CN112084569B - 基于性能的多变量分布模型的增材制造耦接数字孪生生态系统 - Google Patents
基于性能的多变量分布模型的增材制造耦接数字孪生生态系统 Download PDFInfo
- Publication number
- CN112084569B CN112084569B CN202010543203.0A CN202010543203A CN112084569B CN 112084569 B CN112084569 B CN 112084569B CN 202010543203 A CN202010543203 A CN 202010543203A CN 112084569 B CN112084569 B CN 112084569B
- Authority
- CN
- China
- Prior art keywords
- specified part
- per
- manufacturing process
- performance
- data
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 133
- 239000000654 additive Substances 0.000 title claims abstract description 44
- 230000000996 additive effect Effects 0.000 title claims abstract description 44
- 238000009826 distribution Methods 0.000 title claims abstract description 25
- 230000008878 coupling Effects 0.000 title description 3
- 238000010168 coupling process Methods 0.000 title description 3
- 238000005859 coupling reaction Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 110
- 238000013461 design Methods 0.000 claims abstract description 55
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 230000002829 reductive effect Effects 0.000 claims abstract description 16
- 230000008439 repair process Effects 0.000 claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims abstract description 9
- 238000013386 optimize process Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 71
- 230000007246 mechanism Effects 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 9
- 238000012805 post-processing Methods 0.000 claims description 4
- 238000011946 reduction process Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 9
- 238000009658 destructive testing Methods 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 2
- 230000002301 combined effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004154 testing of material Methods 0.000 description 1
- 238000007669 thermal treatment Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Classifications
-
- 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
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
- G05B19/4099—Surface or curve machining, making 3D objects, e.g. desktop manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32015—Optimize, process management, optimize production line
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32342—Real time simulation
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49007—Making, forming 3-D object, model, surface
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49008—Making 3-D object with model in computer memory
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/40—Minimising material used in manufacturing processes
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
提供了一种用于制作或修理指定零件的方法和系统。例如,提供了一种用于创建制造过程以制作或修理指定零件的方法。该方法包括从多个源接收数据,该数据包括相对于与指定零件相似的一个或多个零件的按设计,按制造,按模拟,按操作,按检查(as‑inspected)和按测试的数据。该方法包括实时更新与指定零件的基于物理的模型对应的替代模型,其中,替代模型形成指定零件的数字孪生。该方法包括生成包括部件性能和制造差异的多变量分布,制造差异与增材制造过程步骤和还原(reductive)制造过程步骤中的至少一个相关联。该方法包括基于替代模型将来自多变量分布的性能与新零件的预期性能进行比较。该方法包括基于数字孪生,执行优化的过程以修理或制作指定零件。
Description
相关申请的交叉引用
本申请要求2019年6月14日提交的美国临时专利申请号62/862,014和2019年6月14日提交的申请号62/862,016的权益。这两个在先申请的公开内容通过引用整体并入本文。
背景技术
在工业应用中,部件的生产通常包括在设计阶段考虑制造过程。在这种情况下,设计和制造过程紧密相关,这意味着设计决策可能会受到制造约束的影响,或者制造选择可能直接来自设计方面。而且,操作特性可能会受到制造过程能力的影响。例如,在典型的工业制造过程中,根据预定的公差生产零件,因为由于制造过程固有的变化,在现场部署的按制造零件可能与它们的设计规格不同(即,与按设计零件不同)。
随着增材制造技术的出现,由于增材过程的固有方面,在上述制造/设计/操作生态系统中引入了另一层复杂性。例如,增材过程可通过添加来使用材料层以形成部件并且使用预处理/后处理步骤,例如加热和固化层。优化和验证增材过程需要通过破坏性测试来量化和验证制造部件中的差异,破坏性测试取决于测试的公差数量产生大量的废料。
单独的破坏性测试可以验证制造部件满足特定的设计公差,但不考虑公差差异内的多个公差差异的影响如何综合影响操作中的部件的性能,或复制部件在操作中暴露的操作机制的范围,并且因此量化通过操作过程制造的部件的适用性。另一个风险是,由于在制造周期期间发生差异的影响,并且无法量化部件的操作适用性,因此报废了具有使用寿命和可用寿命的制造部件。
发明内容
本文特征的实施例帮助解决或减轻上述问题以及本领域中已知的其他问题。本文特征的实施例将在部件的生命周期期间进行测量和分析的操作特性与设计和制造(包括增材制造过程的特定方面)集成在一起,以创建能够缓解性能和制造差异(variance)的模型。
例如,实施例提供了以下能力:直接通过独特的数字集成过程链接按构建(as-built),按制造/组装(as-manufactured/assembled),按设计(as-designed)和按模拟(as-simulated),按测试(as-tested),按操作(as-operated)和按服务(as-serviced)的部件。这种数字集成过程包括在部件的生命周期期间的任何点使用的增材制造过程的特定方面。在本文特征的实施例中,任何硬件部件都具有参考其设计目标并基于其硬件规格和操作数据得出多个分析结果的能力。新颖的过程还提供了从多个分析中抽象数据类型,以形成硬件部件的集成数字孪生。此外,新颖的过程提供了通过汇总子系统部件级数字孪生预测来提高系统级数字孪生的保真度和准确性的框架。
本文特征的实施例提供了一种技术基础设施,该技术基础设施在零件的使用寿命期间产生了对增材制造过程中的可变性的自动化,定量和定性评估。因此,在其实施方式中,实施例有目的地且有效地允许优化制造或修理过程以将部件制作或修理至由应用的约束所指定的使用寿命,同时优化使用一种或多种增材制造过程来生产或修理零件所需的材料量和破坏性测试。例如,但不限于,在部件需要涂层的情况下,本文阐述的实施例可以提供对在修理或制造期间需要添加到部件上以与部件的性能匹配的涂料量的定量评估;可以针对成本约束优化识别出的材料量。
下面参考附图描述各种实施例的附加特征,操作模式,优点和其他方面。注意,本公开不限于本文描述的特定实施例。呈现这些实施例仅出于说明性目的。基于所提供的教导,其他实施例或所公开的实施例的修改对于相关领域的技术人员将是显而易见的。
附图说明
示例性实施例可以采取各种部件和部件布置的形式。在附图中示出了说明性实施例,在全部附图中,相似的附图标记可以指示各个附图中的对应或相似部分。附图仅出于说明实施例的目的,并且不应被解释为限制本公开。给定以下使能附图的描述,本公开的新颖方面对于相关领域的普通技术人员将变得显而易见。
图1示出了根据实施例的过程。
图2示出了根据实施例的数字孪生生态系统。
图3示出了根据实施例的一方面的示例性过程。
图4示出了根据实施例的一方面的示例性过程。
图5示出了根据实施例的一方面的示例性过程。
图6示出了根据实施例的一方面的示例性过程。
图7示出了根据实施例的一方面的示例性过程。
图8示出了根据实施例的一方面的示例性过程。
图9示出了根据实施例的一方面的示例性过程。
图10示出了示例性系统,该示例性系统被配置为执行本文提出的示例性过程的一个或多个方面。
具体实施方式
尽管本文针对特定应用描述了说明性实施例,但是应当理解,本公开不限于此。本领域技术人员和能够访问本文提供的教导的人将认识到在其范围内的附加应用、修改和实施例以及本公开将具有重大实用价值的附加领域。
本文特征的实施例具有几个优点。例如,他们可以允许人们相对于其设计意图对新制作零件的质量进行准确的评估。它们提供了混合和匹配发动机组件中的不同制造部件,以实现所需的集成发动机性能的能力。此外,它们基于制造变化,操作条件以及按服务条件来改善每个零件和子组件的翼上时间(time-on-wing)评估。实施例使用高保真度设计知识来帮助利用子系统组件性能,并且它们根据需要提高了预测精度。此外,它们还启用了反馈回路,该反馈回路有助于改善后续设计。
图1示出了根据示例性实施例的示例性过程100。过程100可以是与零件的生命周期和/或一般制造周期相关联的示例过程。尽管在飞机或喷气发动机零件的背景下描述了过程100,但是过程100可以扩展到制造,或者通常扩展到任何制造部件的生命周期。过程100包括作为产品环境谱的模块102。换句话说,模块102可以是数据库,该数据库存储与在现场使用的相同产品的实例有关的信息。
例如,模块102可包括关于多个涡轮叶片在发动机组中(即,在两个或更多个发动机中)调试时的可靠性或故障的信息。模块102可以被配置为组织或根据来自与之通信耦接的设备的请求而呈现产品环境谱,该产品环境谱以预定顺序对所有感兴趣的产品进行分类。
例如,可以基于产品的稳健性(robustness)对其进行分类。在一个用例中,可以将产品从更稳健(102a)到最不稳健(102n)进行分类。通常,可以使用一种或多种性能标准来根据上述谱对这些产品进行分类。在涡轮叶片的情况下,可以根据产品的热稳定性能对产品进行分类,可以使用一种或多种现场检查方法对其进行测量。
产品环境谱可以由来自客户的约束驱动,可以在模块104中对约束进行收集和功能化(即,以计算机指令的形式放置)。换句话说,稳健性标准可以由从客户获得的特定于应用的参数决定。类似地,产品环境谱可能受到商业约束的驱动,商业约束可以在模块106中功能化。这些约束(对于模块104和106两者)可以随着制造过程根据各种信息源更新而更新,如下文将进一步描述的。
模块104的客户约束还可以驱动模块108的制造功能,这转而驱动工程决策,如在模块112中功能化的。一旦将工程决策功能化,就可以将其用于建立被配置用于设计的数字线程。数字设计线程也可以根据客户的约束进行更新(模块104)。因此,该线程形成数字孪生,其可以由代表多个用例的多个数据源形成。换句话说,数字孪生集成了多个用例,以确保根据特定的性能数据生产制造零件,而不是像典型的制造过程那样仅根据预定的尺寸约束生产零件。
因此,数字孪生允许基于现场零件的性能进行工程重新设计。这样,数字孪生允许优化给定的制造过程,以便区分按制造零件的质量,从而驱动目标性能和业务成果。
通常,数字设计孪生可以由多个源构成,这些源包括来自工程模型,网络和零件的已存在的制造模型(模块108)的新制作制造数据。来自网络的数据流可以包括,例如但不限于,来自现场检查(部分或全部,或者在某些实施方式中,功能检查或尺寸检查),飞行期间从发动机测量数据的翼上(on-wing)探测的管道镜检查数据。此外,通常,部件的数字孪生可包括部件的按制造数据,按测试数据,按设计和按模拟数据,按操作数据以及按服务数据中的至少一项。此外,部件的数字孪生可以基于部件的操作数据或标称操作条件。
过程100允许连续收集数据。具体来说,数字设计线程会不断更新,以提供反映实际条件的模型。这是通过过程100的显式反馈回路完成的,该回路确保了可以基于上述各种信息源来制造新设计。这样,过程100提供了更好地预测零件的耐久性的能力,因为任何制造的零件将已根据反映设计,使用,服务等的条件被制造。
总之,过程100集成并自动化了零件生命周期的各个方面,以在企业级别提供优化的制造过程。过程100还包括得分检查模块,其可以用现场检查分析来更新,以便进一步增强工程模型。可以在图2的上下文中进一步理解过程100,图2描绘了数字孪生生态系统200,其特征在于指定零件在其生命周期期间的按设计,按制造,按测试,按服务和按操作方面之间的示例性关系。数字孪生生态系统200包括考虑了增材制造过程差异的方面,如将在下面进一步详细描述的。
图3示出了示例性过程,该过程包括按设计,按制造,按测试,按操作,和按服务的增材制造耦接(additive manufacturing-coupled)数字孪生生态系统。图3描绘了操作谱和环境谱。这些谱形成“操作机制(regime)”,其表示操作中的等级(例如,从指定零件的轻到硬),以及指定零件操作的环境(例如,从良性到恶劣)。操作机制是环境和操作的因素。因此,部件的性能是可量化的,并且可以与类似操作机制内的类似部件进行比较。零件的性能是操作机制范围内的剩余使用寿命的指标。
过程性能是从“按过程设计(As process designed)”的性能和公差到超出公差的谱。因此,超出“按过程设计”的性能可能意味着将或多或少的处理或材料应用于部件,例如指示最小涂层厚度应用于部件的喷嘴的流率。在图3的实施例中,推理模型可以通过示例包括但不限于机器学习框架,诸如分类器集合或神经网络。通过利用过程100的上下文中描述的替代模型中的各种数据源,该推理模型可用于构建部件性能相对于预期性能的多变量分布。
图4示出了示例性过程,其包括按设计,按制造,按测试,按操作和按服务的增材制造耦接数字孪生生态系统。在图4中,当在“过程X”中由示例性系统(参见图10)在制造过程中观察到偏移(shift)时,该示例性系统可以确定在制造具有序列号(S/N)1..3的零件期间观察到相似的偏移,以及其所经历的操作和环境机制以及这些部件的性能。例如,示例性系统可以被配置为基于新的部件X的预期性能来确定热性能并预测使用寿命的范围。
然后,示例性系统可以为该部件建议合适的操作机制X1,2,3,以实现最佳的生产中性能;这样减少了报废和保修索赔,因为我们不使报废基于满足“按设计”或“按过程设计”的规格和保修,也不根据部件的预期使用寿命或针对特定的操作机制对部件定价。例如,服务中性能和操作机制,X,可以通过生产中的部件的操作经验和/或例如使用计算流体动力学的模拟来确定。
然后,示例性系统可以将制造部件与预计在相似的操作机制内实现相似的服务中性能和剩余使用寿命的零件进行配套。这样,示例性系统可以提供基于增材制造差异的性能的多变量模型。如图5所示,多变量模型可用于首先基于替代模型进行学习,然后预测给定的预期操作机制的性能。具体来说,如果我们知道在相同/相似操作机制内操作的S/N100..299的性能相似,而在相同/相似操作机制下操作的S/N 1..99的性能不同,则系统可以查看S/N 1..99的制造过程中影响服务中性能的制造差异源,“过程X”,并修正过程中的缺陷源或改进过程设计,例如降低公差。
图6示出了示例性过程,该过程包括按设计,按制造,按测试,按操作和按服务的增材制造耦接数字孪生生态系统。例如,示例性系统可以确定制造过程,“过程X”中的偏移。该偏移可以表现为来自喷嘴的流率的变化,这可能意味着更少的热障已经被应用于零件,从而导致一定范围的生产中性能,例如热性能X,取决于操作机制X1,2,3。
然后,该示例性系统可以匹配在“过程X”中具有类似偏移的制造的部件,当在操作机制X1内操作时,该部件将具有与S/N 0000001,X相似的性能。这样,如图7所示,多变量模型可以学习和优化制造,以应对增材制造过程差异。例如,系统可以确定知道在相同/相似操作机制内操作的S/N 100..299的性能是相似的,并且在过程1..X的正常“按过程设计”范围内制造。我们也知道,S/N 1..99在制造时,过程1..2在正常“按过程设计”范围内,并且“过程X”已观察到公差内的偏移,例如,可能意味着较少的热障已被应用的来自喷嘴的流率。
系统可以推理,因为S/N1..99的性能,例如热性能,对于相同/相似的操作机制与S/N100..299相同/相似,“过程X”中的偏移不会影响该操作机制内的S/N 1…99的性能,并将正常“按过程设计”范围优化成更接近于“过程X”中的偏移,例如减少喷嘴处的正常流率范围,从而具有减少制造过程或材料并提高服务中效率,例如减轻重量,的益处。
图8示出了示例性过程,其包括按设计,按制造,按测试,按操作和按服务的增材制造耦接数字孪生生态系统。在图8中,示例性系统可以确定制造过程,“过程X”,中的偏移。该偏移可以表现为来自喷嘴的流率的变化,这可能意味着更少的热障已经被应用于零件上,从而导致生产中性能的范围,例如热性能和性能降级,X,取决于操作机制X1,2,3。
然后,示例性系统可以基于预测的生产中性能来预测在“过程X”中发生过程偏移时通过特定过程制造的部件的使用寿命的范围,并使用剩余使用寿命作为制造过程的性能实时的量化。服务中性能和操作机制,X,可以通过生产中的部件的操作经验和/或例如使用计算流体动力学的模拟来确定。这样可以防止制造停工,因为系统可以决定部件的可接受的生产性能或剩余使用寿命是否实现,而不是决定满足“按过程设计”的性能。
不满足“按设计”或“按过程设计”的性能的零件可以应用于特定的操作机制,或者与具有类似剩余使用寿命的部件进行配套,或者应用于具有与报废类似的剩余操作寿命的资产。
图9示出了示例性过程,该过程包括按设计,按制造,按测试,按操作和按服务的增材制造耦接数字孪生生态系统。在图9中,示例性系统可以确定制造过程,“过程X”,中的偏移。该偏移可以表现为来自喷嘴的流率的变化,这可能意味着更少的热障已经被应用于零件上,从而导致生产中性能的范围,例如热性能和性能降级,X,取决于操作机制X1,2,3。
示例性系统可以推理出生产中性能,例如热性能,范围为X。“过程Y”,例如诸如热障的热处理的后处理步骤,中的偏移,也可以独立地导致在可接受的范围内的性能,Y。但是,如果X+Y=Z的结果性能在X1Y1,X2Y2,X3Y3的范围内,则X+Y的组合影响可能大于X和Y的独立影响。
创建制造零件的模型,该模型将质量量化为预测的生产中性能,例如热性能,的因素,具有允许预测多个过程影响因素,X&Y,对最终部件性能的影响的优势。
服务中性能和操作机制,X&Y,可以通过生产中的部件的操作经验和/或例如使用计算流体动力学的模拟来确定。与破坏性测试方法相比,它具有优势,在破坏性测试方法中,破坏性测试不能独立关联多个过程影响因素的综合影响,并且不能合理地复制如在服务中可以观察到的和/或可以模拟的操作机制的范围。为破坏性测试提供替代或并行的鉴定过程具有改善安全性,减少保修索赔和减少报废的好处。
图10描绘了系统1000,该系统在关于图1-9所描述的过程中描述的示例性数字孪生生态系统的上下文中执行上述的各种操作。系统1000包括专用处理器1014,该专用处理器1014被配置为根据100执行特定于优化制造过程的任务。处理器1014具有由存储在存储器1002中的指令和/或由可以由处理器1014从存储装置1020中获取的指令1018赋予的特定结构。存储装置1020可以与处理器1014位于同一地点,或者其可以位于其他地方,并且例如经由通信接口1016通信地耦接到处理器1014。
系统1000可以是独立的可编程系统,或者其可以是位于更大系统中的可编程模块。例如,系统1000是被配置为处理上述过程100的各个模块的分布式系统的一部分。处理器1014可以包括被配置为获取,解码,执行,存储,分析,分发,评估和/或分类信息的一个或多个硬件和/或软件部件。
处理器1014可以包括输入/输出模块(I/O模块1012),该输入/输出模块可以配置为摄取与单个资产或资产组有关的数据。处理器1014可以包括一个或多个处理设备或核(未示出)。在一些实施例中,处理器1014可以是多个处理器,每个处理器具有一个或多个核。处理器1014可以被配置为执行从存储器1002(即从存储块1004,存储块1006,存储块1008和存储块1010中的一个)获取的指令。
此外,在不失一般性的情况下,存储装置1020和/或存储器1002可以包括易失性或非易失性,磁性,半导体,带,光学,可移动,不可移动,只读,随机访问,或任何类型的非暂时性计算机可读计算机介质。存储装置1020可以被配置为记录在处理器1014的操作期间处理,记录或收集的数据。可以按照与数据存储实践一致的各种方式对数据进行时间戳记,位置戳记,编目,索引或组织。存储装置1020和/或存储器1002可以包括程序和/或处理器1014可以用来执行与本文所描述的任务一致的任务的其他信息。
例如,处理器1014可以由来自存储块1006,存储块1008和存储块1010的指令配置,以基于各种输入源(例如,网络和/或现场数据模块108)对零件执行模型的实时更新。处理器1014可以执行来自存储块1006、1008和1010的前述指令,并且输出基于来自上述各种源的数据的孪生数字模型。一般而言,根据连续更新,处理器1014可以基于在图2-9的上下文中描述的预测部署或降级模型来连续地改变策略部署模块110,该策略部署模块110包括用于零件的模型。
实施例提供了基于制造变化,操作条件和按服务数据来改善每个零件及其子组件的翼上时间评估的能力。此外,实施例使用高保真度设计知识来帮助利用子系统组件性能,并根据需要提高预测精度,并且它们使得能够启用帮助改善后续设计的反馈回路。
相关领域的技术人员将理解,在不脱离本公开的范围和精神的情况下,可以构造上述实施例的各种修改和变型。因此,应理解,在所附权利要求的范围内,可以不同于本文具体描述的方式实践本公开。
本发明的进一步方面通过以下条项的主题提供:
1.一种制作或修理指定零件的方法,所述方法包括:创建优化的过程来制造或修理所述指定零件,所述创建包括:从多个源接收数据,所述数据包括相对于与所述指定零件相似的一个或多个零件的按设计,按制造,按模拟,按操作,按检查和按测试的数据;实时更新与所述指定零件的基于物理的模型对应的替代模型,其中,所述替代模型形成所述指定零件的数字孪生;生成包括部件性能和制造差异的多变量分布,所述制造差异与增材制造过程步骤和还原制造过程步骤中的至少一个相关联;基于所述替代模型,将来自所述多变量分布的性能与新零件的预期性能进行比较;基于所述数字孪生,执行所述优化的过程以修理或制作所述指定零件。
2.根据任何在前条项的方法,其中,所述比较基于包括部件设计数据,增材过程设计数据或还原过程设计数据,或测试数据中的至少一项的数据。
3.根据任何在前条项的方法,进一步包括基于所述多变量分布来确定所述指定零件的使用寿命。
4.根据任何在前条项的方法,进一步包括基于所述多变量分布来优化所述指定零件的所述预期性能,所述优化包括在优化的制造过程中减少一个或多个差异源。
5.根据任何在前条项的方法,其中,所述一个或多个差异源来自增材制造过程操作或还原制造过程操作。
6.根据任何在前条项的方法,进一步包括优化增材制造过程操作和还原制造过程操作中的至少一个,以实现所述指定零件的期望操作性能。
7.根据任何在前条项的方法,进一步包括基于所述多变量分布和所述指定零件的目标性能,来降低材料利用率。
8.根据任何在前条项的方法,进一步包括基于所述比较,来确定所述指定零件的可操作性或耐用性的一个或多个标准。
9.根据任何在前条项的方法,其中,所述一个或多个标准包括对所述指定零件的使用寿命的预测。
10.根据任何在前条项的方法,其中,所述增材制造过程步骤和所述还原制造过程步骤中的所述至少一个包括多个增材过程步骤/还原过程步骤和/或后处理步骤。
11.一种配置为制造或修理指定零件的系统,所述系统包括:处理器;包含指令的存储器,所述指令在由所述处理器执行时,使所述处理器进行操作,所述操作包括:创建优化的过程来制作或修理所述指定零件,所述创建包括:从多个源接收数据,所述数据包括相对于与所述指定零件相似的一个或多个零件的按设计,按制造,按模拟,按操作,按检查和按测试的数据;实时更新与所述指定零件的基于物理的模型对应的替代模型,其中,所述替代模型形成所述指定零件的数字孪生;生成包括部件性能和制造差异的多变量分布,所述制造差异与增材制造过程步骤和还原制造过程步骤中的至少一个相关联;基于所述替代模型,将来自所述多变量分布的性能与新零件的预期性能进行比较;基于所述数字孪生,执行所述优化的过程以修理或制作所述指定零件。
12.根据任何在前条项的系统,其中,所述比较基于包括部件设计数据,增材过程设计数据或还原过程设计数据,或测试数据中的至少一项的数据。
13.根据任何在前条项的系统,其中,所述操作进一步包括基于所述多变量分布来确定所述指定零件的使用寿命。
14.根据任何在前条项的系统,其中,所述操作进一步包括基于所述多变量分布来优化所述指定零件的所述预期性能,所述优化包括在优化的制造过程中减少一个或多个差异源。
15.根据任何在前条项的系统,其中,所述一个或多个差异源来自增材制造过程操作或还原制造过程操作。
16.根据任何在前条项的系统,其中,所述操作进一步包括优化增材制造过程操作和还原制造过程操作中的至少一个,以实现所述指定零件的期望操作性能。
17.根据任何在前条项的系统,其中,所述操作进一步包括基于所述多变量分布和所述指定零件的目标性能,来降低材料利用率。
18.根据任何在前条项的系统,其中,所述操作进一步包括基于所述比较,来确定所述指定零件的可操作性或耐用性的一个或多个标准。
19.根据任何在前条项的系统,其中,所述一个或多个标准包括对所述指定零件的使用寿命的预测。
20.根据任何在前条项的系统,其中,所述增材制造过程步骤和所述还原制造过程步骤中的所述至少一个包括多个增材过程步骤/还原过程步骤和/或后处理步骤。
Claims (20)
1.一种制作或修理指定零件的方法,其特征在于,所述方法包括:
创建优化的过程来制造或修理所述指定零件,所述创建包括:
从多个源接收数据,所述数据包括相对于与所述指定零件相似的一个或多个零件的按设计,按制造,按模拟,按操作,按检查和按测试的数据;
实时更新与所述指定零件的基于物理的模型对应的替代模型,其中,所述替代模型形成所述指定零件的数字孪生;
生成包括部件性能和制造差异的多变量分布,所述制造差异与增材制造过程步骤和还原制造过程步骤中的至少一个相关联,并且所述部件性能包括基于与所述指定零件相似的所述一个或多个零件的操作经验或模拟确定的服务中性能和操作机制;
基于所述替代模型,将来自所述多变量分布的性能与所述指定零件的预期性能进行比较;
基于所述数字孪生,执行所述优化的过程以修理或制作所述指定零件。
2.根据权利要求1所述的方法,其特征在于,其中,所述比较基于包括部件设计数据,增材过程设计数据或还原过程设计数据,或测试数据中的至少一项的数据。
3.根据权利要求1所述的方法,其特征在于,进一步包括基于所述多变量分布来确定所述指定零件的使用寿命。
4.根据权利要求1所述的方法,其特征在于,进一步包括基于所述多变量分布来优化所述指定零件的所述预期性能,所述优化包括在优化的制造过程中减少一个或多个差异源。
5.根据权利要求4所述的方法,其特征在于,其中,所述一个或多个差异源来自增材制造过程操作或还原制造过程操作。
6.根据权利要求1所述的方法,其特征在于,进一步包括优化增材制造过程操作和还原制造过程操作中的至少一个,以实现所述指定零件的期望操作性能。
7.根据权利要求1所述的方法,其特征在于,进一步包括基于所述多变量分布和所述指定零件的目标性能,来降低材料利用率。
8.根据权利要求1所述的方法,其特征在于,进一步包括基于所述比较,来确定所述指定零件的可操作性或耐用性的一个或多个标准。
9.根据权利要求8所述的方法,其特征在于,其中,所述一个或多个标准包括对所述指定零件的使用寿命的预测。
10.根据权利要求9所述的方法,其特征在于,其中,所述增材制造过程步骤和所述还原制造过程步骤中的所述至少一个包括多个增材过程步骤/还原过程步骤和/或后处理步骤。
11.一种配置为制造或修理指定零件的系统,其特征在于,所述系统包括:
处理器;
包含指令的存储器,所述指令在由所述处理器执行时,使所述处理器进行操作,所述操作包括:
创建优化的过程来制作或修理所述指定零件,所述创建包括:
从多个源接收数据,所述数据包括相对于与所述指定零件相似的一个或多个零件的按设计,按制造,按模拟,按操作,按检查和按测试的数据;
实时更新与所述指定零件的基于物理的模型对应的替代模型,其中,所述替代模型形成所述指定零件的数字孪生;
生成包括部件性能和制造差异的多变量分布,所述制造差异与增材制造过程步骤和还原制造过程步骤中的至少一个相关联,并且所述部件性能包括基于与所述指定零件相似的所述一个或多个零件的操作经验或模拟确定的服务中性能和操作机制;
基于所述替代模型,将来自所述多变量分布的性能与所述指定零件的预期性能进行比较;
基于所述数字孪生,执行所述优化的过程以修理或制作所述指定零件。
12.根据权利要求11所述的系统,其特征在于,其中,所述比较基于包括部件设计数据,增材过程设计数据或还原过程设计数据,或测试数据中的至少一项的数据。
13.根据权利要求11所述的系统,其特征在于,其中,所述操作进一步包括基于所述多变量分布来确定所述指定零件的使用寿命。
14.根据权利要求11所述的系统,其特征在于,其中,所述操作进一步包括基于所述多变量分布来优化所述指定零件的所述预期性能,所述优化包括在优化的制造过程中减少一个或多个差异源。
15.根据权利要求14所述的系统,其特征在于,其中,所述一个或多个差异源来自增材制造过程操作或还原制造过程操作。
16.根据权利要求11所述的系统,其特征在于,其中,所述操作进一步包括优化增材制造过程操作和还原制造过程操作中的至少一个,以实现所述指定零件的期望操作性能。
17.根据权利要求11所述的系统,其特征在于,其中,所述操作进一步包括基于所述多变量分布和所述指定零件的目标性能,来降低材料利用率。
18.根据权利要求11所述的系统,其特征在于,其中,所述操作进一步包括基于所述比较,来确定所述指定零件的可操作性或耐用性的一个或多个标准。
19.根据权利要求18所述的系统,其特征在于,其中,所述一个或多个标准包括对所述指定零件的使用寿命的预测。
20.根据权利要求18所述的系统,其特征在于,其中,所述增材制造过程步骤和所述还原制造过程步骤中的所述至少一个包括多个增材过程步骤/还原过程步骤和/或后处理步骤。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962862014P | 2019-06-14 | 2019-06-14 | |
US201962862016P | 2019-06-14 | 2019-06-14 | |
US62/862,016 | 2019-06-14 | ||
US62/862,014 | 2019-06-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112084569A CN112084569A (zh) | 2020-12-15 |
CN112084569B true CN112084569B (zh) | 2024-05-10 |
Family
ID=71094250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010543203.0A Active CN112084569B (zh) | 2019-06-14 | 2020-06-15 | 基于性能的多变量分布模型的增材制造耦接数字孪生生态系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11567481B2 (zh) |
EP (1) | EP3751370B1 (zh) |
CN (1) | CN112084569B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112602025B (zh) * | 2018-08-23 | 2024-07-30 | 西门子股份公司 | 工业控制器的数字孪生的自动设置 |
EP3751370B1 (en) | 2019-06-14 | 2024-07-24 | General Electric Company | Additive manufacturing-coupled digital twin ecosystem based on multi-variant distribution model of performance |
EP3751368B1 (en) | 2019-06-14 | 2023-09-27 | General Electric Company | Additive manufacturing-coupled digital twin ecosystem based on a surrogate model of measurement |
US11339643B2 (en) * | 2020-08-13 | 2022-05-24 | Weatherford Technology Holdings, Llc | Pumping unit inspection sensor assembly, system and method |
US12045739B2 (en) * | 2020-12-28 | 2024-07-23 | EMC IP Holding Company LLC | Best outcome AIOps modeling with data confidence fabrics |
EP4094867A1 (de) * | 2021-05-26 | 2022-11-30 | Siemens Aktiengesellschaft | Verfahren zur additiven herstellung eines bauteils |
CN114564880B (zh) * | 2022-01-26 | 2022-11-25 | 南京理工大学 | 一种增材制造过程数字孪生模块构建方法 |
EP4273651A1 (en) | 2022-05-05 | 2023-11-08 | Seepex GmbH | Method for providing a replacement part |
CN115544819B (zh) * | 2022-12-06 | 2023-04-18 | 网思科技股份有限公司 | 维修站的数字孪生建模方法、系统和可读存储介质 |
Citations (10)
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 |
CN109070200A (zh) * | 2016-03-03 | 2018-12-21 | 德仕托金属有限公司 | 使用金属构建材料的增材制造 |
CN109203478A (zh) * | 2017-06-30 | 2019-01-15 | 通用电气公司 | 用于先进增材制造的系统和方法 |
CN109202074A (zh) * | 2017-06-30 | 2019-01-15 | 通用电气公司 | 用于先进增材制造的系统和方法 |
CN109270899A (zh) * | 2018-09-03 | 2019-01-25 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 |
CN109340062A (zh) * | 2018-12-18 | 2019-02-15 | 国电联合动力技术有限公司 | 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法 |
WO2019055576A1 (en) * | 2017-09-12 | 2019-03-21 | Arconic Inc. | SYSTEMS AND METHODS FOR PERFORMING CALIBRATION IN ADDITIVE MANUFACTURE |
WO2019067471A2 (en) * | 2017-09-27 | 2019-04-04 | Arconic Inc. | SYSTEMS AND METHODS FOR REALIZING IN SITU MONITORING IN ADDITIONAL MANUFACTURING |
CN109615113A (zh) * | 2018-11-19 | 2019-04-12 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 |
WO2019103773A1 (en) * | 2017-11-27 | 2019-05-31 | Siemens Aktiengesellschaft | Automatically identifying alternative functional capabilities of designed artifacts |
Family Cites Families (82)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6067486A (en) | 1999-02-01 | 2000-05-23 | General Electric Company | Method and system for planning repair of an aircraft engine |
US6394646B1 (en) | 1999-04-16 | 2002-05-28 | General Electric Company | Method and apparatus for quantitative nondestructive evaluation of metal airfoils using high resolution transient thermography |
US6775647B1 (en) | 2000-03-02 | 2004-08-10 | American Technology & Services, Inc. | Method and system for estimating manufacturing costs |
JP4743944B2 (ja) | 2000-08-25 | 2011-08-10 | 鎮男 角田 | シミュレーションモデル作成方法及びそのシステムと記憶媒体 |
US7457762B2 (en) | 2001-09-04 | 2008-11-25 | Accenture Global Services Gmbh | Optimization of management of maintenance, repair and overhaul of equipment in a specified time window |
US7016825B1 (en) | 2000-10-26 | 2006-03-21 | Vextec Corporation | Method and apparatus for predicting the failure of a component |
US8266066B1 (en) | 2001-09-04 | 2012-09-11 | Accenture Global Services Limited | Maintenance, repair and overhaul management |
US6745153B2 (en) | 2001-11-27 | 2004-06-01 | General Motors Corporation | Data collection and manipulation apparatus and method |
GB0209543D0 (en) | 2002-04-26 | 2002-06-05 | Rolls Royce Plc | The automation and optimisation of the design of a component |
US10518411B2 (en) | 2016-05-13 | 2019-12-31 | General Electric Company | Robotic repair or maintenance of an asset |
US7725206B2 (en) | 2003-11-12 | 2010-05-25 | The Boeing Company | System and method for manufacturing and after-market support using as-built data |
US7063991B1 (en) | 2004-07-28 | 2006-06-20 | Advanced Micro Devices, Inc. | Methods of determining characteristics of doped regions on device wafers, and system for accomplishing same |
US20060129301A1 (en) | 2004-12-14 | 2006-06-15 | General Electric Company | Method and apparatus for assessing gas turbine acceleration capability |
JP4652042B2 (ja) | 2004-12-24 | 2011-03-16 | ヒタチグローバルストレージテクノロジーズネザーランドビーブイ | 再作業工程を有する生産ラインにおける生産計画方法およびその生産計画システム |
US8423430B2 (en) | 2005-11-16 | 2013-04-16 | The Boeing Company | Integrated materials management for commercial aircraft fleets including access to real-time on-board systems information |
US7761200B2 (en) | 2005-11-16 | 2010-07-20 | The Boeing Company | Centralized management of maintenance and materials for commercial aircraft fleets with access to real-time information |
US20080103788A1 (en) | 2006-10-31 | 2008-05-01 | The Boeing Company | System, method and program product for predicting commercial off-the-shelf equipment reliability |
US8209839B1 (en) | 2006-11-28 | 2012-07-03 | Florida Turbine Technologies, Inc. | Process for re-designing a distressed component used under thermal and structural loading |
US7966883B2 (en) | 2006-12-06 | 2011-06-28 | Lockheed Martin Corporation | Non-destructive inspection using laser-ultrasound and infrared thermography |
US8340854B2 (en) | 2006-12-19 | 2012-12-25 | The Boeing Company | Methods and systems for centrally managed maintenance program for aircraft fleets |
US7549789B2 (en) | 2007-06-20 | 2009-06-23 | General Electric Company | Method and apparatus for thermographic nondestructive evaluation of an object |
JP2009015460A (ja) | 2007-07-02 | 2009-01-22 | Toyota Motor Corp | モデル伝送装置及びモデル伝送方法 |
US20090030752A1 (en) | 2007-07-27 | 2009-01-29 | General Electric Company | Fleet anomaly detection method |
US20090297336A1 (en) | 2007-08-21 | 2009-12-03 | General Electric Company | Online systems and methods for thermal inspection of parts |
US8116990B2 (en) | 2007-10-19 | 2012-02-14 | Ashok Koul | Method and system for real-time prognosis analysis and usage based residual life assessment of turbine engine components and display |
FR2945136A1 (fr) | 2009-05-04 | 2010-11-05 | Turbomeca | Structure de donnees d'une nomenclature |
US8306791B2 (en) | 2009-12-21 | 2012-11-06 | United Technologies Corporation | Method and system for modeling the performance of a gas turbine engine |
US8606557B2 (en) | 2010-02-02 | 2013-12-10 | International Business Machines Corporation | Table lookup method for physics based models for SPICE-like simulators |
KR20110094987A (ko) | 2010-02-18 | 2011-08-24 | 삼성전자주식회사 | 잠재적 불량의 정량적 평가에 기초한 제품 선별 방법 |
US9122821B2 (en) | 2010-05-25 | 2015-09-01 | Siemens Products Lifecycle Management Software Inc. | Method and system for simulation of automated processes |
US8692887B2 (en) | 2010-08-27 | 2014-04-08 | General Electric Company | Thermal imaging method and apparatus for evaluating coatings |
US9146652B1 (en) | 2011-08-31 | 2015-09-29 | Comsol Ab | System and method for creating user interfaces in a multiphysics modeling system |
EP2756393A4 (en) | 2011-09-13 | 2015-07-08 | Rolls Royce Corp | DEVELOPMENT TOOL |
US9575487B2 (en) | 2012-11-12 | 2017-02-21 | Wasber Industries LLC | Computer program, method, and system for optimized kit nesting |
US10860013B2 (en) | 2012-11-19 | 2020-12-08 | Abb Power Grids Switzerland Ag | Power system equipment design flaw identification |
US9817452B2 (en) | 2013-01-11 | 2017-11-14 | The Boeing Company | System and method for thermal management guidance |
WO2015186750A1 (ja) | 2014-06-04 | 2015-12-10 | 三菱日立パワーシステムズ株式会社 | 立体造形システム、造形データの提供装置及び提供方法 |
US10466681B1 (en) | 2014-09-02 | 2019-11-05 | Machine Research Corporation | Systems and methods for machining knowledge reuse |
US10139311B2 (en) | 2014-09-26 | 2018-11-27 | Palo Alto Research Center Incorporated | Computer-implemented method and system for machine tool damage assessment, prediction, and planning in manufacturing shop floor |
EP3292519A1 (en) | 2015-05-07 | 2018-03-14 | Siemens Corporation | Data-feedback loop from product lifecycle into design and manufacturing |
US10060824B2 (en) | 2015-10-13 | 2018-08-28 | Hyperloop Technologies, Inc. | Adjustable variable atmospheric condition testing apparatus and method |
US20170124448A1 (en) | 2015-10-30 | 2017-05-04 | Northrop Grumman Systems Corporation | Concurrent uncertainty management system |
US9962956B2 (en) * | 2015-11-05 | 2018-05-08 | Northrop Grumman Systems Corporation | System and method for onboard data tracking |
CN108698297A (zh) | 2015-12-16 | 2018-10-23 | 德仕托金属有限公司 | 用于增材制造的方法和系统 |
US10831180B2 (en) * | 2016-02-25 | 2020-11-10 | General Electric Company | Multivariate statistical process control of laser powder bed additive manufacturing |
US20170286572A1 (en) | 2016-03-31 | 2017-10-05 | General Electric Company | Digital twin of twinned physical system |
US10417614B2 (en) | 2016-05-06 | 2019-09-17 | General Electric Company | Controlling aircraft operations and aircraft engine components assignment |
WO2017193013A1 (en) | 2016-05-06 | 2017-11-09 | Zhang, Yunbo | Determining manufacturable models |
US10318904B2 (en) | 2016-05-06 | 2019-06-11 | General Electric Company | Computing system to control the use of physical state attainment of assets to meet temporal performance criteria |
EP3244353A1 (de) | 2016-05-10 | 2017-11-15 | Siemens Aktiengesellschaft | Produktionsmodul zur durchführung einer produktions-funktion an einem produkt |
CA3021907A1 (en) | 2016-05-16 | 2017-11-23 | Weir Minerals Australia Ltd | Machine monitoring |
US10303159B2 (en) | 2016-05-24 | 2019-05-28 | Divergent Technologies, Inc. | Systems and methods for additive manufacturing of transport structures |
US10152784B2 (en) | 2016-06-30 | 2018-12-11 | General Electric Company | System and method for detecting defects in a component |
US20180027190A1 (en) | 2016-07-21 | 2018-01-25 | General Electric Company | Infrared non-destructive evaluation of cooling holes using evaporative membrane |
US10404569B2 (en) | 2016-08-22 | 2019-09-03 | General Electric Company | Internet of things associate |
US10268182B2 (en) | 2016-09-28 | 2019-04-23 | Mrl Materials Resources Llc | Detection of the integrity of additively manufactured parts |
US10223846B2 (en) | 2016-10-10 | 2019-03-05 | General Electric Company | Aerial vehicle engine health prediction |
EP3529675B1 (de) | 2016-10-21 | 2022-12-14 | Trumpf Werkzeugmaschinen GmbH + Co. KG | Innenraum-personenortung-basierte fertigungssteuerung in der metallverarbeitenden industrie |
US20180137219A1 (en) | 2016-11-14 | 2018-05-17 | General Electric Company | Feature selection and feature synthesis methods for predictive modeling in a twinned physical system |
WO2018183275A1 (en) | 2017-03-27 | 2018-10-04 | Siemens Aktiengesellschaft | System for automated generative design synthesis using data from design tools and knowledge from a digital twin graph |
US20180292815A1 (en) | 2017-04-05 | 2018-10-11 | General Electric Company | Systems and methods for checking computer-aided design models |
EP3615245A1 (en) * | 2017-04-24 | 2020-03-04 | Desktop Metal, Inc. | Three-dimensional (3d) printing using measured processing effects with feedback to processing parameters |
US10753955B2 (en) * | 2017-06-30 | 2020-08-25 | General Electric Company | Systems and method for advanced additive manufacturing |
US11027535B2 (en) | 2017-06-30 | 2021-06-08 | General Electric Company | Systems and method for advanced additive manufacturing |
US10725459B2 (en) * | 2017-08-08 | 2020-07-28 | General Electric Company | Identifying and distributing optimal machine parameters within a fleet of additive manufacturing machines |
WO2019055538A1 (en) | 2017-09-12 | 2019-03-21 | Arconic Inc. | SYSTEMS AND METHODS OF ADDITIVE MANUFACTURING |
WO2019070644A2 (en) | 2017-10-02 | 2019-04-11 | Arconic Inc. | SYSTEMS AND METHODS FOR UTILIZING MULTICRITERIAL OPTIMIZATION IN ADDITIVE MANUFACTURING |
CN107638279A (zh) | 2017-10-23 | 2018-01-30 | 杭州哈慈实业有限公司 | 一种自动热磁灸罐及其控制方法 |
US12019963B2 (en) * | 2018-02-07 | 2024-06-25 | Incucomm, Inc. | Operations and maintenance systems and methods employing sensor-less digital twins |
US11364684B2 (en) | 2018-02-13 | 2022-06-21 | Hewlett-Packard Development Company, L.P. | Part identifier for use at manufacturing facility |
EP3599080A1 (en) | 2018-07-27 | 2020-01-29 | Concept Laser GmbH | Apparatus for additively manufacturing three-dimensional objects |
US11783099B2 (en) | 2018-08-01 | 2023-10-10 | General Electric Company | Autonomous surrogate model creation platform |
US10728536B2 (en) | 2018-11-21 | 2020-07-28 | Ubicquia Iq Llc | System and method for camera commissioning beacons |
US11280751B2 (en) * | 2018-12-04 | 2022-03-22 | General Electric Company | System and method for optimizing a manufacturing process based on an inspection of a component |
US10935964B2 (en) * | 2018-12-04 | 2021-03-02 | General Electric Company | Method and system for optimizing a manufacturing process based on a surrogate model of a part |
US10928809B2 (en) * | 2018-12-04 | 2021-02-23 | General Electric Company | As-designed, as-manufactured, as-tested, as-operated and as-serviced coupled digital twin ecosystem |
US20200175438A1 (en) | 2018-12-04 | 2020-06-04 | General Electric Company | Method and system for strategic deployment of components |
US11209345B1 (en) | 2019-05-29 | 2021-12-28 | Northrop Grumman Systems Corporation | Automatic prognostic qualification of manufacturing products |
DE102020115571A1 (de) * | 2019-06-14 | 2020-12-17 | General Electric Company | Digitales Doppelecosystem gekoppelt mit Additivherstellung wie konstruiert, wie hergestellt, wie getestet, wie betrieben, wie geprüft und wie gewartet |
EP3751369B1 (en) * | 2019-06-14 | 2024-07-24 | General Electric Company | Additive manufacturing-coupled digital twin ecosystem |
EP3751370B1 (en) | 2019-06-14 | 2024-07-24 | General Electric Company | Additive manufacturing-coupled digital twin ecosystem based on multi-variant distribution model of performance |
EP3751368B1 (en) * | 2019-06-14 | 2023-09-27 | General Electric Company | Additive manufacturing-coupled digital twin ecosystem based on a surrogate model of measurement |
-
2020
- 2020-06-12 EP EP20179853.5A patent/EP3751370B1/en active Active
- 2020-06-15 CN CN202010543203.0A patent/CN112084569B/zh active Active
- 2020-06-15 US US16/901,205 patent/US11567481B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109070200A (zh) * | 2016-03-03 | 2018-12-21 | 德仕托金属有限公司 | 使用金属构建材料的增材制造 |
CN109203478A (zh) * | 2017-06-30 | 2019-01-15 | 通用电气公司 | 用于先进增材制造的系统和方法 |
CN109202074A (zh) * | 2017-06-30 | 2019-01-15 | 通用电气公司 | 用于先进增材制造的系统和方法 |
WO2019055576A1 (en) * | 2017-09-12 | 2019-03-21 | Arconic Inc. | SYSTEMS AND METHODS FOR PERFORMING CALIBRATION IN ADDITIVE MANUFACTURE |
WO2019067471A2 (en) * | 2017-09-27 | 2019-04-04 | Arconic Inc. | SYSTEMS AND METHODS FOR REALIZING IN SITU MONITORING IN ADDITIONAL MANUFACTURING |
WO2019103773A1 (en) * | 2017-11-27 | 2019-05-31 | Siemens Aktiengesellschaft | Automatically identifying alternative functional capabilities of designed artifacts |
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 |
CN109270899A (zh) * | 2018-09-03 | 2019-01-25 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 |
CN109615113A (zh) * | 2018-11-19 | 2019-04-12 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 |
CN109340062A (zh) * | 2018-12-18 | 2019-02-15 | 国电联合动力技术有限公司 | 一种低风速风电机组数字双胞胎式的疲劳损伤预测方法 |
Non-Patent Citations (1)
Title |
---|
增材制造使能的航空发动机复杂构件快速研发;陈静;侯伟;周毅博;王修专;储松林;;工程设计学报;20190428(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
EP3751370B1 (en) | 2024-07-24 |
US20200393822A1 (en) | 2020-12-17 |
CN112084569A (zh) | 2020-12-15 |
US11567481B2 (en) | 2023-01-31 |
EP3751370A1 (en) | 2020-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112084569B (zh) | 基于性能的多变量分布模型的增材制造耦接数字孪生生态系统 | |
CN112085311B (zh) | 按设计、按制造、按测试、按操作、按检查和按服务的增材制造耦接数字孪生生态系统 | |
CN111274652B (zh) | 根据优化的制造过程制作新零件的方法和系统 | |
US11631060B2 (en) | Additive manufacturing-coupled digital twin ecosystem based on a surrogate model of measurement | |
US20210287177A1 (en) | Automatic monitoring and reporting system | |
US20200391446A1 (en) | Additive manufacturing-coupled digital twin ecosystem | |
CN111275235B (zh) | 用于基于部件的检查来优化制造过程的系统和方法 | |
Haider | Information systems for engineering and infrastructure asset management | |
US20170176985A1 (en) | Method for predicting end of line quality of assembled product | |
Kim et al. | Impact of generational commonality of short life cycle products in manufacturing and remanufacturing processes | |
Haase et al. | Assessment of reliability implementation in manufacturing enterprises | |
Friederich et al. | A Framework for Validating Data-Driven Discrete-Event Simulation Models of Cyber-Physical Production Systems | |
Lowenstein et al. | Management of test utilization, optimization, and health through real-time data | |
Lawand et al. | A lifecycle cost-driven system dynamics approach for considering additive re-manufacturing or repair in aero-engine component design | |
Gharib et al. | System dynamics as an assistive tool to delay analysis in identifying productivity losses | |
Pereira | Hidden Value in Maintenance System Data: Using Machine Learning to Correlate and Predict the Risk of Asset Failures | |
Hilton | Visualization Techniques for Simulation-Based Dependent Failure Analysis | |
Thomsen et al. | Component lifing decisions and maintenance strategies in the context of aeroengine product-service systems design | |
Krehmer et al. | Avoidance of unnecessary design iterations by monitoring the product s degree of maturity | |
Peritore | Requirements for a web-based tool for operational risk management | |
CN118588428A (zh) | 汽车点火线圈制造方法、装置及设备 | |
Wassenaar | A framework and implementation-data-driven maintenance modeling | |
Burkett | Expanding the reliability process to more accurately assess business risks and opportunities associated with long-term maintenance contracts | |
CN114386743A (zh) | 一种resar性能工程的性能分析方法及系统 | |
Anjos | How to use Weibull as tool for a decision making on field issues |
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 |