CN111240283A - 针对智能制造系统的可适应规划设计仿真平台构建方法 - Google Patents
针对智能制造系统的可适应规划设计仿真平台构建方法 Download PDFInfo
- Publication number
- CN111240283A CN111240283A CN202010039202.2A CN202010039202A CN111240283A CN 111240283 A CN111240283 A CN 111240283A CN 202010039202 A CN202010039202 A CN 202010039202A CN 111240283 A CN111240283 A CN 111240283A
- Authority
- CN
- China
- Prior art keywords
- adaptable
- design
- manufacturing
- production
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 250
- 238000013461 design Methods 0.000 title claims abstract description 98
- 238000004088 simulation Methods 0.000 title claims abstract description 59
- 238000013439 planning Methods 0.000 title claims abstract description 34
- 238000010276 construction Methods 0.000 title claims description 8
- 238000012545 processing Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 64
- 238000003754 machining Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000012795 verification Methods 0.000 claims abstract description 17
- 238000013468 resource allocation Methods 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 13
- 238000012938 design process Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007514 turning Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000544061 Cuculus canorus Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开一种针对智能制造系统的可适应规划设计仿真平台构建方法,包括以下步骤:建立制造需求与产品设计参数的映射关系和制造需求与智能制造系统设计参数的映射关系;提取零件的加工特征并对零件进行工艺规划设计,匹配与产品设计参数对应的加工类型模块并生成工艺路线;建立可适应制造资源库;进行生产调度并生成包括制造资源配置方案及生产过程管控指令的生产方案;对可适应加工设备进行加工仿真、对制造资源配置方案及生产过程管控指令进行仿真验证;根据对可适应加工设备的加工仿真结果决策是否进行可适应加工设备重构优化、根据对制造资源配置方案及对生产过程管控指令仿真验证的结果决策是否进行生产方案重构。
Description
技术领域
本发明涉及机械工程技术领域,特别是涉及产品规划设计及智能制造系统规划设计。
背景技术
智能制造范式,是指面向产品全生命周期,实现泛在感知条件下的数字化、智能化的制造。智能制造技术是在现代传感技术、网络技术、自动化技术、拟人化智能技术等先进技术的基础上,通过智能化的感知、人机交互、决策和执行技术,实现设计过程、制造过程和制造装备智能化,是信息技术、智能技术与装备制造技术的深度融合与集成。智能制造,是信息化与工业化深度融合的大趋势。
现有的智能制造系统的设计对设计师、工程师的个人经验有较大依赖,具有一定的主观性。设计成本高并且设计出的智能制造系统适应能力差,设计过程中缺少对规划设计结果的验证,设计容错率低,现有的智能制造系统设计方法不能快速重构系统方案以快速响个性化、多品种的定制模式。所以迫切需要新的智能制造系统的设计、规划和验证方法。
发明内容
本发明的目的是为了克服主观因素对设计的影响、智能制造系统适应能力差及响应速度慢等因素,提供一种针对智能制造系统的可适应规划设计仿真平台构建方法。面向可重构、再制造,重用制造资源,解决面对个性化、多样化的定制生产模式,快速生成由智能制造需求到产品生产方案的问题。
本发明的目的是通过以下技术方案实现的:
针对智能制造系统的可适应规划设计仿真平台构建方法,包括以下步骤:
步骤一.解读客户需求,对客户的模糊需求信息进行定量化表达,并转化为产品的设计参数和智能制造系统的设计参数,建立制造需求与产品设计参数的映射关系和制造需求与智能制造系统设计参数的映射关系;
步骤二.根据步骤一的产品设计参数,提取零件的加工特征并对零件进行工艺规划设计,匹配与产品设计参数对应的加工类型模块并生成工艺路线;
步骤三.根据步骤二的加工类型模块,提取可适应参数并驱动生成可适应的物理结构模块,提取通用参数驱动生成标准通用系列的物理结构模块,提取定制参数并驱动生成专用物理结构模块;将上述物理结构模块从设备级和系统级两个层次进行模块功能聚类,建立可适应制造资源库;
步骤四.根据步骤二生成的关于零件的工艺路线,从步骤三建立的可适应制造资源库中选择组合对应加工层的物理结构模块并生成可适应加工设备;根据步骤一的智能制造系统设计参数,从步骤三建立的可适应制造资源库中的制造资源进行生产调度并生成包括制造资源配置方案及生产过程管控指令的生产方案;
步骤五.根据步骤四,对生成的制造资源配置方案进行虚拟仿真设计,对可适应加工设备进行加工仿真、对制造资源配置方案及生产过程管控指令进行仿真验证;根据对可适应加工设备的加工仿真结果决策是否进行可适应加工设备重构优化、根据对制造资源配置方案及对生产过程管控指令仿真验证的结果决策是否进行生产方案重构。
进一步的,步骤一具体包括以下步骤:
(101)以市场调研为基准,根据用户对产品规格尺寸、功能、性能的不同需求,建立产品需求模型,并转化为产品的设计参数;
(102)以客户目标为依据,根据用户对智能制造系统加工成本、空间约束、物流路径的不同设计目标,建立智能制造系统需求模型,并转化为智能制造系统的设计参数。
进一步的,步骤二具体包括以下步骤:
(201)依据智能制造系统中产品的设计参数,提取零件的加工特征;
(202)依据零件的加工特征,对零件进行工艺规划设计,匹配与产品设计参数对应的加工类型模块并生成工艺路线。
进一步的,步骤三具体包括以下步骤:
(301)从加工类型模块中提取可适应参数、通用参数及定制参数,分别驱动生成加工设备的可适应物理结构模块、专用物理结构模块及通用物理结构模块,用于快速集成设计可适应加工设备;
(302)建立物流仓储模块、制造物联网及布局类型连接模块,用于连接不同加工类型模块;
(303)根据物理结构的相似性将(301)的物理结构模块和(302)的连接模块从设备级和系统级两个层次进行模块功能聚类,建立可适应制造资源库。
进一步的,步骤四具体包括以下步骤:
(401)根据步骤二生成的加工零件的工艺路线,从步骤三建立的可适应制造资源库中通过加工层的物理结构模块的选择、组合、扩展、升级及定制,快速设计出可适应加工设备;
(402)根据步骤一的智能制造系统设计参数,基于Petri网对现有的制造资源配置方案进行建模;
(403)运用启发式的算法对制造资源进行调度生成制造资源配置方案及生产过程管控指令,最终形成生产方案;所述启发式的算法为蚁群算法或遗传算法。
进一步的,步骤五具体包括以下步骤:
(501)依托仿真软件,在虚拟环境中建立加工设备模型,使加工设备模型具有几何属性和运动行为;对单台加工设备进行加工仿真,仿真数据分析从加工是否正常进行,机械结构在加工过程中是否出现奇异点角度对加工设备进行分析;针对仿真数据异常的设备重新选择、组合、扩展、升级、定制物理结构模块对可适应加工设备进行重构优化;
(502)对步骤四得到的制造资源配置方案及生产管控指令,建立制造资源模型,通过模块间的柔性标准接口及制造物联网连接方式实现不同加工类型模块的设备互联;通过仿真软件对制造资源配置方案及生产过程管控指令进行仿真验证,仿真数据分析从物流是否畅通、关键工序是否出现瓶颈和总体生产效率是否满足生产需求角度对步骤四的生产方案进行验证,决策是否进行生产方案重构;针对物流拥堵,可更换物流方式、更改布局类型或增加仓储缓存库;针对关键工序出现瓶颈,可增加瓶颈设备数量;针对总体生产效率低,可更换物流方式或增加加工设备数量;
(503)根据步骤一生成的产品设计参数和智能制造系统设计参数及步骤四通过验证的生产方案,形成最优的智能制造系统规划设计方案,用于指导实际智能制造实物系统搭建及生产过程的管控并生产出需求产品。
进一步的,步骤四中制造资源包括物流仓储设备、制造物联网及布局类型;生产过程管控指令包括生产甘特图和PLC调度指令。
与现有技术相比,本发明的技术方案所带来的有益效果是:
1.本发明方法从制造需求出发,基于可适应设计技术和模块化设计技术,能够快速集成设计加工设备和智能制造系统,快速生成由制造需求到产品生产方案,大大提高制造系统适应性和响应速度。
2.本发明方法面向智能制造系统,形成由智能制造需求到产品生产方案的闭环设计过程。根据制造需求,基于工艺规划方法、启发式寻优方法及生产调度方法生成的生产方案能够不断地自我迭代寻优,克服了主观因素对设计过程的影响。
3.本发明方法基于仿真技术对可适应设计的加工设备进行加工仿真及仿真数据分析、对智能制造系统生产方案进行仿真验证及仿真数据分析,能预知设计缺陷并及时进行加工设备重构优化及生产方案重构。
附图说明
图1是本发明方法的构思流程示意图。
图2是呈现本发明方法的具体流程步骤示意图。
图3是以减速箱生产为例,呈现本发明方法的具体流程步骤示意图
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供针对智能制造系统的可适应规划设计仿真平台构建方法,智能制造系统指贯穿产品整个生产过程且具备分析、推理、判断、决策能力并能够针对需求进行快速集成以及针对仿真异常数据或者产品和智能制造系统设计需求变更能快速重构的可重构智能制造系统。可适应规划设计仿真指对产品进行工艺规划、对重用性高的组件及设备提取可适应参数进行可适应设计并进行加工仿真优化、对制造资源进行生产调度、对生产方案进行虚拟仿真验证及重构。
智能制造系统可适应规划设计仿真平台指贯穿智能制造系统设计的整个过程且具备制造需求分析、产品工艺规划、对制造资源进行生产调度、加工设备快速集成并进行加工仿真及智能制造系统快速集成并仿真验证的平台,同时能够针对仿真数据中的异常数据或产品和智能制造系统设计需求变更快速进行生产方案重构并重构出智能制造系统虚拟生产方案,进而指导智能制造系统实物系统的搭建。
结合附图1,本发明技术方案主要流程是:在以个性化、多品种为特点的智能制造生产模式下,针对个性化、多样化的客户需求,通过可适应规划设计仿真平台对制造需求进行分析、对产品进行工艺规划、对加工设备进行可适应设计、加工仿真、对制造资源进行生产调度、对智能制造系统生产方案进行仿真验证、针对仿真数据中的异常数据和需求变更进行生产方案重构,循环迭代生成最优的智能制造系统生产方案。形成由智能制造需求到智能制造实物系统的闭环设计过程,保证产品及智能制造系统的设计参数与智能制造需求保持一致,同时也可以快速响应个性化、多样化的客户需求。
以减速箱的生产为例,结合附图2及附图3,本发明方法具体包括以下步骤:
步骤一:解读客户需求,对客户的模糊需求信息进行定量化表达,并转化为产品的设计参数和智能制造系统的设计参数,建立制造需求与产品设计参数和智能制造系统设计参数的映射关系。
1-1.以市场调研为基准,根据用户对产品规格尺寸、功能、性能的不同需求,建立产品需求模型,并转化为产品的设计参数。减速箱的制造需求包括,加工上箱体、下箱体、大齿轮轴以及小齿轮轴,将减速箱的制造需求参数化表示,包括尺寸参数、结构参数及表面质量参数;
1-2.以客户目标为依据,根据用户对智能制造系统加工成本、空间约束、物流路径的不同设计目标,建立智能制造系统需求模型,并转化为智能制造系统的设计参数。如减速箱智能制造系统设计参数为设计成本低、占用空间小及物流路径短,也是后续算法寻优的目标。
步骤二:根据步骤一的产品设计参数,提取零件的加工特征并对零件进行工艺规划设计,匹配与产品设计参数对应的加工类型模块并生成工艺路线。
2-1.依据智能制造系统中产品的设计参数,提取零件的加工特征。如观察孔尺寸要求为20*30mm,则提取出的加工特征即为加工观察孔;
2-2.依据零件的加工特征,对零件进行工艺规划设计,匹配与产品设计参数对应的加工类型模块并生成工艺路线。对提取的加工特征进行排序,生成工艺路线。每一个加工特征都有加工类型与其匹配,如加工齿轮外圆表面,加工外圆特征所以匹配的加工类型为车削。
步骤三:根据步骤二的加工类型模块,提取可适应参数并驱动生成可适应的物理结构模块,提取通用参数驱动生成标准通用系列的物理结构模块,提取定制参数并驱动生成专用物理结构模块。将物理结构模块从设备级和系统级两个层次进行模块功能聚类,建立可适应制造资源库;
3-1.从加工类型模块中提取可适应参数、通用参数及定制参数,分别驱动生成加工设备的可适应物理结构模块、专用物理结构模块及通用物理结构模块。可适应物理结构模块指主轴箱等结构功能易改变且参数稍作调整即可适应新的加工要求的模块,通用物理结构模块指三爪卡盘等标准化通用化的模块,专用物理结构模块指夹具等需要根据不同的零件定制的模块。模块的合理划分能极大的重用制造资源,降低生产成本提高生产效率;
3-2.建立物流仓储模块、制造物联网及布局类型等连接模块,用于连接不同加工类型模块。与加工设备模块不同,连接模块通用性和适应性强;
3-3.根据物理结构的相似性将3-1的物理结构模块和3-2的连接模块从设备级和系统级两个层次进行模块功能聚类,设备级细分为加工层、物流层及仓储层,系统级细分为制造物联网和布局类型,建立可适应制造资源库。
步骤四:根据步骤二生成的加工零件工艺路线,从步骤三建立的可适应制造资源库中选择组合对应加工层的物理结构模块并生成可适应加工设备。根据步骤一的智能制造系统设计参数,从步骤三建立的可适应制造资源库中对物流仓储设备、制造物联网等制造资源进行生产调度并生成包括制造资源配置方案及生产过程管控指令(生产甘特图、PLC调度指令)的生产方案。
4-1.根据步骤二生成的加工零件工艺路线,从步骤三建立的可适应制造资源库中通过加工层的物理结构模块的选择、组合、修改,快速设计出可适应加工设备。如车削大齿轮轴外圆,根据进给速度选择可适应模块,根据大齿轮轴外圆尺寸定制专用夹具,快速设计出能车削大齿轮轴外圆的车床。对可适应参数进行微调即可加工小齿轮轴的外圆表面;
4-2.根据步骤一的智能制造系统设计参数,基于Petri网对现有的制造资源进行建模,将成本、设备尺寸及物流路径长短用参数表示,将工程问题转化为数学问题;
4-3.运用蚁群算法、遗传算法、模拟退火算法、布谷鸟算法等启发式算法对制造资源进行调度生成制造资源配置方案及生产过程管控指令,制造资源配置方案为:加工设备:车床×1、铣床×1、钻床×1、镗床×1、加工中心×2;物流方式:桁架机械手×1、机器人×4;仓储设备:缓存库×4、成品库×1、配件库×1;传感器:位置传感器×8;通讯协议:TCP/IP协议;布局类型:U形。生产过程管控指令包括(生产甘特图、PLC调度指令),最终形成生产方案。
步骤五:根据步骤四,对生成的制造资源配置方案进行虚拟仿真设计,对可适应加工设备进行加工仿真、对制造资源配置方案及生产过程管控指令进行仿真验证。根据对可适应加工设备的加工仿真结果决策是否进行可适应加工设备重构优化、根据对制造资源配置方案及对生产过程管控指令仿真验证的结果决策是否进行生产方案重构。
5-1.依托三维建模仿真软件Visual Component在虚拟环境中建立加工设备模型,使模型具有几何属性和运动行为。对单台加工设备进行加工仿真,仿真数据分析主要从加工是否正常进行、机械结构在加工过程中是否出现奇异点及机械结构运动过程中是否出现干涉角度对加工设备进行分析。针对仿真数据异常的设备重新选择、组合、扩展、升级、定制物理结构模块对可适应加工设备进行重构优化;
5-2.对步骤四得到的制造资源配置方案及生产管控指令,建立制造资源模型,通过模块间的柔性标准接口及制造物联网等连接方式实现不同加工类型模块的设备互联。通过仿真软件对制造资源配置方案及生产过程管控指令进行仿真验证,仿真数据分析主要从物流是否畅通、关键工序是否出现瓶颈和总体生产效率是否满足生产需求角度对步骤四的生产方案进行验证,决策是否进行生产方案重构。针对物流拥堵,可更换物流方式、更改布局类型或增加仓储缓存库;针对关键工序出现瓶颈,可增加瓶颈设备数量;针对总体生产效率低,可更换物流方式或增加加工设备数量;
5-3.根据步骤一生成的产品设计参数和智能制造系统设计参数及步骤四通过验证的生产方案,形成最优的智能制造系统规划设计方案,用于指导实际智能制造实物系统搭建及生产过程的管控并生产出需求产品。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案,上述的具体实施方式仅仅是示意性的,并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下,本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换,这些均属于本发明的保护范围之内。
Claims (7)
1.针对智能制造系统的可适应规划设计仿真平台构建方法,其特征在于,包括以下步骤:
步骤一.解读客户需求,对客户的模糊需求信息进行定量化表达,并转化为产品的设计参数和智能制造系统的设计参数,建立制造需求与产品设计参数的映射关系和制造需求与智能制造系统设计参数的映射关系;
步骤二.根据步骤一的产品设计参数,提取零件的加工特征并对零件进行工艺规划设计,匹配与产品设计参数对应的加工类型模块并生成工艺路线;
步骤三.根据步骤二的加工类型模块,提取可适应参数并驱动生成可适应的物理结构模块,提取通用参数驱动生成标准通用系列的物理结构模块,提取定制参数并驱动生成专用物理结构模块;将上述物理结构模块从设备级和系统级两个层次进行模块功能聚类,建立可适应制造资源库;
步骤四.根据步骤二生成的关于零件的工艺路线,从步骤三建立的可适应制造资源库中选择组合对应加工层的物理结构模块并生成可适应加工设备;根据步骤一的智能制造系统设计参数,从步骤三建立的可适应制造资源库中的制造资源进行生产调度并生成包括制造资源配置方案及生产过程管控指令的生产方案;
步骤五.根据步骤四,对生成的制造资源配置方案进行虚拟仿真设计,对可适应加工设备进行加工仿真、对制造资源配置方案及生产过程管控指令进行仿真验证;根据对可适应加工设备的加工仿真结果决策是否进行可适应加工设备重构优化、根据对制造资源配置方案及对生产过程管控指令仿真验证的结果决策是否进行生产方案重构。
2.根据权利要求1所述针对智能制造系统的可适应规划设计仿真平台构建方法,其特征在于,步骤一具体包括以下步骤:
(101)以市场调研为基准,根据用户对产品规格尺寸、功能、性能的不同需求,建立产品需求模型,并转化为产品的设计参数;
(102)以客户目标为依据,根据用户对智能制造系统加工成本、空间约束、物流路径的不同设计目标,建立智能制造系统需求模型,并转化为智能制造系统的设计参数。
3.根据权利要求1所述针对智能制造系统的可适应规划设计仿真平台构建方法,其特征在于,步骤二具体包括以下步骤:
(201)依据智能制造系统中产品的设计参数,提取零件的加工特征;
(202)依据零件的加工特征,对零件进行工艺规划设计,匹配与产品设计参数对应的加工类型模块并生成工艺路线。
4.根据权利要求1所述针对智能制造系统的可适应规划设计仿真平台构建方法,其特征在于,步骤三具体包括以下步骤:
(301)从加工类型模块中提取可适应参数、通用参数及定制参数,分别驱动生成加工设备的可适应物理结构模块、专用物理结构模块及通用物理结构模块,用于快速集成设计可适应加工设备;
(302)建立物流仓储模块、制造物联网及布局类型连接模块,用于连接不同加工类型模块;
(303)根据物理结构的相似性将(301)的物理结构模块和(302)的连接模块从设备级和系统级两个层次进行模块功能聚类,建立可适应制造资源库。
5.根据权利要求1所述针对智能制造系统的可适应规划设计仿真平台构建方法,其特征在于,步骤四具体包括以下步骤:
(401)根据步骤二生成的加工零件的工艺路线,从步骤三建立的可适应制造资源库中通过加工层的物理结构模块的选择、组合、扩展、升级及定制,快速设计出可适应加工设备;
(402)根据步骤一的智能制造系统设计参数,基于Petri网对现有的制造资源配置方案进行建模;
(403)运用启发式的算法对制造资源进行调度生成制造资源配置方案及生产过程管控指令,最终形成生产方案;所述启发式的算法为蚁群算法或遗传算法。
6.根据权利要求1所述针对智能制造系统的可适应规划设计仿真平台构建方法,其特征在于,步骤五具体包括以下步骤:
(501)依托仿真软件,在虚拟环境中建立加工设备模型,使加工设备模型具有几何属性和运动行为;对单台加工设备进行加工仿真,仿真数据分析从加工是否正常进行、机械结构在加工过程中是否出现奇异点及机械结构运动过程中是否出现干涉角度对加工设备进行分析;针对仿真数据异常的设备重新选择、组合、扩展、升级、定制物理结构模块对可适应加工设备进行重构优化;
(502)对步骤四得到的制造资源配置方案及生产管控指令,建立制造资源模型,通过模块间的柔性标准接口及制造物联网连接方式实现不同加工类型模块的设备互联;通过仿真软件对制造资源配置方案及生产过程管控指令进行仿真验证,仿真数据分析从物流是否畅通、关键工序是否出现瓶颈和总体生产效率是否满足生产需求角度对步骤四的生产方案进行验证,决策是否进行生产方案重构;针对物流拥堵,可更换物流方式、更改布局类型或增加仓储缓存库;针对关键工序出现瓶颈,可增加瓶颈设备数量;针对总体生产效率低,可更换物流方式或增加加工设备数量;
(503)根据步骤一生成的产品设计参数和智能制造系统设计参数及步骤四通过验证的生产方案,形成最优的智能制造系统规划设计方案,用于指导实际智能制造实物系统搭建及生产过程的管控并生产出需求产品。
7.根据权利要求1所述针对智能制造系统的可适应规划设计仿真平台构建方法,其特征在于,步骤四中制造资源包括物流仓储设备、制造物联网及布局类型;生产过程管控指令包括生产甘特图和PLC调度指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010039202.2A CN111240283B (zh) | 2020-01-14 | 2020-01-14 | 针对智能制造系统的可适应规划设计仿真平台构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010039202.2A CN111240283B (zh) | 2020-01-14 | 2020-01-14 | 针对智能制造系统的可适应规划设计仿真平台构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111240283A true CN111240283A (zh) | 2020-06-05 |
CN111240283B CN111240283B (zh) | 2022-09-20 |
Family
ID=70868135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010039202.2A Active CN111240283B (zh) | 2020-01-14 | 2020-01-14 | 针对智能制造系统的可适应规划设计仿真平台构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111240283B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112068522A (zh) * | 2020-09-16 | 2020-12-11 | 上海航天精密机械研究所 | 可重构生产线制造控制系统、方法及介质 |
CN112101725A (zh) * | 2020-08-12 | 2020-12-18 | 中车青岛四方机车车辆股份有限公司 | 产品的数字化制造系统及方法、电子设备与存储介质 |
CN112327621A (zh) * | 2020-11-02 | 2021-02-05 | 金航数码科技有限责任公司 | 一种基于蚁群算法的柔性生产线自适应控制系统及方法 |
IT202100009515A1 (it) | 2021-04-15 | 2022-10-15 | Progress Lab S R L | Sistema di valutazione dei tempi di lavorazione in ambito manifatturiero |
IT202100009752A1 (it) | 2021-04-19 | 2022-10-19 | Progress Lab S R L | Sistema di ottimizzazione dei tempi di lavorazione in ambito manifatturiero |
CN115291561A (zh) * | 2022-08-31 | 2022-11-04 | 天津大学 | 一种制造系统与装备虚拟调试平台、方法、设备及应用 |
CN116229792A (zh) * | 2023-03-17 | 2023-06-06 | 长三角一体化示范区(江苏)中连智能教育科技有限公司 | 一种基于工业机器人的虚拟仿真实训系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197596A (zh) * | 2013-03-14 | 2013-07-10 | 天津大学 | 一种数控加工参数自适应模糊控制规则优化方法 |
EP2690847A1 (en) * | 2012-07-27 | 2014-01-29 | Constantin Medien AG | Virtual assistant for a telecommunication system |
CN106021733A (zh) * | 2016-05-23 | 2016-10-12 | 广东工业大学 | 一种生产线的快速定制设计服务平台 |
CN107862110A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种电子产品生产线虚拟换产方法 |
WO2018191784A1 (en) * | 2017-04-19 | 2018-10-25 | SPEQS Limited | Eyeglasses ordering system and digital interface therefor |
CN109033609A (zh) * | 2018-07-20 | 2018-12-18 | 中航沈飞民用飞机有限责任公司 | 航空机加件面向智能制造的产品工艺编程仿真的方法 |
CN109712509A (zh) * | 2018-12-29 | 2019-05-03 | 天津市天森智能设备有限公司 | 一种模拟生产线实训平台 |
CN110515354A (zh) * | 2019-07-29 | 2019-11-29 | 江苏大学 | 一种基于智能化技术的复杂曲面数字化闭环精密加工方法 |
-
2020
- 2020-01-14 CN CN202010039202.2A patent/CN111240283B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2690847A1 (en) * | 2012-07-27 | 2014-01-29 | Constantin Medien AG | Virtual assistant for a telecommunication system |
CN103197596A (zh) * | 2013-03-14 | 2013-07-10 | 天津大学 | 一种数控加工参数自适应模糊控制规则优化方法 |
CN106021733A (zh) * | 2016-05-23 | 2016-10-12 | 广东工业大学 | 一种生产线的快速定制设计服务平台 |
WO2018191784A1 (en) * | 2017-04-19 | 2018-10-25 | SPEQS Limited | Eyeglasses ordering system and digital interface therefor |
CN107862110A (zh) * | 2017-10-17 | 2018-03-30 | 广东工业大学 | 一种电子产品生产线虚拟换产方法 |
CN109033609A (zh) * | 2018-07-20 | 2018-12-18 | 中航沈飞民用飞机有限责任公司 | 航空机加件面向智能制造的产品工艺编程仿真的方法 |
CN109712509A (zh) * | 2018-12-29 | 2019-05-03 | 天津市天森智能设备有限公司 | 一种模拟生产线实训平台 |
CN110515354A (zh) * | 2019-07-29 | 2019-11-29 | 江苏大学 | 一种基于智能化技术的复杂曲面数字化闭环精密加工方法 |
Non-Patent Citations (1)
Title |
---|
田松龄 等: "一种异步蚁群算法求解柔性作业车间调度问题", 《天津大学学报(自然科学与工程技术版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101725A (zh) * | 2020-08-12 | 2020-12-18 | 中车青岛四方机车车辆股份有限公司 | 产品的数字化制造系统及方法、电子设备与存储介质 |
CN112068522A (zh) * | 2020-09-16 | 2020-12-11 | 上海航天精密机械研究所 | 可重构生产线制造控制系统、方法及介质 |
CN112327621A (zh) * | 2020-11-02 | 2021-02-05 | 金航数码科技有限责任公司 | 一种基于蚁群算法的柔性生产线自适应控制系统及方法 |
CN112327621B (zh) * | 2020-11-02 | 2022-07-08 | 金航数码科技有限责任公司 | 一种基于蚁群算法的柔性生产线自适应控制系统及方法 |
IT202100009515A1 (it) | 2021-04-15 | 2022-10-15 | Progress Lab S R L | Sistema di valutazione dei tempi di lavorazione in ambito manifatturiero |
IT202100009752A1 (it) | 2021-04-19 | 2022-10-19 | Progress Lab S R L | Sistema di ottimizzazione dei tempi di lavorazione in ambito manifatturiero |
CN115291561A (zh) * | 2022-08-31 | 2022-11-04 | 天津大学 | 一种制造系统与装备虚拟调试平台、方法、设备及应用 |
CN115291561B (zh) * | 2022-08-31 | 2024-07-23 | 天津大学 | 一种制造系统与装备虚拟调试平台、方法、设备及应用 |
CN116229792A (zh) * | 2023-03-17 | 2023-06-06 | 长三角一体化示范区(江苏)中连智能教育科技有限公司 | 一种基于工业机器人的虚拟仿真实训系统 |
CN116229792B (zh) * | 2023-03-17 | 2024-01-16 | 长三角一体化示范区(江苏)中连智能教育科技有限公司 | 一种基于工业机器人的虚拟仿真实训系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111240283B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111240283B (zh) | 针对智能制造系统的可适应规划设计仿真平台构建方法 | |
Kumar | State of the art-intense review on artificial intelligence systems application in process planning and manufacturing | |
Son et al. | Past, present, and future research of digital twin for smart manufacturing | |
Alting et al. | Computer aided process planning: the state-of-the-art survey | |
Liu et al. | A review of digital twin-driven machining: From digitization to intellectualization | |
Wang et al. | Architecture design for distributed process planning | |
Van Brussel et al. | A conceptual framework for holonic manufacturing: Identification of manufacturing holons | |
Bazaz et al. | 5-dimensional definition for a manufacturing digital twin | |
Wang | An overview of function block enabled adaptive process planning for machining | |
Liu et al. | Dynamic design method of digital twin process model driven by knowledge-evolution machining features | |
Li et al. | A twin data and knowledge-driven intelligent process planning framework of aviation parts | |
Park et al. | A real-time computer-aided process planning system as a support tool for economic product design | |
Isnaini et al. | Review of computer-aided process planning systems for machining operation–future development of a computer-aided process planning system– | |
Shi et al. | A cognitive digital twins framework for human-robot collaboration | |
Shah et al. | From Deterministic to Data-Driven: AI and Machine Learning for Next-Generation Production Line Optimization | |
Chen et al. | Intelligent computer-aided process planning of multi-axis CNC tapping machine | |
Liu et al. | Digital Twin-based manufacturing system: A survey based on a novel reference model | |
Hazarika et al. | Setup planning for machining | |
Liu et al. | An adaptive evolutionary framework for the decision-making models of digital twin machining system | |
CN111308975A (zh) | 基于数字孪生技术的智能制造系统孪生智能体构建系统及方法 | |
Kalla et al. | Integrating Iot, AI, And Big Data For Enhanced Operational Efficiency In Smart Factories | |
Liu et al. | A multi-dimensional evolution modeling method for digital twin process model | |
Zheng et al. | KBE-based stamping process paths generated for automobile panels | |
Raharno et al. | Jumping to Industry 4.0 through process design and managing information for smart manufacturing: Configurable virtual workstation | |
Srivastava et al. | STEP-NC AP238-an excellent paradigm for smart manufacturing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |