美国的标志
本期文章
主席的话:连接工程和社会
客座编辑注:数字化将改变制造业
未来制造业:迎接后大流行时代
数字线程在制造中的安全性、弹性和适应性的作用
生产个性化产品的未来本地工厂
下载
大流行后工程的春桥
2021年3月14日 体积 51 问题 1
这一期的主题是制造业的未来. 一流的专家阵容提供了来自行业的不同经验和观点, 国家实验室, 和学术界. 这些文章对先进制造业的未来提供了翔实的报道和全面的观点, 利用新兴技术, 所需的基础设施, 创新的方法, 以及具有弹性的供应链，以增强美国制造业在未来几年的竞争力.

数字线程在制造中的安全性、弹性和适应性的作用

2021年4月2日，星期五

作者: 托马斯·R. 库菲斯和霍华德. 格里姆斯

数字线可以对产品进行数字验证, 为生产部署最新的技术, 并加强劳动力.

随着最近技术和数字的进步，制造业正在发生巨大的变化. 在这些, 数字线程正在彻底改变制造操作，远远超出了将程序下载到计算机数字控制(CNC)机床和从CNC控制器上传编辑程序的历史.

数字线程是“在传统的孤立功能视角下，实现连接数据流和资产整个生命周期数据集成视图的通信框架”(Leiva 2016). It is pervasive around the world and has changed the way society operates; 例如, 地图应用程序通过实时交通反馈为目的地提供时间最佳方向.

数字线可以对产品进行数字验证, 确保在整个制造生态系统中部署最新的技术, 并通过提高每个人的效率和效率来加强劳动力. 这三个基本的先进制造概念将确保下一代安全, 有弹性的, 适应性强的制造生态系统，并可持续地支持社会当前和未来的需求(Lynn等. 2020).

产品的数字验证:

“天生合格”和“数码物理护照”

“天生合格”制造的驱动力[1] 是改变低容量的资格认证模式吗, 高价值的, 以及对国防等高风险行业至关重要的高后果部件, 能源, 航空航天, 和健康(罗奇等. 2018). 作为对出生合格制造的补充，澳门线上最大十大堵厅-澳门十大网投-apple app store排行榜引进 cyberphysical护照 (CPPs)用于先进制造业.

CPP支持数字识别, 跟踪, 并对零件和产品进行统一验证, 具有可扩展到各种流程(机械的)框架的分层方式, 化学, 电磁, 等.). 它是一种机制，用于捕获和数字化物理参数的加密和可验证的结构，以及整个供应链中每个部件和聚合产品的隐含能量, 从而为整个供应链和制造过程提供了“信任的根源”(格里姆斯等人). 2020).

博恩合格的CPPs在生产过程中使用各种传感器来确保产品质量和完整性. CPP记录并存储来自这些传感器的信息，例如机床的每一个运动, 用于机械加工的工具类型, 能源消耗, 以及工艺参数. 简而言之，CPP记录了关于零件和用于制造它的过程的一切.

当产品到达目的地时, 基于CPP，可以认为它是天生合格的和被接受的. 接收部件的人知道它是真的(不是假冒的), 按规格制作, 生产过程也没有被篡改. CPP是安全供应链的基石.

部署和利用最新的技术

数字线程有助于将最新技术交付给制造供应链中的最终用户, 紧密、安全地集成供应链并提供制造操作数据. 它可以用来收集制造操作和系统的信息，以及驱动和更新这些系统.

安全更新

制造系统更新的方式与电脑或智能手机的更新方式相同:从原始供应商或支持各种制造系统的第三方推送到设备上. 这必须以一种安全的方式进行，必须特别注意确保制造系统，如3D打印机, 机床, 或者机器人没有残疾或被“砖砌”.”

虚拟护照可以实现数字身份识别, 跟踪, 以及零件和产品的验证.

即插即用硬件也将以与打印机相同的方式部署用于更新系统硬件, 演讲者, 或者在计算机上部署人机界面. 部署更新的其他方法包括蓝牙等无线通信, 无线网络, 和无线个域网.

目前，MTConnect和OPC UA(开放平台通信统一体系结构)等开放通信协议被用于机器之间的通信. 在制造操作中实施通信系统必须以网络安全的方式进行，以防止设备和流程被篡改, 并保护生产系统中存储和使用的知识产权(Lynn等. 2018).

产品质量的一致性

CPPs将捕获和数字化生产系统产生的信息，这些信息传输有关工艺能力、产品质量和完整性的数据. 来自生产系统的数据也将用于全球工艺改进.

这是众所周知的, 例如, 3D打印过程有大量的变量，可能会导致部分质量的不一致. 这种不一致性通常表现在材料特性上，如制造部件中的沉淀物, 残余应力, 和韧性. 在3D打印过程中，许多参数都可以进行调整, 每一个都能轻微或显著地改变产品的最终特性.

人工智能和机器学习模型

研究人员已经成功地实现了人工智能(AI)和机器学习(ML)技术，用于建模增材制造过程，并优化多个参数以实现指定的部件特性. 但这些参数因系统而异，取决于各种机器, 材料, 几何, 还有环境因素. 即使是一台特定机器的性能也会在其使用寿命期间发生变化. 因此, AI/ML模型的不断更新是很重要的, 数字线程数据对于开发精确的模型至关重要.

已经为非常特定的机器生成了精确的模型, 几何图形, 工艺参数, 和材料, 人们正在进行从一台机器传输模型的重要研究, 材料, 和其他的几何构型. 这种方法不仅局限于增材制造，而且适用于减法制造.g., 加工), 注塑, 化学, 生物制药, 以及许多其他制造流程和操作(Ahuett和Kurfess 2018).

操作员可以使用智能手机扫描正确的数据, 减少手动键盘输入的潜在错误.

除了, 机器供应商和最终用户可以安全地交换模型生成的数据，以开发和部署新模型. 例如, 生产粉末床3D打印机的公司可能会使用专有模型来确保零件质量. 该模型位于云中，其优点是为机器用户保护过程信息.

同时, 机器供应商需要机器上的数据来优化模型, 它接收来自机器传感器的生产信息，而最终用户接收每个生产部件的CPP. 因此, 终端用户始终拥有关于机器功能的完整更新信息，机器供应商始终使用直接来自机器的数据拥有更新的模型. 这种情况对双方都有利.

如果这样的机器被开发得更加开放, 此外，也有可能雇佣第三方模型和司机来驾驶这台机器, 能够将各种研究团队的新技术快速部署到生态系统中. 然而，这样的能力确实会引起关注(例如.g.，知识产权，安全和保证)，必须考虑.

加强劳动力

尽管自动化和人工智能取得了重大进展, 人类现在和将来仍然是制造业生态系统的重要组成部分. 事实上, 在制造业中利用数字线的技术是扩大人力资源的理想选择.

产品检验与培训自动化

一些数字线程功能使用了广泛可用的技术. 例如, 手机摄像头(或低成本的USB/网络摄像头)可用于视觉检查部件, 使机器操作员能够专注于其他工作. 这样的检查可以很容易地“通过”被认为可以接受的部件，并标记出那些可能存在质量问题的部件. 在一个六西格玛质量的时代, 这意味着操作员不是在检查数千个部件，而是只检查少数有较高不合格概率的部件, 显著降低操作员的认知负荷.

类似的, 带有射频识别标签, QR码, 还有条形码, 操作员可以使用智能手机扫描正确的数据, 减少手动键盘输入的潜在错误. 蓝牙支持的手动计量工具，如千分尺和卡尺，也可以启用安全, 可追踪的, 以及无差错的产品和工艺验证, 提高CPP的效用.

通过监控手动操作的结果, 额外的培训可以优化个别工人的必要. 例如，如果操作员的千分尺读数具有显著的量化分布(e.g., 标准偏差)可以为操作员制定个性化的培训计划，并为操作员提供建议，以提高与千分尺重复性相关的技能. 这种监控确实会引发必须考虑的隐私问题.

增强、虚拟和扩展现实

增强现实(AR), 虚拟现实(VR), 扩展现实(XR, 指的是由计算机技术和可穿戴设备生成的所有真实和虚拟环境)将在加强和培训制造业劳动力方面发挥关键作用. 这样的设备可以成为人类操作员直接和直观的输入手段.

在任何生产设施中, 佩戴安全眼镜, 使用增强现实眼镜代替安全眼镜是一个简单且相对便宜的提议. 这些护目镜可用于验证是否遵循了正确的程序，或为生产线工人提供指导. 例如, 在机床上安装新插入件时，插入件的位置可以很容易地在AR眼镜中识别和突出显示. 然后可以确定合适的工具来更换磨损的镶件, 一步一步的指示可以直观地传达给技术人员，以确保她正确和安全地更换插入物.

AI/ML和AR的另一个用途是增强制造系统操作员的能力，以减轻他们的认知负荷. 图1说明了AR眼镜在质量评估中的效用. 这些图像是由智能手机摄像头生成和处理的, 但是它们也可以很容易地在云操作中执行.

Kurfess图1.gif
图1 (A)原始图像锯切毛坯零件前，它被加载到车床上进行面操作. (B)加工后的图像在锯切操作的坯料上突出直线. (C)零件表面加工后的原始图像, 是什么在表面上产生同心圆. (D)处理后的图像突出同心圆. (E, G) Original image and close-up of improperly surfaced blank; (F, H)处理后的图像和必须重加工或丢弃的零件的不规则部分的特写突出.

原始照片(A, C, E, G)显示了表面处理前后的加工零件. 图像处理很容易揭示堆焊是否已正确完成(B, 选项D是正确答案, H). AR眼镜可以用来为操作员突出不规则情况, 避免对每件物品进行目视检查. 目前AR眼镜上也有一些处理功能, 下一代设备将能够在本地处理图像，以获得更快的结果.

简单的图像处理算法可以确定毛坯的所有直线已经被成品部分的同心圆所取代. 这些分析技术实施起来相对简单, 通过减少操作者的认知负荷, 提高效率, 质量, 和工作绩效(Urbina et al. 2018).

插图:拼车市场

与拼车市场的比较表明，数字线程如何导致安全的制造和供应链生态系统, 有弹性的, 和适应能力. 这种比较有三个关键要素:(1)连接客户和供应商, (2)天生的合格观念, (3)充分利用和扩大训练有素的劳动力的能力. 机床是这个讨论的范例, 但它适用于各种制造操作.

第一个元素(将客户与供应商连接起来)非常简单. 拼车应用程序将需要搭车的个人与司机连接起来. 对于在线的机床也是如此. 一个服务, 可能是机床原始设备制造商(OEM), 了解机器的能力和可用性，其操作员可以将机器车间与潜在客户联系起来.

高度弹性和
稳健的供应链
支持本地供应商
可以很快
提供合格的产品
最短的交货时间.

第二个元素, 生资格, 在拼车场景中是由骑手智能手机上显示的地图实例化的吗. 这张地图告诉乘客，他们并没有被“载走”，司机是按照预先设定的路线到达目的地的. 距离、到目的地的时间和成本等信息也被传达给客户. 因此，拼车应用程序为司机和乘客提供了交易安全性.

在制造业, 该服务可以为机床传输必要的编程, 原材料(e.g., 铸件, 棒料, 工具), 以及在机器上生产零件所需的工艺参数. 加工过程数据, 以及任何后续检查, 能否确认是否遵循了适当的制造规程，并且零件符合所有规格. 这些信息成为产品CPP的一个元素. 当最终部件交付给客户时, 没有必要检查，因为它的资格是由CPP验证的. 因此，服务为机床提供了事务安全性, 原材料, 以及在机器上生产零件的工艺参数.

第三个元素, 利用和扩展训练有素的员工队伍的能力, 是由拼车示例中司机使用的地图表示的吗. 这张地图是一个自动功能，包括一步一步的指示，根据交通状况实时修改, 因此，在通往目的地的路线上，不存在驾驶员出错的可能性. 司机不需要知道确切的路线或交通模式，因为应用程序提供了这些信息.

对于接收制造过程中使用的程序和参数的机械师来说也是如此. AR用于指导机械师设置和运行机器. AR系统提供的信息可能来自人工智能或人类专家，具体取决于场景.

这种方法也可以用于训练操作员和人工智能系统. 当操作员在安装机器时, AR系统可以解释设置过程, 从而教育操作员. AI/ML系统还可以学习人类何时是专家，为操作员提供指导. 这种方法可以确保操作员不断学习，AI/ML模型不断捕获新内容. 这种方法通常被汽车公司用于训练他们的自动驾驶系统:ML算法不断监测车辆的传感器信号和驾驶员对代表车辆周围环境的信号的反应(Parto et al. 2020).

结论

数字线程使数字验证产品成为可能, 确保最新的技术部署到整个制造生态系统, 让员工更有效率:

  • 本文中所描述的创新确保了每个产品都是按照规格制造的，生产过程不受恶意操纵. 产品生来就有资格，并通过其网络物理护照进行验证, 谁能保证它是真的而不是假的.
  • 制造请求可以快速、安全地呈现和实现, 审查, 不断更新供应商基础. 这一基础构成了一个具有高度弹性和强健的供应链, 优先考虑能够以最短的交货时间快速交付合格产品的本地供应商.
  • 利用增强现实技术促进了劳动力的增加和培训, 造就一支技能不断更新的现代化员工队伍.
  • 进出生产操作的数据确保生产流程和设备的数字孪生完全是最新的, 而且整个制造企业都可以使用流程模型和功能, 从大型跨国公司到中小型制造商.

考虑快速生产复杂商品的需求, 像呼吸机, 以及数字线程如何实现一种新方法. 而不是储存整个呼吸器或它的部件，数字储存 设计 对于金属零件的机加工或注塑模具的塑料零件可以生成, 存储, 并不断更新. 当需要这些组件时, 他们可以外包给当地合格和经过审查的工作车间，在那里他们一出生就合格，并迅速交付给OEM.

此外, 如果24小时内需要1000个零件, 而不是一个大型工厂生产所有的, 当地50家较小的商店每家可以生产20个零件, 实现快速周转. 这样的供应链还确保了一个有弹性的生产基地，因为一个较小的商店的损失(由于火灾或洪水等灾难，或者可能是大流行病的爆发)不会关闭整个供应链. 组件可以被带到装配点，在那里工作人员, 也许不是专家，但AR使之成为可能, 可以进行产品的最终组装和包装，并由其CPP及其组件的CPPs验证.

数字螺纹可用于安全扩展和认证各种生产部门，如清洁能源, 半导体, 生物医学(e.g.疫苗)，以及能源密集型产业. 除了, 将数字线索与天生合格的概念和网络物理护照相结合，可以确保国防和国家安全所需的生产能力.

应用空间无限，确保安全, 现代, 有弹性的, 最先进的供应链. 数字线还可以使先进的制造能力民主化, 支持小, 当地的, 以及灵活的运营，这对作为美国制造业支柱的“夫妻店”天生有利. 它增强了美国的制造业能力和全球竞争力, 并为中小型制造商提供了重要的经济增长机会, 通过为高技能和不断升级的劳动力提供高薪工作机会，直接造福中产阶级.

致谢

作者感谢Dongyan Xu和Gabriela Ciocarlie对网络物理护照背后的概念做出的重大贡献. 这项工作由能源部根据合同DOE-EE0009046提供部分资金. 本手稿部分由UT-Battelle撰写, 有限责任公司, 根据与能源部的合同DE-AC05-00OR22725.

参考文献

Ahuett H, Kurfess TR. 2018. 简要讨论工业4的适应性技术的发展趋势.0与智能制造. 制造业通讯15(B): 60-63.

许东，李志刚，李志刚，李志刚. 2020. 大流行适应性供应链:面向未来的方法. 中小企业，6月11日.

莱C. 2016. 什么是数字线? iBASEt博客，12月23日.

Lynn R, Wescoat E, Han D, Kurfess TR. 2018. 嵌入式雾计算用于高频MTConnect数据分析. 制造业通讯15(B): 135-38.

Lynn R, Helu M, Sati M, Tucker TM, Kurfess TR. 2020. 集成计算机辅助制造/计算机数控系统的现状:先前的发展和通往智能计算机数控控制器的路径. ASTM智能和可持续制造系统杂志4(2):25-42.

帕托M，索尔达娜C，库菲斯T. 2020. 一种新型的三层物联网共享架构, 私人, 可伸缩的, 以及从无处不在的网络物理系统中进行实时机器学习. 程序制造48:959-67.

罗奇RA, Abdeljawad F, Argibay N, 艾伦K, 鲍尔奇D, Beghini L, 主教J, 博伊斯B, 布朗J, 伯查德R, 还有33个. 2018. Born Qualified Grand Challenge LDRD最终报告(SAND2018-11276). 阿尔伯克基:桑迪亚国家实验室.

Urbina P, Lynn R, Louhichi W, Parto M, Wescoat E, Kurfess TR. 2018. 车间数字孪生中的部分数据集成:移动和云技术使制造执行系统成为可能. 中国机械工程学报48(C): 25-33.

 

[1]  “天生合格”指的是通过金属增材制造生产的零件，这些零件从打印床上出来，随时可以直接使用, 甚至在像车辆这样的关键结构中, 飞机, 还有发电厂.

作者简介:Thomas Kurfess (NAE)是橡树岭国家实验室的首席制造官. Howard 格里姆斯是网络安全制造创新研究所的首席执行官，也是德克萨斯大学圣安东尼奥分校机构倡议的副校长.