数据-知识混合驱动的离散制造系统智能控制体系构架研究

doi:10.3901/JME.2024.06.001

机械工程学报 ›› 2024, Vol. 60 ›› Issue (6): 1-10,20.doi: 10.3901/JME.2024.06.001

• 特邀专栏：数据-知识混合驱动的智能制造系统 • 上一篇下一篇

扫码分享

数据-知识混合驱动的离散制造系统智能控制体系构架研究

张党¹, 赵永宣^1,2, 王振军³, 张映锋¹

1. 西北工业大学机电学院西安 710072;
2. 中国航空发动机研究院北京 101300;
3. 南昌航空大学航空制造工程学院南昌 330034

收稿日期:2023-09-30 修回日期:2024-01-31 出版日期:2024-03-20 发布日期:2024-06-07
通讯作者: 张映锋，男，1979年出生，博士，教授，博士研究生导师。主要研究方向为制造物联网、制造系统智能化、数字孪生等。E-mail：zhangyf@nwpu.edu.cn
作者简介:张党，男，1993年出生，博士研究生。主要研究方向为制造系统智能化、复杂产品设计-运维一体化。E-mail：188114409@qq.com;赵永宣，男，1985年出生，博士研究生，高级工程师。主要研究方向为设计制造协同、企业信息化等。E-mail：416171106@qq.com;王振军，男，1974年出生，博士，教授，硕士研究生导师。主要研究方向为复合材料结构/性能一体化设计与高性能制造等。E-mail：wanzhj@nchu.edu.cn
基金资助:
国家自然科学基金资助项目(U2001201)。

Research on Data-knowledge Driven Intelligent Control Architecture for Discrete Manufacturing System

ZHANG Dang¹, ZHAO Yongxuan^1,2, WANG Zhenjun³, ZHANG Yingfeng¹

1. School of Mechanical Engineering, Northwestern Polytechnical University, Xi'an 710072;
2. China Aviation Engine Research Institute, Beijing 101300;
3. School of Aeronautical Manufacturing Engineering, Nanchang Hangkong University, Nanchang 330034

Received:2023-09-30 Revised:2024-01-31 Online:2024-03-20 Published:2024-06-07

摘要/Abstract

摘要： 在分析当前离散制造系统智能控制、基于数据知识化的制造资源智能化配置、数据与知识驱动算法迭代演进方面所面临挑战的基础上，提出一种数据-知识混合驱动的离散制造系统智能控制体系构架，并进一步分析数据-知识混合驱动在制造系统的多维运作机理。进而，针对架构操作层制造资源端，结合信息物理系统和工业物联技术，设计一种基于操作层与算法层动态交互的制造资源端配置方法。针对架构算法层中数据驱动与知识驱动算法固有优缺点，提炼出数据-知识混合驱动算法在离散制造场景的三种应用模式。所提体系和策略可为新一代离散制造系统的智能控制提供一种理论参考。

关键词: 智能制造, 离散制造系统, 数据-知识混合驱动, 工业物联

Abstract: Current discrete manufacturing systems have challenges in intelligent control, manufacturing resource configuration, and iterative evolution of data and knowledge-driven algorithms. To solve these challenges, a kind of architecture of intelligent control for discrete manufacturing system is proposed in the data and knowledge-driven environment. Based on this, a multi-dimensional operation mechanism of data and knowledge in manufacturing systems is analyzed. Furthermore, for the underlying manufacturing resources in operation layer, combined with CPS and industrial IoT technology, a manufacturing resource configuration method based on the dynamic interaction between the operation layer and the algorithm layer is designed. In view of the inherent advantages and disadvantages of data-driven algorithms and knowledge-driven algorithms in the architecture, three data and knowledge-driven algorithm modes in the algorithm layer are refined. The proposed system and strategy can be a theoretical reference for the research and application of intelligent control in the next generation of smart factory.

Key words: smart manufacturing, discrete manufacturing system, data and knowledge, industrial internet of things

中图分类号:

TH166

张党, 赵永宣, 王振军, 张映锋. 数据-知识混合驱动的离散制造系统智能控制体系构架研究[J]. 机械工程学报, 2024, 60(6): 1-10,20.

ZHANG Dang, ZHAO Yongxuan, WANG Zhenjun, ZHANG Yingfeng. Research on Data-knowledge Driven Intelligent Control Architecture for Discrete Manufacturing System[J]. Journal of Mechanical Engineering, 2024, 60(6): 1-10,20.

参考文献

[1] 黄少华，郭宇，查珊珊，等. 离散车间制造物联网及其关键技术研究与应用综述[J]. 计算机集成制造系统，2019，25(2)：22-40. HUANG Shaohua，GUO Yu，ZHA Shanshan，et al. Review on internet-of-manufacturing-things and key technologies for discrete workshop[J]. Computer Integrated Manufacturing Systems，2019，25(2)：22-40.
[2] 张富强，付颖斌. 制造物联驱动的工序物流动态规划框架[J]. 计算机集成制造系统，2016，22(5)：1315-1322. ZHANG Fuqiang，FU Yingbin. Dynamic planning architecture for process logistics driven by Internet of manufacturing things[J]. Computer Integrated Manufacturing Systems，2016，22(5)：1315-1322.
[3] 李乃鹏，蔡潇，雷亚国，等. 一种融合多传感器数据的数模联动机械剩余寿命预测方法[J]. 机械工程学报，2021，57(20)：29-37，46. LI Naipeng，CAI Xiao，LEI Yaguo，et al. A model-data-fusion remaining useful life prediction method with multi-sensor fusion for machinery[J]. Journal of Mechanical Engineering，2021，57(20)：29-37，46.
[4] 张栋豪，刘振宇，郏维强，等. 知识图谱在智能制造领域的研究现状及其应用前景综述[J]. 机械工程学报，2021，57(5)：90-113. ZHANG Donghao，LIU Zhenyu，JIA Weiqiang，et al. A review on knowledge graph and its application prospects to intelligent manufacturing[J]. Journal of Mechanical Engineering，2021，57(5)：90-113.
[5] 李伯虎，柴旭东，张霖，等. 面向新型人工智能系统的建模与仿真技术初步研究[J]. 系统仿真学报，2018，30(2)：349-362. LI Bohu，CHAI Xudong，ZHANG Lin，et al. Preliminary study of modeling and simulation technology oriented to neo-type artificial intelligent systems[J]. Journal of System Simulation，2018，30(2)：349-362.
[6] ZHANG Jianjing，GAO R X. Deep Learning-driven data curation and model interpretation for smart manufacturing[J]. Chinese Journal of Mechanical Engineering，2021，34：71.
[7] 周佳军，姚锡凡. 先进制造技术与新工业革命[J]. 计算机集成制造系统，2015，21(8)：1963-1978. ZHOU Jiajun，YAO Xifan. Advanced manufacturing technology and new industrial revolution[J]. Computer Integrated Manufacturing Systems，2015，21(8)：1963-1978.
[8] SINGHRY H B，ABD RAHMAN A，IMM N S. Effect of advanced manufacturing technology，concurrent engineering of product design，and supply chain performance of manufacturing companies[J]. The International Journal of Advanced Manufacturing Technology，2016，86(1)：663-669.
[9] MIRAZ M H，ALI M，EXCELL P S，et al. Internet of nano-things，things and everything：Future growth trends[J]. Future Internet，2018，10(8)：68.
[10] WANG Kesheng. Intelligent and integrated RFID (II-RFID) system for improving traceability in manufacturing[J]. Advances in Manufacturing，2014，2(2)：106-120.
[11] 吴晓莉，晏彪，薛澄岐，等. 基于引力模型的智能制造产线信息系统的信息呈现[J]. 东南大学学报，2021，51(1)：145-152. WU Xiaoli，YAN Biao，XUE Chengqi，et al. Information presentation of intelligent manufacturing production line information system based on gravity model[J]. Journal of Southeast University，2021，51(1)：145-152.
[12] HARDING J A，SHAHBAZ M，SRINIVAS，et al. Data mining in manufacturing：A review[J]. Journal of Manufacturing Science and Engineering-Transactions of The ASME，2006，128(4)：969-976.
[13] KOKSAL G，BATMAZ I，TESTIK M C. A review of data mining applications for quality improvement in manufacturing industry[J]. Expert Systems with Applications，2011，38(10)：13448-13467.
[14] 王飞跃. 软件定义的系统与知识自动化：从牛顿到默顿的平行升华[J]. 自动化学报，2015，41(1)：1-8. WANG Feiyue. Software-defined systems and knowledge automation：A parallel paradigm shift from newton to merton[J]. Acta Automatica Sinica，2015，41(1)：1-8.
[15] 屈挺，张凯，闫勉，等. 物联网环境下面向高动态性生产系统优态运行的联动决策与控制方法[J]. 机械工程学报，2018，54(16)：24-33. QU Ting，ZHANG Kai，YAN Mian，et al. Synchronized decision-making and control method for opti-state execution of dynamic production systems with internet of things[J]. Journal of Mechanical Engineering，2018，54(16)：24-33.
[16] SCATTOLINI R. Architectures for distributed and hierarchical model predictive control-A review[J]. Journal of Process Control，2009，19(5)：723-731.
[17] 任磊，任明仑. 基于情景感知的制造组合服务自适应决策机制[J]. 控制与决策，2019，34(6)：1277-1285. REN Lei，REN Minglun. Situation aware-adaptive decision-making mechanism of manufacturing[J]. Control and Decision，2019，34(6)：1277-1285.
[18] ZHOU Guanghui，ZHANG Chao，LI Zhi，et al. Knowledge-driven digital twin manufacturing cell towards intelligent manufacturing[J]. International Journal of Production Research，2020，58(4)：1034-1051.
[19] 陶飞，戚庆林. 面向服务的智能制造[J]. 机械工程学报，2018，54(16)：11-23. TAO Fei，QI Qinglin. Service-oriented smart manufacturing[J]. Journal of Mechanical Engineering，2018，54(16)：11-23.
[20] 张映锋，郭振刚，钱成，等. 基于过程感知的底层制造资源智能化建模及其自适应协同优化方法研究[J]. 机械工程学报，2018，54(16)：1-10. ZHANG Yingfeng，GUO Zhengang，QIAN Cheng，et al. Investigation on process-aware based intelligent modeling of bottom layer manufacturing resources and self-adaptive collaborative optimization methodology[J]. Journal of Mechanical Engineering，2018，54(16)：1-10.
[21] 张超，周光辉，肖佳诚，等. 数字孪生制造单元多维尺度建模与边-云协同配置方法[J].计算机集成制造系，2023，29(2)：355-371 ZHANG Chao，ZHOU Guanghui，XIAO Jiacheng，Multi-dimensional and multi-scale modeling and edge-cloud collaborative configuration method for digital twin manufacturing cell[J]. Computer Integrated Manufacturing Systems，2023，29(2)：355-371.
[22] 周新杰，明新国，陈志华，等. 基于模型、数据、知识的设计与制造协同框架[J]. 计算机集成制造系统，2019，25(12)：3116-3126. ZHOU Xinjie，MING Xinguo，CHEN Zhihua，et al. Reference framework for collaborative design and manufacturing based on model，data，and knowledge composition service[J]. Computer Integrated Manufacturing Systems，2019，25(12)：3116-3126.
[23] CHOUDHARY A K，HARDING J A，TIWARI M K. Data mining in manufacturing：A review based on the kind of knowledge[J]. Journal of Intelligent Manufacturing，2009，20(5)：501-521.
[24] 王彤，李磊，蒋琪. “进攻性蜂群使能战术”项目推进无人蜂群能力发展分析[J]. 战术导弹技术，2020(1)：33-38，56. WANG Tong，LI Lei，JIANG Qi. Offensive swarm-enabled tactics program promotes the development of unmanned swarm capability[J]. Tactical Missile Technology，2020(1)：33-38，56.
[25] MAKRIS S，MICHALOS G，CHRYSSOLOURIS G. RFID driven robotic assembly for random mix manufacturing[J]. Robotics and Computer-Integrated Manufacturing，2012，28(3)：359-365.
[26] FANG Ji，HUANG G Q，LI Zhi. Event-driven multi-agent ubiquitous manufacturing execution platform for shop floor work-in-progress management[J]. International Journal of Production Research，2013，51(4)： 1168-1185.
[27] 任杉，张映锋，黄彬彬. 生命周期大数据驱动的复杂产品智能制造服务新模式研究[J]. 机械工程学报，2018，54(22)：194-203. REN Shan，ZHANG Yingfeng，HUANG Binbin. New pattern of lifecycle big-data-driven smart manufacturing service for complex product[J]. Journal of Mechanical Engineering，2018，54(22)：194-203.
[28] CHONGWATPOL J，SHARDA R. RFID-enabled track and traceability in job-shop scheduling environment[J]. European Journal of Operational Research，2013，227(3)：453-463.
[29] 白翱，唐任仲，吕景祥，等. 面向U-制造的车间物流实时数据语义分析[J]. 计算机集成制造系统，2012，18(3)：550-559. BAI Ao，TANG Renzhong，LÜ Jingxiang，et al. Semantic analysis of discrete shop logistics real-time data oriented to ubiquitous computing-based intelligent manufacturing[J]. Computer Integrated Manufacturing Systems，2012， 18(3)：550-559.
[30] NIELSEN I，DO N A D，BANASZAK Z A，et al. Material supply scheduling in a ubiquitous manufacturing system[J]. Robotics & Computer Integrated Manufacturing，2017，45：21-33.
[31] 张明智，马力. 体系对抗OODA循环鲁棒性建模及仿真分析[J]. 系统仿真学报，2017，29(9)：1968-1975. ZHANG Mingzhi，MA Li. System-of-systems combat OODA loop robustness modeling and experiment[J]. Journal of System Simulation，2017，29(9)：1968-1975.
[32] WU Xindong，ZHU Xingquan. Mining with noise knowledge：Error-aware data mining[J]. IEEE Transactions on Systems Man and Cybernetics Part A-Systems and Humans，2008，38(4)：917-932.
[33] HE H B，GARCIA E A. Learning from imbalanced data[J]. IEEE Transactions on Knowledge and Data Engineering，2009，21(9)：1263-1284.
[34] 蒲志强，易建强，刘振，等. 知识和数据协同驱动的群体智能决策方法研究综述[J]. 自动化学报，2022，48(3)：627-643. PU Zhiqiang，YI Jianqiang，LIU Zhen，et al. Knowledge-based and data-driven integrating methodologies for collective intelligence decision making： A survey[J]. Acta Automatica Sinica，2022，48(3)：627-643.
[35] 李峰，王琦，胡健雄，等. 数据与知识联合驱动方法研究进展及其在电力系统中应用展望[J]. 中国电机工程学报，2021，41(13)：4377-4389. LI Feng，WANG Qi，HU Jianxiong，et al. Combined data-driven and knowledge-driven methodology research advances and its applied prospect in power systems[J]. Proceedings of the CSEE，2021，41(13)：4377-4389.

编辑推荐

Metrics

阅读次数

全文

339

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	339

来源	本网站	其他网站

次数	244	95
比例	72%	28%

摘要

373

最新录用	在线预览	正式出版

0	0	373

来源	本网站	其他网站

次数	120	253
比例	32%	68%

数据-知识混合驱动的离散制造系统智能控制体系构架研究

Research on Data-knowledge Driven Intelligent Control Architecture for Discrete Manufacturing System

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	狄子钧, 袁东风, 李东阳, 梁道君, 周晓天, 信苗苗, 曹凤, 雷腾飞. 基于多尺度-高效通道注意力网络的刀具故障诊断方法[J]. 机械工程学报, 2024, 60(6): 82-90.
[2]	王跃飞, 王超, 许于涛, 孙睿, 肖锴, 王凯林. 边-云协同下智能制造单元作业的数字孪生任务调度方法[J]. 机械工程学报, 2024, 60(6): 137-152.
[3]	苏建涛, 董绍华, 朱诗敏. 多目标混合流水车间机器故障重调度问题研究[J]. 机械工程学报, 2024, 60(4): 438-448.
[4]	王耀南, 谢核, 邓晶丹, 毛建旭, 李文龙, 张辉. 智能制造测量机器人关键技术研究综述[J]. 机械工程学报, 2024, 60(16): 1-18.
[5]	王文波, 张映锋, 顾寄南, 张耿, 完严. 数据驱动的离散制造系统性能退化机理建模与预测控制方法研究[J]. 机械工程学报, 2024, 60(16): 400-411.
[6]	郑湃, 李成熙, 殷悦, 张荣, 鲍劲松, 王柏村, 谢海波, 王力翚. 增强现实辅助的互认知人机安全交互系统[J]. 机械工程学报, 2023, 59(6): 173-184.
[7]	邵海东, 肖一鸣, 闵志闪, 韩淞宇, 张海舟. 区块链和边缘计算赋能的联邦学习故障诊断框架[J]. 机械工程学报, 2023, 59(21): 283-292.
[8]	丁明娜, 刘献礼, 岳彩旭, 范梦超, 顾浩. 面向智能制造过程的刀具设计、制备与管控技术[J]. 机械工程学报, 2023, 59(19): 429-459.
[9]	汪俊亮, 高鹏捷, 张洁, 王力翚. 制造大数据分析综述：内涵、方法、应用和趋势[J]. 机械工程学报, 2023, 59(12): 1-16.
[10]	周祖德, 姚碧涛, 谭跃刚, 刘明尧, 李天梁, 魏勤. 光纤传感在制造领域应用的分析与思考[J]. 机械工程学报, 2022, 58(8): 3-26.
[11]	臧冀原, 刘宇飞, 王柏村, 苗仲桢, 薛塬, 李培根. 面向2035的智能制造技术预见和路线图研究[J]. 机械工程学报, 2022, 58(4): 285-304.
[12]	兰箭, 钱东升, 邓加东, 华林. 高性能环类零件绿色智能轧制的研究进展[J]. 机械工程学报, 2022, 58(20): 186-197.
[13]	姚锡凡, 马南峰, 张存吉, 周佳军. 以人为本的智能制造：演进与展望[J]. 机械工程学报, 2022, 58(18): 2-15.
[14]	庄存波, 刘检华, 张雷. 工业5.0的内涵、体系架构和使能技术[J]. 机械工程学报, 2022, 58(18): 75-87.
[15]	黄思翰, 王柏村, 张美迪, 黄金棠, 朱启章, 杨赓. 面向人本智造的新一代操作工：参考架构、使能技术与典型场景[J]. 机械工程学报, 2022, 58(18): 251-264.