ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ УЗКИХ МЕСТ ПРОИЗВОДСТВЕННОЙ ЛИНИИ НА ОСНОВЕ ЦИФРОВОГО ДВОЙНИКА

АННОТАЦИЯ

В работе рассматривается подход к интеллектуальному анализу производственной линии на основе цифрового двойника и методов машинного обучения. Предлагается архитектура системы, включающая среду моделирования производственного процесса, модуль статистического анализа и интеллектуальный модуль выявления узких мест технологической линии. Рассматривается пример анализа роботизированной линии со станками ЧПУ. В результате работы системы формируются рекомендации по оптимизации структуры производственной линии и снижению вероятности возникновения производственного брака.

Ключевые слова: цифровой двойник, машинное обучение, производственная линия, интеллектуальный анализ, Industry 4.0, производственная эффективность, узкие места производства.

Введение

В современных производственных системах всё более активно применяются технологии цифровых двойников, позволяющие моделировать работу оборудования, анализировать параметры технологического процесса и оценивать эффективность производственной линии [1]. Использование цифровых моделей производства особенно актуально в условиях концепции «Индустрия 4.0», ориентированной на интеллектуализацию производственных процессов и автоматизацию принятия решений.

Большинство существующих систем цифрового моделирования позволяют получать производственную статистику, однако анализ полученных данных в значительной степени выполняется специалистом вручную [2]. При увеличении сложности производственной линии возрастает количество факторов, влияющих на эффективность производства: загрузка оборудования, транспортные задержки, вероятность возникновения брака, простои и неравномерность распределения операций между станками [3].

В связи с этим возникает задача автоматизированного анализа производственной системы и выявления узких мест технологического процесса с использованием методов машинного обучения.

Целью работы является разработка подхода к интеллектуальному анализу производственной линии на основе цифрового двойника для выявления неэффективных элементов структуры производства.

Архитектура системы

Предлагаемая система включает три основных модуля:

1. цифровой двойник производственной линии;
2. модуль статистического анализа;
3. интеллектуальный модуль выявления узких мест.

Цифровой двойник используется для моделирования работы производственной системы. В процессе моделирования формируются статистические данные о работе оборудования, времени выполнения операций, количестве произведённых изделий и вероятности возникновения брака.

Полученные данные экспортируются в модуль статистического анализа. На данном этапе выполняется обработка производственной статистики, расчёт параметров загрузки оборудования и подготовка данных для интеллектуального анализа.

Интеллектуальный модуль использует методы машинного обучения для поиска закономерностей в работе производственной линии и выявления факторов, негативно влияющих на эффективность производства.

Общая структура системы представлена на рисунке 1.

Рисунок 1. Общая структура системы

Анализ производственной линии

В качестве исследуемого объекта рассматривается автоматизированная производственная линия, включающая два станка с числовым программным управлением и шести осевой промышленный робот.

Первый станок выполняет операцию сверления детали, второй — операцию резки. Робот выполняет транспортировку заготовок между конвейером и станками, а также перенос деталей между технологическими операциями.

В процессе моделирования были получены следующие параметры: время выполнения операций, загрузка оборудования, время ожидания деталей, количество транспортных операций и вероятность возникновения брака.

Анализ показал, что использование двух отдельных станков увеличивает количество транспортировок детали и усложняет структуру производственной линии. Дополнительные перемещения приводят к увеличению времени обработки и повышению вероятности возникновения ошибок позиционирования детали.

Интеллектуальный модуль определил, что при использовании одного многофункционального станка, способного выполнять обе операции, снижается количество транспортных операций и уменьшается вероятность возникновения производственного брака.

Несмотря на некоторое снижение производительности, общая стабильность производственного процесса возрастает за счёт уменьшения числа промежуточных операций и сокращения времени транспортировки.

Результатом работы интеллектуального модуля является формирование рекомендаций по изменению конфигурации производственной линии.

Заключение

В работе рассмотрен подход к интеллектуальному анализу производственной линии на основе цифрового двойника и методов машинного обучения. Предложенная архитектура системы позволяет автоматизировать выявление узких мест производственного процесса и формировать рекомендации по оптимизации структуры производства.

Использование цифрового двойника в качестве источника производственных данных обеспечивает возможность моделирования различных конфигураций производственной линии без вмешательства в реальное производство.

Список литературы:

1. Абрамов, В. И. Цифровые двойники: характеристики, типология, практики развития / В. И. Абрамов, В. В. Гордеев, А. Д. Столяров // Вопросы инновационной экономики. – 2024. – Т. 14, № 3. – С. 691-716. – DOI 10.18334/vinec.14.3.121484. – EDN UKAJFT.
2. Лихтциндер Б. Я., Ольберг П. А. Моделирование и цифровые двойники // Вестник Самарского государственного технического университета. Серия «Технические науки». — 2022. — Т. 30. — № 4. — С. 20–32. — DOI: 10.14498/tech.2022.4.2.
3. Жарасов Б. С., Абрамов В. И. Цифровые двойники в управлении производством: принципы создания, проблемы внедрения и перспективы развития // Современная экономика: проблемы и решения. — 2024. —№ 6. — С. 80–94. — DOI: 10.17308/meps/2078-9017/2024/6/80-94.