1.3　研究内容与研究创新

1.3.1　拟解决的关键问题

（1）基于DOPR协同的主动制造研究

主动制造能够挖掘系统的显性知识，实现用户隐性知识的集成，如在征集创意产品/服务阶段，基于社会性网络大数据分析计算出广大用户的参与度和贡献度并分配相应的收益，提高用户参与产品研发设计的积极性，形成主动有序化的知识创新文化氛围，从而依靠用户的集体智慧提高产品/服务能力；用户在进行个性化的三维模型结构设计时，通过分析产品三维图形和工艺文档等大数据，主动推送情景相关的零部件模型、材料数据信息和相关知识服务等。在进行零件加工时，基于传感器/机器运行实时数据及历史数据进行分析建模，预测可能出现的故障，主动地将制造任务转移到其他可用的机器上，并对故障进行预修复。制造企业和客户可以利用CAD/CAM/PDM/CAE对产品进行模拟仿真验证，乃至虚拟制造或3D快速成型；利用ERP/智能化/服务化等技术手段，按照合约和产品需求进行面向服务的业务流程的创建与协同，并通过IoT等调用和监控相应的物理设备资源，最终得以在物理系统中实现产品的生产，与此同时，在产品生产乃至使用过程中的实时数据（信息）经知识网处理后，会主动地返回给企业人员，用以优化业务和决策。

（2）基于大数据分类的分布式生产计划研究

企业各制造单元的资源配置以及生产线布局各不相同，随着生产现场的动态变化，各单元之间原有的任务分工很容易变得不再均衡，原来的资源配置变得不再合理，再加上各分布式单元之间的信息交流不畅，使得任务的均衡分配难度大大增加。基于大数据的分类能够获取有效的分配知识，生成资源分配准则。基于大数据知识库支持的分布式生产计划技术需要借助动态工艺分工技术，协同整合在制品信息、设备加工能力信息、生产准备信息以及物料供应信息等，并以优化订单、均衡任务、优化配置资源、辅助优化动态工艺分工为目标。

（3）基于任务均衡的制造资源大数据聚类优化配置研究

基于大数据的聚类方法能够将分配方式进行分类与训练，形成分配知识库。对于多任务、多资源的实际生产系统，任务和资源之间存在工艺分工路线、资源能力和任务交货期等多种约束，多任务在同一时刻竞争同一制造资源必然出现资源冲突。因此，如何在满足多约束的条件下，避免和消解资源冲突，实现基于任务均衡的制造资源优化配置是本书研究的难点之一。

1.3.2　研究内容

先进制造企业普遍应用各类信息化手段积累了大量的数据，但数据无法指导协同复杂的、离散的先进产品制造过程，研究大数据驱动的协同制造机理，有助于先进制造企业提高智慧化达到协同制造的目标。研究并使用大数据驱动的协同制造机理，能够使先进制造业多产品、多部门、多业务之间形成有效的协同，达到智慧化生产与主动制造的目标。本书的研究成果能够帮助制造企业有效地实现智慧化的协同制造，达到提高决策效率、改善劳动生产率和降低生产成本的目的。

本书针对先进制造企业生产中工艺规划与制造过程协作松散问题，建立大数据智能平台，分数据支撑层、规划层、运作层、执行层四个层面研究协同制造方法。通过研究数据（Data）、任务（Order）、过程（Process）、资源（Resource）四者之间的有效协同（以下简称DOPR协同），实现任务的均衡分配、过程的柔性响应、资源的优化利用；并将相关研究成果封装，构建智能大数据协同制造平台，提供相应的协同智能支撑方法及工具，为本书研究成果快速工程化奠定基础。本书主要研究内容如图1-7所示。

1.3.3　研究创新点

本书针对先进制造企业在工艺规划、生产运作、制造执行、过程控制等阶段协作松散、生产周期长、资源利用率低等问题，探讨基于任务、过程与资源的协同制造模式，突破动态工艺规划、分布式生产计划、制造资源优化配置、柔性作业计划和动态调度等关键技术，构建基于信息集成和知识融合的协同制造平台，具有以下三个方面的特色与创新之处：

（1）研究了大数据与当下企业协同生产的关系，提出了DOPR的新型协同制造模式

大数据时代的制造业迎来了新的机遇与挑战，但还没有人探索大数据对制造业的改变与支持。想要先进制造业产品与部门达到协同与智能需要引入大数据，大数据可以使制造过程更轻易达到协同的目的。而制造业产生的制造业大数据如何使用目前正是研究的热点，本书正是研究了平台性的支持，使大数据对制造业的智能支持更加具有整体性。

（2）提出了大数据环境下面向规划、运作和执行层的大数据协同方法

先进制造业的制造过程可以根据DOPR分为三个层次，每个层次根据所处的生产阶段不同各自有不同的关键技术，这些关键技术在大数据时代可以通过数据的支撑实现进一步的发展。本书根据环境不同对各种关键技术的大数据支持做出了探索。

（3）规划了大数据环境的方法与支撑工具集

在制造业信息化程度越来越高的环境下，制造业大数据应如何去挖掘，是大数据时代制造业研究的难点与热点。本书对制约企业的协同数据、订单、过程和资源进行分类，分别提出了解决相应问题的大数据支撑方法，并通过大数据训练得到知识库，以便供智能大数据平台调用，帮助先进制造业高效协同。

1.3.4　章节安排

本书共有6章，内容安排如下：

第1章：绪论。阐明了本书的研究背景和研究意义。对本书相关研究内容进行模块化分析，对每个模块最新的研究现状进行综述，力争在国内外研究的基础上发现研究问题的共性与个性，为本书后续的研究提供研究基础与理论支撑。最后根据研究现状提出本书研究的框架及创新点。

第2章：规划层DOPR协同制造研究。规划层DOPR协同制造方法基于大数据支撑，针对当前生产计划编排脱节现象而导致任务分配不均、资源负荷参差不齐等问题，研究多车间、多部门、多任务之间的协同规划方法，应用基于DOPR协同的主动制造方法、分布式生产计划方法以及资源优化配置方法，使任务均衡分配、资源合理利用。

第3章：运作层DOPR协同制造研究。规划层协同制造解决了任务需求变动情形下研究资源配置和生产计划的可行性。运作层将规划层计划进行细化，形成作业计划，具体研究在操作可选和设备、工装、物料可选等动态制造资源约束下的作业计划优化方法，以使作业计划可行，能有效指导运作层生产加工，并拉动资源实现资源的并行准备。

第4章：执行层DOPR协同制造研究。在制定出合理的运作层作业计划后，现场加工过程中的随机扰动会造成计划与原有目标的偏离。执行层考虑现场动态实时信息，针对计划执行过程中的扰动，通过动态调度实现现场变化的敏捷响应和实时协同。基于现场实际约束进行动态实时优化，将扰动造成的影响降到最低。

第5章：协同制造知识发现方法研究。制造业在信息化的过程中积累了制造业大数据，制造业大数据的形成为生产管理带来了机遇与挑战。如何从制造业大数据中找到有效的知识，为企业的协同制造管理乃至企业的生产创新服务是当代制造业所面临的新难题。制造业大数据本身具有数据维度高、数据类型多样、数据相互耦合和噪声数据多的问题。将“核”方法、降维方法和决策分析方法引入制造业大数据处理中作为解决先进制造企业协同制造的支撑工具，改进现有的制造业大数据的分析方法并挖掘对企业有效的知识，使我国先进制造业达到智慧化。

第6章：总结与展望。对本书所做工作进行总结，并指出本书的研究意义及以后的可行方向。