智能流程制造与供应链优化的技术应用及机会分析

工程5（2019）993主题洞察智能过程制造的最新进展R.N. Lumleya，b高级技术专家，A.W. 贝尔角有限公司、Dandenong South，VIC 3175，Australiab澳大利亚维多利亚州墨尔本拉筹伯大学兼职教授智能流程制造是现代工业工程不可或缺且不断发展的一部分;它可能最容易被描述为传统制造与现代技术密集型能力的交叉领域，以应对动态和全球市场。长期以来，除了提高质量[1]和确保及时交付（传统上称为“质量、成本、交付”（QCD）[2]）之外，降低制造过程的运营成本尽管QCD是一项杰出的举措，也是制造业不断发展的管理方法，但新的技术密集型推动因素，如物联网（IOT）、大数据分析、网络物理系统的集成数字双胞胎），虚拟现实、增强现实和混合现实的使用，以及人工智能（AI）的潜在利用[3]，共同使这些目标在更短的时间内实现，具有更高的可靠性和灵活性。因此，产品开发创新周期越来越短，使产品能够更快地进入市场，并为早期适应行业提供竞争优势这些技术实际上能够有效地分析制造环境，更快地优化流程，并根据所收集的信息促进决策[4]，从而降低运营风险。然后，可以通过强大的企业资源规划（ERP）系统来利用该信息，以闭合循环并逐步自动化制造环境的自优化。供应链是智能流程制造的关键组成部分如果没有制造企业的真正系统集成，就不会发生转向和-正如可以推测的那样在这里，“内在关联性”的概念这是因为能够在材料、工艺和劳动力要求之间进行沟通的系统可以确保缺陷不会影响生产，并且剩余不会导致不必要的成本或浪费。通过正确利用和整合ERP系统，包括人力资源和员工培训，整个供应链可以在资本投资之前建立起来，并可以在成本，交付时间和质量的基础上进行优化，或者实际上，对这些参数中的每一个进行加权。供应链模型可以从整体上看，未来的技术利用，因此，作为管理物流和建立高效供应网络的区块链，拥有显着的机会[5]。制造业的战略分析需要考虑一些关键类别标准和严格遵守制造参数是智能制造的关键驱动力，在许多方面，将标准本身集成到制造工厂是下一代自动化的关键例如，ISO 9001：2015和AS9100D：2016等重要制造标准在其最新修订版中包含了风险评估和管理方式的重大转变。与特定行业相关的制造业标准侧重于过程或结果，因此很容易理解，内在相互关联的制造业的未来必须将两者结合起来。人工智能辅助决策显然是降低风险和改善结果的关键。因此，这种相互联系也必须产生可以持续评估的数据。产品性能是智能流程制造领域的一个可测量属性和关键指标例如，通过技术密集型举措启动零缺陷计划（ZDP）[6，7]意味着同时提高产品可靠性和交付所谓的利用日益先进的统计技术的大数据分析可能是验证或启动改进的正确手段，但它们还能够实现的是区分或识别不一致性，从而影响否则可能无法检测到的差异。产品的特性通常由灵活性定义制造过程中虽然最小化产品线的功能无疑具有成本效益，但智能制造要求补充产品基本功能的属性可以快速修改，以满足个人客户增材制造是制造业中这种大规模定制的一个明显例子，分散生产是明显的结果之一例如，如今，一些工程产品的备件的增材制造已成为可能[9]。产品或过程的可靠性是衡量其在给定时间范围内停止按最初预期运行的可能性。随着产品老化，其可靠性比例https://doi.org/10.1016/j.eng.2019.09.0052095-8099/©2019 THE CONDITOR.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。目录可在ScienceDirect工程杂志主页：www.elsevier.com/locate/eng994R.N. Lumley /工程部 5 （2019）993减少。如果产品的耐久性对于预期的操作来说是高的，则可靠性同样地被延长。尽管产品可靠性、耐用性和质量是紧密联系在一起的，但在智能流程优化的背景下，可靠性实际上意味着能够最大限度地减少停机时间，并以更具战略性和优化的方式对制造设施本身进行预测性或预防性维护。这种预测分析需要智能传感器作为这种可靠性越来越重要的一部分，因为在制造操作中，延长工厂和设备的可用寿命尤为重要。以这种方式使用的智能传感器使工厂和设备本身能够在发生重大故障或事故之前通知负责团队，以便在不影响生产的情况下进行计划维护。此外，智能预测系统的概念具有显著的成本优势，可以降低管理费用;在某些环境中，当达到可能是安全关键的某些阈值时，在这方面，使用人工智能增强决策和增强现实的机会越来越多，这意味着专家可以在最短的时间内从远程位置提供补救措施，例如[10]。在这期工程特刊中，尚和你提供了一个回顾数据分析和机器学习在制造中的使用，并考虑被动应用（例如，软感测或监视），其中数据的可解释性是关键的，以及主动应用（例如，过程控制和决策），其中系统功能至关重要。Litster和Beclister认为，在食品、药品、农产品和化工产品等配方产品中，智能流程制造有机会利用数字化、大数据和预测模型来开发供应链中的解决方案，这可能会影响及时交付和产品质量。Zhong等人介绍了一个基于知识的聚乙烯生产过程操作优化系统，并演示了该方法如何同时改进和调节过程。Yue等人考虑了铝电解槽电解液中氟化铝（AlF3）添加量的优化问题，以利用增广模糊模糊认知图来加速决策建议开发的模型具有潜在的自动决策AlF3添加。Mao等人展示了使用AI方法来考虑知识获取和基于知识的推理的实用性，从而为动态风险评估和AI增强决策提供了有效的策略事件预警的机会，特别是在化学生产行业，是一个值得注意的焦点。Plehiers等人检查四个深度学习人工神经网络的框架，以便提供对（naph-tha）蒸汽裂化器流出物组成的预测准确性，实施在财政和环境方面都是有益的。Pankajakshan等人提出了一种在线多目标实验设计方法，用于确定苯甲酸和乙醇酯化反应的动力学模型，该方法在存在多个约束条件的情况下为实验设计提供了最佳折衷。该战略涉及一个决策步骤，该步骤致力于解决问题，同时最大限度地减少过程中消耗Zhou等人审查在材料研究中使用大数据的机会，以缩短发现时间，并提请注意使用机器学习加速实验结果交付，在需要实验工作来验证结果之前，可以评估数千种新材料的机会。最后，Liu和Papageorgiou提供了用于抗体制造过程的多尺度优化的实验程序的结果，其中开发和评估了多级模型，使得可以降低过程的成本。总而言之，本期工程介绍了九篇关键论文，包括一系列不同的主题，并提供了如何利用智能流程制造来生产改进的产品，加速工业研究，降低风险和成本，解决日益复杂的工程问题，并帮助关键制造部门的决策。引用[1] Garvin DA. Competing on the eight dimensions of quality [Internet].波士顿：哈 佛 商 业 出 版 社 ;1987 年 [ 引 用 2019 年 8 月 1 日 ] 。 网 址 ：hbr.org/1987/11/competing-on-the-eight-dimensions-of-quality。[2] QCD ： 测 量 制 造 性 能 [ 互 联 网 ] 。 London ： UK Department of Trade andIndustry;2004[cited2019Aug1].可查阅：https://webarchive.nationalarchives.gov.uk/20050302023119www.example.com/http：//www. dti.gov.uk/bestpractice/assets/qcd.pdf。[3] Walsh T，Levy N，Bell G，Elliott A，Maclaurin J，Mareels IMY等，人工智能的有效和道德发展：改善我们福祉的机会。墨尔本：澳大利亚学术院理事会;2019年。[4] Zhong RY，Xu X，Klotz E，Newman ST.工业4.0背景下的智能制造：综述。 工程2017;3：616-30.[5] 马尔湾区块链将如何改变供应链和物流行业[互联网]。泽西市：福布斯; 2018年3月23日[引用2019年8月1日]。可查阅：https://www.forbes.com/sites/bernardmarr/2018/03/23/how-blockchain-will-transform-the-supply-chain-and-logistics-industry/#774a62715fec。[6] 布沙尔湾数据分析推动质量改进[互联网]。2018年3月12 [ 引 用 于 2019 年 8 月 1 日 ] 。 可 查 阅 ： http://asq.org/asd/2018/04/quality-control/data-analytics-driving-quality-improvements.pdf。[7] Eleftheriadis RJ，Myklebust O.工业零缺陷制造的质量步骤指南。In：Proceedingsof the 2016 InternationalConference on Industrial Engineering and OperationsManagement; 2016Sep 23 -25; Detroit，MI，USA，2016; 2016. p. 332比40[8] 安德森DM。按订单&生产的大规模定制，最终的供应链管理和精益制造战略，用于低成本的按需生产，无需预测或库存。Cambria：CIM Press;2004.[9] spare-parts-3d.com [Internet].新加坡：Spareparts 3D; c2018 [引用2019年8月1日]。可查阅：https://spare-parts-3d.com/。[10] 波特·K增强现实成为维护技术的焦点[互联网]。Noida：Geospatial Media andCommunications; 2019 Jan 16 [cited 2019 Aug 1]. 可 从 以 下 网 址 获 得 ：https://www.geospatialworld.net/blogs/augmented-reality-observing-a-focus-in-maintenance-technology/。