注塑MES制造系统的手机移动端设计与实现
这是一篇关于数字化车间,移动端MES,注塑车间,SSM框架,甘特图的论文, 主要内容为随着互联网快速发展,工业4.0应运而生并且已经成为21世纪制造业的主体制造模式,数字化车间的制造执行系统(MES)则是工厂贯彻工业4.0战略以及实现车间自主生产的基本技术手段。本文在分析了传统注塑车间缺点的基础上,提出了一种移动端的MES系统设计方案,并且实现了 MES制造系统的移动端开发,本文工作如下:首先,通过系统功能需求分析和系统需求用例图分析,总结出系统的功能模块和不同模块的操作权限,确定使用J2EE开发工具,以SSM框架为后端框架、Apache Shiro为安全框架,综合使用各种插件,选择B/S架构模式搭建MES系统初始框架。其次,根据企业需求使用SQLServer2014构建所需数据库,通过ADO技术实现系统对数据库的访问,同时设计系统所需表格字段以及表格之间的关联关系。系统大部分界面使用Echarts图标插件使数据显示更加直观。通过Visio绘制时序图说明后台数据和前台页面的请求过程,同时详细说明不同界面的使用方法和作用。最后,在windows 10系统中设计开发针对注塑车间的移动端MES系统相关功能模块,主要包括系统安全、用户权限、订单管理、人力监控、物料监控、设备监控、智能分析等功能模块,且通过测试证明了系统的可行性和安全性。所设计系统特点在于智能分析模块能够实现工单合格率分析、设备故障次数分析、机筒温度异常分析;派工模块使用优先级算法实现订单排产并且通过绘制甘特图展示排产结果。综合来说促进了注塑车间自主化生产水平。
机床齿轮加工数字化车间物流管理系统的设计
这是一篇关于齿轮加工,数字化车间,物流管理,witness,物流仿真,系统设计的论文, 主要内容为随着制造行业的高速发展,齿轮的需求越来越多样化和个性化,相关制造资源的类型和数量同步增加,于是机床齿轮加工车间急需改变落后的生产方式,设计和建立更高效的数字化车间,由此对车间的物流管理提出了更高的要求和挑战。生产车间的物流管理需要对大部分制造资源进行管理,由于各类资源之间具有外形相似但属性不同的特点,在产品种类多和柔性化生产要求高的情况下,易出现生产混乱等问题,从而严重影响生产效率和质量。此外,目前大部分机床齿轮加工车间的物流管理方式落后,信息管理和物料流动脱节,信息化和数字化程度低,很难统一管理和协调各个生产环节,导致了很大的隐形生产成本。因此,本文以机床齿轮加工中的物流活动为研究对象,立足于物流的信息化管理,设计了机床齿轮加工数字化车间物流管理系统。首先,对机床齿轮加工车间的生产物流和物流管理进行了概述分析,明确了物流管理的问题和需求,确定了物流管理系统应具备编码管理、基础数据管理、物流查询、物流调度、物流点管理、实时信息显示、编码标识、物流信息录入等基本功能;设计了上层管理中心、车间各个管理端及底层设备之间的网络连接方式,对车间生产过程中物流管理的业务流程进行了说明;建立物流动静态信息模型,包括制造资源静态信息模型、动态物流信息模型和工件与刀夹具的位置信息与状态信息,提供一种能统一描述和表达生产流程中各个阶段与活动的属性特征的方法;结合机床齿轮加工工艺特征和重庆机床集团车间现状,对车间各作业单位之间的物流量和系统布置进行了分析,并制定了数字化车间物流管理的总体设计方案,并从五个方面进行了详细描述。然后,利用Witness仿真软件对加工活动路径、系统目标、物流跟踪方式、人员安排和车间布局建立了机床齿轮加工车间物流管理的数字化模型,实现基于数据驱动的系统仿真,确定建模目标和相关元素设计,通过数据分析找到系统瓶颈和优化方法;再次运行模型和分析数据,证实了优化后的方案已改善了原来的生产瓶颈,具有可行性。其次,提出一种面向机床齿轮加工的物流跟踪方法,用现有的编码规则生成工件和刀夹具的唯一编码;用激光打标的方式对工件和刀夹具进行唯一身份的标识;在机床和物流点终端使用扫码的方式记录了工件和刀夹具的位置与状态的动态信息,实现了机床齿轮加工数字化车间的物流跟踪;确定B/S系统架构,将系统分为用户层、高级应用层、处理层和支撑层;从管理和加工操作两个角度对物流管理系统的功能进行详细设计,描述系统的各个功能间的内在联系和相互作用;通过建立系统的操作流程来说明系统的各个人员角色和功能模块之间信息传送的时间顺序;对物流管理系统的数据库进行概念设计和逻辑设计。最后,基于上述物流仿真和分析、系统架构设计和功能设计等,设计了机床齿轮加工数字化车间物流管理的原型系统,并对系统的各个功能模块进行详细阐述;对系统的实际开发和应用情况进行展示。
面向数字化车间的工业大数据研究与开发
这是一篇关于数字化车间,梯度增强,深度学习,RUL预测,工业大数据的论文, 主要内容为随着数据采集技术和传输技术的发展,数字化车间的各种数控装备采集的数据量正以惊人的速度增长。近几年蓬勃发展的大数据技术遇上了萌芽中的智能制造,使得工业大数据如何为智能制造提供服务,传统大数据技术应用于工业大数据的效果如何,成为工业大数据现阶段面临的问题。本文就这两个问题展开研究。文章首先分析了工业大数据的服务模式,然后针对数字化车间生产中数控装备和部件故障的排查和维修中面临的问题,着重研究了梯度增强算法和深度学习算法在数控关键部件剩余使用寿命(RUL)预测中的应用。本文的主要内容如下:(1)工业大数据的服务模式及微服务接口开发通过分析工业大数据来源、特点、现阶段面临的问题以及工业大数据与智能制造的关系,根据数字化车间的生产特点,结合网络物理系统,设计了模块化的工业大数据的服务模型,该模型包括采集、计算、服务和应用四大模块。并结合传统互联网的微服务化的方式,设计了工业大数据的微服务接口。(2)基于梯度增强算法的RUL预测方法研究以梯度增强算法为例,设计了用于数字化车间的刀具和轴承RUL预测模型,将整个过程分为了采集和分析预测两个阶段。描述了大数据分析算法在设备采集数据预处理、特征提取、特征选取以及模型训练的理论应用和分析过程,其中使用了小波变换的降噪方法和傅里叶变换与小波包变换的时频域分析方法。最后通过实验验证了GBDT和XGBoost两种梯度增强算法在数字化车间关键部件RUL预测的可行性和正确性。(3)基于深度学习算法的RUL预测方法研究通过分析输入时序对RUL预测的影响,引入了深度学习算法RNN、LSTM以及GRU,将它们与其他监督学习算法进行了对比,阐述了RNN如何将时间序列作为输入,以及LSTM和GRU如何改善RNN的梯度消失问题。然后设计了针对刀具和轴承的RUL预测的多对一双GRU层神经网络模型,并通过实验验证了GRU在RUL预测中的效果。
数字化车间工艺流程数据分析与重现系统的设计与实现
这是一篇关于数字化车间,OPC,数据分析,Hadoop,场景优化的论文, 主要内容为为了推动我国工业制造向智能化方向发展并结合实际应用,本文设计并实现了包括数字化车间设备数据采集、工艺数据处理分析展示以及数字化车间三维加工场景重现功能的数字化车间设备生产工艺数据的分析展示平台,通过直观地展示数据分析结果,并结合数字化车间生产场景的仿真回放,达到帮助优化生产决策的目的,进而提高对数字化车间的有效管理。本文在介绍了数字化车间发展现状的基础上,首先对数字化车间加工工艺流程数据分析和重现系统进行了总体设计,并着重介绍系统实现过程中涉及的OPC技术规范、Hadoop数据处理平台以及三维场景优化等关键技术,为后期的系统设计与实现提供理论基础。然后详细介绍数据采集、数据分析和场景重现三个子系统的设计与实现。针对数据采集子系统,基于OPC技术规范,设计与实现设备数据采集客户端;针对数据分析子系统,以Hadoop分布式文件系统作为底层文件系统,利用HBase直接操作底层数据,设计Map/Reduce计算模型分析数据,实现了在Hadoop分布式集群下对设备工艺数据的分析处理,分析结果直接在Web页面展示。研究了传统数据库和NoSQL数据库之间的数据迁移方案,完成了Oracle数据库和HBase数据库中数据的双向迁移。关于场景重现子系统,主要研究了三维场景交互原理和三维场景优化技术,实现了数字化车间场景的交互逻辑设计与实现,并采用LOD技术、遮蔽剔除技术以及LightMap技术进行场景优化,提出了一种基于着色器LOD的模型间平滑过渡方法,优化了LOD技术。最后,规范了子系统间数据交互方式和格式,实现了数据分析子系统和场景重新子系统间相互调起,实现了整个系统的集成。
面向数字化车间的工业大数据研究与开发
这是一篇关于数字化车间,梯度增强,深度学习,RUL预测,工业大数据的论文, 主要内容为随着数据采集技术和传输技术的发展,数字化车间的各种数控装备采集的数据量正以惊人的速度增长。近几年蓬勃发展的大数据技术遇上了萌芽中的智能制造,使得工业大数据如何为智能制造提供服务,传统大数据技术应用于工业大数据的效果如何,成为工业大数据现阶段面临的问题。本文就这两个问题展开研究。文章首先分析了工业大数据的服务模式,然后针对数字化车间生产中数控装备和部件故障的排查和维修中面临的问题,着重研究了梯度增强算法和深度学习算法在数控关键部件剩余使用寿命(RUL)预测中的应用。本文的主要内容如下:(1)工业大数据的服务模式及微服务接口开发通过分析工业大数据来源、特点、现阶段面临的问题以及工业大数据与智能制造的关系,根据数字化车间的生产特点,结合网络物理系统,设计了模块化的工业大数据的服务模型,该模型包括采集、计算、服务和应用四大模块。并结合传统互联网的微服务化的方式,设计了工业大数据的微服务接口。(2)基于梯度增强算法的RUL预测方法研究以梯度增强算法为例,设计了用于数字化车间的刀具和轴承RUL预测模型,将整个过程分为了采集和分析预测两个阶段。描述了大数据分析算法在设备采集数据预处理、特征提取、特征选取以及模型训练的理论应用和分析过程,其中使用了小波变换的降噪方法和傅里叶变换与小波包变换的时频域分析方法。最后通过实验验证了GBDT和XGBoost两种梯度增强算法在数字化车间关键部件RUL预测的可行性和正确性。(3)基于深度学习算法的RUL预测方法研究通过分析输入时序对RUL预测的影响,引入了深度学习算法RNN、LSTM以及GRU,将它们与其他监督学习算法进行了对比,阐述了RNN如何将时间序列作为输入,以及LSTM和GRU如何改善RNN的梯度消失问题。然后设计了针对刀具和轴承的RUL预测的多对一双GRU层神经网络模型,并通过实验验证了GRU在RUL预测中的效果。
数字化车间制造过程数据采集与智能管理研究
这是一篇关于数字化车间,制造过程,数据采集,数控设备,车间智能管理系统的论文, 主要内容为随着互联网技术、信息技术的不断更新,使得制造业向着智能化、信息化、数字化发展。数字化车间的建立是制造企业发展的趋势,对车间制造过程数据的实时采集,实现制造过程智能管理是实现数字化车间的基础。因此,本文研究开发了数字化车间制造过程数据采集与智能管理系统,为制造过程管控提供优化决策和支持,以提升企业生产车间管理水平、提高生产效率。本论文的主要研究工作如下:首先,对企业信息化管理的需求进行了分析,研究了制造物联特征和内涵,在制造物联体系架构的基础上,提出了数字车间制造过程智能管理技术架构。总结了数据采集方法和集成方式,根据“互联网+”协同制造、制造物联、云制造等新型制造模式,建立了制造过程数据管理模型和应用规划;针对某航天制造企业车间生产现状和系统需求,结合数字车间制造过程智能管理技术架构理论体系,建立了数据采集与智能管理技术架构,该架构由车间层、数据传输与处理层和管理层组成,阐述了各层之间的关系,对系统网络架构进行了设计,并选择了B/S结构作为软件架构。然后,研究了数控设备状态数据采集方法,实现了基于网口、串口、电器电路信号的三种方式对分布式异构数控机床进行数据采集,设计开发了不同采集方法的采集程序;设计了一种通用式异构分布式数控机床联网方案,选择了Modbus通信协议,实现了车间层与数据库服务器之间的数据交互,采用WebSocket技术实现了数控机床状态数据的实时传输,并对软件系统的功能模块进行了详细设计。最后,在以上研究的基础之上,进行了原型软件系统的开发,对数据库的功能进行了设计和实现,介绍了系统的开发和运行环境,对系统功能模块进行了测试,验证了系统的可信性和有效性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码项目助手 ，原文地址：https://bishedaima.com/lunwen/45054.html
