CN112947173B - 一种数字孪生车间运行状态的预测方法、控制器及系统 - Google Patents
一种数字孪生车间运行状态的预测方法、控制器及系统 Download PDFInfo
- Publication number
- CN112947173B CN112947173B CN202110151105.7A CN202110151105A CN112947173B CN 112947173 B CN112947173 B CN 112947173B CN 202110151105 A CN202110151105 A CN 202110151105A CN 112947173 B CN112947173 B CN 112947173B
- Authority
- CN
- China
- Prior art keywords
- processing
- event
- entity
- result
- simulation
- 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
Images
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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- 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]
Abstract
本发明提供了一种数字孪生车间运行状态的预测方法、控制器及系统,其中预测方法,包括:获取数字孪生车间的将来事件表;根据实体车间的第一运行状态数据对将来事件表进行修正,得到修正后的将来事件表;当时间到达将来事件表中第一目标时间所对应的目标事件时,对目标事件进行仿真处理,并获取仿真处理的仿真结果;根据仿真结果输出数字孪生车间的第二运行状态数据,并对将来事件表进行更新。本实施例通过获取将来事件表,并根据实体车间的第一运行数据对将来事件表进行修正,且根据时间推进该将来事件表进行仿真,实现仿真的实时性,利用事件调度的方式进行仿真流程推进,实现对仿真的瞬态性。通过对将来时间表进行循环更新,保证仿真的持续性。
Description
技术领域
本发明涉及数字孪生车间技术领域,特别涉及一种数字孪生车间运行状态 的预测方法、控制器及系统。
背景技术
作为信息物理系统(Cyber-Physical Systems,简称CPS)的关键核心技术 和智能制造的使能技术,数字孪生技术是实现制造过程信息世界与物理世界交 互融合与互联互通的重要手段,引起了学术界和工业界的广泛关注。
数字孪生的概念模型最早由Grieves在2003年提出,被认为是物理实体对 象在数字空间的映射模型。其本质是在数字空间中构建能够实时反映物理系统 当前的状态与行为,并准确预测其在真实环境下未来状态与行为的数字模型, 进而辅助决策管理,达到优化物理系统的目的。生产车间是典型的复杂制造系 统,具有物理对象多样性、过程强动态性等特点,自数字孪生概念被提出以来, 如何利用数字孪生实现生产车间的智能监控、预测与控制就一直是学者们研究 的热点问题。
陶飞等,基于数字孪生理念提出了一种未来车间运行的新模式——数字孪 生车间,分析了数字孪生车间的四个主要组成部分即物理车间、虚拟车间、车 间服务系统、车间孪生数据,并提出了数字孪生车间的运行机制和实现方法。 赵浩然等针对数字孪生车间的可视化监控难题,提出了基于实时数据的数字孪 生车间三维可视化实时监控方法。周成等构建了基于数字孪生车间的三维可视 化监控系统。西门子则提出了“综合数字孪生体”的概念,并将其应用于Piper M600飞机设计的全生命周期,实现了数字化车间的虚拟装配。Zhuang等将数 字孪生技术应用于复杂产品装配过程,提出了基于数字孪生的复杂产品装配过 程智能化管控体系框架和过程追溯方法,为提升复杂产品装配生产效率和质量 提供了一种新的路径。刘志峰等将数字孪生技术运用于零件智能制造车间,提 出了智能制造车间调度云平台框架模型及其调度流程模式,并构建了基于数字 孪生的智能制造车间调度云平台,为智能制造车间调度问题提供了一种全新的 解决思路。
如何通过对物理制造系统的仿真预测,辅助管理者做出合理决策,从而指 导制造系统运行优化,一直是学术界和工业界关注的重点问题。传统离散系统 仿真方法是基于所构建的生产系统运行逻辑模型,通过离线仿真的手段分析加 工时间、工件到达等动态变量对制造系统性能(比如完工时间、交货拖期成本) 的影响。张洁等基于智能车间运行过程中产生的海量多源高维异构数据,提出 了大数据驱动下“关联+预测+调控”的车间运行分析与决策模式,研究了大 数据驱动的车间运行状态预测方法。任杉等提出了基于生命周期大数据驱动的 复杂产品智能制造服务新模式,构建了一种生产过程实施优化、运维服务动态预测的产品生命周期管理与运作机制。
当前针对车间运行预测问题的研究中,仿真方法多是基于人工指定的系统 初始配置和设定,仅能够在特定的输入条件下输出仿真结果。仿真方式多为离 线仿真,仿真时刻与实际的系统运行时刻之间总有时间差,功能有明显的滞后 性,不具备实时仿真的能力。而运用大数据相关技术进行的特定数据预测,十 分依赖足量的历史数据,但获取历史数据对于部分制造系统并不是一项容易的 工作。此外这种预测过程是纯数据维度的预测,与系统模型相关性低,是一种 理想化稳态预测。然而复杂制造系统除了稳态预测,同时也需要在系统状态瞬 息变化的情况下获得实时瞬态预测,而在当前研究中较少考虑预测的实时性和 瞬态性。
发明内容
本发明实施例要达到的技术目的是提供一种数字孪生车间运行状态的预 测方法、控制器及系统,用以解决当前针对车间运行预测问题的研究中不具备 实时仿真的能力,对历史数据依赖严重且过于理想化的问题。为解决上述技术 问题,本发明实施例提供了一种数字孪生车间运行状态的预测方法,包括:
获取数字孪生车间的将来事件表;
根据实体车间的第一运行状态数据对将来事件表进行修正,得到修正后的 将来事件表;
当时间到达将来事件表中一第一目标时间时,对第一目标时间所对应的目 标事件进行仿真处理,并获取仿真处理的仿真结果;
根据仿真结果输出数字孪生车间的第二运行状态数据,并对将来事件表进 行更新。
具体地,如上所述的数字孪生车间运行状态的预测方法,当时间到达将来 事件表中一第一目标时间时,对第一目标时间所对应的目标事件进行仿真处理, 并获取仿真处理的仿真结果的步骤包括:
当时间到达第一目标时间时,获取目标事件的事件类型;
根据事件类型,执行对应事件类型的目标仿真处理逻辑,得到仿真结果。
具体地,如上所述的数字孪生车间运行状态的预测方法,根据事件类型, 执行对应事件类型的目标仿真处理逻辑,得到仿真结果的步骤包括:
当事件类型为实体加工到达事件时,确定实体所到达的第一加工工位;
对第一加工工位是否繁忙进行判断,得到第一判断结果;
根据第一判断结果进行第一预设处理,得到第一处理结果;
生成一个新实体到达事件,并根据预先获取的指数分布样本发生器,获得 新实体到达事件对应的第二目标时间。
进一步的,如上所述的数字孪生车间运行状态的预测方法,根据第一判断 结果进行第一预设处理,得到第一处理结果的步骤包括:
当第一判断结果为第一加工工位处于繁忙状态时,将第一加工工位的队列 数量加一;或者,
当第一判断结果为第一加工工位处于空闲状态时,将第一加工工位设为繁 忙状态;
生成一个新加工结束事件,并根据预先获取的正态分布样本发生器,获得 新加工结束事件对应的第三目标时间。
具体地,如上所述的数字孪生车间运行状态的预测方法,根据事件类型, 执行对应事件类型的目标仿真处理逻辑,得到仿真结果的步骤还包括:
当事件类型为实体检验离开事件时,对检验实体的第一检验工位的队列中 是否具有排队实体进行判断,得到第二判断结果;
当第二判断结果为第一检验工位的队列中不具有排队实体时,将第一检验 工位设为空闲状态;或者,
当第二判断结果为第一检验工位的队列中具有排队实体时,将第一检验工 位的队列数量减一;
生成一个新实体检验离开事件,并根据预先获取的正态分布样本发生器, 获得新实体检验离开事件对应的第四目标时间。
具体地,如上所述的数字孪生车间运行状态的预测方法,根据事件类型, 执行对应事件类型的目标仿真处理逻辑,得到仿真结果的步骤还包括:
当事件类型为实体加工结束事件时,对实体进行加工的第二加工工位的队 列中是否具有排队实体进行判断,得到第三判断结果;
根据第三判断结果执行第二预设处理,得到第二处理结果;
对对应实体的第二检验工位是否繁忙进行判断,得到第四判断结果;
根据第四判断结果执行第三预设处理,得到第三处理结果;
根据第二处理结果和第三处理结果,得到仿真结果。
进一步的,如上所述的数字孪生车间运行状态的预测方法,根据第三判断 结果执行第二预设处理,得到第二处理结果的步骤包括:
当第三判断结果为第二加工工位的队列中不具有排队实体时,将第二加工 工位设为空闲状态;或者,
当第三判断结果为第二加工工位的队列中具有排队实体时,将第二加工工 位的队列数量减一;
生成一个新实体加工结束事件,并根据预先获取的正态分布样本发生器, 获得新实体加工结束事件对应的第五目标时间。
进一步的,如上所述的数字孪生车间运行状态的预测方法,根据第四判断 结果执行第三预设处理,得到第三处理结果的步骤包括:
当第四判断结果为第二检验工位处于繁忙状态时,将第二检验工位的队列 数量加一;或者,
当第四判断结果为第二检验工位处于空闲状态时,将第二检验工位设为繁 忙状态;
生成一个新实体检验结束事件,并根据预先获取的正态分布样本发生器, 获得新实体检验离开事件对应的第六目标时间。
优选地,如上所述的数字孪生车间运行状态的预测方法,在获取数字孪生 车间的将来事件表的步骤之后,还包括:
间隔一预设时间,返回执行获取数字孪生车间的将来事件表的步骤,获取 修正后的将来事件表或更新后的将来事件表。
本发明的另一优选实施例还提供了一种控制器,包括:
获取模块,用于获取数字孪生车间的将来事件表;
第一处理模块,用于根据实体车间的第一运行状态数据对将来事件表进行 修正,得到修正后的将来事件表;
第二处理模块,用于当时间到达将来事件表中一第一目标时间时,对第一 目标时间所对应的目标事件进行仿真处理,并获取仿真处理的仿真结果;
第三处理模块,用于根据仿真结果输出数字孪生车间的第二运行状态数据, 并对将来事件表进行更新。
具体地,如上所述的控制器,第二处理模块,用于包括:
获取子模块,用于当时间到达第一目标时间时,获取目标事件的事件类型;
第一处理子模块,用于根据事件类型,执行对应事件类型的目标仿真处理 逻辑,得到仿真结果。
具体地,如上所述的控制器,第一处理子模块包括:
第一处理单元,用于当事件类型为实体加工到达事件时,确定实体所到达 的第一加工工位;
第二处理单元,用于对第一加工工位是否繁忙进行判断,得到第一判断结 果;
第三处理单元,用于根据第一判断结果进行第一预设处理,得到第一处理 结果;
第四处理单元,用于生成一个新实体到达事件,并根据预先获取的指数分 布样本发生器,获得新实体到达事件对应的第二目标时间。
进一步的,如上所述的控制器,第三处理单元包括:
第一处理子单元,用于当第一判断结果为第一加工工位处于繁忙状态时, 将第一加工工位的队列数量加一;
第二处理子单元,用于当第一判断结果为第一加工工位处于空闲状态时, 将第一加工工位设为繁忙状态;
第三处理子单元,用于生成一个新加工结束事件,并根据预先获取的正态 分布样本发生器,获得新加工结束事件对应的第三目标时间。
具体地,如上所述的控制器,第一处理子模块还包括:
第五处理单元,用于当事件类型为实体检验离开事件时,对检验实体的第 一检验工位的队列中是否具有排队实体进行判断,得到第二判断结果;
第六处理单元,用于当第二判断结果为第一检验工位的队列中不具有排队 实体时,将第一检验工位设为空闲状态;
第七处理单元,用于当第二判断结果为第一检验工位的队列中具有排队实 体时,将第一检验工位的队列数量减一;
第八处理单元,用于生成一个新实体检验离开事件,并根据预先获取的正 态分布样本发生器,获得新实体检验离开事件对应的第四目标时间。
具体地,如上所述的控制器,第一处理子模块,还包括:
第九处理单元,用于当事件类型为实体加工结束事件时,对实体进行加工 的第二加工工位的队列中是否具有排队实体进行判断,得到第三判断结果;
第十处理单元,用于根据第三判断结果执行第二预设处理,得到第二处理 结果;
第十一处理单元,用于对对应实体的第二检验工位是否繁忙进行判断,得 到第四判断结果;
第十二处理单元,用于根据第三判断结果执行第三预设处理,得到第三处 理结果;
第三处理单元,用于根据第二处理结果和第三处理结果,得到仿真结果。
进一步的,如上所述的控制器,第十处理单元包括:
第四处理子单元,用于当第三判断结果为第二加工工位的队列中不具有排 队实体时,将第二加工工位设为空闲状态;
第五处理子单元,用于当第三判断结果为第二加工工位的队列中具有排队 实体时,将第二加工工位的队列数量减一;
第六处理子单元,用于生成一个新实体加工结束事件,并根据预先获取的 正态分布样本发生器,获得新实体加工结束事件对应的第五目标时间。
进一步的,如上所述的控制器,第十二处理单元包括:
第七处理子单元,用于当第四判断结果为第二检验工位处于繁忙状态时, 将第二检验工位的队列数量加一;
