智能制造技术在机载武器制造中的应用

晋严尊 王中一 汤辉 朱小勇

摘 要：为提升机载武器企业生产效率和产品质量， 对机载武器智能制造技术进行了应用研究。 本文首先对国外先进机载武器企业智能制造发展现状进行了分析， 然后根据机载武器生产特点， 结合其对智能制造的要求， 提出了机载武器智能制造的整体架构， 并对架构中智能管控、 智能装备、 智能仓储物流等关键技术进行了研究。 智能制造技术的应用， 可推动机载武器生产企业的转型升级和创新发展。

关键词：     航空装备; 机载武器; 智能制造; 数字孪生; 智能管控; 智能装备; 智能仓储物流

中图分类号：TJ760; V260.6  文献标识码：    A  文章编号：     1673-5048（2021）06-0001-06

0 引  言

机载武器是指从飞机上投射用于攻击战术目标的武器装备[1]。 作为最直接的空中打击力量， 机载武器对于掌控空中优势和实现防空压制都具有十分重要的作用[2]。

机载武器虽然外形尺寸较小， 但功能强大、 结构复杂。 由于其内部空间狭小， 装调难度大， 传统的机载武器生产多以手工操作为主， 效率低、 质量一致性差。 近年来， 随着智能制造技术的蓬勃发展， 机载武器行业也相继开展了先进制造技术的研究和应用， 已初步形成数字样机、 异地协同、 数字化制造的产业发展模式， 一些重点企业通过技术改造配备了大量的高、 精、 尖设备及软件系统， 使得研制手段、 单道工序和单台设备的效能得到了一定提升， 但是现有的“重节点、 轻过程”的粗放式生产组织模式和以人工管控为主的运行管控手段， 无法从根本上解决装备制造产能优化、 产业链协同的问题， 不能充分发挥先进生产设备及软件工具的综合优势[3]， 严重制约了机载武器装备的研制生产能力， 难以满足快速响应、 高质量交付的发展需求。

国外领先的机载武器生产厂商雷神、 欧洲导弹集团（MBDA）等公司已通过流程再造、 模式创新， 开启了数字化转型之旅， 数字化、 智能化转型已经成为先进机载武器企业的共性战略， 并已付诸实施。 面对新的内、 外部环境形势， 在机载武器领域大力开展智能制造技术研究和应用， 在传统制造技术基础上发展先进制造技术， 打造支撑现代制造业的骨架和核心， 将成为提高设计、 制造和管理水平， 保障型号研制[4]， 促进机载武器行业跨越式发展的必然选择。

1 机载武器智能制造发展现状

智能制造是基于物联网、 大数据、 云计算等新一代信息技术， 贯穿于设计、 生产、 管理、 服务等制造活动的各个环节， 具有信息深度感知、 智慧优化自决策、 精准控制自执行等功能的先进制造过程、 系统与模式的总称[5]。

在新一轮科技革命和产业变革的大背景下， 以数字化、 网络化、 智能化为特点的智能制造已成为未来发展趋势[6]。 “中国制造2025”、 “德国工业4.0”、 “美国工业互联网”等制造业国家战略， 均旨在构建自身的智能制造体系， 特别是新一代信息技术与制造业的深度融合， 将促进制造模式、 生产组织方式和产业形态的深刻变革[7]， 改变全球制造业的发展格局。

智能制造作为企业转型升级的重要抓手， 已经引起机载武器企业的高度重视。 以雷神公司为例， 其采用敏捷制造模式改进生产过程， 大幅提高了生产效率。 雷神公司将虚拟现实技术融入研发设计和制造过程中， 建立了沉浸式设计中心， 在沉浸式虚拟现实显示系统（CAVE）的三維仿真中完成产品设计、 虚拟装配及工厂布局规划等工作，  实现了产品从设计向制造的无缝过渡。  依靠强大的视觉体验， 生产人员可协助完成产品设计优化， 在实际试制和生产中可以一次成功完成零件和产品的加工制造。

