某種特定的概率分布。
多學科優化設計（multidisciplinary design optimization，MDO）旨在解決大規模復雜工程系統設計過程中多個學科耦合和權衡問題的一種新的設計方法。它充分探索和利用工程系統中相互作用的協同機制，考慮各個學科之間的相互作用，從整個系統的角度優化設計復雜的工程系統。美國航天局對MDO的定義是：MDO是一種通過充分探索和利用系統中相互作用的協同機制來設計復雜系統和子系統的方法論。
制造過程包括加工過程、裝配過程、工廠運行等部分，制造過程控制優化是指將大數據與人工智能技術融入到制造過程中，使制造過程實現自感知、自決策、自執行，主要包括加工過程控制優化、裝配過程控制優化、工廠運行控制優化等。
制造裝備是加工過程的基礎。智能制造裝備是指通過融入傳感、人工智能等技術，使得裝備能對本體和加工過程進行自感知，對與裝備、加工狀態、工件和環境有關的信息進行自分析，根據零件的設計要求與實時動態信息進行自決策，依據決策指令進行自執行，實現加工過程的“感知→分析→決策→執行與反饋”的大閉環，保證產品的高效、高品質及安全可靠加工，如圖2所示。
加工過程控制優化包括工況在線檢測、工藝知識在線學習、制造過程自主決策與裝備自律執行等關鍵功能。
（1）工況在線檢測：在線檢測零件加工過程中的切削力、夾持力，切削區的溫度，刀具熱變形、磨損、主軸振動等一系列物理量，以及刀具—工件—夾具之間熱力行為產生的應力應變，為工藝知識在線學習與制造過程自主決策提供支撐。
（2）工藝知識在線學習：分析加工工況、界面耦合行為與加工質量/效率之間的映射關系，建立描述工況、耦合行為和加工質量/效率映射關系的知識模板，通過工藝知識的自主學習理論，實現基于模板的知識積累和工藝模型的自適應進化，為制造過程自主決策提供支撐。
（3）制造過程自主決策：將工藝知識融入裝備控制系統決策單元，根據在線檢測識別加工狀態，由工藝知識對參數進行在線優化并驅動生成制造過程控制決策指令。
（4）裝備自律執行：智能裝備的控制系統能根據專家系統的決策指令對主軸轉速及進給速度等工藝參數進行實時調控，使裝備工作在最佳狀態。
裝配過程控制優化是指通過大數據、人工智能等方法，結合智能機器人、人機協同等新興技術，實現裝配過程的自動化與智能化，從而提升裝配系統運作效率，為企業創造新的價值。
裝配過程控制優化的主要核心技術包括：智能裝配規劃系統、裝配機器人、人機協同技術等。
（1）智能裝配規劃系統：是智能規劃等理論方法和技術與裝配規劃問題相結合產生的一項綜合技術，不僅能夠提供一系列符合要求的裝配工藝，同時能夠按照可裝配性、可維護性、可用的裝配資源以及整個裝配成本的高低要求，對裝配方案的優劣進行分析。智能裝配規劃通過產品的CAD模型，利用計算機、AR/VR等技術，創建虛擬環境，以便對產品的裝配過程進行模擬與分析，在產品的研制過程中及時對裝配方案進行快速評價，預估方案的裝配性能，及早發現潛在的裝配序列沖突與缺陷，并將這些裝配信息反饋給設計人員，從而及時修改，不斷優化產品裝配過程。
（2）裝配機器人：是實現智能裝配的重要保障，是實現柔性自動化裝配系統的核心設備，由機器人操作機、控制器、末端執行器和傳感系統組成。常用的裝配機器人主要有可編程通用裝配操作手（programmable universal manipulator for assembly）即PUMA機器人和平面雙關節型機器人（selective compliance assembly robot arm）即SCARA機器人兩種類型。與一般工業機器人相比，裝配機器人具有精度高、柔順性好、工作范圍小、能與其他系統配套使用等特點，可以有效降低人工裝配造成的不確定性影響，有助于提升產品一致性，大幅提高裝配效率。
