数字孪生工厂的运行优化方法及系统与流程

1.本技术涉及数字工厂技术领域，特别是涉及数字孪生工厂的运行优化方法及系统。


背景技术：

2.数字工厂是在计算机虚拟环境中，对整个生产过程进行仿真、评估和优化，并进一步扩展到整个产品生命周期的新型生产组织方式，是现代数字制造技术与计算机仿真技术相结合的产物。作为数字化与智能化制造的关键技术之一，数字工厂是现代工业化与信息化融合的应用体现，也是实现智能化制造的必经之路。数字工厂借助于信息化和数字化技术，通过集成、仿真、分析、控制等手段，可为制造工厂的生产全过程提供全面管控的一种整体解决方案。
3.数字工厂是工厂生命周期过程状态的动态信息反馈，包括生产、运营、改造、维护和报废。工厂项目中投产的初始运行信息、生产运行过程中的稳定或异常信息、报废前的最终数据等信息不同部门持续录入动态数字工厂数据库系统。数字化工厂经过长期的全面收集，提供了准确的数据，可以为“故障诊断与分析”等管理决策过程提供依据。
4.综上所述，本技术解决了解决传统工厂数据管理的滞后性与手动采集造成误差的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供能够提高工厂数据处理的准确率和及时性，避免延误生产的数字孪生工厂的运行优化方法及系统，用以解决现有技术中存在传统工厂数据管理的滞后性与手动采集造成的误差的技术问题，达到了提高工厂数据处理的准确率和及时性，避免延误生产技术效果。
6.第一方面，本技术实施例提供了数字孪生工厂的运行优化方法，所述方法包括：通过多个传感器采集工厂基础数据；基于所述工厂基础数据对生产线的多个数据进行实时的综合分析，确定n个生产线综合数据，n为大于等于2的正整数；基于3d可视化技术构建数字孪生模型；将所述n个生产线综合数据输入至所述数字孪生模型，输出n个实时运行状态信息；根据所述n个实时运行状态信息，获得目标工厂的预测生产状态；基于所述预测生产状态对实时生产状态进行覆盖遍历，根据异常遍历结果，对所述目标工厂的所述实时生产状态进行处理。
7.第二方面，本技术实施例还提供了数字孪生工厂的运行优化系统，其特征在于，所述系统包括：工厂基础数据采集模块，所述工厂基础数据采集模块用于通过多个传感器采集工厂基础数据；生产线综合数据确定模块，所述生产线综合数据确定模块用于基于所述工厂基础数据对生产线的多个数据进行实时的综合分析，确定n个生产线综合数据，n为大于等于2的正整数；数字孪生模块构建模块，所述数字孪生模块构建模块用于基于3d可视化技术构建数字孪生模型；实时运行状态信息输出模块，所述实时运行状态信息输出模块用
于将所述n个生产线综合数据输入至所述数字孪生模型，输出n个实时运行状态信息；预测生产获得模块，所述预测生产获得模块用于根据所述n个实时运行状态信息，获得目标工厂的预测生产状态；实时生产状态处理模块，所述实时生产状态处理模块用于基于所述预测生产状态对实时生产状态进行覆盖遍历，根据异常遍历结果，对所述目标工厂的所述实时生产状态进行处理。
8.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
9.首先通过多个传感器采集工厂基础数据；然后基于所述工厂基础数据对生产线的多个数据进行实时的综合分析，确定n个生产线综合数据，n为大于等于2的正整数；再基于3d可视化技术构建数字孪生模型；再将所述n个生产线综合数据输入至所述数字孪生模型，输出n个实时运行状态信息；然后根据所述n个实时运行状态信息，获得目标工厂的预测生产状态；最后基于所述预测生产状态对实时生产状态进行覆盖遍历，根据异常遍历结果，对所述目标工厂的所述实时生产状态进行处理。本技术通过提供数字孪生工厂的运行优化方法及系统，解决了原有技术中传统工厂数据管理的滞后性与手动采集造成的误差的技术问题，达到了提高工厂数据处理的准确率和及时性，避免延误生产的技术效果。
10.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其他目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
11.图1为一个实施例中数字孪生工厂的运行优化方法的流程示意图；
12.图2为一个实施例中数字孪生工厂的运行优化方法的构建所述工厂基础数据流程示意图；
13.图3为一个实施例中数字孪生工厂的运行优化系统的结构框图。
14.附图标记说明：工厂基础数据采集模块11，生产线综合数据确定模块12，数字孪生模块构建模块13，实时运行状态信息输出模块14，预测生产获得模块15，实时生产状态处理模块16。
具体实施方式
15.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
16.在介绍了本技术基本原理后，下面，将参考附图对本技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。基于本技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部。
17.实施例一
18.如图1所示，本技术提供了数字孪生工厂的运行优化方法，所述方法包括：
19.s100：通过多个传感器采集工厂基础数据；
20.具体而言，数字工厂是在计算机虚拟环境中，对整个生产过程进行仿真、评估和优化，并进一步扩展到整个产品生命周期的新型生产组织方式。是现代数字制造技术与计算机仿真技术相结合的产物，主要作为沟通产品设计和产品制造之间的桥梁；因为数字工厂的本质是实现信息的集成，所以通过多个传感器采集工厂的基础数据，其中传感器包括湿度传感器、温度传感器、光敏传感器，基础数据则是指目标工厂的湿度数据、温度数据、光照数据；通过对工厂基础数据的采集，可以等比复刻虚拟出来的工厂，与真实的生产环境1：1对应，为后文数字孪生工厂的构建提供了数据支持。
21.如图2所示，进一步地，本技术步骤包括：
22.s110：通过湿度传感器、温度传感器、光敏传感器提取湿度传感器中目标工厂的历史湿度数据、历史温度数据、历史光照数据；
23.s120：基于所述历史湿度数据、所述历史温度数据、所述历史光照数据，获取所述目标工厂中m个设备的运行参数，m为正整数；
24.s130：基于生产效率，获取生产流水线中关键岗位的产能数据，其中，所述产能数据与所述m个设备的运行参数为对应关系；
25.s140：根据所述m个设备的运行参数与所述产能数据构建所述工厂基础数据。
26.具体而言，首先通过湿度传感器、温度传感器、光敏传感器提取湿度传感器中目标工厂的历史湿度数据、历史温度数据、历史光照数据；基于所述历史湿度数据、所述历史温度数据、所述历史光照数据，获取所述目标工厂中m个设备的运行参数，其中设备的运行参数包含了该设备的各种运行配置，比如设备运行状态、设备运行时间参数、设备运行速度参数、设备运行压力参数等，这里能够获取所述目标工厂中m个设备的运行所需的最佳湿度数据、最佳温度数据和光照强度对生产过程产生的影响，m为正整数；基于生产效率，指固定投入量下，制程的实际产出与最大产出两者间的比率，获取生产流水线中关键岗位的产能数据，这里产能数据指单位工作时间内的良品产出数，其中，所述产能数据与所述m个设备的运行参数为对应关系，通过提取历史湿度数据、历史温度数据、历史光照数据获得所述基础数据对运行参数的影响，然后获得运行参数对所述产能数据的影响，例如有的生产线的产物是不能见光的，此时光照数据越小，单位工作时间内良品的产出数越多；根据所述m个设备的运行参数与所述产能数据构建所述工厂基础数据。为后续构建数字孪生工厂提供了支持。
27.s200：基于所述工厂基础数据对生产线的多个数据进行实时的综合分析，确定n个生产线综合数据，n为大于等于2的正整数；
