摘要：以智能移动终端的多品种需求特性为切入点，研究柔性工艺全流程下人、机、料、车间环境的联动过程，提出融合制造过程数据挖掘、信息融合与算法模型的资源分配智能决策方法，实现产线柔性工艺全流程产能分析；研究基于层复记忆神经网络的深度学习智能算法及制造过程的边缘计算方法，实现柔性工艺过程中的关键工序工装夹具智能调度；研究基于强化学习的人、机、物协同控制决策知识库，推动基于知识驱动的工艺、设备设计理论与应用建设，不但实现智能终端产品的柔性生产，同时促进制造能力提升。

　　关键词：柔性制造；智能终端；智能制造；制造工艺；边缘计算

　　Research on Flexible Manufacturing Technology and Application of Intelligent Mobile Terminal

　　Ren Yanfang，Liu Zhipei，Jin Xiaoyang

　　(Guangdong Hongqin Communication Technology Co.,Ltd.,Dongguan,Guangdong 523000,China)

　　Abstract:Based on the multi-variety demand characteristics of intelligent mobile terminal,the linkage process of human,machine,material and workshop environment in the whole process of flexible process is studied,the intelligent decision method of resource allocation which integrates data mining,information fusion and algorithm model in manufacturing process is proposed,and the productivity analysis of the whole process of flexible process in production line is realized.Deep learning intelligent algorithm based on layered memory neural network and edge calculation method of manufacturing process are studied to realize intelligent scheduling of key process tooling and fixture in flexible process.The knowledge base of human-machine-matter collaborative control decision based on reinforcement learning is studied to promote the theory and application construction of knowledge-driven process and equipment design,which not only realizes the flexible production of intelligent terminal products,but also promotes the improvement of manufacturing capacity.

　　Key words:flexible manufacturing;intelligent terminal;intelligent manufacturing;manufacturing process;edge calculation

　　0引言

　　新一代信息技术产业是国家重点支持的战略性新兴产业，智能移动终端是新一代信息技术产业的重点产品。我国在智能移动终端行业中产量占有绝对优势，我国手机产量大约占世界的50%，珠三角的手机生产量占中国的70%以上，智能终端产业是我国重点产业之一，但是以移动终端为代表的3C产品制造环节用工量大，人工成本占比高，员工的流失率高。

　　目前，在制造上普遍采用智能制造的模式，而《中国制造2025》[1]将智能制造确定为主攻方向，“十三五”规划纲要也明确提出，要实施智能制造工程，推动生产方式向柔性、智能、精细化转变。智能制造最突出的特点就是能够有效缩短产品研制周期，提高生产效率和产品质量，降低运营成本和资源能源消耗，并促进基于互联网的众创、众包、众筹等新业态、新模式的兴起[2]。

　　但是随着智能终端产品品质要求的不断提高，造成移动终端毛利微薄的制造环节成本剧增，而且随着智能终端企业业务内容从单一品类扩充至多客户多品类，出现多品类小订单的生产需求[3]。为适配业务需求，生产单位出现频繁换线、低效率、高质量风险等问题，有效缩短产品研制周期，提高生产效率和产品质量，降低运营成本和资源能源消耗，移动终端智能制造模式应用成为移动终端制造行业的必然选择[4]。本文通过采用以智能机器人技术为代表的工艺装备，建设以信息化和自动化深度融合为核心的智能移动终端数字化车间将使智能移动终端制造企业在产品设计、工艺、制造、品质、物流等方面有质的飞跃，提升我国智能移动终端在国际市场上的竞争力。

　　1总体方案介绍

　　智能移动终端是新一代信息技术产业的重点产品，由于信息技术发展迅速，用户的多样化、个性化需求涌现，产品更新换代加快，智能移动终端企业生产呈现动态化特征，不再是仅仅从规模上满足社会需求，伴随着消费结构升级，买方市场和消费者个性化、定制化、时效性要求的步步紧逼，产品“多样化、小规模、周期可控”的柔性化生产[5]、柔性制造，才是企业生存和制胜的关键。

　　为此，本文以智能移动终端的多品种需求特性为切入点，基于柔性制造、控制原理、制造系统自动化[6]技术以及多源信息融合[7]等理论，以压缩产品换线时间、提高产线产能为目标，围绕智能移动终端柔性制造工艺全流程决策与技术应用的关键技术，以“理论建模-实验验证-规律预测-平台开发-企业应用”为研究思路，采用理论研究与数字仿真[8]、科学实验相结合的方式，构建柔性制造过程工艺数据采集与分析平台[9]，研究柔性工艺全流程下人、机、料、车间环境的联动过程，提出融合制造过程数据挖掘[10-11]、信息融合与算法模型的资源分配智能决策[12]方法，实现产线柔性工艺全流程产能分析；研究基于层复记忆神经网络[13]的深度学习智能算法及制造过程的边缘计算[14]方法，实现柔性工艺过程中的关键工序工装夹具智能调度；研究基于强化学习的人、机、物协同控制决策知识库，推动基于知识驱动[15]的工艺、设备设计理论与应用建设。

　　集成人、机、料、车间布局等多源信息，以智能移动终端柔性制造过程中的资源合理分配为目标，构建基于有序信度网络的多源异构数据融合模型，设计层复记忆神经网络算法完成模型中各生产相关要素的权重分布，搭建基于决策树搜索的人机交互知识库，从而完成混流模式下工装流、夹具流、物料流、信息流的快速重组；同时，在关键工序上采用多种类工装箱体仓的分度回转复合控制技术，设计轻便结构的拆装、定位、翻板一体化设备，压缩产品换线时间75%、提高整体工作效率20%。整体方案流程如图1所示。

　　2柔性制造系统与多态性数据融合技术

　　创新性采用人、机、料等多源信息控制技术及多态性车间布局混合优化方法，搭建数据异构环境下的资源分配强化学习模型，制定混流模式下工装流、夹具流、物料流、信息流的快速重组决策，实现应用层检测、拆装自动化，压缩产品换线时间75%，解决柔性制造决策优化问题。图2~3所示为应用实例。

　　快速迭代更新的智能移动终端产品对生产效率、生产精度的要求越来越高，工厂大量引入如数控机床、锡膏印刷机、回流焊机、机器人、检测、包装物流等先进设备及技术，而工业现场的人、机、料、车间等数据采集的感知设备类型多样、通讯接口异构。本文从系统层面研究面向异构单元的数据集成与接口技术，建立统一的通讯协议管理，实现多种工业总线设备的集成与互联互通，构建一个全面集成、先进稳定的数据采集与生产控制平台。如图4所示。

　　平台通过统计物料、数量以及时间，提前检查机器、人、工具、夹具是否可用。数据异构环境下的资源分配强化学习模型打包到平台具体功能模块，基于效率、存货水准与服务水准三者的制约关系，综合考虑柔性制造工序、制造清单的实时转换，对应到具体工作中心、物料、工装夹具、时间等要素的资源整合及资源调度，并最终将生产决策分配到车间工作层。实施如图5所示。

　　柔性生产过程是一个有序的加工序列，加工任务通过序列号管理，由MES系统实施严格的工序过站控制。平台允许为具体生产过程定义特定的工艺流程，并按照配置的流程进行过站控制。每道工序，物料上线之前扫描条码，记录投料、工装夹具使用信息。设备开放I/O通讯接口，MES系统上特定的开发程序连接设备上的PLC控制接口及传感器信息实现设备状态数据的实时读取，生产管理员通过输入工单号，可实时查询成品完工数量。如果出现次品、非良品等质量问题，管理者可安排下线维修或工序返工。过程如图6所示。

　　3网络协同控制及工装夹具智能调度技术

　　集成多种类工装箱体仓的分度回转复合控制协同技术，设计层复记忆神经网络模型筛选工装夹具，突破工件、工装、机器交互瓶颈，制定检测工位上各专用工装置换规则，实现检测工位工序快节拍运行，提高实际效率30%，解决关键工序协同管理问题。

　　智能检测以自动化为基础，智能化为方向，是智能移动终端生产关键工序之一，包括主板测试及整机测试(软件系统测试)。

　　(1)主板测试系统

　　主板检测自动化线如图7所示，主板测试工序时间紧、任务重，设计盘式回转移动底座，多层箱体仓装载专用工装夹具，集成多种类工装箱体仓的分度回转复合控制协同技术，能够保证并行检测及工序切换过程中的敏捷反应。针对检测过程中工装夹具自适应匹配问题，一方面需要考虑实时性，使得计算模型尽可能简单，另一方面又要保证准确性，因此设计层复记忆神经网络模型筛选工装夹具，基于柔性系统动态生产计划调整及前文多态性数据融合技术，最终制定检测工位上各专用工装置换规则，实现检测工位工序快节拍运行。如图8所示。

　　(2)整机测试

　　采用环形结构设计，共3个环，分别是下载环、校准环、终测环，每环采用600臂长的4轴机器人(图9)，下载环对应72个站位，来料采用皮带线输送，校准终测各对应24个站位，机器人加视觉精准的取放料，下载及测试数据均通过上位机与MES通讯，单班节省人力6人，UPH从250提高至400，直通率从80%提高至95%，极大地提高了生产效率和产品良率。

　　如图10所示，在平板测试段开发了一片流式的全自动测试线，共包含70多项测试指标，整线分为3个区域，8个测试模块，通过机械手搬运产品，WiFi与产品通信并发送测试指令，测试数据交由服务器分析并上传MES管控，取代人工插拔USB，降低了刮伤风险，单班人力节省7人，直通率提高至99.7%，不良率降至0.3%，极大地提高了生产效率，也大大降低了生产成本。

　　4基于知识驱动的柔性可重构软硬件技术

　　采用基于轻便设计的气动智能协同控制系统开发技术，搭建知识驱动的“物机交互”模型，自适应匹配智能移动终端电板检测上下线指令，同时，设计拆装、定位、翻板一体化设备，如图11所示，实现检测工序全自动化运行，提高整体效率40%。

　　研究面向智能移动终端制造混合生产模式智能排程方法，充分发挥整个生产过程的生产资源能力，实现多品种个性化需求下知识驱动模型的全局优化。实时调度模块以整体排程结果为指导，结合支持多型号混线柔性制造的工装夹具设计解决方案库，快速实现车间制造协同，响应大规模定制对生产制造系统柔性化、软硬件模块快速可重构的要求，满足加工针对性强、敏捷性高等实际需求问题。

　　如图12所示，拆装、定位、翻板一体化设备的设计，实现光板PCB与对应面治具的扣合，并完成该组合下料；实现半成品PCBA与对应面治具的拆分，将半成品翻面后与对应面治具扣合，并完成改组合下料；实现成品PCBA与对应面治具的拆分，经成品翻面后放入下游轨道。具体的实施手段如下：SMT弹簧载具拆装机专用载具与底座，其R1机械手拾取AOI出来的半成品与成品，同时负责扣合光板与载具，空载具采用堆叠式放置，R2机械手负责转运成品PCB及扣合翻板后的半成品与载具，弹簧拆装底座结构采用模块化设计，可在线外提前调整，调整完毕后整套更换，成品面需翻转朝下再进入后工序，设备出板轨道支持正反向运输，支持分板载具回流功能，设备配置吸塑盘上下料功能，拆卸完成的成品PCBA可自动转运至吸塑盘中自动摆盘。底座则用来支撑载具。

　　5结束语

　　本文通过智能移动终端柔性制造系统与多态性数据融合、关键工序网络协同控制及工装夹具智能调度、以及基于知识驱动的柔性可重构软硬件系统及辅助工具的搭建与应用，实现产品换线时间降低75%，主板检测效率提升40%，在产线柔性生产上，一条产线可适用于4种产品的生产，也实现了企业智能决策、协同控制与开放式资源调度的目标，满足企业高效率、降低节拍、增加产能等要求，解决智能终端产品“多样化、小规模、周期可控”的柔性化生产、柔性制造的问题。

　　以智能移动终端的多品种需求特性为切入点，基于柔性制造、控制原理、制造系统自动化技术以及多源信息融合等理论，以智能化、柔性化带动智能终端产业转型升级，提升企业竞争能力，通过柔性制造工艺为企业实现柔性化生产，有效节约资源，降低成本，提升效率，推动生产方式向柔性、智能、精细化转变，实现产品智能化生产，同时，打造制造业智能制造新模式应用示范，对于推动制造业与互联网融合发展,发展壮大新兴产业具有重要的意义。

参考文献：

　　[1]蒋桂平,赖显渺,凌维生.中国制造2025与工业4.0的必然性分析[J].装备制造技术,2021(10):185-187.

　　[2]林芳芳.基于移动智能终端的车间工单管理系统的研究与应用[D].上海:上海交通大学,2019.

　　[3]罗卫强,唐斌,陈勇军.智能终端精密外观结构件离散型智能工厂规划[J].机电工程技术,2022,51(9):142-146.

　　[4]阳恩贵,曾毅.智能工厂在工业制造企业的推广[J].机电工程技术,2020(8):157-159.

　　[5]黄春机.基于AI视觉技术构建柔性生产数字化车间[J].智能制造,2022(3):30-33.

　　[6]朱华.基于PID的智能制造系统自动化控制研究[J].自动化与仪器仪表,2022(11):101-106.

　　[7]赵俊炜,张锐.基于FCM-BP算法的电网运行多源信息融合方法研究[J].机电信息,2022(24):84-88.

　　[8]周磊.计算机网络虚拟仿真技术的研究与应用[J].电子质量,2022(7):122-129.

　　[9]付玉祥.基于RFID的SMT生产制造管理系统研究[D].桂林:桂林电子科技大学,2022.

　　[10]刘刚.机械制造智能化发展趋势探析[J].工业技术创新,2017,4(1):171-173.

　　[11]井文英.基于计算机软件工程中的数据挖掘技术实践分析[J].软件,2022,43(7):72-74.

　　[12]陈前斌,谭颀,贺兰钦.云雾混合网络下基于多智能体架构的资源分配及卸载决策研究[J].电子与信息学报,2021,43(9):2654-2662.

　　[13]陈伟康.联想记忆神经网络中传输多元信号的随机共振研究及应用[D].南京:南京邮电大学,2022.

　　[14]区英杰.边缘计算方法对图像隐写中进化多目标的优化分析[J].电子技术与软件工程,2022(20):166-169.

　　[15]牛冲丽,刘宇鑫.工业互联网环境下数据驱动与知识驱动的预测性维护研究[J].华东科技,2022(9):116-118.