CN117539169A - 一种基于数字孪生的管理方法和系统 - Google Patents
一种基于数字孪生的管理方法和系统 Download PDFInfo
- Publication number
- CN117539169A CN117539169A CN202410027950.7A CN202410027950A CN117539169A CN 117539169 A CN117539169 A CN 117539169A CN 202410027950 A CN202410027950 A CN 202410027950A CN 117539169 A CN117539169 A CN 117539169A
- Authority
- CN
- China
- Prior art keywords
- production line
- management
- production
- loss characteristic
- value
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 152
- 238000004519 manufacturing process Methods 0.000 claims abstract description 556
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims description 113
- 238000012423 maintenance Methods 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 37
- 230000002950 deficient Effects 0.000 claims description 23
- 230000005611 electricity Effects 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 239000002994 raw material Substances 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 10
- 238000005265 energy consumption Methods 0.000 description 6
- 239000002699 waste material Substances 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013068 supply chain management Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Abstract
本发明涉及生产线管理领域，具体公开一种基于数字孪生的管理方法和系统，该方法包括：将工业制造的历史数据导入至数字孪生处理模型，分析提取生产线比对信息集，对生产线进行感知监测，并分析各生产线的管理优化需求值，依据各生产线的管理优化需求值，筛分异常生产线进行优化管控提示，本发明解决了目前对数字孪生的管理局限于工业制造生产线投入制造设备损耗的问题，不仅考虑了电力资源对各生产线的管理影响，还考虑了环境等多重复合因素对各生产线的管理影响，解决了当前对异常生产线进行优化管控提示过于单一的问题，帮助相关人员更好地了解和预测生产线行为，从而对异常生产线进行全面的优化管控提示。
Description
技术领域
本发明涉及生产线管理技术领域，具体为一种基于数字孪生的管理方法和系统。
背景技术
数字孪生是利用历史数据导入物理模型，保障工业制造生产线正常运行的重要管理方法，通过数字孪生模型有助于监管工业制造生产线状态，帮助管理者更好地了解和预测工业制造生产线的行为，数字孪生模型还有助于检测潜在的故障风险，并提供相应的预防措施和维护建议，进而减少停机时间和维修成本，提高工作效率和质量，因此需要建立精确的数字孪生模型，以便优化工业制造生产线业务流程、改进工业制造生产线维护策略和降低工业制造生产线成本。
例如公告号为：CN116721001B的发明专利，公开的一种基于数字孪生的智慧城市资源管理方法，涉及数字数据处理技术领域，提出了基于数字孪生的智慧城市资源管理方法，包括：获取资源管理相关数据，根据链接路径上管理数据的相似程度获取路径相似度，根据路径相似度获取路径相似度矩阵及合并指数，根据合并指数获取归纳结点，根据归纳结点获取整合数据集，根据整合数据集对应的关联规则获取后向关联度，根据后向关联度及关联规则置信度的阈值获取筛选阈值，根据筛选阈值完成对FP-Tree中结点的更新，根据更新后的FP-Tree获取管理数据集中的强关联规则。该发明自适应获取结点的合并策略，减少FP-Tree的无用分支，解决了传统FP增长算法中频繁项集数量过多导致的递归效率低的问题，加快数据挖掘的效率，提高资源管理效率。
例如公告号为：CN115311027B的发明专利，公开的一种基于数字孪生的供应链管理方法和系统，涉及供应链管理技术领域，方法包括：获取目标企业的供应链流程节点；得到所述供应链流程节点中各个节点的设备信息；进行建模数据分析，获取设备建模数据；将所述设备建模数据输入数字孪生仿真平台中，进行数字仿真，输出设备建模结果；以所述设备建模结果作为子节点，以所述供应链流程节点中各个节点的连接关系作为关系网，生成供应链拓扑网络结构并将其作为所述供应链管理系统的架构；获取所述目标企业的供应属性信息；根据所述供应属性信息对所述供应链拓扑网络结构进行管理标识。解决了现有技术中存在的由于供应链结构单一，设备监测不及时，使得管理效率低的技术问题。
如今，对数字孪生的管理方面还存在一些不足，具体体现在当前对数字孪生的管理局限于工业制造生产线投入制造设备的损耗方面，缺乏对生产线进行精密化的感知监测处理，例如电力资源方面以及环境干扰方面，导致对异常生产线进行优化管控提示存在单一性问题，可能会导致生产线的维护管理及时性不足，进一步产生生产线工作效率的降低和生产成本的增高的负面问题。
综上可见，基于数字孪生的管理方法和系统旨在对异常生产线进行优化管控提示，使资源和时间得到节省，从而最大限度地降低风险和提高各生产线的工作效率。
发明内容
针对现有技术的不足，本发明提供了一种基于数字孪生的管理方法和系统，能够有效解决上述背景技术中涉及的问题。
为实现以上目的，本发明通过以下技术方案予以实现：本发明第一方面提供了一种基于数字孪生的管理方法，包括：S1.采集工业制造的历史数据导入至数字孪生处理模型，分析提取生产线比对信息集。
分析提取生产线比对信息集具体为：根据工业制造的历史数据，分别处理得到各生产线的第一和第二损耗特征值，并导入至数字孪生处理模型，计算各生产线的损耗特征值，根据各生产线的损耗特征值，进而与生产线数据库中存储的各损耗特征值区间对应的生产线比对信息集进行匹配，由此提取各生产线比对信息集。
S2.对工业制造环境中的生产线进行感知监测，并结合生产线比对信息集分析各生产线的管理优化需求值。
S3.依据各生产线的管理优化需求值，筛分异常生产线进行优化管控提示。
作为进一步的方法，所述采集工业制造的历史数据导入至数字孪生处理模型，具体过程为：根据工业制造的历史数据，分别处理得到各生产线的第一和第二损耗特征值，并导入至数字孪生处理模型，计算各生产线的损耗特征值，其中数字孪生处理模型为：。
式中，为第w个生产线的损耗特征值，/>、/>分别为第w个生产线的第一损耗特征值和第二损耗特征值，/>、/>依次为设定的生产线的第一损耗特征值和第二损耗特征值的权重因子，w为各生产线的编号，/>，n为生产线的个数。
作为进一步的方法，所述各生产线的第一和第二损耗特征值，具体分析过程为：根据工业制造的历史数据，提取各生产线制造设备的平均使用年限、平均历史维修次数，计算各生产线的第一损耗特征值，具体计算公式为：。
其中，为第w个生产线的第一损耗特征值，/>、/>分别为第w个生产线制造设备的平均使用年限、平均历史维修次数，/>、/>、/>分别为生产线数据库中存储的生产线制造设备的参照平均使用年限、参照平均历史维修次数、参照维修频率，/>、/>、/>分别为设定的生产线制造设备的使用年限、历史维修次数、维修频率的补偿因子，/>为自然常数。
根据工业制造的历史数据，提取各生产线的原材料历史平均转化率，设备历史平均运送速率，计算各生产线的第二损耗特征值，具体计算公式为：。
其中，为第w个生产线的第二损耗特征值，/>、/>分别为第w个生产线的原材料历史平均转化率、设备历史平均运送速率，/>、/>分别为生产线数据库中存储的参照原材料历史平均转化率、设备历史平均运送速率，/>、/>分别为设定的原材料历史平均转化率、设备历史平均运送速率的补偿因子。
作为进一步的方法，所述各生产线比对信息集，具体包括：适配运维室内温度、许可极点温差、适配运维室内湿度、适配运维室内气压、界定出产速率、参照残次品生产率、参照平稳运行功率曲线、运行功率界定峰谷差、参照界定用电速度。
作为进一步的方法，所述分析各生产线的管理优化需求值，具体计算公式为：，式中/>为第w个生产线的管理优化需求值，/>为各生产线的环境优化需求值、/>为各生产线的生产优化需求值、/>为各生产线的电力优化需求值，/>、/>、/>分别为设定的环境优化需求值、生产优化需求值、电力优化需求值的权重因子，w为各生产线的编号，/>，n为生产线的个数，/>为自然常数。
作为进一步的方法，所述各生产线的环境优化需求值，具体分析过程为：设定管理周期，并采集各生产线所处室内的空间日均温度、空间日均湿度、空间日均气压以及在各管理日的极点温差。
计算各生产线的第一环境优化需求值，表达式如下：，其中/>为第w个生产线的第一环境优化需求值，/>、/>分别为第w个生产线所处室内的空间日均温度和第w个生产线在第r个管理日的极点温差，/>、/>分别为第w个生产线的适配运维室内温度和许可极点温差，/>、/>分别为设定的室内空间日均温度和极点温差的修正因子，r为各管理日编号，/>，y为管理日个数。
计算各生产线的第二环境优化需求值，表达式如下：
，
其中，为第w个生产线的第二环境优化需求值，/>、/>分别为第w个生产线所处室内的空间日均湿度、空间日均气压，/>、/>分别为第w个生产线的适配运维室内湿度、适配运维室内气压，/>、/>分别为设定的室内空间日均湿度、空间日均气压的补偿因子。
计算各生产线的环境优化需求值，具体计算公式为：，式中为第w个生产线的环境优化需求值，/>、/>分别为设定的第一环境优化需求值和第二环境优化需求值的权重因子，/>为自然常数。
作为进一步的方法，所述各生产线的生产优化需求值，具体分析过程为：将管理周期等比例划分为各管理子周期，并采集各生产线在各管理子周期的产品生产数量、残次品生产率，计算各生产线的生产优化需求值，具体计算公式为：
。
其中，为第w个生产线的生产优化需求值，/>、/>分别为第w个生产线在第z个管理子周期的产品生产数量、残次品生产率、/>为第z个管理子周期时长，/>、/>分别为第w个生产线的界定出产速率、参照残次品生产率，/>、/>分别为设定的产品生产数量、残次品生产率的补偿因子，z为各管理子周期编号，/>，x为管理子周期个数，/>为自然常数。
作为进一步的方法，所述各生产线的电力优化需求值，具体分析过程为：采集各生产线在各管理子周期的设备运行功率峰谷差、累计用电量、设备运行功率波动曲线。
根据各生产线在第z个管理子周期内的设备运行功率波动曲线，并根据各生产线的参照平稳运行功率曲线图，通过进行重合校验，提取重合的曲线长度，记为，并提取各生产线的参照平稳运行功率曲线长度/>。
计算各生产线的电力优化需求值，表达式如下：
。
其中为第w个生产线的电力优化需求值，/>为第w个生产线在第z个管理子周期内的设备运行功率峰谷差，/>为第w个生产线的设备运行功率界定峰谷差，/>、/>分别为第w个生产线在第z个管理子周期设备累计用电量和第w个生产线的参照界定用电速度，/>为第z个管理子周期时长，/>、/>分别为设定的设备运行功率峰谷负荷差和设备累计用电速度的补偿因子，z为编号，/>，x为管理子周期个数。
作为进一步的方法，所述筛分异常生产线进行优化管控提示，具体分析过程为：依据各生产线的管理优化需求值，并与设定的参照管理优化需求值进行比较，若某生产线的管理优化需求值高于设定的管理优化需求值，则将该生产线定义为异常生产线，筛分异常生产线，进行优化管控提示。
本发明第二方面提供了一种基于数字孪生的管理系统，包括：历史数据处理模块、生产线感知监测模块、生产线管控提示模块和生产线数据库。
所述历史数据处理模块用于采集工业制造的历史数据导入至数字孪生处理模型，分析提取生产线比对信息集。
分析提取生产线比对信息集具体为：根据工业制造的历史数据，分别处理得到各生产线的第一和第二损耗特征值，并导入至数字孪生处理模型，计算各生产线的损耗特征值，根据各生产线的损耗特征值，进而与生产线数据库中存储的各损耗特征值区间对应的生产线比对信息集进行匹配，由此提取各生产线比对信息集。
所述生产线感知监测模块用于对工业制造环境中的生产线进行感知监测，并结合生产线比对信息集分析各生产线的管理优化需求值。
所述生产线管控提示模块用于依据各生产线的管理优化需求值，筛分异常生产线进行优化管控提示。
所述生产线数据库用于存储各生产线的损耗特征值影响因素的参照值和各损耗特征值区间对应的生产线比对信息集。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：（1）本发明通过提供一种基于数字孪生的管理方法和系统，对生产线进行了多个方面的监管，不仅考虑了电力资源还考虑到环境等多重复合因素，帮助相关人员更好地了解和预测生产线行为，从而对异常生产线进行全面的优化管控提示，使得数字孪生有助于更好的优化生产线业务流程为生产线进行改进维护提供支持。
（2）本发明通过分析各生产线的管理优化需求值，筛分异常生产线，有助于相关人员做出更精确的决策从而节省生产线的管理资源和维护时间，并最大限度地降低生产线的运行风险，优化各生产线的资源分配和生产流程，促进生产线工作效率的提升和生产成本的降低。
（3）本发明通过分析各生产线的电力优化需求值，有助于生产线管理者了解电力消耗情况，从而采取相应的措施来降低能耗、优化用电结构，达到生产线的能源利用效率和经济效益提高的目的。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的方法步骤流程示意图。
图2为本发明的系统模块连接示意图。
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。
参照图1所示，本发明第一方面提供了一种基于数字孪生的管理方法，包括：S1.采集工业制造的历史数据导入至数字孪生处理模型，分析提取生产线比对信息集。
分析提取生产线比对信息集具体为：根据工业制造的历史数据，分别处理得到各生产线的第一和第二损耗特征值，并导入至数字孪生处理模型，计算各生产线的损耗特征值，根据各生产线的损耗特征值，进而与生产线数据库中存储的各损耗特征值区间对应的生产线比对信息集进行匹配，由此提取各生产线比对信息集。
具体的，所述采集工业制造的历史数据导入至数字孪生处理模型，具体过程为：工业制造的历史数据具体包括：各生产线制造设备的平均使用年限，生产线制造设备的平均使用年限可以反映设备的寿命和使用寿命，进一步体现生产线的应用损耗状况。
平均历史维修次数，平均历史维修次数是设备的可靠性和稳定性的重要评估数据。
原材料历史平均转化率，原材料历史平均转化率是指在过去一段时间内，针对某种原材料进行加工或转化后，得到的产出量与原材料用量之间的比率的平均值。
设备历史平均运送速率，设备的历史平均运送速率是指某个设备在过去一段时间内，在运输或搬运物料或产品的过程中的平均速率。
根据工业制造的历史数据，分别处理得到各生产线的第一和第二损耗特征值，并导入至数字孪生处理模型，计算各生产线的损耗特征值，其中数字孪生处理模型为：
。
在实施例中，上述通过评估生产线的损耗特征值，可以识别生产线的瓶颈，找出导致损耗的原因，通过解决生产线的瓶颈问题，不仅可以提高生产效率和产品质量，降低生产成本，还可以帮助企业提高生产线的可持续性，通过减少生产过程中的浪费和损耗，可以减少对环境的影响，降低资源的消耗，从而提高生产线的可持续性，同时为后续的各损耗特征值区间对应的生产线比对信息集提取提供了数据支撑。
式中，为第w个生产线的损耗特征值，/>、/>分别为第w个生产线的第一损耗特征值和第二损耗特征值，/>、/>依次为设定的生产线的第一损耗特征值和第二损耗特征值的权重因子，w为各生产线的编号，/>，n为生产线的个数。
具体的，所述各生产线的第一和第二损耗特征值，具体分析过程为：根据工业制造的历史数据，提取各生产线制造设备的平均使用年限、平均历史维修次数，计算各生产线的第一损耗特征值，将生产线制造设备的平均使用年限、平均历史维修次数作为各生产线的第一损耗特征值的评估因素，反应设备的损耗程度。
各生产线的第一损耗特征具体计算公式为：
。
其中，为第w个生产线的第一损耗特征值，/>、/>分别为第w个生产线制造设备的平均使用年限、平均历史维修次数，/>、/>、/>分别为生产线数据库中存储的生产线制造设备的参照平均使用年限、参照平均历史维修次数、参照维修频率，/>、/>、/>分别为设定的生产线制造设备的使用年限、历史维修次数、维修频率的补偿因子，/>为自然常数。
需要解释的是，上述生产线制造设备的平均使用年限可以反映设备的寿命和使用寿命，将生产线制造设备的平均使用年限作为生产线的损耗特征值的评估因素，对生产线制造设备的平均使用年限进行分析和改进，有助于延长设备的使用寿命，减少设备更换的频率和成本，平均历史维修次数是设备的可靠性和稳定性的重要评估数据，如果设备的平均维修次数较高，说明设备存在频繁的故障和停机维修的情况，这会导致生产线的损耗和效率下降，将平均历史维修次数作为生产线的损耗特征值的评估因素，可以识别和解决设备故障的根本原因，帮助生产线管理人员及时采取预防性维护措施，减少维修次数和停机时间，有助于设备的可用性和效率提高。
根据工业制造的历史数据，提取各生产线的原材料历史平均转化率，设备历史平均运送速率，计算各生产线的第二损耗特征值，将生产线原材料历史平均转化率、设备历史平均运送速率作为各生产线的第二损耗特征值的评估因素，通过设备生产和运送效率进而反应设备的损耗程度。
各生产线的第二损耗特征值具体计算公式为：
。
其中，为第w个生产线的第二损耗特征值，/>、/>分别为第w个生产线的原材料历史平均转化率、设备历史平均运送速率，/>、/>分别为生产线数据库中存储的参照原材料历史平均转化率、设备历史平均运送速率，/>、/>分别为设定的原材料历史平均转化率、设备历史平均运送速率的补偿因子。
需要解释的是，上述如果原材料的转化率较低，表示原材料存在浪费和不必要的损耗，通过监测和改进原材料的转化率，不仅可以优化生产过程，还可以减少原材料的浪费和损耗，进而提高生产效率和资源利用率，如果设备的运送速率较低，说明设备的生产能力和运行效率较低，可能会导致生产线的瓶颈，通过对设备的运送效率的评估，可以改进运输和物流环节，优化设备的运行和调度，进而提高设备的运送速率和生产效率。
进一步的，所述分析提取生产线比对信息集，具体分析过程为：根据各生产线的损耗特征值，进而与生产线数据库中存储的各损耗特征值区间对应的生产线比对信息集进行匹配，由此提取各生产线比对信息集，具体包括：适配运维室内温度，适配运维室内温度的目标是在设备操作的正常温度范围内维持室内温度，通过空调系统来调节室内温度，保持室内温度在设备的适宜工作范围内，超出设定阈值即对其发出警告，许可极点温差，是指系统或设备在正常工作条件下允许的最大温度差异，这个温度差异是系统或设备能够承受的极限范围，超过这个范围可能导致系统或设备的性能下降、损坏或故障，适配运维室内湿度，是指根据运维室内的实际需求和要求，对室内的湿度水平进行调整和控制，以确保运维设备的正常运行和环境条件的适宜，适配运维室内气压，对于某些特殊的设备或工作环境，例如实验室、特殊试验室、高海拔地区等，可能需要对气压进行特定的调节或监测，例如，在某些实验室中可能需要维持特定的气压条件，以确保实验过程的准确性和实验结果的可靠性。在高海拔地区，气压可能低于海平面的气压，因此某些设备的性能和表现可能会受到影响，从而影响设备的工作效率，界定出产速率，界定出产速率是指确定一个生产过程在一定周期时间内可以产生的产品数量或产出量，参照残次品生产率，参照残次品生产率是衡量生产过程中产生的残次品或不合格品的数量与总产出数量之间的比率，在生产过程中，残次品指的是不符合预定质量要求的产品，残次品可能存在缺陷、损坏或其他质量问题，生产出过多的残次品会增加废品处理成本，降低产品质量并导致客户满意度的降低，并可能导致生产能力的浪费，参照平稳运行功率曲线，平稳运行功率曲线是指在电力系统中，该生产线发电机组在运行过程中所产生的电功率与时间的关系曲线，这条曲线显示了该生产线发电机组在不同时间段内产生的电功率大小，可以用平稳运行功率曲线来对生产线发电机组的运行稳定性和性能表现进行评估，运行功率界定峰谷差，运行功率的峰谷差是指在各管理子周期内，生产线在峰值负载和谷值负载之间的功率差异，参照界定用电速度，指的是电力系统中电能的参照消耗速度，即单位时间内消耗的电能。
需要解释的是，上述生产线的损耗特征值的不同，生产线数据库中存储的损耗特征值区间对应的生产线比对信息也不同，因此需要根据实际情况来进行比对和分析，生产线数据库中存储的各损耗特征值区间对应的生产线比对信息也会根据不同生产线的特点和需求进行调整和更新，以确保生产线的正常运行和高效生产，因此，在进行损耗特征值比对和分析时，需要综合考虑不同生产线的特点和匹配到的生产线数据库中存储的不同信息集，从而确保数据的准确性和可靠性。
S2.对工业制造环境中的生产线进行感知监测，并结合生产线比对信息集分析各生产线的管理优化需求值。
具体的，所述分析各生产线的管理优化需求值，具体计算公式为：，式中/>为第w个生产线的管理优化需求值，/>为各生产线的环境优化需求值，为对各生产线所在环境进行评估，根据各生产线的环境优化需求值进而生成各生产线的环境优化提示，/>为各生产线的生产优化需求值，为对各生产线的生产情况进行评估，根据各生产线的生产优化需求值进而生成各生产线的生产优化提示，为各生产线的电力优化需求值，为对各生产线的电力情况进行评估，根据各生产线的电力优化需求值进而生成各生产线的电力优化提示，/>、/>、/>分别为设定的环境优化需求值、生产优化需求值、电力优化需求值的权重因子，w为各生产线的编号，/>，n为生产线的个数，/>为自然常数。
进一步的，所述各生产线的环境优化需求值，具体分析过程为：设定管理周期，并采集各生产线所处室内的空间日均温度，是指不同生产线所在的室内空间在每天的均温水平，空间日均湿度，是指不同生产线所在的室内空间在每天的平均湿度水平，空间日均气压，是指不同生产线所在的室内空间在每天的平均气压水平，在各管理日的极点温差，是指各管理日每日最高温度和最低温度之间的差异。
计算各生产线的第一环境优化需求值，通过各生产线所处环境的温度对生产线的环境优化需求值进行评估，表达式如下：，其中为第w个生产线的第一环境优化需求值，/>、/>分别为第w个生产线所处室内的空间日均温度和第w个生产线在第r个管理日的极点温差，/>、/>分别为第w个生产线的适配运维室内温度和许可极点温差，/>、/>分别为设定的室内空间日均温度和极点温差的修正因子，r为各管理日编号，/>，y为管理日个数。
计算各生产线的第二环境优化需求值，通过各生产线所处环境的湿度和气压对生产线的环境优化需求值进行评估，表达式如下：，其中/>为第w个生产线的第二环境优化需求值，/>、/>分别为第w个生产线所处室内的空间日均湿度、空间日均气压，/>、/>分别为第w个生产线的适配运维室内湿度、适配运维室内气压，/>、/>分别为设定的室内空间日均湿度、空间日均气压的补偿因子。
计算各生产线的环境优化需求值，具体计算公式为：，式中为第w个生产线的环境优化需求值，/>、/>分别为设定的第一环境优化需求值和第二环境优化需求值的权重因子，/>为自然常数。
在一个具体的实施例中，适宜的温度可以确保生产设备和机器的正常运行，同时也能影响产品的生产质量，过高或过低的温度都可能导致设备故障或产品质量问题，因此需要根据保证室内温度的适配和恒定，空间日均湿度对于某些生产过程和产品的质量也有重要影响，恰当的湿度可以减少静电对产品的影响，提高产品的质量，空间日均气压的变化会影响生产设备的性能，在高气压环境中，机械设备可能受到额外的负荷，而在低气压环境中，机械设备的运行可能会受到影响，气压的变化还可能会影响产品的质量和精度，因此，了解并控制空间日均气压不仅可以帮助确保设备的正常运行和稳定性，还可以帮助确保产品的一致性和质量稳定，进而提高生产效率，不仅如此，在各管理日的极点温差也可以影响设备的稳定性和产品的质量，大幅度的温差变化可能导致设备热胀冷缩，从而对设备的精度和稳定性造成影响。
适宜的环境条件不仅有助于提高员工的舒适度和工作效率，将空间的温度、湿度和气压作为评估指标，可以创建一个舒适的工作环境，促进员工的工作积极性和参与度，从而提高生产效率和工作质量，还可以帮助确保生产线的安全性和可持续性，例如，特定的温度和湿度条件可能会导致设备或材料损坏、维修困难或能源浪费，通过对环境因素进行评估，有助于相关人员发现潜在的安全风险和环境问题，进而采取适当的措施来改善环境和提高生产线的可持续性。
具体的，所述各生产线的生产优化需求值，具体分析过程为：将管理周期等比例划分为各管理子周期，并采集各生产线在各管理子周期的产品生产数量、残次品生产率，计算各生产线的生产优化需求值，是指通过评估各生产线在各管理子周期的产品生产数量、残次品生产率对各生产线的生产优化需求值的影响，进而评估各生产线的生产情况是否需要进行优化，若生产线的生产优化需求值越大，则该生产线的生产情况越需要进行优化。
各生产线的生产优化需求值具体计算公式为：，其中，/>为第w个生产线的生产优化需求值，/>、/>分别为第w个生产线在第z个管理子周期的产品生产数量、残次品生产率、/>为第z个管理子周期时长，/>、/>分别为第w个生产线的界定出产速率、参照残次品生产率，/>、/>分别为设定的产品生产数量、残次品生产率的补偿因子，z为各管理子周期编号，/>，x为管理子周期个数，/>为自然常数。
需要解释的是，上述产品生产数量是衡量生产线效率和生产能力的重要指标，根据生产线在各管理子周期的产品生产数量，可以评估生产线的生产效率，并据此调整生产计划、资源配置和生产流程，以提高生产线的整体产能和效率，高残次品生产率可能意味着生产过程存在质量问题，需要进行改进和优化，根据残次品生产率，可以识别生产过程中的潜在问题，并采取相应的措施，以提高产品质量和降低废品率，从而提高生产线的效率和竞争力，通过合理评估产品生产数量，可以合理安排生产资源，确保资源的最佳利用，同时，通过降低残次品生产率，可以减少废品和次品的产生，进而降低原材料和生产成本，将产品生产数量和残次品生产率作为生产优化需求值评估因素，有助于相关人员设定持续改进和目标，通过对生产线在各子周期的表现进行评估，可以确定改进的重点和优化的方向，同时，将评估的结果作为目标指标，可以追踪和比较不同时间段的改进效果。
具体的，所述各生产线的电力优化需求值，具体分析过程为：采集各生产线在各管理子周期的设备运行功率峰谷差、累计用电量、设备运行功率波动曲线。
根据各生产线在第z个管理子周期内的设备运行功率波动曲线，并根据各生产线的参照平稳运行功率曲线图，通过进行重合校验，提取重合的曲线长度，通过提取重合的曲线长度，曲线重合长度越长，表示设备运行越稳定，记为，并提取各生产线的参照平稳运行功率曲线长度/>。
计算各生产线的电力优化需求值，若生产线的电力优化需求值越大，表示该生产线的电力系统运行越不稳定，则需要进行优化，表达式如下：，其中/>为第w个生产线的电力优化需求值，/>为第w个生产线在第z个管理子周期内的设备运行功率峰谷差，/>为第w个生产线的设备运行功率界定峰谷差，/>、/>分别为第w个生产线在第z个管理子周期设备累计用电量和第w个生产线的参照界定用电速度，/>为第z个管理子周期时长，/>、/>分别为设定的设备运行功率峰谷负荷差和设备累计用电速度的补偿因子，z为编号，/>，x为管理子周期个数。
需要解释的是，上述设备运行功率峰谷差反映了设备在不同时间段内的功率消耗差异，通过分析设备运行功率峰谷差，可以确定生产线的用电高峰和低谷时段，有针对性地制定用电策略，比如在用电高峰期采取错峰生产、尖峰削峰等措施，以降低电力成本和减少对电力系统的负荷压力，累计用电量是一个关键的能耗指标，它反映了生产线的总体能耗水平，通过监测和分析累计用电量，可以通过评估生产线的能源利用效率，从而发现能耗异常，根据异常的能耗，制定节能减排措施，从而通过降低生产成本，提高生产线的竞争力，设备运行功率波动曲线描述了设备在运行过程中的功率波动情况，通过分析设备运行功率波动曲线，可以识别设备运行中的能效问题，比如设备启动、停机等时的功率波动，以便优化设备运行方式和节能改造，进而提高设备的能效性能，通过将各生产线在各管理子周期的设备运行功率峰谷差、累计用电量、设备运行功率波动曲线作为生产线的电力优化需求值的评估因素，有助于生产线管理者了解电力消耗情况，从而采取相应的措施来降低能耗、优化用电结构，达到生产线的能源利用效率和经济效益提高的目的，通过对这些因素的综合分析，可以实现生产线的电力优化，为企业节约成本、降低能耗、提高生产效率和为可持续发展做出贡献。
S3.依据各生产线的管理优化需求值，筛分异常生产线进行优化管控提示。
具体的，所述筛分异常生产线进行优化管控提示，具体分析过程为：依据各生产线的管理优化需求值，并与设定的参照管理优化需求值进行比较，若某生产线的管理优化需求值高于设定的管理优化需求值，则将该生产线定义为异常生产线，筛分异常生产线，进行优化管控提示。
需要解释的是，上述若某生产线的管理优化需求值高于设定的管理优化需求值，则同时提取该生产线的环境优化需求值、生产优化需求值、电力优化需求值，当该生产线的环境优化需求值高于设定的环境优化需求值时，则生成环境优化标签进行提示，当该生产线的生产优化需求值高于设定的生产优化需求值时，则生成生产优化标签进行提示，当该生产线的电力优化需求值高于设定的电力优化需求值时，则生成电力优化标签进行提示。
参照图2所示，本发明第二方面提供了一种基于数字孪生的管理系统，包括：历史数据处理模块、生产线感知监测模块、生产线管控提示模块和生产线数据库。
所述历史数据处理模块与生产线感知监测模块相连接，生产线感知监测模块与生产线管控提示模块相连接，生产线数据库分别与历史数据处理模块、生产线感知监测模块相连接。
所述历史数据处理模块用于采集工业制造的历史数据导入至数字孪生处理模型，分析提取生产线比对信息集。
分析提取生产线比对信息集具体为：根据工业制造的历史数据，分别处理得到各生产线的第一和第二损耗特征值，并导入至数字孪生处理模型，计算各生产线的损耗特征值，根据各生产线的损耗特征值，进而与生产线数据库中存储的各损耗特征值区间对应的生产线比对信息集进行匹配，由此提取各生产线比对信息集。
所述生产线感知监测模块用于对工业制造环境中的生产线进行感知监测，并结合生产线比对信息集分析各生产线的管理优化需求值。
所述生产线管控提示模块用于依据各生产线的管理优化需求值，筛分异常生产线进行优化管控提示。
所述生产线数据库用于存储各生产线的损耗特征值影响因素的参照值和各损耗特征值区间对应的生产线比对信息集。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.一种基于数字孪生的管理方法，其特征在于，包括：
采集工业制造的历史数据导入至数字孪生处理模型，分析提取生产线比对信息集；
分析提取生产线比对信息集具体为：根据工业制造的历史数据，分别处理得到各生产线的第一和第二损耗特征值，并导入至数字孪生处理模型，计算各生产线的损耗特征值，根据各生产线的损耗特征值，进而与生产线数据库中存储的各损耗特征值区间对应的生产线比对信息集进行匹配，由此提取各生产线比对信息集；
对工业制造环境中的生产线进行感知监测，并结合生产线比对信息集分析各生产线的管理优化需求值；
依据各生产线的管理优化需求值，筛分异常生产线进行优化管控提示。
2.根据权利要求1所述的一种基于数字孪生的管理方法，其特征在于：所述根据工业制造的历史数据，分别处理得到各生产线的第一和第二损耗特征值，并导入至数字孪生处理模型，计算各生产线的损耗特征值，其中数字孪生处理模型为：
；
式中，为第w个生产线的损耗特征值，/>、/>分别为第w个生产线的第一损耗特征值和第二损耗特征值，/>、/>依次为设定的生产线的第一损耗特征值和第二损耗特征值的权重因子，w为各生产线的编号，/>，n为生产线的个数。
3.根据权利要求2所述的一种基于数字孪生的管理方法，其特征在于：所述各生产线的第一和第二损耗特征值，具体分析过程为：
根据工业制造的历史数据，提取各生产线制造设备的平均使用年限、平均历史维修次数，计算各生产线的第一损耗特征值，具体计算公式为：
；
其中，为第w个生产线的第一损耗特征值，/>、/>分别为第w个生产线制造设备的平均使用年限、平均历史维修次数，/>、/>、/>分别为生产线数据库中存储的生产线制造设备的参照平均使用年限、参照平均历史维修次数、参照维修频率，/>、/>、/>分别为设定的生产线制造设备的使用年限、历史维修次数、维修频率的补偿因子，/>为自然常数；
根据工业制造的历史数据，提取各生产线的原材料历史平均转化率，设备历史平均运送速率，计算各生产线的第二损耗特征值，具体计算公式为：
；
其中，为第w个生产线的第二损耗特征值，/>、/>分别为第w个生产线的原材料历史平均转化率、设备历史平均运送速率，/>、/>分别为生产线数据库中存储的参照原材料历史平均转化率、设备历史平均运送速率，/>、/>分别为设定的原材料历史平均转化率、设备历史平均运送速率的补偿因子。
4.根据权利要求2所述的一种基于数字孪生的管理方法，其特征在于：所述各生产线比对信息集，具体包括：适配运维室内温度、许可极点温差、适配运维室内湿度、适配运维室内气压、界定出产速率、参照残次品生产率、参照平稳运行功率曲线、运行功率界定峰谷差、参照界定用电速度。
5.根据权利要求1所述的一种基于数字孪生的管理方法，其特征在于：所述分析各生产线的管理优化需求值，具体计算公式为：
，式中/>为第w个生产线的管理优化需求值，/>为各生产线的环境优化需求值、/>为各生产线的生产优化需求值、/>为各生产线的电力优化需求值，/>、/>、/>分别为设定的环境优化需求值、生产优化需求值、电力优化需求值的权重因子，w为各生产线的编号，/>，n为生产线的个数，/>为自然常数。
6.根据权利要求5所述的一种基于数字孪生的管理方法，其特征在于：所述各生产线的环境优化需求值，具体分析过程为：
设定管理周期，并采集各生产线所处室内的空间日均温度、空间日均湿度、空间日均气压以及在各管理日的极点温差；
计算各生产线的第一环境优化需求值，表达式如下：
，其中/>为第w个生产线的第一环境优化需求值，/>、/>分别为第w个生产线所处室内的空间日均温度和第w个生产线在第r个管理日的极点温差，/>、/>分别为第w个生产线的适配运维室内温度和许可极点温差，/>、分别为设定的室内空间日均温度和极点温差的修正因子，r为各管理日编号，，y为管理日个数；
计算各生产线的第二环境优化需求值，表达式如下：
，
其中，为第w个生产线的第二环境优化需求值，/>、/>分别为第w个生产线所处室内的空间日均湿度、空间日均气压，/>、/>分别为第w个生产线的适配运维室内湿度、适配运维室内气压，/>、/>分别为设定的室内空间日均湿度、空间日均气压的补偿因子；
计算各生产线的环境优化需求值，具体计算公式为：
，式中/>为第w个生产线的环境优化需求值，/>、/>分别为设定的第一环境优化需求值和第二环境优化需求值的权重因子，/>为自然常数。
7.根据权利要求5所述的一种基于数字孪生的管理方法，其特征在于：所述各生产线的生产优化需求值，具体分析过程为：
将管理周期等比例划分为各管理子周期，并采集各生产线在各管理子周期的产品生产数量、残次品生产率，计算各生产线的生产优化需求值，具体计算公式为：
；
其中，为第w个生产线的生产优化需求值，/>、/>分别为第w个生产线在第z个管理子周期的产品生产数量、残次品生产率、/>为第z个管理子周期时长，/>、/>分别为第w个生产线的界定出产速率、参照残次品生产率，/>、/>分别为设定的产品生产数量、残次品生产率的补偿因子，z为各管理子周期编号，/>，x为管理子周期个数，/>为自然常数。
8.根据权利要求5所述的一种基于数字孪生的管理方法，其特征在于：所述各生产线的电力优化需求值，具体分析过程为：
采集各生产线在各管理子周期的设备运行功率峰谷差、累计用电量、设备运行功率波动曲线；
根据各生产线在第z个管理子周期内的设备运行功率波动曲线，并根据各生产线的参照平稳运行功率曲线图，通过进行重合校验，提取重合的曲线长度，记为，并提取各生产线的参照平稳运行功率曲线长度/>；
计算各生产线的电力优化需求值，表达式如下：
；
其中为第w个生产线的电力优化需求值，/>为第w个生产线在第z个管理子周期内的设备运行功率峰谷差，/>为第w个生产线的设备运行功率界定峰谷差，/>、/>分别为第w个生产线在第z个管理子周期设备累计用电量和第w个生产线的参照界定用电速度，为第z个管理子周期时长，/>、/>分别为设定的设备运行功率峰谷负荷差和设备累计用电速度的补偿因子，z为编号，/>，x为管理子周期个数。
9.根据权利要求1所述的一种基于数字孪生的管理方法，其特征在于：所述筛分异常生产线进行优化管控提示，具体分析过程为：
依据各生产线的管理优化需求值，并与设定的参照管理优化需求值进行比较，若某生产线的管理优化需求值高于设定的管理优化需求值，则将该生产线定义为异常生产线，筛分异常生产线，进行优化管控提示。
10.一种基于数字孪生的管理系统，其特征在于，包括：
历史数据处理模块，用于采集工业制造的历史数据导入至数字孪生处理模型，分析提取生产线比对信息集；
分析提取生产线比对信息集具体为：根据工业制造的历史数据，分别处理得到各生产线的第一和第二损耗特征值，并导入至数字孪生处理模型，计算各生产线的损耗特征值，根据各生产线的损耗特征值，进而与生产线数据库中存储的各损耗特征值区间对应的生产线比对信息集进行匹配，由此提取各生产线比对信息集；
生产线感知监测模块，用于对工业制造环境中的生产线进行感知监测，并结合生产线比对信息集分析各生产线的管理优化需求值；
生产线管控提示模块，用于依据各生产线的管理优化需求值，筛分异常生产线进行优化管控提示；
生产线数据库，用于存储各生产线的损耗特征值影响因素的参照值和各损耗特征值区间对应的生产线比对信息集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410027950.7A CN117539169B (zh) | 2024-01-09 | 2024-01-09 | 一种基于数字孪生的管理方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410027950.7A CN117539169B (zh) | 2024-01-09 | 2024-01-09 | 一种基于数字孪生的管理方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117539169A true CN117539169A (zh) | 2024-02-09 |
| CN117539169B CN117539169B (zh) | 2024-04-26 |
Family
ID=89792279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410027950.7A Active CN117539169B (zh) | 2024-01-09 | 2024-01-09 | 一种基于数字孪生的管理方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117539169B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190258747A1 (en) * | 2018-02-22 | 2019-08-22 | General Electric Company | Interactive digital twin |
| CN112801338A (zh) * | 2020-12-07 | 2021-05-14 | 通控研究院(安徽)有限公司 | 一种城市轨道交通线网运营突发情况下的辅助决策方法及系统 |
| EP3825949A1 (en) * | 2019-11-19 | 2021-05-26 | Linde GmbH | Online plant optimizer for operating, performance rating, energy nd cost optimization and design of a process plant and integration with a smart plant three-dimensional piping model |
| US20210248289A1 (en) * | 2020-02-12 | 2021-08-12 | Swiss Reinsurance Company Ltd. | Digital platform using cyber-physical twin structures providing an evolving digital representation of a risk-related real world asset for quantifying risk measurements, and method thereof |
| CN113930600A (zh) * | 2021-10-12 | 2022-01-14 | 大连理工大学 | 一种基于数字孪生技术的罩式炉退火过程监测及控制方法 |
| KR20220009241A (ko) * | 2020-07-15 | 2022-01-24 | 텔스타홈멜 주식회사 | 통합 제조 운영 관리 시스템 및 방법 |
| CN114111887A (zh) * | 2021-11-01 | 2022-03-01 | 国网河北省电力有限公司营销服务中心 | 一种基于数字孪生模型的电力计量四线一库关键设备运行监测方法 |
| 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 |
| CN115422415A (zh) * | 2022-07-06 | 2022-12-02 | 中国农业大学 | 一种用于葡萄酒生产的数字孪生体构造系统 |
| CN115699050A (zh) * | 2019-11-05 | 2023-02-03 | 强力价值链网络投资组合2019有限公司 | 价值链网络控制塔和企业管理平台 |
| CN115972303A (zh) * | 2022-06-28 | 2023-04-18 | 盐城工学院 | 一种基于数字孪生的全自动裁断机协同系统、介质及终端 |
| US20230161935A1 (en) * | 2021-11-22 | 2023-05-25 | Watlow Electric Manufacturing Company | Method of generating a digital twin of the environment of industrial processes |
| US20230176550A1 (en) * | 2021-05-06 | 2023-06-08 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
| CN116243671A (zh) * | 2023-03-07 | 2023-06-09 | 深圳职业技术学院 | 一种生产线数字孪生系统 |
| CN116300736A (zh) * | 2023-03-06 | 2023-06-23 | 广东长盈精密技术有限公司 | 基于mes的数字工厂孪生管理系统、平台及方法 |
| RU2798530C1 (ru) * | 2022-05-04 | 2023-06-23 | федеральное государственное автономное образовательное учреждение высшего образования "Пермский национальный исследовательский политехнический университет" | Система управления технологическим процессом на подземном горнодобывающем предприятии в зависимости от спроса на электроэнергию |
| CN116368355A (zh) * | 2021-09-05 | 2023-06-30 | 汉熵通信有限公司 | 物联网系统 |
| KR102562828B1 (ko) * | 2022-11-25 | 2023-08-02 | (주)지에스이 | 디지털트윈/가상물리시스템을 기반으로 하는 열처리 공정 시스템 |
-
2024
- 2024-01-09 CN CN202410027950.7A patent/CN117539169B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190258747A1 (en) * | 2018-02-22 | 2019-08-22 | General Electric Company | Interactive digital twin |
| CN115699050A (zh) * | 2019-11-05 | 2023-02-03 | 强力价值链网络投资组合2019有限公司 | 价值链网络控制塔和企业管理平台 |
| EP3825949A1 (en) * | 2019-11-19 | 2021-05-26 | Linde GmbH | Online plant optimizer for operating, performance rating, energy nd cost optimization and design of a process plant and integration with a smart plant three-dimensional piping model |
| US20210248289A1 (en) * | 2020-02-12 | 2021-08-12 | Swiss Reinsurance Company Ltd. | Digital platform using cyber-physical twin structures providing an evolving digital representation of a risk-related real world asset for quantifying risk measurements, and method thereof |
| KR20220009241A (ko) * | 2020-07-15 | 2022-01-24 | 텔스타홈멜 주식회사 | 통합 제조 운영 관리 시스템 및 방법 |
| CN112801338A (zh) * | 2020-12-07 | 2021-05-14 | 通控研究院(安徽)有限公司 | 一种城市轨道交通线网运营突发情况下的辅助决策方法及系统 |
| US20230176550A1 (en) * | 2021-05-06 | 2023-06-08 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
| CN116368355A (zh) * | 2021-09-05 | 2023-06-30 | 汉熵通信有限公司 | 物联网系统 |
| CN113930600A (zh) * | 2021-10-12 | 2022-01-14 | 大连理工大学 | 一种基于数字孪生技术的罩式炉退火过程监测及控制方法 |
| CN114111887A (zh) * | 2021-11-01 | 2022-03-01 | 国网河北省电力有限公司营销服务中心 | 一种基于数字孪生模型的电力计量四线一库关键设备运行监测方法 |
| US20230161935A1 (en) * | 2021-11-22 | 2023-05-25 | Watlow Electric Manufacturing Company | Method of generating a digital twin of the environment of industrial processes |
| RU2798530C1 (ru) * | 2022-05-04 | 2023-06-23 | федеральное государственное автономное образовательное учреждение высшего образования "Пермский национальный исследовательский политехнический университет" | Система управления технологическим процессом на подземном горнодобывающем предприятии в зависимости от спроса на электроэнергию |
| 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 |
| CN115972303A (zh) * | 2022-06-28 | 2023-04-18 | 盐城工学院 | 一种基于数字孪生的全自动裁断机协同系统、介质及终端 |
| CN115422415A (zh) * | 2022-07-06 | 2022-12-02 | 中国农业大学 | 一种用于葡萄酒生产的数字孪生体构造系统 |
| KR102562828B1 (ko) * | 2022-11-25 | 2023-08-02 | (주)지에스이 | 디지털트윈/가상물리시스템을 기반으로 하는 열처리 공정 시스템 |
| CN116300736A (zh) * | 2023-03-06 | 2023-06-23 | 广东长盈精密技术有限公司 | 基于mes的数字工厂孪生管理系统、平台及方法 |
| CN116243671A (zh) * | 2023-03-07 | 2023-06-09 | 深圳职业技术学院 | 一种生产线数字孪生系统 |
Non-Patent Citations (3)
| Title |
|---|
| A. FIRAT ÜNAL: "Impact_of_Digital_Twin_Technology_Utilization_in_Manufacturing_on_Sustainability_An_Industrial_Case_Study", 2023 PORTLAND INTERNATIONAL CONFERENCE ON MANAGEMENT OF ENGINEERING AND TECHNOLOGY(PICMET), 18 August 2023 (2023-08-18), pages 1 - 10 * |
| 赵建文: "数字孪生在煤矿电网中的应用研究", 《工矿自动化》, vol. 49, no. 2, 14 February 2023 (2023-02-14), pages 38 - 46 * |
| 陈磊: "面向智慧钢铁的设备智能运维系统建设研究", 《新型工业化》, vol. 13, no. 12, 10 December 2023 (2023-12-10), pages 96 - 107 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117539169B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11003175B2 (en) | Automated supervisory control system | |
| CN107862463B (zh) | 用于调度电厂的负载的方法和控制系统 | |
| CN115526482A (zh) | 一种基于数字孪生的车间排产与动态调度平台 | |
| CN114595623A (zh) | 一种基于XGBoost算法的机组设备基准值预测方法及系统 | |
| CN110909958A (zh) | 一种计及光伏并网功率的短期负荷预测方法 | |
| CN117391411B (zh) | 一种基于iot物联网的产品加工管理系统 | |
| CN116303391A (zh) | 一种智能电表远传电能时间序列数据的处理方法 | |
| CN111191712A (zh) | 基于梯度提升决策树的印染定型机能耗分类预测方法 | |
| CN116882569A (zh) | 一种基于多元时间序列的企业碳排放量预测系统与方法 | |
| JP2002330542A (ja) | 発電設備の運転・保全計画支援システム | |
| CN112541720A (zh) | 一种电力物资仓储管理系统和方法 | |
| CN116307067A (zh) | 一种基于历史数据修正的法定节假日电量综合预测方法 | |
| CN110991747A (zh) | 一种计及风电场功率的短期负荷预测方法 | |
| CN117539169B (zh) | 一种基于数字孪生的管理方法和系统 | |
| CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
| Wen et al. | A dual energy benchmarking methodology for energy-efficient production planning and operation of discrete manufacturing systems using data mining techniques | |
| CN110889495B (zh) | 一种基于能动参数的制丝设备状态维护分析方法 | |
| CN116452150A (zh) | 一种项目信息协同管理系统 | |
| WO2023028842A1 (zh) | 工厂运营的预测方法、装置及计算机可读存储介质 | |
| Kuo et al. | A novel framework short-term load forecasting for micro-grid energy management system | |
| Freitag et al. | A concept for the dynamic adjustment of maintenance intervals by analysing heterogeneous data | |
| Feng et al. | A systematic framework for maintenance scheduling and routing for off-shore wind farms by minimizing predictive production loss | |
| CN111026624A (zh) | 电网信息系统的故障预测方法、装置 | |
| CN111852596B (zh) | 一种锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法 | |
| Kian | The Problem of Uninterrupted Hybrid Flow Shop Scheduling with Regard to the Fuzzy Processing Time |
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 |