CN115600882A - 基于工业互联网全连接管理的产品生产优化方法及系统 - Google Patents
基于工业互联网全连接管理的产品生产优化方法及系统 Download PDFInfo
- Publication number
- CN115600882A CN115600882A CN202211598753.8A CN202211598753A CN115600882A CN 115600882 A CN115600882 A CN 115600882A CN 202211598753 A CN202211598753 A CN 202211598753A CN 115600882 A CN115600882 A CN 115600882A
- Authority
- CN
- China
- Prior art keywords
- production
- target
- workshop
- product
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 373
- 238000005457 optimization Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004088 simulation Methods 0.000 claims abstract description 58
- 238000007726 management method Methods 0.000 claims abstract description 47
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims description 33
- 239000000463 material Substances 0.000 claims description 28
- 238000012795 verification Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 12
- 238000004883 computer application Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 14
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 229920005989 resin Polymers 0.000 description 3
- 239000011347 resin Substances 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—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
-
- 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
- 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
- G06Q10/0633—Workflow analysis
Abstract
本发明公开了基于工业互联网全连接管理的产品生产优化方法及系统,涉及计算机应用技术领域,所述方法包括:通过获得目标产品的目标生产车间,采集得到物理车间数据;利用数字孪生技术得到目标孪生车间;分析得到目标生产逻辑;获得目标订单任务;将目标生产逻辑和目标订单任务作为输入信息,构建智能优化模型,并得到输出信息;基于仿真云平台得到实时调度方案;在目标生产车间执行目标产品的生产任务时进行动态生产管理。解决了现有技术中无法得到准确有效的车间调度决策,最终影响车间的实际生产效率的问题。通过数字孪生技术仿真,实现了为车间实际生产提供理论指导和决策依据的目标,达到了提高车间生产管理质量,提高车间生产效率的效果。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及基于工业互联网全连接管理的产品生产优化方法及系统。
背景技术
随着制造企业数字化技术的发展,企业逐步向数字化、智能化方向发展,在现有的生产车间或者在新型生产线规划时,通常对生产车间的生产线进行数字化车间改进。示范性的如通过对实际生产调度问题进行数学模型提取,并对生产条件进行简化和进行假设,从而建立生产车间的数学模型,并通过模型仿真进行车间实际生产过程的调度指导。现有技术中在静态环境下对车间生产进行生产调度优化,然而在实际生产当中,制造车间处于动态变化的环境当中,示范性的如生产订单发生变化、设备故障,物料配送不及时等问题突发,进一步导致车间生产线停线事故时有发生,影响车间生产效率。数字孪生是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。因此,利用数字孪生技术对生产车间进行动态仿真,并根据仿真结果分析生成车间调度方案,对车间的实际生产提供理论指导和决策依据,具有重要意义。
