CN116186294A - 一种基于超图的智能工厂元宇宙知识表示方法及其应用 - Google Patents
一种基于超图的智能工厂元宇宙知识表示方法及其应用 Download PDFInfo
- Publication number
- CN116186294A CN116186294A CN202310475051.9A CN202310475051A CN116186294A CN 116186294 A CN116186294 A CN 116186294A CN 202310475051 A CN202310475051 A CN 202310475051A CN 116186294 A CN116186294 A CN 116186294A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- intelligent
- intelligent factory
- universe
- assembly
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 239000011159 matrix material Substances 0.000 claims abstract description 8
- 238000013461 design Methods 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 description 20
- 238000012937 correction Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000002214 protein ontology Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于超图的智能工厂元宇宙知识表示方法及其应用,基于智能工厂元宇宙相关的工业知识构建了智能工厂元宇宙基于工厂操作者‑虚拟智能工厂‑智能工厂的知识模型;以知识节点之间的业务关联关系为准则,建立了智能工厂元宇宙知识超边,构建了智能工厂元宇宙知识超图;采用本体建模构建智能工厂元宇宙知识本体;对构建的智能工厂元宇宙知识本体进行了实例化,构建了智能工厂元宇宙知识实例库;根据下达的查询指令调用所有相关知识节点和知识超边,形成知识矩阵,并结合知识本体推理实现对所查询指令的结果反馈,解决了智能工厂元宇宙知识表示及其检索、反馈的技术问题,可具体用于飞机机身装配过程中的智能预警。
Description
技术领域
本发明涉及数字化技术领域,特别涉及一种基于超图的智能工厂元宇宙知识表示方法及其应用。
背景技术
智能工厂元宇宙(Industrial Metaverse)是指由数字孪生技术、物联网、人工智能、区块链等新兴技术与智能工厂深度融合构成的虚拟现实世界,用于模拟和管理现实世界的智能工厂的设计、仿真、生产和运维等制造全生命周期流程,将数字技术与实体工业结合,促进实体工业高效发展,构建覆盖全产业链、全价值链的全新制造和服务体系,是工业乃至产业数字化、智能化发展的全新阶段。智能工厂是指利用物联网等现代化技术,实现实体工厂的办公、管理及生产智能化的实体工厂。与数字孪生工厂精确映射现实制造过程不同,智能工厂元宇宙以现实的智能工厂的数字映射为基础,并可以塑造全新的数字世界,如模拟复杂的制造环境(高原、高压、高温等),用以验证产品的可靠性,又如模拟还未开展的制造过程,用于提前验证制造方案的可行性。智能工厂元宇宙将现实世界中的物理设备、工艺流程、供应链等信息数字化,使其成为虚拟智能工厂中的对象和过程,在虚拟空间中映射、拓宽实体智能工厂场景,通过在虚拟空间的协同工作、模拟运行指导实体智能工厂高效运转,赋能智能工厂各环节、场景,使智能工厂企业实现生产环节的智能化和自动化控制。其中,构建智能工厂元宇宙的第一步,是要明确智能工厂元宇宙中具体包含哪些知识,如工厂设施、操作者、工艺流程等方面的知识,以及这些知识如何关联并如何构建关系,即智能工厂元宇宙知识表示IMKR(Industrial Metaverse Knowledge Representation)。
当前对智能工厂元宇宙的相关研究以通讯设备和技术为主,缺乏对智能工厂元宇宙知识表示的研究。一方面,不同于传统的智能工厂场景,除各种工业设备、产品、系统、人员之外,智能工厂元宇宙还涉及到了虚拟用户、虚拟工业场景和虚拟服务,是一个跨越多个复杂网络的巨系统,其中涉及的智能工厂元宇宙知识具体包括哪些内容、知识间的业务关联关系是什么、即如何进行知识表示,尚未明确;另一方面,如何根据具体的查询指令,检索到相应的知识以及与这些知识相关联的知识,并基于知识本体推理给出查询指令所需要的反馈结果,仍然是一个尚未解决的关键问题。所述查询指令是指在智能工厂元宇宙中产生虚实交互所需要的指令,用于指导、控制智能工厂实体的高效生产、运维,包括远程控制、生产仿真、产品质量模拟验证等。
综上,目前未见针对上述问题的解决方案的文献报道。
发明内容
本发明的目的是为解决上述问题,提供一种能描述智能工厂元宇宙多元复杂知识及其关联关系知识表示方法,通过构建智能元宇宙知识超图实现了智能工厂元宇宙知识表示,采用本体建模构建智能工厂元宇宙知识本体,基于知识本体推理,实现了查询指令的检索和反馈,达到了智能工厂元宇宙中虚实交互的目的,从而实现指导、控制智能工厂实体的高效生产、运维。本发明可用于飞机机身装配过程中的智能预警,根据装配任务查询指令,在建立的智能工厂装配元宇宙中进行知识本体推理,给出装配任务查询指令所需要的反馈结果,帮助装配工纠错纠偏,大幅节省人力、物力以及时间成本,显著提高装配效率。