为提升装配效率， 降低误差， 雷神公司开发了能够满足导引头生产要求的工业机器人加工系统， 如图1所示。 该系统采用六轴机器人， 实现高精度重复装配工作。 机器人的末端执行器还配备视频检测系统， 能够在导引头安装中不断校准误差， 保障产品的精细化装配效果。

雷神公司的红石兵工厂是基于“物联网”的智能化总装厂， 大量使用工业机器人和人工智能技术， 通过物联网和生产数据管理， 实现导弹舱段的自动化转运、 托举、 对接等， 如图2所示， 大幅提高了生产效率， 缩短制造和测试周期。

雷神公司采用MBSE（基于模型的系统工程）技术开发了一个全新的小型空间产品制造车间， 并用于一个 6U CubeSat的制造。 航天器和车间同步设计的复杂性， 使得基于文档的系统工程方法效率低下、 不具实用性。 采用 MBSE 技术能够快速进行权衡分析， 使车间改造/产品设计优化更具成本效益。 工作过程中， 所有相关人员（如利益方、 设计方、 实践方、 验收方等）都能够着眼于达成共识的系统模型， 在系统工程活动全阶段（需求分析、 结构分析、 功能分析、 性能分析、 仿真验证）都能不断利用该模型来指导工程， 也不断通过工程实践的反馈， 来维护更新模型， 使模型与工程并行前进。

此外， 欧洲导弹集团（MBDA）也将智能制造技术运用于导弹数字化总装生产中， MM40“飞鱼”3反舰导弹及“紫苑”15舰空导弹装配工作站均实现了数字化， TRIGAT_LR对地导弹采用机器人代替低速转台进行自动测试。

2 机载武器智能制造技术应用

国内机载武器企业智能制造尚处于起步阶段， 相比于国外先进企业， 仍有较大差距。 “十三五”开始， 国内机载武器企业积极响应国家智能制造要求， 大力推进智能制造技术探索与应用， 促进了企业转型升级和创新发展。

2.1 智能制造整体架构

根据机载武器生产特点， 结合其对智能制造的要求， 初步形成了具有机载武器特色的智能制造架构模型， 如图3所示。 该架构模型提出了面向企业管理、 执行、 控制等层面建立具有“动态感知、 实时分析、 自主决策、 精准执行”特征的智能制造系统， 打通产品研制生产的设计、 制造、 试验和管理的智能处理流程， 形成全局推进和协同发展的制造新模式[8]。

机载武器智能制造整体架构共分五个层级， 管理层是整个架构的中枢神经[9]， 通过统一的运营管控平台对执行层的各个管理系统进行调度; 执行层接收管理层的指令， 并向管理层反馈当前的状态， 利用大数据平台提供的经过整理和分析的数据进行计划、 任务、 供应链、 质量等过程管理; 控制层主要通过传感器、 视觉、 总线等技术， 采集和控制机床、 机器人、 检测设备、 试验设施等的状态或数据， 实现制造过程中硬件控制和各类数据的实时自动采集、 汇聚形成制造大数据， 为构建信息物理系统奠定基础; 设备层是智能制造的核心， 通过数控加工、 自动装配、 测试、 检验、 仓储、 物流等设备执行具体的控制指令和操作动作， 完成相应的制造任务; 网络层是基础架构， 是连接设备与设备、 设备层与控制层的桥梁， 通过网络基础建设构建智能制造的基础硬件条件。

按照智能制造整体架构开展智能制造的推进及建设。 在管理层和执行层， 重点建设智能管控条件， 利用所有制造资源和流程全面实现数字化， 应用智能制造以及供应链协同等平台， 保证在有限能力条件下提高生产效率; 构建统一的运营管控平台， 探索自执行、 自适应、 自决策等智能制造技术在基于统一数字化制造模式条件下的应用。 在设备层， 重点建设智能装备和智能仓储物流条件， 应用先进制造技术构建自动化工位和产线， 实现人机协同， 最大限度发挥生产能力。 在网络层和控制层， 重点建设工控网， 通过基础网络和采集条件建设， 实现产线、 工装、 物料、 人员等制造要素数据的全面集成。

2.2 智能管控

管理层和执行层主要聚焦在智能管控条件建设方面。 围绕机载武器生产线和精益生产体系的设计、 运行和持续改进需求， 采用精益生产和数字化转型方法， 建设基于工业互联网技术架构的数字化精益生产协同管理平台， 通过变革以“职能”为主的生产组织架构和以“局域协同”为主的生产管理模式， 形成以数字化产线为标志的精益生产组织架构和以“全域协同”为特征的生产管理体系， 满足机载武器的生产需求。

2.2.1 数字化精益协同

在管理层构建产品统一数据中心与业务协同平台、 数字化组织协同平台， 为产线经营者提供产品/产线/流程等产线模型和经营画像、 产线关键指标信息和产线异常及风险预警信息， 实现对产线经营情况的实时、 准确管控和异常情况的快速处置; 同时， 数据共享并强化其在业务流转时的一致性、 准确性， 消除信息孤岛及业务孤岛， 使生产业务活动相关数据标准化， 并极大共享化。

在供应链协同方面， 主要为企业外部供应商的选择、 准入、 监督与控制、 评价与培养以及与外部供应商之间的业务数据传递与问题协调， 提供统一的信息化管理环境， 以实现对外部供应商的规范化、 精细化管理， 进而为生产任务提供合格的外部供应商资源， 提升企业与供应商之间的业务协同效率。

2.2.2 产线运行管控

在产线运行监控方面， 构建生产能力全景建模与运行监控系统。 一方面针对产线开展各类生产资源的模型化定义， 并在此基础上对产线生产能力及外协/外购单位配套能力进行统一的模型化、 标准化定义， 形成企业生产能力全景视图， 进而为精准的生产排产提供基础数据支撑; 另一方面通过与各产线运行管控平台等进行集成， 获取各产线的实时运行数据， 构建层次化、 多维化呈现的虛拟产线， 进而实现以实时数据为驱动， 对产线的运行状态进行全景式、 全时域的呈现， 以及全要素、 全流程、 全业务的动态监控， 最终实现制造过程的闭环控制和实时优化调整[10]。

在计划管理方面， 面向产线提供高级计划排产与资源配置运算服务， 以推动数字化产线的均衡化、 高饱和运行， 缩短生产周期， 实现多订单和多型号共线生产目标。 计划管理系统可以配合任务管理系统， 开展全要素、 多约束条件下的生产计划制定、 精准作业排程及动态调整优化， 以保障企业从生产交付计划到车间级工序计划制定的科学化、 精细化及执行过程的高效化和协同化。

2.2.3 大数据分析与挖掘

通过数据分析和挖掘， 构建机载武器全生命周期智能质量追溯系统。 设计模型和三维工艺、 试验数据以及各种质量信息， 通过数据挖掘提供的分析功能最终链接到生产管理系统中， 由生产管理系统进行统一管理和调度。 通过生产管理系统以树型结构查询到单发产品全寿命周期的质量信息， 包括配套的每一个元件、 使用的工艺版本、 装配顺序、 装配人员、 日期、 试验数据、 关键过程的监控信息等， 通过系统提供的工具， 还可以对该产品某一项指标在整批产品中的分布， 对某一个元器件在一定时间范围内发生过的质量问题进行分类统计和大数据分析， 实现产品寿命周期内的全过程智能质量追溯。

通过大数据构建机载武器智能故障诊断系统。 依据设计要求建立全套故障模型和判别标准， 设计智能诊断程序， 利用诊断系统对产品的每个测试过程和结果进行智能管控。 一旦发现测试问题， 诊断系统及时给出诊断意见， 控制测试系统进行补充测试判别或向安灯系统发送报警信息， 提醒技术人员及时到场进行故障处理。 智能故障诊断系统可以大幅提高产品故障诊断的效率， 提高产品测试自动化程度。

2.3 智能装备

智能装备是先进制造技术应用的主要载体， 围绕机载武器装调、 试验、 检测过程， 采用机器人、 传感器、 机器视觉、 大数据等先进技术， 构建具有自动装配、 集约测试、 实时检测、 自主诊断等典型特征的智能装备。 主要建设的智能装备有： 基于自适应调整技术的弹体自动对接平台、 基于多线程并行测试技术的集中温控单元、 基于模式识别技术的装配检测平台等。

2.3.1 基于自适应调整技术的弹体自动对接平台

基于自适应调整技术的弹体自动对接平台由三坐标测量仪+Stewart六自由度浮动平台组成， 如图4所示。 Stewart 平台作为典型的并联机构， 能够实现空间六自由度的运动， 并且承载能力强、 精度高（无累积误差） [11]， 非常适用于大载荷、 高精度、 小工作空间的调姿运动[12]。 三坐标测量仪测量出所有特征点的坐标后， 将特征点的坐标信息传给数据管理系统， 计算出Stewart六自由度浮动平台的初始位姿和目标位姿， 并通过位姿反解算法（由动平台位姿反求出各驱动杆的长度） ， 将位姿信息转化为控制信息传递给控制系统， 再由控制系统驱动平台到达预定位姿， 包括俯仰、 偏航方向位姿调整，各舱段轴线重合后， 同轴度偏差不大于0.02 mm。

弹体各部分通过定位销与定位槽的配合实现径向位置限位， 完成各舱段轴线位姿调整， 此外， 还需要完成定位销与定位槽的对准， 定位槽外露于弹体表面， 但定位销位置因弹体漆层覆盖， 弹体表面不可见。 对接平台通过视觉装置采集定位销及定位槽图像， 其中定位槽的位置通过安装视觉辅助块间接采集， 图像采集完成后， 利用HAICON图像处理软件计算出定位销及定位槽之间的角度偏差。 平台各段卡环在驱动装置作用下对各舱段进行A轴（弹体轴线所在轴）调整， 保证对接端面的定位销和定位槽位置误差不超过±0.02 mm。

对接平台还安装有大量传感器， 可以实时采集机器人抓取力、 浮动平台运动轨迹、 对接力等关键参数， 同步构建数字孪生模型， 实现装配风险预测和预警。

2.3.2 基于多线程并行测试技术的集中温控单元

突破传统的设备架构， 采用模块成组和多通道并行测试技术构建分布式测试系统， 分时或同时完成多发产品的测试和试验， 大幅提升单台设备测试效率。 设备关键模块复用， 配合多套多通道板卡、 开关矩阵单元， 电控射频开关等接口模块， 满足多套产品串行或并行测试的需求， 大幅减少产线中专用测试设备的数量， 提高产线投资收益比。

多台设备组成的测试单元中， 突破传统一人一机或多人一机测试模式， 采用多线程并行控制和KVM（Kernel-Based Virtual Machine）技术构建集中温控单元， 实现多台设备的集中控制和少人值守， 如图5所示。 如利用工控网实现多台温箱和多台专用测试设备的互联互通， 通过管控系统实时采集温箱和设备状态， 根据温箱状态远程控制专用测试设备开机、 关机和自动测试， 利用远程操控系统可以实现测试资源的集中调度和控制， 并可以通过虚拟厂房以所见即所得的方式直观展示集中管控的场景， 测试中的故障可以自动进行预警。 另外， 对海量的设备运行、 任务数据进行深入挖掘， 可以获取反映设备以及产线运行态势的信息， 从不同角度展示设备任务执行、 运行维护的关键性量化指标（KPI）， 指导管理人员工作决策， 实现从被动管理向主动管理的转变[13]。

