WO2023006080A1 - 物流机器人数字孪生系统 - Google Patents
物流机器人数字孪生系统 Download PDFInfo
- Publication number
- WO2023006080A1 WO2023006080A1 PCT/CN2022/109028 CN2022109028W WO2023006080A1 WO 2023006080 A1 WO2023006080 A1 WO 2023006080A1 CN 2022109028 W CN2022109028 W CN 2022109028W WO 2023006080 A1 WO2023006080 A1 WO 2023006080A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- twin
- logistics
- layer
- data
- service
- Prior art date
Links
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 19
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000003745 diagnosis Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 239000008358 core component Substances 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000010410 layer Substances 0.000 description 43
- 238000005516 engineering process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000306 component Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
- 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], computer integrated manufacturing [CIM]
- G05B19/4189—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], computer integrated manufacturing [CIM] characterised by the transport system
- G05B19/41895—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], computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
-
- 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
- G05B2219/32247—Real time scheduler
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- 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
- Y02P90/60—Electric or hybrid propulsion means for production processes
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种物流机器人数字孪生系统,系统包括:物理层(10)、数据层(20)、孪生层(30)、以及服务层(40);物理层(10),包括互联工厂的物流系统的多个主体对象,其中多个主体对象至少包括AGV物流机器人;数据层(20),设置为获取多个主体对象关联的数据,对所获取的数据进行预定处理以形成信息知识;孪生层(30),设置为基于信息知识对互联工厂的物流系统在数字空间内进行虚拟再现以生成孪生模型,其中孪生模型包括物流系统的数字模型、以及物流系统的每一主体对象的孪生数据;服务层(40),设置为基于孪生层(30)为用户提供针对互联工厂的物流系统的至少一种服务。
Description
本申请要求申请日为2021年7月30日、申请号为202110873052.X的中国专利申请的优先权,该申请的全部内容通过引用结合在本申请中。
本申请涉及工业互联网技术领域,例如涉及一种物流机器人数字孪生系统。
5G互联工厂实现了制造模式的颠覆,以互联工厂为载体,由大规模制造迈向大规模定制,打造全流程互联互通,实现人、机、物的虚实融合。互联工厂的数字化系统得到了较大的发展,同时也存在了一系列问题。例如,物流机器人种类繁多,在构建互联工厂数字化系统时,需要针对不同品牌、不同应用场景得物流设备单独研发接入方法,在维护时也需要不同供应商分别进行,耗费了大量的时间和人力成本;同时一些老旧的物流机器人因通讯方式、导航方式陈旧等多方原因,无法接入新数字化系统。
例如,当机器人出现故障停机时,企业往往需要通知供应商到故障现场进行诊断和维修,而维修技术人员到达故障现场前不能全面详尽的获取故障机器人的日常运行状况、故障现象和故障发生前后的运行数据。因此,维修技术人员往往在到达故障现场后,也不能迅速地对故障做出准确的诊断和处理,恢复正常运行的时间拖慢,严重影响企业的生产节拍,造成停工损失。
发明内容
本申请提供了一种物流机器人数字孪生系统,能够实现了对不同品牌、不同应用场景的物流机器人进行全生命周期的监控。
本申请一实施例提供了一种物流机器人数字孪生系统,包括物理层、数据层、孪生层、以及服务层;所述物理层,包括互联工厂的物流系统的多个主体对象,其中所述多个主体对象至少包括AGV物流机器人;所述数据层,设置为获取所述多个主体对象关联的数据,对所获取的数据进行预定处理以形成信息知识;所述孪生层,设置为基于所述信息知识对所述互联工厂的物流系统在数字空间内进行虚拟再现以生成孪生模型,其中所述孪生模型包括所述物流系统的 数字模型、以及所述物流系统的每一所述多个主体对象的孪生数据;及所述服务层,设置为基于所述孪生层为用户提供针对所述互联工厂的物流系统的至少一种服务。
图1是根据本申请一实施例提供的一种物流机器人数字孪生系统的结构示意图;
图2是根据本申请一实施例提供的另一种物流机器人数字孪生系统的结构示意图。
本申请实施例中术语“系统”和“网络”在本文中常被可互换使用。本申请实施例中提到的“和/或”是指包括一个或更多个相关所列项目的任何和所有组合。本公开的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于限定特定顺序。
还需要说明是,本申请实施例中下述各个实施例可以单独执行,各个实施例之间也可以相互结合执行,本申请实施例对此不作具体限制。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面结合附图并通过具体实施方式来进一步说明本申请实施例的技术方案。
图1示出了本申请一实施例提供的一种物流机器人数字孪生系统的结构示意图,本实施例可适用于互联工厂的物流系统中用于实现物理世界与信息世界的互联互通的情况,如图1所示,本实施例所述的物流机器人数字孪生系统包括:物理层10、数据层20、孪生层30、以及服务层40。
所述物理层10,包括互联工厂的物流系统的多个主体对象,其中所述多个主体对象至少包括AGV物流机器人。
所述数据层20,设置为获取所述多个主体对象关联的数据,对所获取的数据进行预定处理以形成信息知识。
所述孪生层30,设置为基于所述信息知识对所述互联工厂的物流系统在数字空间内进行虚拟再现以生成孪生模型,其中所述孪生模型包括所述物流系统的数字模型、以及所述物流系统的每一主体对象中的孪生数据。
所述服务层40,设置为基于所述孪生层30为用户提供针对所述互联工厂的物流系统的至少一种服务。
根据本申请的一个或多个实施例,所述多个主体对象可包括空中积放链、智能工装车、自动立体仓、工人、货物、WMS仓库管理系统、以及MES制造执行系统等。
根据本申请的一个或多个实施例,所述至少一种服务可包括状态评估服务、预测维护服务、故障诊断服务、调度优化服务、效率评估服务、以及核心部件损耗预测服务等。
根据本申请的一个或多个实施例,至少一种服务包括故障诊断服务。所述服务层40可设置为基于所述孪生层30所生成的所述孪生模型中,AGV物流机器人的孪生数据中的运行状态和运行轨迹中的至少一个对所述AGV物流机器人进行故障诊断。
根据本申请的一个或多个实施例,所述运行状态可包括机械的振动信息、异常声音、温度、压力、转速、输出扭矩、以及输出功率等。
根据本申请的一个或多个实施例,所述预定处理可包括边缘侧计算、特征提取、数据清洗、机器学习、深度学习、以及多传感器融合等。
根据本申请的一个或多个实施例,所述孪生层30还设置为,基于至少一个主体对象的孪生数据对所述物流系统进行分析、优化、决策等。
根据本申请的一个或多个实施例,所述孪生层30所生成的所述孪生模型中,AGV物流机器人的孪生数据可包括所述AGV物流机器人的运动轨迹、位置信息、动作类型、以及状态信息等。
根据本申请的一个或多个实施例,所述孪生层30所生成的所述孪生模型中,工人的孪生数据可包括所述工人的身份信息、空间位置、以及操作动作等。
根据本申请的一个或多个实施例,所述数字模型可包括所述互联工厂的物流系统的所述多个主体对象的映射和所述互联工厂的环境映射。
其中,所述数字模型为所述多个主体对象的映射,每一主体对象的映射设置为反应该主体对象的物理特征,所述孪生数据由所述多个主体对象实时产生。
本实施例通过公开了一种物流机器人数字孪生系统,包括物理层、数据层、孪生层、以及服务层,通过对物流机器人精确的过程状态跟踪、完整的实时数据采集,来监控物流系统运行过程,进而实现物理世界与信息世界的互联互通,在数字孪生系统中,通过多种传感器和数据处理方法对机器人状态进行评估,预测 物流机器人的故障及核心部件损耗程度,将传统的计划维护和事后维护转变为预测性维护。
图2示出了本申请一实施例提供的另一种物流机器人数字孪生系统的结构示意图,本实施例以前述实施例为基础,进行了改进优化。如图2所示,本实施例所述的物流机器人数字孪生系统包括物理层10、数据层20、孪生层30、以及服务层40。
所述物理层10,包括互联工厂的物流系统的多个主体对象,其中所述多个主体对象至少包括AGV物流机器人,还可包括空中积放链、智能工装车、自动立体仓、工人、货物、WMS仓库管理系统、以及MES制造执行系统等。
在一实施例中,物理层10是互联工厂物流系统的主体,主要包括多类AGV物流机器人、空中积放链、智能工装车、自动化立体仓库以及产品/零部件等实体,并带有可进行数据采集与通讯的PLC、传感器、RF I D等功能部件,同时采集ERP系统、MES系统(面向制造企业车间执行层的生产信息化管理系统)、以及WMS系统(仓储管理系统)中的存储和物料搬运指令、产品库存信息管理。通过对互联工厂的物流系统中的参与模块的全面数据接入,实现产品的加工、装配、运输和仓储等生产活动的数字化。
所述数据层20,设置为获取所述多个主体对象关联的数据,对所获取的数据进行预定处理以形成信息知识,例如,所述预定处理可包括边缘侧计算、特征提取、数据清洗、机器学习、深度学习、以及多传感器融合等。
在一实施例中,数据层20实现边缘侧软硬件集成,完成边缘侧数据计算,解决海量数据管理与处理、多源数据集成、多类设备接入、数据建模分析等一系列问题,形成信息知识。针对不同品牌、不同应用场景的物流机器人在接入数字化系统面临数据实时性、确定性、完整性、准确性、多样性等挑战,通过数据层20,强化数据、知识、资产等的虚拟映射与管理组织。例如,可基于5G网络,借助边缘智能、异构计算、互联互通等边缘计算的核心关键技术,提升边缘侧面向的数据管理和分析能力。
互联工厂中现使用的物流机器人来自不同技术和生产厂家的产品和设备,每一家厂商多类型设备的接入、数据类型解析和格式不统一,数据来源广、类型多、结构不统一、共享性差、冗余度大。为了保证孪生模型与现场的实时交互,稳定、迅速、安全的数据采集方式尤为重要。因此,多源异构数据采集技 术是数字孪生系统实现的基础。采用多源异构数据融合结构,对数据进行预处理,对物流机器人运行数据基本特征进行提取,进行数据融合算法,减少数据冗余、噪音、残缺等情况,提升信息数据处理的精准度。
随着电子技术、信号检测与处理技术、计算机技术、网络通信技术以及控制技术的快速发展,使得利用计算机技术对获得的多个传感器信息在一定准则下加以自动分析、优化综合处理,并完成预期决策成为可能。基于多源信息融合技术的故障诊断方法是通过实时监控物流机器人的运行状态信息,比如机械的振动、异常声音、温度、压力、转数、输出扭矩和输出功率等,利用计算机技术融合这些数据信息,消除多个传感器信息之间存在的冗余和矛盾,降低不确定因素的影响,准确的完成故障问题根源的判定,实现物流机器人故障诊断技术预测。
所述孪生层30,设置为基于所述信息知识对所述互联工厂的物流系统在数字空间内进行虚拟再现以生成孪生模型,其中所述孪生模型包括所述物流系统的数字模型、以及所述物流系统的所述每个主体对象的孪生数据。例如,所述孪生层30可基于所生成的孪生模型对每一AGV物流机器人进行数据化存储、对每一AGV物流机器人的状态进行仿真预测、对每一AGV物流机器人进行三维虚拟决策验证和优化。
在一实施例中,孪生层30是本实施例所述的物流机器人数字孪生系统的核心,主要由孪生数据和数字模型组成。其中数字模型是互联工厂的物流系统中每个参与对象实体的映射,真实反应对象实体的物理特征。孪生数据由物流系统中每一参与对象产生,孪生数据与数字模型结合创建孪生模型。其中,孪生模型是对物流系统的数字化重建,在虚拟的数字空间内,映射实体空间的运行活动、实体形状、位置、动作以及其相互关系。对工人的身份信息、空间位置以及操作动作等进行映射,以实现对工人的数字可视化管理。互联工厂的场内物流活动,在孪生层30实现了数字空间内的虚拟再现,并具备分析、优化以及决策等功能。
数字孪生模型的建立需要构建统一的逻辑结构,面对不同的物理实体类型和多样化功能,以及实体产生的数据,构建出数字空间中的孪生模型。
本实施例通过对物流机器人的运动轨迹,位置信息,动作类型以及状态信息进行映射,映射主要通过物流机器人实体的驱动信号和驱动数据完成。例如,可包括物流机器人的运动驱动数据,如物流机器人的负载,运动轨迹等。此外 还有动作驱动信号,如物流机器人的开关信号、电池电量等,上述信号可通过虚拟服务对实体的高低电平信号捕获取得。
运行环境:互联工厂环境相对复杂,各类人员、车辆、设备等随时交互。对整体运行环境的组成要素、环境、湿度等进行映射,构建整体运行环境的数据模型。
所述服务层40,设置为基于所述孪生层30为用户提供针对所述互联工厂的物流系统的至少一种服务。例如,可为用户提供关于AGV物流机器人的状态评估服务、预测维护服务、故障诊断服务、调度优化服务、效率评估服务、以及核心部件损耗预测服务。
服务层40面向用户,通过孪生模型在数字空间内进行生产实时映射,实现多角度的三维实时监控,同时利用虚实交互过程中的大量孪生数据实现生产过程优化决策。
根据上述构建的物流机器人运行过程数字孪生系统体系构架,为实现功能层的功能,孪生数据的获取、孪生模型的构建以及运行过程实时映射是整个系统的关键。
本实施例可通过使用OPC(OLE for Process Control)统一架构,以实现不同品牌、不同应用场景的物流机器人统一接入数字化系统,从而完成了物流机器人的数字孪生系统的构建,实现对物流机器人全生命周期的监控。
本申请提出了物流机器人数字孪生系统的架构,通过建设数字孪生系统,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,从而反映物流机器人的全生命周期过程。借助于物联网和大数据技术,通过采集有限的物理传感器指标的直接数据,并借助大样本库,通过机器学习推测出一些原本无法直接测量的指标,可以实现对当前状态的评估、对过去发生问题的诊断,以及对未来趋势的预测,并给予分析的结果,模拟各种可能性,提供更全面的决策支持,有效地解决了互联工厂中多个物流机器人之间信息孤立的问题,对构建数字化、智能化、信息化的现代互联工厂具有重要意义。
本实施例技术方案通过对物流机器人精确的过程状态跟踪、完整的实时数据采集,来监控物流系统运行过程,进而实现物理世界与信息世界的互联互通。在数字孪生系统中,通过多种传感器和数据处理方法对物流机器人状态进行评估,预测物流机器人故障及核心部件损耗程度,将传统的计划维护和事后维护转变 为预测性维护。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请实施例中提供的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
Claims (10)
- 一种物流机器人数字孪生系统,包括物理层、数据层、孪生层、以及服务层;所述物理层,包括互联工厂的物流系统的多个主体对象,其中每一所述主体对象至少包括AGV物流机器人;所述数据层,设置为获取所述多个主体对象关联的数据,对所获取的数据进行预定处理以形成信息知识;所述孪生层,设置为基于所述信息知识对所述互联工厂的物流系统在数字空间内进行虚拟再现以生成孪生模型,其中所述孪生模型包括所述物流系统的数字模型、以及所述物流系统的每一所述主体对象的孪生数据;及所述服务层,设置为基于所述孪生层为用户提供针对所述互联工厂的物流系统的至少一种服务。
- 根据权利要求1所述的物流机器人数字孪生系统,其中,每一所述主体对象还包括如下至少一种:空中积放链、智能工装车、自动立体仓、工人、货物、WMS仓库管理系统、以及MES制造执行系统。
- 根据权利要求1所述的物流机器人数字孪生系统,其中,所述至少一种服务包括如下至少一种:状态评估服务、预测维护服务、故障诊断服务、调度优化服务、效率评估服务、以及核心部件损耗预测服务。
- 根据权利要求3所述的物流机器人数字孪生系统,其中,所述至少一种服务还包括故障诊断服务;所述服务层,设置为基于所述孪生层为用户提供针对所述互联工厂的物流系统的至少一种服务包括:设置为基于所述孪生层所生成的所述孪生模型中,AGV物流机器人的孪生数据中的运行状态和运行轨迹中的至少一个对所述AGV物流机器人进行故障诊断。
- 根据权利要求4所述的物流机器人数字孪生系统,其中,所述运行状态包括如下至少一种:机械的振动信息、异常声音、温度、压力、转速、输出扭矩、以及输出功率。
- 根据权利要求1所述的物流机器人数字孪生系统,其中,所述预定处理包括如下至少一种:边缘侧计算、特征提取、数据清洗、机器学习、深度学习、以及多传感器融合。
- 根据权利要求1所述的物流机器人数字孪生系统,其中,所述孪生层还设置为,基于至少一个所述主体对象的孪生数据对所述物流系统进行以下至少一种处理:分析、优化和决策。
- 根据权利要求1所述的物流机器人数字孪生系统,其中,所述孪生层所生成的所述孪生模型中,AGV物流机器人的孪生数据包括所述AGV物流机器人的运动轨迹、位置信息、动作类型、以及状态信息。
- 根据权利要求1所述的物流机器人数字孪生系统,其中,所述孪生层所生成的所述孪生模型中,工人的孪生数据包括所述工人的身份信息、空间位置、以及操作动作。
- 根据权利要求1所述的物流机器人数字孪生系统,其中,所述数字模型包括:所述互联工厂的物流系统的所述多个主体对象的映射和所述互联工厂的环境映射。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110873052.XA CN113515098A (zh) | 2021-07-30 | 2021-07-30 | 物流机器人数字孪生系统 |
CN202110873052.X | 2021-07-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023006080A1 true WO2023006080A1 (zh) | 2023-02-02 |
Family
ID=78068822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/109028 WO2023006080A1 (zh) | 2021-07-30 | 2022-07-29 | 物流机器人数字孪生系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113515098A (zh) |
WO (1) | WO2023006080A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303819A (zh) * | 2023-02-10 | 2023-06-23 | 湖北普罗格科技股份有限公司 | 一种基于数字孪生实现仓储系统下的数据处理方法及装置 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515098A (zh) * | 2021-07-30 | 2021-10-19 | 青岛海尔工业智能研究院有限公司 | 物流机器人数字孪生系统 |
CN114282620A (zh) * | 2021-12-29 | 2022-04-05 | 汇鲲化鹏(海南)科技有限公司 | 一种多源信息物理孪生数据融合管理方法与管理系统 |
CN114384881A (zh) * | 2022-01-12 | 2022-04-22 | 哈尔滨工业大学 | 基于数字孪生的车间物流监测与仿真系统及方法 |
CN114637262B (zh) * | 2022-03-10 | 2022-11-15 | 天津科技大学 | 基于5g驱动的智能工厂数字孪生信息的决策控制方法及系统 |
CN115202347B (zh) * | 2022-07-13 | 2023-04-14 | 广东希睿数字科技有限公司 | 一种基于数字孪生的虚实同步系统及方法 |
CN116168164B (zh) * | 2023-04-25 | 2023-07-04 | 深圳墨影科技有限公司 | 基于机器人产业链的数字孪生可视化方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333698A (zh) * | 2019-03-30 | 2019-10-15 | 广东利元亨智能装备股份有限公司 | 基于数字孪生平台的工厂管理系统及其方法 |
CN110765589A (zh) * | 2019-09-10 | 2020-02-07 | 上海大学 | 一种基于数字孪生的智能车间虚实同步监测系统及方法 |
CN111381515A (zh) * | 2020-01-20 | 2020-07-07 | 兰州理工大学 | 基于数字孪生五维模型的软体机器人或驱动器系统及其建模方法 |
CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
CN111633644A (zh) * | 2020-05-15 | 2020-09-08 | 哈尔滨工程大学 | 一种结合智能视觉的工业机器人数字孪生系统及其运行方法 |
US20210053221A1 (en) * | 2019-08-19 | 2021-02-25 | Wipro Limited | Method and system for task execution in dynamic heterogeneous robotic environment |
CN113093680A (zh) * | 2021-04-07 | 2021-07-09 | 上海电机学院 | 一种基于数字孪生技术的fims系统架构设计方法 |
CN113515098A (zh) * | 2021-07-30 | 2021-10-19 | 青岛海尔工业智能研究院有限公司 | 物流机器人数字孪生系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10810687B2 (en) * | 2018-10-10 | 2020-10-20 | Advanced Intelligent Systems Inc. | Systems and methods for automated article transportation and management thereof |
CN109343496A (zh) * | 2018-11-14 | 2019-02-15 | 中国电子工程设计院有限公司 | 应用于工业生产的数字孪生系统及其形成方法 |
CN110320873A (zh) * | 2019-07-05 | 2019-10-11 | 武汉魅客科技有限公司 | 一种基于分布式传感网络的实时三维呈现系统 |
CN111680893B (zh) * | 2020-05-25 | 2023-05-30 | 北京科技大学 | 一种多自寻址机器人拣选系统的数字孪生系统及调度方法 |
CN112187547B (zh) * | 2020-10-09 | 2023-05-23 | 南京邮电大学 | 一种基于数字孪生的网络系统 |
CN112507569A (zh) * | 2020-12-25 | 2021-03-16 | 昆山莱士阁工业科技有限公司 | 一种数字孪生系统 |
CN112731887B (zh) * | 2020-12-31 | 2023-03-31 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
-
2021
- 2021-07-30 CN CN202110873052.XA patent/CN113515098A/zh active Pending
-
2022
- 2022-07-29 WO PCT/CN2022/109028 patent/WO2023006080A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333698A (zh) * | 2019-03-30 | 2019-10-15 | 广东利元亨智能装备股份有限公司 | 基于数字孪生平台的工厂管理系统及其方法 |
US20210053221A1 (en) * | 2019-08-19 | 2021-02-25 | Wipro Limited | Method and system for task execution in dynamic heterogeneous robotic environment |
CN110765589A (zh) * | 2019-09-10 | 2020-02-07 | 上海大学 | 一种基于数字孪生的智能车间虚实同步监测系统及方法 |
CN111381515A (zh) * | 2020-01-20 | 2020-07-07 | 兰州理工大学 | 基于数字孪生五维模型的软体机器人或驱动器系统及其建模方法 |
CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
CN111633644A (zh) * | 2020-05-15 | 2020-09-08 | 哈尔滨工程大学 | 一种结合智能视觉的工业机器人数字孪生系统及其运行方法 |
CN113093680A (zh) * | 2021-04-07 | 2021-07-09 | 上海电机学院 | 一种基于数字孪生技术的fims系统架构设计方法 |
CN113515098A (zh) * | 2021-07-30 | 2021-10-19 | 青岛海尔工业智能研究院有限公司 | 物流机器人数字孪生系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303819A (zh) * | 2023-02-10 | 2023-06-23 | 湖北普罗格科技股份有限公司 | 一种基于数字孪生实现仓储系统下的数据处理方法及装置 |
CN116303819B (zh) * | 2023-02-10 | 2023-10-20 | 湖北普罗格科技股份有限公司 | 一种基于数字孪生实现仓储系统下的数据处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113515098A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023006080A1 (zh) | 物流机器人数字孪生系统 | |
Pan et al. | A BIM-data mining integrated digital twin framework for advanced project management | |
Juarez et al. | Digital twins: Review and challenges | |
CN110609512B (zh) | 一种物联网平台和物联网设备监控方法 | |
Karnouskos et al. | A SOA-based architecture for empowering future collaborative cloud-based industrial automation | |
Wang et al. | Conceptual design of remote monitoring and fault diagnosis systems | |
Kumar et al. | Maintenance in the era of industry 4.0: issues and challenges | |
CN113642946A (zh) | 一种基于城市重要基础设施的感知信息集成接入系统 | |
Merdan et al. | Monitoring and diagnostics of industrial systems using automation agents | |
JP2009053938A (ja) | 複数モデルに基づく設備診断システム及びその設備診断方法 | |
Zhang et al. | Industrial Internet of Things-enabled monitoring and maintenance mechanism for fully mechanized mining equipment | |
CN116703303A (zh) | 基于多层感知机与rbf的仓储可视化监管系统及方法 | |
Galar et al. | Fusion of maintenance and control data: a need for the process | |
Fantini et al. | Symbiotic integration of human activities in cyber-physical systems | |
Mubarak et al. | Digital Twin Enabled Industry 4.0 Predictive Maintenance Under Reliability-Centred Strategy | |
Xu et al. | From smart construction objects to cognitive facility Management | |
Zuo et al. | Research on remote state monitoring and intelligent maintenance system of CNC machine tools | |
Donghan et al. | Applications and analysis of digital twin in prognostic and health management | |
Li et al. | Discrete event-driven twin workshop modeling and simulation technology | |
Jiang et al. | A multi-dimensional cognitive framework for cognitive manufacturing based on OAR model | |
Nowaczyk et al. | Towards autonomous knowledge creation from big data in smart cities | |
Zhang et al. | Research on condition monitoring and fault diagnosis of intelligent copper ball production lines based on big data | |
Lin et al. | Design and implementation of a CPS‐based predictive maintenance and automated management platform | |
Monek et al. | DES and IIoT fusion approach towards real-time synchronization of physical and digital components in manufacturing processes | |
Kogan et al. | Digital Twin Technology in Cyberphysical Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22848684 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |