制造业是现代社会赖以生存与发展的基石。中国的制造业(即第二产业)占国家生产总值的一半,其重要性显而易见。
近年来的国际形势扑朔迷离,不少国家设置了各种政治与经济的篱藩,原材料与零部件的供应随时可能短缺,市场与服务也可能难以持续。另一方面,由于社会发展加速,产品的生命周期不断缩短,策划不当就会导致产能过剩,造成很大浪费。此外,为了提高质量与效率,制造工程中所用到的机器的精度与速度不断提高,经常被推到其能效的极致,所以故障在所难免。故障发生时机器的快速修复,以及制造生产的不停顿十分重要。今年年初的新冠病毒在全球大流行,更使得制造业雪上加霜。因此有远见的公司都在考虑制造系统的韧性,即韧性制造。
韧性制造是一些美国学者最先提出的。它与近年来兴起的韧性系统理论相关。韧性系统理论与可靠性理论不同,它主要是审视当系统受到外部攻击或内部损坏时的应对方法。目前韧性系统的理论还不成熟,但应用范围却很广,包括地区经济的韧性、运输系统的韧性、食物供应系统的韧性、生态系统的韧性及心理韧性等,但国内对此关注度不高。例如,洛克菲勒基金会资助了一个叫做百座韧性城市(100 Resilient Cities)的计划,许多国际大都会如纽约、伦敦、巴黎、洛杉矶都参与了,而国内只有湖北黄石、四川德阳两个城市参与,重视度明显不够。
笔者认为,韧性制造包括三方面:创新、布局、控制。
第一个方面是创新。创新包括材料创新、设计创新、制造技术创新及产品服务创新。根据摩尔定律,计算机的能力每18个月就会翻一翻,随之带动各种产品的更新换代。陈旧的产品很快就会被更好、更廉价的新产品所取代,所以必须创新。一个好的创新产品将为公司乃至社会带来福祉。
由于制造业的涉及面非常广,一个公司不论大小都不可能囊括其业务所涉及的所有技术。因此,安排好创新的人力资源最为重要。创新的人力资源包括本公司的研发队伍以及外协单位,利用外协单位的资源是重要的杠杆。
我们注意到美国公司特别是美国高科技公司,常用并购、聘用、挖人等方法获取新技术。日本公司则注重长期合作、步步为营。前者见效快,后者质量高。我国的制造业起步晚,中小企业特别缺乏创新人才。但国家重视理工科教育,近年来在大学和研究所集聚了不少人才。政府还设立了奖励政策,鼓励公司与大学及研究所合作。我们建议学习日本的经验,注重长期合作,把创新与质量同时做好,以保障创新成果能够得到社会的认可。
第二个方面是布局。 要使制造系统具有韧性,布局十分重要。布局包括原材料与零部件供应链布局、制造系统布局、产品销售与服务网络布局。我们研究了制造系统的布局,发现要提高制造系统的韧性除了传统的方法,如增加备用设备、增加堆栈外,还有三个方法。
(1)平衡制造系统的节拍。制造系统通常由多个工作站组成,每个工作站有一台或多台机床,用特定节拍完成特定的工作。要提高制造系统的韧性,各工作站的节拍必须平衡。否则就会产生瓶颈,制约整个制造系统的生产效率。此外,在故障发生时,瓶颈会特别脆弱,很容易导致整个制造系统停顿。
(2)使用可重构机床。所谓可重构机床是指通过简单操作即可改变其功能的机床。这类机床首先是由美国密歇根大学提出的。他们设计了一台机床,通过简单的操作即可把机床变成车床或铣床。可重构机床比一般机床要贵,但在其他机床发生故障时其可以重构,从而保证整个制造系统的不停顿运行。
(3)使用可移动堆栈。可移动堆栈由AGV(Automated Guided Vehicle)、机械臂及堆栈所组成。与传统的机械臂—堆栈组合相比,费用增加不多,但堆栈的容量可大大增加,从而提高制造系统的韧性。
此外,对于生产多种类型产品的复杂制造系统,在一台机床发生故障时,还可以通过调度,先行加工不需使用这一机床的产品,从而减少损失。
我们认为上述的方法也适用于其他系统,如运输系统。
第三个方面是控制。控制有三个层次。第一个层次是将制造系统中的各个设备分别控制,目前大部分公司都是这样做的。第二个层次是将制造系统中的各个设备连接起来,经过数据处理、数据分析及逻辑编程器(PLC)进行集中控制。目前有部分公司已经开始实施,有些公司还加入了数字孪生软件,使整个制造系统的运作可视化。第三个层次是在第二个层次的基础上引入智能控制。智能控制分三步:监控、诊断及控制。监控是快速地检测出故障,诊断是找到故障原因,控制是采取措施,对系统进行调节。智能控制的关键技术是人工智能。
在制造系统中,经常会遇到“数据孤岛”的问题:首先,由于传感器昂贵或难以安装,数据采集能力有限,无法获得制造系统的完整信息。其次,只有大量系统正常运行时的数据,故障数据很少。此外,许多故障数据无法获得。所以,数据虽多,有用的信息却不够。为了解决这一问题,智能控制必须有好的算法。我们的研究结果表明,对抗神经元网络(Generative Adversarial Network)行之有效。对抗神经元网络由两个神经元网络组成。一个用于描述被控制系统的特征。它与传统的神经元网络相似,可以根据已有的数据建立模型,并对新的数据所对应系统状态进行预测。另一个神经元网络则结合已有的数据及预先设计好的输入自举生成各种故障数据。对抗神经元网络算法将同时训练这两个神经元网络,最后构造出完整的控制算法。我们把这一方法用在机器人焊接系统。实验证明其实时监控能力可达97%,比传统的方法提高12%。
韧性智能制造是一个大课题,它会直接影响到一个公司甚至一个地区制造业的兴亡。它涉及的技术多,包括材料工程、机械工程、电气工程、工业工程、计算机工程、网络技术、人工智能技术等。我们建议有需求的公司及早开始,通过创新、布局及控制,建立起自己的韧性智能制造系统。
(作者单位分别为中科健齿科技有限公司、华南理工大学吴贤铭智能工程学院)
转载请注明出处。