《机械制造业智能工厂规划设计》——3.2 机械制造业智能工厂参考模型

简介: 本节书摘来自华章计算机《机械制造业智能工厂规划设计》一书中的第3章,第3.2节,作者:蒋明炜著, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.2 机械制造业智能工厂参考模型

1.参考模型
可以用一个三维图形来表示机械制造业智能工厂的参考模型,如图3.2所示。图中表明了一个智能工厂的业务范围和三个维度,及实现企业价值链的横向集成,企业内部的纵向集成和信息物理系统(CPS)的技术支持系统三个维度。
客户需求、产品设计、工艺设计、物料采购、生产制造、进出厂物流、生产物流、售后服务构成智能工厂的横向集成维度;企业内部的设备与控制层、制造执行层、经营管理层、经营决策层构成纵向集成维度;由感知执行、适配控制、网络传输、认知决策和服务平台组成的信息物理系统(CPS)。这三个维度构建了机械制造行业智能工厂参考模型。

image

2.纵向集成维度
(1)设备与控制层
包括传感器、仪器仪表、条码、射频识别、数控机床、柔性制造系统、柔性生产线、机器人、自动化立体仓库、自动化物流传送装置、感知和执行单元、可编程控制器、现场总线控制系统等。
(2)制造执行层
制造执行层主要是制造执行系统MES。包括产品定义、生产资源定义、生产详细排产、生产优化调度、生产执行、质量管理、产品追溯、生产进度的跟踪和监控、车间物料管理、设备运行状态的监控和管理、车间绩效管理等。实现整个车间执行层人、机、料、法、环的管理。
(3)经营管理层
由客户需求管理、生产计划、采购管理、销售管理、人力资源管理、财务成本管理、质量管理等信息系统所构成,实现企业整个价值链上物流、信息流、资金流、责任流的统一和优化管控,主要包括企业资源计划(ERP)系统、供应商关系管理(SCM)系统、客户关系管理(CRM)系统,以及面向客户的产品全生命周期的服务和管理、项目管理(PM)等。
(4)经营决策层
在智能工厂的环境下,将产生大量的产品技术数据、生产经营数据、设备运行数据、质量数据、设计知识、工艺知识、管理知识、产品运维数据。建立智能决策系统,对上述信息进行搜集、过滤、储存、建模,应用大数据分析工具,为各级决策者获得知识和洞察力,提高决策的科学性。由企业预算管理、绩效管理、商业智能等组成的战略管控系统共同构成经营决策系统。
3.横向集成维度
横向集成:按照“互联网+协同制造”的精神,重点构建产业链的企业间的协同与集成,如跨企业、跨地域的协调设计,企业间的协同供应链管理,协同生产、协同服务和企业间的价值链重构。实现产业链上各企业间的无缝集成、信息共享和业务协同。
4.信息物理系统
信息物理系统分为五个层级相互配合,支撑企业纵向集成、企业间横向集成与端到端集成,实现工业体系与信息体系的深度融合以及全面智能化。信息物理系统通过集成先进的信息通信和自动控制等技术,构建了物理空间与信息空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同的复杂系统,实现系统内资源配置和运行的按需响应、快速迭代、动态优化。它是智能工厂的技术支持体系。
信息物理系统的五个层级介绍如下。
(1)感知执行层
感知执行层包括以感知装置和智能设备为代表的生产物理实体、物联网、数据采集与命令执行及设备安全防护等,如图3.3所示。

image

在CPS的感知执行层,CPS的数据采集管理通过物联网将数据按照事先制定的策略,对处于最底层的智能设备与传感器数据进行收集和管理。CPS控制管理功能,负责将来自CPS上层的控制指令通过物联网,下发至底层的受控设备。
(2)适配控制层
解决不同系统及设备间的通信兼容问题,并对生产装备与系统的健康、工况等状态进行综合评估;接收下发的本地APP控制执行模型,进行自组织、自适应的控制适配调整。在适配控制层框架结构中,底部功能区为数据的上传解析与指令分发,左侧功能区为数据信息的转化,右侧功能区为生产活动的指令执行,如图3.4所示。

image

(3)网络传输层
承担数据、信息与指令的传输与通信,包括ICT物理实体与系统软件部分、网络与数据安全部分、基础网络与设备集群间通信部分等。基础网络部分实现网络传输层的互联互通功能,网络与数据安全、ICT物理实体与系统软件部分对基础网络部分提供技术支撑。网络传输层负责CPS架构中所有层级之间的数据通信。网络传输层内容示意如图3.5所示。
(4)认知决策层
认知决策层是CPS中的管理决策中枢,包括信息认知与挖掘、计算与数据管理,根据决策的需求建立APP控制执行模型库。这些库包括:生产工艺模型库、故障诊断模型库、质量判断模型库、物流仓储模型库、能源优化模型库等。智能决策分析是CPS的“大脑”,主要包括能够具备自学习和认知能力的知识库、端到端集成的产品全生命周期价值链数据、横向集成的决策协同优化与分析以及预测决策模型等。认知决策层内容示意如图3.6所示。

image

(5)服务平台层
服务平台层提供安全环境下的工业协同价值网络,包括管理安全,在工业协同环境下,协同过程中的可用性、可靠性、机密性、完整性、操作安全和身份确认,这是保障智能制造体系下协同安全的重要主题。工业协同价值网络在智能制造体系下,遵循工业协同与互联标准,企业间实现协同设计、协同生产、协同物流与协同服务的过程协同、交互与服务网络,同时也是开展定制化服务和智能服务的交互与服务网络,包括:用户与供应商管理、服务与产品管理、账单与结算管理等功能。服务平台层内容示意如图3.7所示。

image

image

相关文章
|
Android开发
Android 13 Qs面板的加载流程
Android 13 Qs面板的加载流程
1663 0
Android 13 Qs面板的加载流程
|
人工智能 Cloud Native 前端开发
Bolt.diy 测评:从零部署到创意实践的全流程体验
本文详细介绍了阿里云解决方案中的Bolt.diy工具,一款基于AI的开源全栈开发平台。通过自动部署方式,用户可快速体验其多模型适配、全栈开发等功能。文章涵盖从开通服务到部署应用的具体步骤,并结合实际案例展示了生成网页的效果与局限性。尽管Bolt.diy能显著提升建站效率,但在复杂需求处理和稳定性上仍有改进空间。建议优化代码生成实时查看、预览异常处理等问题,并增加更多学习资源以帮助用户更好地设计Prompt。
1083 43
|
11月前
|
数据采集 JavaScript 物联网
智能工厂四大核心系统:ERP/PLM/MES/WMS规划架构图详解
企业数字化转型需要构建ERP、PLM、MES、WMS等核心系统协同运作的完整体系。ERP整合企业资源管理,PLM管理产品全生命周期数据,MES实现车间生产执行管控,WMS优化仓储物流管理。各系统通过数据流紧密衔接:PLM为ERP提供BOM数据,ERP为MES下达生产计划,MES与WMS协同物料调度。
|
域名解析 弹性计算 安全
阿里云域名备案流程(从域名注册到域名备案成功图文详解流程)
本教程以实操形式为阿里云新老用户详细讲解从“注册阿里云账号”、“阿里云账号实名”、“租赁阿里云服务器”、“创建阿里云域名模板”、“注册阿里云域名”、“阿里云域名备案”、“域名备案信息查询”、“阿里云域名解析”一整套流程图文详细讲解。
1924 5
|
自然语言处理 数据库
JT808教程:终端的注册
本节介绍了终端在未注册状态下的注册流程及鉴权过程,包括使用的消息类型及其格式。内容涵盖终端注册、注销、鉴权的具体步骤,并提供模拟器操作说明和通信报文示例,帮助理解终端与平台之间的交互过程。
1001 0
|
分布式计算 Hadoop 数据挖掘
6个常用大数据分析工具集锦
6个常用大数据分析工具集锦
719 0
|
存储 JSON NoSQL
MongoDB常用命令
本文介绍了将文章评论数据存储到MongoDB中的操作方法,包括数据库和集合的基本操作。主要内容涵盖:选择与创建数据库(如`articledb`)、数据库删除、集合的显式与隐式创建及删除、文档的CRUD操作(插入、查询、更新、删除)。此外,还详细说明了分页查询、排序查询以及统计查询的方法,例如使用`limit()`、`skip()`实现分页,`sort()`进行排序,`count()`统计记录数。通过实例展示了如何高效管理MongoDB中的数据。
|
测试技术
po+selenium+unittest自动化测试项目实战
po+selenium+unittest自动化测试项目实战
4027 0
 po+selenium+unittest自动化测试项目实战
|
Java 容器
SpringBoot修改默认端口号
有时候我们可能需要启动不止一个SpringBoot,而SpringBoot默认的端口号是8080,所以这时候我们就需要修改SpringBoot的默认端口了。修改SpringBoot的默认端口有两种方式。下面就分别说一下这两种方式。 修改application.properties 第一种方式我们只需要在application.properties中加这样的一句话就可以了:server.
4831 1
|
数据采集 SQL 人工智能
AI+低代码,打通企业大模型应用最后一公里!
在2024微软Build大会上,微软宣布50多项AI更新,包括GPT-4上云、Cobalt芯片、Team Copilot和小模型等。Team Copilot成为团队助手,管理会议并协助解决问题。GPT-4模型支持多模态处理,引领AI体验新标准。微软构建三个平台增强AI功能,推动AI应用于协同办公、低代码开发等领域。织信低代码平台结合AI技术,实现智能数据补充、内容分析和快速算法,提升企业效率,降低了对IT资源的需求。AI与低代码技术共同促进数字化转型,织信低代码已在多个行业广泛应用,其AI助手强化了用户体验和效率。未来,AI将成为软件交互的核心,低代码与AI的结合将进一步推动软件平民化。