然而,现有技术中无法对生产车间的实时信息进行智能化的仿真模拟,进而无法得到准确有效的车间调度决策,最终影响车间的实际生产效率的问题。
发明内容
本发明的目的是提供基于工业互联网全连接管理的产品生产优化方法及系统,用以解决现有技术中无法对生产车间的实时信息进行智能化的仿真模拟,进而无法得到准确有效的车间调度决策,最终影响车间的实际生产效率的问题。
鉴于上述问题,本发明提供了基于工业互联网全连接管理的产品生产优化方法及系统。
第一方面,本发明提供了基于工业互联网全连接管理的产品生产优化方法,所述方法通过一种基于工业互联网全连接管理平台的产品生产优化系统实现,其中,所述方法包括:通过获得目标产品的目标生产车间,并对所述目标生产车间进行多维度数据采集,得到物理车间数据;利用数字孪生技术对所述物理车间数据进行处理,得到所述目标生产车间的目标孪生车间;对所述目标产品的生产流程进行分析,并根据分析结果得到目标生产逻辑;获得目标订单任务,其中,所述目标订单任务是指需要在所述目标生产车间进行所述目标产品的生产的任务;将所述目标生产逻辑和所述目标订单任务作为输入信息,构建智能优化模型,并得到所述智能优化模型的输出信息;基于所述仿真云平台,对所述目标孪生车间进行所述输出信息的仿真验证,得到实时调度方案;根据所述实时调度方案,在所述目标生产车间执行所述目标产品的生产任务时进行动态生产管理。
第二方面,本发明还提供了一种基于工业互联网全连接管理的产品生产优化系统,用于执行如第一方面所述的基于工业互联网全连接管理的产品生产优化方法,其中,所述系统包括:数据获得模块,所述数据获得模块用于获得目标产品的目标生产车间,并对所述目标生产车间进行多维度数据采集,得到物理车间数据;模型获得模块,所述模型获得模块用于利用数字孪生技术对所述物理车间数据进行处理,得到所述目标生产车间的目标孪生车间;逻辑获得模块,所述逻辑获得模块用于对所述目标产品的生产流程进行分析,并根据分析结果得到目标生产逻辑;任务获得模块,所述任务获得模块用于获得目标订单任务,其中,所述目标订单任务是指需要在所述目标生产车间进行所述目标产品的生产的任务;智能分析模块,所述智能分析模块用于将所述目标生产逻辑和所述目标订单任务作为输入信息,构建智能优化模型,并得到所述智能优化模型的输出信息;方案获得模块,所述方案获得模块用于基于仿真云平台,对所述目标孪生车间进行所述输出信息的仿真验证,得到实时调度方案;执行模块,所述执行模块用于根据所述实时调度方案,在所述目标生产车间执行所述目标产品的生产任务时进行动态生产管理。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过获得目标产品的目标生产车间,并对所述目标生产车间进行多维度数据采集,得到物理车间数据;利用数字孪生技术对所述物理车间数据进行处理,得到所述目标生产车间的目标孪生车间;对所述目标产品的生产流程进行分析,并根据分析结果得到目标生产逻辑;获得目标订单任务,其中,所述目标订单任务是指需要在所述目标生产车间进行所述目标产品的生产的任务;将所述目标生产逻辑和所述目标订单任务作为输入信息,构建智能优化模型,并得到所述智能优化模型的输出信息;基于所述仿真云平台,对所述目标孪生车间进行所述输出信息的仿真验证,得到实时调度方案;根据所述实时调度方案,在所述目标生产车间执行所述目标产品的生产任务时进行动态生产管理。通过对目标生产车间进行多维度的实际数据采集,从而得到目标生产车间的物理车间数据,实现了为后续利用数字孪生技术构建目标生产车间的孪生车间提供全面、准确的数据基础的技术目标。通过构建目标生产车间的目标孪生车间,为后续进行车间实际生产的仿真模拟提供模型基础。通过对目标产品进行多维度的生产分析,得到目标生产逻辑,实现了为后续目标孪生车间的仿真验证提供生产约束的技术目标,达到了提高生产优化针对性、有效性的技术效果。通过仿真云平台的仿真验证,自动得到实时调度方案,为后续指导目标生产车间的实际生产提供理论调度指导和依据,达到了对目标生产车间进行生产管理优化,提高生产调度及时性,进而提高车间生产效率的技术效果。通过数字孪生技术的仿真,实现了为车间实际生产提供理论指导和决策依据的技术目标,通过优化后的生产调度方案,达到了提高车间生产管理质量,进而提高车间生产效率的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明基于工业互联网全连接管理的产品生产优化方法的流程示意图;
图2为本发明基于工业互联网全连接管理的产品生产优化方法中得到所述物理车间数据的流程示意图;
图3为本发明基于工业互联网全连接管理的产品生产优化方法中得到所述目标生产逻辑的流程示意图;
图4为本发明基于工业互联网全连接管理的产品生产优化方法中基于所述预设基础假设对所述目标孪生车间进行所述输出信息的仿真验证的流程示意图;
图5为本发明一种基于工业互联网全连接管理的产品生产优化系统的结构示意图。
附图标记说明:
数据获得模块M100,模型获得模块M200,逻辑获得模块M300,任务获得模块M400,智能分析模块M500,方案获得模块M600,执行模块M700。
具体实施方式
本发明通过提供基于工业互联网全连接管理的产品生产优化方法及系统,解决了现有技术中无法对生产车间的实时信息进行智能化的仿真模拟,进而无法得到准确有效的车间调度决策,最终影响车间的实际生产效率的问题。通过数字孪生技术的仿真,实现了为车间实际生产提供理论指导和决策依据的技术目标,通过优化后的生产调度方案,达到了提高车间生产管理质量,进而提高车间生产效率的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,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。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
请参阅附图1,本发明提供了基于工业互联网全连接管理的产品生产优化方法,其中,所述方法应用于一种基于工业互联网全连接管理的产品生产优化系统,所述系统包括一仿真云平台,所述方法具体包括如下步骤:
步骤S100:获得目标产品的目标生产车间,并对所述目标生产车间进行多维度数据采集,得到物理车间数据;
进一步的,如附图2所示,本发明步骤S100还包括:
步骤S110:组建车间生产要素集,其中,所述车间生产要素集包括物料要素、设备要素、人员要素、环境要素;
步骤S120:对所述目标生产车间的所述物料要素进行采集,得到物料流数据;
步骤S130:对所述目标生产车间的所述设备要素进行采集,得到生产设备数据;
步骤S140:对所述目标生产车间的所述人员要素进行采集,得到作业人员数据;
步骤S150:对所述目标生产车间的所述环境要素进行采集,得到外围环境数据;
步骤S160:将所述物料流数据、所述生产设备数据、所述作业人员数据、所述外围环境数据进行合并,得到所述物理车间数据。
具体而言,所述基于工业互联网全连接管理的产品生产优化方法应用于一种基于工业互联网全连接管理的产品生产优化系统,所述系统包括一仿真云平台,可以通过对目标生产车间进行多维度数据采集,进而利用数字孪生技术得到目标生产车间的虚拟孪生模型,通过虚拟模型仿真得到生产车间的优化调度方案,用于指导目标生产车间的实际生产调度过程,从而提高车间的生产效率。其中,所述目标生产车间是指用于生产所述目标产品的任意一个车间,所述目标产品是指任意一个待使用所述产品生产优化方法进行生产过程优化的产品。示范性的如对某树脂预浸料进行生产的预浸料生产车间。
具体来说,首先对所述目标生产车间的要素进行分析,从而得到所述目标生产车间生产所述目标产品是需要的多方要素,即得到所述车间生产要素集。其中,所述车间生产要素集包括物料要素、设备要素、人员要素、环境要素。示范性的如某车间生产树脂预浸料时,要求环境温度为-5℃至-10℃,预浸料生产需要机织碳布、树脂、塑料膜等物料,此外,该预浸料生产共6个步骤,每个步骤需至少1个员工辅助操作,生产设备包括预处理设备、浸料设备、覆膜设备等。进而对对车间生产要素集中的各个要素信息依次进行采集,分别得到所述目标生产车间的物料流数据、生产设备数据、作业人员数据、外围环境数据。最后,将所述物料流数据、所述生产设备数据、所述作业人员数据、所述外围环境数据进行合并,即得到所述目标生产车间的所述物理车间数据。
通过对目标生产车间进行多维度的实际数据采集,从而得到目标生产车间的物理车间数据,实现了为后续利用数字孪生技术构建目标生产车间的孪生车间提供全面、准确的数据基础的技术目标。通过构建目标生产车间的目标孪生车间,为后续进行车间实际生产的仿真模拟提供模型基础。
步骤S200:利用数字孪生技术对所述物理车间数据进行处理,得到所述目标生产车间的目标孪生车间;
步骤S300:对所述目标产品的生产流程进行分析,并根据分析结果得到目标生产逻辑;
进一步的,如附图3所示,本发明步骤S300还包括:
步骤S310:对所述目标产品进行生产工序分析,获得第一生产约束;
步骤S320:对所述目标产品进行物料供应分析,获得第二生产约束;
步骤S330:对所述目标产品进行生产动作分析,获得第三生产约束;
步骤S340:基于所述第一生产约束、所述第二生产约束、所述第三生产约束,得到所述目标生产逻辑。
具体而言,在采集得到所述目标生产车间的所述物理车间数据之后,利用数字孪生技术对所述物理车间数据进行处理,从而得到所述目标生产车间的目标孪生车间。其中,所述目标孪生车间为计算机虚拟车间。数字孪生是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。接下来,对所述目标产品的生产流程进行分析,并根据分析结果得到所述目标产品的目标生产逻辑。具体来说,首先对所述目标产品进行生产工序分析,并将工序分析结果作为所述目标生产车间的第一生产约束。然后对所述目标产品进行物料供应分析,并将物料供应链数据作为所述目标生产车间的第二生产约束。接着,对所述目标产品进行生产动作分析,并将生产动作分析结果作为所述目标生产车间的第三生产约束。最后,基于所述第一生产约束、所述第二生产约束、所述第三生产约束,整理生成所述目标产品的所述目标生产逻辑。
