《智能制造工程导论》课件-Ch8智能制造新模式

XXXX研究所XX学院2022年7月智能制造工程基础第八章

智能制造新模式目录01共享制造02人本制造03认知制造04本章小结XX01共享制造共享制造的起源0102经济社会背景20世纪80年代全球制造业产能过剩，新兴经济体崛起加剧竞争。市场需求与产能不匹配矛盾突出：部分工厂“有资源无订单”，部分“有订单无资源”。可持续发展要求：减少资源消耗，提升资源利用效率。技术基础云计算、物联网、大数据技术成熟，支持资源动态共享。工信部2019年《指导意见》：发展共享制造新模式。国务院2022年《纲要》：鼓励共享生产新动力。共享制造的内涵基于共享经济理念，通过互联网平台整合分散资源，弹性匹配需求方。实现“所有权与使用权分离”，降低固定投资成本。三种形式：制造资源共享（MachineryLink、iSESOL），创新资源共享（中国科协“绿平台”），服务资源共享（上海名匠）。定义与形式集成应用：多主体协同共建（大型企业、中小工厂、科研院所）。权益共享：使用权共享，资源有效盘活。互联互通：数据驱动跨区域配置（工业互联网+大数据）。核心特点共享制造的内涵四层架构：协议层（基础通信协议）→数据层（存储管理）→技术层（数据分析）→应用层（企业资源规划）。四类实现模式：中介型（淘工厂）、众创型（海尔海创汇）、服务型（沈阳机床i5）、协同型（生意帮）。平台架构共享制造的案例——航天云网航天云网是中国航天科工集团有限公司打造的一个工业互联网平台，成立于2015年，旨在利用先进的信息技术推动航天工业的智能化和共享化发展。该平台以“信息互通、资源共享、能力协同、开放合作、互利共赢”为核心理念，以“互联网+智能制造”为发展方向，以提供覆盖产业链全过程和全要素的生产性服务为主线，整合配置航天科工集团及社会各类优质资源，实现产业资源共享，促进产业能力协同，构建以“制造与服务相结合、线上与线下相结合、创新与创业相结合”为特征的航天云网生态系统。航天云网企业上云服务架构共享制造的案例——航天云网平台架构：“1+4”发展体系（平台产品与服务、智能制造、工业大数据等）。运行流程：资源发布与匹配（供需对接）。合作协商与交流（在线洽谈）。项目管理与实施（跟踪支持）。价值：整合设备、知识、数据资源，推动航天产业链协同。航天云网共享制造的案例——淘工厂淘工厂是阿里巴巴集团于2013年12月25日推出的一个共享制造平台。该平台致力于连接全球制造商与需求方，提供一站式的智能制造服务，解决淘宝卖家找工厂难和工厂增加订单、实现电商化转型的问题。淘工厂平台通过整合各工厂的闲置档期，并将其与淘宝卖家匹配，实现供需双方的衔接。作为共享制造的一个案例，淘工厂通过整合优质的制造资源，提供一站式的智能制造服务，为电商卖家与优质工厂搭建了一条稳固的桥梁，为创业者和创新者提供了更便捷、高效的生产解决方案，推动了制造业的转型升级和创新发展。淘工厂共享制造的案例——淘工厂模式：连接淘宝卖家与工厂闲置产能。流程：1、需求方提交订单（规格、数量）。2、平台算法匹配制造商。3、生成订单并提供物流、维权服务。意义：降低中小电商生产成本，推动制造业电商化转型。淘工厂共享制造的挑战技术层面共享制造面临异构系统兼容性问题，需要开发专门的中间件来适配不同的制造系统，以确保无缝的数据交换和流程协同。中小企业的数字化基础普遍薄弱，缺乏先进的制造设备和相关技术人才，这限制了它们参与共享制造的能力和效率。数据安全是共享制造中的重大挑战，设计文件和供应链信息的泄露风险较高，需要采取有效措施加以防范。法律与伦理在共享制造中，知识产权保护是一个难题，如何在促进技术共享和保护创新之间找到平衡点是关键。隐私问题同样重要，订单细节和财务记录的保护需要得到充分重视，以防止敏感信息的泄露。经济与组织中小企业参与共享制造往往面临较高的投资成本，包括设备升级和运输费用，这可能成为它们进入共享制造市场的障碍。利益分配争议也是共享制造中的一个问题，如何量化每个参与方的贡献度并公平分配利益，是一个需要解决的难题。传统企业可能因为保守文化而对共享制造持保留态度，担心核心技术的外泄和失去竞争优势。XX02人本制造《中国制造2025》“人才为本”方针。AI、物联网技术成熟：工人行为识别、意图预测、自适应人机交互。政策技术驱动工业1.0→4.0：工人从体力劳动到脑力劳动逐步解放。工业5.0（欧盟2021年）：工人福祉为中心，构建人性化制造模式。工业演进背景人本制造的起源人本制造的内涵01环境层→认知层（感知/理解/推理/计划/决策/学习）→技术层，构建认知制造系统框架。认知制造通过模拟人类认知过程，实现智能决策与优化控制，提升制造业智能化水平。定义与框架认知性：自感知、自决策、自学习，闭环性：持续优化决策能力，自适应性：动态响应环境变化。核心特点赋予认知制造强大智能能力，使其适应复杂多变的制造环境。核心特点03认知制造广泛应用于智能工厂、智能物流、智能服务等领域，提升制造业智能化水平。通过认知制造优化生产流程，提高生产效率与产品质量，增强企业竞争力。应用场景02人本制造的系统框架需求驱动与个性化生产系统基于外部消费者需求指导产品生产，动态接收并分析需求以生成生产任务。通过将生产任务分解成基本制造任务序列，结合每个任务的资源需求和人类福祉影响模型，实现个性化产品的定制化生产。数字孪生体与双向共情机制创建工人和机器的数字孪生体，模拟各自的工作能力和状态，以优化任务分配并保护工人健康。工人的行为模式、健康指数等信息帮助系统了解工人状态变化；机器的认知和物理能力确保安全高效的人机交互。分布式协作与自组织优化利用多智能体强化学习等技术解决分布式协作中的任务分配问题，在保证生产效率的同时考虑工人的安全和健康。基于全局任务分配和工作站级别的微调实现系统的自组织，创建一个支持快速响应突发事件且有利于工人愉快工作的环境。人本制造的具体流程人本制造的使能技术1.材料去除技术：车削、铣削等。

2.材料成型技术：铸造、锻造等。

3.材料连接技术：焊接、铆接等。

4.材料添加技术：熔融沉积成型（3D打印）等。

1.感知技术：

-可穿戴惯性传感器：检测人体活动，构建数字孪生人。

-脑电设备：识别工人注意力，调整生产节拍，避免事故。

2.认知技术：

-认知计算：模拟人类推理、决策、创造过程。

-使能技术：多模态传感器、强化深度学习、云计算。

3.监控技术：

-操纵杆+机器人远程视觉系统：实现快捷远程控制。

4.人机交互技术：

-脑机接口：通过脑电图分析理解人类意图，实现人脑直接控制机器人。1.边缘计算+云计算：

-扩展数据计算、存储、网络能力至边缘，降低延迟，支持快速决策。

2.实时交互与集成：

-处理用户生成数据、产品感知数据，优化设计、制造与服务。

以人为本的智能生产人本制造的案例——宝马集团智能生产（宝马集团）汽车总装工艺以人工操作为主，缺乏人因工程学考虑，影响作业人员健康、生产效率和产品质量。宝马BMW（BavarianMotorWork）集团在前桥差速器组装中引入人机协作，操作者负责轻质零件（如垫片、轴承）的拾取与放置，视觉系统定位齿轮机构位置，协作机器人（IIWA）抓取并放置重达5.5千克的齿轮机构，工人完成壳体对齐及后续装配。通过人机协作减轻工人负担，提升作业效率和产品质量。人本制造的案例——iPhone智能产品（iPhone）从1983年出现第一款移动电话（手机）后，各大手机厂商为了让手机更加轻巧、方便和实用，不断进行技术创新，但手机的方向键、确认键、拨号键等交互方式在很长时间内都没有改变。用户交互方式的革新全触控电容屏幕：2007年，iPhone首次引入支持多点触控的全触控电容屏幕，极大地改变了手机的交互方式。主键简化：仅保留了主键，去除了传统的方向键、确认键等，使设备更加简洁和易用。以人为本的智能产品iPhone1人本制造的案例——iPhone智能产品（iPhone）隐私与安全性的提升TouchID：从iPhone5S开始，正面按压式的指纹识别技术增强了用户的隐私保护。FaceID：2017年的iPhoneX带来了面部识别技术，为用户提供更自然无感的安全验证体验。视觉体验的优化过渡动画：iOS系统通过CoreAnimation框架提供了精细且流畅的过渡动画效果，包括页面缩小、透明度变化等，减少了视觉上的突兀感。一致性体验：所有iOS应用遵循统一的动画规范，确保用户在不同应用间切换时也能享受到一致性的高质量体验。以人为本的智能产品iPhone的FaceID功能人本制造的挑战协作机器人功率限制（大负载效率低）。AI可解释性不足（工人信任度低）。隐私数据争议（行为监控引发抵触）工人技能转型压力（需复合型人才培训）中小企资金限制（智能升级成本高）技术伦理与管理经济010302XX03认知制造认知制造的起源01理论背景20世纪70年代：认知科学兴起，研究人类认知过程与心智工作机制。

认知模型发展：神经网络、符号模型等推动复杂制造系统研究。

2009年：M.F.Zaeh提出“认知工厂”构想，强调制造系统需具备类人认知能力，实时感知与决策。02需求必要性数据爆炸：制造系统每日产生海量数据（表格、图片、文档、信号）。

决策负荷：

决策人员需实时分析数据，应对动态任务变化。数据量大、信息难挖掘，加重认知负荷。

认知制造价值：

赋予制造系统认知能力，整合内外部信息，实时感知与分析系统状态。

从数据中挖掘价值，制定合理解决方案，降低决策人员负荷。

03兴起必然性政策导向：2021年《“十四五”智能制造发展规划》：推动数字化转型、网络化协同、智能化变革。2023年《八部门指导意见》：加快数字技术赋能，全面推动智能制造。

技术发展：认知科学理论进步，工业大模型等AI技术成熟。制造系统自适应理解与应对动态变化，实现协同智能。

认知制造的内涵核心特点认知性：自感知设备故障、自推理工艺参数异常。闭环性：根据决策反馈持续优化（如故障诊断学习）。自适应性：动态响应插单、设备异常等突发情况。定义与框架定义：通过工业大模型、数字孪生等技术赋予制造系统“感知→理解→推理→计划→决策→学习”闭环能力。框架三层次：环境层（传感器、物联网）→认知层（六环节）→技术层（AI、云计算）。认知制造的案例——IBM认知制造框架01设备状态监控维护机制：实时监测设备状态，基于物联网平台进行预警。设备失效预测维护机制：利用历史数据，采用深度学习等技术进行预防性维护。智能设备修护导引：分析历史异常记录，提供修复方案，协助快速恢复设备运行。认知设备管理智能环安02IBM的认知制造框架预防不安全事件：基于物联网、人工智能和智能影像辨识技术，及时发出警报。制造过程运行安全：监测设备转速、振动、声音，及时报警设备异常。工人作业安全：识别工人误入危险区域或不安全行为，立即发出警报。系统学习与提升：根据实际效果更新训练集，提升危险行为辨识能力。认知制造的挑战网络安全与隐私保护认知制造依赖物联网、云计算，网络攻击可能导致数据泄露、生产中断、故障误报。

整合制造系统信息涉及敏感数据处理（如设备故障代码），需确保数据安全与隐私性。知识的共享机制认知制造需工人经验支撑感知、推理、决策（如音频信号判断设备故障）。

工人担忧被机器取代、待遇降低，不愿分享知识，需建立激励制度保障工人权益。数字孪生和工业大模型与制造场景的融合当前数字孪生多用于记录与仿真，难以精确感知系统状态或反向指导运行。

现有工业大模型多整合专家知识与