Внедрение киберфизических производственных систем для прогнозирования качества и управления операциями в литейном производстве
Implementation of Cyber-Physical Production Systems for Quality Prediction and Operation Control in Metal Casting
2018-05-04
SCID: 54.1/k6eetfay
Discuss with AI
Интернет вещейкиберфизические производственные системымашинное обучениепрогнозирование качества металлического литьяуправление операциями
Figures from the paper
Abstract (AI)
Прогнозирование внутренних дефектов отливок непосредственно после процесса литья позволяет сократить непроизводительные затраты времени и средств за счёт уменьшения количества заготовок, передаваемых на последующие этапы, такие как механическая обработка, а также обеспечивает гибкое планирование. Киберфизические производственные системы (CPPS) эффективно отвечают этим требованиям. В настоящем исследовании рассматривается внедрение CPPS на реальном предприятии для прогнозирования качества отливок и управления производственными операциями. Сначала была разработана архитектурная структура CPPS для прогнозирования качества и управления операциями в литейном производстве. Структура описывает взаимодействие Интернета вещей (IoT), искусственного интеллекта, имитационного моделирования, систем управления производством и систем расширенного планирования и диспетчеризации. Затем описывается внедрение CPPS на действующем предприятии. Температура является одним из основных факторов, влияющих на качество отливок; поэтому на литейных машинах были установлены датчики температуры и устройства связи IoT. Известная база данных NoSQL HBase и высокоскоростной инструмент обработки и анализа данных Spark использовались соответственно для хранения данных IoT и их предварительной обработки. Для прогнозирования качества применялись многочисленные алгоритмы машинного обучения, включая деревья решений, случайные леса, искусственные нейронные сети и метод опорных векторов; их результаты сравнивались с использованием программного обеспечения R. Наконец, функционирование всей системы демонстрируется с помощью панели мониторинга CPPS. В то время как большинство исследований, посвящённых CPPS, проводится на основе абстрактных моделей высокого уровня, в данной работе представлены более конкретные архитектурные структуры, варианты использования, применимое программное обеспечение и аналитические методологии. Кроме того, полезность CPPS подтверждается посредством оценки количественных эффектов. Ожидается, что эта работа будет способствовать более широкому внедрению CPPS в промышленности.
Key Findings
1
Работа продемонстрировала функционирование интегрированной системы через панель CPPS и количественно оценила её полезность для сокращения последующей обработки и обеспечения гибкого планирования производства.
2
Разработана архитектура киберфизической производственной системы, объединяющая IoT, искусственный интеллект, моделирование, системы управления производством и расширенного планирования для прогнозирования качества и управления операциями в литейном производстве.
3
Для прогнозирования качества отливок сравнивались деревья решений, случайный лес, искусственные нейронные сети и метод опорных векторов с использованием R.
4
HBase использовалась как хранилище данных IoT, а Spark — как высокоскоростной инструмент предварительной обработки и анализа данных.
5
Система внедрена на реальном литейном предприятии с использованием температурных датчиков и устройств IoT-коммуникации для мониторинга важного фактора качества отливок.
Research Object
Производство металлических отливок на реальном предприятии, включая литейные машины и производственные операции
Research Subject
Внедрение киберфизической производственной системы для прогнозирования качества отливок, прежде всего внутренних дефектов, и управления производственными операциями
Publication Details
Publication Date
2018-05-04
Journal
Publisher
ISSN
Cited by
158
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Киберфизические системы: проблемы проектирования2008
Киберфизические производственные системы: истоки, ожидания и задачи научных исследований и разработок2014
Цифровой двойник: реализация киберфизической производственной системы для Индустрии 4.02017
Киберфизические системы в контексте Индустрии 4.02014
Работы, цитирующие эту статью5
Промышленный искусственный интеллект в Индустрии 4.0: систематический обзор, проблемы и перспективы2020
Анализ эффективности датчиков на основе Интернета вещей, обработки больших данных и модели машинного обучения для системы мониторинга в реальном времени на автомобильном производстве2018
Предиктивное качество в производстве на основе машинного обучения и глубокого обучения: систематический обзор2022
Экосистема больших данных в производстве: систематический обзор литературы2019
Алгоритмы машинного обучения для обеспечения качества производства: систематический обзор показателей эффективности и областей применения2025