发明内容
基于以上所述的问题,本发明的目的在于提供一种基于数字孪生的生产线数据映射及融合系统及方法。
实现本发明目的的技术方案为:
一种基于数字孪生的生产线数据映射及融合系统,包括数字孪生系统、生产线管控系统、数据采集网关和生产线;
所述数字孪生系统用于构建数字孪生映射模型,并基于生产线管控系统和生产线数据进行映射模型的实时状态映射及数据融合;
所述生产线管控系统用于对生产过程中的各个流程和设备进行监控和管理,并制定和下发生产计划,同时基于数字孪生系统中的数字孪生映射模型的数据进行生产线管控计划的优化;
所述数据采集网关用于分别连接生产线和数字孪生系统、生产线和生产线管控系统,采集生产线的数据,并分别与数字孪生系统和生产线管控系统进行数据交互。
进一步的,所述数字孪生系统包括计划模拟单元、数据采集模拟单元、数据驱动模拟单元、统计分析模拟单元、可视化管理单元、三维模型管理单元;
所述计划模拟单元用于接收生产线管控系统下发的生产计划指令、生产模式数据,实现生产线计划模拟;
所述数据采集模拟单元用于数据采集,实现对目标对象的实时数据采集与传输;
数据驱动模拟单元用于基于数据采集模拟单元的实时数据驱动孪生映射模型实时运动,实现数字模型与物理生产线设备的同步运动;
统计分析模拟单元用于对数据采集模拟单元采集的实时数据进行集成汇总和计算;
可视化管理单元用于展示生产线信息,包括异常报警提示、设备运行状态、生产状态显示,并支持对不同的数据源通过SVG的方式实时动态展示;
三维模型管理单元用于能够对数字孪生映射模型中的三维模型进行拆分、编辑、整合,使所构建的模型具有生产数据驱动特征。
进一步的,所述数据采集模拟单元支持多种通讯协议,包括OPC、OPC UA、ODBC、TCPSocket、WebService、JsonRPC、Modbus、Ftp、文件读写,并内置Event、Script、Value工具,实现数据采集、下发的数据预处理及业务流程逻辑处理;
基于以上系统的基于数字孪生的生产线数据映射及融合方法,包括以下步骤:
步骤1、依据生产线信息,基于数字孪生系统构建数字孪生映射模型;
步骤2、构建数字孪生映射模型中运动机构与真实设备之间的数据映射;
步骤3、数字孪生系统定时接收生产线管控系统下发的生产线生产计划数据,并实时判断生产线的生产计划是否发生变化,若发生变化,则将更新的生产计划同步至数字孪生系统并进行实时状态映射及实时数据交互;
步骤4、数字孪生系统实时采集生产线的生产运行数据;
步骤5、对实时采集的生产线的生产运行数据进行边缘计算和预处理,将处理后的生产运行数据同步至数字孪生映射模型中;
步骤6、数字孪生系统基于生产线的实时数据,对数字孪生模型进行驱动;
步骤7、数字孪生系统将基于数字孪生模型对物理生产线进行实时状态和数据融合后的仿真数据传输至生产线管控系统,完成基于数字孪生的生产线数据映射及融合。
本发明与现有技术相比,其显著优点在于:
(1)本发明的技术方案中的数字孪生系统可以与生产管控系统实现数据互通,可实时获取生产线以及生产管控系统的实时数据,提升了在生产线重构和定制化生产等动态场景下虚拟生产线和实体生产线的实时数据交互和同步实时映射能力;
(2)本发明的技术方案直接将生产线现场采集处理后的数据推送到数字孪生模型中,实时驱动模型与物理生产线同步运行,再同步存储数据库,显著降低了物理生产线与孪生模型之间数据交互的时延,并能基于历史数据完成数字孪生模型的迭代和信息追溯。
下面结合附图对本发明作进一步详细描述。
具体实施方式
一种基于数字孪生的生产线数据映射及融合系统,包括数字孪生系统、生产线管控系统、数据采集网关和生产线;
所述数字孪生系统用于构建数字孪生映射模型,并基于生产线管控系统和生产线数据进行映射模型的实时状态映射及数据融合;
所述生产线管控系统用于对生产过程中的各个流程和设备进行监控和管理,并制定和下发生产计划,同时基于数字孪生系统中的数字孪生映射模型的数据进行生产线管控计划的优化;
