BAB 1

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.