智能制造管理 课件 第七章 智能制造管理实施路径与对策.pptx

第七章智能制造管理实施路径与对策

1建立智能制造的建模及仿真平台2建立工业数据收集与管理系统3进行企业层级整合4开发智能制造的教育和培训体系

第一节建立智能制造的建模及仿真平台

建立智能制造的建模及仿真平台1.为虚拟工厂企业创建社区建模和仿真平台现状：①制造工厂的软件和定制化工具开发成本高；②缺少可以跨行业使用的平台和相关软件；③缺少适合中小企业使用的智能制造工具。行动方案：第一步，找出各行业中亟待解决的问题，定义出每一个问题的权重和困难程度。第二步，在多个行业中将开发出的具有开源、适应性强、能解决某些问题、即插即用的软件进行试验，同时通过一些试点项目来验证提出模型的适应性和可扩展性。第三步，结合可视化和更高级的算法，进行平台的改进。实施目标：搭建适用于制造工厂环境的建模、仿真及计算平台；开发出可在不同行业和进程使用的智能化模块；开发出具有通用数据库和编程语言的可交互软件；建立行业内认可的体系结构标准和数据交换标准；在平台中应用现代可视化技术；将企业运营与制造过程两方面的关键绩效指标同时考虑；将工厂的运营效率提升10%，安全事故等突发事件减少25%。降低智能制造模型应用成本，五年内降低80%～90%。

建立智能制造的建模及仿真平台2.开发下一代制造决策的软件工具箱和计算架构现状：①在制定决策过程中具有高度不确定性和复杂性；②现有模型的可扩展性不高、自我反馈调节能力差；③相对较低的数据质量；④相对较高的软件开发成本。行动方案：第一步，对当前各行业智能制造相关软件和工具进行盘点。第二步，通过定义平台的运作框架，开发下一代的软件工具，并且构建全球的大数据库。第三步，将建立好的模型在不同的工厂进行试点实行，建立共享学习的基础。实施目标：建立具有多层参数的标准化工艺流程图；开发简化模型搭建工具；开发在高度不确定环境下智能决策工具；构建具有智能分析、预测、决策等功能的高级工具箱；构建学习和自适应模型；将生产成本降低30%，生产周期缩短40%；在例如生产率、设备使用效率、浪费、事故率、风险等多方面都有相对的改善和提高。

建立智能制造的建模及仿真平台3.将人的因素和决策集成到工厂优化软件和用户界面中现状：①现有模型中未考虑人的行为的不确定性；②缺少不需要高技能水平就可操作的相关软件；③学习与自适应软件框架的复杂性高；④相对较高的软件开发成本。行动方案：第一步，将人的决策与行动与自动化工具进行整合，评估如何进行人机交互。第二步，继续将以人为中心和可量化的人的因素纳入软件系统的开发过程中。第三步，将工厂内知识性员工的自适应反馈纳入到现有模型中，并且开展行业内更高级软件的试点示范活动。实施目标：开发出将人的因素考虑其中的学习与自适应软件；在制造层面施行更及时（实时化）、更严格的决策制定过程；能够直观地看到决策制定中的积极影响和消极影响；具有对所有关键绩效指标建模的能力；开发出直观的控制和人机交互界面；在关键绩效指标的表现上有可衡量的提升；提高员工的生产率，降低员工的流动率。

建立智能制造的建模及仿真平台4.将资源决策工具应用于不同行业以及不同发展水平企业中现状：①难以收集和解释相关的资源数据；②缺少用于优化系统的相关资源数据。行动方案：第一步，开发可供工厂工人使用的基于数据的工具，这些工具中应该包含不需进一步解释的直观的数据。第二步，将这种基于数据的工具加入到技术和实践的战略发展部署中，以实现资源的节约。第三步，开发先进有效的数据维护方法，建立推广方案来覆盖到不同规模的不同行业中。实施目标：开发出可供操作员使用的决策工具，该工具具有解释工厂的相关资源数据和做出有效选择的功能；可以根据不同的生产流程、产品、资源来对资源选择进行比较；从资源的角度整合工厂的所有功能；减少25%的资源使用，并使这种新型资源决策工具应用到75%以上的制造企业中；使能够做出高效决策的工程师人才数量显著增加。

第二节建立工业数据收集与管理系统

建立工业数据收集与管理系统1.建立针对所有制造型企业的一致的高效的数据方法现状：①工程人员在数据收集、处理和使用上效率低；②对于为制造企业工艺流程原型开发可扩展方法所需的数据、软件和接口缺乏共识。行动方案：第一步，定义一致的数据方法（包括数据协议和接口、通信标准）和价值命题的要求。第二步，开发新的数据方法、协议、标准，并对数据方法的知识产权开发相对应的授权策略，以及开展相应的竞赛来使得技术商业化。第三步，对新开发的数据方法进行公测，并且通过工具集、对供应商或用户的激励及其他方法促进数据方法与产品的整合。实施目标：在企业的商业模型中嵌入基本的数据质量管理系统；开发出一致的数据方法和数据通信标准；构建出一个能够解释所需数据的知识库；开发元数据（包括数据历史）来支持面向对象的虚拟企业；构建支持可调数据和学习软件系统的架构；大幅度减少浪费在