CN116540584A - 熔铸装药无人生产线的智能管控*** - Google Patents
熔铸装药无人生产线的智能管控*** Download PDFInfo
- Publication number
- CN116540584A CN116540584A CN202310236001.5A CN202310236001A CN116540584A CN 116540584 A CN116540584 A CN 116540584A CN 202310236001 A CN202310236001 A CN 202310236001A CN 116540584 A CN116540584 A CN 116540584A
- Authority
- CN
- China
- Prior art keywords
- production
- casting
- unmanned
- production line
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 452
- 238000005266 casting Methods 0.000 claims abstract description 199
- 238000000034 method Methods 0.000 claims description 226
- 230000008569 process Effects 0.000 claims description 170
- 238000007726 management method Methods 0.000 claims description 95
- 239000000463 material Substances 0.000 claims description 77
- 230000004927 fusion Effects 0.000 claims description 67
- 238000012544 monitoring process Methods 0.000 claims description 53
- 238000003860 storage Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 239000003016 pheromone Substances 0.000 claims description 28
- 239000002994 raw material Substances 0.000 claims description 27
- 238000013439 planning Methods 0.000 claims description 24
- 238000004088 simulation Methods 0.000 claims description 24
- 238000013461 design Methods 0.000 claims description 19
- 239000000843 powder Substances 0.000 claims description 19
- 238000011068 loading method Methods 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000010839 reverse transcription Methods 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 15
- 239000003814 drug Substances 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 14
- 239000007788 liquid Substances 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 12
- 239000002360 explosive Substances 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 7
- 230000003449 preventive effect Effects 0.000 claims description 7
- 238000012384 transportation and delivery Methods 0.000 claims description 7
- 241000257303 Hymenoptera Species 0.000 claims description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 6
- 238000007711 solidification Methods 0.000 claims description 6
- 230000008023 solidification Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 239000000428 dust Substances 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 239000000015 trinitrotoluene Substances 0.000 claims description 4
- 239000002699 waste material Substances 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 239000007790 solid phase Substances 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000010924 continuous production Methods 0.000 claims description 2
- 239000013538 functional additive Substances 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 13
- 230000006399 behavior Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 3
- 239000000155 melt Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 241000238413 Octopus Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- -1 density Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了熔铸装药无人生产线的智能管控***,通过对***整体架构进行设计,从物理设备层、数据感知层、孪生模型层和应用服务层四个层面,对熔铸装药无人生产线整体智能管控模式进行了架构,解决了现有熔铸装药无人生产线智能化管控水平低,无法基于全流程全要素信息做出智能自主决策的问题;通过本发明的熔铸装药无人生产线的智能管控***,能够提高熔铸装药无人生产线在保证生产安全和产品成型质量要求下对熔铸工艺、物流运输和生产调度的智能化、精细化管控水平,实现熔铸装药无人生产线的安全高效生产目标。
Description
技术领域
本发明属于***熔铸技术领域,具体的为一种熔铸装药无人生产线的智能管控***。
背景技术
传统的熔铸装药生产线自动化程度低,从奥克托金、铝粉等熔铸装药原材料人工运输到生产线后开始,后续工序都需要人工参与,依靠人工经验控制熔铸装药生产过程。然而熔铸***具有受外界刺激后易产生燃烧或***的特点,在生产过程中涉及的安全风险因素多,一旦由于作业人员操作不当或设备发生故障等原因导致生产线发生***事故,将造成严重的人员伤亡和经济损失。随着工业自动化生产技术的快速发展,火工品领域也需要从以人工为主的生产模式逐步向自动化方向过渡,其中熔铸装药无人生产线是未来的重点研究方向,它可以实现人机隔离操作、自动化生产,提高了熔铸装药生产过程的本质安全水平。
工业生产线需要通过智能管控***提高生产过程的可控性,以保障生产线生产过程的顺利进行。目前关于生产线的智能管控***已有一些研究和应用。专利号为CN201910311030.7的中国专利公开了一种大型结构件自动化生产线智能管控***,对车间自动化生产线制造现场整体智能管控模式进行了架构,使其解决大型结构件自动化生产线制造资源保障问题。但是该***主要对刀具和物料等生产资源的仓储物流进行智能化管控,无法应用在高危产品制备生产线上对影响生产安全的设备状态、车间环境等生产要素进行智能化管控。申请号为CN202111128080.5的中国专利申请公开了一种核工业生产线的三维可视化智能管控***、生产***,该智能管控***可将现场的设备实际状况、操作过程、仓储过程等向监控指挥人员进行全面的三维可视化动态展示,从而提高生产效率及管控安全性。但是该***主要对核工业生产线中各类生产资源和过程进行三维可视化监控,无法对设备运行状态、危险物料运输状态等生产信息提前预警和主动调控。综上所述,目前生产线智能管控***虽然在其他领域中已经有所研究和应用,但对于熔铸装药的高危生产过程,并不适应。
现有的熔铸装药无人生产线采用自动化设备、AGV运输小车等替代作业人员完成生产作业,通过各工序、各设备的自动化,实现了“机器换人”,减少生产过程的人工干预。然而,现有的熔铸装药无人生产线仅实现了熔铸装药过程的熔铸设备操作无人化和原料输送无人化,但智能化管理水平还不够,没有形成一套面向无人化生产线的智能管控***,仍然以人为管理保障为主,无法在熔铸工艺、物料和模具物流运输、生产调度方面实现智能管控。
在工艺管理方面,现有的熔铸装药无人生产线在上下料等关键工序上仍以作业人员的工作经验控制为主,大量工艺信息以图纸、报表、文档等二维方式表述,依赖人工写入,工艺设计自动化程度低。由于现有熔铸工艺知识离散未形成智能工艺管理体系,难以将关键工序的人工经验和工艺规则等工艺知识转化成计算机容易识别的推理规则,在不同批次熔铸装药产品的新工况下不能检索历史熔铸工艺实例数据,总需依靠人工经验和产品试制重新设定工艺参数,导致工艺设计效率低,无法快速生成智能工艺决策。
在物流管理方面,熔铸装药无人生产线需要在不同作业区域利用AGV小车等运输物料和模具,由于物流运输的对象是危险易爆产品,对运输过程的时效性、稳定性等都有极高的要求。传统的信息化管理***大多只对原材料的仓储、采购、盘点等静态信息进行管理,无法对熔铸装药无人生产线的物流运输进行实时监控和动态管理。当模具和物料运输停滞时间过长或物流路径产生冲突时,难以及时进行动态物流调度,导致药液产生较大温降或物料发生碰撞,严重影响产品成型质量和生产安全。
在生产调度方面,熔铸装药无人生产线以事前调度为主,管理人员事先根据产能、工艺要求将生产计划下达至生产线进行生产。由于熔铸装药生产现场无人值守,物料仓储、设备状态、物流运输等生产资源信息得不到集中监控,难以实时掌握熔铸装药产品生产进度,不能精准控制各工序生产节拍。当生产过程中产生奥克托金、铝粉等物料短缺、熔铸装药设备故障或药液冷却时间过长等动态扰动事件时,会导致实际计划执行过程与生产计划之间产生偏差,从而产生计划延误、资源浪费等问题。
综上所述,由于现有的熔铸装药无人生产线缺乏智能管控***,难以实时感知不同工作区域随着工艺行进产生的设备信息、物料信息和环境信息等生产资源的数据流和信息流,不能用一套完善的智能化管理***对熔铸工艺、原料和模具的物流运输、扰动因素影响下的生产调度进行集中管理,导致熔铸装药无人生产线管控效率低,无法基于熔铸装药无人生产线全流程全要素信息做出智能自主决策,因此难以实现无人生产线级的智能化、精细化管控。
发明内容
有鉴于此,为了解决现有技术中存在的不足,本发明的目的在于提供一种熔铸装药无人生产线的智能管控***。
为达到上述目的,本发明提供如下技术方案:
一种熔铸装药无人生产线的智能管控***,包括物理设备层、数据感知层、孪生模型层和应用服务层;
所述物理设备层包括用于组成熔铸装药无人生产线的智能熔铸装药设备、智能物流运输车和智能感知设备,所述熔铸装药无人生产线可按照设定程序自动完成熔铸装药生产的各项工序,实现人机隔离和自动化生产;
所述数据感知层包括数据采集模块、数据预处理模块和数据存储模块,所述数据采集模块用于实时采集熔铸装药无人生产线的多源异构数据,所述多源异构数据包括通过熔铸设备控制***、传感器感知和企业信息管理***采集的包含熔铸设备运行数据、物料仓储数据和生产环境指标数据的生产资源信息;所述数据预处理模块依次对所述数据采集模块采集的多源异构数据进行包括清洗和降维的数据进行预处理,以清除空值、缺失值或重复记录的数据,得到能够直接用于分析计算的数据;所述数据存储模块用于对经所述数据预处理模块预处理后的多源异构数据分类整理为时序型数据和关系型数据,并将所述时序型数据和关系型数据分别存储在时序型数据库和关系型数据库内;
所述孪生模型层包括虚拟模型模块和虚实映射模块,所述虚拟模型模块包括几何模型、物理模型、行为模型和规则模型,并用于构建、存储、管理熔铸装药无人生产线物理实体的虚拟信息模型;所述虚实映射模块利用实时采集的多源异构实数据驱动熔铸装药无人生产线的虚拟信息模型,还原生产线现场的生产状况,保证虚拟信息模型中各个生产要素与物理生产线中的状态同步;
所述应用服务层包括可视化监控模块、熔铸工艺管理模块、物流运输管理模块、生产调度管理模块和产线故障报警管理模块,用于分析和预判熔铸装药无人生产线整体运行状态及其变化趋势,对多要素进行协同智能管控。
进一步,所述可视化监控模块包括生产计划监控看板、设备状态监控看板、物料仓储监控看板和生产环境监控看板;
所述生产计划监控看板用于对包括该批次熔铸装药产品的计划开始时间、计划结束时间、产品数量、工序内容的生产信息进行监控,以查看整个生产过程的生产资源和方案的计划信息;
所述设备状态监控看板用于对熔铸装药无人生产线所有作业区域包括不同熔铸设备运维信息、设备启停状态、设备运行时长、当前工艺参数和设备能耗值的熔铸设备运行状态进行集中监控,并在设备状态出现异常时进行自动预警,提醒管理人员对设备进行预防性维护;
所述物料仓储监控看板用于对制备熔铸装药的包括物料名称、存放位置、存放数量和所属批次的物料信息进行集中监控,以实时更新物料出入库及库存信息,跟踪原材料在仓库和工序之间的流转情况,同时对物料库存量进行自动预警;
所述生产环境监控看板用于监测熔铸装药无人生产线不同作业区域包括环境温度、湿度和粉尘的环境参数,并针对异常环境参数进行预警,保证熔铸装药生产环境安全可控。
进一步,所述熔铸工艺管理模块包括工艺知识库单元、工艺案例推理单元和工艺智能决策单元;
所述工艺知识库单元包括***原材料参数库、熔铸设备参数库、工艺规则库、产品模型库和工艺质量问题库,用于对熔铸装药生产过程中的包括传统人工经验知识、企业长期形成的工艺规范和工艺管理制度、国家公开发布的工艺标准和手册的工艺知识统一分类和编码,以实时更新维护工艺专家经验、工艺数据以及熔铸生产实例;
所述工艺案例推理单元针对包括不同装药材料、颗粒级配和固相含量的新工况,将当前新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺相匹配,如果匹配度较高,则可借用工艺知识库中的相似工艺,修改实现新工况下的熔铸工艺流程设计和工艺参数选择;如果无法匹配典型工艺,则利用工艺规则和工艺推理来确定新工况下的熔铸工艺流程设计和工艺参数选择;
所述工艺智能决策单元针对所述工艺案例推理单元获取的新工况的熔铸工艺流程设计和工艺参数选择进行仿真模拟,验证该新工艺方案的可行性,最后通过智能决策生成熔铸装药制备工艺方案。
进一步,所述工艺案例推理单元中,新工况的熔铸工艺流程设计和工艺参数的选择方法为:
首先将当前新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺相匹配,将工艺知识库中的案例库表示为:
Case={casei|casei(Fi,Ri),i=1,2,...,N}
其中,Case为案例库,Casei表示案例库的第i个案例;Fi表示第i个案例中描述问题特征的集合;Ri表示第i个案例中描述解决方案特征的集合;N表示案例库中所包含的案例数量;
其次是案例组织检索,利用最近邻法将目标案例与案例库的案例进行对比:
其中,Sim(xi)表示新工况与工艺知识库中的案例总相似度,ωk表示属性k的权值,xik表示具备属性k的案例,Simak(xik)表示属性k下的案例相似度;m表示属性的数量;
若Sim(xi)的值大于等于设定阈值,则表明新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺的匹配度较高,此时可借用工艺知识库中的相似工艺,修改实现新工况下的熔铸工艺流程设计和工艺参数选择;
若Sim(xi)的值小于等于设定阈值,则表明新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺的匹配度较低,利用模糊规则推理算法推理生成新工况下熔铸工艺方案,方法为:
Rule1:Ifx1isA1,1andx2isA2,1and,···,andxnisAn,1B1ThenyisB1
其中,xi为规则前件,Ai,j为条件变量xi的模糊集,y为规则后件,Bj为结论变量y的模糊集;根据条件xi和模糊规则Ai,j推理得出新工况下的熔铸工艺方案。
进一步,所述物流运输管理模块包括路径规划单元、路径冲突消解单元、物料缓存区调度单元和模具装卸区调度单元;
所述路径规划单元用于形成包括铝粉、TNT和功能助剂的原材料以及模具的物流运输计划,以包括物料存放时间、物流搬运效率、药液冷却温度的约束条件优化运输路径,驱动AGV运输小车完成原材料和模具在库房、在制品区、成品区和线边库之间的及时配送转运;
所述路径冲突消解单元用于确保各个原材料和模具的物流运输路径不会产生冲突,当两个或多个输送任务在同一段路径上相向而行,若至少两个输送任务存在冲突时,以按照优先级从大至小的顺序使各输送任务依次通过的方式消解冲突或潜在冲突,避免发生碰撞引起的安全事故;
所述物料缓存区调度单元用于连接位于上一道工序和下一道工序间的路径上的各物料缓存区,确保熔铸装药设备生产不断供,减少并行设备前的路径拥堵;当某工序的熔铸装药设备发生故障停产或缓存区内存放的物料过多时,所述物料缓存区调度单元可以动态调整无人生产线上各个缓存区容量,避免产生物料堆积和资源浪费现象;
所述模具装卸区调度单元用于管理模具从运输车上卸货至装夹至凝固工位的全过程中在装卸区的存放和转运,根据任务紧急程度及凝固工位各任务执行情况,对模具的装拆任务进行智能排程并形成模具装拆任务工作序列,各装卸区中的各个工位根据工作序列顺序完成模具的装夹与拆卸。
进一步,所述路径规划单元中,采用蚁群算法求解得到多因素影响下的最优运输路径,为了避免算法进入早熟,将A*算法得到的次优解作为一个先验知识;优化后的信息素更新公式为:
其中,τ(i)为栅格节点i的信息素浓度,c1为小于0的常数;d(p,i)表示为节点P到节点i的欧式距离;p为A*算法经过的栅格节点;i为节点p周围的栅格节点;count(i)表示A*算法中当前节点P到周围可行节点i的栅格数目总和;
在m只蚂蚁寻路完成之后,需要对以上信息素进行更新;考虑AGV的转弯次数因素,对信息素浓度增加量的定义进行修正,从而将转弯次数与路径长度均衡考虑,则信息素浓度增加量/>为:
其中,c2为路径长度影响因子;c3为转弯因子;Q表示常数;Lk表示为第k只蚂蚁所走路径长度;Tk为从起点到终点的转弯次数的总和;Ci表示当前节点i周围的可行节点的集合;
在t+1次迭代中节点i到节点j的信息素浓度更新方式为:
其中,ρ为信息素挥发因子;m为第t次迭代的蚂蚁总数;τij(t)为第t次迭代中节点i到节点j的信息素浓度;为在第t次迭代中蚂蚁k从节点i到节点j的信息素浓度增加量。
进一步,所述生产调度管理模块包括计划排产单元、排产仿真单元和生产扰动重调度单元;
所述计划排产单元用于对不同批次的熔铸装药产品生产任务进行管理,根据熔铸装药无人生产线的包括工位状态、任务下达时间、任务交货期限、设备产能和工艺要求的影响因素用遗传算法计算出不同优化目标下的最佳排产方案;
所述排产仿真单元用于对不同的生产任务进行仿真模拟,以查看生产运行情况和甘特图,验证计划排产方案的合理性和可操作性,向用户展示最优的排产结果;
所述生产扰动重调度单元在熔铸装药生产过程中发生包括熔铸工艺约束变更、生产资源约束变更和工序执行时间误差的造成生产计划执行出现偏差的动态扰动事件时,对动态事件做出重调度响应机制并得到新的调度方案;通过所述排产仿真单元仿真模拟判断调度方案是否满足要求,若方案满足要求,则执行新的生产调度方案,实现生产调度的智能调整和决策。
进一步,所述计划排产单元中,建立生产调度模型表示熔铸装药产品调度的目的和约束,调度模型为:
f=max(min{RT1-(T1k+b1k),RT2-(T2k+b2k),···,RTj-(Tjk+bjk)})
其中,j为生产任务编号;K为该任务下的工序数量;RTj为任务j的要求完成时间;Tjk为任务j中的第k道工序的开始时间,bjk为任务j中的第k道工序执行时间;
采用种群生产策略,在交叉和变异中使用了工序、机器变量定点交叉,以避免非可行解的产生,节约非可行解的修正时间,并使用局部搜索策略,避免陷入局部最优解,最终通过调度模型求解得到多约束条件下的熔铸装药生产任务最佳生产调度方案。
进一步,所述生产扰动重调度单元中采用生产时间偏差容忍度评估在扰动因素影响下的生产计划偏离程度,实现对熔铸装药无人生产线各个工序生产时间波动进行定量化控制;生产时间偏差容忍度δ为:
其中,和max(Ti)分别表示计划排产单元的预测生产完成时间和实际排产过程中的完工时间;
对于给定的最大生产时间偏差容忍度δmax,当由于产生生产动态扰动事件导致δ超过最大生产时间偏差容忍度δmax时,则利用基于生产扰动处理机制的时间表对生产计划进行重调度。
进一步,所述产线故障报警管理模块包括安全评估预警单元和设备故障评估预警单元;
所述安全评估预警单元用于对熔铸装药无人生产线存在的包括人为因素、环境因素和设备因素的危险源进行安全风险评估,预测可能发生的危险情况及相关概率,通过分级预警的方式提醒管理人员采取相应安全控制措施,避免发生安全事故;
所述设备故障预警单元用于对熔铸装药无人生产线所有作业区域的熔铸设备进行集中监控、并对关键零部件的包括振动、转速、温度、发电时长的数据进行深度挖掘,利用神经网络模型预判设备运行状态,实现设备故障智能预警,提醒管理人员对设备进行预防性维护。
本发明的有益效果在于:
本发明的熔铸装药无人生产线的智能管控***,通过对***整体架构进行设计,从物理设备层、数据感知层、孪生模型层和应用服务层四个层面,对熔铸装药无人生产线整体智能管控模式进行了架构,解决了现有熔铸装药无人生产线智能化管控水平低,无法基于全流程全要素信息做出智能自主决策的问题;通过本发明的熔铸装药无人生产线的智能管控***,能够提高熔铸装药无人生产线在保证生产安全和产品成型质量要求下对熔铸工艺、物流运输和生产调度的智能化、精细化管控水平,实现熔铸装药无人生产线的安全高效生产目标。具体的,本发明的熔铸装药无人生产线的智能管控***具有以下优点:
1)通过采集多源异构生产线数据,对生产线整体运行状态及变化趋势进行智能评估,依据评估结果采取主动预警与调控措施,从而提升了熔铸装药无人化生产的智能化管控水平,实现了熔铸装药无人生产线的安全高效生产目标;
2)为熔铸装药无人化生产提供了全流程全要素信息的一体化集成管控平台,填补了国内熔铸装药无人生产线智能管控方法的空白,提高了熔铸装药无人生产线的安全水平和生产效率;
3)可视化监控模块可以实现对熔铸装药无人生产线上生产行为和生产资源数据的远程可视化监控,使管理人员在人机隔离要求下远程实时掌握生产线运行状态,及时发现装药过程的异常情况,相较于传统的视频监控***可以更为全面、精准地监控熔铸装药无人化生产的全流程全要素信息;
4)熔铸工艺管理模块可以将熔铸***生产过程中的人工操作环节长期形成的人工经验参数、工艺规范和工艺流程问题库等总结形成工艺知识库,然后通过智能工艺决策快速准确生成新工况下熔铸装药产品的工艺路线,为熔铸装药无人生产线提供工艺资源保障,提升了工艺管理水平,降低了工艺设计人员的劳动强度;
5)物流运输管理模块可以通过人工智能算法形成熔铸装药原料、药液和模具运输路径规划及调度方案,驱动物料AGV小车、运输叉车等完成熔铸装药无人生产线物料在不同作业区域的及时配送,消除运输路径潜在冲突,避免了转运时间过长或物流路径冲突等问题,实现危险品全程无人化安全流转;
6)生产调度管理模块负责熔铸装药无人生产线的计划排产、排产仿真和生产扰动重调度,对生产线的生产任务进行统筹管理,计算不同约束条件下的最佳排产方案;当发生熔铸工艺约束变更、生产资源约束变更等动态扰动时,自动更新生产调度方案,实现生产调度的智能调整和决策,极大地方便了生产计划人员的日常工作;
7)产线故障报警管理模块可以对熔铸装药无人生产线的生产安全和设备状态进行智能化管理,对熔铸装药无人生产线的物料、设备和环境等危险源进行综合安全风险评估,通过分级预警机制提醒管理人员及时处置;对熔铸设备故障进行智能预警,提醒管理人员对设备进行预防性维护,保障生产过程安全运行。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明熔铸装药无人生产线的智能管控***实施例的框架图;
图2为本实施例开发的熔铸装药无人生产线的智能管控***的主界面示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
如图1所示,本实施例的熔铸装药无人生产线的智能管控***,包括物理设备层、数据感知层、孪生模型层和应用服务层。下面,本实施例分别对物理设备层、数据感知层、孪生模型层和应用服务层的具体实施方式进行详细说明。
1、物理设备层
物理设备层是熔铸装药无人生产线的物理实体,包括熔铸过程的自动化熔铸设备、熔铸装药原料、自动导引运输车等,以及用于数据采集与通讯的智能感知设备等,通过各物理设备之间的有机配合,实现熔铸装药全流程无人化生产任务。即本实施例中,物理设备层包括用于组成熔铸装药无人生产线的智能熔铸装药设备、智能物流运输车和智能感知设备,熔铸装药无人生产线可按照设定程序自动完成熔铸装药生产的各项工序,实现人机隔离和自动化生产,提高了熔铸工艺过程的本质安全化水平。
2、数据感知层
数据感知层是使用智能传感设备和工业通讯协议,并借助大数据清洗和数据融合技术、智能感知和分类采集熔铸装药无人生产线的设备、物料、环境和能耗等生产要素实时状态数据和运行信息,对采集的各类数据进行预处理,最后分类存储在数据库中以备之后对其进行调用,实现熔铸装药无人生产线全流程全要素数据的智能感知。本实施例中,数据感知层包括数据采集模块、数据预处理模块和数据存储模块,用于对熔铸装药无人生产线多源异构数据的实时采集,然后对采集的数据进行预处理,最后存储至数据库,为熔铸装药无人生产线智能管控***提供数据支持。
2.1、数据采集模块
数据采集模块用于实时采集熔铸装药无人生产线的多源异构数据,多源异构数据包括通过熔铸设备控制***、传感器感知和企业信息管理***采集的包含熔铸设备运行数据、物料仓储数据和生产环境指标数据的生产资源信息。
熔铸装药无人生产线的数据主要包含生产计划数据、设备***运行数据、物料仓储数据和传感器检测数据等多源异构数据。针对熔铸装药无人生产线不同来源的数据,采取熔铸设备控制***采集方式、传感器感知采集方式和企业信息管理***获取方式采集多源异构数据。
①熔铸设备控制***采集方式:熔铸装药无人生产线上的熔铸设备内置控制***,利用OPC UA、MTConnect等工业信息通讯协议从熔铸设备控制***提供的数据接口实时采集设备***运行数据。设备***运行数据包括设备开关机状态、设备工艺参数、设备运行时间、单道工序加工时间等数据;
②传感器感知采集方式:对于在熔铸装药无人生产线上不能从设备中直接获取的状态信息,可以在需要采集信息的部位安装相应的传感器,通过数据采集***获取数据。在熔混锅中用温度计测量药液温度;在模具外部安装红外热像仪测量模具壁面温度;在熔铸装药生产现场用温湿度计测量温度和湿度等环境信息。
③企业信息管理***:熔铸装药无人生产线上每批次产品生产计划信息、原材料的物性参数、成分配比,以及模具型号等数据作为熔铸装药无人生产线的智能管控***的输入变量,需要提前获取。以上数据可以从企业的ERP、MES等信息管理***中导出,提高***模拟仿真的准确度。
2.2、数据预处理模块
数据预处理模块依次对数据采集模块采集的多源异构数据进行包括清洗和降维的数据进行预处理,以清除空值、缺失值或重复记录的数据,得到能够直接用于分析计算的数据。具体的,从熔铸装药无人生产线上采集的数据往往不能直接用于分析计算,需要对数据进行预处理。首先进行数据清洗,本实施例利用基于散列表的数据清洗算法将采集的数据进行审查和校验,从而清除空值、缺失值或重复记录的数据。各类数据的属性特征可能存在关联,从而影响最终的分析结果,因此采用主成分分析法对数据进行降维,保证低维数据与原数据特征的最大相似。经过以上步骤完成对数据样本库的清洗、降维,得到能够直接用于分析计算的数据。
2.3、数据存储模块
数据存储模块将预处理后的熔铸装药无人生产线多源异构数据进行分类整理,分为时序型数据和关系型数据,其中时序型数据如传感器采集的高频率大数据,关系型数据如设备启停状态信息数据。将不同类型的数据进行分类存储,形成对应的时序型数据库和关系型数据库,以供熔铸装药无人生产线智能管控***调用。本实施例中,将预处理后的熔铸装药无人生产线多源异构数据以属性标识符进行分类整理,分为时序型数据和关系型数据,其中时序型数据如传感器采集的高频率大数据,关系型数据如设备启停状态信息数据。然后将两种类型的数据均以JSON格式进行封装,时序型数据的JSON文件格式包含了设备标识、设备信息、实时数据、时间戳等必要属性,关系型数据的JSON文件包含设备标识、设备工作状态、任务执行情况等属性。按时间线分类存储在时序型数据库和关系型数据库中,以供熔铸装药无人生产线智能管控***调用。
3、孪生模型层
孪生模型层是物理设备层中的熔铸装药无人生产线在虚拟空间中的重构和数字化映射,由虚拟模型和生产感知数据有机结合,实现物理生产线与虚拟生产线的实时映射。通过建立物理生产线的几何、物理、行为、规则等特征模型,在虚拟的数字化空间实时呈现熔铸装药生产过程,实现透明化生产。本实施例中,孪生模型层包括虚拟模型模块和虚实映射模块,实现物理生产线向虚拟生产线的实时映射,即熔铸装药无人化生产作业过程的同步映射,可以使管理人员在人机隔离下直观、快速地掌握熔铸装药无人生产线的生产情况,及时发现生产中的异常,采取相应处置措施。
3.1、虚拟模型模块
虚拟模型模块用于构建、存储、管理熔铸装药无人生产线物理实体中所涉及的熔铸设备、AGV小车、装卸机器人和物料等的虚拟信息模型,虚拟信息模型包括几何模型、物理模型、行为模型和规则模型。其中,为了完成物理生产线实体向虚拟空间的完整映射,需建立物理实体的几何模型,包括外形、几何尺寸、初始位置、与其他设备或工装的定位关系等;根据实际运动模式、约束、经验总结建立物理模型、行为模型、规则模型。
本实施例中,虚拟模型是对熔铸装药无人生产线的数字化重建,是对熔铸设备、AGV小车、装卸机器人和物料等物理实体几何、物理、行为、规则等特征的虚拟映射。熔铸装药无人生产线由物料熔混***、浇注***和成型***组成,其中对于熔铸设备而言,所述几何模型包括设备结构、形状大小信息;物理模型包括物理材质、体积、重量、运动机构的联动关系信息;行为模型包括设备运行过程中的动作姿态;规则模型包括设备校准时间、维护保养周期、设备故障率信息。对于物料而言,所述物理模型包括物料的材料属性、外形颜色、体积、重量信息;规则模型包括物料编号、物料用途、出入库检验要求信息。
具体的,熔铸装药无人生产线的虚拟模型构建步骤如下:首先使用SolidWorks对熔铸装药无人生产线上的物理实体进行参数化建模;然后使用3D MAX进行模型的贴图纹理映射,提高虚拟模型的仿真度;最后在Unity3D软件中进行虚拟熔铸装药无人生产线的模型结构设计、光线渲染的设计等,从而搭建熔铸装药无人生产线的虚拟场景。通过将物理生产线工艺流程规则转化成孪生模型仿真运行的逻辑,保证熔铸装药无人生产线上设备按照既定逻辑规则连接,从而高保真度展现熔铸装药无人生产线的生产过程。
3.2、虚实映射模块
虚实映射模块利用实时采集的多源异构实数据驱动熔铸装药无人生产线的虚拟信息模型进行虚拟模型,还原生产线现场的生产状况,保证虚拟场景中各个生产要素与物理生产线中的状态同步,如熔铸设备的生产数据与姿态信息、AGV小车的运行状态与位置信息等,实现熔铸装药无人化生产过程的透明化生产。
在熔铸装药无人生产线的虚拟场景中,利用实时采集的多源异构实数据驱动熔铸装药无人生产线虚拟模型,还原生产线现场的生产状况,保证虚拟场景中各个生产要素与物理生产线的状态同步,如熔铸设备的生产数据与姿态、AGV小车的运行状态与位置信息等。
在智能管控***中编辑模型运动脚本,调用Update函数,实时更新虚拟模型Transform组件下的position、rotation和scale属性参数;在运动脚本中通过Gameobject.component函数将脚本绑定到对应的熔铸设备虚拟模型上,从而实现智能管控***运行过程中每帧更新一次熔铸设备的实时位置,使物体可以平移、旋转和缩放。通过以上方式实时展示熔铸装药无人生产线的生产行为,例如在熔混阶段搅拌制备药液的行为、在浇注阶段将药液浇注至模具的行为和在成型阶段对模具中药液进行保温护理的行为。
4、应用服务层
应用服务层是借助工业大数据、人工智能算法对熔铸装药无人生产线的生产要素、熔铸工艺、物流运输和生产计划等数据流和信息流进行集中一体化智能管理,基于熔铸装药生产全流程全要素信息做出智能自主决策,形成精益生产管控中心,实现对熔铸装药无人生产线的智能化、精细化管控。本实施例中,应用服务层包括可视化监控模块、熔铸工艺管理模块、物流运输管理模块、生产调度管理模块和产线故障报警管理模块,用于分析和预判熔铸装药无人生产线整体运行状态及其变化趋势,对多要素进行协同智能管控,实现智能工艺、智能物流和智能调度等关键技术。
