复杂产品智能设计与主动运维“双馈式”制造服务方法体系

doi:10.3901/JME.2024.06.127

机械工程学报 ›› 2024, Vol. 60 ›› Issue (6): 127-136.doi: 10.3901/JME.2024.06.127

• 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

复杂产品智能设计与主动运维“双馈式”制造服务方法体系

任杉¹, 王晋¹, 赵欣², 张映锋²

1. 西安邮电大学现代邮政学院西安 710061;
2. 西北工业大学工业工程与智能制造工信部重点实验室西安 710072

收稿日期:2023-08-02 修回日期:2023-11-10 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。主要研究方向为物联制造系统、产品服务系统与绿色制造、制造系统智能化。E-mail：zhangyf@nwpu.edu.cn
作者简介:任杉，男，1985年出生，博士，讲师，硕士研究生导师。主要研究方向为制造业大数据、产品生命周期管理、产品服务系统。E-mail：renshan@xupt.edu.cn
基金资助:
国家自然科学基金(52005408)、 NSFC-广东联合基金(U2001201)资助项目。

“Doubly-fed” Manufacturing Service of Intelligent Design and Preventive Maintenance for Complex Products

REN Shan¹, WANG Jin¹, ZHAO Xin², ZHANG Yingfeng²

1. School of Modern Post, Xi'an University of Posts and Telecommunications, Xi'an 710061;
2. Key Laboratory of Industrial Engineering and Intelligent Manufacturing, Ministry of Industry and Information Technology, Northwestern Polytechnical University, Xi'an 710072

Received:2023-08-02 Revised:2023-11-10 Online:2024-03-20 Published:2024-06-07

摘要/Abstract

摘要： 利用生命周期数据实现设计与运维协同是复杂产品开发和维护的主要模式，也是保证产品稳定、可靠运行的重要途径。在分析当前制造企业面临的挑战与现有制造服务模式研究不足的基础上，提出一种复杂产品智能设计与主动运维“双馈式”制造服务新模式，并设计相应的体系架构。提出并讨论上述新模式的关键技术体系，包括融合物联技术的制造与运维数据主动感知与增值计算、运维过程多源异构数据与知识工程融合的智能化设计、基于产品设计知识与运维过程感知的主动预防性维修等。通过上述技术的实施，可有效促进产品生命周期各阶段数据的交互共享和业务的协同优化，进而可构建一种生命周期数据泛在互联、设计前馈指导运维服务、运维反馈改进产品设计的闭环运作机制，以提升产品设计的智能化和产品运维的预见性。所提新模式和技术体系对生命周期数据驱动的智能制造研究和应用有重要借鉴价值。

关键词: 产品生命周期, 智能设计, 主动运维, 双馈式, 制造服务

Abstract: Realizing the coordination of design and operation & maintenance(O&M) based on lifecycle data is the main mode of complex product development and O&M. It is also an important way to ensure the stable and reliable operation of products. Based on analysis of the challenges of manufacturing enterprise and the deficiencies of existing research on manufacturing service paradigms, a new pattern and architecture of “doubly-fed” manufacturing service of intelligent design and preventive maintenance for complex product is proposed and designed. Key technology system of the new pattern is put forward and elaborated, which included the proactive perceiving and value-adding calculation of manufacturing and O&M data by combining the IoT (Internet of Things) technologies, the intelligent design by fusion of multi-source heterogeneous O&M data and knowledge engineering, the preventive maintenance based on product design knowledge and O&M process data, etc. By applying these technologies, the interactive sharing of data and collaborative optimization of business among all lifecycle phases can be facilitated effectively. Furthermore, a closed-loop operation mechanism characterized by the ubiquitous interconnection of lifecycle data, the optimization of O&M service based on design knowledge and the improvement of product design by O&M data feedback are established. As a result, the intelligence of product design and the predictability of product O&M are enhanced. The proposed new pattern and technology system could provide important referential value to the research and application of lifecycle data driven smart manufacturing.

Key words: product lifecycle, intelligent design, preventive maintenance, doubly-fed, manufacturing service

中图分类号:

TH186
TH166

任杉, 王晋, 赵欣, 张映锋. 复杂产品智能设计与主动运维“双馈式”制造服务方法体系[J]. 机械工程学报, 2024, 60(6): 127-136.

REN Shan, WANG Jin, ZHAO Xin, ZHANG Yingfeng. “Doubly-fed” Manufacturing Service of Intelligent Design and Preventive Maintenance for Complex Products[J]. Journal of Mechanical Engineering, 2024, 60(6): 127-136.

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://www.cjmenet.com.cn/CN/10.3901/JME.2024.06.127

http://www.cjmenet.com.cn/CN/Y2024/V60/I6/127

参考文献

[1] 李培根. 让数字与智能技术助力创新驱动[J]. 智慧工厂，2018(10)：24-25. LI Peigen. Let digital and smart technology help innovation-driven[J]. Smart Factory，2018(10)：24-25.
[2] ZAWADZKI P，ŻYWICKI K. Smart product design and production control for effective mass customization in the Industry 4.0 concept[J]. Management and Production Engineering Review，2016，7(3)：105-112.
[3] HAFEZALKOTOB A. Competition，cooperation，and coopetition of green supply chains under regulations on energy saving levels[J]. Transportation Research Part E：Logistics and Transportation Review，2017(97)：228-250.
[4] 王成亮. 网络协同制造下资源共享多目标调度优化[D]. 秦皇岛：燕山大学，2019. WANG Chengliang. Multi-objective scheduling optimization of resource sharing under network cooperative manufacturing[D]. Qinhuangdao：Yanshan University，2019.
[5] 刘振宇，周思杭，谭建荣，等. 基于多准则修正的产品性能多参数关联分析与预测方法[J]. 机械工程学报，2013，49(15)：105-114. LIU Zhenyu，ZHOU Sihang，TAN Jianrong，et al. Multiple parameters correlation analysis and prediction method of product performance based on multi-criteria modification[J]. Journal of Mechanical Engineering，2013，49(15)：105-114.
[6] 刘丰嘉，唐兆，张建军. 机车车辆端部结构拓扑-参数一体化优化方法[J]. 机械工程学报，2020，56(20)：134-145. LIU Fengjia，TANG Zhao，ZHANG Jianjun. Holistic topology-parameter optimization method for the rail vehicle end structure[J]. Journal of Mechanical Engineering，2020，56(20)：134-145.
[7] 洪军，郭俊康，刘志刚，等. 基于状态空间模型的精密机床装配精度预测与调整工艺[J]. 机械工程学报，2013，49(6)：114-121. HONG Jun，GUO Junkang，LIU Zhigang，et al. Assembly accuracy prediction and adjustment process modeling of precision machine tool based on state space model[J]. Journal of Mechanical Engineering，2013，49(6)：114-121.
[8] 郭飞燕，刘检华，邹方，等. 数字孪生驱动的装配工艺设计现状及关键实现技术研究[J]. 机械工程学报，2019，55(17)：110-132. GUO Feiyan，LIU Jianhua，ZOU Fang，et al. Research on the state-of-art，connotation and key implementation technology of assembly process planning with digital twin[J]. Journal of Mechanical Engineering，2019，55(17)：110-132.
[9] 贺德强，罗安，邓建新，等. 列车转向架关键部件预防性维修决策优化模型[J]. 计算机集成制造系统，2018，24(5)：1155-1161. HE Deqiang，LUO An，DENG Jianxin，et al. Optimization model of preventive maintenance decision-making for train bogie key components[J]. Computer Integrated Manufacturing System，2018，24(5)：1155-1161.
[10] ZHAO Y，HE Y，ZHOU D，et al. Functional risk-oriented integrated preventive maintenance considering product quality loss for multistate manufacturing systems[J]. International Journal of Production Research，2021，59(4)：1003-1020.
[11] ZHANG Y F，REN S，LIU Y，et al. A framework for big data driven product lifecycle management[J]. Journal of Cleaner Production，2017(159)： 229-240.
[12] MUNÍN-DOCE A，DÍAZ-CASÁS V，TRUEBA P，et al. Industrial internet of things in the production environment of a Shipyard 4.0[J]. International Journal of Advanced Manufacturing Technology，2020，108(1-2)：47-59.
[13] PIVOTO D G S，DE ALMEIDA L F F，DA ROSA RIGHI R，et al. Cyber-physical systems architectures for industrial internet of things applications in Industry 4.0：A literature review[J]. Journal of Manufacturing Systems，2021(58)：176-192.
[14] WANG W B，ZHANG Y F，GU J N，et al. A proactive manufacturing resources assignment method based on production performance prediction for the smart factory[J]. IEEE Transactions on Industrial Informatics，2022，18(1)：46-55.
[15] 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.
[16] 王亚辉，郑联语，樊伟. 云架构下基于标准语义模型和复杂事件处理的制造车间数据采集与融合[J]. 计算机集成制造系统，2019，25(12)：3103-3115. WANG Yahui，ZHENG Lianyu，FAN Wei. Data collection and fusion of manufacturing workshop based on standard semantic model and complex event processing under cloud architecture[J]. Computer Integrated Manufacturing System，2019，25(12)：3103-3115.
[17] 刘俊. 动车组关键部件数据处理方法研究与实现[D]. 北京：北京交通大学，2019. LIU Jun. Research and implementation of data processing methods for key components of EMU[D]. Beijing：Beijing Jiaotong University，2019.
[18] 刘献礼，李雪冰，丁明娜，等. 面向智能制造的刀具全生命周期智能管控技术[J]. 机械工程学报，2021，57(10)：196-219. LIU Xianli，LI Xuebing，DING Mingna，et al. Intelligent management and control technology of cutting tool life-cycle for intelligent manufacturing[J]. Journal of Mechanical Engineering，2021，57(10)：196-219.
[19] 杨琨，李彦，熊艳，等. 基于复杂网络的知识驱动产品创新设计[J]. 计算机集成制造系统，2015，21(9)：2257-2269. YANG Kun，LI Yan，XIONG Yan，et al. Knowledge driven product innovation design based on complex network[J]. Computer Integrated Manufacturing System，2015，21(9)：2257-2269.
[20] 万良琪，陈洪转，欧阳林寒，等. 基于灰色模糊田口方法的复杂装备精密产品多质量特性稳健优化设计[J]. 计算机集成制造系统，2018，24(6)：1427-1437. WAN Liangqi，CHEN Hongzhuan，OUYANG Linhan，et al. Muti-quality characteristics robust optimization design of complex equipment compliant mechanism based on hybrid Gay-Fuzzy-Taguchi method[J]. Computer Integrated Manufacturing System，2018，24(6)：1427-1437.
[21] SADATI N，CHINNAM R B，NEZHAD M Z. Observational data-driven modeling and optimization of manufacturing processes[J]. Expert Systems with Applications，2018，93：456-464.
[22] 褚学宁，陈汉斯，马红占. 性能数据驱动的机械产品关键设计参数识别方法[J]. 机械工程学报，2021，57(3)：185-196. CHU Xuening，CHEN Hansi，MA Hongzhan. Identification of critical design parameter for mechanical products based on performance data[J]. Journal of Mechanical Engineering，2021，57(3)：185-196.
[23] WAN J，TANG S，LI D，et al. A manufacturing big data solution for active preventive maintenance[J]. IEEE Transactions on Industrial Informatics，2017，13(4)：2039-2047.
[24] 贺德强，肖红升，姚晓阳，等. 地铁列车预防性维修多目标优化模型及应用[J]. 广西大学学报，2019，44(2)：299-305. HE Deqiang，XIAO Hongsheng，YAO Xiaoyang，et al. Multi objective optimization model for metro preventive maintenance and its application[J]. Journal of Guangxi University，2019，44(2)：299-305.
[25] WANG N，REN S，LIU Y，et al. An active preventive maintenance approach of complex equipment based on a novel product-service system operation mode[J]. Journal of Cleaner Production，2020，277：123365.
[26] 沈南燕，武星，李静，等. 自动化生产线中关键设备的预维护策略研究[J]. 机械工程学报，2020，56(21)：231-240. SHEN Nanyan，WU Xing，LI Jing，et al. Research on pre-maintenance strategy of key equipment in automatic production line[J]. Journal of Mechanical Engineering，2020，56(21)：231-240.
[27] 张富强，江平宇，郭威. 服务型制造学术研究与工业应用综述[J]. 中国机械工程，2018，29(18)：2144-2163. ZHANG Fuqiang，JIANG Pingyu，GUO Wei. Academic research and industrial applications of service-oriented manufacturing[J]. China Mechanical Engineering，2018，29(18)：2144-2163.
[28] TAO F，ZUO Y，XU L D，et al. IoT-based intelligent perception and access of manufacturing resource toward cloud manufacturing[J]. IEEE Transactions on Industrial Informatics，2014，10(2)：1547-1557.
[29] 姚锡凡，于淼，陈勇，等. 制造物联的内涵、体系结构和关键技术[J]. 计算机集成制造系统，2014，20(1)：1-10. YAO Xifan，YU Miao，CHEN Yong，et al. Connotation，architecture and key technologies of Internet of manufacturing things[J]. Computer Integrated Manufacturing System，2014，20(1)：1-10.
[30] YNAPOLEONE A，MACCHI M，POZZETTI A. A review on the characteristics of cyber-physical systems for the future smart factories[J]. Journal of Manufacturing Systems，2020，54：305-335.

复杂产品智能设计与主动运维“双馈式”制造服务方法体系

“Doubly-fed” Manufacturing Service of Intelligent Design and Preventive Maintenance for Complex Products

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]	邓加东, 关山月, 汪小凯, 钱东升, 刘超, 刘伟, 华林. 高端装备大型环件网络协同智能轧制成形技术研发及应用[J]. 机械工程学报, 2026, 62(6): 65-86.
[2]	赵欣, 任杉, 张耿, 张映锋. 运维数据与多模态知识驱动的复杂产品改进设计新模式研究[J]. 机械工程学报, 2025, 61(3): 91-104.
[3]	朱海华, 王健杰, 李霏, 刘长春, 蔡祺祥, 唐敦兵. 基于云-边协同的分布式协同制造任务生产进度预测方法[J]. 机械工程学报, 2025, 61(13): 265-281.
[4]	王蕾, 郭钰瑶, 曹建华, 张泽琳, 夏绪辉, 赵慧. 面向废旧机械产品广义生长的再制造服务组合与优化方法[J]. 机械工程学报, 2023, 59(7): 339-354.
[5]	张卫, 王兴康, 石涌江, 顾新建, 田景红. 基于消费者行为的绿色制造服务决策方法[J]. 机械工程学报, 2023, 59(7): 68-80.
[6]	洪兆溪, 冯毅雄, 娄山河, 宋秀菊, 胡炳涛, 张志峰, 谭建荣. 复杂产品不确定性智能设计研究综述与展望[J]. 机械工程学报, 2023, 59(19): 213-236.
[7]	王彦凯, 王时龙, 杨波, 王四宝. 一种实际多约束环境下的云制造服务组合动态自适应重构方法[J]. 机械工程学报, 2023, 59(14): 339-351.
[8]	王磊, 金校, 唐红涛, 李西兴, 李益兵, 郭顺生, 官思佳. 基于联邦学习框架的制造服务个性化推荐方法研究[J]. 机械工程学报, 2023, 59(12): 149-161.
[9]	胡炳涛, 冯毅雄, 刘继红, 郭伟, 谭建荣. 面向“互联网+”定制产品的智能适应性设计研究[J]. 机械工程学报, 2023, 59(12): 109-125.
[10]	王蕾, 郭钰瑶, 张泽琳, 夏绪辉. 再制造服务的广义内涵、研究现状与发展趋势[J]. 机械工程学报, 2021, 57(7): 138-153.
[11]	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.
[12]	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.
[13]	刘飞;李聪波;曹华军;王秋莲. 基于产品生命周期主线的绿色制造技术内涵及技术体系框架[J]. , 2009, 45(12): 115-120.
[14]	兰红波;丁玉成;洪军;卢秉恒. 基于Web的快速模具远程制造服务系统[J]. , 2002, 38(9): 1-7.
[15]	张向军;桂长林. 智能设计中的基因模型[J]. , 2001, 37(2): 8-11.