XiaoMi-AI文件搜索系统
World File Search SystemFactory
发布 I4.0 工厂抽象架构
– OPC-UA 服务器监控 – 多协议支持数据提取 – 数据记录 – 数据分析和过滤 – 数据上传到不同的云提供商（混合云方法） – 提供访问数据的唯一接口 – 在支持的设备上执行配方和调度
数据孪生驱动的智能制造网络物理工厂
摘要：由于航空航天和国防工业的生产过程复杂且技术密集，将工业 4.0 引入飞机复合材料的制造过程是不可避免的。工业 4.0 中的数字孪生和信息物理系统是发展数字化制造的关键技术。由于创建高保真虚拟模型非常困难，因此飞机制造商的数字化制造发展具有挑战性。在本研究中，我们从数据模拟的角度提供了一个视图，并采用机器学习方法来简化数字孪生中的高保真虚拟模型。这个新概念称为数据孪生，支持模拟的可部署服务称为数据孪生服务 (DTS)。依靠 DTS，我们还提出了一种微服务软件架构，即信息物理工厂 (CPF)，以模拟车间环境。此外，CPF 中还有两个作战室可用于建立协作平台：一个是物理作战室，用于集成真实数据，另一个是网络作战室，用于处理模拟数据和 CPF 的结果。
文章 数据孪生驱动的智能制造网络物理工厂
摘要：由于航空航天和国防工业的生产过程复杂且技术密集，将工业 4.0 引入飞机复合材料的制造过程是不可避免的。工业 4.0 中的数字孪生和信息物理系统是发展数字化制造的关键技术。由于创建高保真虚拟模型非常困难，因此飞机制造商的数字化制造发展具有挑战性。在本研究中，我们从数据模拟的角度提供了一个视图，并采用机器学习方法来简化数字孪生中的高保真虚拟模型。这个新概念称为数据孪生，支持模拟的可部署服务称为数据孪生服务 (DTS)。依靠 DTS，我们还提出了一种微服务软件架构，即信息物理工厂 (CPF)，以模拟车间环境。此外，CPF 中还有两个作战室可用于建立协作平台：一个是物理作战室，用于集成真实数据，另一个是网络作战室，用于处理模拟数据和 CPF 的结果。
模范工厂@SIMTech
（IBN）• 医学生物学研究所（IMB）• 分子与细胞生物学研究所（IMCB）• 新加坡生物成像联盟（SBIC）• 新加坡临床科学研究所（SICS）• 新加坡免疫学网络（SIgN）• 新加坡皮肤研究所（SRIS）• 国家级举措• 项目、平台和科学服务
工厂建造的商业建筑 – 规划提交清单
o 提交计划的个人或公司的身份信息，包括邮寄地址、电话和电子邮件联系信息。另外，请提供工厂地址。“工厂地址”是您将建造模块化建筑的场外位置。 o 所有设计专业人员的列表，例如项目的工程师和建筑师。 o 按页面标题和图纸编号列出的图纸集中所有页面的列表。您可以选择图纸编号，只要每页都有唯一的编号即可。 o 用于设计计划的代码列表。这些必须包括每个代码的版本年份。有关最新信息，请参阅华盛顿州建筑规范委员会网站：https://apps.des.wa.gov/sbcc/page.aspx?nid=4 o 将安装建筑物的位置以及用于建筑物的设计标准列表，例如屋顶荷载、风荷载、地震区等。大多数建筑部门都会在其网站上发布其城市或县所需的最低设计标准。 o 设计图纸中必须提供建筑分析，以显示建筑物如何满足所有建筑规范设计要求。分析需要展示一条清晰的合规路径。分析中提供的典型信息包括占用组分类、建筑类型、允许面积、面积增加、最大高度、洒水装置限额、占用者负荷、出口负荷、行进距离、防火墙/隔断位置。o 可以包括其他相关信息，例如一般说明。o 留出 2”x3” 的空白处，用于 L&I 计划批准印章。
AI-In-Orbit-Factory – 用于自适应机器人在轨制造模块化卫星的 AI 方法
模块化卫星架构的持续发展，加上自适应制造工艺的改进，为太空制造创新乃至在轨服务铺平了道路。目前，卫星在轨制造面临的挑战包括高度可靠、精确和自适应的制造和检查过程、解决地球上意外问题的远程操作方法，以及对所有相关活动和条件进行数字化表示以保持完全控制的手段。AI-In-Orbit-Factory 项目使用各种 AI 方法解决了每个挑战。对于在轨工厂和所有正在进行的过程的必要数字化表示，使用了基于知识的方法和数字孪生方法，从而实现了自适应、灵活和易于理解的制造过程。特别是可以描述不同制造机器之间复杂的信息流、协调生产过程的数字过程孪生和生产中卫星的数字孪生。此外，可以通过推理识别冲突和可能的错误来源。利用上述知识库和标准化模块化组件，可以根据所需的任务要求自动规划特定任务卫星的组成。在机器人操纵器的帮助下，使用高分辨率相机和参考图像对每个模块进行光学生产错误检查，然后将其集成到卫星结构中。集成后，子模块将以学习到的标称子系统行为模型作为输入，进行优化测试和异常检测程序。此外，每个操作步骤都使用力反馈和基于视觉的异常检测器进行监督。对于自动组装失败的情况，开发了具有力反馈的双边遥控系统。为了提高遥控组装的精度并减少精神和身体负荷，人类操作员需要借助自适应虚拟固定装置（触觉约束）。自适应夹具从演示和模拟中学习，并根据操作阶段进行参数化，在整个接近、定位和触觉操作阶段提供从粗到细的支持。仲裁组件检测当前操作阶段以选择合适的支撑夹具并确保平稳过渡。关键词：数字孪生、AIT、遥操作、人工智能、机器人制造本文概述了人工智能方法和我们实现可靠、自适应的在轨制造的方法，并介绍了初步结果。
2021 IRDS 工厂集成
IRDS 的工厂集成 (FI) 章节致力于确保微电子制造基础设施包含以可承受的成本和大批量生产产品所需的组件。要发挥摩尔定律的潜力，需要充分利用设备特征尺寸的减小、新材料、产量提高到接近 100%、晶圆尺寸增加和其他制造生产率的改进。这反过来又需要一个工厂系统，该系统可以完全集成额外的工厂组件，并共同利用这些组件来交付符合其他 IRDS 国际重点团队 (IFT) 确定的规格以及成本、数量和产量目标的产品。要保持数十年来每年每项功能成本降低 30% 的趋势，还需要抓住所有可能的成本降低机会。这些包括前端和后端生产、设施、收益管理和改进、增加系统集成（例如供应链上下游）以及改善环境健康和安全方面的机会。FI 挑战在实现这些机遇方面发挥着关键作用，许多 FI 技术挑战正在成为实现重大技术里程碑的限制因素。
数字工厂模型更新方法
在当今的商业环境中，产品种类和定制化的趋势从未间断。由于这种发展，需要敏捷和可重构的生产系统来应对各种产品和产品系列。为了设计和优化生产系统以及选择最佳产品匹配，需要产品分析方法。事实上，大多数已知方法旨在从物理层面分析产品或一个产品系列。然而，不同的产品系列在组件数量和性质方面可能存在很大差异。这一事实阻碍了对生产系统进行有效比较和选择合适的产品系列组合。提出了一种新方法来根据现有产品的功能和物理架构对其进行分析。目的是将这些产品聚类为新的面向装配的产品系列，以优化现有装配线并创建未来的可重构装配系统。基于 Datum Flow Chain，分析产品的物理结构。识别功能子组件，并执行功能分析。此外，输出混合功能和物理架构图 (HyFPAG)，通过为生产系统规划人员和产品设计师提供设计支持，描述产品系列之间的相似性。使用指甲刀的说明性示例来解释所提出的方法。然后对蒂森克虏伯 Presta France 的两个转向柱产品系列进行工业案例研究，以对所提出的方法进行首次工业评估。© 2017 作者。由 Elsevier B.V. 出版。同行评审由 2018 年第 28 届 CIRP 设计会议科学委员会负责。