当前位置:领航仪器 > 产品中心 > 工业智能试验天字0003号:赛博创筑––基于动态

工业智能试验天字0003号:赛博创筑––基于动态

文章作者:产品中心 上传时间:2020-03-27

  工业智能实行 天字0003号□□□□□:赛博筑筑––基于动态群组的强韧筑筑编制-工业智能 工业智能强韧筑筑编制? 摘要□□□:赛博筑筑(Cybermanufacturing)的提出□□□□,是为领悟决当下大领域筑筑编制广大缺乏强韧性(resilience)的题目[1]。产品中心从筑造爱护的角度来说□□□□,强韧性指的是筑筑编制正在蜕化处境中络续供给巩固坐褥力的才能。以古代的坐褥解决形式解决工业资产□□□,不但无助于抬高强韧性□□□□,本钱也往往激昂而难以察觉。从工业资产解决的角度来看□□□,古代筑筑编制强韧性差、爱护本钱高。

 

  

 

  

靠山先容

  

 

  

赛博筑筑(Cybermanufacturing)的提出□□□□,是为领悟决当下大领域筑筑编制广大缺乏强韧性(resilience)的题目[1]。从筑造爱护的角度来说□□□,强韧性指的是筑筑编制正在蜕化处境中络续供给巩固坐褥力的才能。以古代的坐褥解决形式解决工业资产□□□□,不但无助于抬高强韧性□□□,本钱也往往激昂而难以察觉。从工业资产解决的角度来看□□□□□,古代筑筑编制强韧性差、爱护本钱高的直接原由厉重有两点□□□:

  

一是“落空了的坐褥时机”。倘使正在筑造数目推广时□□□□,企业如故效力古代的周期性或应激式爱护方法□□□,非预期的滞碍停机将不成避免。滞碍停机光阴原来能够用来实行坐褥□□□□,故而停机的本钱是这段光阴没有被坐褥的产物所应创作的价格。

  

二是“看不睹的爱护支付”。正在坐褥行径中□□□□□,企业为了担保坐褥的相连性□□□,往往会企图大宗的备品备件□□□□,对症结筑造以至会企图备用筑造。然而□□□□,产品中心正在坐褥筑造平常运转时□□□□□,备品备件与备用筑造变成了库存闲置□□□,糜费了本能够省俭的库存空间资源和土地资源。其它□□□□□,备用筑造也必要爱护□□□□□,也存正在产生非预期滞碍的危机□□□□,扶植备用筑造还要付出特殊的爱护本钱。

  

究其根蒂□□□□□,变成以上两点的痛点是坐褥职业与筑造强健之间缺乏合联。不真切筑造的强健形态便直接分拨坐褥职业□□□□,就有恐怕将过众的坐褥职业分拨给仍旧没落的、坐褥才能消重的筑造□□□□,进而加快其劣化□□□□□,变成非预期滞碍。不真切筑造的强健形态便直接实行筑造爱护维修□□□□□,就没门径捉住调换劣化元件的最佳机缘——换太早□□□□□,便糜费了元件;太晚□□□□,又变成滞碍停机。

  

 

  

  

目的

  

赛博筑筑的目的是扶植坐褥职业与筑造强健之间的合联□□□□,抬高筑筑编制强韧性。传感身手与工业通信程序的进取使得越来越众的坐褥筑造完毕互联□□□□,而数据价格连接受到珍贵的趋向也让筑筑编制成为名副实在的大数据处境。赛博筑筑所诈骗的便是互联的肖似筑造之间有要求的可比性□□□,通过对等相较(peer comparison)来评估主件强健形态、领悟危机□□□□□,并据此来优化坐褥职业的分拨。对照古代筑筑编制基于呆板的、应激式的、以限定为主导的自上而下坐褥解决形式□□□□,赛博筑筑是基于实证的、防患性的、以数据洞察为主导的自下而上坐褥解决形式□□□□,产品中心如图 2所示[1][2]。

  

  

图2. 基于“讯息物理编制(CPS)”的赛博筑筑基础框架[2]

  

 

  

重点身手

  

赛博筑筑的重点身手之一是基于群组(fleet)的预测性筑模。所谓群组□□□□□,即上文所提到的肖似筑造的集结。筑造的肖似性能够起码从四方面酌量□□□:型号□□□□□,效用□□□□,处境□□□,与工况。正在搜聚到这四类讯息后□□□□,产品中心群组的划分能够采用聚类(clustering)的法子□□□,将肖似性讯息动作输入□□□□□,分群标识动作输出。因为筑造的处境与工况恐怕会动态厘革□□□,聚类流程必要具备动态自调动的效用以适当这种厘革□□□□,如图 3所示[2]。

  

  

图3. 动态群组聚类法子[2]

  

基于群组的预测模子比拟单机的预诊法子具有更符合、更通盘的基线讯息□□□,故而预测的切实率相较于单机模子而言更高。产品中心同时□□□□□,对等相较也能让用户发明单机预诊无法发明的题目□□□□,为筑造强健领悟筑模拓展了除光阴除外的另一个维度[3]。

  

案例分享

  

基于群组的预测性筑模身手正在风电[4]、工业机器手臂[5]等周围均有运用□□□□□,通用性强。

  

正在IMS核心与一家着名汽车坐褥筑筑商互助的项目中□□□□□,验证了基于群组的滞碍检测模子的卓越性。像上文提到的□□□□□,扶植基于群组的模子的基础法子是□□□□,将与呆板肖似性合连的变量实行聚类来从新构成众个当地集群。之后□□□□,以组内数据为基线实行滞碍检测。的确如图 4□□□□,对待机器手臂□□□□,聚类领悟的输入是机器手臂的参数设定、限定信号等数据□□□,聚类后对每组内的机器手臂用所正在当地集群的基线实行筑模。源委与单机模子的对比发明□□□□□,当地集群模子的检测切实率均与单机模子的切实率相当或者更高□□□□□,如外 1所示。结果同时也讲明□□□□,正在当地集群内样本数目足够时□□□□,基线对待单机模子才有上风。这确定了基于群组预诊模子的运用场景是样本数目足够的互联群组预诊。

  

  

图4. 基于群组的滞碍检测法子[5]

  

基于群组筑模相对待单机模子上风除了正在大领域运用中的高切实率除外□□□□□,还蕴涵其高度可领域性。古代的单机模子正在筑模时必要累积大宗的汗青数据□□□,况且即使筑模之后□□□,正在领域化时差异个人间的不同性也很容易导致模子功能消重。而基于群组筑模的法子以正在大宗呆板中寻找不同最小个人□□□,并将其分群的方法从根蒂上消重了不同性的影响□□□□,使得当地集群基线可能特别切实地反响组内个人的强健形态□□□□,极大巩固了模子可领域性。这一特点也使得基于群组的预测性筑模法子成为IMS核心“讯息物理编制”(CPS)框架中搜集层(Cyber Level)的首要构成一面之一[6]□□□,为天泽智云完毕即插即用的一站式预诊处理计划(turn-key prognostics solution)奠定了外面根本。

  

参考材料

  

[1]J.Lee, B. Bagheri, and C. Jin, “Introduction to cyber manufacturing,” Manuf.Lett., vol. 8, pp. 11–15, 2016.

  

[2]C.Jin, D. Djurdjanovic, H. D. Ardakani, K. Wang, M. Buzza, B. Begheri, P. Brown,and J. Lee, “A comprehensive framework of factory-to-factory dynamicfleet-level prognostics and operation management for geographically distributedassets,” in 2015 IEEE International Conference on Automation Science andEngineering (CASE), 2015, pp. 225–230.

  

[3]C.Jin, “Cyber Physical Systems-Enabled Prognostics for Fleet-based Systems,” in IMSCenter 29th Industry Advisory Board Meeting, 2015.

  

[4]E.R. Lapira, H. Al-Atat, and J. Lee, “Turbine-to-turbine prognostics techniquefor wind farms,” 12-Nov-2012.

  

[5]E.R. Lapira, “Fault detection in a network of similar machines using clusteringapproach,” University of Cincinnati, 2012.

  

[6]J.Lee, B. Bagheri, and H.-A. Kao, “A Cyber-Physical Systems architecture forIndustry 4.0-based manufacturing systems,” Manuf. Lett., vol. 3, pp. 18–23,2015.

本文由领航仪器发布于产品中心,转载请注明出处:工业智能试验天字0003号:赛博创筑––基于动态

关键词: 产品中心