張健存 羅玉林

摘 要：提出了空氣濾芯生產(chǎn)線自動(dòng)化裝備與升級(jí)的步驟方法，并將其演繹歸納為工業(yè)生產(chǎn)線裝備的過程方法。對(duì)現(xiàn)代理論技術(shù)在空氣濾芯智能制造方面的應(yīng)用進(jìn)行了研究，分析了裝備域智能制造的關(guān)鍵性技術(shù)，闡述了智能制造的實(shí)現(xiàn)具體形式，為人們提供認(rèn)識(shí)智能制造的平臺(tái)，為企業(yè)智能化自動(dòng)化裝備升級(jí)活動(dòng)提供借鑒和指導(dǎo)。

關(guān)鍵詞：空氣濾芯;工業(yè)理論;智能制造;先進(jìn)技術(shù)

0引言

隨著社會(huì)與經(jīng)濟(jì)的快速發(fā)展，空氣環(huán)保產(chǎn)品起著越來越重要的作用，主要表現(xiàn)如下幾方面：1.優(yōu)質(zhì)空氣作為生產(chǎn)資料投入生產(chǎn)或再生產(chǎn);2.人們生活水平對(duì)空氣質(zhì)量要求提高;3.大氣自然環(huán)境問題越加嚴(yán)重等。

目前，國內(nèi)70%空氣濾芯生產(chǎn)廠家仍以手工操作為主，制造水平多數(shù)處于工業(yè)2.0到工業(yè)3.0之間。面對(duì)激烈的市場競爭，企業(yè)急需尋求制造力提升方法。

1 ?自動(dòng)化裝備與升級(jí)步驟方法

空氣濾芯是空氣環(huán)保產(chǎn)品的核心部件。制造過程：首先，根據(jù)產(chǎn)品的構(gòu)成和功能，得出工藝流程圖;其次，對(duì)流程進(jìn)行研究，形成合理的工序和工位;再次，對(duì)各工序和工位配置人、機(jī)、料、法、環(huán)和測，簡稱5M1E。最后，各工位和工序的有機(jī)組合形成了產(chǎn)線。

可歸納提出較為規(guī)律性的工業(yè)產(chǎn)線裝備與升級(jí)方法：第一，充分分析產(chǎn)品的結(jié)構(gòu)和功能，進(jìn)而得出制造工藝流程;第二，對(duì)工藝內(nèi)容進(jìn)行現(xiàn)代裝備技術(shù)配對(duì)評(píng)估，得出單個(gè)工藝所需的最優(yōu)增值加工時(shí)間和空間;第三，引用工業(yè)工程分析法對(duì)工藝進(jìn)行合理構(gòu)造，進(jìn)行產(chǎn)線平衡分析，形成最優(yōu)工序和工位;第四，對(duì)各工序和工位裝備自動(dòng)化智能化專機(jī)、隨行夾具、工序和工位間運(yùn)輸系統(tǒng)等，使其成為智能化自動(dòng)化產(chǎn)線。

2基于泛函數(shù)智能算法的生產(chǎn)線平衡分析

生產(chǎn)線平衡率優(yōu)化問題實(shí)質(zhì)上是一類以生產(chǎn)線上的人、機(jī)、料、法、環(huán)及測作為因變量，以限制中間庫存、消除瓶頸工序、減少工時(shí)浪費(fèi)、建設(shè)周期、成本和不良品作為懲罪函數(shù)，以質(zhì)量、效率、成本等作為多目標(biāo)函數(shù)求最優(yōu)解的數(shù)學(xué)模型求解問題[1]。

隨著技術(shù)創(chuàng)新，5M1E各因素已經(jīng)產(chǎn)生了新一輪的變化，因素個(gè)體內(nèi)部以繼承派生的方式分解出多個(gè)子因素，而父和子因素間相互影響和滲透。傳統(tǒng)的數(shù)學(xué)求最優(yōu)方法也已不能滿足中大型生產(chǎn)線平衡分析[2] [3]。

借助深度感知的自學(xué)習(xí)方法可以有效解決此類問題。如基于智能算法的組合優(yōu)化求解問題[4]。把空氣濾芯生產(chǎn)線上的5M1E因素分解到相對(duì)根因素，逐步向上建立泛函數(shù)、界定求解域、懲罰函數(shù)、條件函數(shù)和多目標(biāo)函數(shù)，用智能算法進(jìn)行求解，得到生產(chǎn)線平衡分析模型的組合優(yōu)化解。

3 現(xiàn)代工業(yè)技術(shù)方法應(yīng)用

根據(jù)最優(yōu)工序和工位要求，依科學(xué)順序開發(fā)機(jī)械系統(tǒng)與電氣系統(tǒng)，借用前沿學(xué)科如物聯(lián)網(wǎng)技術(shù)、機(jī)器人技術(shù)、虛擬樣機(jī)技術(shù)、嵌入式控制技術(shù)、機(jī)器視覺技術(shù)、數(shù)據(jù)庫技術(shù)等多學(xué)科方法對(duì)各工位進(jìn)行裝備，形成生產(chǎn)線。

3.1物聯(lián)網(wǎng)技術(shù)

物聯(lián)網(wǎng)技術(shù)借助信息感知、傳遞與處理技術(shù)，實(shí)現(xiàn)5M1E各因素間無時(shí)間、無地域限制的物理信息融合。過程細(xì)分為六層：感知層、物聯(lián)接入層、網(wǎng)絡(luò)層、數(shù)據(jù)管理層、智能處理層與應(yīng)用層。物聯(lián)網(wǎng)技術(shù)將空氣濾芯生產(chǎn)線上的人、機(jī)、料、法、環(huán)及測各因素實(shí)時(shí)聯(lián)網(wǎng)，以便于數(shù)據(jù)處理和應(yīng)用。

3.2智能機(jī)器人技術(shù)

現(xiàn)代機(jī)器人是具備深度感知、智能決策和執(zhí)行的高柔性智能機(jī)器人。模塊化和傳感嵌入化是最為顯著的特征。模塊化是機(jī)器人實(shí)時(shí)柔性配置和自診斷自維護(hù)的前提。隨著非接觸式數(shù)據(jù)獲取采集技術(shù)如機(jī)器視覺、無線采集、自動(dòng)采集的快速發(fā)展，越來越多的先進(jìn)數(shù)據(jù)感知技術(shù)被引入生產(chǎn)制造系統(tǒng)中[5]。

3.3虛擬化技術(shù)

制造系統(tǒng)須能滿足人們各種空氣濾芯生產(chǎn)要求，如結(jié)構(gòu)組成、過濾性能和外形尺寸等，具備高集成柔性化。虛擬化技術(shù)為空氣濾芯的生產(chǎn)線裝備或智能模塊化自組成提供可行性分析支持。數(shù)字孿生技術(shù)是現(xiàn)代虛擬化技術(shù)的內(nèi)容，利用數(shù)字化真實(shí)表征現(xiàn)實(shí)過程[6]，實(shí)現(xiàn)空氣濾芯生產(chǎn)線模型在虛擬空間中不斷優(yōu)化和迭代，預(yù)知未知風(fēng)險(xiǎn)。

4裝備域關(guān)鍵性技術(shù)

智能生產(chǎn)裝備聚焦深度感知、智能決策和自動(dòng)執(zhí)行功能，借力于云計(jì)算、大數(shù)據(jù)技術(shù)、互聯(lián)網(wǎng)（含移動(dòng)通信）、物聯(lián)網(wǎng)、人工智能、數(shù)據(jù)庫、虛擬現(xiàn)實(shí)技術(shù)（VR）、現(xiàn)代檢測技術(shù)、計(jì)算機(jī)控制技術(shù)、數(shù)字孿生和機(jī)器人技術(shù)等。

智能生產(chǎn)裝備有多種具體形式，不限于多目機(jī)器視覺下的空間物體三維重構(gòu)，不限于多種拓?fù)浣Y(jié)構(gòu)下可智能組合的執(zhí)行系統(tǒng)，不限于基于虛擬現(xiàn)實(shí)技術(shù)和孿生數(shù)據(jù)技術(shù)的智能人機(jī)交互系統(tǒng)和虛擬實(shí)驗(yàn)室，不限于遠(yuǎn)程或移動(dòng)終端與智能生產(chǎn)線的多種形式對(duì)話，不限于自故障診斷、自維護(hù)、自分析和自學(xué)習(xí)的能工藝自優(yōu)化、大數(shù)據(jù)分析和能源自優(yōu)化的智能決策系統(tǒng)，，不限于處理生產(chǎn)過程數(shù)字化網(wǎng)絡(luò)化智能化的云平臺(tái)和數(shù)據(jù)挖掘中心。以及上述組成的可重構(gòu)智能制造系統(tǒng)。

5人與智能工廠交互方式

人們與智能工廠的未來對(duì)話，主要通過可穿戴式或可便攜式裝置（如手機(jī)、Pad、智能耳機(jī)、筆記本電腦等）和虛擬實(shí)驗(yàn)室兩種途徑。透過智能工廠提供的數(shù)據(jù)庫和客戶個(gè)性化自設(shè)計(jì)平臺(tái)。

對(duì)于每次生產(chǎn)任務(wù)，智能工廠會(huì)從場地庫中，安排出適度空間的場地，并進(jìn)行對(duì)其格式化，配置溫度、光照和濕度等;其次，智能工廠按生產(chǎn)平衡最優(yōu)方案，從模塊庫中調(diào)出相應(yīng)模塊，各自組合成對(duì)應(yīng)的因素體，并配置到生產(chǎn)系統(tǒng)中;再次，智能生產(chǎn)過程進(jìn)行并且完成。生產(chǎn)完成后，各模塊回歸模塊庫進(jìn)行自維護(hù)與自學(xué)習(xí)。

6 結(jié)論

對(duì)空氣濾芯制造力提升與智能制造研究，有效地提出了空氣濾芯智能生產(chǎn)裝備升級(jí)方法。介紹了現(xiàn)代先進(jìn)制造方法的應(yīng)用和具體形式，提出了工業(yè)生產(chǎn)線裝備的過程方法。對(duì)智能工廠下的生產(chǎn)線平衡問題提出了更深層次的分析方法。同時(shí)，探討了未來智能工廠的運(yùn)作過程，對(duì)智能制造的發(fā)展和推進(jìn)具有一定的參考意義。

參考文獻(xiàn)：

[1]高昆.H公司在激光精密加工裝備領(lǐng)域的發(fā)展戰(zhàn)略研究[D].吉林：吉林大學(xué)，2018.

[2]劉環(huán)宇.基于遺傳算法對(duì)A公司生產(chǎn)線平衡的分析[J].企業(yè)物流，2014，9（118）：367—370.

[3]王巍，楊維平，楊光.基于Flexsim仿真的生產(chǎn)線平衡研究與應(yīng)用[J].價(jià)值工程，2015（28）：226—228.

[4]郭田德， 韓叢英. 從數(shù)值最優(yōu)化方法到學(xué)習(xí)最優(yōu)化方法[J]. 運(yùn)籌學(xué)學(xué)報(bào)，2019，23（4）：1—12.

[5]馬靖. 制造業(yè)物聯(lián)網(wǎng)環(huán)境下的機(jī)械產(chǎn)品智能裝配系統(tǒng)建模及關(guān)鍵技術(shù)研究[D]. 合肥：合肥工業(yè)大學(xué)， 2015.

[6]Zhang H， Liu Q， Chen X， et al. A digital twin-based approach for designing and decoupling of hollow glass production line[J]. IEEE Access， 2017， PP（99）： 1—1.

作者簡介：

張健存（1986-），男，漢，廣東，工程師，研究生， 研究方向：機(jī)器視覺，智能制造，Linux嵌入式系統(tǒng).