2.3.3 基于模式识别技术的装配检测平台

装配检测平台主要由图像处理服务器、 高性能图像采集设备、 图像采集工作台等组成， 如图6所示。

装配检测平台采用基于模式识别的视觉检测技术对装配过程中的装配对象进行智能检查。 检测时一般利用轻量化的图像目标检测工具， 针对关键检查步骤， 将现场待检产品实物状态与预先定义的模型进行比对， 校验工艺要求， 给予操作者结果提示， 并实时追踪目标位置。

利用基于模式识别的视觉检测技术对部组件关键装配过程和外观瑕疵进行实时在线检测， 检查内容包括缺漏提醒、 匹配检验及外观缺陷检查等。 通过视觉检测可以大幅减少人工评判的主观性差异， 更加客观、 可靠、 高效、 智能地评价产品质量， 同时提高生产效率和自动化程度， 降低人工成本[14]。

2.4 智能仓储物流

数字仓储系统是借助计算机技术、 物联网技术、 传感通信技术、 自动控制技术、 大数据技术、 人工智能技术和相应设备等， 对物品的进出库、 存储、 调拨、 分拣、 盘点、 包装、 配送等仓库作业， 进行高效操作和精确管理的数字化系统[15]， 具备可视化、 可追溯、 可集成、 智能化决策等特征[16]。

采用数字仓储、 自动配送、 大数据AI调度等技术， 建立满足产能需求的高效、 精准、 自动仓储物流系统， 有效提高物流周转效率、 大幅降低人工成本， 实现物料的自动化存储和装配件/工具配送、 数字化管理、 全过程智能动态调度， 使得整个物流全过程高效协同脉动， 适应动态、 复杂、 多样化业务场景。

仓储及物流设计基于混合整数规划模型对多行设备布局进行建模， 以物流运输量最小为目标， 通过决策变量判断设备的位置和设定相关约束条件。 在求解模型的过程中， 采用轻量化技术将模型导入仿真软件， 基于交互法设计求解流程， 得到每个站位搬运次数占比。 物流采用区段式流动拓扑SFT（Segment Flow Topology）的AGV（Automated Guided Vehicle）设计， 改善了传统设计中多辆AGV在狭小空间内拥挤、 堵塞的缺陷， 并具备最短路径、 双向模式、 系统稳定等特点。 采用智能算法实现AGV小车路径最短、 转向次数最少的仿真设计， 对AGV路径规划问题得到的Pareto解集按价值流优中取优。

3 机载武器智能制造发展趋势

随着工业机器人、 大数据和人工智能等智能制造技术的快速发展， 机载武器制造将向着高度柔性化、 智能化和网络化方向飞速迈进。

产线设计将更加柔性化。 为适应攻击模式的多样性， 未来机载武器生产多品种、 小批量的特点将更加凸显。 采用工业机器人、 边缘计算等技术借助软件对硬件功能进行灵活定義， 可以推动产线各功能模块标准化可互换、 模块化可重构， 实现产线的高度柔性化。

制造過程将更加智能化。 通过传感器对生产过程工装、 设备、 物料、 人员、 产品等生产状态信息进行全面采集和整理， 构建孪生模型， 结合行业知识图谱利用云计算、 大数据分析等技术， 对采集的多源异构数据进行深度挖掘和分析， 构建可视化管控中心， 利用智能算法自动形成产线运行过程状态的快速求解和系统健康状态的多维度评价指标体系， 再通过在线或离线分析对工艺指令进行迭代优化， 指导工艺装备生产状态调整、 保证产线平稳连续运行， 实现产品制造过程中异常事件的自主响应和制造绩效偏离的快速修复， 推动机载武器企业制造过程的智能化飞跃。

制造协同将更加网络化。 随着产品功能需求的不断攀升， 机载武器制造跨地域协同、 跨厂所协同将成为常态， 供应链向多领域延伸、 配套厂商不断增多， 将大幅增加供应链管理和制造协同的难度。 利用混合云、 区块链、 工业互联网等技术构建任务进度、 资源使用和扰动时间的动态模型， 对各个供应商完成生产计划趋势进行预测， 实现自主调度， 支撑全价值链的数字主线链接及数据流动， 建立新型协同模式， 将实现跨地域、 跨厂所、 多层次网络化协同制造。

4 结 束 语

按照机载武器智能制造整体架构， 应用智能管控、 智能装备、 智能仓储物流等关键技术， 某机载武器企业构建了具有一定柔性、 较高效率的数字化产线， 有效压降了人员需求， 提高了产品质量。

该企业智能制造的发展情况也代表了国内机载武器企业智能制造的发展水平， 相比国外先进企业， 仍有较大差距。 国内机载武器企业必须客观分析当前面临的机遇和挑战， 结合自身发展需求， 积极开展加密无线通讯、 数字孪生、 边缘计算等智能制造新技术研究， 推动国内机载武器企业智能制造转型升级和跨越式发展。

参考文献：

[1]  《空军装备系列丛书》编审委员会. 机载武器[M]. 北京： 航空工业出版社， 2008.

Editorial Board of Air Force Equipment Series. Airborne Weapon[M]. Beijing： Aviation Industry Press， 2008.（in Chinese）

[2] 范晋祥， 陈晶华. 美军机载武器的新发展[J]. 航空兵器， 2020， 27（5）： 13-22.

Fan Jinxiang， Chen Jinghua. New Development of American Airborne Weapons[J]. Aero Weaponry， 2020， 27（5）： 13-22.（in Chinese）

[3] 单继东， 曹增义， 王昭阳. 航空发动机制造企业智能工厂建设[J]. 航空制造技术， 2018， 61（15）： 70-77.

Shan Jidong， Cao Zengyi， Wang Zhaoyang. Smart Factory Construction Research of Aero-Engine Manufacturing Enterprises[J]. Aeronautical Manufacturing Technology， 2018， 61（15）： 70-77.（in Chinese）

[4] 孟震威， 秦新冰. 智能制造在航空发动机企业的探索与实践[J]. 智能制造， 2017（7）： 29-34.

Meng Zhenwei， Qin Xinbing. Exploration & Practice of Intelligent Manufacturing in Aero Engine Enterprises[J]. Intelligent Manufacturing， 2017（7）： 29-34.（in Chinese）

[5] 韦莎. 智能制造系统架构研究[J]. 信息技术与标准化， 2016（4）： 50-54.

Wei Sha. Research on Intelligent Manufacturing System Architecture[J]. Information Technology & Standardization， 2016（4）： 50-54.（in Chinese）

[6] 刘世磊. 三一重工： 打造中国本土工业物联网开放平台[J]. 中国工业评论， 2016（8）： 84-88.

Liu Shilei. SANY Heavy Industry： Build the Open Platform of Domestic Industrial Internet of Things in China[J]. China Industry Review， 2016（8）： 84-88.（in Chinese）

[7] 牟海望， 李晋. 基于互联网+的新型工业生态体系构建策略研究[J]. 电信工程技术与标准化， 2017， 30（6）： 8-11.

Mou Haiwang， Li Jin. The Construction Strategy Study of New Industrial Eco System Based on Internet+[J]. Telecom Engineering Technics and Standardization， 2017， 30（6）： 8-11.（in Chinese）

[8] 向恒. 浅析智能制造在航空航天制造业的应用[J]. 智能制造， 2018（6）： 40-42.

Xiang Heng. Analysis of Intelligent Manufacturing Application on Aerospace Manufacturing[J]. Intelligent Manufacturing， 2018（6）： 40-42.（in Chinese）

[9] 岳兆娟， 秦智超， 李俊， 等. 面向天地一體化信息网络的在轨信息处理机制设计[J]. 中国电子科学研究院学报， 2020， 15（6）： 580-585.

