CN107292422B - 一种信息-物理-社交融合空间下实现智能制造的S2ensor - Google Patents
一种信息-物理-社交融合空间下实现智能制造的S2ensor Download PDFInfo
- Publication number
- CN107292422B CN107292422B CN201710387801.1A CN201710387801A CN107292422B CN 107292422 B CN107292422 B CN 107292422B CN 201710387801 A CN201710387801 A CN 201710387801A CN 107292422 B CN107292422 B CN 107292422B
- Authority
- CN
- China
- Prior art keywords
- sensor
- sensing
- data
- information
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 132
- 230000004927 fusion Effects 0.000 title claims abstract description 20
- 230000003993 interaction Effects 0.000 claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 67
- 230000002776 aggregation Effects 0.000 claims abstract description 47
- 238000004220 aggregation Methods 0.000 claims abstract description 47
- 230000006870 function Effects 0.000 claims abstract description 22
- 230000010354 integration Effects 0.000 claims abstract description 22
- 238000004092 self-diagnosis Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 63
- 230000032258 transport Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 29
- 238000007781 pre-processing Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 18
- 238000003754 machining Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004806 packaging method and process Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000006854 communication Effects 0.000 claims description 8
- 230000008520 organization Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000009133 cooperative interaction Effects 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- MYWUZJCMWCOHBA-VIFPVBQESA-N methamphetamine Chemical compound CN[C@@H](C)CC1=CC=CC=C1 MYWUZJCMWCOHBA-VIFPVBQESA-N 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000005286 illumination Methods 0.000 claims description 2
- 239000004576 sand Substances 0.000 claims description 2
- 238000005538 encapsulation Methods 0.000 claims 2
- 238000011156 evaluation Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011958 production data acquisition Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/83—Querying
- G06F16/835—Query processing
- G06F16/8373—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/84—Mapping; Conversion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Automation & Control Theory (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- General Factory Administration (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
一种信息‑物理‑社交融合空间下实现智能制造的S2ensor,其体系架构包括物理资源层、信息聚合层和决策交互层,物理资源层用于实现异构传感设备的互联与物理集成,由物理传感设备、集成/控制模块和网络连接模块组成;信息聚合层为物理资源层传递生产指令/数据采集指令,同时为决策交互层提供统一的数据访问接口;决策交互层提供S2ensor之间、S2ensor与云服务器之间的信息交互与协同共享的功能、基于数据处理结果的自适应、自诊断和自决策功能。通过对S2ensor在物理资源层、信息聚合层和决策交互层三个层面的软硬件配置与集成,形成S2ensor在信息‑物理‑社交融合空间下的自治交互与智能决策的功能。
