CN112364070B - 一种工业领域人的数字孪生服务方法和系统 - Google Patents

一种工业领域人的数字孪生服务方法和系统 Download PDF

Info

Publication number
CN112364070B
CN112364070B CN202011059713.7A CN202011059713A CN112364070B CN 112364070 B CN112364070 B CN 112364070B CN 202011059713 A CN202011059713 A CN 202011059713A CN 112364070 B CN112364070 B CN 112364070B
Authority
CN
China
Prior art keywords
data
people
industrial system
real
person
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
CN202011059713.7A
Other languages
English (en)
Other versions
CN112364070A (zh
Inventor
林廷宇
李伯虎
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.)
Beijing Simulation Center
Original Assignee
Beijing Simulation Center
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 Beijing Simulation Center filed Critical Beijing Simulation Center
Priority to CN202011059713.7A priority Critical patent/CN112364070B/zh
Publication of CN112364070A publication Critical patent/CN112364070A/zh
Application granted granted Critical
Publication of CN112364070B publication Critical patent/CN112364070B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的实施例公开一种工业领域人的数字孪生服务方法和系统，所述方法包括S1、感知并收集工业系统中人的数据；S2、根据所述人的数据分析数据抽象工业系统中人的行为，基于数据抽象工业系统中人的行为，建立能持续更新的认知模型，构建关于人的能演进的数字孪生体；S3、根据所述认知模型输出对工业系统进行预测，进而在非实时、准实时和实时场景中进行优化工业系统中人的服务。该方法充分考虑了人的行为具有自学习、自适应、自成长性，同时也具有不稳定性，通过提供数字孪生服务，能够在工业领域更准确的发挥人的作用、提升人的价值。

Description

一种工业领域人的数字孪生服务方法和系统
技术领域
本发明涉及工业领域。更具体地，涉及一种工业领域人的数字孪生服务方法、系统、存储介质和计算机设备。
背景技术
数字孪生是工业4.0的重要使能技术，全球最具权威的IT研究与顾问咨询公司Gartner连续两年(2016年和2017年)将数字孪生列为当年十大战略科技发展趋势之一。当前，工业领域比较重要的数字孪生服务包括产品的数字孪生、设备的数字孪生等。以“陶飞,等.数字孪生及其应用探索[J].计算机集成制造系统,2018,v.24；No.237(01):4-21”的研究为例，其将数字孪生定义为“以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力”。其中，“物理实体是客观存在的，它通常由各种功能子系统(如控制子系统、动力子系统、执行子系统等)组成，并通过子系统间的协作完成特定任务。各种传感器部署在物理实体上，实时监测其环境数据和运行状态”。
当前，工业领域的数字孪生缺乏人的数字孪生。人是工业领域“人、机、料、法、环”五要素中的重要要素，如果缺乏对人的行为的感知、模拟、分析和优化，难以更好地运用好产品的数字孪生、设备的数字孪生。和产品和设备等物理实体相比，人的行为具有自学习、自适应、自成长性，同时也具有不稳定性，需要工业领域人的数字孪生服务专门考虑。
目前，医疗和脑科学领域有考虑人的数字孪生。医疗领域考虑人的数字孪生可以通过医疗检测、扫描仪器、可穿戴设备来复制，希望能够更好地管理人的健康；脑科学领域考虑通过脑电等获取并重构人的大脑的思考方式、运动感知功能，希望能够帮助治疗脑部疾病患者。但是并未针对工业领域人的行为特点，提出关于人的数字孪生的服务方法。
目前，处于实审状态的相关专利“刘庭煜,等.一种车间人员数字孪生体模型快速构建方法:中国,201810971654.7[P].2018-08-24”主要考虑的是通过视频获取物理车间人的位置信息至于虚拟车间中，数据维度单一，服务能力较为有限。
发明内容
有鉴于此，为了解决工业领域借助人的自学习、自适应、自成长优势，避免人的不稳定性劣势，更好地发挥人的作用的问题。
本发明的第一个实施例提供一种工业领域人的数字孪生服务方法，包括
S1、感知并收集工业系统中人的数据；
S2、根据所述人的数据分析数据抽象工业系统中人的行为，基于数据抽象工业系统中人的行为，建立能持续更新的认知模型，构建关于人的可演进数字孪生体；
S3、根据所述认知模型输出对工业系统进行预测，进而在非实时、准实时和实时场景中进行优化工业系统中人的服务。
在一个具体实施例中，所述S1包括
S11、通过信息录入、系统集成、移动终端和可穿戴设备感知并收集人的基本数据、所在组织数据、所处流程数据、所在专业数据、所用工具数据、产出产品或服务数据以及资质、绩效或成果数据；感知、收集分配给人的所有任务的上下文数据以及相应地人完成该项任务的过程数据和结果数据；
S12、将上述各项数据进行汇总、存储和管理。
在一个具体实施例中，所述认知模型持续更新的方法为：基于数据抽象工业系统中人的行为，对具有共性特征的同类人的数据进行统计，对单个人独特特征的数据进行统计，根据两个数据统计结果加权来对认知模型进行更新。
在一个具体实施例中，所述能持续更新的认知模型持续更新工业系统中的用于预测的数据，包括：
S21、根据人基本数据、所在组织数据、所处流程数据、所在专业数据，建立并持续更新人的专长画像和专业水平雷达图；
S22、根据人所承担的历史任务、当前任务及完成情况数据，建立并持续更新人的负荷和产能日历图；
S23、根据所承担的历史任务、当前任务及完成质量数据，建立并持续更新人的工作质量-时间统计图。
在一个具体实施例中，在精益研发的实时场景中，根据所述人的工作质量-时间统计图，对任务执行过程中的人和人的管理者提出预示性的意见和改进性的建议。
在一个具体实施例中，在精益研发的准实时场景中，根据所述专长画像和专业水平雷达图和所述人的负荷和产能日历图，对分配任务的管理者提出精益研发任务分配方案建议并就选定的分配方案预示执行效果；根据任务的上下文信息，并结合领域知识本体，对接受任务的人推送经验知识以及如何操作的意见和建议。
在一个具体实施例中，在精益研发的非实时场景中，根据所述专长画像和专业水平雷达图，对参与精益研发的设计师的专业知识结构及水平的培训和优化提出预示性的意见和改进性的建议。
本发明的第二个实施例提供一种工业领域人的数字孪生服务系统，其特征在于，包括：
数据感知和收集模块，用于感知并收集工业系统中人的数据；
建模和分析模块，用于根据所述人的数据分析数据抽象工业系统中人的行为，基于数据抽象工业系统中人的行为，建立能持续更新的认知模型，构建关于人的可演进数字孪生体；
预测优化模块，用于根据所述认知模型输出对工业系统进行预测，进而在非实时、准实时和实时场景中进行优化工业系统中人的服务。
本发明的第三个实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如第一个实施例所述的方法。
本发明的第四个实施例提供一种计算设备，包括处理器，其特征在于，所述处理器执行程序时实现如第一个实施例所述的方法。
本发明的有益效果如下：
本发明实施例提供一种工业领域人的数字孪生服务方法，本方法以工业系统中的人要素为对象，建立数字孪生，通过感知、收集工业系统中关于人的全方位的信息，建模、分析并持续更新工业系统中人的专长和专业水平、负荷和产能以及工作质量等至关重要的内容，对工业系统过程管理、任务分配和持续优化等实时、准实时、非实时场景提供关于人的服务。充分考虑了人的行为具有自学习、自适应、自成长性，同时也具有不稳定性，通过提供数字孪生服务，能够在工业领域更准确的发挥人的作用、提升人的价值。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出根据本发明一个实施例的工业领域人的数字孪生服务方法。
图2示出根据本发明的一个实施例的计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
本发明以工业系统中的人要素为对象，建立数字孪生，通过感知、收集工业系统中关于人的全方位的信息，建模、分析并持续更新工业系统中人的专长和专业水平、负荷和产能以及工作质量等至关重要的内容，对工业系统过程管理、任务分配和持续优化等实时、准实时、非实时场景提供关于人的服务。
实施例1
如图1所示，以精益研发过程为例，说明一种工业领域人的数字孪生服务方法的具体步骤，包括：
S1、感知并收集工业系统中人的数据。
S1包括：
S11、通过信息录入、系统集成、移动终端和可穿戴设备感知并收集人的基本数据、所在组织数据、所处流程数据、所在专业数据、所用工具数据、产出产品或服务数据以及资质、绩效或成果数据；感知、收集分配给人的所有任务的上下文数据以及相应地人完成该项任务的过程数据和结果数据(包括人所承担的历史任务、当前任务及完成情况数据和完成质量数据)；
采集每一个能采集到的人的操作，本发明对采集的数据种类不做限制。
S12、将上述各项数据进行汇总、存储和管理。
S2、根据所述人的数据分析数据抽象工业系统中人的行为，基于数据抽象工业系统中人的行为，建立能持续更新的认知模型，构建关于人的可演进数字孪生体；
一个优选示例中，运用数理统计、关联分析、对比分析等手段建模、分析工业系统中人的行为。
在一个优选示例中，所述认知模型持续更新的方法为：基于数据抽象工业系统中人的行为，对具有共性特征的同类人的数据进行统计，对单个人独特特征的数据进行统计，根据两个数据统计结果加权来对认知模型进行更新。
在一个优选示例中，所述能持续更新的认知模型持续更新工业系统中的用于预测的数据，包括：
S21、根据人所处的组织、所处的流程、所在专业等信息，建立并持续更新人的专长画像和专业水平雷达图(包括团队整体及他人的画像及雷达图)；
S22、根据人所承担的历史任务、当前任务及完成情况信息，建立并持续更新人的负荷和产能日历图(包括团队平均、最大、最小统计图)；
S23、根据所承担的历史任务、当前任务及完成质量信息(如返工迭代次数等)，建立并持续更新人的工作质量-时间统计图(包括团队平均、最大、最小统计图)。
需要说明的是，以上示例只是说明性的，本发明不对用于预测的数据的具体特征和内容作限定。
S3、根据所述认知模型输出对工业系统进行预测，进而在非实时、准实时和实时场景中进行优化工业系统中人的服务。
一个示例中，在精益研发的实时场景中，根据动态认知、预测的人的工作质量-时间统计图(包括团队平均、最大、最小统计图)，对任务执行过程中的人和人的管理者提出预示性的意见和改进性的建议。
一个示例中，在精益研发的准实时场景中，根据不断认知、预测的专长画像和专业水平雷达图和所述人的负荷和产能日历图，对分配任务的管理者提出精益研发任务分配方案建议并就选定的分配方案预示可能的执行效果；根据任务的上下文信息，并结合领域知识本体，对接受任务的人推送经验知识(如程序文件、标准规范、论文专利、参考方案等)以及如何操作的意见和建议(如历史操作过程、他人操作过程等)。
一个示例中，在精益研发的非实时场景中，根据所述专长画像和专业水平雷达图，对参与精益研发的设计师的专业知识结构及水平的培训和优化提出预示性的意见和改进性的建议。
本发明实施例提供一种工业领域人的数字孪生服务方法，解决工业领域借助人的自学习、自适应、自成长优势，避免人的不稳定性劣势，更好地发挥人的作用的问题。
实施例2
一种工业领域人的数字孪生服务系统，其特征在于，包括：
数据感知和收集模块，用于感知并收集工业系统中人的数据；
建模和分析模块，用于根据所述人的数据分析数据抽象工业系统中人的行为，基于数据抽象工业系统中人的行为，建立能持续更新的认知模型，构建关于人的可演进数字孪生体；
预测优化模块，用于根据所述认知模型输出对工业系统进行预测，进而在非实时、准实时和实时场景中进行优化工业系统中人的服务。
本领域技术人员可以理解，本实施例中的装置还可以实现实施例1中所述的其它方法步骤，在此不再赘述。
本发明实施例提供一种工业领域人的数字孪生服务方法，解决工业领域借助人的自学习、自适应、自成长优势，避免人的不稳定性劣势，更好地发挥人的作用的问题。
实施例3
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例1所述的方法。
在实际应用中，所述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例提供一种工业领域人的数字孪生服务方法，解决工业领域借助人的自学习、自适应、自成长优势，避免人的不稳定性劣势，更好地发挥人的作用的问题。
实施例4
如图2所示，本发明的另一个实施例提供的一种计算机设备的结构示意图。图2显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图2所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图2未显示，通常称为“硬盘驱动器”)。尽管图2中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图2所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图2中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例1所提供方法。
本发明实施例提供一种工业领域人的数字孪生服务方法，解决工业领域借助人的自学习、自适应、自成长优势，避免人的不稳定性劣势，更好地发挥人的作用的问题。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (8)

1.一种工业领域人的数字孪生服务方法，其特征在于，包括
S1、感知并收集工业系统中人的数据；
S2、根据所述人的数据分析数据抽象工业系统中人的行为，基于数据抽象工业系统中人的行为，建立能持续更新的认知模型，构建关于人的可演进的数字孪生体；
S3、根据所述认知模型输出对工业系统进行预测，进而在非实时、准实时和实时场景中进行优化工业系统中人的服务；
所述S1包括：
S11、通过信息录入、系统集成、移动终端和可穿戴设备感知并收集人的基本数据、所在组织数据、所处流程数据、所在专业数据、所用工具数据、产出产品或服务数据以及资质、绩效或成果数据；感知、收集分配给人的所有任务的上下文数据以及相应地人完成该项任务的过程数据和结果数据；
S12、将上述各项数据进行汇总、存储和管理；
所述认知模型持续更新的方法为：基于数据抽象工业系统中人的行为，对具有共性特征的同类人的数据进行统计，对具有独特特征的单个人的数据进行统计，根据两个数据统计结果加权来对认知模型进行更新。
2.根据权利要求1所述的方法，其特征在于，所述能持续更新的认知模型持续更新工业系统中的用于预测的数据，包括：
S21、根据人基本数据、所在组织数据、所处流程数据、所在专业数据，建立并持续更新人的专长画像和专业水平雷达图；
S22、根据人所承担的历史任务、当前任务及完成情况数据，建立并持续更新人的负荷和产能日历图；
S23、根据所承担的历史任务、当前任务及完成质量数据，建立并持续更新人的工作质量-时间统计图。
3.根据权利要求2所述的方法，其特征在于，在精益研发的实时场景中，根据所述人的工作质量-时间统计图，对任务执行过程中的人和人的管理者提出预示性的意见和改进性的建议。
4.根据权利要求2所述的方法，其特征在于，在精益研发的准实时场景中，根据所述专长画像和专业水平雷达图和所述人的负荷和产能日历图，对分配任务的管理者提出精益研发任务分配方案建议并就选定的分配方案预示执行效果；根据任务的上下文信息，并结合领域知识本体，对接受任务的人推送经验知识以及如何操作的意见和建议。
5.根据权利要求2所述的方法，其特征在于，在精益研发的非实时场景中，根据所述专长画像和专业水平雷达图，对参与精益研发的设计师的专业知识结构及水平的培训和优化提出预示性的意见和改进性的建议。
6.一种工业领域人的数字孪生服务系统，其特征在于，包括：
数据感知和收集模块，用于感知并收集工业系统中人的数据；
建模和分析模块，用于根据所述人的数据分析数据抽象工业系统中人的行为，基于数据抽象工业系统中人的行为，建立能持续更新的认知模型，构建关于人的可演进的数字孪生体；
预测优化模块，用于根据所述认知模型输出对工业系统进行预测，进而在非实时、准实时和实时场景中进行优化工业系统中人的服务；
所述感知并收集工业系统中人的数据包括：
S11、通过信息录入、系统集成、移动终端和可穿戴设备感知并收集人的基本数据、所在组织数据、所处流程数据、所在专业数据、所用工具数据、产出产品或服务数据以及资质、绩效或成果数据；感知、收集分配给人的所有任务的上下文数据以及相应地人完成该项任务的过程数据和结果数据；
S12、将上述各项数据进行汇总、存储和管理；
所述认知模型持续更新的方法为：基于数据抽象工业系统中人的行为，对具有共性特征的同类人的数据进行统计，对具有独特特征的单个人的数据进行统计，根据两个数据统计结果加权来对认知模型进行更新。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
8.一种计算设备，包括处理器，其特征在于，所述处理器执行程序时实现如权利要求1-5中任一项所述的方法。
CN202011059713.7A 2020-09-30 2020-09-30 一种工业领域人的数字孪生服务方法和系统 Active CN112364070B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011059713.7A CN112364070B (zh) 2020-09-30 2020-09-30 一种工业领域人的数字孪生服务方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011059713.7A CN112364070B (zh) 2020-09-30 2020-09-30 一种工业领域人的数字孪生服务方法和系统

Publications (2)

Publication Number Publication Date
CN112364070A CN112364070A (zh) 2021-02-12
CN112364070B true CN112364070B (zh) 2024-03-22

Family

ID=74508243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011059713.7A Active CN112364070B (zh) 2020-09-30 2020-09-30 一种工业领域人的数字孪生服务方法和系统

Country Status (1)

Country Link
CN (1) CN112364070B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359507A (zh) * 2018-08-24 2019-02-19 南京理工大学 一种车间人员数字孪生体模型快速构建方法
CN109559039A (zh) * 2018-11-29 2019-04-02 贵州航天云网科技有限公司 一种基于数字孪生技术的虚拟工厂业务协同系统
CN110709938A (zh) * 2017-06-28 2020-01-17 通用电气公司 用于生成患者数字孪生的方法和系统
CN111086023A (zh) * 2019-12-18 2020-05-01 南京熊猫电子股份有限公司 基于工业机器人内部温度的定位精度补偿方法及其使用方法
CN111445168A (zh) * 2020-04-21 2020-07-24 深圳民声第三方监管有限公司 一种质量安全第三方监管系统和方法
CN111509862A (zh) * 2020-05-22 2020-08-07 中国海洋石油集团有限公司 基于数字孪生云的海上平台电力系统结构优化方法及系统
CN111563446A (zh) * 2020-04-30 2020-08-21 郑州轻工业大学 一种基于数字孪生的人-机交互安全预警与控制方法
CN111599463A (zh) * 2020-05-09 2020-08-28 吾征智能技术(北京)有限公司 基于声音认知模型的智能辅助诊断系统
CN111639430A (zh) * 2020-05-29 2020-09-08 重庆大学 一种数字孪生驱动的天然气管道泄漏识别系统
CN111695734A (zh) * 2020-06-12 2020-09-22 中国科学院重庆绿色智能技术研究院 一种基于数字孪生及深度学习的多工艺规划综合评估系统及方法
CN111708332A (zh) * 2020-05-28 2020-09-25 上海航天精密机械研究所 一种生产线数字孪生系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200185107A1 (en) * 2018-12-05 2020-06-11 Koninklijke Philips N.V. Digital twin operation

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110709938A (zh) * 2017-06-28 2020-01-17 通用电气公司 用于生成患者数字孪生的方法和系统
CN109359507A (zh) * 2018-08-24 2019-02-19 南京理工大学 一种车间人员数字孪生体模型快速构建方法
CN109559039A (zh) * 2018-11-29 2019-04-02 贵州航天云网科技有限公司 一种基于数字孪生技术的虚拟工厂业务协同系统
CN111086023A (zh) * 2019-12-18 2020-05-01 南京熊猫电子股份有限公司 基于工业机器人内部温度的定位精度补偿方法及其使用方法
CN111445168A (zh) * 2020-04-21 2020-07-24 深圳民声第三方监管有限公司 一种质量安全第三方监管系统和方法
CN111563446A (zh) * 2020-04-30 2020-08-21 郑州轻工业大学 一种基于数字孪生的人-机交互安全预警与控制方法
CN111599463A (zh) * 2020-05-09 2020-08-28 吾征智能技术(北京)有限公司 基于声音认知模型的智能辅助诊断系统
CN111509862A (zh) * 2020-05-22 2020-08-07 中国海洋石油集团有限公司 基于数字孪生云的海上平台电力系统结构优化方法及系统
CN111708332A (zh) * 2020-05-28 2020-09-25 上海航天精密机械研究所 一种生产线数字孪生系统
CN111639430A (zh) * 2020-05-29 2020-09-08 重庆大学 一种数字孪生驱动的天然气管道泄漏识别系统
CN111695734A (zh) * 2020-06-12 2020-09-22 中国科学院重庆绿色智能技术研究院 一种基于数字孪生及深度学习的多工艺规划综合评估系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
关于武器系统数字孪生的若干思考;林廷宇 等;《系统仿真学报》;第32卷(第4期);539-552 *
面向车间人员宏观行为数字孪生模型快速构建的小目标智能检测方法;刘庭煜 等;《计算机集成制造系统》;第25卷(第6期);1463-1473 *

Also Published As

Publication number Publication date
CN112364070A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN107918600A (zh) 报表开发系统及方法、存储介质和电子设备
DE112011100143B4 (de) Optimieren der elektrischen Leistungsaufnahme in einem Rechenzentrum
US20220206447A1 (en) Automated system control with data analytics using doubly stochastic model
CN111338897A (zh) 应用主机中异常节点的识别方法、监测设备和电子设备
Berwal et al. Computer Applications in Engineering and Management
CN112508723B (zh) 基于自动择优建模的金融风险预测方法、装置和电子设备
CN110264270A (zh) 一种行为预测方法、装置、设备和存储介质
CN113762502B (zh) 神经网络模型的训练方法及装置
JP2024502177A (ja) 価値関数の最適化および所望のデータの生成のための教師付きｖａｅ
CN113656587A (zh) 文本分类方法、装置、电子设备及存储介质
Locey et al. An interactive tool to forecast US hospital needs in the coronavirus 2019 pandemic
CN112394982B (zh) 生成语音识别系统的方法、装置、介质及电子设备
Yesil et al. FCM-GUI: A graphical user interface for Big Bang-Big Crunch Learning of FCM
Jawaddi et al. Integrating OpenAI Gym and CloudSim Plus: A simulation environment for DRL Agent training in energy-driven cloud scaling
CN112364070B (zh) 一种工业领域人的数字孪生服务方法和系统
Li et al. Some perspectives to define and model reliability using fuzzy sets
GB2593171A (en) System and method for determining solution for problem in organization
CN106815765A (zh) 一种资产分配方法和设备
Aknouche et al. Recursive estimation of GARCH models
US7490023B2 (en) Method for analyzing effects of performance characteristics of an application based on complex configuration models
CN114818682A (zh) 基于自适应实体路径感知的文档级实体关系抽取方法
JP2000040079A (ja) 並列データ分析装置
US20210357791A1 (en) System and method for storing and processing data
GB2589828A (en) Causal reasoning and counterfactual probabilistic programming framework using approximate inference
McClean et al. Using phase-type models to monitor and predict process target compliance

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