400-868-1122
根云-工業趨勢分析
返回智能制造領域的創新可以像靈光一樣突然閃現，但這種情況很少。更多時候，生物打印、區塊鏈、云制造及實時生產控制等技術的突破需要多年的悉心鉆研，并且時常伴隨著學術環境中艱辛和系統的工作。
這里我們將介紹這一群專家和他們所開展的辛勤研究。所有專家都具有博士學位，他們中的許多人不光注重個人研究成果，更將培養眾多學生成為下一代創新者視為重要成就。他們期待所有人不光會思考“為什么”，還會思考“為什么不”。
Laine Mears教授希望成為智能制造領域的一位“紅娘”。他說，“在智能制造解決方案如何落地到制造車間方面還有很多工作要做，許多技術在不斷涌現。我希望設計出一種流程，使有廣闊前景的技術可以以可控和可擴展的方式找到合適客戶，而不會消失在潛在解決方案的海洋中。”
Mears在克萊姆森大學創立了THINKER（技術-人結合的知識、教育和研究）計劃，并獲得了國家科學基金會（National Science Foundation）的五年資助，以教育學生如何最好地將人與數字化制造企業相結合。“這超越了傳統的人機界面設計，取而代之的是了解人類如何生成和使用信息，以及將人與機器的組合數據轉換為最有效信息的最佳方法。”是否也想從事這類研究？米爾斯建議建立一個廣泛網絡來支持這一計劃。“我發現制造業研究人員（包括工業界和學術界）是一個非常協作的團隊，因此網絡越大，機會就越大。”
Bukkapatnam教授和他的“復興工程師”學生團隊使用Python創建了一個開源的CAD / CAM界面，以生成用于混合3D打印和金屬銑削的G代碼。他們在大學網站上寫道：“基于金屬的增材制造工藝仍缺乏開源軟件和支持社區（如FDM打印的社區）。”
他們成功地將開源軟件與該大學的Optomec混合打印機集成在一起，并演示了各種現成的軟件和硬件模塊，以足夠快的速度收集、管理和分析過程中的大型數據流，從而可以及早發現故障以保證質量。“我的學生們對制造技術以及最新的測量和數據分析方法有了很好的理解。他們在高級制造平臺上獲得了實踐經驗，接受了高級數學和數據科學方法的培訓，以解決數據和智能制造系統中的復雜挑戰。” 他自己的研究是利用高分辨率的非線性動態信息，特別是來自無線MEMS傳感器的信息，來改善制造業過程和系統的監測和預測。
曹教授的實驗室開發了一種完全無模具的成形系統，稱為雙面增量成形。該系統可以形成3D鈑金零件，而無需使用當前的特定幾何模具。她說：“借此我們可以將零件設計周期從最多12周減少到不到一周，并且不再需要制造模具。
雙面增量成型（DSIF）面臨的挑戰包括幾何精度和可成形性預測，為此我們開發了一種使用機內傳感器和基于機械的離線計算模型的原位補償方法。” 目前，她正在研究制造過程編譯器的概念，該編譯器將來自多個領域的知識集成到一個平臺上，這樣就可以確定哪些制造過程最適合給定的設計。“最終，可以將這種編譯器用作新流程創新的基礎。這說起來容易做起來難，需要一些長期的工作。” 她指出，制造業教育的意義不僅僅限于STEM課程。“因此，我的建議是要有一個系統視角，盡量開闊眼界，然后找到自己的專業并進行協作。
未來十年，Feinberg教授希望將3D生物打印支架和組織從工作臺轉移到床旁。在五年內，他希望展示更多小型功能性器官，比如像多腔心臟，它可以輸血并且可以存活90天以上。他開設了實驗室研討會并有望從一些參會人員那里得到幫助，研討會專門討論如何制造他所用到的開源3D生物打印機。
同時，Feinberg教授的實驗室為液體和軟性材料開發了一種新的3D打印技術，被稱為懸浮水凝膠自由可逆嵌入（Freeform Reversible Em
Ajay P. Malshe教授發現，在已工業化和正經歷工業化的世界，每人每天至少會接觸10臺機器。而摩擦、磨損、機加工和腐蝕等制造、操作和維護方面的挑戰——他稱之為“機械設備癌癥”——正嚴重影響著機器的性能，并造成數十億美元的損失。這些設備癌癥發生在納米級，因此納米制造是治愈它們唯一明智的解決方案。
Malshe教授說，“我和我團隊在納米制造方面的創新有助于解決對全世界產生影響的制造、運營和維護挑戰。”展望工業5.0，Malshe認為工業5.0將以人類和地球為中心，并且將是人類與地球和諧相處的真正智能制造。他說，“我們正在經歷全球人口、中產階級規模和整體預期壽命的空前增長。作為一種文明，我們需要為大眾在地球生存提供越來越多的好工作。” 他認為“智能制造”的定義需要重新審視，因為我們將很快達到地球上可用自然資源的理論極限。
Cormier教授在增材制造領域的25年中，大部分時間都集中在工程化晶格結構的設計和制造上，這些晶格結構現已廣泛用于輕型航空航天結構、骨植入物表面、過濾器和熱交換器。“這一切始于1990年代后期，當時我在同事的桌子上看到一塊泡沫銅，”他說，“他解釋了細胞結構的表面積、孔隙率和曲折度等特性如何對其功能性能至關重要。那是在3D打印的初期，我立即開始考慮巴克球或其他幾何構造塊的3D陣列，這將允許設計人員根據給定應用程序的性能要求優化單元結構。”
Cormier教授最終將這些東西稱為工程細胞材料，并開始了整個職業生涯的研究。他說：“如果你今天去參加增材制造貿易展覽，幾乎每個展位都會展示工程蜂窩材料的例子。看到并了解到我是這一領域的先驅之一，非常令人高興。”
Glenn Daehn教授正與一群頂尖聰明的人一起開發兩個愿景：一個是脈沖制造，即在工廠或實驗室環境中使用脈沖產生的爆炸樣的能量。另一種是變形制造，也就是機器鍛造，利用數控形變來制造零件。他表示：“我們希望看到脈沖和變形制造發展為常用的商業流程。這兩種材料都有望解決成形和連接新材料和結構中的實際問題。”
Daehn認為，先進的控制和人工智能有望使許多專門制造技術成為主流技術，并且可復制和更敏捷。“想象一下，一個機器人系統可以做熟練工匠能做的事情，但它的可重復性更高，而且每一步操作都有清晰記錄，”他若有所思地說。關于學術界與產業界的合作，他表示這兩個業界之間還存有太多差異。“在學術界，我們必須更多地關注集成、工程和實際問題的解決，注重培養那些更喜歡動手而不是分析的人才。這樣就會有更多的實驗室可以在工業界和學術界之間共享” 。
倪軍教授就像一條智能制造之河的河口，他所帶領的近百名博士、70名碩士以及數百名工科生則形成了這條智能制造之河的支流。這些支流散布到了其他大學的教職職位和全球企業的高管職位。他說：“我為自己作為密歇根大學和上海交通大學聯合學院的創始院長所取得的成就感到驕傲。成千上萬的美國和中國學生已經從工程教育的這種全球創新中受益。”
他的國際成就不止于此。從2017年到2019年，倪教授在世界經濟論壇上擔任全球未來先進制造和生產委員會的聯合主席。在從事先進制造技術的研究40年后，倪軍教授最想幫助智能制造的企業家們，因此三年前他創立了一家公司。他對未來智能制造系統的愿景包括：傳統品質之外的響應性、順應性、可重構性和可重用性；能夠評估自身狀況并做出必要補償的具有自我意識和自適應能力的機器；零缺陷與故障源的預測和自動識別；近零停機和所有零件從頭到尾保證正確。
目前為止，Binil Starly教授最重要的研究成果是使一個LED燈發光。而那道光意味著他的團隊成功使一臺物理制造機器通過數字孿生與全球的區塊鏈進行通信。該機器能夠根據存儲在區塊鏈上的智能合約自主發起交易，從而觸發另一臺聯網物理機器上的LED。
他說：“這一刻證明了區塊鏈技術在縮小制造服務公司與其潛在客戶之間的差距方面具有巨大潛力，提高了透明度和信任度。這也意味著整個機器現在可以連接到全球分散的制造資源節點網絡上，從而實現網絡制造。”據Starly教授預計，智能制造將在跨越產品生命周期的三個領域取得進展，這些領域相互關聯。首先是與人類共同協作的智能界面；其次是分散的制造服務市場；第三，制造商將通過從車間層的機器到業務和IT系統進行數字連接，來響應用戶偏好，將人、流程和技術整合在一起。
1998年，王立翚教授已經著手研究基于網絡，模型驅動的機器和機器人實時監控。2008年，他的工作又涵蓋了人機協作。監控與人機協作兩者構成了數字孿生和信息物理系統的基礎。他的團隊目前正積極研究應用于預測性維護、加工工藝規程以及人機協同裝配的大數據分析和人工智能。
王立翚表示：“大數據和人工智能算法的結合可以利用實時制造智能，充分發揮各決策流程的潛力。這將使制造業朝著更高的生產力、效率、盈利能力和長期可持續發展的方向發展。”在他的愿景中，未來將由數據、人工智能模型、知識和人類技能驅動，由網絡空間的云/霧計算賦能，并以人類為中心。他表示：“一方面，人工智能和增強現實將為人工操作人員提供按需決策支持，另一方面，人類的感知和適應能力將被用于以腦波形式取代死板的控制代碼來驅動制造設備。”
Wuest博士和南卡羅來納大學的Ramy Harik博士去年撰寫了《先進制造概論》一書，這是一本旨在填補工科學生在制造教育方面空白的教科書。Wuest指出，這本書有一章專門介紹智能制造，這“據其所知尚屬首例”。2018年，他開始在《世界制造業論壇報告》的編委會擔任美國和智能制造業代表。
他十分強調智能制造系統中人的因素；彌合專家知識之間的差距；混合方法中基于物理的建模和數據驅動方法，并支持協作方法以幫助小型企業制定智能制造藍圖。Wuest希望看到學術界使其教學有關制造的內容更加現代化。他表示，學術界也可以很好地接受面向工程專業學生的跨學科、跨項目的課程以及基于項目的學習。而大學與高中合作，改變入學新生對制造業“黑暗、骯臟、危險”的看法，并反映當今的現實，即制造業提供高薪、令人有成就感的有助于整個社會的高科技職業，將是明智之舉。
通過引入機會窗口，直接虛擬數據建模和永久性生產損失等新穎的概念和方法，常教授成為數據驅動建模以及實時生產控制和提高制造系統的效率和決策方面的先驅。她表示：“我研究的幾個方面已經在物理形式上得到了實現和驗證，我對此感到特別自豪。”
常教授開發并實施了一個數據驅動的實時決策支持系統，用于在動態和隨機操作條件下優化生產操作。她的研究成果已在北美的許多通用汽車工廠得到了實施，并為工廠的運營效率和經濟效益帶來了顯著的改善。若經廣泛采用，它將為其他許多行業帶來更大的經濟利益。她認為人工智能和機器學習的最新發展顯示出巨大潛力，可以通過先進的分析工具來處理大量的制造業數據，從而改變制造業。她表示，對數據驅動制造的關注要求未來的工程師獲得數據科學方面的培訓，這也是智能制造領域的一項使能技能。
Schmitz教授認為學術界和工業界的共生關系是智能制造未來的關鍵。“在學術界，我們處在培養下一代制造工程師的第一線，”他指出，“學術界了解行業需求是很重要的，這樣教育才能滿足這些需求。同樣，工業界與學術界的合作也很重要，這樣才能成功地實現新的想法和技術。此外，Schmitz認為智能制造是美國工業發展的催化劑。
他表示:“我認為智能制造是擴大美國制造基礎（包括機械加工）的基礎。由于我們能夠在制造過程中做出更好的決策，我們將提高我們在全球市場上的競爭力。”Schmitz的研究重點是開發制造過程的預測模型，包括預測銑削和銑削過程仿真中刀位動力學的方法。他認為，將基于物理的制造過程模型與機器學習算法結合起來以實現自主操作大有前景。這也將是他今后的智能制造研究方向。
Harik教授在南卡羅來納大學建立了未來工廠實驗室，他希望看到學術界通過創建類似的實驗室來形成一個網絡，從而為智能制造的未來做出貢獻。他說:“該網絡將整合來自網絡制造、自動化和先進制造的基本概念，形成一個生態系統，未來的學生將在畢業前探索和使用這些概念。”Harik的實驗室是一個獨特的實驗平臺，包括一系列工業設備：機器人、無人機、實時攝像機、傳送帶、智能眼鏡和增強現實設備。
這是一個數字化平臺，擁有活躍的數字孿生和一個數字引擎處理所有傳入的數據并運行潛在的沖突、故障場景。他希望在這個平臺上繼續創新，同時在此基礎上開發智能制造的在線課程。他表示:“未來工廠的平臺將是在線課程的一個活躍的測試平臺。我想讓這門課程盡可能普及，以吸引未來的工作者關注智能制造以及制造業就業這一極為有趣的話題。”
