智能生產(chǎn)系統(tǒng)控制及優(yōu)化

第1章  制造業(yè)數(shù)字化轉型  001～018
1.1 制造業(yè)數(shù)字化轉型內(nèi)涵 002
1.2 國內(nèi)制造業(yè)數(shù)字化轉型現(xiàn)狀 003
1.2.1 數(shù)字化轉型的進程 003
1.2.2 數(shù)字化轉型對制造業(yè)的經(jīng)濟價值 007
1.2.3 數(shù)字化轉型的制造業(yè)成熟度 008
1.2.4 數(shù)字化轉型的地區(qū)態(tài)勢 010
1.3 國外制造業(yè)數(shù)字化轉型進展 011
1.3.1 美國制造業(yè)數(shù)字化轉型現(xiàn)狀 011
1.3.2 日本制造業(yè)數(shù)字化轉型現(xiàn)狀 012
1.3.3 德國制造業(yè)數(shù)字化轉型現(xiàn)狀 012
1.3.4 歐盟制造業(yè)數(shù)字化轉型現(xiàn)狀 013
1.4 制造業(yè)數(shù)字化轉型關鍵技術 013
1.4.1 關鍵數(shù)字化技術 014
1.4.2 數(shù)字化技術與制造業(yè)的關系 015
1.5 本章 小結 016
參考文獻 017
第2章 生產(chǎn)系統(tǒng)過程自動化  019～068
2.1 生產(chǎn)系統(tǒng)過程自動化概述 020
2.2 加工過程自動化 022
2.2.1 加工過程自動化簡介 022
2.2.2 加工過程自動化發(fā)展歷程 023
2.2.3 加工過程自動化國內(nèi)外發(fā)展對比 024
2.2.4 加工過程自動化企業(yè)應用案例 026
2.2.5 加工過程自動化工業(yè)應用現(xiàn)狀與發(fā)展趨勢 032
2.3 產(chǎn)品組裝自動化 034
2.3.1 產(chǎn)品組裝自動化簡介 034
2.3.2 產(chǎn)品組裝自動化現(xiàn)狀與面臨的挑戰(zhàn) 035
2.3.3 產(chǎn)品組裝自動化企業(yè)應用案例 037
2.3.4 產(chǎn)品組裝自動化應用現(xiàn)狀總結與發(fā)展趨勢 039
2.4 物流運輸自動化 041
2.4.1 物流運輸自動化簡介 041
2.4.2 基于SLAM的室內(nèi)定位導航 043
2.4.3 AGV任務調(diào)度 044
2.4.4 AGV路徑規(guī)劃 046
2.4.5 AGV沖突避免 048
2.5 人工智能技術在生產(chǎn)系統(tǒng)過程自動化中的應用 049
2.5.1 深度學習 049
2.5.2 強化學習 052
2.5.3 遷移學習 054
2.6 邊緣計算技術在生產(chǎn)系統(tǒng)過程自動化中的應用 055
2.6.1 邊緣計算發(fā)展歷程 056
2.6.2 邊緣計算應用概述 059
2.6.3 邊緣計算系統(tǒng)架構 061
2.6.4 邊緣計算工業(yè)應用場景 064
2.7 本章 小結 065
參考文獻 066
第3章 智能生產(chǎn)數(shù)字化信息系統(tǒng)  069～107
3.1 智能生產(chǎn)數(shù)字化信息系統(tǒng)概述 070
3.1.1 定義與功能 070
3.1.2 關鍵技術 071
3.1.3 基本步驟與特點 072
3.2 智能生產(chǎn)數(shù)字化信息系統(tǒng)架構 073
3.2.1 研究歷史 073
3.2.2 主要組成部分 074
3.2.3 主要層次架構 074
3.3 企業(yè)資源計劃（ERP） 075
3.3.1 研究現(xiàn)狀 076
3.3.2 功能與簡介 077
3.3.3 實施過程 078
3.3.4 新興技術對ERP的影響 079
3.3.5 ERP案例 080
3.4 制造執(zhí)行系統(tǒng)（MES） 084
3.4.1 MES基本框架與技術 084
3.4.2 MES研究現(xiàn)狀 086
3.4.3 MES與ERP對比 087
3.4.4 MES功能與特性 089
3.4.5 MES案例 090
3.5 統(tǒng)計過程控制（SPC）系統(tǒng) 095
3.5.1 SPC主要步驟 096
3.5.2 統(tǒng)計方法 097
3.5.3 SPC案例 100
3.6 本章 小結 106
參考文獻 106
第4章 制造系統(tǒng)虛擬量測技術  108～159
4.1 虛擬量測概述 110
4.2 多階段虛擬量測功能架構 117
4.2.1 多階段虛擬量測功能架構組成部分 119
4.2.2 多階段虛擬量測功能架構分類 121
4.3 基于智能方法的虛擬量測技術 126
4.3.1 數(shù)據(jù)預處理 127
4.3.2 預測建模 129
4.3.3 漂移檢測 131
4.3.4 采樣決策系統(tǒng) 132
4.3.5 模型實時更新 133
4.3.6 模型適應性 134
4.3.7 虛擬量測系統(tǒng)功能擴展 134
4.4 虛擬量測技術在實際場景中的應用 135
4.4.1 半導體制造領域中的應用 136
4.4.2 過程系統(tǒng)工程中的應用 137
4.4.3 其他領域中的應用 140
4.4.4 具體應用實例 142
4.4.5 發(fā)展趨勢分析 148
4.5 本章 小結 150
參考文獻 151
第5章 生產(chǎn)系統(tǒng)預測性維護與健康管理  160～188
5.1 生產(chǎn)系統(tǒng)預測性維護與健康管理概述 162
5.1.1 基于物理模型的PHM方法 163
5.1.2 基于數(shù)據(jù)驅動的PHM方法 164
5.2 基于因果圖的異常診斷 165
5.2.1 基于因果圖的異常診斷概述 165
5.2.2 MResGAT故障診斷模型 165
5.2.3 基于因果圖的異常診斷實驗設置與結果分析 168
5.2.4 基于因果圖的異常診斷小結 171
5.3 基于因果圖的剩余使用壽命預測 172
5.3.1 基于因果圖的剩余使用壽命概述 172
5.3.2 基于多級小波分解的特征提取方法 172
5.3.3 基于圖注意力網(wǎng)絡的剩余使用壽命預測 173
5.3.4 基于因果圖的剩余使用壽命實驗設置與結果分析 174
5.3.5 基于因果圖的剩余使用壽命小結 177
5.4 基于模糊邏輯的維護決策優(yōu)化 178
5.4.1 基于模糊邏輯的維護決策優(yōu)化概述 178
5.4.2 航空發(fā)動機問題建模 178
5.4.3 維護決策優(yōu)化算法 180
5.4.4 基于模糊邏輯的維護決策優(yōu)化實驗設置與結果分析 182
5.4.5 基于模糊邏輯的維護決策優(yōu)化小結 186
5.5 本章 小結 186
參考文獻 187
第6章 智能生產(chǎn)過程調(diào)度與優(yōu)化  189～259
6.1 生產(chǎn)過程調(diào)度問題的分類、性能指標及求解方法 190
6.1.1 生產(chǎn)過程調(diào)度問題的分類及描述 190
6.1.2 生產(chǎn)過程調(diào)度問題的性能指標 196
6.1.3 生產(chǎn)過程調(diào)度問題的求解方法 198
6.2 基于進化算法的生產(chǎn)過程調(diào)度與優(yōu)化問題 201
6.2.1 優(yōu)化問題描述 201
6.2.2 遺傳算法 202
6.2.3 差分進化算法 213
6.2.4 粒子群算法 219
6.2.5 蟻群算法 222
6.2.6 人工蜂群算法 225
6.2.7 注塑車間調(diào)度案例 228
6.3 基于目標驅動的閉環(huán)優(yōu)化問題 234
6.3.1 狀態(tài)-性能預測模型 235
6.3.2 狀態(tài)&參數(shù)-性能優(yōu)化模型 238
6.3.3 半導體制造車間調(diào)度案例  241
6.4 基于協(xié)作進化算法的大規(guī)模優(yōu)化問題 248
6.4.1 大規(guī)模單目標進化優(yōu)化算法  249
6.4.2 大規(guī)模多目標進化優(yōu)化算法  250
6.4.3 協(xié)作進化優(yōu)化算法  252
6.4.4 基于計算資源分配的選擇性生物地理學優(yōu)化算法 252
6.4.5 基于泛化 Pareto 支配的改進競爭粒子群優(yōu)化算法 256
6.5 本章 小結 257
參考文獻 257
第7章 發(fā)展趨勢與展望 260～281
7.1 AI賦能制造業(yè) 262
7.1.1 智能算法 262
7.1.2 大語言模型 263
7.1.3 3WD理論 265
7.1.4 人機混合智能 266
7.2 智能生產(chǎn)數(shù)字化信息系統(tǒng) 267
7.3 制造系統(tǒng)虛擬量測技術 272
7.4 生產(chǎn)系統(tǒng)健康管理技術未來趨勢 277
參考文獻 281