智能制造導(dǎo)論 課件 第8、9章 遠(yuǎn)程運(yùn)維、個(gè)性化定制

第八章遠(yuǎn)程運(yùn)維遠(yuǎn)程運(yùn)維概要1遠(yuǎn)程運(yùn)維體系架構(gòu)2遠(yuǎn)程運(yùn)維服務(wù)案例3遠(yuǎn)程運(yùn)維概要1遠(yuǎn)程運(yùn)維體系架構(gòu)2遠(yuǎn)程運(yùn)維服務(wù)案例31、遠(yuǎn)程運(yùn)維概要1.1遠(yuǎn)程運(yùn)維的必要性及意義(1)遠(yuǎn)程運(yùn)維的必要性設(shè)備復(fù)雜程度和自動(dòng)化程度的大幅度提高意外停機(jī)的巨大損失到場(chǎng)維修使得維護(hù)成本增加和資源浪費(fèi)1、遠(yuǎn)程運(yùn)維概要1.1遠(yuǎn)程運(yùn)維的必要性及意義(2)遠(yuǎn)程運(yùn)維的意義提高設(shè)備的整體管理水平提高產(chǎn)品質(zhì)量，提高可靠性和可維修性提高企業(yè)的經(jīng)濟(jì)利益和社會(huì)效益1、遠(yuǎn)程運(yùn)維概要1.2設(shè)備維護(hù)技術(shù)發(fā)展歷程階段名稱(chēng)所屬階段時(shí)間特點(diǎn)事后維修常規(guī)運(yùn)維20世紀(jì)以前只有在設(shè)備發(fā)生故障之后才會(huì)進(jìn)行診斷和維修預(yù)防維修20世紀(jì)初—20世紀(jì)80年代周期性維護(hù)，存在維修不足或維修過(guò)剩的缺點(diǎn)，停機(jī)損失大預(yù)知維修遠(yuǎn)程運(yùn)維20世紀(jì)80年代以后在設(shè)備需要維護(hù)時(shí)進(jìn)行維護(hù)1、遠(yuǎn)程運(yùn)維概要1.3遠(yuǎn)程運(yùn)維定義與核心技術(shù)(1)遠(yuǎn)程運(yùn)維定義遠(yuǎn)程運(yùn)維集成應(yīng)用工業(yè)大數(shù)據(jù)分析、智能化軟件、工業(yè)互聯(lián)網(wǎng)等技術(shù)，建設(shè)設(shè)備全生命周期管理平臺(tái)，并對(duì)智能設(shè)備遠(yuǎn)程操控、健康狀況檢測(cè)、設(shè)備維護(hù)方案制定與執(zhí)行遠(yuǎn)程運(yùn)維通過(guò)工業(yè)互聯(lián)網(wǎng)遠(yuǎn)程采集設(shè)備數(shù)據(jù)，采用先進(jìn)的分析算法對(duì)數(shù)據(jù)中的隱形知識(shí)進(jìn)行挖掘和建模，并在制造過(guò)程中識(shí)別、預(yù)測(cè)和避免問(wèn)題1、遠(yuǎn)程運(yùn)維概要1.3遠(yuǎn)程運(yùn)維定義與核心技術(shù)(2)遠(yuǎn)程運(yùn)維核心技術(shù)①故障診斷技術(shù)主要是針對(duì)設(shè)備故障的診斷，是指在設(shè)備運(yùn)行中，通過(guò)檢測(cè)手段來(lái)判斷設(shè)備性能狀態(tài)，并對(duì)診斷對(duì)象發(fā)生的故障和異常進(jìn)行認(rèn)識(shí)和確定的工作基于機(jī)理模型的方法基于信號(hào)處理的方法基于知識(shí)的方法1、遠(yuǎn)程運(yùn)維概要1.3遠(yuǎn)程運(yùn)維定義與核心技術(shù)(2)遠(yuǎn)程運(yùn)維核心技術(shù)②預(yù)測(cè)性維護(hù)技術(shù)預(yù)測(cè)性維護(hù)（PredictiveMaintenance，PM）是基于連續(xù)的測(cè)量和分析，預(yù)測(cè)諸如機(jī)器零件剩余使用壽命等關(guān)鍵指標(biāo)基于機(jī)理模型的預(yù)測(cè)方法基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)方法遠(yuǎn)程運(yùn)維概要1遠(yuǎn)程運(yùn)維體系架構(gòu)2遠(yuǎn)程運(yùn)維服務(wù)案例32、遠(yuǎn)程運(yùn)維體系架構(gòu)2、遠(yuǎn)程運(yùn)維體系架構(gòu)2.1遠(yuǎn)程運(yùn)維系統(tǒng)組成現(xiàn)場(chǎng)采集設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)結(jié)合數(shù)據(jù)中心，識(shí)別與預(yù)測(cè)設(shè)備的運(yùn)行狀態(tài)設(shè)備專(zhuān)家與維護(hù)人員可遠(yuǎn)程監(jiān)測(cè)和觀察設(shè)備的運(yùn)行狀態(tài)診斷專(zhuān)家可遠(yuǎn)程指導(dǎo)下位機(jī)上位機(jī)通信網(wǎng)絡(luò)2、遠(yuǎn)程運(yùn)維體系架構(gòu)2.1遠(yuǎn)程運(yùn)維系統(tǒng)的組成(1)遠(yuǎn)程運(yùn)維系統(tǒng)的組成上位機(jī)：設(shè)備檢測(cè)診斷系統(tǒng)。指人可以直接發(fā)出操控指令的集中管理監(jiān)控計(jì)算機(jī)下位機(jī)：數(shù)據(jù)采集系統(tǒng)?，F(xiàn)場(chǎng)直接控制設(shè)備獲取設(shè)備狀態(tài)的裝置，一般來(lái)說(shuō)是各種智能設(shè)備數(shù)據(jù)通信網(wǎng)絡(luò)：連接上，下位機(jī)系統(tǒng)的網(wǎng)絡(luò)，上位機(jī)之間，下位機(jī)之間的網(wǎng)絡(luò)。實(shí)現(xiàn)系統(tǒng)中各個(gè)部分之間數(shù)據(jù)，信息的通信圖1.遠(yuǎn)程運(yùn)維系統(tǒng)的組成2、遠(yuǎn)程運(yùn)維體系架構(gòu)2.1遠(yuǎn)程運(yùn)維系統(tǒng)的組成(2)遠(yuǎn)程運(yùn)維系統(tǒng)的功能數(shù)據(jù)采集與傳輸（遠(yuǎn)程運(yùn)維系統(tǒng)基礎(chǔ)）智能診斷與遠(yuǎn)程維護(hù)數(shù)據(jù)存儲(chǔ)與分析圖2.數(shù)據(jù)采集與傳輸圖3.機(jī)載與遠(yuǎn)程監(jiān)控中心遠(yuǎn)程通信示意圖2、遠(yuǎn)程運(yùn)維體系架構(gòu)2.2基于狀態(tài)的遠(yuǎn)程運(yùn)維系統(tǒng)架構(gòu)基于狀態(tài)的維護(hù)方式架構(gòu)（Condition-basedMaintenance，簡(jiǎn)稱(chēng)CBM）是遠(yuǎn)程運(yùn)維系統(tǒng)中常用的架構(gòu)。CBM架構(gòu)是通過(guò)對(duì)設(shè)備工作狀態(tài)和工作環(huán)境的實(shí)時(shí)監(jiān)測(cè)，借助人工智能算法等先進(jìn)的計(jì)算方法，診斷和預(yù)測(cè)設(shè)備未來(lái)的有效工作周期，為現(xiàn)場(chǎng)操作人員提供系統(tǒng)目前健康狀況的準(zhǔn)確評(píng)估，預(yù)測(cè)系統(tǒng)的剩余壽命，合理安排設(shè)備未來(lái)的維修調(diào)度時(shí)間。圖4.CBM架構(gòu)圖2、遠(yuǎn)程運(yùn)維體系架構(gòu)2.2基于狀態(tài)的遠(yuǎn)程運(yùn)維系統(tǒng)架構(gòu)圖5.CBM層次模型數(shù)據(jù)采集層（dataacquisition）：從底層設(shè)備采集，整理后輸出數(shù)據(jù)處理層（datamanipulation）：數(shù)據(jù)采集層的輸出數(shù)據(jù)進(jìn)行預(yù)處理狀態(tài)監(jiān)測(cè)層（conditionmonitoring）：輸出數(shù)據(jù)與系統(tǒng)工作限定值比較等健康評(píng)估層（healthassessment）：監(jiān)測(cè)系統(tǒng)，子系統(tǒng)，組成不安的當(dāng)前狀態(tài)與性能衰退進(jìn)行評(píng)估預(yù)診斷層（prognosticassessment）：基于數(shù)據(jù)信息建立預(yù)測(cè)模型，推斷設(shè)備未來(lái)的有效工作時(shí)間決策支持層（decisionsupport）：提供推薦的系統(tǒng)維護(hù)動(dòng)作和指令，并對(duì)決策信息進(jìn)行保存表示層（presentationmodule）：數(shù)據(jù)的可視化展示或圖形化操作并展示給用戶(hù)2、遠(yuǎn)程運(yùn)維體系架構(gòu)2.3關(guān)鍵技術(shù)信號(hào)采集：設(shè)備工作性能狀態(tài)監(jiān)測(cè)是故障預(yù)測(cè)和診斷的前提。備性能狀態(tài)的準(zhǔn)確表達(dá)模型、參數(shù)實(shí)時(shí)測(cè)量、特征信號(hào)提取，以及如何用最少的傳感器，獲取最多的設(shè)備狀態(tài)信息等數(shù)據(jù)傳輸：將數(shù)據(jù)從信號(hào)采集設(shè)備傳遞到遠(yuǎn)程故障診斷，預(yù)測(cè)平臺(tái)上?；贐US總線(xiàn)的傳輸、使用TCP/IP協(xié)議傳輸或者OPC協(xié)議傳輸在實(shí)際應(yīng)用中都有體現(xiàn)。。數(shù)據(jù)處理：對(duì)原始信號(hào)的二次處理，剔除無(wú)用信息，提取特征信息知識(shí)數(shù)據(jù)庫(kù)系統(tǒng)設(shè)計(jì)：遠(yuǎn)程運(yùn)維依賴(lài)數(shù)據(jù)庫(kù)和知識(shí)庫(kù)支撐智能故障診斷方法以及智能設(shè)備狀態(tài)預(yù)測(cè)方法：基于數(shù)據(jù)驅(qū)動(dòng)的方法對(duì)故障診斷，狀態(tài)預(yù)測(cè)進(jìn)行建模，通過(guò)人工智能技術(shù)，基于設(shè)備的歷史信息訓(xùn)練模型，提高模型的識(shí)別與預(yù)測(cè)能力。遠(yuǎn)程運(yùn)維概要1遠(yuǎn)程運(yùn)維體系架構(gòu)2遠(yuǎn)程運(yùn)維服務(wù)案例33、遠(yuǎn)程運(yùn)維服務(wù)案例3.1寶鋼遠(yuǎn)程運(yùn)維案例(1)傳統(tǒng)運(yùn)維的不足定期維護(hù)，導(dǎo)致過(guò)度維護(hù)或維護(hù)不足；定檢維護(hù)對(duì)關(guān)鍵點(diǎn)維護(hù)無(wú)能為力，對(duì)突發(fā)或偶發(fā)事故缺少預(yù)警連鑄產(chǎn)線(xiàn)的設(shè)備狀態(tài)信息的獲取依靠點(diǎn)檢技術(shù)人員人工在設(shè)備現(xiàn)場(chǎng)通過(guò)手動(dòng)的方式測(cè)試獲得，點(diǎn)檢人員在各個(gè)狀態(tài)受控點(diǎn)人工采集數(shù)據(jù)，工作強(qiáng)度非常大，人身安全時(shí)刻受到威脅設(shè)備現(xiàn)場(chǎng)大都環(huán)境惡劣，分布分散，許多地方人員無(wú)法進(jìn)入，造成了人員工作強(qiáng)度大，提取的設(shè)備狀態(tài)數(shù)據(jù)量少、時(shí)效性低生產(chǎn)線(xiàn)設(shè)備缺乏對(duì)故障歷史數(shù)據(jù)與知識(shí)庫(kù)的積累，建立設(shè)備數(shù)據(jù)中心與決策服務(wù)中心勢(shì)在必行3、遠(yuǎn)程運(yùn)維服務(wù)案例3.1寶鋼遠(yuǎn)程運(yùn)維案例(2)遠(yuǎn)程運(yùn)維總體框架

圖6.遠(yuǎn)程運(yùn)維平臺(tái)總體框架3、遠(yuǎn)程運(yùn)維服務(wù)案例3.1寶鋼遠(yuǎn)程運(yùn)維案例(2)遠(yuǎn)程運(yùn)維總體框架數(shù)據(jù)采集層主要是通過(guò)物聯(lián)及互聯(lián)技術(shù)獲取設(shè)備狀態(tài)運(yùn)行數(shù)據(jù)及其他相關(guān)數(shù)據(jù)應(yīng)用APP層主要是結(jié)合針對(duì)各種設(shè)備、采用不同形式的運(yùn)維需求，通過(guò)平臺(tái)軟硬件資源的調(diào)用組合與配置，形成滿(mǎn)足應(yīng)用功能、管控流程的定制應(yīng)用分析處理層主要以運(yùn)維數(shù)據(jù)分析處理中心為基礎(chǔ)，針對(duì)工藝參數(shù)和設(shè)備運(yùn)行數(shù)據(jù)多源時(shí)域、頻域數(shù)據(jù)融合分析，對(duì)設(shè)備狀態(tài)進(jìn)行及時(shí)決策，為設(shè)備狀態(tài)智能診斷、綜合診斷的數(shù)據(jù)分析提供技術(shù)支持，從而實(shí)現(xiàn)故障的準(zhǔn)確預(yù)報(bào)和精確定位。3、遠(yuǎn)程運(yùn)維服務(wù)案例3.1寶鋼遠(yuǎn)程運(yùn)維案例(2)遠(yuǎn)程運(yùn)維總體框架圖7.運(yùn)維數(shù)據(jù)分析處理中心功能架構(gòu)3、遠(yuǎn)程運(yùn)維服務(wù)案例3.1寶鋼遠(yuǎn)程運(yùn)維案例(2)遠(yuǎn)程運(yùn)維總體框架圖8.平臺(tái)共享功能組件構(gòu)成平臺(tái)服務(wù)層主要由平臺(tái)共享功能組件和數(shù)字化模型組成。平臺(tái)共享功能組件是以設(shè)備遠(yuǎn)程運(yùn)維為目標(biāo)，實(shí)現(xiàn)設(shè)備狀態(tài)信息與相關(guān)工藝過(guò)程信息相關(guān)聯(lián)，形成包含智能模型判斷、專(zhuān)家知識(shí)決策和業(yè)務(wù)流程管控等要素、貫穿于運(yùn)維全過(guò)程的服務(wù)功能組件3、遠(yuǎn)程運(yùn)維服務(wù)案例3.1寶鋼遠(yuǎn)程運(yùn)維案例(2)遠(yuǎn)程運(yùn)維總體框架主要工作流程圖9.遠(yuǎn)程運(yùn)維典型工作流程圖遠(yuǎn)程運(yùn)維結(jié)果：維修成本降低15%，突發(fā)故障持續(xù)時(shí)間降低20%，工作效率提升20%，基于狀態(tài)的維修準(zhǔn)確率大于80%。同時(shí)，系統(tǒng)運(yùn)行可靠性達(dá)到99.9%，設(shè)備異常預(yù)警率99.9%，異常預(yù)警可靠性85%，故障智能判定模型準(zhǔn)確率85%3、遠(yuǎn)程運(yùn)維服務(wù)案例3.1寶鋼遠(yuǎn)程運(yùn)維案例(3)遠(yuǎn)程運(yùn)維平臺(tái)的優(yōu)勢(shì)改變了傳統(tǒng)的設(shè)備狀態(tài)人工點(diǎn)檢模式降低了點(diǎn)檢人員勞動(dòng)強(qiáng)度提高了設(shè)備狀態(tài)的把控能力。改變了傳統(tǒng)運(yùn)維的計(jì)劃維修模式提高了人員效率和設(shè)備效率實(shí)現(xiàn)了運(yùn)維狀態(tài)數(shù)字可視化。3、遠(yuǎn)程運(yùn)維服務(wù)案例3.2高檔數(shù)控機(jī)床遠(yuǎn)程運(yùn)維服務(wù)系統(tǒng)(1)傳統(tǒng)運(yùn)維的不足機(jī)床故障機(jī)床傳統(tǒng)維修流程：工人主觀判斷嘗試參數(shù)修正維修班檢修機(jī)床大修解決解決事后維修的狀態(tài)，嚴(yán)重拖延了故障診斷和解決問(wèn)題的時(shí)間3、遠(yuǎn)程運(yùn)維服務(wù)案例3.2高檔數(shù)控機(jī)床遠(yuǎn)程運(yùn)維服務(wù)系統(tǒng)(2)遠(yuǎn)程運(yùn)維總體框架圖10.遠(yuǎn)程運(yùn)維平臺(tái)圖積累數(shù)控機(jī)床故障數(shù)據(jù)庫(kù)、知識(shí)庫(kù)；智能故障診斷技術(shù)進(jìn)行在線(xiàn)監(jiān)測(cè)診斷。圍繞容易引發(fā)故障的關(guān)鍵零部件，開(kāi)發(fā)遠(yuǎn)程運(yùn)維平臺(tái)3、遠(yuǎn)程運(yùn)維服務(wù)案例3.2高檔數(shù)控機(jī)床遠(yuǎn)程運(yùn)維案例狀態(tài)信息采集：對(duì)數(shù)控機(jī)床的數(shù)據(jù)采集依賴(lài)傳感器的使用。通過(guò)有限元分析技術(shù)、磨床傳動(dòng)運(yùn)動(dòng)模型等分析大型數(shù)控磨床關(guān)鍵性能參數(shù)采集的優(yōu)化布局方案，優(yōu)化了大型數(shù)控磨床的傳感器布置，實(shí)現(xiàn)了以較少的傳感器對(duì)大型數(shù)控磨床性能的全息監(jiān)測(cè)，降低了傳感器設(shè)備的成本。故障數(shù)據(jù)庫(kù)建立：需要建立高檔數(shù)控機(jī)床性能特征數(shù)據(jù)庫(kù)和故障模型庫(kù)。為充分利用這些數(shù)據(jù)的信息，指導(dǎo)機(jī)床的正確操作與故障排除，需要在專(zhuān)家系統(tǒng)理論、知識(shí)挖掘理論的指導(dǎo)下，研究歷史經(jīng)驗(yàn)與故障診斷方法。(2)遠(yuǎn)程運(yùn)維總體框架圖11.以大型曲軸磨床為例的現(xiàn)場(chǎng)狀態(tài)信息采集實(shí)現(xiàn)圖12.高檔數(shù)控機(jī)床數(shù)據(jù)中心建立3、遠(yuǎn)程運(yùn)維服務(wù)案例3.2高檔數(shù)控機(jī)床遠(yuǎn)程運(yùn)維案例模型開(kāi)發(fā)：基于模型的方法是針對(duì)數(shù)控機(jī)床的關(guān)鍵部件，建立相應(yīng)的物理模型，通過(guò)各種實(shí)驗(yàn)?zāi)M，得到各種工況下關(guān)鍵部件的實(shí)驗(yàn)數(shù)據(jù)，為數(shù)控機(jī)床的故障判別提供數(shù)據(jù)支持?；跀?shù)據(jù)驅(qū)動(dòng)的故障診斷方法，讓模型從大量的歷史設(shè)備狀態(tài)數(shù)據(jù)中提取信息，對(duì)模型進(jìn)行訓(xùn)練。常用的數(shù)據(jù)驅(qū)動(dòng)故障診斷方法例如神經(jīng)網(wǎng)絡(luò)。平臺(tái)搭建

基于Web技術(shù)，開(kāi)發(fā)高檔數(shù)控磨床遠(yuǎn)程安全監(jiān)控子系統(tǒng)、安全預(yù)警子系統(tǒng)、故障診斷子系統(tǒng)、維護(hù)服務(wù)子系統(tǒng)等。當(dāng)設(shè)備出現(xiàn)故障或者需要進(jìn)行維護(hù)時(shí)，以數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、故障診斷模型為支撐，為設(shè)備各個(gè)相關(guān)人員提供設(shè)備狀態(tài)信息發(fā)布與信息交互平臺(tái)，從而完成對(duì)設(shè)備的多方協(xié)同維護(hù)與故障診斷。(2)遠(yuǎn)程運(yùn)維總體框架圖13.典型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖3、遠(yuǎn)程運(yùn)維服務(wù)案例3.3杜克能源公司運(yùn)維案例維修專(zhuān)家現(xiàn)場(chǎng)采集數(shù)據(jù)返回電腦，查看分析數(shù)據(jù)提高數(shù)據(jù)分析時(shí)間，降低數(shù)據(jù)收集的時(shí)間人力成本，提高數(shù)據(jù)分析效率故障診斷，設(shè)備風(fēng)險(xiǎn)評(píng)估效率低數(shù)據(jù)采集NICompactRIO監(jiān)控系統(tǒng)異常狀態(tài)報(bào)警發(fā)送電子郵件，給出初步建議查看設(shè)備，進(jìn)行維修3、遠(yuǎn)程運(yùn)維服務(wù)案例3.4通用電氣公司Predix平臺(tái)(1)遠(yuǎn)程運(yùn)維總體框架圖14.通用電氣Predix平臺(tái)GE在邊緣計(jì)算提供的功能幾乎覆蓋了邊緣設(shè)備需要解決的所有問(wèn)題邊緣計(jì)算是指在靠近物或數(shù)據(jù)源頭的一側(cè)，采用網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力為一體的開(kāi)放平臺(tái)，就近提供最近端服務(wù)a）邊緣端3、遠(yuǎn)程運(yùn)維服務(wù)案例3.4通用電氣公司Predix平臺(tái)(1)遠(yuǎn)程運(yùn)維總體框架Predix最強(qiáng)大的地方是提供了工業(yè)大數(shù)據(jù)分析功能，即將物理設(shè)備的各種原始狀態(tài)通過(guò)數(shù)據(jù)采集和存儲(chǔ)，反映在虛擬的信息空間中，通過(guò)構(gòu)建設(shè)備的模型，實(shí)現(xiàn)對(duì)設(shè)備的掌控和預(yù)測(cè)。平臺(tái)端PredixCloud是整個(gè)Predix方案的核心，圍繞著以工業(yè)數(shù)據(jù)為核心的思想，提供了豐富的工業(yè)數(shù)據(jù)采集、分析、建模以及工業(yè)應(yīng)用開(kāi)發(fā)的能力b）平臺(tái)端c）應(yīng)用端Predix應(yīng)用為各類(lèi)工業(yè)設(shè)備，提供完備的設(shè)備健康和故障預(yù)測(cè)、生產(chǎn)效率優(yōu)化、能耗管理、排程優(yōu)化等應(yīng)用場(chǎng)景，采用數(shù)據(jù)驅(qū)動(dòng)和機(jī)理結(jié)合的方式，旨在解決傳統(tǒng)工業(yè)幾十年來(lái)都未能解決的質(zhì)量、效率、能耗等問(wèn)題，幫助工業(yè)企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型；同時(shí)，Predix采用物聯(lián)網(wǎng)、人工智能等新興IT技術(shù)，擺脫人的經(jīng)驗(yàn)和知識(shí)積累的局限性，從只能解決已知的、經(jīng)驗(yàn)性的問(wèn)題，逐步帶入到對(duì)未知世界的掌控中。3、遠(yuǎn)程運(yùn)維服務(wù)案例3.4通用電氣公司Predix平臺(tái)(2)Predix平臺(tái)實(shí)踐——東方航空公司圖15.

GE發(fā)動(dòng)機(jī)葉片運(yùn)維收集與葉片損傷相關(guān)聯(lián)的數(shù)百個(gè)參數(shù)數(shù)據(jù)，篩選后確定關(guān)聯(lián)度最大的參數(shù)，包括飛機(jī)所執(zhí)飛航線(xiàn)的空氣污染程度。GE使用這些參數(shù)建立了葉片損傷分析預(yù)測(cè)模型搜集了500多臺(tái)CFM56發(fā)動(dòng)機(jī)的高壓渦輪葉片保修數(shù)據(jù)，結(jié)合遠(yuǎn)程診斷紀(jì)錄和第三方數(shù)據(jù)，建立了葉片損傷分析預(yù)測(cè)模型Thankyouforlistening!謝謝聆聽(tīng)!第九章個(gè)性化定制個(gè)性化定制概述1個(gè)性化定制模式系統(tǒng)架構(gòu)2典型案例31、個(gè)性化定制概述1.1個(gè)性化定制場(chǎng)景Yooshu—沙灘鞋西門(mén)子—高爾夫球桿

定義：個(gè)性化定制是指基于新一代信息技術(shù)和柔性制造技術(shù)，以模塊化設(shè)計(jì)為基礎(chǔ)，以接近大批量生產(chǎn)的效率和成本提供能滿(mǎn)足客戶(hù)個(gè)性化需求的一種智能服務(wù)模式。1、個(gè)性化定制概述1.2個(gè)性化定制內(nèi)涵制造業(yè)發(fā)展流程

特征：區(qū)別于以往發(fā)展的制造模式，個(gè)性化定制模式最重要的特征是明確的以消費(fèi)者為中心，并且由訂單驅(qū)動(dòng)進(jìn)行大規(guī)模小批量的生產(chǎn)，其將銷(xiāo)售過(guò)程前置。銷(xiāo)售前置的大規(guī)模個(gè)性化定制模式個(gè)性化定制概述1個(gè)性化定制模式系統(tǒng)架構(gòu)2典型案例32、個(gè)性化定制模式系統(tǒng)架構(gòu)2.1

個(gè)性化定制模式變遷傳統(tǒng)商業(yè)模式：線(xiàn)下交易為主體C2M(Customer-to-Manufacturer)商業(yè)模式網(wǎng)絡(luò)電子商務(wù)模式B2B(Business-to-Business)：一般不針對(duì)大眾消費(fèi)品，產(chǎn)品也相對(duì)復(fù)雜，需要專(zhuān)業(yè)人士人工參與判斷商品的質(zhì)量好壞，通常在企業(yè)之間產(chǎn)生訂單。B2C(Business-to-Customer)：主要針對(duì)普通大眾消費(fèi)市場(chǎng)，這種模式可以按組織層級(jí)簡(jiǎn)述為“店鋪→商品頁(yè)→商品信息→購(gòu)買(mǎi)按鈕”。C2C(Customer-to-Customer)：針對(duì)普通大眾，第三方提供交易平臺(tái)，個(gè)體戶(hù)作為賣(mài)方將產(chǎn)品銷(xiāo)售給買(mǎi)方，平臺(tái)從中提取傭金?！?、個(gè)性化定制模式系統(tǒng)架構(gòu)2.1個(gè)性化定制模式變遷什么是C2M商業(yè)模式？C2M，就是將制造商和消費(fèi)者直接聯(lián)系，除去冗長(zhǎng)的中間環(huán)節(jié)，砍掉流通加價(jià)環(huán)節(jié)，最大程度的去中間化，讓消費(fèi)者以最低的價(jià)格買(mǎi)到高品質(zhì)、可個(gè)性化定制的產(chǎn)品，是一種新型的電子商務(wù)互聯(lián)網(wǎng)商業(yè)模式。2、個(gè)性化定制模式系統(tǒng)架構(gòu)2.2體系架構(gòu)個(gè)性化定制體系架構(gòu)是工業(yè)4.0技術(shù)中端到端數(shù)字集成的重要應(yīng)用過(guò)程。端到端數(shù)字集成主要是利用工業(yè)互聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)技術(shù)，在生產(chǎn)商和消費(fèi)者之間建立信息交互渠道。這一架構(gòu)也是對(duì)市場(chǎng)商業(yè)模式向C2M轉(zhuǎn)變的一個(gè)反映。以數(shù)據(jù)為核心，將各層級(jí)相互串聯(lián)個(gè)性化定制體系架構(gòu)2、個(gè)性化定制模式系統(tǒng)架構(gòu)2.2

體系架構(gòu)

從客戶(hù)訂單到售后維護(hù)，以客戶(hù)為中心，客戶(hù)全程參與商品的生產(chǎn)過(guò)程，制造商根據(jù)客戶(hù)要求，可以隨時(shí)對(duì)未出廠的商品進(jìn)行調(diào)整，對(duì)出廠后的產(chǎn)品，制造商提供全程在線(xiàn)的服務(wù)支持通用的個(gè)性化定制生產(chǎn)流程2、個(gè)性化定制模式系統(tǒng)架構(gòu)2.3

相關(guān)技術(shù)1.工業(yè)大數(shù)據(jù)技術(shù)工業(yè)大數(shù)據(jù)技術(shù)架構(gòu)共有五個(gè)部分，分別為數(shù)據(jù)采集層、數(shù)據(jù)存儲(chǔ)與集成層、數(shù)據(jù)建模層、數(shù)據(jù)處理層、數(shù)據(jù)交互應(yīng)用層。2、個(gè)性化定制模式系統(tǒng)架構(gòu)2.3

相關(guān)技術(shù)數(shù)據(jù)采集層RFID條碼掃描器生產(chǎn)和監(jiān)測(cè)設(shè)備數(shù)據(jù)清洗……制造領(lǐng)域多源、異構(gòu)數(shù)據(jù)信息采集工具傳感器數(shù)據(jù)交換數(shù)據(jù)歸約同構(gòu)化預(yù)處理互聯(lián)網(wǎng)或現(xiàn)場(chǎng)總線(xiàn)等準(zhǔn)確傳輸技術(shù)2、個(gè)性化定制模式系統(tǒng)架構(gòu)2.3

相關(guān)技術(shù)數(shù)據(jù)存儲(chǔ)與集成層存儲(chǔ)技術(shù)：主要采用大數(shù)據(jù)分布式云存儲(chǔ)的技術(shù)，將預(yù)處理后的數(shù)據(jù)有效存儲(chǔ)在性能和容量都能線(xiàn)性擴(kuò)展的分布式數(shù)據(jù)庫(kù)中。元數(shù)據(jù)技術(shù)：實(shí)現(xiàn)對(duì)訂單元數(shù)據(jù)、產(chǎn)品元數(shù)據(jù)、供應(yīng)商能力等進(jìn)行定義和規(guī)范。標(biāo)識(shí)技術(shù)：包括分配與注冊(cè)、編碼分發(fā)與測(cè)試管理、存儲(chǔ)與編碼規(guī)范、解析機(jī)制等。數(shù)據(jù)集成技術(shù)：主要指面向工業(yè)數(shù)據(jù)的集成，包括互聯(lián)網(wǎng)數(shù)據(jù)、工業(yè)軟件數(shù)據(jù)、設(shè)備裝備運(yùn)行數(shù)據(jù)、加工控制數(shù)據(jù)與操作數(shù)據(jù)等數(shù)據(jù)建模層

包括對(duì)設(shè)備物聯(lián)數(shù)據(jù)、生產(chǎn)經(jīng)營(yíng)過(guò)程數(shù)據(jù)、外部互聯(lián)網(wǎng)相關(guān)數(shù)據(jù)的建模方法和技術(shù)。對(duì)無(wú)法基于傳統(tǒng)建模方法建立生產(chǎn)優(yōu)化模型的相關(guān)工序建立特征模型，基于訂單、機(jī)器、工藝、計(jì)劃等生產(chǎn)歷史數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)及相關(guān)生產(chǎn)優(yōu)化仿真數(shù)據(jù)，采用聚類(lèi)、分類(lèi)、規(guī)則挖掘等數(shù)據(jù)挖掘方法及預(yù)測(cè)機(jī)制建立多類(lèi)基于數(shù)據(jù)的工業(yè)過(guò)程優(yōu)化特征模型。

2、個(gè)性化定制模式系統(tǒng)架構(gòu)2.3

相關(guān)技術(shù)數(shù)據(jù)處理層數(shù)據(jù)交互應(yīng)用層在傳統(tǒng)數(shù)據(jù)挖掘的基礎(chǔ)上，結(jié)合新興的云計(jì)算、Hadoop、專(zhuān)家系統(tǒng)等對(duì)同構(gòu)數(shù)據(jù)執(zhí)行高效準(zhǔn)確地分析運(yùn)算，包括大數(shù)據(jù)處理技術(shù)、通用處理算法和工業(yè)領(lǐng)域?qū)Ｓ盟惴ā?duì)經(jīng)處理、分析運(yùn)算后的數(shù)據(jù)，通過(guò)大數(shù)據(jù)可視化技術(shù)、3D工業(yè)場(chǎng)景可視化等技術(shù)，將數(shù)據(jù)分析結(jié)果以更為直觀簡(jiǎn)潔的方式展示出來(lái)，以便消費(fèi)者理解分析，提高決策效率。企業(yè)管理和生產(chǎn)管理等傳統(tǒng)工業(yè)軟件與大數(shù)據(jù)技術(shù)結(jié)合，通過(guò)對(duì)設(shè)備、消費(fèi)者、市場(chǎng)等數(shù)據(jù)的分析，提升場(chǎng)景可視化能力，實(shí)現(xiàn)對(duì)消費(fèi)者行為和市場(chǎng)需求的預(yù)測(cè)和判斷。結(jié)合智能決策技術(shù)，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)輔助生產(chǎn)制造決策的價(jià)值。2、個(gè)性化定制模式系統(tǒng)架構(gòu)2.3

相關(guān)技術(shù)2.信息集成與協(xié)同

信息集成與協(xié)同包括企業(yè)內(nèi)部和企業(yè)之間協(xié)同，在復(fù)雜多變的市場(chǎng)競(jìng)爭(zhēng)環(huán)境中，尋找最優(yōu)制造資源；在保證制造品質(zhì)的前提下最大程度降低企業(yè)運(yùn)營(yíng)成本；通過(guò)協(xié)同為制造過(guò)程提供最優(yōu)化的解決方案。構(gòu)建精益生產(chǎn)運(yùn)行管理平臺(tái)，構(gòu)成完整的產(chǎn)品生態(tài)體系閉環(huán)幫助工廠量身定制解決方案。通過(guò)集成供應(yīng)鏈管理、高級(jí)排程、制造執(zhí)行、倉(cāng)庫(kù)管理、仿真模擬、大數(shù)據(jù)分析等系統(tǒng)，實(shí)現(xiàn)對(duì)整個(gè)生產(chǎn)周期的管理。整個(gè)生產(chǎn)周期包括生產(chǎn)、協(xié)同、設(shè)計(jì)、制造、物流及服務(wù)等多方面的信息。這些管理系統(tǒng)之間在產(chǎn)品生產(chǎn)中相互協(xié)同交互，為保障生產(chǎn)提供了必要的信息保證。信息集成示意圖2、個(gè)性化定制模式系統(tǒng)架構(gòu)2.3

相關(guān)技術(shù)3.智能工廠

智能工廠是實(shí)現(xiàn)個(gè)性化定制的基礎(chǔ)與前提，在組成上主要分為三大部分：產(chǎn)品工程、生產(chǎn)工程和集成自動(dòng)化系統(tǒng)。企業(yè)層——實(shí)現(xiàn)基于產(chǎn)品全生命周期的管理，也包括企業(yè)管理職能，屬于產(chǎn)品工程部分管理層——實(shí)現(xiàn)生產(chǎn)過(guò)程管理，屬于生產(chǎn)工程部分集成層——包括操作層，控制層，現(xiàn)場(chǎng)層，屬于集成自動(dòng)化系統(tǒng)部分智能工廠架構(gòu)2、個(gè)性化定制模式系統(tǒng)架構(gòu)2.3

相關(guān)技術(shù)4.智能物流與倉(cāng)儲(chǔ)

智能物流及倉(cāng)儲(chǔ)系統(tǒng)是由立體貨架、有軌巷道堆垛機(jī)、出入庫(kù)輸送系統(tǒng)、信息識(shí)別系統(tǒng)、自動(dòng)控制系統(tǒng)、計(jì)算機(jī)監(jiān)控系統(tǒng)、計(jì)算機(jī)管理系統(tǒng)以及其他輔助設(shè)備組成的智能化系統(tǒng)。系統(tǒng)采用集成化物流理念設(shè)計(jì)，通過(guò)先進(jìn)的控制、總線(xiàn)、通訊和信息技術(shù)應(yīng)用，協(xié)調(diào)各類(lèi)設(shè)備動(dòng)作實(shí)現(xiàn)自動(dòng)出入庫(kù)作業(yè)。減輕勞動(dòng)強(qiáng)度節(jié)約用地提高倉(cāng)儲(chǔ)自動(dòng)化水平及管理水平避免貨物損壞或遺失降低儲(chǔ)運(yùn)損耗提高物流效率……個(gè)性化定制概述1個(gè)性化定制模式系統(tǒng)架構(gòu)2典型案例33、典型案例3.1某實(shí)驗(yàn)室智能小車(chē)制造示范線(xiàn)

某實(shí)驗(yàn)室的智能小車(chē)制造示范線(xiàn)是一條標(biāo)準(zhǔn)的研究型個(gè)性化定制生產(chǎn)線(xiàn)，在實(shí)驗(yàn)室內(nèi)模擬了個(gè)性化定制全流程。該生產(chǎn)線(xiàn)是實(shí)驗(yàn)室模擬生產(chǎn)線(xiàn)，消費(fèi)者、制造商均由實(shí)驗(yàn)室人員模擬擔(dān)當(dāng)，設(shè)計(jì)并搭建了訂單處理中心、PLM系統(tǒng)、MES和柔性生產(chǎn)線(xiàn)。個(gè)性化生產(chǎn)全流程示意圖消費(fèi)者通過(guò)內(nèi)部局域網(wǎng)或者個(gè)人終端下單，選擇基礎(chǔ)模塊信息（例如智能小車(chē)整體架構(gòu)），向制造商提供消費(fèi)者信息、自定義尺寸和自定義組件需求（例如傳感器類(lèi)型、小車(chē)體積大小等信息），生成個(gè)性化定制訂單。處理中心協(xié)同PLM系統(tǒng)提供滿(mǎn)足需求的產(chǎn)品設(shè)計(jì)參數(shù)、工藝設(shè)計(jì)CAD模型等，裝配之前利用軟件進(jìn)行裝配過(guò)程模擬，以檢驗(yàn)整個(gè)裝配過(guò)程的合理性，并對(duì)部分參數(shù)進(jìn)行優(yōu)化。個(gè)性化生產(chǎn)全流程3、典型案例3.1某實(shí)驗(yàn)室智能小車(chē)制造示范線(xiàn)個(gè)性化生產(chǎn)全流程裝配前，制造信息被提供給AGV，從物料倉(cāng)庫(kù)中選取符合制造信息的原料。利用CCD識(shí)別各原料特征，將檢測(cè)所得信息反饋至系統(tǒng)，比對(duì)實(shí)際庫(kù)內(nèi)原料與托盤(pán)RFID芯片上信息，若比對(duì)一致，則正常出庫(kù)，送至裝配中心。裝配過(guò)程：從原料庫(kù)獲得的已有部件和原料，首先利用已有部件，分別裝配小車(chē)下層、中間層和上層，實(shí)現(xiàn)客戶(hù)化定制。利用AGV將裝配好的三層輸送到總裝加工中心，先進(jìn)行下層和中間層裝配，再進(jìn)行總裝?？傃b完成后，進(jìn)行功能檢測(cè)。在最后一個(gè)加工單元，利用激光鐳射技術(shù)對(duì)金屬塊進(jìn)行加工，制造個(gè)性化銘牌，并裝配在小車(chē)對(duì)應(yīng)位置，最終完成產(chǎn)品制造過(guò)程。AGV將合格的成品送至倉(cāng)庫(kù)，同樣利用CCD技術(shù)識(shí)別成品，與托盤(pán)信息對(duì)比，防止混料，完成成品入庫(kù)。3、典型案例3.2紅領(lǐng)集團(tuán)青島紅領(lǐng)集團(tuán)依托大數(shù)據(jù)技術(shù)，在全