CN112016737B - 一种基于数字孪生的复杂产品装配车间管控方法 - Google Patents

一种基于数字孪生的复杂产品装配车间管控方法 Download PDF

Info

Publication number
CN112016737B
CN112016737B CN202010776095.1A CN202010776095A CN112016737B CN 112016737 B CN112016737 B CN 112016737B CN 202010776095 A CN202010776095 A CN 202010776095A CN 112016737 B CN112016737 B CN 112016737B
Authority
CN
China
Prior art keywords
assembly
workshop
data
twin
real
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.)
Active
Application number
CN202010776095.1A
Other languages
English (en)
Other versions
CN112016737A (zh
Inventor
王明阳
郝博
徐东平
张力
于青峰
吕超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University Qinhuangdao Branch
Original Assignee
Northeastern University Qinhuangdao Branch
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University Qinhuangdao Branch filed Critical Northeastern University Qinhuangdao Branch
Priority to CN202010776095.1A priority Critical patent/CN112016737B/zh
Publication of CN112016737A publication Critical patent/CN112016737A/zh
Application granted granted Critical
Publication of CN112016737B publication Critical patent/CN112016737B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/25—Manufacturing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/60—Positioning; Navigation
    • 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)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Accounting & Taxation (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Biomedical Technology (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于数字孪生的复杂产品装配车间管控方法，包括：(1)确定真实装配车间的组成；(2)映射、构建孪生装配车间；(3)通过RFID、UWB等智能感知元件对真实装配车间庞大的多源异构信息进行采集并进行降噪处理，基于实测数据通过欧几里得距离算法、马尔可夫方法等进行仿真计算，形成孪生数据；(4)对孪生数据进行整合、封装后发送到SQL SERVER数据库供装配车间管控系统调用；(5)装配车间管控系统实时调用孪生数据，基于完整信息数据和明确机理对当前装配状态进行分析、判断、预警并提供解决方案；(6)循环(3)—(5)步骤，直至整个产品保质保量装配完成。本发明通过虚实融合、以虚控实，实现复杂产品装配车间高效、动态管控。

Description

一种基于数字孪生的复杂产品装配车间管控方法
技术领域
本发明涉及智能装配技术领域，特别是涉及一种基于数字孪生的复杂产品装配车间管控方法。
背景技术
飞机、导弹、航天器等复杂产品装配是产品功能和性能实现的最终阶段和关键环节，是影响复杂产品质量和使用性能的重要因素。据统计，在现代制造中装配所需工时占整个产品生产研制总工时的40％以上，尤其像飞机、航天器等装备重量、尺寸均偏大，在实际装配过程中定位、调整都不易，装配作业往往需要多人协作进行，而一旦出现漏装、错装或装配误差过大的情况，则必须返工重装，需要付出较大的代价与成本，对产品质量、生产周期和生产成本都有较大的影响。
从现阶段的专利公开以及文献资料显示，已有学者通过采用产品理论模型进行装配工艺的仿真与规划，划分装配单元并设计较优的装配序列，得到较优的装配工艺参数。然而，在实际装配过程中，虽然使用了大量的数字化检测设备与装配工装，但是往往需要一个部件甚至整个产品装配完成才进行质量检测，存在滞后性，由于产品形变、工装设备定位误差等物理量的存在及其状态变化不断累积等原因，使得产品的实际装配状态与理论数值之间存在差异，基于理论模型的工艺仿真结果与实际现场情况不具有一致性；还有一些学者通过对历史装配流程数据、历史装配质量数据的采集和追溯来管控目前车间装配过程，缺乏时效性，难以预测未来车间装配状态，也无法针对目前装配状态决策出及时、有效的解决措施。综上，现有的研究成果和方法虽然在一定程度上可以提高装配精度、实现复杂产品装配车间优化管理，但是由于系统获取的信息缺乏时效性，系统决策出的管控措施难以适应复杂多变的离散型装配车间，实施效果未能满足智能装配车间高效、动态的管控要求。
在工业界，无论智能制造还是工业4.0，这些智能化体系都需要网络化和数字化两个轮子来支撑。在中国，工业互联网已成为其中一个轮子，而数字孪生将成为另外一个。数字孪生技术将撑起数字化之轮，但又不止于数字化。数字孪生体的突破在于：它不仅仅是物理世界的镜像，也要接受物理世界的实时信息，更要反过来实时驱动物理世界。随着数字孪生技术的出现和发展，通过对传统装配生产线进行智能化、数字化改造，在模型层构建数字孪生体，可实现真实装配车间与孪生装配车间的虚实融合，再通过装配车间管控系统基于孪生数据对当前的装配状态进行分析、判断、预警及提供解决方案，最终可实现以虚控实，为实现复杂产品装配车间管控提供一种行之有效的技术途径。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于数字孪生的复杂产品装配车间管控方法，建立了真实装配车间与孪生装配车间之间的虚实映射关系，通过真实装配车间与孪生装配车间之间的实时映射和数据交互，实时为装配车间管控系统提供孪生数据，装配车间管控系统根据真实装配车间的实测数据和孪生装配车间的仿真数据实时对装配流程、装配质量等装配状态进行监测和预警，并对装配资源调度进行分析、优化，有效避免了装配状态监控滞后以及装配资源优化调度缺乏时效性，提高产品装配质量、装配效率，实现复杂产品装配车间的高效、动态管控。
本发明通过以下技术方案来实现上述目的：
一种基于数字孪生的复杂产品装配车间管控方法，其技术架构分为五个部分，即真实装配车间、孪生装配车间、装配车间孪生数据、数据服务平台、装配车间管控系统，包括以下步骤：
(1)根据复杂产品装配车间实际情况，分析和判断对装配质量、装配效率产生影响的因素，确定真实装配车间的组成；
(2)对真实装配车间进行建模和映射，包括车间模型、工位模型、设备模型、规则，形成孪生装配车间；
(3)通过包括RFID无线射频识别、UWB超宽带、振动监控标签、电流监控标签、三坐标测量仪、物联网螺丝刀、物联网扳手、过程监控铆枪、工业传感器对真实装配车间庞大的多源异构信息进行采集并进行异常值去除和数据去噪处理，并且在孪生装配车间基于真实装配车间的实测数据利用欧几里得距离算法、马尔可夫方法、曼哈顿距离算法进行仿真计算，产生仿真数据，最终将真实装配车间的实测数据和孪生装配车间的仿真数据进行整合，形成装配车间孪生数据；
(4)数据服务平台是真实装配车间与孪生装配车间进行实时交互的平台，主要包括现场总线、数据接口、智能网关，通过对装配车间孪生数据进行整合、分类、封装后发送到SQL SERVER数据库进行存储，供装配车间管控系统调用；
(5)装配车间管控系统从数据库中实时调用装配车间孪生数据，通过包括物联网、AI监控平台、多维仿真技术基于完整信息数据和明确机理对当前装配状态进行分析、判断、预警并提供解决方案，实现以虚控实；
(6)根据装配车间管控系统提供的解决方案，调整即将对装配质量和装配效率产生负面影响的操作，然后循环(3)—(5)步骤，直至整个产品保质保量装配完成。
作为本发明的进一步改进，步骤(2)中孪生装配车间是真实装配车间里物料、人员、运输设备、工装、工具及装配资源和装配过程中行为规则在数字空间的映射集合，采用Unity3D软件进行孪生装配车间装配资源的渲染与交互动作建模，并通包括过软件中粒子特效、三维漫游、场景切换功能模块实现数字孪生体的构建和人机交互功能。
作为本发明的进一步改进，步骤(3)中通过RFID和UWB实现综合定位，即对物料、工装、工具这些不经常改变位置的装配资源用RFID进行区域定位，对人员、运输设备、零部件这些频繁改变位置且需要追踪移动轨迹的装配资源用UWB进行精确定位，保障装配资源充分定位且避免定位设备浪费。
作为本发明的进一步改进，步骤(3)中电流监控标签通过与耗电装配资源串联可以实现资源定位以及设备占用状态检测，振动监控标签基于装配资源在使用时的振动信号强度明显高于装配资源在待命时的振动信号强度的事实，通过给非耗电装配资源安装振动监控标签可以对其占用状态进行检测，三坐标测量仪主要用于形位公差和装配变形误差的检测，物联网螺丝刀、物联网扳手、过程监控铆枪主要用于采集工人装配操作过程中产生的力、扭矩、位移、圈数信息，工业传感器主要用于采集生产过程中设备的耗电量、温升、频率信息。
作为本发明的进一步改进，步骤(3)中基于DSP采用小波阈值去噪算法对采集到的混杂的信息进行滤波处理，降低装配车间的噪声对各种信号的影响，为装配车间管控系统提供可靠的、准确的信息。
作为本发明的进一步改进，步骤(3)中可根据RFID、UWB采集到的装配资源的位置信息，利用欧几里得距离算法计算装配资源到装配工位的距离，从而衡量各装配资源到装配工位的实际路径距离，并且利用电流监控标签、振动监控标签等对设备占用状态进行检测，以此找出距离装配工位最近且处于待命状态的装配资源，实现装配资源优化调度。
作为本发明的进一步改进，在装配车间，零部件需从各加工工位运输至装配工位进行装配，步骤(3)中可根据UWB采集到的各零部件位置信息、移动轨迹以及到达装配工位的时间先后判断装配流程，在待装配件到达装配工位但未装配时生成装配序列，并利用马尔可夫方法根据当前的装配序列预测其未来装配序列。
作为本发明的进一步改进，步骤(3)中物联网螺丝刀、物联网扳手、过程监控铆枪可采集装配操作过程中产生的力、扭矩、位移、圈数等信息，并利用曼哈顿距离算法计算绝对质量离差、相对质量离差，即实测质量数据与规范质量数据区间平均值的差值、大于区间长度一半的绝对质量离差与规范质量数据区间平均值的比值。
作为本发明的进一步改进，步骤(4)中将真实装配车间采集到的装配资源位置、资源分布、设备状态、装配质量数据等实测数据以及孪生装配车间的仿真数据进行分类和汇总，并通过包括UDP协议、TCP协议、ModBus协议对数据进行封装后发送到SQL SERVER数据库，实现真实装配车间与孪生装配车间虚实融合。
作为本发明的进一步改进，步骤(5)中装配车间管控系统基于完整信息数据和明确机理将当前预测的装配序列与规范的装配流程进行比对，当预测的装配序列与规范的装配流程相悖时，装配车间管控系统会对真实装配车间发送预警，提醒装配工人停装调整并注意下一阶段操作规范；将绝对质量离差与规范质量数据区间长度的一半进行比较，若绝对质量离差比规范质量数据区间长度的一半还大，说明该实测质量数据不在规范质量数据区间内，不满足装配质量要求，此时系统会对真实装配车间发送预警，提醒装配工人对相应连接处进行二次装配并注意下一阶段操作规范。
与现有技术相比，本发明的有益效果如下：
本发明建立了真实装配车间与孪生装配车间之间的虚实映射关系，通过真实装配车间与孪生装配车间之间的实时映射和数据交互，实时为装配车间管控系统提供孪生数据，装配车间管控系统根据真实装配车间的实测数据和孪生装配车间的仿真数据实时对装配流程、装配质量等装配状态进行监测和预警，并对装配资源调度进行分析、优化，有效避免了装配状态监控滞后以及装配资源优化调度缺乏时效性，提高产品装配质量、装配效率，实现复杂产品装配车间的高效、动态管控。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明所述一种基于数字孪生的复杂产品装配车间管控方法的执行流程图；
图2是本发明所述一种基于数字孪生的复杂产品装配车间管控方法的技术架构图；
图3是本发明所述一种基于数字孪生的复杂产品装配车间管控方法的原理图；
图4是本发明所述一种基于数字孪生的复杂产品装配车间管控方法的资源优化调度算法框图；