（3）人機協同技術：裝配過程中，存在大量復雜的裝配工藝，智能機器人無法獨立完成，需要通過人機協同技術，在操作員的遠程遙控或協同交互下完成。人機協同技術關注于通過人機交互實現人類智慧與人工智能的結合，是混合智能以及人腦機理揭示相關研究的高級應用，也是智能裝配發展的必然趨勢。此外，人機協同的過程，也是機器模仿和學習人類裝配的過程，通過使用人類智慧形成的數據訓練機器實現既定的目標，從而有效地提高裝配的智能化程度。除此之外，人機協同技術還可以避免裝配人員直接暴露在危險性較高的生產環境（如輻射、高溫高濕等）。
工廠運行控制優化是指利用智能傳感、大數據、人工智能等技術，實現工廠運行過程的自動化和智能化，其建設的基本目標是實現生產資源的最優配置、生產任務的實時調度、生產過程的精細管理等。其主要功能架構包括：智能設備層、智能傳感層、智能執行層、智能決策層，如圖3所示。智能設備層主要包括各種類型的智能制造和輔助裝備，如智能機床、智能機器人、AGV/RGV、自動檢測設備等；智能傳感層主要實現工廠各種運行數據的采集和指令的下達，包括工廠內有限/無線網絡、各種采集傳感器及系統、智能產線分布式控制系統等；智能執行層主要包括三維虛擬車間建模與仿真、智能工藝規劃、智能調度、制造執行系統等功能和模塊；智能決策層主要包括大數據分析、人工智能方法等決策分析平臺。
工廠運行控制優化的主要關鍵技術包括制造系統的適應性技術、智能動態調度技術等。
（1）制造系統的適應性技術：制造企業面臨的環境越來越復雜，比如產品品種與批量的多樣性、設計結果頻繁變更、需求波動大、供應鏈合作伙伴經常變化等等，這些因素會對制造成本和效率造成很不利的影響。智能工廠必須具備通過快速的結構調整和資源重組，以及柔性工藝、混流生產規劃與控制、動態計劃與調度等途徑來主動適應這種變化的能力，因此，適應性是制造工廠智能特征的重要體現。
（2）智能動態調度技術：車間調度作為智能生產的核心之一，是對將要進入加工的零件在工藝、資源與環境約束下進行調度優化，是生產準備和具體實施的紐帶。然而，實際車間生產過程是一個永恒的動態過程，不斷會發生各類動態事件，如訂單數量/優先級變化、工藝變化、資源變化（如機器維護/故障）等。動態事件的發生會導致生產過程不同程度的癱瘓，極大地影響著生產效率。因此，如何對車間動態事件進行快速準確處理，保證調度計劃的平穩執行，是提升生產效率的關鍵。車間動態調度是指在動態事件發生時，充分考慮已有調度計劃以及系統當前的資源與環境狀態，及時優化并給出合理的新調度計劃，以保證生產的高效運行。由于動態調度在靜態調度已有特性（如非線性、多目標、多約束、解空間復雜等）的基礎上，增加了動態隨機性、不確定性等，導致建模和優化更為困難，是典型的NP-hard問題。當前，主要動態調度方法有兩種，即重調度和逆調度。重調度是根據動態事件修改已有調度計劃；逆調度是通過調整可控參數和資源來處理動態事件。兩者均是以已有調度計劃為基礎，重調度修改計劃不修改參數，逆調度修改參數不修改計劃，各有優缺點。
智能供應鏈是指，通過泛在感知、系統集成、互聯互通、信息融合等信息技術手段，將工業大數據分析和人工智能技術應用于產品的供銷環節，實現科學的決策，提升的運作效率，并為企業創造新價值。與傳統的供應鏈不同，數字化制造背景下的智能供應鏈更加強調信息的感知、交互與反饋，從而實現資源的最優配比。其主要功能包括：自動化物流、全球供銷過程集成與協同、供銷過程管理智能決策、客戶關系管理等，如圖4所示。
自動化、可視化的物流技術以物聯網廣泛應用為基礎，利用先進的信息采集、信息傳遞、信息處理和信息管理技術，通過信息集成技術基礎和物流業務的集成，建立物流信息化系統，配置自動化、柔性化和網絡化的物流設施和設備，比如立體倉庫、AGV（automated guided vehicle，自動導引小車）、可實時定位的運輸車輛等，并采用RFID（radio frequency identification，射頻識別技術）等物聯網技術，實現物品流動的定位、跟蹤、控制，實現物流全過程優化以及資源優化，完成包括運輸、倉儲、配送、包裝、裝卸等多項物流活動，確保各項物流活動高效運行。
通過工業互聯網、大數據等技術，推動整個供銷過程中，客戶、供銷商直接全面的互聯互通。利用智能工具監控整個供銷過程，從而通過持續改進，有效地對供銷資源進行監督和配置。建立全球協同的供銷網絡，優化資源配比，建立供銷集成式的共享平臺，最大化降低供銷成本，實現客戶和供銷商的雙贏。
在供銷過程中，通過大數據分析等技術，幫助用戶和供銷商更好地分析潛在的風險和制約因素，從而對供銷方案進行有效地篩選和評估，從各種備選供銷方案中選擇最合適的方案。并依托人工智能技術，通過歷史案例學習，實現供銷方案的自動化制定和決策，從而提高決策響應速度，降低人工干預程度。
客戶關系管理是指以客戶為核心，企業和客戶之間在品牌推廣、銷售產品或提供服務等場景下所產生的各種關系的處理過程，其最終目標就是吸引新客戶關注并轉化為企業付費用戶、提高老客戶留存率并幫助轉介紹新用戶，以此來增加企業的市場份額及利潤，增強企業競爭力。
智能服務包括以用戶為中心的產品全生命周期的各種服務，服務智能化將大大促進個性化定制等生產方式的發展，延伸發展服務型制造業和生產型服務業，促進生產模式和產業形態的深度變革。通過持續改進，建立高效、安全的智能服務系統，實現服務和產品的實時、有效、智能化互動，為企業創造新價值。智能服務關鍵技術包括：云服務平臺技術、預測性維護技術、個性化生產技術以及增值服務技術。
云服務平臺技術是實現智能服務的重要保障，是實現用戶與制造商信息交互的核心技術。云服務平臺具有多通道的并行接入能力，可以通過傳感器等對產品的制造過程，裝備的運行狀態，用戶的使用習慣、需求信息等數據進行采集和處理。一方面，通過用戶需求分析，引導制造商生產滿足用戶需求的個性化產品；另一方面，通過對裝備運行狀態、用戶使用習慣進行分析，從而為用戶提供有效的增值服務，進而提升產品附加值和企業收益。
預測性維護是以產品狀態為依據而提供的維護或者保養建議，從而避免產品失效而造成的不良后果，同時還可以有效提升產品附加價值。傳統的預測性維護針對的是制造中的生產設備而言，但是廣義的預測性維護針對的是產品相關的全部生產因素。在產品使用過程中，針對主要部位進行定期（或連續）的狀態監測，從而確認產品所處的運行狀態。預測性維護是智能制造未來的發展趨勢，依據產品的狀態發展趨勢和可能的故障模式，制定預測性維修計劃，確定產品應該維修的時間、內容、方式和必需的技術和物資支持等。預測性維修集狀態監測、故障診斷、故障（狀態）預測、維修決策支持和維修活動于一體，是一種新興的維護方式。
個性化生產服務，是智能制造的未來發展方向之一。通過將個性化的服務融入產品，提升產品附加值，可以為企業創造新的價值。個性化生產服務通過云服務平臺收集客戶個性化需求，按照顧客需求進行生產，以滿足顧客的個性化需求。由于消費者的個性化需求差異性大，加上消費者的需求量又少，因此企業實行定制生產必須在管理、供應、生產和配送各個環節上，都必須適應這種多品種、小批量、多式樣和多規格產品的生產和銷售變化。
增值服務技術，主要體現在產品銷售后，以服務應用軟件為創新載體，通過大數據分析、人工智能等新興技術，結合最新的5G通信手段，自動生成產品運行與應用狀態報告，并推送至用戶端，從而為用戶提供在線監測、故障預測與診斷、健康狀態評估等增值服務。與此同時，利用云服務平臺，收集用戶在產品使用過程中的行為信息等數據，針對不同客戶的習慣，提供個性化的升級服務，從而有效地增加產品附加值，為企業創造新的價值。
技術鄰APP
工程師必備
