CN115390534A - 基于数字孪生的永磁铁氧体全生命周期管理系统及方法 - Google Patents
基于数字孪生的永磁铁氧体全生命周期管理系统及方法 Download PDFInfo
- Publication number
- CN115390534A CN115390534A CN202211123280.6A CN202211123280A CN115390534A CN 115390534 A CN115390534 A CN 115390534A CN 202211123280 A CN202211123280 A CN 202211123280A CN 115390534 A CN115390534 A CN 115390534A
- Authority
- CN
- China
- Prior art keywords
- workshop
- permanent magnetic
- equipment
- magnetic ferrite
- data
- 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
- 229910000859 α-Fe Inorganic materials 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004519 manufacturing process Methods 0.000 claims abstract description 172
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000005265 energy consumption Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 55
- 238000004088 simulation Methods 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 238000007405 data analysis Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000003825 pressing Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000013499 data model Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 239000004615 ingredient Substances 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims description 3
- 238000005245 sintering Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims 1
- 238000009877 rendering Methods 0.000 claims 1
- 238000012797 qualification Methods 0.000 abstract description 8
- 239000000696 magnetic material Substances 0.000 abstract description 7
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000001035 drying Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000000498 ball milling Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000003070 Statistical process control Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000008204 material by function Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000013024 troubleshooting 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
- G05B19/418—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]
- G05B19/41875—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 quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了基于数字孪生的永磁铁氧体全生命周期管理系统及方法,涉及磁性材料领域,为了解决现有的系统在使用时,不能保证产品的合格率且容易造成产品的损耗,设备发生故障不能及时发现处理。基于数字孪生的永磁铁氧体全生命周期管理系统,包括永磁铁氧体数字孪生生产线系统,所述永磁铁氧体数字孪生生产线系统和永磁铁氧体数字孪生车间系统通过网络相连接。本发明的基于数字孪生的永磁铁氧体全生命周期管理系统及方法,能够最大限度的减少产品损耗,保证产品质量,降低设备空闲率,达到降低能耗的效果,实现对车间自动化设备运行状态的采集与监控,设备出现异常情况时自动报警,并显示可能的故障原因,保证了车间工作的正常运行。
Description
技术领域
本发明涉及磁性材料领域,特别涉及基于数字孪生的永磁铁氧体全生命周期管理系统及方法
背景技术
磁性材料是重要的功能材料,广泛应用于各类电力、电子产品之中。硬磁材料是相对于软磁材料而言的。它是指磁化后不易退磁,能长时间保留磁性的铁氧体材料。因此,有时也称为永磁材料或恒磁材料。申请号为CN202022082325.2的实用新型公开了一种永磁铁氧体磁瓦全生命周期管理系统,通过生产设备感知单元得到工作数据,并将这些数据上传至数据库管理单元,实现了数据的实时统计和保存,便于磁瓦生产过程的数据追踪,有利于生产工艺的数据调整,以及磁瓦的质量得到保证,但是该系统在使用时,不能保证产品的合格率且容易造成产品的损耗,带来经济损失,若生产设备发生故障,不能及时发现处理,容易影响设备的正常工作。
发明内容
本发明的目的在于提供基于数字孪生的永磁铁氧体全生命周期管理系统及方法,通过多轮仿真和状态预测,能够最大限度的减少产品损耗,保证产品质量,优化设备加工节拍,降低设备空闲率,达到降低能耗的效果,为车间运行优化和生产决策提供重要依据,实现对车间自动化设备运行状态的采集与监控,对生产设备运行状态进行监控与预警,设备出现异常情况时安灯系统自动报警,并在HMI界面按权重显示可能的故障原因,保证了车间工作的正常运行,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于数字孪生的永磁铁氧体全生命周期管理系统,包括永磁铁氧体数字孪生生产线系统,其特征在于,所述永磁铁氧体数字孪生生产线系统和永磁铁氧体数字孪生车间系统通过网络相连接,永磁铁氧体数字孪生车间系统包括物理车间、虚拟车间和车间管控系统,物理车间和虚拟车间与车间管控系统通过网络连接,车间管控系统包括车间实时监控系统和数据采集系统,实时监控系统通过网络与数据采集系统连接。
本发明提供另一种技术方案:基于数字孪生的永磁铁氧体全生命周期管理方法,包括基于数字孪生的永磁铁氧体全生命周期管理系统,具体步骤如下:
S1:建立永磁铁氧体数字孪生生产线系统,采用面向对象建模方法,对设备、工艺和生产线进行建模,利用统一建模语言建立物理数据模型,根据建模规则,将生产线物理数据抽象为生产线物理数据类,并通过数据采集系统和实时监控系统,对永磁铁氧体数字孪生生产线系统进行实施监控和数据的采集,在生产线生产加工过程中,将生产线物理数据分为资源维、任务维和过程维三个维度。
S2:建模完成后,对永磁铁氧体器件在数字孪生体全生命周期进行分析,将虚拟现实融入传统仿真演示、数据分析中加强虚实空间的融合,对永磁铁氧体的配料进行调试并进行质量的调优。
S3:建立永磁铁氧体数字孪生车间系统,通过将摩擦力、重力、阻力物理特性模拟融入到可视化模型运行中,还原设备性能和物理特性,物理空间与信息空间交互控制的过程通过PLC外部设备直接控制虚拟模型,且利用.NET库函数和外部实时数据库集成,根据数据的变化及时反映到三维场景的变化,将虚拟现实融入传统仿真演示、数据分析中加强虚实空间的融合。
S4:通过设备故障诊断与预测分析系统对物理车间和虚拟车间的设备进行故障的诊断与预测分析,同时对永磁铁氧体全生命周期生产过程进行协同优化。
优选的,所述永磁铁氧体数字孪生生产线系统包括图像采集单元、生产设备信息采集单元、生产设备感知单元以及数据库管理单元,生产设备信息采集单元与图像采集单元和数据库管理单元连接,数据库管理单元与生产设备感知单元连接,图像采集单元为若干3D扫描仪,生产设备包括球磨机、液压成型机、电窑、瓦磨机、清洗烘干机、包装机及仓储运输机,生产设备感知单元包含有若干传感器、无线网关以及无线路由器。
优选的,所述3D扫描仪分别设置在电窑、瓦磨机和清洗烘干机的入口前端,分别用于形成不同工序永磁铁氧体图片信息上传至数据库管理单元,数据库管理单元用于管理所有与永磁铁氧体全生命周期相关的数据以提供永磁铁氧体管理服务,生产设备上设有传感器,传感器收集到工作参数后将数据发送给无线网关,无线网关接收到工作参数后将数据通过无线路由器发送给数据库服务器,传感器包括光电感应传感器、压力传感器、温度传感器和重力传感器,光电感应传感器设置在球磨机的一侧,用于记录球磨机的球磨圈数,压力传感器设置在成型压机的压头上,用于记录成型压机的压制压力,温度传感器设置在电窑上,用于记录烧结的温度,重力传感器设置在清洗烘干机的后端,用于记录永磁铁氧体的重量。
优选的,所述资源维主要面向生产要素信息,将其分为通用属性和拓展属性,任务维就是和下达任务相关的信息,过程维是描述制造生产中相关数据,通过对生产线资源、数据进行分类分析。
优选的,所述全生命周期生产过程协同优化包括产品质量优化、能耗优化、生产节拍优化和产品合格率优化,产品合格率优化是指将搭建好的数字孪生永磁铁氧体生产线模型其物理空间与虚拟空间的信息交互通过孪生数据建立关联,一方面生产线本体模型通过Jena框架进行读取、推理以及修改,另一方面基于虚拟现实的三维虚拟模型则依托平台数据接口很方便的与数据库或者PLC建立关联。
优选的,所述设备故障诊断与预测分析包括以下步骤:
S1:参照单元级CPS体系架构,生产设备管控一方面通过信息壳将设备执行的控制指令传递给设备控制系统,由控制系统实现对物理装置制造执行的精确控制,另一方面通过对设备运行状态的采集与分析,形成设备故障库和设备运行状态模型,利用大数据分析技术为生产设备管控提供服务,车间采用工业环网进行生产设备连接。
S2:通过ModBus、OPCUA协议实时采集物理车间的设备状态、生产工艺以及检测结果信息,包括设备的开关机状态、故障信息、主轴负载、主轴转速、切削力、几何尺寸。
S3:将采集的数据存入实时数据库中,并根据设备关键重要程度设置采集频率,且实时采集的数据经加工后再存入历史数据库,同时在虚拟车间中构建设备机理模型、故障模型和数据分析模型,并基于设备采集数据进行虚拟实时仿真,设备开关机、制造执行器、工艺参数进行实时反馈控制。
S4:在生产现场通过人机界面对设备进行三维虚拟展示,基于车间物联网系统和设备故障库对生产设备运行状态进行监控与预警,设备出现异常情况时安灯系统自动报警,并在HMI界面按权重显示可能的故障原因,以支撑车间现场快速排故。
优选的,所述实时监控系统包括以下步骤:
S1:车间数字孪生系统在虚拟空间构建包括调度模型、质量控制模型和产品资源模型、工艺数据库、资源库在内的虚拟模型。
S2:通过MES实时采集物理车间的生产计划、物料消耗、生产进度、产品检验、零部件流转、资源使用、人员信息数据。
S3:基于以上数据在虚拟空间进行物流、生产效率的实时和产品质量、计划达成率的准实时仿真分析。
S4:基于虚拟车间的仿真结果对物理车间的人员、物料、设备、工装、工具资源进行优化调度。
优选的,所述物理车间是车间客观存在的实体集合,主要由加工、检测、物流自动化设备,以及人、辅助资源和环境组成。
优选的,所述虚拟车间是车间人、机、物、环境生产要素的物理模型、行为规则的集合,建立虚拟车间包括以下步骤:
S1:采用虚拟现实引擎Unity 3D软件进行虚拟车间生产要素的渲染与交互动作建模,通过Unity引擎中的粒子特效、三维漫游、碰撞检测、场景切换功能模块实现厂房的虚拟呈现和人机交互功能,并对物理车间从要素、行为、规则三个层面进行建模,将建立的模型存入数据库。
S2:通过网页连接数据库的方式进行数据的读取和存储,形成基于网页拟车间在生产过程中产生的数据的集合。
S3:通过车间孪生数据的集成打通全流程信息链路,为车间虚实融合提供数据驱动。
与现有技术相比,本发明的有益效果是:
1、本发明的基于数字孪生的永磁铁氧体全生命周期管理系统及方法,通过在生产线虚拟仿真环境下基于生产现场实时反馈的数据对车间的运行情况进行仿真分析,通过多轮仿真和状态预测,能够最大限度的减少产品损耗,保证产品质量,优化设备加工节拍,降低设备空闲率,达到降低能耗的效果,为车间运行优化和生产决策提供重要依据。
2、本发明的基于数字孪生的永磁铁氧体全生命周期管理系统及方法,设置的数据采集系统与监控系统,实现了对车间自动化设备运行状态的采集与监控,对生产设备运行状态进行监控与预警,设备出现异常情况时安灯系统自动报警,并在HMI界面按权重显示可能的故障原因,保证了车间工作的正常运行。
附图说明
图1为本发明的永磁铁氧体数字孪生生产线系统示意图;
图2为本发明的生产线物理数据示意图;
图3为本发明的工作流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了解决现有的系统在使用时,不能保证产品的合格率且容易造成产品的损耗,带来经济损失,若生产设备发生故障,不能及时发现处理,容易影响设备的正常工作的技术问题,请参阅图1-图3,本实施例提供以下技术方案:
基于数字孪生的永磁铁氧体全生命周期管理系统,包括永磁铁氧体数字孪生生产线系统和永磁铁氧体数字孪生车间系统,永磁铁氧体数字孪生生产线系统包括图像采集单元、生产设备感知单元以及数据库管理单元,图像采集单元图像采集单元为若干3D扫描仪,3D扫描仪分别设置在电窑、瓦磨机和清洗烘干机的入口前端,分别用于形成不同工序永磁铁氧体图片信息上传至数据库管理单元,生产设备包括球磨机、液压成型机、电窑、瓦磨机、清洗烘干机、包装机及仓储运输机,数据库管理单元用于管理所有与永磁铁氧体全生命周期相关的数据以提供永磁铁氧体管理服务,生产设备感知单元包含有若干传感器、无线网关以及无线路由器,生产设备上设有传感器,传感器收集到工作参数后将数据发送给无线网关,无线网关接收到工作参数后将数据通过无线路由器发送给数据库服务器,传感器包括光电感应传感器、压力传感器、温度传感器和重力传感器,光电感应传感器设置在球磨机的一侧,用于记录球磨机的球磨圈数,压力传感器设置在成型压机的压头上,用于记录成型压机的压制压力,温度传感器设置在电窑上,用于记录烧结的温度,重力传感器设置在清洗烘干机的后端,用于记录永磁铁氧体的重量。
具体的,通过过生产设备信息采集单元得到球磨机、成型压机、电窑、瓦磨机、清洗烘干机、包装机及仓储运输机的自有信息,通过生产设备感知单元得到工作数据,并将这些数据上传至数据库管理单元,实现了数据的实时统计和保存,便于磁瓦生产过程的数据追踪,有利于生产工艺的数据调整,以及磁瓦的质量得到保证。
永磁铁氧体数字孪生车间系统包括物理车间、虚拟车间和车间管控系统,物理车间和虚拟车间与车间管控系统通过网络连接,车间管控系统包括车间实时监控系统和数据采集系统,实时监控系统通过网络与数据采集系统连接,虚拟车间是车间人、机、物、环境生产要素的物理模型、行为规则的集合,物理车间是车间客观存在的实体集合,主要由加工、检测、物流自动化设备,以及人、辅助资源和环境组成,物理车间要求内部不同类型的资源具备关键参数状态感知与融合能力,通过对设备进行智能化改造,一方面确保通过TCPIP协议可对设备关键参数进行采集,另一方面对于不能直接进行信息采集的设备,通过增加传感器来实现信息的感知,永磁铁氧体数字孪生生产线系统建模完成后,可实现信息可视化及推送,对永磁铁氧体的配料进行调试并进行质量的调优和并对全生命周期生产过程协同优化。
具体的,通过物理车间和虚拟车间的双向虚实融合,实现车间生产过程全要素、全流程的实时信息交互和融合,为实现车间制造资源、生产过程和产品质量的管控提供有效支撑。
全生命周期生产过程协同优化包括产品质量优化、能耗优化、生产节拍优化和产品合格率优化,产品合格率优化是指将搭建好的数字孪生永磁铁氧体生产线模型其物理空间与虚拟空间的信息交互通过孪生数据建立关联,一方面生产线本体模型通过Jena框架进行读取、推理以及修改,另一方面基于虚拟现实的三维虚拟模型则依托平台数据接口很方便的与数据库或者PLC建立关联,永磁铁氧体生产线孪生模型的相关属性会根据映射关系及规则随着实时数据而改变,最大限度的保证合格率。
具体的,通过多轮仿真和状态预测,能够最大限度的减少产品损耗,保证产品质量,通过孪生仿真、提高生产效率,通过设置多台机器,当传感装备监测到物体与机器人在安全位置时就发送指令信号,成型压机对物体进行永磁铁氧体器件动作,当完成一个永磁铁氧体器件机回到安全位置,后面的上下料机器人接受指令取出物体放置在后一台压机上,当机器人和物体在运动轨迹的安全位置时,前一台机器人收到上料指令传送新的物体到永磁铁氧体器件线进行加工,这样循环下去直到完成生产任务。由于加工需求的不同,不同的物体有不同的加工工序,当需要三次永磁铁氧体器件的物体永磁铁氧体器件工序完成后,空闲的机器将起到传送物体的作用。
通过将摩擦力、重力、阻力物理特性模拟融入到可视化模型运行中,实现信息可视化及推送,以便产生更加真实可信的效果来还原设备性能和物理特性,进而可以进行可靠的生产线仿真模拟,验证控制逻辑和方案的可行性,减少设计隐患,降低调试费用的同时节约成本,物理空间与信息空间交互控制的过程通过PLC外部设备直接控制虚拟模型,且充分利用.NET库函数和外部实时数据库集成,根据数据的变化及时反映到三维场景的变化,将虚拟现实融入传统仿真演示、数据分析中加强虚实空间的融合,在构建数字孪生模型时利于完善良好的人机交互,增强平台可视化效果。
具体的,永磁铁氧体数字孪生生产线是围绕物理空间中的物理生产线、虚拟空间中的三维生产线模型以及信息服务平台之间的交互融合与互联互通。由孪生数据驱动整个模型的运行,相关信息在物理空间和虚拟空间之间传输,知识的不断积累使得数字孪生模型得以不断完善和丰富。数字孪生永磁铁氧生产线可视化虚拟模型是物理生产线实体的真实刻画,需要呈现出较为符合实际效果的三维作用。
资源维主要面向生产要素信息,将其分为通用属性和拓展属性,通用属性是所有要素都具备的,具有普遍适用性,如基本信息、状态信息,他们不局限于某要素,拓展属性是各要素所特有的,具有特殊性和可扩展性,任务维就是和下达任务相关的信息,过程维是描述制造生产中相关数据,通过对生产线资源、数据进行分类分析,为后续建立永磁铁氧体生产线物理数据模型奠定基础。
本发明提供另方案:基于数字孪生的永磁铁氧体全生命周期管理系统的实施方法,包括以下步骤:
S1:建立永磁铁氧体数字孪生生产线系统,采用面向对象建模方法,对设备、工艺和生产线进行建模,利用统一建模语言建立物理数据模型,根据建模规则,将生产线物理数据抽象为生产线物理数据类,并通过数据采集系统和实时监控系统,对永磁铁氧体数字孪生生产线系统进行实施监控和数据的采集,在生产线生产加工过程中,将生产线物理数据分为资源维、任务维和过程维三个维度。
其中,实时监控系统包括以下步骤:
S101:车间数字孪生系统在虚拟空间构建包括调度模型、质量控制模型和产品资源模型、工艺数据库、资源库在内的虚拟模型。
S102:通过MES实时采集物理车间的生产计划、物料消耗、生产进度、产品检验、零部件流转、资源使用、人员信息数据。
S103:基于以上数据在虚拟空间进行物流、生产效率的实时和产品质量、计划达成率的准实时(以天为单位)仿真分析。
S104:基于虚拟车间的仿真结果对物理车间的人员、物料、设备、工装、工具资源进行优化调度,生产调度在逻辑上设置一定提前量,以减少停工待料,在车间现场通过生产看板实现物理车间异常的敏捷响应与快速处理。
S2:建模完成后,对永磁铁氧体器件在数字孪生体全生命周期进行分析,将虚拟现实融入传统仿真演示、数据分析中加强虚实空间的融合,对永磁铁氧体的配料进行调试并进行质量的调优。
S3:建立永磁铁氧体数字孪生车间系统,通过将摩擦力、重力、阻力物理特性模拟融入到可视化模型运行中,还原设备性能和物理特性,物理空间与信息空间交互控制的过程通过PLC外部设备直接控制虚拟模型,且利用.NET库函数和外部实时数据库集成,根据数据的变化及时反映到三维场景的变化,将虚拟现实融入传统仿真演示、数据分析中加强虚实空间的融合,其中虚拟车间建立的步骤包括以下步骤:
S301:采用虚拟现实引擎Unity 3D软件进行虚拟车间生产要素的渲染与交互动作建模,通过Unity引擎中的粒子特效、三维漫游、碰撞检测、场景切换功能模块实现厂房的虚拟呈现和人机交互功能,并对物理车间从要素、行为、规则三个层面进行建模,将建立的模型存入数据库。
S302:通过网页连接数据库的方式进行数据的读取和存储,形成基于网页拟车间在生产过程中产生的数据的集合。
S303:通过车间孪生数据的集成打通全流程信息链路,为车间虚实融合提供数据驱动。
S4:通过设备故障诊断与预测分析系统对物理车间和虚拟车间的设备进行故障的诊断与预测分析,同时对永磁铁氧体全生命周期生产过程进行协同优化,其中,设备故障诊断与预测分析包括以下步骤:
S201:参照单元级CPS体系架构,生产设备管控一方面通过信息壳将设备执行的控制指令传递给设备控制系统,由控制系统实现对物理装置制造执行的精确控制,另一方面通过对设备运行状态的采集与分析,形成设备故障库和设备运行状态模型,利用大数据分析技术为生产设备管控提供服务,车间采用工业环网进行生产设备连接。
S202:通过ModBus、OPCUA协议实时采集物理车间的设备状态、生产工艺以及检测结果信息,包括设备的开关机状态、故障信息、主轴负载、主轴转速、切削力、几何尺寸。
S203:将采集的数据存入实时数据库中,并根据设备关键重要程度设置采集频率,且实时采集的数据经加工后再存入历史数据库,以减少数据冗余和响应滞后,同时,在虚拟车间中构建设备机理模型、故障模型和数据分析模型,并基于设备采集数据进行虚拟实时仿真,设备开关机、制造执行器、工艺参数进行实时反馈控制。
S204:在生产现场通过人机界面(huGmanmachineinterface,HMI)对设备进行三维虚拟展示,基于车间物联网系统和设备故障库对生产设备运行状态进行监控与预警,设备出现异常情况时安灯系统自动报警,并在HMI界面按权重显示可能的故障原因,以支撑车间现场快速排故。
综上所述,本发明的基于数字孪生的永磁铁氧体全生命周期管理系统及方法,通过数字孪生车间将虚拟制造执行的结果反馈到ERP系统,用于生产进度和交货期的反馈,并将生产计划和优化后的仿真执行策略下达制造执行系统,制造执行系统依据数字孪生传递的执行策略和生产计划完成真实的制造执行,通过物理车间获取的各种驱动信号和数据,包括车间生产任务、制造资源、生产能力、物流路径、库存情况,从而对数字空间中各个层级进行有效的驱动,在生产线虚拟仿真环境下基于生产现场实时反馈的数据对车间的运行情况进行仿真分析,根据虚拟仿真结果,数字孪生车间系统将及时制定生产策略、资源调度车间控制指令并输入MES系统,动态拉动生产资料配送,调整工位作业计划,通过对历史数据的统计分析,支撑车间的效能评估、质量统计过程控制分析、设备综合效率分析,为车间运行优化和生产决策提供重要依据。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.基于数字孪生的永磁铁氧体全生命周期管理系统,包括永磁铁氧体数字孪生生产线系统,其特征在于,所述永磁铁氧体数字孪生生产线系统和永磁铁氧体数字孪生车间系统通过网络相连接,永磁铁氧体数字孪生车间系统包括物理车间、虚拟车间和车间管控系统,物理车间和虚拟车间与车间管控系统通过网络连接,车间管控系统包括车间实时监控系统和数据采集系统,实时监控系统通过网络与数据采集系统连接。
2.基于数字孪生的永磁铁氧体全生命周期管理方法,包括如权利要求1所述的基于数字孪生的永磁铁氧体全生命周期管理系统,其特征在于,具体步骤如下:
S1:建立永磁铁氧体数字孪生生产线系统,采用面向对象建模方法,对设备、工艺和生产线进行建模,利用统一建模语言建立物理数据模型,根据建模规则,将生产线物理数据抽象为生产线物理数据类,并通过数据采集系统和实时监控系统,对永磁铁氧体数字孪生生产线系统进行实施监控和数据的采集,在生产线生产加工过程中,将生产线物理数据分为资源维、任务维和过程维三个维度;
S2:建模完成后,对永磁铁氧体器件在数字孪生体全生命周期进行分析,将虚拟现实融入传统仿真演示、数据分析中加强虚实空间的融合,对永磁铁氧体的配料进行调试并进行质量的调优;
S3:建立永磁铁氧体数字孪生车间系统,通过将摩擦力、重力、阻力物理特性模拟融入到可视化模型运行中,还原设备性能和物理特性,物理空间与信息空间交互控制的过程通过PLC外部设备直接控制虚拟模型,且利用.NET库函数和外部实时数据库集成,根据数据的变化及时反映到三维场景的变化,将虚拟现实融入传统仿真演示、数据分析中加强虚实空间的融合;
S4:通过设备故障诊断与预测分析系统对物理车间和虚拟车间的设备进行故障的诊断与预测分析,同时对永磁铁氧体全生命周期生产过程进行协同优化。
3.如权利要求1所述的基于数字孪生的永磁铁氧体全生命周期管理系统,其特征在于,所述永磁铁氧体数字孪生生产线系统包括图像采集单元、生产设备信息采集单元、生产设备感知单元以及数据库管理单元,生产设备信息采集单元与图像采集单元和数据库管理单元连接,数据库管理单元与生产设备感知单元连接,图像采集单元为若干3D扫描仪,生产设备包括球磨机、液压成型机、电窑、瓦磨机、清洗烘干机、包装机及仓储运输机,生产设备感知单元包含有若干传感器、无线网关以及无线路由器。
4.如权利要求3所述的基于数字孪生的永磁铁氧体全生命周期管理系统,其特征在于,所述3D扫描仪分别设置在电窑、瓦磨机和清洗烘干机的入口前端,分别用于形成不同工序永磁铁氧体图片信息上传至数据库管理单元,数据库管理单元用于管理所有与永磁铁氧体全生命周期相关的数据以提供永磁铁氧体管理服务,生产设备上设有传感器,传感器收集到工作参数后将数据发送给无线网关,无线网关接收到工作参数后将数据通过无线路由器发送给数据库服务器,传感器包括光电感应传感器、压力传感器、温度传感器和重力传感器,光电感应传感器设置在球磨机的一侧,用于记录球磨机的球磨圈数,压力传感器设置在成型压机的压头上,用于记录成型压机的压制压力,温度传感器设置在电窑上,用于记录烧结的温度,重力传感器设置在清洗烘干机的后端,用于记录永磁铁氧体的重量。
5.如权利要求2所述的基于数字孪生的永磁铁氧体全生命周期管理方法,其特征在于,所述资源维主要面向生产要素信息,将其分为通用属性和拓展属性,任务维就是和下达任务相关的信息,过程维是描述制造生产中相关数据,通过对生产线资源、数据进行分类分析。
6.如权利要求2所述的基于数字孪生的永磁铁氧体全生命周期管理方法,其特征在于,所述全生命周期生产过程协同优化包括产品质量优化、能耗优化、生产节拍优化和产品合格率优化,产品合格率优化是指将搭建好的数字孪生永磁铁氧体生产线模型其物理空间与虚拟空间的信息交互通过孪生数据建立关联,一方面生产线本体模型通过Jena框架进行读取、推理以及修改,另一方面基于虚拟现实的三维虚拟模型则依托平台数据接口很方便的与数据库或者PLC建立关联。
7.如权利要求2所述的基于数字孪生的永磁铁氧体全生命周期管理方法,其特征在于,所述设备故障诊断与预测分析系统的诊断分析包括以下步骤:
S1:参照单元级CPS体系架构,生产设备管控一方面通过信息壳将设备执行的控制指令传递给设备控制系统,由控制系统实现对物理装置制造执行的精确控制,另一方面通过对设备运行状态的采集与分析,形成设备故障库和设备运行状态模型,利用大数据分析技术为生产设备管控提供服务,车间采用工业环网进行生产设备连接;
S2:通过ModBus、OPCUA协议实时采集物理车间的设备状态、生产工艺以及检测结果信息,包括设备的开关机状态、故障信息、主轴负载、主轴转速、切削力、几何尺寸;
S3:将采集的数据存入实时数据库中,并根据设备关键重要程度设置采集频率,且实时采集的数据经加工后再存入历史数据库,同时在虚拟车间中构建设备机理模型、故障模型和数据分析模型,并基于设备采集数据进行虚拟实时仿真,设备开关机、制造执行器、工艺参数进行实时反馈控制;
S4:在生产现场通过人机界面对设备进行三维虚拟展示,基于车间物联网系统和设备故障库对生产设备运行状态进行监控与预警,设备出现异常情况时安灯系统自动报警,并在HMI界面按权重显示可能的故障原因,以支撑车间现场快速排故。
8.如权利要求2所述的基于数字孪生的永磁铁氧体全生命周期管理方法,其特征在于,所述实时监控系统包括以下步骤:
S1:车间数字孪生系统在虚拟空间构建包括调度模型、质量控制模型和产品资源模型、工艺数据库、资源库在内的虚拟模型;
S2:通过MES实时采集物理车间的生产计划、物料消耗、生产进度、产品检验、零部件流转、资源使用、人员信息数据;
S3:基于以上数据在虚拟空间进行物流、生产效率的实时和产品质量、计划达成率的准实时仿真分析;
S4:基于虚拟车间的仿真结果对物理车间的人员、物料、设备、工装、工具资源进行优化调度。
9.如权利要求2所述的基于数字孪生的永磁铁氧体全生命周期管理方法,其特征在于,所述物理车间是车间客观存在的实体集合,由加工、检测、物流自动化设备,以及人、辅助资源和环境组成。
10.如权利要求2所述的基于数字孪生的永磁铁氧体全生命周期管理系统,其特征在于,所述虚拟车间是车间人、机、物、环境生产要素的物理模型、行为规则的集合,建立虚拟车间包括以下步骤:
S1:采用虚拟现实引擎Unity 3D软件进行虚拟车间生产要素的渲染与交互动作建模,通过Unity引擎中的粒子特效、三维漫游、碰撞检测、场景切换功能模块实现厂房的虚拟呈现和人机交互功能,并对物理车间从要素、行为、规则三个层面进行建模,将建立的模型存入数据库;
S2:通过网页连接数据库的方式进行数据的读取和存储,形成基于网页拟车间在生产过程中产生的数据的集合;
S3:通过车间孪生数据的集成打通全流程信息链路,为车间虚实融合提供数据驱动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123280.6A CN115390534A (zh) | 2022-09-15 | 2022-09-15 | 基于数字孪生的永磁铁氧体全生命周期管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123280.6A CN115390534A (zh) | 2022-09-15 | 2022-09-15 | 基于数字孪生的永磁铁氧体全生命周期管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115390534A true CN115390534A (zh) | 2022-11-25 |
Family
ID=84126375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211123280.6A Pending CN115390534A (zh) | 2022-09-15 | 2022-09-15 | 基于数字孪生的永磁铁氧体全生命周期管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115390534A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115841238A (zh) * | 2023-02-21 | 2023-03-24 | 山东捷瑞数字科技股份有限公司 | 一种基于数字孪生的原料监管系统及其监管方法 |
-
2022
- 2022-09-15 CN CN202211123280.6A patent/CN115390534A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115841238A (zh) * | 2023-02-21 | 2023-03-24 | 山东捷瑞数字科技股份有限公司 | 一种基于数字孪生的原料监管系统及其监管方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111857065B (zh) | 基于边缘计算和数字孪生的智能生产系统和方法 | |
Liu et al. | A method of NC machine tools intelligent monitoring system in smart factories | |
Zheng et al. | Smart manufacturing systems for Industry 4.0: Conceptual framework, scenarios, and future perspectives | |
CN111708332A (zh) | 一种生产线数字孪生系统 | |
JP7037204B2 (ja) | スマート工場のモニタリング方法及びシステム | |
JP2020518079A (ja) | スマート工場並列制御方法及びシステム | |
CN113093680A (zh) | 一种基于数字孪生技术的fims系统架构设计方法 | |
CN108919765A (zh) | 一种基于数字孪生的智能制造工厂虚拟调试和虚拟监控方法及方法 | |
CN113805550A (zh) | 基于数字孪生的航天器装配过程管控方法及系统 | |
JP6890609B2 (ja) | 情報表示システム | |
CN112085261A (zh) | 基于云端融合和数字孪生技术的企业生产现状诊断方法 | |
CN111797521B (zh) | 一种自动化生产线三维仿真调试及监控方法 | |
CN209170419U (zh) | 一种基于数字化双胞胎的设备远程维护系统 | |
CN114372341A (zh) | 基于数字孪生的钢铁热轧管控系统及方法 | |
CN113867305A (zh) | 一种用于自动机加生产线的多源数据采集系统 | |
CN111582537A (zh) | 一种生产叶片的数字化车间施工方法 | |
CN115857439A (zh) | 一种基于数字孪生的生产线数据映射及融合系统及方法 | |
CN115390534A (zh) | 基于数字孪生的永磁铁氧体全生命周期管理系统及方法 | |
CN112187917A (zh) | 一种基于工业互联网的数据采集监控系统及方法 | |
CN113946918A (zh) | 一种微组装产线布局及数字孪生管控方法 | |
CN111915167A (zh) | 一种智能制造虚拟船厂信息模型构建方法 | |
CN112462702A (zh) | 一种基于工业互联网的智能监测与智慧调度系统 | |
CN106094775A (zh) | 一种剪切生产线远程监控系统 | |
CN116415386A (zh) | 一种基于实时数据驱动的数字孪生产线可视化系统 | |
CN115364992A (zh) | 一种磨煤机健康监测系统及健康监测方法 |
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 |