分析在生产过程关键故障:工业物联网解决方案吗?

文摘

机器故障造成不利影响任何生产关心的运营效率。识别的关键故障和检查他们的协会与其他工艺参数在传统制造环境构成挑战。本研究的重点是分析的关键的失败和它们相关的交互作用影响生产活动。提高故障检测过程更准确和有效,概念模型向智能工厂数据分析使用网络物理系统(CPS)和工业物联网(IIoTs)提出。研究方法是基于一个注重事实的统计方法。与其他出版工作,本研究调查了不同关键故障(因素)之间的统计关系及其相关原因(故障原因)发生由于材料不足,生产组织和规划。提出了一个真正的商业案例,结果造成重大的失败。此外,提出智能工厂模型预测关键的失败将使任何生产关注生产过程,并提供一个实时过程监控。该模型将使创建一个智能预测失败控制系统可以集成与生产设备创建一个环境智能环境,从而将提供一个解决方案智能未来的制造过程。

1。介绍

制造企业传统上是最大的经济乘数,就业提供者,GDP的贡献。由于这样一个至关重要的位置在任何国家的经济,制造业关注的维护操作效率是至关重要的。这也导致获得更高价值的产品和获得消费者的满意和内容。因此,在今天的制造环境,保持机器和生产设备中起着重要的作用,直接影响设备的使用寿命和生产效率(1]。组织环境也影响公司计划,如何利用和维护设施和制造过程,以提高其市场份额和消费者欣赏(2]。机器故障的任何制造公司,因为它们导致不良的生产速度低,导致质量低劣。此外,失败使制造商很难完成它们对消费者的承诺。

总是至关重要的维护生产吞吐率和更高层次的产品质量。出于这个原因,一个有效的控制系统必须实现未能确保平稳生产操作在任何公司3]。过程所有者应该实践一种系统化的方式来研究和检测机故障及其相关原因。原因是,在某些情况下,机器故障可能导致机器故障情况将无法执行任何进一步根据操作规范。一些机器故障可能是至关重要的安全并导致事故非常有害,特别是有害物质。一些生产设施的失败可能是内部正如上面所讨论的,然而;一些因素是外部可以积极的还是消极的影响生产业务(4]。产品需求等因素,全球变暖,和生产故障只是几个例子在当前场景。获得的更多的知识关于内部故障以及外部因素的知识将会导致一个稳定和顺利生产操作。

此外,拥有所有知识(主要和次要的)失败被认为是一个有价值的输入为开发一个高效和有效的维护程序(5]。这就是为什么它是至关重要的生产问题采取有效的维护策略,以增加产量,减少机器停机时间,并考虑纠正和预防性维护6]。随后,设施规划有助于识别故障事件,并提供生产过程的可维护性和容易访问。设施规划还需要澄清什么类型的维修活动。策略应设计并采用最小化旅行距离以及最小化所需的成本。这将导致改进生产流程和减少他们的失败为了实现生产过程中的至少早剥。拉曼等人的研究认为,设施设计主要取决于设施建设的成本和运输的成本。进一步减少旅行的距离可以通过更好的设施布局,可以产生显著的影响在减少机器故障在任何制造问题[2]。

它是一个既定事实,研究机器故障和它们对生产过程的影响是在科学家和研究人员7]。维护策略和他们的应用程序故障持续时间也显著影响了许多研究人员在8,9]。测试问题的同质性等关键机器故障的平均故障间隔时间(MTBF)也讨论Pandey,辛格,200010]。一些研究讨论了失效分析可以支持建立一个有效的布局模型,提高运营效率和生产环境(11,12]。Brochner强调的意义之间的关系设计和设施管理(13),而琼斯和尖锐的讨论了整合企业战略的重要性在任何维修计划(14]。最近,Moohialdin Hadidi, 201615),讨论了故障类型对停机时间的影响。

机器故障的行为及其相关关系失败原因使用实验技术是一个成熟的研究领域。罗伊和Sutapa, 200416),进行阶乘和部分因子实验技术机器故障数据进行分析,提出了其研究结果。另一个案例是描述Adhikary 2014 (17),包括实验设计,以减少机器周期的应用为了消除不均匀周期的两个操作。沈和Wan研究仿真建模和性能提供了一个深入的评估现有制造系统的串行生产线在印刷电路板厂。他们的仿真分析是基于全因子设计方法(18]。最重要的因素,对运营问题也作出了重大贡献了陈和陈,200319]。EK阶乘设计进行实验,使用流动沸腾的过程和影响它的因素参数进行了研究20.]。几个这样的研究使用实验设计技术提出了在文献([21),(Christen Soccol, 2000),22])。

本研究关注机器故障原因的分析。与其他研究提出了科学文献中主要致力于机械和电气故障原因,这项研究促使我们调查失败的主要原因(咖啡)由于缺材料和生产组织环境不利影响生产过程。进行这项研究,实时数据收集和分析使用实验设计方法和结果提出了帮助行业从业者排除如此关键的失败消极的影响。这个案例研究也支持专业人员在控制机故障,根据故障预防策略而不是故障预测策略。

适应新引入智能制造工艺技术,有能力失效预测而不是预防策略,如工业物联网(IIoT)和网络物理系统(CPS)技术,我们提出了一个概念模型检测的关键机器失败更迅速和有效。今天的现代要求故障预测策略,为此,一个新的方法,可以支持故障控制系统与高水平的准确性和快速交付。智能工厂使用物联网等新兴技术和CPS本研究提出将收益率显著减少故障,提高生产力和整个制造业流程效率(23]。

由于物联网发展和其他智能传感器技术、行业现在能够抓住大量数据(24在一个工业过程和负担得起的运营成本。这动力行业从业者适应传统工艺与IIoT监视功能和其他智能技术。这一趋势是革新工业操作,还介绍了4.0产业。它将帮助制造商提高生产效率和产品质量25]。许多研究人员最近导致了发展智能制造系统和数据分析使用基于IIoT机器状态监测解决方案和任何故障实时检测基地。例如,郭和,26]讨论了新一代信息技术作为云计算、大数据、物联网以及人工智能(AI)的来源,以及它如何成为现代智能制造和生产过程的变化。钟et al ., 2017274.0),还回顾了产业概念描述智能制造的全球运动。

本文的组织结构如下:部分2描述这项研究中使用的方法。智能工厂的概念框架的描述提出了部分3。部分4和5目前的数据收集和数据评估,分别。部分6讨论结果。提出了智能工厂模式的细节部分所示7最后,未来的研究详细的结论和建议部分8。

2。方法

机器故障影响公司业绩。如果机器故障的主导,那么公司将无法继续他们的适当操作,将无法满足客户的要求。本研究将重点研究失败模式和源引起的(关键)失败使用根源分析。关键的失败(CFs)影响平均故障间隔时间(MTBF)在任何制造操作是一个基本的测量系统的可靠性和可用性。它被定义为预期的运行时间之间的两个系统的故障发生在正常系统操作。它是计算系统的平均故障间隔时间。它通常以小时为单位表示。平均故障间隔数越高,时间越长,系统的可靠性(28]。故障持续时间(设备停机时间)基于故障类型也被认为是在这项研究中。阶乘设计模型,研究慢性疲劳综合症的行为。阶乘设计是一种行之有效的分析方法,它由两个或两个以上的失败的实验分析(因素),每个因素与离散的可能值的所有可能组合这些值在所有慢性疲劳综合症。对于任何过程改进的努力,阶乘设计可能是最强大的实验和统计方法进行研究[20.]。这样的实验技术允许研究者研究每个因素的影响(失败)响应变量(即。MTBF在这项研究),以及交互作用因素对响应变量之间发生。

实验方法如下:(我)数据收集:每日生产报表数据(二级)和主要数据进行一些采访生产人员和维护人员是本研究收集。(2)数据验证:数据验证是通过比较进行生产报告数据与机器的时间日志表数据。(3)模型开发:收集的数据是正常的假设测试。如果收集到的数据未能遵循正常,一个适当的数学变换技术用于解决nonnormality数据的问题。(iv)检查模型充分性。(v)使用全因子设计方法进行实验分析和调查机器失败是主导(至关重要的),而其他的失败包括在分析中。(vi)同步测试:进行多重比较的结果来确定这意味着(关键故障)相互之间的明显不同。(七)验证:验证分析结果进行与行业专家的讨论和工厂管理和结果(如果需要)修订后的利益相关者。(八)未来方向:通过使用智能设备,智能工厂概念模型提出这将有助于更有效地检测关键故障并及时。

3所示。智能系统的概念框架

一个概念性的框架对智能制造系统提出了未来。它将包括三个层次如图1。

1级:感官设备。一级将包括传感器和摄像机故障检测所需的数据收集以及提醒如果任何异常发生在机器运作和生产操作。例如,热照相机和传感器可以检测到不同的温度;摄像机将警告任何异常行为发生时。

级别2:数据存储和共享。云平台将用来存储大量数据,因此允许更容易访问和共享。云平台的数据库技术是用于数据存储和分析。云服务系统提供数据信息交换渠道之间的水平。基于云的系统可以提供巨大的存储资源和低成本的计算以及自定义操作环境的灵活性(29日]。因此,设备可以生成的数据收集和分析,消息被发送到用户的水平。程序员和开发人员将需要预编程序优化单元(30.]。

3级:用户界面。一个方便的交互手段,在这个层次上需要一个适当的交流平台。计算机网络,可以安装一个软件开发系统。为了达到所需的移动服务,我们必须开展移动应用软件的开发。因此,相同的系统可以灵活地选择和适应移动终端。在这个过程中,终端设备必须使用wi - fi和3 g / 4 g信号连接到网络和互联网访问相应的云服务系统通过HTTP协议(31日]。

除了许多其他优点,提出系统将有助于减少失败和事先预测他们。这将有助于降低平均无故障时间,实现更高的生产率和效率。大部分的手工工作将由上述替代自动化系统,允许更快的计划。虽然这些系统是成本有效的从长远来看,初始投资有点高。此外,该系统可以从所有访问网络,使其用户友好和无处不在。

限制。像任何其他系统中,可能会遇到一些限制。例如,没有激励和提供任何奖励,员工可能不渴望学习和正确使用智能系统和精确。机械部分故障可能发生,需要及时更换;相反的机器可能无法实现生产目标。最后,网络系统可能有问题,这可能会延迟功能。这些限制应该考虑在系统设计和实现。

4所示。数据收集

选择一个大型制造公司进行这个研究。公司生产的饮料在几个生产厂在沙特阿拉伯平均年生产能力343040吨和员工1400名员工的规模。该公司正面临着不同类型的机器故障导致操作故障产生的效率和吞吐量的损失。机器故障,例如,机械故障,机器零部件和相关发生在机器运转中轴承、输送机、滑轮、转动轴、液压和润滑系统等;电力故障相关的电力供应中断或停电造成断路器的电击穿或失败,等;相关材料不足失败短缺的原料或材料可用但不符合要求规范标准;生产组织的失败有关植物组织中的任何故障影响工作人员的生产活动,如不可用;和计划失败相关的问题发生由于规划不足,如缺乏材料由于延迟订购或不当的调度。创建一个研究小组接近设施和收集数据的生产过程以及它的失败。

5。数据分析

该研究小组回顾了公司的生产报告数据。收集的数据进行采访涉及问题的答案将支持定义潜在的失败地区公司的设备和机械。工厂现场参观和做笔记观测数据收集过程的一部分。终于失败类型分为前面提到的五个因素:机械、电气、材料缺陷、生产组织和规划。略语表列出了本研究1。

假设(H₀H₁)生成完成这个研究。H₀表示不同的失败对反应没有显著影响,即。,平均无故障时间、而备择假设(H₁)表示,至少有一个故障的有显著影响MTBF。通过应用水平= 0.05,以上建议使用Minitab版本17.1.0假设进行测试。我们使用的模型包括三个因素:生产类型(PT),导致失败(咖啡),生产线(PL)。收集到的数据表中给出2。

数据表2例如,平均无故障时间(即。,response), described the time in hours between two failures of the same type. PL, PT, and COF are critical to quality (CTQ) factors. Line 1 and 2 are the production lines in the factory. The products 1, 2, and 3 are different beverage type products. To understand the data with an illustrative example, consider a mechanical failure (Failure 1) is 8.8 hours per week which is recorded as MTBF in line 1 (PL1), Shift 1 for the product 1. Further, factorial analysis is conducted to discover which factors are affecting the production rate significantly. These factors are products (PT), causes of failure (COF), and production line (PL). Furthermore, daily working shift is considered as the blocking factor in this study。所示为模型创建变量因子设计,整整3选择因素析因设计(23),8分以上是必需的。尽管全析因设计需要很多运行时,它被用来确保每个因素水平的最佳效果和组合。全因子设计提供了完整的信息不同的部分因子设计可能不提供完整的信息因素由于混杂的效果。

模型适当检查。来确定是否安装适当的数据模型;模型充足率进行测试;残留分析输出情节呈现在图2得出结论:模型适当检查成功进行进一步分析。一个通常可以观察到残差分布;残差和适合也随机分散;没有可见的模式这意味着残差方差是恒定的。

在图2的柱状图,残差说明积极数据略有倾斜。然而,残差与数据分析表明,残差的顺序是随机分布的,上下都是零这意味着互相残差不相关。成功测试模型充足后可以进行进一步分析。

6。讨论的结果

因子分析结果展示在表3。按照惯例,如果假定值大于α值,这是0.05(显著性水平),那么就没有影响的关键因素,反之亦然。在表3例如,三个关键因素(PL、PT和咖啡)都假定值< 0.05这是强有力的证据表明,有一个意义在平均的影响这些因素。

进一步交互效应也研究和呈现在图3。一个分类的因素之间的关系和连续反应平均无故障时间取决于第二分类因子值。例如,考虑第一列在图3产品线(PL)代表一个类别变量2生产线,1和2,其他二分类变量的交互作用产品类型(PT),并导致失败(咖啡)对生产线进行了研究。PL和PT在第一列之间的关系表明,没有显著的交互作用;没有线相互交叉和相互平行。相反,PL和咖啡之间的关系在第一列显示了显著的交互效应对失败2(电气故障)生产线2 (PL2)。同样,其他2因素(PT和咖啡)在本列在图3可以解释。它可以很容易地观察到在最后一列PT和咖啡之间的交互影响是显著的,更准确地说咖啡(失败2(电气))在产品类型(PT) 2。

研制了一种统计模型 它代表之间的关系和相互影响CFs和咖啡和一种改进的模型

注意:中使用的符号(2)是 , , 。

在图4主要情节和影响其他间隔的阴谋。每组的主要影响情节显示意味着在一个分类变量。从情节,我们可以看到,所有三个因素存在一个主要作用。生产线(PL)因素,MTBF比PL1 PL2更高的反应。PT的因素,平均反应显示了显著差异在PT1 PT2 PT3;然而,在PT3最高响应。在第三个因素,导致失败(咖啡),失败2,自其斜率最大的主要作用是最高的。

图4还显示间隔的阴谋,这是样本显示的图形的分布集中趋势和变化。如前所述,失败2影响MTBF最高。

图5同时说明了图基95%置信区间测试,支持找到的数据意味着明显不同。如果一个间隔不包含零,相应的手段是明显不同的。当发现显著差异,这表明,相应的反应会受到重大影响。

在图5,虚线表明失败2是显著影响所有其他咖啡包括1失败,失败,失败,失败和5。从上面的结果和讨论,可以得出的结论是,电力故障(2)失败最到模型的因素影响(PL, PT和咖啡)。这反映使用图基的差异意味着平均无故障时间的测试。

在随后的部分中,详细的提出了智能制造过程将概念模型进行了讨论。

7所示。对智能系统

事实上,机器故障中断生产业务引起了满足消费者需求的路障。这是至关重要的制造业公司制定和实施适当的机器故障控制系统为了避免机器故障和他们的财务影响。由于通信网络和感官技术迅速发展,未来的制造业工厂需要及时拥抱他们为了支持noninterrupted和平稳生产操作。这个方向是朝着《盗梦空间》的第四次工业革命称为行业4.0 [32]。

4.0时代将利用行业物联网(IIoT),即通过网络互连的计算设备嵌入到日常用品,使他们能够发送和接收数据,创建一个智能工厂环境。智能工厂是集成的物联网技术与计算机网络、数据集成和分析澄清所有制造工厂(33]。智能工厂证明实现透明度以及生产力(34]。实现这个智能工厂,制造企业使用网络物理系统(CPS)这个词描述的是一广泛的复杂的,多学科,身体意识到下一代工程系统集成嵌入式计算技术(网络部分)到物理世界(35]。

独立主办有潜力巨大的社会和经济影响。例如,CPS-based智能工厂能提高能源效率的生产系统这类工厂在生产管理水平提供决策(例如,生产调度和维修管理)(32]。据一项调查显示,美国质量学会(ASQ)在2014年,82%的组织声称,他们已经实施智能制造系统经历了提高效率,49%经历更少的产品缺陷,45%有经验的增加客户满意度36]。

7.1。对智能制造

实时监控生产系统和收集性能数据使用智能传感器和通信技术对维护计划将有积极的影响和提高生产效率。例如,使用温度传感器将允许先发制人的行动,在超出范围,防止破裂。同样的,可以采取先发制人的行动,当能源消耗比正常水平上面跳了一段时间。这将节约能源,减少浪费的缺陷产品,避免机器故障。此外,IoT-enabled视觉设备将使机器能够预测机器故障并触发及时维护操作。因此,公司将接受智能工厂概念有利于效率高、减少故障由于预测维护策略(37,38]。

在随后的部分中,使用CPS和物联网智能工厂设计进行了讨论。

可能需要一些修改来适应与现有的制造业务。提出了智能制造系统将包括三个层次如图6。系统的每一层都取决于相应的通信技术(32)和协议与其他层通信和协调生产活动。

安装7.1.1。智能系统结构

1级:物理层。这个级别包含三个不同的部分,使用传感器连接使传感、通信、计算(加工;在该模型内存)的元素。三个层次讨论如下。

(一)材料。材料加工生产过程中有两种类型:(我)原材料。这种材料将用于制造成品。在本节中,层负责检测如果有足够的原材料库存可以继续操作没有面临短缺。例如,如果原料分析报告返回到系统的原材料使用不合格或不符合要求的原材料生产过程所需的规范要求,这意味着材料是不适合使用。原材料短缺的软件将警报信号,避免生产过程中的任何早剥。(2)加工过的原料。材料已经满足质量要求和被加工最终产生新的成品和准备交付。在这个阶段,智能系统将材料加工过程中发现任何问题,例如,或在饮料瓶子,包装等。故障的智能系统将收集所有的数据并将其发送到控制单元。

(B)的机器人。机器人是任何智能系统的一个组成部分。机器人的设计初衷是在工厂里进行各种活动。本节应考虑开发能力,一个机器人可以进行所需的任务可以获得所需的技能和知识水平。在这一层,控制单元分析参加员工的专业能力和技能,然后将它们分配给特定的机器根据他们的技能和生产要求。通过这种方式,它可以保证机器是由工人和专家将有助于避免任何计划失败。

(C)设备。这些机器和设备将由工人。通过探测器,如传感器、摄像头和工业无线系统,数据将被收集和分析提醒如果有任何的不稳定设备。

级别2:控制单元的水平。这个级别是由四个单元组成:(我)数据库单元。这个单位收到一级收集和分类数据。它是主要的数据库系统,作为一级之间的一个接口,3级,和单位本身。所有的数据存储和发送的物联网设备和可以被用户访问时的数据是必要的。这个单元包括服务器和镜子来支持数据存储任何数据丢失。它可以通过wi - fi访问什么地方的都有。(2)分析单元。本单元分析数据库中的数据单元。它读取数据并决定如何分类,数据可以在后期组织各自的类别。这个分类便于搜索所需的类别数据时需要的。(3)优化单元。这个单位是预排程序的执行决策过程。它的工作是数据分类与各自的类别。(iv)软件单元。使用软件,这个单元连接的数据库单元,分析单元和优化单元,这样他们就可以一起工作来执行所有的上述行动。

3级:用户级。这个级别将被用于所有用户访问和计划通过移动网络或计算机网络。这一层是用来提供个性化的定制服务和动态生产过程监视功能给用户。为了实现有效的服务,这一层必须是用户友好的和有可靠的交互方法。

8。结论和建议

在任何制造问题,机器故障可能发生由于以下几个原因。这个研究调查和识别关键故障及其相关原因影响生产过程。实时机器故障数据(二级数据)从生产报告和员工访谈(初级)收集数据。使用实验设计技术进行统计分析,结果也表明,电力故障(2)失败最发生的问题在所有致命失效原因研究研究。生产线失败是一个失败的机器上也显著的影响。然而,产品类型的失败并不导致机器故障。生产线和生产类型之间的关系表明,不存在显著的交互效应。相反,生产线和失败的原因之间的关系表明显著交互效应,尤其是对生产线的电气故障2。这个研究的结论是,制造企业应该关注防止严重故障和消除故障原因和发展积极的预测控制系统而不是预防系统失败。

在未来的研究中,一个有效的和高效的故障控制系统提出了基于智能制造工厂,并将由智能传感器和通信技术。详细描述了概念模型研究的未来发展和实现目的。

数据可用性

使用的数据来支持本研究的结果可从作者Ammar Moohialdin (ammar.imse@gmail.com)。

的利益冲突

作者宣称没有利益冲突。

确认

作者扩展他们的感谢院长以来在沙特国王大学科研资助这项工作通过研究小组。(RG - 1438 - 089)。

引用

1. j . Wan s .唐·d·李et al .,“主动预防性维护,制造大数据解决方案”IEEE工业信息,2017年。视图:谷歌学术搜索
2. d·拉曼、美国诉Nagalingam和g·c·林,“测量设施布局的有效性,”机器人和电脑一体机制造,25卷,不。1,第203 - 191页,2009。视图:出版商的网站|谷歌学术搜索
3. c . Shekhar m . Jain, j·伊克巴尔和a·a·莱“阈值控制策略的可维护性与不可靠制造系统工作站、”阿拉伯科学与工程》杂志上,42卷,不。11日,第4851 - 4833页,2017年。视图:出版商的网站|谷歌学术搜索
4. m . Fernandez-Olmos和m . Ramirez-Aleson”,内部和外部因素如何影响中小企业技术协作网络的动力学随着时间的推移,“Technovation卷,64 - 65年16-27,2017页。视图:出版商的网站|谷歌学术搜索
5. k . l .吹毛求疵的人,“失败信息:传播策略,”《构建设施的性能,1卷,不。1、1 - 10,1987页。视图:出版商的网站|谷歌学术搜索
6. j . Moubray“21世纪维护组织我部分:资产管理模式,“维修技术,16卷,不。2,25-32,2003页。视图:谷歌学术搜索
7. h . Groenevelt l . Pintelon, a . Seidmann”与机器故障,生产批量大小”管理科学,38卷,不。1,第123 - 104页,1992。视图:出版商的网站|谷歌学术搜索
8. l . Swanson“维护策略与表现,”国际生产经济学杂志》上,卷70,不。3、237 - 244年,2001页。视图:出版商的网站|谷歌学术搜索
9. i . p . s . Ahuja和j·s·Khamba全面生产维护:文献综述和方向。”国际期刊的质量与可靠性管理,25卷,不。7,709 - 756年,2008页。视图:出版商的网站|谷歌学术搜索
10. A . Pandey和A·k·辛格“贝叶斯均匀性测试的几个对一个参数指数人口,意味着“应用数学和计算,卷108,不。1,23-32,2000页。视图:出版商的网站|谷歌学术搜索
11. b·a·彼得斯和t·杨“综合设施布局和物料搬运系统设计在半导体制造工厂,”IEEE半导体制造业,10卷,不。3、360 - 369年,1997页。视图:出版商的网站|谷歌学术搜索
12. b . Moua j·s·罗素,“正式的可维护性的进化程序对于大型制造公司,”《构建设施的性能,15卷,不。2,46-53,2001页。视图:出版商的网站|谷歌学术搜索
13. j . Brochner”设施设计和服务的集成开发《构建设施的性能,17卷,不。1,19号,2003页。视图:出版商的网站|谷歌学术搜索
14. k·琼斯和m .锋利,“一个新的基于绩效的过程模型建立资产维护,”设施,25卷,不。13 - 14日,第535 - 525页,2007年。视图:出版商的网站|谷歌学术搜索
15. a . s . Moohialdin和洛杉矶Hadidi失败类型对生产设备的停机时间,“《构建设施的性能没有,卷。31日。3,04016114条,2016年。视图:谷歌学术搜索
16. 美国k·罗伊和i . n . Sutapa”案例研究使用的实验设计在材料研究中,“Jurnal Teknik Industri,5卷,不。1,32-40,2004页。视图:谷歌学术搜索
17. s . n . Adhikary”,一个案例研究在制造业生产率增加DOE,”国际期刊发展的工程技术、管理和Applide科学,1卷,不。7日,2014年。视图:谷歌学术搜索
18. 沈h . h .广域网,“筛选顺序阶乘设计模拟控制因素,”欧洲运筹学杂志》上,卷198,不。2、511 - 519年,2009页。视图:出版商的网站|谷歌学术搜索
19. f . Chan和h . Chan)”的仿真分析PCB工厂使用的阶乘设计一个案例研究中,“国际先进制造技术杂志》上,21卷,不。7,523 - 533年,2003页。视图:谷歌学术搜索
20. l·t·艾克“使用析因设计质量改进,”论文发表于9日Int公约质量改进,2005年。视图:谷歌学术搜索
21. a . b . Medeiros Pandey, r . j . Freitas p . Christen和c r . Soccol”优化的生产芳香化合物在固态发酵Kluyveromycesmarxianus使用析因设计和响应面分析,“生化工程杂志》第六卷,没有。1,33-39,2000页。视图:谷歌学术搜索
22. n s祖鲁语和A·t·莫迪“析因实验研究播种率和侧施氮对收益率的影响两个干豆(菜豆l .)品种,”2011年。视图:谷歌学术搜索
23. 美国哈勒、美国Karnouskos和c . Schroth”物联网在企业环境中,”程序未来的网络研讨会,2008年。视图:谷歌学术搜索
24. 江p、k .叮j .愣,“向cyber-physical-social-connected和面向服务的制造模式:社会生产”制造业的信件卷。7日,15至21,2016页。视图:出版商的网站|谷歌学术搜索
25. j .王和j·张“大数据分析预测周期在半导体晶圆制造系统中,“国际期刊的生产研究,54卷,不。23日,第7244 - 7231页,2016年。视图:出版商的网站|谷歌学术搜索
26. 郭l . j .秋,“优化技术在云制造”国际先进制造技术杂志》上,卷97,不。1 - 4、1181 - 1193年,2018页。视图:出版商的网站|谷歌学术搜索
27. r . y中,x, e·克洛茨和美国t·纽曼,“智能制造行业的上下文中4.0:复习一下,”工程杂志,3卷,不。5,616 - 630年,2017页。视图:出版商的网站|谷歌学术搜索
28. j . Lienig和h . Bruemmer电子系统设计的可靠性分析,基本面,激飞国际出版,2017年。
29. z, j .广域网,d . Zhang和d·李”Cloud-integrated cyber-physical系统对于复杂的工业应用,”移动网络和应用程序,21卷,不。5,865 - 878年,2016页。视图:出版商的网站|谷歌学术搜索
30. j . Wan m, d . Li c, s . Wang和k .周“移动服务定制制造系统:行业4.0的一个例子,“IEEE访问4卷,第8986 - 8977页,2016年。视图:谷歌学术搜索
31. j . Wan s . Tang z蜀et al .,“软件定义工业物联网产业的背景下,4.0,”IEEE传感器杂志,16卷,不。20日,第7380 - 7373页,2016年。视图:谷歌学术搜索
32. f . Shrouf j . Ordieres, g . Miragliotta“智能工厂在工业4.0:回顾能源管理与生产的概念和基于物联网模式”学报2014年IEEE国际工业工程与工程管理会议,IEEM 2014马来西亚,页697 - 701年,2014年12月。视图:谷歌学术搜索
33. j·李,“智能工厂系统”,Informatik-Spektrum,38卷,不。3、230 - 235年,2015页。视图:出版商的网站|谷歌学术搜索
34. j·李,H.-A。花王,杨,“服务创新和智能分析工业4.0和大数据环境,”Procedia Cirp》16卷,3 - 8,2014页。视图:谷歌学术搜索
35. 诉枪,s .彼得,t . Givargis f·瓦希德,”调查的概念、应用程序和挑战在cyber-physical系统中,“KSII交易网络和信息系统,8卷,不。12日,第4268 - 4242页,2014年。视图:谷歌学术搜索
36. k . Braley“生产持续增长,但是经济仍有挑战,ASQ前景调查显示,“2013年,http://www.prweb.com/releases/2013/12/prweb11430148.htm。视图:谷歌学术搜索
37. 建设物联网智能制造(物联网),2014年Lopez Research LLC。
38. l . Wang“网络制造:研究和应用”学报第十届国际研讨会竞争工程的工具和方法,2014年。视图:谷歌学术搜索

版权

版权©2018艾哈迈德沙菲克et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。