CN114746815A - 用于创建设施或装置的数字孪生的方法 - Google Patents
用于创建设施或装置的数字孪生的方法 Download PDFInfo
- Publication number
- CN114746815A CN114746815A CN201980102462.5A CN201980102462A CN114746815A CN 114746815 A CN114746815 A CN 114746815A CN 201980102462 A CN201980102462 A CN 201980102462A CN 114746815 A CN114746815 A CN 114746815A
- Authority
- CN
- China
- Prior art keywords
- data
- component
- facility
- cluster
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 270
- 238000009434 installation Methods 0.000 claims description 51
- 238000004088 simulation Methods 0.000 claims description 29
- 238000013528 artificial neural network Methods 0.000 claims description 26
- 238000013461 design Methods 0.000 claims description 26
- 210000002569 neuron Anatomy 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000002360 preparation method Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims 2
- 230000006870 function Effects 0.000 description 35
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000004519 manufacturing process Methods 0.000 description 10
- 239000000047 product Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000007621 cluster analysis Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000013507 mapping Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000011524 similarity measure Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 235000018185 Betula X alpestris Nutrition 0.000 description 1
- 235000018212 Betula X uliginosa Nutrition 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- 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)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于创建设施或装置(100)的数字孪生(800)的方法,该方法包括以下步骤:a.)识别第一数据源(205)内的组件数据集群(310,320,330,340,250),其中,组件数据集群(310,320,330,340,250)能被分配或被分配给与设施或装置(100)有关的组件类型或组件ID信息,b.)将相应的组件类型标记(312,322,352)或将相应的组件ID信息标记(314,334,344,354)分派给所识别出的组件数据集群(310,320,330,340,250)中的至少一个组件数据集群,c.)创建和存储设施或装置(100)的数字孪生(800)。
Description
技术领域
本发明涉及一种用于创建设施或装置的数字孪生的方法。
背景技术
这种类型的方法由现有技术已知。
例如,美国公开文献US 2018/0210436 A1公开了一种用于创建数字孪生的方法,该方法基于设施中各个设备的静态和动态数字模型的聚合。在此公开了一种聚合算法,该算法能够从各个设备的相应静态和动态模型中获得相应设施的整体视图。此外,整个模型随后会启用与过程设备或相应工业过程的特殊操作状态有关的相应警报消息。
此外,文章“Resource virtualization:A core technology for developingcyber-physical production systems(资源虚拟化:开发网络物理生产系统的核心技术)”;Yuqian Lu,Xun Xu;Journa1 of Manufacturing Systems(制造系统杂志),Volume47(第47卷),2018年4月,第128-140页公开了一种基于工厂参考模型创建工厂数字孪生的方法,由此开发的语义模型包含所有必要的概念和物理描述工厂的资源以创建数字孪生。
公开文献US 2018/0157735 A1公开了一种系统,其中,技术数据在多学科工程系统中被组合成数据集群。例如,它们可用于多学科工程系统中的各种应用。技术数据能够出于不同的目的进行分组,例如包含在自动化装置的安全区域中的一组设备,包含在自动化系统中的一组设备,或者分配给特定的总线控制器的一组设备。
所提到的现有技术的一个缺点是,创建数字孪生的基本前提条件是数字结构和子元素的存在,随后能够由此组建例如设施或工厂的数字孪生。这些方法不能用于例如在现有的设施和工厂中没有用于例如设施或工厂的组件的此类成品数字模块的情况。此外,现有技术的缺点是必须为工程数据指定相应的集群结构或必须手动装配。
发明内容
因此,本发明的目的是提供一种方法,该方法能够以更灵活和/或更简单的方式生成设施或装置的数字孪生,或者提供以这种方式生成的数字孪生。本发明的另一个目的是提供一种方法,该方法能够为这样的设施或装置创建数字孪生,对于这些设施和装置而言至少对于这些设施或装置尚不存数字孪生或相应的数字模型。
该目的通过具有专利权利要求1的特征的方法来实现。
这种类型的方法在此被设计或配置用于创建设施或装置的数字孪生,
其中,存在具有与设施或装置或与部分设施或装置的自动化和/或自动化规划相关的自动化工程数据的第一数据源,并且
其中,自动化工程数据包括至少两个数据类别的数据,
该方法包括以下步骤:
a.)识别自动化工程数据内的组件数据集群,其中,该组件数据集群能被分配或被分配给与设施或装置相关的组件类型或组件ID信息,
b.)将相应的组件类型标记或相应的组件ID信息标记分派给所识别出的组件数据集群中的至少一个组件数据集群,
c.)创建和存储设施或装置的数字孪生。
此外,前述的目的通过用于创建设施或装置的数字孪生的方法实现,其中,存在来自以下列表的数据源的第一数据源:
-自动化工程数据,该自动化工程数据与设施或装置或与部分设施或装置的自动化和/或自动化规划有关,
-MCAD数据,该MCAD数据与设施或装置或与部分设施或装置的机械和/或空间规划有关,
和/或关于设施或装置或与部分设施或装置的机械和/或空间设计,
-ECAD数据,该ECAD数据与设施或装置或与部分设施或装置的电气规划和/或电路规划有关,
和/或关于设施或装置或与部分设施或装置的电气设计和/或实现的电路规划,
-机器人数据,该机器人数据与设施或装置的一个或多个机器人的规划和/或设计有关,
-描述数据,该描述数据与设施或装置或与部分设施或装置的规划和/或设计有关。
在此,第一数据源包括至少两个数据类别的数据。
所述的方法在此包括以下步骤:
a.)识别第一数据源内的组件数据集群,其中,组件数据集群能被分配或被分配给与设施或装置相关的组件类型或组件ID信息,
b.)将相应的组件类型标记或相应的组件ID信息标记分派给所识别出的组件数据集群中的至少一个组件数据集群,
c.)创建和存储设施或装置的数字孪生。
在此,在方法步骤a.)的范畴内设计和配置聚类,使得该聚类或者根据组件类型或者根据组件ID信息实现。根据方法步骤a.)的聚类的结果是一个或多个集群,其中,所有所识别的集群被分配或可分配给不同的组件类型。
特征b.)将被理解为,分配有组件类型的组件数据集群分别被分配有组件类型标记。相反,分配有组件ID信息的组件数据集群相应地分别被分配给组件ID信息标记。
此外,特征b.)应被理解为,至少一个识别出的组件数据集群中的每一个被分配相应的名称,其中,不同的名称通常被分配给不同的数据集群。然而,也能够提出,不同的数据集群被分配相同的名称。
根据本发明的方法允许基于在工程规划的范畴,例如自动化工程规划的范畴中为装置或设施创建的数据为设施或装置创建数字孪生。通过根据本说明书对此类数据进行适当的聚类,与设施或装置的特定组件相关联的数据能够从第一数据源或自动化工程数据中识别出来,因此能够根据本说明书为设施或装置生成数字孪生。与现有技术中已知的方法和过程相比,这简化了这种数字孪生的创建。此外,它能够为装置或设施创建数字孪生,而无需事先为装置或设施的组件提供数字模型或数字孪生。
例如,数字孪生的创建能够包括信息的适当排列和/或存储,该信息在根据权利要求和/或本说明书的方法步骤a.),a1.),aa.),aa1.),b),b1.),b2.),bb.),bb1.),bb2.),bbb.)中的一个或多个方法步骤中被识别或产生的。此外,数字孪生的创建还由该信息的相应排列和/或存储构成。
识别出的或生成的数据的这种排列和/或存储能够例如作为数字孪生数据库中的数据库来实现,或者能够包括这样的数字孪生数据库,并且以任何数据库格式存在。这样的数据库格式能够是例如所谓的关联数据库格式或SQL数据库格式或者也能够是所谓的NoSQL数据库格式或知识图数据格式。
在此,数字孪生的不同部分也能够以与上述格式不同的格式存储。
此外,数字孪生还能够包括上述任何数据库格式中不存在的其他部分。
与上述关系型数据库(如SQL数据库)相比,“NoSQL”(英文为:Not only SQL)数据库是指非关系型的数据库。在本说明书的上下文中,NoSQL数据库被理解为是指遵循所述非关系方法的那些数据库。NoSQL数据库在本说明书的上下文中被具体理解为是指面向文档、图形、对象、属性值对和/或列的数据库。
当前的NoSQL数据库通常没有严格的表模式,例如在它们的关系对应物中具有的那些。作为无模式数据库,它们依靠更灵活的技术来确定数据的存储方式。NoSQL的名称能够追溯到使用SQL协议以外的、与客户端进行通信的协议。
本说明书上下文中的NoSQL数据库能够定义为例如面向文档的数据库、面向图的数据库、知识图谱、分布式ACID数据库、键值数据库、面向属性值对的数据库、多值数据库、面向对象的数据库和/或面向列的数据库或这些数据库的组合或进一步发展。
信息或部分信息能够作为关联数据库存储在数字孪生中,或者数字孪生能够包括这样的数据库。此外,在数字孪生中,信息或部分信息还能够用作NoSQL数据库、一个或多个知识图谱、非关联数据库、OWL数据库、RDF数据库和/或作为查询所使用的数据库的SPARQL被存储,或者数字孪生能够包括这样的数据库。
此外,为了为以这种方式识别的组件创建数字孪生,例如,能够从相应的模拟数据库中选择相关的组件模拟。在此,例如能够根据分配的组件类型标记或组件ID信息标记实现相应的组件的识别或者相应的模拟的选择。随后能够继续使用在相应所属的组件数据集群中包含的、来自第一数据源的或自动化工程的数据来相应地参数化所选择的组件模拟。
在使用例如也已识别的各种组件数据集群之间的关系数据的情况下,随后能够将所选组件模拟与现有技术中已知的方法组合以形成装置或设施或其部分的模拟。包含在相应数据集群中的数据也能够在这样创建装置或设施的模拟的框架内使用。这样的模拟随后能够例如也形成本发明含义内的数字孪生或者也能够是这样的数字孪生的一部分。
例如,根据本说明书创建的数字孪生能够被软件系统使用或集成到软件系统中。这样的软件系统能够被设计和配置,例如用于规划、起草、模拟和/或设置装置或设施的系统。此外,这样的软件系统也能够被设计和设置用于规划、起草、模拟和/或设置装置或设施的自动化。
以这种方式,数字孪生的数据既能够在根据本说明书的规划和设置装置或设施的范畴中使用,也能够在规划和设置未来的装置或设施时使用。
根据本说明书的数字孪生的应用的另外的可能性在权利要求和说明书的以下部分中详细介绍和解释。
装置或设施能够设计和设置为例如机器、设备、机器人、生产系统或类似装置,或者也能够包括这些部件作为组件。这样的装置或设施能够包括例如一个或多个组件、驱动器、传感器、机器、设备、通信装置、控制装置等。
例如,设施或装置的组件能够是:功能和/或空间相关的系统部件、段、组、组件、致动器、传感器(例如机器人、运输设备或其某些类型(传送带、单轨、...))、电机、转换器、各种类型的传感器(例如温度、压力、接触、流量传感器)、各种类型的机器(例如机床、压力机、挤出机、注塑机)及其子组件。
设施或装置中包含的组件的组件类型应理解为例如这些组件的特定类型或特定类型类别的名字,名称和/或描述。这样的部件类型例如能够是生产线,机器人,单元,致动器,马达,传感器,温度传感器,转换器,运输装置和/或类似的部件类型。
相反,组件ID信息被理解为表征和/或识别设置或装置中存在的组件的非常具体的实例的信息。例如,此类组件ID信息能够是产品名称,订单号,序列号,类型标识符或标识特定组件的类似信息—特别是清楚地标识组件的信息。
根据本说明书的组件集群例如能够是组件类型集群。特定组件类型集群的特征在于在其中包含自动化工程数据或者第一数据源的数据,或者其他数据源的数据,这些数据分配给特定的组件类型。这种集群的相应组件类型标记例如能够是组件类型的名称,简短描述或者也能够是该组件类型的相应代码。相应的组件类型或组件类型标记的示例能够是例如:机器人,运输装置,生产线,装配装置,电机,转换器,传感器,控制器,开关。
根据本说明书的组件集群也能够是例如组件ID信息集群。特定组件ID信息集群的特点是它包含自动化工程数据或第一数据源的数据,或者其他数据源的数据,这些数据被分配给特定的组件实体,这些组件实体例如通过特定的ID信息(例如序列号,产品名称)表征。特别地,组件ID信息集群能够是那些上述集群,其分配给特定的组件实体,这些组件实体例如通过特定的ID信息唯一地表征。用于这些集群的相应的ID信息名称例如能够是所谓的ID信息。用于相应的ID信息的示例例如能够是特定的序列号,订单号,品牌名称(例如特定于产品(Simatic S7-1512)或通常特定于产品系列(S7控制器,Sca1ance Switch),型号名称或通型号名称。
在本说明书的意义内的组件类型和组件ID信息之间的区别应该通过以下示例来稍微阐明。在此示例中,特定装置中有两个具有不同序列号的电机。在此示例中,在根据组件类型相应地聚类的框架中,例如,分配给这些电机的自动化工程数据能够与分配给组件类型“电机”的数据集群相关联。在根据组件ID信息替代或附加地聚类的框架中,然后进一步将对应于具有第一序列号的电机的自动化工程数据分类到在分配给该序列号的组件ID信息数据集群中,将对应于具有第二序列号电机的自动化工程数据分类到分配给该序列号的组件ID信息集群中。
例如,能够通过对第一数据源的数据或自动化工程数据应用聚类方法以识别第一数据源或自动化工程数据内的组件数据集群来实现组件数据集群的识别。
在此,聚类方法的使用例如能够是自动聚类方法。在此,例如第一数据源的数据或自动化工程数据的聚类能够借助适当的软件实现,在该软件中实现聚类方法的自动执行。在此,例如,能够在软件的框架中实现一种或多种聚类算法。
此外,例如,聚类方法的使用也能够是半自动聚类方法。例如,这能够通过半自动运行聚类方法的适当软件来实现。这能够例如以这样的方式实现,即在聚类方法的过程中,软件在特定时间点期望相应的用户输入。
通常,聚类是通过聚类分析形成的相似数据点的组或数据集群。
聚类分析或聚类被理解为一种所谓的“机器学习”技术,其中数据或数据点被分组为所谓的“集群”。在一组数据或数据点的情况下,例如能够使用聚类分析方法,聚类方法或聚类算法,从而将每个数据或数据点分类到特定组中。这样的组然后被称为“集群”。在此,同一组(即同一集群)中的数据或数据点具有相似的属性和/或特征,而不同组中的数据点具有非常不同的属性和/或特征。
从数学上讲,集群由比其他集群中的对象更接近(反之亦然:更相似)的对象组成。能够区分相应的聚类方法,例如,根据在集群的对象之间的,但是还有在整个集群之间使用的距离或接近度度量。此外或替代地,也能够根据用于这种距离度量的相应计算规则来区分相应的聚类方法。
聚类分析或聚类方法应理解为在大型数据库中发现相似性结构的方法。例如,这些包括有监督或无监督机器学习的方法,例如k-means或DBSCAN。聚类分析的结果是集群。这里的优点是数据分析能够全自动实现。当数据已经以情境化形式提供时,监督学习将是合适的。无监督学习算法能够在尚未上下文化的数据中找到相似结构。找到的集群能够由自动化系统领域的专家在此处进行分析,并且能够从找到的集群方便地生成代理。
聚类方法的使用例如能够包括聚类算法的使用或多个聚类算法的使用,例如一个接一个地使用。例如,这样的聚类算法能够是所谓的“K-Means聚类”、所谓的“Mean-Shift聚类”、所谓的“使用高斯混合模型(GMM)的期望最大化(EM)聚类”、所谓的“凝聚层次聚类”和/或所谓的“基于密度的空间聚类”,例如基于密度的噪声应用空间聚类(DBSCAN)”。聚类算法的其他实例能够是:例如以下算法:“Mini Batch K-Means”、“Affinity Propagation”、“Mean Shift”、“Spectra1 C1ustering”、“Ward”、“Agglomeration C1ustering”、“Birch”、“Gaussian Mixture”。
在聚类分析或聚类方法中,有必要计算两个对象,一个对象和一个集群或两个集群之间的距离或(不)相似性。根据基础的对象,数据或变量的类型,使用不同的距离度量。在所谓的分类对象,数据或变量(通常是分配给或能够分配给某些类别或类别的数据)的情况下,经常使用相似度度量,即相似度值为零意味着对象具有最大的不相似度。这些能够转换为距离度量。在数字或度量变量的情况下,使用距离度量,即距离度量为零意味着对象的距离为零,即最大相似度。对于其他类型的变量,例如二进制数据,文本数据或时间序列数据,也有相应的距离或相似性度量。
在执行根据本说明书的聚类方法或聚类算法时,在此能够根据第一数据源的数据或自动化工程数据所使用的数据类别的类型使用数值数据,二进制数据,字符串数据,分类数据,文本数据和/或时间序列数据的最大不同的标准距离度量或相似度量。
能够如上所述设计和配置根据本说明书的聚类方法。在此使用用于识别所考虑的数据集合中数据的相似性。聚类方法还能够包括例如使用某种聚类算法。此外,聚类方法也能够分阶段地设计并且包括两个或多个相应的聚类算法(例如顺序地)的使用。
这种聚类方法或算法的实例为:
-所谓的“无监督聚类”,
-所谓的K-means聚类方法,
-来自图像处理的方法,用于识别属于现有图像或图像信息的结构
-上述方法的组合。
能够选择使用的聚类方法来匹配现有数据集合中的数据类型。
方法步骤a.)也能够可选地通过将第一聚类方法应用于先前聚类步骤的结果而连续执行多次。如有必要,还能够在聚类步骤之间进行进一步处理或对先前聚类步骤的结果的处理。
此外,方法步骤a.)和b.)的顺序也能够连续多次执行,其中在已将适当的名称分配给已识别的集群之后再次将聚类方法应用于这些已识别的集群。
例如,组件数据集群的识别能够通过对第一数据源或自动化工程数据使用聚类方法来实现。此外,组件数据集群的识别也能够在使用相应的分配数据库来识别,例如集群分配数据库的情况下实现,其中,这样的数据库例如已经包括在较早的时间点识别出的自动化工程数据或第一数据源的数据与特定集群的分配关系。此外,还能够使用相应的关联神经元网络,例如集群关联神经元网络来实现组件数据集群的识别。例如,能够使用已经确定的自动化工程数据或第一数据源的数据与集群的分配关系来训练这样的集群分配神经元网络。
组件数据集群的识别例如还能够包括多个上述方法并行地或者也依次地执行。
自动化工程数据是例如为创建或提供用于自动化和/或控制设施或装置的数据。这样的数据例如在所谓的工程系统中创建,这些系统用于例如创建相应的控制程序和参数化设施或装置的组件以及相应的控制。这种工程系统的一个例子是市场上产品名称为“TIAPorta1”的软件。
在此,自动化工程数据能够包括各种各样的数据,例如一个或多个控制程序,变量,所谓的“标签”,程序模块,功能模块,数据模块,程序块,所谓的“程序组织单元”(POU),使用的数据类型的列表,用户定义数据类型的定义(“用户定义类型”(UDT)),组件的ID信息,配置数据,程序元素的调用信息,注释,控制程序,控制程序的一部分和/或可比数据。
例如,自动化工程数据的数据类别能够是:
-变量或所谓的“标签”,
-程序模块,功能模块,数据模块,程序块或所谓的POU(POU:程序组织单位),
-用户定义的数据类型(例如UDT),
-有关装置或设施的组件的信息,
-程序模块或POU的调用信息,
-注释,
或可比较的数据类别。
在此,自动化工程数据内的特定数据类别的数据例如能够收集在相应的列表中,或者也能够在数据库或类似结构中相互分配。在为执行根据本发明的方法做准备时,也能够创建来自自动化工程数据的数据类别的数据的汇编。例如能够进行这样的数据编译,以便随后从相应的自动化工程系统中导出相应的数据,然后在执行根据本说明书的方法的范围内使用该数据。
属于所提及的数据类别之一的数据例如能够已经作为列表,表格和/或数据库结构存在于自动化工程数据内,或者能够由相应的工程系统提供。例如,上述相应数据类别的数据能够作为标签或变量列表,作为POU列表,数据类型列表,硬件组件列表,调用结构和/或UDT列表而存在或可用。
自动化工程数据的数据类别内的各个数据能够继续包括关于相应数据的元信息。这样的元信息能够是例如名称,注释,参考,物理单位,ID信息(例如类型名称,序列号,ID号,功能名称,功能等)或关于相应数据的其他补充信息。
例如,各个数据类别的以下信息特征可用于应用于自动化工程数据的聚类方法或应用的聚类算法:
-分配给相应数据的名字或名称(例如变量,标签,程序模块,功能模块,数据模块,UDT等的名字或名称),或
-分配给相应数据的文本信息(例如元信息,注释或关于变量,标签,程序模块,功能模块,数据模块,UDT,设施/装置部件或组件的描述性信息……)。
也能够被考虑用于所提到的数据类别的聚类过程或算法的范畴内的其他信息为例如:
-变量,标签的数据类型,或者例如数据,功能或程序模块使用的数据类型;
-数据,功能或程序模块的输入和/或输出的数量或这些模块的输入和/或输出的名字/名称;
-由特定数据,功能或程序模块调用的其他此类模块的编号,名字或名称;
-根据本说明书,关于自动化工程数据的数据类别的更多可比信息。
这不仅适用于自动化工程数据或第一数据源的数据,而且适用于根据本说明书的任何可比较数据。
组件类型标记或组件ID信息标记能够例如手动,自动或部分自动地分配给各个识别的组件数据集群。
例如,在手动分配的情况下,相应分配的自动化工程数据或根据本说明书的第一或另一数据源的相应数据能够在屏幕上针对每个数据集群显示给用户。特别是,来自上述数据源的元信息也能够针对该数据显示。然后,用户能够使用该数据来识别相应的组件类型或组件ID信息标记。
例如,还能够自动分配组件类型标记或组件ID信息标记。为此例如能够提供数据库和/或神经元网络。例如,这能够是根据本说明书的数据库,其中根据本说明书在过去已经执行的聚类步骤的结果,根据本说明书向集群分配相应名称的结果和识别的关系根据本说明书的信息被保存。此外,这也能够是根据本说明书的神经元网络,其由根据本说明书的先前聚类步骤,根据本说明书的指定分配步骤的结果或根据本说明书的关系信息进行训练。
作为组件类型标记或组件ID信息标记的自动分配的一部分,例如,能够在数据库中识别相应的集群组成或将其输入到相应的神经元网络中。然后例如能够基于数据库确定对应集群的对应名称。当使用神经元网络时,对应的名称例如能够是在输入分配给集群的对应数据之后来自神经元网络的输出信息。
例如,对于组件类型标记或组件ID信息标记的自动分配,也能够自动分析来自针对该数据提及的数据源的元信息,随后能够自动从中选择和/或创建相应的名称。
在将相应名称分配给集群的部分自动化模式中,也能够自动创建对此类分配的建议,例如以上述方式之一。随后能够将这些建议显示给用户。通过选择其中一个建议(必要时由用户调整相应的建议),随后能够为选定的建议分派名称,以用于识别相应的组件类型或组件ID信息。
在一个有利的实施例中,该方法能够设计和配置为,使得在方法步骤a.)之后和方法步骤c.)之前执行以下方法步骤:
a1.)在所识别的组件数据集群内识别子组件数据集群,其中,子组件数据集群能分配或被分配给与设施或装置相关的子组件类型或子组件ID信息,
并且
在方法步骤a1.)和方法步骤c.)之前进行以下方法步骤:
b1.)分别将子组件类型标记或分别将子组件ID信息标记分配给识别出的子组件数据集群中的至少一个子组件数据集群。
通过识别和命名子组件数据集群,以这种方式设计的方法能够生成装置或设施的层次集群模型,这进一步简化了为该装置或设施创建数字孪生模型。特别地,数字孪生的创建由此被简化,即通过这种分层,装置或设施的组件和/或子组件结构被从用于该装置和/或设施的自动化工程数据或第一数据源的集群结构中转移出来。以这种方式,创建接近或甚至对应于装置或设施的组件和/或子组件结构的集群结构。
方法步骤a1.)旨在识别已识别的组件数据集群内的一个或多个子组件数据集群。在此,在特定组件数据集群内识别的子组件数据集群能够对应于该组件数据集群被分配到的那个组件的对应子组件。
例如,当执行方法步骤a1.)和可选地b1.)时,能够形成集群的分级系统。在识别组件类型数据集群的聚类步骤的框架中,例如能够在第一聚类步骤中识别组件类型“机器人”的集群。然后在识别子组件类型数据集群的进一步聚类步骤中例如,能够在该集群内识别子组件“机械臂”的子集群。例如,如果用于识别子组件类型数据集群的另一个聚类步骤再次应用于“机械臂”的该集群,则能够例如在此数据集群中识别对应于组件类型“电机”的集群。
这样就能够生成一个层次化的集群结构,它对应于装置或设施的一个层次化的组件结构。此类组件或集群分层结构的其他示例例如是类似的“部分”分层结构,如:“生产线-单元-机器人-电机”。
也能够在组件ID信息集群中创建相应的分层结构。例如,通常与来自特定制造商的机器人相关联的集群可能包含与来自该制造商的不同类型的机器人相关联的子集群。然后这些机器人类型子集群又能够被细分为另外的子集群,每个子集群能够分配给来自该制造商的不同机器人模型,这些机器人模型与相应类型相关联。
术语“后续方法步骤”在本说明书的上下文中被理解为是指相应的方法步骤在所提及的方法步骤之后的某个时间点进行,并且不必立即跟随该步骤进行。然而,其也能够直接跟随该步骤进行。
能够根据方法步骤a1.)识别子组件数据集群,例如,类似于根据权利要求和/或本说明书的根据方法步骤a.)识别组件数据集群。
此外,能够根据本说明书相应于组件数据集群,组件类型和/或组件ID信息来设计和配置子组件数据集群,子组件类型和/或子组件ID信息。
根据方法步骤b1.)将相应的子组件类型标记或子组件ID信息标记分配给识别出的子组件数据集群也能够根据方法步骤b.)和/或本说明书相应于组件类型标记或组件ID信息到组件数据集群的分配来实现。
例如,能够使用第二聚类方法或者根据权利要求1的聚类方法来识别子组件数据集群。此外,还能够使用如本文所述的集群映射数据库或集群映射神经元网络来识别子组件数据集群。也能够结合上述方法来识别子组件数据集群。
在此,集群分配数据库例如能够配置和设计为,使得例如在过去已经确定的集群数据与子组件数据集群的分配关系被存储在那里。此外,例如,相应的集群分配神经元网络也能够通过将子组件数据集群分配给过去已经确定的相应集群数据来训练。
第二聚类方法能够设计和配置为根据本说明书的聚类方法。
在此,例如,在根据组件类型进行聚类之后,能够根据子组件类型进行聚类。此外,例如,能够在基于组件ID信息的聚类之后进行基于子组件ID信息的聚类。
此外,例如,基于组件类型的聚类也能够遵循基于组件ID信息的聚类,反之亦然。在第一种情况下,根据相应类型集群内的ID信息的聚类能够例如遵循将工程数据分配给特定组件类型的聚类。以这种方式,例如,分配给例如用于组件类型的集群的工程数据随后能够被分配给例如该组件类型的不同组件。
例如,第二聚类方法能够应用于在方法步骤b1.)中识别出的所有组件数据集群。作为第二聚类方法的结果,例如,子组件数据集群随后能够被识别,在此,例如,各个组件数据集群能够包括一个或多个子组件数据集群。
在此,将第二聚类方法应用于组件数据集群也可能导致不能进一步细分,至少在一个或多个组件数据集群的情况下。
方法步骤a1.)因此也能够执行多次。这导致分层结构,通过该分层结构,在方法步骤a1.)中识别出的子组件能够进一步细分为子子组件和子子子组件等,并且分层地构造。
先前使用的聚类方法或先前未使用的聚类方法,例如根据本说明书的另一种合适的方法,能够用于提到的每个聚类步骤。
如果方法步骤a1.)被执行多次,则能够将第一聚类方法应用于先前聚类步骤的结果。如有必要,还能够在不同的聚类步骤之间对先前聚类步骤的结果进行进一步处理。
如果方法步骤a1.)被执行多次,则方法步骤b1.)也能够相应地被执行多次。在此,然后能够将子子组件名称和子子子组件名称等依次分配给相应子组件的相应集群。
这种分层布置的示例能够是例如机器人-机器人臂-电机或生产线-单元-机器人/电机。
以这种方式,设施或装置能够关于其分配的自动化数据分层地构建,并且该分层结构也能够提供有适当的名称。
这样,使用该信息创建的数字孪生能够具有与装置或设施的分层结构相对应的分层结构。这使得能够在最多样化的层级上分析设施或装置。
此外,在此能够提出,在方法步骤c.)中使用子组件数据集群创建数字孪生。
根据本说明书的方法也能够这样设计和配置,使得在方法步骤a.)和/或a1.)之后执行以下方法步骤:
b2.)通过评估自动化工程数据和/或对应于该数据的附加信息识别根据方法步骤a.)识别出的组件数据集群的关系信息
和/或
通过评估自动化工程数据和/或对应于该数据的附加信息识别根据方法步骤a1.)识别出的子组件数据集群之间的关系信息,
其中,在方法步骤c.)中,在使用在该过程中识别出的关系信息的情况下进一步创建数字孪生。
例如,关系信息能够是程序模块,程序组件和/或程序或组件实体之间的父子关系。在不同的程序模块,程序组件和/或程序或程序组件实体之间的调用信息也能够是这样的关系信息。此外,组件和它们相应的子组件之间的“从属”关系也能够是关系信息的实例。
例如,能够获取关于所使用的个体数据或识别出的集群的关系信息,附加信息或元数据。例如,关系信息能够继续从交叉引用或物流信息中获取。
关于个人或数据集群的附加信息,也能够称为元数据或此数据的元信息,能够是,例如,注释,描述,物理单位,与其他数据的关系描述,功能,作者,授权或可比较的信息。
例如,能够通过根据本说明书评估程序模块,功能模块,数据模块或通常的POU的调用信息和/或调用链来识别关系信息。这样,例如,能够识别包含不同上述构建块的不同集群之间的功能关系。
例如,可能存在这样的情况,在该种情况中,在用于设施的控制程序的范畴中,第一功能模块调用第二功能模块。在聚类的范畴中,例如能够出现,第一功能模块被分配给第一设施组件集群,因此分配给第一设施组件,并且第二功能模块分配给第二设施组件集群,并且因此分配给第二设施组件。基于上述调用信息,能够得出结论,第二设施组件必须在功能上分配给第一设施组件。
此外,能够例如使用关于特定自动化工程数据或第一数据源的数据的元信息或关于这种数据的注释来确定关系信息。这样的元信息或注释能够例如直接包含这样的关系信息,例如功能分配关系,结构分配关系和/或空间分配关系的描述和/或表示。此外,还能够例如从名称或ID信息中确定关系信息,例如从同一类别中不同数据元素的名称的部分匹配中确定关系信息。
在本说明书的范畴中,例如在上述情况下,措辞“在方法步骤a.)和/或a1.)之后”是指方法步骤bb2.)例如能够在方法步骤a.)a.1),b.)和/或b1.)之后实现。如果关系信息的识别至少尤其涉及根据方法步骤a1.)识别的子组件数据集群,则方法步骤bb2.)能够例如在方法步骤a1.),b.)和/或b1.)之后实现。
根据本说明书的方法也能够被设计和设置为存在来自以下列表的数据源的第二数据源:
-MCAD数据,该MCAD数据与设施或装置或与部分设施或装置的机械和/或空间规划有关,
-和/或关于设施或装置或与部分设施或装置的机械和/或空间设计,
-ECAD数据,该ECAD数据与设施或装置或与部分设施或装置的电气规划和/或电路规划有关,
-和/或关于设施或装置或与部分设施或装置的电气设计和/或实现的电路规划,
-机器人数据,该机器人数据与设施或装置的一个或多个机器人的规划和/或设计有关,
-描述数据,该描述数据与设施或装置或与部分设施或装置的规划和/或设计有关,
其中,在根据特征c.)创建数字孪生之前,方法还包括以下方法步骤:
aa.)识别第二数据源内的组件数据集群,其中,组件数据集群能被分配或被分配给与设施或装置相关的组件类型或组件ID信息,
bb.)将相应的组件类型标记或相应的组件ID信息标记分派给在方法步骤aa.)中识别出的组件数据集群,
bbb.)将根据权利要求1或2所述的方法步骤b.)识别出的自动化工程数据的组件数据集群和/或子组件数据集群分派给在所述方法步骤bb.)中识别出的组件数据集群。
此外,在完成上述方法步骤之后,例如,能够使用来自上述数据源列表的另一数据源或另一数据源进一步执行这些方法步骤。以这种方式,能够通过根据本说明书在多种数据源内聚类并根据上述方法步骤bbb.)执行相应的分配步骤,将特定组件或组件部分分配给在不同数据源内识别的集群。
通过这种方式,能够为装置或设施创建数字孪生,将装置或设施上来自各种数据源的数据分配给设施或设施的各个部件或组件,从而创建一致的数字图像装置或设施。这简化并改进了数字孪生的创建,因为使用的大量数据源简化了集群到装置或设施的不同组件或设施部分的分配,并能够更好地将有关设施或装置的不同类型的数据联网。
根据方法步骤aa.)对组件数据集群的识别在此能够相应于根据方法步骤a.)和/或本说明书对组件数据集群的识别实现。根据方法步骤bb.)分配相应的组件类型标记能够类似地根据方法步骤b.)和/或本说明书的组件类型标记的分配来实现。
能够根据本说明书设计和设置相应应用的聚类方法。数据集群之间关系信息的标识也能够按照本说明书进行设计和设置。
这简化并改进了数字孪生的创建,因为使用的大量数据源简化了集群到装置或设施的不同组件或工厂部分的分配,并能够更好地将有关设施或装置的不同类型的数据联网。
能够根据方法步骤aa.)对组件数据集群的识别例如能够通过另外的聚类方法在第二数据源上的使用来实现。
在此,自动化工程数据或第一数据源的组件数据集群和/或子组件数据集群向第二数据源的组件数据集群的分配能够由此实现,即相应的数据集群的相应的组件类型标记或者相应的组件ID信息标记相互比较,并在相同或相似名称的情况下实现相应的分配。
此外,例如,能够在分配中比较和使用各个数据集群之间的关系信息中的一个或多个。例如,如果第二数据源的数据集群与自动化工程数据或第一数据源的数据集群仅命名相似,则如果它们与其他数据集群具有相似的关系,则能够将对应的数据集群相互分配。
在此,在第二数据源的数据内部的组件数据集群的识别能够根据本说明书相应于在第一数据源或自动化工程数据内的组件数据集群的识别来实现。在第二数据源的数据内部的组件数据集群的识别也能够例如在使用相应的聚类方法,相应的集群分配数据库和/或相应的集群分配神经元网络的情况下相应地根据本说明书来实现。
在此,对于根据本说明书应用于上述数据类别(MCAD数据,ECAD数据,机器人数据和/或描述数据)的聚类方法,或相应使用的聚类算法,例如引用以下针对各个数据类别的特征信息:
-分配给相应数据的名字或名称;
-分配给相应数据的文本信息(例如元信息,注释或描述信息)。
同样在聚类方法或算法的范畴中能够用于相应所提到的数据类别的另外信息例如是:
-变量,标签,信号,输入和输出的数据或信号类型;
-数据,功能,程序模块或其他软件元素使用的数据类型;
-特定机械,电气和/或逻辑组件或软件组件与相应其他此类组件的连接类型,连接名字或名称以及连接数量;
-机械,机电,电气或逻辑模块或软件模块的输入和/或输出的数量,类别,类型和/或设计或这些模块的输入和/或输出的名字/名称;
-由特定数据,功能或程序模块调用的其他此类模块的编号,名字或名称;
-根据本说明书,关于MCAD数据,ECAD数据,机器人数据和/或描述数据的数据类别的进一步可比信息。
机械数据或MCAD数据能够是,例如:3D几何图形,运动学信息,点云信息,机械组件或零件的名字/名称/元信息,各种机械组件或零件的关系信息(例如名字,名称和/或连接到特定零件的其他组件的数量,例如,此类连接的类型和设计),相应机械组件或其零件的图像数据或设计或CAD数据。
电气规划数据或ECAD数据能够是,例如:功能描述,位置信息,产品参考号,零件或零件列表,示意图,电路图,组件或电路的图像,名字,名称或数量输入和/或输出,有关动态行为的信息(例如,由所谓的“宏”描述)或有关装置或设施的电气特性和/或配置的可比数据。
除了可与自动化工程数据相比的数据外,机器人数据还能够是信号列表或机器人程序等数据。
机器人数据也能够与整个装置或设施相关。特别是,如果这主要或完全由一个或多个机器人组成。
例如,描述数据能够是与装置或设施或其组件和部分有关的计划和/或描述数据或操作指令。特别地,这样的描述数据能够是标准文档格式,例如文本格式,Word格式,PDF,Excel格式,Visio格式,各种图像格式,流程图格式,思维导图格式或类似的文档格式。
根据本说明书的方法也能够这样设计和设置,使得在方法步骤aa.)和方法步骤bbb.)之后,执行以下方法步骤:
aa1.)识别在方法步骤aa.)中识别出的组件数据集群内的子组件数据集群,其中,子组件数据集群能被分配或被分配给与设施或装置相关的子组件类型或子组件ID信息,
和
bb1.)将相应的子组件类型标记或相应的子组件ID信息标记分配给所识别的子组件数据集群中的至少一个子组件数据集群。
措辞“在方法步骤aa.)之后”在此还意味着此处提到的方法步骤发生在方法步骤aa.)之后的某个时间点,并且不一定必须直接跟随方法步骤aa.)(但能够这样做)。
子组件数据集群的识别和子组件类型标记到相应的子组件数据集群的分配又能够根据本说明书来设计和配置。
例如,能够通过将另外的第二聚类方法应用于在第二数据源的数据内识别的组件数据集群来识别子组件数据集群。能够将附加的第二聚类方法设计和设置为根据本说明书的聚类方法。它能够对应于根据权利要求1的聚类方法或根据本说明书的进一步聚类方法或与其不同。
在这里,子组件数据集群的识别也能够根据本说明书在使用相应的集群分配数据库和/或相应的集群分配神经元网络的情况下来实现。
在一个有利的实施例中,例如,根据组件类型的聚类之后能够是根据子组件类型的聚类。此外,例如,能够在基于组件ID信息的聚类之后进行基于子组件ID信息的聚类。
在此,例如,基于组件类型的聚类也能够跟随基于组件ID信息的聚类,反之亦然。在第一种情况下,例如,在将来自第二数据源的数据分配给特定组件类型的聚类之后,能够根据相应类型聚类内的ID信息进行聚类。
例如,能够将附加的第二聚类方法应用于在方法步骤bb1.)中识别的所有组件数据聚类。作为第二聚类方法的结果,随后能够识别例如子组件数据集群,在此,例如,单个组件数据集群能够包括一个或多个子组件数据集群。
将另外的第二聚类方法应用于组件数据集群也能够导致不可能进行进一步的聚类,至少在一个或多个组件数据集群的情况下是这样。
方法步骤aa1.)也能够进行多次。这导致了分层结构,通过该分层结构,在方法步骤aa1.)中识别的子组件能够进一步细分为子子组件和子子子组件等并分层地结构化。
先前使用的聚类方法能够用于所提到的聚类步骤中的每一个,或者尚未在根据本发明的方法的范围内使用的例如根据本说明书聚类方法。
此外,例如,基于组件类型的聚类也能够遵循基于组件ID信息的聚类,反之亦然。在第一种情况下,将第二数据源的数据分配给特定的组件类型的聚类,之后能够根据相应类型的集群内的ID信息进行聚类,使得由此将例如分配给用于组件类型的集群的第二数据源的数据被分配给例如该组件类型的组件的不同实体。
在方法步骤aa1.)被执行多次时,能够将第一聚类方法应用于先前聚类步骤的结果。如有必要,还能够在聚类步骤之间进行进一步处理或对先前聚类步骤的结果的处理。
如果方法步骤aa1.)被执行多次,则方法步骤bb1.)也能够相应地被执行多次。在此,对于相应的子组件,随后能够将子子组件名称和子子子组件名称等依次分配给相应的集群。
以这种方式,设施或装置能够关于其从第二数据源分配的数据分层地构建,并且该分层结构也能够被提供有适当的名称。
通过这种方式,使用此信息创建的数字孪生接收设施或装置的分层结构,这使得设施或装置能够在最不同的层次级别上进行分析。
此外,在此能够提出,在方法步骤c.)中使用子组件数据集群创建数字孪生。
根据本发明的方法也能够这样设计和配置,即在方法步骤aa.)和/或aa1.)之后执行以下方法步骤:
bb2.)通过评估来自第二数据源的数据和/或关于该数据的附加信息,识别根据方法步骤aa.)识别的组件数据集群之间的关系信息,
和/或
通过评估来自第二数据源的数据和/或关于该数据的附加信息来识别根据方法步骤aa1.)识别的子组件数据集群之间的关系信息,
其中,
还在方法步骤c.)中,仍然使用已识别的关系信息创建数字孪生。
在此,能够根据本说明书设计和配置关系信息。
在此,关系信息的确定也能够根据本说明书进行设计和配置。在此,例如在确定来自自动化工程数据或第一数据源的数据的关系信息的范畴中而呈现的设计和解释能够相应地传送到对来自第二数据源的数据的关系信息的确定。相应的机器人数据尤其能够用于获得与自动化工程数据相关的解释类似的关系信息。
例如,关系信息能够从机械规划数据或MCAD数据中确定。为此,例如能够使用与装置或设施的部件的几何设计和定位相关的3D几何信息,零件或部件清单或运动学信息。装置或设施的不同组件之间的连接类型和配置也能够相应地评估和使用,或者能够使用相应的图像数据来确定关系信息。
也能够以类似的方式评估电气规划数据或ECAD数据以确定关系信息。在这里,例如,位置信息,零件清单或部件清单,示意图,电路图,输入和/或输出的名称或关于动态行为的信息也能够被相应地评估,以便识别装置或设施的不同组件之间的关系信息。
根据本说明书的描述数据也能够被评估以识别关系数据。特别地,这样的规划和/或描述文档能够直接包含装置或设施的不同组件之间的关系信息。
在此,结合本说明书,措辞“aa.)之后”和/或“aa1.)之后”是指例如方法步骤bb2.)能够在方法步骤aa.),aa1.),bb.)和/或bb1.)之后执行。如果关系信息的识别尤其与根据方法步骤aa1.)识别出的子组件数据集群有关,则方法步骤bb2.)能够例如在方法步骤aa1.),bb.)和/或bb1.)之后实现。
例如,根据本说明书的方法也能够这样设计和配置,即
在方法步骤a.),a1.),aa.),aa1.),b.),b1.),b2.),bb.),bb1.),bb2.),bbb.)和/或其他根据本说明书的方法步骤之后,相应的方法步骤的结果被存储在集群分配数据库中,
和/或
在方法步骤a.),a1.),aa.),aa1.),b.),b1.),b2.),bb.),bb1.),bb2.),bbb.)和/或其他根据本说明书的方法步骤之后,使用相应方法步骤的结果训练聚类分配神经元网络。
集群分配数据库中提到的方法步骤的结果的这种存储或这些程序步骤的相应结果的使用实现了在所述的方法步骤的范畴中获得的结果供将来使用聚类步骤或描述适当识别的聚类的分配步骤的应用。
通过这种方式,相应的知识能够用于未来的聚类方法,从而能够进一步简化和加速未来的聚类方法。
方法步骤a.),a1.),aa.),aa1.),b.),b1.),b2.),bb.),bb1.),bb2.),bbb.)和/或根据本说明书的另外的方法步骤的结果在集群分配数据库之一中的保存例如能够以SQL格式或NoSQL格式实现。在此,数据库或数据库中的存储能够根据本说明书设计和配置,或者能够包括根据本说明书的组件。
在此,集群分配数据库中的存储能够被相应地提供和配置为,使得存储的结果能够在未来的分析时例如由相应的数据集合,数据源和/或设施部件集群使用。
在此,在这样的集群分配数据库中,例如,能够存储特定数据到特定集群的分配关系或者也能够存储特定数据或集群到特定集群名称或ID信息名称的分配关系。此外,这样的数据库还能够存储例如不同集群彼此的分配关系,如例如根据方法步骤b2.),bb2.)或bbb.)确定的那样。在这样一种集群的分配关系相互存储的框架内,例如,还能够存储这些集群之间确定的关系信息。
在此,集群分配数据库能够包括例如两个子段,集群分配类型数据库区域和集群分配ID信息数据库区域。在此,例如在第一所述的数据库区域中存储有相应的集群数据到特定类型描述或名称或其他类型信息的分配关系。在第二所述的数据库区域中例如能够存储有相应的集群数据到ID信息的分配关系。
用于训练相应神经元网络的相应方法步骤的结果的使用例如能够这样设置和设计,即方法步骤a.),a1.),aa.),aa1.),b.),b1.),b2.),bb.),bb1.),bb2.),bbb.)和/或根据本说明书的进一步方法步骤,组件数据集群或子组件数据集群在使用用于训练相应神经元网络的数据基础,用于识别此类组件数据集群或子组件数据集群。
在此,例如,能够使用将包含在相应数据集群中的数据分配给相应集群和/或与分配给该集群的组件类型或组件ID信息标记相关联。此外,也能够使用将各个组件数据集群分配给特定关联的真实组件,物理设备部件和/或特定名称来训练相应的神经元网络。
根据本说明书的方法也能够这样设计和配置,即
当执行根据本说明书的方法时使用集群分配数据库和/或集群分配神经元网络,特别是使用集群分配数据库和/或集群分配神经元网络实现组件数据集群和/或子组件数据集群的识别,
和/或
使用集群分配数据库和/或集群分配神经元网络实现组件类型标记(或组件ID信息标记和/或子组件类型标记或相应的子组件ID信息标记)的分配。
例如能够这样设计和配置,使得例如根据以上说明书存储在相应数据库或相应神经元网络中的信息然后例如用于转换进一步的数据集合,数据源和/或已经确定为对应的组件数据集群和/或拆分子组件数据集群的数据集群。
在一个有利的实施例中,根据方法步骤a.),a1.),aa.),a1.)和/或根据本说明书的其他方法步骤使用数据库和/或训练的神经元网络进行聚类。
在另一有利实施例中,名称和/或关系信息的分配根据方法步骤b.),b1.),b2.),bb.),bb1.),bb2.)和/或其他根据本说明书的方法步骤,使用数据库和/或训练的神经元网络来实现。
在另一有利的实施例中,使用数据库和/或训练的神经元网络根据方法步骤bbb.)和/或根据本说明书的其他方法步骤实现集群的分配。
例如,能够将第一数据源的数据,自动化工程数据和/或第二数据源或其他数据源的数据馈送到集群分配数据库,然后根据已经在过去实现的分配关系在其中搜索包含在其中的对应于特定的集群的数据,然后该集群输出分配关系。此外,例如,第一数据源的某些集群相关数据或自动化工程数据和/或第二或另一数据源的数据能够被输送给集群分配数据库,并且在数据库的框架内根据相应在过去已经分配给这些集群的组件描述来进行研究,并在此输出分配关系。
以可比较的方式,例如,第一数据源的数据或自动化工程数据和/或第二或其他数据源的数据能够被馈送到根据本说明书训练的神经元网络,然后神经元网络将这些数据确定的相应分配关系输出给相应的集群。为了确定某些确定的集群数据的对应组件描述,能够将与某个集群相关联的数据输入到根据本说明书训练的神经元网络中,然后神经元网络为相关联的集群输出相应的组件描述。
在此,还能够提出,
数字孪生和/或集群分配数据库被设计为关联数据库,NoSQL数据库和/或知识图数据库。
在此,数字孪生或数字孪生的数据能够作为数据库存储在数字孪生数据库中,或者能够包括这样的数字孪生数据库并以任何数据库格式存在。这样的数据库格式能够是例如所谓的关联数据库格式或SQL数据库格式或者也能够是所谓的NoSQL数据库格式和/或知识图数据库格式。
集群地图数据库也能够是任何数据库格式。在此,这种数据库格式也能够是例如所谓的关联数据库格式或SQL数据库格式或者也能够是所谓的NoSQL数据库格式和/或知识图数据库格式。
数字孪生和/或集群分配数据库的各个部分也能够以上述各种格式存储。
此外,数字孪生和/或集群分配数据库还能够包括上述任何数据库格式中不可用的其他部分。
信息或部分信息能够作为关联数据库存储在数字孪生中,或者数字孪生能够包括这样的数据库。此外,数字孪生中的信息或部分信息还能够作为NoSQL数据库,一个或多个知识图谱,非关联数据库,OWL数据库,RDF数据库和/或SPARQL作为查询被使用的数据库来存储,或者数字孪生能够包括这样的数据库。
所提及的数据库格式,例如关联数据库,SQL数据库,NoSQL数据库和/或知识图谱,也能够根据本说明书进行设计和配置。
上述目的还通过用于装置或设施的数字孪生来实现,该数字孪生已经使用根据上述描述的方法创建。
以这种方式创建的数字孪生解决了上述问题,因为它是使用本说明书中介绍的方法以简化的方式创建的。
上述目的还通过包括根据上述描述的数字孪生,集群分配数据库和/或集群分配神经元网络的计算机可读存储介质来实现。
以这种方式存储的数字孪生实现了上述目的,因为数字孪生是使用本说明书中提出的方法以简化的方式创建的。存储在计算机可读存储介质上的集群分配数据库和/或存储在那里的集群分配神经元网络还能够根据本说明书为另外的装置或设施简化地创建数字孪生,如在之前的说明书中详细实施的那样。
上述目的还通过使用根据本说明书的数字孪生来识别自动化工程数据或第一数据源的数据与第二数据源的数据之间的不一致性来实现。
自动化工程数据或第一数据源的数据与第二数据源的数据之间的这种不一致例如能够是:
-根据对相应的数据的聚类相应地识别出的组件数据集群和/或子组件数据集群的数量的区别;
-相应地分配给相应的组件数据集群或子组件数据集群的相应分配的组件类型标记和/或组件ID信息标记的区别;
-在不同的识别出的组件数据集群和/或子组件数据集群之间确定的关系信息的区别。
在另一方法步骤中,例如能够向用户显示所识别的不一致。此外,在进一步的方法步骤中,能够这样地提供输入掩码,即用户例如能够手动输入和/或改变用于特定组件数据集群和/或子组件数据集群的分配的组件类型标记和/或组件ID信息标记。
此外,例如作为相应的不一致性检查的结果,能够为用户提供,例如用于分别确定的组件数据集群和/或子组件数据集群的组件类型标记和/或组件ID信息标记。显示第一数据源或自动化工程数据和第二数据源的数据。
此外,例如,对于所显示的组件类型标记和/或组件ID信息标记中的每一个,能够通过选择菜单向用户做出对应名称的替代建议。在每种情况下,能够从其他数据源的集群名称中获取相应名称的替代建议。这意味着,例如,第一数据源或自动化工程数据内的特定数据集群的组件类型标记随后在选择列表中提供,或者提供这样的组件类型标记,其在集群的范畴中用于确定第二数据源。
这样,能够支持用户,例如,将两个数据源中的已识别数据集群分配给相应正确的名称。
以可比较的方式,能够显示在第一数据源或自动化工程数据和第二数据源的数据的聚类的范畴中确定的相应的关系信息,并且这种关系信息的对应名称能够以相应下拉菜单的方式显示。以这种方式,在两个数据源的聚类的范畴中识别的关系也能够相互比较。
这样,不仅能够识别第一数据源或自动化工程数据与第二数据源的数据之间的不一致,而且还能够支持用户消除这种不一致,如果需要,甚至对这两个数据源进行相应地更正和/或补充。
在另一有利实施例中,所识别的不一致也可用于例如确定数据源之一或两者中的错误并识别纠正此类错误的必要步骤。例如,这能够通过向用户提供适当的信息和/或自动提出改变建议来实现。
此外,该方法还能够设计和配置为使用数字孪生中的信息自动纠正此类识别的错误。在此,例如,能够向用户显示哪些值或术语已被自动更正,以便随后为其提供进一步的更正选项。
上述目的还通过使用根据本说明书的数字孪生来创建已改变的装置或设施的数字孪生来实现。
例如,能够通过以下方式为更改的装置或设施或为该装置或设施的计划创建此类数字孪生,从而通过分配给已改变的组件类型或组件ID信息的集群替代分配给确定的组件类型或组件ID信息的集群。例如,相应的组件类型或单个组件通过替代的组件类型或单个组件的替代能够在用于已改变的装置或设施的新数字孪生中被考虑在内。
相应地,如果相应组件的关系(例如空间或层次关系)发生了相应的变化或计划了这种变化,也能够调整相应的组件集群或子组件集群的关系信息。
改变后的装置或设施的改变后的数字孪生的数据,或装置或设施的计划改变,能够用于例如创建改变后的装置或设施的相应模拟或支持其创建。
此外,改变后的装置或设施的数字孪生数据也能够用于,例如,为改变后的装置或设施创建控制程序或支持相应的创建。此外,该数据还可用于为改变后的装置或设施创建相应的工程项目,MCAD数据,ECAD数据,机器人数据和/或描述数据。
上述目的还通过使用根据本说明书的数字孪生来创建装置或设施或其部分的模拟和/或用于装置或设施或其部分的虚拟调试来实现。
使用数字孪生创建模拟被理解为,除其他外,至少使用数字孪生的至少部分数据来创建装置或设施的模拟。可能需要其他数据或数据源以及可能还需要用户输入来创建模拟。
例如,所识别的组件数据集群和/或子组件数据集群,或分配给它们的类型名称或ID信息名称,可用于例如在相应的模拟数据库中识别并选择相应组件的相应模拟程序。
此外,例如,相应数据集群之间的识别关系信息能够用于模拟程序关于分配给这些数据集群的组件的逻辑链接。
其他数据,例如某些数据集群内的数据,也可用于创建或参数化相应的模拟。例如,此类数据能够是设施或装置的特定部分的3D几何形状或相应的运动学信息。此外,这样的信息能够是装置或设施的产品,零件清单和/或相应的示意图或电路图的参考名称。诸如流程图之类的描述性数据也能够是这样的信息,其能够用于为装置或设施创建和/或参数化模拟。
在另一个有利的实施例中,当链接分配给装置或设施的组件的不同模拟程序时,也能够使用数字孪生的数据。通过这样的链接,与装置或设施的特定组件有关的模拟的输入和输出数据必须在逻辑上链接到与装置或设施的另一个组件的模拟的相应输入和输出数据,该装置或设施的另一个组件至少在逻辑上是链接到提到的组件。例如,这能够实现两个模拟之间的正确通信。例如,将这种逻辑链路和不同模拟的输入和输出信号称为“信号映射”。
因此,在另一个有利的实施例中,根据本说明书的数字孪生也能够用于分配给模拟程序的设施或装置的不同组件和/或子组件之间的这种“信号映射”。
例如,这种信号映射能够使用装置或设施的数字孪生来执行,或者至少通过数字孪生来支持。例如,能够使用来自其他数据源的关于已识别组件类型的信息或组件ID信息。然而,也能够使用存储在数字孪生本身中的信息或来自相应数据集群本身的信息,例如相应的变量名称,变量信息,功能块,功能块信息,数据块和/或相应的数据块信息。例如,关于对应部件的对应仿真的输入和输出信号的名字,名称,布置和/或类似信息能够从该信息中获取。基于这样的信息,特定组件的模拟的输入和输出信号随后能够链接到至少在逻辑上链接到特定组件的另一组件的另一模拟的相应输入和输出信号。
这样的链接又能够自动发生或由被支持的用户手动分配相应的输入和输出信号,例如通过显示相应的建议。
装置或设施的虚拟调试被理解为,使用装置或设施的数字模型和/或装置或设施的模拟来实现装置或设施的自动化。例如,装置或设施的仿真或模型能够连接到装置或设施的实际控制硬件(所谓的“硬件在环”)。此外,装置或设施的仿真或模型能够也能够连接到控制硬件的模拟(所谓的“软件在环”)。
以这种方式,能够设置系统的控制系统和系统的操作,而无需实际系统必须是功能性的。
例如,能够使用根据本说明书的数字孪生来创建装置或设施的这种模拟,如本说明书中已经解释的。此外,例如,控制程序和/或其模块也能够从数字孪生中获取,以便相应地设置相应的控制硬件或控制硬件模拟。此外,对于虚拟调试有用或必要的其他数据也能够从数字孪生中获取,例如有关所用硬件组件,所用通信协议或类似信息的更多信息。
上述目的也是通过根据本发明的数字孪生体来检查数字孪生是否对应于装置或设施的原始规划数据来实现的。
例如,原始规划数据能够是来自装置或设施的数字设计系统的数据,或者也能够是装置或设施的印刷计划,图纸,零件清单,功能描述和/或其他规划数据。
作为检查数字孪生是否对应于装置或设施的原始规划数据的一部分,能够检查,例如,数字孪生是否具有与原始装置或设施中记录的相同的组件和/或子组件规划数据。此外,还能够检查,例如,根据数字孪生的装置或设施的组件和/或子组件是否具有与装置或设施的规划数据中最初记录的相同的关系信息。
在从属权利要求中能够找到进一步的有利的改进方案。
附图说明
下面示例性地参照附图更详细地解释本发明。
图中示出:
图1示出根据本实施例的装配单元的示意图;
图2示出装配单元的不同工程数据和/或规划数据的列表;
图3示出为装配单元创建数字孪生的示意性流程图;
图4示出使用不同工程数据源的数据为装配单元创建数字孪生的示意性流程图;
图5示出自动化工程数据的不同数据类别的数据示图,用于示例性描述为装配设备创建数字孪生的流程;
图6示出关于自动化工程数据的第一聚类步骤的结果;
图7示出关于自动化工程数据的第二聚类步骤的结果;
图8示出具有进一步识别出的不同组件之间的关系分配的第二聚类步骤的结果;
图9示出装配单元的机械CAD数据的不同数据类别的数据的示例性示图;
图10示出第一聚类步骤和第二聚类步骤以及关系分配在机械CAD数据上应用的结果;
图11示出基于示例性方法步骤中求出的数据和信息的装配单元的数字孪生的示意图表。
具体实施方式
图1示出了具有第一运输站110和第二运输站120的装配站100或装配单元100。第一运输站110包括第一机器人单元115并且第二运输站120包括第二机器人单元125。装配站100还包括装配平台130。
图2示出了用于图1中所示的装配站100的工程数据150的列表。工程数据150在此包括自动化工程数据200,机械CAD数据(MCAD)400,电气CAD数据(ECAD)152,机器人数据154以及标准文档格式的数据156。
在此,自动化工程数据200包括在装配站100的自动化的范畴中例如通过适当的控制器或控制装置(例如,一个或多个可编程逻辑控制器)所需或所使用的数据。
这样的数据例如是在这样的控制内在控制装配装置100的范畴中使用的变量的变量列表。此外,自动化工程数据200包括用于控制的功能模块,数据模块或者还包括用于通过相应的控制器或相应的可编程逻辑控制器控制装配装置的相应控制程序的代码。
自动化工程数据200还包括在自动化工程数据150的创建的范畴中创建或设置的用户定义数据格式(所谓的“UDT”(用户定义类型))的列表。
此外,自动化工程数据200包括关于装配站100中使用的硬件组件的信息列表。例如,该信息能够是组件名称、组件ID信息(例如品牌名称、序列号、订单号等)、组件类型标记、组件描述信息、分别使用的参数和/或相应的参数限制值的列表、关于相应的硬件组件的几何信息和/或关于相应的硬件组件的补充、背景或支持信息。
MCAD数据400包括装配站100的组件的零件列表、关于装配站100的组件和关于装配站100本身的3D信息。MCAD数据400还包括关于装配站100的各个组件、装配站100整体以及在装配站100的不同组件之间的运动学信息。MCAD数据还包括关于装配站100的各个部件以及装配站100整体的点云信息。
ECAD数据152包括装配站100及其组件的电路规划、功能规划、功能图、功能列表和关于装配站100的组件的电气模块和组件的位置信息。ECAD数据还包括所使用的电气和电子组件的零件列表、相应的产品标识列表以及装配站100以及装配站100的组件的范畴内使用的这些组件和相应电路的图示。
装配站100的工程数据150的机器人数据154包括装配站100的机器人单元115,125的信号列表和装配站100的机器人单元115,125的机器人程序。
包含在装配站100的工程数据150中的标准文档格式156的信息包括PDF文件,Excel文件,Visio文件,图像和具有关于装配站100及其组件的信息的流程图。例如,此类信息能够是功能描述、操作说明、参数列表和其他数据列表、图像示图和类似信息。
图3通过示例性和示意性的方式示出了用于为根据本说明书的装配站100的数字孪生800创建数据的示例性流程。下面示范性地以装配站100的自动化工程数据200的聚类为例解释该流程。在此,自动化工程数据200也形成了根据本说明书的第一数据源的实例。
根据图3的数字孪生800的创建开始于第一聚类步骤610,其中,使用第一聚类方法识别从自动化工程数据200中的被选择用于聚类的数据内的类型集群。在此,属于确定组件类型的各个数据分别被分派给被分配的集群。这样的组件类型能够是例如机器人、生产线、装配站、电机、变流器、传感器或类似的组件类型。这将结合以下附图更详细地解释。
在第二分派步骤620中,将对应的类型描述分派给识别的类型集群。例如,该分派能够由用户手动完成,或者也能够使用预先存储的相应信息半自动或自动完成。
图3还示出了数据库700,该数据库包括类型数据库710和ID信息数据库720。
分派步骤620的结果随后被相应地存储在类型数据库710中,其中例如,关于所识别的类型集群的信息与数据库内的相应类型描述相关联。
随后,在第二聚类步骤630中,在第一聚类步骤610中找到的类型集群内识别ID信息集群。在类型集群内,属于确定组件或组件实体的数据被分别分配给相应的集群。例如,能够通过序列号或订单号,或通过相应的产品名称或制造商名称来标识这种确定的组件或组件实体。例如,用于不同组件的不同ID信息集群能够存在于所识别的类型集群之一内。此外,识别出的类型集群也能够准确对应一个ID信息集群,即,仅有一个确定类型的组件。
随后,在进一步的分派步骤640中,为每个识别的ID信息集群分派相应的ID信息。这样的ID信息例如能够是上面已经提到的相应的序列号或订单号、产品名称或制造商名称。
随后是关系分配步骤650,在该步骤中,识别各种被识别的类型集群和/或ID信息集群之间的关系。例如,这样的关系能够是诸如“被功能性分配的”、“是其一部分的”、“是被分配的”、“与之相连的”等的关系或类似关系。例如,能够使用自动化工程数据200内的各个数据的关系来求出这种关系。例如,这种关系能够从程序模块、功能模块、数据模块或类似结构的调用链或序列中导出。此外,还能够从变量名称或类似数据中推断出该关系。
此外,存储在类型数据库710和ID信息数据库720中的数据用于训练具有神经元网络752的AI组件750。例如,为了训练神经元网络752,将确定数据分配给确定集群和/或还将确定的名称分配给确定的集群和/或其中包含的数据。
AI组件750的经过训练的神经元网络752随后也能够在例如图3所示的聚类步骤610,630和分派步骤620,640的范畴内使用。因此例如,在聚类步骤610,630之一的范畴内,源数据能够被馈送到经过训练的神经元网络752,随后该神经元网络能够输出对应的集群结构或对应的被分配给各个数据的集群或集群名称,从而对应地在相应的聚类步骤610,630中,补充或必要时甚至能够替换所使用的聚类方法。
以类似的方式,AI组件750也能够用于类型描述分派步骤620或ID信息分派步骤640。此外,在关系分配步骤650中被识别的关系也能够用于神经元网络752的对应的训练,并且以这种方式,关系分配步骤650也能够稍后由相应的经训练的神经元网络752支持。
图4示出了根据本说明书使用来自不同工程数据源200,400,152,154,156的数据创建数字孪生体800的步骤的示例性示意图。
为此目的,例如结合图2更详细解释和实施的自动化工程数据200经历例如结合图3详细解释的一个或多个数据选择步骤和结构化步骤660。此外,同样例如结合图2详细解释的机械CAD数据400同样经历例如已经结合图3详细解释的一个或多个数据选择步骤和结构化步骤662。以同样的方式,电气CAD数据152、机器人数据154和标准文档数据156(这些数据同样结合图2被详细地解释)相应地经历数据选择步骤和结构化步骤664,666,668,其中,这些数据选择步骤和结构化步骤664,666,668中的每一个步骤都能够根据参考图3更详细解释的方法相互独立地设计和配置。
在另一数据补偿步骤和合并步骤670中,将在数据选择步骤和结构化步骤660,662,664,666,668的范畴内分别求出的数据集群彼此进行分配。实现这种分配,使得不同数据源200,400,152,154,156的相应的数据集群分别被彼此分配,其中,这些数据源属于相同的组件类型、组件类型标记、组件ID信息和/或组件ID信息标记。
因此,该模型比较步骤和合并步骤670为装配站100创建了跨越不同数据源200,400,152,154,156的边界的一致的数据模型,并进而为根据本说明书的数字孪生800的创建提供了良好的基础。
已经参考图3解释的方法步骤610,620,630,640,650现在将参考图5-8作为用于装配站100的示例性自动化工程数据200的实例来被更详细地解释。
参考图9-10使用装配站100的示例性MCAD数据400来解释类似的聚类,之后,参考图11,已经结合图4更详细解释的模型比较步骤和合并步骤670示例性地基于涉及根据图5-8的自动化工程数据200和根据图9-10的MCAD数据400的聚类分析的识别出的数据集群被详细解释。
图5示出了装配站100的自动化工程数据200的实例。在该实例中,自动化工程数据200包括具有变量h到n的变量列表210,其中,每个变量都用方形符号表示。此外,自动化工程数据200还包括具有功能模块a至c的功能模块列表220,这些功能模块由三角形符号表示。自动化工程数据200还包括具有数据模块d到g的数据模块列表230,每个数据模块由圆形符号表示。此外,自动化工程数据200还包括UDT列表240,硬件信息列表250和控制程序260,然而,它们没有用于图6-8所示的聚类实施例中。
图6示出了用于识别集群310,320,250的第一聚类步骤的结果,集群310,320,250分别被分配给装配站100的组件类型。例如,这样的聚类步骤能够如在图3的范畴中的第一聚类步骤610中那样被详细解释地设计和配置。
此外,图6还示出了用于将相应的组件类型标记312,322,352分派给相应的集群310,320,250的后续类型描述分派步骤的结果。这种类型分派步骤能够例如对应于根据图3设计和配置的第一类型描述分派步骤620。
对于第一聚类步骤610,从根据图5的自动化工程数据200中选择变量列表210,功能模块列表220和数据模块列表230作为数据选择205或第一数据源205。为了聚类,随后对于变量h到n,分别考虑被分配的变量名称。对于功能模块a至c,分别考虑由功能模块使用的变量或其所属的名称。对于数据模块d至g,为了聚类同样考虑由数据模块使用的变量或其所属的名称。
用于聚类的所选变量名称例如非常适合于相应的聚类,因为在工程规划的范畴中为例如装配站100发布变量名称时,变量对确定的组件、子组件或设施部分的关系被一同编码到变量名称中。因此,在变量被分配给装配站100的不同的组件、组件部分或者子组件时,例如能够从变量名称的确定部分的一致性中推断出相应的相似性。
在例如根据本说明书对上述数据选择并实施相应的聚类方法后,得到图6所示的聚类图像,其中,变量i和h以及功能模块a被分配到第一集群310。变量k,j,l,m,功能模块b和c以及数据模块d和e在第二集群320中被找到。变量n和数据模块g和f也被分配给第三集群250。
随后,在进一步的步骤中,所识别的集群310,320,250分别被分派对应的组件类型标记312,322,352。能够例如根据本说明书或也与图3所示的组件描述分派步骤620相结合来设计和设置该组件类型标记分派。
在本实例中,组件类型标记312,322,352的这种分派能够部分自动化,例如,对于包含在第一数据集群310中的数据,使用关于这些数据的元信息或关于这些数据的描述信息,并且在这些数据中搜索一致性。例如,如果该搜索清楚地揭示了一些共同点,则能够将其作为待确认的建议呈现给用户。例如后者能够接受该建议,然后将该术语分派为相应集群310,320,250的组件类型标记312,322,352。如果在提及的数据之间存在不同的一致性,则例如能够向用户呈现相应的选择,随后用户为相应的集群310,320,250选择适当的组件类型标记312,322,352。
该方法也能够完全自动化,随后系统本身根据合适的方法评估找到的一致性并生成相应的组件类型标记312,322,352并将其分派给相应的集群310,320,250。随后能够稍后更改此分派,例如由用户更改。
该分派步骤还能够完全手动地继续执行,例如通过用户手动评估上面呈现的元信息或描述信息并为相应的集群310,320,250形成相应的组件类型标记312,322,352。
在本实例中,已经通过上述三种方式之一为第一集群310求出组件类型标记“装配站”312,并将其分配给该集群310。在功能方面,这意味着包含在集群中的数据,变量a以及功能模块i和h能够作为一个整体与装配站100的整体功能相关联。
以类似的方式,第二集群320被分配集群类型名称“机器人”322。在功能方面,包含在该第二数据集群320中的数据因此能够与装配站100内的机器人115,125的功能相关联。
以相应的方式,第三集群250被分配类型名称“运输”352。包含在第二集群250中的数据的功能因此能够与装配站100的运输站一和运输站二110,120相关联。
图7示出了根据图3的阐述在将用于识别组件ID信息集群的第二聚类步骤630和用于将组件ID信息标记分派给识别出的集群的第二分派步骤640用于在图6所示出的集群之后的结果。
第二聚类步骤630的结果是四个集群310,330,340,250。第一集群310对应于在第一聚类步骤中已经识别的第一集群310,而第四集群250对应于在第一步骤中定义的第三集群250。
由此能够得出结论,例如,根据第一聚类步骤610分配给类型“装配站”的数据能够被分配给具有特定ID信息的恰好一个装配站。同样地,根据第一聚类步骤610,能够在对应的数据集群250中将被分配给类型“运输站”的数据分派给具有确定运输站ID标识符的恰好一个确定的运输站。在这两种情况下,第二聚类步骤610没有识别出任何新的集群,而是第二聚类610没有导致这里的集群结构的任何改变。
对于在第一聚类步骤610中识别的第二集群320,情况则不同,第二集群320被分配给组件类型“机器人”。应用第二聚类步骤630在这里将包含在类型集群320中的数据划分成两个组件ID信息集群330,340,如在图7中所示。变量l到m,功能模块c和数据模块e属于这两个集群中的第一个集群330。变量j到k,功能模块b和数据模块d被分配给这两个集群中的第二个集群340。由此能够得出结论,例如,分配给组件类型“机器人”的数据能够被分配给两个不同的机器人实体。
对应于第一描述分派步骤620,相应的组件ID信息标记314,334,344,354随后也能够被分派给在第二聚类步骤630中识别出的集群。在此,能够使用被分配给相应变量的描述信息和元信息将装配站100的特定ID信息314分配给第一集群310。然后,为第二组件ID信息集群330分配装配站100的第一机器人115的唯一ID标识符,而为第三组件ID信息集群340分配装配站100的第二机器人125的唯一ID标识符。然后以类似的方式将用于装配站100的第一运输站110的唯一ID标识符352分配给第四组件ID信息集群250。
图8示出了在前面的方法步骤610,620,630,640之后的、例如参考图3更详细地解释的关系分配步骤650的结果。该关系分配步骤650被应用于根据图7的对应的聚类结果。为了识别图7所示的集群310,330,340,250之间的关系分配,为功能模块a至c自动评估能从功能模块列表220中获取的调用结构或调用链。替代地,该评估也能够根据本说明书部分自动或者手动地实现。
该评估的结果示于图8。在此,功能模块a和c以及a和b之间的虚线箭头表示功能模块c被功能模块a调用,功能模块b也被功能模块a调用。功能模块a被分配给具有装配站标识符314的装配站100的集群310,功能模块b被分配给具有第二机器人ID标识符344的第二机器人125,功能模块c被分配给具有第一机器人ID标识符334的第一机器人115。然后从上述调用分配能够得出结论,分配给第一机器人115的数据集群330在功能上与分配给装配站100的数据集群310相关联,这在图8中由虚线箭头336表示。类似地,分配给第二机器人125的数据集群340也与分配给装配站100的数据集群310相关联,这再次由图8中的虚线箭头346示出。
在图9和图10中,举例阐述了方法步骤610,620,630,640,650在被分配给装配站100的机械CAD数据400中的应用,这些步骤已经参考图3进行了更详细的解释。方法步骤610,620,630,640,650的基本顺序对应于上文参照图5至图8关于装配站100的自动化工程数据200的相应聚类所解释的顺序。
图9示出了装配站100的MCAD数据400。该MCAD数据400包括关于装配站100的组件的3D信息410的列表,在图9中由带有字母s到t的梯形表示。此外,MCAD数据400还包括零件列表420,该零件列表包含关于装配站100的四个单独组件的信息,这些组件由带有字母o到r的六边形符号化。此外,MCAD数据400还包括运动学信息列表430和点云信息列表440。选择3D信息列表410和零件列表420用于以下说明的聚类步骤,这通过以虚线的矩形示出的选择405在图9中示出。
因此,图10示出了根据图9中所示的选择405从整个MCAD数据集400中对MCAD数据进行聚类的结果。图10中所示的MCAD数据405的聚类结果对应于图8中所示的相应的自动化工程数据205的聚类结果。图10示出了在关于图3所解释的方法步骤610,620,630,640,650已经应用于MCAD数据405之后的聚类结果。这些方法步骤的应用类似于如结合图5至图8关于自动化工程数据200所解释的这些步骤的应用。
因此,图10示出了在根据组件类型的第一聚类步骤610、具有组件类型标记620的在此被识别的集群的第一命名步骤、根据组件ID信息的第二聚类步骤630和随后的用于用组件ID信息标记来命名在此被识别的集群的第二命名步骤640的序列之后的结果。作为最后的步骤,随后再次进行用于识别在第二聚类步骤630中识别出的ID信息集群之间的关系的关系分配步骤650。
如图10所示,这导致第一集群530被分配给装配站100的第一机器人115并且因此用于该第一机器人的ID信息534已经被分配给该集群。该第一机器人集群530包括根据MCAD数据400的零件列表420的部件“o”和3D信息“s”。第二集群540被分配给装配站100的第二机器人125。因此,集群540被分配第二机器人的ID标识符544作为组件ID信息标记544。该第二机器人集群540包括关于来自MCAD数据400的零件列表420的组件“q”和3D信息“t”的信息。
此外,图10示出了分配给第一传输站110的集群550,该第一传输站的ID标识符554被分配给该集群550作为组件ID信息标记。该集群包含来自MCAD数据400的零件列表420的信息“p”。图10还示出了分配给第二运输站120的集群560,该第二运输站的ID标识符564作为组件ID信息标记。该集群包含来自MCAD数据400的零件列表420的信息“r”。
例如,通过分析包含在MCAD数据400的零件清单420中的关于组件o至r的信息,还确定了第一机器人115是运输站110的一部分而第二机器人125是运输站110的一部分的信息。通过对第一机器人115的集群530和对第一运输站110的集群550分配对应的关系“从属于”,对于所谓的组件110,115,120,125,该关系同样被分配给相应的集群530,540,550,560,这在图10中由这些集群530,550之间的虚线箭头536表示。相应地,用于第二机器人125的集群540和用于第二运输站120的集群560被分配对应的“从属于”关系,这在图10中由两个集群之间的虚线箭头546表示。
图11示出了例如结合与图4相关的解释更详细地呈现的模型比较和合并步骤670的应用的结果。在此,如图8所示的关于自动化工程数据205的聚类结果的简化表示在图11的左侧部分中示出。此外,如图10所示的关于MCAD数据405的聚类结果的简化表示在图11的右侧部分中示出。
在模型比较和合并步骤670的范畴中,随后收集所有识别出的组件ID信息标记314,334,344,354,534,544,554,564,并且为这些名称分别分配用于相应组件的相应的符号100,110,115,120,125。装配站100、第一运输站110、第一运输站110的第一机器人115和第二运输站120及其第二机器人125的这种符号化的组件表示在图1的中间部分中示出。
此外,在图11中,自动化工程数据205的各个集群330,310,340,350与MCAD数据405的各个集群530,540,550,560之间的箭头示出了相应集群对在图11的中间部分、用矩形符号表示的设施组件100,110,115,120,125的对应关系。
此处识别出的并在图11中示出的信息现在被固定为相应的数据库,以便为装配站100创建相应的数字孪生800。来自自动化工程数据205和MCAD数据405的各个数据与各个集群、它们相应的组件类型标记和它们的组件ID信息标记的关联以及各个集群之间以及它们与装配站100的组件之间的关联被记录并相应地存储在数字孪生体800中。
此外,数字孪生800中的各个数据与原始自动化工程源数据205和MCAD源数据405的对应链接也存储在该数字孪生800中,通过该链接进行连接并因此也能够访问原始数据源。这也允许访问存储在那里的所有信息。例如,以知识图数据库格式或类似的NoSQL数据库格式存储该数字孪生800是有利的。图11中,模型比较和合并步骤670的结果图示能够被视为装配站100的数字孪生800的可能图示。
基于这个数字孪生800,随后仍然能够例如为装配站100或部分装配站创建模拟。为此,例如,能够使用在创建数字孪生800期间识别出的组件ID信息标记314,334,344,354,534,544,554,564,以便例如从此类模拟的数据库集合为相应的组件选择相应的模拟。随后能够使用来自相关数据集群的适当的相关数据继续对这些模拟进行参数化、设置并彼此连接。以此方式,能够基于创建的数字孪生体800创建装配站100的模拟。该模拟的创建又能够被视为在本说明书的含义内的数字孪生的创建。以这种方式创建的模拟是本说明书意义上的数字孪生的另一种可能的设计方案。
图11还示出了具有类型数据库710和ID信息数据库720的数据库700,它们已经结合图10的描述进行了解释。图11还示出了具有神经元网络752的AI组件750,这也已经在图10所描述的上下文中进行了更详细的解释。图11中对应的连接箭头表示结果和信息在类型数据库710和ID信息数据库720的范畴内被存储在数字孪生体800中,并且如已经结合图3所解释的那样,该数据也被考虑用于训练在AI组件750中的神经元网络752。
Claims (17)
1.一种用于创建设施或装置(100)的数字孪生(800)的方法,
其中,存在第一数据源,所述第一数据源具有与所述设施或装置(100)或部分所述设施或装置的自动化和/或自动化规划有关的自动化工程数据(205),并且
其中,所述自动化工程数据(205)包括至少两个数据类别的数据,
所述方法包括以下步骤:
a.)识别所述自动化工程数据(205)内的组件数据集群(310,320,330,340,250),其中,所述组件数据集群(310,320,330,340,250)能被分配或被分配给与所述设施或所述装置(100)有关的组件类型或组件ID信息,
b.)将相应的组件类型标记(312,322,352)或将相应的组件ID信息标记(314,334,344,354)分派给所识别出的组件数据集群(310,320,330,340,250)中的至少一个组件数据集群,
c.)创建和存储所述设施或装置(100)的所述数字孪生(800)。
2.根据权利要求1所述的方法,
其特征在于,
在方法步骤a.)之后和方法步骤c.)之前,执行方法步骤:
a1.)在根据权利要求1识别的所述组件数据集群(320)内识别子组件数据集群(330,340),其中,所述子组件数据集群(330,340)能被分配或被分配给与所述设施或装置(100)有关的子组件类型或子组件ID信息,
以及
在方法步骤a1.)之后和方法步骤c.)之前执行方法步骤:
b1.)将相应的子组件类型标记或将相应的子组件ID信息标记(334,344)分派给识别出的子组件数据集群(340)中的至少一个子组件数据集群。
3.根据权利要求1或2所述的方法,
其特征在于,
在方法步骤a.)和/或a1.)之后执行方法步骤:
b2.)通过评估所述自动化工程数据(205)和/或对应于该数据的附加信息,识别根据方法步骤a.)识别出的组件数据集群(310,320,330,340,250)的关系信息(336,346),
和/或
通过评估所述自动化工程数据的数据和/或对应于该数据的附加信息,识别根据方法步骤a1.)识别出的子组件数据集群之间的关系信息(336,346),
其中,
还在方法步骤c.)中,在使用识别出的关系信息(336,346)的情况下进一步创建所述数字孪生(800)。
4.根据前述权利要求中任一项所述的方法,其特征在于,
存在来自以下列表的数据源的第二数据源(405):
-MCAD数据(400),所述MCAD数据与所述设施或装置(100)的或与部分所述设施或装置的机械和/或空间规划有关,
和/或与所述设施或装置或与部分所述设施或装置的机械和/或空间设计有关,
-ECAD数据(152),所述ECAD数据与所述设施或装置或部分所述设施或装置的电气规划和/或电路规划有关,
和/或与所述设施或装置或部分所述设施或装置的电气设计和/或实现的电路规划有关,
-机器人数据(154),所述机器人数据与所述设施或装置(100)的一个或多个机器人(115,125)的规划和/或设计有关,
-描述数据(156),所述描述数据与所述设施或装置(100)或与部分所述设施或装置的规划和/或设计有关,
其中,在根据特征c.)创建所述数字孪生(800)之前,所述方法附加地包括方法步骤:
aa.)识别所述第二数据源(405)内的组件数据集群(530,540,550,560),其中,所述组件数据集群(530,540,550,560)能被分配或被分配给与所述设施或装置(100)有关的组件类型或组件ID信息,
bb.)将相应的组件类型标记或将相应的组件ID信息标记(534,544,554,564)分派给在方法步骤aa.)中识别出的组件数据集群(530,540,550,560)中的至少一个组件数据集群,
bbb.)将根据权利要求1或2所述的方法步骤b.)中识别出的所述自动化工程数据的组件数据集群(310,320,330,340,250)和/或子组件数据集群分配给在方法步骤bb.)中识别出的组件数据集群(530,540,550,560)。
5.根据权利要求4所述的方法,
其特征在于,
在方法步骤aa.)之后和方法步骤bbb.)之前执行方法步骤:
aa1.)识别在根据权利要求4识别的组件数据集群内的子组件数据集群(530,540,550,560),其中,所述子组件数据集群(530,540,550,560)能被分配或被分配给与所述设施或装置有关的子组件类型或子组件ID信息,
和
bb1.)将相应的子组件类型标记或将相应的子组件ID信息标记(534,544,554,564)分派给所识别的子组件数据集群中的至少一个子组件数据集群。
6.根据权利要求4或5所述的方法,
其特征在于,
在方法步骤aa.)和/或方法步骤aa1.)之后执行方法步骤:
bb2.)通过评估所述第二数据源(405)的数据和/或对应于该数据的附加信息来识别根据方法步骤aa.)识别出的组件数据集群(530,540,550,560)之间的关系信息(536,546),
和/或
通过评估所述第二数据源的数据和/或对应于该数据的附加信息来识别根据方法步骤aa1.)识别出的子组件数据集群之间的关系信息,
其中,
还在方法步骤c.)中,在使用识别出的关系信息(536,546)的情况下进一步创建所述数字孪生(800)。
7.根据前述权利要求中任一项所述的方法,其特征在于
在方法步骤a.),a1.),aa.),aa1.),b.),b1.),b2.),bb.),bb1.),bb2.),bbb.)和/或其他根据前述权利要求中任一项所述的方法步骤之后,将相应的方法步骤的结果存储在集群分配数据库(700)中,
和/或
在方法步骤a.),a1.),aa.),aa1.),b.),b1.),b2.),bb.),bb1.),bb2.),bbb.)和/或其他根据前述权利要求中任一项所述的方法步骤之后,在使用相应的方法步骤的结果的情况下训练集群分配神经元网络(752)。
8.根据权利要求7所述的方法,
其特征在于,
当执行根据权利要求1至6中任一项所述的方法时,使用所述集群分配数据库(700)和/或所述集群分配神经元网络(752),特别地,在使用所述集群分配数据库(700)和/或所述集群分配神经元网络(752)的情况下,实现所述组件数据集群(310,320,330,340,250,530,540,550,560)和/或子组件数据集群的识别,
和/或
在使用所述集群分配数据库和/或所述集群分配神经元网络的情况下,实现所述组件类型标记(312,322,352)或所述组件ID信息标记(314,334,344,354,534,544,554,564)和/或所述子组件类型标记或者相应的子组件ID信息标记的分派。
9.根据前述权利要求中任一项所述的方法,其特征在于,
所述数字孪生(800)和/或所述集群分配数据库(700)被构造为关联数据库,NoSQL数据库和/或知识图数据库。
10.一种用于创建设施或装置(100)的数字孪生(800)的方法,
其中,存在来自以下列表的数据源的第一数据源(205):
-自动化工程数据(205),所述自动化工程数据与所述设施或装置(100)或与部分所述设施或装置的自动化和/或自动化规划有关,
-MCAD数据(400),所述MCAD数据与所述设施或装置(100)或与部分所述设施或装置的机械和/或空间规划有关,
和/或与所述设施或装置或与部分所述设施或装置的机械和/或空间设计有关,
-ECAD数据(152),所述ECAD数据与所述设施或装置或与部分所述设施或装置的电气规划和/或电路规划有关,
和/或与所述设施或装置或与部分所述设施或装置的电气设计和/或实现的电路规划有关,
-机器人数据(154),所述机器人数据与所述设施或装置(100)的一个或多个机器人(115,125)的规划和/或设计有关,
并且其中,所述第一数据源(205)包括至少两个数据类别的数据,
所述方法包括步骤:
a.)识别所述第一数据源(205)内的组件数据集群(310,320,330,340,250),其中,所述组件数据集群(310,320,330,340,250)能被分配或被分配给与所述设施或装置(100)有关的组件类型或组件ID信息,
b.)将相应的组件类型标记(312,322,352)或相应的组件ID信息标记(314,334,344,354)分派给所识别出的组件数据集群(310,320,330,340,250)中的至少一个组件数据集群,
c.)创建和存储所述设施或装置(100)的所述数字孪生(800)。
11.根据权利要求10所述的方法,
其特征在于,
进一步根据权利要求2和/或权利要求3的特征相应地构造和设置所述方法,
其中,分别通过根据权利要求10所述的第一数据源(205)替换根据权利要求3的特征的所述自动化工程数据(205)。
12.根据权利要求10或11所述的方法,
其特征在于,
从以下列表的数据源中选定不同于所述第一数据源(205)的第二数据源(405):
-自动化工程数据(205),所述自动化工程数据与所述设施或装置(100)或与部分所述设施或装置的自动化和/或自动化规划有关,
-MCAD数据(400),所述MCAD数据与所述设施或装置(100)或与部分所述设施或装置的机械和/或空间规划有关,
和/或与所述设施或装置或与部分所述设施或装置的机械和/或空间设计有关,
-ECAD数据(152),所述ECAD数据与所述设施或装置(100)或与部分所述设施或装置的电气规划和/或电路规划有关,
和/或与所述设施或装置或与部分所述设施或装置的电气设计和/或实现的电路规划有关,
-机器人数据(154),所述机器人数据与所述设施或装置(100)的一个或多个机器人(115,125)的规划和/或设计有关,
-描述数据(156),所述描述数据与所述设施或装置(100)或与部分所述设施或装置的规划和/或设计有关,
其中,在根据特征c.)创建所述数字孪生(800)之前,所述方法还附加地包括方法步骤:
aa.)识别所述第二数据源(405)内的组件数据集群(530,540,550,560),其中,所述组件数据集群(530,540,550,560)能被分配或被分配给与所述设施或装置(100)有关的组件类型或组件ID信息,
bb.)将相应的组件类型标记或相应的组件ID信息标记(534,544,554,564)分派给在方法步骤aa.)中识别出的组件数据集群(530,540,550,560)中的至少一个组件数据集群,
bbb.)将根据权利要求10或11所述的方法步骤b.)中识别出的所述第一数据源(205)的组件数据集群(310,320,330,340,250)和/或子组件数据集群分配给在方法步骤bb.)中识别出的组件数据集群(530,540,550,560)。
13.根据权利要求10至12中任一项所述的方法,
其特征在于,
进一步根据权利要5至9中的一项或多项的特征相应地构造和设置所述方法。
14.一种用于设施或装置的数字孪生,其特征在于,
在使用根据权利要求1至13中任一项所述的方法的情况下创建所述数字孪生(800)。
15.一种计算机可读存储介质,包括根据权利要求1至14中任一项所述的数字孪生(800),集群分配数据库(700)和/或集群分配神经元网络(752)。
16.一种根据权利要求4至9中任一项所述的数字孪生(800)的应用,所述应用用于识别在自动化工程数据(205)与第二数据源(405)的数据之间的不一致性,或
应用根据权利要求12或13所述的数字孪生来识别在所述第一数据源(205)的数据与所述第二数据源(405)的数据之间的不一致性。
17.一种根据权利要求1至14中任一项所述的数字孪生(800)的应用,所述应用用于
-创建已改变的设施或装置的数字孪生,
-创建所述设施或装置(100)或部分所述设施或装置的模拟,和/或虚拟调试所述设施或装置(100)或部分所述设施或装置,和/或
-检查所述数字孪生(800)是否对应于所述设施或装置(100)的原始规划数据。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2019/075599 WO2021058084A1 (de) | 2019-09-24 | 2019-09-24 | Verfahren zur erstellung eines digitalen zwillings einer anlage oder vorrichtung |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114746815A true CN114746815A (zh) | 2022-07-12 |
Family
ID=68210721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980102462.5A Pending CN114746815A (zh) | 2019-09-24 | 2019-09-24 | 用于创建设施或装置的数字孪生的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220334572A1 (zh) |
EP (1) | EP4010766A1 (zh) |
CN (1) | CN114746815A (zh) |
WO (1) | WO2021058084A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3584751A1 (de) * | 2018-06-20 | 2019-12-25 | Siemens Aktiengesellschaft | Verfahren zum erstellen eines digitalen zwillings |
EP4239513A1 (en) | 2022-03-03 | 2023-09-06 | Samp | Method for generating a digital twin of a facility |
CN114435897B (zh) * | 2022-04-11 | 2022-07-01 | 山东捷瑞数字科技股份有限公司 | 基于数字孪生技术的传送带自适应速度优化方法及系统 |
CN117648596B (zh) * | 2023-11-28 | 2024-04-30 | 河北建工集团有限责任公司 | 一种建筑施工的数字孪生与智能传感器融合方法与系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016141998A1 (de) * | 2015-03-12 | 2016-09-15 | Siemens Aktiengesellschaft | Vorrichtung und verfahren zum bereitstellen einer digitalen abbildung einer physikalischen entität |
CN107667349A (zh) | 2015-06-04 | 2018-02-06 | 西门子公司 | 在多学科工程系统中用于对工程数据进行聚类的方法和系统 |
US10877470B2 (en) | 2017-01-26 | 2020-12-29 | Honeywell International Inc. | Integrated digital twin for an industrial facility |
EP3392725B1 (de) * | 2017-04-21 | 2022-10-19 | Siemens Aktiengesellschaft | Vorschlagen und/oder erstellen von agenten in einem industriellen automatisierungssystem |
EP3483682A1 (de) * | 2017-11-09 | 2019-05-15 | Siemens Aktiengesellschaft | Automatisierte erstellung von anlagendokumentationen |
-
2019
- 2019-09-24 CN CN201980102462.5A patent/CN114746815A/zh active Pending
- 2019-09-24 WO PCT/EP2019/075599 patent/WO2021058084A1/de unknown
- 2019-09-24 EP EP19786451.5A patent/EP4010766A1/de active Pending
- 2019-09-24 US US17/762,837 patent/US20220334572A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4010766A1 (de) | 2022-06-15 |
WO2021058084A1 (de) | 2021-04-01 |
US20220334572A1 (en) | 2022-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114746815A (zh) | 用于创建设施或装置的数字孪生的方法 | |
Reinhardt et al. | A survey on automatic model generation for material flow simulation in discrete manufacturing | |
US20230281486A1 (en) | Automatic functionality clustering of design project data with compliance verification | |
Wessel et al. | Ontology-based traceability system for interoperable data acquisition in battery cell manufacturing | |
CN114417015A (zh) | 一种高速列车可维修性知识图谱构建方法 | |
Bickel et al. | How do digital engineering and included AI based assistance tools change the product development process and the involved engineers | |
CN114676961A (zh) | 企业外迁风险预测方法、装置及计算机可读存储介质 | |
Morshedzadeh et al. | Managing virtual factory artifacts in the extended PLM context | |
US20220277119A1 (en) | A System and Method for Generating a Holistic Digital Twin | |
US20220342372A1 (en) | Method for Generating Self-Description Data Modules | |
KR20220041600A (ko) | 스마트공장 데이터 품질평가 방법 | |
Xue | Integration of CAD/CAPP/CAM | |
CN115841359A (zh) | 一种对象生成方法、装置、设备及存储介质 | |
Kawtar et al. | A Hybrid Method integrating Industry 4.0’s Energy Digitization | |
WO2022058177A1 (en) | Device, computing platform and method of analyzing log files of an industrial plant | |
Baro | Metadata and Content Management Bridging Technical Documentation and Automation Technology | |
Stecken et al. | Classification method for an automated linking of models in the co-simulation of production systems | |
Wang et al. | Knowledge driven multiview bill of material reconfiguration for complex products in the digital twin workshop | |
CN117540894B (zh) | 生成检验计划的方法、设备及存储介质 | |
CN115328442B (zh) | 基于低代码平台构建的危化品企业安全风险管控平台 | |
CN113706198B (zh) | 一种电商复购潜客近期复购概率估算的方法 | |
CN111221835B (zh) | 数据处理方法和装置 | |
Gmeiner | Automatic Fixture Design Based on Formal Knowledge Representation, Design Synthesis and Verification | |
Shafiq et al. | Smart Decisional DNA Technology to Enhance Industry 4.0 Environment in Conjunction with Conventional Manufacturing | |
Zeng et al. | Unitized Modelling and Reuse Method of Assembly Process Oriented to Product Family |
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 |