登入
家
欧洲地区特别部分：热门话题
生产互联网：进入行业阶段4.0
信用卡：盖蒂图像
简单地从互联网搜索无法学习高质量的装备。您可以找到指南，论文，规则，讲座和视频。然而，将这一普遍知识应用于特定的生产过程并处理不确定性和中断，需要特殊的专业知识，其中大多数居住在人民主义和网络中，并且在很大程度上通过“通过执行学习”。
10年前，行业的愿景4.05.was announced at the Hannover Fair 2011 as part of the German/European High-Tech Strategy and adopted internationally by the Japanese Industrial Value Chain Initiative, the Advanced Manufacturing Initiative in the U.S., the Chinese Made in China 2025 strategy, the South Korean Manufacturing 3.0, and the U.K.'s High-Value Manufacturing Catapult research center. This "fourth industrial revolution" follows the earlier stages of mechanization (steam engine), mass production (assembly lines), and IT-based electronic automation. Core elements of Industry 4.0 include a reference architecture (RAMI 4.0) for networking increasingly autonomous IoT devices, and cyber-physical production systems (CPPS) where simulations ("Digital Twins") help monitor, predict, and control physical production systems. Moreover, personalized and context-specific "assistants" and related organization forms should enable "new work" settings.
然而，行业4.0的愿景远未实现。在研究集团“综合生产技术为高工资国家”（2006-2018），2跨学科模型的映射以及用于模型顺序减少的先进数学技术，不仅导致更逼真的模型，而且还加速了它们的模拟最多五个数量级。同时，数据驱动的分析和机器学习（ML）进入了生产景观。卓越的集群“生产互联网”（IOP，2019-2025）4.目标是与生产中的数据，模型和知识的新型数字合作。核心思想是为跨域学习建立“全球实验室”（WWL），打破当前数据筒仓（见图1）。WWL将数据分析，域专用型号和专业知识结合起来，并分享大型工业领域的获得所获得的专业知识。
图1.全球生产实验室是创新和跨领域学习的繁殖基础。资料来源：马丁雷德尔。
为了从所有生产领域中存在的巨大数据中创建真正的附加值，由于高分辨率数据库，网络过载，安全和数据主权问题，完整的数字双胞胎似乎完全不切实际。相反，IOP方法通过描绘的大量相互关联的数字阴影（DS）赋予WWL的近实时数字表示图2.。作为任务和上下文相关的，目的驱动，聚合和持久数据集，DS以更紧凑的方式和比完全集成的数字双胞胎更精细地，从多个视角涵盖复杂的现实。从生产管理角度来看，DS可以被解释为具有所需粒度水平的大量异构数据和详细的生产工程模型之间的调解器。8.
图2.数字影子在生产中的概念。资料来源：卓越集群“生产互联网”。
DS研究涉及几个CS学科。1根据数据管理和AI透视图，DS是扩展数据库视图，包括定义减少的数学或ML模型（视图定义查询）及其部分存储的答案（实现）。6.从模型驱动的软件工程角度来看，需要管理不同DS之间的可追溯性/来源和跨视网际相互关系。完成基础架构，7.处理挖掘在大规模事件序列上创建和解释DS。HCI将用户界面视为DS，通信工程研究DS作为网络中的包装，保护和存储的包裹。
在IOP集群中，来自不同学科的30多个IOP机构，如计算机科学，工程，物质科学，经济学和社会科学，以及50多家工业合作伙伴在迭代勘探和验证过程中贡献能力，研究十几个跨学科用例。飞机涡轮机生产，钢轧，塑料和纺织工程中的应用实例，以及电动汽车生命周期工程，改善了传统的KPI，如质量，成本或效率，也是解决了避免废物，节能和节能等重要可持续发展目标。CO.2减少。初始工业摄取是由中小企业和初创企业的，而且还在大众“工业云”等行业平台的背景下，宝马“开放制造平台”或联盟驱动的“ADA-MOR”工业IOT平台。它们使新的工程解决方案能够实现新的工程解决方案，用于各种工程应用领域的条件监测。
行业4.0的愿景远未实现。
将来，通过合适的标准 - 将逐渐增加实际生产数据标记的值。为了创造和公平地捕获这一增加的价值，学术界和工业的生产世界必须向一个值得信赖的WWL推进。除了整合工程和CS / AI研究之外，这需要更多的社会经济研究，考虑到人类工作的社会对象以及商业模式的贸易单位。总之，我们了解数字阴影的概念作为一个重要的小说计算机科学抽象，用于在未来的生产环境中代表和分享CPP知识。
参考
1. Brauner，P.等人。一种计算机科学透视生产中的数字转型。ACM Trans。互联网事物3.，2（2022）;https://doi.org/10.1145/3502265
2. Brecher，C.（ed。）高工资国家的一体化生产技术。斯普林克2012。
3. Brecher，C.，Obdenbusch，M.，Herfs，W。通过云集成条件估计来实现优化的机器操作。网络物理系统的机器学习（2016），23-31;https://doi.org/10.1007/978-3-662-48838-6_4
4.生产卓越互联网;https://www.iop.rwth-aachen.de/cms/~gpfz/produktionstechnik/?lidx=1
5. Lasi，H.，Fettke，P.，Kemper，。H.-G.，Feld，T.和Hoffmann，M. Industry 4.0。商业和信息。系统系统6.，3（2014），239-242。
6.利比贝格，M.，Jarke，M.与数字阴影的信息工程：概念和案例研究。在凯莉的诉讼程序（格勒诺布尔，法国，2020），Springer LNC 12127,70-84。
7. Pennekamp，J.等人。迈向能够实现生产互联网的基础设施。在IEEE INTL的诉讼程序。Conf。工业CPS.（台北，台湾，2019），31-37。
8. RIESENER，M.，Schuh，G.，Dölle，C.，Tönnes，C.数字影子作为产品生命周期管理中数据分析的推动者。程序CIRP 80.（2019）729-734;https://doi.org/10.1016/j.procir.2019.01.083
数字图书馆由Computing Machinery协会发布。版权所有©2022 ACM，Inc。
没有发现任何条目