通过对目标产品进行多维度的生产分析,得到目标生产逻辑,实现了为后续目标孪生车间的仿真验证提供生产约束的技术目标,达到了提高生产优化针对性、有效性的技术效果。
步骤S400:获得目标订单任务,其中,所述目标订单任务是指需要在所述目标生产车间进行所述目标产品的生产的任务;
步骤S500:将所述目标生产逻辑和所述目标订单任务作为输入信息,构建智能优化模型,并得到所述智能优化模型的输出信息;
进一步的,本发明步骤S500还包括:
步骤S510:提取所述目标订单任务中的第一任务;
步骤S520:基于所述第一任务获得第一任务需求集,其中,所述第一任务需求集包括对所述目标产品的需求型号、需求数量、交货期;
步骤S530:将所述需求型号、所述需求数量、所述交货期作为生产任务目标,并利用最小循环理论原理对所述生产任务目标进行分析,得到目标车间排程;
步骤S540:其中,所述目标车间排程包括多个日生产排程,
步骤S550:将所述目标生产逻辑和所述多个日生产排程作为输入信息构建所述智能优化模型。
具体而言,采集整理所述目标生产车间的订单任务,并组成所述目标订单任务,其中,所述目标订单任务是指需要在所述目标生产车间进行所述目标产品的生产的任务,包括多个不同的订单任务信息。接下来,将所述目标生产逻辑和所述目标订单任务作为输入信息,利用机器学习算法思想原理训练并构建智能优化模型,并得到所述智能优化模型的输出信息。其中,所述智能优化模型用于基于车间实际情况、车间订单任务、产品生产逻辑信息智能化分析得到车间生产调度方案,用于对实际车间生产提供理论指导和依据,从而优化车间生产调度。具体来说,提取所述目标订单任务中的第一任务,并分析得到所述第一任务的第一任务需求集,其中,所述第一任务需求集包括对所述目标产品的需求型号、需求数量、交货期。然后,将所述需求型号、所述需求数量、所述交货期作为生产任务目标,并利用最小循环理论原理对所述生产任务目标进行分析,从而得到所述目标生产车间执行所述目标订单任务的生产排单方案,即所述目标车间排程。其中,所述目标车间排程包括多个日生产排程。
通过仿真云平台的仿真验证,自动得到实时调度方案,为后续指导目标生产车间的实际生产提供理论调度指导和依据,达到了对目标生产车间进行生产管理优化,提高生产调度及时性,进而提高车间生产效率的技术效果。
步骤S600:基于所述仿真云平台,对所述目标孪生车间进行所述输出信息的仿真验证,得到实时调度方案;
步骤S700:根据所述实时调度方案,在所述目标生产车间执行所述目标产品的生产任务时进行动态生产管理。
进一步的,如附图4所示,本发明步骤S600还包括:
步骤S610:对所述目标生产车间的实际生产情况进行分析,并根据分析结果得到预设基础假设;
步骤S620:其中,所述预设基础假设包括物料基础假设、设备基础假设、人员基础假设、环境基础假设;
步骤S630:基于所述预设基础假设对所述目标孪生车间进行所述输出信息的仿真验证。
进一步的,本发明还包括如下步骤:
步骤S631:基于大数据组建生产车间扰动集合,其中,所述生产车间扰动集合包括多种扰动;
步骤S632:提取所述多种扰动中的目标扰动;
步骤S633:判断所述目标扰动是否满足预设调度要求;
步骤S634:若是,获得添加指令,并根据所述添加指令将所述目标扰动添加至所述输出信息。
具体而言,在所述仿真云平台上,通过所述目标孪生车间进行所述输出信息的仿真验证,即对智能优化模型智能化分析得到车间生产调度方案进行仿真模拟,并得到对应的仿真模拟结果,即实时调度方案。其中,在利用所述目标孪生车间进行所述输出信息的仿真验证前,首先应当对实际车间中的相关信息进行假设限定,即分析确定所述预设基础假设。其中,所述预设基础假设包括物料基础假设、设备基础假设、人员基础假设、环境基础假设。示范性的如限定在加工过程中,所有工件只能在一台机器上加工,下一道工序必须在上一道工序结束后才能开始进行,工件位置按一定优先级排列,位置越靠前越早开始加工,生产过程中假设物料都可以及时到达,生产线运行过程中人员无缺勤等故障,生产线生产过程中无订单增加和订单取消等。进一步基于所述预设基础假设对所述目标孪生车间进行所述输出信息的仿真验证。最后,根据所述实时调度方案,在所述目标生产车间执行所述目标产品的生产任务时进行动态生产管理,并在动态生产管理过程中实时检测生产扰动数据,并将对应监测到的扰动数据在生产车间扰动集合中遍历,并根据遍历结果判断所述目标扰动是否满足预设调度要求,若所述目标扰动满足所述预设调度要求,系统自动获得添加指令,并根据所述添加指令将所述目标扰动添加至所述输出信息。也就是说,当生产扰动信息会对实际生产产生影响,则需要将对应扰动添加进系统智能调度仿真中进行分析,作为模型决策调度方案的一个依据和思考要素。达到了对目标生产车间进行生产管理优化,提高生产调度及时性,进而提高车间生产效率的技术效果。
综上所述,本发明所提供的基于工业互联网全连接管理的产品生产优化方法具有如下技术效果:
通过获得目标产品的目标生产车间,并对所述目标生产车间进行多维度数据采集,得到物理车间数据;利用数字孪生技术对所述物理车间数据进行处理,得到所述目标生产车间的目标孪生车间;对所述目标产品的生产流程进行分析,并根据分析结果得到目标生产逻辑;获得目标订单任务,其中,所述目标订单任务是指需要在所述目标生产车间进行所述目标产品的生产的任务;将所述目标生产逻辑和所述目标订单任务作为输入信息,构建智能优化模型,并得到所述智能优化模型的输出信息;基于所述仿真云平台,对所述目标孪生车间进行所述输出信息的仿真验证,得到实时调度方案;根据所述实时调度方案,在所述目标生产车间执行所述目标产品的生产任务时进行动态生产管理。通过对目标生产车间进行多维度的实际数据采集,从而得到目标生产车间的物理车间数据,实现了为后续利用数字孪生技术构建目标生产车间的孪生车间提供全面、准确的数据基础的技术目标。通过构建目标生产车间的目标孪生车间,为后续进行车间实际生产的仿真模拟提供模型基础。通过对目标产品进行多维度的生产分析,得到目标生产逻辑,实现了为后续目标孪生车间的仿真验证提供生产约束的技术目标,达到了提高生产优化针对性、有效性的技术效果。通过仿真云平台的仿真验证,自动得到实时调度方案,为后续指导目标生产车间的实际生产提供理论调度指导和依据,达到了对目标生产车间进行生产管理优化,提高生产调度及时性,进而提高车间生产效率的技术效果。通过数字孪生技术的仿真,实现了为车间实际生产提供理论指导和决策依据的技术目标,通过优化后的生产调度方案,达到了提高车间生产管理质量,进而提高车间生产效率的技术效果。
实施例二
基于与前述实施例中基于工业互联网全连接管理的产品生产优化方法,同样发明构思,本发明还提供了一种基于工业互联网全连接管理平台的产品生产优化系统,请参阅附图5,所述系统包括:
数据获得模块M100,所述数据获得模块M100用于获得目标产品的目标生产车间,并对所述目标生产车间进行多维度数据采集,得到物理车间数据;
模型获得模块M200,所述模型获得模块M200用于利用数字孪生技术对所述物理车间数据进行处理,得到所述目标生产车间的目标孪生车间;
逻辑获得模块M300,所述逻辑获得模块M300用于对所述目标产品的生产流程进行分析,并根据分析结果得到目标生产逻辑;
任务获得模块M400,所述任务获得模块M400用于获得目标订单任务,其中,所述目标订单任务是指需要在所述目标生产车间进行所述目标产品的生产的任务;
智能分析模块M500,所述智能分析模块M500用于将所述目标生产逻辑和所述目标订单任务作为输入信息,构建智能优化模型,并得到所述智能优化模型的输出信息;
方案获得模块M600,所述方案获得模块M600用于基于仿真云平台,对所述目标孪生车间进行所述输出信息的仿真验证,得到实时调度方案;
执行模块M700,所述执行模块M700用于根据所述实时调度方案,在所述目标生产车间执行所述目标产品的生产任务时进行动态生产管理。
进一步的,所述系统中的所述数据获得模块M100还用于:
组建车间生产要素集,其中,所述车间生产要素集包括物料要素、设备要素、人员要素、环境要素;
对所述目标生产车间的所述物料要素进行采集,得到物料流数据;
对所述目标生产车间的所述设备要素进行采集,得到生产设备数据;
对所述目标生产车间的所述人员要素进行采集,得到作业人员数据;
对所述目标生产车间的所述环境要素进行采集,得到外围环境数据;
将所述物料流数据、所述生产设备数据、所述作业人员数据、所述外围环境数据进行合并,得到所述物理车间数据。
进一步的,所述系统中的所述逻辑获得模块M300还用于:
对所述目标产品进行生产工序分析,获得第一生产约束;
对所述目标产品进行物料供应分析,获得第二生产约束;
对所述目标产品进行生产动作分析,获得第三生产约束;
基于所述第一生产约束、所述第二生产约束、所述第三生产约束,得到所述目标生产逻辑。
进一步的,所述系统中的所述智能分析模块M500还用于:
提取所述目标订单任务中的第一任务;
基于所述第一任务获得第一任务需求集,其中,所述第一任务需求集包括对所述目标产品的需求型号、需求数量、交货期;
将所述需求型号、所述需求数量、所述交货期作为生产任务目标,并利用最小循环理论原理对所述生产任务目标进行分析,得到目标车间排程;
其中,所述目标车间排程包括多个日生产排程,
将所述目标生产逻辑和所述多个日生产排程作为输入信息构建所述智能优化模型。
进一步的,所述系统中的所述智能分析模块M500还用于:
对所述多个日生产排程进行整理,绘制得到排程甘特图;
获得所述目标生产车间的实际生产线数据,并将所述实际生产线数据渲染至所述排程甘特图,得到实际生产进度甘特图;
通过所述仿真云平台对所述实际生产进度甘特图进行展示。
进一步的,所述系统中的所述方案获得模块M600还用于:
对所述目标生产车间的实际生产情况进行分析,并根据分析结果得到预设基础假设;
其中,所述预设基础假设包括物料基础假设、设备基础假设、人员基础假设、环境基础假设;
基于所述预设基础假设对所述目标孪生车间进行所述输出信息的仿真验证。
进一步的,所述系统中的所述方案获得模块M600还用于:
基于大数据组建生产车间扰动集合,其中,所述生产车间扰动集合包括多种扰动;
提取所述多种扰动中的目标扰动;
判断所述目标扰动是否满足预设调度要求;
若是,获得添加指令,并根据所述添加指令将所述目标扰动添加至所述输出信息。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的基于工业互联网全连接管理的产品生产优化方法和具体实例同样适用于本实施例的一种基于工业互联网全连接管理的产品生产优化系统,通过前述对基于工业互联网全连接管理的产品生产优化方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于工业互联网全连接管理的产品生产优化系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.基于工业互联网全连接管理的产品生产优化方法,其特征在于,所述产品生产优化方法应用于产品生产优化系统,所述系统包括一仿真云平台,所述产品生产优化方法包括:
获得目标产品的目标生产车间,并对所述目标生产车间进行多维度数据采集,得到物理车间数据;
利用数字孪生技术对所述物理车间数据进行处理,得到所述目标生产车间的目标孪生车间;
对所述目标产品的生产流程进行分析,并根据分析结果得到目标生产逻辑;
获得目标订单任务,其中,所述目标订单任务是指需要在所述目标生产车间进行所述目标产品的生产的任务;
将所述目标生产逻辑和所述目标订单任务作为输入信息,构建智能优化模型,并得到所述智能优化模型的输出信息;
基于所述仿真云平台,对所述目标孪生车间进行所述输出信息的仿真验证,得到实时调度方案;
根据所述实时调度方案,在所述目标生产车间执行所述目标产品的生产任务时进行动态生产管理。
2.如权利要求1所述的产品生产优化方法,其特征在于,所述获得目标产品的目标生产车间,并对所述目标生产车间进行多维度数据采集,得到物理车间数据,包括:
组建车间生产要素集,其中,所述车间生产要素集包括物料要素、设备要素、人员要素、环境要素;
对所述目标生产车间的所述物料要素进行采集,得到物料流数据;
对所述目标生产车间的所述设备要素进行采集,得到生产设备数据;
对所述目标生产车间的所述人员要素进行采集,得到作业人员数据;
对所述目标生产车间的所述环境要素进行采集,得到外围环境数据;
将所述物料流数据、所述生产设备数据、所述作业人员数据、所述外围环境数据进行合并,得到所述物理车间数据。
3.如权利要求1所述的产品生产优化方法,其特征在于,所述对所述目标产品的生产流程进行分析,并根据分析结果得到目标生产逻辑,包括:
对所述目标产品进行生产工序分析,获得第一生产约束;
对所述目标产品进行物料供应分析,获得第二生产约束;
对所述目标产品进行生产动作分析,获得第三生产约束;
基于所述第一生产约束、所述第二生产约束、所述第三生产约束,得到所述目标生产逻辑。
4.如权利要求1所述的产品生产优化方法,其特征在于,所述将所述目标生产逻辑和所述目标订单任务作为输入信息,构建智能优化模型,包括:
提取所述目标订单任务中的第一任务;
基于所述第一任务获得第一任务需求集,其中,所述第一任务需求集包括对所述目标产品的需求型号、需求数量、交货期;
将所述需求型号、所述需求数量、所述交货期作为生产任务目标,并利用最小循环理论原理对所述生产任务目标进行分析,得到目标车间排程;
其中,所述目标车间排程包括多个日生产排程,
将所述目标生产逻辑和所述多个日生产排程作为输入信息构建所述智能优化模型。
5.如权利要求4所述的产品生产优化方法,其特征在于,还包括:
对所述多个日生产排程进行整理,绘制得到排程甘特图;
获得所述目标生产车间的实际生产线数据,并将所述实际生产线数据渲染至所述排程甘特图,得到实际生产进度甘特图;
通过所述仿真云平台对所述实际生产进度甘特图进行展示。
6.如权利要求1所述的产品生产优化方法,其特征在于,所述基于所述仿真云平台,对所述目标孪生车间进行所述输出信息的仿真验证,包括:
对所述目标生产车间的实际生产情况进行分析,并根据分析结果得到预设基础假设;
其中,所述预设基础假设包括物料基础假设、设备基础假设、人员基础假设、环境基础假设;
基于所述预设基础假设对所述目标孪生车间进行所述输出信息的仿真验证。
7.如权利要求6所述的产品生产优化方法,其特征在于,所述基于所述预设基础假设对所述目标孪生车间进行所述输出信息的仿真验证,还包括:
基于大数据组建生产车间扰动集合,其中,所述生产车间扰动集合包括多种扰动;
提取所述多种扰动中的目标扰动;
判断所述目标扰动是否满足预设调度要求;
若是,获得添加指令,并根据所述添加指令将所述目标扰动添加至所述输出信息。
8.一种基于工业互联网全连接管理的产品生产优化系统,其特征在于,所述产品生产优化系统包括:
数据获得模块,所述数据获得模块用于获得目标产品的目标生产车间,并对所述目标生产车间进行多维度数据采集,得到物理车间数据;
模型获得模块,所述模型获得模块用于利用数字孪生技术对所述物理车间数据进行处理,得到所述目标生产车间的目标孪生车间;
逻辑获得模块,所述逻辑获得模块用于对所述目标产品的生产流程进行分析,并根据分析结果得到目标生产逻辑;
任务获得模块,所述任务获得模块用于获得目标订单任务,其中,所述目标订单任务是指需要在所述目标生产车间进行所述目标产品的生产的任务;
智能分析模块,所述智能分析模块用于将所述目标生产逻辑和所述目标订单任务作为输入信息,构建智能优化模型,并得到所述智能优化模型的输出信息;
方案获得模块,所述方案获得模块用于基于仿真云平台,对所述目标孪生车间进行所述输出信息的仿真验证,得到实时调度方案;
执行模块,所述执行模块用于根据所述实时调度方案,在所述目标生产车间执行所述目标产品的生产任务时进行动态生产管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211598753.8A CN115600882A (zh) | 2022-12-14 | 2022-12-14 | 基于工业互联网全连接管理的产品生产优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211598753.8A CN115600882A (zh) | 2022-12-14 | 2022-12-14 | 基于工业互联网全连接管理的产品生产优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115600882A true CN115600882A (zh) | 2023-01-13 |
Family
ID=84854030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211598753.8A Pending CN115600882A (zh) | 2022-12-14 | 2022-12-14 | 基于工业互联网全连接管理的产品生产优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600882A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115963800A (zh) * | 2023-03-16 | 2023-04-14 | 浪潮云洲(山东)工业互联网有限公司 | 一种基于工业互联网的智能工厂调度方法、系统及设备 |
CN116187729A (zh) * | 2023-05-04 | 2023-05-30 | 山东捷瑞数字科技股份有限公司 | 基于数字孪生的资源调度方法、装置、设备及存储介质 |
CN116703321A (zh) * | 2023-06-09 | 2023-09-05 | 北京市永康药业有限公司 | 一种基于绿色生产的药厂管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111857065A (zh) * | 2020-06-08 | 2020-10-30 | 北京邮电大学 | 基于边缘计算和数字孪生的智能生产系统和方法 |
CN112270508A (zh) * | 2020-11-25 | 2021-01-26 | 东北大学 | 一种满足个性化定制生产的数字孪生智慧云调度方法 |
CN113222224A (zh) * | 2021-04-25 | 2021-08-06 | 南京航空航天大学 | 一种基于孪生智能工件的物联车间实时调度方法 |
CN115062478A (zh) * | 2022-06-23 | 2022-09-16 | 珠海市长陆工业自动控制系统股份有限公司 | 基于数字孪生的动态车间生产排程调度方法、系统及介质 |
-
2022
- 2022-12-14 CN CN202211598753.8A patent/CN115600882A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111857065A (zh) * | 2020-06-08 | 2020-10-30 | 北京邮电大学 | 基于边缘计算和数字孪生的智能生产系统和方法 |
CN112270508A (zh) * | 2020-11-25 | 2021-01-26 | 东北大学 | 一种满足个性化定制生产的数字孪生智慧云调度方法 |
CN113222224A (zh) * | 2021-04-25 | 2021-08-06 | 南京航空航天大学 | 一种基于孪生智能工件的物联车间实时调度方法 |
CN115062478A (zh) * | 2022-06-23 | 2022-09-16 | 珠海市长陆工业自动控制系统股份有限公司 | 基于数字孪生的动态车间生产排程调度方法、系统及介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115963800A (zh) * | 2023-03-16 | 2023-04-14 | 浪潮云洲(山东)工业互联网有限公司 | 一种基于工业互联网的智能工厂调度方法、系统及设备 |
CN116187729A (zh) * | 2023-05-04 | 2023-05-30 | 山东捷瑞数字科技股份有限公司 | 基于数字孪生的资源调度方法、装置、设备及存储介质 |
CN116703321A (zh) * | 2023-06-09 | 2023-09-05 | 北京市永康药业有限公司 | 一种基于绿色生产的药厂管理方法及系统 |
CN116703321B (zh) * | 2023-06-09 | 2023-11-21 | 北京市永康药业有限公司 | 一种基于绿色生产的药厂管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115600882A (zh) | 基于工业互联网全连接管理的产品生产优化方法及系统 | |
CN105302096B (zh) | 一种工厂智能调度方法 | |
CN111724126B (zh) | 一种工艺流程质量异常精准追溯方法及系统 | |
CN101408769A (zh) | 一种基于乘积arima模型的在线能源预测系统及方法 | |
CN108198093B (zh) | 一种基于cps的智慧建造系统 | |
CN115097788A (zh) | 一种基于数字孪生工厂的智能管控平台 | |
CN114118673A (zh) | 一种基于数字孪生技术的车间智能化故障诊断预警方法 | |
CN112288149A (zh) | 一种船舶工业智能制造协同服务系统 | |
CN114675597B (zh) | 一种数控机床故障预测可视化方法 | |
CN115826516A (zh) | 一种智能化的不锈钢链条生产管理方法及系统 | |
CN113189942A (zh) | 一种工业数据智能分析系统及方法 | |
Yang et al. | Development of a predictive maintenance platform for cyber-physical systems | |
CN115841238A (zh) | 一种基于数字孪生的原料监管系统及其监管方法 | |
CN113597664A (zh) | 确定不良原因的方法、电子设备、存储介质及系统 | |
CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
Thakur et al. | Total productive maintenance | |
KR102352658B1 (ko) | 건설 사업 정보 관리 시스템 및 이의 제어 방법 | |
Shakeri et al. | An overview on smart scheduling in MES: in the context of industry 4.0 | |
CN109032097A (zh) | 一种冷轧带钢镀锌线过程控制方法 | |
Porshnev et al. | Computer-Aided system for metallurgy production output: From heterogeneous data bases to unified data warehouse | |
Zhdaneev et al. | Opportunities and challenges to deploy industry 4.0 technologies in the Russian oil refining and petrochemical industries | |
Palma et al. | Predicting Mining Industry Accidents with a Multitask Learning Approach | |
Naderi et al. | Optimizing flexible manufacturing system: A developed computer simulation model | |
Zhichkin et al. | Implementation of Sustainability Analyzes in Software Products for Evaluating the Effectiveness of Investment Projects | |
Tang et al. | Predicting bottlenecks in manufacturing shops through capacity and demand observations from multiple perspectives |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230113 |