所述数据采集网关用于分别连接生产线和数字孪生系统、生产线和生产线管控系统,采集生产线的数据,并分别与数字孪生系统和生产线管控系统进行数据交互。
进一步的,所述数字孪生系统包括计划模拟单元、数据采集模拟单元、数据驱动模拟单元、统计分析模拟单元、可视化管理单元、三维模型管理单元;
所述计划模拟单元用于接收生产线管控系统下发的生产计划指令、生产模式数据,实现生产线计划模拟;
所述数据采集模拟单元用于数据采集,实现对目标对象的实时数据采集与传输,数据采集模拟单元支持多种类型控制器(包括机器人、加工设备NC、PLC)的数据采集,数据采集模拟单元还可以动态驱动参数化配置,将数据采集模块的数据源与三维模型进行参数化编辑,实现实时参数驱动模型工作;
数据驱动模拟单元用于基于数据采集模拟单元的实时数据驱动孪生映射模型实时运动,实现数字模型与物理生产线设备的同步运动;
统计分析模拟单元用于对数据采集模拟单元采集的实时数据进行集成汇总和计算,统计分析模拟单元内部集成KPI,能自动根据数据变化触发计算、定时自动计算等方式,达到在实时数据基础上的集成计算,支持生产线停机汇总时间、平均故障恢复时间(MTTR)、平均故障间隔时间(MTBF)、OEE、生产平均节拍等多种KPI计算;
可视化管理单元用于展示生产线信息,采用HTML5网页端呈现,包括异常报警提示、设备运行状态、生产状态显示,并支持对不同的数据源通过SVG(Scalable VectorGraphics)的方式实时动态展示;
三维模型管理单元用于能够对数字孪生映射模型中的三维模型进行拆分、编辑、整合,使所构建的模型具有生产数据驱动特征。
进一步的,所述数据采集模拟单元中设置数据采集中间件,支持多种通讯协议,包括OPC、OPC UA、ODBC、TCP Socket、WebService、JsonRPC、Modbus、Ftp、文件读写,并内置Event、Script、Value工具,实现数据采集、下发的数据预处理及业务流程逻辑处理
进一步的,所述数字孪生系统为Browser/Server架构,采用WebGL对数字孪生虚拟仿真场景进行统一管理与发布。
基于以上系统的基于数字孪生的生产线数据映射及融合方法,包括以下步骤:
步骤1、依据生产线信息,基于数字孪生系统构建数字孪生映射模型,具体为:
所述数字孪生映射模型包括车间环境模型、车间资源模型、工厂/生产线模型、生产线加工设备和工装夹具模型、物流设备模型、产品模型。
步骤2、构建数字孪生映射模型中运动机构与真实设备之间的数据映射,具体为:
所述数据映射包括生产线设备的动作行为映射、功能映射、通信接口映射、信号处理映射以及运行规则约束映射;
其中动作行为映射是指构建数字孪生映射模型中的运动结构,使虚拟设备与真实设备能够实现同步运动;
功能映射是指基于相应的虚拟服务程序,驱动数字孪生映射模型完成对不同信号的功能响应;
通信接口映射包括工件加工设备空间位置数据接口映射、工件移载动作信号接口映射、设备启/停信号以及状态信号接口映射,设备运行参数接口映射;
运行规则约束映射是指将数字孪生映射模型中的虚拟设备与真实设备按照实际设计,在设备零部件集合间、设备间、设备与加工对象之间建立它们的相互约束关系,从而实现运行规则的模拟。
步骤3、数字孪生系统定时接收生产线管控系统下发的生产线生产计划数据,并实时判断生产线的生产计划是否发生变化,若发生变化,则将更新的生产计划同步至数字孪生系统并进行实时状态映射及实时数据交互,具体为:
数字孪生系统定时调用生产线管控系统下发的生产线生产计划指令接口,接收生产模式数据,并基于指令接口中的JsonRPC调用函数的类型,确定生产计划信息,包括同步计划、工艺、质量信息。
其中,数字孪生系统调用生产线生产计划数据的调用周期小于节拍时间。
步骤4、数字孪生系统实时采集生产线的生产运行数据,具体为:
所述数字孪生系统与生产线现场设备之间通过数据采集网关交互生产线运行数据,包括设备运行状态、生产状态、PLC信号以及机床运行报警数据。
更具体的来说,数字孪生系统中的数据采集模拟单元采集生产线的加工设备的动作和位置信息、终端控制器的数据、状态信息、设备工艺参数、动作单元的开始和结束状态、物流信息、报警(报警类型、等级、报警发生源、报警文本、发生时间、默认报警原因及解决措施)、生产数据(产量、生产节拍)、驱动数据(设备轴角度、位置坐标、运行当前电流、负载)、设备运行数据等;
步骤5、数据采集网关对实时采集的生产线的生产运行数据进行边缘计算和预处理,将处理后的生产运行数据同步至数字孪生映射模型中,具体为:
所述生产运行数据的边缘计算及预处理包括:数据分析、数据清洗、数据挖掘、数据编码、数据融合、数据结构化、数据格式标准化、数据交换、时序分析、机加工算法识别、焊接算法识别、故障代码诊断和数据实时同步;
再将经过上述处理的生产运行数据通过WebSocket推送到数字孪生系统的数字孪生映射模型中,同时将形成的标签化数据通过JsonRPC存储到数据库中。
步骤6、数字孪生系统基于生产线的实时数据,对数字孪生模型进行驱动;
步骤7、数字孪生系统将基于数字孪生模型对物理生产线进行实时状态和数据融合后的仿真数据传输至生产线管控系统,完成基于数字孪生的生产线数据映射及融合。
进一步的,数字孪生系统还将基于数字孪生模型对物理生产线进行实时状态和数据融合后的仿真数据传输至生产线管控系统,生产线管控系统基于仿真数据完成对生产线的管控。
具体来说,数字孪生系统基于生产线的实时数据对数字孪生模型进行驱动,数字孪生模型基于实时数据完成对物理生产线中所有生产的情况的仿真模拟;
数字孪生系统将该仿真模拟的数据传输至生产线管控系统,生产线管控系统依据该仿真模拟的数据完成对物理生产线的管控,该管控包括对生产情况的统计分析、生产线的物料管理、计划管理、工艺管理、生产程序管理、设备监控管理以及可视化管理;
与传统的生产线管控系统直接对物理生产线管控相比,本发明的管控方法的数据交互效率更高,应对紧急插单和任务返工等动态复杂任务的实时性和生产灵活性更高,同时生产计划数据的精确性也更高,有利于管理者分析决策;
进一步的,生产线管控系统还可以基于该仿真模拟的数据完成对物理生产线的生产计划的优化,并将优化后的生产计划通过数据采集网关下传至物理生产线,完成对物理生产线的管控。
下面结合实施例对本发明做进一步的说明。
实施例
本实施例中的生产线包括1个立体仓库、4个加工单元、1个上下料机器人、1个分拣机器人、移动托盘、轨道;
其中,立体仓库用于存储当日生产所用的原辅料和成品,上下料机器人为一台六自由度轨道移动机器人,分拣机器人为一台四自由度机器人,移动托盘中带有RFID,4个加工单元由2台数控车床、1台数控铣床、1台镗洗加工中心组成。
结合图1和图2,一种基于数字孪生的生产线数据映射及融合系统,包括数字孪生系统、生产线管控系统、数据采集网关和生产线;
所述数字孪生系统用于构建数字孪生映射模型,并基于生产线管控系统和生产线数据进行映射模型的实时状态映射及数据融合;
所述生产线管控系统用于对生产过程中的各个流程和设备进行监控和管理,并制定和下发生产计划,同时基于数字孪生系统中的数字孪生映射模型的数据进行生产线管控计划的优化;
所述数据采集网关用于分别连接生产线和数字孪生系统、生产线和生产线管控系统,采集生产线的数据,并分别与数字孪生系统和生产线管控系统进行数据交互。
进一步的,所述数字孪生系统包括计划模拟单元、数据采集模拟单元、数据驱动模拟单元、统计分析模拟单元、可视化管理单元、三维模型管理单元;
所述计划模拟单元用于接收生产线管控系统下发的生产计划指令、生产模式数据,实现生产线计划模拟;
所述数据采集模拟单元用于数据采集,实现对目标对象的实时数据采集与传输,数据采集模拟单元支持多种类型控制器(包括机器人、加工设备NC、PLC)的数据采集,数据采集模拟单元还可以动态驱动参数化配置,将数据采集模块的数据源与三维模型进行参数化编辑,实现实时参数驱动模型工作;
数据驱动模拟单元用于基于数据采集模拟单元的实时数据驱动孪生映射模型实时运动,实现数字模型与物理生产线设备的同步运动;
统计分析模拟单元用于对数据采集模拟单元采集的实时数据进行集成汇总和计算,统计分析模拟单元内部集成KPI,能自动根据数据变化触发计算、定时自动计算等方式,达到在实时数据基础上的集成计算,支持生产线停机汇总时间、平均故障恢复时间(MTTR)、平均故障间隔时间(MTBF)、OEE、生产平均节拍等多种KPI计算;
可视化管理单元用于展示生产线信息,采用HTML5网页端呈现,包括异常报警提示、设备运行状态、生产状态显示,并支持对不同的数据源通过SVG(Scalable VectorGraphics)的方式实时动态展示;
三维模型管理单元用于能够对数字孪生映射模型中的三维模型进行拆分、编辑、整合,使所构建的模型具有生产数据驱动特征。
进一步的,所述数据采集模拟单元中设置数据采集中间件,支持多种通讯协议,包括OPC、OPC UA、ODBC、TCP Socket、WebService、JsonRPC、Modbus、Ftp、文件读写,并内置Event、Script、Value工具,实现数据采集、下发的数据预处理及业务流程逻辑处理
进一步的,所述数字孪生系统为Browser/Server架构,采用WebGL对数字孪生虚拟仿真场景进行统一管理与发布。
结合图3,基于以上系统的基于数字孪生的生产线数据映射及融合方法,包括以下步骤:
步骤1、依据生产线信息,基于数字孪生系统构建数字孪生映射模型,具体为:
所述数字孪生映射模型包括车间环境模型、车间资源模型、工厂/生产线模型、生产线加工设备和工装夹具模型、物流设备模型、产品模型。
本实施例中的数字孪生映射模型包括车间环境、车间资源、立体仓库、生产线分拣机器人、上下料机器人、数控车床、数控铣床、加工中心、轨道、移动托盘、产品的数字孪生模型;
步骤2、构建数字孪生映射模型中运动机构与真实设备之间的数据映射,具体为:
所述数据映射包括生产线设备的动作行为映射、功能映射、通信接口映射、信号处理映射以及运行规则约束映射;
其中动作行为映射是指构建数字孪生映射模型中的运动结构,使虚拟设备与真实设备能够实现同步运动;
功能映射是指基于相应的虚拟服务程序,驱动数字孪生映射模型完成对不同信号的功能响应;
通信接口映射包括工件加工设备空间位置数据接口映射、工件移载动作信号接口映射、设备启/停信号以及状态信号接口映射,设备运行参数接口映射;
运行规则约束映射是指将数字孪生映射模型中的虚拟设备与真实设备按照实际设计,在设备零部件集合间、设备间、设备与加工对象之间建立它们的相互约束关系,从而实现运行规则的模拟。
步骤3、数字孪生系统定时接收生产线管控系统下发的生产线生产计划数据,并实时判断生产线的生产计划是否发生变化,若发生变化,则将更新的生产计划同步至数字孪生系统并进行实时状态映射及实时数据交互,具体为:
数字孪生系统定时调用生产线管控系统下发的生产线生产计划指令接口,接收生产模式数据,并基于指令接口中的JsonRPC调用函数的类型,确定生产计划信息,包括同步计划、工艺、质量信息。
其中,数字孪生系统调用生产线生产计划数据的调用周期小于节拍时间,本实施例中的数字孪生系统按照生产节拍时间的70%定时调用生产线管控系统下发的生产线生产计划指令接口,接收生产模式数据。
同时,数字孪生系统实时判断生产线管控系统的生产计划变化与否,若是,则进行生产计划的同步与更新,否则执行数字孪生系统按照生产节拍时间的70%定时调用生产线管控系统下发的生产计划指令信息,接收生产模式数据,根据JsonRPC接口函数变化的类型,确定同步计划、工艺、质量等信息;同时数据采集网关将新计划下发总控PLC,下发完成,调用JsonRPC,返回计划下发结果,完成基于数字孪生的物理生产线与虚拟生产线的实时状态映射及数据融合;
步骤4、数字孪生系统实时采集生产线的生产运行数据,具体为:
所述数字孪生系统与生产线现场设备之间通过总线通信交互生产线运行数据,包括设备运行状态、生产状态、PLC信号以及机床运行报警数据。
本实施例中,数据采集网关根据生产线总控PLC所发请求,判断是否为首工位上件,获取时间和请求码信息,若是生产管理系统生成任务单号并初始化任务单工序,否则数据采集网关反馈所过站点,调用所过站点JsonRPC函数,生产线管理系统更新任务单工序、工位id及更新时间;
更具体的来说,数字孪生系统中的数据采集模拟单元采集生产线的加工设备的动作和位置信息、终端控制器的数据、状态信息、设备工艺参数、动作单元的开始和结束状态、物流信息、报警(报警类型、等级、报警发生源、报警文本、发生时间、默认报警原因及解决措施)、生产数据(产量、生产节拍)、驱动数据(设备轴角度、位置坐标、运行当前电流、负载)、设备运行数据等;
本实施例中,数字孪生系统与生产线之间交互设备运行状态、生产状态、PLC信号以及机床运行报警等数据,数据交互速率为实时通信。
数字孪生系统基于数据采集网关实时采集生产线上设备的动作和位置信息、状态信息、物流信息、设备工艺参数、报警信息、生产数据、驱动数据和运行数据。本实施例中采集的立体库状态数据包括:出库信息、入库信息、库位信息、托盘与物料绑定信息、实时库存信息、报警信息;采集的分拣机器人和上下料机器人状态数据包括终端控制器的数据、机械手的开始和结束状态数据、轴角度、位置坐标、生产数据、负载位置信息、设备运行和停止状态数据、驱动数据、报警信息;采集的数控车床、数控铣床、加工中心状态数据包括终端控制器的数据、报警信息、产量和生产节拍等生产数据、加工程序数据、设备工艺参数、刀具加工开始和结束状态数据、机床运行状态、PLC信号数据、轴类运行数据和轴类伺服数据;采集的产品状态数据包括产品位置信息,生产数据、工单数据、与移动托盘的绑定数据;
步骤5、数据采集网关对实时采集的生产线的生产运行数据进行边缘计算和预处理,将处理后的生产运行数据同步至数字孪生映射模型中,具体为:
所述生产运行数据的边缘计算及预处理包括:数据分析、数据清洗、数据挖掘、数据编码、数据融合、数据结构化、数据格式标准化、数据交换、时序分析、机加工算法识别、焊接算法识别、故障代码诊断和数据实时同步;
再将经过上述处理的生产运行数据通过WebSocket推送到数字孪生系统的数字孪生映射模型中,同时将形成的标签化数据通过JsonRPC存储到数据库中。
数据采集网关比较最新上线工件与上一工件的计划号,若计划号发生变化,则请求调用同步工艺参数和质检标准JsonRPC函数,将接收到新的质检标准和工艺参数下发生产线总控PLC完成工序队列更新,生产线管控系统根据任务单状态变化触发信号,调用对应的同步接口函数,自动更新任务单的过点信息、加工结果、质检结果等数据;
步骤6、数字孪生系统基于生产线的实时数据,对数字孪生模型进行驱动;
步骤7、数字孪生系统将基于数字孪生模型对物理生产线进行实时状态和数据融合后的仿真数据传输至生产线管控系统,完成基于数字孪生的生产线数据映射及融合。
具体来说,数字孪生系统基于生产线的实时数据对数字孪生模型进行驱动,数字孪生模型基于实时数据完成对物理生产线中所有生产的情况的仿真模拟;
数字孪生系统将该仿真模拟的数据传输至生产线管控系统,生产线管控系统依据该仿真模拟的数据完成对物理生产线的管控,该管控包括对生产情况的统计分析、生产线的物料管理、计划管理、工艺管理、生产程序管理、设备监控管理以及可视化管理;
与传统的生产线管控系统直接对物理生产线管控相比,本发明的管控方法的数据交互效率更高,应对紧急插单和任务返工等动态复杂任务的实时性和生产灵活性更高,同时生产计划数据的精确性也更高,有利于管理者分析决策;
进一步的,生产线管控系统还可以基于该仿真模拟的数据完成对物理生产线的生产计划的优化,并将优化后的生产计划通过数据采集网关下传至物理生产线,完成对物理生产线的管控。
以上实施例显示和描述了本发明的基本原理、主要特征。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。