CN117836727A - 用于在IoT环境中执行闭环模拟的系统和方法 - Google Patents
用于在IoT环境中执行闭环模拟的系统和方法 Download PDFInfo
- Publication number
- CN117836727A CN117836727A CN202280057750.5A CN202280057750A CN117836727A CN 117836727 A CN117836727 A CN 117836727A CN 202280057750 A CN202280057750 A CN 202280057750A CN 117836727 A CN117836727 A CN 117836727A
- Authority
- CN
- China
- Prior art keywords
- simulation
- asset
- plant
- user device
- production process
- 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
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 315
- 238000000034 method Methods 0.000 title claims description 75
- 238000004519 manufacturing process Methods 0.000 claims abstract description 96
- 230000008569 process Effects 0.000 claims description 45
- 238000013461 design Methods 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000012800 visualization Methods 0.000 claims description 13
- 238000009877 rendering Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 26
- 238000012423 maintenance Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000011960 computer-aided design Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002351 wastewater Substances 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
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32342—Real time simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种IoT环境(100)包括:至少一个源,被配置为提供与至少一个工厂(106A‑M)的至少一个资产相关联的IoT数据;至少一个用户设备(114);以及云计算系统(102),其通信地耦合到至少一个源和至少一个用户设备(114)。云计算系统(102)基于从源接收的IoT数据配置对应于与工厂(106A‑M)相关联的资产和生产过程中至少一个的数字孪生。此外,在从用户设备(114)接收到访问数字孪生的请求时,基于所配置的数字孪生生成至少一个数据包。至少一个数据包被传输到用户设备(114),用于使用户设备(114)能够基于数据包执行一个或多个模拟。
Description
技术领域
本发明涉及物联网(IoT)领域,并且更具体地说,涉及一种用于在IoT环境中执行闭环模拟的方法和系统。
背景技术
工程师通常使用从现场资产收集的各种数据来设计或工程化具有最佳和/或改进性能的另外资产。将不同的操作环境和限制因素考虑在内有助于工程师验证他们的资产设计,从而使所得的资产对于特定的操作领域更加可靠和安全。一般来说,关于资产的应用和使用环境的信息有助于避免在设计阶段期间对资产进行过度工程化。此外,使用真实世界的IoT数据虚拟测试资产消除或减少了对资产的多个物理原型的需求。因此,与资产相关联的上市时间和总体成本也得以最小化。
在现有技术中,由于连接性和数据存储的复杂性,从广泛分布的资产中收集数据、处理数据和/或使用数据来设计或验证另外资产或操作是不可能的。此外,当数百或数千个这样的资产连接时,数据的缩放也很复杂。
鉴于以上所述,存在以下需要:提供一种机制来使能实现实时闭环模拟,以便例如验证用于IoT环境的资产设计和/或操作。
发明内容
根据本发明的实施例,这里公开了一种用于使能实现闭环模拟的IoT环境。该IoT环境包括被配置成提供与至少一个工厂的至少一个资产相关联的IoT数据的至少一个源、至少一个用户设备以及通信地耦合到该至少一个源和该至少一个用户设备的云计算系统(102)。云计算系统被配置为从至少一个源实时接收与至少一个工厂的至少一个资产相关联的IoT数据。云计算系统还适于基于接收到的IoT数据来配置对应于与工厂相关联的资产和生产过程中至少一个的数字孪生。
云计算系统还被配置成在从用户设备接收到访问数字孪生的请求时基于所配置的数字孪生生成至少一个数据包。在实施例中,云计算系统(102)在从用户设备接收到访问数字孪生的请求时,通过以下操作基于所配置的数字孪生生成至少一个数据包:确定从用户设备接收到的请求的类型;基于请求的类型,供应要提供给用户设备的数字孪生数据;以及基于所供应的数字孪生数据生成数据包。云计算系统还被配置成向用户设备传输至少一个数据包,用于使用户设备能够基于数据包执行一个或多个模拟。
在本发明的一个实施例中,在用户设备上执行的一个或多个模拟与确定适用于工厂的新资产的行为相关联。在实施例中,用户设备被配置为通过首先基于数据包配置新资产的资产模拟模型来执行与确定新资产的行为相关联的一个或多个模拟。资产模拟模型是对应于工厂的至少一个资产的模拟模型。用户设备还基于配置的资产模拟模型生成一个或多个资产模拟实例。此外,在用户设备上提供的模拟环境中执行一个或多个资产模拟实例,以生成一个或多个模拟结果。基于一个或多个模拟结果,在用户设备上提供指示新资产的行为的输出。在另外实施例中,用户设备被配置成基于对一个或多个模拟结果的分析来计算最佳设计参数,并在用户设备上生成指示新资产的最佳设计参数的通知。
