基于智能制造的工程實訓教學系統的設計與教學實踐

歐躍發，韋相貴，趙成龍

（北部灣大學機械與船舶海洋工程學院/工程訓練中心，廣西欽州，535011）

0 引言

中國制造2025 明確提出推進制造過程智能化，通過建設智能工廠，促進制造工藝的仿真優化、數字化控制、狀態信息實時監測和自適應控制，進而實現整個過程的智能管控[1]。

為進一步迎合新信息技術改變傳統企業的生產過程，借助“互聯網+”智能制造，降低企業生產成本，提高企業的生產效率，提高產品質量和競爭力，本文根據智能制造的技術特點，探索基于大數據的智能制造系統在實際生產中的應用，借助大數據和物聯網等新型的信息化技術，以北部灣大學工程訓練中心先進制造實訓室的教學設備為研究基礎，以實踐教學的加工數據為依據，以實際生產線改進為實踐目的，探索以智能化生產為最終目標的工程實踐教學過程改進，從系統開發角度對采集的海量數據信息進行分析、建模和處理，探索生產過程的智能化和自動化，與校企協同育人企業北京數碼大方公司合作建設和開發一套基于大數據技術的智能制造系統，讓學生在教學過程中理解智能制造的原理和工作方式，提高實訓教學的效率和質量的同時，也為學生后期進入工作崗位儲備知識和技能。

1 智能制造系統的架構設計

■1.1 設計思路及算法

利用大數據和物聯網等新興的信息技術，以設備為基礎、數據為核心、生產過程為紐帶、智能制造為最終目標，探索研究設備生產過程的智能化和自動化，改革從研發設計、生產制造、產品檢測、運行維護等制造過程的全生命周期等智能生產過程。探索智能制造企業工業化和信息化的深度融合，構建可視化決策分析系統、協同研發平臺、協同制造平臺、生產制造管理系統和數字化工廠為一體的信息化智能管理系統，通過數字化智能制造系統的建設，研究實現系統各模塊和人機設備之間數據和信息指令的交互，并對海量的工業數據信息進行系統化、可視化的管理，應用人工智能算法對大數據進行分析、處理和挖掘，形成數據閉環智能制造新模式。最終實現設備、機器與系統之間互聯互通，生產過程與狀態實時感知，數據實時動態分析、控制指令實時處理，實現自動決策和人工干預組織生產與管理的智能化制造[2-3]。

根據工業智能制造系統其功能和性能需求，設計一套智能控制算法，通過布置智能傳感器獲取機器加工過程中生命周期線上的全部有效數據，并實時同步至管理系統的云計算中心，應用大數據技術對采集到的數據信息進行相應的分析、處理和挖掘，轉化為有價值、分類而有規則的數據信息，根據處理情況將信息轉化為知識，知識再根據算法庫和模型庫的匹配生成指令信息，并形成科學依據，反饋至各個控制部件和可視化的顯示終端，各控制部件收到數據指令之后及時響應并做出相應調整加工處理動作，針對制造過程的復雜性和不確定性等問題，系統反饋至用戶終端和專家決策系統，由系統和相關的工作人員人為的干預，并對問題進行相應的回應和處理[3]。

■1.2 功能結構設計

根據系統的數據采集、數據分析與處理以及數據應用服務等三大主要功能角色，結合軟件系統包含的IT 基礎架構和網絡架構，結合北部灣大學工程訓練中心工程訓練實踐教學業務生產的實際情況和實訓教學需求，以解決當前生產線的業務痛點為主要目的，根據智能制造的技術要點，應用大數據的先進管理和運用技術，結合大數據的算法和經典平臺架構設計案例，初步設計本系統的功能包含有數據采集模塊、數據存儲模塊、數據建模、數據處理與分析、以及智能控制與應用模塊等，詳細的功能結構設計如圖1 所示。

圖1 功能結構設計圖

■1.3 架構設計

智能制造系統的總體架構設計，由上至下具體的技術層次結構設計為決策與智能控制層，數據分析層與處理層，數據建模層，數據采集與存儲層，物聯網層等，具體技術架構設計如圖2 所示。

圖2 技術架構設計圖

其中，數據采集層。設計在設備的關鍵位置安裝傳感器為主要數據采集工具，融合人為生產過程中輸入的數據、機器設備生產過程中的加工數據及生產車間環境監測到的數據，結合設備狀態監測、人機交互、智能終端等手段采集生產過程中多源、異構等的數據信息，運用互聯網或現場總線等技術實現數據源的實時準確收集。數據主要有終端各類傳感器采集的機器運轉和生命狀態參數、設備加工狀態數據、生產車間環境參數（如溫度、濕度等）、人工錄入的各類加工數據以及外部互聯網上的行業規則數據等。

數據存儲層。通過分布式數據云存儲技術，對采集或處理后產生的數據有效存儲在性能和容量都能線性擴展的分布式數據庫中，針對機器設備的運行數據、加工控制數據以及人為操作數據、實時制造監測反饋數據、產品檢驗檢測數據等數據的集成與融合等實現集成性的融合管理。實現數據的雙向流動，即數據的采集、轉換、讀取以及寫入（系統發送的數據指令信息對設備的遠程控制）的智能化管理。

數據建模層。針對從實訓室生產車間采集和監測獲取的設備互聯數據、智能制造控制參數和生產現場實時數據等，通過聚類、分類、規則劃分及關聯等數據挖掘方法和預測機制，建立基于大數據的生產過程優化特征模型和性能仿真模型。

數據處理與分析層。其功能是對系統獲取的數據，利用大數據分析與處理技術，數據分析與處理算法，數據分析與處理軟件及工具（如Map Reduce），結合傳統數據分析技術優勢，完成數據的分析、處理及數據挖掘工作，形成有價值的數據信息及指令，為自動化生產和智能決策提供參考依據。最終形成可以控制相關生產活動和設備的有效指令。

決策與智能控制層。對經過數據處理后的有效信息，通過可視化技術，將數據分析的結果形象生動地呈現給用戶和機器，用有利于人機容易理解的方式顯示出來。實現對相關設備和生產加工狀態的預測和判斷，并給出相關操作指令和建議。結合智能決策技術，達到數據輔助智能制造的決策和生產。主要功能是服務于智能制造過程中的各類應用場景，利用生成的智能數據指令信息，完成相關的設計、生產、制造、技術改進、加工過程優化等智能化輔助工作，最終達到智能化自動控制生產的應用目標。

2 智能制造系統的設計效果及教學實踐

在實踐教學中，啟動智能制造實訓教學系統，鏈接至先進制造實訓中心的教學設備，在服務器端可以獲取任何一臺正在生產加工機器的運行參數和生產加工狀態數據，通過這些數據可以分析了解機器的生命健康狀態以及加工的現場實際情況，根據現場運行的參數數據，通過系統預設的算法，系統可以自動的，也可以人工干預調整和優化現場加工的參數和機器某些加工坐標參數，從而達到實時而及時干預現場制造的目的，通過實踐教學讓學生明白智能制造和自動化調整現場加工的原理和工作方式，具體的設備運行控制界面如圖3 所示[4]。

圖3 設備運行控制界面

此外，通過分析系統云數據中心分類匯總的各項數據，結合學生在實踐工程實訓加工出來的產品情況，可以讓學生分析不同數據、不同設置以及不同操作習慣對應生產產品的具體情況，形成總結和經驗，以便改進和優化生產作為創新的基礎依據，這也為后期的過程實踐教學和產品加工提供經驗參考。

3 結論

本文研究智能制造的工程實訓教學系統的研究與應用，從實踐應用效果來看，實現了對生產過程中異常情況的早期預警，對生產偏差和錯誤主動識別并改進的智能化生產目標。實現了把適當的數據指令，在合適的時間以適當的方式傳遞給合適的部件和機器，最終達到了自助優化生產過程、自動糾正生產偏差和自主組織生產的智能化生產局面，大大提高了工程實踐教學的效率和產品的生產質量，為學員在實踐教學過程中理解智能制造的加工數據參數和實際生產產品之間的關系，讓學員掌握了智能制造的工作原理和方法，提高了教學效率和質量，受到師生的好評。