CN219716141U - 智慧工厂的分布式运营系统 - Google Patents
智慧工厂的分布式运营系统 Download PDFInfo
- Publication number
- CN219716141U CN219716141U CN202320428019.0U CN202320428019U CN219716141U CN 219716141 U CN219716141 U CN 219716141U CN 202320428019 U CN202320428019 U CN 202320428019U CN 219716141 U CN219716141 U CN 219716141U
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- fault
- production line
- client
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 claims abstract description 92
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000006855 networking Effects 0.000 claims abstract description 31
- 238000012423 maintenance Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 16
- 238000007418 data mining Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000009776 industrial production Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Abstract
本实用新型提供一种智慧工厂的分布式运营系统。涉及智能工厂的运营架构技术,该方法包括:通过数字控制设备,获取智慧工厂内产线现场设备的设备数据;与数字控制设备连接的设备联网服务器,用于基于设备数据的数据来源和数据属性对设备数据进行数据处理,得到处理后设备数据;与设备联网服务器连接的数据库服务器,将处理后设备数据存储至本地数据库;与数据库服务器连接的Web服务器,用于响应来自客户端的数据访问请求,向数据库服务器请求获取本地数据库中的处理后设备数据;与Web服务器连接的客户端,向Web服务器发送数据访问请求,并接收Web服务器返回的处理后设备数据。可以解决现有技术中工业生产运维低效或负载不均衡的问题。
Description
技术领域
本实用新型涉及智能工厂的运营架构技术,尤其涉及一种智慧工厂的分布式运营系统。
背景技术
目前,随着全球工业互联网发展战略深入实施,工业领域催生出一批数字化、网络化、智能化的新模式、新业态。工业数字孪生日趋成为学术界和产业界的研究热点,并有望成为推动工业企业数字化转型的新动能。
但是,传统工业在生产运营管理的过程中,一般还停留在获取到生产过程数据后直接对数据进行展示的方式,数据层面上不够直观,工业生产运维低效。同时,在传统的工控物联网架构中运营架构简单导致负载不均衡,生产现场的数控机床、加工设备的制程参数与设备工作状态等能够反映现场状况的数据会上传至上位机中,在上位机中完成生产监测,通讯,数据的分析与共享等管理工作,上位机的工作任务繁重。
由此可见,现有技术中存在工业生产运维低效或负载不均衡的问题,难以满足当前工业领域中现代化智慧工厂运营的需求,无法助力工业企业进行数字化转型。
实用新型内容
本实用新型提供一种智慧工厂的分布式运营系统,可以解决现有技术中工业生产运维低效或负载不均衡的问题,实现工业高性能分布式运营和维护,满足当前工业领域中现代化智慧工厂运营的需求,助力工业企业进行数字化转型的技术效果。
一方面,本实用新型提供一种智慧工厂的分布式运营系统,上述分布式运营系统包括:
数字控制设备,用于获取智慧工厂内产线现场设备的设备数据,其中,上述设备数据包括:制程参数和设备工作状态;
设备联网服务器,与上述数字控制设备连接,用于从上述数字控制设备获取上述设备数据,并基于上述设备数据的数据来源和数据属性对上述设备数据进行数据处理,得到处理后设备数据;
数据库服务器,与上述设备联网服务器连接,用于将上述处理后设备数据存储至本地数据库;
Web服务器,与上述数据库服务器连接,用于响应来自客户端的数据访问请求,向上述数据库服务器请求获取上述本地数据库中的上述处理后设备数据,并将上述处理后设备数据作为响应结果返回至客户端;
客户端,与上述Web服务器连接,用于向上述Web服务器发送上述数据访问请求,并接收上述Web服务器返回的上述处理后设备数据,上述客户端的网页页面中设置有对上述产线现场设备进行仿真得到的数字孪生模型。
进一步地,上述客户端的网页页面设置并展示有:
设备信息管理组件,用于提供针对上述设备数据和故障处理知识库的管理功能,其中,上述管理功能包括如下至少之一:增加、删除、修改、查询。
进一步地,上述客户端的网页页面设置并展示有:
数字孪生模型,与上述设备信息管理组件连接,用于在检测到上述产线现场设备正常运行时显示上述处理后设备数据,或者在检测到上述产线现场设备出现故障时显示故障详情信息和故障处理信息。
进一步地,上述客户端的网页页面设置并展示有:
常态化运维组件,与上述数字孪生模型连接,用于基于上述数字孪生模型与上述产线现场设备之间的数字化映射关系,在上述产线现场设备正常运行时显示上述处理后设备数据,或远程控制上述设备联网服务器的人机交互界面。
进一步地,上述客户端的网页页面设置并展示有:
故障检测及处理组件,与上述数字孪生模型连接,用于在上述产线现场设备发生故障时,在故障检测阶段查询上述产线现场设备的运行状态;以及在故障处理阶段在上述数字孪生模型中标注故障位置并持续告警闪烁。
进一步地,上述分布式运营系统还包括:
预警设备,与上述客户端连接,用于在上述产线现场设备运行出现故障且符合目标故障级别时,输出上述故障详情信息和上述故障处理信息给目标对象。
进一步地,上述客户端的网页页面还设置并展示有:
数据挖掘服务组件,与上述数字孪生模型连接,用于采用设备故障统计图表展示上述产线现场设备的故障区域和故障设备型号,以及采用运行趋势统计图表展示上述产线现场设备的历史运行问题和预测运行趋势。
另一方面,本实用新型提供一种智慧工厂,上述智慧工厂中设置有任意一项上述的分布式运营系统。
本实用新型提供的智慧工厂的分布式运营系统,通过数字控制设备,获取智慧工厂内产线现场设备的设备数据;与数字控制设备连接的设备联网服务器,从数字控制设备获取设备数据,并基于设备数据的数据来源和数据属性对设备数据进行数据处理,得到处理后设备数据;与设备联网服务器连接的数据库服务器,将处理后设备数据存储至本地数据库;与数据库服务器连接的Web服务器,用于响应来自客户端的数据访问请求,向数据库服务器请求获取本地数据库中的处理后设备数据,并将处理后设备数据作为响应结果返回至客户端;与Web服务器连接的客户端,向Web服务器发送数据访问请求,并接收Web服务器返回的上述处理后设备数据,客户端的网页页面中设置有对产线现场设备进行仿真得到的数字孪生模型。
本实用新型方案,可以解决现有技术中工业生产运维低效或负载不均衡的问题,实现工业高性能分布式运营和维护,满足当前工业领域中现代化智慧工厂运营的需求,助力工业企业进行数字化转型的技术效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本实用新型的实施例,并与说明书一起用于解释本实用新型的原理。
图1为本实用新型实施例提供的一种智慧工厂的分布式运营系统的架构示意图;
图2为本实用新型实施例提供的一种可选的智慧工厂的分布式运营系统的架构示意图;
图3是本实用新型实施例所提供的一种可选的数据挖掘服务组件应用时的处理流程图。
通过上述附图,已示出本实用新型明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本实用新型构思的范围,而是通过参考特定实施例为本领域技术人员说明本实用新型的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本实用新型相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本实用新型的一些方面相一致的装置和方法的例子。
首先对本实用新型所涉及的名词进行解释:
数字孪生:是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。
串行通信协议Modbus协议,是使用可编程逻辑控制器(PLC)通信而发表的,已经成为工业领域通信协议的业界标准(De facto),并且现在是工业电子设备之间常用的连接方式。
3D Studio Max,常简称为3d Max或3ds MAX,是一种基于PC系统的3D建模渲染和制作软件。其前身是基于DOS操作系统的3D Studio系列软件。
Three.js,是一种运行在浏览器中的3D引擎,可以理解为是JavaScript编写的WebGL第三方库,提供了非常多的3D显示功能;可以用于创建各种三维场景,包括了摄影机、光影、材质等各种对象。
