.png){kind=icon}
返回
Cloud-edge-end collaborative multi-process dynamic optimization for energy-efficient aluminum casting
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jmsy.2025.01.013.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
铸造是一种关键但耗能巨大的铝加工技术。为实现碳中和目标，必须在保证生产效率的前提下降低铸造能耗。优化铝铸造的操作参数是一种有效策略，但存在两大挑战：理解操作参数与能耗之间的复杂关系，以及使优化过程适应生产动态。本文在理解第一挑战的基础上，针对第二挑战提出了一种云-边-端协同的预测-响应调度方法。针对四种常见动态事件（即生产计划变更、合格率波动、生产中断和执行偏差），提出了具体的动态调整措施。随后设计了一个云-边-端协同的动态调整框架以实施这些措施。该方法在一座压铸厂进行了测试以验证其性能。结果表明，所提出的数据驱动方法能够在近实时为检测到的动态事件生成调整措施，最长响应时间不到一分钟。这些措施显著降低了铸造库存和能耗，在计划生产中断期间实现了能耗成本19.5%的降低。所提出的动态优化方法在铝铸造行业的节能应用中展现出良好前景。
Keyword:
Aluminum casting
Dynamic scheduling
Operation optimization
Energy efficiency
Cloud-edge-end collaboration
期刊
IF:
14.2
论文数:
2.7K
被引数:
1.6W
机构
暂无机构信息
引用论文
Establishing a reliable mechanism model of the digital twin machining system: An adaptive evaluation network approach建立数字孪生加工系统的可靠机理模型: 自适应评估网络方法
PREAI
分享收藏Potential energy savings by application of the novel CRIMSON aluminium casting process.png)
APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏Comprehensive assessment of energy conservation and CO2 emission reduction in future aluminum supply chainAPPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏Edge-cloud cooperation-driven smart and sustainable production for energy-intensive manufacturing industries边缘云合作驱动能源密集型制造业的智能和可持续生产APPLIED ENERGYOAAI
APPLIED ENERGYIF11
OAAI分享收藏
查看更多内容