图5是本发明所述一种基于数字孪生的复杂产品装配车间管控方法的装配流程管控算法框图；
图6是本发明所述一种基于数字孪生的复杂产品装配车间管控方法的装配质量管控算法框图；
图7是本发明所述一种基于数字孪生的复杂产品装配车间管控方法的管控模式图；
图8是本发明所述某型号飞机机翼前缘组合件的轴测图。
附图标记说明如下：
1、整流钢板；2、第一前肋；3、第二前肋；4、第三前肋；5、第四前肋；6、第五前肋；7、第六前肋；8、作动筒支架；9、作动筒；10、动筒密封罩。
具体实施方式
下面结合附图对本发明做进一步的详细说明。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-图8所示，一种基于数字孪生的复杂产品装配车间管控方法，其技术架构分为五个部分，即真实装配车间、孪生装配车间、装配车间孪生数据、数据服务平台、装配车间管控系统，包括以下步骤：
(1)根据复杂产品装配车间实际情况，分析和判断对装配质量、装配效率产生影响的因素，确定真实装配车间的组成，主要包括物料、人员、运输设备、工装、工具等。物料包括肋板、梁、壁板、骨架、电子元器件、角排、连接件等；人员包括铆工、钳工、涂装工、工艺员等；运输设备包括托车、欧式起重机、AGV小车等；工装包括装配型架、接头定位器、压紧定位器等；工具包括物联网螺丝刀、物联网扳手、过程监控铆枪、打磨器、虎钳等。通过对真实装配车间组成的精确判断，可避免定位设备浪费，减少构建孪生装配车间的工作量。
(2)对真实装配车间进行建模和映射，包括车间模型、工位模型、设备模型、规则等，形成孪生装配车间，采用Unity3D软件进行孪生装配车间装配资源的渲染与交互动作建模，并通过包括软件中粒子特效、三维漫游、场景切换功能模块实现数字孪生体的构建和人机交互功能。
(3)通过包括RFID、UWB、振动监控标签、电流监控标签、三坐标测量仪、物联网螺丝刀、物联网扳手、过程监控铆枪、工业传感器对真实装配车间庞大的多源异构信息进行采集并进行异常值去除和数据去噪处理，并且在孪生装配车间基于真实装配车间的实测数据利用欧几里得距离算法、马尔可夫方法、曼哈顿距离算法进行仿真计算，产生仿真数据，最终将真实装配车间的实测数据和孪生装配车间的仿真数据进行整合，形成装配车间孪生数据，其中，RFID的型号为RFD-U9910,UWB的型号为DG4000，光感监控标签的型号为MR3848，电流监控标签的型号为MR3872C，物联网螺丝刀的型号为SD-NCS3500LAT，物联网扳手的型号为SGSX-200,过程监控铆枪的型号为TAUAURS 2。在对装配资源进行定位时采用RFID和UWB综合定位方案，即对物料、工装、工具这些不经常改变位置的装配资源用RFID进行区域定位，对人员、运输设备、零部件这些频繁改变位置且需要追踪移动轨迹的装配资源用UWB进行精确定位，保障装配资源充分定位且避免定位设备浪费。为了减少装配车间噪声对各种信号的影响，基于DSP采用小波阈值去噪算法对采集到的混杂的信息进行滤波处理，为装配车间管控系统提供可靠的、准确的信息。在进行装配资源优化调度时，可根据RFID、UWB采集到的装配资源位置信息，利用欧几里得距离算法计算装配资源到装配工位的距离，从而衡量各装配资源到装配工位的实际路径距离，并且利用电流监控标签、振动监控标签等对各装配资源的占用状态进行检测，以此找出距离装配工位最近且处于待命状态的装配资源，实现装配资源优化调度；在进行装配流程管控时，基于零部件需从各加工工位运输至装配工位进行装配的事实，可根据UWB采集到的各零部件的位置信息、移动轨迹以及到达装配工位的时间先后判断装配流程，在待装配件到达装配工位但未装配时生成装配序列，并利用马尔可夫方法根据当前的装配序列预测其未来装配序列；在进行装配质量管控时，用物联网螺丝刀、物联网扳手、过程监控铆枪采集装配操作过程中产生的力、扭矩、位移、圈数等信息，并利用曼哈顿距离算法计算绝对质量离差、相对质量离差，即实测质量数据与规范质量数据区间平均值的差值、大于区间长度一半的绝对质量离差与规范质量数据区间平均值的比值。
(4)数据服务平台是真实装配车间与孪生装配车间进行实时交互的平台，主要包括现场总线、数据接口、智能网关等，通过对真实装配车间采集到的装配资源位置、资源分布、设备状态、装配质量数据等实测数据以及孪生装配车间的仿真数据进行分类和汇总，并通过包括UDP协议、TCP协议、ModBus协议对数据进行封装后发送到SQL SERVER数据库，供装配车间管控系统调用，实现真实装配车间与孪生装配车间虚实融合。
(5)装配车间管控系统从数据库中实时调用装配车间孪生数据，通过包括物联网、AI监控平台、多维仿真技术基于完整信息数据和明确机理将当前预测的装配序列与规范的装配流程进行比对，当预测的装配序列与规范的装配流程相悖时，装配车间管控系统会对真实装配车间发送预警，提醒装配工人停装调整并注意下一阶段操作规范；将绝对质量离差与规范质量数据区间长度的一半进行比较，若绝对质量离差比规范质量数据区间长度的一半还大，说明该实测质量数据不在规范质量数据区间内，不满足装配质量要求，此时系统则会对真实装配车间发送预警，提醒装配工人对相应连接处进行二次装配并注意下一阶段操作规范，从而实现以虚控实。
(6)根据装配车间管控系统提供的解决方案，调整即将对装配质量和装配效率产生负面影响的操作，然后循环(3)—(5)步骤，直至整个产品保质保量装配完成。
如图8所示，以某飞机制造厂机翼装配车间生产某型号机翼前缘组合件为例对本发明工作原理和特性做进一步说明。机翼前缘组合件作为机翼重要的部件之一，主要包括整流钢板、第一前肋、第二前肋、第三前肋、第四前肋、第五前肋、第六前肋、作动筒支架、作动筒、动筒密封罩等零件，在装配过程中对装配质量、装配效率产生影响的装配资源包括以上各零部件、AGV小车、欧式起重机、装配型架、接头定位器、压紧定位器、物联网螺丝刀、物联网扳手、过程监控铆枪、铆工、钳工、涂装工、工艺员等，以此为依据，确定真实装配车间的组成。
根据真实装配车间的组成进行孪生装配车间建模，对物料、工具、工装等进行三维建模，并用Unity3D软件对其进行渲染和交互动作建模，对装配工艺文件、装配质量要求等规则以及运输设备、人员之间的行为关系进行信息建模。
采用RFID对装配型架、接头定位器、压紧定位器等工装以及物联网螺丝刀、物联网扳手、过程监控铆枪等工具进行区域定位，采用UWB对拖车、AGV小车、欧式起重机等运输设备、钳工、铆工等装配人员以及各零部件进行精确定位，采用电流监控标签对物联网螺丝刀、过程监控铆枪等工具、欧式起重机、AGV小车等运输设备进行占用状态检测，用振动监控标签对样板、虎钳等工具、拖车等运输设备进行占用状态检测、并利用物联网螺丝刀、物联网扳手、过程监控铆枪实时采集装配操作过程中产生的力、位移、扭矩等质量数据。
在进行装配资源优化调度时，用UWB采集机翼装配车间中拖车、AGV小车以及装配型架的位置信息，其中装配型架上安装的标签为普通定位标签，仅实现定位功能，拖车上安装的标签为振动监控标签，在实现定位的基础上还可以检测拖车上的振动信号，AGV小车上安装的标签为电流监控标签，在实现定位的基础上还可以采集AGV小车的电流信号。由于在机翼装配车间，待装配的零部件需要从各加工工位运送至装配型架进行装配，直至整个机翼装配完成。因此，在资源调度时，用欧几里得距离算法计算各装配资源到装配型架的距离，从而衡量实际路径距离，其中，欧几里得距离公式为：
Figure BDA0002618462920000111
式中，(xi,yi)为装配资源的位置坐标，(x0,y0)为装配型架的位置坐标。用电流监控标签、振动监控标签分别检测装配资源的电流信号和振动信号，从而得知该装配资源的占用状态。由欧几里得距离算法求得拖车、AGV小车到装配型架的距离，根据各装配资源到工位距离由近至远原则排序，生成装配资源序列，然后按照装配资源序列的顺序进行占用状态检测，最终可以找到处于待命状态且距离装配型架最近的装配资源，系统锁定该装配资源并以指令形式发送到真实装配车间进行资源调度。
在进行装配流程管控时，用UWB对每个零部件进行定位，定位精度可达10cm，通过各零部件的移动轨迹以及到达装配工位的时间先后可以判断装配流程，在待装配件到达装配工位但未装配时生成装配序列，并用马尔可夫方法根据当前的装配序列预测其未来的装配序列。本装配车间管控系统对机翼生产过程中的典型组合件机翼前缘进行测试，实时监控其装配流程，并根据实际情况做出相应分析和决策。机翼前缘组合件作为机翼重要的部件之一，主要包括：1、整流钢板；2、前肋1；3、前肋2；4、前肋3；5、前肋4；6、前肋5；7、前肋6；8、作动筒支架；9、作动筒；10、动筒密封罩。根据装配工艺文件，规范的装配流程为：{1,2，(3,4,5,8)，6,9,7,10}或{1,2，(3,4,5,8)，6,9,10,7}等，其中(3,4,5,8)为前肋2、前肋3、前肋4和作动筒支架构成的骨架组件，作为部件进行机翼前缘装配。为了进一步说明马尔可夫方法在装配流程管控上的作用，现以前肋1装配完成，骨架组件已运输至装配工位且未装配时的装配状态进行说明，即此时的装配序列为{1,2，(3,4,5,8)}。假定在未来装配过程中，装配序列状态以一定概率进行变化且改变情况不因时间不同而发生变化，则可得到模型的状态转移矩阵：
Figure BDA0002618462920000121
式中，E11＝当前装配装配序列{1,2，(3,4,5,8)}转变为{1,2，(3,4,5,8)，6}的频数(P11)/装配装配序列为{1,2，(3,4,5,8)}的频数(P1)。用马尔可夫过程在稳态条件下的解作为未来装配序列的预测状态，利用马尔可夫稳态概率求解方法可以得到：
Figure BDA0002618462920000122
E11+E12+E13+E14＝1。根据上述三个式子，可以求得稳态条件下的装配序列预测结果。在这组装配序列预测结果中存在{1,2，(3,4,5,8)}→{1,2，(3,4,5,8)，6}为正确的装配流程导向，与规范的装配流程相吻合，因此，此时可继续执行装配，即对运输至装配型架但未装配的骨架组件进行装配作业。反之，如果骨架组件装配完成，工人误以为接下来需要安装前肋6而将前肋6运输至装配型架，此时产生的装配序列为{1,2，(3,4,5,8)，7}，根据上述三式预测得到的装配序列结果中与规范装配流程相吻合的概率为0，这说明{1,2，(3,4,5,8)，7}为错误的装配流程导向，此时，管控系统及时向真实装配车间发送停装调整预警，避免因为错装、漏装而导致返工，从而提高装配质量和效率。
在进行装配流程管控时，通过给装配工人配备物联网螺丝刀、物联网扳手等智能工具可以实时采集装配操作过程中产生的扭矩、力、个数等质量数据，并基于实测的装配质量数据利用曼哈顿距离算法计算绝对质量离差和相对质量离差，实现对装配质量实时监控，其中曼哈顿距离公式和相对质量离差计算公式分别为：Δ＝dist(X,Y)＝|xi-x0|、
Figure BDA0002618462920000123
{Δm∈Δ|Δm＞(a+b)/2}，式中xi为实测质量数据，x0为规范质量数据区间平均值，Δ表示绝对质量离差，δ表示相对质量离差，Δm表示大于区间长度一半的绝对质量离差，a和b分别表示规范质量数据区间的上下限。为了进一步说明曼哈顿距离算法在装配质量管控上的作用，以前肋6与作动筒和整流钢板连接为例进行说明。前肋6与作动筒和整流钢板连接时需要安装4个强度6.8级的M12普通螺栓，屈服强度为480N/mm2，根据连接件的直径、材料以及被连接件的结构、材料等情况，在进行紧固时扭矩应该控制在58—78N*m的范围内，记为(a,b)，此时，区间长度的一半为10N*m。用物联网扳手测得四个普通螺栓受到的扭矩分别为69.43N*m、77.31N*m、49.47N*m、70.94N*m，根据实测数据利用曼哈顿距离公式计算得到的绝对质量离差分别为1.43N*m、9.31N*m、18.53N*m、2.94N*m，显然，第三个螺栓采集点计算得到的绝对质量离差大于10N*m，则说明该处实测质量数据不在规范质量数据区间内，不满足装配质量要求，此时系统会向真实装配车间发送预警信号，提醒工人对相应连接处进行二次装配。相对质量离差用于衡量装配操作过程的规范程度，基于已得到的绝对质量离差计算相对质量离差可知第三个螺栓采集点的相对质量离差高达27.25％，说明装配操作扭矩欠缺严重，装配质量较差，工人以此为依据注意下一阶段的操作规范。
以上机翼装配车间实测数据及孪生机翼装配车间的仿真数据通过UDP协议、TCP协议、ModBus协议等对数据进行封装后发送到SQL SERVER数据库，供应装配车间管控系统调用。
装配车间管控系统从数据库中实时调用装配车间孪生数据，通过物联网、AI监控平台等技术基于完整信息数据和明确机理对当前装配状态进行分析、判断。首先，管控系统会根据孪生装配车间利用欧几里得距离算法求得的装配资源到装配工位的距离信息以及实测的装配资源占用信号找出处于待命状态且距离装配型架最近的装配资源，并锁定该装配资源后以指令形式发送到真实装配车间进行资源调度；其次，管控系统可以将当前的装配流程、装配质量等装配状态与规范的装配流程、装配质量要求进行比对，当不符合要求时，管控系统会及时向真实装配车间发出预警，提醒工人停装调整并注意下一阶段装配操作。通过真实装配车间、孪生装配车间、装配车间孪生系统协同作业可有效解决装配状态监控滞后和装配资源优化调度缺乏时效性的问题，切实提高装配质量和装配效率，实现以虚控实。
最后应说明的是：以上实施例仅用于说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细说明，所属领域的普通技术人员依然可以对本发明的具体实施方案进行修改或者等同替换，而这些并未脱离本发明精神和范围的任何修改或者等同替换，其均在申请待批的本发明的权利要求保护范围之内。

