纺织学报 ›› 2017, Vol. 38 ›› Issue (10): 159-165.doi: 10.13475/j.fzxb.20170601307

• 纺织科技新见解学术沙龙专栏 • 上一篇    下一篇

大数据驱动的纺织智能制造平台架构

  

  • 收稿日期:2017-06-05 修回日期:2017-07-31 出版日期:2017-10-15 发布日期:2017-10-16

Big-data-driven framework for intelligent textile manufacturing

  • Received:2017-06-05 Revised:2017-07-31 Online:2017-10-15 Published:2017-10-16

摘要:

在分析纺织工业面临的“十三五”发展形势与智能制造建设任务的基础上,探讨了大数据技术在新一代工业革命中的关键地位,详细阐述了大数据对制造过程的透明化、精益化、高效化和智能化作用。基于工业4.0参考架构与中国智能制造标准化参考模型,分析了纺织智能制造的具体需求,以及信息物理融合技术与大数据技术在纺织智能制造中的核心地位与驱动作用。提出了大数据驱动的纺织智能制造平台体系架构,阐述了横向集成、纵向集成与端到端集成三项智能制造工作,以及基于大数据平台的产品设计智能化、生产组织智能化、营销智能化、售后服务智能化等应用场景。

关键词: 纺织智能制造, 大数据, 平台架构, 集成工作, 应用场景

Abstract:

As the development of the 13th Five-Year Plan and intelligent manufacturing encourages the textile industry being smarter. This paper pointed out the key position of big data technologies in the coming new generation of Industrial Revolution, and set forth effect of trans-parent, lean, efficient and intelligent manufacturing process. According to reference architecture model industrie 4.0 and standard refer-ence model of intelligent manufacturing in China, this paper analyzed detail requirement of intelligent textile manufacturing, and got a conclusion that Cyber Physical System and Big Data technology in intelligent textile manufacturing took significant effect. The authors proposed a big-data-driven framework for intelligent textile manufacturing, expounds the three basic tasks in intelligent manufacturing: horizontal integration, vertical integration and end-to-end integration, and finally discussed some typically application scenarios such as intelligent product design, intelligent production organization and operation, intelligent sales and after-sale services based on big data platform.

Key words: intelligent textile manufacturing, big data, platform framework, integration, application occasion

[1]工信部. 纺织工业 “十三五” 发展规划 [R]. 2012. [2] MANYIKA J., CHUI M., BROWN B., et al. Big data: The next frontier for innovation, competition, and produc-tivity [R]. Las Vegas: The McKinsey Global Institute, 2012. [3] LANEY D. 3D data management: Controlling data volume, velocity and variety [J]. META Group Research Note, 2001, 6: 70. [4] 工业4.0工作组, 德国联邦教育研究部. 德国工业 4.0 战略计划实施建议(上)[J]. 机械工程导报, 2013, (7-9): 23-45. [5] 罗文. 德国工业 4.0 战略对我国推进工业转型升级的启示 [J]. 工业经济论坛, 2014, 1(4): 52-59. [6] 胡晶. 工业互联网, 工业 4.0 和 “两化” 深度融合的比较研究[J]. 学术交流, 2015, 1: 151-158. [7] 国务院. 中国制造2025 [R]. 北京: 国务院, 2015. [8] 祝宪民. “智能制造”和“数控一代”纺织机械发展探讨 [J]. 纺织机械, 2011 (5): 2-4. [9] 王天然. 中国至2050年先进制造科技发展路线图 [M]. 北京: 科学出版社, 2009. [10] 路甬祥. 走向绿色和智能制造 [J]. 中国机械工程, 2010, 21(4): 379-386. [11] 张洁, 高亮, 秦威等. 大数据驱动的智能车间运行分析与决策方法体系 [J]. 计算机集成制造系统, 2016, 22(5): 1221-1229. [12] 吕佑龙, 张洁. 基于大数据的智慧工厂技术框架[J]. 计算机集成制造系统, 2016, 22(11): 2691-2697. [13] PETER A., HEINZ B., DIRZUS D., et al., Reference Ar-chitecture Model Industrie 4.0 (RAMI4.0) [R], VDI/VDE Society Measurement and Automatic Control (GMA), July 2015. [14] 中国电子技术标准化研究院. 智能制造标准体系研究白皮书(2015年) [R]. 北京, 中国电子技术标准化研究院, 2015. [15] 刘向举, 李敬兆, 刘丽娜. 基于物联网的纺织车间环境智能测控系统 [J]. 计算机应用, 2015, 35(7): 2073-2076.

[1] 梅顺齐 胡贵攀 王建伟 陈振 徐巧. 纺织智能制造及其装备若干关键技术的探讨[J]. 纺织学报, 2017, 38(10): 166-171.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!