离散型制造物联过程数据主动感知及管理模型

doi:10.13196/j.cims.2016.01.016

计算机集成制造系统 ›› 2016, Vol. 22 ›› Issue (第1期): 166-176.DOI: 10.13196/j.cims.2016.01.016

离散型制造物联过程数据主动感知及管理模型

陈伟兴¹,李少波²⁺,黄海松¹

1.贵州大学现代制造技术教育部重点实验室
2.贵州大学机械工程学院

出版日期:2016-01-30 发布日期:2016-01-30
基金资助:
国家科技支撑计划资助项目(2012BAF12B14);贵州省重大基础研究资助项目(黔科合JZ字［2014］2001);国家自然科学基金资助项目(51475097)。

Active perception and management model for manufacturing data in discrete IoMT-based process

Online:2016-01-30 Published:2016-01-30
Supported by:
Project supported by the National Key Technology R&D Program,China(No.2012BAF12B14),the Key Basic Research Program of Guizhou Province,China(No.［2014］2001),and the National Natural Science Foundation,China(No.51475097).

摘要/Abstract

摘要： 针对制造物联数据感知与管理方面的生产过程关键监控事件感知和分析处理问题,通过分析制造数据的产生,进行了制造大数据的定义及数据特性的描述,建立了基于制造物联的离散车间数据管理体系;根据基于数据驱动的制造过程事件感知模型建立,提出了基于制造物联的生产过程关键事件主动感知技术架构;为实现制造数据的结构化统一表达,基于EXPRESS语言进行制造物联车间数据管理建模,制定了EXPRESS与可扩展标记语言模式制造数据的映射转换规则。基于智能制造模式构建了制造大数据的应用规划,并结合油制辣椒生产中制造数据感知处理及应用结果,说明了所提理论框架的可行性与有效性。

关键词: 制造物联, 大数据, 关键事件, 主动感知, 数据模型

Abstract: In view of the manufacturing data perception and management of Internet of Manufacturing Things (IoMT),the big data of manufacturing was defined and the descriptions of manufacturing data were made by analyzing the source of data,and a management system of manufacturing data for IoMT-based discrete plant was established.In addition,an active perception technical framework of manufacturing data was proposed according to the establishment of event perceiving model.Thereafter,a management model of manufacturing data based on EXPRESS language was built.The rules of data mapping and transformation between EXPRESS and eXtended Markup Language (XML) were formulated to facilitate the unified expression of manufacturing data.An application plan of manufacturing data was designed concerning to intelligent manufacturing model.The results of the application and perceptual processing of manufacturing data in chili oil production were presented to illustrate the capability and effectiveness of the proposed theoretical frameworks.

Key words: Internet of manufacturing things, big data, critical event, active perception, data model

中图分类号:

TP11

陈伟兴,李少波,黄海松. 离散型制造物联过程数据主动感知及管理模型[J]. 计算机集成制造系统, 2016, 22(第1期): 166-176.

[1]	王誓伟,徐晓斌,梁中军. 基于城市计算的分布式异常数据分级过滤算法[J]. 计算机集成制造系统, 2021, 27(9): 2525-2531.
[2]	刘道元,郭宇,黄少华,方伟光,杨能俊. 基于DBN-DNN的离散制造车间订单完工期预测方法[J]. 计算机集成制造系统, 2020, 26(9): 2445-2452.
[3]	汤洪涛,费永辉,陈青丰,詹燕,鲁建厦,李晋青. 基于工业大数据的柔性作业车间动态调度[J]. 计算机集成制造系统, 2020, 26(9): 2497-2510.
[4]	杨程,谭昆,俞春阳. 基于评论大数据的手机产品改进[J]. 计算机集成制造系统, 2020, 26(11): 3074-3083.
[5]	景轩,姚锡凡. 大数据驱动的云雾制造体系架构[J]. 计算机集成制造系统, 2019, 25(第9): 2119-2139.
[6]	刘建康,郝尚华,王树华,富宏亚. 数据驱动的数控加工生产线实时监控与优化控制技术框架[J]. 计算机集成制造系统, 2019, 25(第8): 1875-1884.
[7]	胡小强,吴翾,闻立杰,王建民. 基于Spark的并行分布式过程挖掘算法[J]. 计算机集成制造系统, 2019, 25(第4): 791-797.
[8]	王万良,张兆娟,高楠,赵燕伟. 基于人工智能技术的大数据分析方法研究进展[J]. 计算机集成制造系统, 2019, 25(第3): 529-547.
[9]	黄少华,郭宇,查珊珊,方伟光,王发麟. 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(第2): 284-302.
[10]	任明仑,宋月丽. 大数据:数据驱动的过程质量控制与改进新视角[J]. 计算机集成制造系统, 2019, 25(第11): 2731-2742.
[11]	姚锡凡,刘敏,张剑铭,陶韬,蓝宏宇,葛动元. 人工智能视角下的智能制造前世今生与未来[J]. 计算机集成制造系统, 2019, 25(第1): 19-34.
[12]	刘阳,韩天宇,谢滨,田娟. 基于工业互联网标识解析体系的数据共享机制[J]. 计算机集成制造系统, 2019, 25(12): 3032-3042.
[13]	徐泉,王良勇,刘长鑫. 工业云应用与技术综述[J]. 计算机集成制造系统, 2018, 24(第8): 1887-1901.
[14]	姚艳,曹健,田晓亮. 实时分析工作流调度方法[J]. 计算机集成制造系统, 2018, 24(第7): 1698-1705.
[15]	周佳军,姚锡凡,刘敏,张剑铭,陶韬. 几种新兴智能制造模式研究评述[J]. 计算机集成制造系统, 2017, 23(第3期): 624-639.

离散型制造物联过程数据主动感知及管理模型

Active perception and management model for manufacturing data in discrete IoMT-based process

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