CN115098278B - 一种基于微服务的数字孪生车间多场景交互方法 - Google Patents
一种基于微服务的数字孪生车间多场景交互方法 Download PDFInfo
- Publication number
- CN115098278B CN115098278B CN202210739010.1A CN202210739010A CN115098278B CN 115098278 B CN115098278 B CN 115098278B CN 202210739010 A CN202210739010 A CN 202210739010A CN 115098278 B CN115098278 B CN 115098278B
- Authority
- CN
- China
- Prior art keywords
- scene
- scenes
- digital twin
- output
- variable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 13
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims abstract description 10
- 230000001419 dependent effect Effects 0.000 claims abstract description 9
- 230000002452 interceptive effect Effects 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000004806 packaging method and process Methods 0.000 claims abstract description 6
- 238000004519 manufacturing process Methods 0.000 claims description 41
- 238000012423 maintenance Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 17
- 238000003780 insertion Methods 0.000 claims description 7
- 230000037431 insertion Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/54—Indexing scheme relating to G06F9/54
- G06F2209/547—Messaging middleware
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于微服务的数字孪生车间多场景交互方法，包括以下步骤：第一步、分析简单数字孪生间的关联关系，将其归纳为相互独立、单向依赖、双向依赖三种；第二步、针对应用场景属于相互独立关系的简单数字孪生，分别计算两个简单应用场景的输出，再将结果直接相加；第三步、针对应用场景属于单向依赖关系的简单数字孪生，采用串行计算的交互方式，得到最终结果；第四步、针对应用场景属于双向依赖关系的简单数字孪生，采用交替计算的交互方式，直至计算结果收敛；第五步、将各场景关键功能抽象为微服务并进行封装，采取消息通信的方式实现各服务间数据的传递。
Description
技术领域
本发明属于数字化技术领域，具体涉及一种基于微服务的数字孪生车间多场景交互方法。
背景技术
科学技术是第一生产力。当前互联网、云计算、大数据等新一代信息技术飞速发展，制造业的数字化转型与智能化升级已成为全球的共识，包括中美德在内的各国都提出了智能制造战略。信息物理系统通过集成先进的通信、计算、控制技术构建物理空间和信息空间中实体、环境的相互映射，以实现数据共享、仿真预测、优化决策，是智能制造的基石。到目前为止，物理空间与信息空间的交互已经经历了数字模型和数字阴影两个阶段，正在向第三个阶段数字孪生发展。这三个阶段的主要区别在于物理空间与信息空间的数据交互方式，数字模型在两者间的数据交互需手动完成，而数字阴影只支持从物理空间到信息空间的自动数据流，而从信息空间到物理空间的数据流仍需以手动方式完成。与前两者不同，数字孪生强调物理空间与虚拟空间的自动双向交互，被认为是实现智能制造的有效途径，能够被应用在航空航天、机械制造、智慧城市等多个行业中。
数字孪生与工业现场紧密相关，因而引起了不仅高校、研究院所，还有企业的广泛关注。随着对数字孪生应用探索的不断深入，数字孪生的应用场景变得更加复杂，人们对能够适应复杂应用场景的复杂数字孪生的需求也在不断增加。工业现场是一个复杂的数字孪生应用场景，包含了人、设备、物料、环境等多种元素，各元素间还存在多种交互、耦合关系。多场景的交互是构建复杂数字孪生的一个必要环节，针对不同关系的数字孪生，应设计对应的交互策略，支持数据及信息在不同场景间的传递，满足复杂数字孪生应用的需求。此外，多场景的交互不仅要支持新开发的数字孪生，还应支持与已有数字孪生的交互，使数字孪生具有可扩展性，实现虚拟实体对物理实体的高保真映射，是目前急需解决的问题。
发明内容
本发明的目的是解决上述问题，提供一种在虚拟空间中通过多场景的交互构建复杂数字孪生以适应复杂应用环境。在分析物理空间中实体关联关系的基础上，将数字孪生多场景间的关系归纳为相互独立、单向依赖、双向依赖三种类型。在虚拟空间中，针对这三种类型分别设计了叠加、传递、迭代三种数字孪生的交互策略，实现数据与信息的传递的基于微服务的数字孪生车间多场景交互方法。
为解决上述技术问题，本发明的技术方案是：一种基于微服务的数字孪生车间多场景交互方法，包括以下步骤：
S1、在按照空间尺度、应用场景对复杂数字孪生进行划分的基础上，分析简单数字孪生间的关联关系，将其归纳为相互独立、单向依赖、双向依赖三种；
S2、针对应用场景属于相互独立关系的简单数字孪生，采用并行计算的交互方式，即分别计算两个简单应用场景的输出，再将结果直接相加；
S3、针对应用场景属于单向依赖关系的简单数字孪生，采用串行计算的交互方式，即一个场景的输出是另一场景的输入，需先计算其中一个的输出，再将其代入另一场景，得到最终结果；
S4、针对应用场景属于双向依赖关系的简单数字孪生，采用交替计算的交互方式，即两个简单应用场景的输出互为输入，需将一场景的输出代入另一场景，再将其计算结果代回原场景，不断重复上述过程直至计算结果收敛；
S5、将各场景关键功能抽象为微服务并进行封装，采取消息通信的方式实现各服务间数据的传递，即各服务间不直接通讯，而是将数据统一发送至消息中间件，再由消息中间件进行转发。
进一步地，所述步骤S1具体为，复杂数字孪生的构建需要先将其按照一定的规则划分为多个简单数字孪生独立完成开发，再通过多场景的交互将简单数字孪生组装成复杂数字孪生；存在交互的两个场景分别记作A和B，场景间的交互可以总结归纳为以下三种：
S11、场景A、B间不存在关联关系，但这两个场景同时对变量Y直接产生作用，称为“相互独立”；在产品加工时间预测中，每道工序的时间消耗都直接与产品加工的总体时间消耗相关，但各工序的耗时是相互独立的，与其他工序耗时无关，因此产品加工的总耗时是各工序耗时的累加；
S12、场景A、B间存在影响关系，但这两个场景的影响关系是单向的，即一个场景的输出是另一场景的输入，称为“单向依赖”；在动态生产调度中，调度方案与设备状态、订单任务相关，当出现设备故障、紧急插单等情况时通常需要重新生成调度方案，而设备状态、订单任务通常与调度方案无关，因此需要先检测是否存在设备故障或紧急插单等扰动，再进行生产调度；
S13、场景A、B间存在影响关系，且这两个场景的影响关系是双向的，即两个场景的输出互为输入，称为“双向依赖”；在设备智能维护中，需要根据设备的健康状态及实时任务给出维护建议，而生产调度则需要综合考虑设备状态、交货日期，决定接受、拒绝或部分接受维护建议，两者是相互影响的，维护方案与调度方案需要相互迭代多次才能确定。
进一步地，所述步骤S2中对于相互独立的场景，采取并行计算的交互方式，称为“叠加”：先分别计算各场景的结果，再计算各场景输出之和；
S21、各简单场景的数字孪生获取所需的实时数据，并将其传递到用于仿真、预测、优化的功能组件，输出计算结果；
S22、按一定的时间周期遍历并更新全部场景的输出，在每次更新后计算各场景输出的和，即为最终结果。
进一步地，所述步骤S3中，对于单向依赖的场景，采取串行计算的交互方式，称为“传递”，先找到两个场景关联的中间变量，按照“场景A—关联变量—场景B—输出”的顺序依次更新，得到最终结果；具体步骤如下：
S31、列出并对比场景A和B的输入、中间变量、输出，找到场景间的关联变量，记作X；
S32、场景A中采集的实时数据发送至A的功能组件，计算并更新关联变量X和场景A的输出；
S33、场景B中采集的实时数据和关联变量X发送至B的功能组件，计算并更新B的输出，即为最终结果。
进一步地，所述步骤S4中对于双向依赖的场景，采取交替计算的交互方式，称为“迭代”：先找到两个场景关联的中间变量，按照“场景A—关联变量—场景B—关联变量”的顺序依次更新，再重复上述顺序更新多次，在达到迭代终止条件后输出最终结果；具体步骤如下：
S41、列出并对比场景A和B的输入、中间变量、输出，找到场景间两种类型的关联变量：场景A中对场景B产生影响的变量记作X1，场景B中对场景A产生影响的变量记作X2；
S42、场景A中采集的实时数据和关联变量X2发送至A的功能组件，计算并更新关联变量X1和场景A的输出；
S43、场景B中采集的实时数据和关联变量X1发送至B的功能组件，计算并更新关联变量X2和场景B的输出；
S44、设置迭代终止条件，循环执行步骤S42、S43，在满足终止条件后停止循环并输出最终结果；终止条件可设置为：(a)相邻两轮计算结果的差不超过E，或(b)迭代次数达到N；条件(a)中的E应根据精度及实时性需求进行调整，以避免消耗过多的计算资源，条件(b)中的N为最大迭代次数，以避免迭代陷入死循环。
进一步地，所述步骤S5中基于微服务的思想，将简单数字孪生中的关键功能都抽象为微服务并进行封装；微服务间的通讯则采用事件驱动机制或定时器机制，由消息中间件对各服务的输入输出数据进行统一转发。
本发明的有益效果是：本发明所提供的一种基于微服务的数字孪生车间多场景交互方法，针对相互独立、单向依赖、双向依赖三种交互类型的场景，提出了详细具体的交互方法，分别采用并行计算后叠加、串行计算传递参数、循环计算结果收敛三种不同的策略实现场景交互，为包含大规模场景交互的复杂数字孪生的开发提供了技术支撑。
附图说明
图1是本发明一种基于微服务的数字孪生车间多场景交互方法的流程图；
图2是本发明划分的场景间三种关联关系的示意图；
图3是本发明相互独立场景交互的示意图；
图4是本发明单向依赖场景交互的示意图；
图5是本发明生产扰动因素与动态生产调度交互的示意图；
图6是本发明双向依赖场景交互的示意图；
图7是本发明设备智能维护与动态生产调度交互的示意图；
图8是本发明基于微服务的接口封装及交互的示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的说明：
如图1所示，本发明提供的一种基于微服务的数字孪生车间多场景交互方法，包括以下步骤：
S1、在按照空间尺度、应用场景对复杂数字孪生进行划分的基础上，分析简单数字孪生间的关联关系，将其归纳为相互独立、单向依赖、双向依赖三种。
步骤S1具体为，复杂数字孪生的构建需要先将其按照一定的规则划分为多个简单数字孪生独立完成开发，再通过多场景的交互将简单数字孪生组装成复杂数字孪生；存在交互的两个场景分别记作A和B，场景间的交互可以总结归纳为以下三种：
S11、场景A、B间不存在关联关系，但这两个场景同时对变量Y直接产生作用，称为“相互独立”；在产品加工时间预测中，每道工序的时间消耗都直接与产品加工的总体时间消耗相关，但各工序的耗时是相互独立的，与其他工序耗时无关，因此产品加工的总耗时是各工序耗时的累加。
S12、场景A、B间存在影响关系，但这两个场景的影响关系是单向的，即一个场景的输出是另一场景的输入，称为“单向依赖”；在动态生产调度中，调度方案与设备状态、订单任务相关，当出现设备故障、紧急插单等情况时通常需要重新生成调度方案，而设备状态、订单任务通常与调度方案无关，因此需要先检测是否存在设备故障或紧急插单等扰动，再进行生产调度。
S13、场景A、B间存在影响关系，且这两个场景的影响关系是双向的，即两个场景的输出互为输入，称为“双向依赖”；在设备智能维护中，需要根据设备的健康状态及实时任务给出维护建议，而生产调度则需要综合考虑设备状态、交货日期，决定接受、拒绝或部分接受维护建议，两者是相互影响的，维护方案与调度方案需要相互迭代多次才能确定。
如图2所示，在本实施例中，复杂数字孪生车间按照空间尺度和功能被分为了多个应用场景，不同场景间可能存在不同类型的关联关系。相互独立是指场景A与场景B互不影响，即在应用过程中，场景A的数字孪生与场景B的数字孪生之间没有数据交互。单向依赖是指场景A对场景B有影响，而场景B对场景A无影响，即在应用过程中，数字孪生A的输出或中间变量会输入到数字孪生B，而数字孪生B的数据则不会输入到数字孪生A。双向依赖是指场景A与场景B相互影响，即在应用过程中，数字孪生A的数据或中间变量会输入到数字孪生B，数字孪生B的数据或中间变量也会输入到数字孪生A。
S2、针对应用场景属于相互独立关系的简单数字孪生，采用并行计算的交互方式，即分别计算两个简单应用场景的输出，再将结果直接相加。
步骤S2中对于相互独立的场景，采取并行计算的交互方式，称为“叠加”：先分别计算各场景的结果，再计算各场景输出之和；
S21、各简单场景的数字孪生获取所需的实时数据，并将其传递到用于仿真、预测、优化的功能组件，输出计算结果；
S22、按一定的时间周期遍历并更新全部场景的输出，在每次更新后计算各场景输出的和，即为最终结果。
对于相互独立的场景，各场景数字孪生的运行互不影响，先分别计算其结果，再将全部相关场景的结果叠加得到最终结果。
如图3所示，针对相互独立的场景，先并行计算各简单数字孪生的输出，再将其计算结果叠加。以车间中的产品加工时间预测为例，某产品的加工共包括两道工序，分别由不同的机床来完成，构建了工序一与工序二的数字孪生(分别记做场景A和场景B)，在产品的加工工艺稳定后，可根据加工工艺参数预测产品每道工序及总加工时间，具体步骤包括：
S21、在场景A和场景B的数字孪生中开发基于机理模型或仿真的加工时间预测模型，分别输入对应的工件几何尺寸、加工工艺参数(如：切深、切厚、进给速度)，计算得出两道工序加工时间的预测值。
S22、将工序一和工序二预测的加工时间直接相加，即为产品总加工时间的预测值。
S23、若产品包含更多的工序或工序间使用AGV等设备进行运输，则S21中需要计算每道工序及运输过程所需的时间，S22中将全部场景的输出相加得到产品总加工时间的预测值。
S3、针对应用场景属于单向依赖关系的简单数字孪生，采用串行计算的交互方式，即一个场景的输出是另一场景的输入，需先计算其中一个的输出，再将其代入另一场景，得到最终结果。
步骤S3中，对于单向依赖的场景，采取串行计算的交互方式，称为“传递”，先找到两个场景关联的中间变量，按照“场景A—关联变量—场景B—输出”的顺序依次更新，得到最终结果；具体步骤如下：
S31、列出并对比场景A和B的输入、中间变量、输出，找到场景间的关联变量，记作X；
S32、场景A中采集的实时数据发送至A的功能组件，计算并更新关联变量X和场景A的输出；
S33、场景B中采集的实时数据和关联变量X发送至B的功能组件，计算并更新B的输出，即为最终结果。
对于单向依赖的场景，某一数字孪生的运行需要另一数字孪生结果的支持，需要先计算前序场景的结果，再输入到后序场景中，得到最终的结果。
在本实施例中，如图4所示，针对单向依赖的场景交互，首先要找到两个场景的关联变量，该变量可能是场景A的输出，也可能是场景A的中间变量。然后按照“场景A—关联变量—场景B—最终结果”的顺序串行计算，得到最终结果。如图5所示，以车间中的动态生产调度为例，调度方案的生成与生产任务和设备状态直接相关，而调度方案对生产任务和设备状态不存在直接影响，在考虑实时生产任务和设备状态的动态环境下，需要先由生产任务管理场景和设备故障诊断场景检测是否存在扰动，再由动态生产调度场景根据实时扰动检测结果生成调度方案，具体步骤包括：
第一步、如表1所示，列出了生产任务管理、设备故障诊断、动态生产调度三个场景的输入、输出，分析可知场景间的关联变量是由紧急插单或设备故障带来的扰动。
表1动态生产调度及相关场景的输入、输出变量
第二步、综合考虑订单的交货日期、换线工时损耗、人工成本等因素，开发订单的优先级排序算法，检测是否需要调整生产任务，并输出优先级最高的生产任务。通过数控系统或传感器采集加工设备的电流、振动等数据，构建用于故障检测的深度学习模型，并使用历史数据训练模型，输出设备是否故障。
第三步、开发基于遗传算法、粒子群算法、模拟退火算法等的调度算法，并生成初始化的调度方案。在车间运行过程中进行扰动检测，当扰动发生时，更新动态生产调度场景的加工任务或设备列表，重新生成调度方案并发布。
S4、针对应用场景属于双向依赖关系的简单数字孪生，采用交替计算的交互方式，即两个简单应用场景的输出互为输入，需将一场景的输出代入另一场景，再将其计算结果代回原场景，不断重复上述过程直至计算结果收敛。
步骤S4中对于双向依赖的场景，采取交替计算的交互方式，称为“迭代”：先找到两个场景关联的中间变量，按照“场景A—关联变量—场景B—关联变量”的顺序依次更新，再重复上述顺序更新多次，在达到迭代终止条件后输出最终结果；具体步骤如下：
S41、列出并对比场景A和B的输入、中间变量、输出，找到场景间两种类型的关联变量：场景A中对场景B产生影响的变量记作X1，场景B中对场景A产生影响的变量记作X2；
S42、场景A中采集的实时数据和关联变量X2发送至A的功能组件，计算并更新关联变量X1和场景A的输出；
S43、场景B中采集的实时数据和关联变量X1发送至B的功能组件，计算并更新关联变量X2和场景B的输出；
S44、设置迭代终止条件，循环执行步骤S42、S43，在满足终止条件后停止循环并输出最终结果；终止条件可设置为：(a)相邻两轮计算结果的差不超过E，或(b)迭代次数达到N；条件(a)中的E应根据精度及实时性需求进行调整，以避免消耗过多的计算资源，条件(b)中的N为最大迭代次数，以避免迭代陷入死循环。
如图6所示，针对双向依赖的场景交互，首先要找到两个场景的关联变量，与单向交互不同，双向交互中场景A对场景B产生影响的关联变量与场景B对场景A产品影响的关联变量通常是不同的。然后按照“场景A—关联变量A—场景B—关联变量B”的顺序循环迭代，直到满足迭代终止条件后结束循环并输出最终结果。如图7所示，以车间中的设备智能维护为例，设备维护方案与动态调度方案是相互影响的：设备的维护计划必须安排在无生产任务的空闲期，而生产任务直接影响其维护时间；设备在维护阶段无法参与生产加工，直接影响调度方案。因此需要先根据设备健康状态、正在执行的任务生成设备维护计划，再根据生产任务和设备状态生成调度方案，重复上述过程直到同时满足设备维护和生产调度的需求，具体步骤包括：
第一步、如表2所示，列出了设备智能维护、动态生产调度两个场景的输入、输出，分析可知两个场景的关联变量是设备维护时间和设备生产时间。
表2智能维护相关场景的输入、输出变量
第二步、综合考虑设备的健康状态、当前正在执行任务的持续时间等，预测设备可能出现故障的类型和时间，判断设备能否完成后续的生产任务，在保证设备正常运行的前提下输出设备维护计划。
第三步、综合考虑设备维护计划的耗时、生产订单的交付日期等因素，选择接受、部分接受或拒绝设备维护计划，若有维护计划的插入，则重新生成新的生产调度方案，若没有维护计划插入，则维持原生产调度方案。
第四步、设置迭代终止条件为：生成的设备维护计划和生产调度方案不再变动或最大迭代次数超过100。若不满足终止条件，则重复上述S42、S43步骤；若满足终止条件，则退出循环并输出最终的设备维护计划和生产调度方案。
S5、将各场景关键功能抽象为微服务并进行封装，采取消息通信的方式实现各服务间数据的传递，即各服务间不直接通讯，而是将数据统一发送至消息中间件，再由消息中间件进行转发。
步骤S5中基于微服务的思想，将简单数字孪生中的关键功能都抽象为微服务并进行封装；微服务间的通讯则采用事件驱动机制或定时器机制，由消息中间件对各服务的输入输出数据进行统一转发。
如图8所示，按照微服务分割、封装、独立运行的设计思路，将各场景的数字孪生以业务功能的形式分为多个微服务，如：数据采集、监控服务、运算处理等，各服务间不直接通信，而是由数据生产者统一将数据发送至消息中间件，数据消费者通过订阅指定的Topic来获取所需的数据。即场景A的数据发送至消息中间件，然后场景C通过消息中间件来获得所需数据。当存在大规模的场景交互时，可能会由于微服务正在被占用而导致通信失败，因此需要在服务器上同时运行多个相同功能的服务组成微服务集群，对外以统一接口进行通讯，对内由负载均衡策略统一调度，合理分配负载。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种基于微服务的数字孪生车间多场景交互方法，其特征在于，包括以下步骤：
S1、在按照空间尺度、应用场景对复杂数字孪生进行划分的基础上，分析简单数字孪生间的关联关系，将其归纳为相互独立、单向依赖、双向依赖三种；
S2、针对应用场景属于相互独立关系的简单数字孪生，采用并行计算的交互方式，即分别计算两个简单应用场景的输出，再将结果直接相加；
S3、针对应用场景属于单向依赖关系的简单数字孪生，采用串行计算的交互方式，即一个场景的输出是另一场景的输入，需先计算其中一个的输出，再将其代入另一场景，得到最终结果；
S4、针对应用场景属于双向依赖关系的简单数字孪生，采用交替计算的交互方式，即两个简单应用场景的输出互为输入，需将一场景的输出代入另一场景，再将其计算结果代回原场景，不断重复上述过程直至计算结果收敛；
S5、将各场景关键功能抽象为微服务并进行封装，采取消息通信的方式实现各服务间数据的传递，即各服务间不直接通讯，而是将数据统一发送至消息中间件，再由消息中间件进行转发；
所述步骤S1具体为，复杂数字孪生的构建需要先将其按照一定的规则划分为多个简单数字孪生独立完成开发，再通过多场景的交互将简单数字孪生组装成复杂数字孪生；存在交互的两个场景分别记作A和B，场景间的交互可以总结归纳为以下三种：
S11、场景A、B间不存在关联关系，但这两个场景同时对变量Y直接产生作用，称为“相互独立”；在产品加工时间预测中，每道工序的时间消耗都直接与产品加工的总体时间消耗相关，但各工序的耗时是相互独立的，与其他工序耗时无关，因此产品加工的总耗时是各工序耗时的累加；
S12、场景A、B间存在影响关系，但这两个场景的影响关系是单向的，即一个场景的输出是另一场景的输入，称为“单向依赖”；在动态生产调度中，调度方案与设备状态、订单任务相关，当出现设备故障、紧急插单等情况时通常需要重新生成调度方案，而设备状态、订单任务通常与调度方案无关，因此需要先检测是否存在设备故障或紧急插单等扰动，再进行生产调度；
S13、场景A、B间存在影响关系，且这两个场景的影响关系是双向的，即两个场景的输出互为输入，称为“双向依赖”；在设备智能维护中，需要根据设备的健康状态及实时任务给出维护建议，而生产调度则需要综合考虑设备状态、交货日期，决定接受、拒绝或部分接受维护建议，两者是相互影响的，维护方案与调度方案需要相互迭代多次才能确定。
2.根据权利要求1所述的一种基于微服务的数字孪生车间多场景交互方法，其特征在于：所述步骤S2中对于相互独立的场景，采取并行计算的交互方式，称为“叠加”：先分别计算各场景的结果，再计算各场景输出之和；
S21、各简单场景的数字孪生获取所需的实时数据，并将其传递到用于仿真、预测、优化的功能组件，输出计算结果；
S22、按一定的时间周期遍历并更新全部场景的输出，在每次更新后计算各场景输出的和，即为最终结果。
