智能车间|数字化车间|车间物流文献合集 （题目+关键词+摘要）

1. Designing and modeling of self‑organizing manufacturing system in a digital twin shop floor数字孪生车间自组织制造系统的设计与建模

Digital twin · Cyber-physical system · Self-organizing manufacturing · Adaptive optimization control

日益增长的个性化产品需求带来了制造业范式的变革。传统的制造系统很少对生产过程中收集到的数据进行分析和反馈。制造系统的物理世界和数字世界之间的瓶颈是缺乏互操作性。本文提出了一种基于个性化范式的数字化孪生自组织制造系统。在分散数字孪生模型实现智能工件与智能资源互联的基础上，建立分散自组织网络，实现任务与资源之间的智能协作。为了提高DT-SOMS的重构能力和响应能力，构建了作业-机器优化分配和自适应优化控制机制。设计了一个实现实例，说明所提出的DT-SOMS能够实现资源配置和扰动响应的同步在线智能。

2. Digital twin-driven manufacturing cyber-physical system for parallel controlling of smart workshop 智能车间并行控制的数字化双驱动制造信息物理系统

关键词：Digital twin · Smart manufacturing · Cyber physical system · Smart workpiece · Mass individualization ·Manufacturing cyber-physical system

摘要：随着产品需求的日益多样化，制造范式已经转变为大规模个性化的制造范式，其中一个瓶颈就是如何实现制造系统的物理世界与数字世界的互操作性，实现资源的智能组织。提出了一种面向大规模个性化范式下智能车间并行控制的数字化双驱动制造信息物理系统(MCPS)。通过分散的数字孪生模型建立网络物理连接，将各种制造资源形成动态自主系统，共同创造个性化产品。阐述了MCPS的概念、特点、体系结构、配置、运行机理和关键实现技术。给出了板式产品智能制造车间数字化双驱动并行控制的演示实现。该方法解决了制造资源组织和运营的主动决策的两级在线智能问题。

3. DIGITAL PRODUCTION CONTROL OF MANUFACTURING WORKSHOP BASED ON INTERNET OF THINGS 基于物联网的制造车间数字化生产控制

Internet of Things (IoT), Digital Production, Production Control, Manufacturing Workshop

物联网(IoT)在现代制造车间生产控制中的渗透，催生了先进的智能化、信息化制造技术。然而，相关研究未能实时收集和处理各种制造参数，很少考虑制造车间与机器之间的协调。本文探讨了基于物联网的制造车间数字化生产控制。首先绘制物联网数字化车间生产控制框图和数字化生产控制系统软件设计，建立物联网数字化车间生产控制多目标优化模型，优化交货时间、机器负荷和机器利用率。其次，详细介绍了数字化车间生产控制的订单排序方法。最后，以机器能力和协同效率为优化目标，设计了基于物联网的车间生产子任务协同分配策略。实验证明该方法是有效的。

4. A data‑driven smart management and control framework for a digital twin shop floor with multi‑variety multi‑batch production多品种、多批次生产的数字化双车间的数据驱动智能管理和控制框架

Digital twin shop floor · Digital twin · Date-driven · Smart management and control · Discrete manufacturing

针对生产多种变批量产品的离散制造车间作业过程中存在的不确定性、动态性和高复杂性等问题，提出了一种基于数据驱动的数字孪生车间智能管控框架。分析了其实施过程。详细阐述了五个关键任务:(1)从多维度、多尺度的角度构建车间数字化孪生模型;(2) DTS中的数据采集和管理技术;(3)实时数据驱动的车间运行状态同步建模;(4)模型和数据驱动的车间运营状态在线预测;(5)基于多agent的DTS运营决策。此外，针对装配车间生产复杂的产品，开发了基于dt的智能管控系统dt - ppc。通过装配车间的具体应用实例，验证了所提方法的有效性。

5. A hybrid multi-objective approach for real-time flexible production scheduling and rescheduling under dynamic environment in Industry 4.0 context 加工计划与装配调度集成动态生产调度多目标优化遗传算法约束规划

Integrated processing planning and assembly；scheduling；Dynamic production scheduling；Multi-objective optimisation；Genetic algorithm；Constraint programming

随着工业4.0时代的到来，工业生产正朝着高灵活性、多样性、定制化和动态性的方向发展。我们提出了一个智能制造系统的现实场景，该场景涉及在动态柔性作业车间环境下复杂多级产品的生产调度问题。这些产品由多个基本部件组装而成，其制造过程非常灵活，包括可选的工艺计划、可选的机器和可选的加工操作顺序。我们的目标是提供帕累托解决方案，考虑三个典型的优化目标，包括最大完工时间，最大机器工作量和总延误。针对这一问题，设计了MPGA-CP混合方法。据我们所知，这是首次尝试将精确优化技术嵌入到生产调度领域的元启发式算法中。与其他替代方法相比，该方法在解决大中型问题时具有较好的效率和性能，在所有被测试的方法中，Pareto解决方案所占比例最大。在此基础上，构建了一个实时生产调度控制系统的仿真模型，并以该方法为核心算法，研究了实际应用中所关注的一些不确定性对系统性能的影响。基于模拟实验和敏感性分析的结果，提出了有意义的管理见解。

6. Dynamic Scheduling Optimization of Production Workshops Based on Digital Twin

digital twin; learning vector quantization neural network; fault prediction; dynamic scheduling;
job-shop scheduling

生产调度是制造过程决策支持的关键，直接影响企业的效率和竞争力。离散车间的生产过程复杂多变，对于扰动事件的响应往往难以快速准确地做出调整。本文提出了一种基于数字孪生的车间生产调度方法，并将其应用于某航空航天工厂的制造车间。结合数字孪生技术的实时虚拟现实交互融合的优点，研究了故障干扰因素下的动态调度问题。建立了高保真数字孪生车间，实现了真实生产与虚拟工厂的映射与交互。基于机床主轴振动数据，提出了一种学习向量量化神经网络故障预测方法。构建了基于数字孪生的车间生产动态调度策略，并与故障干扰下无数字孪生的车间生产动态调度结果进行了比较。结果表明，基于数字孪生的调度方法能有效地处理干扰，提高车间生产效率。本研究可为数字化孪生及生产调度在实际工厂中的应用提供参考。

7. Improved multi-fidelity simulation-based optimisation: application in a digital twin shop floor

Multi-fidelity simulation-based optimisation; digital twin shop floor; large-scale problem optimisation;simulation; heuristic algorithms

近年来，数字化孪生技术在实现工业4.0和智能制造方面得到了相当多的关注。大多数文献认为仿真模型是数字孪生的关键平台，离散事件仿真是一种适合于模拟真实动态制造系统的方法。然而，复杂制造系统的离散事件仿真是一个耗时的过程。因此，在数字双工车间中很难处理大规模离散优化问题。为了弥补这一研究空白，我们提出了一种改进的基于多保真度仿真优化方法，该方法基于多保真度优化与序次变换和最佳采样(MO2TOS)。该方法在MO2TOS中嵌入启发式算法，提高了求解空间搜索的效率。此外，我们将所提出的方法与离散事件仿真工具相结合，开发了一种改进的基于多保真度的仿真优化系统，并将该系统应用于数字双基飞机零件生产车间。在此基础上，我们进行了不同的生产计划实验，以评估所提方法的性能。实验结果表明，所提出的改进的多保真度仿真优化方法在解决大规模问题上具有较好的应用效果，且性能优于其他仿真优化方法。

8.Performance improvement of a multi product assembly shop by integrated fuzzy simulation approach

Intelligent simulation · Performance improvement · Fuzzy parameters · Fuzzy simulation ·
Multi product assembly shop

针对具有模糊和不确定参数的装配车间，提出了一种综合模糊仿真方法。仿真的基本课题是用概率方法描述现实世界的不确定性。然而，在一些情况下，没有足够的信息来建立相应的概率模型，或者有一些人为因素阻止我们这样做。在这种情况下，模糊集理论的统计和数学工具是可以成功使用的。针对实际大型复杂多产品装配车间，讨论了模糊仿真的设计方法及其优越性。本文采用t检验对模糊仿真结果与装配车间实际生产效率进行了比较。结果表明，模糊模拟计算的产量比常规模拟计算的产量更接近真实产量。在考虑生产约束、系统限制和期望目标的基础上，采用模糊仿真方法提高装配车间的性能。本研究首次将模糊仿真方法应用于多产品装配车间的性能改善。

9.A multi-item multi-packaging model to minimise cost of lost units, unpacking cost and CO2 emissions

Flexible flow shop; packaging size; lost units; unpacking; carbon dioxide; genetic algorithm

针对柔性流水车间系统，提出了两个集成包装尺寸和生产调度问题的多目标模型。主要目标是找出每件成品的包装尺寸和生产进度，使损失单位、拆封成本、库存成本、提前/延误罚款和资源操作排放的二氧化碳千克的成本最小化。由于所提模型的复杂性，本文还提出了一种基于pareto的混合遗传算法(HGA)。开发了一个案例研究，以分析使用不同实例的两个模型的性能。数值结果表明，一种模型的性能优于另一种模型取决于需求和封装尺寸。

10. An intelligent, empty container dispatching system model using fuzzy set theory and genetic algorithm in the context of industry 4.0 

Empty container dispatching; fuzzy set theory; genetic algorithm; industry 4.0

在进出口不平衡的港口运输，将会遇到过剩的问题，以及分散的堆场空箱短缺的问题。本研究通过集装箱调度成本估算模型，计算出空箱调度总成本，以避免出现集装箱短缺的情况。本文提出了一种智能空箱调度系统模型，该模型利用模糊集理论进行成本估算，利用遗传算法求解空箱调度的最优解。本研究为工业4.0背景下空箱调度提供了一个较好的决策支持工具。

11. Improving performance of dispatch rules for daily scheduling of assembly and test operations 

Machine setup；Reentrant flow；Semiconductor assembly and test；AutoSched；GRASP

近年来，由于半导体组装和测试设备在实现准时交付方面的关键作用，人们越来越努力改善它们的性能。使用仿真包AutoSched AP (ASAP)作为分析工具，本文的目标是展示如何将智能启发式逻辑与离散事件模拟相结合，以评估这些设施中机器设置和调度的各种调度规则。解决的问题是由一组资源定义的，包括机器和工具，每个产品的工艺计划，和四个层次目标:最小化关键设备短缺的加权和，最大化加权吞吐量，最小化机器使用的数量，最小化队列中给定批次的最大完工时间。提出了三种新的调度规则，用于装配和测试设备的机器配置和批量分配。第一种方法优先考虑包含关键设备的热批量，同时使用我们的机器优化器获得的设置频率表，该机器优化器采用贪婪随机自适应搜索过程(GRASP)的形式。第二种方法通过自定义将GRASP更鲁棒的选择特征嵌入到ASAP模型中。这允许ASAP通过使用自适应概率分布(解决方案质量的函数)随机化机器设置，在每个决策点上探索更大的可行区域。第三条规则是对第二条规则的简化，它总是为在所有候选对象中目标函数的边际改进最大的特定机器选择设置。计算分析表明，这三种调度规则在这四个目标上都大大提高了ASAP的性能。

12. Toward intelligent manufacturing: label characters marking and recognition method for steel products with machine vision 面向智能制造:基于机器视觉的钢铁产品标签字符标注与识别方法

Intelligent manufacturing      Enterprises informatization      Label character marking      Machine
vision      Marked character recognition

正确编码材料和识别材料上标识的字符，对于钢铁制造业实现信息化管理和智能制造至关重要。然而，钢铁产品的制造往往处于高温环境中，材料的储存和检索过程较多，工人不易接近环境并完成任务，因此对钢铁产品上的文字进行自动标注和识别是一个很大的挑战。提出了一种钢铁材料标签字符的标注与管理框架，并提出了一种基于机器视觉的标注字符在线检测与跟踪方法。此外，在宝钢进行了热坯标记和多工况识别的实验，结果表明该方法是可行的，为钢厂智能制造系统获取准确的基础数据提供了有益的探索。