人工智能技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用探究

孫曉彬

摘 要：如今世界各國紛紛提出自己關(guān)于智能制造的關(guān)鍵戰(zhàn)略，如美國的“工業(yè)互聯(lián)網(wǎng)”戰(zhàn)略、德國的“工業(yè)4.0”戰(zhàn)略和中國的“中國制造2025計(jì)劃”。另外，企業(yè)面對外部多變的需求、個性化定制等，需要及時對生產(chǎn)線結(jié)構(gòu)進(jìn)行重構(gòu)，以往調(diào)整生產(chǎn)周期較長，很難滿足新環(huán)境。近年來，人工智能技術(shù)快速發(fā)展，其從過往數(shù)據(jù)挖掘有效知識，進(jìn)一步指導(dǎo)生產(chǎn)，對于企業(yè)提升自身效益具有重大幫助。

關(guān)鍵詞：人工智能;智能制造;知識

中圖分類號：TB ? ? 文獻(xiàn)標(biāo)識碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2019.23.100

1 引言

工業(yè)4.0戰(zhàn)略以及“中國制造2025”計(jì)劃的提出給我國制造業(yè)帶來良好的發(fā)展契機(jī)，國內(nèi)不少企業(yè)開始投資智能工廠，建設(shè)智能車間。智能制造要求滿足個性化定制需求，企業(yè)生產(chǎn)線需要根據(jù)需求對制造系統(tǒng)進(jìn)行調(diào)整。以往的生產(chǎn)線多為剛性流水線和柔性制造系統(tǒng)，前者可以滿足大量生產(chǎn)的需求，后者則可以實(shí)現(xiàn)多種小批量定制化生產(chǎn)。新的生產(chǎn)線應(yīng)同時具有剛性制造系統(tǒng)大量生產(chǎn)優(yōu)點(diǎn)和柔性制造系統(tǒng)的加工靈活的優(yōu)點(diǎn)，即具有實(shí)時重構(gòu)自己結(jié)構(gòu)的能力。對于生產(chǎn)線結(jié)構(gòu)的確定，智能車間因CPS技術(shù)、物聯(lián)網(wǎng)技術(shù)使得信息交互變得更加方便，生產(chǎn)管理者可以利用人工智能中的機(jī)器學(xué)習(xí)方法挖掘車間數(shù)據(jù)建立決策支撐模型，進(jìn)一步根據(jù)外部需求以及生產(chǎn)線實(shí)時的狀態(tài)確定最佳的生產(chǎn)線結(jié)構(gòu)重構(gòu)方案，而成功的生產(chǎn)案例又會對原先決策支撐模型進(jìn)一步更新，使得生產(chǎn)線變得更加智能。John McCarthy于1956年發(fā)明了人工智能，之后得到廣泛應(yīng)用，其中基于數(shù)據(jù)手段則在流程規(guī)劃領(lǐng)域大顯身手，德國KIT已經(jīng)用專家系統(tǒng)、基于數(shù)據(jù)手段和基于知識設(shè)計(jì)等技術(shù)完成了歐洲著名SMARTLAM項(xiàng)目。所以實(shí)際生產(chǎn)中借助人工智能技術(shù)進(jìn)行生產(chǎn)線結(jié)構(gòu)的重構(gòu)具有一定的可行性。

2 現(xiàn)有研究的不足

國內(nèi)外學(xué)者對于生產(chǎn)線結(jié)構(gòu)的重構(gòu)做了一定研究。可重構(gòu)生產(chǎn)線最大的特征在于其系統(tǒng)的構(gòu)成具有不確定性以及頻繁變化，它允許以不定數(shù)量生產(chǎn)各式各樣的產(chǎn)品，它亦可根據(jù)變化對自身軟件硬件結(jié)構(gòu)進(jìn)行改變。可重構(gòu)生產(chǎn)線可分成兩類：一類是機(jī)械加工機(jī)床的可重構(gòu)，主要涉及零件加工工藝;另一類主要是生產(chǎn)線中設(shè)備的配置，更多注重設(shè)備數(shù)量以及位置。在可重構(gòu)機(jī)床方面，德國KIT研究學(xué)者運(yùn)用專家系統(tǒng)、基于特征的設(shè)計(jì)以及知識系統(tǒng)完成了歐洲SMARTLAM項(xiàng)目，該項(xiàng)目已正式投入使用，其可以加工多種形狀的零件且零件達(dá)到客戶需求。一些學(xué)者則使用智能優(yōu)化算法來解決可重構(gòu)系統(tǒng)加工機(jī)械零件的問題，如Ye等運(yùn)用基于GA算法解決了集成模塊化產(chǎn)品調(diào)度與制造單元配置的問題。國內(nèi)外亦有諸多學(xué)者致力于重構(gòu)方案的評估，這里的可重構(gòu)更多注重車間設(shè)備配置數(shù)量位置等。對于重構(gòu)方案評估，有諸多學(xué)者使用多種多目標(biāo)決策方法，如 Rehman和Babu以性能指標(biāo)完工時間、設(shè)備利用率、交貨期等進(jìn)行重構(gòu)方案選取。現(xiàn)有工作關(guān)于生產(chǎn)線重構(gòu)方法是借助進(jìn)化算法完成，另外關(guān)注最終方案的評估，不過進(jìn)行重構(gòu)時并未考慮生產(chǎn)線實(shí)時狀態(tài)以及外部需求的變化，適應(yīng)性不是很好。

3 如何將人工智能技術(shù)應(yīng)用于工業(yè)生產(chǎn)

3.1 采集處理生產(chǎn)線數(shù)據(jù)

如今企業(yè)車間生產(chǎn)線設(shè)備配備了智能傳感器、RFID等，另外還配備有物聯(lián)網(wǎng)等，這些軟硬件設(shè)施可以很好采集生產(chǎn)線實(shí)時信息，而這些信息將保存在MES中。MES中的知識對指導(dǎo)生產(chǎn)線生產(chǎn)具有重大作用，而人工智能中的機(jī)器學(xué)習(xí)算法可以用來挖掘數(shù)據(jù)中蘊(yùn)含的知識，用機(jī)器學(xué)習(xí)方法挖掘知識用以指導(dǎo)生產(chǎn)線重構(gòu)。

3.2 運(yùn)用知識來進(jìn)行生產(chǎn)線重構(gòu)

生產(chǎn)線實(shí)際運(yùn)行中，借助智能傳感器等設(shè)備采集生產(chǎn)線數(shù)據(jù)，借助從MES中挖掘的知識建立的指導(dǎo)模型的運(yùn)算得到較佳的生產(chǎn)線重構(gòu)方案，進(jìn)行生產(chǎn)，可以得到較好的生產(chǎn)性能指標(biāo)，最大化企業(yè)的效益。

4 結(jié)論

現(xiàn)有的生產(chǎn)線結(jié)構(gòu)重構(gòu)方法基本都是考慮利用數(shù)學(xué)建模的方式解決，而這種方法的缺點(diǎn)在于沒有很好考慮生產(chǎn)線的實(shí)時狀態(tài)，而一旦考慮這些實(shí)時狀態(tài)，數(shù)學(xué)建模將會變得較為復(fù)雜。利用人工智能中機(jī)器學(xué)習(xí)的知識挖掘能力，建立起生產(chǎn)線實(shí)時狀態(tài)、外部需求等于生產(chǎn)線結(jié)構(gòu)之間的關(guān)系模型，在實(shí)際生產(chǎn)時，借助智能傳感器等設(shè)備實(shí)時采集生產(chǎn)線上的數(shù)據(jù)，進(jìn)而完成生產(chǎn)線結(jié)構(gòu)的重構(gòu)，對于提升企業(yè)競爭力具有很大的幫助。

參考文獻(xiàn)

[1]楊春立.我國智能工廠發(fā)展趨勢分析[J].中國工業(yè)評論，2016，（1）：56-63.

[2]A modular flexible scalable and reconfigurable system for manufacturing of Microsystems based on additive manufacturing and e-printing[J].Robotics and Computer-Integrated Manufacturing，2016，（40）：14-23.

[3]Ye H，Liang M.Solving the combined modular product scheduling and production cell reconfiguration problem： a GA approach with parallel chromosome coding[C]// IEEE Congress on Evolutionary Computation.IEEE，2005.

[4]Rehman A U，Babu A S.Evaluation of reconfigured manufacturing systems： an AHP framework[J].International Journal of Productivity and Quality Management，2009，4（2）：228.