Description
技术领域
本发明属于制造系统与S2sensor领域,特别涉及一种信息-物理- 社交融合空间下实现智能制造的S2ensor。
背景技术
当前,新兴信息技术正步入泛在、智能、互联集成的新阶段,从感知、传输、处理与智能决策,泛在连接与普适计算无所不在。在计算机科学、信息通信技术和先进制造技术的并行驱动下,制造模式正发展为信息空间(Cyber)、物理空间(Physical)、社交空间(Social) 泛在融合空间下的智能制造。智能制造实现在生产制造过程中的高适应性(adaptability),高柔性(flexibility)以及智能化(intelligence),从而满足动态多变的市场和个性化的客户需求。
在一个智能制造环境下的生产车间,所有的加工设备、工件、运输小车、工业机器人等制造资源能够像社交网络中的人一样互相交流,并做出生产决策。加工设备能实时了解自身的“健康”状况、加工任务、加工能力和生产能力;智能工件自身携带如何被加工设备加工生产的工艺、质量等信息;运输小车知道何时何地运输何物去何地等车间物流信息。制造资源通过配置各种类型的传感器(振动、功率、噪声等)、RFID设备(读写器、天线、标签)、测量设备(粗糙度仪、数显卡尺等)、智能嵌入式控制设备、网络设备等,构造出一个具有工业4.0和智能制造特征的车间生产物理环境。在此环境下,对生产制造过程提出了新的要求,主要表现在:1)制造车间分布式的传感设备在车间生产运行过程中会产生大量的生产过程数据,传统的将爆炸式的信息传递到后端服务器进行集中处理的方式已满足不了当前大量分布式传感设备实时数据采集、融合、传输、分析与决策的需求; 2)制造资源通过配置传感设备、智能嵌入式设备与智能决策算法的方式,转变为具有自我感知与决策功能的“生产个体”。生产个体根据制造任务自组织交互,构成车间自组织生产网络。作为车间生产网络中的一个节点,生产个体具有生产实时数据的采集与处理、信息/ 生产指令的共享与交互、生产过程自主交互与协同、生产过程智能决策与管控等功能需求。
鉴于以上分析,提出一种信息-物理-社交融合空间下实现智能制造的SocialSenor(以下简称S2ensor)。本发明旨在实现信息-物理-社交融合空间下各生产个体之间的信息交互与协作,实现生产过程的自感知、自适应、自诊断、自决策等,最终实现从过去的“人脑分析判断+机器生产制造”的方式转变为“机器分析判断+机器生产制造”的方式,以达到高效、透明、智能化地完成生产任务的目标。
去中心化的S2ensor与传统中心化的车间生产控制系统可从两个方面进行区分,一是采集/传输的数据不同:传统的车间信息系统采集并传输物理世界的各种物理量;S2ensor采集、传输用于生产过程交互、协作、决策和管控的各类生产数据、交互信息、生产指令等。二是组织架构不同:传统的车间生产控制系统将采集到的传感数据上传至中央服务器存储、分析、决策等,缺乏实时性;S2ensor具有存储、分析、决策与交互功能,除了能将采集到的各类生产信息上传至云服务器外,还可进行就近计算与决策,实现对生产过程实时反馈。
发明内容
为克服传统车间集中式生产控制面临的柔性低、反馈不及时、可扩展性差等缺陷,并结合当前工业4.0和智能制造环境下的新需求,本发明的目的在于提供一种信息-物理-社交融合空间下实现智能制造的S2ensor,该发明是一种软硬件集成的,具有社交交互、智能感知、智能处理、自主决策的智能体。在一个离散制造车间,S2ensor的体现形式主要包括智能工件S2ensor、运输小车S2ensor、工位S2ensor、质量检测S2ensor等。智能工件S2ensor在运输小车的帮助下在车间内按照加工工序进行流动,分别与运输小车S2ensor、工位S2ensor和质量检测S2ensor进行感知交互,更新加工进度与加工质量信息,完成加工任务;运输小车S2ensor接收来自智能工件S2ensor、工位S2ensor 以及云服务器的运输指令,协助运输小车将工件、刀具/夹具/量具运输至指定位置;工位S2ensor根据智能工件S2ensor广播的加工需求,评估所绑定的加工设备是否满足加工要求,并向智能工件S2ensor做出响应,另外工位S2ensor之间就加工任务进行匹配、谈判,均衡加工设备的生产负荷;质量S2ensor负责判断工件的加工质量是否满足要求,并向工件S2ensor发送质量检测信息。车间制造资源通过S2ensor 进行机-机交互协作,实现生产过程的自感知、自适应、自诊断、自决策与自修复等智能制造方法。
为达到上述目的,本发明的技术方案为:
一种信息-物理-社交融合空间下实现智能制造的S2ensor, S2ensor的体系架构分为物理资源层、信息聚合层、决策交互层;
所述的物理资源层主要功能是为S2ensor提供物理硬件层面的支持,用于实现异构传感设备的互联与物理集成、生产过程事件感知与实时状态监测、生产数据采集与传输;物理资源层包括三类物理资源:用于感知车间生产过程各个方面的物理传感设备、用于集成与控制所有传感设备的集成/控制模块和用于S2ensor交互的各种网络连接模块。
所述的物理传感设备包括用于感知车间生产环境的噪声、温湿度、光照强度的传感设备,用于感知生产设备(如机床、运输小车)运行状态的功率、加速度、力的传感设备,用于监控工件位置、工件状体、加工进度的RFID设备、感知工件尺寸的激光位移、测量工件质量的粗糙度仪和数显卡尺的传感设备;所述的用于集成与控制所有传感设备的集成/控制模块包括PLC控制器、嵌入式微型电脑主板;所述的网络连接模块包括用于传感设备和集成/控制模块之间、S2ensor之间、 S2ensor与云服务器之间通讯连接的Intranet/Internet、WIFI、Zigbee、路由模块等。
所述的信息聚合层是连接物理资源层与决策交互层的纽带,一方面,基于预定义的生产事件,信息聚合层为下层的物理资源层传递生产指令/数据采集指令;另一方面,基于数据预处理与集成方法,信息聚合层为上层的决策交互层提供统一的数据访问接口;该层的构成部分包括资源描述模型、数据采集触发条件集、虚拟化封装模板集、数据预处理方法集、数据组织模型与接口。
所述的资源描述模型用于对物理传感设备和嵌入式开发板的形式化描述;所述的数据采集触发条件集为预定义的数据采集与上传的生产事件触发条件模型,用于决定何时采集传感数据、何时将采集的数据预处理后上传至决策交互层或者云服务器;所述的虚拟化封装模板用于对传感设备进行描述与封装,实现物理空间向虚拟空间的映射;所述的数据预处理方法集包含所有的传感数据预处理方法,用于实现清洗、去噪、滤波的功能;所述的数据组织模型与接口用于对预处理之后的多源异构传感数据按照一定的数据格式进行聚合,并通过数据接口传输至决策交互层或者云服务器。
所述的决策交互层提供S2ensor之间、S2ensor与云服务器之间的信息交互与协同共享的功能、基于数据处理结果的自适应、自诊断和自决策功能;决策交互层包括决策环节与交互环节。
所述的决策环节是对历史/实时生产数据、交互信息进行分析、评估、预测的处理,进行生产过程的自主诊断与决策,使生产过程自适应;所述的交互环节是S2ensor根据决策结果,与其他S2ensor或云服务器进行信息交互,实现生产过程的协同,决策与交互两个环节构成一个机-机交互的闭环过程,实现了生产过程的自感知、自适应、自诊断、自决策与自修复。
考虑到S2ensor自身的存储与计算能力的有限,在S2ensor网络中增加一个云服务器,用于存储S2ensor采集到的各类原始数据、交互决策信息、生产反馈信息,同时也为S2ensor提供复杂的算力支持,并基于算力结果向S2ensor决策交互层传输生产指令。
本发明的有益效果是:
本发明构建了一种信息-物理-社交融合空间下实现智能制造的 S2ensor,实现了车间内制造资源的机-机协作交互、生产过程自感知、自适应、自诊断、自决策与自修复。通过应用S2ensor,实现了车间生产过程的实时、智能管控。
附图说明
图1是一种S2ensor的体系架构图。
图2是一种S2ensor的配置流程图。
图3是一种S2ensor的生产过程协作交互泳道图
具体实现方式
下面结合附图和实施例对本发明作详细说明。此处所说明的附图是本申请的一部分,用来对本发明进行进一步解释,但并不构成对本发明的限定。
如图1所示的一种信息-物理-社交融合空间下实现智能制造的 S2ensor,其体系架构包括物理资源层、信息聚合层和决策交互层。所述S2ensor的配置与实现流程如图2所示,包括:
所述的物理资源层主要功能是为S2ensor提供物理硬件层面的支持,用于实现异构传感设备的互联与物理集成、生产过程事件感知与实时状态监测、生产数据采集与传输;物理资源层包括三类物理资源:用于感知车间生产过程各个方面的物理传感设备、用于集成与控制所有传感设备的集成/控制模块和用于S2ensor交互的各种网络连接模块。
物理资源层的配置
物理资源层根据车间加工任务与制造逻辑,为S2ensor配置三类物理资源。一是各类传感资源设备的配置,包括感知生产设备运行状态的加速度、功率等传感设备;感知工件位置、工件状态和加工进度等 RFID设备;测量工件加工质量的粗糙度仪和数显卡尺等测量设备。二是对集成或控制各类传感设备的集成/控制模块的配置。考虑到各种类型的传感设备在通讯协议、组网类型、输出接口等方面的差异性,可配置智能嵌入式面板作为集成/控制模块。相比于普通开发板,智能嵌入式面板可扩展多种类型的通讯接口,具有有线/无线接入 Intranet/Internet的能力,其较强的计算能力可进行传感数据的就近计算,实现生产数据的去中心化处理与决策,从而缓解了远程服务器集中式计算带来的数据传输与处理压力,同时提高了生产过程决策的实时性。因此,本发明将S2ensor的集成/控制模块称为智能聚合节点。三是对S2ensor网络连接模块的配置,包括两个层次的配置:第一层次为传感设备与智能聚合节点的网络互联配置,该层次的配置根据传感设备的通讯协议、输出接口、组网类型等配置合适合理的网络连接方式(Intranet/Internet、WIFI、Zigbee、Bluetooth等);第二层次为 S2ensor与S2ensor之间、S2ensor与云服务器之间的互联配置,该层次的配置的网络连接方式为Intranet、Internet等。通过对所述的三类物理资源的配置,实现S2ensor的分布式异构传感设备互联、集成与集中控制。具体而言,对智能工件S2ensor配置RFID设备(有源式 RFID标签、天线与读写器);对运输小车配置RFID天线、读写器;对工位S2ensor配置RFID天线(入缓存、在加工、出缓存3个天线)、读写器、各类工况传感设备(功率、加速度、力、红外温度等传感器);对质量检测S2ensor配置各类测量设备(数显卡尺、粗糙度仪)。所述的智能工件S2ensor携带有工件的状体信息、工艺信息、质量要求信息等,在运输小车的帮助下在车间内按照加工工序进行流动,分别与运输小车S2ensor、工位S2ensor和质量检测S2ensor进行感知交互,更新加工进度与加工质量信息,完成加工任务;所述的运输小车 S2ensor接收来自智能工件S2ensor、工位S2ensor以及云服务器的运输指令,协助运输小车将工件、刀具/夹具/量具运输至指定位置;所述的工位S2ensor根据智能工件S2ensor广播的加工需求,评估所绑定的加工设备是否满足加工要求,并向智能工件S2ensor做出响应,另外工位S2ensor之间就加工任务进行匹配、谈判,均衡加工设备的生产负荷;所述的质量S2ensor负责判断工件的加工质量是否满足要求,并向工件S2ensor发送质量检测信息。
所述的智能工件S2ensor由配置在工件上的RFID设备(有源式RFID 标签、天线与读写器)、智能嵌入式面板和网络连接设备组成。其中,所述的RFID设备用于感知工件位置、加工进度以及工件状态识别;所述的智能嵌入式面板用于异构设备的互联、集成与控制,同时对智能嵌入式面板配置基于RFID的“事件-时间-状态-位置”监控模型和基于Auto-ID的智能决策算法,实现智能工件S2ensor的自主交互与决策;所述的网络连接设备用于异构传感设备和智能嵌入式面板之间、智能工件S2ensor与其他S2ensor之间、智能工件S2ensor与云服务器之间的Intranet/Internet、WIFI、Zigbee的互联。
所述的运输小车S2ensor由配置在运输小车上的RFID天线、读写器、智能嵌入式面板和网络连接设备组成。其中,所述的RFID天线与读写器用于感知识别工件位置与状态;所述的智能嵌入式面板用于异构设备的互联、集成与控制,同时对嵌入式面板配置基于RFID的“事件-时间-状态-位置”监控模型和基于Auto-ID的智能决策算法,实现运输小车S2ensor的自主交互与决策;所述的网络连接设备用于异构传感设备和智能嵌入式面板之间、运输小车S2ensor与其他 S2ensor之间、运输小车S2ensor与云服务器之间的Intranet/Internet、 WIFI、Zigbee的互联。
所述的工位S2ensor由配置在运输小车上的RFID天线、读写器、各类工况传感设备(功率、加速度、力、红外温度等传感器)、智能嵌入式面板和网络连接设备组成。其中,所述的RFID天线与读写器用于感知识别工件位置与状态、工件加工进度;所述的工况传感设备用于感知加工设备的功率、主轴和刀塔的振动、主轴的力矩、刀具的切削温度等工况信息;所述的智能嵌入式面板用于异构设备的互联、集成与控制,同时对嵌入式面板配置基于RFID的“事件-时间-状态-位置”监控模型、生产事件触发机制、加工设备状态预测、刀具磨损预测等智能决策算法,实现工位S2ensor的自主交互与决策;所述的网络连接设备用于异构传感设备和智能嵌入式面板之间、工位S2ensor 与其他S2ensor之间、S2ensor与云服务器之间的Intranet/Internet、 WIFI、Zigbee的互联。
所述的质量检测S2ensor由配置在质检台上的数显卡尺、粗糙度仪等质量检测设备、智能嵌入式面板和网络连接设备组成。其中,所述的数显卡尺、粗糙度仪用于检测工件的加工质量;所述的智能嵌入式面板用于异构设备的互联、集成与控制,同时对嵌入式面板配置质量控制算法,判断当前工序是否满足工件的质量要求;所述的网络连接设备用于异构传感设备和智能嵌入式面板之间、质量检测S2ensor其他S2ensor之间、质量检测S2ensor与云服务器之间的Intranet/Internet、 WIFI、Zigbee的互联。
所述的物理传感设备在智能聚合节点中的连接数目,优化配置具体为:根据车间生产过程中检测对象的精度、成本等要求建立量化的目标函数,根据相应的约束条件,确定配置方案中接入的传感设备节点数量,实现传感设备数目的合理分配。
目标函数:
约束:
式中:
Num——S2ensor包含的传感设备的数量;
T——根据实际需求的传感设备最小更新周期;
TN——智能聚合节点在一个更新周期中的休眠时间;
TS——S2ensor中传感设备的平均响应时间;
Tt——传感数据传到S2ensor缓存模块的传输时间;
C——Num个传感设备的成本;
所述的公式(1)和(2)为目标函数,公式(3)和(4)为约束条件。公式(1)的物理意义为S2ensor能接入的传感设备数量必须不大于其智能聚合节点在一个唤醒周期内能访问到的传感设备数量,式中传感设备的平均响应时间TS和传感数据传到S2ensor缓存模块的传输时间Tt根据传感设备通讯方式、传输类型、传输数据量大小的不同而不同。所述的公式(2)的物理意义为,通过给S2ensor配置Num个传感设备,实现满足测量需求的K个测量值和满足每个传感设备的测量精度要求的目标下,使得配置的Num个传感设备的总成本最小。
所述的信息聚合层是连接物理资源层与决策交互层的纽带,一方面,基于预定义的生产事件,信息聚合层为下层的物理资源层传递生产指令/数据采集指令;另一方面,基于数据预处理与集成方法,信息聚合层为上层的决策交互层提供统一的数据访问接口;该层的主要构成部分包括资源描述模型、数据采集触发条件集、虚拟化封装模板集、数据预处理方法集、数据组织模型与接口。
信息聚合层的配置
信息聚合层的配置主要是通过智能聚合节点从软件层面对多类型异构传感设备进行聚合,分成四个步骤,首先对S2ensor中的异构传感设备和智能聚合节点虚拟化,建立物理空间与信息空间的映射关系,明确信息空间中的资源模型的物理意义;然后根据不同传感设备虚拟化模型,创建包括传感设备与智能聚合节点在内的S2ensor虚拟化封装模板;接着,基于封装模板,获取多源异构传感数据并进行预处理;最后,将预处理之后的多源异构传感数据进行重新组织,并向决策交互层和云服务器提供数据接口。
(1)建立S2ensor形式化描述模型
为实现S2ensor与S2ensor之间的准入、互联、发现、数据交互与共享,首先对传感设备进行虚拟化,形式化描述如下:
SD::={URI,Info,Perf,Config,Data} (5)
式中:
URI——传感设备SD的统一资源定位符,定义了传感设备在 S2ensor中的位置,用于区分不同S2ensor下的不同传感设备;
Info——传感设备基本信息集合,包括传感设备的名称、型号、类别、生产厂家等;
Perf——传感设备的性能指标集合,包括测量参数、范围、精度、响应时间等;
Config——传感设备的配置信息集合,包括监测对象、采样频率、测量物理量等配置信息,通过配置不同的Config参数,实现对异构传感设备的统一描述;
Data——传感设备的感知数据,包括测量值、单位、采集时间等;
在对S2ensor中单个的传感设备描述的基础上,对S2ensor进行形式化描述:
S2ensor::={URI,SDList,Info,Meth,Data,Cons} (6)
式中:
URI——S2ensor的统一资源定位符,定义了S2ensor在S2ensor 网络中的位置;
SDList——S2ensor包含的物理传感设备集合,以传感设备的URI 作为唯一标识;
Info——S2ensor基本信息集合,包括S2ensor的名称、基本描述信息、功能组件、绑定的加工设备等;
Meth——S2ensor中传感数据的预处理方法集合,包括数据的清洗去噪、过滤、融合等方法;
Data——S2ensor中经过预处理之后的多源异构传感数据;
Cons——传感设备安全与权限约束条件;
(2)创建S2ensor虚拟化封装模板
在构建单个传感设备和S2ensor的形式化描述模型的基础上,采用可扩展的资源描述框架(Resource Description Framework,RDF)对 S2ensor进行虚拟化封装,实现其元数据信息的表达与描述。根据所述的传感设备和S2ensor描述模型,利用RDF资源组件,通过三元组<资源-属性-值>对传感设备和S2ensor进行描述,然后将传感设备的各类信息填充到S2ensor的RDF-XML模板中,完成传感设备的虚拟化过程。
(3)获取多源异构传感数据与预处理
当传感设备实现虚拟化封装后,智能聚合节点会根据传感设备 RDF-XML模板中定义的Config元素集,找到传感设备在S2ensor中的网络位置,并周期性的监听S2ensor中所有的传感设备状态,将获得的传感数据值、状态等数据填充到Data元素集中。考虑到传感设备的异质特性,S2ensor获取传感数据的方式分为数据拉取式和数据推送式两种类型。针对数据拉取方式,首先决策交互层向智能聚合节点下发数据请求,智能聚合节点寻址到目标传感设备,并配置请求所要求的采样频率,然后通过传感设备的RDF模板获取对应传感设备的基本信息、配置信息以及测量数据等;针对数据推送式方式,通过设定推送触发条件,只有满足条件的传感数据才被推送给智能聚合节点。推送触发条件包括数值型、字符串型、布尔型、图片型以及音/视频流型等类型,通过对不同类型触发条件设定条件阈值并进行模式化匹配,筛选出关键的生产过程、加工设备状态工序/工件质量等数据。
通过拉取式或推送式获取的原始生产数据含有异常、重复、乱序、遗漏、不完整等错误,因此在S2ensor的Meth元素中接入各类型常用的滤波、数据清洗算法等,对传感数据进行预处理,提高数据采集的完整性、有效性和准确性。
(4)数据组织模型与接口的构建
当传感数据经过预处理之后,将大量的多源异构传感数据进行重新组织,形成半结构化、结构化的数据。考虑到信息聚合层与决策交互层、云服务器之间的数据传输对传输速率、大小等的不同需求,构建信息聚合层与决策交互层之间传输的结构化XML数据模型,信息聚合层和云服务器之间传输的半结构化JSON数据模型。然后在信息聚合层与决策交互层、信息聚合层与云服务器之间开发统一的数据传输接口,实现传感数据以XML格式或JSON格式发送至决策交互层或云服务器。
所述的决策交互层提供S2ensor之间、S2ensor与云服务器之间的信息交互与协同共享的功能、基于数据处理结果的自适应、自诊断和自决策功能;决策交互层包括决策环节与交互环节。
决策交互层的配置
决策交互层的配置分为决策环节的配置与交互环节的配置。决策环节的配置是将信息聚合层获取到的生产过程多源异构传感数据进行综合分析,得到决策结果,为S2ensor的协作交互提供支持。具体而言,对智能工件S2ensor和运输小车S2ensor的智能结合节点配置基于RFID的“事件-时间-状态-位置”监控模型和基于Auto-ID的智能决策算法,确定智能工件的位置、状态;对工位S2ensor的智能聚合节点配置基于RFID的“事件-时间-状态-位置”监控模型、生产事件触发机制、加工设备状态预测、刀具磨损预测等智能决策算法,判断智能工件额位置、状态、加工进度,预测加工设备和刀具的状态等;对质量检测 S2ensor的智能聚合节点配置质量控制算法,判断当前工序是否满足工件的质量要求。交互环节的配置是S2ensor将决策阶段的分析结果与其他S2ensor、智能工件以及云服务器进行协作交互,完成工件的加工。以配置在工位上的S2ensor为例,在工序加工过程中,将获取到的机床主轴加速度、刀塔加速度、机床功率等传感数据进行分析,提取出偏离正常值较大的异常点,然后结合智能工件传过来的工序工艺信息、加工参数信息,综合判断生产过程是否异常,以便做进一步的处理;在工序加工完成后,S2ensor通过测量设备获取的质量信息与智能工件传过来的质量要求相结合,综合判断工序质量是否满足要求,以便做进一步的处理。另一方面,考虑到S2ensor的存储能力、计算能力有限,S2ensor还与云服务器交互,决策交互层将决策信息与生产反馈信息传输给云服务器以供复杂的分析处理,同时云服务器将分析结果以XML生产指令的形式发送给S2ensor。
以一个智能工件进入制造车间加工过程为例来说明S2ensor在去中心化生产过程中的协同交互流程,如图3所示:
(1)云服务器向运输小车S2ensor下达运输指令,运输小车将智能工件运送至制造车间;
(2)智能工件S2ensor向车间所有的机床S2ensor广播加工需求 (工艺、质量、完工期等信息),寻求合适的加工设备;
(3)所有的工位S2ensor接收到智能工件S2ensor广播的加工需求后,结合采集到的加工设备状态,以及云服务器传输过来的加工任务队列,机床S2ensor评估是否能满足加工能力和生产能力的需求,并响应智能工件,接受或拒绝此加工请求;
(5)当有多个工位S2ensor做出接受加工请求的响应后,则在云服务器的强大计算能力协助下匹配、谈判,从成本,完工时间等方面确定合适的工位;
(6)被确定的工位S2ensor向运输小车S2ensor发送运输指令,将智能工件运输至工位的入缓存处等待加工;
(7)在工序的加工过程中,工位S2ensor根据实际加工情况和预定义数据采集触发条件进行拉取式和推送式的数据采集,将各类传感数据以半结构化的JSON进行组织融合,上传至云服务器做较为复杂的处理;
(8)当工位S2ensor监测到采集的振动、功率等传感数据有偏离正常值较大的情况,分析异常来源,并试图自恢复,若自恢复成功,工序继续加工,如恢复不成功,工位S2ensor广播生产异常信息,一方面运输小车S2ensor收到广播信息后取消运输智能工件至该工位处;另一方面其他工位S2ensor收到广播信息后做出响应,是否承接该工序的后续加工。同时,工位S2ensor向云服务器上传生产异常信息或处理记录;
(9)在该工序加工完成后,质量检测S2ensor通过测量设备获取工序尺寸精度、表面粗糙度等质量信息,并与智能工件传过来的工序质量要求相结合,综合判断工序质量是否满足要求,若满足,则进入步骤(2)开始下一道工序的协作交互与加工;若质量不满足要求,则通知运输小车S2ensor将智能工件运往不合格品区由工人做后续处理。同时,工位S2ensor将质量检测结果写入智能工件中。
以上所述的具体实施方式,仅是对本发明的技术方案和有益效果的详细说明。应当指出,对于本技术领域的技术人员来说,在不脱离本发明原理的前提下,还可以进行改进并在其他实施例中实施,但这些改进应包含在本发明的保护范围之内。
Claims (8)
1.一种信息-物理-社交融合空间下实现智能制造的S2ensor,其特征在于,S2ensor的体系架构分为物理资源层、信息聚合层、决策交互层;
所述的物理资源层主要功能是为S2ensor提供物理硬件层面的支持,用于实现异构传感设备的互联与物理集成、生产过程事件感知与实时状态监测、生产数据采集与传输;物理资源层包括三类物理资源:用于感知车间生产过程各个方面的物理传感设备、用于集成与控制所有传感设备的集成/控制模块和用于S2ensor交互的各种网络连接模块;
所述的信息聚合层是连接物理资源层与决策交互层的纽带,一方面,基于预定义的生产事件,信息聚合层为下层的物理资源层传递生产指令/数据采集指令;另一方面,基于数据预处理与集成方法,信息聚合层为上层的决策交互层提供统一的数据访问接口;该层的构成部分包括资源描述模型、数据采集触发条件集、虚拟化封装模板集、数据预处理方法集、数据组织模型与接口;
所述的决策交互层提供S2ensor之间、S2ensor与云服务器之间的信息交互与协同共享的功能、基于数据处理结果的自适应、自诊断和自决策功能;决策交互层包括决策环节与交互环节;
所述的物理传感设备在智能聚合节点中的连接数目,优化配置具体为:根据车间生产过程中检测对象的精度、成本要求建立量化的目标函数,根据相应的约束条件,确定配置方案中接入的传感设备节点数量,实现传感设备数目的合理分配;
目标函数:
约束:
式中:
Num——S2ensor包含的传感设备的数量;
T——根据实际需求的传感设备最小更新周期;
TN——智能聚合节点在一个更新周期中的休眠时间;
TS——S2ensor中传感设备的平均响应时间;
Tt——传感数据传到S2ensor缓存模块的传输时间;
C——Num个传感设备的成本;
所述的公式(1)和(2)为目标函数,公式(3)和(4)为约束条件;公式(1)的物理意义为S2ensor能接入的传感设备数量必须不大于其智能聚合节点在一个唤醒周期内能访问到的传感设备数量,式中传感设备的平均响应时间TS和传感数据传到S2ensor缓存模块的传输时间Tt根据传感设备通讯方式、传输类型、传输数据量大小的不同而不同;所述的公式(2)的物理意义为,通过给S2ensor配置Num个传感设备,实现满足测量需求的K个测量值和满足每个传感设备的测量精度要求的目标下,使得配置的Num个传感设备的总成本最小。
2.根据权利要求1所述的一种信息-物理-社交融合空间下实现智能制造的S2ensor,其特征在于,
所述的物理传感设备包括用于感知车间生产环境的噪声、温湿度、光照强度的传感设备,用于感知生产设备运行状态的功率、加速度、力的传感设备,用于监控工件位置、工件状体、加工进度的RFID设备、感知工件尺寸的激光位移、测量工件质量的粗糙度仪和数显卡尺的传感设备;所述的用于集成与控制所有传感设备的集成/控制模块包括用于集成与控制异构传感设备的PLC控制器、嵌入式微型电脑主板;所述的网络连接模块包括用于传感设备和集成/控制模块之间、S2ensor之间、S2ensor与云服务器之间通讯连接的Intranet/Internet、WIFI、Zigbee、路由模块。
3.根据权利要求1所述的一种信息-物理-社交融合空间下实现智能制造的S2ensor,其特征在于,
所述的资源描述模型用于对物理传感设备和嵌入式开发板的形式化描述;所述的数据采集触发条件集为预定义的数据采集与上传的生产事件触发条件模型,用于决定何时采集传感数据、何时将采集的数据预处理后上传至决策交互层或者云服务器;所述的虚拟化封装模板用于对传感设备进行描述与封装,实现物理空间向虚拟空间的映射;所述的数据预处理方法集包含所有的传感数据预处理方法,用于实现清洗、去噪、滤波的功能;所述的数据组织模型与接口用于对预处理之后的多源异构传感数据按照一定的数据格式进行聚合,并通过数据接口传输至决策交互层或者云服务器。
4.根据权利要求1所述的一种信息-物理-社交融合空间下实现智能制造的S2ensor,其特征在于,
所述的决策环节是对历史/实时生产数据、交互信息进行分析、评估、预测的处理,进行生产过程的自主诊断与决策,使生产过程自适应;所述的交互环节是S2ensor根据决策结果,与其他S2ensor或云服务器进行信息交互,实现生产过程的协同,决策与交互两个环节构成一个机-机交互的闭环过程,实现了生产过程的自感知、自适应、自诊断、自决策与自修复。
5.根据权利要求1所述的一种信息-物理-社交融合空间下实现智能制造的S2ensor,其特征在于,所述的决策交互层的配置具体为:决策交互层的配置分为决策环节的配置与交互环节的配置;决策环节的配置是将信息聚合层获取到的生产过程多源异构传感数据进行综合分析,得到决策结果,为S2ensor的协作交互提供支持;对智能工件S2ensor和运输小车S2ensor的智能结合节点配置基于RFID的“事件-时间-状态-位置”监控模型和基于Auto-ID的智能决策算法,确定智能工件的位置、状态;对工位S2ensor的智能聚合节点配置基于RFID的“事件-时间-状态-位置”监控模型、生产事件触发机制、加工设备状态预测、刀具磨损预测智能决策算法,判断智能工件额位置、状态、加工进度,预测加工设备和刀具的状态;对质量检测S2ensor的智能聚合节点配置质量控制算法,判断当前工序是否满足工件的质量要求;交互环节的配置是S2ensor将决策阶段的分析结果与其他S2ensor、智能工件以及云服务器进行协作交互,完成工件的加工;在工序加工过程中,将获取到的机床主轴加速度、刀塔加速度、机床功率传感数据进行分析,提取出偏离正常值较大的异常点,然后结合智能工件传过来的工序工艺信息、加工参数信息,综合判断生产过程是否异常,以便做进一步的处理;在工序加工完成后,S2ensor通过测量设备获取的质量信息与智能工件传过来的质量要求相结合,综合判断工序质量是否满足要求,以便做进一步的处理;另一方面,考虑到S2ensor的存储能力、计算能力有限,S2ensor还与云服务器交互,决策交互层将决策信息与生产反馈信息传输给云服务器以供复杂的分析处理,同时云服务器将分析结果以XML生产指令的形式发送给S2ensor。
6.根据权利要求1所述的一种信息-物理-社交融合空间下实现智能制造的S2ensor,其特征在于,
所述的信息聚合层,其配置主要是通过智能聚合节点从软件层面对多类型异构传感设备进行聚合,分成四个步骤,首先对S2ensor中的异构传感设备和智能聚合节点虚拟化,建立物理空间与信息空间的映射关系,明确信息空间中的资源模型的物理意义;然后根据不同传感设备虚拟化模型,创建包括传感设备与智能聚合节点在内的S2ensor虚拟化封装模板;接着,基于封装模板,获取多源异构传感数据并进行预处理;最后,将预处理之后的多源异构传感数据进行重新组织,并向决策交互层和云服务器提供数据接口。
7.根据权利要求6所述的一种信息-物理-社交融合空间下实现智能制造的S2ensor,其特征在于,
所述的建立物理空间与信息空间的映射关系,具体为:
为实现S2ensor与S2ensor之间的准入、互联、发现、数据交互与共享,首先对传感设备进行虚拟化,形式化描述如下:
SD::={URI,Info,Perf,Config,Data} (5)
式中:
URI——传感设备SD的统一资源定位符,定义了传感设备在S2ensor中的位置,用于区分不同S2ensor下的不同传感设备;
Info——传感设备基本信息集合,包括传感设备的名称、型号、类别、生产厂家;
Perf——传感设备的性能指标集合,包括测量参数、范围、精度、响应时间;
Config——传感设备的配置信息集合,包括监测对象、采样频率、测量物理量配置信息,通过配置不同的Config参数,实现对异构传感设备的统一描述;
Data——传感设备的感知数据,包括测量值、单位、采集时间;
在对S2ensor中单个的传感设备描述的基础上,对S2ensor进行形式化描述:
S2ensor::={URI,SDList,Info,Meth,Data,Cons} (6)
式中:
URI——S2ensor的统一资源定位符,定义了S2ensor在S2ensor网络中的位置;
SDList——S2ensor包含的物理传感设备集合,以传感设备的URI作为唯一标识;
Info——S2ensor基本信息集合,包括S2ensor的名称、基本描述信息、功能组件、绑定的加工设备;
Meth——S2ensor中传感数据的预处理方法集合,包括数据的清洗去噪、过滤、融合方法;
Data——S2ensor中经过预处理之后的多源异构传感数据;
Cons——传感设备安全与权限约束条件。
8.根据权利要求6所述的一种信息-物理-社交融合空间下实现智能制造的S2ensor,其特征在于,
所述的S2ensor虚拟化封装模板,具体为:在构建单个传感设备和S2ensor的形式化描述模型的基础上,采用可扩展的资源描述框架(Resource Description Framework,RDF)对S2ensor进行虚拟化封装,实现其元数据信息的表达与描述;根据所述的传感设备和S2ensor描述模型,利用RDF资源组件,通过三元组<资源-属性-值>对传感设备和S2ensor进行描述,然后将传感设备的各类信息填充到S2ensor的RDF-XML模板中,完成传感设备的虚拟化过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710387801.1A CN107292422B (zh) | 2017-05-27 | 2017-05-27 | 一种信息-物理-社交融合空间下实现智能制造的S2ensor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710387801.1A CN107292422B (zh) | 2017-05-27 | 2017-05-27 | 一种信息-物理-社交融合空间下实现智能制造的S2ensor |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107292422A CN107292422A (zh) | 2017-10-24 |
CN107292422B true CN107292422B (zh) | 2020-07-28 |
Family
ID=60095267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710387801.1A Expired - Fee Related CN107292422B (zh) | 2017-05-27 | 2017-05-27 | 一种信息-物理-社交融合空间下实现智能制造的S2ensor |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292422B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320069B (zh) * | 2017-12-20 | 2021-06-15 | 甘肃银光化学工业集团有限公司 | 一种生产制造执行系统 |
CN108449399A (zh) * | 2018-03-09 | 2018-08-24 | 武汉邮电科学研究院有限公司 | 适合于智能化生产的边缘计算节点 |
CN108769174B (zh) * | 2018-05-22 | 2021-04-13 | 华中农业大学 | 一种基于云-端的制造信息物理系统 |
CN109164762B (zh) * | 2018-07-12 | 2023-10-10 | 南京航空航天大学 | 一种制造系统的智能模块构建方法、制造系统以及制造方法 |
CN109492745A (zh) * | 2018-11-01 | 2019-03-19 | 西北工业大学 | 一种智能机器描述方法及装置 |
CN109249186A (zh) * | 2018-11-12 | 2019-01-22 | 重庆大学 | 一种精密减速器行星齿轮智能制造系统 |
CN113646714A (zh) * | 2019-04-29 | 2021-11-12 | 西门子股份公司 | 生产设备的加工参数设置方法、装置和计算机可读介质 |
CN111078203B (zh) * | 2019-12-21 | 2022-04-05 | 西安交通大学 | 一种支持创客与小微企业孵化的4m1t创新系统 |
CN112650765B (zh) * | 2020-12-30 | 2023-05-23 | 湖北文理学院 | 工位故障的判断方法、装置、设备及存储介质 |
CN112965381B (zh) * | 2021-02-09 | 2022-11-11 | 重庆高开清芯智联网络科技有限公司 | 一种协作智能自适应决策模型的建立方法 |
CN113836572B (zh) * | 2021-08-03 | 2024-05-31 | 许昌学院 | 一种面向人机物融合空间的自适应访问控制安全执行方法 |
CN117596297B (zh) * | 2024-01-17 | 2024-04-19 | 中国海洋大学 | 一种复杂虚拟仪器软件聚合方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372534A (zh) * | 2015-12-04 | 2016-03-02 | 国网河南省电力公司电力科学研究院 | 一种多传感器多参量信息智能融合系统 |
CN105511430A (zh) * | 2015-12-02 | 2016-04-20 | 西安交通大学 | 一种面向社群化、个性化制造环境的cpss系统 |
CN105515184A (zh) * | 2015-12-04 | 2016-04-20 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测系统 |
-
2017
- 2017-05-27 CN CN201710387801.1A patent/CN107292422B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105511430A (zh) * | 2015-12-02 | 2016-04-20 | 西安交通大学 | 一种面向社群化、个性化制造环境的cpss系统 |
CN105372534A (zh) * | 2015-12-04 | 2016-03-02 | 国网河南省电力公司电力科学研究院 | 一种多传感器多参量信息智能融合系统 |
CN105515184A (zh) * | 2015-12-04 | 2016-04-20 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测系统 |
Non-Patent Citations (1)
Title |
---|
社群化工厂的内涵、体系架构与运行逻辑探讨;江平宇 等;《航空制造技术》;20170521(第7期);第27-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107292422A (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292422B (zh) | 一种信息-物理-社交融合空间下实现智能制造的S2ensor | |
Dotoli et al. | An overview of current technologies and emerging trends in factory automation | |
Liu et al. | A method of NC machine tools intelligent monitoring system in smart factories | |
Lu et al. | Digital Twin-driven smart manufacturing: Connotation, reference model, applications and research issues | |
Massaro | Electronics in advanced research industries: Industry 4.0 to Industry 5.0 Advances | |
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
CN108427390A (zh) | 一种基于数字孪生的车间级智能制造系统及其配置方法 | |
CN109032099A (zh) | 工程机械总装生产线在线感知系统 | |
KR102019077B1 (ko) | 표준데이터를 활용한 통합적인 생산공정관리 시스템 및 그 시스템을 이용한 생산공정관리방법 | |
CN113382058A (zh) | AIOT PaaS物联网运营平台 | |
CN105988450A (zh) | 基于云的工业控制器 | |
Ding et al. | Incorporating social sensors, cyber-physical system nodes, and smart products for personalized production in a social manufacturing environment | |
CN113805550A (zh) | 基于数字孪生的航天器装配过程管控方法及系统 | |
JP7263506B2 (ja) | 自動車再仕上げ修理プロセスをデジタル的に追跡及び監視する方法及びシステム | |
CN110658793A (zh) | 一种智能生产异构设备多通道信息感知分析系统及其操作方法 | |
KR20220009241A (ko) | 통합 제조 운영 관리 시스템 및 방법 | |
Pistofidis et al. | A layered e-maintenance architecture powered by smart wireless monitoring components | |
Sánchez | Integral support predictive platform for industry 4.0 | |
CN111160580A (zh) | 一种基于工业物联网技术的产品全生命周期管理系统 | |
Husejnagić et al. | A conceptual framework for a ubiquitous autonomous work system in the engineer-to-order environment | |
US20200065776A1 (en) | Method and system to digitally track and monitor an automotive refinish repair process | |
CN103051708A (zh) | 基于Zigbee技术的电梯物联网系统 | |
CN203086510U (zh) | 基于Zigbee技术的电梯物联网系统 | |
CN106489262A (zh) | 有利于工作工具通信系统中的工具服务器与多个工具控制器之间通信的方法和节点 | |
Karaman et al. | Internet of things: Success stores and challenges in manufacturing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200728 |