数字化在智能制造应用中的作用

贾松涛 ,魏鹏利 ,蒋龙生

西北工业集团有限公司  陕西省西安市  710043

摘要：现如今，我国制造业发展过程中，越来越多的应用到了数字化技术。建立完善的智能制造管理系统，可以有效地促使当前企业优化自身的资源，降低自身的成本投入，在激烈的市场竞争中稳定发展。基于此，本文深入分析当前的数字化工程体系核心与智能制造管理系统建设的作用，探析智能制造管理新模式。

关键词：数字化；智能制造；应用

引言

随着信息技术的发展和高新技术的发展，现阶段世界各国都提出“再工业化”的战略，主要就是通过科学技术带动传统工业发展。制造业是我国重要的经济发展核心，数字化、智能化是现阶段新型工业革命的核心技术。从生产力层面来看，在实际的制造业中应用数字化技术和智能制造技术能有效解放基层工作人员的生产力，同时还能有效地提高制造行业的生产质量和效率。从个人发展来看，数字化和智能制造需要高精尖的技术人才，从这个角度来看，行业的发展能够促进从业者文化素质的提升，优化人才结构，进而持续促进我国的经济发展，为我国经济建设贡献力量。

1.智能制造的背景

智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。智能制造是依托各类基础技术支撑及应用场景拓展，通过人与智能机器的云中对话，去扩大、延伸和部分取代人工操作，是一种由智能机器和人共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。智能制造是第四次工业革命在制造领域的主要体现。德国提出工业4.0，以网络实体及物联网为技术基础，进一步提升制造业的智能化水平，建立具有适应性、资源效率及基因工程学的智慧工厂，在商业流程及价值流程中整合客户及商业伙伴，以继续巩固其制造强国地位[1]。为了缓解劳动力、土地等要素成本的快速上涨对制造业的影响，消除低成本竞争，我国“十三五”规划将核心技术突破、新兴产业发展和生产方式转变作为我国智能制造发展的核心。整体上来看，不论是日本的智能制造系统、美国的制造业回归、德国的工业4.0，还是中国智能制造，都将会加速全球智能制造的发展。但从技术层面来看，智能制造包括人工智能，其核心基础是芯片和软件，其中芯片的全球竞争会达到前所未有的激烈态势。

2.当前数字化工程体系核心分析

对于当前的数字化工程体系核心来说，受其自身的性质影响，其核心是当前的过程管理与信息共享，基于此，在企业进行数字化工厂建设过程中，应保证企业内部实现过程控制与信息资源共享，满足当前的需求。对于当前的企业来说，加强对产品顺利进行生产的重视力度，促使与产品相关的各类信息有效流畅的在企业的各个部门之间进行流转，提升生产效率。对于数字化工厂来说，其自身需要以当前的数字信息化为驱动力，并利用科学的数据进行整合，促使企业管理系统对数据进行有效的信息共享和决策分析，积极促进过程管理，引导企业业务和创新发展以及智能化发展[2]。

3.智能制造管理系统建设的作用

以智能制造为基础，可以建造一个拥有“超强大脑”的敏捷企业；可以建造一个强大的资源共享中心以及智能化的企业信息整合平台，并利用其自身的功能对当前的企业各类数据管理平台的相应数据进行关联，帮助企业跨多个站点与地域进行运转，并优化其自身的系统管理能力，精益流程。智能制造管理系统的建设，可以促使当前企业以产品生命周期为基础，实现企业工程设计、安全管控、生产管理、先进控制、装置车间生产管控以及制造执行系统的全面信息集成管理，在不断的优化发展过程中，促使企业管理流程再造，打造敏捷企业，提升企业自身的竞争能力和创造力，稳中发展。

4.数字化技术在智能制造行业中的应用措施

4.1搭建检测平台，丰富并拓展检测边缘

（1）以检测活动为核心，梳理人、机、料、法、环多维度检测及泛检测因子结构树，立足于打通检测活动的上下游相关数据壁垒，打造包括存储、集成、访问、分析与管理功能于一体的智能检测平台。基于对企业的实际调研和系统的需求分析，丰富业务数据底层（上百个数据库字段），建立统一维度检测指挥体系，涵盖权限管理、明细查询、趋势分析、个性化预警等信息化服务模块，并可依据需求持续完善功能。（2）平台可开放接口方便终端客户开发专用检测服务APP及各类创新应用。并以此为基础打造资源富集、多方参与、合作共赢、协同演进的检测服务生态体系。

4.2数据档案标准化及智能数据采集

智能制造管理系统分析的主要对象是相关生产活动中的各类数据，通常，这些数据主要来自两个方面：对生产过程参数记录和对产品的检测。在计算机辅助质量管理系统中，常见的数据信息采集方式如下。（1）全自动化检测与过程参数记录系统。系统将自动检测并分析，将结果上传于对应数据库，提供定制化决策支持等功能集成化。计算机控制的坐标测量机和机器视觉是全自动质量数据采集方式的典型例子。（2）计算机辅助检测系统。系统所应用的各类传感器将被测件的物理量转换为电量，再通过接口与计算机相连接。这类系统中的检测活动大多是手动的，信息的传输大多是通过自动方式。（3）手工检测与录入的作业模式。场景类如：手工使用常规的卡尺测量或“目测”，人工再将检测数据输入计算机品质表格。当前国内很多制造型企业的品控活动仍停留这一层次上。当前，企业内检测设备类型多样：Hexagon、WKM、Micro_vu、Equator、PowerMetro等多达数十种，虽然导出的检测档案类型各异，但多数具备自主化信息注释功能。因此，采集端可结合设备特性定制化功能开发，并避免人员数据录入动作。采集端开发主要思路：①结合企业产品加工工艺流程（制程段、加工地点）、品质管控节奏（抽检频率）、送检用途（首件检验、复测、调机确认、换刀确认）等检测背景因子，制定各类型检测机台结果导出标准化格式规范，通过对检测程序中加入相关常量/变量参数，得以在每个检测结果档案输出中自动赋予相对完整的资料标签；②定制化开发各类型检测档案抓取功能，不仅实现对各类检测档案数据解析入数据库，对档案中各种注释信息也可匹配对应数据库字段；③当检测任务结束时自动调用抓取程式执行数据录入，实现检测数据自动、本源、实时上传。

4.2智能机床加工

数字化柔性智能制造系统主要分为加工制造、信息管理以及仓储物流三个系统。优势在于能够在数字化工厂技术的基础上落实良好的工件加工、清洗以及检测等工序。总体的控制流程就是在信息化管理系统中下达一定的生产制造任务，在接收到信息任务之后，能够申请仓储系统发放原料，同时能够根据生产任务中的工件型号将原料自动导入引导车，然后将工件运输到上料工位。在进入自动生产线之后，智能化系统能在数字化技术监督下将所有工序完成，同时通知仓储系统将成品进行储运。最后就是整个数字化柔性智能制造系统能采集整个生产过程中的制造数据。在三个系统落实协作的过程中，能够使用5G网络来实现系统之间的信息传递，进而能够有效提高系统协作的质量和效率，同时能避免有线传输所带来的材料损耗的问题，进而能够避免在实际生产过程中出现线路损坏等影响生产质量和效率的现象。在实际的制造完成之后，也能利用机器视觉技术来对产品进行质量的检查[3]。

5.结束语

综上所述，当前时代，在数字化建设基础上应积极推进智能制造管理体系建设、智能制造管理系统的建设，借助智能制造技术，促进企业管理创新，使智能化发展与管理变革相结合，促使我国工业制造绿色化、精细化以及智能化发展，在激烈的市场竞争中构建智能化生产体系流程，实现科学化与智能化管理，迎合新时代发展。

参考文献

[1]智能化制造管理系统助力数字化工厂建设[J].航空制造技术，2013(03):95~97.

[2]卢晓岩，王明彤，汤继芹.智能化制造管理系统助力数字化工厂建设的探索与实践[J].科技创新与应用，2014,30(07):136~137.

[3]JiangJiefeng,HuRuifei,YinMing,等.智能制造数字化车间信息模型[J].兵工自动化,2019,38(6):70-74

作者简介：贾松涛，1989.12，男，汉族，陕西韩城人，大学本科。主要研究方向：弹箭工艺技术。

作者简介：魏鹏利，1989.07,男，汉族，山西大同人，大学本科。主要研究方向:弹箭工艺技术。

作者简介：蒋龙生，1988.10，男，汉族，陕西汉中人，大学本科。主要研究方向：弹箭工艺技术。