کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4943186 1437626 2017 23 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Dynamic production system diagnosis and prognosis using model-based data-driven method
ترجمه فارسی عنوان
تشخیص و پیش آگهی سیستم تولید دینامیک با استفاده از روش مبتنی بر داده ها مبتنی بر مدل
کلمات کلیدی
مدل سازی مبتنی بر داده ها، تشخیص و پیش آگهی سیستم تولید از دست دادن تولید دائمی، وقوع اختلال،
ترجمه چکیده
سیستم های تولید پیشرفته به طور فزاینده ای پیچیده می شوند و به تغییرات مداوم ناشی از نوسانات تقاضای بازار، تطبیق فن آوری های جدید و رویدادهای ناشی از تصادف می پردازند. در حالی که اطلاعات مربوط به فرایندهای تولید به طور فزاینده ای شفاف، دقیق و زمان واقعی در حال تبدیل شدن است، استفاده از این اطلاعات برای تجزیه و تحلیل ساخت و تولید تصمیم گیری در زمان واقعی به علت محدودیت روش های سنتی تجزیه و تحلیل سیستم تولید ، و فقدان رویکرد مدل سازی فرایندهای تولید در زمان واقعی و روش شناسایی عملکرد واقعی در زمان واقعی. در این مقاله یک مدل جدید تولید سیستم تصادفی مبتنی بر داده ها برای توصیف دینامیک تولید پیشنهاد شده است و یک روش سیستماتیک برای شناسایی علل از دست رفتن تولید دائمی در هر دو سناریوی جبرگرایانه و تصادفی پیش بینی شده است. روش های پیشنهادی داده های سنسور موجود را با دانستن خواص فیزیکی سیستم تولید ترکیب می کنند. چنین روش هایی می تواند برای تشخیص / پیش آگهی سیستم به یک کامپیوتر منتقل شود تا کاربران را در درک عمیق تر از روابط زمینه بین وضعیت سیستم و عملکرد و به منظور کنترل کنترل تولید و تصمیم گیری در زمان واقعی کمک کند. این تلاش یک گام به جلو برای تولید هوشمند برای شناسایی عملکرد سیستم در زمان واقعی در رسیدن به بهبود سیستم پاسخگویی و بهره وری است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تشخیص و پیش آگهی سیستم تولید دینامیک با استفاده از روش مبتنی بر داده ها مبتنی بر مدل
چکیده انگلیسی
Advanced manufacturing systems are becoming increasingly complex, subjecting to constant changes driven by fluctuating market demands, new technology insertion, as well as random disruption events. While information about production processes has been becoming increasingly transparent, detailed, and real-time, the utilization of this information for real-time manufacturing analysis and decision-making has been lagging behind largely due to the limitation of the traditional methodologies for production system analysis, and a lack of real-time manufacturing processes modeling approach and real-time performance identification method. In this paper, a novel data-driven stochastic manufacturing system model is proposed to describe production dynamics and a systematic method is developed to identify the causes of permanent production loss in both deterministic and stochastic scenarios. The proposed methods integrate available sensor data with the knowledge of production system physical properties. Such methods can be transferred to a computer for system self-diagnosis/prognosis to provide users with deeper understanding of the underlying relationships between system status and performance, and to facilitate real-time production control and decision making. This effort is a step forward to smart manufacturing for system real-time performance identification in achieving improved system responsiveness and efficiency.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 80, 1 September 2017, Pages 200-209
نویسندگان
, , , , ,