產品制造力提升與智能制造研究

張健存 羅玉林

摘 要：提出了空氣濾芯生產線自動化裝備與升級的步驟方法，并將其演繹歸納為工業生產線裝備的過程方法。對現代理論技術在空氣濾芯智能制造方面的應用進行了研究，分析了裝備域智能制造的關鍵性技術，闡述了智能制造的實現具體形式，為人們提供認識智能制造的平臺，為企業智能化自動化裝備升級活動提供借鑒和指導。

關鍵詞：空氣濾芯;工業理論;智能制造;先進技術

0引言

隨著社會與經濟的快速發展，空氣環保產品起著越來越重要的作用，主要表現如下幾方面：1.優質空氣作為生產資料投入生產或再生產;2.人們生活水平對空氣質量要求提高;3.大氣自然環境問題越加嚴重等。

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

1 ?自動化裝備與升級步驟方法

空氣濾芯是空氣環保產品的核心部件。制造過程：首先，根據產品的構成和功能，得出工藝流程圖;其次，對流程進行研究，形成合理的工序和工位;再次，對各工序和工位配置人、機、料、法、環和測，簡稱5M1E。最后，各工位和工序的有機組合形成了產線。

可歸納提出較為規律性的工業產線裝備與升級方法：第一，充分分析產品的結構和功能，進而得出制造工藝流程;第二，對工藝內容進行現代裝備技術配對評估，得出單個工藝所需的最優增值加工時間和空間;第三，引用工業工程分析法對工藝進行合理構造，進行產線平衡分析，形成最優工序和工位;第四，對各工序和工位裝備自動化智能化專機、隨行夾具、工序和工位間運輸系統等，使其成為智能化自動化產線。

2基于泛函數智能算法的生產線平衡分析

生產線平衡率優化問題實質上是一類以生產線上的人、機、料、法、環及測作為因變量，以限制中間庫存、消除瓶頸工序、減少工時浪費、建設周期、成本和不良品作為懲罪函數，以質量、效率、成本等作為多目標函數求最優解的數學模型求解問題[1]。

隨著技術創新，5M1E各因素已經產生了新一輪的變化，因素個體內部以繼承派生的方式分解出多個子因素，而父和子因素間相互影響和滲透。傳統的數學求最優方法也已不能滿足中大型生產線平衡分析[2] [3]。

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

3 現代工業技術方法應用

根據最優工序和工位要求，依科學順序開發機械系統與電氣系統，借用前沿學科如物聯網技術、機器人技術、虛擬樣機技術、嵌入式控制技術、機器視覺技術、數據庫技術等多學科方法對各工位進行裝備，形成生產線。

3.1物聯網技術

物聯網技術借助信息感知、傳遞與處理技術，實現5M1E各因素間無時間、無地域限制的物理信息融合。過程細分為六層：感知層、物聯接入層、網絡層、數據管理層、智能處理層與應用層。物聯網技術將空氣濾芯生產線上的人、機、料、法、環及測各因素實時聯網，以便于數據處理和應用。

3.2智能機器人技術

現代機器人是具備深度感知、智能決策和執行的高柔性智能機器人。模塊化和傳感嵌入化是最為顯著的特征。模塊化是機器人實時柔性配置和自診斷自維護的前提。隨著非接觸式數據獲取采集技術如機器視覺、無線采集、自動采集的快速發展，越來越多的先進數據感知技術被引入生產制造系統中[5]。

3.3虛擬化技術

制造系統須能滿足人們各種空氣濾芯生產要求，如結構組成、過濾性能和外形尺寸等，具備高集成柔性化。虛擬化技術為空氣濾芯的生產線裝備或智能模塊化自組成提供可行性分析支持。數字孿生技術是現代虛擬化技術的內容，利用數字化真實表征現實過程[6]，實現空氣濾芯生產線模型在虛擬空間中不斷優化和迭代，預知未知風險。

4裝備域關鍵性技術

智能生產裝備聚焦深度感知、智能決策和自動執行功能，借力于云計算、大數據技術、互聯網（含移動通信）、物聯網、人工智能、數據庫、虛擬現實技術（VR）、現代檢測技術、計算機控制技術、數字孿生和機器人技術等。

智能生產裝備有多種具體形式，不限于多目機器視覺下的空間物體三維重構，不限于多種拓撲結構下可智能組合的執行系統，不限于基于虛擬現實技術和孿生數據技術的智能人機交互系統和虛擬實驗室，不限于遠程或移動終端與智能生產線的多種形式對話，不限于自故障診斷、自維護、自分析和自學習的能工藝自優化、大數據分析和能源自優化的智能決策系統，，不限于處理生產過程數字化網絡化智能化的云平臺和數據挖掘中心。以及上述組成的可重構智能制造系統。

5人與智能工廠交互方式

人們與智能工廠的未來對話，主要通過可穿戴式或可便攜式裝置（如手機、Pad、智能耳機、筆記本電腦等）和虛擬實驗室兩種途徑。透過智能工廠提供的數據庫和客戶個性化自設計平臺。

對于每次生產任務，智能工廠會從場地庫中，安排出適度空間的場地，并進行對其格式化，配置溫度、光照和濕度等;其次，智能工廠按生產平衡最優方案，從模塊庫中調出相應模塊，各自組合成對應的因素體，并配置到生產系統中;再次，智能生產過程進行并且完成。生產完成后，各模塊回歸模塊庫進行自維護與自學習。

6 結論

對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裝備升級方法。介紹了現代先進制造方法的應用和具體形式，提出了工業生產線裝備的過程方法。對智能工廠下的生產線平衡問題提出了更深層次的分析方法。同時，探討了未來智能工廠的運作過程，對智能制造的發展和推進具有一定的參考意義。

參考文獻：

[1]高昆.H公司在激光精密加工裝備領域的發展戰略研究[D].吉林：吉林大學，2018.

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

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

[4]郭田德， 韓叢英. 從數值最優化方法到學習最優化方法[J]. 運籌學學報，2019，23（4）：1—12.

[5]馬靖. 制造業物聯網環境下的機械產品智能裝配系統建模及關鍵技術研究[D]. 合肥：合肥工業大學， 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：機器視覺，智能制造，Linux嵌入式系統.