一种基于数字孪生的生产车间异常原因追溯方法

本发明涉及生产异常追溯，尤其涉及一种基于数字孪生的生产车间异常原因追溯方法。

背景技术：

1、随着技术创新驱动制造业转型，物联网、云计算等技术的迅猛发展以及在制造业中的不断渗透，生产过程已经由传统的黑箱模式向多维度、透明化和智能化的模式发展。生产车间通过运用智能化技术，加强了对整个生产过程的管控，大幅提高了生产管理水平，并且降低了生产成本。随着智能制造技术的推行，对制造系统信息获取的及时准确性提出了更高的要求，制造系统能否实时追溯和反馈制造过程信息，成为车间乃至企业管理的瓶颈。复杂产品生产车间属于离散型制造车间，生产过程中受到异常影响的因素过多，不可避免地会发生加工超时、在制品抵达延迟、物料未能按时送达等生产异常事件。生产异常事件发生后，现场管理人员以说明书和异常解决经验为推测依据，存在生产异常事件处理效率较低的情况。因此，在复杂产品生产过程中，如何及时、准确地追溯其异常原因，并反馈追溯结果，是企业亟待解决的重要问题之一。

2、随着研究的深入，异常原因追溯已不再局限于单个生产要素，而是扩大到生产全过程。当制造系统识别出生产性能异常事件时，根据异常事件种类，从一定的规则中获取异常原因。目前，针对生产过程异常原因智能追溯这一问题，其解决办法可以划分为基于解析模型、基于信号处理和基于知识三大类。基于知识的方法是人工智能与异常追溯技术的结合，是目前较为推崇的一类方法。常见的基于知识的生产异常智能追溯方法包括基于人工神经网络、支持向量机、决策树、贝叶斯网络，以及基于petri网的智能追溯方法等。此外，数字孪生技术已经在生产车间的孪生体搭建、技术架构、可视化监控和异常原因追溯集成等方面有了探索与应用。本发明面向复杂产品生产车间的生产异常事件追溯方法，建立基于数字孪生的复杂产品生产异常事件追溯模型，运用车间孪生数据实现对生产车间异常事件的分析、追溯，为生产车间提供实时信息。

技术实现思路

1、为了解决上述技术问题，本发明提出一种基于数字孪生的生产车间异常原因追溯方法。在所述方法中，能够对生产车间的全要素生产异常事件进行智能追溯，为数字孪生在生产车间的运用提供了参考价值。

2、为了达到上述目的，本发明的技术方案如下：

3、一种基于数字孪生的生产车间异常原因追溯方法，包括如下步骤：

4、构建数字孪生的生产车间异常原因追溯模型，所述生产车间异常原因追溯模型包括物理生产车间、虚拟生产车间、全要素孪生数据平台和生产异常事件原因追溯服务系统，其中，所述物理生产车间和虚拟生产车间交互，利用全要素孪生数据平台驱动虚拟生产车间中虚拟模型进行迭代优化，所述生产异常事件原因追溯服务系统，用于基于数据驱动的生产异常追溯贝叶斯网络和异常原因追溯决策树对异常原因追溯并将追溯结果进行展示；

5、创建生产异常原因追溯机制：所述生产异常事件原因追溯服务系统调用全要素孪生数据平台对物理生产车间的异常事件进行异常原因追溯，获得追溯结果；所述虚拟生产车间基于对物理生产车间的数据进行仿真，获得仿真结果，将追溯结果与仿真结果进行对比，若对比结果一致，则基于追溯结果提供异常梳理方案至物理生产车间；若对比结果不一致，则优化全要素孪生数据平台。

6、优选地，所述虚拟生产车间中虚拟模型包括人员模型、物料模型、方法模型、设备模型和环境模型。

7、优选地，所述全要素孪生数据平台包括物理数据、虚拟数据、知识库、智能算法库、生产数据库和模型库。

8、优选地，所述生产异常事件原因追溯服务系统，包括生产异常追溯贝叶斯网络、异常原因追溯决策树和可视化工具，其中，所述生产异常追溯贝叶斯网络，用于体现异常事件与异常影响因素之间概率关系；依据物理生产车间统计的历史异常数据和所构建的贝叶斯网络构建异常原因追溯决策树，所述异常原因追溯决策树中的每个决策节点、状态节点和结果节点分别对应贝叶斯网络的决策节点、状态节点和效益节点，相同事件合并为一个节点，将所述异常原因追溯决策树中每条路径转化为一条原因追溯规则，获得异常追溯规则库，所述异常追溯规则库存储于知识库中；所述可视化工具用于对追溯结果进行展示。

9、基于上述技术方案，本发明的有益效果是：本发明提供一种基于数字孪生的生产车间异常原因追溯方法，构建数字孪生的生产车间异常原因追溯模型，所述生产车间异常原因追溯模型包括物理生产车间、虚拟生产车间、全要素孪生数据平台和生产异常事件原因追溯服务系统，其中，所述物理生产车间和虚拟生产车间交互，利用全要素孪生数据平台驱动虚拟生产车间中虚拟模型进行迭代优化，所述生产异常事件原因追溯服务系统，用于基于数据驱动的生产异常追溯贝叶斯网络和异常原因追溯决策树对异常原因追溯并将追溯结果进行展示；创建生产异常原因追溯机制：所述生产异常事件原因追溯服务系统调用全要素孪生数据平台对物理生产车间的异常事件进行异常原因追溯，获得追溯结果；所述虚拟生产车间基于对物理生产车间的数据进行仿真，获得仿真结果，将追溯结果与仿真结果进行对比，若对比结果一致，则基于追溯结果提供异常梳理方案至物理生产车间；若对比结果不一致，则优化全要素孪生数据平台。本发明提高了对生产车间异常事件的原因追溯准确率，并在执行速度上也有一定提升。

技术特征：

1.一种基于数字孪生的生产车间异常原因追溯方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于数字孪生的生产车间异常原因追溯方法，其特征在于，所述虚拟生产车间中虚拟模型包括人员模型、物料模型、方法模型、设备模型和环境模型。

3.根据权利要求1所述的一种基于数字孪生的生产车间异常原因追溯方法，其特征在于，所述全要素孪生数据平台包括物理数据、虚拟数据、知识库、智能算法库、生产数据库和模型库。

4.根据权利要求1所述的一种基于数字孪生的生产车间异常原因追溯方法，其特征在于，所述生产异常事件原因追溯服务系统，包括生产异常追溯贝叶斯网络、异常原因追溯决策树和可视化工具，其中，所述生产异常追溯贝叶斯网络，用于体现异常事件与异常影响因素之间概率关系；依据物理生产车间统计的历史异常数据和所构建的贝叶斯网络构建异常原因追溯决策树，所述异常原因追溯决策树中的每个决策节点、状态节点和结果节点分别对应贝叶斯网络的决策节点、状态节点和效益节点，相同事件合并为一个节点，将所述异常原因追溯决策树中每条路径转化为一条原因追溯规则，获得异常追溯规则库，所述异常追溯规则库存储于知识库中；所述可视化工具用于对追溯结果进行展示。

技术总结本发明公开一种基于数字孪生的生产车间异常原因追溯方法，包括如下步骤：构建数字孪生的生产车间异常原因追溯模型，所述生产车间异常原因追溯模型包括物理生产车间、虚拟生产车间、全要素孪生数据平台和生产异常事件原因追溯服务系统，其中，所述物理生产车间和虚拟生产车间交互，利用全要素孪生数据平台驱动虚拟生产车间中虚拟模型进行迭代优化，所述生产异常事件原因追溯服务系统，用于基于数据驱动的生产异常追溯贝叶斯网络和异常原因追溯决策树对异常原因追溯；创建生产异常原因追溯机制。本发明能够实现对生产车间异常事件的异常原因及时追溯，加强对整个生产过程的管控。技术研发人员：吴迪,王耀栋,冯文龙受保护的技术使用者：海南大学技术研发日：技术公布日：2024/11/18