新一代的互联网 制造更加强调通过运用云计算、物联网、大数据为代表的新一代信息技术与制造业、生产性服务业等融合创新,为产业智能化提供支撑,进而形成新一代的智能制造模式,包括云制造、制造物联、智慧制造等。本书以融合信息系统与物理系统于一体的制造物联为例介绍新一代智能制造技术,包括物联网、云计算、CPS、大数据等基础技术,以及制造物联体系结构、关键技术和建模技术等主体内容,后给出了详细实施案例。
物联网是引起工业4.0的关键因素之一,在新一代的智能制造中起关键支撑作用。德国工业 4.0和我国的两化深度融合的核心思想是要充分利用新一代信息技术改造传统产业,进而实现制造业的智能化转型升级。而制造物联网技术正是实现这种转型升级的关键所在。制造物联网虽然可以简单看作制造技术与物联网的融合,但它本身包含丰富而广泛的内涵,旨在通过泛在的实时感知、全面的互联互通和智能信息处理,实现产品/服务全生命周期的优化管理与控制,以及工艺和产品的创新。同时,制造物联网是一个动态和不断发展的概念,特别是伴随着物联网及信息物理系统的广泛应用而出现的制造大数据,需要大数据分析和云计算等技术支持,因此,制造物联网包含了制造技术与物联网、务联网、信息物理系统、大数据等有机融合的技术。
制造业是工业的基石,是国民经济的支柱产业。作为制造业大国的中国,当前面临制造业劳动力成本上升和环境污染等诸多挑战,为了实现从制造业大国向制造业强国的转变,顺应互联网 的发展趋势,以及满足产业转型升级的需求,正在部署推进实施中国制造2025。智能制造是其中的主攻方向。在制造业中如何认识、把握和推进互联网 是值得我们深入思考和研究的课题。与传统的网络化制造有很大的不同,新一代的互联网 制造更加强调通过以物联网、务联网、大数据为代表的新一代信息技术与制造业、生产性服务业等行业的融合创新,为产业智能化提供支撑,进而形成诸如制造物联网、智慧制造等新一代的智能制造模式。本书对制造技术与物联网融合所形成的国内称之为制造物联网(简称制造物联),国外称之为smart manufacturing(SM)的新一代智能制造模式,进行了深入探讨。SM被认为是新一轮工业革命工业4.0的主导生产模式,其关键基础技术是物联网、务联网和信息物理系统。物联网是引起工业4.0的关键因素之一,在新一代的智能制造中起关键支撑作用。德国工业 4.0和我国的两化深度融合的核心思想是要充分利用新一代信息技术改造传统产业,进而实现制造业的智能化转型升级。而制造物联网技术正是实现这种转型升级的关键所在。制造物联网虽然可以简单看作制造技术与物联网的融合,但它本身包含丰富而广泛的内涵,旨在通过泛在的实时感知、全面的互联互通和智能信息处理,实现产品/服务全生命周期的优化管理与控制,以及工艺和产品的创新。同时,制造物联网是一个动态和不断发展的概念,特别是伴随着物联网及信息物理系统的广泛应用而出现的制造大数据,需要大数据分析和云计算等技术支持,因此,制造物联网包含了制造技术与物联网、务联网、信息物理系统、大数据等有机融合的技术。本书是作者在所从事的相关科研和教学工作的基础上,总结所承担的国家自然科学基金项目(51175187,51675186)、广东省科技计划项目(2016A020228005,2016B090918035)和中央高校基本科研业务费专项资金资助项目(D2181830)所取得的成果以及国内外其他相关研究的成果编写而成的,取材新颖,注重相关领域新发展动态。其中,姚锡凡对本书内容进行构思,并撰写第1章和第3章,张存吉和张剑铭撰写其他各章。在本书的撰写过程中参考或引用了项目课题组金鸿、李永湘、周佳军等博士研究生及李作海、徐川、杨屹、于淼、许湘敏、易安斌等硕士研究生的成果,同时参考或引用了其他相关著作和论文,在此对这些著作和论文的作者深表感谢。特别感谢两位评审专家西北工业大学孙树栋教授和武汉理工大学李文峰教授,他们对本书修改提出了宝贵意见。与此同时,感谢华中科技大学出版社的大力支持和帮助,特别是俞道凯先生和罗雪女士,为本书的出版付出了辛勤的劳动。此外,感谢廉江市经济社会发展研究会(廉江智库)的支持。制造物联网是一门迅速发展的交叉学科,其应用还处于开拓和不断完善之中,加上作者才疏学浅,本书难免有疏漏与不妥之处,盼请广大读者不吝批评指正。
编 者
2017年9月于华中科技大学
姚锡凡,1964年生,男,博士,华南理工大学机械与汽车工程学院教授/博士生导师,汉族,广东廉江市人,研究方向为数字制造与计算机控制,主讲过4门本科课程和5门研究生课程,主持了国家863计划、国家自然科学基金、留学回国人员科研启动基金等多项课题,发表100余篇论文和出版2本专著,获得了国家教委和广东省级科技进步二等奖。
第1章绪论/1
1.1制造物联网与新工业革命/1
1.1.1新工业革命与新型制造模式/1
1.1.2制造物联网与工业4.0/5
1.1.3制造物联网与工业互联网/8
1.2制造物联网的内涵与特点/10
1.3制造物联网的关键技术/11
1.4制造物联网的关键信息技术/14
1.5制造物联网与其他新兴智能制造模式对比/15
1.6制造物联网的展望/17
本章参考文献/25
第2章制造物联网技术基础/28
2.1物联网/28
2.1.1物联网的含义和发展/28
2.1.2RFID技术/32
2.1.3物联网的其他关键技术/35
2.2大数据/37
2.2.1大数据的含义/38
2.2.2制造中的大数据问题/39
2.2.3大数据挖掘/41
2.3务联网/44
2.3.1务联网的概念/44
2.3.2SOA和云计算/45
2.4信息物理系统/50
2.4.1CPS的定义/51
2.4.2CPS的研究现状/51
2.4.3CPS的系统特性与挑战/53
本章参考文献/54
制造物联网技术目录第3章制造物联网的体系架构及其发展/58
3.1制造物联网的体系架构/58
3.2基于CPS的智能制造的体系架构/66
3.3智慧制造的体系架构/68
3.4大数据驱动的主动制造体系架构/72
本章参考文献/79
第4章制造物联网建模技术/81
4.1制造资源服务化建模/81
4.1.1制造资源的特点及资源模型需求/81
4.1.2制造资源分类/83
4.1.3制造设备资源服务化建模实例/84
4.2复杂事件处理建模/92
4.2.1复杂事件处理技术/92
4.2.2复杂事件处理建模实例/94
4.3本体建模/104
4.3.1本体语言及推理机制选用/104
4.3.2面向制造物联网环境的加工设备本体建模/107
4.3.3加工设备本体应用实例/111
4.3.4考虑服务关联的制造云服务本体建模/118
4.3.5制造服务关联本体建模实例/124
4.4生产车间调度建模/128
4.4.1面向制造物联网车间调度的业务流程/129
4.4.2面向制造物联网车间调度问题的描述/131
4.4.3车间调度过程分析/131
4.5基于进程代数的制造服务组合建模/136
4.5.1扩展进程代数/136
4.5.2云制造服务组合进程形式化模型的XPC4CMSC描述/140
本章参考文献/147
第5章制造物联网资源状态监测技术/151
5.1基于RFID的工件异常事件监测/151
5.1.1基于物联网构建的制造车间感知环境/152
5.1.2RFID事件模型/152
5.1.3RFID复杂事件处理技术/154
5.1.4实验与分析/161
5.2基于无线加速度的刀具状态监测/168
5.2.1刀具状态监测框架/168
5.2.2实验装置与数据采集/170
5.2.3信号预处理/172
5.2.4特征提取/177
5.2.5特征选择/184
5.2.6建立预测模型/185
5.2.7刀具磨损监测与剩余寿命预测/190
5.3基于深度学习的刀具状态监测/193
5.3.1卷积神经网络/194
5.3.2基于卷积神经网络的刀具磨损监测方法/196
5.3.3实验与分析/201
本章参考文献/206
第6章制造物联网云服务组合优化算法/211
6.1云制造资源服务组合优化方法/211
6.1.1资源服务组合优化选择问题的求解方法分析/211
6.1.2Pareto最优解/212
6.1.3改进的带精英策略的快速非支配排序遗传算法/214
6.1.4算例/219
6.2三种制造云服务组合优化算法/226
6.2.1改进的遗传算法/226
6.2.2改进的粒子群算法/237
6.2.3教学优化算法/244
本章参考文献/249
第7章制造物联网应用实例/251
7.1物联网车间加工作业的主动调度/251
7.1.1调度模型分类/252
7.1.2物联网车间加工作业感知环境构建/252
7.1.3主动调度方案/254
7.1.4实验结果与分析/266
7.2制造云服务组合优化/277
7.2.1小规模制造云服务组合优化/277
7.2.2大规模制造云服务组合优化/281
7.2.3摩托车制造/287
7.2.4航空复杂产品设计/290
7.3智能工厂/295
7.3.1面向服务和实时保障的CPS平台/297
7.3.2工业4.0标准和开放的参考架构/298
7.3.3工业4.0示范项目/300
7.4制造物联网电子工厂/301
7.4.1制造物联网数据采集与云管理/302
7.4.2PLC智能生产工厂/303
本章参考文献/304