基于粒子群优化算法的柔性生产线排产方法

大力推进信息化和工业化的融合,要在航空航天装备上实现重点领域的技术突破。在未来十年,我国对飞机的需求将会持续加大,这就要求飞机零件的制造效率要高、响应速度要快。但实际生产中,对生产线排产算法的研究与应用还比较少,这就导致实际生产不能发挥出生产线的最大效能。针对上述问题,对实际柔性生产线进行了研究,建立符合现场生产实际的排产调度模型,采用优化的粒子群算法对模型进行求解,得到满足实际排产要求的最优解,使其发挥最大生产效能。     

基于数字孪生的自动化立体仓库货位分配优化方法

自动化立体仓库是智能生产线中的重要单元,可以实现实时库存信息的准确查询,其使用效率直接关系到智能生产线的生产效率。针对智能生产线中的自动化立体仓库货位随意分配,以及分配智能化水平低导致航空航天产品生产效率低下的问题,提出一种基于数字孪生的自动化立体仓库货位分配（Storage location assignment,SLA）优化方法。首先,采用数据驱动的数字孪生体多维度融合建模方法构建自动化立体仓库数字孪生多维模型;其次,对自动化立体仓库数字孪生系统通信机制及信息交互原理进行研究与分析,以出库效率（结合工艺）、货品相关度、货架稳定性为目标建立货位分配数学模型,提出一种改进的启发式蚁群（Improved ant colony optimization,IACO）算法对模型进行优化,将得到的货位信息集成到自动化立体仓库数字孪生系统并映射到物理实体;最后,通过试验证明该方法能够满足立体仓库基于工艺的物料出入库智能选择货位需求。该方法在智能生产线上的应用对航空航天产品实现智能制造、提质增效具有重要意义。     

基于数字孪生的飞机总装生产线管控模式探索与实践

为持续提升飞机总装生产线运营绩效,促进业务模式变革,提出了一种基于数字孪生的飞机总装生产线管控新模式。首先,分析了飞机总装生产线从物理空间到信息空间的演变过程及生产线运行管控需求。其次,阐述了飞机总装生产线数字孪生组成,结合数字孪生五维模型,构建了总装生产线数字孪生模型。最后,基于3DMAX建立了虚拟模型,利用系统开发技术构建总装数字孪生系统,通过采集现场生产过程数据实现物理实体与虚拟空间的映射,初步探索了数字孪生技术在飞机总装生产线的应用。结果表明,基于数字孪生的飞机总装生产线管控模式对提高生产效率和质量具有重要作用。     

航空发动机制造工艺仿真技术体系探索

基于航空发动机仿真工作发展规划,从制造维度对仿真技术的应用需求进行了深入分析。提出了构建航空发动机制造工艺仿真技术体系的思路和建设原则,基于5个环节的应用需求提出了仿真技术体系的初步框架,并对当前需要加快突破的仿真关键技术进行了分析,推进航空发动机制造工艺仿真技术发展和规划的落地。     

市场响应能力极佳的先进生产力——金城集团柔性生产线简介

简要介绍了金城集团近几年建成的 7条柔性生产线 ,并对柔性生产线有关机械手、智能传输、冷却润滑与排屑等技术进行了探讨 ,还就柔性生产线与刚性生产线的优劣作了对比     

Innovalia计量公司——研发、创新和国际化

Innovalia计量公司可以从试验到生产线,无论是传统计量法还是新技术方面为客户提供一整套的解决方案。Innovalia计量公司可以从试验到生产线,无论是传统计量法还是新技术方面为客户提供一整套的解决方案。Innovalia计量公司包括3个子公司:     

数字化焊接技术

建立数字化焊接生产线是对传统焊接工艺的一场革命,必将大大提高航空产品的质量,以满足新一代飞机对产品寿命的要求,同时还将有效提高生产率及新产品适应力,满足产品不断更新换代的要求。     

飞机部件装配数字化柔性工装技术研究

面向新一代飞机机身部件数字化、柔性化装配需求,基于柔性工装技术,设计了飞机机身部件数字化柔性装配工装系统.通过研究数字化柔性装配工装及其相关技术,详细设计了柔性工装的机械系统,建立了基于现场总线技术的工装运动多轴控制系统,开发了柔性工装系统专用的装配数据生成软件.飞机部件装配数字化柔性工装的设计,为在国内推广应用柔性装...     

空客A220飞机舱门精益生产线规划研究

为了提高空客A220飞机舱门生产线装配效率,降低人力工时成本,首先采用精益思想,利用时间测量法测量了舱门生产现场的装配工时数据,确定产能提高所需的工装数量;其次利用意大利面条图统计了现场操作者在装配操作过程中的物流动向,分析可能存在的浪费现象.基于浪费现象和舱门装配工艺流程特点,选择产品聚簇式的原则布置舱门生产线,同时...     

一种面向时序数据的多品种小批量生产线性能预测模型研究

随着生产线数字化、自动化水平的提高,产生了大量的反映运行过程机理及运行状态的数据,这些数据为生产线性能分析和预测提供了可能。针对生产线的在制品数量、生产周期和生产效率性能指标,构建了一种面向时序数据的循环深度信念网络的生产线预测模型（Cycle–deep belife network,C–DBN）;针对传统基于SGD(Stochastic gradient descent)的训练方法存在的预测模型收敛速度慢以及精度低等问题,提出了基于AMM(Adam with momentum)算法的生产线性能预测模型训练方法;确定了面向时序数据的生产线性能预测模型训练流程。最终通过实例验证了生产线性能预测模型和训练方法的有效性。