CN113850424A - 工业策略处理方法、装置、设备及存储介质 - Google Patents
工业策略处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113850424A CN113850424A CN202111090416.3A CN202111090416A CN113850424A CN 113850424 A CN113850424 A CN 113850424A CN 202111090416 A CN202111090416 A CN 202111090416A CN 113850424 A CN113850424 A CN 113850424A
- Authority
- CN
- China
- Prior art keywords
- digital twin
- target
- industrial
- industrial process
- intervention
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000007246 mechanism Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 15
- 230000008569 process Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
Abstract
本申请提供一种工业策略处理方法、装置、设备及存储介质，涉及工业控制技术领域，该方法包括：建立目标工业过程对应的机理模型；获取目标工业过程的实际工业过程数据；根据机理模型、实际工业过程数据、以及预设的边际条件，构建目标工业过程对应的可视化的数字孪生体；响应进入目标场景，复制数字孪生体，并得到目标场景对应的数字孪生体副本；针对数字孪生体副本执行至少一个干预操作，根据干预操作的结果确定目标工业过程的工业策略。这样，使得数字孪生体副本可以被感知和操纵，向决策者希望的结果方向运行，并得出目标工业过程的最优工业策略，进而根据得到的工业策略确定各场景的应急预案，且工业策略能够在对整个工业过程做整体决策优化。
Description
技术领域
本申请涉及工业控制技术领域，具体而言，涉及一种工业决策处理方法、装置、设备及存储介质。
背景技术
工业制造过程，是一个涉及人、设备、物料、工艺、环境等繁杂生产要素协同交互的多尺度动态系统，其优化决策问题往往与多样性动态生产要素复杂耦合关联，具有机理复杂、多目标多约束、多尺度动态优化等特征。因此，需要研究针对工业过程全生命周期活动中存在的生产计划与调度、故障诊断与分析、工艺参数优化、异常工况判定等优化决策问题。
目前，主要是基于先进控制技术(Advanced Process Control，简称APC)等优化软件实现工业决策的分析过程。具体的，在工业控制过程中采用一种具有模糊神经网络算法的过程控制技术，以工艺机理建模、神经网络和多元统计回归等技术方法为核心，集数据预处理、辅助变量选择、离线建模与仿真、在线运行等功能为一体，实现对实际生产过程的操作在线优化控制。
但是，基于APC等优化软件的分析过程较为复杂，且仅针对工业过程部分关键数据或少量装置进行优化运行及控制，在调度操作层面完成优化过程，无法对整个工业过程做整体决策优化，既从宏观层面完成决策及优化过程。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种工业决策处理方法、装置、设备及存储介质，以便可以在调度操作层面完成优化过程，对整个工业过程做整体决策优化，这样，可以为工业过程中的安全生产提供可靠依据。
为实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种工业策略处理方法，包括：
建立目标工业过程对应的机理模型；
获取所述目标工业过程的实际工业过程数据；
根据所述机理模型、所述实际工业过程数据、以及预设的边际条件，构建所述目标工业过程对应的可视化的数字孪生体；
响应进入目标场景，复制所述数字孪生体，并得到所述目标场景对应的数字孪生体副本；
针对所述数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定所述目标工业过程的工业策略。
可选地，所述目标场景包括下述任意一项：事件场景、检修场景、培训场景。
可选地，所述响应进入目标场景，复制所述数字孪生体，并得到所述目标场景对应的数字孪生体副本，包括：
根据所述目标场景的进入时间，从所述数字孪生体获取所述进入时间的运行数据；
基于所述进入时间的运行数据，得到所述目标场景对应的数字孪生体副本。
可选地，所述基于所述进入时间的运行数据，得到所述目标场景对应的数字孪生体副本，包括：
根据所述进入时间的运行数据、所述机理模型、以及所述边际条件，构建得到所述目标场景对应的数字孪生体副本。
可选地，所述针对所述数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定所述目标工业过程的工业策略，包括：
基于至少一个干预时间点，对所述数字孪生体副本分别执行干预操作，得到至少一个模拟干预结果；
根据所述至少一个模拟干预结果，得到所述目标工业过程对应的至少一个模拟工业策略。
可选地，所述干预时间点是所述进入时间与结束时间之间的时间点。
可选地，所述基于至少一个干预时间点，对所述数字孪生体副本分别执行干预操作，得到至少一个模拟干预结果，包括：
从所述进入时间与结束时间之间的多个时间点中，选取目标干预时间点；
在所述目标干预时间点分别对所述数字孪生体副本执行至少一种干预操作，得到至少一个模拟干预结果。
第二方面，本申请实施例还提供了一种工业策略处理装置，所述装置包括：
建立模块，用于建立目标工业过程对应的机理模型；
获取模块，用于获取所述目标工业过程的实际工业过程数据；
构建模块，用于根据所述机理模型、所述实际工业过程数据、以及预设的边际条件，构建所述目标工业过程对应的可视化的数字孪生体；
复制模块，用于响应进入目标场景，复制所述数字孪生体，并得到所述目标场景对应的数字孪生体副本；
决策模块，用于针对所述数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定所述目标工业过程的工业策略。
可选地，所述目标场景包括下述任意一项：事件场景、检修场景、培训场景。
可选地，所述复制模块，还用于：
根据所述目标场景的进入时间，从所述数字孪生体获取所述进入时间的运行数据；
基于所述进入时间的运行数据，得到所述目标场景对应的数字孪生体副本。
可选地，所述复制模块，还用于：
根据所述进入时间的运行数据、所述机理模型、以及所述边际条件，构建得到所述目标场景对应的数字孪生体副本。
可选地，所述决策模块，还用于：
基于至少一个干预时间点，对所述数字孪生体副本分别执行干预操作，得到至少一个模拟干预结果；
根据所述至少一个模拟干预结果，得到所述目标工业过程对应的至少一个模拟工业策略。
可选地，所述干预时间点是所述进入时间与结束时间之间的时间点。
可选地，所述决策模块，还用于：
从所述进入时间与结束时间之间的多个时间点中，选取目标干预时间点；
在所述目标干预时间点分别对所述数字孪生体副本执行至少一种干预操作，得到至少一个模拟干预结果。
第三方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如第一方面提供的所述方法的步骤。
第四方面，本申请实施例还提供了一种计算机存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如第一方面提供的所述方法的步骤。
本申请的有益效果是：
本申请实施例提供一种工业策略处理方法、装置、设备及存储介质，该方法包括：建立目标工业过程对应的机理模型；获取目标工业过程的实际工业过程数据；根据机理模型、实际工业过程数据、以及预设的边际条件，构建目标工业过程对应的可视化的数字孪生体；响应进入目标场景，复制数字孪生体，并得到目标场景对应的数字孪生体副本；针对数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定目标工业过程的工业策略。在本方案中，主要是利用构建得到的数字孪生体的可复制特性，对目标场景所对应的数字孪生体进行复制，得到目标场景对应的数字孪生体副本，然后，再对数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定目标工业过程的工业策略，这样，可以使得数字孪生体副本可以被感知和操纵，向决策者希望的结果方向运行，从而得出目标工业过程的最优工业策略，进而使得能够根据得到的工业策略确定各场景的应急预案，且各场景的工业策略也能够在调度操作层面完成优化过程，对整个工业过程做整体决策优化，这样，为工业过程中的安全生产提供可靠依据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种电子设备的结构示意图；
图2为本申请实施例提供的一种工业策略处理方法的流程示意图；
图3为本申请实施例提供的另一种工业策略处理方法的流程示意图；
图4为本申请实施例提供的又一种工业策略处理方法的流程示意图；
图5为本申请实施例提供的一种工业策略处理方法的示意图；
图6为本申请实施例提供的另一种工业策略处理方法的流程示意图；
图7为本申请实施例提供的一种工业策略处理方法的整体流程示意图；
图8为本申请实施例提供的一种工业策略处理装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
首先，对本申请所涉及到的名词术语进行解释。
1、数字孪生体，是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生体是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
2、机理模型，是指研究仿真对象而制成的各种模型。如被仿真对象的物理模型或适于计算处理的数学模型。
图1为本申请实施例提供的一种电子设备的结构示意图；该电子设备如可以是计算机或者服务器等处理设备，以用于实现本申请提供的工业策略处理方法。如图1所示，电子设备包括：处理器101、存储器102。
处理器101、存储器102之间直接或间接地电性连接，以实现数据的传输或交互。例如，可通过一条或多条通信总线或信号线实现电性连接。
其中，处理器101可以是一种集成电路芯片，具有信号的处理能力。上述的处理器101可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器102可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
可以理解，图1所述的结构仅为示意，电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
存储器102用于存储程序，处理器101调用存储器102存储的程序，以执行下面实施例提供的工业策略处理方法。
如下将通过多个实施例对本申请实施例提供的工业策略处理方法进行详细介绍。
图2为本申请实施例提供的一种工业策略处理方法的流程示意图，可选地，该方法的执行主体可以是服务器、计算机等电子设备，具有数据处理功能。应当理解，在其它实施例中工业策略处理方法其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。
如图2所示，该方法包括：
S201、建立目标工业过程对应的机理模型。
可以理解，任何一个工业过程，从严格意义上说，均是一个动态的过程，即可以由机理模型描述工业运行过程的状态变量(如，流量、温度、压力、液位等)随时间的演进、空间的转移而发生改变的一个动态过程。也即，机理模型是由一系列理论方程所构建的工业系统模拟运行环境的数学表达式，例如，管道流程的流体力学方程、反应釜的反应方程等等。
S202、获取目标工业过程的实际工业过程数据。
其中，“实际工业过程数据”是指工业过程实时运行时所产生的一系列实际数据。例如，各设备状态、流量、压力等数据。在本实施例中，例如，可以设置机理模型与实际工业过程数据的连接接口，并通过公有或自定义的通讯协议，从工业生产系统获取实际工业过程数据。
S203、根据机理模型、实际工业过程数据、以及预设的边际条件，构建目标工业过程对应的可视化的数字孪生体。
其中，预设的边际条件是指在求解区域边界上所求解的变量或其导数随时间和地点的变化规律。也即，边界条件是机理模型等控制方程式存在确定解的给定边界条件。边界条件的设定，直接影响了机理模型求解结果的精度。在本申请中，边际条件是指能够使数字孪生体启动时所必须的数据解，是从工业过程数据中获取的不在机理模型中的一组数据。
需要说明的是，在本实施例中，具体的，“预设的边际条件”可以是机理模型所需要的一系列可观察、检测到的边际数据，比如，该边际数据可以包括：各设备启停条件。
在本实施例中，将实际工业过程数据提供给机理模型，并进一步地根据实际工业过程数据、机理模型以及输入的边际条件，构建与“目标工业过程”同步运行的虚拟工业数字孪生体。同时，还可以通过三维/二维/虚拟现实技术等对构建的虚拟工业数字孪生体进行可视化展示，得到可视化的数字孪生体，使之能够被观察。
S204、响应进入目标场景，复制数字孪生体，并得到目标场景对应的数字孪生体副本。
其中，目标场景是指工业过程在实际运行时所发生的某个重大事件，示例性地，某个位置点的油气管道发生泄漏。
数字孪生体副本，是指由数字孪生体同一机理模型驱动的、由数字孪生体复制得到的副本，与数字孪生体正本不同的是，不同类型的孪生副本采用了不同的副本边际条件，可以为不同的用途进行重复求解。
在本实施例中，主要是利用上述构建得到的数字孪生体的可复制特性，对目标场景所对应的数字孪生体进行复制，得到目标场景对应的数字孪生体副本。
S205、针对数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定目标工业过程的工业策略。
在本实施例中，主要是结合数字孪生体副本的可重复启动、停止及过程干预的特性，提供了一种可重复验证的决策思路，实现对目标工业过程的工业策略的分析。
比如，可以通过各种手段(如增强现实(Augmented Reality，简称AR)技术)对数字孪生体副本运行的机理模型进行控制干预，例如设备的启停等等，并根据多次干预操作的结果，确定目标工业过程的最优工业策略，使得能够根据最优工业策略得到各场景发生时更加完善的应急预案，以及各场景对应的工业策略也能够在工业过程生产现场进行有效应用，进而为工业过程中的安全生产提供了可靠依据。
综上所述，本申请实施例提供一种工业策略处理方法，包括：建立目标工业过程对应的机理模型；获取目标工业过程的实际工业过程数据；根据机理模型、实际工业过程数据、以及预设的边际条件，构建目标工业过程对应的可视化的数字孪生体；响应进入目标场景，复制数字孪生体，并得到目标场景对应的数字孪生体副本；针对数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定目标工业过程的工业策略。在本方案中，主要是利用构建得到的数字孪生体的可复制特性，对目标场景所对应的数字孪生体进行复制，得到目标场景对应的数字孪生体副本，然后，再对数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定目标工业过程的工业策略，这样，可以使得数字孪生体副本可以被感知和操纵，向决策者希望的结果方向运行，从而得出目标工业过程的最优工业策略，进而使得能够根据得到的工业策略确定各场景的应急预案，且各场景的工业策略也能够在调度操作层面完成优化过程，对整个工业过程做整体决策优化，这样，为工业过程中的安全生产提供可靠依据。
可选地，在本实施例中上述提到的目标场景包括下述任意一项：事件场景、检修场景、培训场景，实现数字孪生体在事件处理、检修维护、培训等场景的应用，也不限于这几类应用场景。
将通过如下实施例具体讲解，如何响应进入目标场景，复制数字孪生体，并得到目标场景对应的数字孪生体副本。
图3为本申请实施例提供的另一种工业策略处理方法的流程示意图，如图3所示，上述步骤S204：响应进入目标场景，复制数字孪生体，并得到目标场景对应的数字孪生体副本，包括：
S301、根据目标场景的进入时间，从数字孪生体获取进入时间的运行数据。
可选地，在目标工业过程中某种事件发生后，触发数字孪生体进行自我复制，此时，虚拟运行的数字孪生体会将进入目标场景前后的运行数据进行保存记录，相应的，获取到进入目标场景前后的运行数据。
S302、基于进入时间的运行数据，得到目标场景对应的数字孪生体副本。
其中，可以将进入目标场景的“进入时间”至“结束时间”之间的这一时间段看成是进入目标场景的一个时间线。
在本实施例中，得到“目标场景对应的数字孪生体副本”是依赖于虚拟数字孪生体可复制的特性、以及时间线分离实时数据载入运行的特性。
可选地，根据进入时间的运行数据、机理模型、以及边际条件，构建得到目标场景对应的数字孪生体副本。
例如，当进入目标场景后，触发数字孪生体进行自我复制，在进入时间至结束时间之间的这一个时间线对数字孪生体的运行时间线进行分离，将获取到的运行数据载入上述机理模型、以及边际条件，生成目标场景对应的数字孪生体副本，比如，“A场景数字孪生体副本”。
可以理解，针对不同的目标场景，所得到的目标场景对应的数字孪生体副本也不同。例如，当需要校验检修方案时，也即，目标场景是检修场景，则可手动触发数字孪生体完成复制，生成检修数字孪生体副本。
另外，还可以针对目标场景所需要决策目的的不同，生成更多类型的数字孪生体副本，实现工业过程决策处理的目的。
将通过如下具体实施例，讲解如何针对数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定目标工业过程的工业策略。
图4为本申请实施例提供的又一种工业策略处理方法的流程示意图，图5为本申请实施例提供的一种工业策略处理方法的示意图，如图4所示，上述步骤S205：针对数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定目标工业过程的工业策略，包括：
S401、基于至少一个干预时间点，对数字孪生体副本分别执行干预操作，得到至少一个模拟干预结果。
将通过如下实施例，具体讲解如何对数字孪生体副本执行干预操作。
图6为本申请实施例提供的另一种工业策略处理方法的流程示意图，如图6所示，基于至少一个干预时间点，对数字孪生体副本分别执行干预操作，得到至少一个模拟干预结果，包括：
S601、从进入时间与结束时间之间的多个时间点中，选取目标干预时间点。
可选地，干预时间点是进入时间与结束时间之间的时间点。例如，参考图5所示，可以在“进入时间”与“结束时间”之间的多个时间点中选取任一时间点，比如，可以选取模拟干预时间点1、模拟干预时间点2或者模拟干预时间点3中的任意一个。
在本实施例中，干预时间点是在数字孪生体副本重复运行过程中，通过控制干预操作对数字孪生体副本运行的机理模型中各参数进行控制干预的时间点，例如设备的启停的时间点。
S602、在目标干预时间点分别对数字孪生体副本执行至少一种干预操作，得到至少一个模拟干预结果。
为了得到各目标场景对应的最佳工业策略，提供了一种可重复验证的决策思路实现决策分析过程。例如，可以在同一个干预时间点对数字孪生体副本执行至少一种干预操作，或者，在不同的干预时间点对数字孪生体副本执行同一种干预操作，也可以在不同一个干预时间点对数字孪生体副本执行不同类型的干预操作，这样，可以确保得到的各场景对应的最优工业策略的可靠性。
例如，继续参考图5所示，在模拟干预时间点1对数字孪生体副本执行第一干预操作，在模拟干预时间点2对数字孪生体副本执行第二干预操作，以及在模拟干预时间点3对数字孪生体副本执行第一干预操作，并相应得到三种不同的模拟干预结果。
或者，还可以在模拟干预时间点3对数字孪生体副本执行第二干预操作等，在此不做具体限定。
S402、根据至少一个模拟干预结果，得到目标工业过程对应的至少一个模拟工业策略。
在本实施例中，通过多次对数字孪生体副本执行不同条件的干预操作，并通过对得到多个模拟干预结果进行比对，得出数字孪生体副本运行时的最优解，也即，各场景时对应的最优工业策略。
如下将通过具体实施例，对得到模拟工业策略的过程进行说明。
例如，在事件数字孪生体副本中，采用干预手段虚拟现实(Virtual RealitySystem，简称VR)技术重复事件处理过程，得到不同的模拟干预结果，重复本步骤直至模拟干预结果最优，得到更加完善的事件应急预案。
又例如，在检修数字孪生体副本中，采用干预手段如VR技术重复检修方案，演化模拟检修结果，分析检修方案是否可行，否则修订检修方案并重复本步骤获得完善的检修方案。
又例如，在培训数字孪生体副本中，采用VR技术和培训目的等干预操作，观察干预操作与实际运行过程的偏差，分析培训过程操作，对比实际情况，提升培训效果。
将通过如下实施例具体讲解本申请提供的工业策略处理方法的整体步骤过程。
图7为本申请实施例提供的一种工业策略处理方法的整体流程示意图，如图7所示，该方法包括：
步骤1、建立目标工业过程对应的机理模型。
步骤2、获取所述目标工业过程的实际工业过程数据。
步骤3、根据机理模型、实际工业过程数据、以及预设的边际条件，构建目标工业过程对应的可视化的数字孪生体。
步骤4a、生成事件场景对应的数字孪生体副本。
步骤4b、生成检修场景对应的数字孪生体副本。
步骤4c、生成培训场景对应的数字孪生体副本。
步骤5a、优化事件场景的工业策略。
步骤5b、优化检修场景的工业策略。
步骤5c、优化培训场景的工业策略。
步骤6、提升各场景的工业策略。
可选地，本申请实施例提供的工业策略处理方法的整体实现步骤以及产生的有益效果已在前面具体实施例中进行了详细说明，此处不再一一赘述。
下述对用以执行本申请所提供的工业策略处理装置及存储介质等进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。
图8为本申请实施例提供的一种工业策略处理装置的结构示意图，如图8所示，该装置包括：
建立模块801，用于建立目标工业过程对应的机理模型；
获取模块802，用于获取目标工业过程的实际工业过程数据；
构建模块803，用于根据机理模型、实际工业过程数据、以及预设的边际条件，构建目标工业过程对应的可视化的数字孪生体；
复制模块804，用于响应进入目标场景，复制数字孪生体，并得到目标场景对应的数字孪生体副本；
决策模块805，用于针对数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定目标工业过程的工业策略。
可选地，目标场景包括下述任意一项：事件场景、检修场景、培训场景。
可选地，复制模块804，还用于：
根据目标场景的进入时间，从数字孪生体获取进入时间至结束时间之间的运行数据；
基于进入时间的运行数据，得到目标场景对应的数字孪生体副本。
可选地，复制模块804，还用于：
根据进入时间的运行数据、机理模型、以及边际条件，构建得到目标场景对应的数字孪生体副本。
可选地，决策模块805，还用于：
基于至少一个干预时间点，对数字孪生体副本分别执行干预操作，得到至少一个模拟干预结果；
根据所述至少一个模拟干预结果，得到所述目标工业过程对应的至少一个模拟工业策略。
可选地，干预时间点是进入时间与结束时间之间的时间点。
可选地，决策模块805，还用于：
从进入时间与结束时间之间的多个时间点中，选取目标干预时间点；
在目标干预时间点分别对数字孪生体副本执行至少一种干预操作，得到至少一个模拟干预结果。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital singnal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
可选地，本发明还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种工业策略处理方法，其特征在于，包括：
建立目标工业过程对应的机理模型；
获取所述目标工业过程的实际工业过程数据；
根据所述机理模型、所述实际工业过程数据、以及预设的边际条件，构建所述目标工业过程对应的可视化的数字孪生体；
响应进入目标场景，复制所述数字孪生体，并得到所述目标场景对应的数字孪生体副本；
针对所述数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定所述目标工业过程的工业策略。
2.根据权利要求1所述的方法，其特征在于，所述目标场景包括下述任意一项：事件场景、检修场景、培训场景。
3.根据权利要求2所述的方法，其特征在于，所述响应进入目标场景，复制所述数字孪生体，并得到所述目标场景对应的数字孪生体副本，包括：
根据所述目标场景的进入时间，从所述数字孪生体获取所述进入时间的运行数据；
基于所述进入时间的运行数据，得到所述目标场景对应的数字孪生体副本。
4.根据权利要求3所述的方法，其特征在于，所述基于所述进入时间的运行数据，得到所述目标场景对应的数字孪生体副本，包括：
根据所述进入时间的运行数据、所述机理模型、以及所述边际条件，构建得到所述目标场景对应的数字孪生体副本。
5.根据权利要求3所述的方法，其特征在于，所述针对所述数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定所述目标工业过程的工业策略，包括：
基于至少一个干预时间点，对所述数字孪生体副本分别执行干预操作，得到至少一个模拟干预结果；
根据所述至少一个模拟干预结果，得到所述目标工业过程对应的至少一个模拟工业策略。
6.根据权利要求5所述的方法，其特征在于，所述干预时间点是所述进入时间与结束时间之间的时间点。
7.根据权利要求6所述的方法，其特征在于，所述基于至少一个干预时间点，对所述数字孪生体副本分别执行干预操作，得到至少一个模拟干预结果，包括：
从所述进入时间与结束时间之间的多个时间点中，选取目标干预时间点；
在所述目标干预时间点分别对所述数字孪生体副本执行至少一种干预操作，得到至少一个模拟干预结果。
8.一种工业策略处理装置，其特征在于，所述装置包括：
建立模块，用于建立目标工业过程对应的机理模型；
获取模块，用于获取所述目标工业过程的实际工业过程数据；
构建模块，用于根据所述机理模型、所述实际工业过程数据、以及预设的边际条件，构建所述目标工业过程对应的可视化的数字孪生体；
复制模块，用于响应进入目标场景，复制所述数字孪生体，并得到所述目标场景对应的数字孪生体副本；
决策模块，用于针对所述数字孪生体副本执行至少一个干预操作，并根据干预操作的结果确定所述目标工业过程的工业策略。
9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1-7任一所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-7任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111090416.3A CN113850424A (zh) | 2021-09-17 | 2021-09-17 | 工业策略处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111090416.3A CN113850424A (zh) | 2021-09-17 | 2021-09-17 | 工业策略处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113850424A true CN113850424A (zh) | 2021-12-28 |
Family
ID=78974515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111090416.3A Pending CN113850424A (zh) | 2021-09-17 | 2021-09-17 | 工业策略处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113850424A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116050143A (zh) * | 2023-01-17 | 2023-05-02 | 成都曾自科技有限公司 | 一种数字孪生体的构建方法 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170323274A1 (en) * | 2016-05-06 | 2017-11-09 | General Electric Company | Controlling aircraft operations and aircraft engine components assignment |
| US20190294975A1 (en) * | 2018-03-21 | 2019-09-26 | Swim.IT Inc | Predicting using digital twins |
| CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
| CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
| CN111562769A (zh) * | 2019-02-14 | 2020-08-21 | 罗克韦尔自动化技术公司 | 用于工业数字孪生的ai扩展和智能模型验证 |
| CN111985112A (zh) * | 2020-08-27 | 2020-11-24 | 宝武集团鄂城钢铁有限公司 | 一种基于Unity3D的高炉数字孪生系统 |
| WO2020246032A1 (ja) * | 2019-06-07 | 2020-12-10 | 日本電信電話株式会社 | デジタルツイン演算装置、デジタルツイン演算方法、プログラム及びデータ構造 |
| US20200394351A1 (en) * | 2018-02-07 | 2020-12-17 | Incucomm, Inc. | Operations and maintenance systems and methods employing sensor-less digital twins |
| CN112115649A (zh) * | 2020-09-29 | 2020-12-22 | 郑州轻工业大学 | 基于数字孪生的立磨机多场耦合系统工艺参数优化方法 |
| WO2021001845A1 (en) * | 2019-06-29 | 2021-01-07 | Phadke Sameer | System and method for modelling and monitoring processes in organizations using digital twins |
| CN112348251A (zh) * | 2020-11-05 | 2021-02-09 | 傲林科技有限公司 | 一种决策辅助方法、装置、电子设备及存储介质 |
| US20210109837A1 (en) * | 2019-10-09 | 2021-04-15 | International Business Machines Corporation | Digital twin workflow simulation |
| CN112905385A (zh) * | 2021-01-27 | 2021-06-04 | 北京航空航天大学 | 一种基于模型备份的数字孪生模型运行及迭代演化方法 |
| CN113064351A (zh) * | 2021-03-26 | 2021-07-02 | 京东数字科技控股股份有限公司 | 数字孪生模型构建方法、装置、存储介质及电子设备 |
| US20210248289A1 (en) * | 2020-02-12 | 2021-08-12 | Swiss Reinsurance Company Ltd. | Digital platform using cyber-physical twin structures providing an evolving digital representation of a risk-related real world asset for quantifying risk measurements, and method thereof |
| CN113255099A (zh) * | 2021-04-16 | 2021-08-13 | 盾钰（上海）互联网科技有限公司 | 一种组件式孪生计算方法及系统 |
| CN113344505A (zh) * | 2021-05-11 | 2021-09-03 | 广东省科学院智能制造研究所 | 一种基于数字孪生的卫陶产品装配生产管理系统及方法 |
| US20220350943A1 (en) * | 2021-04-29 | 2022-11-03 | Fujitsu Limited | Method and system for predicting the evolution of simulation results for an internet of things network |
-
2021
- 2021-09-17 CN CN202111090416.3A patent/CN113850424A/zh active Pending
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170323274A1 (en) * | 2016-05-06 | 2017-11-09 | General Electric Company | Controlling aircraft operations and aircraft engine components assignment |
| US20200394351A1 (en) * | 2018-02-07 | 2020-12-17 | Incucomm, Inc. | Operations and maintenance systems and methods employing sensor-less digital twins |
| US20190294975A1 (en) * | 2018-03-21 | 2019-09-26 | Swim.IT Inc | Predicting using digital twins |
| CN111562769A (zh) * | 2019-02-14 | 2020-08-21 | 罗克韦尔自动化技术公司 | 用于工业数字孪生的ai扩展和智能模型验证 |
| WO2020246032A1 (ja) * | 2019-06-07 | 2020-12-10 | 日本電信電話株式会社 | デジタルツイン演算装置、デジタルツイン演算方法、プログラム及びデータ構造 |
| WO2021001845A1 (en) * | 2019-06-29 | 2021-01-07 | Phadke Sameer | System and method for modelling and monitoring processes in organizations using digital twins |
| US20210109837A1 (en) * | 2019-10-09 | 2021-04-15 | International Business Machines Corporation | Digital twin workflow simulation |
| CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
| CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
| US20210248289A1 (en) * | 2020-02-12 | 2021-08-12 | Swiss Reinsurance Company Ltd. | Digital platform using cyber-physical twin structures providing an evolving digital representation of a risk-related real world asset for quantifying risk measurements, and method thereof |
| CN111985112A (zh) * | 2020-08-27 | 2020-11-24 | 宝武集团鄂城钢铁有限公司 | 一种基于Unity3D的高炉数字孪生系统 |
| CN112115649A (zh) * | 2020-09-29 | 2020-12-22 | 郑州轻工业大学 | 基于数字孪生的立磨机多场耦合系统工艺参数优化方法 |
| CN112348251A (zh) * | 2020-11-05 | 2021-02-09 | 傲林科技有限公司 | 一种决策辅助方法、装置、电子设备及存储介质 |
| CN112905385A (zh) * | 2021-01-27 | 2021-06-04 | 北京航空航天大学 | 一种基于模型备份的数字孪生模型运行及迭代演化方法 |
| CN113064351A (zh) * | 2021-03-26 | 2021-07-02 | 京东数字科技控股股份有限公司 | 数字孪生模型构建方法、装置、存储介质及电子设备 |
| CN113255099A (zh) * | 2021-04-16 | 2021-08-13 | 盾钰（上海）互联网科技有限公司 | 一种组件式孪生计算方法及系统 |
| US20220350943A1 (en) * | 2021-04-29 | 2022-11-03 | Fujitsu Limited | Method and system for predicting the evolution of simulation results for an internet of things network |
| CN113344505A (zh) * | 2021-05-11 | 2021-09-03 | 广东省科学院智能制造研究所 | 一种基于数字孪生的卫陶产品装配生产管理系统及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116050143A (zh) * | 2023-01-17 | 2023-05-02 | 成都曾自科技有限公司 | 一种数字孪生体的构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7069269B2 (ja) | デジタル・ツイン・シミュレーション・データを利用した時系列データに基づく、大規模な産業用監視システム向けの半教師あり深層異常検出のための方法およびシステム | |
| JP7011239B2 (ja) | 装置、方法、プログラム、および、記録媒体 | |
| US11568327B2 (en) | Method for generating universal learned model | |
| CN113344505A (zh) | 一种基于数字孪生的卫陶产品装配生产管理系统及方法 | |
| CN107291973A (zh) | 针对紧急行为的仿真增强现实系统 | |
| US10768188B2 (en) | Diagnostic device and method for monitoring operation of a technical system | |
| US10521550B2 (en) | Planning and engineering method, software tool and simulation tool for an automation solution | |
| CN102419578B (zh) | 显示过程控制信息的方法和装置 | |
| US9606902B2 (en) | Malfunction influence evaluation system and evaluation method using a propagation flag | |
| JP2018112903A (ja) | プラント運転支援装置、プラント運転支援方法、プラント運転支援プログラム及び記録媒体 | |
| JP6959228B2 (ja) | プロセス制御システムの安全論理に対応するインターリンクされたユーザインターフェースを提供するためのシステム、非一時的コンピュータ可読媒体及び方法 | |
| CN106843193A (zh) | 用于显示过程控制装置信息的方法及装置 | |
| Zhang et al. | SDG multiple fault diagnosis by real-time inverse inference | |
| KR101328224B1 (ko) | 철강공정용 가상설비 시스템 및 그의 동작 방법 | |
| Zhang et al. | Auxiliary power unit failure prediction using quantified generalized renewal process | |
| CN113850424A (zh) | 工业策略处理方法、装置、设备及存储介质 | |
| US20100299120A1 (en) | System and method for the combined acquisition of data for scada and simulation or network calculation applications | |
| CN111078444A (zh) | 用于故障行为的安全分析的系统和方法 | |
| CN110456741A (zh) | 过程控制系统、工程系统和操作员系统 | |
| CN114019946B (zh) | 工控终端的监控数据处理方法及装置 | |
| CN116997867A (zh) | 用于预测技术设施的运行的方法和系统 | |
| CN114722025A (zh) | 基于预测模型的数据预测方法、装置、设备及存储介质 | |
| CN113837451A (zh) | 油气管道的数字孪生体构建方法、装置、设备及存储介质 | |
| CN116235121A (zh) | 识别用于执行生产过程的工业设施中的异常的装置和方法 | |
| WO2020095993A1 (ja) | 推論装置、情報処理装置、推論方法、プログラム及び記録媒体 |
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: 102299 507, Floor 5, Building 2, Yard 5, Yingcai South 1st Street, Changping District, Beijing Applicant after: Zhongkong Innovation (Beijing) Energy Technology Co.,Ltd. Address before: 102400 B92, floor 1, building 1, No. 73, Changhong West Road, Xilu street, Fangshan District, Beijing Applicant before: Zhongkong Zhiwang (Beijing) Energy Technology Co.,Ltd. |
|
| CB02 | Change of applicant information |