Claims (7)

1.一种基于数字孪生的复杂产品装配车间管控方法，其特征在于：基于数字孪生的复杂产品装配车间管控方法技术架构分为五个部分，即真实装配车间、孪生装配车间、装配车间孪生数据、数据服务平台、装配车间管控系统，包括以下步骤：(1)根据复杂产品装配车间实际情况，分析和判断对装配质量、装配效率产生影响的因素，确定真实装配车间的组成；(2)对真实装配车间进行建模和映射，包括车间模型、工位模型、设备模型、规则，形成孪生装配车间；(3)通过包括RFID无线射频识别、UWB超宽带、振动监控标签、电流监控标签、三坐标测量仪、物联网螺丝刀、物联网扳手、过程监控铆枪、工业传感器对真实装配车间庞大的多源异构信息进行采集并进行异常值去除和数据去噪处理，并且在孪生装配车间基于真实装配车间的实测数据利用欧几里得距离算法、马尔可夫方法、曼哈顿距离算法进行仿真计算，产生仿真数据，最终将真实装配车间的实测数据和孪生装配车间的仿真数据进行整合，形成装配车间孪生数据；(4)数据服务平台是真实装配车间与孪生装配车间进行实时交互的平台，主要包括现场总线、数据接口、智能网关，通过对装配车间孪生数据进行整合、分类、封装后发送到SQL SERVER数据库进行存储，供装配车间管控系统调用；(5)装配车间管控系统从数据库中实时调用装配车间孪生数据，通过包括物联网、AI监控平台、多维仿真技术基于完整信息数据和明确机理对当前装配状态进行分析、判断、预警并提供解决方案，实现以虚控实；(6)根据装配车间管控系统提供的解决方案，调整即将对装配质量和装配效率产生负面影响的操作，然后循环(3)—(5)步骤，直至整个产品保质保量装配完成；
步骤(2)中孪生装配车间是真实装配车间里物料、人员、运输设备、工装、工具及装配过程中行为规则在数字空间的映射集合，采用Unity3D软件进行孪生装配车间装配资源的渲染与交互动作建模，并通过包括软件中粒子特效、三维漫游、场景切换功能模块实现数字孪生体的构建和人机交互功能；
步骤(3)中通过RFID和UWB实现综合定位，即对物料、工装、工具这些不经常改变位置的装配资源用RFID进行区域定位，对人员、运输设备、零部件这些频繁改变位置且需要追踪移动轨迹的装配资源用UWB进行精确定位，保障装配资源充分定位且避免定位设备浪费；
步骤(3)中电流监控标签通过与耗电装配资源串联可以实现资源定位以及设备占用状态检测，振动监控标签基于装配资源在使用时的振动信号强度明显高于装配资源在待命时的振动信号强度的事实，通过给非耗电装配资源安装振动监控标签可以对其占用状态进行检测，三坐标测量仪主要用于形位公差和装配变形误差的检测，物联网螺丝刀、物联网扳手、过程监控铆枪主要用于采集工人装配操作过程中产生的力、扭矩、位移、圈数信息，工业传感器主要用于采集生产过程中设备的耗电量、温升、频率信息。
2.根据权利要求1所述的一种基于数字孪生的复杂产品装配车间管控方法，其特征在于：步骤(3)中基于DSP采用小波阈值去噪算法对采集到的混杂的信息进行滤波处理，降低装配车间的噪声对各种信号的影响，为装配车间管控系统提供可靠的、准确的信息。
3.根据权利要求1所述的一种基于数字孪生的复杂产品装配车间管控方法，其特征在于：步骤(3)中可根据RFID、UWB采集到的装配资源的位置信息，利用欧几里得距离算法计算装配资源到装配工位的距离，从而衡量各装配资源到装配工位的实际路径距离，并且利用电流监控标签、振动监控标签对设备占用状态进行检测，以此找出距离装配工位最近且处于待命状态的装配资源，实现装配资源优化调度。
4.根据权利要求1所述的一种基于数字孪生的复杂产品装配车间管控方法，其特征在于：在装配车间，零部件需从各加工工位运输至装配工位进行装配，步骤(3)中可根据UWB采集到的各零部件位置信息、移动轨迹以及到达装配工位的时间先后判断装配流程，在待装配件到达装配工位但未装配时生成装配序列，并利用马尔可夫方法根据当前的装配序列预测其未来装配序列。
5.根据权利要求1所述的一种基于数字孪生的复杂产品装配车间管控方法，其特征在于：步骤(3)中物联网螺丝刀、物联网扳手、过程监控铆枪可采集装配操作过程中产生的力、扭矩、位移、圈数信息，并利用曼哈顿距离算法计算绝对质量离差、相对质量离差，即实测质量数据与规范质量数据区间平均值的差值、大于区间长度一半的绝对质量离差与规范质量数据区间平均值的比值。
6.根据权利要求1所述的一种基于数字孪生的复杂产品装配车间管控方法，其特征在于：步骤(4)中将真实装配车间采集到的装配资源位置、资源分布、设备状态、装配质量数据实测数据以及孪生装配车间的仿真数据进行分类和汇总，并通过包括UDP协议、TCP协议、ModBus协议对数据进行封装后发送到SQL SERVER数据库，实现真实装配车间与孪生装配车间虚实融合。
7.根据权利要求1所述的一种基于数字孪生的复杂产品装配车间管控方法，其特征在于：步骤(5)中装配车间管控系统基于完整信息数据和明确机理将当前预测的装配序列与规范的装配流程进行比对，当预测的装配序列与规范的装配流程相悖时，装配车间管控系统会对真实装配车间发送预警，提醒装配工人停装调整并注意下一阶段操作规范；将绝对质量离差与规范质量数据区间长度的一半进行比较，若绝对质量离差比规范质量数据区间长度的一半还大，说明该实测质量数据不在规范质量数据区间内，不满足装配质量要求，此时系统则会对真实装配车间发送预警，提醒装配工人对相应连接处进行二次装配并注意下一阶段操作规范。
CN202010776095.1A 2020-08-05 2020-08-05 一种基于数字孪生的复杂产品装配车间管控方法 Active CN112016737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010776095.1A CN112016737B (zh) 2020-08-05 2020-08-05 一种基于数字孪生的复杂产品装配车间管控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010776095.1A CN112016737B (zh) 2020-08-05 2020-08-05 一种基于数字孪生的复杂产品装配车间管控方法

Publications (2)

Publication Number Publication Date
CN112016737A CN112016737A (zh) 2020-12-01
CN112016737B true CN112016737B (zh) 2022-03-22

Family

ID=73500153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010776095.1A Active CN112016737B (zh) 2020-08-05 2020-08-05 一种基于数字孪生的复杂产品装配车间管控方法

Country Status (1)

Country Link
CN (1) CN112016737B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112486131A (zh) * 2020-12-07 2021-03-12 上海电气集团股份有限公司 生产线运营状态的监控方法、系统、设备及介质
CN112947294B (zh) * 2021-02-22 2023-10-20 长春汽车工业高等专科学校 一种基于数字孪生的汽车装配车间监控仿真系统
CN113126580A (zh) * 2021-03-24 2021-07-16 东北大学 基于数字孪生的装配控制方法、装置及计算机设备
CN113505993B (zh) * 2021-07-09 2023-06-13 上海东普信息科技有限公司 分拨中心管理方法、装置、设备及存储介质
CN113656981A (zh) * 2021-08-26 2021-11-16 石硕 一种基于Modelica激励式的数字孪生系统构建方法
CN113673894B (zh) * 2021-08-27 2024-02-02 东华大学 一种基于数字孪生的多人协作ar装配方法和系统
CN114237170B (zh) * 2021-11-25 2023-06-30 西北工业大学 基于数字孪生技术的装配车间虚实融合运行与管控方法
CN115933672B (zh) * 2022-12-19 2023-08-29 广东鉴面智能科技有限公司 一种无人卸料小车综合管理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108919760A (zh) * 2018-07-05 2018-11-30 长安大学 一种基于数字孪生的智能车间自治生产过程动态联动控制方法
CN109445305A (zh) * 2018-10-26 2019-03-08 中国电子科技集团公司第三十八研究所 一种基于数字孪生的装配精度仿真分析方法与系统
CN109657354A (zh) * 2018-12-20 2019-04-19 华中科技大学 一种基于数字孪生的混流装配车间快速重构方法及系统
CN109785180A (zh) * 2019-02-19 2019-05-21 山东大学 一种面向数字孪生车间的场景感知系统及方法
CN109978403A (zh) * 2019-04-04 2019-07-05 北京理工大学 一种产品装配过程的质量管控方法、装置及设备
CN110879583A (zh) * 2019-12-26 2020-03-13 江苏古卓科技有限公司 基于数字孪生的智能装配车间质量预测与控制系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107861478B (zh) * 2017-10-17 2018-08-14 广东工业大学 一种智能车间平行控制方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108919760A (zh) * 2018-07-05 2018-11-30 长安大学 一种基于数字孪生的智能车间自治生产过程动态联动控制方法
CN109445305A (zh) * 2018-10-26 2019-03-08 中国电子科技集团公司第三十八研究所 一种基于数字孪生的装配精度仿真分析方法与系统
CN109657354A (zh) * 2018-12-20 2019-04-19 华中科技大学 一种基于数字孪生的混流装配车间快速重构方法及系统
CN109785180A (zh) * 2019-02-19 2019-05-21 山东大学 一种面向数字孪生车间的场景感知系统及方法
CN109978403A (zh) * 2019-04-04 2019-07-05 北京理工大学 一种产品装配过程的质量管控方法、装置及设备
CN110879583A (zh) * 2019-12-26 2020-03-13 江苏古卓科技有限公司 基于数字孪生的智能装配车间质量预测与控制系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"基于数字化转型的飞机智能制造";汪顺利;《网络新媒体技术》;20190731;第8卷(第4期);摘要、正文第1.2.3节、第2章 *
"基于数字孪生技术的复杂产品装配过程质量管控方法";武颖 等;《计算机集成制造系统》;20190630;第25卷(第6期);摘要、第1-4章 *
"基于数字孪生的航天制造车间生产管控方法研究";郭具涛 等;《中国机械工程》;20191129;摘要、正文第1-3章 *

Also Published As

Publication number Publication date
CN112016737A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN112016737B (zh) 一种基于数字孪生的复杂产品装配车间管控方法
CN114449023B (zh) 双前分平台式工业物联网及其控制方法
CN109079497B (zh) 工程机械总装生产线在线感知与柔性装配系统
WO2021103154A1 (zh) 一种可用于多车型的智能喷涂的机器人控制方法
CN108767851B (zh) 一种变电站运维智能作业指挥方法及系统
CN112085261A (zh) 基于云端融合和数字孪生技术的企业生产现状诊断方法
CN108681830B (zh) 一种变电站巡视智能作业动态指挥方法及系统
CN114676984A (zh) 一种智慧建造施工用系统
Wang et al. Research on assembly quality adaptive control system for complex mechanical products assembly process under uncertainty
CN105978145B (zh) 智能变电站二次系统信息融合系统
CN1393808A (zh) 生产现场信息采集监控方法及系统
CN112258850A (zh) 一种车路协同系统边缘侧多传感器数据融合系统
CN114677054A (zh) 一种基于数字孪生的煤矿井下人员及物资调度方法
CN114237181B (zh) 多车间健康监测系统及方法
CN111002328A (zh) 轮式机器人校验系统及方法
Minh et al. Optimized design of source energy for manufacturing machine by digital numerical control
Schmidt et al. Framework of a modular tool box for the design of process chains in automotive component manufacturing
Zhang et al. A framework of energy-consumption driven discrete manufacturing system
CN112445169A (zh) 基于工业物联网云平台的能源动力设备管理系统及其方法
Hao et al. Quality control mode of intelligent assembly workshop based on digital twin
CN116759355A (zh) 一种晶圆传送控制方法及系统
CN116154968A (zh) 一种基于iec104协议传感器的电力参数监测系统
CN115544624A (zh) 一种基于bim技术进行装配式变电站数据交互的方法
CN114662863A (zh) 基于深度学习的车间分布式运输调度方法
Cha et al. Development of MLOps Platform Based on Power Source Analysis for Considering Manufacturing Environment Changes in Real-Time Processes

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