产品制造力提升与智能制造研究

张健存 罗玉林

摘 要：提出了空气滤芯生产线自动化装备与升级的步骤方法，并将其演绎归纳为工业生产线装备的过程方法。对现代理论技术在空气滤芯智能制造方面的应用进行了研究，分析了装备域智能制造的关键性技术，阐述了智能制造的实现具体形式，为人们提供认识智能制造的平台，为企业智能化自动化装备升级活动提供借鉴和指导。

关键词：空气滤芯;工业理论;智能制造;先进技术

0引言

随着社会与经济的快速发展，空气环保产品起着越来越重要的作用，主要表现如下几方面：1.优质空气作为生产资料投入生产或再生产;2.人们生活水平对空气质量要求提高;3.大气自然环境问题越加严重等。

目前，国内70%空气滤芯生产厂家仍以手工操作为主，制造水平多数处于工业2.0到工业3.0之间。面对激烈的市场竞争，企业急需寻求制造力提升方法。

1  自动化装备与升级步骤方法

空气滤芯是空气环保产品的核心部件。制造过程：首先，根据产品的构成和功能，得出工艺流程图;其次，对流程进行研究，形成合理的工序和工位;再次，对各工序和工位配置人、机、料、法、环和测，简称5M1E。最后，各工位和工序的有机组合形成了产线。

可归纳提出较为规律性的工业产线装备与升级方法：第一，充分分析产品的结构和功能，进而得出制造工艺流程;第二，对工艺内容进行现代装备技术配对评估，得出单个工艺所需的最优增值加工时间和空间;第三，引用工业工程分析法对工艺进行合理构造，进行产线平衡分析，形成最优工序和工位;第四，对各工序和工位装备自动化智能化专机、随行夹具、工序和工位间运输系统等，使其成为智能化自动化产线。

2基于泛函数智能算法的生产线平衡分析

生产线平衡率优化问题实质上是一类以生产线上的人、机、料、法、环及测作为因变量，以限制中间库存、消除瓶颈工序、减少工时浪费、建设周期、成本和不良品作为惩罪函数，以质量、效率、成本等作为多目标函数求最优解的数学模型求解问题[1]。

随着技术创新，5M1E各因素已经产生了新一轮的变化，因素个体内部以继承派生的方式分解出多个子因素，而父和子因素间相互影响和渗透。传统的数学求最优方法也已不能满足中大型生产线平衡分析[2] [3]。

借助深度感知的自学习方法可以有效解决此类问题。如基于智能算法的组合优化求解问题[4]。把空气滤芯生产线上的5M1E因素分解到相对根因素，逐步向上建立泛函数、界定求解域、惩罚函数、条件函数和多目标函数，用智能算法进行求解，得到生产线平衡分析模型的组合优化解。

3 现代工业技术方法应用

根据最优工序和工位要求，依科学顺序开发机械系统与电气系统，借用前沿学科如物联网技术、机器人技术、虚拟样机技术、嵌入式控制技术、机器视觉技术、数据库技术等多学科方法对各工位进行装备，形成生产线。

3.1物联网技术

物联网技术借助信息感知、传递与处理技术，实现5M1E各因素间无时间、无地域限制的物理信息融合。过程细分为六层：感知层、物联接入层、网络层、数据管理层、智能处理层与应用层。物联网技术将空气滤芯生产线上的人、机、料、法、环及测各因素实时联网，以便于数据处理和应用。

3.2智能机器人技术

现代机器人是具备深度感知、智能决策和执行的高柔性智能机器人。模块化和传感嵌入化是最为显著的特征。模块化是机器人实时柔性配置和自诊断自维护的前提。随着非接触式数据获取采集技术如机器视覺、无线采集、自动采集的快速发展，越来越多的先进数据感知技术被引入生产制造系统中[5]。

3.3虚拟化技术

制造系统须能满足人们各种空气滤芯生产要求，如结构组成、过滤性能和外形尺寸等，具备高集成柔性化。虚拟化技术为空气滤芯的生产线装备或智能模块化自组成提供可行性分析支持。数字孪生技术是现代虚拟化技术的内容，利用数字化真实表征现实过程[6]，实现空气滤芯生产线模型在虚拟空间中不断优化和迭代，预知未知风险。

4装备域关键性技术

智能生产装备聚焦深度感知、智能决策和自动执行功能，借力于云计算、大数据技术、互联网（含移动通信）、物联网、人工智能、数据库、虚拟现实技术（VR）、现代检测技术、计算机控制技术、数字孪生和机器人技术等。

智能生产装备有多种具体形式，不限于多目机器视觉下的空间物体三维重构，不限于多种拓扑结构下可智能组合的执行系统，不限于基于虚拟现实技术和孪生数据技术的智能人机交互系统和虚拟实验室，不限于远程或移动终端与智能生产线的多种形式对话，不限于自故障诊断、自维护、自分析和自学习的能工艺自优化、大数据分析和能源自优化的智能决策系统，，不限于处理生产过程数字化网络化智能化的云平台和数据挖掘中心。以及上述组成的可重构智能制造系统。

5人与智能工厂交互方式

人们与智能工厂的未来对话，主要通过可穿戴式或可便携式装置（如手机、Pad、智能耳机、笔记本电脑等）和虚拟实验室两种途径。透过智能工厂提供的数据库和客户个性化自设计平台。

对于每次生产任务，智能工厂会从场地库中，安排出适度空间的场地，并进行对其格式化，配置温度、光照和湿度等;其次，智能工厂按生产平衡最优方案，从模块库中调出相应模块，各自组合成对应的因素体，并配置到生产系统中;再次，智能生产过程进行并且完成。生产完成后，各模块回归模块库进行自维护与自学习。

6 结论

对空气滤芯制造力提升与智能制造研究，有效地提出了空气滤芯智能生产装备升级方法。介绍了现代先进制造方法的应用和具体形式，提出了工业生产线装备的过程方法。对智能工厂下的生产线平衡问题提出了更深层次的分析方法。同时，探讨了未来智能工厂的运作过程，对智能制造的发展和推进具有一定的参考意义。

参考文献：

[1]高昆.H公司在激光精密加工装备领域的发展战略研究[D].吉林：吉林大学，2018.

[2]刘环宇.基于遗传算法对A公司生产线平衡的分析[J].企业物流，2014，9（118）：367—370.

[3]王巍，杨维平，杨光.基于Flexsim仿真的生产线平衡研究与应用[J].价值工程，2015（28）：226—228.

[4]郭田德， 韩丛英. 从数值最优化方法到学习最优化方法[J]. 运筹学学报，2019，23（4）：1—12.

[5]马靖. 制造业物联网环境下的机械产品智能装配系统建模及关键技术研究[D]. 合肥：合肥工业大学， 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.

作者简介：

张健存（1986-），男，汉，广东，工程师，研究生， 研究方向：机器视觉，智能制造，Linux嵌入式系统.