劉俊達, 周保平
(晉能控股煤業挖金灣煤業公司, 山西 大同 037000)
隨著機械制造技術的不斷發展,以連續、不間斷模式生產的機械自動化技術已經成為機械制造的趨勢,在連續自動化生產過程中,從物料上料、定位、檢驗、下線均通過機械手、料道及檢測系統來實現。特別是制造過程檢測系統,是整個機械制造流程的“眼睛”,其工作的可靠性直接決定了機械制造過程的效率和安全性。但目前的自動化生產流程監控系統控制邏輯復雜、監測連續性差,嚴重影響了機械自動化生產的效率和經濟性。因此本文提出了一種新的基于多目標監控的機械制造自動化系統,以多目標體系監控為基礎實現自動化制造過程中的全面監測和控制,對提升機械制造過程中的多目標監控效率,提升監測數據的集成性具有十分重大的意義。
基于多目標監控的機械制造自動化系統的核心需求是在確保制造連續性的基礎上優化運行方式,提高產品品質,降低系統故障率。因此需要根據生產線的實際情況來確定該監控體系的監控目標,基于目前機械制造快速發展的需求,本文提出了以時間、質量、成本、效率、服務為代表的監控體系目標[1]。
時間:是指系統要監控制造體系內總裝及各零部件的加工周期和效率,滿足產品的交期目標;
質量:是指系統對整個制造過程中成品和零部件的加工一致性、加工合格率進行全流程監控,確保各個零部件的生產滿足產品質量指標;
成本:是指系統對整個制造過程中的材料、加工、物流、人工等成本進行監控,確保制造過程中的費用滿足成本指標;
效率:是指系統對產品制造加工過程中的效率進行全面監控,及時對瓶頸工序進行報警,支持系統不斷進行效率優化,降低產品生產周期;
服務:是指系統要對不同層級的管理人員提供全面、簡練、完整的數據信息需求,不斷提升機械制造過程的效率和經濟性。
因此,在進行多目標監控體系設計時,需要根據以上5 種類別的需求,獲取機械自動化生產中的各種目標信息,然后對目標信息進行分類解讀,轉化為不同的輸出信息,進而滿足多目標監控體系監測全面性的需求。
由于自動化機械制造過程中的數據信息量十分巨大,若為每一個層級提供不同的信息需求時都單獨從監測終端獲取數據信息,那么不僅對監控系統的數據庫和信號傳輸系統帶來巨大的壓力,而且還會嚴重拖慢系統的運算速度,降低系統快速反應的能力,因此本文在構建多目標監控系統時,提出了多目標監控要素關聯性的概念,也就是一個監控信息可以從多個目標內獲取或者與其他信息關聯,在實際生產中系統能夠從不同的目標處獲取所需要的信息,這樣就可以做到系統直接調用最近的數據,不需要再發出需求指令要求監控單元重新提供,不僅能有效提高數據運算速度,而且能夠降低系統工作時的能量消耗,提高系統運行效率和經濟性。
以機械切削自動化加工為例,其多目標監控要素關聯結構如下頁圖1 所示[2]。系統通過監測底層生產加工數據,然后利用多目標關聯結構,由各階層獲取所需要的信息,通過數據關聯監控,實現對機械自動化制造過程的全面監控,達到提高監控效率、降低系統故障率的目的。
根據機械制造自動化需求和數據信息關聯結構,本文提出的基于多目標監控的機械制造自動化系統整體結構如圖2 所示[3]。

圖1 多目標數據信息關聯結構示意圖
由圖2 可知,該系統主要包括了物理層、支撐層、業務層、功能層和目標層5 個部分,其中目標層用于設定監控系統的運行目標,是整個數據系統的核心,為建立其他層級提供基礎的目標需求。功能層主要用于獲取監控系統的關鍵數據信息,為不同層級的監控人員提供關鍵數據信息,確保對整個自動化系統運行狀態的動態監控和調整。業務層采用了組件化和模塊化技術,通過標準化的數據通信接口和控制協議,實現對功能層指令的執行和反饋。支撐層主要是各類型的通信網絡和接口,用于保證整個系統運行過程中數據信息傳遞的精確性和效率,系統采用了標準化接口,便于后續的拓展和升級。物理層主要是指設置在各類機械設備上的監控單元,用于對整個自動化制造體系內設備的運行狀態進行監測,并將監測信息通過支撐層進行傳遞,實現對系統運行狀態的動態監控[4]。
該系統目前已經應用在多種類型的機械自動化加工監控系統中,以齒輪自動化生產監控系統為例,該自動化系統能夠將制造過程中的不合格率由3.4%降低到目前的0.27%,降幅達到了92%,整個生產現場的人員由45 人降低到31 人,減少了31%,整個產品制造過程中的成本由43 元/件,降低到38.8元/件,成本降幅達到了9.7%,顯著提升了機械加工企業的生產經濟性和效率。

圖2 機械制造自動化系統監控系統結構示意圖
1)基于多目標監控的機械制造自動化系統的目標是時間、質量、成本、效率、服務的全面優化;
2)多目標監控要素關聯性,就是一個監控信息可以從多個目標內進行獲取或者與其他信息關聯,可以做到系統直接調用最近的數據,能有效提高數據運算速度,降低能量消耗。
3)基于多目標監控的機械制造自動化系統包括物理層、支撐層、業務層、功能層和目標層五部分。
4)該自動化系統能夠將制造過程中的不合格率降低92%,將制造成本降低9.7%,將生產人員數量降低30%,為實現無人化智能制造奠定了基礎。