Yue Zhaojuan， Qin Zhichao， Li Jun， et al. Design of In-Orbit Processing Mechanism for Space-Earth Integrated Information Network[J]. Journal of China Academy of Electronics and Information Technology， 2020， 15（6）： 580- 585. （in Chinese）

[10] 隋少春， 许艾明， 黎小华， 等. 面向航空智能制造的DT与AI融合应用[J]. 航空学报， 2020， 41（7）： 624173.

Sui Shaochun， Xu Aiming， Li Xiaohua， et al. Fusion Application of DT and AI for Aviation Intelligent Manufacturing[J]. Acta Aeronautica et Astronautica Sinica， 2020， 41（7）： 624173.（in Chinese）

[11] Park H E， Kim Y R. Relative Navigation for Autonomous Formation Flying Satellites Using the State-Dependent Riccati Equation Filter[J]. Advances in Space Research， 2016， 57（1）： 166-182.

[12] 温晶晶， 刘承骛， 吴斌， 等. 基于Stewart平台的导弹舱段自动对接方法研究[J]. 弹箭与制导学报， 2017， 37（5）： 47-51.

Wen Jingjing， Liu Chengwu， Wu Bin， et al. Study on Auto-Docking Method of Missile Cabins Based on Stewart Platform[J]. Journal of Projectiles， Rockets， Missiles and Guidance， 2017， 37（5）： 47-51.（in Chinese）

[13] 郑建军， 邓剑锋， 孙攀， 等. 航天地面设备集中管控技术研究[C]∥第十一届中国卫星导航年会论文集， 2020： 22-27.

Zheng Jianjun， Deng Jianfeng， Sun Pan， et al. Research On Centralized Control Technologies for Space Ground Station Equipment[C]∥The 11th China Satellite Navigation Conference Proceedings， 2020： 22-27. （in Chinese）

[14] 朱云， 凌志刚， 张雨强. 机器视觉技术研究进展及展望[J]. 图学学报， 2020， 41（6）： 871-890.

Zhu Yun， Ling Zhigang， Zhang Yuqiang. Research Progress and Prospect of Machine Vision Technology[J]. Journal of Graphics， 2020， 41（6）： 871-890.（in Chinese）

[15] 刘军， 赵东杰， 徐燕. 基于物联网的仓储管控一体化系统实现路径[J]. 中国流通经济， 2018， 32（7）： 20-26.

Liu Jun， Zhao Dongjie， Xu Yan. The Research on the Realization Path of Integrating Control and Management for Warehouse Based on IOT[J]. China Business and Market， 2018， 32（7）： 20-26.（in Chinese）

[16] 姜大立， 林萍， 胡瑞鹤. 面向智能制造的数字仓储系统设计[J]. 包装工程， 2021， 42（5）： 255-260.

Jiang Dali， Lin Ping， Hu Ruihe. Design of Digital Warehousing System for Intelligent Manufacturing[J]. Packaging Engineering， 2021， 42（5）： 255-260.（in Chinese）

Application of Intelligent Manufacturing on

Airborne Weapon Production

Jin Yanzun*， Wang Zhongyi， Tang Hui， Zhu Xiaoyong

（China Airborne Missile Academy， Luoyang 471009， China）

Abstract： In order to promote the production efficiency and quality of the product in airborne weapon manu-facturer， the application of the airborne weapon intelligent manufacturing is studied. Firstly， the development of foreign advanced airborne weapon manufacturers on intelligent manufacturing is analyzed in this paper， and then through the analysis on both the characteristics of airborne weapon production and its requirements on intelligent manufacturing， the overall structure of intelligent manufacturing on airborne weapon is advanced， furthermore， key technologies such as intelligent control， intelligent equipment， intelligent storage and logistics are studied as well. These technologies have already been applied in an airborne weapon company on production， which upgrades the company and improves its capability on innovation.

Key words：  aviation equipment; airborne weapon; intelligent manufacturing; digital twin; intelligent control; intelligent equipment; intelligent storage and logistics