在本发明的另一个实施例中,在用户设备上执行的一个或多个模拟与呈现与工厂相关联的生产过程的可视化相关联。在实施例中,用户设备被配置成通过基于数据包配置过程模拟模型,来执行与呈现与工厂相关联的生产过程的可视化相关联的一个或多个模拟。过程模拟模型是对应于工厂的生产过程的模拟模型。用户设备还被配置为基于所配置的过程模拟模型生成一个或多个过程模拟实例。用户设备还在模拟环境中执行一个或多个过程模拟实例,以生成一个或多个模拟结果。此外,基于一个或多个模拟结果,在用户设备上实时呈现生产过程的可视化。在另外实施例中,用户设备还被配置成通过分析一个或多个模拟结果来确定与生产过程相关联的一个或多个瓶颈。
用户设备还可以被配置成基于预定逻辑生成一个或多个建议以克服所确定的一个或多个瓶颈。在优选实施例中,用户设备还被配置为验证在生产过程中实现一个或多个建议的结果,并且如果将一个或多个建议应用于生产过程的结果被验证,则在用户设备114上生成指示一个或多个建议的通知。
在实施例中,用户设备通过首先基于一个或多个建议配置过程模拟模型来验证在生产过程内实现一个或多个建议的结果。用户设备还基于配置的过程模拟模型生成一个或多个过程模拟实例。此外,在用户设备上的模拟环境中执行一个或多个过程模拟实例,以生成一个或多个进一步的模拟结果。用户设备进一步分析一个或多个进一步的模拟结果,以确定通过在生产过程中实现一个或多个建议是否克服了生产过程中的一个或多个瓶颈。如果克服了一个或多个瓶颈,则验证一个或多个建议。
在实施例中,用户设备还被配置为将一个或多个模拟的结果摄取到云计算系统。云计算系统还被配置为分析从用户设备接收的一个或多个模拟的结果,以确定对应于工厂的至少一个洞察,并在用户接口上提供指示至少一个洞察的通知。
本文还公开了一种用于在IoT环境中执行闭环模拟的云实现方法。该方法包括由云计算系统从通信地耦合到云计算系统的至少一个源实时接收与至少一个工厂的至少一个资产相关联的IoT数据。该方法还包括基于接收到的IoT数据来配置对应于与工厂相关联的资产和生产过程中至少一个的数字孪生。该方法还包括在从通信地耦合到云计算系统的用户设备接收到访问数字孪生的请求时,基于所配置的数字孪生生成至少一个数据包。该方法还包括向用户设备传输至少一个数据包,以使用户设备能够基于数据包执行一个或多个模拟。
在实施例中,该方法还包括分析从用户设备接收的一个或多个模拟的结果,以确定对应于工厂的至少一个洞察,并在用户接口上提供指示至少一个洞察的通知。
通过下面结合对应附图对本发明实施例的描述,本发明的上述属性、特征和优点以及实现它们的方式将变得更加明显和易于理解(清楚)。所示实施例旨在说明而非限制本发明。
附图说明
下文参照附图中所示的说明实施例进一步描述本发明,其中:
图1是根据本发明实施例的IoT环境100的示意表示;
图2示出了根据本发明一个实施例的用户设备的示意表示;
图3示出了根据本发明一个实施例的闭环模拟模块的框图;
图4示出了根据本发明实施例的数字孪生管理模块的框图;
图5示出了根据本发明实施例的用于在IoT环境中执行闭环模拟的方法的流程图;
图6示出了根据本发明实施例的用于执行与确定新资产的行为相关联的模拟的示例性方法的流程图;
图7示出了根据本发明实施例的用于执行与呈现生产过程的可视化相关联的模拟的示例性方法的流程图;和
图8示出了根据本发明实施例的用于验证生产过程内实现一个或多个建议的结果的示例性方法的流程图。
具体实施方式
在下文中,详细描述用于实施本发明的实施例。参考附图描述了各种实施例,其中相同的附图标记始终用于指代相同的元件。在以下描述中,出于解释的目的,阐述了许多具体细节,以便提供对一个或多个实施例的透彻理解。清楚的是,在没有这些具体细节的情况下可以实践这些实施例。
图1示出了根据本发明实施例的IoT环境100的示意表示。特别地,IoT环境100包括云计算系统102,其能够提供云服务来管理与云计算系统102的一个或多个租户相关联的技术设施/工厂106A-M。在本示例中,工厂106A包括资产108A-N,工厂106B包括资产110A-N,并且工厂106M包括资产112A-N。资产108A-N、110A-N和112A-N中的每一个执行一个或多个生产过程。云计算系统102通过网络104连接到工厂106A-M中的资产108A-N、资产110A-N、资产112A-N。网络104可以包括例如互联网、蜂窝网络、卫星网络、Wi-Fi、蓝牙、RFID、NFC、LPWAN和以太网或其组合。云计算系统102还通信地耦合到一个或多个用户设备114,以下统称为用户设备114。用户设备114可以与云计算系统102的租户或转租人相关联。
为了便于解释,资产108A-N、110A-N和112A-N在下文中也可以被称为资产108或至少一个资产108,并且工厂106A-M在下文中可以被称为工厂106或至少一个工厂106。至少一个资产108的非限制性示例包括任何机器或装备,例如服务器、机器人、开关、电机、阀门、泵、致动器、传感器、齿轮、齿轮传动装置、轴承、轴、开关装置、转子、断路器、保护设备、远程终端单元、变压器、电抗器、断开器、梯度线圈、磁体、射频线圈、自动化设备(例如可编程逻辑控制(PLC)系统)、基于计算机化数字控制的系统(例如Sinumerik)、涡轮机、大型驱动器、医疗装备等。资产108可以是具有多个资产的复杂工厂106的一部分,例如发电厂、风电场、电网、制造设施、加工厂等。根据本发明,云服务可以包括:生成和配置至少一个资产108或至少一个工厂106的数字孪生,使得能够在用户设备114上模拟至少一个资产108、至少一个工厂106或相关生产过程;分析用户设备114生成的模拟结果;可视化分析的模拟结果等。
数字孪生是产品(即资产)或过程的虚拟表示,它实时反映产品或过程的状态。在一种实现中,可以基于计算机辅助设计(CAD)模型、计算机辅助工程(CAE)模型、一维(ID)模型、二维(2D)模型、三维(3D)模型、有限元(FE)模型、描述性模型、元模型、随机模型、参数模型、降阶模型、统计模型、启发式模型、预测模型、老化模型、机器学习模型、人工智能模型、深度学习模型、系统模型、知识图等中的一个或多个来生成产品或过程的数字孪生。
云服务可以使能实现对资产108或工厂106A-M的设计、工程化、制造、调试、控制和/或维护,如下面参考图2至图8所解释的。
云计算系统102包括云接口116、云硬件和操作系统(OS)118、云计算平台120、数字孪生管理模块122和数据库124。云接口116使能实现云计算平台120和工厂106A-M之间的通信。此外,云接口116使能实现云计算平台120和用户设备114之间的通信。
云硬件和OS118可以包括一个或多个服务器,操作系统安装在该服务器上,并且一个或多个服务器包括一个或多个处理器、用于存储数据的一个或多个存储设备以及提供云计算功能所需的其他外围设备。云计算平台120是这样的平台:其通过应用编程接口和算法在云硬件和OS118上实现诸如数据存储、数据分析、数据可视化、数据通信的功能,并将上述云服务交付给一个或多个租户。云计算平台120可以包括构建在云硬件和OS118之上的专用硬件和软件的组合。
数字孪生管理模块122以机器可读指令的形式存储并可由云计算平台120执行。数字孪生管理模块122被配置成在至少一个资产108和/或至少一个工厂106的整个生命周期中管理至少一个资产108和/或至少一个工厂106的数字孪生。数字孪生管理模块122在被执行时使得云计算系统102执行诸如以下各项的功能:生成和配置数字孪生、经由相应用户设备114基于需求向授权租户提供对数字孪生的安全访问、分析和可视化由用户设备114生成的一个或多个模拟结果。
用户设备114可以是台式计算机、膝上型计算机、平板电脑、智能手机等。一个或多个用户设备114中的每一个被配置成基于从云计算系统102接收的数字孪生数据执行一个或多个模拟,生成一个或多个模拟结果,分析一个或多个模拟结果,并基于对一个或多个模拟结果的分析生成一个或多个输出。数字孪生数据包括与实时IoT数据、控制参数、历史数据、元数据(例如由至少一个资产108的制造商或至少一个工厂106的工程师提供的规范)以及资产或过程建模参数等相关联的值。用户设备114还被配置成将一个或多个模拟结果摄取到云计算系统102中用于存储和进一步分析。
有利地,本发明使得租户能够以安全的方式使用云计算系统102在资产108或工厂106的生命周期期间的任何时间,生成和无缝访问与至少一个资产108或至少一个工厂106相关联的数字孪生。租户可以在用户设备114上本地使用数字孪生无缝地模拟资产108或工厂106的行为。有利的是,租户可以更早地识别和解决可能实时发生的问题。这可以导致缩短从设计到上市的时间和工厂停工时间,降低维护成本,并提高产量。
图2示出了根据本发明一个实施例的用户设备114的示意表示。用户设备114包括一个或多个处理器202、存储器单元204、存储单元206、通信接口208、云适配器210。
一个或多个处理器202能够执行存储在诸如存储器单元204的计算机可读存储介质上的机器可读指令,用于基于从云计算系统102接收的数字孪生数据在本地实时执行闭环模拟。这里,术语闭环模拟可以定义为基于从至少一个源(未示出)获得的实时IoT数据的模拟。该至少一个源可以包括但不限于感测单元、控制器、边缘设备、工作站,其被配置为向云计算系统102提供与关联于至少一个工厂106的至少一个资产108相关联的IoT数据。这里使用的术语IoT数据可以包括但不限于与至少一个资产108相关联的传感器数据、操作状态、控制器设置参数、负载、输入和输出。
存储器单元204包括闭环模拟模块126,其以机器可读指令的形式存储并可由处理器202执行。闭环模拟模块126被配置成在工厂106和/或资产180的整个生命周期(即从设计阶段到寿命结束)中的任何时间,在用户设备114上本地模拟工厂106的至少一部分或相关生产过程,并向相应租户提供性能相关的洞察。
可以理解的是,产品的设计过程固有地涉及用虚拟模型构建设计实验,该设计实验模拟虚拟模型在大范围的负载集和模型参数下的响应。这些设计实验集帮助设计工程师快得多地达到最佳设计。在一个示例性实现中,闭环模拟模块126使用云计算系统102提供的模拟参数值的不同集合来执行一系列模拟运行。更具体地,闭环模拟模块126将来自云计算系统102的数字孪生数据馈送给模拟工具以运行模拟。当模拟完成时,基于一个或多个模拟结果识别最适合的配置。因此,选择导致最理想产品操作的参数值集合进行最佳设计。这有助于设计具有最好可能参数的产品,从而提供最佳和高效的设计。
闭环模拟模块126在被执行时执行以下功能,例如但不限于生成模拟模型、使用模拟模型和数字孪生创建模拟实例、使用模拟实例模拟至少一个资产108、工厂106的至少一部分或相关生产过程的生命周期的各个阶段、以及实时执行闭环模拟以生成模拟结果。这里使用的术语“模拟实例”是指在与模拟模型相关联的实例或线程中执行的模拟,其独立于执行中的所有其他实例或线程。
存储单元206可以是易失性或非易失性存储装置。在优选实施例中,存储单元206存储模拟模型、模拟实例、与至少一个资产108、工厂106的至少一部分和/或相关生产过程相关联的默认模拟参数值以及模拟结果。通信接口208充当用户设备114的不同组件之间的互连构件。通信接口208可以使能实现处理器202、存储器单元204和存储单元206之间的通信。
云适配器210被配置成建立和维护与云计算系统102的通信链路。用户设备114还可以包括输入单元(例如键盘、鼠标、触摸屏显示器)和输出单元(例如图形用户接口),该输出单元使得用户设备114的用户(即租户或转租人)能够实时地在用户设备114上本地执行闭环模拟。例如,租户可以是工厂106的至少一部分或相关生产过程的原始装备制造商,而转租人可以是工厂106的至少一部分或相关生产过程的用户。
本领域普通技术人员将理解,图2中描绘的硬件可以针对特定实现而变化。例如,除了所描绘的硬件之外或代替所描绘的硬件,可以使用其他外围设备(例如光盘驱动器等)、局域网(LAN)/广域网(WAN)/无线(例如Wi-Fi)适配器、图形适配器、磁盘控制器、输入/输出(I/O)适配器。所描绘的示例仅出于解释的目的而提供,并且不意味着暗示对本公开的架构限制。
图3示出了根据本发明一个实施例的闭环模拟模块126的框图。特别地,闭环模拟模块126包括模拟模型生成模块302、模拟实例创建模块304、模拟实例执行模块306和模拟结果生成模块308。
模拟模型生成模块302被配置为生成工厂106的至少一部分、工厂106中的至少一个资产108(例如资产108A)和/或工厂106中的至少一个相关生产过程的一个或多个模拟模型。可以针对不同的模拟参数值配置一个或多个模拟模型。一个或多个模拟模型中的每一个能够在模拟环境中模拟工厂106、工厂106中的至少一个资产108和/或工厂106中的至少一个生产过程的行为。一个或多个模拟模型可以包括但不限于计算机辅助设计(CAD)模型、计算机辅助工程(CAE)模型、一维(ID)模型、二维(2D)模型、三维(3D)模型、FE模型、描述性模型、元模型、随机模型、参数模型、降阶模型、统计模型、启发式模型、预测模型、老化模型、机器学习模型、人工智能模型、深度学习模型、系统模型和知识图。
在一个实施例中,模拟模型生成模块302被配置为使用存储在存储单元中的至少一个相似模拟模型来生成一个或多个模拟模型。在示例中,可以基于要为其生成一个或多个模拟模型的资产类型来识别相似的模拟模型。在另一个实施例中,模拟模型生成模块302被配置成使用应用编程接口(API)使用从诸如计算机辅助设计工具、有限元分析工具和计算流体动力学工具的其他工具导入的模拟数据来生成一个或多个模拟模型。
模拟实例创建模块304被配置为使用一个或多个模拟模型来创建与工厂106的至少一部分、工厂106中的至少一个资产108和/或工厂106中的至少一个生产过程相关联的一个或多个模拟实例。每个模拟实例可以与不同的配置相关联,其中每个配置可以对应于模拟参数值的不同集合。必须理解,可以为串行执行、并行执行等生成一个或多个模拟实例。
模拟实例执行模块306被配置为在由用户设备114上的模拟工具提供的模拟环境内执行工厂106的至少一部分、工厂106中的至少一个资产108和/或工厂106中的至少一个生产过程的一个或多个模拟实例。模拟工具是基于客户端或基于web的应用,其提供集成开发环境(IDE)以使得能够在用户设备114上执行模拟。
一个或多个模拟实例可以在模拟环境中以随机模拟、确定性模拟、动态模拟、连续模拟、离散事件模拟、本地模拟、分布式模拟等形式执行。在一个实施例中,模拟基于有限元分析(FEA)。模拟实例的执行导致以本地和安全的方式实时模拟工厂106的至少一部分、工厂106中的至少一个资产108和/或工厂106中的至少一个生产过程的行为。
模拟结果生成模块308被配置成在模拟实例的执行结束时生成一个或多个模拟结果。一个或多个模拟结果可以指示工厂106的至少一部分、工厂106中的至少一个资产108和/或工厂106中的至少一个生产过程的行为。
在实施例中,一个或多个模拟结果被进一步摄取/传输到云计算系统102,用于分析一个或多个模拟结果,以确定与工厂106的至少一部分、工厂106中的至少一个资产108和/或工厂106中的至少一个生产过程相关联的至少一个性能属性。除了将数字孪生数据馈送到模拟模型之外,闭环模拟模块126提供到云计算系统102的无缝连接性,从云计算系统102提取合适的数字孪生数据并将合适的数字孪生数据应用到模拟模型。
可选地,闭环模拟模块126还可以包括模拟结果分析模块310,其被配置为分析一个或多个模拟结果。换句话说,模拟结果分析模块可以被配置成分析工厂106的至少一部分和/或相关生产过程在工厂106的整个生命周期中的任何时间的行为,并将所分析的行为与工厂106的特定生命周期阶段期间的预期行为进行比较。
在实施例中,模拟结果分析模块310还被配置成基于一个或多个模拟结果的分析结果,在工厂106的整个生命周期中的任何时间检测与至少一个资产108、工厂106的至少一部分或相关生产过程的行为相关联的异常。这里,术语“异常”可能包括但不限于生产过程中与设计相关的缺陷和瓶颈。模拟结果分析模块310可以被配置为生成一个或多个建议以防止异常发生。这些建议可以包括与预防性维护、设计参数变更、特定工程参数变更、特定调试参数变更、特定操作参数变更等相关的动作。
在实施例中,闭环模拟模块126可以包括通知模块312,通知模块312被配置用于在工厂106的整个生命周期中的任何时间生成与工厂106的至少一部分或相关生产过程的模拟相关联的输出,包括但不限于一个或多个模拟结果、从一个或多个模拟结果确定的异常、解决异常的建议等。
有利地,闭环模拟模块126可以使用数字孪生数据在工厂106或至少一个资产108的整个生命周期中的任何时间,在实际执行动作(例如,设计、工程化、调试、操作、维护等)之前,模拟工厂106的至少一部分或相关生产过程。此外,若干参与者(例如,设计者、原始装备制造商、系统集成商、工厂操作员、现场工程师等)可以安全地访问云计算系统102上的数字孪生,并基于数字孪生以安全的方式在用户设备114上本地执行闭环模拟。
图4示出了根据本发明实施例的数字孪生管理模块122的框图。在本实施例中,数字孪生管理模块122还包括IoT数据处理模块402、数字孪生配置模块404、数据打包模块406、分析模块408和可视化模块410。IoT数据处理模块402被配置为从至少一个源实时接收与关联于至少一个工厂106的至少一个资产108相关联的IoT数据。IoT数据处理模块402还可以将来自至少一个源的原始格式的IoT数据预处理成适于数字孪生配置模块404进一步处理的格式。数字孪生配置模块404还基于接收到的IoT数据配置与资产108、工厂106和关联于工厂106的生产过程中的至少一个相对应的数字孪生。
数据打包模块406被配置成在从用户设备114接收到访问数字孪生的请求时基于所配置的数字孪生生成至少一个数据包。数据打包模块406还被配置为向用户设备114传输至少一个数据包,以使用户设备114能够基于数据包执行一个或多个模拟。用户设备114还基于数据包执行模拟以生成一个或多个模拟结果。分析模块被配置为分析由用户设备114生成的一个或多个模拟结果,以生成与工厂106相关联的至少一个洞察。可视化模块410被配置成在用户接口上生成指示至少一个洞察的视觉表示。用户接口可以与例如用户设备114相关联。
用户设备114被配置为访问云计算系统102,并使用基于从云计算系统102实时接收的数据包配置的模拟模型在本地执行闭环模拟,以生成如前面参考图2和图3提到的模拟结果。这里,术语“访问”可以指能够接收与至少一个资产108、工厂106的至少一部分或生产过程的数字孪生相对应的数据包,并传输模拟结果。更具体地说,资产模拟模型用于模拟资产108和/或工厂106的行为,并且过程模拟模型用于模拟工厂106中的一个或多个生产过程。可以在资产108、工厂106或生产过程的设计阶段、工程化阶段、制造阶段、调试阶段、操作阶段和维护阶段中的一个或多个阶段期间执行模拟。
图5示出了根据本发明实施例的用于在IoT环境100中执行闭环模拟的方法500的流程图。下面参照图1至图4详细解释方法500。
在步骤502,来自至少一个源的与至少一个工厂106的至少一个资产108相关联的IoT数据是实时的。IoT数据被进一步预处理以将从至少一个资产108接收的IoT数据转换成更适合进一步处理的格式。例如,预处理可以涉及从特定协议格式到标准格式的数据转换。IoT数据可以通过以下步骤进行预处理,例如但不限于数据清理、数据质量评估、数据变换、数据简化等。
在步骤504,基于接收到的IoT数据来配置与资产108和关联于工厂106的生产过程中的至少一个相对应的数字孪生。本领域技术人员必须理解,工厂106的至少一部分或相关生产过程的历史数据(例如操作数据、性能数据、维护数据等)可与实时IoT数据一起用于配置工厂106的至少一部分或相关生产过程的数字孪生。这里,配置数字孪生可以用于指第一次生成数字孪生或者用实时IoT数据更新现有数字孪生之一。
在实施例中,数字孪生管理模块122使用云计算系统102的数据库124中可用的类似数字孪生来配置或生成至少一个资产108、工厂106的至少一部分或相关生产过程的数字孪生。在替代实施例中,数字孪生可以在至少一个资产108的生命周期期间生成一次,并基于从至少一个源接收的IoT数据实时更新。
在另外的实施例中,至少一个资产108、工厂106的至少一部分或相关生产过程的数字孪生可以基于验证规则集被进一步验证。在成功验证工厂106的至少一部分或相关生产过程的数字孪生后,可以为数字孪生生成唯一签名。唯一签名可以包括验证时间戳、数字孪生的唯一标识符以及工厂106的至少一部分或相关生产过程的唯一标识符。
在步骤506,当从用户设备114接收到访问数字孪生的请求时,云计算系统102基于所配置的数字孪生生成至少一个数据包。在示例中,数字孪生管理模块122可以提供可经由用户设备114访问的集成开发环境(IDE),以使得设计者(例如,工程顾问、原始装备制造商、工厂操作员等)能够生成工厂106的至少一部分或相关生产过程的数字孪生。在示例中,设计者可以选择IDE中提供的称为“导入数字孪生”的选项。此外,设计者还可以选择必须导入数字孪生的一个或多个资产。
在选择后,用户设备114生成访问数字孪生的请求。该请求包括例如与数字孪生相关联的唯一标识符、旨在要基于数字孪生执行的模拟类型以及模拟所需的数据类型。例如,模拟类型可以是随机模拟、确定性模拟、动态模拟、连续模拟、离散系统模拟、本地模拟、分布式模拟等中的一种。模拟所需的数据类型可以包括例如设计数据、材料属性、维护数据、工程数据、操作数据、控制参数、历史数据、IoT数据等、或它们的组合,这取决于用于模拟的模拟类型。
有利地,云计算系统102向用户设备114提供对存储在数据库124中的各种数字孪生的访问。在优选实施例中,云计算系统102可以在提供对数字孪生的访问之前认证租户,以防止对至少一个资产108、工厂106的至少一部分或生产过程的数字孪生的未授权访问。可以使用认证机制来认证租户,包括但不限于基于密码的认证、多因素认证、基于令牌的认证、基于证书的认证等。
云计算系统102基于旨在要基于数字孪生执行的模拟类型和模拟所需的数据类型来确定请求的类型。基于工厂106的至少一部分或相关生产过程的唯一标识符,从数据库124中进一步检索数字孪生。基于请求的类型,供应要提供给用户设备114的数字孪生数据。具体而言,数字孪生数据的供应包括实时地从与数字孪生的实例或状态相关联的数据点中选择数字孪生数据。此外,基于所供应的数字孪生数据生成数据包。例如,如果资产108是电机,则数据包可以包括历史数据、制造商的规范、实时参数值,例如在特定时刻(例如2022年5月26日下午12:30:20)由一个或多个传感器测量的与电机相关联的电压、电流、速度、磁通量等。
可以理解,可以为云计算系统102的一个或多个租户供应工厂106的至少一部分或相关生产过程的数字孪生数据。因此,一个或多个租户可以经由相应的用户设备114访问数字孪生数据。一个或多个租户还可以将对工厂106的至少一部分或相关生产过程的数字孪生的访问权分配给一个或多个转租人。
在另一个实施例中,数字孪生管理模块122使用工厂106的至少一部分或相关生产过程的几何模型来生成工厂106的至少一部分或相关生产过程的数字孪生。在又一实施例中,数字孪生管理模块122被配置成基于工厂106的至少一部分或相关生产过程的生命周期阶段(例如,设计、工程化、制造、调试、操作、维护等)来生成工厂106的至少一部分或相关生产过程的数字孪生。
在步骤508,云计算系统102将至少一个数据包传输到用户设备114,以使用户设备114能够基于数据包执行一个或多个模拟。与用户设备114相关联的闭环模拟模块126基于数据包执行一个或多个模拟以生成一个或多个模拟结果。数据包使得用户设备114上的模拟工具能够读取模拟参数值并将其应用于模拟模型。通过这样做,模拟模型可以虚拟地模仿车间生产条件。在示例性实施例中,闭环模拟模块126连接云计算系统102上的产品数据管理应用,以及使用标准协议(如FMI 2.0)构建的模拟模型,用于将现实世界资产连接到模拟工具。
在示例性实施例中,在用户设备114上执行的一个或多个模拟与确定适用于工厂106的新资产的行为相关联,如参考图6所解释的。
在另一示例性实施例中,在用户设备114上执行的一个或多个模拟与关联于工厂106的生产过程相关联,如参考图7和图8所解释的。
在另外的实施例中,用户设备114可以进一步将从模拟生成的一个或多个模拟结果摄取到云计算系统102。用户设备114可以打包一个或多个模拟结果,并通过网络104将打包的模拟结果传输到云计算系统102。云计算系统102可以进一步分析一个或多个模拟结果,以确定与工厂106相关联的一个或多个洞察。在示例中,洞察可以包括与工厂106的至少一部分相关联的属性。例如,对应于多个资产和/或生产过程的模拟可以分布在多个用户设备中。由多个用户设备生成的模拟结果可以由云计算系统102共同分析,以预测与工厂106的至少一部分的行为相关联的一个或多个属性。属性的非限制性示例可以包括对制造吞吐量、生产效率、反应速率、废水流量、能量损失、电力负荷、资源利用率以及一个或多个资产的剩余使用寿命等的预测。
在分析期间,分析至少一个资产108、工厂106的至少一部分和/或相关生产过程在工厂106的整个生命周期中的任何时间的行为,并将所分析的行为与工厂106的特定生命周期阶段期间的预期行为进行比较。可以使用一种或多种已知的分析技术来分析模拟结果,例如描述技术、探索技术、推断技术、预测技术、因果技术、定性分析技术、定量分析技术等。
在另外的实施例中,云计算系统102在用户接口上生成指示至少一个洞察的通知。该通知还可以包括与改善属性所需的建议、工厂106所需的维护动作以及维护动作的调度相关联的信息。在示例中,用户接口与租户或转租人的用户设备114相关联。在另一个示例中,用户设备114是工厂106内的工业监控系统。可以使用例如增强现实、虚拟现实、三维内容或二维内容来呈现通知。
图6示出了根据本发明实施例的用于在用户设备114上执行与确定适用于工厂106的新资产(类似于至少一个资产108)的行为相关联的模拟的示例性方法600的流程图。
在本实施例中,基于资产模拟模型执行模拟。资产模拟模型是新资产的模拟模型。新资产的资产模拟模型可以例如在用户设备114的存储单元中容易获得。在另一示例中,用户设备114的终端用户可以使用与新资产相似的其他资产的一个或多个其他模拟模型来定义新资产的模拟模型。例如,如果新资产是额定420V的电机,则终端用户可以导入对应于类似额定的其他电机的模拟模型作为新资产的模拟模型。
在步骤602,模拟模型生成模块302基于数据包为新资产配置资产模拟模型。更具体地,资产模拟模型的配置包括基于从云计算系统102接收的数据包中获得的值修改与资产模拟模型相关联的模拟参数。在实施例中,可以通过与用户设备114相关联的输入构件向终端用户提供修改模拟参数的选项。
在步骤604,模拟实例创建模块304基于配置的资产模拟模型生成一个或多个资产模拟实例。这里,资产模拟实例是从配置的资产模拟模型生成的模拟实例。
在步骤606,模拟实例执行模块306在模拟环境中执行一个或多个资产模拟实例,以通过模拟结果生成模块308生成一个或多个模拟结果。
在步骤608,模拟结果分析模块进一步分析一个或多个模拟结果,以预测工厂106中对应于实时IoT数据的新资产的行为。例如,可以分析一个或多个模拟结果以确定与新资产相关联的属性,例如操作参数、操作响应、操作效率、潜在故障等。在本例中,实时负载对新电机的影响(例如操作参数的变化、故障等)可以基于对一个或多个模拟结果的分析来确定,以确定新资产设计中的异常。此外,在用户设备114上呈现指示新资产的预测行为的输出。输出可以是指示行为的可视化或通知。
在另外实施例中,可以基于对一个或多个模拟结果的分析来生成新资产的一个或多个最佳设计参数。在示例中,可以通过使用优化算法来生成一个或多个设计参数。优化算法可以基于新资产的期望行为来优化新资产的设计参数。此外,通过基于新参数重复模拟,还可以验证最佳设计参数以确定是否实现了期望的行为。例如,用户设备114可以通过提供通过模拟确定的与新资产一个或多个属性相关联的一系列值或特定值,使终端用户能够定义期望的行为。
在替代实施例中,资产模拟模型可以对应于工厂106中的现场资产,比如资产108。在这种情况下,可以执行模拟来确定现场资产的行为中的一个或多个异常。此外,可以通过用户设备114向终端用户指示一个或多个异常。
图7示出了根据本发明实施例的用于执行与在用户设备114上呈现生产过程的可视化相关联的模拟的示例性方法700的流程图。
在本实施例中,基于过程模拟模型来执行模拟。这里,过程模拟模型是在工厂106中执行的生产过程的模拟模型。过程模拟模型可以基于数据库124中可用的或从用户设备114上的其他模拟工具导入的用于类似生产过程的一个或多个其他过程模拟模型和/或资产模拟模型来生成。生产过程可以涉及批量过程,例如使用机械臂在传送带上组装汽车零件,或者涉及连续过程,例如石化炼油厂。
在步骤702,模拟模型生成模块302基于从云计算系统102接收的数据包配置过程模拟模型。如同资产模拟模型的情况一样,过程模拟模型的配置包括基于从数据包获得的值修改与过程模拟模型相关联的模拟参数。在实施例中,用户设备114可以被配置为向终端用户提供修改模拟参数的选项。
在步骤704,模拟实例创建模块304基于配置的过程模拟模型生成一个或多个过程模拟实例。这里,过程模拟实例是从配置的过程模拟模型生成的模拟实例。
在步骤706,模拟实例执行模块306在模拟环境中执行一个或多个过程模拟实例,以通过模拟结果生成模块308生成一个或多个模拟结果。
在步骤708,模拟结果分析模块310进一步分析一个或多个模拟结果,以确定呈现生产过程的可视化所需的一个或多个参数。例如,一个或多个模拟结果可以指示生产过程中的资产或过程之间的交互、交互的效果等。
通过分析一个或多个模拟结果获得的参数进一步用于生成或修改呈现生产过程的可视化所需的图形组件。例如,图形组件可以包括图表、生产过程流程的图形表示等。在示例性实施例中,呈现可以与重放生产过程相关联,以使终端用户能够手动识别一个或多个生产瓶颈。在另一示例性实施例中,模拟结果分析模块310分析一个或多个模拟结果,以确定一个或多个瓶颈。
一个或多个模拟结果被进一步摄取到云计算系统,用于确定与生产过程相关联的性能属性。性能属性可以包括生产率、生产效率、过程故障等。云计算系统102可基于对一个或多个模拟结果的分析进一步确定生产过程中的一个或多个瓶颈。基于该分析,可以识别生产过程中的一个或多个异常。例如,一个或多个异常可能包括过度的功耗、超出期望范围的操作参数、低吞吐量。异常可能是若干因素造成的结果,例如资产执行效率低于最佳效率、资源利用效率低下、障碍、失效或有缺陷的资产、原材料问题等。每个异常可能对应于生产过程中的瓶颈。例如,热交换器内冷却剂流速不足导致的热交换器高温可能导致热交换器效率降低。在另一个示例中,由于过载导致的一个或多个资产的过度功耗可能导致资产故障等等。
在另外的实施例中,可以基于预定逻辑生成克服一个或多个瓶颈的一个或多个建议。例如,可以从云计算系统102的数据库124中存在的查找表中获取推荐。查找表可以包括瓶颈和对应建议的列表。建议可以包括文本建议(例如“执行电机A的维护”)或对工厂106中的一个或多个资产的推荐配置设置。
在实施例中,在将建议提供给终端用户之前,可以验证在生产过程中实现一个或多个建议的结果,如下面参考图8所解释的。
图8示出了根据本发明实施例的用于验证在生产过程中实现一个或多个建议的结果的示例性方法800的流程图。
在步骤802,基于一个或多个建议配置过程模拟模型。例如,过程模拟的模拟参数根据生产过程中涉及的一个或多个资产的推荐配置进行修改。
在步骤804,基于配置的过程模拟模型生成一个或多个过程模拟实例。
在步骤806,在模拟环境中执行一个或多个过程模拟实例以生成一个或多个模拟结果。
在步骤808,一个或多个模拟结果确定生产过程中的一个或多个瓶颈是否通过在生产过程中实现一个或多个建议而被克服。如果克服了一个或多个瓶颈,即如果解决了对应于瓶颈的异常,则验证一个或多个建议,并且在用户设备114上生成指示一个或多个建议的通知,如步骤810所示。否则,如步骤812所示,可以识别替代配置设置。在示例中,替代配置设置可以由预定逻辑生成。在另一个示例中,替代配置设置可以由终端用户通过输入构件手动提供给用户设备114。此外,对于替代配置设置,重复步骤802至808。
在另一实现中,配置设置可以由专家用户手动提供给用户设备114。此外,类似于方法800中推荐配置的验证,也可以验证手动录入的配置设置。
有利的是,本发明基于来自云计算系统102的租户的需求,基于从广泛的资产中收集的实时IoT数据来促进无缝闭环模拟。此外,由于数字孪生数据是基于来自用户设备的请求类型来供应的,因此用户设备不会因过量的数据而负担过重。
虽然已经借助优选实施例详细说明和描述了本发明,但是本发明不限于所公开的示例。本领域技术人员可以在不脱离所要求保护的发明的范围的情况下推断出其他变型。
Claims (15)
1.一种用于使能实现闭环模拟的IoT环境(100),包括:
至少一个源,被配置为提供与至少一个工厂(106)的至少一个资产(108)相关联的IoT数据;
至少一个用户设备(114);以及
云计算系统(102),其通信地耦合到所述至少一个源和所述至少一个用户设备(114),其中所述云计算系统(102)被配置成:
从所述至少一个源实时接收与所述至少一个工厂(106)的所述至少一个资产(108)相关联的IoT数据;
基于接收到的IoT数据,配置对应于与所述工厂(106A-M)相关联的所述资产(108)和生产过程中至少一个的数字孪生;
在从所述用户设备(114)接收到访问所述数字孪生的请求时,基于所配置的数字孪生生成至少一个数据包;以及
向所述用户设备(114)传输所述至少一个数据包,用于使所述用户设备(114)能够基于所述数据包执行一个或多个模拟。
2.根据权利要求1所述的IoT环境(100),其中所述云计算系统(102)在从所述用户设备(114)接收到访问所述数字孪生的请求时,通过以下操作基于所配置的数字孪生生成所述至少一个数据包:
确定从所述用户设备(114)接收到的请求的类型;
基于请求的所述类型,供应要提供给所述用户设备(114)的数字孪生数据;以及
基于所供应的数字孪生数据生成所述数据包。
3.根据权利要求1所述的IoT环境(100),其中在所述用户设备(114)上执行的一个或多个模拟与确定适用于所述工厂(106A-M)的新资产的行为相关联。
4.根据权利要求1和3所述的IoT环境(100),其中所述用户设备(114)被配置为通过以下操作执行与确定所述新资产的行为相关联的一个或多个模拟:
基于所述数据包为新资产配置资产模拟模型,其中所述资产模拟模型是对应于所述工厂(106A-M)的所述至少一个资产的模拟模型;
基于所配置的资产模拟模型生成一个或多个资产模拟实例;以及
在模拟环境中执行所述一个或多个资产模拟实例,以生成一个或多个模拟结果;以及
基于所述一个或多个模拟结果,在所述用户设备(114)上提供指示所述新资产的行为的输出。
5.根据权利要求4所述的IoT环境(100),其中所述用户设备(114)还被配置为:
基于对所述一个或多个模拟结果的分析来计算最佳设计参数;以及
在所述用户设备(114)上生成指示所述新资产的最佳设计参数的通知。
6.根据权利要求1所述的IoT环境(100),其中在所述用户设备(114)上执行的一个或多个模拟与呈现与所述工厂(106A-M)相关联的所述生产过程的可视化相关联。
7.根据权利要求1和6所述的IoT环境(100),其中所述用户设备(114)被配置为通过以下操作执行与呈现与所述工厂(106A-M)相关联的所述生产过程的可视化相关联的一个或多个模拟:
基于所述数据包配置过程模拟模型,其中所述过程模拟模型是对应于所述工厂(106A-M)的所述生产过程的模拟模型;
基于所配置的过程模拟模型生成一个或多个过程模拟实例;
在模拟环境中执行所述一个或多个过程模拟实例以生成一个或多个模拟结果;以及
基于所述一个或多个模拟结果在所述用户设备(114)上实时呈现所述生产过程的可视化。
8.根据权利要求6和7中任一项所述的IoT环境(100),其中所述用户设备(114)还被配置为:
通过分析所述一个或多个模拟结果来确定与所述生产过程相关联的一个或多个瓶颈。
9.根据权利要求1和8所述的IoT环境(100),其中所述用户设备(114)还被配置为:
基于预定逻辑生成一个或多个建议以克服所确定的一个或多个瓶颈。
10.根据权利要求1和9所述的IoT环境(100),其中所述用户设备(114)还被配置为:
验证在所述生产过程中实现所述一个或多个建议的结果;以及
如果将所述一个或多个建议应用于所述生产过程的结果被验证,则在所述用户设备114上生成指示所述一个或多个建议的通知。
11.根据权利要求1和10所述的IoT环境(100),其中所述用户设备(114)通过以下操作验证在所述生产过程中实现所述一个或多个建议的结果:
基于所述一个或多个建议配置所述过程模拟模型;
基于所配置的过程模拟模型生成一个或多个过程模拟实例;
在所述模拟环境中执行所述一个或多个过程模拟实例以生成一个或多个进一步的模拟结果;
分析所述一个或多个进一步的模拟结果,以确定通过在所述生产过程中实现所述一个或多个建议是否克服了所述生产过程中的所述一个或多个瓶颈,其中如果克服了所述一个或多个瓶颈,则所述一个或多个建议被验证。
12.根据权利要求1至8中任一项所述的IoT环境(100),其中所述用户设备(114)还被配置为:
将所述一个或多个模拟的结果摄取到所述云计算系统(102)。
13.根据权利要求1和8中任一项所述的IoT环境(100),其中所述云计算系统(102)还被配置为:
分析从所述用户设备(114)接收的一个或多个模拟的结果,以确定对应于所述工厂(106)的至少一个洞察;以及
在用户接口上提供指示所述至少一个洞察的通知。
14.一种用于在IoT环境中执行闭环模拟的云实现的方法,所述方法包括:
由云计算系统(102)从通信地耦合到所述云计算系统(102)的至少一个源实时接收与至少一个工厂(106)的至少一个资产(108)相关联的IoT数据;
基于接收到的IoT数据配置对应于与所述工厂(106)相关联的所述资产(108)和生产过程中至少一个的数字孪生;
在从通信地耦合到所述云计算系统(120)的用户设备(114)接收到访问所述数字孪生的请求时,基于所配置的数字孪生生成至少一个数据包;以及
向所述用户设备(114)传输所述至少一个数据包,用于使所述用户设备(114)能够基于所述数据包执行一个或多个模拟。
15.根据权利要求14所述的方法,还包括:
分析从所述用户设备(114)接收的一个或多个模拟的结果,以确定与所述工厂(106)对应的至少一个洞察;以及
在用户接口上提供指示所述至少一个洞察的通知。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN202131028641 | 2021-06-25 | ||
IN202131028641 | 2021-06-25 | ||
PCT/EP2022/067306 WO2022269020A1 (en) | 2021-06-25 | 2022-06-24 | System and method for performing closed loop simulation in an iot environment |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117836727A true CN117836727A (zh) | 2024-04-05 |
Family
ID=82492551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280057750.5A Pending CN117836727A (zh) | 2021-06-25 | 2022-06-24 | 用于在IoT环境中执行闭环模拟的系统和方法 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4338017A1 (zh) |
CN (1) | CN117836727A (zh) |
WO (1) | WO2022269020A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020040772A1 (en) * | 2018-08-23 | 2020-02-27 | Siemens Aktiengesellschaft | Automatic setup of digital twins for industrial controllers |
EP3780551A1 (en) * | 2019-08-16 | 2021-02-17 | Siemens Aktiengesellschaft | Method and system for managing assets in a cloud computing environment |
EP3786740A1 (en) * | 2019-08-28 | 2021-03-03 | Siemens Aktiengesellschaft | System and method for managing digital twin of an asset |
US11087890B2 (en) * | 2019-12-19 | 2021-08-10 | Sap Se | Automatic onboarding of digital twins of physical assests in Internet-of-Things (IoT) systems |
-
2022
- 2022-06-24 CN CN202280057750.5A patent/CN117836727A/zh active Pending
- 2022-06-24 WO PCT/EP2022/067306 patent/WO2022269020A1/en active Application Filing
- 2022-06-24 EP EP22740781.4A patent/EP4338017A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022269020A1 (en) | 2022-12-29 |
EP4338017A1 (en) | 2024-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111562769B (zh) | 用于工业数字孪生的ai扩展和智能模型验证 | |
US11783725B2 (en) | Snapshot management architecture for process control operator training system lifecycle | |
Martinez et al. | Automatic generation of a simulation-based digital twin of an industrial process plant | |
EP2924562B1 (en) | Multiple controllers configuration management interface for system connectivity | |
Shao | Use case scenarios for digital twin implementation based on ISO 23247 | |
EP3037901A2 (en) | Cloud-based emulation and modeling for automation systems | |
Mourtzis et al. | Equipment design optimization based on digital twin under the framework of zero-defect manufacturing | |
US10521550B2 (en) | Planning and engineering method, software tool and simulation tool for an automation solution | |
CN113820993A (zh) | 生成工业控制编程的方法、系统和非暂态计算机可读介质 | |
EP3786740A1 (en) | System and method for managing digital twin of an asset | |
KR101328224B1 (ko) | 철강공정용 가상설비 시스템 및 그의 동작 방법 | |
EP4033390A1 (en) | System and method for fault prediction and management of an asset | |
Qin et al. | Constructing digital twin for smart manufacturing | |
WO2021052777A1 (en) | System, apparatus and method for predicting attributes of an asset | |
Pires et al. | Decision support based on digital twin simulation: A case study | |
CN117836727A (zh) | 用于在IoT环境中执行闭环模拟的系统和方法 | |
Niggemann et al. | On the applicability of model based software development to cyber physical production systems | |
Torres et al. | Cyber-physical production systems supported by intelligent devices (SmartBoxes) for industrial processes digitalization | |
Schilberg et al. | Virtual Production-The connection of the modules through the Virtual Production Intelligence | |
US11835941B2 (en) | Industrial automation smart object parent/child data collection propagation | |
EP4155903A1 (en) | Industrial automation project design telemetry | |
EP4332705A1 (en) | Industrial automation system topology with point to point representation paths | |
EP4325795A1 (en) | Background discovery agent orchestration | |
EP4141648A1 (en) | Method and system for generating automation domain objects using knowledge from another automation domain object | |
Toivo | The Digital Twin as a Part of the Manufacturing Execution System and Automation Integration |
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 |