随着信息化与制造领域的深度融合,信息技术渗透到了制造业产业链的各个环节,射频识别、智能传感、工控系统、物联网、信息系统的全面互联互通,使得智能车间所拥有的数据日益丰富,呈现出了大体量、多源性、连续采样、价值密度低、动态性强等特点。实时感知、采集、监控智能车间运行过程中产生的海量数据,对数据之间的复杂关联关系进行深入挖掘,以科学分析结果推动形成合理的运行决策方案,在产品、设备、系统等多个维度实现智能车间生产性能的持续优化,这些构成了车间智能化的核心内容。
本书围绕大数据技术在智能车间中的应用情况,在概要阐述工业大数据驱动的智能制造主要存在形式基础上,介绍基于大数据的智能车间技术体系,针对工艺智能规划、生产智能调度、物料运输系统调度、生产智能监控、质量智能控制、设备智能维护等智能车间典型业务场景,深入分析这些场景的主要内容、数据资源及其组织形式,详细介绍数据集成、关联分析、数据预测、数据可视化等大数据技术在业务场景中的应用情况,并以航空航天、汽车、食品、半导体等典型行业为背景,介绍业务场景的企业实例。
本书主要面向从事智能制造新模式探索与工业大数据分析应用方面的学者和工业界中期望寻找智能车间运行分析与决策优化方法的生产管理人员,也可作为机械工程、智能制造、自动化、计算机工程、工业工程、管理工程等相关专业的研究生和高年级本科生的教材和参考书。
本书的研究工作得到了国家自然科学基金重点项目“大数据驱动的智能车间运行分析与决策方法的研究”(No.51435009)、国家重点研发计划“面向纺织行业的机器人自动化长流程生产线示范应用”(No.2017YFB1304000)的资助。
在本书编写过程中,研究生杨俊刚、王海超、徐楚桥、查栋烨等承担了不少任务,付出了大量心血,研究生许鸿伟、朱子洵、王明等也参加了部分编写工作。本书在编写过程中参考了大量的文献,作者在书中尽可能地做了标注,但难免仍有疏忽未标注的,敬请这些文献作者谅解。另外,清华大学出版社的编辑们也为本书的出版付出了大量的心血,在此谨对上述研究生、文献作者和编辑们一并表示由衷的感谢!
大数据技术、工业互联网、信息物理系统、云计算、机器学习等智能制造使能技术还处在迅速发展之中,由此形成的智能制造业务场景也在不断丰富,已引起越来越多的研究和应用人员的关注。由于作者的水平和能力有限,书中的缺点和疏漏在所难免,欢迎广大读者批评指正。
作者
2019年10月