8、定制化制造中的边缘智能应用探索

定制化制造中的边缘智能应用探索

1. 边缘智能与机器学习模型选择

在定制化制造领域，优化策略的选择至关重要。深度学习（DL）算法有助于为工业物联网（MIoT）构建更全面的监测系统，而不是单纯依赖采样节点或特定领域知识。准确的机器学习（ML）模型是实现边缘工业物联网智能服务的前提。然而，获取接近工业物联网真实网络环境的真实测试集是一项挑战，因此无监督机器学习模型可能更适合解决相关问题。嵌入式机器学习算法在领域专家定义的条件下，有助于提供更准确的模型。

2. 智能制造工厂中边缘智能关键方法验证

智能制造工厂中边缘智能的相关关键方法验证主要包括以下三个方面：
- 基于边缘智能的知识推理与共享
- 利用边缘计算进行制造中的自适应传输优化
- 基于边缘智能的定制化制造可重构性

3. 基于边缘智能的知识推理与共享

在多品种、混流制造环境中，相似加工技术间信息和经验参数复用的自动化程度较低，阻碍了其发展。因此，提出了一种基于边缘智能的制造资源间知识推理与共享机制。

3.1 实验原型平台

多品种、混流智能制造生产线的原型平台工作流程如下：
1. 用户通过网页或移动应用选择产品类型、数量和个性化图案，订单在云端完成记录。
2. 订单直接下发到制造资源边缘，生成与加工任务相关的控制流。
3. 控制流驱动各制造资源执行当前加工任务，通过高度协调和先前加工操作获得的知识优化设备利用率。
4. 生产线效率体现在多任务协同生产和动态生产线重构上。

该原型平台目前包含的混流制造功能有定制木雕工艺品加工、个性化U盘定制和蓝牙遥控组装