Deset technologií pro inteligentní výrobu
Inteligentní výrobní reforma zahrnuje celý výrobní průmysl a není pochyb o tom, že se jedná o velký trh bilionů. Sub-trhy jsou všechny velké modré oceány: Čínský robotový trh dosáhne 600 miliard yuan v příštích 10 letech; Očekává se, že v roce 2018 dosáhne v Číně tržní trh s civilními dronami 11,09 miliardy juanů; to je očekáváno, že do roku 2020, Číny automatizované logistiky Tržní velikost systému přesáhne 100 miliard yuanů ...
Inteligentní výroba je velmi rozsáhlá a velmi široká koncepce. Vedle samotného výrobního podniku je také úzce spjata s podniky v dodavatelském řetězci navazujícím na dodavatelský a dodavatelský řetězec. Zahrnuje automatizaci, informační technologie, inteligentní logistiku, inteligentní výpočetní a inteligentní rozhodování. Realizace inteligentní výroby je proces od manuální až po poloautomatickou až plně automatizovanou a nakonec dosažení inteligentní a flexibilní výroby. Inteligentní výroba kombinuje výrobu s informačními technologiemi a internetovými technologiemi a realizuje propojení celého průmyslového řetězce ve výrobních procesech, řízení výroby, dodavatelských řetězcích a marketingových systémech.
Tak jak se společnosti zavádějí vlastní inteligentní výrobní reformy? Následujícími deseti technologiemi jsou všechny znalostní body:
1. Vícekanálová datová technologie s vícekanálovými daty v reálném čase a snímání
Vícenásobné získávání dat senzoru je předpokladem inteligentního snímání v inteligentním výrobním procesu. Skládá se z různých snímačů (snímač tlaku, snímač přemístění, vizuální snímač atd.), Který umožňuje realizovat v reálném čase pořizování, analýzu a konverzi vícenásobných a vícekanálových distribuovaných dat. .
Systém sběru dat snímačů s více zdroji zahrnuje následující technologie:
• Technologie přeměny signálu
• Síťová komunikační technologie v reálném čase
• Technologie správy s více vlákny
• Technologie datové mezipaměti
• Technologie Black Box
• Technologie zabezpečení informací
2. Heterogenní technologie fúze a sdílení přenosu dat
Prostřednictvím analýzy obsahu a zpracování fúzí různých heterogenních výpočetních dat, získávání skrytých informací a efektivních dat z masivních dat a zlepšení přesnosti monitorování stavu různých zařízení v inteligentním výrobním procesu.
Heterogenní data zahrnují: masivní multimediální senzorová data, text / hypertext, zvuková data, obrazová data, video sekvence atd.
3. Multifunkční adaptivní koordinační technologie pro komplexní pracovní podmínky
Realizace inteligentní výroby často musí být schopna samostatně analyzovat současná pracovní prostředí a úkoly, realizovat adaptivní plánování spolupráce s více úkoly a přizpůsobit operační strategii podle různých obtížností.
Více provozních podmínek zahrnuje následující (jako příklad lze použít výkop):
• Běžně používané, pravidla pro těžební tvar a často používají tuto funkci
• Zvláštní, pravidla pro těžební tvar, ale často se nepoužívají
• Samoznačení, důlní tvary jsou nepravidelné, ale často se používají
• Vysoce přizpůsobitelné, vysoce závislé na zkušenostech s jízdou
4. Interakce a řídící technologie koordinované více zařízeními
Inteligentně vyráběný vícemotorový cluster napodobuje chování biologických klastrů a jeden stroj interaguje vzájemně prostřednictvím interakce informací a autonomního řízení tak, aby komplexní úkoly rozmanitosti mohly být dokončeny za nízkou cenu v různých zlověstných prostředích.
Konkrétně obsahují:
• Vzdálená konzola, dálkové ovládání interakcí člověk-počítač, přiřazení úkolů a sledování
• Mobilní klient, webová stránka, APP pro přiřazení úkolů a sledování
• Inteligentní mechanický konec, snímání prostředí, snímání stavu těla, autonomní řízení provozu
• Mobilní internet, bezdrátový nosič datové komunikace
• Umístění satelitů, navigace a pomoc při měření
• Cloud datové centrum, analýza modelování životního prostředí, plánování úkolů a trajektorií, rozsáhlá analýza dat a diagnostika
5, velká data diagnostika poruch diagnostiky technologie hlubokého učení
Obrovské údaje o charakterizaci generované během provozu výrobního zařízení obsahují velké množství chybových informací. Na základě shromažďování údajů o provozních charakteristikách inteligentního zařízení se algoritmus hlubokého učení aplikuje na znalost těžby velkých dat a získávají se diagnostická pravidla týkající se poruchy. Inteligentní předpověď poruch a analýza poruch zařízení.
6, technologie digitálního twinningu a modelování digitálních prototypů
Digital Hybrid plně využívá fyzických modelů, aktualizací senzorů, provozní historii a dalších dat, integruje multidisciplinární multifunkční simulační procesy s vícenásobnou pravděpodobností pro dokončení mapování ve virtuálním prostoru, což odráží plnou životnost každého zařízení ve výrobním procesu. Proces cyklu.
7. Technologie rozhodování o optimalizaci pracovního plánu pro více technologií
Pro rozhodovací problém nejistých, polostrukturovaných nebo nestrukturovaných schémy inteligentních výrobních prací se inteligentní výroba a návrh výrobku realizují v prostředí nejistoty, neúplnosti a fuzzy informací pomocí argumentace signálu a kvantitativního uvažování. Samostatné určení optimalizace víceúčelového a multitechnického pracovního plánu trasy v provozu.
8, procesní nástroje společné push a automatické upínací technologie
Přizpůsobená push technologie a technologie sémantického vyhledávání jsou integrovány do procesu tlačení procesních nástrojů. Na základě personalizovaného sémantického vyhledávání inteligentních zařízení a funkcí nástrojů pro výrobky se vytváří personalizovaný technologický nástroj pro společný tlakový mechanismus, který zlepšuje proces získávání produktů v procesu inteligentního výrobního procesu. Efektivita nástrojů.
9. Technologická konstrukce znalostní mapy a znalostní sítě
Prostřednictvím strukturální integrace distribuovaných multidisciplinárních znalostních znalostí jsou eliminovány gramatické a sémantické rozdíly v multidisciplinárních a vícedoménových znalostních datách, datová struktura je konzistentní a znalost designových a návrhových knihovních dat je reprezentována a znalostní základna je založeno. .
Strukturované údaje, semistrukturované údaje a nestrukturované údaje jsou strukturovány, transformovány a filtrovány tak, aby vytvářely konvergentní nebo konzistentní a nevratné strukturované údaje, tj. Subjektivně abstraktní objektivní svět do návrhové databáze a pak formují prostřednictvím reprezentace znalostí. znalostní základny.
10. Technologie znalostních technologií pro elektromechanickou a tekutou integraci v cloudu
Technologie znalostních služeb začíná automatickým posílením znalostí, uspořádá interdisciplinární znalosti strojní, elektroenergetické a kapalné integrace řádným způsobem a přitahuje návrháře k odpovídajícím znalostem o designu v příslušném procesu návrhu, aby realizoval individualizaci interdisciplinárních znalostních služeb. Efektivní a inteligentní.
