获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
摘要:随着行业的出现4.0范式,通过连接到工作中心的传感器网络提供的信息来控制制造过程的可能性已扩大。对每个参数的实时监视使确定相应传感器产生的值是否在其正常工作范围内。在众多参数的相互作用中,确定性分析很快变得棘手,并且进入了“不确定知识”的领域。贝叶斯决策网络是控制此类系统中条件概率的影响的公认工具。但是,确定制造过程是否超出范围,需要为决策网络的计算时间显着,从而延迟了故障警报的触发。从其起源中,吉多卡被视为提供机制,以在过程的任何步骤中促进故障的实时识别,以便可以停止生产线,这是识别分辨率的破坏原因,最终是有缺陷的零件数量的。我们的假设是,我们可以使用量子模拟对计算机数值控制(CNC)计算机的内部传感器网络进行建模,这些量子模拟比基于决策网络的经典模型显示出更好的性能。我们通过实施一个允许整合量子计算和行业4.0的量子数字双胞胎来成功地检验了我们的假设。此量子数字双胞胎模拟机器中的复杂传感器网络,并由于其高计算性能而允许在制造过程中实时应用Jidoka。