数字孪生车间的概念、运行机制及关键技术
2021-5-8新闻
「 1. 数字孪生车间概念模型 」
数字孪生车间(digital twin shop-floor, DTS)的概念模型如图1所示,包括物理车间(physical shop-floor, PS)、虚拟车间(virtual shop-floor, VS)、车间服务系统(shop-floor service system, SSS)、车间孪生数据(shop-floor digital twin data, SDTD)、连接(connection, CN)。
图1 DTS概念模型[1]
PS是车间客观存在的生产设备、人员、产品、物料等实体的集合,主要负责接收SSS下达的生产任务,并严格按照VS仿真优化后的预定义的生产指令,执行生产活动并完成生产任务。PS的设备、人员、产品、物料等生产要素的实时状态数据可通过各类传感器进行有效采集。由于这些数据来自不同数据源,存在数据结构不同、接口不同、语义各异等问题,因此,为了实现对多源异构数据的统一接入,需要一套标准的接口与协议转换装置。[2]
VS是PS的忠实完全数字化镜像,从几何、物理、行为、规则多个层面对PS进行描述与刻画,主要负责对PS的生产资源与生产活动进行仿真、评估及优化,并对实际生产过程进行实时监测、预测与调控等。VS本质上是由多个几何、物理、行为及规则模型构成的模型集合,能够对PS进行全面地多维度描述与刻画。根据数字孪生3层结构[3],VS中包括人员、设备、工具等单个生产要素的单元级模型,由多个生产要素单元级模型构成的系统级产线模型,以及包括多个系统级产线模型及模型间交互与耦合关系的复杂系统级车间模型。
SDTD是PS、VS、SSS相关数据、领域知识,以及通过数据融合产生的衍生数据的集合,是PS、VS、SSS运行交互与迭代优化的驱动。融合数据是SDTD的重要组成部分,是通过特定的规则将来自物理和信息空间的数据聚合在一起得到的。其中,物理空间的数据主要指PS相关数据,这些数据是物理实体产生的真实数据;信息空间的数据主要指VS相关数据和SSS相关数据,这些数据不是从物理空间直接采集得到的,而是在物理数据的基础上,利用信息空间模型仿真、算法推演、系统衍生等过程得到的,是对物理数据的补充。
SSS是数据驱动的各类服务功能的集合或总称,它将DTS运行过程中所需数据、模型、算法、仿真、结果进行服务化封装,形成支持DTS管控与优化的功能性与业务******。SSS的运行过程包括子服务封装、需求解析、服务组合及服务应用。[1]
CN实现DTS各部分的互联互通,它包括PS和SDTD的连接(CN_PD)、PS和VS的连接(CN_PV)、PS和SSS的连接(CN_PS)、VS和SDTD的连接(CN_VD)、VS和SSS的连接(CN_VS)、SSS和SDTD的连接(CN_SD)。