Optimalisasi Sistem Manufaktur Menggunakan Internet of Things
Optimalisasi Sistem Manufaktur Menggunakan Internet of Things meluas IoT (Internet of Things) ke bidang manufaktur untuk mengembangkan arsitektur IoMT (Internet of Manufacturing Things) dengan penelusuran, visibilitas, dan interoperabilitas waktu nyata dalam perencanaan, pelaksanaan, dan kontrol produksi . Buku ini adalah bacaan penting bagi siapa pun yang tertarik dalam optimalisasi dan kontrol sistem manufaktur yang cerdas. Karena lantai pabrik manufaktur modern dapat membuat kemacetan dalam menangkap dan mengumpulkan informasi lapangan real-time, dan karena sistem manual berbasis kertas menghabiskan waktu dan rentan terhadap kesalahan, buku ini membantu pembaca memahami cara mengatasi masalah ini, membantu mereka dalam pengambilan keputusan mereka di lantai toko. Dalam konteks ini, arti IOT adalah juga terus berubah. Oleh karena itu, sejauh ini tidak ada definisi yang jelas dan seragam tentang IoT, terutama berbagai latar belakang aplikasi. Secara sintaksis adalah terdiri dari dua istilah yaitu "Internet" dan "Benda." Karena itu, IoT bisa dipahami dari dua perspektif, yaitu "berorientasi Internet" dan "Hal-hal berorientasi” Di satu sisi, dari perspektif "Hal berorientasi," mengacu pada protokol komunikasi standar, dan untuk membentuk dunia jaringan. Dan sangat berhbungan dengan jaringan mannufaktur Networked manufacturing (NM) berarti bahwa perusahaan manufaktur melakukan desain produk, manufaktur, penjualan, pengadaan, manajemen, dan serangkaian kegiatan berbasis teknologi jaringan terutama Internet. Terdapat komponen Sistem Manufaktur yang Dapat Dikonfigurasi Ulang, RMS ideal memiliki enam karakteristik inti, yaitu modularitas, keterpaduan, fleksibilitas yang dapat disesuaikan, skalabilitas, konvertibilitas, dan diagnosabilitas. Karakteristik ini, yang diperkenalkan oleh Profesor Yoram Koren di 1995, berlaku untuk desain seluruh sistem manufaktur, serta beberapa komponennya, termasuk mesin yang dapat dikonfigurasi ulang, pengontrol, dan sistem perangkat lunak kontrol, dijelaskan sebagai berikut : Modularitas, Integrabilitas, Kustomisasi, Konversi, Skalabilitas, Diagnosabilitas Pada BAB ini juga membahas menegenai Grid Manufaktur, cloud manufaktur, dan keterbatasan
APLIKASI IoT DALAM SISTEM MANUFAKTUR.
Selain itu, IoT memiliki aplikasi penting lain dalam energi berbasis IoT manajemen dalam siklus hidup produk. 1. Simulasi dan pengujian produk : Simulasi dan pengujian produk adalah fase signifikan dari siklus hidup produk.Setiap kesalahan kecil selama proses ini dapat menyebabkan produk abnormal operasi. Salah satu tantangan utama fase ini adalah mengumpulkan yang sangat besar jumlah data uji dan analisis data secara efektif. Saat ini, dengan bantuan IoT, data uji yang dihasilkan oleh peralatan IoT tersedia. Lalu produk desainer dan analis teknis dapat membuat keputusan hemat energi data terhubung dengan berbagai jenis faktor pengaruh. 2. Pemantauan real-time fasilitas publik : Terminal penginderaan mengumpulkan informasi konsumsi energi dari air, listrik, gas, dan pemanas. Dengan membandingkan konsumsi energi untuk hal yang sama proses dalam lingkungan yang berbeda dan analisis melalui kombinasi kualitas produk, waktu pemrosesan, dan data terkait energi, energi kondisi konsumsi fasilitas publik dapat ditingkatkan. 3. Cara kerja peralatan pabrik yang efisien :Kunci untuk mengurangi konsumsi energi pada fase manufaktur adalah meningkatkan prinsip dan konfigurasi peralatan. Dengan bantuan dari IoT, status peralatan dan parameter terkait dapat dikumpulkan secara akurat. Proses pembangkit listrik dapat dievaluasi juga. Mengetahui pola konsumsi energi peralatan dalam waktu nyata memungkinkan mengurangi konsumsi energi pada waktu puncak dan mengurangi waktu idle dengan mematikan mesin. Menentukan konsumsi energi untuk mesin dalam berbagai konfigurasi dan memilih konfigurasi mesin yang lebih efisien juga mengurangi energi konsumsi. Selain itu, proses pembuatannya dipantau secara nyata waktu, produk setengah jadi yang tidak memenuhi syarat dapat ditemukan sekaligus hindari lebih banyak pemborosan energi. 4. Perencanaan transportasi yang efisien : Dengan IoT, jaringan transportasi dan pelacakan lokasi produk dapat direalisasikan dengan mudah sehingga dapat meningkatkan efisiensi energi dalam fase transportasi. Untuk contoh, "Kartu Energi" telah digunakan untuk menentukan dan mengurangi energi permintaan di bidang logistik. Dan beberapa perusahaan berbagi transportasi dengan perusahaan lain yang memiliki tujuan atau rute transportasi yang sama ke memberikan produk untuk mencapai efisiensi energi yang lebih tinggi. 5. Panduan penggunaan konservasi energi : Dalam fase utilitas, konsumsi energi dapat dengan mudah dihasilkan oleh perilaku pelanggan yang tidak pantas. Saat ini, dengan bantuan teknologi IoT, adalah sejumlah besar data yang dihasilkan dari utilitas pelanggan dapat akurat dianalisis dan ditransfer untuk membuat keputusan yang benar dan memberikan saran konservasi energi bagi pelanggan. 6. Pemeriksaan produk otomatis : Dalam mode tradisional, banyak produk tidak memiliki inspeksi reguler, yang mana menyebabkan konsumsi energi potensial. Dengan dukungan IoT, status produk dipantau terus menerus oleh peralatan IoT. Dengan demikian, inspeksi produk adalah diambil secara otomatis dan terus menerus selama fase utilitas. Niscaya, inspeksi produk mengurangi konsumsi energi secara umum. 7. Pemeliharaan prediktif dan kooperatif : Berdasarkan aliran informasi dan platform Internet global yang berkelanjutan, pemeliharaan produk dapat ditingkatkan ke tahap prediksi secara global. Dengan membandingkan kinerja produk melalui sistem pemantauan jaringan global, prediksi kelainan produk, diagnostik kesalahan, produk analisis pola degradasi akan meningkat sehingga produk akan menjadi lebih baik dicegah dari kerusakan yang tidak terduga dengan cara di mana-mana. Tambahan, ketika terjadi kesalahan, pemeliharaan proaktif dapat dilakukan dengan lebih efisien dan lebih kooperatif melalui platform global. 8. Memprediksi sisa masa pakai komponen atau komponen : Dalam kebanyakan kasus, sementara suatu produk tidak dapat digunakan, komponen tingkat yang berbeda masih memiliki nilai yang tersisa. Memprediksi sisa masa pakai komponen atau komponen akan membantu memutuskan apa yang akan didaur ulang dan tingkat daur ulang yang seharusnya. BAB 2 Membahas mengenai Gambaran umum IoT-Diaktifkan Sistem Manufaktur BAB 3 Real-Time dan Multisource Informasi Pabrikan Sistem Penginderaan Tiga aliran pekerjaan terkait relevan dengan penelitian ini. Ini termasuk (1) pengambilan data pabrikan secara real-time, (2) manajemen sensor, dan (3) pabrikasi pemrosesan dan berbagi informasi BAB 4 Perakitan Cerdas yang Diaktifkan IoT Stasiun Sistem manufaktur saat ini, terutama stasiun perakitan sistem, berdasarkan pola manufaktur tradisional, hampir tidak dapat menanggapi pengecualian atau gangguan yang tidak dapat diprediksi secara real time, sehingga paradigma baru sangat dibutuhkan untuk memenuhi tantangan ini dengan lebih baik. Saat ini, tantangan khas yang dihadapi sistem stasiun perakitan adalah: (1) kurang tepat waktu, akurat, dan informasi yang konsisten dari sumber daya manufaktur yang didistribusikan dari sistem manufaktur seperti lantai toko; (2) kurangnya solusi menyeluruh untuk melacak, lacak, bagikan informasi manufaktur waktu-nyata di antara lapisan sistem manufaktur, lantai bengkel, dan lapisan mesin, dan kemudian berikan keputusan yang optimal untuk sistem manufaktur. Perkembangan terkini dalam nirkabel sensor, komunikasi dan teknologi jaringan informasi telah menciptakan era baru Internet of things (IoT) Bab 5 Berbasis Cloud Computing Sumber Daya Pabrikan Metode Konfigurasi Menghadapi karakteristik mode CMfg, proses konfigurasi sumber daya menjumpai pertanyaan- pertanyaan berikut: 1. Bagaimana membangun model mesin cloud yang dapat mengungkapkan status produksi mesin waktu nyata, dengan penerapan teknologi IoT dan RFID di lantai toko tradisional? 2. Cara mendaftar dan mempublikasikan layanan manufaktur ke dalam platform CMfg, sehingga mereka dapat dikelola secara efisien dan mudah diakses dengan cara plug-andplay? 3. Bagaimana mewujudkan penemuan layanan yang efisien dan pemilihan layanan yang optimal dan komposisi untuk meningkatkan fleksibilitas dan kelincahan konfigurasi sumber daya, untuk cepat menanggapi dan memenuhi tuntutan yang berubah? Dalam karya ini, tiga teknologi dan tindakan penting digunakan untuk itu menangani pertanyaan- pertanyaan yang disebutkan di atas. Menyebarkan perangkat RFID di toko floor dapat secara akurat dan tepat waktu memperoleh data produksi multisource. Dengan teknologi berorientasi layanan seperti ontologi dan layanan web, model mesin cloud dapat diklarifikasi dan dibangun. GRA adalah salah satu yang paling banyak metode populer untuk pengambilan keputusan multikriteria (MCDM). Keuntungannya menggunakan GRA adalah bahwa hasilnya didasarkan pada data asli dan perhitungannya sederhana yang memungkinkan untuk membuat keputusan cepat dalam konfigurasi proses. Pekerjaan terkait dengan penelitian ini ditinjau dalam tiga kategori. Mereka awan manufaktur (CMfg), persepsi dan penangkapan informasi produksi real-time, dan pemilihan dan komposisi layanan cloud Model Informasi Layanan Manufaktur Pada bagian ini, kami mempelajari model informasi mesin cloud dengan keduanya informasi deskripsi statis dan informasi manufaktur dinamis dipertimbangkan. Mesin cloud terdiri dari empatjenis informasi, termasuk informasi dasar, informasi fungsi, informasi status waktu-nyata, dan informasi evaluasi. Ini didefinisikan sebagai: CMS C = (, MBasicInfo CMFunctionInfo C,, MStatusInfo CMEvaluationInfo). 1. Informasi dasar Informasi dasar CMS menggambarkan atribut yang melekat pada cloud mesin, seperti ID layanan, nama layanan, dan sebagainya. Di sini, ID layanan adalah informasi identifikasi CMS dalam platform CMfg, yang memungkinkan posisi cepat dari layanan ini ketika dicari atau diminta oleh pemohon. Beberapa informasi lain termasuk bengkel, pabrik, tanggal pembelian, dan kehidupan pelayanan. Ini didefinisikan sebagai: CMBasicInfo C = MID CMName CMWorkShop CMManufacturer CMPurDate CMLife 2. Informasi fungsi Informasi fungsi menjelaskan atribut fungsional spesifik mesin cloud, yang mendukung eksekusi pencarian layanan dan pencocokan layanan dalam CMfg. Menurut proses produksinya, ada yang khas atribut fungsional diperhitungkan. Mereka adalah tipe bagian, metode pemesinan dimensi geometris, karakteristik, material pemesinan, presisi pemesinan, dan kekasaran. Ini didefinisikan sebagai: CMFunctionInfo CMPartType CMMetode CMDeoDimension CMCharacteristic CMMaterial CM ecision CMRoughness 3. Informasi status real-time Selama proses pembuatan, data status real-time secara akurat diperoleh oleh perangkat RFID yang digunakan dan berbagai sensor seperti pembaca RFID, kaliper digital. Data produksi membuat manufaktur tradisional kegiatan yang lebih transparan, dapat dilacak, dan dapat dikontrol, sehingga membantu manajer tingkat atas menyadari status produksi waktu nyata. Selanjutnya, berdasarkan data, beberapa metode optimasi dinamis seperti penjadwalan produksi real-time dan kontrol kualitas online dikembangkan. Ini didefinisikan sebagai: CMStatusInfo = (, CMStatus CMTaskQueue C,, MLoad CM Processin) gInfo. 4. Informasi evaluasi Informasi evaluasi terdiri dari dua bagian; beberapa indikator obyektif diekstraksi dari catatan produksi historis, seperti biaya, izin kecepatan, tingkat pengiriman tepat waktu (OTDR), keandalan, dan waktu layanan di Platform CMfg; sementara yang subjektif lainnya dinilai oleh pelanggan, di sini, kepuasan pelanggan (CS) dipertimbangkan. Ketika dalam evaluasi layanan, pemohon merujuk pada informasi evaluasi dan memilih beberapa kriteria bahwa mereka paling khawatir untuk menemukan CMS yang memuaskan. Ini didefinisikan sebagai: CMEvaluationInfo C = (, Pertama PassRate O,, TDR l Reability,, STimes CS). BAB 6 Troli Cerdas Diaktifkan IoT Dengan perkembangan pesat jaringan nirkabel industri dan teknologi ID-otomatis [mis., Identifikasi frekuensi radio (RFID), Bluetooth, Wi-Fi], banyak perusahaan mengadopsi teknologi canggih ini untuk menerapkan keterlacakan, visibilitas, dan interoperabilitas waktu nyata dalam meningkatkan kinerja lantai toko perencanaan, pelaksanaan, dan kontrol, dan aliran besar informasi manufaktur telah dihasilkan selama proses manufaktur yang beragam eksekusi material handling, penyimpangan antara rencana dan eksekusi sering disebabkan oleh : 1.pengecualian yang tidak terduga. Semakin banyak tugas bergerak, semakin besar penyimpangan. Kemudian, penyimpangan ini akan mengarah ke yang lebih serius pengecualian produksi. Oleh karena itu, bagaimana mengembangkan strategi alokasi berbasis informasi real- time dari tugas-tugas penanganan material untuk mengurangi atau menghindari penyimpangan harus dipertimbangkan. 2. Troli di lantai toko dapat merasakan sumber daya manufaktur yang berbeda (mis., material, palet, dan operator) dan secara aktif meminta perpindahan dengan perangkat ID dan auto yang terpasang. Selain itu, status real-time mereka dapat tepat waktudilacak dan dilacak. Efisiensi pengiriman juga dapat ditingkatkan dengan menerapkan navigasi cerdas berbasis informasi yang real-time selama materi proses penanganan. Karena itu, cara menggunakan perangkat dan informasi ID-otomatis teknologi untuk memungkinkan troli memiliki kemampuan penginderaan aktif dan intelijen memainkan peran penting dalam meningkatkan penanganan material di Indonesia lantai toko manufaktur. 3. Metode penanganan bahan tradisional jarang mengambil kombinasi langkah tugas ke dalam akun. Namun, untuk tujuan rendah karbon, itu perlu untuk mengadopsi metode kombinasi tugas pindahan untuk meningkatkan efisiensi penanganan material dan mengurangi biaya transportasi. Karena itu, cara menggabungkan tugas pindah berbeda sesuai dengan prioritas tugas, beban maksimum, dan volume troli adalah masalah lain dalam menerapkan materi hijau penanganan di lantai toko manufaktur Detail mereka informasi dijelaskan sebagai berikut: l Komputer kendali industriParameter utama dari komputer kontrol industri yang digunakan dalam hal ini Bab meliputi modelnya, kapasitas memorinya, dan kapasitas hardnyadisk. Modelnya adalah PCA-6007LV. Kapasitas memorinya adalah 1G. Kapasitas hard disk-nya adalah 160G. Fungsi komputer kontrol industridapat dikategorikan menjadi tiga aspek. Pertama, dapat menghubungkan pembaca RFID dan menerima data real-time yang diambil. Kedua, dapat mengirim status real-time dari troli ke server informasi dan mendapatkan tugas pemindahan yang ditugaskan dari server informasi. Ketiga, dapat memberikan informasi navigasi real-time untuk operator. l pembaca RFID Parameter utama pembaca RFID yang digunakan dalam bab ini merujuk pada modelnya, frekuensi kerja, daya RF, gaya antarmuka, jumlah antena antarmuka, dan jarak pembacaannya. Modelnya adalah XAFD6132C. Bekerja frekuensi bervariasi dari 902 ∼ 928 MHz. Kekuatan RF-nya di bawah 30 DBM. Itu mendukung gaya antarmuka seperti RS232, RS485, TCPIP. Ini memiliki empat antarmuka antena. Jarak bacaan terpanjangnya adalah 2 m. Fungsi RFID pembaca dapat dikategorikan menjadi dua aspek. Pertama, dapat menghubungkan ketiganya antena untuk merasakan operator, item material, dan data posisi. Kedua, itu dapat mengirimkan data real-time yang diambil ke komputer kontrol industri melalui RS232. l Antena Parameter utama antena yang digunakan dalam bab ini merujuk padajenisnya, Keuntungannya, VSWR-nya, rasio F / B-nya, dan impedansi. Jenisnya adalah UHF. Keuntungannya adalah 16dBi. VSWR-nya adalah d1.5. Rasio F / B lebih dari25 dB. Impedansinya adalah 50 Ω. Tiga antena dikerahkan di troli sisi. Mereka digunakan untuk merasakan data real-time dari tag yang dilampirkan sumber daya manufaktur yang berbeda seperti operator, barang material, dan data posisi
BAB 7 Produksi Kunci Real-Time Metode Analisis Pertunjukan
Jumlah data manufaktur yang didistribusikan diperoleh oleh sensor, sebagian besar sering tidak berarti dan tidak dapat digunakan oleh tingkat atas manajer secara langsung. Namun, anomali produksi sering mengganggu normal kegiatan manufaktur. Analisis kinerja produksi utama (KPPA) adalah dasar untuk menemukan anomali. Jika kinerja produksi (PP) tidak dapat dihidupkan waktu, anomali tidak dapat ditemukan dan dikelola dalam waktu, yang akan mengarah pada memperburuk gangguan proses. Karena itu, penting bagi perusahaan manajer untuk meningkatkan pola manajemen produksi mereka dengan teknologi dan model canggih untuk memenuhi KPPA real-time, sehingga manajer dapat membuat keputusan optimal berdasarkan status produksi real-time dan anomali dapat dideteksi dan dihilangkan secara dinamis. KARYA TERKAIT Tiga kategori literatur relevan dengan penelitian ini. Mereka real-time teknik pemantauan produksi, analisis indikator kinerja utama produksi waktu nyata (KPI), dan analisis anomali produksi waktu nyata. Kesenjangan Penelitian Sampai sekarang, penelitian komprehensif tentang PAM produksi real- time telah selesai Namun, upaya penelitian kurang dibayarkan untuk masalah-masalah berikut. 1. Jumlah data primitif ditangkap setelah beberapa sensor terpasang pada sumber daya manufaktur tradisional. Namun, sebagian besar datanya tidak ada artinya. Ada kesenjangan yang lebar antara data primitif dan data informasi PP kunci. Hal ini diperlukan untuk membangun waktu nyata yang didorong oleh peristiwa Model dan prosedur KPPA untuk memproses data besar waktu nyata yang ditangkap oleh mendistribusikan perangkat ID-otomatis untuk pembuatan yang berarti dan bernilai tambah informasi. 2. Anomali produksi tidak dapat dihindari dalam proses waktu nyata dan analisis anomali sangat penting untuk memastikan aktivitas manufaktur yang normal. Di secara umum, anomali sering ditemukan dan didiagnosis oleh para ahli, oleh karena itu proses deteksi anomali selalu subyektif. Bagaimana secara dinamis menyediakan aplikasi tingkat atas dengan informasi kuantitatif dan kualitatif anomali secara persuasif dan obyektif adalah masalah penting. \ BAB 8 Informasi Real-Time Didorong Sistem Penjadwalan Produksi Padahal kemajuan signifikan telah dibuat di bidang real-time menangkap dan memproses informasi, beberapa pertanyaan penelitian masih perlu dipertimbangkan dalam bagaimana menerapkan metode penjadwalan waktu nyata dalam kehidupan nyata lantai manufaktur. 1. Selama tahap perencanaan proses, status real-time sumber daya pabrik jarang dipertimbangkan ketika tugas dialokasikan ke mesin. Itu keadaan yang disebutkan dapat menyebabkan alokasi tugas yang tidak optimal dan memiliki pengaruh negatif pada penjadwalan produksi berikut. 2. Kelangkaan metode yang efektif untuk menangkap dan memproses informasi pabrikan secara real-time mengarah pada tidak efisien, tidak akurat, dan tertundanya waktu monitor produksi. Sementara itu, mekanisme yang efektif belum baik dikembangkan untuk mencapai integrasi informasi real-time antara tahap penjadwalan produksi dan monitor pengecualian pelaksanaan produksi tahap. Ini menimbulkan lebih banyak tantangan dalam melakukan produksi real-time penjadwalan. 3. Saat ini, tugas dalam sistem manufaktur menunjukkan fitur-fitur besar variasi dan ukuran batch kecil. Fenomena ini menimbulkan lebih banyak persyaratan di Indonesia bidang pemantauan produksi real-time. Itu harus memiliki kemampuan pengambilan keputusan yang dinamis dan kontrol adaptif untuk menangani produksi yang berbeda perubahan. Oleh karena itu sangat penting untuk mengembangkan arsitektur penjadwalan produksi real-time dan metode untuk perubahan manufaktur yang dinamis lingkungan Hidup. Teknologi Monitor Informasi Pabrikan Huang et al mengusulkan pembuatan nirkabel teoretis (WM) kerangka kerja WM bergantung secara substansial pada perangkat nirkabel, seperti radio identifikasi frekuensi (RFID) atau sensor ID otomatis dan informasi nirkabel jaringan untuk pemantauan data produksi secara real- time. Zhang et al. Dijelaskan arsitektur penangkapan dan integrasi informasi real-time dari Internet hal-hal manufaktur, dan layanan integrasi informasi manufaktur real-time diusulkan untuk memenuhi target pertukaran informasi tepat waktu antara EIS dan sumber daya manufaktur di garis depan lantai toko. Berdasarkan pada teknologi RFID, Wang et al. mengusulkan manajemen gudang digital sistem dalam industri tembakau. Dengan menggunakan teknologi RFID, sistem memungkinkan gudang pesawat untuk mencapai manajemen persediaan yang divisualisasikan, penugasan penyimpanan otomatis, dan akurasi kontrol persediaan yang tinggi. Menggabungkan Teknologi RFID dengan ontologi, Grüninger et al. menciptakan benda pintar di Internet konteks proses pembuatan untuk memecahkan masalah tag RFID masif interoperabilitas. Xu et al. berfokus pada penelitian produk loop tertutup pelacakan informasi dan umpan balik dalam lingkungan yang mendukung teknologi nirkabel dari sudut pandang pemodelan [49]. Dengan menggunakan barcode 2D dan RFID teknologi, Lin et al. mengusulkan sistem baru yang disebut Mobile 2D Barcode / Sistem Manajemen Pemeliharaan berbasis RFID untuk meningkatkan peralatan laboratorium dan manajemen pemeliharaan instrumen dan memberikan informasi pemeliharaan platform berbagi [50]. Subramaniam et al. menyajikan pengumpulan data otomatis dan struktur tampilan untuk lini produksi; sistem dapat menghasilkan laporan otomatis, yang tetap berlaku dan manajemen hanya perlu bertindak berdasarkan hasil
BAB 9 Sistem Prototipe IoT-MS\
Lingkungan berkemampuan Internet of things (IoT) sangat penting untuk penerapan Internet of manufacturing systems (IoT-MS). Dalam bab ini, untuk menguji efektivitas sistem yang diusulkan, beberapa tugas produksi adalah terbentuk terlebih dahulu. Kemudian, tata letak lantai toko disediakan, diikuti oleh penyebaran sensor dan konfigurasi mesin. Semua operasi ini menumpuk dasar perangkat keras IoT-MS. ALIRAN LOGIS SISTEM PROTOTIPE Alur logis dari sistem prototipe dapat dilihat : Pertama, IOT perangkat akan diatur sesuai dengan. Multitype dan waktu nyata informasi manufaktur dapat diakses dari lingkungan yang dibangun. Setelah pengaturan, sistem akan bekerja di bawah langkah-langkah berikut. Langkah 1: Setelah menerima tugas dari pelanggan, berbasis cloud computing metode konfigurasi sumber daya manufaktur akan mencoba menguraikan tugas ke tingkat proses manufaktur. Menurut status mesin saat ini dan persyaratan tugas, tugas tersebut akan digabungkan ke mesin dengan kemampuan yang tepat. Langkah 2: Hasil pengupas akan diproses lebih lanjut, karena tugas pemrosesan yang berbeda dapat ditugaskan ke mesin yang sama pada saat yang sama. Itu sistem penjadwalan produksi informasi-driven informasi akan menemukan rencana produksi yang optimal, yang akan segera dilaksanakan. Langkah 3: Karena rencana produksi telah diputuskan, bahan baku perlu dibawa ke stasiun yang sesuai untuk menginisialisasi produksi. Itu Troli pintar berkemampuan IoT bertanggung jawab untuk merencanakan rute untuk kendaraan dan memandu mereka ke situs yang benar dengan efisiensi tertinggi. Langkah 4: Setelah mendapatkan bahan yang benar, stasiun produksi akan mulai produksi. Stasiun pintar yang diaktifkan IoT akan memberikan panduan untuk operator jika perlu, dan akan memperbarui antrian tugas sesuai waktu nyata informasi. Stasiun juga akan berkomunikasi dengan stasiun hulu dan hilir tentang kemajuan produksinya, sehingga ada potensi keterlambatan atau pengecualian manufaktur lainnya dapat diidentifikasi dengan cepat untuk persiapan awal dan solusi awal. Langkah 5: Selama tahap pelaksanaan pembuatan, modul pemantauan waktu nyata akan terus memantau proses pembuatan jika terjadi pengecualian. Langkah 6: MISS real-time dan multisource akan mengumpulkan data yang diperlukan untuk analisis lebih lanjut saat memantau. Langkah 7: Metode analisis kinerja produksi utama akan mencoba untuk menentukan peristiwa kritis selama produksi dan mencari tahu penyebab potensial pengecualian manufaktur. Langkah 8: Model penjadwalan ulang akan mengatur ulang rencana produksi sesuai dengan informasi dari analisis kinerja. Proses ini berlanjut hingga akhir produksi dan kedatangan tugas baru. BAB 10 Kesimpulan dan Pekerjaan Masa Depan Internet of things (IoT) menyediakan potensi untuk mengumpulkan dan berkomunikasi data real- time dalam sistem manufaktur, sehingga mencapai dinamika optimalisasi dan kontrol produksi. Ini membantu mengembangkan yang lebih cerdas sistem manufaktur dengan fleksibilitas dan transparansi yang lebih tinggi. Dengan memperluas Teknologi IoT untuk bidang manufaktur, buku ini mengusulkan dan mengembangkan sebuah keseluruhan arsitektur dan solusi untuk IoT- MS. Di bawah arsitektur ini, intinya model dan teknologi seperti model cerdas sumber daya manufaktur bawah, dan sebagainya dibahas secara rinci. Kontribusi utama buku ini bisa dirangkum sebagai berikut. 1. Usulkan arsitektur dan solusi keseluruhan untuk optimalisasi IoT-MS Mempertimbangkan keuntungan dari IoT, arsitektur keseluruhan dari sistem manufaktur menggunakan IoT (IoT-MS) disajikan. Ini bertujuan untuk memberikan yang baru paradigma untuk monitor real-time, analisis, kontrol, dan optimisasi dinamis dari sistem manufaktur dengan memperluas teknologi IoT ke bidang manufaktur. Di bawah arsitektur IoT-MS ini, hal-hal manufaktur seperti operator, mesin, palet, material, dan sebagainya dapat disematkan dengan sensor; mereka dapat berinteraksi satu sama lain. Informasi yang diubah dan dengan demikian status mereka dapat dilacak dan diintegrasikan dengan heterogen sistem informasi manajemen perusahaan. IoT-MS yang diusulkan akan memfasilitasi monitor aktif aktif yang digerakkan informasi, dan optimalisasi dinamis dari sistem manufaktur. 2. Merancang penginderaan informasi pabrikasi real-time dan multisource sistem Untuk menangkap status real-time dari sumber daya pabrikan terdistribusi, penginderaan informasi pabrikan waktu-nyata dan banyak sumber sistem (RMMISS) dirancang. Teknologi utama, seperti penyebaran beberapa sensor, manajer sensor, dan pemrosesan serta berbagi informasi pabrikasi multi sumber dibahas secara rinci. Dengan menerapkan RMMISS yang diusulkan, sensor cerdas dapat dikelola dalam "plug-and-play" fesyen, dan informasi pabrikan waktu nyata dan banyak sumber dapat ditangkap dengan benar dan secara aktif dikunjungi. 3. Desain model yang cerdas untuk stasiun perakitan berkemampuan IoT Untuk meningkatkan kecerdasan sumber daya manufaktur bawah, keseluruhan arsitektur stasiun perakitan cerdas dirancang dengan mengadopsi Teknologi RFID. Di bawah arsitektur ini, empat cetakan inti, yaitu pemantauan status waktu nyata, penuntun produksi waktu nyata, produksi waktu nyata berbagi data dan requeuing produksi real-time, dirancang untuk menyediakan optimalisasi navigasi untuk stasiun perakitan. Kemudian, waktu sebenarnya informasi sumber daya manufaktur di antara stasiun perakitan dan pengecualian perakitan dapat dirasakan dan ditangkap. Berbagi informasi pembuatan waktu nyata juga dapat dicapai. Produksi real-time algoritma requeuing berdasarkan Tabu Search dirancang untuk mengoptimalkan pemrosesan perakitan stasiun perakitan cerdas. Arsitektur yang dirancang akan berkontribusi pada monitor dan kontrol proses yang didorong oleh informasi waktu nyata antara sistem manufaktur dan stasiun. 4. Desain konfigurasi sumber daya pabrikasi berbasis cloud computing Metode Berdasarkan stasiun pintar, arsitektur keseluruhan berbasis komputasi awan Konfigurasi sumber daya pabrikan diusulkan untuk mewujudkan pembagian penuh, kolaborasi tinggi, dan konfigurasi sumber daya pabrikasi yang fleksibel. Di bawah arsitektur ini, model mesin cloud dibangun mempertimbangkan keduanya informasi manufaktur statis dan dinamis, dan kemudian dipublikasikan ke platform CMfg. Mekanisme penemuan proaktif berbasis tugas mempromosikan inisiatif penyedia. Akibatnya, efisiensi layanan Penemuan sangat ditingkatkan. Melalui analisis relasional abu-abu yang dirancang (GRA) metode evaluasi berbasis, pemilihan layanan yang optimal dan komposisi dilakukan. 5. Desain model yang cerdas untuk troli perakitan yang diaktifkan IoT Model penanganan material baru diusulkan untuk meningkatkan pengambilan keputusan berdasarkan pada informasi pabrikan waktu nyata dan sumber daya banyak. Dibandingkan dengan metode penanganan material sentral yang ada, metode yang diusulkan memungkinkan setiap troli untuk meminta tugas pemindahan secara aktif, dan setiap troli bisa dapatkan tugas pemindahan yang optimal sesuai dengan status real-time mereka. Tiga kunci teknologi dirancang dan dikembangkan untuk mengimplementasikan model penanganan material yang disajikan. Mereka adalah troli pintar yang diaktifkan IoT, informasi waktu-nyata mekanisme pertukaran, dan metode optimasi kombinasi untuk material menangani tugas. 6. Merancang metode analisis kinerja produksi utama yang real-time Karena jumlah data manufaktur terdistribusi yang diperoleh oleh sensor adalah sering tidak berarti dan tidak dapat digunakan oleh manajer tingkat atas secara langsung, arsitektur keseluruhan dari analisis kinerja produksi kunci waktu-nyata Metode (PPAM) dirancang untuk mengatasi masalah ini. Pertama, perangkat IoT diperluas ke bidang manufaktur untuk merasakan manufaktur secara dinamis data. Kemudian, model acara bertingkat dan hierarki mengatur waktu warna Petri net\ digunakan untuk mengintegrasikan data manufaktur mentah diskrit ke dalam peristiwa kritis. Akhirnya, teknologi Pohon Keputusan diterapkan untuk mengekstraksi produksi anomali dan temukan penyebab anomali. 7. Merancang strategi penjadwalan produksi dan informasi yang didorong oleh waktu nyata metode Sebuah strategi dan metode penjadwalan produksi yang didorong oleh informasi waktu nyata dirancang untuk menjembatani kesenjangan antara perencanaan dan kontrol produksi. Itu sistem produksi berbasis informasi real-time terdiri dari empat modul. Mereka masing-masing sebagai agen peralatan, agen evaluasi kemampuan, agen penjadwalan realtime, dan agen monitor pelaksanaan produksi. Peralatan agen dipekerjakan untuk menangkap dan memproses informasi real-time di toko lantai. Pada tahap perencanaan proses, agen evaluasi kemampuan digunakan untuk menyelesaikan alokasi tugas yang optimal sesuai dengan pemanfaatan waktu nyata ransum setiap mesin. Seperti namanya, agen penjadwalan real-time bertanggung jawab atas penjadwalan tugas manufaktur atau penjadwalan ulang sesuai dengan informasi real-time yang dilacak. Monitor pelaksanaan produksi agen bertujuan untuk melacak dan melacak status real-time dari berbagai manufaktur proses. PEKERJAAN MASA DEPAN Pekerjaan mendatang dari kelompok penelitian kami akan melibatkan aspek-aspek berikut. 1. Mode baru dan strategi pengambilan keputusan untuk sistem manufaktur maju selanjutnya. 2. Pemodelan sumber daya pabrikan cerdas berbasis sistem Cyber-fisik. 3. Manajemen siklus hidup produk berbasis data yang besar untuk manufaktur yang berkelanjutan. 4. Strategi dan algoritma optimasi waktu nyata untuk sistem manufaktur. 5. Model dan metode optimasi kolaboratif untuk sistem logistik produksi cerdas.