前言
这篇文章以德国工业4.0为背景,详细介绍了智能制造中的一些技术和一些国家的发展状况。涉及到智能制造、物联网、云制造等,同时分析了这些技术的异同点。这篇文章也介绍了一些关键技术:物联网(IoT)、网络物理系统(CPSs)、云计算、大数据分析(BDA)和信息通信技术(ICT)。最后作者提到了目前遇到的挑战和未来的研究方向
一、介绍
工业4.0是德国的一项战略举措。在工业4.0时代,制造系统能够监控生产过程,创造实体世界的“数字孪生”(“网络孪生”)(注:数字孪生是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念,可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。),与人类、机器或者传感器进行实时通信合作,智能决策。工业4.0将嵌入式生产系统技术与智能生产流程相结合,为新技术时代铺平了道路,新时代将从根本上改变行业价值链,生产价值链和业务模式。
智能制造需要一定的基础技术,以便使机器装置在基于过去的经验或者自身的学习能力对不同的情况做出改变。这些技术能够与制造系统直接通信,从而能够及时解决问题和作出适应性决定。 也会用到AI技术,可以使制造系统学习过去的经验。
这篇文章博采众长,收集了很多数据,清晰地呈现出了一些关键的概念,比如智能制造、物联网驱动制造和云制造等,然后该文章又讨论了一些关键技术,比如物联网、SPSs、云计算、大数据分析以及信息通信技术,这些技术将会用来支持智能制造的发展。
下图展示了从2005年到2016年有关智能制造的文献的发表数量。
下图展示了关于智能制造的期刊收录情况
二、主要概念
1.智能制造
智能制造是一个比较宽泛的概念,它的主要目的是利用先进的信息技术和制造技术优化生产和交易。它被认为是一种基于智能科学技术的新制造模式,极大地改善了产品的整个生命周期,包括设计、生产、管理和集成。可以使用众多传感器、适应性决策模型、先进材料、智能装置和数据分析来改善产品的生产周期。这将会提高产品的生产效率、质量和服务水平,提高企业的竞争力。
一个实现这些技术的方式是智能制造系统(IMS),被认为是下一代制造系统。在工业4.0时代,IMS通过网络使用面向服务的体系结构(SOA)向终端用户提供协作、可定制、灵活和可重构的服务,从而实现了一种高度集成的人机制造系统。这种高度的人机合作旨在建立一个由IMS所涉及的各种制造要素组成的生态系统,以便易于组织和管理,并且在技术层面上能够无缝结合。
AI技术在IMS起到了一个非常重要的作用,AI可以学习、决策和执行。AI可以减少人力劳动。随着不断获取认知,自动感知,智慧互联,智能学习分析,最终将会实现智能决策。
2.物联网驱动制造
物联网下的智能制造是指生产资料被转换为智能制造物体,可以感知、互联、交互,自动执行制造逻辑。在物联网支持的制造环境中,实现了人与人、人与机器和机器与机器的连接,并进一步实现智能感知。物联网被认为是工业4.0下的一个现代制造概念,并采用了最新的技术,如用于数据采集和共享的尖端信息技术(IT),这极大地影响了制造系统的性能。
物联网驱动制造可以在机器、工人和材料之间实现实时数据采集和共享。实时数据采集和共享基于射频识别(RFID)(RFID (Radio-Frequency Identification),即无线射频识别,是一种非接触式的自动识别技术。它通过射频信号自动识别目标对象并获取相关数据,识别工作无须人工干预,可工作于社会中的各个领域,具有体积小,成本低,易于嵌入物体中,无需接触就能大量地进行读取等优点。)和无线通信标准等关键技术。RFID标签和阅读器被部署到典型的制造场所,如车间、装配线和仓库,在这些场所,通过为制造对象配备RFID使其变为智能设备。这使车间扰动能够被实时检测并反馈到制造系统,从而提高了制造和生产的有效性和决策效率。
3.云制造
云制造是指在云计算、物联网、虚拟化和面向服务技术的支持下,把制造资源转变成能全面共享和流通的服务。它涵盖了产品的整个生命周期,包括设计、模拟、制造、测试和维护,因此通常被视为并行、网络化和智能化的制造系统(“制造云”)
。
在云制造中,许多生产资料可以被智能感知并且连接到云端。物联网技术,如RFID和条形码,可以自动管理和控制这些资源,以便他们可以数字化共享。面向服务的技术和云计算是这一概念的基础支持。因此,生产资料可以被虚拟化封装到各种服务中。给定预定义的特定规则,可以对这些服务进行分类和聚合。 有许多不同类型的制造云处理各种制造服务。 不同的用户能够通过虚拟制造环境或平台搜索、访问和调用相应的服务。
云部署模式、制造资源建模以及需求和服务匹配是云制造中的关键问题。由于应该为服务共享建立虚拟制造环境或解决方案,因此需要云部署方法,如公共、私有、社区和混合云以便向终端用户提供统一和普遍的访问。例如,混合云是几个云的混合物,提供多种部署模式,有灵活部署和易于访问跨业务应用程序等优点。各种制造资源,如机器和装配线,也应建模成可以分发和共享的服务。
4.比较
上述三种概念是非常重要的,下属表格可以帮我们更好地理解。
概念 | 主要特点 | 技术支撑 | 主要研究 | 应用 |
---|---|---|---|---|
智能制造 | ▪️ AI智能决策 ▪️ 自动生产 ▪️ 可适应性 ▪️ 灵活性 | ▪️ 大数据处理 ▪️ 先进的机器人技术 ▪️ 工业互联服务 ▪️ 传感器技术 | ▪️ 智能决策模型 ▪️ 人机联合 ▪️ 机器学习 ▪️ 机机交互 | ▪️ ISO STEP 智能制造系统 ▪️ 产品生命周期检测 ▪️ 基于代理的IMSs ▪️ 智能制造规划和控制系统 |
物联网驱动制造 | ▪️ 自动识别 ▪️ 实时数据收集 ▪️ 可见行和可追踪性 ▪️ 实时决策 | ▪️ IoT ▪️ 无线产品 ▪️ BDA ▪️ 云计算 | ▪️ 实时数据驱动决策模型 ▪️ 实时数据虚拟 ▪️ SMO建模 ▪️ SMO行为建模 | ▪️ 基于RFID的资源管理系统 ▪️ 物联网智能建筑生产系统 ▪️ 基于RFID的车间WIP库存管理系统 ▪️ 支持RFID的实时生产计划和调度系统 |
云制造 | ▪️ 制造服务分布和共享 ▪️ 智能容量管理 ▪️ 制造云服务管理 | ▪️云计算 ▪️ IoT ▪️ 虚拟技术 ▪️ 面向服务的技术 | ▪️ 生产要素和容量建模 ▪️ 制造服务配置 ▪️ 制造云架构 | ▪️ 云制造车间的数据可视化 ▪️ 基于QoS的云制造系统服务组合选择 ▪️ 使用IoT的智能云制造 ▪️ 云制造中基于语义的Web框架 |
三、主要技术
这一部分主要介绍一下在智能制造中所用到的一些技术,包括物联网、网络物理系统、云计算、大数据分析和一些其他的通信技术。
3.1物联网
物联网,顾名思义,所有物体相互连接,各种物体通过嵌入传感器、执行器和一些其他的电子设备,相互进行数据采集和共享。在许多行业中,照明、加热、机械加工、自动吸尘器和远程监控的控制和自动化可以通过物联网来实现。物联网的关键技术之一是自动识别技术,可以用来创造智能物体。物联网现在被看作许多尖端技术如无线技术、数据分析、机器学习等的大融合。 RFID技术就是一个例子。 据报道,到2020年,将有近208亿台设备连接起来,并充分利用RFID。RFID技术已被用于识别仓库、生产车间、物流公司、配送中心、零售商的各种对象。识别成功后,这些物体就具备了智能感知的能力,所以他们能够相互连接和交流,就会产生大量有关行为和移动的数据。智能对象之间的互连是预定义的;给这些对象特定的应用和逻辑,例如一个制造程序,在配备了RFID阅读器和标签后它们能够执行这个程序。
工业应用 | 目标 | 提升点 | 研究方向 |
---|---|---|---|
智能社区 | ▪️ 社区安全 ▪️ 智慧医疗 | ▪️ 效用管理和社交网络等增值服务 ▪️ 社区异常检测 | ▪️ 合作认证 ▪️ 检测不可靠节点 ▪️ 目标追踪和侵入检测 |
云服务和医疗保健 | ▪️ 信息共享 ▪️ 提高生活质量 ▪️ 检测潜在社会风险 | ▪️ 无缝独立的物联网工作架构 ▪️ 开源共享 ▪️ 增强处理能力 | ▪️ 物联网管理操作理论 ▪️ 物联网数据复杂度分析 ▪️ 物联网驱动下的全球贸易 |
智慧城市 | ▪️ 提供选定子集的访问 ▪️ 建设城市物联网系统 | ▪️ 提高能量利用效率 ▪️ 减少交通拥堵 ▪️ 智能路灯、智能停车 | ▪️ 智慧城市数据分析 ▪️ 智能连接 ▪️ 智能拓展 |
网关系统 | ▪️ 帮助电信运营商传输数据 ▪️ 控制传感器网络 | ▪️ 改进数据展示和拓扑结构 ▪️ 提高数据传输效率 | ▪️ 高级物联网网关功能 ▪️ 安全管理 |
3.2网络物理系统
CPS可以把许多物体和软件联系起来,交织在一起,相互交流信息。一个CPS涉及大量的跨学科方法,如控制论、机械工程和机电一体化、设计和过程科学、制造系统和计算机科学。其中一个关键的技术方法是嵌入式系统,它能够在物理对象及其计算单元或服务之间建立高度协调的关系。支持CPS的系统与传统的嵌入式系统不同,它包含网络交互,这些交互是用物理输入和输出以及网络孪生服务设计和开发的。所以,也需要大量的传感器。 然而,集成几个不同的子系统是耗时和昂贵的,整个系统必须保能够运行并执行功能。所以这就带来了一些挑战。
3.3 云计算
云计算是一个通用术语,指的是在网络上通过可视化和扩展的资源传递计算服务。云计算对于企业很有帮助,因为它允许企业刚开始使用的规模比较小,后来随着服务的增加,可以投入更多,比较灵活。基于NIST的建议,一个理想的云应该具备如下5个特点:按需自助服务,广泛的网络访问,资源池,快速、弹性,和测量服务。这个云模型由四个部署模型——公共、私有、社区和混合和三个交付模型——“软件作为服务”、“平台作为服务”和“基础设施作为服务”。许多公司都在采用云计算,以期利用最少的预算获得最大的容量,而且不用投资新的软件和设施,不用培训人员。 但是云计算也存在很多挑战,最严重的问题是隐私和安全,还有其他挑战,如数据管理和资源分配、负载平衡、可伸缩性和可用性、向云迁移和兼容性以及互操作性等。
3.4 大数据分析
通信技术的发展,数据变的尤为重要,由此出现了大数据。数据可以从很多渠道获得,包括传感器、机械装置、音视频、网络、日志文件、社交媒体等。在这种情况下,大数据也开始逐渐在工业展露头脚。尽管物联网已经能够合理的使用数据了,但是还是存在一些问题,比如如何在合适的时间地点合理的利用数据产生有用的信息。在大数据的环境下,数据库变得非常庞大,传统的数据处理方式已经不再适用,所以对于企业来说,一个更为先进的数据分析技术尤为重要,这样才能够从庞大的数据中分析出来隐藏其中的模式、关联和趋势。 ## 3.5 信息通信技术
信息和通信技术是指一种扩展的信息技术,它强调统一的通信和电信的集成,以及能够存储、传输和操作数据或信息。信通技术涵盖广泛的计算机科学和信号处理技术,如无线系统、视听系统。它的重点是通过各种电子媒体(如有线或无线通信)传递信息,在智能制造中尤为重要,因为产品的生产和决策非常依赖于这些信息。 对于中小企业,ICT对提升企业竞争力也很重要,因为它能够对市场作出快速反应。信通技术的使用便利了信息资源的处理,降低了成本,提高了客户的体验。