CN113656904B - 一种面向制造设备的数字孪生模型构建方法 - Google Patents

一种面向制造设备的数字孪生模型构建方法 Download PDF

Info

Publication number
CN113656904B
CN113656904B CN202110842292.3A CN202110842292A CN113656904B CN 113656904 B CN113656904 B CN 113656904B CN 202110842292 A CN202110842292 A CN 202110842292A CN 113656904 B CN113656904 B CN 113656904B
Authority
CN
China
Prior art keywords
equipment
data
model
information
manufacturing
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
CN202110842292.3A
Other languages
English (en)
Other versions
CN113656904A (zh
Inventor
黄东
刘竟成
郭军
于万钦
彭景�
傅相林
刘根利
何君莲
陈震宇
李素彩
罗秋科
黄海松
贾建华
邵小景
孙小云
刘春雷
唐飞
舒蜀波
邓月华
胡方霞
刘期烈
刘燕
徐勇军
杨涌
杜亚军
龙华
刘琴
秦小林
林小光
刘雨婷
陈静
欧增奇
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.)
Chongqing Siou Intelligent Technology Research Institute Co ltd
Zhongkoso Hefei Technology Co ltd
Original Assignee
Chongqing Siou Intelligent Technology Research Institute Co ltd
Zhongkoso Hefei Technology Co ltd
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 Chongqing Siou Intelligent Technology Research Institute Co ltd, Zhongkoso Hefei Technology Co ltd filed Critical Chongqing Siou Intelligent Technology Research Institute Co ltd
Priority to CN202110842292.3A priority Critical patent/CN113656904B/zh
Publication of CN113656904A publication Critical patent/CN113656904A/zh
Application granted granted Critical
Publication of CN113656904B publication Critical patent/CN113656904B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computer Hardware Design (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本申请属于数字孪生技术领域，提出一种面向制造设备的数字孪生模型构建方法，数字孪生模型由数字几何模型、IoT模型、算法模型、物理特征抽象和设备驱动单元组成，物理模型建模的过程由参数化数据信息和数字虚拟技术实现，通过模型参数在运行时仿真物理设备的行为，将仿真的虚拟设备即数字孪生体应用至生产中，并通过设备驱动与物理设备建立起双向通讯。在设备驱动实例运行过程中，通过设备驱动实时采集数据并传递至数字孪生模型中进行分析，对设备健康状态和故障征兆进行判断和预测，实现任务仿真、状态监测、任务优化、故障分析和预测功能，提高制造企业的可持续生产能力，支撑企业的生产规划与决策分析。

Description

一种面向制造设备的数字孪生模型构建方法
技术领域
本发明涉及一种面向制造设备的数字孪生模型构建方法。通过利用数字几何模型、物理特征模型、IoT模型、算法模型和混合设备驱动单元组，结合参数化数据信息和数字虚拟技术，构建数字孪生模型，通过数字孪生体模型仿真制造设备的运行/运转行为，将仿真的虚拟设备即数字孪生体应用至生产中，并通过混合设备驱动单元组与制造设备建立起双向通讯，在混合设备驱动单元组运行过程中，通过混合设备驱动单元组实时采集数据并传输至数字孪生模型进行分析，对设备健康状态和故障征兆进行判断和预测，实现任务仿真、状态监测、任务优化、故障分析和预测功能，提高制造企业的可持续生产能力，支撑企业的生产规划与决策分析，属于数字孪生技术领域。
背景技术
随着"中国制造2025"战略的推进，工业系统的自动化运行程度将越来越高，随之而来的设备故障越来越多，故障问题也越来越复杂。物联网技术在工业网络里的应用顺应了信息化的发展趋势，通过各种传感器实时监控设备运行状态，分析系统产生的运行数据，提前感知设备的故障，更有效的掌握设施、设备的工作状况，帮助企业避免损失，更加精确地将企业的真正生产状况反馈到决策层，完善企业制造生产环境中不合理要求。
数字孪生应用覆盖产品的研发、工艺规划、制造、测试、运维等各个生命周期，对于实现智能互联的复杂产品，尤其是高端智能装备，将实时采集的设备运行过程中的传感器数据传输至数字孪生模型进行分析，可以对设备的健康状态和故障状况进行诊断分析和故障预测；在以往，设备维护中遇到难题时，往往需要多个单位及相关部门进行大量的现场勘查和调研，经过多次研讨协商，才能找到问题，过程繁琐，效率低下，而且解决效果差。如何解决日趋复杂的设备远程监控运维、因种类繁多的传感器和与大量已启用设备而产生的工业大数据的问题，将面临巨大的挑战，企业迫切需要一种有效的数据采集与状态监测方案，帮助企业分析特定的工作条件并预测故障点，从而在生产和运维方面节约成本，因此如何快速方便构建设备的数字孪生模型将是解决这一需求的关键点。
发明内容
实现制造设备在仿真过程中使用数字化技术解决虚拟映射的问题，本发明提供了一种面向制造设备的数字孪生模型构建方法，包括构建数字几何模型、IoT模型、算法模型、物理特征模型和混合设备驱动单元组，其中混合设备驱动单元组通过算法模型中的控制与决策规则库，完成制造设备的命令下发与数据采集，结合相关制造属性的数据信息和数字虚拟技术，构建数字孪生模型，并通过在运行时产生的相关制造属性数据对制造设备的操作行为进行优化和功能扩展，然后建立混合设备驱动单元组与制造设备间的双工通信模式，通过混合设备驱动单元组实时采集制造设备属性数据并传输至数字孪生模型中进行分析，并对设备健康状态和故障征兆进行评估和预测，实现任务仿真、状态监测、任务优化、故障分析和预测功能，提高制造企业的可持续生产能力，支撑企业的生产规划与决策分析，具体通过以下步骤实现：
A.构建制造设备的数字孪生模型；
B.完成制造设备的数字孪生模型中数字几何模型构建、物理特征模型信息收集、IoT模型信息配置、算法模型配置、混合设备驱动单元组构建功能单元的具体实施；
C.实现算法模型中混合设备驱动单元组的构建。
所述步骤A特征为：所述制造设备的数字孪生模型，其由物理空间和数字空间组成，如图1所示，物理空间包括①人机交互界面HMI、②制造设备、③物理端口和④网关，数字空间包括数字几何模型、/>物理特征模型、/>IOT模型、/>算法模型、/>混合设备驱动单元组、/>数据湖、/>API和/>APP，数字孪生模型通过算法模型中的控制与决策规则库，生成混合设备驱动单元组，用于支撑数字空间与物理空间的通讯连接，将物理空间中制造设备的几何外观形状、操作用途、工作运行环境、工作运行状态和工作操作过程信息映射为数字空间中对应数字几何模型和物理特征信息，并通过对混合设备驱动单元组进行静态物理属性采集，实现数字几何模型与物理特征模型的数据信息同步或异步采集，同时将物理空间中通过网关上传的工艺信息、工况信息和能耗信息集成映射为数字空间中对应的IoT模型信息，数据湖用于存储数字几何模型、物理特征模型、IoT模型和算法模型的相关数据，以及制造设备的物理特征数据和工作状态下的制造设备产生的数据，数据湖中存储的信息通过/>API接口公开发布，用于第三方检维修APP、资源管理APP、点检管理APP、设备维护APP、生产制造APP、保养管理APP、备件管理APP和设备监控APP的功能对接，通过请求/响应、发布/订阅完成同步或异步信息交换，满足第三方/>APP并发调用。
所述步骤A特征为：所述制造设备数字孪生模型中的物理空间用于表述制造设备的生产过程信息，其由制造设备、人机交互界面HMI、网关和物理端口组成，其中制造设备指生产过程中使用的工业产品，包括设施、设备和传感器；人机交互界面HMI用于表示人与制造设备间的操作信息、关联信息以及人机信息交换的输入/输出设备信息；制造设备的物理端口用于网关连接，并通过网关将物理端口支撑的传输协议映射为数字空间中混合设备驱动单元组使用的通讯协议，其中，物理端口包括RS232、RS485、RJ11、RJ45、WIFI和5G/4G/3G、蓝牙、ZigBee，通过网关将物理端口转换输出为数字空间算法模型使用的连接协议，算法模型生成的混合设备驱动单元组使用的协议包括ModbusTCP、AMQP、MQTT、OPCDA、OPCUA、S7、HART、Profibus和Pofinet。
所述步骤A特征为：所述制造设备数字孪生模型支撑的数字空间通过数字虚拟技术建立，其包括数字几何模型、设备物理属性特征模型、IoT参数模型、算法模型、数据湖、API数据服务和APP应用集合，其中数字几何模型作为数字空间中与其它模型连接进行信息交换的中枢，其分别从物理特征、IoT模型、算法模型获取静态信息、模型信息，并与混合设备驱动单元组协同工作，实现动态信息的数据采集，如图7所示，数字几何模型以二维/三维图形的方式呈现物理空间中制造设备的静态物理属性和动态物理属性信息，并与制造设备物理属性数据信息关联，然后将物理空间中制造设备的物理属性信息通过映射实时更新数字几何模型中对应信息；制造设备的静态物理属性和动态物理属性信息包括设备台账信息、设备检维修记录和故障记录，台账信息包括设备名称，型号规格，购入日期，投产日期，供应商，操作使用手册，培训手册，竣工文件；IoT模型用于定义制造设备的工况参数、工艺参数，通过设备属性分类和抽象，标记为工艺信息、设备环境信息、能耗信息、工况信息和生产信息，工艺信息包括工艺流程、工艺参数、设备匹配关系、设备布局，人员规划信息、工期，设备环境信息包括温度、湿度、PM值、噪声、风力和风向，能耗信息包括设备负载、电流电压、功率，工况信息包括设备运转/运行速度、运行时间分布、设备综合效率OEE、实时任务响应、任务周期，生产信息包括生产节拍、产线能耗、生产进度、已耗资源；算法模型是设备的感知单元，数据泵作为算法模型的核心单元，数据泵包括控制器、感知规则、告警事件规则和用于处理消息流的数据处理逻辑单元；数据湖用于存储结构化、半结构化和非结构化的同构或异构数据，其中，结构化数据包括：关系型数据和对象数据；半结构化数据，包括CSV、日志、XML、JSON、HTML、报表；非结构化数据，包括电子邮件、文档、PDF、图片、音频、视频；应用程序API用于根据APP业务使用要求将数据湖中的静态物理数据、动态物理数据和模型数据，发布为标准服务，并以虚拟服务目录资源的形式提供至应用APP使用，APP虚拟服务目录资源用于映射设备工艺参数、设备环境、能耗参数、工况参数和生产参数的数据，实时检测设备的运行状况。
所述步骤B特征为：所述制造设备的数字孪生模型中的数字几何模型的构建，根据物理空间中制造设备的物理属性、参数信息，通过二维/三维建模软件生成与物理空间中相匹配的制造设备的二维/三维模型，并将物理空间中与制造设备相关的工况信息、工艺信息和能耗信息以虚拟对象的形式映射到数字几何模型对应的功能区域、状态区域和客户需求区域中，在数字几何模型中生成反应物理空间中制造设备的实时物理属性、参数信息和二维/三维图形信息，功能区域为虚拟制造设备的数字化功能与故障属性集，状态区域为工作过程、工作环境在数字空间中对应的工作工况属性信息、客户需求区域为一致性与个性化用户需求在数字空间中对应的用户体验与用户挖掘能力属性信息。
所述步骤B特征为：所述制造设备的数字孪生模型中物理特征模型，用于将制造设备静态数据按照设备的性质、类型、用途进行归纳分类，具体为设备台账、检维修记录、故障记录和设备履历参数信息；设备台账包括设备编号、设备名称、设备型号、生产厂商、验收记录、出厂日期、购买日期；检维修记录包括检维修时间、设备编号、使用部门、检维修人员、故障现象；故障记录包括故障时间、设备编号、故障部位、故障原因、处理情况；设备履历包括保养记录、检维修记录、维护部门、维护人员。
所述步骤B特征为：所述制造设备的数字孪生模型中IoT模型的构建，具体包括：设备工艺信息、设备环境、能耗信息和工况信息；分类IoT模型实现如图4、5所示，具体实现步骤为：①收集制造设备信息参数，包括：工序顺序、流程设计、设备选型、设备布局、温度、电压、湿度、PM值、噪声、风力、风向、当前负载、速度、实时能耗、人员安排、工期制定、运行时间、实时任务、任务工期、生产节拍、产线能耗、生产进度、已耗资源；②将收集的参数按照IoT模型的配置信息分类为设备工艺参数、设备环境、能耗参数和工况参数；③对分类的信息参数进行建模。
所述步骤B特征为：所述算法模型的构建具体为：利用物理特征模型和IoT模型提供的输入数据与算法模型中的连接池、流式数据处理器、数据泵、控制器/合并规则/拆分规则/感知规则/事件规则/特殊处理逻辑联合构建算法模型，并生成设备驱动单元，如图6所示，其中设备驱动单元的运算逻辑处理为制造设备的数据采集提供协议的接入、工业协议的转换、数据采集/清洗/加工、数据合规性策略校验、数据拆分、数据合并、数据感知计算和事件告警；
所述步骤B特征为：所述混合设备驱动单元组作为物理空间和数字空间的桥梁，其通过算法模型的核心组成单元构建，用于建立制造设备与虚拟设备间的数字孪生关系，通过混合设备驱动单元组中不同计算节点的运算逻辑处理，实现制造设备的运行数据采集，利用混合设备驱动单元组扩展边缘计算功能，提高数据采集的处理能力，混合设备驱动单元组由控制器、数据泵组成，如图3所示，混合设备驱动单元组由若干实现数据采集的设备驱动单元构成，并通过轮询和推送工作模式采集数据，其中轮询模式通过时间节点扫描制造设备的运行/运转数据信息并进行数据采集；推送模式由制造设备在工作状态下，通过传感器事件将运行/运转数据信息发送至设备驱动单元，完成数据采集，设备驱动单元根据应用场景和应用空间分布状态，选择时间驱动或事件驱动单一工作模式，若两种模式同时工作，属于混合工作模式类型，若制造设备需完成离散制造任务时，使用时间驱动或事件驱动单一工作模式，若制造设备需完成精益制造任务时，使用混合工作模式。
所述步骤C特征为：所述制造设备的数字孪生模型中数字孪生体的构建具体为：首先通过构建数字几何模型、获取物理特征模型/IoT模型信息、构建算法模型，再通过数字孪生体模型的构建和仿真操作，实现物理空间制造设备工作状态下的数据信息与数字空间虚拟设备间的属性信息交替呈现与同步更新。
所述步骤C特征为：所述混合设备驱动单元组中控制器的构建，其由协议、点位信息和基础规则组成，控制器作为制造设备与虚拟设备的连接通道，为所有虚拟设备提供数据交换及通讯能力，用于获取制造设备在运行/运转工作状态下产生的动态物理数据信息；其中，协议作为制造设备与虚拟数字设备通讯的规则和约定，在设计控制器时根据业务场景或设备提供的协议数据单元A兼容的协议，选择与虚拟数字设备提供的协议数据单元B兼容的协议，点位是指制造设备物理信息的数据单元集，数据单元集由若干数据单元组成，其包括由若干个物理信息组成的编码段，以及由多个编码段组成的物理信息集；基础规则用于对点位数据进行规则化处理，包括拆分规则、合并规则和等量新建规则，其中拆分规则表示将单个数据单元集拆分为若干数据单元，合并规则表示将若干数据单元合并为数据单元集。
所述步骤C特征为：所述混合设备驱动单元组中数据泵的构建，其由控制器、高级规则、事件、数据项和自定义消息流组成，利用数据泵对制造设备运行数据按照IoT模型对象的运行数据信息进行关联，并对未能识别的数据按照第三方提供的属性对照表转换为数字空间可识别数据，同时对设备状态数据和设备生产数据按照不同的高级规则进行提取和挖掘，具体为：
(1)事件包括固化型事件和非固化型事件，其中固化型事件为响应制造行为而触发的对应性事件，非固化型事件为响应制造行为而触发的非预期事件；
(2)数据项包括输入数据项、输出数据项，其中输入数据项用于采集制造设备的相关信息，该数据项支撑数字孪生体在数字空间中数字几何模型的信息展现，输入数据项包括静态数据和动态数据，静态数据是指制造设备的物理特征模型信息，动态数据是指设备运行过程中产生的数据，用于通过数据信息的分类完成IoT模型数据的规则化重组与按需分布；输出数据项用于存储数据湖的规则化数据；
(3)自定义数据处理逻辑消息流，为在已有消息流加入支撑第三方应用的业务操作逻辑。
所述步骤C特征为：所述数据泵中的高级规则为根据制造设备的数据采集要求进行规则配置，规则类型包括计算规则、感知规则、校验规则和关联规则，通过设置规则对设备制造能力、设备健康状态和设备维护实现制造能力的分配与优化，具体为：
表1：关联分析样本数据集
编号 采集数据信息
001 温度、压力、振动、噪音
002 振动、噪音
003 功率、转速、温度、压力
004 电流、功率、转速、温度
005 温度、压力
006 压力、振动、噪音
007 转速、振动、噪音
关联规则表示若干组存在关联关系规则的数据信息，通过频繁模式和关联程度辨别关联的强弱，关联规则为的蕴涵公式，表示A和B之间存在关联，其中A为关联规则的前置，B为关联规则的后继，前置表示制造设备在工作状态下已经确认的运行/运转产生的若干信息，后继为根据前置行为产生的若干信息并对其进行数据挖掘获取存在关联关系的数据集，关联规则如表1所示，其中输入数据项表示采集数据信息中单个物理参数，如温度、压力等；输入数据项集为由若干个与制造设备相关的输入数据项集合，如温度、压力、振动、噪音；频繁模式是指制造设备进行数据采集时告警事件触发阈值的频次，用于预测制造设备在工作状态下的运行/运转的状态信息，根据预测的信息情况评估关联规则中若干信息的关联程度、关联程度与支持度和置信度相互关系，其中支持度与置信度都高于阈值时称作强关联，当处于强关联状态时的制造设备发出告警，呈现制造设备高风险状态并进行人工干预处置，支持度与置信度单个高于阈值称作弱关联，当处于弱关联状态时的制造设备发出告警，呈现制造设备运行/运转的状态信息预防生产停机事故，具体算法为：
①设事务集合T＝{t1,t2,…,ti…,tn}是由采集的数据信息构成，
其中ti称为采集数据项，集合I＝{T1,T2,…,Tn}，其中T1,…,Tn为事务集合，n∈N*，则
②设集合A＝{a1,a2,a3,…,an}，其中a1,…,an为集合A中的采集数据项，A∈T；集合B＝{b1,b2,b3,…,bn}，其中b1,…,bn为集合B中的采集数据项，B∈T，
③设集合I中事务T包含A的事务数量为SUM(A)，设集合I中事务T含A∪B的事务数量为SUM(A∪B)；
④关联规则的支持度为α，则α＝SUM(A∪B)/n，其中/>
⑤关联规则的置信度为β，则β＝SUM(A∪B)/SUM(A)，其中/>
⑥频繁模式下的输入数据项集指支持度经验值的输入数据项，公式支持度经验值为α≥γ，0.12≤γ＜0.95，γ；
⑦通过关联规则在集合I中获取强关联和弱关联组合输入数据项：当α取值范围在(0.35≤α＜0.95)且β的取值范围在(0.65≤β＜0.95)时，关联规则为强关联规则；当α取值范围在(0.13≤α＜0.34)且β的取值范围在(0.13≤β＜0.64)时，关联规则/>为弱关联规则。
所述步骤C特征为：所述混合设备驱动单元组的构建，其为与物理空间中相应制造设备采集的信息，并将采集的信息映射为与对应的数字空间中的由相应设备属性信息构建的制造逻辑设备模型，逻辑设备通过数据泵和控制器相关的连接池和流式数据处理器，构建制造设备与逻辑设备的映射关联机制，其中连接池为服务于制造设备的连接方式，通过连接池建立设备与网关间的连接服务对象；流式数据处理器用于支撑混合设备驱动单元组的运行，其将单个消息流与对应的混合设备驱动单元组相关联，消息流中的接入节点通过连接参数实现制造设备的连接，并采集制造设备在工作状态下产生的数据。
所述步骤C特征为：所述混合设备驱动单元组，用于根据逻辑设备、数字几何模型、物理特征模型、IoT模型、算法模型的对象信息，获得离散制造与优质制造共存下的混合设备驱动单元组，支撑异构制造平台、同构/异构协议、数据湖和多维连接池，适配协议数据单元A和B，具体包括制造设备虚拟化数字孪生和虚拟对象信息化建模，其中，
(1)制造设备虚拟化数字孪生建模过程如图4所示，具体为：
①根据业务需求，获得构建数字孪生模型的信息，并转至步骤②；
②获得制造设备的相关信息，并根据与混合设备驱动单元组相对应的算法模型对数字空间中的设备信息模型数据分类，并转至步骤③；
③将获得的设备信息模型数据进行封装，封装对象包括设备台账、连接协议、点位信息和感知计算规则，完成制造设备虚拟化数字孪生建模；
(2)虚拟对象信息化建模过程如图5所示，具体为：
①将设备台账、连接协议、点位信息和感知计算规则进行组合，并转至步骤②；
②根据数据泵、控制器、连接池和流式数据处理器的模型数据，并对混合设备驱动单元组进行功能调整，并转至步骤③；
③根据驱动模板的装配要求，完善驱动模板的数据信息，由驱动模板获得相应的混合设备驱动单元组，完成虚拟对象信息化建模。
附图说明
图1数字孪生模型构建示例原理模型图；
图2数字孪生模型构建方法流程图；
图3设备驱动单元构建流程图；
图4物理对象虚拟化模型；
图5虚拟对象信息化模型；
图6算法模型结构示意图；
图7数字孪生模型关联关系示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
步骤1，构建数字孪生模型，通过充分利用数字几何模型、物理特征模型、IoT模型、算法模型和混合设备驱动单元组组成物理空间和数字空间，结合参数化数据信息和数字虚拟技术，构建数字孪生模型，通过数字孪生体模型仿真制造设备的运行/运转行为，将仿真的虚拟设备即数字孪生体应用至生产中，并通过混合设备驱动单元组与制造设备建立起双向通讯，在混合设备驱动单元组运行过程中，通过混合设备驱动单元组实时采集数据并传递至数字孪生模型进行分析，对设备健康状态和故障征兆进行判断和预测，使用算法模型中的控制与决策规则库，生成混合设备驱动单元组，用于支撑数字空间与物理空间的通讯连接，将物理空间中制造设备的几何外观形状、操作用途、工作运行环境、工作运行状态和工作操作过程信息映射为数字空间中对应数字几何模型和物理特征模型信息，并通过对混合设备驱动单元组进行静态物理属性信息采集，实现数字几何模型与物理特征模型的数据信息同步或异步采集，同时将物理空间中通过网关上传的工艺信息、工况信息和能耗信息集成映射为数字空间中对应的IoT模型信息，数据湖用于存储数字几何模型、物理特征模型、IoT模型和算法模型的相关数据，以及制造设备的物理特征数据和工作状态下的制造设备产生的数据实现任务仿真、状态监测、任务优化、故障分析和预测功能，提高制造企业的可持续生产能力，支撑企业的生产规划与决策分析，实现制造设备在仿真过程中使用数字化表达解决虚拟映射的问题。
步骤2，构建制造设备数字孪生模型物理空间，用于表述制造设备的生产过程信息，其由制造设备、人机交互界面HMI、网关和物理端口组成，其中制造设备指生产过程中使用的工业产品，包括设施、设备和传感器；人机交互界面HMI用于表示人与制造设备间的操作信息、关联信息以及人机信息交换的输入/输出设备信息；制造设备的物理端口用于网关连接，并通过网关将物理端口支撑的传输协议映射为数字空间中混合设备驱动单元组使用的通讯协议，其中，物理端口包括RS232、RS485、RJ11、RJ45、WIFI和5G/4G/3G、蓝牙、ZigBee，通过网关将物理端口转换输出为数字空间算法模型使用的连接协议，算法模型生成的混合设备驱动单元组使用的协议包括ModbusTCP、AMQP、MQTT、OPCDA、OPCUA、S7、HART、Profibus和Pofinet。
步骤3，构建制造设备数字孪生模型数字空间，其通过数字虚拟技术建立，具体包括数字几何模型、设备物理属性特征模型、IoT参数模型、算法模型、数据湖、API数据服务和APP应用集合，其中数字几何模型作为数字空间中与其它模型连接进行信息交换的中枢，其分别从物理特征、IoT模型、算法模型获取静态信息、模型信息，并与混合设备驱动单元组协同工作，实现动态信息的数据采集，如图7所示，数字几何模型以二维/三维图形的方式呈现物理空间中制造设备的静态物理属性和动态物理属性信息，并与制造设备物理属性数据信息关联，然后将物理空间中制造设备的物理属性信息通过映射实时更新数字几何模型中对应信息；制造设备的静态物理属性和动态物理属性信息包括设备台账信息、设备检维修记录和故障记录，台账信息包括设备名称，型号规格，购入日期，投产日期，供应商，操作使用手册，培训手册，竣工文件；IoT模型用于定义制造设备的工况参数、工艺参数，通过设备属性分类和抽象，标记为工艺信息、设备环境信息、能耗信息、工况信息和生产信息，工艺信息包括工艺流程、工艺参数、设备匹配关系、设备布局，人员规划信息、工期，设备环境信息包括温度、湿度、PM值、噪声、风力和风向，能耗信息包括设备负载、电流电压、功率，工况信息包括设备运转/运行速度、运行时间分布、设备综合效率OEE、实时任务响应、任务周期，生产信息包括生产节拍、产线能耗、生产进度、已耗资源；算法模型是设备的感知单元，数据泵作为算法模型的核心单元，数据泵包括控制器、感知规则、告警事件规则和用于处理消息流的数据处理逻辑单元；数据湖用于存储结构化、半结构化和非结构化的同构或异构数据，其中，结构化数据包括：关系型数据和对象数据；半结构化数据，包括CSV、日志、XML、JSON、HTML、报表；非结构化数据，包括电子邮件、文档、PDF、图片、音频、视频；应用程序API用于根据APP业务使用要求将数据湖中的静态物理数据、动态物理数据和模型数据，发布为标准服务，并以虚拟服务目录资源的形式提供至应用APP使用，APP虚拟服务目录资源用于映射设备工艺参数、设备环境、能耗参数、工况参数和生产参数的数据，实时检测设备的运行状况。
步骤4，构建数字几何模型，根据物理空间中制造设备的物理属性、参数信息，通过二维/三维建模软件生成与物理空间中相匹配的制造设备的二维/三维模型，并将物理空间中与制造设备相关的工况信息、工艺信息和能耗信息以虚拟对象的形式映射到数字几何模型对应的功能区域、状态区域和客户需求区域中，在数字几何模型中生成反应物理空间中制造设备的实时物理属性、参数信息和二维/三维图形信息，功能区域为虚拟制造设备的数字化功能与故障属性集，状态区域为工作过程、工作环境在数字空间中对应的工作工况属性信息、客户需求区域为一致性与个性化用户需求在数字空间中对应的用户体验与用户挖掘能力属性信息。
步骤5，构建物理特征模型，用于将制造设备静态数据按照设备的性质、类型、用途进行归纳分类，具体为设备台账、检维修记录、故障记录和设备履历参数信息；设备台账包括设备编号、设备名称、设备型号、生产厂商、验收记录、出厂日期、购买日期；检维修记录包括检维修时间、设备编号、使用部门、检维修人员、故障现象；故障记录包括故障时间、设备编号、故障部位、故障原因、处理情况；设备履历包括保养记录、检维修记录、维护部门、维护人员。
步骤6，构建IoT模型，具体包括：设备工艺信息、设备环境、能耗信息和工况信息；分类IoT模型实现如图4、5所示，具体实现步骤为：①收集制造设备信息参数，包括：工序顺序、流程设计、设备选型、设备布局、温度、电压、湿度、PM值、噪声、风力、风向、当前负载、速度、实时能耗、人员安排、工期制定、运行时间、实时任务、任务工期、生产节拍、产线能耗、生产进度、已耗资源；②将收集的参数按照IoT模型的配置信息分类为设备工艺参数、设备环境、能耗参数和工况参数；③对分类的信息参数进行建模。
步骤7，构建算法模型，利用物理特征模型和IoT模型提供的输入数据与算法模型中的连接池、流式数据处理器、数据泵、控制器/合并规则/拆分规则/感知规则/事件规则/特殊处理逻辑联合构建算法模型，并生成设备驱动单元，如图6所示，其中设备驱动单元的运算逻辑处理为制造设备的数据采集提供协议的接入、工业协议的转换、数据采集/清洗/加工、数据合规性策略校验、数据拆分、数据合并、数据感知计算和事件告警。
步骤8，构建混合设备驱动单元组，混合设备驱动单元组作为物理空间和数字空间的桥梁，其通过算法模型的核心组成单元构建，用于建立制造设备与虚拟设备间的数字孪生关系，通过混合设备驱动单元组中不同计算节点的运算逻辑处理，实现制造设备的运行数据采集，利用混合设备驱动单元组扩展边缘计算功能，提高数据采集的处理能力，混合设备驱动单元组由控制器、数据泵、逻辑设备组成，如图3所示，混合设备驱动单元组由若干实现数据采集的设备驱动单元构成，并通过轮询和推送工作模式采集数据，其中轮询模式通过时间节点扫描制造设备的运行/运转数据信息进行数据采集；推送模式由制造设备在工作状态下，通过传感器事件将运行/运转数据信息发送至设备驱动，完成数据采集，设备驱动单元根据应用场景和应用空间分布状态，选择时间驱动或事件驱动单一工作模式，若两种模式同时工作，属于混合工作模式类型，若制造设备需完成离散制造任务时，使用时间驱动或事件驱动单一工作模式，若制造设备需完成精益制造任务时，使用混合工作模式。
步骤9，构建数字孪生体，首先通过构建数字几何模型、获取物理特征模型/IoT模型信息、构建算法模型，再通过数字孪生体模型的构建和仿真操作，实现物理空间制造设备工作状态下的数据信息与数字空间虚拟设备间的属性信息交替呈现与同步更新。
步骤10，构建控制器，其由协议、点位信息和基础规则组成，控制器作为制造设备与虚拟设备的连接通道，为所有虚拟设备提供数据交换及通讯能力，用于获取制造设备在运行/运转工作状态下产生的动态物理数据信息；其中，协议作为制造设备与虚拟数字设备通讯的规则和约定，在设计控制器时根据业务场景或设备提供的协议数据单元A兼容的协议，选择与虚拟数字设备提供的协议数据单元B兼容的协议，点位是指制造设备物理信息的数据单元集，数据单元集由若干数据单元组成，其包括由若干个物理信息组成的编码段，以及由多个编码段组成的物理信息集；基础规则用于对点位数据进行规则化处理，包括拆分规则、合并规则和等量新建规则，其中拆分规则表示将单个数据单元集拆分为若干数据单元，合并规则表示将若干数据单元合并为数据单元集。
步骤11，构建数据泵，其由控制器、高级规则、事件、数据项和自定义消息流组成，利用数据泵对制造设备运行数据按照IoT模型对象的运行数据信息进行关联，并对未能识别的数据按照第三方提供的属性对照表转换为数字空间可识别数据，同时对设备状态数据和设备生产数据按照不同的高级规则进行提取和挖掘，具体为：
(1)事件包括固化型事件和非固化型事件，其中固化型事件为响应制造行为而触发的对应性事件，非固化型事件为响应制造行为而触发的非预期事件；
(2)数据项包括输入数据项、输出数据项，其中输入数据项用于采集制造设备的相关信息，该数据项支撑数字孪生体在数字空间中数字几何模型的信息展现，输入数据项包括静态数据和动态数据，静态数据是指制造设备的物理特征信息，动态数据是指设备运行过程中产生的数据，用于通过数据信息的分类完成IoT模型数据的规则化重组与按需分布；输出数据项用于存储数据湖的规则化数据；
(3)自定义数据处理逻辑消息流，为在已有消息流加入支撑第三方应用的业务操作逻辑。
步骤12，数据泵中高级规则的设计，所述数据泵中的高级规则为根据制造设备的数据采集要求进行规则配置，规则类型包括计算规则、感知规则、校验规则和关联规则，通过设置规则对设备制造能力、设备健康状态和设备维护实现制造能力的分配与优化，具体为：
表1：关联分析样本数据集
编号 采集数据信息
001 温度、压力、振动、噪音
002 振动、噪音
003 功率、转速、温度、压力
004 电流、功率、转速、温度
005 温度、压力
006 压力、振动、噪音
007 转速、振动、噪音
关联规则表示若干组存在关联关系规则的数据信息，通过频繁模式和关联程度辨别关联的强弱，关联规则为的蕴涵公式，表示A和B之间存在关联，其中A为关联规则的前置，B为关联规则的后继，前置表示制造设备在工作状态下已经确认的运行/运转产生的若干信息，后继为根据前置行为产生的若干信息并对其进行数据挖掘获取存在关联关系的数据集，关联规则如表1所示，其中输入数据项表示采集数据信息中单个物理参数，如温度、压力等；输入数据项集为由若干个与制造设备相关的输入数据项集合，如温度、压力、振动、噪音；频繁模式是指制造设备进行数据采集时告警事件触发阈值的频次，用于预测制造设备在工作状态下的运行/运转的状态信息，根据预测的信息情况评估关联规则中若干信息的关联程度、关联程度与支持度和置信度相互关系，其中支持度与置信度都高于阈值时称作强关联，当处于强关联状态时的制造设备发出告警，呈现制造设备高风险状态并进行人工干预处置，支持度与置信度单个高于阈值称作弱关联，当处于弱关联状态时的制造设备发出告警，呈现制造设备运行/运转的状态信息预防生产停机事故，具体算法为：
①设事务集合T＝{t1,t2,…,ti…,tn}是由采集的数据信息构成，
其中ti称为采集数据项，集合I＝{T1,T2,…,Tn}，其中T1,...,Tn为事务集合，n∈N*，则
②设集合A＝{a1,a2,a3,…,an}，其中a1,...,an为集合A中的采集数据项，A∈T；集合B＝{b1,b2,b3,…,bn}，其中b1,...,bn为集合B中的采集数据项，B∈T，
③设集合I中事务T包含A的事务数量为SUM(A)，设集合I中事务T含A∪B的事务数量为SUM(A∪B)；
④关联规则的支持度为α，则α＝SUM(A∪B)/n，其中/>
⑤关联规则的置信度为β，则β＝SUM(A∪B)/SUM(A)，其中/>
⑥频繁模式下的输入数据项集指支持度经验值的输入数据项，公式支持度经验值为α≥γ，0.12≤γ＜0.95，γ；
⑦通过关联规则在集合I中获取强关联和弱关联组合输入数据项：当α取值范围在(0.35≤α＜0.95)且β的取值范围在(0.65≤β＜0.95)时，关联规则为强关联规则；当α取值范围在(0.13≤α＜0.34)且β的取值范围在(0.13≤β＜0.64)时，关联规则/>为弱关联规则；其中一种关联规则分析方法为：表2为样本数据，因果支持度为因果次数占总次数的比例，置信区间为告警触发开始至结束时间的区间，通过表2数据结合规则阀值分析得到：序号1和2属于强关联规则，序号3和4属于弱关联规则，表3为关联规则结果，通过预警时间在目标参数发生报警之前，对设备关联参数做出调整。
表2：关联规则因果关系
表3：关联规则参数结果
步骤13，完成混合设备驱动单元组中逻辑设备构建，其为与物理空间中相应制造设备采集的信息，并将采集的信息映射为数字空间中相应设备属性信息的逻辑设备，逻辑设备通过数据泵和控制器相关的连接池和流式数据处理器，生成制造设备与逻辑设备的映射关联机制，其中连接池为服务于制造设备的连接方式，通过连接池建立设备与网关间的连接服务对象；流式数据处理器用于支撑混合设备驱动单元组的运行，其将单个消息流与对应的混合设备驱动单元组相关联，消息流中的接入节点通过连接参数实现制造设备的连接，并采集制造设备在工作状态下产生的数据。
步骤14，完成混合设备驱动单元组的构建，根据逻辑设备封装的对象信息，获得离散制造与优质制造共存下的混合设备驱动单元组，支撑异构制造平台、同构/异构协议、数据湖和多维连接池，适配协议数据单元A和B，具体包括制造设备虚拟化数字孪生和虚拟对象信息化建模，其中，
(1)制造设备虚拟化数字孪生建模过程如图4所示，具体为：
①根据业务需求，获得构建数字孪生模型的信息，并转至步骤②；
②获得制造设备的相关信息，并根据与混合设备驱动单元组相对应的算法模型对数字空间中的设备信息模型数据分类，并转至步骤③；
③将获得的设备信息模型数据进行封装，封装对象包括设备台账、连接协议、点位信息和感知计算规则，完成制造设备虚拟化数字孪生建模；
(2)虚拟对象信息化建模过程如图5所示，具体为：
①将设备台账、连接协议、点位信息和感知计算规则进行组合，并转至步骤②；
②根据数据泵、控制器、连接池和流式数据处理器的模型数据，并对混合设备驱动单元组进行功能调整，并转至步骤③；
③根据驱动模板的装配要求，完善驱动模板的数据信息，由驱动模板获得相应的混合设备驱动单元组，完成虚拟对象信息化建模。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种面向制造设备的数字孪生模型构建方法，其特征在于：所述制造设备的数字孪生模型，其由物理空间和数字空间组成，并通过算法模型中的控制与决策规则库，生成混合设备驱动单元组，用于支撑数字空间与物理空间的通讯连接，将物理空间中制造设备的几何外观形状、操作用途、工作运行环境、工作运行状态和工作操作过程信息映射为数字空间中对应数字几何模型和物理特征模型信息，并通过对混合设备驱动单元组进行静态物理属性信息采集，实现数字几何模型与物理特征模型的数据信息同步或异步采集，同时将物理空间中通过网关上传的工艺信息、工况信息和能耗信息集成映射为数字空间中对应的IoT模型信息，数据湖用于存储数字几何模型、物理特征模型、IoT模型和算法模型的相关数据，以及制造设备的物理特征数据和工作状态下的制造设备产生的数据，数据湖中存储的信息通过API接口发布，用于第三方APP的调用；
所述混合设备驱动单元组，由若干实现数据采集的设备驱动单元构成，其次设备驱动单元通过轮询和推送工作模式采集数据，其中轮询模式通过时间节点扫描制造设备的运行/运转数据信息进行数据采集；推送模式由制造设备在工作状态下，通过传感器事件将运行/运转数据信息发送至设备驱动，完成数据采集，设备驱动单元根据应用场景和应用空间分布状态，选择时间驱动或事件驱动单一工作模式，若两种模式同时工作，属于混合工作模式类型，若制造设备需完成离散制造任务时，使用时间驱动或事件驱动单一工作模式，若制造设备需完成精益制造任务时，使用混合工作模式。
2.根据权利要求1所述的一种面向制造设备的数字孪生模型构建方法，其特征在于，所述的数字孪生模型中的物理空间用于表述制造设备的生产过程信息，物理空间由制造设备、人机交互界面HMI、网关和物理端口组成，其中，制造设备指生产过程中使用的工业产品；人机交互界面HMI用于展示人与制造设备间的操作信息、关联信息以及人机信息交换的输入/输出设备信息；制造设备的物理端口用于发送或接收信息，并通过网关将物理端口支撑的传输协议映射为数字空间中混合设备驱动单元组使用的通讯协议。
3.根据权利要求1所述的一种面向制造设备的数字孪生模型构建方法，其特征在于，所述数字空间通过数字虚拟技术建立，其包括数字几何模型、设备物理属性特征模型、IoT参数模型、算法模型、数据湖、API数据服务和APP应用集合，其中数字几何模型作为数字空间中与其它模型连接进行信息交换的中枢，其分别从物理特征、IoT模型、算法模型获取静态信息、模型信息，并与混合设备驱动单元组协同工作，实现动态信息的数据采集，数字几何模型以二维/三维图形的方式呈现物理空间中制造设备的静态物理属性和动态物理属性信息，并与制造设备物理属性数据信息关联，然后将物理空间中制造设备的物理属性信息通过映射实时更新数字几何模型中对应信息；制造设备的静态物理属性和动态物理属性信息包括设备台账信息、设备检维修记录和故障记录；IoT模型用于定义制造设备的工况参数、工艺参数；算法模型是设备的感知单元，数据泵作为算法模型的核心单元，数据泵包括控制器、感知规则、告警事件规则和用于处理消息流的数据处理逻辑单元；数据湖用于存储结构化、半结构化和非结构化的同构或异构数据；应用程序API用于根据APP业务使用要求将数据湖中的静态物理数据、动态物理数据和模型数据，发布为标准服务，并以虚拟服务目录资源的形式提供至应用APP使用，APP虚拟服务目录资源用于映射设备工艺参数、设备环境、能耗参数、工况参数和生产参数的数据，实时检测设备的运行状况。
4.根据权利要求1所述的一种面向制造设备的数字孪生模型构建方法，其特征在于：所述的数字孪生模型构建过程包括：构建数字几何模型、物理特性模型、IoT模型、算法模型、混合设备驱动单元组、数字孪生体。
5.根据权利要求1所述的一种面向制造设备的数字孪生模型构建方法，其特征在于：所述的混合设备驱动单元组中控制器的构建，其由协议、点位信息和基础规则组成，控制器作为制造设备与虚拟设备的连接通道，为所有虚拟设备提供数据交换及通讯能力，用于获取制造设备在运行/运转工作状态下产生的动态物理数据信息；其中，协议作为制造设备与虚拟数字设备通讯的规则和约定，在设计控制器时根据业务场景或设备提供的协议数据单元A兼容的协议，选择与虚拟数字设备提供的协议数据单元B兼容的协议，点位是指制造设备物理信息的数据单元集，数据单元集由若干数据单元组成，其包括由若干个物理信息组成的编码段，以及由多个编码段组成的物理信息集；基础规则用于对点位数据进行规则化处理。
6.根据权利要求1所述的一种面向制造设备的数字孪生模型构建方法，其特征在于：所述混合设备驱动单元组中数据泵的构建，其由控制器、高级规则、事件、数据项和自定义消息流组成，利用数据泵对制造设备运行数据按照IoT模型对象的运行数据信息进行关联，并对未能识别的数据按照第三方提供的属性对照表转换为数字空间可识别数据，同时对设备状态数据和设备生产数据按照不同的高级规则进行提取和挖掘。
7.根据权利要求1所述的一种面向制造设备的数字孪生模型构建方法，其特征在于：所述混合设备驱动单元组中逻辑设备的构建，首先通过物理空间中相应制造设备相关信息的采集，并将采集的信息映射为数字空间中包含设备属性信息的数字几何模型、物理特征模型和IoT模型，其中连接池为服务于制造设备的连接方式，通过连接池建立设备驱动单元与网关间的连接服务对象；流式数据处理器用于支撑混合设备驱动单元组的运行，其将单个消息流与对应的混合设备驱动单元组相关联，消息流中的接入节点通过连接参数实现制造设备的连接，并采集制造设备在工作状态下产生的数据。
8.根据权利要求1所述的一种面向制造设备的数字孪生模型构建方法，其特征在于：所述混合设备驱动单元组用于根据逻辑设备、数字几何模型、物理特征模型、IoT模型、算法模型的对象信息，获得离散制造与优质制造共存下的混合设备驱动单元组，支撑异构制造平台、同构/异构协议、数据湖和多维连接池，适配协议数据单元A和B，具体包括制造设备虚拟化数字孪生和虚拟对象信息化建模。
9.根据权利要求6所述的一种面向制造设备的数字孪生模型构建方法，其特征在于：所述数据泵中的高级规则为根据制造设备的数据采集要求进行规则配置，规则类型包括计算规则、感知规则、校验规则和关联规则，通过设置规则对设备制造能力、设备健康状态和设备维护实现制造能力的分配、优化、协同与共享。
CN202110842292.3A 2021-07-26 2021-07-26 一种面向制造设备的数字孪生模型构建方法 Active CN113656904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110842292.3A CN113656904B (zh) 2021-07-26 2021-07-26 一种面向制造设备的数字孪生模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110842292.3A CN113656904B (zh) 2021-07-26 2021-07-26 一种面向制造设备的数字孪生模型构建方法

Publications (2)

Publication Number Publication Date
CN113656904A CN113656904A (zh) 2021-11-16
CN113656904B true CN113656904B (zh) 2024-02-13

Family

ID=78490076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110842292.3A Active CN113656904B (zh) 2021-07-26 2021-07-26 一种面向制造设备的数字孪生模型构建方法

Country Status (1)

Country Link
CN (1) CN113656904B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114131597A (zh) * 2021-11-24 2022-03-04 山东哈博特机器人有限公司 一种基于数字孪生技术的工业机器人仿真联动方法和系统
CN113858146B (zh) * 2021-12-02 2022-05-13 徐州安普瑞特能源科技有限公司 一种工作台装置
CN114221690A (zh) * 2021-12-16 2022-03-22 中国人民解放军国防科技大学 用于云边协同系统的语义模型构建方法
CN114260893A (zh) * 2021-12-22 2022-04-01 武汉理工大学 一种工业机器人装配拾放过程数字孪生模型构建方法
CN114757111B (zh) * 2022-06-16 2022-08-23 四川观想科技股份有限公司 一种基于数字孪生技术的智能装备健康管理方法
CN114881177B (zh) * 2022-06-30 2022-10-11 深圳市前海高新国际医疗管理有限公司 基于物联网技术的营养健康数据采集系统
CN115495485B (zh) * 2022-09-30 2023-07-14 广西产研院人工智能与大数据应用研究所有限公司 一种具有区块链特征的物联网应用数字孪生方法
CN115311027B (zh) * 2022-10-11 2022-12-27 工业云制造(四川)创新中心有限公司 一种基于数字孪生的供应链管理方法及系统
CN115687623B (zh) * 2022-11-11 2023-04-28 北京航空航天大学 一种工业数字孪生数据空间构建方法及系统
CN116032971B (zh) * 2023-01-10 2024-03-22 吉林大学 一种面向数字孪生机加车间的全要素智能感知实现方法
CN116109217B (zh) * 2023-04-11 2023-07-25 北京埃睿迪硬科技有限公司 一种孪生平台及孪生体的建立方法
CN116437306B (zh) * 2023-04-19 2024-03-26 中国人民解放军陆军工程大学 连接物理空间和数字空间的元无线电虚实互动系统和方法
CN116882708B (zh) * 2023-09-05 2024-01-09 湘江实验室 基于数字孪生的钢铁工艺流程管控方法、装置及相关设备
CN117130351B (zh) * 2023-09-18 2024-03-19 上海勘测设计研究院有限公司 基于数字孪生技术的新能源场站区域联合控制保护系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109356789A (zh) * 2018-11-07 2019-02-19 中国矿业大学 一种基于数字孪生的风机直驱变桨距系统及优化设计方法
CN109388117A (zh) * 2018-12-10 2019-02-26 重庆斯欧信息技术股份有限公司 一种工业互联网边缘计算装置及其实现方法
CN110399642A (zh) * 2019-06-21 2019-11-01 浙江大学 一种针对生产流水线的数字孪生体及其构建方法和应用
CN111176245A (zh) * 2019-10-29 2020-05-19 中国电子科技集团公司第三十八研究所 基于数字孪生技术的多终端工业设备巡检监控系统及方法
US10798175B1 (en) * 2019-06-28 2020-10-06 CohesionIB IoT contextually-aware digital twin with enhanced discovery
AU2020102863A4 (en) * 2020-10-19 2020-12-17 Beihang University Digital-twin-driven fault prognosis method and system for subsea production system of offshore oil
CN112598150A (zh) * 2020-11-09 2021-04-02 西安君能清洁能源有限公司 一种在智能电厂中基于联邦学习提升火灾检测效果的方法
CN112731887A (zh) * 2020-12-31 2021-04-30 南京理工大学 石化无人值守装卸线数字孪生智能监控系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10877470B2 (en) * 2017-01-26 2020-12-29 Honeywell International Inc. Integrated digital twin for an industrial facility

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109356789A (zh) * 2018-11-07 2019-02-19 中国矿业大学 一种基于数字孪生的风机直驱变桨距系统及优化设计方法
CN109388117A (zh) * 2018-12-10 2019-02-26 重庆斯欧信息技术股份有限公司 一种工业互联网边缘计算装置及其实现方法
CN110399642A (zh) * 2019-06-21 2019-11-01 浙江大学 一种针对生产流水线的数字孪生体及其构建方法和应用
US10798175B1 (en) * 2019-06-28 2020-10-06 CohesionIB IoT contextually-aware digital twin with enhanced discovery
CN111176245A (zh) * 2019-10-29 2020-05-19 中国电子科技集团公司第三十八研究所 基于数字孪生技术的多终端工业设备巡检监控系统及方法
AU2020102863A4 (en) * 2020-10-19 2020-12-17 Beihang University Digital-twin-driven fault prognosis method and system for subsea production system of offshore oil
CN112598150A (zh) * 2020-11-09 2021-04-02 西安君能清洁能源有限公司 一种在智能电厂中基于联邦学习提升火灾检测效果的方法
CN112731887A (zh) * 2020-12-31 2021-04-30 南京理工大学 石化无人值守装卸线数字孪生智能监控系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A review of digital twin in product design and development;C.K. Lo et al.;《Advanced Engineering Informatics》;第48卷;第6-12页 *
基于数字孪生的模块化生产系统运行机制及重构方法;宋思蒙等;《计算机集成制造系统》;第27卷(第2期);第511-518页 *

Also Published As

Publication number Publication date
CN113656904A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN113656904B (zh) 一种面向制造设备的数字孪生模型构建方法
Lu et al. Digital Twin-driven smart manufacturing: Connotation, reference model, applications and research issues
Wang et al. BIM information integration based VR modeling in digital twins in industry 5.0
KR101935652B1 (ko) 빅데이터 플랫폼을 이용한 스마트 공장 운영 관리 솔루션 서비스 시스템 및 방법
US10198422B2 (en) Information-processing equipment based on a spreadsheet
US20110257956A1 (en) Modeling and Simulation of Power Environments
CN1713196B (zh) 基于自动化设计网格的产品定制系统
Gökçe et al. Multi dimensional energy monitoring, analysis and optimization system for energy efficient building operations
CN112579653A (zh) 工业数据的逐步情境化和分析
CN112651126B (zh) 一种基于bim的建筑工程施工优化系统、方法、终端及存储介质
CN107632845B (zh) 一种转轮叶片多轴铣削加工的集成知识云服务方法和系统
CN109409561A (zh) 多时间尺度时间序列协同预测模型的构建方法
Chen et al. Estimating the simulation workload for factory simulation as a cloud service
CN102930082A (zh) 一种基于分布资源的产品设计系统
CN112488502A (zh) 一种标准的水资源管理一体化管控平台
Choi et al. Development of a framework for the integration and management of sustainability for small-and medium-sized enterprises
Pulikottil et al. Big data life cycle in shop-floor–trends and challenges
Jiang et al. Real-time intelligent elevator monitoring and diagnosis: Case studies and solutions with applications using artificial intelligence
CN110955413A (zh) 一种财务数据处理系统
CN105023139A (zh) 一种企业质量数据现场采集方法和装置
CN116149849A (zh) 一种面向智慧水务复杂时间尺度数据融合的边缘计算方法
Nakama et al. Development of building information management system with data collecting functions based on IoT technology
CN115587517A (zh) 一种基于云计算的机电设备数智化设计系统
Zhu et al. Cloud service platform for big data of manufacturing
Stack et al. A service oriented architecture for building performance monitoring

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
CB02 Change of applicant information

Address after: 401331 2nd floor, building 6, phase III, R & D building, Xiyong micro electronics industrial park, Shapingba District, Chongqing

Applicant after: Chongqing Siou Intelligent Technology Research Institute Co.,Ltd.

Applicant after: Hefei Siou Internet Technology Co.,Ltd.

Address before: 401331 2nd floor, building 6, phase III, R & D building, Xiyong micro electronics industrial park, Shapingba District, Chongqing

Applicant before: Chongqing Siou Intelligent Technology Research Institute Co.,Ltd.

Applicant before: CHONGQING SOA INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
TA01 Transfer of patent application right

Effective date of registration: 20230711

Address after: Floor 31, Building A1, Phase I, Zhong'an Chuanggu Science Park, No. 900, Wangjiang West Road, High tech Zone, Hefei, China (Anhui) Pilot Free Trade Zone, Hefei, 230000

Applicant after: Hefei Siou Internet Technology Co.,Ltd.

Address before: 401331 2nd floor, building 6, phase III, R & D building, Xiyong micro electronics industrial park, Shapingba District, Chongqing

Applicant before: Chongqing Siou Intelligent Technology Research Institute Co.,Ltd.

Applicant before: Hefei Siou Internet Technology Co.,Ltd.

TA01 Transfer of patent application right
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Floor 31, Building A1, Phase I, Zhong'an Chuanggu Science Park, No. 900, Wangjiang West Road, High tech Zone, Hefei, China (Anhui) Pilot Free Trade Zone, Hefei, 230000

Applicant after: Zhongkoso (Hefei) Technology Co.,Ltd.

Address before: Floor 31, Building A1, Phase I, Zhong'an Chuanggu Science Park, No. 900, Wangjiang West Road, High tech Zone, Hefei, China (Anhui) Pilot Free Trade Zone, Hefei, 230000

Applicant before: Hefei Siou Internet Technology Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231212

Address after: Floor 31, Building A1, Phase I, Zhong'an Chuanggu Science Park, No. 900, Wangjiang West Road, High tech Zone, Hefei, China (Anhui) Pilot Free Trade Zone, Hefei, 230000

Applicant after: Zhongkoso (Hefei) Technology Co.,Ltd.

Applicant after: Chongqing Siou Intelligent Technology Research Institute Co.,Ltd.

Address before: Floor 31, Building A1, Phase I, Zhong'an Chuanggu Science Park, No. 900, Wangjiang West Road, High tech Zone, Hefei, China (Anhui) Pilot Free Trade Zone, Hefei, 230000

Applicant before: Zhongkoso (Hefei) Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant