Управление процессами получения и обработки информации в условиях умного производства

Задачи автоматизированной системы управления производством MES. Координация технологических процессов и отслеживание готовой продукции. Управление техническим обслуживанием и трудовыми ресурсами. Статистический и математический анализ производительности.

Рубрика Программирование, компьютеры и кибернетика
Вид статья
Язык русский
Дата добавления 26.12.2024
Размер файла 2,2 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.Allbest.Ru/

МГТУ «СТАНКИН»

Кафедра «Информационные системы»

Управление процессами получения и обработки информации в условиях умного производства

Йе Тет Аунг, аспирант

Маунг Тхан Тин, аспирант

Россия, г. Москва

Аннотация

В настоящее время системы управления предоставляют очень подробную информацию о базовом производственном процессе. Эта информация в дальнейшем используется системами бизнес-аналитики, которые локализованы на уровне предприятия. Более того, решения, принимаемые на бизнес-уровне, должны выполняться системами управления. Системы управления производством (MES) -- это сервис-ориентированные интерфейсы, которые соединяют мир бизнес-операций с миром производства. Классические MES определяются статической иерархией служб и структур данных, что делает их очень трудными для модификации. MES должно следовать этой идее с помощью новых архитектурных решений. Новый подход к архитектуре MES также необходим для поддержки гибкого производства. Исследовательский раздел этой статьи посвящен процессу и информации в системах MES и системе показателей общей эффективности оборудования (Overall Equipment Effectiveness, OEE).

Ключевые слова: Умное Производство, Системы управления производством (MES), Общая эффективность оборудования ОЕЕ.

Annotation

Currently, control systems provide very detailed information about the basic production process. This information is further used by business intelligence systems that are localized at the enterprise level. Moreover, decisions made at the business level should be carried out by management systems. Production Management Systems (MES) are service-oriented interfaces that connect the world of business operations with the world of production. Classic MES are defined by a static hierarchy of services and data structures, which makes them very difficult to modify. MES should follow this idea with new architectural solutions. A new approach to the MES architecture is also needed to support flexible manufacturing.

The research section of this article is devoted to the process and information in MES systems and the system of indicators of overall Equipment Efficiency (OEE).

Key words: Smart Manufacturing, Production Management Systems (MES), The overall efficiency of OEE equipment.

Введение

Производственные инновации, продвигаемые Четвертой промышленной революцией, представляют собой различные технологии и политики компаний для внедрения умных производств будущего на основе достижений в области информационных и коммуникационных технологий (ИКТ). Интеллектуальное производство охватывает различные связи между предприятиями, отраслями, спросом и предложением, а также производственно-сбытовыми цепочками внутри предприятий и реализует новые бизнес-модели посредством трансграничной конвергенции. Таким образом, интеллектуальные производственные технологии требуют горизонтальной интеграции производственных систем, жизненных циклов продуктов и производственных предприятий с оцифровкой операционных данных, виртуальным моделированием в цифровом пространстве и обменом информацией в реальном времени. Кроме того, необходима вертикально интегрированная инфраструктура, которая соединяет цифровые компоненты с производственной площадки с менеджерами для принятия решений.

«Умное производство» -- это общий термин для стратегических и организационных инвестиций, предполагаемых в последние годы. Датчики, подключаемые через Интернет, отслеживают все подэтапы и генерируют данные, которые в дальнейшем обрабатываются, в том числе, с использованием искусственного интеллекта. Этот инновационный подход позволяет промышленным компаниям добиваться революционных результатов с точки зрения чувствительности, эффективности и чувствительности в будущем.

Основными движущими силами этого процесса являются преимущественное развитие в области науки о данных, сенсорных технологий/мониторинга и искусственного интеллекта. Они предусматривают технические и организационные усовершенствования всего производственного процесса. Кроме того, было признано, что автоматизированный обмен данными между всеми подобластями производства необходим для того, чтобы сделать весь процесс эффективной работы. Только таким образом определенные области работают вместе и образуют единое целое, умную фабрику.

Умное производство следует понимать, как непрерывный процесс постоянного развития. Растущая автоматизация, новое интеллектуальное программное обеспечение для производства и все более обширный сбор и использование данных с учетом новых возможностей. Промышленным компаниям, выбравшим путь к умному производству, удалось привлечь внимание к методам и идеям мышления. В свою очередь, они вознаграждаются большей динамикой, эффективностью и результативностью к рыночным изменениям.

1. ГОСТ Р МЭК 62264/IEC 62264 - Стандарт интеграции корпоративных систем управления

Совместная рабочая группа IEC SC65A и ISO TC184/SC5 недавно разработала состоящий из нескольких частей стандарт, основанный на спецификациях S95 (ANSI/ISA S95.00.01, 2000 и ANSI/ISA S95.00.02, 2001), который определяет структуру обмена информацией для облегчения интеграции бизнес-приложения и приложения для управления производством внутри предприятия. В рамках стандарта ГОСТ Р МЭК 62264/IEC 62264 приложения на производственном предприятии структурированы в виде иерархии областей деятельности, где каждый уровень иерархии обозначает группу функций, которые выполняются для поддержки определенного операционного уровня предприятия. Кроме того, стандарт ГОСТ Р МЭК 62264/IEC 62264 также определяет иерархию оборудования, которая определяет, в какой физической группе и на каком организационном уровне используется та или иная часть оборудования.

На рисунке 1 деятельность по бизнес-планированию и логистике занимает верхний уровень функциональной иерархии, уровень F4. Следующий уровень, уровень F3, включает в себя деятельность по управлению производственными операциями.

Рис. 1. Функциональная иерархия в соответствии с ГОСТ Р МЭК 62264/IEC 62264, Интеграция корпоративной системы управления

Нижние уровни F2, F1 и F0 включают в себя все виды деятельности, связанные с производственными операциями, автоматизацией, управлением и физическими преобразованиями. В соответствии с ГОСТ Р МЭК 62264/IEC 62264 бизнес-приложения уровня F4 и приложения для производственных операций и управления на уровне F2 (и ниже) интегрированы с использованием информационных структур и обменов, управляемых действиями, приложениями, процессами, ресурсами и функциями уровня F3. Эти информационные структуры также определены в стандарте ГОСТ Р МЭК 62264(62264-2-2010) /IEC 62264 (IEC 62264-2, 2004).

Примеры мероприятий по управлению производственными операциями уровня F3 включают производство, техническое обслуживание, тестирование качества продукции и погрузочно-разгрузочные работы. В стандарте S95 (ANSI/ISA S95.00.03, 2005), который был представлен в качестве части 3 стандарта ГОСТ Р МЭК 62264/IEC 62264, указана общая модель действий для этих действий уровня F3 (рисунок 2).

Рис. 2. Общая модель деятельности уровня F3 в соответствии с ANSI/ISA S95.00.03, интеграция системы управления предприятием

Стандарт ГОСТ Р МЭК 62264/IEC 62264 также определяет иерархию оборудования (рис. 3), где каждый уровень иерархии обозначает группу оборудования, выделенную для выполнения функций, связанных с набором областей деятельности в функциональной иерархии.

Рис. 3. Иерархия оборудования с точки зрения предприятия ГОСТ Р МЭК 62264/IEC 62264, Интеграция системы управления предприятием

Группировки оборудования также упорядочены по физическому масштабу связанного с ними набора операций.

Например, класс, представляющий предприятие на уровне R4, может состоять из одного или нескольких сайтов, где каждый сайт отличается географическим местоположением и может состоять из одной или нескольких областей. Классная зона на уровне R3 может состоять из одного или нескольких рабочих центров, характер работы которых отличается в зависимости от отрасли.

В фармацевтической промышленности, пищевой промышленности и производстве напитков рабочий центр называется технологической ячейкой, в то время как в нефтяной и химической промышленности рабочий центр называется производственным подразделением. Для автомобильной и обрабатывающей промышленности производственная линия является рабочим центром. В сфере погрузочно-разгрузочных работ примером рабочего центра является зона хранения.

На многих предприятиях и в отраслях промышленности функциональная иерархия и иерархия ресурсов, как правило, тесно связаны друг с другом, и ссылки на различные уровни обеих иерархий становятся эквивалентными. В этой предлагаемой схеме интеграции каждый уровень в иерархии приложений предприятия обозначается либо ресурсным, либо функциональным уровнем.

2. Что такой Система управления производством (MES)?

Системы управления производством (MES) в первую очередь предназначены для содействия мониторингу производства и управления операциями в цехе. Концептуальные стандарты, такие как разработанные Ассоциацией систем управления производством (MESA), расширяют это представление следующими основными функциональными возможностями: Распределение ресурсов и статус, Планирование операций / Подробное планирование, Диспетчеризация производственных подразделений, Контроль документации, Сбор данных, Управление рабочей силой, управление качеством, Управление процессами, Управление техническим обслуживанием, Отслеживание продукции и генеалогия, Анализ производительности. Функциональные возможности MES охватывают задачи производственного мониторинга и управления на предприятии, предоставляя доступ к данным о цехах и измеряя показатели производительности в режиме реального времени, такие как загрузка оборудования, наличие запасов и статус качества. Появившись в перерабатывающей промышленности, применение MES сегодня стало очень популярным подходом к интеграции задач производственного планирования и контроля и применяется в различных отраслях промышленности. Недавние опросы поставщиков показывают значительное увеличение числа поставщиков и разнообразия промышленных применений.

Литература по планированию и контролю производства содержит множество исследований, посвященных проблемам внедрения производственных ИТ-систем. Среди прочего, системы планирования ресурсов предприятия (ERP) за последние десятилетия вызвали наибольший интерес как в научных кругах, так и на практике; однако по-прежнему существует множество проблем с внедрением и высокий процент сбоев при внедрении. Как и в случае со многими другими производственными ИТ-системами, практическая реализация MES также не так проста и выгодна, как это утверждается теоретически. Особенно учитывая значительные различия между цехами, существует необходимость в тщательном и всестороннем анализе контекстуальных и технологических требований для успешного внедрения систем MES.

Кроме того, обрабатывающая промышленность стоит на пороге новой эры, которую многие называют четвертой промышленной революцией или Индустрией 4.0. Характеристиками индустрии 4.0 являются высокий уровень автоматизации, интеллектуальные продукты и ресурсы, оснащенные датчиками и интернет-технологиями, обмен данными в режиме реального времени и способность создавать новые ценности и бизнес от цифровизации. Адаптация к индустрии 4.0 имеет решающее значение для производственных компаний для поддержания и повышения своей конкурентоспособности. Эта революция также оказала сильное влияние на системы MES.

Рис. 4. Система управления производством (MES)

автоматизированный система управление процесс производство

3. Технологическая архитектура MES-систем (MES)

MES в иерархии предприятия, а также его функции и интерфейсы определены и стандартизированы в ISA-95. Этот стандарт четко определяет концепции, необходимые для интеграции разнородных заводских систем. Взаимосвязь между уровнями предприятия и уровнями ISA-95, отображенными в модели деятельности, показана на рис. 5. Стандарт ISA-95 направлен на интеграцию бизнес-логистики в производство, повышение эффективности производства и упрощение интеграции при меньших затратах. Модели информационного обмен между бизнес-системами и производственными операционными системами, относящимися к деятельности производственных операций, определяется со следующих точек зрения: модели и терминология, атрибуты объектов, модели производственных операций, транзакции между бизнесом и производством.

ISA-95 использует 5-уровневую иерархическую модель управления (рис. 5) представление функций бизнес-логистики, MOM, производственного контроля и производственного процесса. Стандарт рассматривает четыре категории ресурсов (персонал, оборудование, материалы и энергия, а также сегменты процесса) и четыре модели процесса, продукта и производства (определения возможностей и мощностей, продукта, производственного графика и производительности производства). Формальные модели данных представляют собой информацию, которой обмениваются ERP-система и MES. Эти модели определены с использованием стандартного унифицированного языка моделирования (UML) и реализованы в виде определений XML-схем с использованием представления Язык разметки от бизнеса к производству (B2MML).

На уровне предприятия MOM осуществляет надзор за широким спектром элементов - от деятельности в цехе до управленческой деятельности - и включает в себя различные производственные операции, сырье, рецептуры, техническое обслуживание, тесты качества, отгрузку и т.д. Эти мероприятия должны осуществляться совместно в соответствии с процедурами управления бизнесом, что требует глобальных совместных функций MES.

Управляющая пирамида ISA-95 и предлагаемая архитектура интеллектуального распределенного производства показаны на рис. 5. Сопоставление между ними основано на преобразовании компонентов ISA-95 производственного уровня в интеллектуальные объекты (квадраты), т.е. CPSS, и функциональные возможности высокого уровня (круги).Основными эталонными архитектурами, предлагаемыми для CPS/CPPS, являются эталонная архитектурная модель для I4.0 (RAMI4.0) и Эталонная архитектура промышленного Интернета (IIRA). В то время как IIRA предлагает открытую платформу для решений IIoT для широкого спектра областей применения, RAMI4.0 предоставляет унифицированное решение для применения концепций I4.0 в интеллектуальном производстве. Тем не менее, эти и другие модели могут быть согласованы, например, в форме интегрированной эталонной модели промышленного Интернета (I3RM).

На рис. 6 показана эталонная архитектурная модель для I4.0. Три основных аспекта производственных систем являются осями: ИТ-инфраструктура (бизнес-, функциональный, коммуникационный уровни, уровни интеграции и активов), иерархия фабрики (физическая и логическая структура системы) и жизненный цикл SMS (отражающий интеграцию и цифровизация различных заинтересованных сторон). Основанные на

Рис. 5. Модель деятельности производственного предприятия по стандарту ISA-95

Рис. 6. Отображение иерархии управления ISA-95 в распределенном режиме

Международная ассоциация решений для производственных предприятий (MESA), организация, которая стремится улучшить управление операциями на производстве посредством эффективного применения информационных технологий, определила сферу применения MES в 1997 году с помощью модели "MESA-11". MESA -11 является самой ранней моделью MES и указывает на 11 основных функций MES:

Рис. 8. модели "MESA-11"

Стандарт ANSI/ISA-95 объединил модель MESA-11 с эталонной моделью, создав функциональную иерархию. В этой модели MES была создана на третьем промежуточном уровне, между планированием ресурсов предприятия (ERP) на четвертом уровне и управлением технологическими процессами на нулевом, первом и втором уровнях. Что делает систему MES важной, так это то, что она служит функциональным звеном между ERP и системами управления технологическими процессами на заводе, предоставляя производителям видимость рабочего процесса в режиме реального времени, гибкость и понимание того, как наилучшим образом улучшить производственные операции в масштабах предприятия.

Преимущества системы управления производством трудно переоценить. Они влияют на способность производителя внедрять инновации и совершенствовать свою деятельность. С помощью MES можно легко преодолеть распространенные производственные проблемы. Эти преимущества включают, но не ограничиваются ими: Улучшенное управление качеством и контроль, Соответствие нормативным требованиям, Быстрая и точная управленческая отчетность, Повышенная видимость и эффективность, Общая эффективность оборудования (OEE), Более низкие затраты, Улучшенное взаимодействие в цепочке поставок MES, Лучшее и более простое управление системами, Более эффективное использование оборудования.

4. Интеллектуальное производство в системах MES

Интеллектуальное производство предполагает принципы производства в рамках Индустрии 4.0. Разработанное как производственная платформа в рамках интеллектуальной фабрики (также цифровой фабрики, цифрового производства, умной фабрики, взаимосвязанной фабрики, интегрированной отрасли или индустрии 4.0), оно представляет собой альтернативную структуру мультиагентным системам (MAS) и облачное производство. Умные фабрики и интеллектуальное производство полагаются на комбинацию интеллектуальных объектов и аналитики больших данных. Большие данные включают в себя технологии и аналитические подходы для извлечения ценности из информации посредством преобразования, характеризующегося большим объемом, скоростью и разнообразием. Концепция больших данных предоставляет потенциал для сбора, обработки и распространения огромного объема данных. Промышленный анализ больших данных использует эти данные для диагностики, оптимизации и реконфигурации всей системы.

Умные фабрики и интеллектуальное производство полагаются на комбинацию интеллектуальных объектов и аналитики больших данных. Большие данные включают в себя технологии и аналитические подходы для извлечения ценности из информации посредством преобразования, характеризующегося большим объемом, скоростью и разнообразием.

Концепция больших данных предоставляет потенциал для сбора, обработки и распространения огромного объема данных. Промышленный анализ больших данных использует эти данные для диагностики, оптимизации и реконфигурации всей системы. Данные для технологии больших данных могут быть собраны из CPN внутри компании или с внешних онлайн-ресурсов. Таким образом, большие данные рассматриваются как важный компонент производственных подходов, основанных на данных, таких как "умные фабрики", для достижения более высокой эффективности и производительности.

Интеллектуальное производство должно обеспечивать экономически эффективное, устойчивое и безопасное производство. По этим показателям, по оценкам, он гораздо более производителен, чем обычные производственные процессы. Индустрия 4.0 дает толчок компьютерно-интегрированному производству (CIM), позволяя создать более децентрализованную архитектуру, основанную на CPN. Интернет вещей позволяет интегрировать устройства и оборудование в инфраструктуру информационной системы компании. В то время как индустрия 4.0 основана на M2M-коммуникации, CIM изначально разрабатывалась с акцентом на сотрудников-людей. Это включает в себя самоорганизующуюся диагностику и запросы на ремонт, передаваемые поставщикам машин и оборудования и позволяющие осуществлять интеллектуальное профилактическое обслуживание (SIPM). Компоненты в рамках платформы Industry 4.0 действуют как автономные агенты. Переход от обычного производства к интеллектуальному производству обычно проходит через этапы подключенного (компьютеризация и подключение к интернету), прозрачного (видимость и транспарентность) и интеллектуального (способность к прогнозированию и адаптивность).

Растущая сложность производства требует информационных технологий, работающих в режиме реального времени. Озабоченность не только сосредоточена на одном отделе, но и должна проявляться в отношении всей цепочки поставок и всех дальнейших процессов в компании. В сочетании с интеллектуальной логистикой, которая фокусируется на управлении цепочками поставок, это приводит к созданию интеллектуальных производственных цепочек поставок (SMSCS). SMSCS определяют и координируют особенности производства и транспортировки, такие как количество и сроки, на основе данных в режиме реального времени.

Эталонные архитектуры интеллектуального производства были предложены различными авторами. Эталонная архитектура для автомобильной промышленности с конкретным расширением автомобильного сектора. Поскольку производственные знания связаны с процессом и продуктом, в современных условиях отсутствует взаимосвязь специальных производственных знаний. Заранее определенный интерфейс и язык запросов должны учитывать эти взаимосвязи во время поиска, обработки и распространения данных, информации и знаний. Другим подходом является архитектура интеллектуальных производственных систем (SMS), разработанная для сервисных сред, где такие компоненты, как планирование ресурсов предприятия (ERP) и управление цепочками поставок, понимаются как услуги. Взаимодействие между интеллектуальным производством и другими подразделениями компании или цепочкой поставок осуществляется с помощью инструмента бизнес-аналитики (BI). Для отдельных видов деятельности внутри компании другим подходом является интегрированная система CAS, основанная на стандартизированных данных.

Другие подходы представлены системой интеллектуальная система управления производством (SMES), ориентированной на устранение интерфейсов "машина-человек" и "человеко-машинный интерфейс" для сохранения существующих ресурсов системы manufacturing execution system (MES). MES выступает в качестве центрального пункта сбора данных для того, чтобы сохранить существующие структуры компании нетронутыми (рис. 9). Элемент посредника сообщений обеспечивает двустороннюю связь между компонентами. Еще одно различие между MESs и SMESs заключается в том, что MESs фокусируется в основном на управленческой поддержке, в то время как SMESs работают в более широком диапазоне цепочек поставок. Для малых и средних предприятий, использующих интерфейс на базе Android, был предложен подход, основанный на обслуживании, с целью сокращения широко распространенной бумажной волокиты в этих компаниях.

Рис. 9. Пример архитектуры интеллектуальной системы управления производством

5. Общая эффективность оборудования (OEE)

Сегодня многие производственные компании внедряют решения управления эффективностью, основанные на системе ключевых показателей. ИТ-директора сталкиваются с потребностью не только автоматизировать «готовую» систему показателей, но и зачастую с потребностью бизнеса разработать саму систему показателей. Задача осложняется тем, что система должна связать и сбалансировать операционные показатели и бизнес-цели. Между тем на многих предприятиях уже внедрены MES-системы, в них накоплен значительный массив данных, но он зачастую не используется для расчета KPI. Чтобы восполнить эти пробелы, рассмотрим не только общие принципы построения систем показателей эффективности, но и систему показателей общей эффективности оборудования (Overall Equipment Effectiveness, OEE).

Как возможно рассчитать OEE. Формулы OEE:

Доступность * Производительность* Качество = OEE%

Давайте разберем каждый компонент формулы OEE:

Доступность. Для расчета доступности мы сначала наблюдаем продолжительность смены в окрестностях.

16:00:00 - 8:00:00 = 480 минут.

Затем вычтите перерывы, обеды и плановое обслуживание, включенные в плановое время простоя.

Формула планового времени производства:

Продолжительность смены - Запланированное время простоя =

= Запланированное время производства

Расчет запланированного времени производства

480 - 45 = 435

Далее рассчитать время работы оборудования. Для этого вычтите любые незапланированные простои из запланированного времени производства. Формула рабочего времени:

Запланированное время производства - незапланир. время простоя =

= время работы

Расчет времени работы:

435 - 0 = 435

Теперь мы предлагаем рассчитать процент доступности Формула доступности:

Расчет доступности:

Время работы / Плановое время производства = % доступности

435 / 435 = 100%

Производительность. Производительность -- это то, как оборудование работает по своей мощности. В этом расчете мы использовали идеальное время цикла и время работы, чтобы определить количество деталей машины, которые могут быть реализованы в теоретических условиях работы. Затем мы подсчитываем отношение фактического количества произведенных деталей к мощности. Формула емкости:

Расчет емкости:

(1/Идеальное время цикла) * Время работы = Производительность

(1/0,25) * 435 = 1740

Для вычисления производительности мы используем общее количество изготовленных деталей, включая любые бракованные или бракованные детали.

Расчет производительности:

Формула производительности:

Общее количество произведенных деталей /мощность =

= производительность%

1000/1740 = 57,47126%

Качество. Качество -- это отношение к общему объему производства.

Расчет качества:

(Общее количество произведенных деталей) / Общее количество

произведенных деталей = Качество%

(1000 - 5) / 1000 = 99,5%

OEE Собираем все воедино

Теперь мы беременны из трех компонентов и помещаем их в состав выше формулу.

Расчет ОЭЭ:

Формула ОЕЕ:

Доступность * Производительность * Качество = OEE%

1 * 0,5747126 * 0,995 = 57,18391%

Заключение

Таким образом, MES-система охватывает следующие задачи:

1. Распределение и контроль статуса ресурсов (построение модели производства, централизованное хранение, быстрый и удобный поиск данных по спецификациям сырья, полуфабрикатов, готовой продукции, и упаковки, адресов поставщиков, норм качества, законодательных документов и т.д.);

2. Диспетчеризация производственных процессов (управление заказами на производство, управление сырьем и полуфабрикатами, контроль выполнения плана, контроль остатков);

3. Сбор данных, управление качеством (сбор данных от систем АСУТП, проверка качества и достоверности данных, сбор и архивирование, долговременное хранение, управление лабораторными данными);

4. Управление техническим обслуживанием;

5. Анализ производительности (статистический и математический анализ, контроль производительности процесса, расчет ТЭП, учет времени работы и простоя оборудования, создание отчетов);

6. Составление производственных расписаний;

7. Контроль документов (электронный документооборот);

8. Управление трудовыми ресурсами (управление персоналом);

9. Координация технологических процессов и отслеживание готовой продукции.

Список литературы

1. Hamet, P., Tremblay, J.: Artificial intelligence in medicine. Metabolism 69, 2017. P. 36-40.

2. Ienca, M., & Ignatiadis, K. Artificial Intelligence in Clinical Neuroscience: Methodological and Ethical Challenges. American Journal of Bioethics Neuroscience, 11(2), 2020. P. 77-87.

3. Petersen, C.: Through patients' eyes: regulation, technology, privacy, and the future. YearbMed Inform. 27, 2018. P. 010-015.

4. Shortliffe, E.: Computer-Based Medical Consultations: MYCIN. Elsevier Science, Amsterdam, 2019. 264 p.

5. Позднеев Б.М., Бушина Ф., Левченко А.Н., Шароватов В.И., Бабенко Е.В.: Интеграция и интероперабельность информационных систем в промышленности на основе стандартов. ИТ-Стандарт. 2020. №2 (23). С. 4350.

6. Zhou T, Wang, Lin, Lin Z, Ciaccio EJ, Green PH, et al. Quantitative analysis of patients with celiac disease by video capsule endoscopy: a deep learning method. Comput Biol Med 2021; 85:1-6.

7. Позднеев Б.М., Толок А.В., Овчинников П.Е., Куприяненко И.А., Левченко А.Н., Шароватов В.И. В сборнике: Виртуальное моделирование, прототипирование и промышленный дизайн. 2018. С. 41 -48.

8. Mantravadi, S., Li, C., M0ller, C., 2019. Multi-agent manufacturing execution system (MES): Concept, architecture & ML algorithm for a smart factory case. In: B.A, F.J, S.M, H.S (Eds.), ICEIS 2019 - Proceedings of the 21st International Conference on Enterprise Information Systems, Vol. 1. SciTePress, pp. 465-470.

9. Климанов В.П., Косульников Ю.А., Позднеев Б.М., Сосенушкин С.Е., Сутягин М.В. Международная и национальная стандартизация информационно-коммуникационных технологий в образовании. / Под ред. Б.М. Позднеева - М.: ФГБОУ ВПО МГТУ «СТАНКИН», 2012. - 186 с.

10. Сергеева О.Ю. "Индустрия 4.0" как механизм формирования "умного производства" // Нанотехнологии в строительстве: научный интернет-журнал. 2018. Т. 10. №2. С. 100-113.

11. Шульце П.В. Будущее промышленности: четвертая революция - функции государства и общества // Экономическое возрождение России. 2017. №2 (52). С. 39-46.

12. Дударева О.В., Аракчеев Д.В., Дударев Д.Н. Концептуальные аспекты перехода к умному производству в условиях цифровизации // Организатор производства. 2020. Т. 28. №4. С. 7-15.

13. Нургалиев Р.К., Нургалиева А.А. Повышение эффективности производственных процессов в условиях умного производства // Компетентность. 2021. №7. С. 31-35.

14. ГОСТ Р МЭК 62264-1-2014 Интеграция систем управления предприятием. Часть 1. Модели и терминология

15. ГОСТ Р МЭК 62264-2-2010 Интеграция систем управления предприятием. Часть 2. Атрибуты объектных моделей

16. ГОСТ Р МЭК 62264-3-2012 Интеграция систем управления предприятием. Часть 3. Рабочая модель управления технологическими операциями

Размещено на Allbest.Ru

...

Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.