3.根据权利要求1所述的一种基于微服务的数字孪生车间多场景交互方法，其特征在于：所述步骤S3中，对于单向依赖的场景，采取串行计算的交互方式，称为“传递”，先找到两个场景关联的中间变量，按照“场景A—关联变量—场景B—输出”的顺序依次更新，得到最终结果；具体步骤如下：
S31、列出并对比场景A和B的输入、中间变量、输出，找到场景间的关联变量，记作X；
S32、场景A中采集的实时数据发送至A的功能组件，计算并更新关联变量X和场景A的输出；
S33、场景B中采集的实时数据和关联变量X发送至B的功能组件，计算并更新B的输出，即为最终结果。
4.根据权利要求1所述的一种基于微服务的数字孪生车间多场景交互方法，其特征在于：所述步骤S4中对于双向依赖的场景，采取交替计算的交互方式，称为“迭代”：先找到两个场景关联的中间变量，按照“场景A—关联变量—场景B—关联变量”的顺序依次更新，再重复上述顺序更新多次，在达到迭代终止条件后输出最终结果；具体步骤如下：
S41、列出并对比场景A和B的输入、中间变量、输出，找到场景间两种类型的关联变量：场景A中对场景B产生影响的变量记作X1，场景B中对场景A产生影响的变量记作X2；
S42、场景A中采集的实时数据和关联变量X2发送至A的功能组件，计算并更新关联变量X1和场景A的输出；
S43、场景B中采集的实时数据和关联变量X1发送至B的功能组件，计算并更新关联变量X2和场景B的输出；
S44、设置迭代终止条件，循环执行步骤S42、S43，在满足终止条件后停止循环并输出最终结果；终止条件可设置为：(a)相邻两轮计算结果的差不超过E，或(b)迭代次数达到N；条件(a)中的E应根据精度及实时性需求进行调整，以避免消耗过多的计算资源，条件(b)中的N为最大迭代次数，以避免迭代陷入死循环。
5.根据权利要求1所述的一种基于微服务的数字孪生车间多场景交互方法，其特征在于：所述步骤S5中基于微服务的思想，将简单数字孪生中的关键功能都抽象为微服务并进行封装；微服务间的通讯则采用事件驱动机制或定时器机制，由消息中间件对各服务的输入输出数据进行统一转发。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210739010.1A CN115098278B (zh) | 2022-06-28 | 2022-06-28 | 一种基于微服务的数字孪生车间多场景交互方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210739010.1A CN115098278B (zh) | 2022-06-28 | 2022-06-28 | 一种基于微服务的数字孪生车间多场景交互方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115098278A CN115098278A (zh) | 2022-09-23 |
| CN115098278B true CN115098278B (zh) | 2024-04-30 |
Family
ID=83295258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210739010.1A Active CN115098278B (zh) | 2022-06-28 | 2022-06-28 | 一种基于微服务的数字孪生车间多场景交互方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115098278B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115981639B (zh) * | 2023-01-19 | 2023-11-07 | 浙江高格软件股份有限公司 | 基于元框架的数据定义与关系的孪生建模方法 |
| CN117033034B (zh) * | 2023-10-09 | 2024-01-02 | 长江勘测规划设计研究有限责任公司 | 一种基于指令协议下的数字孪生应用交互系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110069334A (zh) * | 2019-05-05 | 2019-07-30 | 重庆天蓬网络有限公司 | 一种基于包管理的分布式数据作业调度的方法和系统 |
| CN111404747A (zh) * | 2020-03-16 | 2020-07-10 | 广东技术师范大学 | 自适应的服务功能链并行处理的方法、设备及存储介质 |
| CN112075064A (zh) * | 2018-05-03 | 2020-12-11 | 微软技术许可有限责任公司 | 可扩展的实时双工通信服务 |
| CN113139780A (zh) * | 2021-03-03 | 2021-07-20 | 梁霄 | 一种办公自动化oa智能办公管理系统 |
| CN113434279A (zh) * | 2021-07-14 | 2021-09-24 | 上海浦东发展银行股份有限公司 | 一种任务执行方法、装置、设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220108262A1 (en) * | 2020-10-04 | 2022-04-07 | Strong Force Iot Portfolio 2016, Llc | Industrial digital twin systems and methods with echelons of executive, advisory and operations messaging and visualization |
| US10135705B2 (en) * | 2016-06-30 | 2018-11-20 | Rockwell Automation Technologies, Inc. | Industrial internet of things data pipeline for a data lake |
-
2022
- 2022-06-28 CN CN202210739010.1A patent/CN115098278B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112075064A (zh) * | 2018-05-03 | 2020-12-11 | 微软技术许可有限责任公司 | 可扩展的实时双工通信服务 |
| CN110069334A (zh) * | 2019-05-05 | 2019-07-30 | 重庆天蓬网络有限公司 | 一种基于包管理的分布式数据作业调度的方法和系统 |
| CN111404747A (zh) * | 2020-03-16 | 2020-07-10 | 广东技术师范大学 | 自适应的服务功能链并行处理的方法、设备及存储介质 |
| CN113139780A (zh) * | 2021-03-03 | 2021-07-20 | 梁霄 | 一种办公自动化oa智能办公管理系统 |
| CN113434279A (zh) * | 2021-07-14 | 2021-09-24 | 上海浦东发展银行股份有限公司 | 一种任务执行方法、装置、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| "From simple digital twin to complex digital twin Part I : A novel modeling method for multi-scale and multi-scenario digital twin";Wenjie Jia;《Advanced Engineering Informatics》;20220802;第53卷;第101706页 * |
| "Reliability and Availability Evaluation for Cloud Data Center Networks Using Hierarchical Models";Tuan Anh Nguyen;《IEEE Access》;20190106;第7卷;第9273-9313页 * |
| "面向多领域科学数据管理的工作流模型及其溯源机制的研究";孙琦;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200215(2020年第02期);第I138-870页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115098278A (zh) | 2022-09-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10990087B2 (en) | Parallel control method and system for intelligent workshop | |
| CN111562769B (zh) | 用于工业数字孪生的ai扩展和智能模型验证 | |
| CN115098278B (zh) | 一种基于微服务的数字孪生车间多场景交互方法 | |
| Leng et al. | Digital twins-based flexible operating of open architecture production line for individualized manufacturing | |
| US20220027529A1 (en) | Controls system based digital twin for supervisory control of independent cart technology tracks and lines | |
| CN106774240B (zh) | 一种面向服务的工业生产控制与监测方法及系统 | |
| CN110084405B (zh) | 吞吐柔性智能装配物流路径规划方法 | |
| US11340562B2 (en) | Self-adaptive configuration method and system for linkage response of construction type, motion type, control type and optimization type | |
| Cemernek et al. | Big data as a promoter of industry 4.0: Lessons of the semiconductor industry | |
| US11644823B2 (en) | Automatic modeling for monitoring, diagnostics, optimization and control | |
| Wang et al. | A new data processing architecture for multi-scenario applications in aviation manufacturing | |
| Ouahabi et al. | A distributed digital twin architecture for shop floor monitoring based on edge-cloud collaboration | |
| Parto et al. | Cyber-physical system implementation for manufacturing with analytics in the cloud layer | |
| US20190102352A1 (en) | Multi-engine modeling for monitoring, diagnostics, optimization and control | |
| Sanin et al. | Manufacturing collective intelligence by the means of Decisional DNA and virtual engineering objects, process and factory | |
| Li | Parallel nonconvex generalized Benders decomposition for natural gas production network planning under uncertainty | |
| Xie et al. | A Two‐Workshop Collaborative, Integrated Scheduling Algorithm considering the Prescheduling of the Root‐Subtree Processes | |
| Jeong et al. | Data-driven manufacturing simulation: towards a CPS-based approach | |
| Prist et al. | Cyber-physical manufacturing systems: An architecture for sensor integration, production line simulation and cloud services | |
| CN116755397A (zh) | 一种基于图卷积策略梯度的多机协同任务调度方法 | |
| CN114818278A (zh) | 一种基于数字孪生自组织建模的生产过程重构方法 | |
| DOLGA | From Industry 3.0 to Industry 4.0 | |
| US20200019910A1 (en) | Block-based prediction for manufacturing environments | |
| Babic | Digital twins in smart manufacturing | |
| Su et al. | Industrial cyber intelligent control operating system that hybrid with iec 61499 and big data on edge computing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |