【技術實現步驟摘要】
本專利技術涉及數字工廠智能生產領域，尤其涉及一種面向數字工廠智能生產的架構系統及其實現方法。
技術介紹
1、隨著智能制造的快速發展，數字工廠已成為現代工業生產的核心。為了提高生產效率、降低成本并確保產品質量，數字工廠需要一個高效、可靠的生產管理平臺，以期望利用該生產管理平臺去調度處理工廠內各部門數據。不過，現有的生產管理平臺往往存在信息孤島、系統集成困難以及數據處理效率低下等問題，無法滿足現代工業生產的快速響應和實時監控的需求。
2、中國專利技術專利cn116880412b公開了一種基于云的可視化生產管理平臺，通過采用基于均值方差法的異常檢測方法進行異常監測與預警，根據歷史數據和實際生產情況，設定合理的異常閾值，使得異常檢測更具針對性，避免誤報和漏報，確保真實異常能夠被及時發現和解決，確保異常監測與預警模塊能夠實時監測數據，并在出現異常或超過閾值時，立即觸發預警通知給相關工作人員，在數據采集模塊中實現異常處理機制，在出現異常時，及時向工作人員發出警報，提示數據采集的異常情況，確保數據的穩定采集和傳輸，平臺能夠更及時地發現生產中的異常情況，提供更精準的數據分析和決策支持，使生產管理更加高效和智能化。
3、但是，上述專利技術專利cn116880412b所公開的基于云的可視化生產管理平臺存在不足：因為其是根據歷史數據設定異常檢測模型以及采用固定的生產調度算法，導致其缺乏靈活性和擴展性，無法實現對工廠生廠中的變化做出快速響應，難以提高數字工廠的整體生產效率。
技術實現思路>
1、本專利技術所要解決的第一個技術問題是針對上述現有技術提供一種能夠對各車間設備數據實時監控分析以優化生產調度效率的面向數字工廠智能生產的架構系統。
2、本專利技術所要解決的第二個技術問題是提供一種實現上述架構系統的實現方法。
3、本專利技術解決第一個技術問題所采用的技術方案為：面向數字工廠智能生產的架構系統，其特征在于，包括：
4、數據感知層，由部署在數字工廠內多個生產設備上的若干工業數據采集模塊所形成，工業數據采集模塊采集模塊被配置成實時采集對應生產設備的設備狀態信息，且實時地根據該設備狀態信息調整數字工廠的控制設備的顯示內容；其中，生產設備的設備狀態信息包括設備操作模式、設備運行狀態、主軸速度、主軸負載以及主軸溫度，設備運行狀態包括運行狀態、待機狀態以及異常狀態，每一個生產設備至少對應部署有一個工業數據采集模塊；
5、邊緣計算層，由位于網絡邊緣的多個邊緣計算設備所形成，被配置成對數據感知層發送來的設備狀態信息做出異常信號分析處理、對車間內生產計劃進行調度優化以及分析車間環境；其中，邊緣計算設備位于工業數據產生源的近距離周圍處，該邊緣計算層包括異常檢測分析模塊和車間調度分析模塊，異常檢測分析模塊被配置成接收數據感知層發送來的設備狀態信息，且對該設備狀態信息做出異常信號分析處理；車間調度分析模塊被配置成對車間內生產信息進行實時分析和處理，以完成對生產計劃的調度優化；車間內生產信息包括當前車間內可用的生產設備資源以及處于生產隊列中的生產任務；
6、云計算層，包括云計算中心和多個模型節點，被配置成根據邊緣計算層提供的設備狀態信息以及不同的下游任務分別做多模態數據融合，提取多模態數據融合后的各模態數據的內在特征，而后再將提取到的內在特征與模型節點通信做訓練，并在訓練完畢后，再根據所提取到內在特征的不同對不同下游任務模型進行增量更新處理；
7、應用層，通過調用云計算層提供的服務接口，實現該架構應用到不同的應用場景。
8、改進地，在所述面向數字工廠智能生產的架構系統中，所述數據感知層內的工業數據采集模塊實時采集對應生產設備的設備狀態信息的過程包括如下步驟：
9、工業數據采集模塊在自身與車間內生廠設備正常連接的情況下進行組網，以獲取對應生廠設備的設備狀態信息；
10、根據獲取到的設備狀態信息判斷出設備運行狀態，并基于該設備運行狀態對應地調整數據傳輸頻率，且將設備狀態信息按照其運行狀態所對應的調整后數據傳輸頻率發送給邊緣服務器做分析處理；其中，每一個設備運行狀態具有與其對應的數據傳輸頻率。
11、再改進，在所述面向數字工廠智能生產的架構系統中，所述邊緣計算層內的異常檢測分析模塊按照如下方式執行異常信號分析處理：
12、步驟a1，異常檢測分析模塊根據預設的異常檢測模型對所述數據感知層發送來的設備狀態信息做出異常分析判斷：
13、當異常檢測分析模塊判斷獲取到異常信號后，則令該異常信號所對應的生產設備進入異常狀態，停止生產工作，轉入步驟a2；否則，令生產設備繼續生產工作；
14、步驟a2，異常檢測分析模塊分析異常信號的異常原因和異常類型，以得到異常分析結果；其中，異常分析結果包括異常信號的異常原因和異常類型；
15、步驟a3，異常檢測分析模塊根據異常分析結果采取對應的異常處理措施，且對經異常處理措施處理后的生產設備進行多指標測試；
16、步驟a4，異常檢測分析模塊根據多指標測試結果做出判斷處理：
17、當生產設備成功通過該多指標測試時，令該生產設備恢復正常狀態且更新該生產設備的運行狀態；否則，對該生產設備重新執行多指標測試，直到生產設備成功通過該多指標測試。
18、進一步地，在所述面向數字工廠智能生產的架構系統中，所述邊緣計算層內車間調度分析模塊對車間內生產信息進行實時分析和處理，以完成對生產計劃的調度優化過程包括如下步驟：
19、車間調度分析模塊判斷出現新的生產任務或者生產設備處于異常狀態時，分析當前車間環境且統計當前車間內可用的生產設備資源以及處于生產隊列中的生產任務；
20、車間調度分析模塊根據統計所得當前車間內可用的生產設備資源以及處于生產隊列中的生產任務，輸出適合當前車間狀況的調度方案；
21、車間調度分析模塊根據調度方案中的各生產任務的任務優先級和每個生產任務對應的生產約束條件驗證該調度方案的可行性：
22、當該調度方案具備可行性時，令當前車間內各生產設備執行該調度方案；否則，重新調整調度方案，以得到具備可行性的新調度方案。
23、再進一步地，在所述面向數字工廠智能生產的架構系統中，所述邊緣計算層分析車間環境的過程包括如下步驟：
24、步驟b1，遍歷車間內所有生產設備的運行狀態，分別計算處于各運行狀態所對應生產設備的分布數量；其中，車間內所有生產設備的運行狀態數量標記為n，n個運行狀態中的第i個運行狀態標記為si，處于運行狀態si所對應生產設備的分布數量標記為
25、
26、
27、其中，j表示車間內的生產設備總數量，sj表示車間內第j個生產設備所處的運行狀態，δ(sj＝si)為關于運行狀態sj與運行狀態si的指示函數；
28、步驟b2，根據遍歷所得各生產設備的運行狀態，判斷處于故障狀態的生產設備總數量，并計算當前車間內的設備故障率；其本文檔來自技高網...
【技術保護點】
1.面向數字工廠智能生產的架構系統，其特征在于，包括：
2.根據權利要求1所述的面向數字工廠智能生產的架構系統，其特征在于，所述數據感知層內的工業數據采集模塊實時采集對應生產設備的設備狀態信息的過程包括如下步驟：
3.根據權利要求1所述的面向數字工廠智能生產的架構系統，其特征在于，所述邊緣計算層內的異常檢測分析模塊按照如下方式執行異常信號分析處理：
4.根據權利要求3所述的面向數字工廠智能生產的架構系統，其特征在于，所述邊緣計算層內車間調度分析模塊對車間內生產信息進行實時分析和處理，以完成對生產計劃的調度優化過程包括如下步驟：
5.根據權利要求4所述的面向數字工廠智能生產的架構系統，其特征在于，所述邊緣計算層分析車間環境的過程包括如下步驟：
6.面向數字工廠智能生產的架構實現方法，實現權利要求1～5任一項所述的面向數字工廠智能生產的架構系統，其特征在于，包括如下步驟：
7.根據權利要求6所述的面向數字工廠智能生產的架構實現方法，其特征在于，所述數據感知層內的工業數據采集模塊實時采集對應生產設備的設備狀態信息的
8.根據權利要求7所述的面向數字工廠智能生產的架構實現方法，其特征在于，所述邊緣計算層內的異常檢測分析模塊按照如下方式執行異常信號分析處理：
9.根據權利要求8所述的面向數字工廠智能生產的架構實現方法，其特征在于，所述邊緣計算層分析車間環境的過程包括如下步驟：
...【技術特征摘要】
1.面向數字工廠智能生產的架構系統，其特征在于，包括：
2.根據權利要求1所述的面向數字工廠智能生產的架構系統，其特征在于，所述數據感知層內的工業數據采集模塊實時采集對應生產設備的設備狀態信息的過程包括如下步驟：
3.根據權利要求1所述的面向數字工廠智能生產的架構系統，其特征在于，所述邊緣計算層內的異常檢測分析模塊按照如下方式執行異常信號分析處理：
4.根據權利要求3所述的面向數字工廠智能生產的架構系統，其特征在于，所述邊緣計算層內車間調度分析模塊對車間內生產信息進行實時分析和處理，以完成對生產計劃的調度優化過程包括如下步驟：
5.根據權利要求4所述的面向數字工廠智能生產的架構系統，其特征在于，...
【專利技術屬性】
技術研發人員：邱鐵，周曉波，任林杰，陳寧，牛梓雨，薄江昊，
申請(專利權)人：天津大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。