智能制造功能系统介绍！

01

智能设计

智能设计是指将智能优化方法应用到产品设计中，利用计算机模拟人的思维活动进行辅助决策，以建立支持产品设计的智能设计系统。 从而使计算机能够更多、更好地承担设计过程中各种复杂任务，成为设计人员的重要辅助工具。 制造领域常见的智能设计包括以下几种。

1）衍生式设计

衍生式设计（generative design）是指建立在数字化制造条件下的、基于协议与规则的、用户深度参与产品生成过程的设计方法。衍生式设计由设计师给出一个大致的设计空间（包含结构、体积、形态元素），计算机通过数据的计算可以高效地生成大量的设计方案，然后基于用户的限定筛选出符合设计要求且高质量的方案。衍生式设计不但能够在方案数量上有优势，而且还能产生出很多有创新的设计，构造设计师难以想象的复杂形态，激发设计师的灵感。衍生设计模型要满足以下两个条件：

（1）每个模型必须包含可以被设计评估的度量标准，由于计算机没有评判设计好坏的直觉，设计师要向计算机明确什么设计是好的，什么是不好的；

（2）计算机需要有能够改变控制变量的算法，并且能够从变量中得到反馈，发掘所有的设计可能性。

2）拓扑优化设计

拓扑优化设计（topology optimization design）以设计域内的孔洞有无、数量和位置等拓扑信息为研究对象，其基本思想是利用有限元技术、数值计算和优化算法，在给定的设计空间内，寻求满足各种约束条件（如应力、位移、频率和重量等），使目标函数（刚度、重量等）达到最优的孔洞连通形式或材料布局，即最优结构拓扑。

3）仿真设计

当所研究的系统造价昂贵、实验的危险性大或需要很长的时间才能了解系统参数变化所引起的后果时，仿真是一种特别有效的研究手段。仿真设计（simulation design）是通过使用计算机仿真软件辅助设计的方法。仿真软件的种类很多，在工程领域，有机构动力学分析、控制力学分析、结构分析、热分析、加工仿真等仿真软件系统。

4）可靠性优化设计

可靠性优化设计（reliability-based design optimization，RBDO）是指保证产品安全性能的前提下，借助优化技术实现结构造价或产品某些性能如刚度、强度等的最优设计。RBDO将可靠性分析理论和确定性优化设计相结合，考虑载荷、材料特性、制造误差等不确定性因素的不确定性对确定性约束的影响，确保所有约束都处于安全区域。其中不确定性分析通常假设不确定性参数服从某种特定的概率分布。

5）多学科优化设计

多学科优化设计（multidisciplinary design optimization，MDO）旨在解决大规模复杂工程系统设计过程中多个学科耦合和权衡问题的一种新的设计方法。它充分探索和利用工程系统中相互作用的协同机制，考虑各个学科之间的相互作用，从整个系统的角度优化设计复杂的工程系统。美国航天局对MDO的定义是：MDO是一种通过充分探索和利用系统中相互作用的协同机制来设计复杂系统和子系统的方法论。

02

制造过程控制优化

制造过程包括加工过程、装配过程、工厂运行等部分，制造过程控制优化是指将大数据与人工智能技术融入到制造过程中，使制造过程实现自感知、自决策、自执行，主要包括加工过程控制优化、装配过程控制优化、工厂运行控制优化等。

1）加工过程控制优化

制造装备是加工过程的基础。智能制造装备是指通过融入传感、人工智能等技术，使得装备能对本体和加工过程进行自感知，对与装备、加工状态、工件和环境有关的信息进行自分析，根据零件的设计要求与实时动态信息进行自决策，依据决策指令进行自执行，实现加工过程的“感知→分析→决策→执行与反馈”的大闭环，保证产品的高效、高品质及安全可靠加工，如图2所示。

 

图2 加工过程控制优化

加工过程控制优化包括工况在线检测、工艺知识在线学习、制造过程自主决策与装备自律执行等关键功能。

（1）工况在线检测：在线检测零件加工过程中的切削力、夹持力，切削区的温度，刀具热变形、磨损、主轴振动等一系列物理量，以及刀具—工件—夹具之间热力行为产生的应力应变，为工艺知识在线学习与制造过程自主决策提供支撑。

（2）工艺知识在线学习：分析加工工况、界面耦合行为与加工质量/效率之间的映射关系，建立描述工况、耦合行为和加工质量/效率映射关系的知识模板，通过工艺知识的自主学习理论，实现基于模板的知识积累和工艺模型的自适应进化，为制造过程自主决策提供支撑。

（3）制造过程自主决策：将工艺知识融入装备控制系统决策单元，根据在线检测识别加工状态，由工艺知识对参数进行在线优化并驱动生成制造过程控制决策指令。

（4）装备自律执行：智能装备的控制系统能根据专家系统的决策指令对主轴转速及进给速度等工艺参数进行实时调控，使装备工作在最佳状态。

2）装配过程控制优化

装配过程控制优化是指通过大数据、人工智能等方法，结合智能机器人、人机协同等新兴技术，实现装配过程的自动化与智能化，从而提升装配系统运作效率，为企业创造新的价值。

装配过程控制优化的主要核心技术包括：智能装配规划系统、装配机器人、人机协同技术等。

（1）智能装配规划系统：是智能规划等理论方法和技术与装配规划问题相结合产生的一项综合技术，不仅能够提供一系列符合要求的装配工艺，同时能够按照可装配性、可维护性、可用的装配资源以及整个装配成本的高低要求，对装配方案的优劣进行分析。智能装配规划通过产品的CAD模型，利用计算机、AR/VR等技术，创建虚拟环境，以便对产品的装配过程进行模拟与分析，在产品的研制过程中及时对装配方案进行快速评价，预估方案的装配性能，及早发现潜在的装配序列冲突与缺陷，并将这些装配信息反馈给设计人员，从而及时修改，不断优化产品装配过程。

（2）装配机器人：是实现智能装配的重要保障，是实现柔性自动化装配系统的核心设备，由机器人操作机、控制器、末端执行器和传感系统组成。常用的装配机器人主要有可编程通用装配操作手（programmable universal manipulator for assembly）即PUMA机器人和平面双关节型机器人（selective compliance assembly robot arm）即SCARA机器人两种类型。与一般工业机器人相比，装配机器人具有精度高、柔顺性好、工作范围小、能与其他系统配套使用等特点，可以有效降低人工装配造成的不确定性影响，有助于提升产品一致性，大幅提高装配效率。

（3）人机协同技术：装配过程中，存在大量复杂的装配工艺，智能机器人无法独立完成，需要通过人机协同技术，在操作员的远程遥控或协同交互下完成。人机协同技术关注于通过人机交互实现人类智慧与人工智能的结合，是混合智能以及人脑机理揭示相关研究的高级应用，也是智能装配发展的必然趋势。此外，人机协同的过程，也是机器模仿和学习人类装配的过程，通过使用人类智慧形成的数据训练机器实现既定的目标，从而有效地提高装配的智能化程度。除此之外，人机协同技术还可以避免装配人员直接暴露在危险性较高的生产环境（如辐射、高温高湿等）。

3）工厂运行控制优化

工厂运行控制优化是指利用智能传感、大数据、人工智能等技术，实现工厂运行过程的自动化和智能化，其建设的基本目标是实现生产资源的最优配置、生产任务的实时调度、生产过程的精细管理等。其主要功能架构包括：智能设备层、智能传感层、智能执行层、智能决策层，如图3所示。智能设备层主要包括各种类型的智能制造和辅助装备，如智能机床、智能机器人、AGV/RGV、自动检测设备等；智能传感层主要实现工厂各种运行数据的采集和指令的下达，包括工厂内有限/无线网络、各种采集传感器及系统、智能产线分布式控制系统等；智能执行层主要包括三维虚拟车间建模与仿真、智能工艺规划、智能调度、制造执行系统等功能和模块；智能决策层主要包括大数据分析、人工智能方法等决策分析平台。

 

图3 工厂运行控制优化

工厂运行控制优化的主要关键技术包括制造系统的适应性技术、智能动态调度技术等。

（1）制造系统的适应性技术：制造企业面临的环境越来越复杂，比如产品品种与批量的多样性、设计结果频繁变更、需求波动大、供应链合作伙伴经常变化等等，这些因素会对制造成本和效率造成很不利的影响。智能工厂必须具备通过快速的结构调整和资源重组，以及柔性工艺、混流生产规划与控制、动态计划与调度等途径来主动适应这种变化的能力，因此，适应性是制造工厂智能特征的重要体现。

（2）智能动态调度技术：车间调度作为智能生产的核心之一，是对将要进入加工的零件在工艺、资源与环境约束下进行调度优化，是生产准备和具体实施的纽带。然而，实际车间生产过程是一个永恒的动态过程，不断会发生各类动态事件，如订单数量/优先级变化、工艺变化、资源变化（如机器维护/故障）等。动态事件的发生会导致生产过程不同程度的瘫痪，极大地影响着生产效率。因此，如何对车间动态事件进行快速准确处理，保证调度计划的平稳执行，是提升生产效率的关键。车间动态调度是指在动态事件发生时，充分考虑已有调度计划以及系统当前的资源与环境状态，及时优化并给出合理的新调度计划，以保证生产的高效运行。由于动态调度在静态调度已有特性（如非线性、多目标、多约束、解空间复杂等）的基础上，增加了动态随机性、不确定性等，导致建模和优化更为困难，是典型的NP-hard问题。当前，主要动态调度方法有两种，即重调度和逆调度。重调度是根据动态事件修改已有调度计划；逆调度是通过调整可控参数和资源来处理动态事件。两者均是以已有调度计划为基础，重调度修改计划不修改参数，逆调度修改参数不修改计划，各有优缺点。

03

智能供应链系统

智能供应链是指，通过泛在感知、系统集成、互联互通、信息融合等信息技术手段，将工业大数据分析和人工智能技术应用于产品的供销环节，实现科学的决策，提升的运作效率，并为企业创造新价值。与传统的供应链不同，数字化制造背景下的智能供应链更加强调信息的感知、交互与反馈，从而实现资源的最优配比。其主要功能包括：自动化物流、全球供销过程集成与协同、供销过程管理智能决策、客户关系管理等，如图4所示。

 

图4 智能供应链系统功能

1）自动化物流技术

自动化、可视化的物流技术以物联网广泛应用为基础，利用先进的信息采集、信息传递、信息处理和信息管理技术，通过信息集成技术基础和物流业务的集成，建立物流信息化系统，配置自动化、柔性化和网络化的物流设施和设备，比如立体仓库、AGV（automated guided vehicle，自动导引小车）、可实时定位的运输车辆等，并采用RFID（radio frequency identification，射频识别技术）等物联网技术，实现物品流动的定位、跟踪、控制，实现物流全过程优化以及资源优化，完成包括运输、仓储、配送、包装、装卸等多项物流活动，确保各项物流活动高效运行。

2）全球供销过程集成与协同

通过工业互联网、大数据等技术，推动整个供销过程中，客户、供销商直接全面的互联互通。利用智能工具监控整个供销过程，从而通过持续改进，有效地对供销资源进行监督和配置。建立全球协同的供销网络，优化资源配比，建立供销集成式的共享平台，最大化降低供销成本，实现客户和供销商的双赢。

3）供销过程管理智能决策

在供销过程中，通过大数据分析等技术，帮助用户和供销商更好地分析潜在的风险和制约因素，从而对供销方案进行有效地筛选和评估，从各种备选供销方案中选择最合适的方案。并依托人工智能技术，通过历史案例学习，实现供销方案的自动化制定和决策，从而提高决策响应速度，降低人工干预程度。

4）客户关系管理

客户关系管理是指以客户为核心，企业和客户之间在品牌推广、销售产品或提供服务等场景下所产生的各种关系的处理过程，其最终目标就是吸引新客户关注并转化为企业付费用户、提高老客户留存率并帮助转介绍新用户，以此来增加企业的市场份额及利润，增强企业竞争力。

04

智能服务

智能服务包括以用户为中心的产品全生命周期的各种服务，服务智能化将大大促进个性化定制等生产方式的发展，延伸发展服务型制造业和生产型服务业，促进生产模式和产业形态的深度变革。通过持续改进，建立高效、安全的智能服务系统，实现服务和产品的实时、有效、智能化互动，为企业创造新价值。智能服务关键技术包括：云服务平台技术、预测性维护技术、个性化生产技术以及增值服务技术。

1）云服务平台技术

云服务平台技术是实现智能服务的重要保障，是实现用户与制造商信息交互的核心技术。云服务平台具有多通道的并行接入能力，可以通过传感器等对产品的制造过程，装备的运行状态，用户的使用习惯、需求信息等数据进行采集和处理。一方面，通过用户需求分析，引导制造商生产满足用户需求的个性化产品；另一方面，通过对装备运行状态、用户使用习惯进行分析，从而为用户提供有效的增值服务，进而提升产品附加值和企业收益。

2）预测性维护技术

预测性维护是以产品状态为依据而提供的维护或者保养建议，从而避免产品失效而造成的不良后果，同时还可以有效提升产品附加价值。传统的预测性维护针对的是制造中的生产设备而言，但是广义的预测性维护针对的是产品相关的全部生产因素。在产品使用过程中，针对主要部位进行定期（或连续）的状态监测，从而确认产品所处的运行状态。预测性维护是智能制造未来的发展趋势，依据产品的状态发展趋势和可能的故障模式，制定预测性维修计划，确定产品应该维修的时间、内容、方式和必需的技术和物资支持等。预测性维修集状态监测、故障诊断、故障（状态）预测、维修决策支持和维修活动于一体，是一种新兴的维护方式。

3）个性化生产服务技术

个性化生产服务，是智能制造的未来发展方向之一。通过将个性化的服务融入产品，提升产品附加值，可以为企业创造新的价值。个性化生产服务通过云服务平台收集客户个性化需求，按照顾客需求进行生产，以满足顾客的个性化需求。由于消费者的个性化需求差异性大，加上消费者的需求量又少，因此企业实行定制生产必须在管理、供应、生产和配送各个环节上，都必须适应这种多品种、小批量、多式样和多规格产品的生产和销售变化。

4）增值服务技术

增值服务技术，主要体现在产品销售后，以服务应用软件为创新载体，通过大数据分析、人工智能等新兴技术，结合最新的5G通信手段，自动生成产品运行与应用状态报告，并推送至用户端，从而为用户提供在线监测、故障预测与诊断、健康状态评估等增值服务。与此同时，利用云服务平台，收集用户在产品使用过程中的行为信息等数据，针对不同客户的习惯，提供个性化的升级服务，从而有效地增加产品附加值，为企业创造新的价值。