Файл: Цифровое производство Терминология, этапы, технические средства и технологии.pptx

Цифровое производство

Терминология, этапы, технические средства и технологии

Давайте начнем!

Цифровое производство

Использование технологий цифрового моделирования и проектирования как самих продуктов и изделий, так и производственных процессов на всем протяжении жизненного цикла. По сути, речь идет о создании цифровых двойников продукта и процессов его производства.
Содержание

Назад

Вперед

Содержание

Основные понятия

Цифрового производства

Цифрового производства

Цифрового производства

04

Качество 4.0

Концепция

Терминология

Назад

Вперед

Терминология

Цифровой двойник

Цифровизация

Оцифровка

Назад

Вперед

Полное описание предприятия в цифровом виде

Процесс внедрения цифровых технологий для создания цифровой копии

Перевод данных, ранее предоставлявшихся на бумажных носителях, в цифровую форму без изменения вида и содержания данных и документов

Терминология

Цифровые технологии

Назад

Вперед

То, что связано с электронными вычислениями и преобразованием данных: гаджеты, электронные устройства, технологии, программы.

Этапы цифрового производства

Индустрия 4.0

Назад

Вперед

Этапы (промышленные революции)

Совершенствование логических контроллеров, их программирование, создание промышленных роботов. Автоматизация производства

Изобретение механизмов, заменяющих ручной труд (ткацкие, токарные, фрезерные станки, сельскохозяйственные машины)

Электрификация и производство бессемеровской стали. Использование конвейера в поточно-массовом производстве

2-ая промышленная революция (19-20вв)

3-ая промышленная революция (19-20вв)

Индустрия 4.0

Назад

Вперед

Новый подход к производству, массовое внедрение информационных технологий в промышленность, масштабная автоматизация бизнес-процессов и распространение искусственного интеллекта. Промышленность уйдет от ориентации на массового потребителя и полностью будет зависеть от предпочтений каждого отдельно взятого индивида

• Беспилотные транспортные средства
• 3-D печать и аддитивные технологии
• Передовая роботехника
• Новые «умные» материалы

---

• Инновации в биологической сфере, генетике и биоинженерии

• Интернет вещей

Технологии

Цифровые технологии – это технологии, где информация «оцифровывается», то есть представляется в универсальном цифровом виде. Другое определение: технологии, которые позволяют создавать, хранить и распространять данные.
Назад

Вперед

Назад

Вперед

Интернет вещей - сеть сетей (IoT)

Технологии данных

(Information Technology)

Операционные технологии

(Operation Technology)

объединение компьютеров, систем хранения данных и сетей с процессами создания, обработки, хранения, обеспечения безопасности и обмена любыми формами электронных данных.

комплекс аппаратного и программного обеспечения, но предназначенного для контроля и управления физическими процессами).

объединение компьютеров, систем хранения данных и сетей с процессами создания, обработки, хранения, обеспечения безопасности и обмена любыми формами электронных данных.

Назад

Вперед

Автономные роботы

интеллектуальные системы, которые способны анализировать информацию, делать прогнозы, находить возможности для оптимизации и принимать решения самостоятельно.

Искусственный интеллект

Машинное обучение

Робототехника

класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач

прикладная наука, занимающаяся разработкой автоматизированных технических систем и являющаяся важнейшей технической основой интенсификации производства

Составляющие полной автономности

Назад

Вперед

Облачные технологии (вычисления)

концепция согласно которой программы запускаются и выдают результаты работы в окно стандартного веб-браузера на локальном ПК, при этом все приложения и их данные, необходимые для работы, находятся на удаленном сервере в интернете.

Компьютеры, осуществляющие «облачное вычисление» (cloud computing) называются «вычислительным облаком». При этом нагрузка между компьютерами, входящими в «вычислительное облако», распределяется автоматически

Пример «облачного вычисления» - p2p-сети – одноранговая сеть (все компьютеры или устройства, входящие в нее, используют рабочую нагрузку в сети совместно).

---

Назад

Вперед

Сервисные модели облачных вычислений

инфраструктура как услуга, когда потребитель использует вычислительные ресурсы поставщика (сервер, сетевую инфраструктуру, хранилище данных)

Infrastructure-as-a-service (IaaS)

Platform-as-a-service (PaaS)

Software-as-a-service (SaaS)

платформа как услуга, когда поставщик предоставляет потребителю доступ к использованию программной платформы

программное обеспечение как услуга, когда потребитель может пользоваться готовым приложением поставщика

Назад

Вперед

Большие данные

Это не просто управление и анализ огромных объёмов информации.

Ведь большая часть данных организаций зачастую представлена в плохо соответствующем традиционному формату БД - веб-журналы, видеозаписи, текстовые документы, машинный код или, например, геопространственные данные.

Все эти данные хранятся во множестве разнообразных хранилищ. В результате организации могут иметь доступ к данным, но не иметь инструментов для установления взаимосвязей между данными, что приводит к невозможности сделать значимые выводы.

Данные при это все чаще и чаще обновляются, отчего традиционные методы анализа не справляются.

Назад

Вперед

Кибербезопасность

реализация мер по защите систем, сетей и программных приложений от цифровых атак. Неотъемлемые критерии кибербезопасности - защищенный доступ, надежная связь, тщательный контроль доступа оборудования и пользователей к сетям управления.

Интеграция данных

объединение данных, находящихся в различных источниках, и предоставление данных пользователям в унифицированном виде. Для этого важно наладить тесное взаимодействие на различных уровнях внутри предприятия и между различными предприятиями-партнерами по производственному циклу (горизонтальная и вертикальная интеграция систем).

Назад

Вперед

Цифровое моделирование

способ исследования реальных явлений, процессов, устройств, систем и др., основанный на изучении их математических моделей с помощью ЦВМ. Моделирование процесса численного решения математической задачи на ЦВМ практически означает автоматическое решение ее с помощью ЦВМ.

Цифровая вычислительная машина - комплекс технических устройств, в которых могут протекать процессы, отображающие (моделирующие) Действия с числами

---

- суть вычислительных операций при численном решении различных математических задач

Назад

Вперед

Достоинства цифрового моделирования

Решение любого класса задач подлежащих математической интерпретации

Высокая точность решения

Легкость перехода от одной задачи к другой

Возможность исследования объектов высокой размерности.

Назад

Вперед

Аддитивное производство

Промышленность только начала осваивать возможности аддитивных технологий, например, применение 3D-печати для прототипирования и производства отдельных деталей. С приходом Индустрии 4.0 методы аддитивного производства будут широко использоваться для мелкосерийного производства уникальной продукции. Например, предприятия аэрокосмической промышленности уже начинают применять аддитивные технологии для создания новых воздушных судов, снижая их вес, и тем самым, сокращая расход сырья и материалов.

Назад

Вперед

Дополненная реальность

революционно новая технология в области взаимодействия с клиентами. При наведении камеры смартфона или планшета на триггер дополненной реальности пользователю открывается интерактивный контент, он видит виртуальный 3D объект с анимацией или видео, которым может управлять в реальном пространстве. С помощью ДР производители смогут выгодно подчеркнуть достоинства своей продукции, давая возможность покупателю исследовать полнофункциональную 3D-модель и получить максимально реалистичные ощущения от продукта. Область применения данной технологии безгранична: виртуальные туры 360º, поиск локаций, демонстрации продукта, удаленное обучение, тестирование и продвижение.

Качество 4.0

Back

Next

Качество 4.0

Назад

Вперед

Концепция, схожая с Индустрией 4.0, пытающая классифицировать те конкретные технологии, практики и процедуры, которые позволяют производителям разрабатывать, управлять и поддерживать стандарты качества во всех цепочках поставок. Качество 4.0 определяет подход, который производители могут применять при внедрении новых технологий.

Включается в себя

• Машинное обучение
• Интернет вещей

• Прогнозная аналитика
• Большие данные
• Облачные вычисления

Традиционные системы управления качеством

• Программное обеспечение системы управления качеством

Ключевые элементы «Качества 4.0»

Назад

Вперед

Первый шаг в любом серьезном преобразовании - культурный. Необходимо рассматривать качество как стратегическую бизнес-инициативу, а не как оперативную функцию. Для этого производители должны понимать,

---

почему качество имеет значение. Необходимо выявить свои болевые точки и слабые места, привлечь всех заинтересованных лиц и установить измеримые результаты.

Последующие этапы связаны с интеграцией и оптимизацией процессов для обеспечения бесшовных потоков процессов между различными функциями и системами.

Основная проблема - нехватка IT-специалистов для поддержки эффективных программ качества и связанных с ними новых технологий

Назад

Вперед

Инструмент, используемый производителями для прогнозирования качества продуктов, компонентов и материалов, которые уже находятся в производственном процессе..

Начинается с очистки, форматирования и анализа огромных объемов данных, собранных в процессе производства. Затем к данным применяются статистические алгоритмы и машинное обучение, чтобы получить полезную информацию. Предиктивная аналитика качества позволяет производителям выявлять корреляции между критическими переменными, аномальные события и основные причины, которые могут привести к снижению качества продукции, влияя на продукты, компоненты и материалы

Предиктивная аналитика качества

Назад

Вперед

В крупносерийном автоматизированном процессе ручная проверка качества требует больших затрат и времени. Так называемый выборочный контроль, то есть определение качества всей производственной партии путем анализа небольшой части продукции, из-за растущих требований к качеству, больше не является масштабируемым решением. Здесь в игру вступают машинное зрение и глубокое обучение, что обеспечивает заводской контроль качества. Эти технологии позволяют автоматизировать контроль - для каждого продукта на линии, с последовательными и точными результатами контроля. Машинное зрение может исключить человеческую переменную из уравнения и обеспечить стабильные результаты 24/7.

Машинное зрение для контроля качества

Назад

Вперед

В 2020 году подавляющее большинство приложений машинного зрения на производстве основаны на двухмерной (2D) визуализации. Это быстрый и надежный метод автоматической проверки, который предлагает анализ для приложений, таких как считывание штрих-кода, ориентация этикеток и проверка печати. Трехмерное (3D) машинное зрение чаще всего используется для осмотра и измерения сложных трехмерных поверхностей произвольной формы. Существует несколько методов построения трехмерных изображений, в том числе метод «времени полета», лазерная триангуляция, стереозрение, проекция световых полос, «shape from shading» и интерферометрия белого света. Наиболее распространенным методом является триангуляция, основанная на лазерном сканировании с использованием движения продукта в процессе визуализации.

---