智能制造能力成熟度模型——工艺设计

2024-03-14 22:20

本文主要是介绍智能制造能力成熟度模型——工艺设计,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在工业设计领域,产品设计与工艺设计历来就分不开。产品设计是设计出想要的产品,通过设计软件和工具设计出2D或3D模型并进行展示。而工艺设计是从工程角度考虑如何按照产品设计模型来设计出加工工艺和流程。工艺设计是采用机械加工的方法改变毛坯的形状、尺寸、相对位置和性质使其成为合格零件的全过程。只有产品设计与工艺设计紧密配合、协同优化,工厂才能设计和制造出优秀的产品。

广义上讲,产品设计与工艺设计相互依赖,互为反馈;工艺设计需支持产品设计,实现产品设计确定的产品功能,同时反馈产品设计的不足;产品设计得考虑生产工艺的实现能力,确保产品能以适当的成本、交期和质量生产出来。

在智能制造能力成熟度模型中,工艺设计是贯穿设计与制造的一个重要环节,解决了产品怎么加工生产的问题,本文将围绕工艺设计做重点介绍。表1是工艺设计的能力成熟度要求:

表1 工艺设计能力成熟度要求

在产品设计过程中,与标准相关的包括技术条件、总图、原理图、技术设计说明书、设计审核报告等,与产品结构相关的有明细表、汇总表、修改通知单,以及安装、外形、包装图等,工艺设计过程根据产品设计信息确定工艺方案,包括产品零部件工艺路线、零件分工明晰表修改通知单,并形成各个单向的工艺卡片,比如工序卡、过程卡,并进行材料汇总、公式定额汇总等。

对现阶段企业,工艺设计主要面临三个方面的问题:

一是从客户图纸接收到工艺设计,再到作业指导书编制下发全部依靠人来执行,对工艺人员的技能水平要求较高,工艺设计质量主要依靠个人经验保证,差异性较大,设计过程缺乏有效管控。

二是工艺数据大部分基于图文档进行管理,企业技术、经验和知识不能有效积累和提炼,并通过数字化的方式进行应用和传承。在工艺设计过程中需要工艺人员结合工艺设计规范或工艺原则进行大量的查表和计算,导致工艺设计效率低,出错率高。

三是工艺设计与生产过程衔接不流畅,工艺执行主要依靠作业指导书或工艺卡对生产人员进行培训和指导,产品质量未实现过程控制,且事后跟踪难。

通过对智能制造能力成熟度要求进行梳理分析,能从中总结四个关键活动特征:即工艺设计方式、工艺数据管理与知识应用、仿真技术应用、协同设计与模式创新。

对于一级,要求企业建立工艺设计过程相关的规范,将基于工艺人员的设计经验转变为依据工艺设计规范进行,提升工艺设计的标准性和规范性。同时,要求企业建立规范化的管理制度来管理工艺文件签审、发布、保存和流转,但不要企业采用管理软件等信息手段。

对于二级,要求企业基于企业标准和规范开展计算机辅助工艺规划和工艺设计,基于典型产品或特征建立工艺模板,通过工艺模板的规范应用,推进工艺设计持续标准化,为企业技术知识总结、沉淀提供基础,并最终实现关键工艺设计信息的重用。此外,要求企业应对工艺设计进行专业化分工,在工艺设计过程中建立不同专业设计数据的关联性,可支持并行设计,并最终形成完整的工艺设计文件。

在做二级能力成熟度评估时,重点考察企业是否能借助CAPP系统解决传统人工工艺设计效率低、一致性差、质量不稳定以及不易达到优化的问题。二级要求企业为典型产品或特征建立工艺模板库,实现关键工艺设计的重用,并以此为基础推进工业设计的持续标准化以及建立不同专业设计数据的关联性。

在做三级能力成熟度评估时,重点考察企业的产品设计与工艺设计信息交互与并行协同能力。与二级相比,三级要求企业有专门的工艺设计管理系统,对工艺设计数据、流程,以及文档的结构化管理及数据共享。要建立工业设计知识库,包含生产过程数据、典型工艺方案和典型缺陷等关键要素,供工艺员随时查询和参考。

三级d条要求企业实现工艺设计与产品设计之间的信息交互、并行协同。即产品设计和工艺设计过程要体现出关联性,产品设计变更可以实时驱动工艺变更,同时通过信息系统传递到生产设备控制等下游环节。设计BOM驱动工艺BOM,而工艺BOM驱动制造BOM,这个过程是自动更新迭代。

三级c要求企业基于数字化模型实现制造工艺关键环节的仿真分析及迭代优化。理解就是,企业致力于实现面向制造的设计。在传统制造模式中设计与制造很多时候是分开的,产品设计好了,工艺路线设计出来了,然后下发到车间作业指导书,但很容易带来生产问题,有时候可能工艺设计路线并非最优,或者是工艺路线设计过于复杂导致加工困难等,都会拖长生产周期,带来更高的生产成本并无法保障产品的质量。这中间缺一步,即在开始设计时就要考虑产品的可制造性和可装配性等因素,要对设计信息的工艺性分析、制造合理性评价和改进设计的建议,使产品设计能更好地满足产品制造要求,具有良好的可制造性,使得产品以最低的成本、最短的时间、最高的质量制造出来。而最可行的方式就是通过数字化模型实现制造工艺关键环节的仿真分析及迭代优化。这也是三级的要求。

对于四级,要求企业从基于产品二维设计图纸的工艺设计转变为开始基于三维模型进行工艺设计,通过计算辅助三维工艺设计平台实现计算机辅助三维工艺设计,并实现涵盖工装模型、工具模型、设备模型等完整工艺模型定义,支持基于虚拟试生产的工艺设计。四级d要求基于工艺设计、生产、检验等系统的集成,形成产品信息、物料清单、工艺路线、工艺设计要求与生产作业等信息下发、执行、反馈、监控、优化等闭环控制,实现基于模型的工艺设计与制造协同,工艺设计的迭代优化。

对比三级,这里的要求不仅要实现工艺设计路线定义,还要涵盖与工艺生产相关的工装模型、工具模型、设备模型等定义,并支持虚拟试生产。理解起来就是,要实现基于三维模型的工艺全过程仿真分析,以及工艺的验证迭代和优化。目前,国内的美云智数就已经实现了基于虚拟现实技术、增强现实技术等实现基于沉浸式的交互仿真验证。

四级要求实现工艺知识库与工艺设计系统集成,工艺知识库转变为工艺知识专家库,实现基于工艺设计流程的工艺知识、经验应用,为工艺规划和设计提供支持。这里不再是工艺知识库,需要人去查找。而是在工艺设计过程中能根据不同的工艺设计需求实现工艺知识专家库的自动匹配和设计支持。比如在对某一产品进行工艺设计时,可能根据以往的工艺知识、经验应用自动推荐工艺设计规划文档和建议。

对于五级,要求企业基于工艺知识专家库,结合实时数据反馈自学习机制实现辅助工艺优化。以离散机加工为例,系统能够根据零部件自身特征基于工艺知识专家库自动推理出零件的加工工艺方案,工艺人员只需要进行审核和必要条件性的微调,工艺执行过程能够根据实时数据反馈的自学习实现在线动态优化。

此外,还要求企业实现基于产业链协同和云服务设计平台的即时工艺设计服务,工艺设计形成新的模式和业态。相当于形成行业工艺云协同设计平台,产业链上下游企业能基于云平台提供的工艺知识专家库进行更高效的工艺设计。

最后对工艺设计的等级特征做梳理总结:

一级:企业需制定工艺设计过程相关规范以及工艺文档或数据的管理机制,能够对工艺信息进行记录、查阅和执行。

二级:企业能基于计算机辅助开展工艺设计和优化,建立工艺模板实现关键工艺设计信息的重用。

三级:企业应用工艺设计管理系统以及关键环节的仿真分析,实现工艺设计数据的规范管理。

四级:企业基于模型的三维工艺设计和优化,通过工艺知识库的集成应用为工艺规划与设计提供决策支持;

五级:企业基于工艺知识库的集成应用辅助工艺优化,基于设计、工艺、生产、检验、运维等数据分析实现工艺设计的动态优化。

这篇关于智能制造能力成熟度模型——工艺设计的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/809895

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言