版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、得益于云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)與人工智能等新一代信息技術的發(fā)展、融合與應用,在制造業(yè)領域中,一種新的模式一“云制造”被提出。云制造正推動著傳統(tǒng)的制造執(zhí)行系統(tǒng)(Manufacturing Execution System,MES)向智能制造系統(tǒng)轉(zhuǎn)化。特別是我國全面實施“中國制造2025”重大戰(zhàn)略以來,制造業(yè)企業(yè)不斷地將新技術融入到制造過程,逐步解決了傳統(tǒng)MES的許多難題,從而MES也得到了迅速發(fā)展,但是新技術應用于傳統(tǒng)MES也產(chǎn)生了一系列新
2、的問題。為此,從以下三方面對制造執(zhí)行系統(tǒng)進行深入的研究。
首先,為使MES系統(tǒng)適應制造大數(shù)據(jù)環(huán)境,從數(shù)據(jù)存儲方面對其進行了改進,提出了適應大數(shù)據(jù)環(huán)境的存儲方案。針對MES系統(tǒng)對生產(chǎn)過程的管理建立在大量的制造數(shù)據(jù)基礎之上的特點,將非關系型數(shù)據(jù)庫和內(nèi)存數(shù)據(jù)庫進行結合,共同作為MES系統(tǒng)的存儲介質(zhì)。這種優(yōu)化的數(shù)據(jù)存儲方式,既解決了半結構化和非結構化特征數(shù)據(jù)的存儲問題,又具有高效的數(shù)據(jù)訪問能力和高擴展性。通過對實時數(shù)據(jù)的高效存儲,可以
3、實現(xiàn)系統(tǒng)對數(shù)據(jù)的快速訪問,提高系統(tǒng)處理速度和響應時間。同時對海量歷史生產(chǎn)數(shù)據(jù)的存儲,也使得企業(yè)可以從更加宏觀的角度對生產(chǎn)進行管理,使車間的數(shù)據(jù)統(tǒng)計和分析更加有意義。
其次,為了有效地解決制造企業(yè)中車間生產(chǎn)異常難以有效管控的問題,提出了基于深度神經(jīng)網(wǎng)絡的車間生產(chǎn)異常發(fā)現(xiàn)方法。并對導致生產(chǎn)異常的影響因素,建立了高效合理的分類體系,根據(jù)各個影響因素釣具體特征,給出了相應的量化方法。通過對各種影響因素和生產(chǎn)異常的分析,以優(yōu)化的數(shù)據(jù)存儲
4、方式為基礎,建立了生產(chǎn)異常預測模型,伎英可以對質(zhì)量和交付期異常進行實時預測。該模型以深度神經(jīng)網(wǎng)絡為預測核心,使用數(shù)據(jù)庫中的影響因素和生產(chǎn)異常信息作為訓練數(shù)據(jù),實時生產(chǎn)信息作為預測數(shù)據(jù)。該方法可以在加工生產(chǎn)過程中對產(chǎn)品質(zhì)量和交付期可能產(chǎn)生的異常進行監(jiān)控和跟蹤,為生產(chǎn)管理提供數(shù)據(jù)基礎。
最后,為進一步降低各種異常影響因素對加工生產(chǎn)的影響,對影響因素與生產(chǎn)異常的相關關系,以及這種關系的強弱進行研究和分析,得出了各種異常影響因素的重要
5、程度。并針對設備、工序、人員等主要異常影響因素關聯(lián)實體進行研究,提出了相應的影響因素處理方法。以設備為例,從關鍵切削設備入手,提出了一整套基于深度神經(jīng)網(wǎng)絡的關鍵設備刀具剩余壽命預測方法,從設備高效維護的角度降低了設備對加工生產(chǎn)的影響,同時也達到了避免異常發(fā)生的目的。
綜上所述,本文從數(shù)據(jù)存儲、異常發(fā)現(xiàn)和異常處理三個方面,對現(xiàn)有MES系統(tǒng)進行了改進,并針對異常發(fā)現(xiàn)和處理提出了具體的解決方案,使用深度神經(jīng)網(wǎng)絡等方法,將人工智能技術
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于深度神經(jīng)網(wǎng)絡的目標跟蹤方法研究.pdf
- 基于GPU的深度神經(jīng)網(wǎng)絡優(yōu)化方法研究.pdf
- 基于深度神經(jīng)網(wǎng)絡的場景分類方法研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡的熟料顆粒方法研究.pdf
- 基于深度神經(jīng)網(wǎng)絡的心電圖自動分類方法研究與實現(xiàn).pdf
- 基于深度神經(jīng)網(wǎng)絡的視覺位姿估計方法研究.pdf
- 大數(shù)據(jù)環(huán)境下車間生產(chǎn)異常的智能發(fā)現(xiàn)與響應方法研究.pdf
- 基于深度神經(jīng)網(wǎng)絡的文本表示與分類研究.pdf
- 基于人工神經(jīng)網(wǎng)絡的GPS高程異常擬合方法的研究與實現(xiàn).pdf
- 基于深度卷積神經(jīng)網(wǎng)絡的腦組織分割方法研究.pdf
- 基于深度神經(jīng)網(wǎng)絡的圖像顯著性預測方法研究與實現(xiàn).pdf
- 基于改進深度神經(jīng)網(wǎng)絡的特征提取方法研究.pdf
- 基于神經(jīng)網(wǎng)絡的證券市場異常波動識別模型與方法.pdf
- 深度神經(jīng)網(wǎng)絡壓縮與優(yōu)化研究.pdf
- 基于人工神經(jīng)網(wǎng)絡的gps高程異常擬合方法的研究與實現(xiàn)
- 基于粗糙集與神經(jīng)網(wǎng)絡方法結合的知識發(fā)現(xiàn)應用研究.pdf
- 基于深度學習神經(jīng)網(wǎng)絡的語音識別研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡麻醉深度監(jiān)測的研究.pdf
- 基于神經(jīng)網(wǎng)絡的異常點挖掘.pdf
- 基于深度神經(jīng)網(wǎng)絡的韻律結構預測研究.pdf
評論
0/150
提交評論