为了解决上述技术问题,本发明的技术方案是:一种基于超图的智能工厂元宇宙知识表示方法,包括以下步骤:
步骤1)根据智能工厂元宇宙涉及的工业知识,构建智能工厂元宇宙基于工厂操作者-虚拟智能工厂-智能工厂的知识模型,所述知识模型包括工厂操作者知识、虚拟智能工厂知识、智能工厂知识,所述工厂操作者知识、虚拟智能工厂知识、智能工厂知识包括多个知识节点;
步骤2)根据各个知识节点之间的业务关联关系,建立知识超边,所述知识节点对应一个或多个知识超边,根据所述多个知识节点及其对应的知识超边的逻辑关系构建智能工厂元宇宙知识超图;
步骤3)基于所述智能工厂元宇宙知识超图,采用本体建模构建智能工厂元宇宙知识本体;
步骤4)根据智能工厂产生的案例数据,对构建的智能工厂元宇宙知识本体进行实例化,构建智能工厂元宇宙知识实例库;
步骤5)根据查询指令调用智能工厂元宇宙知识实例库中的知识节点和知识超边,形成知识矩阵,通过知识本体推理实现对查询指令的结果反馈。
本发明的第二个目的在于提供一种基于超图的智能工厂元宇宙知识表示方法的应用,用于飞机机身装配过程中的智能预警。
本发明具有如下有益效果:
本发明提出的一种基于超图的智能工厂元宇宙知识表示方法及其应用,基于智能工厂元宇宙中涉及的工业知识,创新构建了智能工厂元宇宙基于工厂操作者-虚拟智能工厂-智能工厂的知识模型,明确了智能工厂元宇宙的知识组成。根据知识模型中的知识节点之间的业务关联关系,建立知识超边,通过知识节点和知识超边构建了智能工厂元宇宙知识超图,根据本体建模构建智能工厂元宇宙知识本体,基于知识本体推理,实现了查询指令的结果反馈,首次解决了智能工厂元宇宙知识表示及其检索、反馈的技术问题,为智能工厂元宇宙的工业实施提供了真正的解决方案,实现了智能工厂元宇宙中的虚实交互,从而实现指导、控制智能工厂实体的高效生产、运维。本发明可用于生产仿真和产品质量验证,比如模拟还未开展的制造过程,用于提前验证生产制造方案的可行性,比如模拟复杂的制造环境(高原、高压、高温等),用以验证产品质量的可靠性。本发明可具体用于飞机机身装配过程中的智能预警,根据装配任务的查询指令,在建立的智能工厂装配元宇宙中进行知识本体推理,给出查询指令所需要的反馈结果,帮助装配工纠错纠偏,大幅节省人力、物力以及时间成本,显著提高装配效率。
附图说明
图1是本发明实施例提供的基于超图的智能工厂元宇宙知识表示方法流程图;
图2是本发明实施例提供的智能工厂元宇宙基于工厂操作者-虚拟智能工厂-智能工厂的知识模型的示意图;
图3是本发明实施例提供的智能工厂元宇宙知识超图的示意图;
图4是本发明实施例提供的智能工厂装配元宇宙知识表示及其应用的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明提供了一种基于超图的智能工厂元宇宙知识表示方法,包括以下步骤:
步骤1)根据智能工厂元宇宙涉及的工业知识,构建智能工厂元宇宙基于工厂操作者-虚拟智能工厂-智能工厂的知识模型,所述知识模型包括工厂操作者知识、虚拟智能工厂知识、智能工厂知识,所述工厂操作者知识、虚拟智能工厂知识、智能工厂知识包括多个知识节点;
步骤2)根据各个知识节点之间的业务关联关系,建立知识超边,所述知识节点对应一个或多个知识超边,根据所述多个知识节点及其对应的知识超边的逻辑关系构建智能工厂元宇宙知识超图;
所述知识是指人类对客观世界的认识和经验。知识表示是指机器表示知识的一般方法,将人类知识形式化或者模型化,所述知识表示包括其在检索、反馈中的应用。超图(Hypergraph)是图论的一种扩展,不同于一般的网络结构,可以用来表示更复杂的关系和结构。知识超图用于复杂多维的知识之间的知识表示。在智能工厂元宇宙中,利用智能工厂元宇宙知识超图描述物联网设备、传感器、工厂生产线、供应链等多种复杂的关系和流程。具体的知识模型取决于具体的工业场景的应用,当多个实体具有特定和实际意义时,需要构造知识超边来表示它们的关系。以表示知识超图,其中,/>表示知识节点的集合,/>是知识超边的集合,即知识节点间关系的集合,/>是知识超边属性的集合,即知识节点间关系信息的集合。
步骤3)基于所述智能工厂元宇宙知识超图,采用本体建模构建智能工厂元宇宙知识本体;所述本体建模是指通过描述知识节点的概念及其语义联系来表示知识节点之间的关系的方法。所述知识本体是对概念和概念之间的关系的描述。本实施例中采用protege建模软件,owl语言进行本体建模。
步骤4)根据智能工厂产生的案例数据,对构建的智能工厂元宇宙知识本体进行实例化,构建智能工厂元宇宙知识实例库;优选的,本实施例中的案例数据为飞机机身装配过程涉及的实体案例数据。
步骤5)根据查询指令调用智能工厂元宇宙知识实例库中的知识节点和知识超边,形成知识矩阵,通过知识本体推理实现对查询指令的结果反馈。所述知识本体推理是指利用知识本体已经蕴含的语义和逻辑,来对知识节点以及知识节点之间的关系进行推理,用于辅助推理出新的事实、新的关系、新的公理以及新的规则等。优选的,所述查询指令是指飞机机身装配过程中的装配任务查询指令,包括装配模拟查询。
如图1所示,智能工厂元宇宙知识超图包含智能工厂元宇宙涉及的工业知识之间的多元关系,利用知识本体推理,可精确智能推导以及传达多环节、多网络的查询指令,实现智能工厂元宇宙的知识表示、检索和反馈。如图2所示,智能工厂元宇宙知识超图中,通过将工厂操作者知识、虚拟智能工厂知识和智能工厂知识中的知识节点构成知识节点集合,利用其之间的业务逻辑关系构造四种知识超边,知识节点和知识超边构成了智能工厂元宇宙知识超图,从而实现了智能工厂元宇宙知识表示。
进一步的,如图2所示,所述工厂操作者知识,用于表示智能工厂中有操作者参与并交互而所需或产生的知识,可分为显性知识和隐形知识;虚拟智能工厂知识,用于对智能工厂进行虚拟模拟,包括虚拟用户、虚拟工业场景和虚拟服务;智能工厂知识,用于表示智能工厂中涉及的实体知识,包括工业实体、工业通信和工业计算。所述虚拟服务是指支持虚拟智能工厂正常运行并与工厂操作者互联的系统。虚拟服务包括虚拟通信、计算和存储、销售系统、会议、安全系统、API、虚拟智能工厂的管理系统等。基于5G通信技术,实现虚拟用户与虚拟工业场景之间的实时通讯,并通过虚拟服务将产生的虚拟信息进行传输和共享到智能工厂元宇宙中,支持虚拟智能工厂的运行。
所述工业实体涉及的知识节点包括工业原料、工业设备、工业过程、工业产品等,其知识常态一般为物理清单BOM(Bill of Material)、设备手册、生产规则、产品手册、专家知识规则等。工业通信涉及的知识节点包括设备采集系统、通信接口等,其知识常态一般为设备状态数据、通信协议等。工业计算和存储涉及的知识节点包括工业软件、工业计算、工业存储、工业服务等,其知识常态一般为管理系统文件、订单数据、云服务系统文件等。所述知识常态是智能工厂涉及的知识存在的形态,如工艺知识以工艺手册的形式存在,即工艺知识的知识常态为工艺手册。
进一步的,所述显性知识用于表示存储在物理存储介质上的知识,所述隐形知识用于表示未存储在物理存储介质上的知识。优选的,所述显性知识包括设计手册、工作过程文档、操作日志、质量屋、历史案例及管理手册,所述隐形知识包括设计经验、操作经验,所述物理存储介质包括文本、视频、操作手册等。
进一步的,如图3所示,在构建知识超图时,将涉及到的智能工厂元宇宙基于工厂操作者-虚拟智能工厂-智能工厂的知识模型中的作为知识节点,记为/>、/>、。所述知识模型构成了知识超图的知识节点集合/>。/>表示工厂操作者知识中的知识节点的集合;表示虚拟智能工厂知识中的知识节点的集合;/>表示智能工厂知识中的知识节点的集合;/>、/>代表知识节点,i代表1到n之间的自然数。
进一步的,所述知识超边分为四类,具体包括:用于表示工厂操作者知识与虚拟智能工厂知识之间的业务关联关系的知识超边,其编号和符号分别为;用于表示工厂操作者知识与智能工厂知识的业务关联关系的知识超边,其编号和符号分别;用于表示虚拟智能工厂知识与智能工厂知识的知识超边,其编号和符号分别为/>;用于表示工厂操作者知识、虚拟智能工厂知识和智能工厂知识三者之间的业务关联关系的知识超边,其编号和符号分别为/>,所述知识模型中的知识节点的集合/>表示为:
上述智能工厂元宇宙基于工厂操作者-虚拟智能工厂-智能工厂的知识模型中的各类知识节点之间相互业务关联关系,如表1所示,包含了跨越工厂操作者知识、虚拟智能工厂知识、智能工厂知识三个网络的复杂关系。通过以统一的格式组织上述知识模型,明确其业务关联关系是构建智能工厂元宇宙的基础。知识超图可用于表示多个网络跨越连接的关系,实现了智能工厂元宇宙的知识表示。通过知识超图实现了智能工厂元宇宙知识表示,如图3所示。
表1 智能工厂元宇宙知识超图中的知识超边和知识节点
进一步的,所述知识超边用于表示三个及以上的知识节点之间的业务关联关系。
进一步的,所述智能工厂元宇宙知识本体包括智能工厂元宇宙知识本体概念类和智能工厂元宇宙知识对象属性,其中,所述智能工厂元宇宙知识本体概念类用于表示所述知识模型中的多个知识节点,所述智能工厂元宇宙知识对象属性用于表示所述知识超边。
进一步的,所述虚拟智能工厂知识为所述工厂操作者知识和智能工厂知识的虚拟映射。
本发明还提供一种基于超图的智能工厂元宇宙知识表示方法的应用,用于飞机机身装配过程中的智能预警,所述智能工厂元宇宙为智能工厂装配元宇宙,所述智能工厂装配元宇宙的知识表示方法包括:
步骤8-1)根据所述智能工厂装配元宇宙涉及的工业知识,构建智能工厂装配元宇宙基于操作人员系统-虚拟装配系统-物理装配系统的知识模型,所述知识模型包括操作人员系统、虚拟装配系统、物理装配系统,所述操作人员系统、虚拟装配系统、物理装配系统包括多个知识节点;
步骤8-2)根据各个知识节点之间的业务关联关系,建立知识超边,所述知识节点对应一个或多个知识超边,根据所述多个知识节点及其对应的知识超边的逻辑关系构建智能工厂装配元宇宙知识超图;
步骤8-3)基于所述智能工厂装配元宇宙知识超图,采用本体建模构建智能工厂装配元宇宙知识本体;
步骤8-4)根据飞机机身装配过程中产生的案例数据,对构建的智能工厂装配元宇宙知识本体进行实例化,构建智能工厂装配元宇宙知识实例库;
步骤8-5)根据装配任务查询指令调用智能工厂装配元宇宙知识实例库中的知识节点和知识超边,形成知识矩阵,通过知识本体推理实现对装配任务查询指令的结果反馈。
进一步的,所述操作人员系统中的知识节点包括设计手册、操作经验;所述虚拟装配系统中的知识节点包括虚拟机身、虚拟装配工、虚拟车间;所述物理装配系统中的知识节点包括飞机机身、总装车间、总装设备。
进一步的,所述操作人员系统和虚拟装配系统之间的业务关联关系被构建为知识超边,用hv表示,包括装配方案设计;所述操作人员系统和物理装配系统之间的业务关联关系被构建为知识超边,用hp表示,包括装配工施工;所述虚拟装配系统和物理装配系统之间的业务关联关系被构建为知识超边,用vp表示,包括飞机装配过程仿真;所述操作人员系统、虚拟装配系统和物理装配系统之间的业务关联关系被构建为知识超边,用hvp表示,包括飞机装配车间数字孪生运维。
下面以智能工厂装配元宇宙在飞机机身装配过程中的应用为实施例具体解释。由于飞机机身装配过程涉及复杂的装配流程、大型的精密器械和海量的零部件,装配过程耗时长、任务重,且对装配工的专业度和操作经验要求很高,飞机装配过程耗时耗力,通过本实施例提供的智能工厂装配元宇宙,可以帮助装配工纠错纠偏,大幅节省人力、物力以及时间成本,显著提高装配效率。
在飞机总装车间,生产和装配过程中需要利用各种起重设备将机身等吊起、运输并装配。由于机身较大,在正常情况下,装配过程中需要装配工依靠经验和手感,对其进行多次矫姿定位。基于此,需要对装配过程中涉及的装配工、起重设备和环境等进行分析、监测及模拟。通过建立智能工厂装配元宇宙,将装配场景、装配操作在虚拟空间进行模拟,实现对故障和装配运动曲线的模拟预测,并反馈给智能工厂中的装配工,达到及时纠偏纠错,提高装配效率的目的。
本实施例中,在飞机机身装配实施过程中,此时,智能工厂元宇宙为智能工厂装配元宇宙,具体包括以下步骤:
步骤8-1)根据所述智能工厂装配元宇宙涉及的工业知识,构建智能工厂装配元宇宙基于操作人员系统-虚拟装配系统-物理装配系统的知识模型,所述知识模型包括操作人员系统、虚拟装配系统、物理装配系统,所述操作人员系统、虚拟装配系统、物理装配系统包括多个知识节点。
具体的,如表2所示,从工业知识来源、工业知识类型、工业知识内容及知识常态对智能工厂装配元宇宙中的知识模型进行如下分析:
表2智能工厂装配元宇宙中涉及的工业知识
(1)操作人员系统
如图3所示,操作人员系统中的知识节点包括显性知识和隐形知识。其中,装配工的成熟经验是智能工厂领域极为重要的资产,部分经过不断的测试和应用,可凝练为企业的标准规范,包括设计手册、工作过程文档、操作日志、质量屋、历史案例及管理手册等,该部分以显性知识为主。在飞机装配过程中,显性知识主要保存在工作过程文档、操作日志及历史案例等物理存储介质中。同时,由于人的机动性,还存在一些还未形成可视化的文档等,称之为隐形知识,如在飞机机翼装配时,机翼的对接,虽然有激光定位仪作为参考,装配工的经验仍然是装配效率的最大保证。例如,装配工除了设计手册内容外的设计经验,装配工长年累月积累的操作经验等,这些宝贵的隐形知识,是进一步提升智能工厂装配效率的重要知识积累。通过将上述显性知识和隐形知识沉淀在物理存储介质上,所述物理存储介质可以是文本、视频、操作手册等。
(2)虚拟装配系统
在飞机装配场景中,虚拟装配系统中的知识节点包括1)虚拟装配工;2)虚拟机身装配单元;3)虚拟管控中心。虚拟装配工以数字装配工的形式创建在虚拟智能工厂中。通过数字孪生技术将现有的智能工厂实体创建为虚拟机身、虚拟车间、虚拟设备等智能工厂数字孪生对象,构建飞机装配虚拟工业场景。在飞机装配的虚拟智能工厂中,以虚拟管控中心为主,包括虚拟存储、虚拟管理和虚拟控制等服务功能,还包括虚拟用户之间的通信等,虚拟管控首先需要装配工通过VR、AR、混合现实(MR)和XR设备将操作过程和工业场景实时共享到虚拟装配系统中,再通过区块链将装配数据和知识上传虚拟装配系统,搭建智能工厂装配元宇宙的数据基础。
(3)物理装配系统
物理装配系统的知识节点包括:飞机机身、定位仪、装配站位和管控系统等。
步骤8-2)根据各个知识节点之间的业务关联关系,建立知识超边,所述知识节点对应一个或多个知识超边,根据所述多个知识节点及其对应的知识超边的逻辑关系构建智能工厂装配元宇宙知识超图。智能工厂装配元宇宙知识超边的具体构建方法如下:
所述操作人员系统和虚拟装配系统之间的业务关联关系被构建为知识超边,用hv表示。例如,在装配方案设计阶段,模拟装配需要装配工、/>在虚拟装配系统中进行多次装配尝试,并对产品全生命周期阶段遇到的装配情况进行推演,给出了装配方案/>,那么知识超边hv可以表示为:/>:</>>。
所述操作人员系统和物理装配系统之间的业务关联关系被构建为知识超边,用hp表示。例如,飞机装配车间中的装配工、/>在物理装配系统/>中的装配线上进行机翼装配,装配方案是/>,那么知识超边hp可以表示为:hp: </>>。
所述虚拟装配系统和物理装配系统之间的业务关联关系被构建为知识超边,用vp表示。例如,在飞机装配过程中,基于装配数字孪生系统对物理装配系统中的装配设备/>进行实时数据监测,通过云端计算和控制系统/>为装配设备提供故障诊断和预警信息及维护方案/>,那么的超边vp可以表示为:vp: </>>。
所述操作人员系统、虚拟装配系统和物理装配系统之间的业务关联关系被构建为知识超边,用hvp表示。例如,在上述飞机装配过程中,装配维修人员按照预警信息及维护方案/>为装配设备排除故障,那么知识超边hvp可以表示为:hvp: <>。
步骤8-3)基于所述智能工厂装配元宇宙知识超图,采用本体建模构建智能工厂装配元宇宙知识本体。本实施例采用了protege本体建模软件(protege本体建模软件是斯坦福大学医学院生物信息研究中心开发的本体开发工具,属于开放源代码软件)。所述智能工厂装配元宇宙知识本体包括智能工厂装配元宇宙知识本体概念类和智能工厂装配元宇宙知识对象属性,分别对应知识模型和知识超边,其构建方法如下:
(1)构建智能工厂装配元宇宙知识本体概念类。
智能工厂装配元宇宙知识本体概念类,包括操作人员系统、物理装配系统和虚拟装配系统。
其中,操作人员系统包括显性知识和隐形知识,用OWL语言表示如下:
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/R9e4Z0BBbLc7QxvAKg9o0TY</IRI>
<Literal>显性知识</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RBJ04dNSKNqkgPFH5FM5mH1</IRI>
<Literal>隐形知识</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RBPcHDv2lOLFfPUpRdrxIRt</IRI>
<Literal>操作人员系统</Literal>
</AnnotationAssertion>
虚拟装配系统包括虚拟机身装配单元、虚拟管控中心和虚拟装配工,用OWL语言表示如下:
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/R8h4eDgfUF2ijusVMyMKpJr</IRI>
<Literal>虚拟管控中心</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/R9QX2hZLhrLB4N9UGnHPpBH</IRI>
<Literal>虚拟装配工</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RDOWscwiQA5W38mS03A7gxf</IRI>
<Literal>虚拟机身装配单元</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RDfXyyHnvYTpUaMY67qmgET</IRI>
<Literal>虚拟装配系统</Literal>
</AnnotationAssertion>
物理装配系统包括飞机机身、装配站位、管控系统和定位仪,用OWL语言表示如下:
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RBjVxtlItR0oAGnKH4N3DMV</IRI>
<Literal>定位仪</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RC30bQ3VLVBD8PdjhmLsFv7</IRI>
<Literal>飞机机身</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RDDBeIIqog2RD4eVOuOTfVS</IRI>
<Literal>管控系统</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RDfXyyHnvYTpUaMY67qmgET</IRI>
<Literal>物理装配系统</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RDxRm65b7xwg1x7N4kPy0Ov</IRI>
<Literal>装配站位</Literal>
</AnnotationAssertion>
(2)构建智能工厂装配元宇宙知识对象属性,包括操作人员系统、虚拟装配系统和物理装配系统间基于飞机装配车间数字孪生运维、装配方案设计等业务关联,与上述(1)中建立的知识本体概念类进行关联,并用OWL语言表示。
其中,操作人员系统和物理装配系统间的业务关联关系,用OWL语言表示如下:
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/R7JhFIsvWTmxO9b7SOGdAdr</IRI>
<Literal>装配工施工</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/R9YQj9T6NeqVrwxZbHCPZTw</IRI>
<Literal>操作人员系统和物理装配系统间的业务关联关系</Literal>
</AnnotationAssertion>
操作人员系统和虚拟装配系统间的业务关联关系,用OWL语言表示如下:
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/R83BrftMabrfugGgZFTVipp</IRI>
<Literal>装配方案设计</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RDckODdiwTBQXmKSWYwwq1c</IRI>
<Literal>操作人员系统和虚拟装配系统间的业务关联关系</Literal>
</AnnotationAssertion>
虚拟装配系统和物理装配系统间的业务关联关系,用OWL语言表示如下:
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/R0M5Wbg0E5BzySvBq60An5</IRI>
<Literal>飞机装配过程仿真</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RgWDRl0ETwWgYWJOp51HWz</IRI>
<Literal>虚拟装配系统和物理装配系统间的业务关联关系</Literal>
</AnnotationAssertion>
操作人员系统、虚拟装配系统和物理装配系统间的业务关联关系,用OWL语言表示如下:
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RO8vOlcJiLsXixUByR24CB</IRI>
<Literal>飞机装配车间数字孪生运维</Literal>
</AnnotationAssertion>
<AnnotationAssertion>
<AnnotationProperty abbreviatedIRI="rdfs:label"/>
<IRI>http://webprotege.stanford.edu/RehVQRRvlAO7M6tc2aozn3</IRI>
<Literal>操作人员系统、虚拟装配系统和物理装配系统间的业务关联关系</Literal>
</AnnotationAssertion>
</Ontology>
步骤8-4)根据飞机机身装配过程中产生的案例数据,对构建的智能工厂装配元宇宙知识本体进行实例化,构建智能工厂装配元宇宙知识实例库。
步骤8-5)实现基于知识本体推理的检索和反馈。如图4所示,基于构建的智能工厂装配元宇宙,根据下达的装配任务查询指令调用知识超图中所有相关涉及的知识节点和知识超边,形成知识矩阵,根据知识超边作为推理规则,对知识矩阵进行知识本体推理,并将结果反馈到物理装配系统。例如,在飞机装配过程仿真时,如果结果反馈发现设备之间的关联异常,或者模拟的装配曲线偏移,则反馈到物理装配系统中的智能控制系统进行预警,及时帮助装配工纠偏纠错,提高装配效率。另外,将成功的装配案例数据录入智能工厂装配元宇宙中,对成功案例进行知识沉淀,可以给后续工作提供经验参考。本实施例通过智能工厂装配元宇宙实现对飞机装配任务查询指令的结果反馈,解决了智能工厂装配元宇宙知识表示及其检索和反馈的技术问题,帮助装配工纠错纠偏,大幅节省人力、物力以及时间成本,显著提高装配效率。
Claims (10)
1.一种基于超图的智能工厂元宇宙知识表示方法,其特征在于,包括以下步骤:
步骤1)根据智能工厂元宇宙涉及的工业知识,构建智能工厂元宇宙基于工厂操作者-虚拟智能工厂-智能工厂的知识模型,所述知识模型包括工厂操作者知识、虚拟智能工厂知识、智能工厂知识,所述工厂操作者知识、虚拟智能工厂知识、智能工厂知识包括多个知识节点;
步骤2)根据各个知识节点之间的业务关联关系,建立知识超边,所述知识节点对应一个或多个知识超边,根据所述多个知识节点及其对应的知识超边的逻辑关系构建智能工厂元宇宙知识超图;
步骤3)基于所述智能工厂元宇宙知识超图,采用本体建模构建智能工厂元宇宙知识本体;
步骤4)根据智能工厂产生的案例数据,对构建的智能工厂元宇宙知识本体进行实例化,构建智能工厂元宇宙知识实例库;
步骤5)根据查询指令调用智能工厂元宇宙知识实例库中的知识节点和知识超边,形成知识矩阵,通过知识本体推理实现对查询指令的结果反馈。
2.根据权利要求1所述的一种基于超图的智能工厂元宇宙知识表示方法,其特征在于:所述工厂操作者知识,用于表示智能工厂中有操作者参与并交互而所需或产生的知识,可分为显性知识和隐形知识;虚拟智能工厂知识,用于对智能工厂进行虚拟模拟,包括虚拟用户、虚拟工业场景和虚拟服务;智能工厂知识,用于表示智能工厂中涉及的实体知识,包括工业实体、工业通信和工业计算。
3.根据权利要求2所述的一种基于超图的智能工厂元宇宙知识表示方法,其特征在于:所述显性知识用于表示存储在物理存储介质上的知识,所述隐形知识用于表示未存储在物理存储介质上的知识。
4.根据权利要求1所述的一种基于超图的智能工厂元宇宙知识表示方法,其特征在于:所述知识超边分为四类,具体包括:用于表示工厂操作者知识与虚拟智能工厂知识之间的业务关联关系的知识超边,其编号和符号分别为、/>;用于表示工厂操作者知识与智能工厂知识的业务关联关系的知识超边,其编号和符号分别为/>、/>;用于表示虚拟智能工厂知识与智能工厂知识的知识超边,其编号和符号分别为/>、/>;用于表示工厂操作者知识、虚拟智能工厂知识和智能工厂知识三者之间的业务关联关系的知识超边,其编号和符号分别为/>、/>,所述知识模型中的知识节点的集合/>表示为:
5.根据权利要求1所述的一种基于超图的智能工厂元宇宙知识表示方法,其特征在于:所述知识超边用于表示三个及以上的知识节点之间的业务关联关系。
6.根据权利要求1所述的一种基于超图的智能工厂元宇宙知识表示方法,其特征在于:所述智能工厂元宇宙知识本体包括智能工厂元宇宙知识本体概念类和智能工厂元宇宙知识对象属性,其中,所述智能工厂元宇宙知识本体概念类用于表示所述知识模型中的多个知识节点,所述智能工厂元宇宙知识对象属性用于表示所述知识超边。
7.根据权利要求1所述的一种基于超图的智能工厂元宇宙知识表示方法,其特征在于:所述虚拟智能工厂知识为所述工厂操作者知识和智能工厂知识的虚拟映射。
8.一种基于超图的智能工厂元宇宙知识表示方法的应用,其特征在于:用于飞机机身装配过程中的智能预警,所述智能工厂元宇宙为智能工厂装配元宇宙,所述智能工厂装配元宇宙的知识表示方法包括:
步骤8-1)根据所述智能工厂装配元宇宙涉及的工业知识,构建智能工厂装配元宇宙基于操作人员系统-虚拟装配系统-物理装配系统的知识模型,所述知识模型包括操作人员系统、虚拟装配系统、物理装配系统,所述操作人员系统、虚拟装配系统、物理装配系统包括多个知识节点;
步骤8-2)根据各个知识节点之间的业务关联关系,建立知识超边,所述知识节点对应一个或多个知识超边,根据所述多个知识节点及其对应的知识超边的逻辑关系构建智能工厂装配元宇宙知识超图;
步骤8-3)基于所述智能工厂装配元宇宙知识超图,采用本体建模构建智能工厂装配元宇宙知识本体;
步骤8-4)根据飞机机身装配过程中产生的案例数据,对构建的智能工厂装配元宇宙知识本体进行实例化,构建智能工厂装配元宇宙知识实例库;
步骤8-5)根据装配任务查询指令调用智能工厂装配元宇宙知识实例库中的知识节点和知识超边,形成知识矩阵,通过知识本体推理实现对装配任务查询指令的结果反馈。
9.根据权利要求8所述的应用,其特征在于:所述操作人员系统中的知识节点包括设计手册、操作经验;所述虚拟装配系统中的知识节点包括虚拟机身、虚拟装配工、虚拟车间;所述物理装配系统中的知识节点包括飞机机身、总装车间、总装设备。
10.根据权利要求8所述的应用,其特征在于:所述操作人员系统和虚拟装配系统之间的业务关联关系被构建为知识超边,用hv表示,包括装配方案设计;所述操作人员系统和物理装配系统之间的业务关联关系被构建为知识超边,用hp表示,包括装配工施工;所述虚拟装配系统和物理装配系统之间的业务关联关系被构建为知识超边,用vp表示,包括飞机装配过程仿真;所述操作人员系统、虚拟装配系统和物理装配系统之间的业务关联关系被构建为知识超边,用hvp表示,包括飞机装配车间数字孪生运维。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310475051.9A CN116186294B (zh) | 2023-04-28 | 2023-04-28 | 一种基于超图的智能工厂元宇宙知识表示方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310475051.9A CN116186294B (zh) | 2023-04-28 | 2023-04-28 | 一种基于超图的智能工厂元宇宙知识表示方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116186294A true CN116186294A (zh) | 2023-05-30 |
CN116186294B CN116186294B (zh) | 2023-08-18 |
Family
ID=86434917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310475051.9A Active CN116186294B (zh) | 2023-04-28 | 2023-04-28 | 一种基于超图的智能工厂元宇宙知识表示方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116186294B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993532A (zh) * | 2023-09-25 | 2023-11-03 | 四川泰虹科技有限公司 | 用于提升电池零部件制备效率的方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005052720A2 (en) * | 2003-11-28 | 2005-06-09 | Electronics And Telecommunications Research Institute | Knowledge modeling system using ontology |
KR102147855B1 (ko) * | 2020-06-08 | 2020-08-25 | 한화시스템(주) | 전장상황 다중추론 시스템 및 방법 |
CN113434693A (zh) * | 2021-06-23 | 2021-09-24 | 重庆邮电大学工业互联网研究院 | 一种基于智慧数据平台的数据集成方法 |
WO2022095121A1 (zh) * | 2020-11-05 | 2022-05-12 | 广东工业大学 | 一种基于语义本体的广彩瓷知识库的构建方法 |
CN115238008A (zh) * | 2022-07-12 | 2022-10-25 | 中国人民解放军战略支援部队信息工程大学 | 一种战场环境知识表示方法 |
CN115544275A (zh) * | 2022-11-29 | 2022-12-30 | 合肥工业大学 | 顾及时空过程与成灾机理的自然灾害知识超图构建方法 |
CN116012109A (zh) * | 2023-01-30 | 2023-04-25 | 合肥工业大学 | 基于元宇宙的订单生成方法及定制生产方法 |
-
2023
- 2023-04-28 CN CN202310475051.9A patent/CN116186294B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005052720A2 (en) * | 2003-11-28 | 2005-06-09 | Electronics And Telecommunications Research Institute | Knowledge modeling system using ontology |
KR102147855B1 (ko) * | 2020-06-08 | 2020-08-25 | 한화시스템(주) | 전장상황 다중추론 시스템 및 방법 |
WO2022095121A1 (zh) * | 2020-11-05 | 2022-05-12 | 广东工业大学 | 一种基于语义本体的广彩瓷知识库的构建方法 |
CN113434693A (zh) * | 2021-06-23 | 2021-09-24 | 重庆邮电大学工业互联网研究院 | 一种基于智慧数据平台的数据集成方法 |
CN115238008A (zh) * | 2022-07-12 | 2022-10-25 | 中国人民解放军战略支援部队信息工程大学 | 一种战场环境知识表示方法 |
CN115544275A (zh) * | 2022-11-29 | 2022-12-30 | 合肥工业大学 | 顾及时空过程与成灾机理的自然灾害知识超图构建方法 |
CN116012109A (zh) * | 2023-01-30 | 2023-04-25 | 合肥工业大学 | 基于元宇宙的订单生成方法及定制生产方法 |
Non-Patent Citations (1)
Title |
---|
MAROUA MASMOUDI等: "Knowledge hypergraph-based approach for data integration and querying: Application to Earth Observation", 《FUTURE GENERATION COMPUTER SYSTEMS》, vol. 115, pages 720 - 740, XP086354455, DOI: 10.1016/j.future.2020.09.029 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993532A (zh) * | 2023-09-25 | 2023-11-03 | 四川泰虹科技有限公司 | 用于提升电池零部件制备效率的方法及系统 |
CN116993532B (zh) * | 2023-09-25 | 2023-12-08 | 四川泰虹科技有限公司 | 用于提升电池零部件制备效率的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116186294B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Moving from building information models to digital twins for operation and maintenance | |
Zhao et al. | Coordination between control layer AI and on-board AI in optical transport networks | |
CN107272608A (zh) | 云平台中的工业设备和系统证明 | |
CN112580831B (zh) | 一种基于知识图谱的电力通信网智能辅助运维方法及系统 | |
CN116186294B (zh) | 一种基于超图的智能工厂元宇宙知识表示方法及其应用 | |
Li et al. | Fault diagnosis expert system of semiconductor manufacturing equipment using a Bayesian network | |
CN106802905A (zh) | 一种同构plm系统的协同数据交换方法 | |
CN112241424A (zh) | 一种基于知识图谱的空管设备应用系统及方法 | |
CN106094775A (zh) | 一种剪切生产线远程监控系统 | |
CN113821538B (zh) | 一种基于元数据的流式数据处理系统 | |
Schleipen et al. | The CAEX tool suite-User assistance for the use of standardized plant engineering data exchange | |
Misic et al. | BAS Data streaming for smart building analytics | |
CN107357900A (zh) | 一种电力系统模型数据版本的控制方法及装置 | |
Miao et al. | Intelligent auxiliary operation and maintenance system of power communication network based on knowledge graph | |
HAKIRI et al. | A Comprehensive Survey on Digital Twin for Future Networks and Emerging Iot Industry | |
Arman et al. | An ontology-based knowledge management system to support technology intelligence | |
Müller et al. | Ontology-based assistance system for control process reconfiguration of Robot-Based Applications | |
CN117272684B (zh) | 生产设备运行管控信息模型构建方法及装置 | |
Meyers | Updated SCADA system brings easier compliance, more data for operations: Renewable energy company sees numerous benefits in operations and business management with new supervisory control and data acquisition (SCADA) system. | |
Mizutani et al. | Towards Provenance Integration for Field Devices in Industrial IoT Systems | |
Steindl | Digital Twinning for Industrial Energy Systems Utilizing Semantic Web Technologies | |
Yang et al. | Modeling and Analysis of Cyber-physical Systems Based on Petri Net | |
Yuling | The Accurate Marketing System Design Based on Data Mining Technology: A New Approach | |
Zhang et al. | Weaving the semantic link network of events | |
Kong | Design and Implementation of the Big Data Management Decision System Based on the Hadoop Technology |
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 |