CN116300736A - 基于mes的数字工厂孪生管理***、平台及方法 - Google Patents
基于mes的数字工厂孪生管理***、平台及方法 Download PDFInfo
- Publication number
- CN116300736A CN116300736A CN202310206266.0A CN202310206266A CN116300736A CN 116300736 A CN116300736 A CN 116300736A CN 202310206266 A CN202310206266 A CN 202310206266A CN 116300736 A CN116300736 A CN 116300736A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- factory
- model
- real
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000007726 management method Methods 0.000 claims abstract description 77
- 238000004519 manufacturing process Methods 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 15
- 230000004044 response Effects 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 230000007246 mechanism Effects 0.000 claims description 29
- 238000013499 data model Methods 0.000 claims description 24
- 238000010276 construction Methods 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 15
- 238000012800 visualization Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000002457 bidirectional effect Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000011958 production data acquisition Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000007689 inspection Methods 0.000 description 7
- 238000004080 punching Methods 0.000 description 7
- 238000013480 data collection Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007514 turning 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] or computer integrated manufacturing [CIM]
- G05B19/4183—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 data acquisition, e.g. workpiece identification
-
- 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
- G05B2219/32252—Scheduling production, machining, job shop
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于MES的数字工厂孪生管理***、平台及方法,包括数据库,用于存储并更新各车间及其设备的历史运行数据;数据采集模块,用于采集工厂各车间及其设备的实时运行数据;以及数字孪生模块,用于构建与各车间及其设备对应的数字孪生模型并根据各车间及其设备的运行数据将车间及设备的运行状态映射至对应的数字孪生模型,以及响应于操作指令反向模拟车间及设备的运行状态。与现有技术相比,本发明能够使管理人员无需亲临现场即能实时了解工厂的各种运行情况,从而实现生产加工过程的实时监测。
Description
技术领域
本发明涉及数字孪生技术领域,特别是涉及一种基于MES的数字工厂孪生管理***、平台及方法。
背景技术
在整个3C行业中,由于企业的资产种类繁多,主要包括生产类、办公类、园区类等。在一些企业中,以生产类设备及各种工装治具为主的现有资产总价值高达数亿元,价值巨大,导致企业的资产管理难度极大,需要耗费大量的人力物力投入管理工作,而管理人员的精力有限,在管理过程中难免会存在失误。同时,通过人员管理,无法精准对资产在运行过程中的参数进行捕捉和监控,管理缺乏及时性和有效性,并且,人员管理无法对精准预测并规避资产在运行过程中可能存在的潜在风险。
目前,针对企业资产管理难道大、缺乏及时性和有效性的问题,通常会采用建立管理台账或管理***对企业的资产进行管理,但由于管理台账通常是离线制得,管理具有一定的滞后性,仍无法及时、有效地进行管理。管理***虽然一定程度上能够及时对资产的运行状态进行监控,但在管理过程中通常是以数据的方式进行监控,较为抽象;其对于数据管理,由于设备多且繁杂,数据多且数据结构不同,监控不完善,数据难以管理;对于空间维度,工厂车间多且分布较广,跨度大,人员设备分散,突发事件的处理时效性不高;对于设备维护,运行工况难以实时共享,设备运行状态预测及维护能力不足,导致设备过维护或欠维护,降低设备的使用寿命及浪费不必要的人力资源,在出现故障时,维修人员往往是在故障发生后才能抵达现场,而数据无法真是还原故障发生是的场景,导致维修人员无法全面掌握故障情况,进而无法迅速做出应对和检修,从而导致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。
因此,亟需发明一种能够将企业的物理实体映射至虚拟空间中以对企业资产进行实时、高效管理的***。
发明内容
有鉴于此,本发明的目的在于提供一种基于MES的数字工厂孪生管理***、平台及方法,以解决现有技术中企业资产管理存在滞后性、管理缺乏及时性以及无法真实反映资产运行全过程的问题。
为解决上述技术问题,本发明的一个技术方案提供一种基于MES的数字工厂孪生管理***,包括:
数据库,用于存储并更新各车间及其设备的历史运行数据;
数据采集模块,用于采集工厂各车间及其设备的实时运行数据;以及
数字孪生模块,用于构建与各车间及其设备对应的数字孪生模型并根据各车间及其设备的运行数据将车间及设备的运行状态映射至对应的数字孪生模型,以及响应于操作指令反向模拟车间及设备的运行状态。
进一步的,所述运行数据至少包括人员数据、生产数据以及状态数据;所述数据采集模块包括:
人员数据采集子模块,用于采集各车间的人员数据,其中,所述人员数据至少包括在岗人员数量以及每一在岗人员的人员信息及其实时位置和在岗时间;
生产数据采集子模块,用于采集各车间及其设备的生产数据,其中,所述生产数据至少包括车间及其设备的总产量、单位产量、良品数量和耗材量;以及
状态数据采集子模块,用于采集各车间及其设备的状态数据,其中,所述状态数据至少包括车间及其设备的状态参数和运行参数。
进一步的,所述数字孪生模块包括:
模型构建子模块,用于构建车间及其设备的机理模型及数据模型并将所述机理模型与数据模型进行关联,得到工厂的数字孪生模型;
数据分析处理子模块,用于对各车间及其设备的运行数据进行统计并对统计的运行数据进行综合计算,得到各车间及其设备的运行状态;以及
数据双向传输子模块,用于将所述运行数据和运行状态映射至数字孪生模型并接收操作指令反向控制数字孪生模型进行实时模拟。
进一步的,所述模型构建子模块包括:
机理模型构建单元,用于获取工厂中各车间及设备已有实体图纸或基于车间及设备的物理实体绘制实体图纸,基于所述实体图纸对工厂进行3D建模,构建工厂的机理模型;
数据模型构建单元,用于获取所述工厂的历史运行数据及实时运行数据,将所述历史运行数据和实时运行数据转化成工厂中各车间及设备的动作数据,构建工厂的数据模型;以及
模型关联单元,用于对所述数据模型与机理模型进行关联,将数据模型的动作数据映射至机理模型,构建得到工厂的数字孪生模型。
进一步的,所述数据分析处理子模块还用于对所述人员数据、生产数据及状态数据进行统计,并根据所述在岗人员数量以及每一在岗人员的人员信息及其实时位置和在岗时间计算并分析工厂中各车间及设备的人员实时作业情况,根据所述车间及其设备的总产量、单位产量、良品数量和耗材量计算并分析各车间及其设备的生产效率、良品率以及稼动率,以及根据所述状态参数和运行参数计算并分析车间及其设备的运行情况及异常信息。
进一步的,还包括一可视化模块;
所述可视化模块用于对所述数字孪生模型进行可视化,形成孪生管理场景,对工厂中各车间及其设备的生产加工过程进行孪生管理。
进一步的,还包括一预警模块;
所述预警模块用于根据所述历史运行数据结合所述数据分析处理子模块计算分析得到的生产效率、良品率、稼动率、运行情况及异常信息对实时运行数据进行综合判断,并于所述实时运行数据出现异常状态时生成异常信息并报警。
为解决上述技术问题,本发明的另一技术方案提供一种基于MES的数字工厂孪生管理平台,包括:
数据采集层,用于基于预设数据传输协议与工厂各车间及其设备之间进行数据采集,采集各车间及其设备的实时运行数据;
平台层,用于向所述数据采集层下达数据采集指令并接收数据采集层采集到的实时运行数据,以及存储运行数据并统计分析车间及设备的运行状态及异常状态;
模型层,用于根据所述实时运行数据及历史运行数据对工厂各车间及其设备进行数字孪生,并于所述平台层展示数字孪生模型;以及
应用层,用于人机交互,基于用户指令读取平台层中存储的运行数据并接收平台层的运行数据及运行状态、异常状态的推送。
进一步的,所述平台层包括:
管理数据层,用于接收并存储各车间及其设备的实时运行数据;
接口层,用于基于预设的接口协议与所述应用层进行对接,以接收应用层下达的读取指令及向应用层推送运行数据及运行状态、异常状态。
数据处理及展示层,用于对存储的实时运行数据进行综合分析,得到车间及设备的运行状态和异常状态,并于将运行状态和异常状态同步映射至数字孪生模型。
为解决上述技术问题,本发明的又一技术方案提供一种基于MES的数字工厂孪生管理方法,包括以下步骤:
构建一数据库,存储并更新工厂各车间及其设备的历史运行数据;
采集工厂各车间及其设备的实时运行数据;
构建与各车间及其设备对应的数字孪生模型并根据各车间及其设备的运行数据将车间及设备的运行状态映射至对应的数字孪生模型,以及响应于操作指令反向模拟车间及设备的运行状态。
本发明通过对构建数据库及设置数据采集模块整合工厂中各车间及其设备的历史运行数据和实时运行数据,能够整合工厂中各车间及设备的全生命周期过程中运行数据,并基于数字孪生技术构建工厂的数字孪生模型,充分利用运行数据对工厂的运行状态进行多尺度、多概率的仿真,并将仿真过程进行可视化,使得管理人员无需亲临现场即能实时了解工厂的各种运行情况,并以数字孪生的形式,基于实时运行数据,对车间及设备的生产加工过程进行动态展示,实现生产加工过程的实时监测。
另,本发明还通过设置预警模块,能够对车间及设备在运行过程中的异常情况进行实时监控并及时推送告警信息,并通过数字孪生模型真实复刻故障发生时车间或设备运行的全过程,有利于维修人员迅速做出反应,快速制定应对措施,确保顺利生产;同时,该预警模块还可根据车间及设备的历史运行数据和实时运行数据等对车间及设备的运行趋势进行预测,有利于及时发现潜在风险,合理规划设备的预检及维保任务。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例1的基于MES的数字工厂孪生管理***的***框图。
图2为图1中数据采集模块的框图。
图3为图1中数字孪生模块的框图。
图4为本发明实施例2的基于MES的数字工厂孪生管理***的***框图。
图5为本发明实施例3的基于MES的数字工厂孪生管理平台的框架图。
图6为本发明实施例4的基于MES的数字工厂孪生管理方法的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例1
如图1所示,为本实施例的基于MES的数字工厂孪生管理***的***框图。本实施例的基于MES的数字工厂孪生管理***以数字孪生技术为基础,通过整合工厂中各车间及设备的历史运行数据及实时运行数据,将其映射至基于工厂实体建立的机理模型中,以构建得到能够对工厂的运行状态进行及时且动态展示的数字孪生模型,从而实现对工厂中车间及设备等运行情况进行可视化,无需亲临现场,即可实现车间及设备的全生命周期的监控和管理。
具体的,本实施例的基于MES的数字工厂孪生管理***包括数据库1、数据采集模块2、数字孪生模块3及可视化模块4。其中:
所述数据库1中存储有工厂各车间及设备的历史运行数据,并能够基于数据采集模块2采集到的实时运行数据对历史运行数据进行动态更新,以便对车间及设备的全生命周期进行监控。在本实施例中,所述历史运行数据和实时运行数据均包括但不限于人员数据、生产数据以及状态数据。具体的,所述人员数据可以用于对工厂中的人员进行管理,所述人员数据包括但不限于在岗人员数量以及每一在岗人员的人员信息及其实时位置和在岗时间等,以便根据人员的实时情况进行考勤及进行生产调度、排班等;所述生产数据可用于对工厂的生产加工情况进行管理,所述生产数据包括但不限于车间及其设备的总产量、单位产量、良品数量和耗材量等,以便对各车间及设备的产量及生产效率等进行监控,进而制定或修改生产计划;所述状态数据可用于对工厂的运行状态进行管理,所述状态数据包括但不限于车间及其设备的状态参数和运行参数等,所述状态参数包括但不限于点检状态、维修状态、保养状态、停检状态、停机状态等,所述运行参数包括但不限于温度、湿度、气压、水压等,以便对各车间及设备的运行参数进行实时监控进而及时解决、排查异常情况以及制定合适的维保检修任务。
在本实施例中,各类运行数据均可设置对应的数据标识,以便数据库1在接收数据采集模块2采集到的实时运行数据时,能够将实时运行数据对应更新至响应的运行数据中。当所述数据库1在更新运行数据时,可按照时序将所述运行数据进行排序储存,以便于手续可以利用该运行数据分析车间及设备的人员情况、加工情况及状态情况的发展或运行趋势,从而根据人员情况、生产情况及状态情况制定或改进人员排班计划、生产计划、维保计划等。
所述数据采集模块2能够采集工厂各车间及其设备的实时运行数据,以便将工厂的实时运行情况映射至后续构建的数字孪生模型。
如图2所示,所述数据采集模块2包括人员数据采集子模块21、生产数据采集子模块22及状态数据采集子模块23;其中:
所述人员数据采集子模块21能够采集各车间的人员数据;所述人员数据包括但不限于在岗人员数量以及每一在岗人员的人员信息及其实时位置和在岗时间。具体实现时,所述人员数据采集子模块21可以是企业的考勤***或者工位打卡***,在岗人员数量及在岗人员的人员信息和在岗时间可通过从考勤***中获取每天人员的打卡考勤情况,根据打卡考勤情况获得当前在岗人员的人员数量及其人员信息和在岗时间(如员工姓名、所属生产单位、工种、上班打卡时间、下班打卡时间等);人员的实时位置可通过设置在工位的工位打卡***获取得到。
所述生产数据采集子模块22能够采集各车间及其设备的生产数据,所述生产数据包括但不限于车间及其设备的总产量、单位产量、良品数量和耗材量,所述生产数据采集子模块22可通过对车间或单一设备的总产量、单位产量、良品数量和/或耗材量进行识别并统计,从而采集得到对应的生产数据。
具体实现时,当对总产量或单位产量进行采集时,所述生产数据采集子模块22可以根据上下料区上料或下料的产品数量或加工位加工产品的次数对每一车间或设备在生命全周期或计数生产周期内的总产量和单位产量进行采集,即上料区每上料一次、加工位每加工一次和/或下料区每下料一次则对产量累加一,从而得到车间或设备的总产片和/或单位产量;当对良品数量进行采集时,所述生产数据采集子模块22可以对每一车间或设备加工完成的产品进行识别,根据识别结果统计每一车间或设备在生命全周期或计划生产周期内加工的良品数据进行采集,在对产品进行识别时,可通过在车间或设备的对应位置设置一识别装置实现,其通过采集产品的外观,并可以通过机器学习算法对采集到的产品外观进行识别,从而判断该产品是否为良品;当对耗材量进行采集时,对于能够明显量化的耗材(如打磨设备的砂纸、车铣设备的刀具等)可根据耗材的更换次数或频率进行统计,而对于无法明显量化的耗材(如发动机的润滑油等),可根据添加耗材的次数及每次添加的量进行统计。
所述状态数据采集子模块23能够采集各车间及其设备的状态数据,所述状态数据至少包括车间及其设备的状态参数和运行参数。所述状态参数包括但不限于点检状态、维修状态、保养状态、停检状态、停机状态等;对于所述状态参数的采集,所述状态数据采集子模块23可以是设置在车间或设备对应位置的外部传感器以对状态参数进行采集,例如设置电压或电流感应器对开机、关机、运行过程中的电压或电流信号进行采集,从而确定设备的状态是作业中、停机或是故障、异常等,又如设置转速传感器、计时器、计数器等对设备在运行过程中发动机或机床的转速、运行时间、运行次数等进行采集,从而确定设备是否需要进行点检、维修、保养等。所述运行参数包括但不限于温度、湿度、气压、水压等;对于所述运行参数的采集,所述状态数据采集子模块23同样可以是安装在车间或设备对应位置的外部传感器以对运行参数进行采集,如设置温度传感器对运行的实时温度进行采集,设置湿度传感器对运行的实时湿度进行采集,设置气压传感器对运行的实时气压进行采集以及设置液压传感器对实时水压进行采集等,当然,除此之外,还可根据其他的数据采集需求,设置其他类型的传感器实现,如流量传感器、光电开关等等。
所述数字孪生模块3通过构建与各车间及其设备对应的数字孪生模型,能够根据各车间及其设备的运行数据将车间及设备的运行状态映射至对应的数字孪生模型,实时模拟车间及设备的运行情况,并能响应于操作指令反向模拟车间及设备的运行状态。
如图3所示,所述数字孪生模型包括模型构建子模块31、数据分析处理子模块32和数据双向传输子模块33;其中:
所述模型构建子模块31基于工厂各车间及设备的实体图纸,对工厂各车间及设备进行3D建模得到工程的机理模型,并基于该机理模型根据实时运行数据构建工厂的数据模型后将机理模型与数据模型进行关联,得到工厂的数字孪生模型。所述模型构建子模块31包括机理模型构建单元313、数据模型构建单元312和模型关联单元313;其中:
所述机理模型构建单元313获取工厂中各车间及设备已有的实体图纸(如工厂和车间的施工图或设计图、设备的外观图等等)或基于车间及设备的物理实体绘制实体图纸,基于所述实体图纸对工厂进行3D建模,构建工厂的机理模型。在本实施例中,对工厂及其内部的车间和设备在进行建模时,首先,优选采用3D建模软件(如UG、SW、3Dmax等)进行等比例建模并渲染得到工厂、车间及设备的3D模型;然后,将工厂、车间及设备的3D模型进行展开,并将工厂、车间及设备的影像叠加至展开后的3D模型中,以使得后续构建得到机理模型更接近于现实空间;最后,基于unity3D引擎建立坐标系,将叠加有工厂、车间及设备影像的3D模型导入unity中,赋予工厂中各车间及设备的位置坐标,构建得到工厂的机理模型。
所述数据模型构建单元312通过获取所述数据库1中的历史运行数据及数据采集模块2采集到的实时运行数据,并将历史运行数据和实时运行数据转化成工厂的各车间及设备的动作数据,构建工厂的数据模型。由于所述数据库1中的历史运行数据及数据采集模块2采集到的运行数据为单一的静态参数数据,在进行数字孪生时,需要将该静态参数数据转化与机理模型一一对应的动作数据,以方便对数字孪生的目标进行实时模拟。例如,机床的单位产量为30pcs/h,则需要将该单位产量转化成对应的生产动作数据,又如发动机的转速为500rad/s,则需要将其转化成对应的旋转动作数据等,由此,能够将数据模型与机理模型对应起来。
所述模型关联单元313通过将数据模型导入机理模型中,以对数据模型与机理模型进行关联,将数据模型的动作数据映射至机理模型,构建得到工厂的数字孪生模型。具体实现时,为确保数据模型与机理模型能够准确关联、映射,可在机理模型中确定若干个特征点,并在数据模型中对应的位置确定与该特征点对应的映射点,从而基于特征点和映射点的关联,将数据模型与机理模型进行准确关联、映射。
所述数据分析处理子模块32能够对各车间及其设备的运行数据进行统计并对统计的运行数据进行综合计算,得到各车间及其设备的运行状态,以便数字孪生模型能够动态展现车间及设备的实时运行状态。具体的,所述数据分析处理子模块32通过对所述人员数据、生产数据及状态数据进行统计,并根据所述人员数据、生产数据及状态数据对人员情况、生产加工情况及运行情况、异常信息等进行计算、分析,确定车间及其设备的当前运行状态。
本实施例在具体实现时,对于人员情况的分析及计算,所述数据分析处理子模块32可以根据在岗人员数量以及每一在岗人员的人员信息及其实时位置和在岗时间计算每一人员的工作时长(可通过打卡时间计算得到)以及工作饱和度(可根据该员工在单位时间内的加工情况或生产效率等计算得到)等,以对工厂各车间及设备在岗或所需的人员实时作业情况进行分析并展示于数字孪生模型中,以便于管理者对人员进行考勤、考核以及进行生产调度、排班等。对于生产情况的分析计算,所述数据分析子模块可以根据所述车间及其设备的总产量、单位产量、良品数量和耗材量计算车间及设备的生产效率、良品率以及稼动率并反映至数字孪生***中,以便管理者根据生产作业情况及时调整或制定生产计划。对于状态数据的分析计算,所述数据分析处理子模块32可以根据所述状态参数和运行参数计算分析当前运行情况(如是否需要进行点检、维修、保养等)及异常信息(如计算温度、湿度、气压、水压等是否超过设定的阈值),以便管理者在需要点检、维修、保养时及时制定合适的点检及维保任务以及在异常时及时排查并解决异常情况。
在本实施例中,所述数据分析处理子模块32还可以通过对工厂各车间及设备的历史运行数据进行分析,生成运行曲线,从而分析各车间及设备的运行趋势,以对存在的潜在风险进行预测,便于合理规划车间及设备的维护。
所述数据双向传输子模块33能够将所述运行数据和运行状态映射至数字孪生模型并接收操作指令反向控制数字孪生模型进行实时模拟。具体的,所述数据双向传输子模块33基于双向读写思路,既能够及时读取所述数据采集模块2采集到的实时运行数据并传输至数字孪生模型中,以实现虚实联动;同时,所述数据双向传输子模块33还可以接收用户基于数字孪生模型的模拟作用生成的操作指令,反向将控制指令传输至设备上,实现双向控制。
所述可视化模块4能够对所述数字孪生模型进行可视化,形成孪生管理场景,以便管理者无需亲临现场即能够对工厂中各车间及其设备的生产加工过程进行实时监控,实现工厂及车间和设备的数字孪生管理。本实施例在具体实现时,所述可视化模块4被配置为当在所述数字孪生模型中进行点选时,可对应对选中的车间或设备的当前运行数据和/或历史运行数据以表格或图形的方式进行显式,以根据管理者的管理需求实时展示。
作为本实施例的一种优选方式,所述可视化模块4除对数字孪生模型进行可视化之外,还可接入工厂的基础支持设备(如电力设备、供水设备以及环境感知设备等),接入电力设备后,可对工厂的供配电***中各设备的运行状态的重要运行指标(如开关状态、故障报警、电压、电流、功率因素、用电量等)数据进行可视化;接入供水设备后,可实现供水设备的运行监控,直观显示***运行状态,如水流向、总功耗、瞬时功耗及峰值功耗等进行可视化;接入环境感知设备后,可对环境的温湿度等进行可视化。
本实施例的基于MES的数字工厂孪生管理***,基于数字孪生技术,整合工厂中各车间及其设备的历史运行数据和实时运行数据,设置数字孪生模块3构建工厂的数字孪生模型,充分利用数据库1中的历史运行数据以及数字采集模块采集的实时运行数据对工厂的运行状态进行动态展示并可视化,使得管理人员无需亲临现场即能实时了解工厂的各种运行情况,从而实现生产加工过程的实时监测。
实施例2
如图4所示,为本实施例的基于MES的数字工厂孪生管理***的***框图。本实施例的基于MES的数字工厂孪生管理***包括与实施例1中结构和功能相同或相似的数据库1、数据采集模块2、数字孪生模块3及可视化模块4。本实例的区别在于:
本实施例还包括一预警模块5,以根据历史运行数据和实时运行数据综合判断,并于运行异常时生成异常信息并报警。
具体的,所述预警模块5能够根据所述数据库1中的历史运行数据,并结合所述数据分析处理子模块32计算分析得到的生产效率、良品率、稼动率、运行情况及异常信息对实时运行数据进行综合判断,并于所述实时运行数据出现异常状态时生成异常信息并报警。更为具体的,所述预警模块5能够将实时运行数据、生产效率、良品率、稼动率、运行情况及异常信息与所述历史运行数据中对应数据进行匹配比对,于匹配不成功时,生成异常信息,于所述可视化模块4中进行显示,并同步以声和/或光的方式进行报警,以便管理者能够及时做出应对措施。
本实施例的基于MES的数字工厂孪生管理***,通过设置预警模块5,能够在工厂各车间及设备运行出现异常时进行报警,使得管理者能够及时发现异常并快速做出应对措施,从而降低人员伤害及经济损失。
实施例3
如图5所示,为本实施例的基于MES的数字工厂孪生管理平台的框架图。本实施例的基于MES的数字工厂孪生管理平台基于实施例1或实施例2的基于MES的数字工厂孪生管理***实现,作为实施例1或实施例2的基于MES的数字工厂孪生管理***的底层架构,以支撑其实现生产加工过程的数字孪生。本实施例的基于MES的数字工厂孪生管理平台包括数据采集层、平台层、模型层以及应用层;其中:
所述数据采集层具有若干预设的数据采集协议,基于所述预设数据传输协议与工厂各车间及其设备之间进行数据采集。具体的,所述数据采集层能够结构所述应用层下达的采集指令进行数据采集以及将于不同车间及设备上采集到实时运行数据传输至平台层。
所述平台层能够向所述数据采集层下达数据采集指令并接收数据采集层采集到的实时运行数据,并将所述运行数据进行存储后统计分析车间及设备的运行状态及异常状态。所述平台层包括管理数据层、接口层以及数据处理及展示层;其中:
所述管理数据层能够接收车间及设备的实时运行数据并存储各车间及其设备的历史运行数据。
所述接口层基于预设的接口协议与所述应用层进行对接,所述接口层中汇聚外部接口数据(本实施例主要为应用层),以接收应用层下达的读取指令及向应用层推送运行数据及运行状态、异常状态。
所述数据处理及展示层能够对存储的各车间及其设备的运行数据进行综合分析,得到车间及设备的运行状态和异常状态,并于将运行状态和异常状态同步映射至数字孪生模型,以便数字孪生模型能够动态展现车间及设备的实时运行状态。
所述模型层根据所述实时运行数据及历史运行数据构建与各车间及其设备对应的数字孪生模型,能够根据各车间及其设备的运行数据将车间及设备的运行状态映射至对应的数字孪生模型,实时模拟车间及设备的运行情况,并能响应于操作指令反向模拟车间及设备的运行状态后于所述平台层展示数字孪生模型。
所述应用层,用于人机交互,基于用户指令读取平台层中存储的运行数据并接收平台层的运行数据及运行状态、异常状态的推送。在本实施例中,所述应用层可基于内置于移动终端第三方软件实现,以实现指令的发送及运行数据、运行状态、异常状态的接收。
在本实施例中,所述数据采集层、管理数据层、接口层、数据处理及展示层以及模型层分别与实施例1中的数据采集模块2、数据库1、数据双向传输子模块33、数据分析处理子模块32(和/或可视化模块4)、模型构建子模块31一一对应,相关描述参见实施例1中的对应描述,本实施例不做赘述。
本实施例的基于MES的数字工厂孪生管理平台,通过对基于MES的数字工厂孪生管理***搭建底层框架,通过数据采集层进行运行数据的采集、管理数据层存储更新运行数据、接口层实现数据传输、数据处理及展示层进行运行数据的分析与处理并可视化以及通过模型层进行工厂的数字孪生,以支撑其实现生产加工过程的数字孪生。
实施例4
如图6所述,为本实施例的基于MES的数字工厂孪生管理方法的流程图。本实施例的基于MES的数字工厂孪生管理方法基于实施例1或实施例2的基于MES的数字工厂孪生管理***实现,包括与实施例1的结构和功能相同或相似的数据库1、数据采集模块2、数字孪生模块3及可视化模块4,可选的包括与实施例2的结构和功能相同或相似的预警模块5。本实施例的基于MES的数字工厂孪生管理方法包括以下步骤:
S1:构建数据库1,存储并更新历史运行数据。
具体的,构建一数据库1,所述数据库1中存储有工厂各车间及设备的历史运行数据,并能够基于数据采集模块2采集到的实时运行数据对历史运行数据进行动态更新,以便对车间及设备的全生命周期进行监控。在本实施例中,所述步骤S1基于实施例1的数据库1实现,其构建过程及数据存储、更新过程参见实施例1中的相关描述,本实施例不做赘述。
S2:采集实时运行数据。
具体的,通过所述数据采集模块2采集工厂各车间及其设备的实时运行数据,以便将工厂的实时运行情况映射至后续构建的数字孪生模型。在本实施例中,所述步骤S1基于实施例1的数据采集模块2实现,具体采集过程参见实施例1中的相关描述,本实施例不做赘述。
S3:构建数字孪生模型并可视化。
具体的,通过所述数字孪生模块3通过构建与各车间及其设备对应的数字孪生模型,能够根据各车间及其设备的运行数据将车间及设备的运行状态映射至对应的数字孪生模型,实时模拟车间及设备的运行情况,并能响应于操作指令反向模拟车间及设备的运行状态,并对所述数字孪生模型进行可视化,形成孪生管理场景。在本实施例中,所述步骤S1基于实施例1的数字孪生模块3及可视化模块4实现,具体过程参见实施例1中的相关描述,本实施例不做赘述。
本实施例的MES的数字工厂孪生管理方法,通过构建能够存储工厂各车间及设备的运行数据的数据库1,能够对各类运行数据进行管理,并结合采集得到的实时运行数据对工厂各车间及设备的实时运行情况进行数字孪生,从而真是展示工厂各车间及设备的实时运行场景,以便及时、准确了解工厂的各种运行情况。
Claims (10)
1.一种基于MES的数字工厂孪生管理***,其特征在于,包括:
数据库,用于存储并更新各车间及其设备的历史运行数据;
数据采集模块,用于采集工厂各车间及其设备的实时运行数据;以及
数字孪生模块,用于构建与各车间及其设备对应的数字孪生模型并根据各车间及其设备的运行数据将车间及设备的运行状态映射至对应的数字孪生模型,以及响应于操作指令反向模拟车间及设备的运行状态。
2.根据权利要求1所述的基于MES的数字工厂孪生管理***,其特征在于,所述运行数据至少包括人员数据、生产数据以及状态数据;所述数据采集模块包括:
人员数据采集子模块,用于采集各车间的人员数据,其中,所述人员数据至少包括在岗人员数量以及每一在岗人员的人员信息及其实时位置和在岗时间;
生产数据采集子模块,用于采集各车间及其设备的生产数据,其中,所述生产数据至少包括车间及其设备的总产量、单位产量、良品数量和耗材量;以及
状态数据采集子模块,用于采集各车间及其设备的状态数据,其中,所述状态数据至少包括车间及其设备的状态参数和运行参数。
3.根据权利要求2所述的基于MES的数字工厂孪生管理***,其特征在于,所述数字孪生模块包括:
模型构建子模块,用于构建车间及其设备的机理模型及数据模型并将所述机理模型与数据模型进行关联,得到工厂的数字孪生模型;
数据分析处理子模块,用于对各车间及其设备的运行数据进行统计并对统计的运行数据进行综合计算,得到各车间及其设备的运行状态;以及
数据双向传输子模块,用于将所述运行数据和运行状态映射至数字孪生模型并接收操作指令反向控制数字孪生模型进行实时模拟。
4.根据权利要求3所述的基于MES的数字工厂孪生管理***,其特征在于,所述模型构建子模块包括:
机理模型构建单元,用于获取工厂中各车间及设备已有实体图纸或基于车间及设备的物理实体绘制实体图纸,基于所述实体图纸对工厂进行3D建模,构建工厂的机理模型;
数据模型构建单元,用于获取所述工厂的历史运行数据及实时运行数据,将所述历史运行数据和实时运行数据转化成工厂中各车间及设备的动作数据,构建工厂的数据模型;以及
模型关联单元,用于对所述数据模型与机理模型进行关联,将数据模型的动作数据映射至机理模型,构建得到工厂的数字孪生模型。
5.根据权利要求3所述的基于MES的数字工厂孪生管理***,其特征在于,所述数据分析处理子模块还用于对所述人员数据、生产数据及状态数据进行统计,并根据所述在岗人员数量以及每一在岗人员的人员信息及其实时位置和在岗时间计算并分析工厂中各车间及设备的人员实时作业情况,根据所述车间及其设备的总产量、单位产量、良品数量和耗材量计算并分析各车间及其设备的生产效率、良品率以及稼动率,以及根据所述状态参数和运行参数计算并分析车间及其设备的运行情况及异常信息。
6.根据权利要求1所述的基于MES的数字工厂孪生管理***,其特征在于,还包括一可视化模块;
所述可视化模块用于对所述数字孪生模型进行可视化,形成孪生管理场景,对工厂中各车间及其设备的生产加工过程进行孪生管理。
7.根据权利要求5所述的基于MES的数字工厂孪生管理***,其特征在于,还包括一预警模块;
所述预警模块用于根据所述历史运行数据结合所述数据分析处理子模块计算分析得到的生产效率、良品率、稼动率、运行情况及异常信息对实时运行数据进行综合判断,并于所述实时运行数据出现异常状态时生成异常信息并报警。
8.基于MES的数字工厂孪生管理平台,其特征在于,包括:
数据采集层,用于基于预设数据传输协议与工厂各车间及其设备之间进行数据采集,采集各车间及其设备的实时运行数据;
平台层,用于向所述数据采集层下达数据采集指令并接收数据采集层采集到的实时运行数据,以及存储运行数据并统计分析车间及设备的运行状态及异常状态;
模型层,用于根据所述实时运行数据及历史运行数据对工厂各车间及其设备进行数字孪生,并于所述平台层展示数字孪生模型;以及
应用层,用于人机交互,基于用户指令读取平台层中存储的运行数据并接收平台层的运行数据及运行状态、异常状态的推送。
9.根据权利要求8所述的基于MES的数字工厂孪生管理平台,其特征在于,所述平台层包括:
管理数据层,用于接收并存储各车间及其设备的实时运行数据;
接口层,用于基于预设的接口协议与所述应用层进行对接,以接收应用层下达的读取指令及向应用层推送运行数据及运行状态、异常状态。
数据处理及展示层,用于对存储的实时运行数据进行综合分析,得到车间及设备的运行状态和异常状态,并于将运行状态和异常状态同步映射至数字孪生模型。
10.基于MES的数字工厂孪生管理方法,其特征在于,包括以下步骤:
构建一数据库,存储并更新工厂各车间及其设备的历史运行数据;
采集工厂各车间及其设备的实时运行数据;
构建与各车间及其设备对应的数字孪生模型并根据各车间及其设备的运行数据将车间及设备的运行状态映射至对应的数字孪生模型,以及响应于操作指令反向模拟车间及设备的运行状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310206266.0A CN116300736A (zh) | 2023-03-06 | 2023-03-06 | 基于mes的数字工厂孪生管理***、平台及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310206266.0A CN116300736A (zh) | 2023-03-06 | 2023-03-06 | 基于mes的数字工厂孪生管理***、平台及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116300736A true CN116300736A (zh) | 2023-06-23 |
Family
ID=86777288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310206266.0A Pending CN116300736A (zh) | 2023-03-06 | 2023-03-06 | 基于mes的数字工厂孪生管理***、平台及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116300736A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117496062A (zh) * | 2023-11-10 | 2024-02-02 | 北京达美盛软件股份有限公司 | 一种工厂设备安全指数展示***及方法 |
CN117539169A (zh) * | 2024-01-09 | 2024-02-09 | 武汉杰然技术有限公司 | 一种基于数字孪生的管理方法和*** |
CN117951800A (zh) * | 2024-03-27 | 2024-04-30 | 江苏航运职业技术学院 | 一种水工结构数字孪生模型的建立方法及*** |
CN118192479A (zh) * | 2024-05-17 | 2024-06-14 | 南京微思软件有限公司 | 基于数据采集的工厂车间数字孪生模型校正方法及*** |
-
2023
- 2023-03-06 CN CN202310206266.0A patent/CN116300736A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117496062A (zh) * | 2023-11-10 | 2024-02-02 | 北京达美盛软件股份有限公司 | 一种工厂设备安全指数展示***及方法 |
CN117539169A (zh) * | 2024-01-09 | 2024-02-09 | 武汉杰然技术有限公司 | 一种基于数字孪生的管理方法和*** |
CN117539169B (zh) * | 2024-01-09 | 2024-04-26 | 武汉杰然技术有限公司 | 一种基于数字孪生的管理方法和*** |
CN117951800A (zh) * | 2024-03-27 | 2024-04-30 | 江苏航运职业技术学院 | 一种水工结构数字孪生模型的建立方法及*** |
CN117951800B (zh) * | 2024-03-27 | 2024-06-14 | 江苏航运职业技术学院 | 一种水工结构数字孪生模型的建立方法及*** |
CN118192479A (zh) * | 2024-05-17 | 2024-06-14 | 南京微思软件有限公司 | 基于数据采集的工厂车间数字孪生模型校正方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116300736A (zh) | 基于mes的数字工厂孪生管理***、平台及方法 | |
CN103345673B (zh) | 一种电力资产全寿命周期监控*** | |
CN116129366B (zh) | 基于数字孪生的园区监测方法及相关装置 | |
CN111611855A (zh) | 一种变电站三维可视化机器人智能巡检*** | |
CN109657912A (zh) | 一种可视化的电网风险管控方法及*** | |
CN107945307B (zh) | 一种铁路设备追踪管理*** | |
CN104764595A (zh) | 远程诊断*** | |
CN107368693A (zh) | 一种工业设备健康状态评估方法 | |
CN105356680A (zh) | 发电机智能运维体系 | |
CN108225439A (zh) | 一种电子通信环境监控*** | |
CN111582537A (zh) | 一种生产叶片的数字化车间施工方法 | |
CN107172047A (zh) | 工厂虚拟增强现实3d交互***及其实现方法 | |
CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
CN111915167A (zh) | 一种智能制造虚拟船厂信息模型构建方法 | |
CN109117526A (zh) | 一种适用于机械***设备维修指引数据记录及分析*** | |
CN115238959A (zh) | 一种面向用户侧能源综合利用的数字孪生***和方法 | |
CN116955434A (zh) | 一种工业装备全生命周期管理及多维度能效分析*** | |
CN117078163A (zh) | 基于数字孪生的物流仓储管控***及方法 | |
CN116596463A (zh) | 一种航空热表处理车间智能管控*** | |
CN111311133A (zh) | 一种应用于电网生产设备的监测*** | |
CN115908046A (zh) | 基于航站楼bim的可视化配电*** | |
CN114609983A (zh) | 一种数字孪生监控*** | |
CN202854576U (zh) | 汽车生产线数据管理*** | |
CN114995302A (zh) | 一种智能控制方法及*** | |
CN111160598A (zh) | 一种基于动态能耗基准的能源预测与能耗管控方法及*** |
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 |