其中,应用服务层中的熔铸工艺管理模块、物流运输管理模块、生产调度管理模块和产线故障报警管理模块以数据交互总线平台为基础,构建一个以熔铸装药生产状态智能管控中心为核心的熔铸装药无人生产线全流程全要素智能管控***,并具有与熔铸装药车间的ERP***、MES***和PDM***等信息***集成和数据交换共享的能力,贯通使用熔铸装药无人生产线微***内的设备信息、产品信息、工艺信息、库存信息和物流信息等数据流和信息流。
如图2所示,为本实施例开发的熔铸装药无人生产线的智能管控***的主界面示意图。应用服务层可以通过生产资源可视化看板实时监控熔铸装药无人生产线的生产计划、物料仓储、设备状态和生产环境等生产资源信息,通过应用服务功能模块实现对熔铸装药无人生产线的熔铸工艺、生产调度、物流运输和故障报警的集中智能化管控。
4.1、可视化监控模块
可视化监控模块包括生产计划监控看板、设备状态监控看板、物料仓储监控看板和生产环境监控看板,用于实时监控熔铸装药无人生产线的生产资源信息。
生产计划监控看板可以对该批次熔铸装药产品的计划开始时间、计划结束时间、产品数量、工序内容等生产信息进行监控,查看整个生产过程的生产资源和方案的计划信息。设备状态监控看板可以对熔铸装药无人生产线所有作业区域的熔铸设备运行状态进行集中监控,包括不同熔铸设备运维信息、设备启停状态、设备运行时长、当前工艺参数、设备能耗值等,当设备状态出现异常时进行自动预警,提醒管理人员对设备进行预防性维护。物料仓储监控看板可以对制备熔铸装药的原材料、功能助剂等物料进行集中监控,包括物料名称、存放位置、存放数量和所属批次等信息,实时更新物料出入库及库存信息,跟踪原材料在仓库和工序之间的流转情况,同时可对物料库存量进行自动预警。生产环境监控看板可以监测熔铸装药无人生产线不同作业区域的环境温度、湿度、粉尘等环境参数,针对异常环境参数进行预警,保证熔铸装药生产环境安全可控。
将熔铸装药无人生产线实时采集的多源异构数据传输至智能管控***中并对数据作可视化处理,利用UGUI***建立UI可视化界面。其中,通过文本组件显示熔铸装药原材料的类型、成分配比和用量等生产计划数据;通过滑条组件显示熔铸装药设备开机状态、程序运行状态等设备状态参数;通过曲线图组件显示熔铸装药过程中搅拌转速、加热温度等工艺参数变化趋势等,最后通过On GUI函数实现对以上数据的实时更新。
4.2、熔铸工艺管理模块
熔铸工艺管理模块包括工艺知识库单元、工艺案例推理单元和工艺智能决策单元,用于对熔铸装药无人生产线的生产工艺进行智能化管理。
工艺知识库单元包括***原材料参数库、熔铸设备参数库、工艺规则库、产品模型库和工艺质量问题库,可以利用机器学习与自然语言理解等人工智能技术对熔铸装药生产过程中传统的人工经验知识、企业长期形成的工艺规范和工艺管理制度、国家公开发布的工艺标准和手册等工艺知识统一分类和编码,并存入熔铸工艺知识库,实时更新维护大量的工艺专家经验、工艺数据以及熔铸生产实例等。其中,***原材料参数库存储材料的物理性能参数,如TNT、铝粉的密度、粒径、熔点与感度等数据。熔铸设备参数库存储设备的工作性能参数信息,包含设备类型、工艺参数和运维信息等;工艺规则库存储设计熔铸装药工艺路线遵循的规则、推理方法等数据。产品模型库存储模具模型,包含内径、外径与壁厚等数据。构建工艺知识库方法如下:首先对熔铸装药工艺知识分类,根据其在生产过程中的应用可以分为客观性和主观性知识,客观性知识主要是指企业长期形成的工艺规范和工艺管理制度等,主观性知识是指熔铸装药生产过程中传统的人工经验知识;然后进行概念设计,主要方法是实体-联系法,用E-R图的形式来展示熔铸装药生产过程中工艺决策的影响因素以及不同因素之间的联系;最后将工艺知识数据以表格的形式存放在关系型数据库中,实时更新和维护熔铸工艺专家经验、工艺数据以及熔铸生产实例等。
工艺案例推理单元针对包括不同装药材料、颗粒级配和固相含量的新工况,将当前新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺相匹配,如果匹配度较高,则可借用工艺知识库中的相似工艺,修改实现新工况下的熔铸工艺流程设计和工艺参数选择;如果无法匹配典型工艺,则利用工艺规则和工艺推理来确定新工况下的熔铸工艺流程设计和工艺参数选择。具体的,本实施例的工艺案例推理单元中,针对熔铸工艺中的事实型知识,如熔铸资源知识、熔铸缺陷知识、工艺实例知识等,采用基于知识匹配技术对熔铸工艺的案例知识进行匹配式生成。首先是案例结构设计,将工艺知识库中的案例结构表示为:Case(F,R),式中F是描述问题特征的集合,R是描述解决方案特征的集合。从而,将案例库表示为:
Case={casei|casei(Fi,Ri),i=1,2,...,N}
其中,Case为案例库,Casei表示案例库的第i个案例;Fi表示第i个案例中描述问题特征的集合;Ri表示第i个案例中描述解决方案特征的集合;N表示案例库中所包含的案例数量。通过以上案例结构设计,便于后续将目标案例与案例库的案例进行对比。其次是案例组织检索,利用最近邻法将目标案例与案例库的案例进行对比,具体公式为:
其中,Sim(xi)表示新工况与工艺知识库中的案例总相似度,ωk表示属性k的权值,xik表示具备属性k的案例,Simak(xik)表示属性k下的案例相似度;m表示属性的数量。
若Sim(xi)的值大于等于设定阈值,则表明新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺的匹配度较高,此时可借用工艺知识库中的相似工艺,修改实现新工况下的熔铸工艺流程设计和工艺参数选择。
针对熔铸工艺中的推理型知识,如熔铸工艺参数、熔铸缺陷知识、工艺实例知识等,采用基于模糊规则推理的焊接工艺生成方法。首先采用三角隶属度函数对输入的新工况熔铸工艺条件模糊化预处理,其中工艺条件包括熔铸***配方、颗粒级配、熔铸装药设备等。然后采用Mamdani推理机进行模糊推理运算,其规则推理形式如下:
Rule1:Ifx1isA1,1andx2isA2,1and,···,andxnisAn,1B1ThebyisB1
其中,xi为规则前件,Ai,j为条件变量xi的模糊集,y为规则后件,Bj为结论变量y的模糊集;根据条件xi和模糊规则Ai,j推理得出新工况下的熔铸工艺方案。
工艺智能决策单元针对工艺案例推理单元获取的新工况的熔铸工艺流程设计和工艺参数选择进行仿真模拟,验证该新工艺方案的可行性,最后通过智能决策生成熔铸装药制备工艺方案。工艺决策主要是对熔铸装药制备工艺知识进行表达,生产合理的新工况下熔铸装药工艺路线。
4.3、物流运输管理模块
物流运输管理模块包括路径规划单元、路径冲突消解单元、物料缓存区调度单元和模具装卸区调度单元,用于对熔铸装药无人生产线的原材料和模具运输进行智能化管理。
4.3.1、路径规划单元
路径规划单元用于形成包括铝粉、TNT和功能助剂的原材料以及模具的物流运输计划,以包括物料存放时间、物流搬运效率、药液冷却温度的约束条件优化运输路径,驱动AGV运输小车完成原材料和模具在库房、在制品区、成品区和线边库之间的及时配送转运。其中,熔铸工序之间严格的先后关系、物料存放时间、药液冷却温度和运输转弯次数等因素均对物流调度有重要影响,传统蚁群算法在求解时具有盲目性大、寻找路径过长和收敛速度过慢等问题。
本实施例的路径规划单元中,采用改进蚁群算法求解得到熔铸装药无人生产线上多因素影响下的最优运输路径,为了避免算法进入早熟,将A*算法得到的次优解作为一个先验知识;优化后的信息素更新公式为:
其中,τ(i)为栅格节点i的信息素浓度,c1为小于0的常数;d(p,i)表示为节点P到节点i的欧式距离;p为A*算法经过的栅格节点;i为节点p周围的栅格节点;count(i)表示A*算法中当前节点P到周围可行节点i的栅格数目总和;
在m只蚂蚁寻路完成之后,需要对以上信息素进行更新,传统蚁群算法只考虑了路径长度带来的成本问题,而本实施例考虑了AGV的转弯次数对信息素的影响,并对信息素浓度增加量的定义进行修正,从而将转弯次数与路径长度均衡考虑,则信息素浓度增加量为:
其中,c2为路径长度影响因子;c3为转弯因子;Q表示常数;Lk表示为第k只蚂蚁所走路径长度;Tk为从起点到终点的转弯次数的总和;Ci表示当前节点i周围的可行节点的集合。因此,在t+1次迭代中节点i到节点j的信息素浓度更新方式为:
其中,ρ为信息素挥发因子;m为第t次迭代的蚂蚁总数;τij(t)为第t次迭代中节点i到节点j的信息素浓度;为在第t次迭代中蚂蚁k从节点i到节点j的信息素浓度增加量。通过路径规划单元驱动AGV运输小车完成原材料和模具在库房、在制品区、成品区和线边库之间的及时配送转运。
4.3.2、路径冲突消解单元
路径冲突消解单元用于确保各个原材料和模具的物流运输路径不会产生冲突,当两个或多个输送任务在同一段路径上相向而行,计算它们存在冲突或潜在冲突的可能性,若超过阈值则利用优化算法重新规划运输路径,消解冲突或潜在冲突,避免发生碰撞引起的安全事故。本实施例中,当两个或多个输送任务在同一段路径上相向而行,若至少两个输送任务存在冲突时,以按照优先级从大至小的顺序使各输送任务依次通过的方式消解冲突或潜在冲突,避免发生碰撞引起的安全事故。
具体的,路径冲突消解单元用于确保各个物料和模具的物流运输不会产生冲突,消解多个AGV在同一段运输路径上存在的潜在冲突。为判定熔铸装药无人生产线AGV优先级移动序列,提出基于动态优先级的冲突消解策略算法,假设AGV小车Ra的优先级可表述为PRIa,当发生路径冲突时,Ra与运输终点的距离为la,另一AGV小车Rb与运输终点的距离为lb,当la>lb时,则PRIa比PRIb低,即PRIa<PRIb,其中a≠b。对熔铸装药无人生产线的AGV进行实时监控,利用RFID读写和发送装置获取当前搬运任务信息、AGV实时位置信息和AGV故障信息等,当多个AGV发生潜在冲突时,利用冲突消解策略算法进行计算,例如,若各个AGV的l1>l2>l3>l4,则对应的优先级序列为PRI1>PRI2>PRI3>PRI4。令优先级较低的AGV在冲突区外暂停前进,等待优先级较高的AGV通过冲突区后再开始行驶,保证不同时占用同一路径资源。从而消解多个AGV运输存在的潜在冲突,避免发生碰撞引起的安全事故。
4.3.3、物料缓存区调度单元
由于熔铸装药无人生产线各个工序的生产节拍不同,如药液浇注工序作业时间短而药液凝固工序作业时间长,从上一道工序运输到下一道工序可能需要在缓存路径上,将物料暂存于缓存区。物料缓存区调度单元连接位于上一道工序和下一道工序间的路径上的各物料缓存区,用于确保设备生产不断供,减少并行设备前的路径拥堵,并使缓存区容量均等,才能确保输送及时,确保设备负载均衡。当某工序的熔铸设备造成停产时,缓存区内存放的物料过多,可以动态调整无人生产线上各个缓存区容量,避免产生物料堆积和资源浪费现象。
4.3.4、模具装卸区调度单元
模具装卸区调度单元用于管理模具从运输车上卸货至装夹至凝固工位的全过程中在装卸区的存放和转运,根据任务紧急程度及凝固工位各任务执行情况,对模具的装拆任务进行智能排程并形成模具装拆任务工作序列,各装卸区中的各个工位根据工作序列顺序完成模具的装夹与拆卸。
4.4、生产调度管理模块
生产调度管理模块包括计划排产单元、排产仿真单元和生产扰动重调度单元,用于对熔铸装药无人生产线的生产调度进行智能化管理。
4.4.1、计划排产单元
计划排产单元用于对不同批次的熔铸装药产品生产任务进行管理,根据熔铸装药无人生产线的工位状态、任务下达时间、任务交货期限、设备产能和工艺要求等影响因素用遗传算法计算出不同优化目标下的最佳排产方案,计算结果精确到具体的熔铸工序、人员、开始结束、结束时间以及使用的设备。本实施例的计划排产单元中,建立生产调度模型表示熔铸装药产品调度的目的和约束,调度模型为:
f=max(min{RT1-(T1k+b1k),RT2-(T2k+b2k),···,RTj-(Tjk+bjk)})
其中,j为生产任务编号;K为该任务下的工序数量;RTj为任务j的要求完成时间;Tjk为任务j中的第k道工序的开始时间,bjk为任务j中的第k道工序执行时间。该调度模型是使熔铸装药无人生产线上的任务尽量早完成,求取不同工况下熔铸装药任务的预计完成时间与任务要求完成时间的差值,获取其中的最小值,在满足约束条件下,使该最小值尽可能大。
采用种群生产策略,在交叉和变异中使用了工序、机器变量定点交叉,以避免非可行解的产生,节约非可行解的修正时间,并使用局部搜索策略,避免陷入局部最优解,最终通过调度模型求解得到多约束条件下的熔铸装药生产任务最佳生产调度方案。
4.4.2、排产仿真单元
排产仿真单元用于对不同的生产任务进行仿真模拟,查看生产运行情况和甘特图,验证计划排产方案的合理性和可操作性,向用户展示最优的排产结果。本实施例采用统一建模语言UML对熔铸装药无人生产线各种资源进行分析,根据排产方案,加载生产订单、工艺信息和设置相应的模型仿真参数。模型仿真运行后,通过甘特图、设备效率、生产批次变化趋势图等对仿真指标进行分析,如果没有满足优化指标,则调整排产方案后,重复进行。
4.4.3、生产扰动重调度单元
当熔铸装药生产过程中发生动态扰动事件时,如熔铸工艺约束变更、生产资源约束变更和工序执行时间误差等造成生产计划执行出现偏差,生产扰动重调度单元可以对动态事件做出重调度响应机制并得到新的调度方案。通过仿真模拟判断调度方案是否满足要求,若方案满足要求,则执行新的生产调度方案,实现生产调度的智能调整和决策。其中,使工艺约束变更的扰动事件包括任务要求完成时间提前、紧急插单、生产任务取消等,生产资源要素变更的扰动事件包括熔铸设备故障、物料缺失、环境参数超标等,工序执行时间误差的扰动事件包括物料配送延时、日作业计划执行时间误差、设备问题排故等。本实施例的生产扰动重调度单元中采用生产时间偏差容忍度评估在扰动因素影响下的生产计划偏离程度,实现对熔铸装药无人生产线各个工序生产时间波动进行定量化控制;生产时间偏差容忍度δ为:
其中,和max(Ti)分别表示计划排产单元的预测生产完成时间和实际排产过程中的完工时间;
对于给定的最大生产时间偏差容忍度δmax,当由于产生生产动态扰动事件导致δ超过最大生产时间偏差容忍度δmax时,则利用基于生产扰动处理机制的时间表对生产计划进行重调度。通过仿真模拟判断调度方案是否满足要求,若方案满足要求,则执行新的生产调度方案,实现生产调度的智能调整和决策。
4.5、产线故障报警管理模块
产线故障报警管理模块包括安全评估预警单元和设备故障评估预警单元,用于对熔铸装药无人生产线的生产安全和设备状态进行智能化管理。
安全评估预警单元可以对熔铸装药无人生产线存在的大量危险源,包括人为因素、环境因素和设备因素等进行安全风险评估,预测可能发生的危险情况及相关概率,通过分级预警的方式提醒管理人员采取相应安全控制措施,避免发生安全事故。其中,人为因素指人员误入无人化生产区域或进行错误管理操作等;环境因素指生产车间的工作温度、湿度和粉尘等因素;设备因素指设备的运行状态是否正常、设备是否会出现故障等因素。
设备故障预警单元通过对熔铸装药无人生产线所有作业区域的熔铸设备进行集中监控,对关键零部件的振动、转速、温度、发电时长等数据进行深度挖掘,利用神经网络算法预判设备运行状态,实现设备故障智能预警,提醒管理人员对设备进行预防性维护。本实施例中,通过构建CNN-LSTM混合神经网络预判设备运行状态,实现设备故障智能预警。CNN模型包含卷积层、池化层和全连接层,LSTM模型包含输入层、双隐含层和输出层,以提取的多维时序关键特征变量如振动、转速、温度、发电时长等数据作为CNN-LSTM网络输入,输出为设备故障类型。LSTM模型输入为CNN所提取的特征参数,输出为当前时刻设备运行状态参数,如熔混锅轴承温度等,通过CNN可以提取综合前一时刻与当前时刻运行数据的特征参数。综合状态监测结果和故障预警结果来判断目标设备在下一阶段是否能正常运行,从而提醒管理人员制定合理的预测性维护计划。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种熔铸装药无人生产线的智能管控***,其特征在于:包括物理设备层、数据感知层、孪生模型层和应用服务层;
所述物理设备层包括用于组成熔铸装药无人生产线的智能熔铸装药设备、智能物流运输车和智能感知设备,所述熔铸装药无人生产线可按照设定程序自动完成熔铸装药生产的各项工序,实现人机隔离和自动化生产;
所述数据感知层包括数据采集模块、数据预处理模块和数据存储模块,所述数据采集模块用于实时采集熔铸装药无人生产线的多源异构数据,所述多源异构数据包括通过熔铸设备控制***、传感器感知和企业信息管理***采集的包含熔铸设备运行数据、物料仓储数据和生产环境指标数据的生产资源信息;所述数据预处理模块依次对所述数据采集模块采集的多源异构数据进行包括清洗和降维的数据进行预处理,以清除空值、缺失值或重复记录的数据,得到能够直接用于分析计算的数据;所述数据存储模块用于对经所述数据预处理模块预处理后的多源异构数据分类整理为时序型数据和关系型数据,并将所述时序型数据和关系型数据分别存储在时序型数据库和关系型数据库内;
所述孪生模型层包括虚拟模型模块和虚实映射模块,所述虚拟模型模块包括几何模型、物理模型、行为模型和规则模型,并用于构建、存储、管理熔铸装药无人生产线物理实体的虚拟信息模型;所述虚实映射模块利用实时采集的多源异构实数据驱动熔铸装药无人生产线的虚拟信息模型,还原生产线现场的生产状况,保证虚拟信息模型中各个生产要素与物理生产线中的状态同步;
所述应用服务层包括可视化监控模块、熔铸工艺管理模块、物流运输管理模块、生产调度管理模块和产线故障报警管理模块,用于分析和预判熔铸装药无人生产线整体运行状态及其变化趋势,对多要素进行协同智能管控。
2.根据权利要求1所述的熔铸装药无人生产线的智能管控***,其特征在于:所述可视化监控模块包括生产计划监控看板、设备状态监控看板、物料仓储监控看板和生产环境监控看板;
所述生产计划监控看板用于对包括该批次熔铸装药产品的计划开始时间、计划结束时间、产品数量、工序内容的生产信息进行监控,以查看整个生产过程的生产资源和方案的计划信息;
所述设备状态监控看板用于对熔铸装药无人生产线所有作业区域包括不同熔铸设备运维信息、设备启停状态、设备运行时长、当前工艺参数和设备能耗值的熔铸设备运行状态进行集中监控,并在设备状态出现异常时进行自动预警,提醒管理人员对设备进行预防性维护;
所述物料仓储监控看板用于对制备熔铸装药的包括物料名称、存放位置、存放数量和所属批次的物料信息进行集中监控,以实时更新物料出入库及库存信息,跟踪原材料在仓库和工序之间的流转情况,同时对物料库存量进行自动预警;
所述生产环境监控看板用于监测熔铸装药无人生产线不同作业区域包括环境温度、湿度和粉尘的环境参数,并针对异常环境参数进行预警,保证熔铸装药生产环境安全可控。
3.根据权利要求1所述的熔铸装药无人生产线的智能管控***,其特征在于:所述熔铸工艺管理模块包括工艺知识库单元、工艺案例推理单元和工艺智能决策单元;
所述工艺知识库单元包括***原材料参数库、熔铸设备参数库、工艺规则库、产品模型库和工艺质量问题库,用于对熔铸装药生产过程中的包括传统人工经验知识、企业长期形成的工艺规范和工艺管理制度、国家公开发布的工艺标准和手册的工艺知识统一分类和编码,以实时更新维护工艺专家经验、工艺数据以及熔铸生产实例;
所述工艺案例推理单元针对包括不同装药材料、颗粒级配和固相含量的新工况,将当前新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺相匹配,如果匹配度较高,则可借用工艺知识库中的相似工艺,修改实现新工况下的熔铸工艺流程设计和工艺参数选择;如果无法匹配典型工艺,则利用工艺规则和工艺推理来确定新工况下的熔铸工艺流程设计和工艺参数选择;
所述工艺智能决策单元针对所述工艺案例推理单元获取的新工况的熔铸工艺流程设计和工艺参数选择进行仿真模拟,验证该新工艺方案的可行性,最后通过智能决策生成熔铸装药制备工艺方案。
4.根据权利要求3所述的熔铸装药无人生产线的智能管控***,其特征在于:所述工艺案例推理单元中,新工况的熔铸工艺流程设计和工艺参数的选择方法为:
首先将当前新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺相匹配,将工艺知识库中的案例库表示为:
Case={casei|casei(Fi,Ri),i=1,2,...,N}
其中,Case为案例库,Casei表示案例库的第i个案例;Fi表示第i个案例中描述问题特征的集合;Ri表示第i个案例中描述解决方案特征的集合;N表示案例库中所包含的案例数量;
其次是案例组织检索,利用最近邻法将目标案例与案例库的案例进行对比:
其中,Sim(xi)表示新工况与工艺知识库中的案例总相似度,ωk表示属性k的权值,xik表示具备属性k的案例,Simak(xik)表示属性k下的案例相似度;m表示属性的数量;
若Sim(xi)的值大于等于设定阈值,则表明新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺的匹配度较高,此时可借用工艺知识库中的相似工艺,修改实现新工况下的熔铸工艺流程设计和工艺参数选择;
若Sim(xi)的值小于等于设定阈值,则表明新工况与工艺知识库中的典型熔铸工艺和历史熔铸工艺的匹配度较低,利用模糊规则推理算法推理生成新工况下熔铸工艺方案,方法为:
Rule1:Ifx1isA1,1andx2isA2,1and,···,andxnisAn,1B1ThenyisB1
其中,xi为规则前件,Ai,j为条件变量xi的模糊集,y为规则后件,Bj为结论变量y的模糊集;根据条件xi和模糊规则Ai,j推理得出新工况下的熔铸工艺方案。
5.根据权利要求1所述的熔铸装药无人生产线的智能管控***,其特征在于:所述物流运输管理模块包括路径规划单元、路径冲突消解单元、物料缓存区调度单元和模具装卸区调度单元;
所述路径规划单元用于形成包括铝粉、TNT和功能助剂的原材料以及模具的物流运输计划,以包括物料存放时间、物流搬运效率、药液冷却温度的约束条件优化运输路径,驱动AGV运输小车完成原材料和模具在库房、在制品区、成品区和线边库之间的及时配送转运;
所述路径冲突消解单元用于确保各个原材料和模具的物流运输路径不会产生冲突,当两个或多个输送任务在同一段路径上相向而行,若至少两个输送任务存在冲突时,以按照优先级从大至小的顺序使各输送任务依次通过的方式消解冲突或潜在冲突,避免发生碰撞引起的安全事故;
所述物料缓存区调度单元用于连接位于上一道工序和下一道工序间的路径上的各物料缓存区,确保熔铸装药设备生产不断供,减少并行设备前的路径拥堵;当某工序的熔铸装药设备发生故障停产或缓存区内存放的物料过多时,所述物料缓存区调度单元可以动态调整无人生产线上各个缓存区容量,避免产生物料堆积和资源浪费现象;
所述模具装卸区调度单元用于管理模具从运输车上卸货至装夹至凝固工位的全过程中在装卸区的存放和转运,根据任务紧急程度及凝固工位各任务执行情况,对模具的装拆任务进行智能排程并形成模具装拆任务工作序列,各装卸区中的各个工位根据工作序列顺序完成模具的装夹与拆卸。
6.根据权利要求5所述的熔铸装药无人生产线的智能管控***,其特征在于:所述路径规划单元中,采用蚁群算法求解得到多因素影响下的最优运输路径,为了避免算法进入早熟,将A*算法得到的次优解作为一个先验知识;优化后的信息素更新公式为:
其中,τ(i)为栅格节点i的信息素浓度,c1为小于0的常数;d(p,i)表示为节点P到节点i的欧式距离;p为A*算法经过的栅格节点;i为节点p周围的栅格节点;count(i)表示A*算法中当前节点P到周围可行节点i的栅格数目总和;
在m只蚂蚁寻路完成之后,需要对以上信息素进行更新;考虑AGV的转弯次数因素,对信息素浓度增加量的定义进行修正,从而将转弯次数与路径长度均衡考虑,则信息素浓度增加量/>为:
其中,c2为路径长度影响因子;c3为转弯因子;Q表示常数;Lk表示为第k只蚂蚁所走路径长度;Tk为从起点到终点的转弯次数的总和;Ci表示当前节点i周围的可行节点的集合;
在t+1次迭代中节点i到节点j的信息素浓度更新方式为:
其中,ρ为信息素挥发因子;m为第t次迭代的蚂蚁总数;τij(t)为第t次迭代中节点i到节点j的信息素浓度;为在第t次迭代中蚂蚁k从节点i到节点j的信息素浓度增加量。
7.根据权利要求1所述的熔铸装药无人生产线的智能管控***,其特征在于:所述生产调度管理模块包括计划排产单元、排产仿真单元和生产扰动重调度单元;
所述计划排产单元用于对不同批次的熔铸装药产品生产任务进行管理,根据熔铸装药无人生产线的包括工位状态、任务下达时间、任务交货期限、设备产能和工艺要求的影响因素用遗传算法计算出不同优化目标下的最佳排产方案;
所述排产仿真单元用于对不同的生产任务进行仿真模拟,以查看生产运行情况和甘特图,验证计划排产方案的合理性和可操作性,向用户展示最优的排产结果;
所述生产扰动重调度单元在熔铸装药生产过程中发生包括熔铸工艺约束变更、生产资源约束变更和工序执行时间误差的造成生产计划执行出现偏差的动态扰动事件时,对动态事件做出重调度响应机制并得到新的调度方案;通过所述排产仿真单元仿真模拟判断调度方案是否满足要求,若方案满足要求,则执行新的生产调度方案,实现生产调度的智能调整和决策。
8.根据权利要求7所述的熔铸装药无人生产线的智能管控***,其特征在于:所述计划排产单元中,建立生产调度模型表示熔铸装药产品调度的目的和约束,调度模型为:
f=max(min{RT1-(T1k+b1k),RT2-(T2k+b2k),···,RTj-(Tjk+bjk)})
其中,j为生产任务编号;K为该任务下的工序数量;RTj为任务j的要求完成时间;Tjk为任务j中的第k道工序的开始时间,bjk为任务j中的第k道工序执行时间;
采用种群生产策略,在交叉和变异中使用了工序、机器变量定点交叉,以避免非可行解的产生,节约非可行解的修正时间,并使用局部搜索策略,避免陷入局部最优解,最终通过调度模型求解得到多约束条件下的熔铸装药生产任务最佳生产调度方案。
9.根据权利要求7所述的熔铸装药无人生产线的智能管控***,其特征在于:所述生产扰动重调度单元中采用生产时间偏差容忍度评估在扰动因素影响下的生产计划偏离程度,实现对熔铸装药无人生产线各个工序生产时间波动进行定量化控制;生产时间偏差容忍度δ为:
其中,和max(Ti)分别表示计划排产单元的预测生产完成时间和实际排产过程中的完工时间;
对于给定的最大生产时间偏差容忍度δmax,当由于产生生产动态扰动事件导致δ超过最大生产时间偏差容忍度δmax时,则利用基于生产扰动处理机制的时间表对生产计划进行重调度。
10.根据权利要求1所述的熔铸装药无人生产线的智能管控***,其特征在于:所述产线故障报警管理模块包括安全评估预警单元和设备故障评估预警单元;
所述安全评估预警单元用于对熔铸装药无人生产线存在的包括人为因素、环境因素和设备因素的危险源进行安全风险评估,预测可能发生的危险情况及相关概率,通过分级预警的方式提醒管理人员采取相应安全控制措施,避免发生安全事故;
所述设备故障预警单元用于对熔铸装药无人生产线所有作业区域的熔铸设备进行集中监控、并对关键零部件的包括振动、转速、温度、发电时长的数据进行深度挖掘,利用神经网络模型预判设备运行状态,实现设备故障智能预警,提醒管理人员对设备进行预防性维护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310236001.5A CN116540584A (zh) | 2023-03-13 | 2023-03-13 | 熔铸装药无人生产线的智能管控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310236001.5A CN116540584A (zh) | 2023-03-13 | 2023-03-13 | 熔铸装药无人生产线的智能管控*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116540584A true CN116540584A (zh) | 2023-08-04 |
Family
ID=87449483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310236001.5A Pending CN116540584A (zh) | 2023-03-13 | 2023-03-13 | 熔铸装药无人生产线的智能管控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116540584A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117270479A (zh) * | 2023-11-21 | 2023-12-22 | 清远欧派集成家居有限公司 | 造型板多工序加工生产线监测方法及*** |
CN117350492A (zh) * | 2023-10-13 | 2024-01-05 | 宿迁云瑞国科信息技术有限公司 | 一种对比历史数据智能调控的mes运行管理*** |
CN117523503A (zh) * | 2024-01-08 | 2024-02-06 | 威科电子模块(深圳)有限公司 | 基于厚膜电路板的制备设备安全监控方法及*** |
-
2023
- 2023-03-13 CN CN202310236001.5A patent/CN116540584A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350492A (zh) * | 2023-10-13 | 2024-01-05 | 宿迁云瑞国科信息技术有限公司 | 一种对比历史数据智能调控的mes运行管理*** |
CN117270479A (zh) * | 2023-11-21 | 2023-12-22 | 清远欧派集成家居有限公司 | 造型板多工序加工生产线监测方法及*** |
CN117270479B (zh) * | 2023-11-21 | 2024-02-06 | 清远欧派集成家居有限公司 | 造型板多工序加工生产线监测方法及*** |
CN117523503A (zh) * | 2024-01-08 | 2024-02-06 | 威科电子模块(深圳)有限公司 | 基于厚膜电路板的制备设备安全监控方法及*** |
CN117523503B (zh) * | 2024-01-08 | 2024-05-03 | 威科电子模块(深圳)有限公司 | 基于厚膜电路板的制备设备安全监控方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009739B (zh) | 一种智能机加车间生产计划与调度一体化方法 | |
Zhuang et al. | The connotation of digital twin, and the construction and application method of shop-floor digital twin | |
Wang et al. | Big data driven Hierarchical Digital Twin Predictive Remanufacturing paradigm: Architecture, control mechanism, application scenario and benefits | |
Wang et al. | A proactive material handling method for CPS enabled shop-floor | |
CN116540584A (zh) | 熔铸装药无人生产线的智能管控*** | |
CN112085261B (zh) | 基于云端融合和数字孪生技术的企业生产现状诊断方法 | |
Lee | Industrial ai | |
Han et al. | An overall review of research on prefabricated construction supply chain management | |
CN111915410B (zh) | 面向高动态生产物流过程的智能管控*** | |
CN112800668A (zh) | 基于数字孪生的复杂产品运维与制造集成总体模型 | |
Fengque et al. | Research on design of the smart factory for forging enterprise in the industry 4.0 environment | |
Jia et al. | From simple digital twin to complex digital twin part II: Multi-scenario applications of digital twin shop floor | |
CN106292580A (zh) | 一种智能集成式半导体制造执行*** | |
CN115097788A (zh) | 一种基于数字孪生工厂的智能管控平台 | |
CN113743876A (zh) | 一种用于核电装备的数字孪生无人仓库管理*** | |
CN116485576A (zh) | 一种航空制造业知源大脑数据智能制造管理平台 | |
CN111144632A (zh) | 一种电力储备物资的预测管控模型 | |
CN111915167A (zh) | 一种智能制造虚拟船厂信息模型构建方法 | |
Lin et al. | Integrated cyber physical simulation modelling environment for manufacturing 4.0 | |
CN116401951A (zh) | 集成多agv路径规划与多行设备布局优化方法 | |
CN115544775A (zh) | 一种数字孪生车间多维多层级模型构建与动态配置方法 | |
CN116703303A (zh) | 基于多层感知机与rbf的仓储可视化监管***及方法 | |
CN115946132A (zh) | 一种智能密集库与物流机器人***及其故障监测方法 | |
CN111650912A (zh) | 一种面向智慧工厂/车间的智能制造生产管理平台 | |
Hong et al. | Performance balance oriented product structure optimization involving heterogeneous uncertainties in intelligent manufacturing with an industrial network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |