人工智能技术在工业生产中的应用探究
工程管理与技术
现代商贸工业２０１９年第２３期２００一一
作者简介:孙晓彬(１９９２－)
,男,汉族,安徽黄山人,硕士研究生,研究方向:智能车间设备可重构方法.人工智能技术在工业生产中的应用探究
孙晓彬
(同济大学电子与信息工程学院,上海２０１８０４
)摘一要:如今世界各国纷纷提出自己关于智能制造的关键战略,如美国的 工业互联网 战略二德国的 工业４．０ 战略和中国的 中国制造２０２５计划 .另外,企业面对外部多变的需求二个性化定制等,需要及时对生产线结构进行重构,以往调整生产周期较长,很难满足新环境.近年来,人工智能技术快速发展,其从过往数据挖掘有效知识,进一步指导生产,对于企业提升自身效益具有重大帮助.
关键词:人工智能;智能制造;知识
中图分类号:T B 一一一一一文献标识码:A一一一一一一d o i :１０．１９３１１/j ．c n k i ．１６７２Ｇ３１９８．２０１９．２３．１００１一引言
工业４．０战略以及 中国制造２０２５
计划的提出给我国制造业带来良好的发展契机,国内不少企业开始投资智能工厂,建设智能车间.智能制造要求满足个性化定制需求,企业生产线需要根据需求对制造系统进行调整.以往的生产线多为刚性流水线和柔性制造系统,前者可以满足大量生产的需求,后者则可以实现多种小批量定制化生产.新的生产线应同时具有刚性制造系统大量生产优点和柔性制造系统的加工灵活的优点,即具有实时重构自己结构的能力.对于生产线结构的确定,智能车间因C P S 技术二物联网技术使得信息交互变得更加方便,生产管理者可以利用人工智能中的机器学习方法挖掘车间数据建立决策支撑模型,进一步根据外部需求以及生产线实时的状态确定最佳的生产线结构重构方案,而成功的生产案例又会对原先决策支撑模型进一步更新,使得生产线变得更加智能.J o h n M c C a r t h y 于１９５６年发明了人工智能,之后得到广泛应用,其中基于数据手段则在流程规划领域大显身手,德国K I T 已经用专家系统二基于数据手段和基于知识设计等技术完成了欧洲著名S MA R T L AM 项目.所以实际生产中借助人工智能技术进行生产线结构的重构具有一定的可行性.
２一现有研究的不足
国内外学者对于生产线结构的重构做了一定研
究.可重构生产线最大的特征在于其系统的构成具有不确定性以及频繁变化,它允许以不定数量生产各式各样的产品,它亦可根据变化对自身软件硬件结构进行改变.可重构生产线可分成两类:一类是机械加工机床的可重构,主要涉及零件加工工艺;另一类主要是生产线中设备的配置,更多注重设备数量以及位置.在可重构机床方面,德国K I T 研究学者运用专家系统二基于特征的设计以及知识系统完成了欧洲S MA R T Ｇ
L AM 项目,
该项目已正式投入使用,其可以加工多种形状的零件且零件达到客户需求.一些学者则使用智能优化算法来解决可重构系统加工机械零件的问题,如Y e 等运用基于G A 算法解决了集成模块化产品调度与制造单元配置的问题.国内外亦有诸多学者致力于重构方案的评估,这里的可重构更多注重车间设备配置数量位置等.对于重构方案评估,有诸多学者使用多种多目标决策方法,如R e h m a n 和B a b u 以性能指标完工时间二设备利用率二交货期等进行重构方案选
取.现有工作关于生产线重构方法是借助进化算法完成,另外关注最终方案的评估,不过进行重构时并未考虑生产线实时状态以及外部需求的变化,适应性不是很好.
３一如何将人工智能技术应用于工业生产
３．１一采集处理生产线数据
如今企业车间生产线设备配备了智能传感器二
R F I D 等,
另外还配备有物联网等,这些软硬件设施可以很好采集生产线实时信息,而这些信息将保存在M E S 中.M E S 中的知识对指导生产线生产具有重大作用,而人工智能中的机器学习算法可以用来挖掘数据中蕴含的知识,用机器学习方法挖掘知识用以指导生产线重构.３．２一运用知识来进行生产线重构
生产线实际运行中,借助智能传感器等设备采集生产线数据,借助从M E S 中挖掘的知识建立的指导模型的运算得到较佳的生产线重构方案,进行生产,可以得到较好的生产性能指标,最大化企业的效益.４一结论
现有的生产线结构重构方法基本都是考虑利用数学建模的方式解决,而这种方法的缺点在于没有很好考虑生产线的实时状态,而一旦考虑这些实时状态,数学建模将会变得较为复杂.利用人工智能中机器学习的知识挖掘能力,建立起生产线实时状态二外部需求等于生产线结构之间的关系模型,在实际生产时,借助智能传感器等设备实时采集生产线上的数据,进而完成生产线结构的重构,对于提升企业竞争力具有很大的帮助.
参考文献
[１]杨春立．我国智能工厂发展趋势分析[J ]．中国工业评论,２０１６,
(１):５６Ｇ６３．[２]A m o d u l a r f l e x i b l e s c a l a b l e a n dr e c o n f i g u r a b l e s y
s t e mf o rm a n u Ｇf a c t u r i n g o fM i c r o s y s t e m s b a s e do na d d i t i v em a n u f a c t u r i n g a
n d e －p r i n t i n g [J ]．R o b o t i c sa n dC o m p u t e r －I n t e g
r a t e d M a n u f a c t u r Ｇi n g
,２０１６,(４０):１４Ｇ２３．[３]Y eH ,L i a n g M．S o l v i n g t h e c o m b i n e dm o d u l a r p r o d u c t s c h e d u l i n g
a n d p r o d u c t i o n c e l l r e c o n f i g u r a t i o n p r o
b l e m :aG Aa p p
r o a c hw i t h p a r a l l e l c h r o m o s o m e c o d i n g [C ]//I E E EC o n g r e s so nE v o l u t i o n Ｇa r y C o m p
u t a t i o n ．I E E E ,２００５．[４]R e h m a nA U ,B a b uAS ．E v a l u a t i o no f r e c o n f i g
u r e dm a n u f a c t u r Ｇi n g s y
s t e m s :a n A H Pf r a m e w o r k [J ]．I n t e r n a t i o n a lJ o u r n a lo f P r o d u c t i v i t y a n dQ u a l i t y M a n a g
e m e n t ,２００９,４(２):２２８．