28.具体而言，基于所述工厂基础数据对生产线的多个数据进行实时的综合分析，其中生产线是指产品生产过程所经过的路线，主要指的是根据所述工厂基础数据对生产运行过程中产生的数据，例如设备的运行数据、生产线的生产执行数据、工厂堆料、生产、运输数据等进行同步的综合分析，综合分析是指首先基于工厂中的设备运行参数对所述生产线的实时工厂堆料进行运行分析，获得堆料运行数据；再根据生产流水线中的产能数据对所述生产线的实时产出量进行分析，获得产出数据，再根据所述产出数据进行所述生产线的实时运输频次的分析，获得运输频率数据；最后将所述堆料运行数据、所述产出数据、所述运输频率数据添加至所述生产线综合数据中。确定n个生产线的综合数据，n为大于等于2的正整数，主要是为了监控生产过程的运行情况。
29.进一步地，本技术步骤还包括：
30.s241：基于所述m个设备的运行参数对所述生产线的实时工厂堆料进行运行分析，获得堆料运行数据；
31.s242：基于所述产能数据对所述生产线进行生产线的实时产出量分析，获得产出数据；
32.s243：根据所述产出数据进行所述生产线的实时运输频次的分析，获得运输频率数据；
33.s244：将所述堆料运行数据、所述产出数据、所述运输频率数据添加至所述n个生产线综合数据中。
34.具体而言，基于所述m个设备的运行参数对所述生产线的实时工厂堆料进行运行分析，获得堆料运行数据，其中工厂堆料是指初始材料；基于所述产能数据对所述生产线进行生产线的实时产出量分析，获得产出数据，根据所述产出数据进行所述生产线的实时运输频次的分析，获得运输频率数据；通过对实时工厂堆料运输及实时产出量的分析，用实时工厂堆料除以实时产出量，等于所述生产线的实时运输频次，获得所述生产线的实时运输频次，获得运输频率数据，期中实时运输频次是指工厂正在运作时同步的运输频率，例如在一个时间点，所述生产线的运输频率为一天一千次，可以得到所述生产线的运输频率数据，将所述堆料运行数据、所述产出数据、所述运输频率数据添加至所述n个生产线综合数据中，为后文构建数字孪生模型提供了数据支持。
35.s300：基于3d可视化技术构建数字孪生模型；
36.具体而言，随着虚拟现实技术的进步及普及，除了游戏行业以外的人们开始注意到这一点，像很多园区，楼宇，消防等工业化行业中，都开始使用3d虚拟可视化现实技术，通过3d可视化技术构建数字孪生模型，其中数字孪生模型是指可以呈现工厂实时运行状况的模型。
37.进一步地，本技术步骤包括：
38.s310：通过所述多个传感器，获得所述目标工厂内多个实时传感数据；
39.s320：通过cad模型，构建所述目标工厂内m个设备的3d模型；
40.s330：基于所述m个设备的3d模型，对所述多个实时传感数据进行调整，获得多个实时传感调整数据；
41.s340：将所述m个设备的3d模型、所述多个实时传感调整数据作为第一构建数据集；
42.s350：基于所述第一构建数据对所述数字孪生模型进行构建。
43.具体而言，通过所述目标工厂内的湿度传感器、温度传感器、光敏传感器，获得所述目标工厂内的实时湿度数据、实时温度数据、实时光照数据；通过cad模型，构建所述目标工厂内m个设备的3d模型，其中cad是计算机辅助设计(computeraideddesign)缩写，是指利用计算机及其图形设备帮助设计人员进行设计工作。设计人员通常用草图开始设计，将草图变为工作图的繁重工作可以交给计算机完成，是一种绘图软件，可以构建出工厂内m个设备的3d模型；基于所述m个设备的3d模型，对所述多个实时传感数据进行调整，获得多个实时传感调整数据，基于所述m个设备的3d模型，对所述目标工厂内的实时湿度数据、实时温度数据、实时光照数据进行调整，获得多个实时传感调整数据；将所述m个设备的3d模型、所
述多个实时传感调整数据作为第一构建数据集；基于所述第一构建数据对所述数字孪生模型进行构建。
44.进一步地，本技术步骤还包括：
45.s351：所述数字孪生模型包含数据输入层、运行状态采集层、状态结果输出层；
46.s352：对所述m个设备的3d模型、所述多个实时传感调整数据进行数据标注，获得第一构建数据集，其中，所述第一构建数据集内包括第一训练集和第一验证集；
47.s353：采用所述第一训练集和第一验证集对所述数字孪生模型进行监督训练和验证，直到所述数字孪生模型收敛或准确率达到预设要求，则完成数字孪生模型的构建。
48.具体而言，构建一个数字孪生模型，所述数字孪生模型包含数据输入层、运行状态采集层、状态结果输出层，其中对所述m个设备的3d模型、所述多个实时传感调整数据进行数据标注，获得第一构建数据集，其中，所述第一构建数据集内包括第一训练集和第一验证集；第一训练集中的多个样本数据输入数字孪生模型，利用第一验证集中对用样本参数对数字孪生模型进行监督训练，使所述数字孪生模型与所述目标工厂实际情况一致；将第一训练集中的数据训练完毕后，可以获得训练完成的数字孪生模型，简单来说，实际模型和构建之间的误差作为损失函数，损失函数越小，说明误差越小，可以获得准确率符合预设条件的数字孪生模型。通过构建数字孪生模型，训练了该模型的准确度，提高了对数字孪生模型的模拟准确度，达到了构建一个1：1对应还原的数字孪生模型的技术效果。
49.s400：将所述n个生产线综合数据输入至所述数字孪生模型，输出n个实时运行状态信息；
50.s500：根据所述n个实时运行状态信息，获得目标工厂的预测生产状态；
51.具体而言，通过将所述n个生产线综合数据，即所述生产线的所述堆料运行数据、所述产出数据、所述运输频率数据至所述数字孪生模型，能够输出n个实时运行状态信息。根据所述n个实时运行状态信息，即所述目标工厂内的实时湿度数据、实时温度数据、实时光照数据，获得目标工厂的预测生产状态。
52.进一步地，本技术步骤包括：
53.s510：通过时间序列预测算法对所述n个实时运行状态信息进行趋势预测，获得运行趋势信息；
54.s520：定义生产时间序列，获得所述生产时间序列与所述运行趋势信息的映射关系；
55.具体而言，时间序列预测通过多种维度的数据本身内在与时间的关联特性，利用历史的数据预测未来，通过所述目标工厂的历史湿度数据、历史温度数据、历史光照数据与所述堆料运行数据、所述产出数据、所述运输频率数据与时间的关联，通过时间序列预测算法对所述n个实时运行状态信息进行趋势预测，得到所述目标工厂的实时运行预测状态，其中运用过去的时间序列数据，生产时间序列是根据生产流程所对应的时间节点进行时间顺序地定义，例如历史传感数据进行统计分析，推测出生产的发展趋势，为了消除随机波动产生的影响，利用历史数据进行统计分析，并对数据进行适当处理，例如设置训练集、验证集和测试集，对所述数据进行训练，进行趋势预测。通过定义时间序列，其中时间序列也叫时间数列、历史复数或动态数列，在数学中，时间序列是按时间顺序索引(或列出或图表)的一系列数据点，生产时间序列是根据生产流程所对应的时间节点进行时间顺序地定义，例如
所述生产线在一点需要对所述生产线的实时工厂堆料进行运行分析，三点需要对所述生产线的初始材料进行粗加工等；获得所述生产时间序列与所述运行趋势信息的映射关系，映射关系是一种数集到数集的对应关系，即所述生产线在生产流程对应的时间节点中应该进行何种生产加工。本技术解决了传统工厂数据管理的滞后性与手动采集造成的误差。
56.s600：基于所述预测生产状态对实时生产状态进行覆盖遍历，根据异常遍历结果，对所述目标工厂的所述实时生产状态进行处理。
57.具体而言，基于所述预测生产状态对实时生产状态历史指实时生产状态中所有的信息进行访问，得到所述预测生产状态与实时生产状态不同的结果，可以说生产设备出现故障的结果，即异常遍历结果，对所述目标工厂的所述实时生产状态进行处理，例如发出警报、反馈主控系统等。
58.进一步地，本技术步骤包括：
59.s610：对所述生产线进行实时生产状态遍历，提取生产状态异常结果；
60.s620：对所述生产线内的m个设备进行实时运行状态遍历，提取运行状态异常结果；
61.s630：对所述生产线内的m个设备进行实时能耗遍历，提取能耗异常结果；
62.s640：基于所述生产状态异常结果、所述运行状态异常结果、所述能耗异常结果，生成工厂运行预警指令；
63.s650：将所述工厂运行预警指令发送至后台管理系统，通过所述后台管理系统对管理人员进行调度。
64.具体而言，对所述生产线进行实时生产状态中所有的信息进行访问，提取生产状态异常结果，例如生产量减少等；对所述生产线内的m个设备进行实时运行状态的所有信息进行访问，提取运行状态异常结果，例如生产设备不工作等；对所述生产线内的m个设备进行实时能耗的所有信息进行访问，提取能耗异常结果，例如生产设备使用电量异常等；基于所述生产状态异常结果、所述运行状态异常结果、所述能耗异常结果，生成工厂运行预警指令，其中工厂运行预警指令为所述生产工厂可能出现异常问题，需要及时修理；将所述工厂运行预警指令发送至后台管理系统，即将检测到生产异常、作业异常情况及能耗过大的设备或事件实时预警到后台管理界面，管理人员及时通过系统远程查看、核实和处理。本技术通过构建数字孪生工厂，解决了传统工厂数据管理的滞后性与手动采集造成误差的技术问题，达到了提高工厂数据处理的准确率和及时性，避免延误生产的技术效果。
65.实施例二
66.如图3所示，本技术还提供了数字孪生工厂的运行优化系统，所述系统包括：
67.工厂基础数据采集模块11，所述工厂基础数据采集模块11用于通过多个传感器采集工厂基础数据；
68.生产线综合数据确定模块12，所述生产线综合数据确定模块12用于基于所述工厂基础数据对生产线的多个数据进行实时的综合分析，确定n个生产线综合数据，n为大于等于2的正整数；
69.数字孪生模块构建模块13，所述数字孪生模块构建模块13用于基于3d可视化技术构建数字孪生模型；
70.实时运行状态信息输出模块14，所述实时运行状态信息输出模块14用于将所述n
个生产线综合数据输入至所述数字孪生模型，输出n个实时运行状态信息；
71.预测生产获得模块15，所述预测生产获得模块15用于根据所述n个实时运行状态信息，获得目标工厂的预测生产状态；
72.实时生产状态处理模块16，所述实时生产状态处理模块16用于基于所述预测生产状态对实时生产状态进行覆盖遍历，根据异常遍历结果，对所述目标工厂的所述实时生产状态进行处理。
73.进一步地，本技术实施例还包括：
74.历史数据提取模块，所述历史数据提取模块用于通过湿度传感器、温度传感器、光敏传感器提取湿度传感器中目标工厂的历史湿度数据、历史温度数据、历史光照数据；
75.设备的运行参数获取模块，所述设备的运行参数获取模块用于基于所述历史湿度数据、所述历史温度数据、所述历史光照数据，获取所述目标工厂中m个设备的运行参数，m为正整数；
76.产能数据获取模块，所述产能数据获取模块用于基于生产效率，获取生产流水线中关键岗位的产能数据，其中，所述产能数据与所述m个设备的运行参数为对应关系；
77.工厂基础数据构建模块，所述工厂基础数据构建模块用于根据所述m个设备的运行参数与所述产能数据构建所述工厂基础数据。
78.进一步地，本技术实施例还包括：
79.堆料运行数据获得模块，所述堆料运行数据获得模块用于基于所述m个设备的运行参数对所述生产线的实时工厂堆料进行运行分析，获得堆料运行数据；
80.产出数据获得模块，所述产出数据获得模块用于基于所述产能数据对所述生产线进行生产线的实时产出量分析，获得产出数据；
81.运输频率数据获得模块，所述运输频率数据获得模块用于根据所述产出数据进行所述生产线的实时运输频次的分析，获得运输频率数据；
82.生产线综合数据添加模块，所述生产线综合数据添加模块用于将所述堆料运行数据、所述产出数据、所述运输频率数据添加至所述n个生产线综合数据中。
83.进一步地，本技术实施例还包括：
84.实时传感数据获得模块，所述实时传感数据获得模块用于通过所述多个传感器，获得所述目标工厂内多个实时传感数据；
85.设备的3d模型构建模块，所述设备的3d模型构建模块用于通过cad模型，构建所述目标工厂内m个设备的3d模型；
86.实时传感调整数据获得模块，所述实时传感调整数据获得模块用于基于所述m个设备的3d模型，对所述多个实时传感数据进行调整，获得多个实时传感调整数据；
87.第一构建数据集模块，所述第一构建数据集模块用于将所述m个设备的3d模型、所述多个实时传感调整数据作为第一构建数据集；
88.数字孪生模型构建模块，所述数字孪生模型构建模块用于基于所述第一构建数据对所述数字孪生模型进行构建。
89.进一步地，本技术实施例还包括：
90.数字孪生模型包含模块，所述数字孪生模型包含模块用于所述数字孪生模型包含数据输入层、运行状态采集层、状态结果输出层；
91.第一构建数据集获得模块，所述第一构建数据集获得模块用于对所述m个设备的3d模型、所述多个实时传感调整数据进行数据标注，获得第一构建数据集，其中，所述第一构建数据集内包括第一训练集和第一验证集；
92.数字孪生模型构建完成模块，所述数字孪生模型构建完成模块用于采用所述第一训练集和第一验证集对所述数字孪生模型进行监督训练和验证，直到所述数字孪生模型收敛或准确率达到预设要求，则完成数字孪生模型的构建。
93.进一步地，本技术实施例还包括：
94.运行趋势信息获得模块，所述运行趋势信息获得模块用于通过时间序列预测算法对所述n个实时运行状态信息进行趋势预测，获得运行趋势信息；
95.生产时间序列定义模块，所述生产时间序列定义模块用于定义生产时间序列，获得所述生产时间序列与所述运行趋势信息的映射关系；
96.映射关系添加模块，所述映射关系添加模块用于将所述映射关系添加至所述目标工厂的预测生产状态中。
97.进一步地，本技术实施例还包括：
98.生产状态异常结果提取模块，所述生产状态异常结果提取模块用于对所述生产线进行实时生产状态遍历，提取生产状态异常结果；
99.运行异常状态结果提取模块，所述运行异常状态结果提取模块用于对所述生产线内的m个设备进行实时运行状态遍历，提取运行状态异常结果；
100.能耗异常结果提取模块，所述能耗异常结果提取模块用于对所述生产线内的m个设备进行实时能耗遍历，提取能耗异常结果；
101.工厂运行预警指令生成模块，所述工厂运行预警指令生成模块用于基于所述生产状态异常结果、所述运行状态异常结果、所述能耗异常结果，生成工厂运行预警指令；
102.管理人员调度模块，所述管理人员调度模块用于将所述工厂运行预警指令发送至后台管理系统，通过所述后台管理系统对管理人员进行调度。
103.关于数字孪生工厂的运行优化系统的具体实施例可以参见上文中对于一种数字孪生工厂的运行优化方法的实施例，在此不再赘述。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
104.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
105.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.数字孪生工厂的运行优化方法，其特征在于，所述方法包括：通过多个传感器采集工厂基础数据；基于所述工厂基础数据对生产线的多个数据进行实时的综合分析，确定n个生产线综合数据，n为大于等于2的正整数；基于3d可视化技术构建数字孪生模型；将所述n个生产线综合数据输入至所述数字孪生模型，输出n个实时运行状态信息；根据所述n个实时运行状态信息，获得目标工厂的预测生产状态；基于所述预测生产状态对实时生产状态进行覆盖遍历，根据异常遍历结果，对所述目标工厂的所述实时生产状态进行处理。2.如权利要求1所述的方法，其特征在于，所述工厂基础数据，所述方法还包括：通过湿度传感器、温度传感器、光敏传感器提取湿度传感器中目标工厂的历史湿度数据、历史温度数据、历史光照数据；基于所述历史湿度数据、所述历史温度数据、所述历史光照数据，获取所述目标工厂中m个设备的运行参数，m为正整数；基于生产效率，获取生产流水线中关键岗位的产能数据，其中，所述产能数据与所述m个设备的运行参数为对应关系；根据所述m个设备的运行参数与所述产能数据构建所述工厂基础数据。3.如权利要求2所述的方法，其特征在于，确定所述n个生产线综合数据，所述方法还包括：基于所述m个设备的运行参数对所述生产线的实时工厂堆料进行运行分析，获得堆料运行数据；基于所述产能数据对所述生产线进行生产线的实时产出量分析，获得产出数据；根据所述产出数据进行所述生产线的实时运输频次的分析，获得运输频率数据；将所述堆料运行数据、所述产出数据、所述运输频率数据添加至所述n个生产线综合数据中。4.如权利要求1所述的方法，其特征在于，构建数字孪生模型，所述方法还包括：通过所述多个传感器，获得所述目标工厂内多个实时传感数据；通过cad模型，构建所述目标工厂内m个设备的3d模型；基于所述m个设备的3d模型，对所述多个实时传感数据进行调整，获得多个实时传感调整数据；将所述m个设备的3d模型、所述多个实时传感调整数据作为第一构建数据集；基于所述第一构建数据对所述数字孪生模型进行构建。5.如权利要求4所述的方法，其特征在于，所述方法还包括：所述数字孪生模型包含数据输入层、运行状态采集层、状态结果输出层；对所述m个设备的3d模型、所述多个实时传感调整数据进行数据标注，获得第一构建数据集，其中，所述第一构建数据集内包括第一训练集和第一验证集；采用所述第一训练集和第一验证集对所述数字孪生模型进行监督训练和验证，直到所述数字孪生模型收敛或准确率达到预设要求，则完成数字孪生模型的构建。6.如权利要求1所述的方法，其特征在于，获得所述目标工厂的预测生产状态，所述方
法还包括：通过时间序列预测算法对所述n个实时运行状态信息进行趋势预测，获得运行趋势信息；定义生产时间序列，获得所述生产时间序列与所述运行趋势信息的映射关系；将所述映射关系添加至所述目标工厂的预测生产状态中。7.如权利要求1所述的方法，其特征在于，对所述目标工厂的实时生产状态进行处理，所述方法还包括：对所述生产线进行实时生产状态遍历，提取生产状态异常结果；对所述生产线内的m个设备进行实时运行状态遍历，提取运行状态异常结果；对所述生产线内的m个设备进行实时能耗遍历，提取能耗异常结果；基于所述生产状态异常结果、所述运行状态异常结果、所述能耗异常结果，生成工厂运行预警指令；将所述工厂运行预警指令发送至后台管理系统，通过所述后台管理系统对管理人员进行调度。8.数字孪生工厂的运行优化系统，其特征在于，所述系统包括：工厂基础数据采集模块，所述工厂基础数据采集模块用于通过多个传感器采集工厂基础数据；生产线综合数据确定模块，所述生产线综合数据确定模块用于基于所述工厂基础数据对生产线的多个数据进行实时的综合分析，确定n个生产线综合数据，n为大于等于2的正整数；数字孪生模块构建模块，所述数字孪生模块构建模块用于基于3d可视化技术构建数字孪生模型；实时运行状态信息输出模块，所述实时运行状态信息输出模块用于将所述n个生产线综合数据输入至所述数字孪生模型，输出n个实时运行状态信息；预测生产获得模块，所述预测生产获得模块用于根据所述n个实时运行状态信息，获得目标工厂的预测生产状态；实时生产状态处理模块，所述实时生产状态处理模块用于基于所述预测生产状态对实时生产状态进行覆盖遍历，根据异常遍历结果，对所述目标工厂的所述实时生产状态进行处理。

技术总结
本申请涉及数字工厂技术领域，提供数字孪生工厂的运行优化方法及系统。所述方法包括：通过多个传感器采集工厂基础数据；基于所述工厂基础数据对生产线的多个数据进行实时的综合分析；基于3D可视化技术构建数字孪生模型；将所述N个生产线综合数据输入至所述数字孪生模型，输出N个实时运行状态信息；根据所述N个实时运行状态信息，获得目标工厂的预测生产状态；基于所述预测生产状态对实时生产状态进行覆盖遍历，对所述目标工厂的所述实时生产状态进行处理。本申请解决了传统工厂数据管理的滞后性与手动采集造成误差的问题，达到了提高工厂数据处理的准确率和及时性，避免延误生产的技术效果。技术效果。技术效果。


技术研发人员：李佳乐 夏志峰
受保护的技术使用者：浙江链捷数字科技有限公司
技术研发日：2023.06.15
技术公布日：2023/10/15