基于数字孪生的生产线布局管控系统

本发明涉及工业生产，具体是基于数字孪生的生产线布局管控系统。

背景技术：

1、生产线就是产品生产过程所经过的路线，即从原料进入生产现场开始，经过加工、运送、装配、检验等一系列生产活动所构成的路线，生产线是按对象原则组织起来的，完成产品工艺过程的一种生产组织形式，即按产品专业化原则，配备生产某种产品所需要的各种设备和各工种的工人，负责完成某种产品的全部制造工作，对相同的劳动对象进行不同工艺的加工；

2、但是在现有技术中，工业生产线与数字孪生平台相互独立，无法对生产线的产品制造情况进行分析，从而及时预警，提示操作人员优化生产线布局，避免原先均衡的生产线中出现空闲等待和在制品堵塞等情况，或者及时更新或维修生产线设备，避免生产线设备老化、故障，造成能耗增加、产品合格率低下等问题；基于以上不足，本发明提出基于数字孪生的生产线布局管控系统。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了基于数字孪生的生产线布局管控系统。

2、为实现上述目的，本发明的第一方面提供了基于数字孪生的生产线布局管控系统，包括孪生仿真监控模块、数据获取模块、图像分析模块、控制中心、预警模块、产能追踪模块以及工序监测模块；

3、所述孪生仿真监控模块用于构建smt生产线数字孪生几何模型、数据模型，通过孪生模型、数据模型和物理实体之间的映射交互，仿真监控当前制造过程所有制造要素运行状态；

4、所述数据获取模块用于通过孪生仿真监控模块采集工业设备作业时的原始图像数据，并将采集的原始图像数据上传至图像分析模块；所述原始图像数据包括工业设备的三维数字模型以及各种参数数据；

5、所述图像分析模块用于应用卷积神经网络算法对原始图像数据进行设备状态识别，识别本场景图片内容的特征、运行状态以及故障类型；

6、所述产能追踪模块用于实时采集各个工业设备的生产时序数据并进行预警分析，计算得到所述工业设备的产效系数sg1；所述生产时序数据包括工业设备单位时间内的能耗数据、加工产品数量以及产品合格率；

7、若产效系数sg1小于预设产效阈值，则触发工序监测模块对所述工业设备进行在制品监测，得到对应工业设备的工序节拍数据，以判断对应工业设备的工序节拍是否正常；

8、同时设定设备监测阈值，在设备监测阈值时间内结合图像分析模块对所述工业设备的故障情况进行监测，以及时对smt生产线布局进行管控或安排现场工作人员进行轮换。

9、进一步地，所述工序监测模块的具体监测步骤为：

10、v1：当在工业设备内监测到在制品时，开始标记；当再次未监测到在制品时，停止标记；将标记的时间段标记为对应工业设备的工序时间段；

11、v2：将相邻两个工序时间段进行差值计算，得到对应设备的节拍数据；所述节拍数据用于反映所述工业设备的制造节奏，即执行工序的缓冲期；

12、v3：将节拍数据与预设节拍阈值相比较；若节拍数据≤预设节拍阈值，则表示所述节拍数据处于合法阈值范围内；

13、若节拍数据＞预设节拍阈值，则表示所述节拍数据处于合法阈值范围外，即对应工业设备长时间处于空闲等待状态，此时生成前序校验指令至控制中心，以提示管理人员对本工序前一个工序的工业设备进行校验，判断对应工业设备是否出现故障。

14、进一步地，所述工序监测模块还包括：

15、将节拍数据存储入节拍元素队列；在预设时间区间内，若处于合法阈值范围外的元素个数达到预设第一阈值或者达到预定比例时，则判定对应工业设备的工序节拍异常，生成节拍异常信号；

16、所述工序监测模块用于将节拍异常信号和对应工业设备反馈至控制中心；以提醒管理人员对smt生产线布局进行优化，降低生产线的生产节拍；所述生产节拍是指连续制造完成两个批次产品之间的时间间隔。

17、进一步地，产效系数sg1的具体计算过程包括：

18、采集工业设备的生产时序数据，将能耗数据、加工产品数量以及产品合格率依次标记为zn1、zl1、zh1；利用公式计算得到所述工业设备的产效系数sg1，其中b1、b2均为预设系数因子。

19、进一步地，所述孪生仿真监控模块的具体工作步骤包括：

20、s1：将smt生产线中涉及的物理实体输入虚拟空间，采用三维软件creo在所述虚拟空间内生成数字孪生模型；

21、所述数字孪生模型的元素与所述实体的元素形成一对一的映射关系；物理实体包括smt生产线的工业设备、人员、工艺；

22、s2：采用面向对象的存储方式，对应smt生产线的工业设备、人员、工艺，构建包含拓扑、运动、逻辑属性信息的数据模型，形成虚实数据映射；

23、s3：在实时数据采集的基础上，使得虚拟模型与数据模型同步映射，通过统计分析将smt制造过程孪生数据转化为制造过程关键信息、仿真结果，推送给工作人员，形成制造过程可视化监控。

24、进一步地，在设备监测阈值时间内结合图像分析模块对所述工业设备的故障情况进行监测，具体包括：

25、若所述工业设备的故障次数≥预设第二阈值，则判定生产线布局异常，生成布局优化信号至控制中心，以提醒管理人员对smt生产线布局进行优化；

26、若所述工业设备的故障次数＜预设第二阈值，则判定现场工作人员状态不佳，生成调度信号至控制中心，以提醒管理人员安排现场工作人员进行轮换。

27、进一步地，所述图像分析模块的具体识别步骤如下：

28、对原始图像数据进行压缩处理，获得处理后的轻量化图像数据；

29、其次，基于事先定义或训练的规则对轻量化的图像数据裁剪、分割；基于常规算法进行动作识别、场景识别；

30、最后，应用卷积神经网络算法进行图像识别，基于预先对正常状态与非正常状态以及细分故障类型的训练，识别本场景图片内容的特征、运行状态以及故障类型。

31、进一步地，基于事先定义或训练的规则对轻量化的图像数据裁剪、分割；基于常规算法进行动作识别、场景识别，具体包括：

32、第一步，截图及分类：将获取的轻量化图像数据的多个场景界面分别标记为场景一、场景二、场景三、…、场景n；基于坐标确定每个场景在屏幕中的位置边界；每隔设定时间t系统自动截屏一次；

33、然后按照每个场景的坐标边界将整幅截屏的图片裁剪为多个场景图片，分别为场景图片一、场景图片二、场景图片三、…、场景图片n；

34、第二步，确定异常标志特征：异常标志特征基于事先的定义或深度学习算法的训练提取，并按场景图片一、场景图片二、场景图片三、…、场景图片n分类处理；其中相同场景在不同时间的图片作为一类；

35、进一步地，异常标志特征基于事先的定义，具体为：分别基于场景一、场景二、场景三、…、场景n的特征设置对应的异常标志特征。

36、进一步地，所述预警模块用于根据故障类型进行预警提示，并将提示分类；其中每种异常对应一种提示类型。

37、与现有技术相比，本发明的有益效果是：

38、1、本发明中孪生仿真监控模块用于构建smt生产线数字孪生几何模型、数据模型，通过孪生模型、数据模型和物理实体之间的映射交互，仿真监控当前制造过程所有制造要素运行状态；数据获取模块用于通过孪生仿真监控模块采集工业设备作业时的原始图像数据；图像分析模块用于应用卷积神经网络算法(cnn)对原始图像数据进行设备状态识别，识别本场景图片内容的特征、运行状态以及故障类型，以及时更新或维修生产线设备，避免生产线设备老化、故障，造成能耗增加、产品合格率低下等问题；

39、2、本发明中产能追踪模块用于实时采集工业设备的生产时序数据并进行预警分析，计算得到所述工业设备的产效系数sg1；若产效系数sg1小于预设产效阈值，则触发工序监测模块对所述工业设备进行在制品监测，得到对应工业设备的工序节拍数据，以判断对应工业设备的工序节拍是否正常；同时设定设备监测阈值，在设备监测阈值时间内结合图像分析模块对所述工业设备的故障情况进行监测，以及时对smt生产线布局进行管控或安排现场工作人员进行轮换，提高产品制造效率，防止现场在制品废品发生。