VNC(Virtual Network Console)是虚拟网络控制台的缩写。它是一款远程控制工具软件,是在基于UNIX和Linux操作系统的免费的开源软件。
WebSocket:是一种在单个TCP连接上进行全双工通信的协议。WebSocket使得客户端和服务器之间的数据交换变得更加简单,允许服务端主动向客户端推送数据。在WebSocket API中,浏览器和服务器只需要完成一次握手,两者之间就直接可以创建持久性的连接,并进行双向数据传输。
目前,在全球工业领域,构建智慧工厂已成为下一个中长期的发展愿景。近些年,随着全球工业互联网发展战略深入实施,工业领域催生出一批数字化、网络化、智能化的新模式、新业态。其中,工业数字孪生日趋成为学术界和产业界的研究热点,并有望成为推动工业企业数字化转型的新动能。
但是,传统工业在生产运营管理的过程中,一般还停留在获取到生产过程数据后直接对数据进行展示的方式,数据层面上不够直观,工业生产运维低效。同时,在传统的工控物联网架构中运营架构简单导致负载不均衡,生产现场的数控机床、加工设备的制程参数与设备工作状态等能够反映现场状况的数据会上传至上位机中,在上位机中完成生产监测,通讯,数据的分析与共享等管理工作,上位机的工作任务繁重。
而随着物联网技术的高度进步以及数据化进程的加剧,数据的传输、处理和反馈需要更多地以分布式方法进行,边缘服务器可以用于分担一部分数据处理的任务。因此,针对工业生产运维低效、运营架构简单导致负载不均衡等问题,亟需提供一种基于数字孪生的智慧工厂分布式运营及仿真维护方法。
本实用新型提供的智慧工厂的分布式运营方案,旨在解决现有技术的如上技术问题。下面以具体地实施例对本实用新型的技术方案以及本实用新型的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本实用新型的实施例进行描述。
该智慧工厂的分布式运营系统,涉及智能制造领域,可以适用于图1所示的一种智慧工厂的分布式运营系统的架构示意图。如图1所示,该智慧工厂的分布式运营系统包括:
数字控制设备101,用于获取智慧工厂内产线现场设备的设备数据,其中,上述设备数据包括:制程参数和设备工作状态。
设备联网服务器102,与上述数字控制设备101连接,用于从上述数字控制设备获取上述设备数据,并基于上述设备数据的数据来源和数据属性对上述设备数据进行数据处理,得到处理后设备数据。
数据库服务器103,与上述设备联网服务器102连接,用于将上述处理后设备数据存储至本地数据库。
Web服务器104,与上述数据库服务器103连接,用于响应来自客户端的数据访问请求,向上述数据库服务器请求获取上述本地数据库中的上述处理后设备数据,并将上述处理后设备数据作为响应结果返回至客户端;
客户端105,与上述Web服务器104连接,用于向上述Web服务器发送上述数据访问请求,并接收上述Web服务器返回的上述处理后设备数据,上述客户端的网页页面中设置有对上述产线现场设备进行仿真得到的数字孪生模型,以采用上述数字孪生模型显示上述处理后设备数据或者基于上述处理后设备数据对上述产线现场设备进行故障检测及处理。
一种可选的实施例中,上述客户端105,用于向上述Web服务器发送HTTP请求,并接收上述Web服务器返回的HTTP响应结果,以及将响应结果显示在对应的HTML页面。
上述客户端105,还用于在检测到上述数字控制设备正常运行时,在上述数字孪生模型中显示上述处理后设备数据,或者在检测到上述数字控制设备出现故障时,在上述数字孪生模型中基于上述处理后设备数据确定对应的故障详情信息和故障处理信息,以对上述数字控制设备进行故障检测及处理。
以采用上述数字孪生模型显示上述处理后设备数据或者基于上述处理后设备数据对上述产线现场设备进行故障检测及处理。
一种可选的实施例中,上述设备数据包含:设备运行状态和制程参数,该制程参数包括如下至少之一:连接状态、操作温度、控制点位、转速、作业完成情况。一种示例中,上述设备运行状态包括正常、故障、断联。
可选的,上述处理后设备为智慧工厂的分布式运营系统的需求数据,不仅可以反映设备数据的数据来源和数据属性,携带设备数据的信息,而且数据的格式或类型经过处理转换之后,更加便于上述分布式运营系统在分布式运营处理时使用。
一种示例中,上述处理后设备数据为设备联网服务器基于产线现场设备的设备数据的数据来源和数据属性,对上述设备数据进行数据处理得到的,并上传至上述数据库服务器进行存储,上述设备数据包括:智慧工厂内产线现场设备的制程参数和设备工作状态。
可选的,一种示例中,可以采用数字控制设备获取智慧工厂内产线现场设备的设备数据,上述产线现场设备为工厂车间内各实体设备,例如,生产线上的生产设备(机床、加工设备等),流水线传输设备等等,上述数字控制设备具体可以为一种产线数字控制设备。该产线数字控制设备可以包括:CNC数控机床(由程序控制的自动化机床)和可编程逻辑控制器PLC控制设备,用于实现产线现场设备的自动运行和控制,同时自动巡检,以便于实时收集产线现场设备的制程参数与设备工作状态。
一种示例中,上述产线数字控制设备内部均布置有摄像头,用以实时监控产线现场设备的设备内部情况,并持续录制影像,且将当前时刻前30秒的录像保存至内部存储卡中。
一种示例中,某些设备数据需要使用传感器进行测量,则传感器节点设置在设备内部的各个区域,以采集该区域的环境数据并将其发送给上述设备联网平台。
一种示例中,上述设备数据具体可以但不限于包含字段如下:设备ID、厂区、车间、线别、小线别、站别、设备名称、设备型号、设备联网服务器IP地址和端口号、远程人机接口HMIIP地址。其中,设备ID是每台产线数字控制设备的唯一标识,不可重复;设备联网服务器的IP地址和端口号用于上述Web服务器调用设备联网服务器提供的应用程序编程接口WebAPI进行数据的实时采集;远程HMIIP用于上述Web服务器使用虚拟网络控制台VNC,远程控制产线数字控制设备的人机接口HMI屏幕。
可选的,上述设备联网服务器可以为一种设备联网平台,该设备联网平台包括:边缘服务器和人机交互界面,即相比较边缘计算服务器,该设备联网服务器还可以提供人机交互界面。上述设备联网服务器中的边缘服务器,通过Modbus协议从上述产线数字控制设备中采集多种设备数据,基于上述设备数据的数据来源和数据属性对上述设备数据进行数据处理,得到处理后设备数据。
一种示例中,该边缘服务器通过对不同来源、性质的设备数据进行数据集成与暂存,再将得到的处理后设备数据存入至数据库服务器中;上述人机交互界面采用标准HTML5网页平台架构,使用浏览器进行信息设定与看板检视,在浏览器网址窗口中输入上述边缘服务器的IP地址即可登录进入,用于清晰直观地显示产线现场设备的制程参数与设备工作状态,同时根据处理后设备数据,计算设备加工速度、稼动率、良率等,可以实现将边缘计算能力用于工业物联网的技术效果。
可选的,一种示例中,如图2所示的一种可选的智慧工厂的分布式运营系统的架构示意图,如图2所示,数字控制设备101用于自动巡检的方式,采集产线现场设备的设备数据。设备联网服务器102,与上述数字控制设备101连接,该设备联网平台包括:边缘服务器和人机交互界面,采用边缘服务器用于从上述数字控制设备获取上述设备数据,并基于上述设备数据的数据来源和数据属性对上述设备数据进行数据处理,得到处理后设备数据。上述数据库服务器103,用于从设备联网平台中获取处理后设备数据,即并实现数据存储,例如,将处理后设备数据存储到服务器本地的Oracle数据库中。
一种可选的实施例中,仍如图2所示,上述Web服务器104,用于接收来自上述客户端的Web页面的超文本传输协议HTTP请求,即数据访问请求,并返回给上述客户端Web页面一个HTTP响应,即处理后数据,送回对应的超文本标记语言HTML页面。
一种可选的实现示例中,为实现智慧工厂Web端服务,本实用新型实施例中,采用基于PC系统的3D建模渲染和制作软件(3dsmax软件)建立与产线现场设备映射的数字孪生模型,使用three.js技术将模型嵌入客户端的Web页面,并向上述数据库服务器请求获取产线现场设备的制程参数与设备工作状态,在该产线现场设备处于常态化运行时在数字孪生模型中显示处理后设备数据,以及在该产线现场设备发生故障时,则在上述客户端的Web页面中进行故障检测及处理。
针对现有技术中存在的问题,本实用新型方案提供一种基于数字孪生的智慧工厂分布式运营及仿真维护方法,通过融合数字孪生、物联网技术、并将其应用于实际工厂运维过程中,用以满足工业高性能仿真和维护的需求,助力工业企业进行数字化转型。
本实用新型公开了一种基于数字孪生的智慧工厂分布式运营及仿真维护方案,将数字孪生、边缘计算、远程控制、移动互联网等技术相结合,采用了易于部署和访问的B/S架构,构建了一个便于仿真与维护的现代化智慧工厂运营方案。专有的设备联网平台用于提供边缘计算服务,可以在设备端完成数据的采集、分类和一部分计算,转换为实时有效的处理后设备数据再上传至远端服务器;远程控制和移动互联网下的远程派工技术则可以用来更好地完成智慧工厂的日常维护工作。
一种可选的实现示例中,上述客户端Web,用于向上述Web服务器发送HTTP请求,并接收上述Web服务器返回的HTTP响应结果,以及将响应结果显示在对应的HTML页面。
上述客户端,还用于在检测到上述产线现场设备正常运行时,在上述数字孪生模型中显示上述处理后设备数据,或者在检测到上述产线现场设备出现故障时,在上述数字孪生模型中基于上述处理后设备数据确定对应的故障详情信息和故障处理信息,以对上述产线现场设备进行故障检测及处理。
一种可选的实施例中,仍如图2所示,上述分布式运营系统100还包括:
预警设备106,与上述客户端105连接,用于在上述产线现场设备运行出现故障且符合目标故障级别时,输出上述故障详情信息和上述故障处理信息给目标对象,以使得上述目标对象对上述产线现场设备的故障进行处理。
可选的,上述预警设备为客户端侧的预警设备,可以以实体设备或者预警应用程序APP的方式实现。一种示例中,上述设备故障根据故障内容不同,其目标故障级别(警报级别)分为P3异常级别和P4预警级别。
一种示例中,上述故障处理阶段的处理方法由故障级别和具体情况决定。一种可选的方法选择策略如下:若产线现场设备运行出现故障且故障级别为P3异常级别,则先跳转到远程快速排除页面,以进行远程的故障处理,若快速排除页面完成后仍解决不了问题,再跳转到远程派工页面进行处理,即将上述故障详情信息和上述故障处理信息发送给目标对象(工厂的派工人员、维修工人),以使得目标对象可基于上述故障详情信息和上述故障处理信息,对上述产线现场设备的故障进行处理。
另一种示例中,P4预警级别高于P3异常级别,若产线现场设备运行出现故障且故障级别为P4预警级别,则直接跳转到远程派工页面进行处理,即直接即将上述故障详情信息和上述故障处理信息发送给目标对象,以使得目标对象可基于上述故障详情信息和上述故障处理信息,对上述产线现场设备的故障进行处理。
一种可选的实施方式中,上述远程快速排除页面包括以下窗口:设备内部实时监控、报警前30s监控录像回放、专家知识库排故指导、VNC远程控制窗口。
另一种可选的实施方式中,上述远程派工页面包括设备选择按钮和人员选择按钮。在远程派工页面上选择了故障设备和指定人员后,点击派工按钮,即开始下达派工任务,对应的派工人员的手机派工APP便会收到故障详情信息和上述故障处理信息,等待派工人员前往工厂的车间,对上述产线现场设备的故障进行处理。
一种示例中,上述故障详情信息可以包括但不限于:厂别、设备型号、设备名称、责任单位、故障代码、故障描述等信息,上述故障处理信息可以包括但不限于:对策代码、对策描述、视频快排指导等信息。
一种示例中,上述VNC远程控制窗口使用noVNC技术,采用了易于部署和访问的B/S架构,将上述客户端Web页面作为VNC客户端,将上述设备联网平台的上述HMI人机交互界面作为VNC服务器端,两端之间通过全双工通信协议WebSocket协议建立全双工通信,通过互联网IP地址即可实现访问,可更加方便实时地显示设备端的HMI界面,节省了去车间操控服务器的时间和人力成本。
此后,本实用新型实施例中,对处理后故障和警报情况,通过定制化数据看板的方式,采用数据挖掘技术进行趋势分析与预测。
一种示例中,上述客户端Web页面上还可以设置和展示有:设备信息管理组件、数字孪生模型、常态化运维组件、故障检测及处理组件。其中:
设备信息管理组件,用于提供针对上述设备数据和故障处理知识库的管理功能,其中,上述管理功能包括如下至少之一:增加、删除、修改、查询。
数字孪生模型,与上述设备信息管理组件连接,用于在检测到上述产线现场设备正常运行时显示上述处理后设备数据,或者在检测到上述产线现场设备出现故障时显示故障详情信息和故障处理信息。
常态化运维组件,与上述数字孪生模型连接,用于基于上述数字孪生模型与上述产线现场设备之间的数字化映射关系,在上述产线现场设备正常运行时显示上述处理后设备数据,或远程控制上述设备联网服务器的人机交互界面。
故障检测及处理组件,用于在上述产线现场设备发生故障时,在故障检测阶段,请求上述Web服务器从上述数据库服务器中查询上述数字控制设备的运行状态;以及在故障处理阶段,根据上述产线现场设备的故障级别在上述数字孪生模型中标注故障位置并持续告警闪烁。
一种示例中,上述故障处理知识库(故障处理专家知识库),包含字段如下:设备型号、故障代码、故障描述、对策代码、对策描述、重复次数、示例图片、示例视频。其中,故障代码是每一种故障的唯一标识,不可重复;对策描述、示例图片、示例视频分别为对策的文字、图片、视频表达形式,便于用户全方位地认识并处理该故障。
上述实施例中,上述设备信息管理组件用于对来自上述数据库服务器的处理后设备据和故障处理知识库进行管理,具体包括对上述处理后设备数据和故障处理知识库中数据的增加、删除、修改和查询。
一种示例中,上述数字孪生模型,用于在Web页面中嵌入智慧工厂的三维模型并拓展其交互功能,实现过程为:首先进行模型的构建和导入:在三维建模软件3dsMax中根据工厂车间内各实体设备的模样,构建静态的三维模型,并对这些三维模型进行整体优化,再使用three.js在Web端搭建三维空间场景,创建光源、相机、渲染器等基础预设,后将设备、产线、厂房等模型一一导入并排列位置;之后,使用three.js前端框架建立产线现场设备和三维模型的数字化映射关系,上述产线现场设备常态化运行时通过鼠标单击即可查看设备的简要信息,以及产线现场设备发生故障时通过鼠标双击即可跳转到上述故障检测及处理组件。
一种示例中,上述常态化运维组件,用于在产线现场设备正常运行时实时查看设备内部状态或远程控制上述设备联网平台上的HMI人机交互界面,其中,常态化运维组件的界面内包括但不限于:设备内部监控窗口和VNC远程控制窗口。
另一种示例中,上述故障检测及处理组件,包含故障检测或故障处理阶段。在故障检测阶段中上述Web服务器从上述数据库服务器中实时查询设备的运行状态,当设备产生故障时在上述数字孪生模型中将该设备用明显的颜色标注并持续闪烁,例如,P3异常级别使用黄色灯光闪烁,P4预警级别使用红色灯光闪烁。同时,当上述数字孪生模型中有设备故障触发警报时,双击故障设备即可进入故障处理阶段,在故障处理阶段即跳转到远程快速排除页面或远程派工页面进行处理。然后,通过可定制化数据挖掘微服务技术进行趋势分析预测,即嵌入定制化数字智慧化看板,在设备故障分析、品质故障分析看板上查看故障的区域、型号等统计图表,在警报趋势分析看板上定义问题、预测未来趋势。
一种可选的实施例中,上述客户端的网页页面还设置并展示有:
数据挖掘服务组件,与上述数字孪生模型连接,用于采用设备故障统计图表展示上述产线现场设备的故障区域和故障设备型号,以及采用运行趋势统计图表展示上述产线现场设备的历史运行问题和预测运行趋势。
本实用新型实施例中,通过采用数据挖掘微服务技术使用定制化数字看板,对故障因素进行深度挖掘,分析预测故障趋势,预防再发生,提升智能化管理水平,助力工厂数字化转型。
如图3所示的一种数据挖掘服务组件应用时的处理流程图,首先定义产生故障的问题,基于该问题进行数据采集,包括历史数据和实时数据,之后将采集的数据存入数据仓库,该数据仓库中包含关系数据和日志。之后进行数据预处理(数据合并、数据清洗、数据标准化、数据转换),再对处理后数据进行分析(数据统计、建模预测、评价优化等),再对分析结果进行集群监控服务和数据计算服务(对比分析、分组分析、交叉分析、关联规则、分类模型、聚类模型、回归模型),最后将数据分析结果存储到数据库中,以便于数据可视化,例如,采用商务智能BI报表或者数据大屏的方式进行可视化展示。
上述实施例中,数据挖掘服务组件,采用可定制化的数据挖掘微服务技术,具体采用数据ETL(即数据抽取(Extract)、数据清洗(Cleaning)、数据转换(Transform)、数据装载(Load))、分析与建模、评价和优化流程对警报分析及预测,如针对故障警报分析,提取设备特征数据,包括但不限于:设备警报次数、警报时长、警报类型、错误代码、设备型号等,通过统计回归和时间序列预测警报次数变少趋势,从而减少设备TBS(Time Between Stop:设备本身停顿/故障间隔时间,相邻停顿/故障之间正常的运行时间)和提升设备稼动率(从开线到现在设备正常运行时间/开线到现在时间)。
本实用新型实施例,针对品质故障分析,通过聚类分析和关联规则,结合模式识别和专家系统,分析品质故障是机、料、法、环的哪方面因素造成,可预测品质故障趋势。从而改善与提升设备直通率(直通率=生产通过数量/生产总数量)、设备UPH(每小时生产数量)和生产达成率(达成率=实际生产数量/目标生产数量),通过汇总分析及随机森林算法可进行最优解预测预防发生的故障以及每日/月/年产量及各项生产指标,进而提升整个工厂智能化、数字化生产水平。
通过分析上述各个实施例可知,本实用新型实施例,基于数字孪生的工业生产可以使实体产品生产、加工和运行的状态实时、精确地反映在虚拟空间中,将实体设备和三维的数字孪生模型绑定在一起,方便管理的同时也能避开很多生产中的安全隐患。三维空间场景实现的数字孪生模型实现了对工厂内场景和物理实体的模拟,便于用户直观清晰地观察其中的设备运行状态和实时生产情况。例如,在生产阶段,数字孪生模型可以构建实时联动的三维可视化工厂,提升工厂一体化管控水平;在运维阶段,数字孪生模型可以将模型仿真技术与大数据技术结合,不但能够知道工厂或设备什么时候发生故障,还可以清楚了解到,具体是哪里发生了故障,是什么故障,极大提升了工厂生产和运维的安全可靠程度。
本实用新型还提供一种智慧工厂的实施例,上述智慧工厂中设置有任意一项上述的分布式运营系统。根据上述方案描述可知,本实用新型实施例所提供的智慧工厂,采用智慧工厂的分布式运营系统,基于该分布式运营系统的组件和连接关系,可以实现使用边缘服务器、远程控制产线现场设备、远程监控、远程派工等手段,确保生产顺畅,实时匹配产能的需求与规模,满足客户定制化订单的实时生产需求。
需要说明的是,本实用新型所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
本领域技术人员在考虑说明书及实践这里公开的实用新型后,将容易想到本实用新型的其它实施方案。本实用新型旨在涵盖本实用新型的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本实用新型的一般性原理并包括本实用新型未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本实用新型的真正范围和精神由下面的权利要求书指出。
应当理解的是,本实用新型并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本实用新型的范围仅由所附的权利要求书来限制。
Claims (8)
1.一种智慧工厂的分布式运营系统,其特征在于,所述分布式运营系统包括:
数字控制设备,用于获取智慧工厂内产线现场设备的设备数据,其中,所述设备数据包括:制程参数和设备工作状态;
设备联网服务器,与所述数字控制设备连接,用于从所述数字控制设备获取所述设备数据,并基于所述设备数据的数据来源和数据属性对所述设备数据进行数据处理,得到处理后设备数据;
数据库服务器,与所述设备联网服务器连接,用于将所述处理后设备数据存储至本地数据库;
Web服务器,与所述数据库服务器连接,用于响应来自客户端的数据访问请求,向所述数据库服务器请求获取所述本地数据库中的所述处理后设备数据,并将所述处理后设备数据作为响应结果返回至客户端;
客户端,与所述Web服务器连接,用于向所述Web服务器发送所述数据访问请求,并接收所述Web服务器返回的所述处理后设备数据,所述客户端的网页页面中设置有对所述产线现场设备进行仿真得到的数字孪生模型。
2.根据权利要求1所述的分布式运营系统,其特征在于,所述客户端的网页页面设置并展示有:
设备信息管理组件,用于提供针对所述设备数据和故障处理知识库的管理功能,其中,所述管理功能包括如下至少之一:增加、删除、修改、查询。
3.根据权利要求2所述的分布式运营系统,其特征在于,所述客户端的网页页面设置并展示有:
数字孪生模型,与所述设备信息管理组件连接,用于在检测到所述产线现场设备正常运行时显示所述处理后设备数据,或者在检测到所述产线现场设备出现故障时显示故障详情信息和故障处理信息。
4.根据权利要求3所述的分布式运营系统,其特征在于,所述客户端的网页页面设置并展示有:
常态化运维组件,与所述数字孪生模型连接,用于基于所述数字孪生模型与所述产线现场设备之间的数字化映射关系,在所述产线现场设备正常运行时显示所述处理后设备数据,或远程控制所述设备联网服务器的人机交互界面。
5.根据权利要求3所述的分布式运营系统,其特征在于,所述客户端的网页页面设置并展示有:
故障检测及处理组件,与所述数字孪生模型连接,用于在所述产线现场设备发生故障时,在故障检测阶段查询所述产线现场设备的运行状态;以及在故障处理阶段在所述数字孪生模型中标注故障位置并持续告警闪烁。
6.根据权利要求5所述的分布式运营系统,其特征在于,所述分布式运营系统还包括:
预警设备,与所述客户端连接,用于在所述产线现场设备运行出现故障且符合目标故障级别时,输出所述故障详情信息和所述故障处理信息给目标对象。
7.根据权利要求3至6中任意一项所述的分布式运营系统,其特征在于,所述客户端的网页页面还设置并展示有:
数据挖掘服务组件,与所述数字孪生模型连接,用于采用设备故障统计图表展示所述产线现场设备的故障区域和故障设备型号,以及采用运行趋势统计图表展示所述产线现场设备的历史运行问题和预测运行趋势。
8.一种智慧工厂,其特征在于,所述智慧工厂中设置有如权利要求1至7中任意一项所述的分布式运营系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202320428019.0U CN219716141U (zh) | 2023-03-08 | 2023-03-08 | 智慧工厂的分布式运营系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202320428019.0U CN219716141U (zh) | 2023-03-08 | 2023-03-08 | 智慧工厂的分布式运营系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN219716141U true CN219716141U (zh) | 2023-09-19 |
Family
ID=87976651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202320428019.0U Active CN219716141U (zh) | 2023-03-08 | 2023-03-08 | 智慧工厂的分布式运营系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN219716141U (zh) |
-
2023
- 2023-03-08 CN CN202320428019.0U patent/CN219716141U/zh active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3285127B1 (en) | Remote industrial automation site operation in a cloud platform | |
CN106054796B (zh) | 一种基于云端的污水处理厂监控系统及方法 | |
US10528021B2 (en) | Automated creation of industrial dashboards and widgets | |
CN105589349B (zh) | 用于对工业数据进行索引的系统、方法和计算机可读介质 | |
José Álvares et al. | Development of a cyber-physical framework for monitoring and teleoperation of a CNC lathe based on MTconnect and OPC protocols | |
CN110971666A (zh) | 一种物联网管理系统及其通讯方法 | |
US20170351226A1 (en) | Industrial machine diagnosis and maintenance using a cloud platform | |
US20160112283A1 (en) | Remote industrial monitoring and analytics using a cloud infrastructure | |
CN111835582B (zh) | 物联网巡检设备的配置方法、装置、计算机设备 | |
DE102016119100A1 (de) | Datenanalysedienste für eine verteilte Leistungsüberwachung industrieller Anlagen | |
CN105589923A (zh) | 用于工业环境的动态搜索引擎 | |
CN112150125B (zh) | 工业信息系统和工业信息系统构建方法 | |
CN108229782A (zh) | 一种基于云的可视化生产管理平台 | |
CN112186901B (zh) | 一种变电站全景感知监控方法及系统 | |
CN114143220A (zh) | 实时数据可视化平台 | |
WO2024066683A1 (zh) | 工业互联网操作系统和产品的处理方法 | |
CN117043825A (zh) | 一种实时控制的可视化孪生工厂系统 | |
CN114384881A (zh) | 基于数字孪生的车间物流监测与仿真系统及方法 | |
CN112462722B (zh) | 一种用于控制及显示的实时数字孪生工厂系统 | |
CN219716141U (zh) | 智慧工厂的分布式运营系统 | |
CN116643542A (zh) | 一种基于低代码开发平台的油田站场数字孪生工艺组态方法、系统及装置 | |
KR101974631B1 (ko) | 히스토리 및 환경조건 기반 자동고장진단을 통하여 제공되는 메뉴얼을 이용한 고객 지원 서비스 제공 방법 | |
CN115988026A (zh) | 物联网边缘端智能数据处理、决策分析方法和装置 | |
CN115562217A (zh) | 数字孪生监控系统、方法及装置 | |
CN104950812A (zh) | 一种基于电机模拟加载的数控系统性能在线测试方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |