智能制造相关.docx
《智能制造相关.docx》由会员分享,可在线阅读,更多相关《智能制造相关.docx(17页珍藏版)》请在冰豆网上搜索。
![智能制造相关.docx](https://file1.bdocx.com/fileroot1/2023-6/2/f0368fdf-5523-4310-976b-cdf295c9ed65/f0368fdf-5523-4310-976b-cdf295c9ed651.gif)
智能制造相关
数字数据库的大会时间的确定产品的兴起早期阶段智能Utilisation
抽象
制造业已逐步使用数字工具进行产品开发和生产的控制处理产品和工艺的复杂性,以及以应对不断增加的成本和时间压力。
本文提出以支持规划和决策过程中出现的产品目标和为识别和提取新知识产业数据库知识发现过程中的应用潜力的。
因此,它描述了发现的知识对未来的装配时间确定在产品出现早期阶段的例子智能利用率基本方法。
1.简介
对于在虚拟产品出现的领域在过去几年的研究活动的重点是规划过程更强的并行化。
主要目的是规划总时间的减少,因此时间-的
推向市场的新产品。
用于此目的的许多方法,例如并行工程,前期投资或快速原型进行了开发和实际应用。
它们的实施促进了标准化
全面的数字采集和数据资料,并考虑产品的诞生过程(PEP)的可持续文档。
运用现代信息技术使不断增加的虚拟PEP中的数据,信息和知识量的有效存储,管理和文档。
在这一领域当前的IT解决方案,在大多数情况下,侧重于管理,一致的表示,以及数据和信息的交换。
然而,已经在利用智能
现有的数字数据库,以发现新的知识将是为未来的制造特别重要的。
一个理想的,计算机辅助的PEP的在未来的必不可少的成功因素将是有效
分配这方面的知识(如通过机器学习方法),以及一个跨学科的知识交流和利用(如内
并行工程队)。
在这一点上是在工程科学研究引人注目,即概念的工业应用的巨额PEP的过程中创建的数据和信息的有效利用被证明是勉强可用。
然而在研究领域,如数学,统计学和计算机科学有很多分析方法和工具可用,可用于通用巨大的数据量有效地评估。
虽然关于制造业知识发现和数据挖掘应用的出版物的数量在最近几年有所增加,大部分的研究结果仅限于适用于
质量预测或生产过程的控制。
数据挖掘与制造系统集成的研究活动已得到加强[1]。
特别是对于支撑计划-和决策虚拟PEP没有建立PEP过程中创建的相关数据和信息的智能,全面的分析,但在决策过程。
在工业应用中必不可少的计划-和决策fundaments是描述制造和装配工艺时间数据。
他们在早期PEP-阶段确定是制造企业是一个挑战。
2.进化的IT环境中的PEP
PEP的涵盖发展一种产品,包括产品规划,该处理规划(例如制造,装配,布局和物流),最后生产本身。
IT系统的PEP在一致的应用程序是一个重要的先决条件,以保持制造企业的竞争力。
现代IT环境的发展开始通过建立数字数据库在20世纪70年代第一个专注于数字基本数据收集,以支持产品开发,推动这一进程的规划和执行生产工艺[2]。
2.1。
现代IT环境的发展PEP的第一个数字数据存储是通过二维CAD工具从而确定了起点,在产品开发建立特定数据库启用。
通过开发3D技术的工作,并随后由于其越来越多的实际应用,强化联动,产品结构实现的。
第一产品数据管理(PDM)系统被开发中的CAD文件管理的领域,并且抵消所述冗余数据存储。
如今标准-PDM-软件以及基于这些标准定制的,以产品为导向的IT系统是合适的解决方案,以提供产品开发流程的计算机支持。
应用近期PDM解决方案的典型区域通常仅限于开发建设活动[3]。
IT解决方案,以支持工艺规划,已经制定了一个延迟相比,在产品开发的数字支持。
基于代码的物料流仿真工具,计算机辅助制造(CAM)和计算机辅助工艺设计(CAPP)系统(自动生成工作计划)是在规划过程中的第一个解决方案[4,5]。
对于手术的生产工艺生产计划和控制的支持(PPC)系统被开发的材料和时间管理融入制造业。
要通过任务涵盖上游和下游,如采购,销售和控制企业资源规划领域(ERP)系统实施了扩大生产的核心PPC功能。
基于多方面数据的统一管理在制造企业的ERP系统
可用于管理以有效的方式将连续增加的生产有关的数据量[6]。
考虑关于目标导向规划-所提到的解决方案的功能性和
决策支持,它们仅限于在机会分析和评估数据,例如通过规划和查询“如果-那么”规则的定义手册
在许多情况下。
此外,这些功能分开是可利用的,在大多数情况下,考虑到两种产品开发或工艺规划或生产。
被检测区域特定IT环境的赤字很快和解决这个问题的第一个方法是通过建立计算机集成制造(CIM)的概念在20世纪80年代开发的例子。
CIM追求的愿景来连接,并结合所有隔离产品出现的工具,尤其是那些在产品研发和工艺规划,纳入总体规划制度。
其基本思路是建立一个集成的,基于计算机的信息化规划,生产管理部门[7]之间的流动。
但预期有关
整合只由研究成果CIM的面积达到部分实现。
所以今天-CIM的开始30年后-在大多数情况下,沿PEP的集成和整个产品和流程视图,至今下落不明[8]。
然而一个综合的产品-和流程规划的思路依然是高度相关的和时下关注的数字化制造和PLM(产品生命周期管理)的概念[2,9]。
德国工程师协会(VDI)数字制造(“数字化工厂”)定义为
的数字模型,方法和工具全面的网络-包括模拟和三维可视化-通过集成一个连续的数据管理系统。
数字化制造的目标是“整体性
规划,评估和所有主要结构,过程和真正的工厂资源与产品一起持续改进“[10]。
PLM解决方案正在获得为了控制增加的开发的产品的复杂性和其兹需要整合重要性
不同的数据和信息的卷[3]。
在这方面的PLM解决方案不仅覆盖的产品特定和公司范围的信息管理也是一个以规则为基础的规划,在整个产品生命周期内的数据,文档,资源和所需过程的控制和管理。
相比于所有产品相关的数据和信息的集成化供应由PLM解决方案提供,数字化制造的概念促进生产相关过程的综合规划以及所需要的方法,工具和模型[10,11]的整合。
因此,PLM和数字化制造解决方案代表了目前的方法来提供集成的IT环境中的虚拟PEP的背景下。
2.2。
未来挑战的IT环境中PEP图。
1显示了IT环境的考虑IT解决方案的重点发展。
该指出的层开始的数据层,通过信息和知识层高达预定情报层描绘了引入IT解决方案的性质。
该数据层的特征在于规划有关的数据的数字收集,存储和文件,并因此是贯为发展以及额外的IT工具的应用。
在信息生成的感测数据的目标为导向的配置使结构化的下一个演进层上出现的信息和有效的管理。
通过在面向应用的互连术语和上下文控制,基于模型的方式描绘现有的规划的知识,在PEP现代IT解决方案,因此越来越多的解决知识层中的计划-和决策支持。
为了提供更好的计划-从工业和科学决策支持方面的专家将来[例如呼吁新的,更智能的IT解决方案12]。
首先考虑的方法这一需求的商务智能(BI)解决方案的形式在市场上存在的例子。
然而,这些解决方案往往是孤立的,并没有提供一个PEP重叠的计划-和决策支持。
基于这样的事实,IT解决方案仍然必须被集成和的数据,信息和知识的增加量,必须利用未来挑战智能计算机辅助产品诞生(iCAPE)的发展可以概括为:
在重要的挑战是提高利用率已经在早期的PEP-阶段现有的知识。
这可以通过提高知识层知识透明度或通过在智能层发现隐藏的知识来实现,例如。
因此,一方面,可以实现的前提条件不同规划进程的最高可能的并行化,从而持续时间减少。
另一方面现有知识数据库中的一个加强利用提供的规划结果更高的品质。
3.知识创造计算机辅助PEP由于PEP的综合IT环境中大量的有关规划和生产流程的数据,信息和知识的创建和存储。
3.1。
在PEP的PEP不同相位知识增强首先定义该产品的规划内的要求作为产品的一个相发展。
截至公司特定成熟度等级的产品开发从规划过程中进行独立的。
另外它还提供了对贯工艺规划。
当第一个结果是从产品开发发布,这是绝对必要建立产品开发和工艺规划之间的长期和密切的沟通与融合。
这两个规划过程的特点是依赖于产品的出现阶段不同的数据池。
在大多数情况下,单纯的产品相关的数据和信息,如要求清单,规格,功能材料清单(FBOM),CAD模型和材料(EBOM)建设为主的工程量清单存在于产品开发的阶段。
而在工艺设计和生产的各个阶段的数据池更进程相关,并出现例如在材料(MBOM),工作计划,生产订单和数据记录的生产型制造方面的法案(见图2)。
这些关于产品和工艺的数据和信息存储在一个定义的数据格式的特定的IT系统。
如
每规划步骤之后关于产品的结果的新信息和知识,以及相关的生产工艺提高。
通过PEP的成熟度水平这方面的知识更新进步,更精确地说,并富含每次迭代。
因此,提供了新的场所采取规划。
这种显性知识,在各种IT系统提供,可以直接访问和利用的。
3.2。
在PEP的知识利用未来的挑战不过尚未充分利用的PEP在数据和信息出现计划-和决策活动。
原因之一是在界面的问题和数据不一致方面缺乏数据的可用性和透明度。
一方面,大量的采用不同的解决问题的方法的研究活动正在处理这一话题,但他们转移到实际应用仍然是一个很大的挑战。
在另一方面,缺乏在分析大量的数据(“管理使用Excel”)有条不紊的支持是促进这些现有的赤字。
这个问题正在加剧由于这样的事实,因为的PEP阶段的不同持续时间,从早期的规划程序“学习”已经成为绝对的必要。
这尤其适用于生产开始之前处理的规划,因为它的结果的时间更短周期相比,产品开发的结果产生。
同时这些结果确定以下长期持久的生产过程。
已经存在的策划功底为基础,为复杂的计划-和决策rocesses有效利用获得一个成功的PEP突出重要性。
信息,其表示依据计划-和决策,是-在数字时代-沉积并因此在几个IT系统可用,并在PEP可以利用。
考虑到例如装配操作的顺序,它们的限制主要是在产品结构的拓扑关系来确定。
然而,知识这从它的系统需要一个具体的规划情况的信息专家诀窍规划师的一部分,仍然是不能直接访问。
同时,在过去的PEP的作出的决定创造知识的主要数字源方面的数据贯之。
要转换一些这方面的隐性知识,规划明确将进一步编制计划-和决策支持,可以用知识发现的过程。
数据库知识发现(KDD)是隐含的,以前未知的和潜在的有用的知识,从数据[14]平凡的提取。
今天已经是一个成功的方法来自不同领域的数字数据库中提取新的知识。
4.1。
知识发现数据库的标准过程知识发现过程,提出在已开发在科学或实用方面的各种知识发现过程模型。
他们提出基本上类似的程序,但通常通过其迭代地执行步骤的数目,名称和表示不同。
由此数据挖掘与应用的KDD过程中的特定步骤特定算法用于从数据[15]提取图案。
在知识发现过程模型跨行业标准过程进行数据挖掘(CRISP-DM)在90年代末由如数据挖掘专家开发戴姆勒-克莱斯勒公司,SPSS,并具有很高的实用意义的主要方法之一。
这种相关性是在成功应用的重要因此,制造企业,并一直是重要的选择标准。
它是基于从实现数据挖掘工程的经验,并描述了KDD过程作为生命周期[16]。
的CRISP-DM过程模型的六个主要步骤是业务的理解,数据理解,数据准备,建模(如数据挖掘),评估和部署,通常有在每一个过程KDD要执行。
4.2。
KDD的典型和新的应用领域在保险和银行业,以及在市场营销和在线业务KDD是最先进的一种有效的数据分析和决策支持(如[17,18])。
虽然,在过去的几年里知识发现和数据挖掘已成为从生产数据库[1]获取知识的重要工具,在制造行业的实际应用进行rudimentarily,主要集中在质量预测(如[19])。
在未来知识发现在PEP可以应用到产品,过程和资源数据-分离在其中的一个区或区域重叠的。
知识发现对于例子的分离的应用程序,可用于在过程中建立的产品型号包在产品开发或参考工艺结构规划。
知识发现的区域重叠的应用中使用的产品和过程数据的例子中,下面的介绍相关前瞻性地确定装配时间。
因此,一个回顾性分析和历史相关的生产数据的评估使未来的决心相关参数可比规划的情况。
5.前瞻性判断装配时间装配时间的数据是一个重要计划-和决策贯制造
公司在PEP。
从而时间数据不仅描述的持续时间和时间点,但也时间确定产品和工艺的特点和需要最多的在机械及汽车领域[20]的总制造时间的50%。
根据规划的阶段和预期的应用,有必要确定以足够的精度为短期操作,战术和长期的战略规划活动这些时间数据。
5.1。
目前的方法来确定装配时间“比较和估计”,由专家目前是装配时间确定在PEP的早期阶段的常用方法。
因此,许多制造企业正计划和基于粗糙集估计时间[21]计算。
在过去的几年里,很多虚拟PEP不同的解决方案已经制定,以支持计划-和决策。
尤其是在确定的时间数据的现有方法的早期规划阶段限制在规划支持方面显然观测。
事实上,很多科学出版物都覆盖时间数据的决心和代表性依赖工艺参数,这是在以后的规划阶段提供,这样就使面向过程的时间的确定[5,21,22,23]。
然而,在只有少数几个方法的基础上,确定时间数据的PEP早期阶段-部分弥漫-产品参数是已知的(如MTM-PROKON方法或[24])。
此外高最初的努力打造规划和时间确定的逻辑特征是这些方法,例如,建立基于规则的知识库专家系统(如[5,8])。
此外,他们表现出足够的智能整合和利用现有的数据池(例如,从数字化工厂)。
基本方法对于数据驱动时间判断由此现有,例如在周期时间预测的计算在半导体制造使用数据挖掘[25]或用于从在大规模制造的事件日志的提取处理的时间信息使用过程挖掘技术[26]。
5.2。
基于KDD的方法来确定装配时间
开发数据驱动的方法来确定前瞻性的PEP的早期阶段装配时间是当前研究项目的意向。
这种新的,计算机辅助和KDD基础的方法恢复到智能检测的产品和工艺集群(模式),并以这些集群之间业已存在的相关解释。
为此目的,最初是必要根据产品数据,例如,以检测使用无监督学习方法产品集群从需求列表,FBOM或EBOM。
基本用于此目的的产品属性是可能必须生产工艺和它们的持续时间显著影响。
在例如在MBOM长期下一步的处理数据,工作计划或生产订单中提取从不同的规划系统和流程集群进行构图,太。
两个检测到的产品和工艺的集群,以及在现有的数据池不同的产品和过程实例之间的持久关系是贯对这些产品和工艺结构的后续映射(参照图3)。
在KDD过程中的“造型”的步骤开始,描述性数据挖掘来检测特征集群工艺和产品数据。
通过之间的相关性之间的产品和流程实例的现有联系的评价簇的过程和产品数据被识别。
这是基础预测数据挖掘模型,以提供产品和工艺簇之间的结构映射的应用程序。
通过指派新产品,现有产品集群未来的装配时间的预测,并在此新知识的一致利用率实现。
6.总结和进一步发展分别映射方法的时间在知识的具体应用投影贡献的重要附加值的计划-和决策支持(如内同步工程队)利用IT系统已经存在的知识
始终如一。
从而规划时间和成本被降低(通过避免不必要的规划迭代EG)和规划确保安全性。
提出方法的应用提高了产品和工艺数据池的透明度。
的时间的方法作为结果的组合
扩展虚拟PEP决心通过引进的方式。
此外PEP的期间所产生的规划知识可以提供用于
所有的应用方法和工具(PLM功能的扩展如)。
此外KDD的数字化制造的潜力进行评估。
在此基础上的IT工具在工程和数字化制造的功能可以通过知识发现技术的整合为未来确定的组装时间延长。
智能
利用数字数据库有助于在未来建立智能化计算机辅助产品诞生(iCAPE)。
致谢
本文代表的背景,目标和研究项目的第一个成果“的数字化装配工作内容前瞻性的测定
厂(临蒙迪)“,由德国联邦教育与研究部(BMBF)德国(支持代码:
02PJ1110)的支持。
项目管理机构卡尔斯鲁厄负责这一研究项目的。
1-s2.0-S027861251400017X-main
资源分配已经在制造一个关键问题。
本文提出了一种智能感应datamanagement资源分配系统(RAS) 其目的是用于资源分配提供有效和timelydecision决策。
这个复杂的系统是由产品的材料,人员,信息,控制和支持功能,用于生产中的有效性。
该SYS-TEM采用数据库管理系统(DBMS)和模糊逻辑来分析intelligentdecision使数据和无线射频识别(RFID)的结果验证。
数值数据fromdiverse源中的数据库管理系统管理,并通过用于资源分配确定 使用fuzzylogic。
的输出,代表基本资源水平进行生产,然后,用参考-EnCE的到所述资源利用状态由RFID捕获验证。
在开发系统的有效性与在香港的服装制造公司进行了案例研究验证。
Resultsshow资源分配决定在此之前,数据收集与使用devel软件包,制作的通讯资料系统更有效,其中的资源分配决策 在集中式数据库参数有效利用模糊确定 逻辑。
决策者如生产管理人员被允许确定器,资源分配一个标准化的方法以更有效的方式 该系统还采用了RFID技术与人工智能技术的结果验证和细化的知识。
因此,fuzzylogic资源的结果 分配可以更快地响应和适应实际生产情况通过参考RFID的捕获的数据提炼模糊规则。
有在香港的几个重要的制造行业,如电子行业,钟表行业,玩具行业,以及服装行业。
虽然香港的经济正由服务业为主,制造业仍使到了重要贡献
经济,因为它产生了大量的投入,从需求的服务业[1]。
由于需要更高的效率,更短的产品生命周期,更好的产品质量和更高的用户满意度,生产计划起着制造[2,3]的关键作用。
通常生产涉及多个个体单位的参与,在整个生产系统中的每个执行不同的功能[4]。
因此,生产计划问题涉及确定资源的分配,并分配给所有独立单元,使每个人可以完成的作业量。
有效的资源分配已被称为通过提供有限的资源[5,6]的有效使用,以提高生产率的装置。
因此,它被广泛接受的一个重要因素
在动态的市场竞争力获得。
本文提出了一种智能的数据管理方法诱导,其目的在于提供有效和及时的决策对于资源分配相关业务的资源分配系统(RAS)。
选择香港服装业的理由
在RAS的验证标准是它比其他制造行业通常更对时间敏感。
其大部分制造业务是面向海外市场的需求[7],那里是目前流行的“快时尚”为宗旨,设计和制造快速时尚产品和有效性的提高economically.An和效率的概念参与资源分配的决策过程是生存在快时尚非常重要的。
因此。
本文组织如下。
第2节介绍了文献综述与此相关的研究。
第三节描述的体系结构在RAS。
第4节介绍的案例研究,其中RAS被developedandmplemented在一家服装制造公司。
部5contains结果和系统的讨论。
第6presentsthe总结和今后的工作。
2.文学review2.1。
资源allocationDue在全球市场,MANUFAC-商们的激烈竞争谁不能有效地分配和利用其resourceswill最终失去竞争力[8]。
许多benefitsbrought通过有效的资源配置效率包括使用ofresources,成功推广的经营业绩,优化解-诚公司的目标和实现目标的[6,9,10]。
这hasaroused许多研究者谁拥有investigatedvarious方法进行资源分配管理等aslinear编程[11-13],模拟[14-16]和遗传算法中,rithms[17-19]的兴趣。
然而,这些方法已经不能满足当今制造业thechallenges。
首先,与theincreasing技术创新,市场需求是moreunpredictable和产品生命周期已经减少[20-23].Existing接近其操作是基于historicaldata或估计是不足够的灵活性以处理increas-多地动态市场。
此外,更多的产品选择有begiven为客户提供从大规模定制[24]从而,thusincreasing资源分配problemsin生产的规模和复杂性。
然而,这种大规模的资源分配概率-LEMS往往数学难治[25]这使得currentmathematical方法不适合的,而其他方法likesimulation只能覆盖的条件有限数量[26]其三,常规定量方法可以不capableof处理梧桐在审制造环境的实际资源分配问题,其中大部分决策inherentlyface不精确和不确定性[27-29]。
由于abovehighlighted原因,resourceallocation一个更复杂的方法是必要的制造业的生存。
2.2。
模糊逻辑和DBMSIn制造,不确定性或模糊可能出现frommarket需求,容量的可用性,处理时间和成本[30,31]。
这是更方便的管理或决策MAK-ERS采用主观判断和语言上的术语,如“高”和“非常高”来形容不准确[32-35]。
模糊逻辑,人们国税发人工智能(AI)技术,是一个很好的候选人,以dealwith不确定性和模糊变量制造[36-38]。
Fuzzysets用于表示语言术语以及发展关系,于输入和输出变量[39-41]之间。
因此,manyresearchers已经应用模糊逻辑来解决生产planningproblems在语言方面是非常有效的决策。
迪亚兹等。
[42]结合模糊方法的人年龄在轧辊车间部门在steelindustry生产优先权。
罗维奇和杜埃尼亚斯[43]提出了一种模糊逻辑basedsystem生产调度的不确定DIS-ruptions的存在。
由于调度涉及资源,tasksin为了在一个合理的量oftime[16,44,45],许多资源分配问题addressedduring生产调度调查完成这些任务的分配。
出现alsobeen广泛的讨论在有关在制造applicationsof模糊逻辑文献industries.To提高信息检索,模糊逻辑或模糊集的-ORY已引入了几十年的数据库[46]。
这涉及的数据库管理系统的概念(DBMS),它是用于数据对加工复杂的多属性工具支持不同类型的业务应用与useof数据库[47,48]。
莫拉莱斯等人。
[49]提出了一种系统whichstores信息,可以支持offuzzy集理论的机制DBMS。
罗德里格等。
[50]在设计一个DBMS模糊databasewhich商店不精确的信息。
与此类似,张某等人。
[51]同时包括模糊和非模糊intheir模糊数据库的属性。
而模糊的数据可以被处理和人工老化在数据库中,该数据库也可以作为一个事实基andso模糊系统时的事实,需要[52]搜索数据库。
然而,没有标准化的方法incorporat-荷兰国际集团模糊逻辑和DBMS用于处理模糊决策变量inresourceallocation.There是三个不同的方法为一个模糊系统间行为和DBMS[52]。
第一个是将extendeddata管理设施到模糊系统,而仲OND一个是嵌入演绎规则转化导致anintelligent数据库DBMS中。
第三个是有两个模糊systemandDBMS与某种形式的他们之间的交际化独立的系统。
考虑到它可能并不总是practicalto构造一个新的数据库管理系统才可以使用它,第三INTERAC-化的方法更适用于设计一个通用系统forresource分配,因为它允许使用一个现有independentDBMS的。
在这种情况下,数据分析的资源分配可以从theDBMS检索数据后由一个独立的模糊系统bedone。
2.3。
资源allocationAfter资源分配的监测,资源利用率可以选择formeasurement因为它是反映亲生产率生产系统的重要因素之一[9]。
在一个周期中相关的utilizationof资源数据必须不影响资源专业其它周期[53]的能力。
这强调一个事实,即资源UTI-补肾中药已被跟踪随着时间的推移而被测量dynamically.Radio射频识别(RFID)是被广泛接受作为meansto提高数据处理过程[54,55],并能够capturedynamic数据[56]。
因此,RFID可以用于MEA-suring资源utilization.There一个可能的解决方案是应用RFID在制造业,其中大部分旨在跟踪生产过程的研究。
Ngaiet人。
[57]实现了一个基于RFID的制造managementsystem在RFID标签相关的切割原料捆绑难熬,而RFID阅读器是installednext每个缝纫机跟踪productionprocess的服装厂。
Zhong等。
[58]提出了哪些部署RFID设备onthe车间来跟踪和追溯