智能制造中柔性生产的七大方面和两个要素

一、如何理解柔性制造

根据国标定义，柔性制造系统是数控加工设备、物料运储装置和计算机控制系统等组成的自动化制造系统。它包括多个柔性制造单元，能根据制造任务或生产环境的变化。

刚性生产系统是用于工件输送系统将各种刚性自动化加工设备和辅助设备按一定的顺序链接起来，在控制系统的作用下完成单个零件加工的复杂大系统。适合进行大批量生产，效率高、成本低、质量稳定、程序固化。

柔性制造系统则是建立在成组技术的基础上，由计算机控制的自动化生产系统，可同时加工形状相近的一组或一类产品。适合多品种、小批量的高效制造模式，减少毛坯和在制品的库存量，减少直接劳动力。

柔性生产的要求涉及七大方面。

第一，机器柔性。当要求生产一系列不同类型的产品时,机器随产品变化而加工不同零件的难易程度。譬如，非标终端设施的切换、控制程序自动下载更换。

第二，工艺柔性。工艺流程不变时自身适应产品或原材料变化的能力，譬如，基于强化学习的协作机器人、机器人夹爪力度传感器；制造系统内为适应产品或原材料变化而改变相应工艺的难易程度，譬如通过神经网络拟合原材料、工艺和质量之间的关联关系并确定最优解。

第三，产品柔性。产品更新或完全转向后,系统能够非常经济和迅速地生产出新产品的能力；产品更新后,对老产品有用特性的继承能力和兼容能力。譬如，模块化设计和装配。

第四，维护柔性。采用多种方式查询、处理故障,保障生产正常进行的能力。譬如，知识库的建立、预测性维护。

第五，生产能力柔性。当生产量改变、系统也能经济地运行的能力。对于根据订货而组织生产的制造系统, 这一点尤为重要。譬如，预留工位,循环流转工位和缓存工位。

第六，扩展柔性。当生产需要的时候, 可以很容易地扩展系统结构,增加模块,构成一个更大系统的能力。譬如，根据工艺流程，将生产流程分成不同的工位，在瓶颈工位处并行扩充才能。

第七，运行柔性。利用不同的机器、材料、工艺流程来生产一系列产品的能力和同样的产品, 换用不同工序加工的能力。

“什么系统柔性是最高的？”是“人”，所有的柔性都是在模仿“人”。“如果自动化可以做到跟人一样的兼容性，那么这条产线的柔性就意味着非常高了。”

如何满足各个环节的柔性？

首先是“感知”，这是人可以获取各种信息做判断的基础，集成各类传感器、机器视觉、测量设备等，产线有望获得感知。

其次是“分析”，对采集的数据实时处理，分析挖掘后形成知识。

再次是“决策”，所谓决策就是基于“知识”的生产管理对新的数据进行推理应用，产生相应生产决策数据或指令。

最后是“执行”，就是用工业机器人、数控机床、各种专有设备完成生产的要求。

二、柔性制造两个核心要素

“机器视觉”和“定位精度”是影响智能制造中柔性生产的两大方面。

机器视觉赋予柔性生产感知的能力

实践中可以发现，机器视觉是在产品的自动化产线中实现“感知”的重要一环，机器视觉就是用机器代替人眼来做识别、测量、检测和语义理解。随着人工智能技术的发展，机器视觉在工厂的应用增多，解决许多传统机器视觉无法处理的问题。

图像识别主要包含特征提取和分类识别。传统提取的特征都是图像底层的视觉特征,并且需要具备一定专业知识人员进行特征的设计与选择，这种人工设计的特征需要经过大量的验证后才能证明其对某一种识别任务的有效性，这也在一定程度上限制了图像识别技术的应用。

针对传统图像处理算法遇到的局限，譬如以前在做一个二维码时，首先要知道二维码的特征，然后做图像预处理，找到二维码的问题，再解算二维码的数据，这种方式存在很多缺陷。

基于二维码特征的定位流程，背景杂乱、光照不均、透视形变、印刷质量差的二维码则难以识别。因为背景杂乱无规律，无法有效区分检测目标特征，此外在特定场景下目标特征发生明显变化。

因此，需要提高特征提取能力和泛化能力。深度学习应用于机器视觉时，采用深度学习卷积神经网络进行二维码识别，深度神经网络模拟人的视觉过程，前段层仅仅感知边缘轮廓，后端不同的层不同神经元局部“兴奋”生成局部特征，再到生成全景图像。这种自动提取图像特征的机制和类似人脑的处理过程大大改进了效果，后均能对二维码进行正确识别，从而大大提高了机器视觉识别成功率和提高了效率。

定位精度大幅提升产线柔性的指标

可以说，机器人的绝对定位精度是其能大幅提升产线柔性的指标。人在操作时，一般是通过眼睛看到一个东西，通过大脑感知并去控制，然后用手执行动作。所以，在提高生产线柔性时也遵循这样的思路，即加上眼睛、执行机构，两者的精度结合来达到更好的精度。

而绝对定位精度决定了机器人能不能达到柔性生产所需达到的要求。由于每台机器人的参数不一样，即使是同一型号的工业机器人在加工出来后的精度也会不一样，而在机械臂上可能存在零点零几毫米的偏差，累计下来整台机器人的误差就比较大了，所以要精确知道机械臂上每一个机械零部件的精确尺寸。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。