中国自动化学会专家咨询工作委员会指定宣传媒体
新闻详情
gkongbbs

下一代智能工厂来了 三项核心技术解密

http://www.gkong.com 2024-05-11 14:31 来源:中国工业报

中控是机械臂安装,涂胶是机器人全自动作业,前挡风玻璃是机器人安装,轮胎是全自动装配,工具备件均是无人化管理,车架是智能排序,数字孪生技术被高效运用,设备与系统的数字流互联互通……

这不是未来智能工厂的想象,这就是当下一汽解放整车智能工厂的真实场景。

近年来,代表当前制造业数字化最高水平的灯塔工厂、无人化工厂、工业机器人智能工厂在中国大量涌现。包括小米在内的一批高科技企业已经在北京建立了自己智能工厂示范基地。

近日,北京市政协副主席林抚生在以“智能工厂智造未来”为主题的2024年中关村论坛分会场表示,2021年以来,北京市共认定103家智能工厂和数字化车间,47家企业入选工业和信息化部智能制造示范工厂揭榜名单,即优秀场景名单。

1月19日国务院新闻办公室举办的新闻发布会上,工业和信息化部新闻发言人、运行监测协调局局长陶青表示,截至2023年12月底,工信部已培育421家国家级示范工厂、万余家省级数字化车间和智能工厂。

智能工厂三大核心技术

中国工程院院士李培根在论坛上表示,智能工厂建设是AI赋能新型工业化的重要抓手,其核心在于智能机器人、数字孪生、大模型等关键技术在工业场景中的深层次渗透与应用。

有关智能机器人,李培根指出,未来制造业里的机器人可以走出仓储和制造环节,进入到开放环境,这是今后一个重要方向,该场景的实现主要依靠自主移动技术(AMR)——它基于地图定位技术,通过扫描作业环境并自主更新地图,无需辅助固定信标,对工作场地几乎没有改造需求,非常适合部署在复杂、动态的生产场景中。

日本牧野Makino的车间中,采用了运用AMR技术的机器人,可以同时照看多台机床,上料、下料、装刀具、卸道具等操作都不在话下。

机器人的应用范围不应局限于企业内部,而是应该能够应对各种操作条件、人口稠密的空间,甚至其他自动化设备。“走出以往的受控仓储和制造环节,机器人将为各行各业带来发展机遇。”李培根说。比如,人形机器人具备高度自动化,且适用于各种复杂环境,是智能工厂建设的一个重要探索方向。特斯拉计划率先在汽车装配过程中引入人形机器人。奔驰正在和机器人开发商Apptranik合作,希望把人形机器人用到工厂,用于装配零件。

“通过以类似人类的能力,机器人不需要改造环境就能应对复杂的人类环境,使用场景更广,它既能作为简单、重复、危险的劳动力替代,也能在适应非标服务场景的同时满足情感需求和交互。”李培根表示。此外,机器人还具备学习功能,越用越聪明,工厂还可以通过机器人实现新老员工的技能传承。

说到数字孪生。李培根强调,智能工厂应该是充分应用数字孪生技术的工厂。数字孪生不仅仅是产品、设备的数字孪生,还包括车间、工厂,以及供应链的数字孪生。如华中数控把数字孪生技术用在数控机床上,实时控制机器装备。通过对从机床上采集的孪生数据进行分析仿真,可以让使用者更清楚的认识机床的行为,从而进行更精准的控制与操作。

“数字孪生工厂不应该仅仅是对物理工厂一些简单的数字记录、数字呈现,而是要能通过数字孪生系统采集实时数据,反过来指导车间或者工厂的运行,乃至应对供应链竞争,使工厂运行在最佳状态。”李培根说。

实际上,车间、工厂需要的是一个数字孪生的工厂平台。数字系统实时记录真实系统的运行情况,分析哪些参数需要调整,并且通过实时调整来保证质量,保证效果。而供应链数字孪生体现在企业中,企业不仅要有好的供应链系统,还要有数字化供应链。而且不同于早就应用于供应链的传统的、离线独立的仿真,基于数字孪生的仿真是实时的、动态的,能够与物理系统交互连接。

有关智能工厂的第三个重要方面是AI大模型。李培根认为,未来智能工厂需要洞察一些复杂和高阶的关联。AI大模型对世界高阶相关性的认识已经远远超越人类,要重视其在智能工厂建设过程中的应用。

大模型是指具有大量参数和复杂结构的机器学习模型。其Transformer架构有两个重要功能:一个是单词的向量化,像ChatGPT一次可以提取300至500种属性来描述“苹果”这一个单词,不同类型、不同地区的苹果它都很清楚,这是人类难以做到的;另一个是自注意力,强调关系的寻找,ChatGPT5读一本将近2000页的书,阅读后便可以把握其中从头到尾所有词与词之间的关系,而人类的认知难以与之齐肩。

回到工业制造场景,数控系统内部电控大数据是主要数据来源。数控系统内部的大数据包括运动轴状态、主轴状态、机床运行状态、机场操作状态、程序状态等等,如果把这些数据收集起来进行分析就会发现它与零件加工质量、精度和加工效率之间存在复杂的关联关系,采取相应措施可以显著提高生产质量。

“如果对机床精度、装配误差、热和动力学误差、机床全生命周期误差控制等问题追根溯源,里面可能会有无数需要我们考虑的复杂的关系,比如机床部件、零件、精度、运动参数、转速等,这些关系在制造过程中很难考虑周全。”李培根坦言。不过,大模型的出现或许可以帮助智能工厂洞察更为复杂的高阶关联。

在论坛上中国信息通信研究院余晓晖院长发布了《下一代智能工厂的思考》,并介绍了引领下一代智能工厂建设的八大变革模式,包括基于数字孪生的智能研发模式、规模化高效自主制造模式、自适应可重构柔性制造模式、净零排放可持续制造模式、超常规极限制造模式等。

在新型工业化背景下,中国智能制造战略中,下一代智能工厂模式探索将成为外界关注和抢占的焦点。

智能应用如何赋能装备制造环节

施耐德电气副总裁兼工业自动化中国区终端用户业务负责人乔锃介绍了施耐德电气如何赋能工业客户全生命周期的工业应用。

施耐德电气作为一家自动化和能源管理企业,提炼出一整套完整智能工厂建设路径,在企业数字工厂的最下层,帮助用户建立数据双底座:静态数据与动态数据。在两个数据中台之上,帮助用户部署解决各种不同业务问题的高级应用,也可以理解成是手机上的APP。如能源管理模块,生产制造执行系统,生产运营系统,设备管理平台,人员管理平台,还可以给用户提供更加可视化,访问便捷应用程序,如自动报警,自动产生管理报告,自动派发工单等,以及和企业的ERP进行对接,实现从生产运营到企业管理之间的无缝连接。

京东方集团副总裁、显示器件与物联网创新业务LCD制造中心长刘文瑞介绍了其BOE智能工厂建设经验。

作为半导体显示企业,京东方有两家经过电子技术标准研究院评定的智能化四级智能工厂,以及世界达沃斯经济论坛认定的灯塔工厂,从产品设计、生产制造、过程监控、物流、仓储全链条实现智能化生产。

首先动态自动排产系统。半导体显示工艺极其复杂,涉及几十道生产工艺,以及上百个设备同时生产,基于排产逻辑和算法,通过基因算法每15分钟进行一次迭代,结合生产线上发生实时生产情况以及设备状况进行动态的排产。

其次,质量管控。通过全型号全工艺流程覆盖,动作智能化监控,再结合通过历史经验搭建数字化模型,结合实时生产数据情况,提前预知可能发生的偏差,进行动态的调整,做到改善的闭环。最后,能源管理。半导体显示每年耗电量非常大,以8.5线举例,每年耗电量大概8亿度,京东方在上千台设备上布置上万能源采集传感器,通过数据上传以及模型的建立,动态分析生产线上出现能耗的问题,通过数据分析精确确认设备,发给现场工程师进行干预,将单位生产的能耗下降39%,也实现自动化模型自动寻找改善机会,不断降低工厂的用能。

同时,京东方基于多年来的自主研发能力和生产制造、智能化转型经验,建成了覆盖生产制造全流程的工业互联网平台,具备一定的推广应用和同行借鉴价值,有助于推进我国高端显示模块制造业的智能化升级。

数字孪生航天领域的AI探索

北京卫星制造厂,作为我国人造卫星的主要研制单位,是我国第一颗人造卫星、第一颗通信卫星、第一颗载人飞船,第一所月球探测器、第一个火星探测器和第一个空间站的诞生地。北京卫星制造厂有限公司副总经理韩建超在论坛上介绍了航天器智能工厂建设探索成效。

北京卫星厂建立了一套同源数据模型,贯穿了空间站研制的全周期,实现了数字孪生和天地一体,构建了覆盖四大专业,九大分析系统和700余台高执行度的设备模型。

现在构建的空间站包含的数智空间站、在轨空间站和地面空间站的运行机制。现在空间站站轨出现任何问题,可以通过数智空间站进行模拟,和地面电信空间站进行真实、在线过程,然后再反向控制在轨的空间站,这是整个空间站研制过程当中很重要的成果。同时,在空间站的研制过程当中,建立了从各个不同类型的专业,实现了空间站各种条件下的数智化验证,空间站一次发射成功,获取了包括遥测数据、仿真数据,全流程系统状态24小时伴飞的监控,提升了早期预警的能力。这个成果发布在一些权威媒体上。

同时,为了贯穿整个空间站研制全流程,北京卫星厂建立了一个基于三维模型全结构化的工艺设计模式,实现了制造要素的快速描述、快速精准传递和溯源。为了适应三维研制的要求,同时也建立了一个以三维模型为核心,通过三维检测手段,可以快速地把实物产品转化为三维模型。在这个基础上,可以利用实际零件三维模型进行自动的找正,同时可以利用实测的三维模型进行装配的仿真和提前的验证,大大地减少装配过程中不断的修配的问题,并驱动和指导车间现场装配的活动。

现在为了避免有多大的产品就需要多大机床的概念,提出基于移动平台+移动机器人,就是让工业机器人加上手脚移动,围绕大型产品做原位加工,也是北京卫星厂的一种创新。

工业和信息化部副部长王江平强调指出,我国要不断地扩大智能制造覆盖范围,着力建设一批智能化的车间、工厂、供应链和园区,加快探索未来制造的模式。推动智能制造关键技术攻关,突破一批智能制造解决方案。适度超前布局5G、算力、工业互联网等新型基础设施,不断地完善智能制造标准体系。

版权所有 中华工控网 Copyright©2024 Gkong.com, All Rights Reserved