本书着重介绍了智能制造系统工程的基本概念、相关理论和关键技术。首先介绍智能制造系统的基本概念与基础知识，进而从体系框架、系统建模与信息管理三个视角介绍智能制造系统的总体技术；在此基础上，详细讲解智能产品设计、智能制造系统运行管理、智能制造系统仓储与物流、智能制造系统中的数字化检测、智能制造系统质量管理、智能制造系统运维管理、智能制造系统知识工程等关键使能技术的原理、方法与系统，并辅以相关典型案例。
样章试读
目录
- 目录
第1章 绪论 1
1.1 制造系统工程 1
1.1.1 制造系统工程的概念 1
1.1.2 制造系统工程的演进 2
1.2 智能制造 3
1.2.1 智能制造的概念与特征 3
1.2.2 智能制造的发展 6
1.3 智能制造系统工程 6
本章小结 7
习题 7
第2章 智能制造系统建模与仿真 8
2.1 系统建模 8
2.1.1 系统建模的基本概念 8
2.1.2 系统建模的一般方法 10
2.2 制造系统建模方法 12
2.2.1 制造系统建模的基本概念 12
2.2.2 制造系统建模方法概述 13
2.2.3 制造系统建模的意义 16
2.3 基于模型的系统工程 16
2.3.1 基于模型的系统工程的基本概念 16
2.3.2 基于模型的系统工程的工具与方法 18
2.3.3 基于模型的系统工程应用 24
2.4 制造系统仿真 25
2.4.1 仿真的基本概念 25
2.4.2 制造仿真与优化 26
2.5 智能制造系统数字孪生技术 28
2.5.1 智能制造系统与数字孪生的基本概念 28
2.5.2 数字孪生在智能制造中的应用 29
2.5.3 智能制造系统数字孪生的关键技术 30
本章小结 31
习题 31
第3章 智能制造系统信息管理与集成 32
3.1 制造信息 32
3.1.1 制造信息概述 32
3.1.2 制造信息的性质 33
3.2 制造信息管理 35
3.2.1 制造信息学及应用场景 35
3.2.2 制造信息系统分类 35
3.3 制造信息采集、建模、处理与存储 36
3.3.1 制造信息采集方法 36
3.3.2 制造信息建模方法 39
3.3.3 制造信息处理与存储方法 42
3.4 基于模型的制造信息管理 44
3.5 面向数字孪生的制造系统信息链 46
本章小结 46
习题 47
第4章 智能产品设计 48
4.1 产品智能化设计技术现状与发展 48
4.1.1 产品智能化设计技术现状 49
4.1.2 产品智能化设计技术未来发展方向 53
4.2 产品智能化设计技术与方法 53
4.2.1 人工智能技术在产品设计中的应用前景 54
4.2.2 产品智能化设计中的关键技术 54
4.2.3 智能化设计方法与工具 56
4.3 需求驱动的产品智能化设计 60
4.3.1 客户需求分析与建模 60
4.3.2 面向客户需求的产品模块划分与配置设计 61
4.4 产品设计知识网络构建与知识服务 64
4.4.1 产品设计知识网络构建与知识服务相关概念 64
4.4.2 产品设计知识网络具体的操作 66
4.5 智能化设计在复杂产品开发中的应用案例 67
4.5.1 电力机车转向架的需求获取与分析处理 68
4.5.2 电力机车转向架产品定制设计 70
本章小结 72
习题 72
第5章 智能制造系统运行管理 73
5.1 智能制造系统运行管理基础理论与方法 73
5.1.1 智能制造系统运行管理基本概念与理论基础 73
5.1.2 智能制造系统运行管理方法与工具 75
5.2 智能制造系统先进排产 75
5.2.1 先进排产的发展历程 76
5.2.2 智能制造系统先进排产分类 76
5.2.3 智能制造系统先进排产算法 78
5.3 智能制造系统场景感知与动态智能调度 82
5.3.1 智能制造系统场景感知 82
5.3.2 智能制造系统动态智能调度 83
本章小结 89
习题 89
第6章 智能制造系统仓储与物流 90
6.1 智能制造系统仓储与物流概述 90
6.1.1 制造系统仓储与物流的发展历程 90
6.1.2 智能制造系统仓储与物流的主要特征 91
6.1.3 智能制造系统仓储与物流层次结构 91
6.2 智能仓储系统 92
6.2.1 智能仓储业务 92
6.2.2 智能仓储系统的构成及关键技术 93
6.3 智能物流系统 96
6.3.1 厂际物流系统 96
6.3.2 厂内物流系统 97
6.3.3 线边物流系统 97
6.3.4 终端物流系统 99
6.3.5 逆向物流系统 100
6.4 智能制造系统仓储与物流的发展趋势 101
6.4.1 横向集成：仓储与物流系统性优化 101
6.4.2 纵向集成：自动化仓储与物流服务 101
6.4.3 端到端集成：供应链仓储与物流协同 101
6.4.4 愿景：零库存和单件流 102
本章小结 102
习题 103
第7章 智能制造系统中的数字化检测 104
7.1 制造系统中的检测任务与场景 104
7.1.1 线前检测——检测辅助毛坯装夹 104
7.1.2 在线检测——检测辅助产品制造 106
7.1.3 线后检测——基于检测的产品交付 106
7.2 基于模型的数字化检测规划技术 106
7.2.1 基于模型的检测规划信息数字化表达 107
7.2.2 基于模型的检测需求提取技术 108
7.2.3 基于规则智能的检测方案推荐技术 111
7.3 智能工厂数字化检测资源管理 112
7.3.1 检测资源定义与检测活动要素 112
7.3.2 智能工厂数字化检测资源的分类 112
7.3.3 智能工厂数字化检测资源的虚拟化 115
7.3.4 数字化检测资源与MBD模型的集成 116
7.4 智能工厂数字化检测业务管理 117
7.4.1 智能工厂中的数字化检测业务场景模型 117
7.4.2 智能工厂中的数字化检测信息管理 120
7.4.3 模型与数字化检测业务的集成 122
7.5 智能工厂数字化集成检测系统 124
7.5.1 智能工厂数字化集成检测系统总体框架 124
7.5.2 智能工厂数字化集成检测系统应用场景 127
7.5.3 智能工厂数字化集成检测系统技术架构 129
7.5.4 智能工厂数字化集成检测系统应用案例 131
7.6 检测驱动的加工过程控制与改进 136
7.6.1 检测驱动的加工信息模型 136
7.6.2 “测量-补偿”循环的加工过程控制与改进 142
本章小结 144
习题 144
第8章 智能制造系统质量管理 145
8.1 质量管理 145
8.1.1 基本概念 145
8.1.2 质量管理的发展 146
8.1.3 智能制造系统中的质量管理 147
8.2 制造系统中的质量管理 147
8.2.1 制造过程中的产品质量管理 148
8.2.2 供应链的质量管理 149
8.2.3 制造装备的质量管理 149
8.3 智能制造系统中的质量数据采集与管理 150
8.3.1 智能制造系统中的质量数据特点 150
8.3.2 智能制造系统中的质量数据组织模型 151
8.3.3 以产品质量特性为主线的智能制造系统质量数据关联采集 153
8.3.4 基于多维度关联与多源异构存储技术的质量数据管理 153
8.4 智能制造系统质量大数据技术 155
8.4.1 质量大数据内涵及参考架构 155
8.4.2 智能制造系统质量大数据分析与应用体系框架 156
8.4.3 智能制造系统质量大数据技术主线 158
8.4.4 智能制造系统质量大数据应用场景 160
8.5 数据与知识融合驱动的智能精益质量管理 162
8.5.1 精益质量管理的内涵 162
8.5.2 质量管理中的数据与知识模型 163
8.5.3 面向质量管理场景的数据与知识融合技术 165
8.5.4 数据与知识融合驱动的智能精益质量管理模式 167
本章小结 168
习题 169
第9章 智能制造系统运维管理 170
9.1 智能制造系统运维管理概述 170
9.1.1 智能运维的基本概念 170
9.1.2 智能运维的发展历程 171
9.1.3 智能运维技术体系 171
9.2 设备状态智能监测 174
9.2.1 数据采集与存储 174
9.2.2 数据特征提取 177
9.3 设备故障诊断 178
9.3.1 基于信号处理的机械设备故障诊断 178
9.3.2 数据驱动的机械设备故障诊断 179
9.4 机械设备剩余寿命预测 180
9.4.1 基于机理的预测 181
9.4.2 数据驱动的预测 182
9.4.3 机理数据融合驱动的预测 184
9.5 智能制造系统运维管理架构 185
9.5.1 OSA-CBM体系架构 185
9.5.2 云边协同体系架构 186
本章小结 187
习题 188
第10章 智能制造系统知识工程 189
10.1 智能制造与知识工程 189
10.1.1 智能制造需要知识工程 189
10.1.2 知识工程 190
10.1.3 专家系统概述 191
10.1.4 知识图谱概述 192
10.2 面向智能制造的知识工程体系框架 192
10.3 面向智能制造的知识管理系统构建方法 194
10.3.1 知识建模 194
10.3.2 知识获取 196
10.3.3 知识表示 197
10.3.4 知识融合 200
10.3.5 知识推理 200
10.3.6 知识管理 202
10.4 智能制造系统中的知识服务 203
10.5 智能制造系统知识管理典型案例 204
本章小结 207
习题 207
参考文献 208
京公网安备 11010102004214号