离散制造企业信息化应用关键技术

文/张星

1 引言

离散制造企业的生产系统包括两个组成部分，分别是人和物理系统，人可以利用机器操作车床，生产各种产品，完成生产制造任务。但是，随着企业分工的明确和合理，离散制造企业的每一个产品都可以划分为多个子任务，这些企业完成任务加工可以划分为多个环节，每一个环节完成一定的零部件设计和生产。因此，为了提高离散制造任务的管理水平，越来越多的企业开始引入信息化系统。离散企业信息化系统开发需要采用的技术也非常多，比如前台交换技术XML、服务器技术、数据库技术，同时集成离散制造设备需要传感器和物联网技术，开发离散制造软件需要SOA技术、人工智能技术等，这些都可以提高离散制造信息化水平。

2 离散制造企业信息化应用关键技术

离散制造企业目前已经引入了许多的信息化系统，比如生产计划管理系统、物流仓储管理系统、ERP系统、离散型车间生产过程监控管理系统等，这些都有效的提高了离散制造企业的信息化水平。离散制造企业信息化可以将所有的设备及工位联网管理，实现企业生产制造设备与设备、设备与服务器之间的通信，可以加强设备与工位员工之间的紧密联系，比如数控编程人员可以在计算机终端设备上编程，同时将编制完成的程序发送到DNC服务器，设备操作人员可以进行生产现场的通信控制，下载加工程序开展作业，等待任务完成之后就可以通过网络将数控程序传输至服务器，程序管理员或工艺人员归档程序，整个过程都是可以追溯的、网络化的，提高了生产效率。离散制造企业信息化系统应用关键技术也非常多，比如常用的人工智能技术、面向服务架构（SOA）、传感器、物联网等技术。

2.1 人工智能

人工智能是一个非常重要的应用技术，其是计算机技术发展到一定阶段的产物，人工智能关键技术很多，比如机器学习、计算机视觉、图像处理、模式识别、模糊数学等，人工智能利用这些技术可以模仿人们的思维，进一步完成人所不能干的复杂工作，并且具有较高的计算效率。离散制造企业利用人工智能开发的执行系统，可以完成人所不能够完成的工作，提高制造产品的精确度。

2.2 面向服务架构（SOA）

离散制造企业信息化系统采用了SOA技术，该技术可以实现一个面向对象的服务架构，提高信息化应用软件的开发便捷性。基于SOA架构可以实现网络通信功能、数据传输功能，还可以实现软件交互界面、Web信息处理、数据库服务处理的交互功能。SOA技术可以渲染和展示离散制造项目管理功能，包括项目计划、时间进度、执行过程、文档模板等，这些功能能够实现项目开发管理。项目管理软件采用SOA进行集成通信，提高服务器的应用水平，将处理结果封装完成反馈给客户机。

2.3 传感器

传感器是一种数据采集和感知设备，其集成了高精度的芯片、电路技术，同时结合不同的应用场所融合应用归纳，比如二氧化碳电化学技术等，可以感受周围的被测量环境的信息，并且将这些信息转换为电信号或其他信号输送给服务器，能够实现信息的加工、处理、存储和显示。传感器具有很多的应用特点，比如数字化、网络化、微型化、系统化和智能化，实现了自动采集数据和自动控制等功能。传感器的发展能够让各种物体都有了味觉、触觉和嗅觉，让世界变得更加信息化，常用的传感器包括光敏元件、湿敏元件、气敏元件、声敏元件、色敏元件等，这些都可以提高离散制造企业信息化应用水平，每一个复杂的工程系统都可以使用传感器进行操作。

2.4 物联网

物联网是传统互联网和电信网络的扩展，能够利用ZigBee通信协议实现万物互联互通，集成各种信息传感设备，形成一个巨大的网络，能够随时随地的实现人、物、机互相通信。物联网目前主要在工业控制、环境监测等领域中得到应用，其与传统的互联网存在较大的不同，物联网可以实现物与物、人与物之间的通信，能够利用传感器集中对信息内容进行采集和控制，因此物联网在离散制造企业可以得到很好地应用，其可以针对每一个制造设备进行管控，加强制造设备控制的灵活性与智能性。

3 离散制造企业信息化应用技术发展趋势

离散制造企业设计制造过程中，采购的原材料和半成品非常多，因此需要对设备进行采购、入库、出库、盘点、报废和运维等多个环节的操作，这些操作还涉及到与其他的应用软件进行结合，共享离散制造企业数据资源，因此为了能够提高历史数据的可用性，需要引入更多的机器学习技术，以便能够从海量的离散制造数据中挖掘潜在的、有价值的知识内容，这些知识内容的获取可以采用回归分析、Apriori算法、K-means算法等，能够为离散制造企业提供强大的数字处理支撑，进一步提高离散制造企业信息化智能化水平。

3.1 回归分析

回归分析能够有效的反映离散制造企业信息之间的时间特征数据信息，将这些信息关联到每一个数据项，同时采用先进的映射函数，将这个函数实现预测变量值，发现数据变量或属性之间的相互依赖关系，进一步发现数据信息的趋势特征，更有效的准确预测趋势时间序列，提高离散制造企业信息处理技术应用的准确度和鲁棒性。回归分析可以提高信息技术应用的线性规划能力，比如将其应用到离散制造企业任务子序列划分过程中，回归分析就可以提高编码序列的准确度，进一步为离散制造企业信息化提供帮助。

3.2 Apriori算法

Apriori算法可以描述离散制造企业数据集中每一个数据项之间的关系，也即是如果某一个事件发生可能会引起其他事件一同发生，这种关系隐藏在数据中。经过多年的研究，Apriori算法已经在离散制造企业信息处理中得到了极大的改进，引入了许多先进的技术，比如遗传算法、梯度算子、模拟退火等，提高了离散制造企业信息关联规则发现的准确度和高效率。

3.3 K-means算法

K-means算法不需要已知离散制造企业数据信息任务的类别，采用无监督的学习方式，自动的发现数据集中潜在的类别信息，针对这些数据进行分类操作，确保数据不同类别的相似性尽可能的小，同一类别中的数据相似度保持较高。K-means算法由于具有简单性、无监督性，也在很多信息加工和处理领域得到广泛应用，比如搜索引擎、基因序列识别、推荐系统等，因此其可以大大的提高离散制造企业信息的挖掘和分析能力，帮助离散制造企业构建一个强大的应用服务支撑。

4 结束语

离散型企业制造的产品定制化程度高，零部件加工工艺和设备种类非常多，因此控制离散型制造企业产品质量就显得非常重要。离散型企业为了管控产品质量和生产加工效率，目前已经引入了许多的信息化系统，也引入了很多的关键技术，比如传感器、物联网、人工智能、SOA技术等，未来将会根据制造产品的实际需求，引入更多的先进机器学习技术，比如深度学习、支持向量机等，进一步提高智能化水平和产品制造精确度。