第八处理子单元,用于当第四判断结果为第二检验工位处于空闲状态时, 将第二检验工位设为繁忙状态;
第九处理子单元,用于生成一个新实体检验结束事件,并根据预先获取的 正态分布样本发生器,获得新实体检验离开事件对应的第六目标时间。
优选地,如上所述的控制器,还包括:
第四处理模块,用于间隔一预设时间,返回执行获取数字孪生车间的将来 事件表的步骤,获取修正后的将来事件表或更新后的将来事件表。
本发明的再一优选实施例还提供了一种数字孪生车间运行状态的预测系 统,包括:实体车间、数字孪生车间、可视化设备以及如上所述的控制器;
控制器分别与实体车间、数字孪生车间和可视化设备数据连接。
本发明的又一优选实施例还提供了一种可读存储介质,可读存储介质上存 储计算机程序,计算机程序被处理器执行时实现如上所述的数字孪生车间运行 状态的预测方法的步骤。
与现有技术相比,本发明实施例提供的一种数字孪生车间运行状态的预测 方法、控制器及系统,至少具有以下有益效果:
本实施例通过获取数字孪生车间的将来事件表,并根据实体车间的第一运 行数据对将来事件表进行修正,且根据时间推进该将来事件表进行仿真,使仿 真执行时数字孪生车间的数据保持为实体车间的当前数据,实现仿真的实时性, 有利于保证仿真的真实性,且不需要依赖大量历史数据;同时,由于事件为推 动离散制造系统发生状态改变的源动力,本实施例利用事件调度的方式进行仿 真流程推进,实现对数字孪生车间的仿真的瞬态性。从而,填补了当前针对车 间运行预测问题的研究中缺乏预测的实时性和瞬态性考虑的技术空白。得到仿 真结果后还会对将来时间表进行更新,通过移除已仿真时间和增加新的事件保 证仿真的持续性。
附图说明
图1为本发明的数字孪生车间运行状态的预测方法的流程示意图之一;
图2为本发明的数字孪生车间运行状态的预测方法的流程示意图之二;
图3为本发明的数字孪生车间运行状态的预测方法的流程示意图之三;
图4为本发明的数字孪生车间运行状态的预测方法的流程示意图之四;
图5为本发明的数字孪生车间运行状态的预测方法的流程示意图之五;
图6为本发明的控制器的结构示意图;
图7为本发明的数字孪生车间运行状态的预测系统的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附 图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件 的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员 应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范 围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例 有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整 个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的 实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个 或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着 执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本 发明实施例的实施过程构成任何限定。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表 示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是 一种“或”的关系。
在本申请所提供的实施例中,应理解,“与A相应的B”表示B与A相关 联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确 定B,还可以根据A和/或其它信息确定B。
参见图1,本发明的一优选实施例提供了一种数字孪生车间运行状态的预 测方法,包括:
步骤S101,获取数字孪生车间的将来事件表;
步骤S102,根据实体车间的第一运行状态数据对将来事件表进行修正, 得到修正后的将来事件表;
步骤S103,当时间到达将来事件表中一第一目标时间时,对第一目标时 间所对应的事件进行仿真处理,并获取仿真处理的仿真结果;
步骤S104,根据仿真结果输出数字孪生车间的第二运行状态数据,并对 将来事件表进行更新。
在本发明的一具体实施例中,在对数字孪生车间的运行状态进行预测时, 会首先获取该数字孪生车间的将来时间表,其中当该将来事件表为第一次被获 取时,记为初始将来事件表,其获取过程可以为获取数字孪生车间的当前运行 数据,根据该当前运行数据生成该初始将来事件表;或者,由数字孪生车间或 其它设备通过输出或其他形式得到该初始将来事件表,再由本实施例中的控制 器通过发送请求等方式获取。在获取到该将来事件表之后,通过与实体车间的 数据连接,获取对应实体车间当前的第一运行状态数据,该第一状态运行数据 包括实体车间中各个物料实体的所处工序、各个设备或工位的当前状态、各个 工位缓存区队列的排队信息等,进而根据该第一运行状态数据对将来事件表进 行修正,使得将来事件表中的事件与实体车间的当前运行状态相对应,保证将 来事件表的实时性和准确性;在根据时间进行推进时,当时间到达将来事件表 中的一第一目标时间时,则对该第一目标时间所对应目标事件进行仿真处理, 用于对当前时刻为第一目标时间时实体车间中的运行状态进行仿真,进而得到 仿真结果,保证仿真的实时性,从而根据该仿真结果将数字孪生车间的第二运 行状态数据进行输出,输出方式包括但不限于:输出至可视化设备进行显示; 输出至实体车间,实现实体车间与数字孪生车间的映射。同时,还会根据仿真 结果对将来事件表进行更新,即将经过仿真处理后的目标事件从将来事件表中 移除,减少存储空间浪费,并在仿真结果中存在新产生的事件时,按照时间先 后顺序将新的事件添加进将来事件表中,保证仿真的持续运行。
综上所述,本实施例通过获取数字孪生车间的将来事件表,并根据实体车 间的第一运行数据对将来事件表进行修正,且根据时间推进该将来事件表进行 仿真,使仿真执行时数字孪生车间的数据保持为实体车间的当前数据,实现仿 真的实时性,有利于保证仿真的真实性,且不需要依赖大量历史数据;同时, 由于事件为推动离散制造系统发生状态改变的源动力,本实施例利用事件调度 的方式进行仿真流程推进,实现对数字孪生车间的仿真的瞬态性。从而,填补 了当前针对车间运行预测问题的研究中缺乏预测的实时性和瞬态性考虑的技 术空白。得到仿真结果后还会对将来时间表进行循环更新,通过移除已仿真时间和增加新的事件保证仿真的持续性。
需要说明的是,在根据第一运行状态数据对将来事件表进行修正或根据数 字孪生车间的当前运行数据生成初始将来事件表时,若存在一实体正处于加工 工位时,则为其安排实体加工结束事件,并将该加工工位设为繁忙状态;若存 在一实体正处于检验工位时,则为其安排实体检验离开事件,并将该检验工位 设为繁忙状态;若有零件实体正处于加工工位或检验工位的缓存区时,则根据 其零件类型添加至相应的队列中。
还需要说明的是,上述的仿真结果包括但不限于数字孪生车间中各工位的 利用率、任务高峰期、瓶颈期等。
参见图2,具体地,如上所述的数字孪生车间运行状态的预测方法,当时 间到达将来事件表中一第一目标时间时,对第一目标时间所对应的目标事件进 行仿真处理,并获取仿真处理的仿真结果的步骤S103,包括:
步骤S201,当时间到达第一目标时间时,获取目标事件的事件类型;
步骤S202,根据事件类型,执行对应事件类型的目标仿真处理逻辑,得 到仿真结果。
在本发明的一具体实施例中,会预先对将来事件表中的事件进行分类,且 每一事件类型对应一种仿真处理逻辑,当时间到达第一目标时间时,会获取目 标事件的事件类型,进而根据目标事件的事件类型,确定对应的目标仿真处理 逻辑,并执行该目标仿真处理逻辑进行仿真处理,得到仿真结果,有利于保证 所得到的仿真结果的准确性和实时性。同时,有利于避免多种类型的事件共用 一种仿真处理逻辑,导致出现该共用的仿真处理逻辑复杂且准确率较低的问题。
参见图3,具体地,如上所述的数字孪生车间运行状态的预测方法,根据 事件类型,执行对应事件类型的目标仿真处理逻辑,得到仿真结果的步骤S202, 包括:
步骤S301,当事件类型为实体加工到达事件时,确定实体所到达的第一 加工工位;
步骤S302,对第一加工工位是否繁忙进行判断,得到第一判断结果;
步骤S303,根据第一判断结果进行第一预设处理,得到第一处理结果;
步骤S304,生成一个新实体到达事件,并根据预先获取的指数分布样本 发生器,获得新实体到达事件对应的第二目标时间。
在本发明的一具体实施例中,当事件类型为实体加工到达事件,即一实体 将要到达一加工工位进行加工时,首先确定该实体所到达的第一加工工位,明 确该实体的加工位置;其次对该第一加工工位进行是否繁忙的判断,即判断第 一加工工位上当前是否有另一实体正在进行加工,从而得到第一判断结果;进 而根据得到第一判断结果进行第一预设处理,即可得到该实体到达第一加工工 位后的第一处理结果;此时由于该实体加工到达事件已进行处理,基于实体车 间的连续性,为保证数字孪生车间进行仿真的连续性,此时再重新生成一个新 实体加工到达事件,补充至将来时间表中,其中新实体加工到达事件所对应的 第二目标时间为当前时间与新实体到达的间隔时间之和。在本实施例中,获取 新实体到达的间隔时间时,由于加工任务的到达事件对于车间来说,在车间人 员不参与企业资源计划(Enterprise Resource Planning,简称ERP)系统建设 和使用的情况下,可以认为相互独立;一批加工任务的到达无法为下一批任务 的到达事件提供参考,即到达过程为无记忆过程,对于独立事件和无记忆过程, 其满足指数分布,因此预先对加工任务的随机到达进行系统输入性建模,得到 一指数样本分布发生器,根据该指数样本分布发生器即可获得一随机到达的间 隔时间。
在本发明的另一优选实施例中,还提供了指数样本分布发生器的获取步骤, 其中,具体包括:
首先,根据呈指数分布的随机变量的特性,得到一概率密度函数:
其中,λ为率参数。
其次,获取该概率密度函数的分布函数,得到:
再次,当X≥0时,获取分布函数F(X)的逆函数,得到:
最后,将逆函数中的F记为R,并令R服从(0,1)上的均匀分布,则最 终确定指数分布样布发生器为:
需要说明的是,实体加工任务到达时间根据实体的类型而变化。
进一步的,如上所述的数字孪生车间运行状态的预测方法,根据第一判断 结果进行第一预设处理,得到第一处理结果的步骤S303,包括:
当第一判断结果为第一加工工位处于繁忙状态时,将第一加工工位的队列 数量加一;
或者,当第一判断结果为第一加工工位处于空闲状态时,将第一加工工位 设为繁忙状态;
生成一个新加工结束事件,并根据预先获取的正态分布样本发生器,获得 新加工结束事件对应的第三目标时间。
在本发明的一具体实施例中,在根据第一判断结果进行第一预设处理时, 若第一判断结果为第一加工工位处于繁忙状态,即当前第一加工工位正在对一 实体进行加工时,当前到达的实体不能直接进行加工,此时将其放入第一加工 工位的缓存区域进行等待,并将第一加工工位的队列数量加一;若第一判断结 果为第一加工工位处于空闲状态,即第一加工工位可对当前到达的实体进行加 工时,此时触发对该实体的加工操作,并将第一加工工位设为繁忙状态,此时 需要对该实体的加工时间进行预测,由于加工时间为是一系列工步执行时间的 累加值,其服从正态分布,因此预先采用正态分布进行系统输入性建模,得到 一正态分布样本分布发生器,并根据该预先获取的正态分布样本发生器生成的 一随机时间为该实体的加工时间,并将该加工时间与当前时间的和作为该实体 加工结束时所产生的新加工结束事件对应的第三目标时间,从而对数字孪生车 间运行状态进行预测。其中,对第一加工工位状态的和队列数量的改变。便于 在输出后使工作人员获知第一加工工位当前状态。
在本发明的一具体实施例中,还提供了正态分布样本分布发生器的获取步 骤,其中,具体包括:
首先,设定随机变量X和Y相互对立且均服从均值标准正态分布即:
则,X与Y的联合概率密度为:
将X与Y做极坐标变换,可得极坐标变换式:
X=Rcos(θ)
Y=Rsin(θ)
进而获取X与Y的联合分布函数:
因此,可得到R与θ的分布函数:
可知θ~U(0,2π)。
令R与θ的分布函数分别为:
求R与θ的分布函数的逆函数可得:
R(F)=2πF
将逆函数中的F记为Z,可得:
θ(F)=2πZ
θ(F)=2πU2
将上式代入X与Y的上述极坐标变换式可得:
其中,U1,U2~U[0,1],则X与Y均服从正态分布,任取其一可作为上述 的正态分布样本发生器。
参见图4,具体地,如上所述的数字孪生车间运行状态的预测方法,根据 事件类型,执行对应事件类型的目标仿真处理逻辑,得到仿真结果的步骤S202, 还包括:
步骤S401,当事件类型为实体检验离开事件时,对检验实体的第一检验 工位的队列中是否具有排队实体进行判断,得到第二判断结果;
步骤S402,当第二判断结果为第一检验工位的队列中不具有排队实体时, 将第一检验工位设为空闲状态;
步骤S403,或者,当第二判断结果为第一检验工位的队列中具有排队实 体时,将第一检验工位的队列数量减一;
步骤S404,生成一个新实体检验离开事件,并根据预先获取的正态分布 样本发生器,获得新实体检验离开事件对应的第四目标时间。
在本发明的另一优选实施例中,当事件类型为实体检验离开事件,即一实 体在一检验工位完成检验,即将离开检验工位时,首先对该实体所在的第一检 验工位的队列即缓存区进行检测,判断是否具有排队实体,并得到第二判断结 果;进而再根据第二判断结果进行下一步处理,具体地,当第二判断结果为第 一检验工位的队列中不存在排队实体时,说明第一检验工位后续暂不会进行检 验操作,此时在实体离开第一检验工位时,将第一检验工位设为空闲状态;当 第二判断结果为第一检验工位的队列中仍存在至少一个排队实体时,触发检验 处理操作对排在前的实体进行检验,并将第一检验工位的队列数量减一,此时 由于当前第一检验工位仍在进行检验,当检验结束时后,会再次产生一个新实 体检验离开事件,此时需要预产生成一个新实体检验离开事件,并对该实体的 检验时间进行预测,由于检验时间与加工时间类似,都是一系列公布执行时间 的累加值,因此预先采用正态分布进行系统输入性建模,得到一正态分布样本 分布发生器,并根据该预先获取的正态分布样本发生器生成的一随机时间为该 实体的检测时间,并将该检验时间与当前时间的和作为该实体检验结束时所产 生的新实体检验离开事件对应的第四目标时间,从而对数字孪生车间运行状态 进行预测。其中,对第一检验工位状态的和队列数量的改变。便于在输出后使 工作人员获知第一检验工位当前状态。
需要说明的是,由于预先获取用于预测检验时间的正态分布样本发生器与 上述用于预测加工时间的正态分布样本发生器类似,也可为同一正态分布样本 发生器,因此,在此对如何获取正态分布样本发生器不再进行赘述。
参见图5,具体地,如上所述的数字孪生车间运行状态的预测方法,根据 事件类型,执行对应事件类型的目标仿真处理逻辑,得到仿真结果的步骤S202 还包括:
步骤S501,当事件类型为实体加工结束事件时,对实体进行加工的第二 加工工位的队列中是否具有排队实体进行判断,得到第三判断结果;
步骤S502,根据第三判断结果执行第二预设处理,得到第二处理结果;
步骤S503,对对应实体的第二检验工位是否繁忙进行判断,得到第四判 断结果;
步骤S504,根据第四判断结果执行第三预设处理,得到第三处理结果;
步骤S505,根据第二处理结果和第三处理结果,得到仿真结果。
在本发明的另一优选实施例中,当事件类型为实体加工结束事件,此时实 体经过加工后,需要从加工工位转移至检验工位进行检测,数字孪生车间的加 工工位和检验工位均会产生相应的变化,此时会对对该实体进行加工的第二加 工工位的队列进行检测,判断第二加工工位的队列中是否具有排队实体,并得 到第三判断结果,进而根据第三判断结果执行第二预设处理,得到第二处理结 果;同时,还会对对应实体的第二检验工位是否繁忙进行判断,并得到第四判 断结果,进而根据第四判断结果执行第三预设处理,得到第三处理结果。通过 分别对第二检验工位和第二加工工位的状态进行检测判断,并根据判断结果进 行处理,充分考虑了第二检验工位和第二加工工位的状态变化,再对第二检验 工位和第二加工工位的进行预测处理即第二预设处理或第三预设处理,并根据 得到的预测结果即第二处理结果和第三处理结果,得到仿真结果,便于工作人 员根据输出的仿真结果准确获知第二检验工位和第二加工工位的状态。
进一步的,如上所述的数字孪生车间运行状态的预测方法,根据第三判断 结果执行第二预设处理,得到第二处理结果的步骤S502包括:
当第三判断结果为第二加工工位的队列中不具有排队实体时,将第二加工 工位设为空闲状态;
或者,当第三判断结果为第二加工工位的队列中具有排队实体时,将第二 加工工位的队列数量减一;
生成一个新实体加工结束事件,并根据预先获取的正态分布样本发生器, 获得新实体加工结束事件对应的第五目标时间。
在本发明的一具体实施例中,在根据第三判断结果执行第二预设处理时, 若第三判断结果为第二加工工位中不具有排队实体,则在该实体离开第二加工 工位后,由于第二加工工位后续没有实体进行加工,此时将该第二加工工位设 置为空闲状态;若第三判断结果为第二加工工位的队列中具有排队实体时,为 保证数字孪生车间进行仿真的连续性,此时需要对队列中排在前的排队实体进 行加工,触发对该实体的加工操作,并使得第二加工工位的队列数量减一,此 时由于该排队实体进行加工后会产生一个新实体加工结束事件,需要对该排队 实体的加工时间进行预测,具体为根据预先获取的正态分布样本发生器生成一 随机时间作为加工时间,将该加工时间与当前时间的和作为该实体加工结束时 所产生的新加工结束事件对应的第五目标时间,从而对数字孪生车间运行状态 进行预测。其中,对第二加工工位状态的和队列数量的改变。便于在输出后使 工作人员获知第二加工工位当前状态。
进一步的,如上所述的数字孪生车间运行状态的预测方法,根据第四判断 结果执行第三预设处理,得到第三处理结果的步骤S504包括:
当第四判断结果为第二检验工位处于繁忙状态时,将第二检验工位的队列 数量加一;
或者,当第四判断结果为第二检验工位处于空闲状态时,将第二检验工位 设为繁忙状态;
生成一个新实体检验结束事件,并根据预先获取的正态分布样本发生器, 获得新实体检验离开事件对应的第六目标时间。
在本发明的另一优选实施例中,在根据第四判断结果进行第三预设处理时, 若第四判断结果为第二检验工位处于繁忙状态,此时将在第二加工工位加工结 束后的实体转移至第二检验工位后,第二检验工位也无法立刻对该实体进行检 验,因此将其放置于第二检验工位的缓存区域中进行等待,即将第二检验工位 的队列数量加一;若第四判断结果为第二检验工位处于空闲状态,此时可马上 对加工完的实体进行检验,因此触发检验操作,并将第二检验工位设为繁忙状 态,
此时由于第二检验工位会进行检验,且当检验结束时后,会再次产生一个 新实体检验离开事件,此时需要预产生成一个新实体检验离开事件,并对该实 体的检验时间进行预测,根据该预先获取的正态分布样本发生器生成的一随机 时间为该实体的检测时间,并将该检验时间与当前时间的和作为该实体检验结 束时所产生的新实体检验离开事件对应的第六目标时间,从而对数字孪生车间 运行状态进行预测。其中,对第二检验工位状态的和队列数量的改变。便于在 输出后使工作人员获知第二检验工位当前状态。
优选地,如上所述的数字孪生车间运行状态的预测方法,在获取数字孪生 车间的将来事件表的步骤S101之后,还包括:
间隔一预设时间,返回执行获取数字孪生车间的将来事件表的步骤,获取 修正后的将来事件表或更新后的将来事件表。
在本发明的另一优选实施例中,在上述获取数字孪生车间的将来事件表的 步骤之后,每间隔一预设时间,返回执行获取数字孪生车间的将来事件表的步 骤,且此时所获取的将来事件表为上述经过修正后的将来事件表或更新后的将 来事件表,即通过循环执行上述步骤,实现对数字孪生车间运行状态的持续仿 真,且在持续仿真时保证仿真的瞬态性和实时性。优选地,执行上述循环步骤 时优选采用Upadate函数进行实现。
参见图6,本发明的另一优选实施例还提供了一种控制器,包括:
获取模块601,用于获取数字孪生车间的将来事件表;
第一处理模块602,用于根据实体车间的第一运行状态数据对将来事件表 进行修正,得到修正后的将来事件表;
第二处理模块603,用于当时间到达将来事件表中一第一目标时间时,对 第一目标时间所对应的目标事件进行仿真处理,并获取仿真处理的仿真结果;
第三处理模块604,用于根据仿真结果输出数字孪生车间的第二运行状态 数据,并对将来事件表进行更新。
具体地,如上所述的控制器,第二处理模块603,用于包括:
获取子模块,用于当时间到达第一目标时间时,获取目标事件的事件类型;
第一处理子模块,用于根据事件类型,执行对应事件类型的目标仿真处理 逻辑,得到仿真结果。
具体地,如上所述的控制器,第一处理子模块包括:
第一处理单元,用于当事件类型为实体加工到达事件时,确定实体所到达 的第一加工工位;
第二处理单元,用于对第一加工工位是否繁忙进行判断,得到第一判断结 果;
第三处理单元,用于根据第一判断结果进行第一预设处理,得到第一处理 结果;
第四处理单元,用于生成一个新实体到达事件,并根据预先获取的指数分 布样本发生器,获得新实体到达事件对应的第二目标时间。
进一步的,如上所述的控制器,第三处理单元包括:
第一处理子单元,用于当第一判断结果为第一加工工位处于繁忙状态时, 将第一加工工位的队列数量加一;
第二处理子单元,用于当第一判断结果为第一加工工位处于空闲状态时, 将第一加工工位设为繁忙状态;
第三处理子单元,用于生成一个新加工结束事件,并根据预先获取的正态 分布样本发生器,获得新加工结束事件对应的第三目标时间。
具体地,如上所述的控制器,第一处理子模块还包括:
第五处理单元,用于当事件类型为实体检验离开事件时,对检验实体的第 一检验工位的队列中是否具有排队实体进行判断,得到第二判断结果;
第六处理单元,用于当第二判断结果为第一检验工位的队列中不具有排队 实体时,将第一检验工位设为空闲状态;
第七处理单元,用于当第二判断结果为第一检验工位的队列中具有排队实 体时,将第一检验工位的队列数量减一;
第八处理单元,用于生成一个新实体检验离开事件,并根据预先获取的正 态分布样本发生器,获得新实体检验离开事件对应的第四目标时间。
具体地,如上所述的控制器,第一处理子模块,还包括:
第九处理单元,用于当事件类型为实体加工结束事件时,对实体进行加工 的第二加工工位的队列中是否具有排队实体进行判断,得到第三判断结果;
第十处理单元,用于根据第三判断结果执行第二预设处理,得到第二处理 结果;
第十一处理单元,用于对对应实体的第二检验工位是否繁忙进行判断,得 到第四判断结果;
第十二处理单元,用于根据第四判断结果执行第三预设处理,得到第三处 理结果;
第三处理单元,用于根据第二处理结果和第三处理结果,得到仿真结果。
进一步的,如上所述的控制器,第十处理单元包括:
第四处理子单元,用于当第三判断结果为第二加工工位的队列中不具有排 队实体时,将第二加工工位设为空闲状态;
第五处理子单元,用于当第三判断结果为第二加工工位的队列中具有排队 实体时,将第二加工工位的队列数量减一;
第六处理子单元,用于生成一个新实体加工结束事件,并根据预先获取的 正态分布样本发生器,获得新实体加工结束事件对应的第五目标时间。
进一步的,如上所述的控制器,第十二处理单元包括:
第七处理子单元,用于当第四判断结果为第二检验工位处于繁忙状态时, 将第二检验工位的队列数量加一;
第八处理子单元,用于当第四判断结果为第二检验工位处于空闲状态时, 将第二检验工位设为繁忙状态;
第九处理子单元,用于生成一个新实体检验结束事件,并根据预先获取的 正态分布样本发生器,获得新实体检验离开事件对应的第六目标时间。
优选地,如上所述的控制器,还包括:
第四处理模块,用于间隔一预设时间,返回执行获取数字孪生车间的将来 事件表的步骤,获取修正后的将来事件表或更新后的将来事件表。
本发明的控制器的实施例是与上述数字孪生车间运行状态的预测方法的 实施例对应的控制器,上述方法实施例中的所有实现手段均适用于该控制器的 实施例中,也能达到相同的技术效果。
参见图7,本发明的再一优选实施例还提供了一种数字孪生车间运行状态 的预测系统,包括:实体车间701、数字孪生车间702、可视化设备703以及 如上所述的控制器704;
控制器704分别与实体车间701、数字孪生车间702和可视化设备703数 据连接。
在本发明的再一优选实施例中还提供了一种数字孪生车间运行状态的预 测系统,该预测系统包括上述的控制器704,且该控制器704分别与实体车间 701、数字孪生车间702以及可视化设备703数据连接通过从实体车间701和 数字孪生车间702获取数据,并执行上述数字孪生车间运行状态的预测方法中 的步骤,且将得到的仿真结果即仿真报告发送至实体车间701和可视化设备 703,对实体车间进行反馈,并通过可视化设备703进行显示,实现对实体车 间701全流程全要素的实时可视化监控,便于工作人员及时对实体车间701 进行调整。其中,数字孪生车间702和实体车间701 3之间也具有数据连接, 便于进行双向映射。数字孪生车间702与可视化设备703之间也具有数据连接, 用于对数字孪生车间702进行可视化显示。
本发明的又一优选实施例还提供了一种可读存储介质,可读存储介质上存 储计算机程序,计算机程序被处理器执行时实现如上所述的数字孪生车间运行 状态的预测方法的步骤。
此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为 了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来 将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这 些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包 含”或者其任何其他变体意在涵盖非排他性的包含。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技 术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰, 这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种数字孪生车间运行状态的预测方法,其特征在于,包括:
获取数字孪生车间的将来事件表;
根据实体车间的第一运行状态数据对所述将来事件表进行修正,得到修正后的将来事件表;
当时间到达所述将来事件表中一第一目标时间时,对所述第一目标时间所对应的目标事件进行仿真处理,并获取所述仿真处理的仿真结果,包括:当时间到达所述第一目标时间时,获取所述目标事件的事件类型;根据所述事件类型,执行对应所述事件类型的目标仿真处理逻辑,得到所述仿真结果;
根据所述仿真结果输出所述数字孪生车间的第二运行状态数据,并对将来事件表进行更新;
所述根据所述事件类型,执行对应所述事件类型的目标仿真处理逻辑,得到所述仿真结果的步骤包括:
当所述事件类型为实体加工到达事件时,确定实体所到达的第一加工工位;
对所述第一加工工位是否繁忙进行判断,得到第一判断结果;
根据所述第一判断结果进行第一预设处理,得到第一处理结果;
生成一个新实体到达事件,并根据预先获取的指数分布样本发生器,获得所述新实体到达事件对应的第二目标时间。
2.根据权利要求1所述的数字孪生车间运行状态的预测方法,其特征在于,所述根据所述第一判断结果进行第一预设处理,得到第一处理结果的步骤包括:
当所述第一判断结果为所述第一加工工位处于繁忙状态时,将所述第一加工工位的队列数量加一;或者,
当所述第一判断结果为所述第一加工工位处于空闲状态时,将所述第一加工工位设为繁忙状态;
生成一个新加工结束事件,并根据预先获取的正态分布样本发生器,获得所述新加工结束事件对应的第三目标时间。
3.根据权利要求1所述的数字孪生车间运行状态的预测方法,其特征在于,所述根据所述事件类型,执行对应所述事件类型的目标仿真处理逻辑,得到所述仿真结果的步骤还包括:
当所述事件类型为实体检验离开事件时,对检验所述实体的第一检验工位的队列中是否具有排队实体进行判断,得到第二判断结果;
当所述第二判断结果为所述第一检验工位的队列中不具有所述排队实体时,将所述第一检验工位设为空闲状态;或者,
当所述第二判断结果为所述第一检验工位的队列中具有所述排队实体时,将所述第一检验工位的队列数量减一;
生成一个新实体检验离开事件,并根据预先获取的正态分布样本发生器,获得所述新实体检验离开事件对应的第四目标时间。
4.根据权利要求1所述的数字孪生车间运行状态的预测方法,其特征在于,所述根据所述事件类型,执行对应所述事件类型的目标仿真处理逻辑,得到所述仿真结果的步骤还包括:
当所述事件类型为实体加工结束事件时,对实体进行加工的第二加工工位的队列中是否具有排队实体进行判断,得到第三判断结果;
根据所述第三判断结果执行第二预设处理,得到第二处理结果;
对对应所述实体的第二检验工位是否繁忙进行判断,得到第四判断结果;
根据所述第四判断结果执行第三预设处理,得到第三处理结果;
根据所述第二处理结果和所述第三处理结果,得到所述仿真结果。
5.根据权利要求4所述的数字孪生车间运行状态的预测方法,其特征在于,所述根据所述第三判断结果执行第二预设处理,得到第二处理结果的步骤包括:
当所述第三判断结果为所述第二加工工位的队列中不具有排队实体时,将所述第二加工工位设为空闲状态;或者,
当所述第三判断结果为所述第二加工工位的队列中具有所述排队实体时,将所述第二加工工位的队列数量减一;
生成一个新实体加工结束事件,并根据预先获取的正态分布样本发生器,获得所述新实体加工结束事件对应的第五目标时间。
6.根据权利要求4所述的数字孪生车间运行状态的预测方法,其特征在于,所述根据所述第四判断结果执行第三预设处理,得到第三处理结果的步骤包括:
当所述第四判断结果为所述第二检验工位处于繁忙状态时,将所述第二检验工位的队列数量加一;或者,
当所述第四判断结果为所述第二检验工位处于空闲状态时,将所述第二检验工位设为繁忙状态;
生成一个新实体检验结束事件,并根据预先获取的正态分布样本发生器,获得所述新实体检验离开事件对应的第六目标时间。
7.根据权利要求1所述的数字孪生车间运行状态的预测方法,其特征在于,在所述获取数字孪生车间的将来事件表的步骤之后,还包括:
间隔一预设时间,返回执行所述获取数字孪生车间的将来事件表的步骤,获取修正后的所述将来事件表或更新后的所述将来事件表。
8.一种控制器,其特征在于,包括:
获取模块,用于获取数字孪生车间的将来事件表;
第一处理模块,用于根据实体车间的第一运行状态数据对所述将来事件表进行修正,得到修正后的将来事件表;
第二处理模块,用于当时间到达所述将来事件表中一第一目标时间时,对所述第一目标时间所对应的目标事件进行仿真处理,并获取所述仿真处理的仿真结果;
第三处理模块,用于根据所述仿真结果输出所述数字孪生车间的第二运行状态数据,并对将来事件表进行更新;
所述第二处理模块包括:
获取子模块,用于当时间到达第一目标时间时,获取目标事件的事件类型;
第一处理子模块,用于根据事件类型,执行对应事件类型的目标仿真处理逻辑,得到仿真结果;
所述第一处理子模块包括:
第一处理单元,用于当事件类型为实体加工到达事件时,确定实体所到达的第一加工工位;
第二处理单元,用于对第一加工工位是否繁忙进行判断,得到第一判断结果;
第三处理单元,用于根据第一判断结果进行第一预设处理,得到第一处理结果;
第四处理单元,用于生成一个新实体到达事件,并根据预先获取的指数分布样本发生器,获得新实体到达事件对应的第二目标时间。
9.一种数字孪生车间运行状态的预测系统,其特征在于,包括:实体车间、数字孪生车间、可视化设备以及如权利要求8所述的控制器;
所述控制器分别与所述实体车间、所述数字孪生车间和所述可视化设备数据连接。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的数字孪生车间运行状态的预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110151105.7A CN112947173B (zh) | 2021-02-03 | 2021-02-03 | 一种数字孪生车间运行状态的预测方法、控制器及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110151105.7A CN112947173B (zh) | 2021-02-03 | 2021-02-03 | 一种数字孪生车间运行状态的预测方法、控制器及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112947173A CN112947173A (zh) | 2021-06-11 |
CN112947173B true CN112947173B (zh) | 2023-06-02 |
Family
ID=76243453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110151105.7A Active CN112947173B (zh) | 2021-02-03 | 2021-02-03 | 一种数字孪生车间运行状态的预测方法、控制器及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112947173B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113495577B (zh) * | 2021-09-07 | 2021-12-10 | 南京航空航天大学 | 一种面向数字孪生仿真的无人机集群传感器模型校正方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109375595B (zh) * | 2018-10-25 | 2020-11-10 | 北京理工大学 | 一种车间可视化监控方法、装置及设备 |
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 |
CN110196575A (zh) * | 2019-03-08 | 2019-09-03 | 上海大学 | 一种基于数字孪生与机器学习技术的智能车间生产加工系统及方法 |
CN110187686A (zh) * | 2019-06-03 | 2019-08-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于数字孪生技术的物联网工业生产过程监控方法 |
CN111061232A (zh) * | 2019-12-09 | 2020-04-24 | 中国科学院沈阳自动化研究所 | 基于数字孪生的生产线设计与优化方法 |
CN111230887B (zh) * | 2020-03-10 | 2021-01-26 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
CN112085261B (zh) * | 2020-08-19 | 2022-06-21 | 浙江工业大学 | 基于云端融合和数字孪生技术的企业生产现状诊断方法 |
-
2021
- 2021-02-03 CN CN202110151105.7A patent/CN112947173B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112947173A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107861478B (zh) | 一种智能车间平行控制方法及系统 | |
US10817532B2 (en) | Scientific computing process management system | |
CN101083019A (zh) | 基于空间态势感知的快速评估系统 | |
CN108647886B (zh) | 科学计算流程管理系统 | |
CN112084015B (zh) | 一种基于云计算的仿真云平台搭建系统及方法 | |
WO2016155996A1 (en) | Production system and method for controlling same | |
CN112947173B (zh) | 一种数字孪生车间运行状态的预测方法、控制器及系统 | |
JP2015049819A (ja) | 生産システムシミュレーション装置、生産システムシミュレーション方法及び生産システムシミュレーションプログラム | |
CN106127365A (zh) | 定量遥感产品在线交互式自主生产方法 | |
CN115145796B (zh) | 一种码头操作系统效能的评估方法和码头数字仿真平台 | |
CN116187729A (zh) | 基于数字孪生的资源调度方法、装置、设备及存储介质 | |
CN113822585A (zh) | 一种智能冶炼工厂信息化管理系统 | |
CN110400085B (zh) | 信息处理方法、信息处理装置和信息处理系统 | |
CN116431707A (zh) | 一种基于Agent技术的虚实一体化管控系统及方法 | |
CN111260086A (zh) | 基于bim的中央空调运维方法、系统和装置 | |
CN111105080A (zh) | 基于bim模型的施工进度预测方法及系统 | |
KR20100052634A (ko) | 공장 상황 시뮬레이션을 위한 시스템 및 방법 | |
Li et al. | Discrete event-driven twin workshop modeling and simulation technology | |
CN115907684A (zh) | 一种基于数字孪生建模的电视机生产线管理方法 | |
KR20120133362A (ko) | 로딩 시뮬레이션 기반 동적 피드백 스케줄링 알고리즘을 장착한 최적화된 생산 스케줄링 시스템 | |
Teufl et al. | Optimised–developing a state of the art system for production planning for industry 4.0 in the construction industry using simulation-based optimisation | |
Xie et al. | Digital Twin Enabled Dual-System Reinforcement Learning Method | |
CN104933236A (zh) | 一种空气质量模拟系统 | |
Chen et al. | Study on container terminal virtual reality system based on component technology | |
CN116151047B (zh) | 一种电力调度数据网故障模拟仿真方法及系统 |
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 |