基于数字孪生的工厂业务协同系统的制作方法

本发明涉及数字孪生，具体涉及了一种基于数字孪生的工厂业务协同系统。

背景技术：

1、工厂数字孪生开发平台是利用数字化模型、传感器数据、运行信号等数据，在虚拟的数字孪生体中完成对现实自动化设备的映射，创建与现实设备同步的虚拟设备，用于设备运行可视化全生命周期的管理。

2、在工厂设备运行的过程中，经常会出现零部件损坏的情况，从而导致整个生产线停产，车间维修人员对生产线进行检修，浪费大量的时间和精力，因此，如何将数字孪生引入工厂设备运维，减少运维成本，是亟待解决的问题。

技术实现思路

1、本发明所解决的技术问题在于提供一种基于数字孪生的工厂业务系统系统，能够对工厂设备故障进行快速响应。

2、本发明提供的基础方案：基于数字孪生的工厂业务协同系统，包括服务器和运维终端，所述服务器包括模型构建模块、数据采集模块、数据运行模块以及故障识别模块；

3、模型构建模块，用于获取工厂设备的点云数据，构建对应的三维数字模型；

4、数据采集模块，用于采集工厂设备的实时运行数据，并将实时运行数据注入三维数字模型，生成工厂设备的数字孪生体；

5、数据运行模块，用于使数字孪生体对实时运行数据进行模拟运行，生成未来时段的模拟运行结果；

6、故障识别模块，用于根据模拟运行结果，识别工厂设备是否存在设备故障异常，当工厂设备存在设备故障异常时，想运维终端发出故障预警。

7、本发明的原理及优点在于：通过构建工厂设备的数字模型，并获取到工厂设备的实时运行状态，生成工厂设备的数字孪生体，通过数字孪生体对实时数据进行模拟运行，模拟得到工厂设备未来时段的运行状态，即对工厂设备未来的运行状态进行预测，判断在未来时段是否会出现异常，当预测结果中出现可能存在异常时，向运维终端发出预警，使运维人员了解那台设备可能存在故障隐患，进而提前进行干预和检修，避免设备出现问题后再进行检修，提高工厂设备故障运维效率，保障工厂的生产效率。

8、进一步，所述实时运行数据包括工厂设备各项指标参数，所述数据运行模块对工厂设备的各项指标参数进行模拟运行，得到未来时段的指标参数变化曲线，所述故障识别模块包括参数识别模块；

9、参数识别模块，用于根据指标参数变化曲线，识别指标参数变化曲线中，是否有点值达到预设的预警阈值，当有点值达到预设的预警阈值时，向运维终端发出故障预警。

10、通过识别到工厂设备的各项指标参数，如电流、电压、温度等，对工厂设备进行未来时段的参数变化进行预测，绘制出指标参数的变化曲线。根据各参数设定的预警阈值，当变化曲线参数中有点值达到预警阈值时，便判断存在故障异常，向运维终端发出故障预警。

11、进一步，所述故障识别模块包括时段划分模块，点值识别模块；

12、时段划分模块，用于按照预设的分段规则，将预设的未来时段划分为若干个子时段；

13、点值识别模块，用于识别指标变化参数中，达到预警阈值的点值，出现在不同子时段中的数量，当出现在不同子时段中的数量超过预设的次数阈值时，立即向运维终端发送故障预警。

14、将预测的未来时段，划分为若干个子时段，并识别达到预警阈值的点值，出现在不同子时段中的数量。若是出现在不同子时段中的数量较少，可能是正常的数据波动，或者是模拟计算结果出现偏差，因此当出现在不同子时段中的数量较多时，才判断存在设备故障异常，向运维终端发送故障预警。

15、进一步，所述点值识别模块，还用于当达到预警阈值的点值，出现在不同子时段中的数量，没有达到次数阈值时，识别最早达到预警阈值的点值所处的子时段，标记为异常时段，并根据异常时段与当前时段的距离，以及达到预警阈值的点值数量，判断设备故障异常的可信度，异常时段距离当前时段越近，达到预警阈值的点值数量越多，设备故障异常的可信度越高。

16、若是达到预警阈值的点值数量较少，判断最早出现的点值所处的子时段，标记为异常时段，并识别异常时段与当前时段的距离。由于本方案中，是通过当前时段的实时运行数据对未来时段的数据进行模拟，子时段距离当前时段越接近，其他外界影响因素越少，模拟的结果越准确。而达到预警阈值的点值数量越多，数据波动可能性越少。因此当异常时段距离当前时段越近，已经达到预警阈值的点值数量越多，设备故障异常的可信度越高。

17、进一步，所述点值识别模块还用于给出可信度评分，所述故障识别模块还包括可信度验证模块；

18、可信度验证模块，用于根据可信度评分，对设备故障异常进行标记，当可信度评分高于预设分值时，将设备故障异常标记为可信；

19、故障识别模块，还用于对需要进行可信度判断的设备故障异常被标记为可信后，才向运维终端发送故障预警。

20、通过给出可信度评分，根据可信度评分判断设备故障异常发生的可能性，评分越高发生的可能性越高，当故障异常发生的可能性较高时，标记为可信，才向运维终端发送故障预警，使运维人员处理更加准确。

21、进一步，所述故障识别模块，还包括疑似标记模块；

22、疑似标记模块，用于当设备故障异常可信度评分低于预设分值时，将对应的工厂设备标记为疑似设备；

23、数据运行模块，还用于在当前时段达到异常时段之前的各个子时段时，分别再次获取疑似设备的当前的实时运行数据，并绘制出指标参数变化曲线；

24、点值识别模块，还用于识别各次指标参数变化曲线中，在异常时段的达到预警阈值的点值是否消失，若是未消失，则将其设备故障异常标记为可信。

25、若是设备故障异常可信度评分较低，说明设备的模拟结果中，出现的达到预警阈值的点值数量较少，或者是异常时段距离当前时段较远，在之后进行重复、多次验证，对该设备故障异常进行验证。

技术特征：

1.基于数字孪生的工厂业务协同系统，其特征在于：包括服务器和运维终端，所述服务器包括模型构建模块、数据采集模块、数据运行模块以及故障识别模块；

2.根据权利要求1所述的基于数字孪生的工厂业务协同系统，其特征在于：所述实时运行数据包括工厂设备各项指标参数，所述数据运行模块对工厂设备的各项指标参数进行模拟运行，得到未来时段的指标参数变化曲线，所述故障识别模块包括参数识别模块；

3.根据权利要求2所述的基于数字孪生的工厂业务协同系统，其特征在于：所述故障识别模块包括时段划分模块，点值识别模块；

4.根据权利要求3所述的基于数字孪生的工厂业务协同系统，其特征在于：所述点值识别模块，还用于当达到预警阈值的点值，出现在不同子时段中的数量，没有达到次数阈值时，识别最早达到预警阈值的点值所处的子时段，标记为异常时段，并根据异常时段与当前时段的距离，以及达到预警阈值的点值数量，判断设备故障异常的可信度，异常时段距离当前时段越近，达到预警阈值的点值数量越多，设备故障异常的可信度越高。

5.根据权利要求4所述的基于数字孪生的工厂业务协同系统，其特征在于：所述点值识别模块还用于给出可信度评分，所述故障识别模块还包括可信度验证模块；

6.根据权利要求5所述的基于数字孪生的工厂业务协同系统，其特征在于：所述故障识别模块，还包括疑似标记模块；

技术总结
本发明涉及数字孪生技术领域，具体涉及了一种基于数字孪生的工厂业务协同系统。包括服务器和运维终端，所述服务器包括模型构建模块、数据采集模块、数据运行模块以及故障识别模块；模型构建模块，用于获取工厂设备的点云数据，构建对应的三维数字模型；数据采集模块，用于采集工厂设备的实时运行数据，并将实时运行数据注入三维数字模型，生成工厂设备的数字孪生体；数据运行模块，用于使数字孪生体对实时运行数据进行模拟运行，生成未来时段的模拟运行结果；故障识别模块，用于根据模拟运行结果，识别工厂设备是否存在设备故障异常，当工厂设备存在设备故障异常时，向运维终端发出故障预警。能够对工厂设备故障进行快速响应。

技术研发人员：艾丽凤,曾楠,王传福,荣金昌,周建波,徐翔
受保护的技术使用者：贵阳中安科技集团有限公司
技术研发日：
技术公布日：2024/2/19