CN117574691B - 虚拟实体数据系统构建方法及相关设备 - Google Patents

虚拟实体数据系统构建方法及相关设备 Download PDF

Info

Publication number
CN117574691B
CN117574691B CN202410064776.3A CN202410064776A CN117574691B CN 117574691 B CN117574691 B CN 117574691B CN 202410064776 A CN202410064776 A CN 202410064776A CN 117574691 B CN117574691 B CN 117574691B
Authority
CN
China
Prior art keywords
matrix
production
state
constraint
entity
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
Application number
CN202410064776.3A
Other languages
English (en)
Other versions
CN117574691A (zh
Inventor
陈晓红
徐波
徐雪松
张欣洋
刘天朔
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.)
Xiangjiang Laboratory
Original Assignee
Xiangjiang Laboratory
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 Xiangjiang Laboratory filed Critical Xiangjiang Laboratory
Priority to CN202410064776.3A priority Critical patent/CN117574691B/zh
Publication of CN117574691A publication Critical patent/CN117574691A/zh
Application granted granted Critical
Publication of CN117574691B publication Critical patent/CN117574691B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种虚拟实体数据系统构建方法及相关设备，包括：对车间每个物理实体进行数据建模，得到实体属性矩阵；基于物理实体的空间位置构建空间布局矩阵；根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵；通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵；采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵；将实体属性矩阵和空间布局矩阵组成数字孪生虚拟实体数据系统的孪生建模特征值，并将环境状态矩阵、生产约束矩阵和优化目标矩阵组成生产优化特征值；对生产优化特征值结合孪生建模特征值，得到虚拟实体数据系统。采用本发明可提高钢铁制造过程中数据管控的精准性。

Description

虚拟实体数据系统构建方法及相关设备
技术领域
本发明涉及钢铁加工技术领域，尤其涉及一种虚拟实体数据系统构建方法及相关设备。
背景技术
钢铁制造是一个批量化大规模生产的过程，其工艺流程、物流过程复杂、质量控制难度大，钢铁行业普遍存在劳动效率低、钢铁质量不稳定、安全隐患突出、资源浪费大等问题，面向钢铁智能制造的数字孪生平台已成为推动行业转型升级的重要基础设施。目前，钢铁企业的调度系统多采用基于调度规则和人工经验进行计划排产。
发明人在实现本发明的过程中发现，现有方式至少存在如下问题：
排程方案的可执行度较低，现场调度仍依赖于调度员的临时判断和决策，尚未实现自动化的调度决策优化；另一方面也缺乏数据驱动的过程监测与故障诊断技术，以精轧工艺中使用到的七机架精轧机设备工况监测为例，当前钢厂只能在设备达到固定产能时将产线停机，将其轧辊全部更换。同时，构建物理实体的虚拟实体模型是任何数字孪生系统的核心，高保真的虚拟实体模型是系统提供准确可靠服务的基础。然而，钢铁制造涉及多个环节和设备，此外，虚拟实体模型的构建还需要充分理解钢铁制造工艺和设备特性，受此影响，目前缺少可准确描述设备状态和车间状态并建立相应的虚拟实体模型的方法，导致当前钢铁数字孪生系统应用仍处于简单的3D模型演示阶段，尚不具备基于人工智能技术的钢铁生产智能决策与优化控制能力。这些导致目前钢铁工艺流程中，对各个物理实体的实时数据管控不够精准，使得钢铁生产的智能化水平达不到要求。
发明内容
本发明实施例提供一种虚拟实体数据系统构建方法、虚拟实体数据系统、计算机设备和存储介质，以提高钢铁生产过程中数据管控的精准性。
为了解决上述技术问题，本申请实施例提供一种虚拟实体数据系统构建方法，包括：
对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵，其中，所述实体属性矩阵用于对钢铁厂中物理实体进行特征描述，包括机械规格、电气特征和功能特性；
基于各个物理实体的空间位置情况构建空间布局矩阵；
根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵；
通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵；
采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵；
将所述实体属性矩阵和所述空间布局矩阵组成钢铁流程制造数字孪生虚拟实体数据系统的孪生建模特征值，并将所述环境状态矩阵、所述生产约束矩阵和所述优化目标矩阵共同组成虚拟实体数据系统的生产优化特征值；
对所述生产优化特征值结合所述孪生建模特征值，得到所述虚拟实体数据系统。
可选地，所述对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵包括：
获取与钢铁生产车间相关的资料信息；
基于资料信息确定车间物理实体的数量及所属实体类别，其中，所述资料信息包括用于提供设备名称、型号、容量、制造商和其他重要规格信的文档和工程图纸；
通过资料信息中的工程图纸或设备使用手册，确定各个物理实体的机械规格、电气特性和功能特性对应的参数；
以物理实体的数量作为所述实体属性矩阵的行数，分别以各个物理实体的机械规格、电气特性和功能特性对应的参数为列，构建3个二维矩阵，并采用构建好的3个二维矩阵组成所述实体属性矩阵。
可选地，所述基于各个物理实体的空间位置情况构建空间布局矩阵包括：
通过在物理实体上部署的物联网传感器监测物理实体的实时位置信息；
循环遍历传感器采集每个物理实体的实时位置信息，并将采集到的实时位置信息存储在二维的空间布局矩阵中，所述空间布局矩阵如下公式所示：
；
其中，代表物理实体/>在三维空间/>轴的位置；/>代表在三维空间/>轴的位置；/>代表在三维空间/>轴的位置。
可选地，所述根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵包括：
在任意一个时间步，选取与钢铁生产相关的物理实体，作为第一物理实体，记录所述第一物理实体的关键状态信息，并基于所述关键状态信息构建设备状态矩阵，其中任一第一物理实体对应的状态矩阵如下公式所示：
；
其中，矩阵的行表示每个时刻的所有状态信息，表示第一物理实体的状态特征/>在/>时刻的特征取值；
将个物理实体各自的状态矩阵进行组合，得到所述设备状态矩阵的数量，所述设备状态矩阵如下公式所示：
；
其中，m为物理实体的数量，为所述设备状态矩阵；
创建时间步-订单矩阵，其中每一行代表一个时间步，每一列代表一个生产订单，在所述时间步-订单矩阵中，使用二进制值来表示订单的状态，1表示该订单在当前的时间步需要执行，0表示不需要，如下公式所示：
；
其中，为时间步-订单矩阵，/>为订单/>在/>时刻的状态取值；
从订单的截止日期、优先级、数量、产品类型中的至少一项对订单进行属性特征描述，生成订单属性矩阵，其中，所述订单属性矩阵的每一行对应于一个订单；
将时间步-订单矩阵与订单属性矩阵合并形成生产订单状态矩阵；
构建工艺流程状态矩阵，其中每一行代表一个时间步，每一列代表一个工艺流程单元，使用二进制值表示每个单元在特定时间步的状态，1表示工艺流程单元正在运行或工作，0表示工艺流程单元停止或不工作，所述工艺流程状态矩阵如下公式所示：
；
其中，为工艺流程状态矩阵，/>表示工艺流程单元i在/>时刻的状态取值。
将设备状态矩阵、生产订单状态矩阵以及工艺流程状态矩阵组成所述环境状态矩阵，采用如下公式所示：
；
其中，为所述环境状态矩阵，/>为生产订单状态矩阵。
可选地，所述通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵包括：
获取与钢铁生产有关的生产工艺约束信息并进行解析，得到工艺步骤和工艺约束特征，所述生产工艺约束矩阵如下公式所示：
；
其中，表示生产工艺约束矩阵，/>表示工艺步骤/>在工艺约束特征/>的取值，行表示不同的工艺步骤，列表示不同的工艺约束特征；
获取与钢铁生产有关的生产资源约束信息并进行解析，得到生产资源约束矩阵，其中，生产资源约束信息包括生产资源、生产设备设备的限定信息和资源约束特征，资源约束特征包括加工能力约束、加工时间约束、人力资源约束，所述生产资源约束矩阵如下公式所示：
；
其中，为所述生产资源约束矩阵，/>表示生产资源或生产设备/>在资源约束特征/>的取值，行表示不同的生产资源或生产设备，列表示不同的资源约束特征；
由加工工艺约束矩阵和生产资源约束矩阵组成生产约束矩阵，如下公式所示：
；
其中，为所述生产约束矩阵。
可选地，所述采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵包括：
获取与钢铁生产有关的效率指标信息，并采用效率指标信息构建效率指标矩阵，其中，效率指标信息包括工艺步骤和效率指标特征，所述工艺步骤为冶炼、轧制、飞剪、冷却、卷曲中的至少一项，所述效率指标特征包括工艺效率、设备利用率、人员效率中的至少一项，所述效率指标矩阵采用如下公式表示：
；
其中，为所述效率指标矩阵，/>表示工艺步骤/>在效率指标特征/>的取值，行表示不同的工艺步骤，列表示不同的效率指标特征；
获取与钢铁生产有关的能耗指标信息，并采用所述能耗指标信息构建能耗指标矩阵，其中，所述效率指标信息包括所述工艺步骤和能耗指标特征，所述能耗指标特征包括电力消耗、水消耗、煤炭消耗中的至少一项，所述能耗指标矩阵采用如下公式表示：
；
其中，为所述能耗指标矩阵，/>表示工艺步骤/>在能耗指标特征/>的取值，所述能耗指标矩阵的行表示不同的工艺步骤，所述能耗指标矩阵的列表示不同的能耗指标特征；
获取与钢铁生产有关的成本指标信息，并采用所述成本指标信息构建成本指标矩阵，其中，所述成本指标信息包括所述工艺步骤和成本指标特征，所述成本指标特征包括人工成本、原材料成本、能源成本、维护成本中的至少一项，所述成本指标矩阵采用如下公式表示：
；
其中，为所述成本指标矩阵，/>表示工艺步骤/>在成本指标特征/>的取值，所述成本指标矩阵的行表示不同的工艺步骤，所述成本指标矩阵的列表示不同的成本指标特征；
根据所述效率指标矩阵、能耗指标矩阵和成本指标矩阵组成所述优化目标矩阵，所述优化目标矩阵采用如下公式表示：
；
其中，为所述优化目标矩阵。
为了解决上述技术问题，本申请实施例还提供一种虚拟实体数据系统，包括孪生建模模块和生产优化模块，所述孪生建模模块包括实体属性矩阵构建子模块和空间布局矩阵构建子模块，所述生产优化模块包括环境状态矩阵构建子模块、生产矩阵构建子模块和优化目标矩阵构建子模块。其中：
所述实体属性矩阵构建子模块用于对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵，其中，所述实体属性矩阵用于对钢铁厂中物理实体进行特征描述，包括机械规格、电气特征和功能特性；
所述空间布局矩阵构建子模块用于基于各个物理实体的空间位置情况构建空间布局矩阵；
所述环境状态矩阵构建子模块用于根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵；
所述生产矩阵构建子模块用于通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵；
所述优化目标矩阵构建子模块用于采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵。
可选地，所述实体属性矩阵构建子模块包括：
信息获取单元，用于获取与钢铁生产车间相关的资料信息；
类别确定单元，用于基于资料信息确定车间物理实体的数量及所属实体类别，其中，所述资料信息包括用于提供设备名称、型号、容量、制造商和其他重要规格信的文档和工程图纸；
参数确定单元，用于通过资料信息中的工程图纸或设备使用手册，确定各个物理实体的机械规格、电气特性和功能特性对应的参数；
矩阵构建单元，用于以物理实体的数量作为所述实体属性矩阵的行数，分别以各个物理实体的机械规格、电气特性和功能特性对应的参数为列，构建3个二维矩阵，并采用构建好的3个二维矩阵组成所述实体属性矩阵。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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上述虚拟实体数据系统构建方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述虚拟实体数据系统构建方法的步骤。
本发明实施例提供的虚拟实体数据系统构建方法、装置、计算机设备及存储介质，通过对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵，其中，实体属性矩阵用于对钢铁厂中物理实体进行特征描述，包括机械规格、电气特征和功能特性；基于各个物理实体的空间位置情况构建空间布局矩阵；根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵；通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵；采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵；将实体属性矩阵和空间布局矩阵组成钢铁流程制造数字孪生虚拟实体数据系统的孪生建模特征值，并将环境状态矩阵、生产约束矩阵和优化目标矩阵共同组成虚拟实体数据系统的生产优化特征值；对生产优化特征值结合孪生建模特征值，得到虚拟实体数据系统。通过构建包含环境状态信息、生产约束信息以及优化目标等信息的虚拟实体数据系统，实现钢铁厂虚实设备联动，推动人工智能技术在钢铁制造的智能调度、智慧物流、设备故障诊断等方面的应用，提高钢铁制造过程中数据管控的精准性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图；
图2是本申请的虚拟实体数据系统构建方法的一个实施例的流程图；
图3是本申请的虚拟实体数据系统构建过程的一个示例图；
图4是本申请的实体属性矩阵构建过程的一个示例图；
图5是本申请的空间布局矩阵构建过程的一个示意图；
图6是本申请的环境状态矩阵构建过程的一个示意图；
图7是本申请的生产约束矩阵构建过程的一个示意图；
图8是本申请的优化目标矩阵构建过程的一个示意图；
图9是本申请的虚拟实体数据系统的结构示意图；
图10是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
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作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。
请参阅图1，如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器( Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3 )、MP4( Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4 )播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的虚拟实体数据系统构建方法由服务器执行，相应地，虚拟实体数据系统设置于服务器中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器，本申请实施例中的终端设备101、102、103具体可以对应的是实际生产中的应用系统。
请参阅图2-8，图2示出本发明实施例提供的一种虚拟实体数据系统构建方法，以该方法应用在图1中的服务端为例进行说明，图3是本实施例的虚拟实体数据系统构建过程的一个示例图，图4是本实施例的实体属性矩阵构建过程的一个示例图，图5是本实施例的空间布局矩阵构建过程的一个示意图，图6是本实施例的环境状态矩阵构建过程的一个示意图，图7是本实施例的生产约束矩阵构建过程的一个示意图，图8是本实施例的优化目标矩阵构建过程的一个示意图。详述如下：
S201：对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵，其中，实体属性矩阵用于对钢铁厂中物理实体进行特征描述，包括机械规格、电气特征和功能特性。
在一具体可选实施方式中，步骤S201中，对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵包括：
获取与钢铁生产车间相关的资料信息；
基于资料信息确定车间物理实体的数量及所属实体类别，其中，资料信息包括用于提供设备名称、型号、容量、制造商和其他重要规格信的文档和工程图纸；
通过资料信息中的工程图纸或设备使用手册，确定各个物理实体的机械规格、电气特性和功能特性对应的参数；
以物理实体的数量作为实体属性矩阵的行数，分别以各个物理实体的机械规格、电气特性和功能特性对应的参数为列，构建3个二维矩阵，并采用构建好的3个二维矩阵组成实体属性矩阵。
具体地，实体属性矩阵构造方法通过构建实体属性矩阵（EAM）对车间各物理实体的机械规格、电气特性、功能特性进行数据建模。其构建实体属性矩阵的步骤如下：
步骤1：查找并收集与钢铁生产车间相关的文档和工程图纸。这些文件通常包括设备清单、设备规格表、操作手册和技术说明书。这些文件可以提供设备名称、型号、容量、制造商和其他重要规格信息；另外可使用设备识别技术，例如条形码、RFID 标签或二维码，以识别设备并检索与之相关的机械规格数据。由此可获得车间物理实体的数量及其所属实体类别（主设备：转炉、精炼炉、连铸机、加热炉、精轧机等，运输设备：铁包、台车、天车等），物理实体的数量即确定实体属性矩阵的行数。
步骤2：通过相关的工程图纸或设备使用手册确定各物理实体的机械规格，如：物理实体的外观几何属性（长、宽、高等）。其中外观几何属性使用毫米（mm）为单位对物理实体进行特征描述；物理实体所属类别等标称属性则为每一种标称属性均设置特征，对某一物理实体而言，在类别j的特征取值为1，表示该物理实体属于类别j；不属于则特征值为0。
步骤3：通过相关的电气图纸或设备使用手册确定各物理实体的电气特性，如设备的额定功率、额定电压、额定电流和LAN网口地址等。
步骤4：通过相关的设备图纸或设备使用手册确定各物理实体的功能特性，以钢铁厂的E1/R1粗轧机为例，涉及轧制能力、轧辊直径、压下力、轧制温度、轧制速度等功能特性。其中轧制能力以吨每小时衡量，轧辊直径以毫米（mm）为单位，轧制速度米每秒（m/s）来表示。
由上述步骤得到的实体属性矩阵（EAM）可以全面地对钢铁厂中物理实体进行准确的特征描述。包括物理实体总数量、实体所属类别，以及实体的机械规格、电气特性以及功能特性。该实体属性矩阵由3个二维矩阵构成，分别记录实体的机械规格、电气特征和功能特性。二维矩阵的行数由实体数量决定，二维矩阵的列数由刻画实体的特征数量决定，在实际实施过程中，对物理实体的特征描述越详细，构建的虚拟实体数据模型越准确。其实体属性矩阵如下公式所示：
；
实体属性矩阵中的三个二维矩阵的行分别表示某一物理实体在机械规格、电气特性以及功能特性方面的完整特征表示，如值表示实体/>在机械规格的属性特征/>的取值。
S202：基于各个物理实体的空间位置情况构建空间布局矩阵。
在一具体可选实施方式中，步骤S202中，基于各个物理实体的空间位置情况构建空间布局矩阵包括：
通过在物理实体上部署的物联网传感器监测物理实体的实时位置信息；
循环遍历传感器采集每个物理实体的实时位置信息，并将采集到的实时位置信息存储在二维的空间布局矩阵中，空间布局矩阵如下公式所示：
；
其中，代表物理实体/>在三维空间/>轴的位置；/>代表在三维空间/>轴的位置；/>代表在三维空间/>轴的位置。
进一步地，所述的空间布局矩阵（SLM）用于对钢铁厂车间各物理实体的空间位置情况进行准确记录。
S203：根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵。
在一具体可选实施方式中，步骤S203中，根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵包括：
在任意一个时间步，选取与钢铁生产相关的物理实体，作为第一物理实体，记录第一物理实体的关键状态信息，并基于关键状态信息构建设备状态矩阵，其中任一第一物理实体对应的状态矩阵如下公式所示：
；
其中，矩阵的行表示每个时刻的所有状态信息，表示第一物理实体的状态特征/>在/>时刻的特征取值；
将个物理实体各自的状态矩阵进行组合，得到所述设备状态矩阵的数量，设备状态矩阵如下公式所示：
；
其中，m为物理实体的数量，为设备状态矩阵；
创建时间步-订单矩阵，其中每一行代表一个时间步，每一列代表一个生产订单，在时间步-订单矩阵中，使用二进制值来表示订单的状态，1表示该订单在当前的时间步需要执行，0表示不需要，如下公式所示：
；
其中，为时间步-订单矩阵，/>为订单/>在/>时刻的状态取值；
从订单的截止日期、优先级、数量、产品类型中的至少一项对订单进行属性特征描述，生成订单属性矩阵，其中，订单属性矩阵的每一行对应于一个订单；
将时间步-订单矩阵与订单属性矩阵合并形成生产订单状态矩阵；
构建工艺流程状态矩阵，其中每一行代表一个时间步，每一列代表一个工艺流程单元，使用二进制值表示每个单元在特定时间步的状态，1表示工艺流程单元正在运行或工作，0表示工艺流程单元停止或不工作，工艺流程状态矩阵如下公式所示：
；
其中，为工艺流程状态矩阵，/>表示工艺流程单元i在/>时刻的状态取值。
将设备状态矩阵、生产订单状态矩阵以及工艺流程状态矩阵组成环境状态矩阵，采用如下公式所示：
；
其中，为环境状态矩阵，/>为生产订单状态矩阵。
具体地，环境状态矩阵构造方法通过构建一个环境状态矩阵对车间的设备状态、生产订单状态、工艺流程状态进行准确描述。在利用深度强化学习（DRL）等人工智能算法进行钢铁厂生产调度优化以及故障诊断时，需要将环境状态信息表示为适合DRL模型的输入数据。其环境状态矩阵构建过程为：
步骤1：构建设备状态矩阵（Device status matrix，DSM）。在任意一个时间步(Time Step) t，选取与钢铁生产密切相关的主要物理实体，记录其关键状态信息，并使用状态特征对其进行表示和记录，每个状态特征代表一个设备或设备组件的状态，最终形成设备状态矩阵。以钢铁热轧产线中的七机架精轧机为例，可以从以下状态特征对精轧机的状态进行描述：轧辊温度、轧辊压力、轧辊振动、轧辊磨损、冷却系统状态、轧辊润滑状态、电气和控制系统状态等。故从t时刻至个时间步后，七机架精轧机对应的设备状态矩阵如下公式所示：
；
其中矩阵的行表示某一时刻七机架精轧机的所有状态信息，表示七机架精轧机的状态特征/>在/>时刻的特征取值。
设备状态矩阵由个物理实体各自的状态矩阵组合而成，其数据结构如下公式所示：
；/>
步骤2：构建生产订单状态矩阵（Production order status matrix，OSM）。首先创建一个时间步-订单矩阵，其中每一行代表一个时间步，每一列代表一个生产订单。在这个矩阵中，使用二进制值来表示订单的状态，1表示该订单在该时间步需要执行，0表示不需要，如下公式所示：
；
其中订单/>在/>时刻的状态取值。
其次，创建订单属性矩阵，从订单的截止日期、优先级、数量、产品类型等方面对订单进行属性特征描述，这将生成一个订单属性矩阵。矩阵每一行对应于一个订单，其数据格式如下所示：
；
其中，说明从个属性特征对/>个订单进行属性特征描述，/>表示订单/>在属性特征/>上的取值。
最后，将时间步-订单矩阵与订单属性矩阵合并形成生产订单状态矩阵，如下公式所示：
；
步骤3：构建工艺流程状态矩阵（Process status matrix，PSM），其中每一行代表一个时间步，每一列代表一个工艺流程单元（如高炉炼铁、转炉炼钢、连铸、加热炉加热、粗轧、飞剪、精轧、层流冷却等），使用二进制值表示每个单元在特定时间步的状态。1表示工艺流程单元正在运行或工作，0表示工艺流程单元停止或不工作。其工艺流程状态矩阵如下公式所示：
；
其中，表示工艺流程单元i在/>时刻的状态取值。
环境状态矩阵（ESM）由设备状态矩阵、生产订单状态矩阵以及工艺流程状态矩阵组成，如下公式所示：
。
S204：通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵。
在一具体可选实施方式中，步骤S204中，通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵包括：
获取与钢铁生产有关的生产工艺约束信息并进行解析，得到工艺步骤和工艺约束特征，生产工艺约束矩阵如下公式所示：
；
其中，表示生产工艺约束矩阵，/>表示工艺步骤/>在工艺约束特征/>的取值，行表示不同的工艺步骤，列表示不同的工艺约束特征；
获取与钢铁生产有关的生产资源约束信息并进行解析，得到生产资源约束矩阵，其中，生产资源约束信息包括生产资源、生产设备的限定信息和资源约束特征，资源约束特征包括加工能力约束、加工时间约束、人力资源约束，生产资源约束矩阵如下公式所示：
；
其中，为生产资源约束矩阵，/>表示生产资源或生产设备/>在资源约束特征的取值，行表示不同的生产资源或生产设备，列表示不同的资源约束特征；
由加工工艺约束矩阵和生产资源约束矩阵组成生产约束矩阵，如下公式所示：
；
其中，为生产约束矩阵。
具体地，生产约束矩阵构造方法通过构建一个生产约束矩阵（PCM）对钢铁生产的加工工艺约束和制造资源约束进行准确描述。其生产约束矩阵构建步骤如下：
步骤1：构建生产工艺约束矩阵（Machining technology constraint matrix，MCM）。获取与钢铁生产有关的生产工艺约束信息，明确工艺步骤（冶炼、轧制、飞剪、冷却、卷曲等）和工艺约束特征（连浇约束、炉次加工时间约束、化学成分约束等），其中行表示不同的工艺步骤，列表示不同的工艺约束特征。其生产工艺约束矩阵如下公式所示：
；
其中，表示工艺步骤/>在工艺约束特征/>的取值。
步骤2：构建生产资源约束矩阵（Manufacturing resource constraint matrix，RCM）。获取与钢铁生产有关的生产资源约束信息，明确生产资源或设备（高炉、转炉、天车、轧机等）和资源约束特征（加工能力约束、加工时间约束、人力资源约束等），其中行表示不同的生产资源或设备，列表示不同的资源约束特征。其生产资源约束矩阵如下公式所示：
；
其中，表示生产资源或设备/>在资源约束特征/>的取值。
生产约束矩阵（PCM）由加工工艺约束矩阵和生产资源约束矩阵组成，如下公式所示：
。
S205：采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵。
在一具体可选实施方式中，步骤S205中，采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵包括：
获取与钢铁生产有关的效率指标信息，并采用效率指标信息构建效率指标矩阵，其中，效率指标信息包括工艺步骤和效率指标特征，工艺步骤为冶炼、轧制、飞剪、冷却、卷曲中的至少一项，效率指标特征包括工艺效率、设备利用率、人员效率中的至少一项，效率指标矩阵采用如下公式表示：
；
其中，为效率指标矩阵，/>表示工艺步骤/>在效率指标特征/>的取值，行表示不同的工艺步骤，列表示不同的效率指标特征；
获取与钢铁生产有关的能耗指标信息，并采用能耗指标信息构建能耗指标矩阵，其中，效率指标信息包括工艺步骤和能耗指标特征，能耗指标特征包括电力消耗、水消耗、煤炭消耗中的至少一项，能耗指标矩阵采用如下公式表示：
；
其中，为能耗指标矩阵，/>表示工艺步骤/>在能耗指标特征/>的取值，能耗指标矩阵的行表示不同的工艺步骤，能耗指标矩阵的列表示不同的能耗指标特征；
获取与钢铁生产有关的成本指标信息，并采用成本指标信息构建成本指标矩阵，其中，成本指标信息包括工艺步骤和成本指标特征，成本指标特征包括人工成本、原材料成本、能源成本、维护成本中的至少一项，成本指标矩阵采用如下公式表示：
；/>
其中，为成本指标矩阵，/>表示工艺步骤/>在成本指标特征/>的取值，成本指标矩阵的行表示不同的工艺步骤，成本指标矩阵的列表示不同的成本指标特征；
根据效率指标矩阵、能耗指标矩阵和成本指标矩阵组成优化目标矩阵，优化目标矩阵采用如下公式表示：
；
其中，为优化目标矩阵。
具体地，优化目标矩阵构造方法通过构建一个优化目标矩阵（OOM）对钢铁生产的效率指标、能耗指标和成本指标进行准确描述，优化目标矩阵既可以对调度方案、物流方案等进行评价，又能引导DRL算法的寻优方向。其优化目标矩阵构建步骤如下：
步骤1：构建效率指标矩阵（Efficiency indicator matrix，EIM）。获取与钢铁生产有关的效率指标信息，明确工艺步骤（冶炼、轧制、飞剪、冷却、卷曲等）和效率指标特征（工艺效率、设备利用率、人员效率等）。效率指标矩阵的行表示不同的工艺步骤，列表示不同的效率指标特征。由上述步骤得到的效率指标矩阵可以反映钢铁生产涉及的各工艺流程在效率方面的优化目标，其效率指标矩阵如下公式所示：
；
其中，表示工艺步骤/>在效率指标特征/>的取值。
步骤2：构建能耗指标矩阵（Energy consumption indicator matrix，ECM）。获取与钢铁生产有关的能耗指标信息，明确工艺步骤（冶炼、轧制、飞剪、冷却、卷曲等）和能耗指标特征（电力消耗、水消耗、煤炭消耗等）。能耗指标矩阵的行表示不同的工艺步骤，矩阵的列表示不同的能耗指标特征。由上述步骤得到的能耗指标矩阵可以反映钢铁生产涉及的各工艺流程在能耗方面的优化目标，其效率指标矩阵如下公式所示：
；
其中，表示工艺步骤/>在能耗指标特征/>的取值。
步骤3：构建成本指标矩阵（Cost indicator matrix，CIM）。获取与钢铁生产有关的成本指标信息，明确工艺步骤（冶炼、轧制、飞剪、冷却、卷曲等）和成本指标特征（人工成本、原材料成本、能源成本、维护成本等）。成本指标矩阵的行表示不同的工艺步骤，矩阵的列表示不同的成本指标特征。由上述步骤得到的能耗指标矩阵可以反映钢铁生产涉及的各工艺流程在成本方面的优化目标，其成本指标矩阵如下公式所示：
；
其中，表示工艺步骤/>在成本指标特征/>的取值。
优化目标矩阵（OOM）由效率指标矩阵、能耗指标矩阵和成本指标矩阵组成，如下公式所示：
。
需要说明的是，步骤S201至步骤S205之间，没有必然的逻辑先后顺序，其具体也可以是并行执行的方式实施，不应理解为对其顺序的限制。
S206：将实体属性矩阵和空间布局矩阵组成钢铁流程制造数字孪生虚拟实体数据系统的孪生建模特征值，并将环境状态矩阵、生产约束矩阵和优化目标矩阵共同组成虚拟实体数据系统的生产优化特征值。
具体地，本实施例的虚拟实体数据系统包括孪生建模模块和生产优化模块：其中孪生建模模块包括实体属性矩阵构造方法和空间布局矩阵构造方法。生产优化模块包括环境状态矩阵构造方法、生产约束矩阵构造方法和优化目标矩阵构造方法。其中实体属性矩阵构造方法从钢铁厂所涉及的物理实体的机械规格、电气特性、功能特性三个方面对物理实体进行物理特征建模，构建实体属性矩阵（Entity Attribute Matrix）EAM。空间布局矩阵构造方法主要考虑各物理实体在车间的空间位置关系，构建空间布局矩阵（SpatialLayout Matrix）SLM。环境状态矩阵构造方法主要从设备状态、工艺流程状态、生产订单状态三个方面对钢铁生产车间状态进行特征描述，构建环境状态矩阵（Environment StateMatrix）ESM。生产约束矩阵构造方法主要从加工工艺约束、生产资源约束两个方面出发，考虑与生产优化有关的约束条件，构建生产约束矩阵（Production Constraint Matrix）PCM。优化目标矩阵构造方法根据钢铁生产的智能排程、智慧物流和设备故障诊断与预测性维护目标，从效率指标、成本指标、能耗指标三方面对钢铁厂的优化目标进行特征描述，构建优化目标矩阵（Optimization objective matrix，OOM），该优化目标是DRL模型进行最佳策略学习的目标。
S207：对生产优化特征值结合孪生建模特征值，得到虚拟实体数据系统。
具体地，通过被实施例得到的实体属性矩阵和空间布局矩阵组成了钢铁流程制造数字孪生虚拟实体数据模型的孪生建模特征值；环境状态矩阵、生产约束矩阵和优化目标矩阵三个矩阵共同组成了虚拟实体数据模型的生产优化特征值。虚拟实体数据模型支持OPC-UA等通讯协议，打通了物理实体与虚拟端的连接；生产优化特征值结合孪生建模特征值即虚拟实体数据模型，该数据可全面准确地反映车间生产状态，为训练深度强化学习（DRL）模型实现生产优化（智慧物流、智能排程以及设备的故障诊断和预测性维护）提供数据支撑。虚拟实体数据模型可完整表示为：（）。
本实施例中，通过对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵，其中，实体属性矩阵用于对钢铁厂中物理实体进行特征描述，包括机械规格、电气特征和功能特性；基于各个物理实体的空间位置情况构建空间布局矩阵；根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵；通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵；采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵；将实体属性矩阵和空间布局矩阵组成钢铁流程制造数字孪生虚拟实体数据系统的孪生建模特征值，并将环境状态矩阵、生产约束矩阵和优化目标矩阵共同组成虚拟实体数据系统的生产优化特征值；对生产优化特征值结合孪生建模特征值，得到虚拟实体数据系统。通过构建包含环境状态信息、生产约束信息以及优化目标等信息的虚拟实体数据系统，实现钢铁厂虚实设备联动，推动人工智能技术在钢铁制造的智能调度、智慧物流、设备故障诊断等方面的应用，提高钢铁制造过程中数据管控的精准性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图9示出与上述实施例虚拟实体数据系统构建方法一一对应的虚拟实体数据系统的原理框图。如图9所示，该虚拟实体数据系统包括孪生建模模块31和生产优化模块32，孪生建模模块31包括实体属性矩阵构建子模块311和空间布局矩阵构建子模块312，生产优化模块32包括环境状态矩阵构建子模块321、生产矩阵构建子模块322和优化目标矩阵构建子模块323。其中：
实体属性矩阵构建子模块311用于对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵，其中，实体属性矩阵用于对钢铁厂中物理实体进行特征描述，包括机械规格、电气特征和功能特性；
空间布局矩阵构建子模块312用于基于各个物理实体的空间位置情况构建空间布局矩阵；
环境状态矩阵构建子模块321用于根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵；
生产矩阵构建子模块322用于通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵；
优化目标矩阵构建子模块323用于采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵。
进一步地，实体属性矩阵构建子模块311包括：
信息获取单元，用于获取与钢铁生产车间相关的资料信息；
类别确定单元，用于基于资料信息确定车间物理实体的数量及所属实体类别，其中，资料信息包括用于提供设备名称、型号、容量、制造商和其他重要规格信的文档和工程图纸；
参数确定单元，用于通过资料信息中的工程图纸或设备使用手册，确定各个物理实体的机械规格、电气特性和功能特性对应的参数；
矩阵构建单元，用于以物理实体的数量作为实体属性矩阵的行数，分别以各个物理实体的机械规格、电气特性和功能特性对应的参数为列，构建3个二维矩阵，并采用构建好的3个二维矩阵组成实体属性矩阵。
关于虚拟实体数据系统的具体限定可以参见上文中对于虚拟实体数据系统构建方法的限定，在此不再赘述。上述虚拟实体数据系统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。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图10，图10为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件连接存储器41、处理器42、网络接口43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器 (Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或D界面显示存储器等）、随机访问存储器（RAM）、静态随机访问存储器（SRAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、可编程只读存储器（PROM）、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如虚拟实体数据系统构建方法的程序代码等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器（Central Processing Unit，CPU）、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据，例如运行虚拟实体数据系统构建方法的程序代码。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有界面显示程序，所述界面显示程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的虚拟实体数据系统构建方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本申请各个实施例所述的方法。
显然，以上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，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (4)

1.一种虚拟实体数据系统构建方法，其特征在于，包括：
对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵，其中，所述实体属性矩阵用于对钢铁厂中物理实体进行特征描述，包括机械规格、电气特征和功能特性；
基于各个物理实体的空间位置情况构建空间布局矩阵；
根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵；
通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵；
采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵；
将所述实体属性矩阵和所述空间布局矩阵组成钢铁流程制造数字孪生虚拟实体数据系统的孪生建模特征值，并将所述环境状态矩阵、所述生产约束矩阵和所述优化目标矩阵共同组成虚拟实体数据系统的生产优化特征值；
对所述生产优化特征值结合所述孪生建模特征值，得到所述虚拟实体数据系统；
其中，所述对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵包括：
获取与钢铁生产车间相关的资料信息；
基于资料信息确定车间物理实体的数量及所属实体类别，其中，所述资料信息包括用于提供设备名称、型号、容量、制造商和其他重要规格信息的文档和工程图纸；
通过资料信息中的工程图纸或设备使用手册，确定各个物理实体的机械规格、电气特性和功能特性对应的参数；
以物理实体的数量作为所述实体属性矩阵的行数，分别以各个物理实体的机械规格、电气特性和功能特性对应的参数为列，构建3个二维矩阵，并采用构建好的3个二维矩阵组成所述实体属性矩阵；
其中，所述基于各个物理实体的空间位置情况构建空间布局矩阵包括：
通过在物理实体上部署的物联网传感器监测物理实体的实时位置信息；
循环遍历传感器采集每个物理实体的实时位置信息，并将采集到的实时位置信息存储在二维的空间布局矩阵中，所述空间布局矩阵如下公式所示：
其中，代表物理实体i在三维空间x轴的位置；/>代表在三维空间y轴的位置；/>代表在三维空间z轴的位置；
其中，所述根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵包括：
在任意一个时间步，选取与钢铁生产相关的物理实体，作为第一物理实体，记录所述第一物理实体的关键状态信息，并基于所述关键状态信息构建设备状态矩阵，其中任一第一物理实体对应的状态矩阵如下公式所示：
其中，矩阵的行表示每个时刻的所有状态信息，表示第一物理实体的状态特征i在(t+k)时刻的特征取值；
将m个物理实体各自的状态矩阵进行组合，得到所述设备状态矩阵数，所述设备状态矩阵如下公式所示：
MDSM＝(M1,M2,…,Mm)
其中，m为物理实体的数量，MDSM为所述设备状态矩阵；
创建时间步-订单矩阵，其中每一行代表一个时间步，每一列代表一个生产订单，在所述时间步-订单矩阵中，使用二进制值来表示订单的状态，1表示该订单在当前的时间步需要执行，0表示不需要，如下公式所示：
其中，Mtime-order为时间步-订单矩阵，为订单i在(t+k)时刻的状态取值；
从订单的截止日期、优先级、数量、产品类型中的至少一项对订单进行属性特征描述，生成订单属性矩阵，其中，所述订单属性矩阵的每一行对应于一个订单；
将时间步-订单矩阵与订单属性矩阵合并形成生产订单状态矩阵；
构建工艺流程状态矩阵，其中每一行代表一个时间步，每一列代表一个工艺流程单元，使用二进制值表示每个单元在特定时间步的状态，1表示工艺流程单元正在运行或工作，0表示工艺流程单元停止或不工作，所述工艺流程状态矩阵如下公式所示：
其中，MPSM为工艺流程状态矩阵，表示工艺流程单元i在(t+j)时刻的状态取值；
将设备状态矩阵、生产订单状态矩阵以及工艺流程状态矩阵组成所述环境状态矩阵，采用如下公式所示：
MESM＝(MDSM,MOSM,MPSM)
其中，MESM为所述环境状态矩阵，MOSM为生产订单状态矩阵；
其中，所述通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵包括：
获取与钢铁生产有关的生产工艺约束信息并进行解析，得到工艺步骤和工艺约束特征，所述生产工艺约束矩阵如下公式所示：
其中，MMCM表示生产工艺约束矩阵，表示工艺步骤i在工艺约束特征j的取值，行表示不同的工艺步骤，列表示不同的工艺约束特征；
获取与钢铁生产有关的生产资源约束信息并进行解析，得到生产资源约束矩阵，其中，生产资源约束信息包括生产资源、生产设备的限定信息和资源约束特征，资源约束特征包括加工能力约束、加工时间约束、人力资源约束，所述生产资源约束矩阵如下公式所示：
其中，MRCM为所述生产资源约束矩阵，表示生产资源或生产设备i在资源约束特征j的取值，行表示不同的生产资源或生产设备，列表示不同的资源约束特征；
由加工工艺约束矩阵和生产资源约束矩阵组成生产约束矩阵，如下公式所示：
MPCM＝(MMCM,MRCM)
其中，MPCM为所述生产约束矩阵；
其中，所述采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵包括：
获取与钢铁生产有关的效率指标信息，并采用效率指标信息构建效率指标矩阵，其中，效率指标信息包括工艺步骤和效率指标特征，所述工艺步骤为冶炼、轧制、飞剪、冷却、卷曲中的至少一项，所述效率指标特征包括工艺效率、设备利用率、人员效率中的至少一项，所述效率指标矩阵采用如下公式表示：
其中，MEIM为所述效率指标矩阵，表示工艺步骤i在效率指标特征j的取值，行表示不同的工艺步骤，列表示不同的效率指标特征；
获取与钢铁生产有关的能耗指标信息，并采用所述能耗指标信息构建能耗指标矩阵，其中，所述效率指标信息包括所述工艺步骤和能耗指标特征，所述能耗指标特征包括电力消耗、水消耗、煤炭消耗中的至少一项，所述能耗指标矩阵采用如下公式表示：
其中，MECM为所述能耗指标矩阵，表示工艺步骤i在能耗指标特征j的取值，所述能耗指标矩阵的行表示不同的工艺步骤，所述能耗指标矩阵的列表示不同的能耗指标特征；
获取与钢铁生产有关的成本指标信息，并采用所述成本指标信息构建成本指标矩阵，其中，所述成本指标信息包括所述工艺步骤和成本指标特征，所述成本指标特征包括人工成本、原材料成本、能源成本、维护成本中的至少一项，所述成本指标矩阵采用如下公式表示：
其中，MCIM为所述成本指标矩阵，表示工艺步骤i在成本指标特征j的取值，所述成本指标矩阵的行表示不同的工艺步骤，所述成本指标矩阵的列表示不同的成本指标特征；
根据所述效率指标矩阵、能耗指标矩阵和成本指标矩阵组成所述优化目标矩阵，所述优化目标矩阵采用如下公式表示：
MOOM＝(MEIM,MECM,MCIM)
其中，MOOM为所述优化目标矩阵。
2.一种虚拟实体数据系统，其特征在于，采用如权利要求1所述的虚拟实体数据系统构建方法构造得到，包括孪生建模模块和生产优化模块，所述孪生建模模块包括实体属性矩阵构建子模块和空间布局矩阵构建子模块，所述生产优化模块包括环境状态矩阵构建子模块、生产矩阵构建子模块和优化目标矩阵构建子模块，其中，
所述实体属性矩阵构建子模块用于对车间每个物理实体的机械规格、电气特性、功能特性进行数据建模，得到实体属性矩阵，其中，所述实体属性矩阵用于对钢铁厂中物理实体进行特征描述，包括机械规格、电气特征和功能特性；
所述空间布局矩阵构建子模块用于基于各个物理实体的空间位置情况构建空间布局矩阵；
所述环境状态矩阵构建子模块用于根据车间的设备状态、生产订单状态、工艺流程状态构建环境状态矩阵；
所述生产矩阵构建子模块用于通过钢铁生产的加工工艺约束和制造资源约束，构建生产约束矩阵；
所述优化目标矩阵构建子模块用于采用钢铁生产的效率指标、能耗指标和成本指标信息，构建优化目标矩阵；
其中，所述实体属性矩阵构建子模块包括：
信息获取单元，用于获取与钢铁生产车间相关的资料信息；
类别确定单元，用于基于资料信息确定车间物理实体的数量及所属实体类别，其中，所述资料信息包括用于提供设备名称、型号、容量、制造商和其他重要规格信息的文档和工程图纸；
参数确定单元，用于通过资料信息中的工程图纸或设备使用手册，确定各个物理实体的机械规格、电气特性和功能特性对应的参数；
矩阵构建单元，用于以物理实体的数量作为所述实体属性矩阵的行数，分别以各个物理实体的机械规格、电气特性和功能特性对应的参数为列，构建3个二维矩阵，并采用构建好的3个二维矩阵组成所述实体属性矩阵。
3.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1所述的虚拟实体数据系统构建方法。
4.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1所述的虚拟实体数据系统构建方法。
CN202410064776.3A 2024-01-17 2024-01-17 虚拟实体数据系统构建方法及相关设备 Active CN117574691B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410064776.3A CN117574691B (zh) 2024-01-17 2024-01-17 虚拟实体数据系统构建方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410064776.3A CN117574691B (zh) 2024-01-17 2024-01-17 虚拟实体数据系统构建方法及相关设备

Publications (2)

Publication Number Publication Date
CN117574691A CN117574691A (zh) 2024-02-20
CN117574691B true CN117574691B (zh) 2024-05-14

Family

ID=89886743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410064776.3A Active CN117574691B (zh) 2024-01-17 2024-01-17 虚拟实体数据系统构建方法及相关设备

Country Status (1)

Country Link
CN (1) CN117574691B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150125A (zh) * 2020-11-26 2020-12-29 树根互联技术有限公司 工业信息系统和工业信息系统构建方法
WO2022007753A1 (zh) * 2020-07-06 2022-01-13 北京卫星制造厂有限公司 一种面向移动机器人铣削加工的数字孪生建模方法
WO2022040920A1 (zh) * 2020-08-25 2022-03-03 南京翱翔智能制造科技有限公司 一种基于数字孪生 ar 交互系统和方法
CN115100867A (zh) * 2022-07-27 2022-09-23 武汉微晶石科技股份有限公司 一种基于数字孪生的城市智能交通仿真方法
CN115146329A (zh) * 2022-06-30 2022-10-04 北京航空航天大学 一种基于分布及约束的运维数字孪生数据生成方法
CN115293212A (zh) * 2022-08-15 2022-11-04 西安欧亚学院 一种基于音频感知和数字孪生的设备运行状态监测方法
CN115495880A (zh) * 2022-08-18 2022-12-20 昆明理工大学 一种流程制造车间数字孪生模型、数字孪生系统构建方法
CN115688370A (zh) * 2022-09-26 2023-02-03 北京卫星制造厂有限公司 一种基于数字孪生的生产线虚拟重构与优化方法
CN115908670A (zh) * 2022-11-14 2023-04-04 温州大学 生产场景下数字孪生模型分布式渲染方法、装置及系统
WO2023151566A1 (zh) * 2022-02-08 2023-08-17 中兴通讯股份有限公司 数字孪生体系的构建方法、终端设备及存储介质
KR20230130281A (ko) * 2022-03-03 2023-09-12 하이윈 테크놀로지스 코포레이션 디지털 트윈모델 구축방법
CN116882708A (zh) * 2023-09-05 2023-10-13 湘江实验室 基于数字孪生的钢铁工艺流程管控方法、装置及相关设备
EP4292774A1 (en) * 2022-06-16 2023-12-20 Jilin University Digital twin-based intelligent manufacturing system with integrated synchronization controller

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220114310A1 (en) * 2020-10-12 2022-04-14 International Business Machines Corporation Initiating a digital twin based on cognitive location and environmental impact

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022007753A1 (zh) * 2020-07-06 2022-01-13 北京卫星制造厂有限公司 一种面向移动机器人铣削加工的数字孪生建模方法
WO2022040920A1 (zh) * 2020-08-25 2022-03-03 南京翱翔智能制造科技有限公司 一种基于数字孪生 ar 交互系统和方法
CN112150125A (zh) * 2020-11-26 2020-12-29 树根互联技术有限公司 工业信息系统和工业信息系统构建方法
WO2023151566A1 (zh) * 2022-02-08 2023-08-17 中兴通讯股份有限公司 数字孪生体系的构建方法、终端设备及存储介质
KR20230130281A (ko) * 2022-03-03 2023-09-12 하이윈 테크놀로지스 코포레이션 디지털 트윈모델 구축방법
EP4292774A1 (en) * 2022-06-16 2023-12-20 Jilin University Digital twin-based intelligent manufacturing system with integrated synchronization controller
CN115146329A (zh) * 2022-06-30 2022-10-04 北京航空航天大学 一种基于分布及约束的运维数字孪生数据生成方法
CN115100867A (zh) * 2022-07-27 2022-09-23 武汉微晶石科技股份有限公司 一种基于数字孪生的城市智能交通仿真方法
CN115293212A (zh) * 2022-08-15 2022-11-04 西安欧亚学院 一种基于音频感知和数字孪生的设备运行状态监测方法
CN115495880A (zh) * 2022-08-18 2022-12-20 昆明理工大学 一种流程制造车间数字孪生模型、数字孪生系统构建方法
CN115688370A (zh) * 2022-09-26 2023-02-03 北京卫星制造厂有限公司 一种基于数字孪生的生产线虚拟重构与优化方法
CN115908670A (zh) * 2022-11-14 2023-04-04 温州大学 生产场景下数字孪生模型分布式渲染方法、装置及系统
CN116882708A (zh) * 2023-09-05 2023-10-13 湘江实验室 基于数字孪生的钢铁工艺流程管控方法、装置及相关设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Digital twin in smart manufacturing;Lianhui Li;Journal of Industial Information Integration;20220331;第26卷;1-18 *
基于数字孪生的生产线三维检测与交互算法研究;陈末然;邓昌义;张健;郭锐锋;;小型微型计算机系统;20200515(05);85-90 *

Also Published As

Publication number Publication date
CN117574691A (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN112416531B (zh) 数字孪生系统仿真方法、系统、计算机设备及存储介质
CN102779223A (zh) 短期电力负荷预测的方法及装置
WO2021227468A1 (zh) 核电厂关键设备的状态预演方法、系统、设备及存储介质
CN111680841B (zh) 基于主成分分析的短期负荷预测方法、系统及终端设备
CN113222403B (zh) 基于大数据的电力调节方法、装置、存储介质及电子设备
CN112288163A (zh) 目标对象的目标因子预测方法及相关设备
CN106796672A (zh) 利用自适应自动化控制软件预测及优化能量存储寿命周期性能
CN112036483A (zh) 基于AutoML的对象预测分类方法、装置、计算机设备及存储介质
Zhao et al. Simulation of steel production logistics system based on multi-agents
CN111738529A (zh) 基于强化学习的综合能源系统需求响应方法、系统及设备
CN113821903B (zh) 温度控制方法和设备、模块化数据中心及存储介质
CN112990583B (zh) 一种数据预测模型的入模特征确定方法及设备
CN117574691B (zh) 虚拟实体数据系统构建方法及相关设备
CN117709617A (zh) 一种基于mes的生产车间智能排程系统
Thoben et al. Information and data provision of operational data for the improvement of product development
CN116307498A (zh) 施工任务智能调度方法、装置、存储介质和处理器
Feng et al. Robust identical parallel machine scheduling with two-stage time-of-use tariff and not-all-machine option
CN112329943A (zh) 组合指标的甄选方法、装置、计算机设备及介质
CN113608434A (zh) 一种综合能源系统异质能流联动优化平台
CN109947728A (zh) 一种日志文件的处理方法及装置
CN116308303B (zh) 基于设备数据的检修计划生成方法、装置、设备和介质
Elitok Digital transformation toward industry 4.0: a case studyin Turkey
CN102546228A (zh) 一种电信用户细分方法
Fok et al. Very short term load forecasting for Macau power system
Lan et al. Ensemble Machine Learning and Knowledge-Based Genetic Algorithm for Energy-Efficient Scheduling and an Empirical Study

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