CN117313438B - 一种三维工厂工具编辑优化方法及装置 - Google Patents
一种三维工厂工具编辑优化方法及装置 Download PDFInfo
- Publication number
- CN117313438B CN117313438B CN202311617260.9A CN202311617260A CN117313438B CN 117313438 B CN117313438 B CN 117313438B CN 202311617260 A CN202311617260 A CN 202311617260A CN 117313438 B CN117313438 B CN 117313438B
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- target
- dimensional
- digital
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 65
- 230000000007 visual effect Effects 0.000 claims abstract description 57
- 238000013210 evaluation model Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims description 52
- 230000000875 corresponding effect Effects 0.000 claims description 52
- 238000013507 mapping Methods 0.000 claims description 26
- 238000004140 cleaning Methods 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 23
- 238000003860 storage Methods 0.000 description 9
- 230000005284 excitation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及一种三维工厂工具编辑优化方法及装置，所属领域为数据分析技术领域，所述方法包括：获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果；基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；获取所述第一数字化三维模型中的相关节点数据；基于相关节点数据，对第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算第二数字化三维模型的有效性；基于第二数字化三维模型和有效性评估结果，对目标工厂进行可视化控制。本申请能够及时对工厂设备故障做出正确预测并直观预警，降低运维成本，以提高智能化管理水平。
Description
技术领域
本申请涉及数据分析技术领域，特别是涉及一种三维工厂工具编辑优化方法及装置。
背景技术
如今各个行业都在广泛应用大数据对现有业务进行分析计算，随着三维工厂应用中数据重要性的不断提高，对于三维场景应用数据优化包含一套合理、科学、准确的方法，包括海量的数据信息与高强度的数据处理能力，针对业务数据的处理模式，包括分析、捕获、数据整理、搜索、共享、存储、传输、可视化查询、更新和信息管理，在工业场景中，传统设备监控模式单纯通过人工进行监控和管理，有任何隐形故障问题都没有办法及时发现，等到发现问题时，可能故障问题已比较严重，维修成本就会大大增加，在设备运行维护方面压力就比较大，随着自动化设备的发展，新型高科技、无人化工厂得以真正实现，如何在自动化过程中，将三维工厂与设备故障预测进行数据互通，以提高智能化管理效果是一个亟需解决的问题。
因此，亟需提出一种能够及时对工厂设备故障做出正确预测并直观预警，从而降低维修成本的三维工厂工具编辑优化方法及装置。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高用户体验的三维工厂工具编辑优化方法、装置、计算机设备和存储介质。
一方面，提供一种三维工厂工具编辑优化方法，所述方法包括：
获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；
基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；
获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；
基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性，所述拓扑结构评估模型包括：
其中，表示拓扑结构效能值，/>表示耦合参数，/>表示拓扑结构中的节点数，/>表示所有邻边斜率值的和，/>表示目标节点与相邻节点的连接状态量，/>表示目标节点在单个时间步内的状态变量，即为目标节点在单个时间步内的所有邻边斜率值的和的变化值，表示修正后的标记等级；
基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制。
可选的，所述获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果包括：
对所述相关数据信息进行数据清洗，所述数据清洗包括缺失值处理、离群点处理和重复值处理；
基于数据清洗后得到的第一数据信息，按照目标工业设备所属的场景规模参数对所述目标工业设备进行一次等级划分，得到第一划分等级；
按照所述目标工业设备对应的业务含义域及分布参数对所述目标工业设备进行二次等级划分，得到第二划分等级；
根据所述第一划分等级和所述第二划分等级对所述目标工业设备进行等级标记，得到所述第一数据处理结果。
可选的，所述基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型包括：
基于数据清洗后得到的所述第一数据信息，利用所述三维可视化建模工具对所述目标工厂进行三维建模，得到第一拓扑结构；
基于所述第一数据处理结果，确定所述第一拓扑结构对应的第二拓扑结构；
对所述第一拓扑结构和所述第二拓扑结构进行关联，以确定所述第一数字化三维模型。
可选的，所述基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型包括：
获取所述工业设备实时运行状态参数；
基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数；
基于所述标记等级修正参数，对所述第二拓扑结构进行修正；
根据修正结果，确定所述第二数字化三维模型。
可选的，所述基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数包括：
定义目标工业设备的实时运行状态参数集合为，每个运行状态构成所述工业设备故障的概率为/>，且概率之和等于1，则所述目标工业设备对应的故障风险值的计算公式为：
其中，表示故障风险值，/>表示迭代系数，/>表示状态函数，/>表示修正系数，表示第一划分等级，/>表示第二划分等级；
基于所述故障风险值以及映射表，确定所述第一数字化三维模型的标记等级修正参数，所述映射表包括至少一个故障风险值及其对应的标记等级修正参数形成的映射关系。
可选的，所述基于所述第二数字化三维模型，对所述目标工厂进行可视化控制包括：
响应于检测到修正后的所述第二拓扑结构中的目标节点对应的邻边斜率之和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于有效性计算结果，对所述目标工厂进行可视化控制。
可选的，所述响应于检测到修正后的所述第二拓扑结构中的目标节点对应的邻边斜率之和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性包括：
提取所述目标节点所有邻边的斜率值，并计算所有邻边斜率值的和；
响应于检测到所有邻边斜率值的和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于所述拓扑结构效能值，对所述第二数字化三维模型的有效性进行评估。
可选的，所述基于有效性计算结果，对所述目标工厂进行可视化控制包括：
响应于检测到所述拓扑结构效能值小于第二预设值时，判断所述目标节点发生异常，即所述第二数字化三维模型的有效性状态为失效，对所述目标节点进行可视化标记，并向终端发送预警信息。
另一方面，提供了一种三维工厂工具编辑优化装置，所述装置包括：
预处理模块，用于获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；
三维建模模块，用于基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；
节点数据获取模块，用于获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；
编辑优化模块，用于基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性，所述拓扑结构评估模型包括：
其中，表示拓扑结构效能值，/>表示耦合参数，/>表示拓扑结构中的节点数，/>表示所有邻边斜率值的和，/>表示目标节点与相邻节点的连接状态量，/>表示目标节点在单个时间步内的状态变量，即为目标节点在单个时间步内的所有邻边斜率值的和的变化值，表示修正后的标记等级；
可视化控制模块，用于基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制。
可选的，所述编辑优化模块，具体用于：
获取所述工业设备实时运行状态参数；
基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数；
基于所述标记等级修正参数，对第二拓扑结构进行修正；
根据修正结果，确定所述第二数字化三维模型。
再一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；
基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；
获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；
基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型；
基于所述第二数字化三维模型，对所述目标工厂进行可视化控制。
又一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；
基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；
获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；
基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型；
基于所述第二数字化三维模型，对所述目标工厂进行可视化控制。
上述三维工厂工具编辑优化方法及装置，所述方法包括：获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制，本申请通过三维可视化建模工具对数据进行模拟以呈现三维工厂，并将三维工厂与设备故障预测进行数据互通，从而能够及时对工厂设备故障做出正确预测并直观预警，降低运维成本，以提高智能化管理水平。
附图说明
图1为一个实施例中三维工厂工具编辑优化方法的应用环境图；
图2为一个实施例中三维工厂工具编辑优化方法的流程示意图；
图3为一个实施例中三维工厂工具编辑优化装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应当理解，在本申请的描述中，除非上下文明确要求，否则整个说明书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
还应当理解，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
需要注意的是，术语“S1”、“S2”等仅用于步骤的描述目的，并非特别指称次序或顺位的意思，亦非用以限定本申请，其仅仅是为了方便描述本申请的方法，而不能理解为指示步骤的先后顺序。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
本申请提供的三维工厂工具编辑优化方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与设置于服务器104上的数据处理平台进行通信，其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种三维工厂工具编辑优化方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
S1：获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数。
需要说明的是，工厂场景规模参数可以为工业场景尺寸参数、结构参数等，工业设备分布参数可以包括工业设备在工业场景中的坐标位置、目标场景中的设备数量等。
在一些具体实施方式中，所述获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果包括：
对所述相关数据信息进行数据清洗，所述数据清洗包括缺失值处理、离群点处理和重复值处理；
基于数据清洗后得到的第一数据信息，按照目标工业设备所属的场景规模参数对所述目标工业设备进行一次等级划分，得到第一划分等级，其中，等级划分规则为根据场景规模大小从映射表中匹配对应的等级，该等级与场景规模大小形成映射关系的方法为基于专家评分获取不同场景规模大小下的等级，形成一一映射关系，并生成对应的映射表；
按照所述目标工业设备对应的业务含义域及分布参数对所述目标工业设备进行二次等级划分，得到第二划分等级，业务含义域指的是工业设备对应的业务属性，如工业设备制造产品的不同则对应不同的业务属性，同样的，不同业务含义域及不同分布参数均基于专家评分获得对应的映射等级，第二划分等级即为业务含义域及分布参数对应映射等级之和的平均值；
根据所述第一划分等级和所述第二划分等级对所述目标工业设备进行等级标记，得到所述第一数据处理结果，其中，等级标记值的获取方法为：将第一划分等级和第二划分等级相加并取平均值，该平均值即为目标工业设备所标记的等级。
S2：基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型。
需要说明的是，三维可视化建模工具可以是AutoCAD、3DS Max等。
具体的，所述基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型包括：
基于数据清洗后得到的所述第一数据信息，利用所述三维可视化建模工具对所述目标工厂进行三维建模，得到第一拓扑结构，即为工厂基础模型；
基于所述第一数据处理结果，确定所述第一拓扑结构对应的第二拓扑结构，即在工厂基础模型的基础上构建目标工业设备等级标记对应的拓扑模型，示例性的，以工厂基础模型对应的地平面建立平面直角坐标系，再将目标工业设备对应的二维坐标值（x,y）上赋予等级标记对应的值，生成三维坐标（x,y,z），按二维坐标顺序连接所有的z值，即可生成第二拓扑结构；
对所述第一拓扑结构和所述第二拓扑结构进行关联，即在第一拓扑结构中赋予第二拓扑结构，以确定所述第一数字化三维模型。
S3：获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数。
需要说明的是，工业设备实时运行状态参数可以包括电流、电压、运行速度等，相关节点数据的获取方法可以是根据安装在设备中的传感器进行获取。
S4：基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型。
需要说明的是，该步骤具体为：
获取所述工业设备实时运行状态参数；
基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数，其中，该步骤具体为：
定义目标工业设备的实时运行状态参数集合为，每个运行状态构成所述工业设备故障的概率为/>，且概率之和等于1，则所述目标工业设备对应的故障风险值的计算公式为：
其中，表示故障风险值，/>表示迭代系数，/>表示状态函数，/>表示修正系数，表示第一划分等级，/>表示第二划分等级；
在上述公式中，状态函数为表征体系特性的宏观性质，若定义体系的一个性质A，在状态1，A的值为A1，在状态2，值为A2，该状态可以为温度、压力、体积、密度、能量、形态等，其对应值即为不同状态量对应的值，每个设备都会包括一个故障发生时，状态量不符合常规阈值范围的值，如温度升高、压力变大等，此处可根据具体设备选择对应的参数值；概率之和为1指的是集合中运行状态参数对应激发故障的概率之和为1，即定义均基于该集合中的运行状态参数激发故障，示例性的，当实时运行参数集合中有1个参数时，设备故障时，是该参数激发故障的概率值为100%，即为1，当实时运行参数集合中有2个参数时，设备故障时，一个参数激发故障的概率为20%时，则另一个参数激发故障的概率为80%，其和值即为1，以此类推；修正系数为根据不同状态函数设定的常量，以用于对状态函数可能存在的误差进行修正，以确保计算结果的准确性；迭代系数为根据实际需求设定的常量；另外，第一划分等级即为根据场景规模大小匹配得到的等级数值，第二划分等级即为业务含义域及分布参数对应映射等级之和的平均值，其对应的映射值均为通过专家评分获取，设备对应不同的场景规模、业务属性以及具体的分布位置等都会对故障风险产生影响，因此，基于二者确定的比例系数作为该公式的输入变量之一，以获取目标工业设备对应的故障风险值；
基于所述故障风险值以及映射表，确定所述第一数字化三维模型的标记等级修正参数，所述映射表包括至少一个故障风险值及其对应的标记等级修正参数形成的映射关系，同样的，该故障风险值对应的标记等级修正参数值同样为基于专家评分获得；
基于所述标记等级修正参数，对所述第二拓扑结构进行修正，具体为，将标记等级修正参数与第二拓扑结构中对应标记等级进行相加，即可得到修正结果；
根据修正结果，对第二拓扑结构进行调整，以确定所述第二数字化三维模型。
S5：基于所述第二数字化三维模型，对所述目标工厂进行可视化控制。
需要说明的是，该步骤具体包括：
响应于检测到修正后的所述第二拓扑结构中的目标节点对应的邻边斜率之和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性，其中，第一预设值可以根据实际需求进行设定，具体包括：
提取所述目标节点所有邻边的斜率值，并计算所有邻边斜率值的和，邻边斜率值的计算方法包括：基于目标节点与相邻节点的z值重新构建二维直角坐标系（X,Y），将目标节点的z值作为直角坐标系的Y值，相邻节点的z值作为直角坐标系的X值，基于此，计算斜率值，并取计算结果的绝对值作为计算所有邻边斜率值的和的值；
响应于检测到所有邻边斜率值的和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性，所述拓扑结构评估模型包括：
其中，表示拓扑结构效能值，/>表示耦合参数，/>表示拓扑结构中的节点数，/>表示所有邻边斜率值的和，/>表示目标节点与相邻节点的连接状态量，当目标节点有0个相邻节点时，/>，当目标节点有1个相邻节点时，/>，以此类推，/>表示目标节点在单个时间步内的状态变量，即为目标节点在单个时间步内的所有邻边斜率值的和的变化值，/>表示修正后的标记等级；
在上述模型公式中，耦合参数通过耦合函数获得，耦合函数的表达式具体为：
其中，表示第/>个相邻节点所占权重，/>表示相邻节点个数；
基于所述拓扑结构效能值，对所述第二数字化三维模型的有效性进行评估，即基于有效性计算结果，对所述目标工厂进行可视化控制，包括：
响应于检测到所述拓扑结构效能值小于第二预设值时，其中第二预设值可以根据实际需求进行设定，判断所述目标节点发生异常，即所述第二数字化三维模型的有效性状态为失效，对所述目标节点进行可视化标记，并向终端发送预警信息，以预警所述目标节点对应的工业设备可能发生故障，提醒工作人员及时维修。
上述三维工厂工具编辑优化方法中，所述方法包括：获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制，本申请通过三维可视化建模工具对数据进行模拟以呈现三维工厂，并将三维工厂与设备故障预测进行数据互通，从而能够及时对工厂设备故障做出正确预测并直观预警，降低运维成本，以提高智能化管理水平。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种三维工厂工具编辑优化装置，包括：预处理模块、三维建模模块、节点数据获取模块、编辑优化模块和可视化控制模块，其中：
预处理模块，用于获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；
三维建模模块，用于基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；
节点数据获取模块，用于获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；
编辑优化模块，用于基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性，所述拓扑结构评估模型包括：
其中，表示拓扑结构效能值，/>表示耦合参数，/>表示拓扑结构中的节点数，/>表示所有邻边斜率值的和，/>表示目标节点与相邻节点的连接状态量，/>表示目标节点在单个时间步内的状态变量，即为目标节点在单个时间步内的所有邻边斜率值的和的变化值，表示修正后的标记等级；
可视化控制模块，用于基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制。
作为一种较优的实施方式，本发明实施例中，所述预处理模块具体用于：
对所述相关数据信息进行数据清洗，所述数据清洗包括缺失值处理、离群点处理和重复值处理；
基于数据清洗后得到的第一数据信息，按照目标工业设备所属的场景规模参数对所述目标工业设备进行一次等级划分，得到第一划分等级；
按照所述目标工业设备对应的业务含义域及分布参数对所述目标工业设备进行二次等级划分，得到第二划分等级；
根据所述第一划分等级和所述第二划分等级对所述目标工业设备进行等级标记，得到所述第一数据处理结果。
作为一种较优的实施方式，本发明实施例中，所述三维建模模块具体用于：
基于数据清洗后得到的所述第一数据信息，利用所述三维可视化建模工具对所述目标工厂进行三维建模，得到第一拓扑结构；
基于所述第一数据处理结果，确定所述第一拓扑结构对应的第二拓扑结构；
对所述第一拓扑结构和所述第二拓扑结构进行关联，以确定所述第一数字化三维模型。
作为一种较优的实施方式，本发明实施例中，所述编辑优化模块具体用于：
获取所述工业设备实时运行状态参数；
基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数；
基于所述标记等级修正参数，对所述第二拓扑结构进行修正；
根据修正结果，确定所述第二数字化三维模型。
作为一种较优的实施方式，本发明实施例中，所述编辑优化模块具体还用于：
定义目标工业设备的实时运行状态参数集合为，每个运行状态构成所述工业设备故障的概率为/>，且概率之和等于1，则所述目标工业设备对应的故障风险值的计算公式为：
其中，表示故障风险值，/>表示迭代系数，/>表示状态函数，/>表示修正系数，表示第一划分等级，/>表示第二划分等级；
基于所述故障风险值以及映射表，确定所述第一数字化三维模型的标记等级修正参数，所述映射表包括至少一个故障风险值及其对应的标记等级修正参数形成的映射关系。
作为一种较优的实施方式，本发明实施例中，所述可视化控制模块具体用于：
响应于检测到修正后的所述第二拓扑结构中的目标节点对应的邻边斜率之和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于有效性计算结果，对所述目标工厂进行可视化控制。
作为一种较优的实施方式，本发明实施例中，所述可视化控制模块具体还用于：
提取所述目标节点所有邻边的斜率值，并计算所有邻边斜率值的和；
响应于检测到所有邻边斜率值的和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于所述拓扑结构效能值，对所述第二数字化三维模型的有效性进行评估。
作为一种较优的实施方式，本发明实施例中，所述可视化控制模块具体还用于：
响应于检测到所述拓扑结构效能值小于第二预设值时，判断所述目标节点发生异常，即所述第二数字化三维模型的有效性状态为失效，对所述目标节点进行可视化标记，并向终端发送预警信息。
关于三维工厂工具编辑优化装置的具体限定可以参见上文中对于三维工厂工具编辑优化方法的限定，在此不再赘述。上述三维工厂工具编辑优化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种三维工厂工具编辑优化方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
S1：获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；
S2：基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；
S3：获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；
S4：基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性，所述拓扑结构评估模型包括：
其中，表示拓扑结构效能值，/>表示耦合参数，/>表示拓扑结构中的节点数，/>表示所有邻边斜率值的和，/>表示目标节点与相邻节点的连接状态量，/>表示目标节点在单个时间步内的状态变量，即为目标节点在单个时间步内的所有邻边斜率值的和的变化值，表示修正后的标记等级；
S5：基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对所述相关数据信息进行数据清洗，所述数据清洗包括缺失值处理、离群点处理和重复值处理；
基于数据清洗后得到的第一数据信息，按照目标工业设备所属的场景规模参数对所述目标工业设备进行一次等级划分，得到第一划分等级；
按照所述目标工业设备对应的业务含义域及分布参数对所述目标工业设备进行二次等级划分，得到第二划分等级；
根据所述第一划分等级和所述第二划分等级对所述目标工业设备进行等级标记，得到所述第一数据处理结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
基于数据清洗后得到的所述第一数据信息，利用所述三维可视化建模工具对所述目标工厂进行三维建模，得到第一拓扑结构；
基于所述第一数据处理结果，确定所述第一拓扑结构对应的第二拓扑结构；
对所述第一拓扑结构和所述第二拓扑结构进行关联，以确定所述第一数字化三维模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取所述工业设备实时运行状态参数；
基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数；
基于所述标记等级修正参数，对所述第二拓扑结构进行修正；
根据修正结果，确定所述第二数字化三维模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
定义目标工业设备的实时运行状态参数集合为，每个运行状态构成所述工业设备故障的概率为/>，且概率之和等于1，则所述目标工业设备对应的故障风险值的计算公式为：
其中，表示故障风险值，/>表示迭代系数，/>表示状态函数，/>表示修正系数，表示第一划分等级，/>表示第二划分等级；
基于所述故障风险值以及映射表，确定所述第一数字化三维模型的标记等级修正参数，所述映射表包括至少一个故障风险值及其对应的标记等级修正参数形成的映射关系。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
响应于检测到修正后的所述第二拓扑结构中的目标节点对应的邻边斜率之和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于有效性计算结果，对所述目标工厂进行可视化控制。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
提取所述目标节点所有邻边的斜率值，并计算所有邻边斜率值的和；
响应于检测到所有邻边斜率值的和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于所述拓扑结构效能值，对所述第二数字化三维模型的有效性进行评估。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
响应于检测到所述拓扑结构效能值小于第二预设值时，判断所述目标节点发生异常，即所述第二数字化三维模型的有效性状态为失效，对所述目标节点进行可视化标记，并向终端发送预警信息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
S1：获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；
S2：基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；
S3：获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；
S4：基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性，所述拓扑结构评估模型包括：
其中，表示拓扑结构效能值，/>表示耦合参数，/>表示拓扑结构中的节点数，/>表示所有邻边斜率值的和，/>表示目标节点与相邻节点的连接状态量，/>表示目标节点在单个时间步内的状态变量，即为目标节点在单个时间步内的所有邻边斜率值的和的变化值，表示修正后的标记等级；
S5：基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对所述相关数据信息进行数据清洗，所述数据清洗包括缺失值处理、离群点处理和重复值处理；
基于数据清洗后得到的第一数据信息，按照目标工业设备所属的场景规模参数对所述目标工业设备进行一次等级划分，得到第一划分等级；
按照所述目标工业设备对应的业务含义域及分布参数对所述目标工业设备进行二次等级划分，得到第二划分等级；
根据所述第一划分等级和所述第二划分等级对所述目标工业设备进行等级标记，得到所述第一数据处理结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
基于数据清洗后得到的所述第一数据信息，利用所述三维可视化建模工具对所述目标工厂进行三维建模，得到第一拓扑结构；
基于所述第一数据处理结果，确定所述第一拓扑结构对应的第二拓扑结构；
对所述第一拓扑结构和所述第二拓扑结构进行关联，以确定所述第一数字化三维模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取所述工业设备实时运行状态参数；
基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数；
基于所述标记等级修正参数，对所述第二拓扑结构进行修正；
根据修正结果，确定所述第二数字化三维模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
定义目标工业设备的实时运行状态参数集合为，每个运行状态构成所述工业设备故障的概率为/>，且概率之和等于1，则所述目标工业设备对应的故障风险值的计算公式为：
其中，表示故障风险值，/>表示迭代系数，/>表示状态函数，/>表示修正系数，表示第一划分等级，/>表示第二划分等级；
基于所述故障风险值以及映射表，确定所述第一数字化三维模型的标记等级修正参数，所述映射表包括至少一个故障风险值及其对应的标记等级修正参数形成的映射关系。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
响应于检测到修正后的所述第二拓扑结构中的目标节点对应的邻边斜率之和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于有效性计算结果，对所述目标工厂进行可视化控制。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
提取所述目标节点所有邻边的斜率值，并计算所有邻边斜率值的和；
响应于检测到所有邻边斜率值的和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于所述拓扑结构效能值，对所述第二数字化三维模型的有效性进行评估。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
响应于检测到所述拓扑结构效能值小于第二预设值时，判断所述目标节点发生异常，即所述第二数字化三维模型的有效性状态为失效，对所述目标节点进行可视化标记，并向终端发送预警信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种三维工厂工具编辑优化方法，其特征在于，包括：
获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；
基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；
获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；
基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性，所述拓扑结构评估模型包括：
其中，表示拓扑结构效能值，/>表示耦合参数，/>表示拓扑结构中的节点数，/>表示所有邻边斜率值的和，/>表示目标节点与相邻节点的连接状态量，/>表示目标节点在单个时间步内的状态变量，即为目标节点在单个时间步内的所有邻边斜率值的和的变化值，/>表示修正后的标记等级；
基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制。
2.根据权利要求1所述的三维工厂工具编辑优化方法，其特征在于，所述获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果包括：
对所述相关数据信息进行数据清洗，所述数据清洗包括缺失值处理、离群点处理和重复值处理；
基于数据清洗后得到的第一数据信息，按照目标工业设备所属的场景规模参数对所述目标工业设备进行一次等级划分，得到第一划分等级；
按照所述目标工业设备对应的业务含义域及分布参数对所述目标工业设备进行二次等级划分，得到第二划分等级；
根据所述第一划分等级和所述第二划分等级对所述目标工业设备进行等级标记，得到所述第一数据处理结果。
3.根据权利要求2所述的三维工厂工具编辑优化方法，其特征在于，所述基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型包括：
基于数据清洗后得到的所述第一数据信息，利用所述三维可视化建模工具对所述目标工厂进行三维建模，得到第一拓扑结构；
基于所述第一数据处理结果，确定所述第一拓扑结构对应的第二拓扑结构；
对所述第一拓扑结构和所述第二拓扑结构进行关联，以确定所述第一数字化三维模型。
4.根据权利要求3所述的三维工厂工具编辑优化方法，其特征在于，所述基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型包括：
获取所述工业设备实时运行状态参数；
基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数；
基于所述标记等级修正参数，对所述第二拓扑结构进行修正；
根据修正结果，确定所述第二数字化三维模型。
5.根据权利要求4所述的三维工厂工具编辑优化方法，其特征在于，所述基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数包括：
定义目标工业设备的实时运行状态参数集合为，每个运行状态构成所述工业设备故障的概率为/>，且概率之和等于1，则所述目标工业设备对应的故障风险值的计算公式为：
其中，表示故障风险值，/>表示迭代系数，/>表示状态函数，/>表示修正系数，/>表示第一划分等级，/>表示第二划分等级；
基于所述故障风险值以及映射表，确定所述第一数字化三维模型的标记等级修正参数，所述映射表包括至少一个故障风险值及其对应的标记等级修正参数形成的映射关系。
6.根据权利要求5所述的三维工厂工具编辑优化方法，其特征在于，所述基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制包括：
响应于检测到修正后的所述第二拓扑结构中的目标节点对应的邻边斜率之和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于有效性计算结果，对所述目标工厂进行可视化控制。
7.根据权利要求6所述的三维工厂工具编辑优化方法，其特征在于，所述响应于检测到修正后的所述第二拓扑结构中的目标节点对应的邻边斜率之和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性包括：
提取所述目标节点所有邻边的斜率值，并计算所有邻边斜率值的和；
响应于检测到所有邻边斜率值的和大于第一预设值时，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性；
基于所述拓扑结构效能值，对所述第二数字化三维模型的有效性进行评估。
8.根据权利要求7所述的三维工厂工具编辑优化方法，其特征在于，所述基于有效性计算结果，对所述目标工厂进行可视化控制包括：
响应于检测到所述拓扑结构效能值小于第二预设值时，判断所述目标节点发生异常，即所述第二数字化三维模型的有效性状态为失效，对所述目标节点进行可视化标记，并向终端发送预警信息。
9.一种三维工厂工具编辑优化装置，其特征在于，所述装置包括：
预处理模块，用于获取目标工厂的相关数据信息并进行预处理，得到第一数据处理结果，所述相关数据信息至少包括：工厂场景规模参数和工业设备分布参数；
三维建模模块，用于基于所述第一数据处理结果，利用三维可视化建模工具对所述目标工厂进行三维建模，得到第一数字化三维模型；
节点数据获取模块，用于获取所述第一数字化三维模型中的相关节点数据，所述相关节点数据至少包括工业设备实时运行状态参数；
编辑优化模块，用于基于所述相关节点数据，对所述第一数字化三维模型进行编辑优化，得到第二数字化三维模型，利用拓扑结构评估模型计算所述第二数字化三维模型的有效性，所述拓扑结构评估模型包括：
其中，表示拓扑结构效能值，/>表示耦合参数，/>表示拓扑结构中的节点数，/>表示所有邻边斜率值的和，/>表示目标节点与相邻节点的连接状态量，/>表示目标节点在单个时间步内的状态变量，即为目标节点在单个时间步内的所有邻边斜率值的和的变化值，/>表示修正后的标记等级；
可视化控制模块，用于基于所述第二数字化三维模型和有效性评估结果，对所述目标工厂进行可视化控制。
10.根据权利要求9所述的三维工厂工具编辑优化装置，其特征在于，所述编辑优化模块，具体用于：
获取所述工业设备实时运行状态参数；
基于所述工业设备实时运行状态参数，确定所述第一数字化三维模型的标记等级修正参数；
基于所述标记等级修正参数，对第二拓扑结构进行修正；
根据修正结果，确定所述第二数字化三维模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311617260.9A CN117313438B (zh) | 2023-11-30 | 2023-11-30 | 一种三维工厂工具编辑优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311617260.9A CN117313438B (zh) | 2023-11-30 | 2023-11-30 | 一种三维工厂工具编辑优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117313438A CN117313438A (zh) | 2023-12-29 |
| CN117313438B true CN117313438B (zh) | 2024-01-26 |
Family
ID=89250331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311617260.9A Active CN117313438B (zh) | 2023-11-30 | 2023-11-30 | 一种三维工厂工具编辑优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117313438B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102194250A (zh) * | 2011-05-19 | 2011-09-21 | 北京中科辅龙计算机技术股份有限公司 | 基于流程工厂参数模型的复杂场景快速绘制方法及系统 |
| CN107194986A (zh) * | 2017-04-25 | 2017-09-22 | 中广核研究院有限公司 | 一种核电站新型三维数字工厂建模方法和系统 |
| CN109977435A (zh) * | 2017-12-27 | 2019-07-05 | 富华科精密工业（深圳）有限公司 | 工厂运行仿真方法、工厂运行仿真装置及计算机存储介质 |
| CN110188102A (zh) * | 2019-05-24 | 2019-08-30 | 重庆邮电大学 | 一种工厂多源能耗数据并行处理系统及方法 |
| CN110880200A (zh) * | 2019-11-15 | 2020-03-13 | 国网福建省电力有限公司 | 基于三维重建技术的gim模型工程智能验收方法 |
| CN116862206A (zh) * | 2023-09-04 | 2023-10-10 | 宁德思客琦智能装备有限公司 | 一种自适应优化生产计划的分布式制造执行的方法和系统 |
-
2023
- 2023-11-30 CN CN202311617260.9A patent/CN117313438B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102194250A (zh) * | 2011-05-19 | 2011-09-21 | 北京中科辅龙计算机技术股份有限公司 | 基于流程工厂参数模型的复杂场景快速绘制方法及系统 |
| CN107194986A (zh) * | 2017-04-25 | 2017-09-22 | 中广核研究院有限公司 | 一种核电站新型三维数字工厂建模方法和系统 |
| CN109977435A (zh) * | 2017-12-27 | 2019-07-05 | 富华科精密工业（深圳）有限公司 | 工厂运行仿真方法、工厂运行仿真装置及计算机存储介质 |
| CN110188102A (zh) * | 2019-05-24 | 2019-08-30 | 重庆邮电大学 | 一种工厂多源能耗数据并行处理系统及方法 |
| CN110880200A (zh) * | 2019-11-15 | 2020-03-13 | 国网福建省电力有限公司 | 基于三维重建技术的gim模型工程智能验收方法 |
| CN116862206A (zh) * | 2023-09-04 | 2023-10-10 | 宁德思客琦智能装备有限公司 | 一种自适应优化生产计划的分布式制造执行的方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 数字孪生驱动的装配工艺设计现状及管件实现技术研究;郭飞燕等;《机械工程学报》;第55卷(第17期);1-23 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117313438A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sarmadi et al. | Bridge health monitoring in environmental variability by new clustering and threshold estimation methods | |
| AU2001255994B2 (en) | Method of business analysis | |
| CN111612275B (zh) | 一种预测区域用户负荷量的方法及装置 | |
| De Wilde et al. | Building simulation approaches for the training of automated data analysis tools in building energy management | |
| CN104834994A (zh) | 基于svm的小样本继电保护可靠性参数估计方法 | |
| CN113255973A (zh) | 电力负荷预测方法、装置、计算机设备和存储介质 | |
| CN116090839B (zh) | 水资源耦合系统多重风险分析与评估方法及系统 | |
| CN115237710A (zh) | 服务器温度预测方法、装置、计算机设备和存储介质 | |
| Zounemat-Kermani | Investigating chaos and nonlinear forecasting in short term and mid-term river discharge | |
| Qian et al. | A new multiple integral model for water shortage risk assessment and its application in Beijing, China | |
| CN115965136A (zh) | 一种基于电力大数据的碳排放综合预测系统 | |
| CN108694472B (zh) | 预测误差极值分析方法、装置、计算机设备和存储介质 | |
| CN117313438B (zh) | 一种三维工厂工具编辑优化方法及装置 | |
| Cao et al. | Reducio: Model reduction for data center predictive digital twins via physics-guided machine learning | |
| CN109783876B (zh) | 时间序列模型建立方法、装置、计算机设备和存储介质 | |
| Smith et al. | Testing probabilistic adaptive real‐time flood forecasting models | |
| Qian et al. | A new nonlinear risk assessment model based on an improved projection pursuit | |
| CN111061985B (zh) | 无资料地区水库调节径流的计算方法、装置和存储介质 | |
| CN111625525A (zh) | 一种环境数据修复/填充方法及系统 | |
| Chu et al. | Incorporating spatial autocorrelation with neural networks in empirical land-use change models | |
| CN116485034B (zh) | 一种城市排水量预测方法及系统 | |
| CN113435802B (zh) | 输电网监测规划方案构建方法、装置、设备和存储介质 | |
| CN117081088B (zh) | 电网负荷调度控制方法、装置、计算机设备及存储介质 | |
| CN117314705B (zh) | 一种基于遥感影像的环境综合评估预测方法 | |
| CN112528562B (zh) | 用于结构健康监测的智能触觉系统和监测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |