專欄導(dǎo)讀

在新一輪產(chǎn)業(yè)變革的大背景下，智能制造已成為各國搶占科技發(fā)展制高點和提升制造業(yè)核心競爭力的戰(zhàn)略選擇，以期推進(jìn)制造業(yè)高端化、智能化轉(zhuǎn)型升級。當(dāng)前，我國正在大力發(fā)展新質(zhì)生產(chǎn)力，以航天為典型代表的高端裝備更新迭代加快、研制周期縮短，“多型號并舉、研制與批產(chǎn)并存”是典型的任務(wù)模式，具有任務(wù)分布不均、制造資源周期性緊張等特點，傳統(tǒng)的“推動式”生產(chǎn)往往會導(dǎo)致庫存成本高企、生產(chǎn)效率低下、任務(wù)無法按期保質(zhì)保量完成等問題，如何利用高端裝備總裝任務(wù)“拉動”各個環(huán)節(jié)精準(zhǔn)生產(chǎn)來實現(xiàn)降本、增效、提質(zhì)、按時是重要亟需。“拉動式”生產(chǎn)源自大規(guī)模定制生產(chǎn)階段，新一代信息技術(shù)的快速發(fā)展賦予了“拉動式”生產(chǎn)新動能、新特點，為高端裝備總裝拉動生產(chǎn)模式探索提供了重要抓手。因此，研究總裝拉動智能生產(chǎn)線構(gòu)建、多級協(xié)同生產(chǎn)管控、混線生產(chǎn)動態(tài)重構(gòu)、聯(lián)合計劃與調(diào)度等關(guān)鍵技術(shù)，探索信息驅(qū)動的總裝拉動生產(chǎn)新模式、關(guān)鍵技術(shù)和典型行業(yè)應(yīng)用，能夠極大地提升高端裝備制造企業(yè)效益和競爭力，具有重要的理論價值和現(xiàn)實意義。

為此，《機(jī)械工程學(xué)報》編輯部與客座編輯團(tuán)隊聯(lián)合策劃出版“信息驅(qū)動的總裝拉動生產(chǎn)模式、技術(shù)及應(yīng)用”專欄。探討新一代信息技術(shù)驅(qū)動的總裝拉動生產(chǎn)新模式、新理論、新方法、關(guān)鍵技術(shù)及應(yīng)用方向，推動我國制造業(yè)向高端化、智能化轉(zhuǎn)型升級。專欄共收錄論文9篇，已于《機(jī)械工程學(xué)報》2026年5期正式出版。

客座主編：

王國慶，中國工程院院士，中國航天科技集團(tuán)有限公司首席信息官（CIO），長期致力于火箭裝備金屬結(jié)構(gòu)制造技術(shù)研究與工程應(yīng)用工作，在運載火箭及氫氧發(fā)動機(jī)制造等方面取得了系統(tǒng)性、開創(chuàng)性成果，為我國多型火箭裝備研制及批產(chǎn)做出重要貢獻(xiàn)。獲國家科技進(jìn)步特等獎2項、二等獎2項。出版專著1部，發(fā)表論文71篇，獲發(fā)明專利59項。入選國家“萬人計劃”科技創(chuàng)新領(lǐng)軍人才，獲何梁何利科技進(jìn)步獎、英國ＴＷＩ布魯克獎。

李培根，華中科技大學(xué)教授，中國工程院院士。

楊華勇，中國工程院院士，國際智能制造聯(lián)盟主席，浙江大學(xué)工學(xué)部主任，流體動力基礎(chǔ)件與機(jī)電系統(tǒng)全國重點實驗室主任。

客座編輯：

高亮，華中科技大學(xué)副校長，機(jī)械科學(xué)與工程學(xué)院教授、博士生導(dǎo)師，2018年獲得國家杰出青年基金資助，首屆“科學(xué)探索獎”獲得者，IET Fellow，國家智能設(shè)計與數(shù)控技術(shù)創(chuàng)新中心主任，國務(wù)院學(xué)位委員會智能科學(xué)與技術(shù)學(xué)科評議組成員，教育部工業(yè)工程類教指委委員，國家智能制造專家委員會委員，中國機(jī)械工程學(xué)會工業(yè)大數(shù)據(jù)與智能系統(tǒng)分會主任委員。長期致力于智能優(yōu)化與機(jī)器學(xué)習(xí)方法在設(shè)計制造中的應(yīng)用等研究，出版專著或教材22部（其中英文7部），以第一作者或通訊作者在Nature Communications等期刊上共發(fā)表SCI論文340余篇，Web of Science被引46000次，H-index 104；Google Scholar引用48000 余次，H-index 113。2020-2023和2025年入選科睿唯安“全球高被引科學(xué)家”，2020年起連續(xù)五年入選愛思唯爾“中國高被引學(xué)者”。授權(quán)發(fā)明專利90項，登記軟件著作權(quán)28項。獲國家科技進(jìn)步二等獎1項（2015年度，排名第2）、教育部自然科學(xué)一等獎2項（2013年度和2022年度，均排名第1）、湖北省自然科學(xué)一等獎1項（2023年度，排名第1），其它省部級一等獎2項。擔(dān)任Engineering子刊Intelligent Manufacturing、IET Collaborative Intelligent Manufacturing、Light: Advanced Manufacturing期刊主編，以及Chinese Journal of Mechanical Engineering、Machine Learning with Applications、Swarm Evolutionary Computation等期刊副主編等。

閻艷，北京理工大學(xué)校長助理、黨委常委，機(jī)械與車輛學(xué)院教授、博導(dǎo)，教育部新世紀(jì)優(yōu)秀人才，教育部工業(yè)工程類專業(yè)教學(xué)指導(dǎo)委員會副主任委員，工業(yè)知識與數(shù)據(jù)融合應(yīng)用工信部重點實驗室主任，航天智能制造與工業(yè)軟件（工信部）協(xié)同育人基地負(fù)責(zé)人。長期從事數(shù)字化設(shè)計制造技術(shù)的基礎(chǔ)及應(yīng)用研究，主持或參與基礎(chǔ)科研、預(yù)先研究、民用航天、國家自然基金、國家重點研發(fā)計劃、973項目等十余項；獲省部級科技進(jìn)步獎8項；獲省部級教學(xué)成果獎2項；獲授權(quán)發(fā)明專利20余項，作為主編、副主編出版教材3本，參編出版專著2本；在國內(nèi)外重要學(xué)術(shù)刊物上發(fā)表學(xué)術(shù)論文200余篇，其中被SCI/EI收錄150余篇。

劉繼紅，北京航空航天大學(xué)機(jī)械工程及自動化學(xué)院教授、博導(dǎo)、中國圖學(xué)學(xué)會理事、國家重點研發(fā)計劃網(wǎng)絡(luò)協(xié)同制造和智能工廠重點專項總體專家組成員等。主要從事復(fù)雜產(chǎn)品數(shù)字化設(shè)計制造、現(xiàn)代設(shè)計理論與方法、知識管理與知識工程、智能制造與工業(yè)互聯(lián)網(wǎng)等方向的研究與教學(xué)工作。完成國家自然科學(xué)基金、863計劃、科技支撐計劃、重點研發(fā)計劃以及國防基礎(chǔ)科研等國家級科研項目30余項。發(fā)表學(xué)術(shù)論文130余篇，出版專著3部和譯著8部，制訂國家技術(shù)標(biāo)準(zhǔn)5項，獲得省部級獎勵3項。

敬石開，北京理工大學(xué)機(jī)械與車輛學(xué)院研究員，博士生導(dǎo)師，工業(yè)與智能系統(tǒng)工程研究所副所長。長期從事產(chǎn)品創(chuàng)新設(shè)計與優(yōu)化、數(shù)字孿生方向的研究，主持國家自然基金面上項目1項、國家重點研發(fā)計劃“增材制造與激光制造”項目課題2項、軍委科技委基礎(chǔ)加強1項、國防科工局基礎(chǔ)科研1項，參與國家863計劃、國家科技支撐計劃及企業(yè)橫向等課題20余項，獲省部級科技進(jìn)步二等獎1項。發(fā)表學(xué)術(shù)論文60余篇，發(fā)明專利7項，出版英文專著2部，中文專著2部。

黃思翰，北京理工大學(xué)機(jī)械與車輛學(xué)院長聘副教授/研究員，博士生導(dǎo)師，入選2020年度國家博士后創(chuàng)新人才支持計劃，獲省部級科技進(jìn)步一等獎。主要研究方向是具身智能制造，涵蓋機(jī)器人智能調(diào)控、制造系統(tǒng)重構(gòu)調(diào)度、數(shù)字孿生管控等，主持國家重點研發(fā)計劃課題、國家自然科學(xué)基金青年項目等縱向項目，以第一作者/通訊作者發(fā)表SCI期刊論文20余篇（其中影響因子大于10的11篇）、ESI高被引論文1篇、封面文章2篇，授權(quán)發(fā)明專利17項，主編專著2部，成功籌辦第三屆人本智造學(xué)術(shù)會議，多次受邀在學(xué)術(shù)會議上做主旨報告/主題報告，擔(dān)任多個期刊Associate Editor/青年編委、多個全國性學(xué)會分會/專委會委員等。

01

總裝拉動：航天制造邁向規(guī)模化定制生產(chǎn)時代

引用格式:王國慶, 陳金存, 袁維佳, 劉琦, 胡潤芝, 王國棟, 黃思翰. 總裝拉動：航天制造邁向規(guī)模化定制生產(chǎn)時代[J]. 機(jī)械工程學(xué)報, 2026, 62(5): 1-11.

論文摘要：

我國航天制造歷經(jīng)研制生產(chǎn)主導(dǎo)、研制與批產(chǎn)并重的發(fā)展階段，正在進(jìn)入常態(tài)化高密度發(fā)射主導(dǎo)的規(guī)?；ㄖ齐A段，迫切需要探索出一種既能滿足國家重大戰(zhàn)略需求，又符合我國航天產(chǎn)業(yè)特點的制造模式。對航天制造轉(zhuǎn)型發(fā)展方向進(jìn)行分析，提出了航天總裝拉動制造模式，并闡述其基本內(nèi)涵和主要特征，研究提出包括制造總體抓總、高效柔性總裝、全鏈條供應(yīng)鏈管控、網(wǎng)絡(luò)協(xié)同制造四方面的實施框架，致力于打造新型航天產(chǎn)品制造體系，實現(xiàn)多層級、多法人制造企業(yè)的跨地域、跨網(wǎng)絡(luò)、跨系統(tǒng)的高效協(xié)同，提升航天產(chǎn)品高質(zhì)量、高效率、低成本交付能力，培育航天制造新質(zhì)生產(chǎn)力。航天總裝拉動制造模式的提出，將會為航天重大任務(wù)完成以及航天制造業(yè)轉(zhuǎn)型升級提供重要支撐。

閱讀全文：

02

基于數(shù)字孿生和強化學(xué)習(xí)的智能生產(chǎn)線實時調(diào)度仿真優(yōu)化方法

引用格式:楊澤浩, 董威, 黃思翰, 陰艷超, 董李揚, 鄭祖杰. 基于數(shù)字孿生和強化學(xué)習(xí)的智能生產(chǎn)線實時調(diào)度仿真優(yōu)化方法[J]. 機(jī)械工程學(xué)報, 2026, 62(5): 12-25.

論文摘要：

生產(chǎn)調(diào)度一直是制造領(lǐng)域的研究熱點，是生產(chǎn)線高效運行的節(jié)拍器。當(dāng)前，隨著智能制造的深入發(fā)展，生產(chǎn)調(diào)度智能化逐漸成為領(lǐng)域前沿。智能生產(chǎn)線動態(tài)生產(chǎn)過程中面臨著生產(chǎn)任務(wù)變更、制造資源耦合等多源不確定擾動，如何兼顧生產(chǎn)調(diào)度效率和準(zhǔn)確性是核心挑戰(zhàn)。因此，提出了基于數(shù)字孿生和強化學(xué)習(xí)的智能生產(chǎn)線實時調(diào)度仿真優(yōu)化方法。利用數(shù)字孿生技術(shù)構(gòu)建生產(chǎn)要素的幾何-功能-狀態(tài)高保真模型，組裝形成層次化、高保真虛擬生產(chǎn)仿真環(huán)境；設(shè)計改進(jìn)Q-Learning算法建立生產(chǎn)調(diào)度優(yōu)化智能體，通過三元組狀態(tài)空間重構(gòu)、多維度獎勵函數(shù)及雙重探索策略，突破傳統(tǒng)算法維數(shù)災(zāi)難與魯棒性不足難題；建立分層式執(zhí)行控制架構(gòu)實現(xiàn)數(shù)字孿生和智能體的深度融合，保障生產(chǎn)仿真過程感知-決策-執(zhí)行閉環(huán)協(xié)同。某航天產(chǎn)品總裝生產(chǎn)線驗證結(jié)果表明，其他五種經(jīng)典調(diào)度規(guī)則執(zhí)行距離較本文方法增加6.38%到16.50%，顯著提升制造資源協(xié)同效率。

閱讀全文：

03

總裝拉動生產(chǎn)模式下的分布式裝配作業(yè)車間多目標(biāo)調(diào)度方法

引用格式:田詩晨, 張春江, 高亮, 李新宇. 總裝拉動生產(chǎn)模式下的分布式裝配作業(yè)車間多目標(biāo)調(diào)度方法[J]. 機(jī)械工程學(xué)報, 2026, 62(5): 26-36.

論文摘要：

在實際生產(chǎn)中，由于裝配工藝復(fù)雜、配置需求多樣，大型復(fù)雜產(chǎn)品的交付往往采用訂單驅(qū)動的總裝拉動生產(chǎn)模式，通過分布式加工和集中裝配的模式完成生產(chǎn)；同時，隨著全球?qū)沙掷m(xù)發(fā)展的日益關(guān)注，綠色節(jié)能的生產(chǎn)模式成為了企業(yè)和學(xué)術(shù)界關(guān)注的焦點。因此，對機(jī)器速度可調(diào)的分布式裝配作業(yè)車間調(diào)度問題進(jìn)行了研究，以最小化最大完工時間和總能耗為優(yōu)化目標(biāo)，提出一種帶變鄰域搜索的非支配排序遺傳算法對問題進(jìn)行求解。在算法的局部搜索階段，分別面向最大完工時間和總能耗兩個優(yōu)化目標(biāo)設(shè)計不同的機(jī)器速度調(diào)整策略，并采用基于關(guān)鍵路徑的局部搜索方法對工序排序子問題進(jìn)行優(yōu)化。為驗證所提算法的有效性，在四組不同規(guī)模的算例上進(jìn)行大量試驗，試驗結(jié)果表明所提算法框架和局部搜索方法均能有效改善調(diào)度方案。

閱讀全文：

04

復(fù)雜產(chǎn)品總裝拉動式多車間協(xié)同調(diào)度的集成式遺傳規(guī)劃算法

引用格式: 李繼偉, 張劍, 任曉羽, 陳浩杰. 復(fù)雜產(chǎn)品總裝拉動式多車間協(xié)同調(diào)度的集成式遺傳規(guī)劃算法[J]. 機(jī)械工程學(xué)報, 2026, 62(5): 37-48.

論文摘要：

復(fù)雜產(chǎn)品制造當(dāng)前面臨生產(chǎn)規(guī)模增加、定制化程度上升與生產(chǎn)周期縮短等發(fā)展趨勢，亟需探索更高效的調(diào)度方法以提升生產(chǎn)效率與支撐發(fā)展需求。然而，復(fù)雜產(chǎn)品制造常見的總裝拉動式生產(chǎn)模式需要多個車間協(xié)同生產(chǎn)，具有規(guī)模大、資源多、邏輯復(fù)雜等特征，現(xiàn)有多車間調(diào)度模型與方法難以滿足算法優(yōu)化與響應(yīng)能力要求。為此，通過考慮車間內(nèi)部約束與耦合約束，構(gòu)建一種復(fù)雜產(chǎn)品總裝拉動式多車間協(xié)同調(diào)度模型。在此基礎(chǔ)上，通過考慮不同車間特性，提出一種基于小生境的多優(yōu)先級規(guī)則集合協(xié)同集成式遺傳規(guī)劃算法，以通過生成多個調(diào)度規(guī)則集合構(gòu)成更有效的調(diào)度策略。此外，構(gòu)建一種基于互補性的規(guī)則集合更新機(jī)制來提升生成規(guī)則集合有效性，并設(shè)計一種多車間次序解碼策略以獲取完整的多車間調(diào)度方案。基于實際場景分析，采用PSPLIB標(biāo)準(zhǔn)數(shù)據(jù)集構(gòu)建該問題的數(shù)據(jù)集，通過與當(dāng)前最新的遺傳規(guī)劃算法和現(xiàn)有優(yōu)先級規(guī)則對比，并結(jié)合消融試驗，驗證所提算法的優(yōu)越性。

閱讀全文：

05

集成雙重注意力機(jī)制CNN-LSTM時空網(wǎng)絡(luò)的離散車間生產(chǎn)瓶頸預(yù)測

引用格式:石逸涵, 張旭, 莊存波, 劉金山, 王家修, 孫連勝. 集成雙重注意力機(jī)制CNN-LSTM時空網(wǎng)絡(luò)的離散車間生產(chǎn)瓶頸預(yù)測[J]. 機(jī)械工程學(xué)報, 2026, 62(5): 49-60.

論文摘要：

在總裝拉動生產(chǎn)模式下，離散制造車間作為多廠(車間)生產(chǎn)模式的核心載體，其生產(chǎn)任務(wù)分散、設(shè)備布局靈活、生產(chǎn)過程復(fù)雜。然而，瓶頸單元在時間和空間維度上的動態(tài)漂移，成為制約生產(chǎn)效率與資源利用率提升的關(guān)鍵挑戰(zhàn)。因此，研究離散車間的瓶頸預(yù)測問題，對于提升多廠生產(chǎn)模式下的整體生產(chǎn)效率具有重要意義。為了準(zhǔn)確預(yù)測瓶頸單元并監(jiān)測瓶頸漂移趨勢，提出了一種集成雙重注意力機(jī)制的時空網(wǎng)絡(luò)預(yù)測模型(Convolutional neural network-long short term memory-dual attention mechanism，CNN-LSTM-DAM)。首先，針對瓶頸單元的多屬性耦合特性，構(gòu)建了復(fù)合定義的瓶頸識別模型；其次，將識別出的歷史疑似瓶頸數(shù)據(jù)作為輔助數(shù)據(jù)，輸入融合CNN與空間注意力機(jī)制的空間特征感知器以及融合LSTM與狀態(tài)注意力機(jī)制的時序特征感知器，進(jìn)一步強化模型對生產(chǎn)序列數(shù)據(jù)中空間和時間維度信息的捕捉能力；最后，通過與門控循環(huán)單元(Gated recurrent unit，GRU)、雙向長短期記憶網(wǎng)絡(luò)(Bidirectional long short term memory，BiLSTM)等LSTM變體的消融試驗對比，驗證了所提模型在預(yù)測給定時延內(nèi)瓶頸單元及瓶頸漂移趨勢方面的準(zhǔn)確性和有效性。

閱讀全文：

06

工業(yè)大模型驅(qū)動的航空智能制造AI孿生控制方法體系

引用格式:許鴻偉, 劉麗蘭, 張潔, 秦威, 邢宏文, 汪瑋, 劉思仁, 呂佑龍. 工業(yè)大模型驅(qū)動的航空智能制造AI孿生控制方法體系[J]. 機(jī)械工程學(xué)報, 2026, 62(5): 61-73.

論文摘要：

針對航空智能制造中數(shù)據(jù)-知識協(xié)同效率低、裝配偏差溯源困難、工藝參數(shù)優(yōu)化滯后及虛實交互驗證不足等關(guān)鍵問題，本研究提出一種以工業(yè)大模型為認(rèn)知引擎的AI孿生控制方法體系，構(gòu)建覆蓋“感知-診斷-決策-驗證”的數(shù)字孿生閉環(huán)控制框架。通過知識圖譜網(wǎng)絡(luò)化關(guān)聯(lián)建模，實現(xiàn)多源異構(gòu)數(shù)據(jù)的語義融合與動態(tài)推理，打造航空制造工業(yè)大模型語料庫，形成具備自主演化能力的專業(yè)知識底座；開發(fā)面向多場景智能決策閉環(huán)的工業(yè)大模型算法庫，利用貝葉斯因果推斷解析裝配偏差的多層級耦合誘因，結(jié)合增量集成學(xué)習(xí)實現(xiàn)多源耦合偏差的動態(tài)演化預(yù)測，基于遷移強化學(xué)習(xí)突破跨場景參數(shù)優(yōu)化瓶頸；最終通過數(shù)字孿生技術(shù)構(gòu)建虛實雙向驅(qū)動的驗證閉環(huán)。以某型號民用客機(jī)機(jī)身壁板裝配為驗證對象的結(jié)果表明，所提方法能夠顯著提升長桁自動裝配精度，長桁一次裝調(diào)成功率較傳統(tǒng)方法提升24%；實現(xiàn)鉆鉚質(zhì)量實時檢測，連續(xù)鉆鉚缺陷識別準(zhǔn)確率達(dá)98%。該研究通過構(gòu)建與演化領(lǐng)域知識底座，深度驅(qū)動了從偏差因果溯源到孿生驗證的全流程閉環(huán)，實現(xiàn)了制造決策從經(jīng)驗驅(qū)動到模型認(rèn)知驅(qū)動的范式躍遷。

閱讀全文：

07

基于多目標(biāo)深度強化學(xué)習(xí)的不確定擾動下島式裝配線動態(tài)調(diào)度優(yōu)化

引用格式: 黃銘, 黃思翰, 陳建鵬, 董威, 王柏村, 阮兵, 高云鵬, 王國新, 閻艷. 基于多目標(biāo)深度強化學(xué)習(xí)的不確定擾動下島式裝配線動態(tài)調(diào)度優(yōu)化[J]. 機(jī)械工程學(xué)報, 2026, 62(5): 74-87.

論文摘要：

隨著新能源汽車產(chǎn)業(yè)的快速發(fā)展以及市場需求多樣化、定制化趨勢的興起，一種新興的島式裝配模式應(yīng)運而生，用于解決傳統(tǒng)汽車裝配流水線柔性不足的問題。此外，在實際裝配環(huán)境中以緊急插單為典型代表的不確定事件頻發(fā)，嚴(yán)重制約著汽車總裝的穩(wěn)定性和生產(chǎn)效率。 因此，結(jié)合實際需要，開展不確定擾動下島式裝配線動態(tài)調(diào)度優(yōu)化。首先，構(gòu)建形成以最小化最大完工時間和插單變更指數(shù)為雙優(yōu)化目標(biāo)的混合整數(shù)非線性規(guī)劃模型。其次，設(shè)計了一種多目標(biāo)對決雙層深度Q網(wǎng)絡(luò)(MO-D3QN)求解該模型。其中針對島式裝配場景中裝配島、裝配工藝、裝配產(chǎn)品以及生產(chǎn)運輸環(huán)節(jié)的特征設(shè)計了狀態(tài)指標(biāo)和動作調(diào)度規(guī)則。面向雙優(yōu)化目標(biāo)分別構(gòu)建了連續(xù)型即時獎勵函數(shù)組件，并采用加權(quán)和標(biāo)量化方法實現(xiàn)獎勵聚合。然后，通過對MO-D3QN算法模型的學(xué)習(xí)訓(xùn)練，實現(xiàn)在不同環(huán)境狀態(tài)下最佳調(diào)度規(guī)則的選擇。最后，在3種規(guī)模的實例上開展計算試驗，結(jié)果表明MO-D3QN優(yōu)于單一調(diào)度規(guī)則、隨機(jī)選擇策略和經(jīng)典DQN，從而驗證了MO-D3QN的有效性和競爭力。

閱讀全文：

08

基于知識圖譜的航天產(chǎn)品總裝質(zhì)量追溯方法研究

引用格式:鄭小虎, 曹立俊, 劉驍佳, 杜思淇, 武文強, 張潔, 丁司懿. 基于知識圖譜的航天產(chǎn)品總裝質(zhì)量追溯方法研究[J]. 機(jī)械工程學(xué)報, 2026, 62(5): 88-99.

論文摘要：

針對航天產(chǎn)品總裝過程多源異構(gòu)數(shù)據(jù)整合困難、質(zhì)量問題關(guān)聯(lián)追溯效率低的問題，提出一種基于知識圖譜的質(zhì)量追溯方法。通過構(gòu)建涵蓋物流吊裝、電纜網(wǎng)導(dǎo)通和綜合測試關(guān)鍵場景的知識圖譜，整合結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，實現(xiàn)跨環(huán)節(jié)數(shù)據(jù)的語義關(guān)聯(lián)與深度推理。結(jié)合YOLOv8與DeepSORT算法實現(xiàn)物流吊裝場景的實時目標(biāo)檢測與行為分析，利用K近鄰算法對電纜網(wǎng)導(dǎo)通及綜合測試場景的異常數(shù)據(jù)進(jìn)行異常判斷，基于知識圖譜構(gòu)建“異常-原因-解決方案”聯(lián)動推理機(jī)制，突破傳統(tǒng)質(zhì)量追溯方法的數(shù)據(jù)孤島限制，為總裝質(zhì)量問題定位與根因分析提供可解釋性支持。案例驗證表明，該方法可有效解決航天產(chǎn)品總裝過程中的數(shù)據(jù)孤島問題，提升異常定位與質(zhì)量追溯的準(zhǔn)確性與效率，為復(fù)雜總裝場景的智能化質(zhì)量管控提供技術(shù)支撐。

閱讀全文：

09

基于齊套BOM的協(xié)同平臺在航天拉式生產(chǎn)中的研究與實踐

引用格式: 王國棟, 劉京濤, 趙欽, 王宏君. 基于齊套BOM的協(xié)同平臺在航天拉式生產(chǎn)中的研究與實踐[J]. 機(jī)械工程學(xué)報, 2026, 62(5): 100-116.

論文摘要：

航天大型復(fù)雜裝備產(chǎn)品類型多樣復(fù)雜度高，現(xiàn)有的科研生產(chǎn)模式側(cè)重縱向一體化、試制與批產(chǎn)混線生產(chǎn)，導(dǎo)致橫向協(xié)同困難、批產(chǎn)能力不足等問題。通過分析航天裝備產(chǎn)品的混線生產(chǎn)與總裝特點，基于航天總裝拉動的制造模式，統(tǒng)一數(shù)據(jù)模型、協(xié)同機(jī)制、標(biāo)準(zhǔn)規(guī)范，構(gòu)建總裝廠、部裝廠、零部件廠，以及原材料工廠的跨企業(yè)、橫向穿透式統(tǒng)一協(xié)同平臺。各級總裝廠依托協(xié)同平臺發(fā)布總裝齊套KBOM(Kitting bom)，配套廠基于協(xié)同平臺關(guān)聯(lián)交付實物、產(chǎn)品合格證、二維碼等多維數(shù)據(jù)，利用數(shù)字拉動看板實時展示配套廠全鏈條全景齊套數(shù)據(jù)。探索基于跨異構(gòu)網(wǎng)絡(luò)的航天裝備科研生產(chǎn)協(xié)同平臺技術(shù)架構(gòu)與安全防護(hù)、基于異構(gòu)協(xié)同場景的數(shù)據(jù)標(biāo)準(zhǔn)與路由傳輸機(jī)制、基于模型的齊套協(xié)同環(huán)境輕量化傳輸與解析機(jī)制等關(guān)鍵技術(shù)，形成以多級總裝廠為產(chǎn)業(yè)鏈支點的航天“主制造商-分系統(tǒng)承包商-供應(yīng)商”模式。在航天典型總裝廠、部裝廠和零部件廠開展應(yīng)用實踐，理順以精益化、數(shù)字化、網(wǎng)絡(luò)化、智能化為特征的開放、協(xié)同的航天制造產(chǎn)業(yè)鏈，提升供應(yīng)鏈整體管理水平，推動拉式生產(chǎn)產(chǎn)業(yè)鏈協(xié)同創(chuàng)新和生態(tài)化發(fā)展。

閱讀全文：

責(zé)任編輯：杜蔚杰

責(zé)任校對：張 強

審 核：張 彤

JME學(xué)院簡介

JME學(xué)院是由《機(jī)械工程學(xué)報》編輯部2018年創(chuàng)建，以關(guān)注、陪伴青年學(xué)者成長為宗旨，努力探索學(xué)術(shù)傳播服務(wù)新模式。首任院長是中國機(jī)械工程學(xué)會監(jiān)事會監(jiān)事長、《機(jī)械工程學(xué)報》中英文兩刊主編宋天虎。

歡迎各位老師掃碼添加小助理-暖暖為好友，由小助理拉入JME學(xué)院官方群！

歡迎關(guān)注JME學(xué)院視頻號~

尋覓合作伙伴

有一種合作叫做真誠，有一種發(fā)展可以無限，有一種伙伴可以互利共贏，愿我們合作起來流連忘返，發(fā)展起來前景可觀。關(guān)于論文推薦、團(tuán)隊介紹、圖書出版、學(xué)術(shù)直播、招聘信息、會議推廣等，請與我們聯(lián)系。

感謝關(guān)注我們！我們《機(jī)械工程學(xué)報》編輯部將努力為您打造一個有態(tài)度、有深度、有溫度的學(xué)術(shù)媒體！

版權(quán)聲明：

本文為《機(jī)械工程學(xué)報》編輯部原創(chuàng)內(nèi)容，歡迎轉(zhuǎn)載，請聯(lián)系授權(quán)！

在公眾號后臺留言需要轉(zhuǎn)載的文章題目及要轉(zhuǎn)載的公眾號ID以獲取授權(quán)!

微信投稿、轉(zhuǎn)載等：

聯(lián)系人：暖暖

電話：010-88379909

E-mail：jme@cmes.org

網(wǎng) 址：http://www.cjmenet.com.cn

官方微信號：jmewechat