检索范围:
排序: 展示方式:
Hierarchical modeling of stochastic manufacturing and service systems
Zhe George ZHANG, Xiaoling YIN
《工程管理前沿(英文)》 2017年 第4卷 第3期 页码 295-303 doi: 10.15302/J-FEM-2017047
关键词: stochastic modeling QBD process PH distribution heavy traffic limits diffusion process
钱锋, 钟伟民, 杜文莉
《工程(英文)》 2017年 第3卷 第2期 页码 154-160 doi: 10.1016/J.ENG.2017.02.011
本文围绕流程工业转型升级的重大需求,剖析了当前流程工业在经营决策层面、生产运行层面、能效安环层面和信息集成层面存在的主要问题,提出了利用现代信息技术从生产、管理以及营销全过程优化出发,推进以高效化、绿色化和智能化制造为目标的流程工业智能优化制造的愿景目标。围绕制造过程从装备智能化到制造流程、操作模式、供应链管理等自适应智能优化,以需求驱动、应用导向为主,提出了当前亟须研究的核心工程科学问题,即:①生产与经营全过程信息智能感知与集成;②知识驱动的生产过程计划调度与管理决策;③人机物自然交互的生产过程全流程协同控制与优化;④全生命周期安全环境足迹监控与风险溯源分析及控制。并围绕核心科学问题进一步提出了拟突破的流程工业智能优化制造的基础理论与关键技术。
柴天佑,丁进良
《中国工程科学》 2018年 第20卷 第4期 页码 51-58 doi: 10.15302/J-SSCAE-2018.04.009
本文在分析流程工业的特点、运行现状和国际智能制造发展状况的基础上,提出了我国流程工业智能制造的新模式——智能优化制造。在分析流程企业采用的由企业资源计划、制造执行系统、过程控制系统组成的三层架构和控制与管理信息化系统的发展状况基础上,提出了未来流程企业应采用的智能优化制造的架构和系统愿景功能,分析了实现愿景功能所需要攻克的关键共性技术和对自动化、计算机和通信、数据科学挑战的科学问题,提出了突出流程工业战略地位、实施战略规划与顶层设计等发展流程工业智能优化制造的建议。
毛帅, 王冰, 唐漾, 钱锋
《工程(英文)》 2019年 第5卷 第6期 页码 995-1002 doi: 10.1016/j.eng.2019.08.013
智能制造是提高过程工业质量的关键。在智能制造中,有这样一种趋势:将各种新一代信息技术融合到过程安全分析中。目前,由于危险化学品的大量使用,绿色制造面临着安全管理方面的重大障碍,从而导致化工过程空间的不均匀化以及安全环保法规的日益严格化。新兴的信息技术,如人工智能(AI),作为克服这些困难的一种手段,是很有前景的。基于最先进的人工智能方法和过程工业中复杂的安全关系,我们识别并讨论了与过程安全相关的几个技术挑战:用过程安全的稀缺标签进行知识获取;基于知识的过程安全推理;不同来源异构数据的精确融合;以及动态风险评估和辅助决策的有效学习。在此背景下,本文还讨论了当前和未来的工作。
Discussion on advanced manufacturing
WANG Xiankui
《机械工程前沿(英文)》 2007年 第2卷 第3期 页码 251-262 doi: 10.1007/s11465-007-0044-4
关键词: development national manufacturing process support environment mechanical manufacturing
Equipment–process–strategy integration for sustainable machining: a review
《机械工程前沿(英文)》 2023年 第18卷 第3期 doi: 10.1007/s11465-023-0752-4
关键词: sustainable machining equipment process strategy manufacturing
Lockhart Bogle Ian David
《工程(英文)》 2017年 第3卷 第2期 页码 161-165 doi: 10.1016/J.ENG.2017.02.003
本文讨论了流程工业智能制造对过程系统工程(PSE) 研究人员提出的挑战。现有的研究在实现全厂和全站点优化方面已经取得了很大进展,进行基准化测试能够增加说服力。本文进一步讨论了过程系统工程师在开发可用工具和技术时遇到的技术性挑战,包括灵活性和不确定性,响应性和敏捷性,鲁棒性和安全性,混合物性质和功能的预测,以及新的建模和数学范式。利用大数据进行智能化开发来驱动系统灵活性需要面对新的挑战,例如,如何在漫长又复杂的供应链中确保数据的一致性和机密性。建模方面也存在很多挑战,涉及如何对所有的关键技术进行恰当的建模,特别是健康、安全和环境方面,需要在特定地点对微小却关键的量进行准确预测。对环境方面的关注要求我们紧密跟踪所有的分子种类,以便于它们能被最佳地用于创造可持续的解决方案。而源自于新型个性化产品的破坏性商业模式对环境的影响则难以预测。
Process Planning Support System for Green Manufacturing and its application
HE Yan, LIU Fei, CAO Huajun, ZHANG Hua
《机械工程前沿(英文)》 2007年 第2卷 第1期 页码 104-109 doi: 10.1007/s11465-007-0018-6
Toward the development of process plans with reduced environmental impacts
Fu ZHAO, Vance R. MURRAY, Karthik RAMANI, John W. SUTHERLAND
《机械工程前沿(英文)》 2012年 第7卷 第3期 页码 231-246 doi: 10.1007/s11465-012-0334-3
Manufacturing process planning serves as a pivotal link between design and manufacturing. Process planning decisions play a critical role in determining the cost and environmental impacts associated with manufacturing. Past efforts to address environmental issues during process planning are briefly reviewed and potential approaches that can achieve reduced environmental impacts are then discussed. A proposed method is presented for environmentally conscious process planning. The method begins with an existing process plan, and then identifies impactful process steps, and associated design features, in terms of manufacturing cost and environmental impact. Alternative processes that can achieve these features are then considered to generate alternative process plans. These alternatives are then evaluated in terms of economic and environmental performance. The results of these evaluations are then used to generate a set of process plans that are non-dominated with respect to manufacturing cost and environmental impact objectives to produce a Pareto frontier. The proposed method is demonstrated using the manufacturing of a prosthetic hip shell as a case study.
关键词: process planning life cycle assessment (LCA) sustainable manufacturing prosthetic hip shell
智能过程制造中的数据解析与机器学习——大数据时代的最新进展与展望 Perspective
尚超、 Fengqi You
《工程(英文)》 2019年 第5卷 第6期 页码 1010-1016 doi: 10.1016/j.eng.2019.01.019
安全、高效、可持续的运行是工业生产过程控制的主要目标。然而,目前的技术严重依赖人为干 预,因此在实际应用中体现出明显的局限性。蓬勃发展的大数据时代对流程工业产生了巨大的影 响,为实现智能制造提供了前所未有的机遇。这种新的生产方式不仅要求机器能够帮助人类减轻 繁重的体力劳动,还要能有效地承担智力劳动,甚至能够实现自主创新。为了实现这一目标,数 据分析与机器学习扮演着不可或缺的角色。在本文中,我们回顾了数据分析和机器学习在工业生 产过程监控、控制和优化方面的最新进展,着重分析机器学习模型的可解释性和功能性。通过分 析实际需求与研究现状之间的差距,为未来的研究方向给出了建议。
一种新的流程工业企业智能制造准备度评估模型:流程工业智能制造准备度指数(PIMRI) Research Article
赵路军1,2,邵嘉铭2,3,祁雨奇2,褚健2,冯毅萍1
《信息与电子工程前沿(英文)》 2023年 第24卷 第3期 页码 417-432 doi: 10.1631/FITEE.2200080
标题 作者 时间 类型 操作
Hierarchical modeling of stochastic manufacturing and service systems
Zhe George ZHANG, Xiaoling YIN
期刊论文
Process Planning Support System for Green Manufacturing and its application
HE Yan, LIU Fei, CAO Huajun, ZHANG Hua
期刊论文
Toward the development of process plans with reduced environmental impacts
Fu ZHAO, Vance R. MURRAY, Karthik RAMANI, John W. SUTHERLAND
期刊论文