Deset tehnologija za inteligentnu proizvodnju
Inteligentna proizvodna reforma uključuje cjelokupnu prerađivačku industriju, i nema sumnje da je riječ o velikom tržištu trilijuna. Pod-tržišta su velika plava oceana: kinesko tržište robota će dostići 600 milijardi juana u narednih 10 godina; Očekuje se da će kinesko tržište dronova dostići 11.09 milijardi juana u 2018; očekuje se da će do 2020. godine automatizovana logistika Kine biti veća od 100 milijardi juana ...
Inteligentna proizvodnja je veoma širok i vrlo širok koncept. Pored samog proizvodnog preduzeća, ona je takođe usko povezana sa gornjim i donjim preduzećima u lancu snabdevanja. To uključuje automatizaciju, informacionu tehnologiju, inteligentnu logistiku, inteligentno računarstvo i inteligentno donošenje odluka. Realizacija inteligentne proizvodnje je proces od ručnog do poluautomatskog do potpuno automatizovanog, u konačnici postizanje inteligentne i fleksibilne proizvodnje. Inteligentna proizvodnja kombinira proizvodnju s informacijskom tehnologijom i internetskom tehnologijom kako bi se ostvarila međusobna povezanost cijelog industrijskog lanca u proizvodnim procesima, upravljanju proizvodnjom, sustavima lanca opskrbe i marketinškim sistemima.
Kako kompanije implementiraju vlastite pametne proizvodne reforme? Sljedećih deset tehnologija su sve točke znanja:
1. Multi-source višekanalni podaci u realnom vremenu za prikupljanje i senzorska tehnologija
Prikupljanje podataka senzora sa više izvora je pretpostavka inteligentnog sensinga u inteligentnom proizvodnom procesu. Sastoji se od različitih senzora (senzor pritiska, senzor pomaka, vizualni senzor, itd.) Za realizaciju snimanja u realnom vremenu, analize i konverzije višestrukih i višekanalnih distribuiranih podataka. .
Sistem za prikupljanje podataka senzora sa više izvora uključuje sledeće tehnologije:
• Tehnologija konverzije signala
• Tehnologija komunikacije u realnom vremenu
• Multi-thread tehnologija upravljanja
• Tehnologija bazena za keš podataka
• Tehnologija Black Box
• Tehnologija informacijske sigurnosti
2. Heterogena fuzija sadržaja podataka i tehnologija deljenja prenosa
Kroz analizu sadržaja i fuzijsku obradu različitih heterogenih računskih podataka, otkrivanje skrivenih informacija i efektivnih podataka iz masivnih podataka, te poboljšanje točnosti nadzora stanja opreme u inteligentnom proizvodnom procesu.
Heterogeni podaci uključuju: masivne multimedijalne podatke senzora, tekst / hipertekst, zvučne podatke, slikovne podatke, video sekvence i tako dalje.
3. Tehnologija višestruke adaptivne koordinacije za složene radne uvjete
Realizacija inteligentne proizvodnje često mora samostalno analizirati trenutnu radnu okolinu i zahtjeve zadataka, ostvariti višezadaćno adaptivno kolaborativno planiranje i prilagodljivo prilagoditi operativnu strategiju različitim zadacima.
Višestruki radni uslovi uključuju sljedeće (kao primjer iskopa):
• Obično se koriste pravila rudarskog oblika i često koriste ovu značajku
• Posebna, rudarska pravila, ali ne često korištena
• Samoznačavanje, oblici rudarstva su nepravilni, ali se često koriste
• Visoko prilagodljivo, visoko ovisno o iskustvu vožnje
4. Interakcija i tehnologija upravljanja grupiranjem u više mašina
Inteligentno proizveden multi-strojni klaster oponaša ponašanje bioloških klastera, a jedna mašina međusobno komunicira putem interakcije informacija i autonomne kontrole, tako da se složeni zadaci raznolikosti mogu obaviti uz niske troškove u različitim zlokobnim okruženjima.
Posebno uključuju:
• Daljinska konzola, daljinski upravljač interakcije između čovjeka i računala, dodjela zadataka i nadzor
• Mobilni klijent, web stranica, APP za dodjelu zadataka i nadzor
• Inteligentni mehanički kraj, senzor okruženja, senzor za stanje tela, kontrola autonomnog rada
• Mobilni internet, nosač bežične komunikacije podataka
• Pomoć u satelitskom pozicioniranju, navigaciji i mjerenju
• Cloud data centar, analiza modeliranja životne sredine, planiranje zadataka i trajektorija, analiza velikih podataka i dijagnostika
5, dijagnostika velike količine podataka, tehnologija dubokog učenja
Podaci o masivnoj karakterizaciji nastali tokom rada proizvodne opreme sadrže veliku količinu informacija o greškama. Na osnovu prikupljanja podataka o operativnim karakteristikama inteligentne opreme, primenjen je algoritam dubokog učenja za vađenje podataka o velikim podacima, a dobijaju se i dijagnostička pravila koja se odnose na grešku. Inteligentno predviđanje grešaka i analiza kvarova opreme.
6, tehnologija digitalnog twinninga i digitalne analize prototipa
Digitalni hibrid u potpunosti koristi fizičke modele, ažuriranja senzora, operativne istorije i druge podatke, integrira multidisciplinarne, višestruke, višestruke simulacije više vjerojatnosti kako bi dovršio mapiranje u virtualnom prostoru, odražavajući pun životni vijek svake opreme u procesu proizvodnje. Proces ciklusa.
7. Tehnologija za donošenje odluka o optimizaciji radnog plana na više tehnologija
Za problem odlučivanja o nesigurnim, polustrukturiranim ili nestrukturiranim inteligentnim proizvodnim radnim shemama, inteligentna proizvodnja i dizajn proizvoda ostvaruju se u okruženju neizvjesnosti, nepotpunosti i neizrazitih informacija putem rasuđivanja signala i kvantitativnog rezoniranja. Samoopredeljenje optimizacije multi-objektivnog i multi-tehnološkog plana rada na ruti u službi.
8, tehnologija alata za kolaborativnu tehnologiju guranja i automatskog stezanja
Personalizovana push tehnologija i tehnologija semantičkog pronalaženja integrisani su u proces pomicanja procesnih alata. Na osnovu personalizovanog semantičkog pronalaženja inteligentne opreme i alata za alate proizvoda, kreiran je personalizovani tehnološki alat za kolaborativni push mehanizam kako bi se poboljšao proces nabavke proizvoda u procesu inteligentnog dizajna proizvodnih procesa. Efikasnost alata.
9. Mapa znanja o proizvodima i tehnologija izgradnje mreže znanja
Kroz strukturalni nivo integracije distribuiranih multidisciplinarnih podataka o znanju, eliminisane su gramatičke i semantičke razlike multidisciplinarnih i multi-domenskih podataka o znanju, struktura podataka je konzistentna, a poznavanje podataka o dizajnu i dizajnu biblioteke je zastupljeno, a baza znanja je osnovan. .
Strukturirani podaci, polustrukturirani podaci i nestrukturirani podaci strukturirani su, transformirani i filtrirani tako da formiraju konvergentne ili konzistentne i ne-redundantne strukturirane podatke, tj. Subjektivno apstrahiraju objektivni svijet u bazu podataka dizajna, a zatim formiraju kroz predstavljanje znanja. baza znanja.
10. Elektromehanička i tekuća integracijska tehnologija platforme znanja platforme oblaka
Tehnologija servisa znanja počinje s automatskim guranjem znanja, organizira interdisciplinarno znanje o strojnoj, električnoj i tekućoj integraciji na uredan način, te gura dizajnera u odgovarajuće dizajnersko znanje u odgovarajućem procesu dizajna kako bi se ostvarila individualizacija interdisciplinarnog servisa znanja. Efikasan i inteligentan.
