针对船用柴油机关键件加工过程中出现的质量不均衡、预测性不足等问题,提出了数字孪生驱动的船用柴油机关键件加工质量管控方法。通过构建柴油机关键件质量管控数字孪生模型,使物理生产单元、虚拟生产单元及生产管理系统协同工作,实现柴油机加工过程中质量数据采集、分析和反馈一体化,并指导车间操作人员进行加工生产。采用基于BP-RBF神经网络算法预测刀具的完整使用寿命,并结合遗传算法(GA)和刀具磨损模型对刀具加工参数进行在线优化,实现刀具及刀具参数的调度指导与调整。最终基于管控平台进行加工刀具寿命预测与优化功能模块开发,并通过系统功能仿真,验证了该方法的有效性,为船用柴油机关键件加工质量管控提供了一种的新的途径。

煤矿安全产品是煤矿安全生产的有效保证,随着煤矿生产过程中对安全性的要求越来越高,如何研发更加先进可靠的煤矿安全产品成为了各大煤矿企业必须解决的问题,然而煤矿企业只是从事煤矿开采相关工作,其所需的安全产品研发必须依托与外部相关企业的协同来完成。因此,在煤矿安全产品协同开发过程中,如何对其质量进行管控,保证所开发的安全产品具有高质量高可靠性成为了煤矿安全产品协同开发过程中的关键。基于此,从大数据角度探讨和分析了目前先进的大数据技术在煤矿安全产品协同开发中的质量管控中的应用,对促进大数据在煤矿安全产品协同开发中的应用,提高煤矿安全产品协同开发的质量的可靠性和稳定性具有非常重要的意义。