Journal of Intelligent Manufacturing

An automatic understanding system MAD-READER based on the techniques of image processing, pattern recognition, and artificial intelligence has been developed for mechanical engineering drawings. The principles of the system are presented, which include the methods and techniques of recognition and understanding for topological assembly drawings (TAD). A rule-based generator GEN-PLAN is devised to generate directly assembly plans from TAD assembly drawings. A variety of TAD assembly drawings has been used for testing the generator. So far, GEN-PLAN has been used to recognize TAD assembly drawings which consist of 31 part symbols, and generate their assembly plans. The present generator has shown favorable results.

In this study, an economic production quantity (EPQ) model is generalized by considering maintenance and production programs for an imperfect process involving a deteriorating production system with increasing hazard rate. There are two types of preventive maintenance (PM), namely imperfect PM and perfect PM. The probability that perfect PM is performed depends on the number of imperfect maintenance operations performed since the last renewal cycle. Following a failure, the delayed repair performs some restorations and reduces production rate to restore the system into an operating state (in-control state), but leaves its lower production rate until perfect PM is performed. That is, the production run period not always starts in normal production rate. This study considers backorders, as well as loss of inventory due to the lower production rate. For the EPQ model, the optimum run time, which minimizes the total cost, is discussed. Various special cases are considered, including the maintenance learning effect. Finally, a numerical example is presented to illustrate the effects of PM ability, repair cost and production decreasing rate on total costs and production period.

Efficient quality control is inevitable in the manufacturing of light-emitting diodes (LEDs). Because defective LED chips may be traced back to different causes, a time and cost-intensive electrical and optical contact measurement is employed. Fast photoluminescence measurements, on the other hand, are commonly used to detect wafer separation damages but also hold the potential to enable an efficient detection of all kinds of defective LED chips. On a photoluminescence image, every pixel corresponds to an LED chip’s brightness after photoexcitation, revealing performance information. But due to unevenly distributed brightness values and varying defect patterns, photoluminescence images are not yet employed for a comprehensive defect detection. In this work, we show that fully convolutional networks can be used for chip-wise defect detection, trained on a small data-set of photoluminescence images. Pixel-wise labels allow us to classify each and every chip as defective or not. Being measurement-based, labels are easy to procure and our experiments show that existing discrepancies between training images and labels do not hinder network training. Using weighted loss calculation, we were able to equalize our highly unbalanced class categories. Due to the consistent use of skip connections and residual shortcuts, our network is able to predict a variety of structures, from extensive defect clusters up to single defective LED chips.

The mass production and wider use of automobiles and the incorporation of complex electronic technologies all indicate that the control of faults should be given an integral part of engine design and usage. Today, artificial intelligence (AI) technology is widely suggested for systematic diagnosis of faults where the amount of well-defined diagnosis knowledge is vast and the sequence of steps required to identify the fault is very long. This article describes on an expert system application for automotive engines. A new prototype named EXEDS (expert engine diagnosis system) has been developed using KnowledgePro, an expert system development tool, and run on a PC. The purpose of the prototype is to assist auto mechanics in fault diagnosis of engines by providing systematic and step-by-step analysis of failure symptoms and offering maintenance or service advice. The result of this development is expected to introduce a systematic and intelligent method in engine diagnosis and mai ntenance environments.

Bài báo này thảo luận về việc áp dụng các kỹ thuật nhận dạng mẫu dựa trên mạng nơ-ron cho việc giám sát quá trình cắt kim loại. Ứng dụng cụ thể được xem xét là giám sát quá trình tình trạng của dụng cụ cắt. Giám sát tình trạng dụng cụ là một yếu tố tiên quyết quan trọng cho việc tự động hóa thành công quá trình cắt kim loại. Trong bài báo này, chúng tôi trình bày việc áp dụng các mô hình mạng nơ-ron có giám sát và không có giám sát để nhận dạng mẫu các đặc trưng tín hiệu cảm biến. Kỹ thuật có giám sát được sử dụng là thuật toán lan truyền ngược (backpropagation) và kỹ thuật không có giám sát được sử dụng là lý thuyết cộng hưởng thích nghi (Adaptive Resonance Theory - ART). Các kết quả hỗ trợ giả thuyết rằng, bất chấp độ chính xác phân loại xuất sắc của cả hai mạng, hệ thống không có giám sát có tiềm năng lớn hơn trong môi trường thực tế. Các lợi ích được thảo luận và một khung khổ để khai thác chúng trong các hệ thống giám sát tình trạng dụng cụ được trình bày.

Bảo trì là rất quan trọng cho dịch vụ sản phẩm và khác với sửa chữa, vì sửa chữa tập trung vào thời điểm khi sản phẩm bị hỏng, đó là một vấn đề định tính, trong khi bảo trì chú trọng nhiều hơn đến tính liên tục trong hoạt động của máy móc, vì vậy đây không phải là một vấn đề định tính. Tuy nhiên, hầu hết các phương pháp nghiên cứu hiện nay đều phương pháp định tính vì chúng chỉ phân chia tình trạng sức khỏe của máy thành nhiều cấp độ khác nhau, điều này không đủ để khám phá một cách toàn diện nguyên tắc suy giảm của máy và mối quan hệ giữa suy giảm và bảo trì. Để khám phá nguyên tắc suy giảm của máy móc bị ảnh hưởng bởi việc bảo trì, một phương pháp nghiên cứu định lượng được đề xuất bằng cách tính chỉ số sức khỏe (Health Index - HI) dựa trên quy trình phân tích hàm mờ (Fuzzy Analytic Hierarchy Process - FAHP) và mạng nơ-ron tích chập (Convolutional Neural Network - CNN). Cuối cùng, một nghiên cứu trường hợp được sử dụng để chứng minh việc thực hiện và ứng dụng tiềm năng của phương pháp được đề xuất, trong đó hai phương pháp bảo trì chính trong quản lý tiên đoán và sức khỏe (Prognostic and Health Management - PHM), tức là bảo trì theo thời gian (Time-Based Maintenance - TBM) và bảo trì dựa trên điều kiện (Condition-Based Maintenance - CBM) được nghiên cứu. Kết quả cho thấy việc áp dụng phương pháp đề xuất dẫn đến tăng đáng kể tuổi thọ của máy móc. Nghiên cứu này đưa ra một phương pháp mới để nghiên cứu nguyên tắc suy giảm của máy và sẽ dẫn đến sự phát triển của PHM sử dụng HI.

Một phương pháp mới được đề xuất nhằm giải quyết một số vấn đề then chốt liên quan đến khả năng tương tác trong việc phát triển sản phẩm hợp tác trong các tổ chức mạng. Công trình này sáng tạo kết hợp (i) một mô hình trung gian dữ liệu ngữ nghĩa hai giai đoạn để đảm bảo khả năng tương tác, (ii) một nền tảng dựa trên đám mây để cho phép các kịch bản hợp tác phức tạp, và (iii) việc triển khai và đánh giá phương pháp được đề xuất trong ngành hàng không vũ trụ. Việc này chứng minh rằng trung gian dữ liệu được cung cấp dưới dạng dịch vụ giảm mạnh chi phí và thời gian cần thiết để thiết lập và duy trì khả năng tương tác.

Các thuật toán cho tối ưu hóa rời rạc và liên tục là một phần rất quan trọng trong hệ thống ra quyết định trong sản xuất. Hầu hết các vấn đề lập kế hoạch, lập lịch và bố trí đều yêu cầu các thuật toán này. Trong thực tế, nghiên cứu về các thuật toán hiệu quả gặp phải hai trở ngại chính. Một là, rất thường xuyên, các tiêu chí không thể được biểu đạt dưới dạng phân tích, vì vậy không thể sử dụng các phương pháp giải quyết lý thuyết hiện có. Hai là, hầu hết các vấn đề mà các tiêu chí có thể được biểu diễn dưới dạng phân tích là các vấn đề NP-khó khăn. Tình huống này có thể được đơn giản hóa bằng cách sử dụng mô phỏng. Nhưng việc sử dụng mô phỏng và các phương pháp tối ưu hóa cùng nhau thường cho ra một cực tiểu cục bộ. Phương pháp được đề xuất trong bài viết này dựa trên việc sử dụng một sửa đổi rời rạc của biến đổi ψ kết hợp với một số phương pháp heuristics cho tối ưu hóa cục bộ. Sự độc đáo của phương pháp này là khả năng tránh cực tiểu cục bộ, trong khi sử dụng các mô hình mô phỏng để tính toán giá trị của các tiêu chí. Một ví dụ về việc sử dụng phương pháp này được đưa ra: nó liên quan đến việc tối ưu hóa việc khởi động các linh kiện trong sản xuất trong các hệ thống loại job-shop. Phương pháp đề xuất được so sánh với một phương pháp heuristics được biết đến là rất tốt trong cùng một số lần mô phỏng. Kết quả của năm thử nghiệm với kích thước mô hình khác nhau cho thấy hiệu quả của phương pháp đề xuất.