智能制造系统|智能制造功能系统制造过程控制优化

制造过程包括加工过程、装配过程、工厂运行等。制造过程控制优化是指将大数据和人工智能技术融入制造过程，使制造过程实现自我感知、自我决策, 和自执行智能制造系统，主要包括处理过程。控制优化、装配过程控制优化、工厂运行控制优化等。

1）过程控制优化

制造设备是机械加工过程的基础。智能制造装备是指融合传感、人工智能等技术，使装备能够自主感知本体和加工过程，自主分析与装备、加工状态、工件和环境相关的信息。自主决策的实时动态信息，根据决策指令自主执行，在处理过程中实现“感知→分析→决策→执行和反馈”的大闭环，确保高效、高- 加工出优质、安全、可靠的产品，如图2所示。

图2 过程控制优化

过程控制优化包括工况在线检测、过程知识在线学习、制造过程自主决策、设备自律执行等关键功能。

(1)工况在线检测：在线检测零件加工过程中的切削力、夹紧力、切削区温度、刀具热变形、磨损、主轴振动等一系列物理量，以及工件间的热行为工具-工件-夹具由此产生的应力和应变为在线学习工艺知识和制造过程中的自主决策提供支持。

(2)过程知识在线学习：分析加工条件、界面耦合行为与加工质量/效率之间的映射关系，建立描述工作条件、耦合行为与加工质量/效率之间映射关系的知识模板。学习理论实现了基于模板的知识积累和过程模型的自适应演化，为制造过程中的自主决策提供支持。

(3) 制造过程自主决策：将过程知识融入设备控制系统的决策单元，基于在线检测识别加工状态，通过过程知识在线优化参数，驱动制造过程的生成控制决策指令。

(4) 设备自律执行：智能设备控制系统可根据专家系统的决策指令实时控制主轴转速、进给速度等工艺参数，使设备能够在最好的状态。

2）装配过程控制优化

装配过程控制优化是指通过大数据、人工智能等手段，结合智能机器人、人机协作等新兴技术，使装配过程自动化、智能化，从而提高装配系统的运行效率和为企业创造新价值。

装配过程控制优化的主要核心技术包括：智能装配规划系统、装配机器人、人机协同技术等。

(1)智能装配规划系统：是将智能规划等理论方法和技术与装配规划问题相结合而产生的综合技术。、可利用的装配资源以及对整个装配成本的高低要求，分析装配方案的优劣。智能装配规划通过产品的CAD模型，利用计算机、AR/VR等技术创建虚拟环境，对产品的装配过程进行仿真分析，在装配过程中及时快速评估和估算装配方案产品开发过程。可以及早发现装配性能，及早发现潜在的装配顺序冲突和缺陷，并将装配信息反馈给设计人员，

(2)装配机器人：是实现智能化装配的重要保障，是实现柔性自动化装配系统的核心装备。它由机器人机械手、控制器、末端执行器和传感器系统组成。常用的装配机器人主要有两类：可编程通用装配操作器（for），即PUMA机器人，和平面双关节机器人（机械臂），即SCARA机器人。与一般工业机器人相比，装配机器人具有精度高、柔性好、工作范围小等特点，可与其他系统联合使用，可有效降低人工装配带来的不确定性影响，有助于提高产品一致性。大大提高装配效率。

(3)人机协同技术：在装配过程中，存在大量复杂的装配过程，智能机器人无法独立完成。需要在操作者的远程控制下或通过人机协作技术协同交互完成。人机协作技术侧重于通过人机交互将人类智能与人工智能相结合。它是混合智能的高级应用和揭示人脑机制的相关研究，也是智能装配发展的必然趋势。此外，人机协作的过程也是机器模仿和学习人类组装的过程。利用人类智能形成的数据来训练机器达到设定的目标，可以有效提高装配的智能化程度。此外，人机协作技术还可以防止装配人员直接暴露在高度危险的生产环境中（如辐射、高温高湿等）。

3）工厂运行控制优化

工厂运营控制优化是指利用智能传感、大数据、人工智能等技术，实现工厂运营过程的自动化、智能化。其建设的基本目标是实现生产资源的优化配置、生产任务的实时调度、生产过程管理等。其主要功能架构包括：智能设备层、智能感知层、智能执行层、智能决策层-制造层智能制造系统，如图3所示。智能装备层主要包括各类智能制造及辅助设备，如智能机床、智能机器人、AGV/RGV、自动检测设备等；智能传感层主要实现工厂各种运行数据的采集和指令的下发，包括厂内有限/无线网络、各种采集传感器及系统、智能生产线集散控制系统等；智能执行层主要包括3D虚拟车间建模与仿真、智能工艺规划、智能调度、制造执行系统等功能模块；智能决策层主要包括大数据分析、人工智能方法等决策分析平台。智能生产线集散控制系统等；智能执行层主要包括3D虚拟车间建模与仿真、智能工艺规划、智能调度、制造执行系统等功能模块；智能决策层主要包括大数据分析、人工智能方法等决策分析平台。智能生产线集散控制系统等；智能执行层主要包括3D虚拟车间建模与仿真、智能工艺规划、智能调度、制造执行系统等功能模块；智能决策层主要包括大数据分析、人工智能方法等决策分析平台。

图 3 工厂运行控制优化

工厂运行控制优化的主要关键技术包括制造系统自适应技术、智能动态调度技术等。

(1) 制造系统的自适应技术：制造企业面临着越来越复杂的环境，如产品品种和批次的多样性、设计结果的频繁变更、需求波动大、供应链合作伙伴频繁变更等。这些因素会对制造成本和效率产生非常不利的影响。智能工厂必须具备通过快速结构调整和资源重组，以及柔性流程、混流生产计划和控制、动态计划和调度等方式主动适应这种变化的能力。因此，适应性是其重要体现。制造工厂的智能化特征。

(2)智能动态调度技术：车间调度作为智能化生产的核心之一，是在技术、资源、环境等约束条件下，对待加工零件进行优化调度，是生产准备与具体实施之间的纽带。然而，实际的车间生产过程是一个永恒的动态过程，订单数量/优先级变化、流程变化、资源变化（如机器维护/故障）等各种动态事件会不断发生。动态事件的发生会导致生产过程出现不同程度的瘫痪，极大地影响生产效率。所以，如何快速、准确地处理车间动态事件，保证调度计划的顺利执行，是提高生产效率的关键。车间动态调度是指当​​动态事件发生时，充分考虑现有的调度方案和系统当前的资源环境状况，及时优化并给出合理的新调度方案，以保证生产的高效运行。由于动态调度在静态调度已有的特性（如非线性、多目标、多约束、解空间复杂等）的基础上增加了动态随机性和不确定性，增加了建模和优化的难度。典型的 NP 难问题。目前主要有两种动态调度方法，即重新调度和逆向调度。重新调度是根据动态事件修改现有的调度方案；逆向调度是通过调整可控参数和资源来处理动态事件。两者都是基于现有的调度计划。重新调度修改计划而不修改参数，逆调度修改参数而不修改计划。每个都有其优点和缺点。