離散制造企業信息化應用關鍵技術

文/張星

1 引言

離散制造企業的生產系統包括兩個組成部分，分別是人和物理系統，人可以利用機器操作車床，生產各種產品，完成生產制造任務。但是，隨著企業分工的明確和合理，離散制造企業的每一個產品都可以劃分為多個子任務，這些企業完成任務加工可以劃分為多個環節，每一個環節完成一定的零部件設計和生產。因此，為了提高離散制造任務的管理水平，越來越多的企業開始引入信息化系統。離散企業信息化系統開發需要采用的技術也非常多，比如前臺交換技術XML、服務器技術、數據庫技術，同時集成離散制造設備需要傳感器和物聯網技術，開發離散制造軟件需要SOA技術、人工智能技術等，這些都可以提高離散制造信息化水平。

2 離散制造企業信息化應用關鍵技術

離散制造企業目前已經引入了許多的信息化系統，比如生產計劃管理系統、物流倉儲管理系統、ERP系統、離散型車間生產過程監控管理系統等，這些都有效的提高了離散制造企業的信息化水平。離散制造企業信息化可以將所有的設備及工位聯網管理，實現企業生產制造設備與設備、設備與服務器之間的通信，可以加強設備與工位員工之間的緊密聯系，比如數控編程人員可以在計算機終端設備上編程，同時將編制完成的程序發送到DNC服務器，設備操作人員可以進行生產現場的通信控制，下載加工程序開展作業，等待任務完成之后就可以通過網絡將數控程序傳輸至服務器，程序管理員或工藝人員歸檔程序，整個過程都是可以追溯的、網絡化的，提高了生產效率。離散制造企業信息化系統應用關鍵技術也非常多，比如常用的人工智能技術、面向服務架構（SOA）、傳感器、物聯網等技術。

2.1 人工智能

人工智能是一個非常重要的應用技術，其是計算機技術發展到一定階段的產物，人工智能關鍵技術很多，比如機器學習、計算機視覺、圖像處理、模式識別、模糊數學等，人工智能利用這些技術可以模仿人們的思維，進一步完成人所不能干的復雜工作，并且具有較高的計算效率。離散制造企業利用人工智能開發的執行系統，可以完成人所不能夠完成的工作，提高制造產品的精確度。

2.2 面向服務架構（SOA）

離散制造企業信息化系統采用了SOA技術，該技術可以實現一個面向對象的服務架構，提高信息化應用軟件的開發便捷性。基于SOA架構可以實現網絡通信功能、數據傳輸功能，還可以實現軟件交互界面、Web信息處理、數據庫服務處理的交互功能。SOA技術可以渲染和展示離散制造項目管理功能，包括項目計劃、時間進度、執行過程、文檔模板等，這些功能能夠實現項目開發管理。項目管理軟件采用SOA進行集成通信，提高服務器的應用水平，將處理結果封裝完成反饋給客戶機。

2.3 傳感器

傳感器是一種數據采集和感知設備，其集成了高精度的芯片、電路技術，同時結合不同的應用場所融合應用歸納，比如二氧化碳電化學技術等，可以感受周圍的被測量環境的信息，并且將這些信息轉換為電信號或其他信號輸送給服務器，能夠實現信息的加工、處理、存儲和顯示。傳感器具有很多的應用特點，比如數字化、網絡化、微型化、系統化和智能化，實現了自動采集數據和自動控制等功能。傳感器的發展能夠讓各種物體都有了味覺、觸覺和嗅覺，讓世界變得更加信息化，常用的傳感器包括光敏元件、濕敏元件、氣敏元件、聲敏元件、色敏元件等，這些都可以提高離散制造企業信息化應用水平，每一個復雜的工程系統都可以使用傳感器進行操作。

2.4 物聯網

物聯網是傳統互聯網和電信網絡的擴展，能夠利用ZigBee通信協議實現萬物互聯互通，集成各種信息傳感設備，形成一個巨大的網絡，能夠隨時隨地的實現人、物、機互相通信。物聯網目前主要在工業控制、環境監測等領域中得到應用，其與傳統的互聯網存在較大的不同，物聯網可以實現物與物、人與物之間的通信，能夠利用傳感器集中對信息內容進行采集和控制，因此物聯網在離散制造企業可以得到很好地應用，其可以針對每一個制造設備進行管控，加強制造設備控制的靈活性與智能性。

3 離散制造企業信息化應用技術發展趨勢

離散制造企業設計制造過程中，采購的原材料和半成品非常多，因此需要對設備進行采購、入庫、出庫、盤點、報廢和運維等多個環節的操作，這些操作還涉及到與其他的應用軟件進行結合，共享離散制造企業數據資源，因此為了能夠提高歷史數據的可用性，需要引入更多的機器學習技術，以便能夠從海量的離散制造數據中挖掘潛在的、有價值的知識內容，這些知識內容的獲取可以采用回歸分析、Apriori算法、K-means算法等，能夠為離散制造企業提供強大的數字處理支撐，進一步提高離散制造企業信息化智能化水平。

3.1 回歸分析

回歸分析能夠有效的反映離散制造企業信息之間的時間特征數據信息，將這些信息關聯到每一個數據項，同時采用先進的映射函數，將這個函數實現預測變量值，發現數據變量或屬性之間的相互依賴關系，進一步發現數據信息的趨勢特征，更有效的準確預測趨勢時間序列，提高離散制造企業信息處理技術應用的準確度和魯棒性。回歸分析可以提高信息技術應用的線性規劃能力，比如將其應用到離散制造企業任務子序列劃分過程中，回歸分析就可以提高編碼序列的準確度，進一步為離散制造企業信息化提供幫助。

3.2 Apriori算法

Apriori算法可以描述離散制造企業數據集中每一個數據項之間的關系，也即是如果某一個事件發生可能會引起其他事件一同發生，這種關系隱藏在數據中。經過多年的研究，Apriori算法已經在離散制造企業信息處理中得到了極大的改進，引入了許多先進的技術，比如遺傳算法、梯度算子、模擬退火等，提高了離散制造企業信息關聯規則發現的準確度和高效率。

3.3 K-means算法

K-means算法不需要已知離散制造企業數據信息任務的類別，采用無監督的學習方式，自動的發現數據集中潛在的類別信息，針對這些數據進行分類操作，確保數據不同類別的相似性盡可能的小，同一類別中的數據相似度保持較高。K-means算法由于具有簡單性、無監督性，也在很多信息加工和處理領域得到廣泛應用，比如搜索引擎、基因序列識別、推薦系統等，因此其可以大大的提高離散制造企業信息的挖掘和分析能力，幫助離散制造企業構建一個強大的應用服務支撐。

4 結束語

離散型企業制造的產品定制化程度高，零部件加工工藝和設備種類非常多，因此控制離散型制造企業產品質量就顯得非常重要。離散型企業為了管控產品質量和生產加工效率，目前已經引入了許多的信息化系統，也引入了很多的關鍵技術，比如傳感器、物聯網、人工智能、SOA技術等，未來將會根據制造產品的實際需求，引入更多的先進機器學習技術，比如深度學習、支持向量機等，進一步提高智能化水平和產品制造精確度。