CN117541191A - 基于数字孪生的工厂业务协同系统 - Google Patents

基于数字孪生的工厂业务协同系统 Download PDF

Info

Publication number
CN117541191A
CN117541191A CN202311645818.4A CN202311645818A CN117541191A CN 117541191 A CN117541191 A CN 117541191A CN 202311645818 A CN202311645818 A CN 202311645818A CN 117541191 A CN117541191 A CN 117541191A
Authority
CN
China
Prior art keywords
equipment
module
fault
early warning
period
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
Application number
CN202311645818.4A
Other languages
English (en)
Inventor
艾丽凤
曾楠
王传福
荣金昌
周建波
徐翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guiyang Zhongan Technology Group Co ltd
Original Assignee
Guiyang Zhongan Technology Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guiyang Zhongan Technology Group Co ltd filed Critical Guiyang Zhongan Technology Group Co ltd
Priority to CN202311645818.4A priority Critical patent/CN117541191A/zh
Publication of CN117541191A publication Critical patent/CN117541191A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及数字孪生技术领域，具体涉及了一种基于数字孪生的工厂业务协同系统。包括服务器和运维终端，所述服务器包括模型构建模块、数据采集模块、数据运行模块以及故障识别模块；模型构建模块，用于获取工厂设备的点云数据，构建对应的三维数字模型；数据采集模块，用于采集工厂设备的实时运行数据，并将实时运行数据注入三维数字模型，生成工厂设备的数字孪生体；数据运行模块，用于使数字孪生体对实时运行数据进行模拟运行，生成未来时段的模拟运行结果；故障识别模块，用于根据模拟运行结果，识别工厂设备是否存在设备故障异常，当工厂设备存在设备故障异常时，向运维终端发出故障预警。能够对工厂设备故障进行快速响应。

Description

基于数字孪生的工厂业务协同系统
技术领域
本发明涉及数字孪生技术领域，具体涉及了一种基于数字孪生的工厂业务协同系统。
背景技术
工厂数字孪生开发平台是利用数字化模型、传感器数据、运行信号等数据，在虚拟的数字孪生体中完成对现实自动化设备的映射，创建与现实设备同步的虚拟设备，用于设备运行可视化全生命周期的管理。
在工厂设备运行的过程中，经常会出现零部件损坏的情况，从而导致整个生产线停产，车间维修人员对生产线进行检修，浪费大量的时间和精力，因此，如何将数字孪生引入工厂设备运维，减少运维成本，是亟待解决的问题。
发明内容
本发明所解决的技术问题在于提供一种基于数字孪生的工厂业务系统系统，能够对工厂设备故障进行快速响应。
本发明提供的基础方案：基于数字孪生的工厂业务协同系统，包括服务器和运维终端，所述服务器包括模型构建模块、数据采集模块、数据运行模块以及故障识别模块；
模型构建模块，用于获取工厂设备的点云数据，构建对应的三维数字模型；
数据采集模块，用于采集工厂设备的实时运行数据，并将实时运行数据注入三维数字模型，生成工厂设备的数字孪生体；
数据运行模块，用于使数字孪生体对实时运行数据进行模拟运行，生成未来时段的模拟运行结果；
故障识别模块，用于根据模拟运行结果，识别工厂设备是否存在设备故障异常，当工厂设备存在设备故障异常时，想运维终端发出故障预警。
本发明的原理及优点在于：通过构建工厂设备的数字模型，并获取到工厂设备的实时运行状态，生成工厂设备的数字孪生体，通过数字孪生体对实时数据进行模拟运行，模拟得到工厂设备未来时段的运行状态，即对工厂设备未来的运行状态进行预测，判断在未来时段是否会出现异常，当预测结果中出现可能存在异常时，向运维终端发出预警，使运维人员了解那台设备可能存在故障隐患，进而提前进行干预和检修，避免设备出现问题后再进行检修，提高工厂设备故障运维效率，保障工厂的生产效率。
进一步，所述实时运行数据包括工厂设备各项指标参数，所述数据运行模块对工厂设备的各项指标参数进行模拟运行，得到未来时段的指标参数变化曲线，所述故障识别模块包括参数识别模块；
参数识别模块，用于根据指标参数变化曲线，识别指标参数变化曲线中，是否有点值达到预设的预警阈值，当有点值达到预设的预警阈值时，向运维终端发出故障预警。
通过识别到工厂设备的各项指标参数，如电流、电压、温度等，对工厂设备进行未来时段的参数变化进行预测，绘制出指标参数的变化曲线。根据各参数设定的预警阈值，当变化曲线参数中有点值达到预警阈值时，便判断存在故障异常，向运维终端发出故障预警。
进一步，所述故障识别模块包括时段划分模块，点值识别模块；
时段划分模块，用于按照预设的分段规则，将预设的未来时段划分为若干个子时段；
点值识别模块，用于识别指标变化参数中，达到预警阈值的点值，出现在不同子时段中的数量，当出现在不同子时段中的数量超过预设的次数阈值时，立即向运维终端发送故障预警。
将预测的未来时段，划分为若干个子时段，并识别达到预警阈值的点值，出现在不同子时段中的数量。若是出现在不同子时段中的数量较少，可能是正常的数据波动，或者是模拟计算结果出现偏差，因此当出现在不同子时段中的数量较多时，才判断存在设备故障异常，向运维终端发送故障预警。
进一步，所述点值识别模块，还用于当达到预警阈值的点值，出现在不同子时段中的数量，没有达到次数阈值时，识别最早达到预警阈值的点值所处的子时段，标记为异常时段，并根据异常时段与当前时段的距离，以及达到预警阈值的点值数量，判断设备故障异常的可信度，异常时段距离当前时段越近，达到预警阈值的点值数量越多，设备故障异常的可信度越高。
若是达到预警阈值的点值数量较少，判断最早出现的点值所处的子时段，标记为异常时段，并识别异常时段与当前时段的距离。由于本方案中，是通过当前时段的实时运行数据对未来时段的数据进行模拟，子时段距离当前时段越接近，其他外界影响因素越少，模拟的结果越准确。而达到预警阈值的点值数量越多，数据波动可能性越少。因此当异常时段距离当前时段越近，已经达到预警阈值的点值数量越多，设备故障异常的可信度越高。
进一步，所述点值识别模块还用于给出可信度评分，所述故障识别模块还包括可信度验证模块；
可信度验证模块，用于根据可信度评分，对设备故障异常进行标记，当可信度评分高于预设分值时，将设备故障异常标记为可信；
故障识别模块，还用于对需要进行可信度判断的设备故障异常被标记为可信后，才向运维终端发送故障预警。
通过给出可信度评分，根据可信度评分判断设备故障异常发生的可能性，评分越高发生的可能性越高，当故障异常发生的可能性较高时，标记为可信，才向运维终端发送故障预警，使运维人员处理更加准确。
进一步，所述故障识别模块，还包括疑似标记模块；
疑似标记模块，用于当设备故障异常可信度评分低于预设分值时，将对应的工厂设备标记为疑似设备；
数据运行模块，还用于在当前时段达到异常时段之前的各个子时段时，分别再次获取疑似设备的当前的实时运行数据，并绘制出指标参数变化曲线；
点值识别模块，还用于识别各次指标参数变化曲线中，在异常时段的达到预警阈值的点值是否消失，若是未消失，则将其设备故障异常标记为可信。
若是设备故障异常可信度评分较低，说明设备的模拟结果中，出现的达到预警阈值的点值数量较少，或者是异常时段距离当前时段较远，在之后进行重复、多次验证，对该设备故障异常进行验证。
附图说明
图1为本发明基于数字孪生的工厂业务协同系统实施例的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例基本如附图1所示：
基于数字孪生的工厂业务协同系统，包括服务器和运维终端，所述服务器包括模型构建模块、数据采集模块、数据运行模块以及故障识别模块。
模型构建模块，用于获取工厂设备的点云数据，构建对应的三维数字模型。具体的，本实施例中，可通过三维激光扫描设备，对工厂设备进行扫描，建立工厂设备的三维模型，也可同通过根据工厂设备的类型以及型号，从三方网站，或者是从厂商出直接获取到工厂设备的三维数字模型。
数据采集模块，用于采集工厂设备的实时运行数据，并将实时运行数据注入三维数字模型，生成工厂设备的数字孪生体。实时运行数据包括工厂设备各项指标参数，本实施例中，各项指标参数为电流、电压、温度、湿度等工厂设备运行时的工况参数，通过各类传感器进行检测，并通过网络设备，将传感器检测到的数据上传至服务器。
数据运行模块，用于使数字孪生体对实时运行数据进行模拟运行，生成未来时段的模拟运行结果。采集到实时运行数据后，获取到工厂设备的未来工作数据，如当日还需运行多少小时，根据实时运行数据和工作数据，进行模拟运行，生成未来时段的模拟运行结果，得到未来时段的指标变化曲线。
故障识别模块，用于根据模拟运行结果，识别工厂设备是否存在设备故障异常，当工厂设备存在设备故障异常时，向运维终端发出故障预警。
故障识别模块包括参数识别模块、时段划分模块、点值识别模块、可信度验证模块、疑似标记模块。
参数识别模块，用于根据指标参数变化曲线，识别指标参数变化曲线中，是否有点值达到预设的预警阈值，当有点值达到预设的预警阈值时，向运维终端发出故障预警。
具体的，根据设备类型不同，设置各项指标参数的预警阈值，识别出预测得到的各项指标参数在未来时段的指标参数变化曲线中是否有点值达到了预警阈值。
时段划分模块，用于按照预设的分段规则，将预设的未来时段划分为若干个子时段。根据未来时段的长度，将未来时段划分为若干个子时段，例如模拟的时未来3小时的模拟结果，则可以半小时为一个子时段，划分成为6个子时段。
点值识别模块，用于识别指标变化参数中，达到预警阈值的点值，出现在不同子时段中的数量，当出现在不同子时段中的数量超过预设的次数阈值时，立即向运维终端发送故障预警。具体的，首先识别达到预警阈值的点值的次数，再识别出现在不同子时段中的数量。例如未来30分钟内为第一子时段，30分钟-60分钟为第二子时段，60分钟-90分钟为第三子时段，90分钟-120分钟为第四子时段，120分钟-150分钟为第五子时段，150分钟-180分钟为第五子时段，若是在59分钟、64分钟、168分钟的点值达到预警阈值，则是在第一子时段和第二子时段以及第六子时段出现达到预警阈值的点值，出现达到预警阈值的子时段数量为3。根据预设的次数阈值，本实施例中次数阈值为子时段总数的50％，达到次数阈值后，立即向运维终端发送故障预警。
点值识别模块，还用于当达到预警阈值的点值，出现在不同子时段中的数量，没有达到次数阈值时，识别最早达到预警阈值的点值所处的子时段，标记为异常时段，并根据异常时段与当前时段的距离，以及达到预警阈值的点值数量，判断设备故障异常的可信度，异常时段距离当前时段越近，达到预警阈值的点值数量越多，设备故障异常的可信度越高。并给出可信度评分。
具体的，当达到预警阈值出现在不同子时段的数量小于次数阈值时，将最早出现的达到预警阈值的子时段标记为异常时段，并识别异常时段距离当前时段的距离，以及达到预警阈值的点值数量，进行可信度评分。具体的，例如当前六个子时段，异常时段为第五子时段，则时段评分总分为6分，若是异常子时段为第一子时段，则评分为6分，每增加一个子时段，评分减一，异常时段为第五子时段时，评分为2分。之后进行点值数量评分，点值数量越多，数量评分越高，本实施例中，达到预警阈值的个数即为数量评分，出现一个达到预警阈值的点值，数量评分即为1。之后根据设置的时段评分和数量评分的权重，计算可信度评分，本实施例中时段评分权重为0.7，数量评分权重为0.3，计算得出最终的可信度评分。
可信度验证模块，用于根据可信度评分，对设备故障异常进行标记，当可信度评分高于预设分值时，将设备故障异常标记为可信；
故障识别模块，还用于对需要进行可信度判断的设备故障异常被标记为可信后，才向运维终端发送故障预警。
通过预设分值，当可信度评分高于预设分值时，便标记为可信，故障识别模块，对需要进行可信度判断的设备故障异常被标记为可信后，才向运维终端发送故障预警。
疑似标记模块，用于当设备故障异常可信度评分低于预设分值时，将对应的工厂设备标记为疑似设备。
数据运行模块，还用于在当前时段达到异常时段之前的各个子时段时，分别再次获取疑似设备的当前的实时运行数据，并绘制出指标参数变化曲线。
点值识别模块，还用于识别各次指标参数变化曲线中，在异常时段的达到预警阈值的点值是否消失，若是未消失，则将其设备故障异常标记为可信。
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (6)

1.基于数字孪生的工厂业务协同系统，其特征在于：包括服务器和运维终端，所述服务器包括模型构建模块、数据采集模块、数据运行模块以及故障识别模块；
模型构建模块，用于获取工厂设备的点云数据，构建对应的三维数字模型；
数据采集模块，用于采集工厂设备的实时运行数据，并将实时运行数据注入三维数字模型，生成工厂设备的数字孪生体；
数据运行模块，用于获取工厂设备未来时段的工作数据，使数字孪生体根据实时运行数据以及工作数据进行模拟运行，生成未来时段的模拟运行结果；
故障识别模块，用于根据模拟运行结果，识别工厂设备是否存在设备故障异常，当工厂设备存在设备故障异常时，向运维终端发出故障预警。
2.根据权利要求1所述的基于数字孪生的工厂业务协同系统，其特征在于：所述实时运行数据包括工厂设备各项指标参数，所述数据运行模块对工厂设备的各项指标参数进行模拟运行，得到未来时段的指标参数变化曲线，所述故障识别模块包括参数识别模块；
参数识别模块，用于根据指标参数变化曲线，识别指标参数变化曲线中，是否有点值达到预设的预警阈值，当有点值达到预设的预警阈值时，向运维终端发出故障预警。
3.根据权利要求2所述的基于数字孪生的工厂业务协同系统，其特征在于：所述故障识别模块包括时段划分模块，点值识别模块；
时段划分模块，用于按照预设的分段规则，将预设的未来时段划分为若干个子时段；
点值识别模块，用于识别指标变化参数中，达到预警阈值的点值，出现在不同子时段中的数量，当出现在不同子时段中的数量超过预设的次数阈值时，立即向运维终端发送故障预警。
4.根据权利要求3所述的基于数字孪生的工厂业务协同系统，其特征在于：所述点值识别模块，还用于当达到预警阈值的点值，出现在不同子时段中的数量，没有达到次数阈值时，识别最早达到预警阈值的点值所处的子时段，标记为异常时段，并根据异常时段与当前时段的距离，以及达到预警阈值的点值数量，判断设备故障异常的可信度，异常时段距离当前时段越近，达到预警阈值的点值数量越多，设备故障异常的可信度越高。
5.根据权利要求4所述的基于数字孪生的工厂业务协同系统，其特征在于：所述点值识别模块还用于给出可信度评分，所述故障识别模块还包括可信度验证模块；
可信度验证模块，用于根据可信度评分，对设备故障异常进行标记，当可信度评分高于预设分值时，将设备故障异常标记为可信；
故障识别模块，还用于对需要进行可信度判断的设备故障异常被标记为可信后，才向运维终端发送故障预警。
6.根据权利要求5所述的基于数字孪生的工厂业务协同系统，其特征在于：所述故障识别模块，还包括疑似标记模块；
疑似标记模块，用于当设备故障异常可信度评分低于预设分值时，将对应的工厂设备标记为疑似设备；
数据运行模块，还用于在当前时段达到异常时段之前的各个子时段时，分别再次获取疑似设备的当前的实时运行数据，并绘制出指标参数变化曲线；
点值识别模块，还用于识别各次指标参数变化曲线中，在异常时段的达到预警阈值的点值是否消失，若是未消失，则将其设备故障异常标记为可信。
CN202311645818.4A 2023-11-30 2023-11-30 基于数字孪生的工厂业务协同系统 Pending CN117541191A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311645818.4A CN117541191A (zh) 2023-11-30 2023-11-30 基于数字孪生的工厂业务协同系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311645818.4A CN117541191A (zh) 2023-11-30 2023-11-30 基于数字孪生的工厂业务协同系统

Publications (1)

Publication Number Publication Date
CN117541191A true CN117541191A (zh) 2024-02-09

Family

ID=89784132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311645818.4A Pending CN117541191A (zh) 2023-11-30 2023-11-30 基于数字孪生的工厂业务协同系统

Country Status (1)

Country Link
CN (1) CN117541191A (zh)

Similar Documents

Publication Publication Date Title
CN109524139B (zh) 一种基于设备工况变化的实时设备性能监测方法
CN107622308B (zh) 一种基于dbn网络的发电设备参数预警方法
CN106407589B (zh) 一种风机状态评估与预测方法及系统
CN112926257A (zh) 往复式天然气压缩机故障诊断系统以及诊断方法
CN112526251B (zh) 一种基于数据驱动的变电站电力设备故障诊断方法
CN116187593B (zh) 一种配电网故障预测处理方法、装置、设备、存储介质
CN108627720B (zh) 一种基于贝叶斯算法的电力设备状态监测方法
KR20160073945A (ko) 풍력플랜트 관리 시스템 및 그 방법
CN110764474B (zh) 监测设备运行状态的方法和系统
CN104200396A (zh) 一种风力发电机部件故障预警方法
US12092269B2 (en) Method for troubleshooting potential safety hazards of compressor in smart gas pipeline network and internet of things system thereof
CN116360367A (zh) 一种工业设备物联网数据采集方法及系统
CN116316613A (zh) 电力设备运行监测方法、系统、电子设备及存储介质
CN109507992B (zh) 一种机车制动系统部件的故障预测方法、装置及设备
CN107247198A (zh) 一种配电设备故障预测方法及装置
CN117522380B (zh) 基于热电运维的故障机理运维周期管理系统
CN118071116B (zh) 一种基于数据分析的设备运维智能化管理系统
CN113177646A (zh) 一种基于自适应边缘代理的配电设备在线监测方法及系统
CN115788771A (zh) 一种基于物联网技术的风力发电系统的智能运维管理系统
CN117560300B (zh) 一种智能物联网流量预测与优化系统
CN114442543A (zh) 一种适用于水电站故障预警的计算机监测方法
CN117290795A (zh) 一种适用于单个仪表测量结果异常值的在线识别方法
CN110427689B (zh) 基于信息新技术的燃机机组机群监测诊断方法
CN117221145A (zh) 基于物联网平台的设备故障预测性维护系统
CN117541191A (zh) 基于数字孪生的工厂业务协同系统

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