莆田市荔城区建设局网站,下载 wordpress插件,建设工程网上质检备案网站,山东网站建设公司推荐数字经济时代#xff0c;数字孪生作为实现各行各业智能化、数字化的重要手段之一#xff0c;受到了各方的广泛重视。随着各项关键使能技术的不断发展#xff0c;数字孪生的应用价值有望得到进一步释放。这些关键使能技术包括建模、渲染、仿真、物联网、虚拟调试、可视化等数字孪生作为实现各行各业智能化、数字化的重要手段之一受到了各方的广泛重视。随着各项关键使能技术的不断发展数字孪生的应用价值有望得到进一步释放。这些关键使能技术包括建模、渲染、仿真、物联网、虚拟调试、可视化等他们的蓬勃发展与交叉融合极大地推动了数字孪生的深入应用。 生产系统运行过程的数字孪生应用 生产过程的核心是制造运行管理MOMIEC/ISO 62264标准对其定义是通过协调管理企业的人员、设备、物料和能源等资源把原材料或零件转化为产品的活动。 它包合管理那些由物理设备、人和信息系统来执行的行为并涵盖了管理有关调度、产能、产品定义、历史信息、生产装置信息以及与相关的资源状况信息的活动数字孪生在MOM的应用场景包括 1三维可视化实时监控 传统的数字化车间主要通过现场看板、手持设备、触摸屏等二维的可视化平台完成系统监测无法完整展示系统的全方位信息与运行过程可视化程度较低。 基于机理模型和数据驱动的方式建立的数字孪生车间具有高保真度、高拟实性的特点结合3RVR/AR/MR技术能将可视化模型从传统的二维平面过渡到三维实体车间的生产管理、设备管理、人员管理、质量数据、能源管理、安防信息等均能以更为直观、完整的方式呈现给用户。 2生产调度 传统生产制造模式中生产计划的制定、调整等以工作人员根据生产要求及车间生产资源现状来手动制定调整为主如果生产车间缺乏实时数据的采集、传输与分析系统很难对生产计划执行过程中的实时状态数据进行分析无法实时获取即时生产状态导致对于生产的管理和控制缺乏实际数据的支撑无法及时发现扰动情况并制定合理的资源调度和生产规划策略导致生产效率的下降。 而数字孪生驱动下的生产调度基于全要素的精准虚实映射从生产计划的制定、仿真、实时优化调整等均基于实际车间数据使得生产调整具有更高的准确性与可执行性。 3生产和装配指导 随着产品复杂程度越来越高产品设计方案越来越复杂给生产过程的参数优化以及装配过程的工艺参数控制提出了新的要求同时个性化的提升让单件、小批生产成为主流需要在制造前熟悉不同新产品的生产和装配工艺要求给现场操作工人提出了挑战。利用数字孪生技术可以有效支持生产和装配过程的指导。一方面数字孪生体提供的统一产品定义模型可以方便地转化成直观的产品生产需求和装配指导书让操作工人可以尽快熟悉 另一方面利用制造设备的数字孪生体可以对生产过程参数进行模拟优化同时可以借鉴类似产品的加工数据进行迁移学习推广到新产品加工过程的参数优化中。对质量数据的在线分析也能为生产、装配的结果进行评估及时反馈到生产现场减少不合格品的数量。 4设备管理 数字孪生驱动下的故障预测与健康管理建立在虚实设备精准映射的基础上由于虚实设备的实时交互及全要素、全数据的映射关系可以方便地对相关的设备进行全方位的分析及故障的预测性诊断。同时基于虚拟设备模型及历史运行数据可以进行故障现象的重放有利于更加准确地定位故障原因从而制定更合理的维修策略。 另外在数字孪生应用场景下当设备发生故障时专家无需到达现场即可实现对于设备的准确维修指导。远程专家可以调取数字孪生模型的报警信息、日志文件等相关数据在虚拟空间内进行设备故障的预演推测实现远程故障诊断和维修指导从而减少设备停机时间并降低维修成本。 5物流优化 数字孪生生产系统改变了传统的物流管理模式能够做到物流的实时规划及配送的指导。数字孪生建立在实时数据的基础上通过物理实体与虚拟实体的精准映射、实时交互、闭环控制基于智能物流规划算法模型结合实际情况做出即时物流规划调整和最优决策同时可通过增强现实等方式对配送人员做出精准的配送指导。 6能耗管控 “碳达峰、碳中和”成为新时代制造的一个核心话题越来越多的制造企业关注制造过程的碳排放问题需要实现节能减排。数字孪生驱动下的能耗智能管控指通过传感器技术对能耗相关信息、生产要素信息和生产行为状态等的感知通过感知得到的实时能耗信息对生产过程的参数进行调整和优化。一方面利用能耗模型来指导产品设计过程采用低碳环保的方案 另一方面通过调整生产计划、降低不必要的能耗等方法来减少加工过程的能源消耗。通过数字孪生系统能耗管理由传统的凭经验、凭直觉的定性方法转向基于能耗模型的量化方法并且能提供持续优化的能力。 7安全防护 在智能车间中相对于装备、产品等生产要素而言人员在产品设计、制造运维等过程中的主观活动更为重要。近年来随着计算机视觉、深度学习等智能算法的推广和计算机算力的提升车间人员行为的观测正逐步从“机械式”的人工观测方式向基于深度视觉的智能人员行为理解的模式转变。 车间人员行为智能识别的本质在于人员行为特征的提取并进行分类与深层次分析深度学习算法有助于人员行为特征的自动、多层次的提取数字孪生技术则为智能人员行为理解模式的实现提供了实现框架能进一步促进车间乃至智能工厂环境下的人机共融和HCPS的构建。 原文转自http://smartyunzhou.com/newsinfo/6461736.html如有侵权请联系删除