预制构件全生命周期智能管控方法、装置、设备及介质与流程
本发明涉及智能制造与建筑工业化,尤其涉及一种预制构件全生命周期智能管控方法、装置、设备及介质。
背景技术:
1、目前,在预制构件生产领域中,生产线通常配备仓储控制系统、制造执行系统及各类物联网传感器等自动化子系统,以实现单点环节的自动化作业。然而,各子系统之间往往缺乏有效的数据互通与协同机制,形成信息孤岛,导致生产调度依赖人工经验、设备状态无法实时感知、工艺参数调整滞后。这种分散式控制模式使得生产节拍难以动态优化,设备故障多为事后响应,养护等关键工艺的质量一致性难以保障,整体生产效率与智能化水平受限,因此急需一种能够实现多源数据融合、全局协同决策与闭环智能调控的预制构件全生命周期智能管控方法。
技术实现思路
1、本发明实施例提供了一种预制构件全生命周期智能管控方法、装置、设备及介质,通过预制构件全生命周期智能管控方法,实现基于数字孪生与智能决策的全局协同优化与闭环智能管控。
2、为达到上述目的,本发明创造的技术方案是这样实现的:
3、第一方面,本发明提供一种预制构件全生命周期智能管控方法,所述方法包括:
4、采集来自预制构件生产线中多个独立子系统的多源生产数据;
5、将所述多源生产数据同步至预构建的数字孪生体模型中,以驱动所述数字孪生体模型进行实时更新;
6、调用预设的智能决策模型,对汇聚于所述数字孪生体模型中的所述多源生产数据进行处理,得到用于控制所述生产线的决策指令集;
7、将所述决策指令集反馈至所述生产线对应的目标控制终端及执行设备,以执行与所述决策指令集对应的控制操作。
8、进一步的,所述采集来自预制构件生产线中多个独立子系统的多源生产数据,包括:
9、采集来自仓储控制系统的第一类数据,所述第一类数据包括模具与构件在产线输送设备、提升机及立体养护库中的身份标识与流转位置状态信息;
10、采集来自制造执行系统的第二类数据,所述第二类数据为与构件生产订单绑定的数据,包括构件工艺图纸信息与质量检验信息;
11、采集来自布置于生产现场的物联网传感器的第三类数据,所述第三类数据包括生产设备的运行参数信息与养护窑的环境状态信息。
12、进一步的,所述将所述多源生产数据同步至预构建的数字孪生体模型中,以驱动所述数字孪生体模型进行实时更新,包括:
13、以建筑信息模型为几何与信息基础,构建包含生产线布局模型、生产设备模型及构件模型的数字孪生体模型;
14、建立所述数字孪生体模型中的虚拟实体与所述生产线中物理实体之间的数据映射关系;
15、依据所述数据映射关系,将所述第一类数据、所述第二类数据和所述第三类数据分别注入并更新所述数字孪生体模型中对应的虚拟实体的状态属性。
16、进一步的,所述调用预设的智能决策模型,对汇聚于所述数字孪生体模型中的所述多源生产数据进行处理,得到用于控制所述生产线的决策指令集,包括:
17、所述预设的智能决策模型对所述数字孪生体模型中更新后的所述第一类数据、所述第二类数据和所述第三类数据进行时间戳对齐与关联融合,生成以单一构件为粒度的全流程追踪数据链;
18、所述预设的智能决策模型基于所述全流程追踪数据链进行分析计算,生成包含生产节拍优化指令、设备预测性维护指令及工艺参数调控指令的决策指令集。
19、进一步的,所述生成包含生产节拍优化指令、设备预测性维护指令及工艺参数调控指令的决策指令集,包括:
20、所述预设的智能决策模型根据所述全流程追踪数据链,提取各工位的当前排队长度与历史平均作业耗时,通过预设的阻塞率评估算法计算出当前产线瓶颈工位,并结合订单交付时间窗,逆序推导生成最小等待时间的所述生产节拍优化指令;
21、所述预设的智能决策模型基于所述全流程追踪数据链,提取所述关联设备的多维度运行参数构建设备健康基准曲线,利用滑动时间窗口监测参数的实时波动趋势,当监测到参数偏离健康基准曲线的程度超过预设的动态阈值区间时,判定为潜在故障点并生成包含紧急程度和维修建议的所述设备预测性维护指令;
22、所述预设的智能决策模型基于所述全流程追踪数据链,解析当前构件类型对应的标准养护工艺曲线,并实时获取所述数字孪生体模型中养护窑内的温湿度分布云图,通过比对标准曲线与实时分布的偏差量,动态解算出加热或加湿设备的启停时刻与功率占比,生成精细化的所述工艺参数调控指令。
23、进一步的,所述将所述决策指令集反馈至所述生产线对应的目标控制终端及执行设备,包括:
24、将所述生产节拍优化指令下发至生产线的中央调度控制器,以调整产线各输送设备及机器人的协同运行节奏;
25、将所述设备预测性维护指令推送至设备管理终端界面与维护人员移动终端,以进行可视化告警与检修提示;
26、将所述工艺参数调控指令下发至养护窑的环境控制系统,以执行针对温湿度的精准调节操作。
27、进一步的,所述方法还包括:
28、接收所述目标控制终端及执行设备执行所述控制操作后反馈的响应数据,并将所述响应数据作为新的多源生产数据输入至所述数字孪生体模型,经由所述数字孪生体模型的更新与所述预设的智能决策模型的处理,形成对所述生产线的闭环智能管控流程。
29、第二方面,本发明提供一种预制构件全生命周期智能管控装置,包括:
30、采集模块,用于采集来自预制构件生产线中多个独立子系统的多源生产数据;
31、同步模块,用于将所述多源生产数据同步至预构建的数字孪生体模型中,以驱动所述数字孪生体模型进行实时更新;
32、处理模块,用于调用预设的智能决策模型,对汇聚于所述数字孪生体模型中的所述多源生产数据进行处理,得到用于控制所述生产线的决策指令集;
33、执行模块,用于将所述决策指令集反馈至所述生产线对应的目标控制终端及执行设备,以执行与所述决策指令集对应的控制操作。
34、第三方面,本发明提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
35、所述存储器存储计算机执行指令;
36、所述处理器执行所述存储器存储的计算机执行指令时,用于实现第一方面 技术实现要素: 的预制构件全生命周期智能管控方法。
37、第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时,用于实现第一方面发明内容的预制构件全生命周期智能管控方法。
38、通过上述技术方案,该方法通过采集多源生产数据并同步至数字孪生体模型,构建了物理工厂的高保真动态镜像,解决了传统系统中数据孤岛导致的态势感知缺失问题;通过智能决策模型对融合数据进行深度处理,生成涵盖节拍、维护与工艺的复合指令集,实现了从被动响应向主动优化的转变;通过将指令精准反馈至对应执行终端并形成闭环,确保了决策的有效落地与持续迭代。整体上,该方法以数字孪生为中枢、以数据链为纽带、以闭环反馈为保障,系统性提升了预制构件生产的智能化水平,在保障质量稳定性的同时,有效提高了设备利用率与订单交付效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com