【云驻共创】孪生?数字孪生?欢迎进入极客的世界

举报
启明 发表于 2021/10/15 20:41:13 2021/10/15
【摘要】 在文章开始前,我们先对标题中的名词做一个解释: 华为云IoT数据分析:也叫华为云IoTA(Analyst)华为云IoTA服务基于物联网资产模型,整合IoT数据集成、清洗、存储、分析、可视化,降低开发门槛,缩短开发周期,帮助IoT数据开发者快速实现IoT数据价值变现。通过动手实操,让智能制造领域开发者体验如何基于华为云IoT边缘计算、设备接入、数据分析能力,从设备接入到产线孪生,完成一整套工业...

在文章开始前,我们先对标题中的名词做一个解释:

 

  • 华为云IoT数据分析:也叫华为云IoTAAnalyst)华为云IoTA服务基于物联网资产模型,整合IoT数据集成、清洗、存储、分析、可视化,降低开发门槛,缩短开发周期,帮助IoT数据开发者快速实现IoT数据价值变现。通过动手实操,让智能制造领域开发者体验如何基于华为云IoT边缘计算、设备接入、数据分析能力,从设备接入到产线孪生,完成一整套工业物联网方案的开发。

 

  • 数字孪生体:数字孪生是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念,可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

 

通过上面的解释,相信大家对标题和我们今天要介绍的内容有了一定的了解,接下来,我们进入正题。

 

工业4.0时代,工厂数字化“危机重重”

回顾人类历史,我们共同顺利经历了三次工业革命:

 

第一次是蒸汽机时代,开创了以机器代替手工劳动的时代;第二次是电气时代,自然科学的发展和工业紧密结合,科学在推动生产力方面发挥了更为重要的作用;第三次是信息化时代,科学技术转化为直接生产力的速度急速加快。

 

而今,我们迎来了第四次革命,即,工业4.0:智能化时代。工业4.0的本质,就是通过数据流动自动化技术,从规模经济转向范围经济,以同质化规模化的成本,构建出异质化定制化的产业。对于产业结构改革,这是至关重要的作用。

 

作为新一轮的工业革命,工业4.0的核心特征是互联。工业4.0代表了互联网+制造业的智能生产,孕育大量的新型商业模式,真正能够助力实现“C2B2C”的商业模式。

 

当前,大家都还在“工业4.0”的摸索阶段。大量的工厂已经开始自己的智能化转型之路,比如通过构建应用来讲采集的数据可视化,讲数据价值最大化。但是,在这个实践过程中,问题不断涌现,诸如:

 

  1. 数据/信息孤岛烟囱林立

1)应用多独立构建,缺乏统一标准,应用间无法有效进行数据共享和信息互通,形成数据和信息孤岛;

2)企业数字资产零担分布,维护成本高,使用效率低下;

 

  1. 应用上线慢耗时耗力

1)重复造轮子,每个应用上线都有大量重复工作,浪费人力物力,耗时长;

2)其中数据的处理量为复杂,缺乏统一的建模,导致各应用都面临原始数据的重复处理;

 

  1. 数据分析门槛高

1)数据利用率低,大量数据限制,未充分利用,价值挖掘仅冰山一角;

2)关键原因:业务场景不明确,数据开发技术门槛高,缺乏好的数据平台;

 

可能导致上面几个关键问题的原因之一,我们认为可能软件开发分层解耦没有做到位有关

 

软件开发未做到足够的分层解耦

为什么说“软件开发未做到足够的分层解耦”呢?

 

我们来对比一下传统的软件开发过程和华为云IoTA的模式。传统软件开发过程有两种模式:

 

模式一:应用独立构建。

 

 

 

1)一半缺乏整体规划,各应用独立部署,数据各自基于业务需要进行采集和使用

2)效率低下,比如重复采集数据,对生产影响大

 

模式二:基于数采平台构建

 

1)开始考虑统一的数采平台,由专业数采团队完成尽可能多的数据采集,并集中统一开放;

2)整体上效率有所提升,但是数据的使用仍然是独立的,未实现真正的融合,应用间对数据的处理仍存在大量重复工作。

 

那么华为云是如何解决这其中的问题的呢?这个时候就是数字孪生体该出场的时候了。

 

 

通过上图这样一个模型,可以带来:

 

更全面的场景化认知能力:

1)统一数字建模语言,语义层互通

2)图形化/模板化建模开发环境,效率提升40%

3)强大模型计算引擎,支持最大亿级模型节点,无缝衔接AI,智能化扩展

 

更广泛的物理感知能力

110+主流原生协议,60+标准协议

2)云边协同,协议插件自定义扩展

3)模组预集成SDK,上电即上云

 

通过把物理对象一一进行数字化处理,应用和物理设备的交互,转变成应用和数字孪生体的交互。相对于前两种模式,这种模式的开发方式有了一个非常大的变化:我们可以无视最底层的物理设备,或者物理接口,将数据建模部分的工作,交由IoT“统一孪生模型层”完成。

IoT数据分析孪生建模概念分析

接下来,我们将介绍一些“孪生建模”相关概念

 

数字孪生:广义上是由物理对象、数字镜像及互动系统构成的一个体系,狭义上是物理对象的数字镜像

 

数字孪生体成熟度模型可以分为数化、互动、先知、先觉、共智5个阶段,已经超越了现有的数字化、物联网、仿真、大数据、人工智能、云计算等等的任何一个概念

 

1)数化:物理世界中的物通过数字化建模得到一个数字模型

 

2互动数字对象和物理对象之间,实时相互传递信息和数据来产生互动的效果,比如说可以对设备下发一些控制命令(打开路灯);

 

  • 先知:基于完整的信息和明确的机制可以预测未来比如说平常生活中的天气预报,可以预测未来的天气

 

  • 先觉:基于不完整的信息和不太明确的机制去推测未来

 

5共治多个数字孪生体之间可以共享智慧共同进化,是更高级的一种表现

 

IoT领域的数字孪生:物理世界的物在数字世界中的实时准确映射,通过定义模型和汇聚相关数据构建出数字孪生载体。

 

 

IoT数字孪生应用场景

基于上述的概念,我们介绍一下数字孪生应用场景。数字孪生是一项通用的技术,正在成为国家数字化转型新抓手,支撑社会各行业数字化转型的使能技术。下表为数字孪生核心应用场景及价值:

 

 

“智能工厂”行业为例行业内的龙头企业,已经在开发数字孪生体。其在开发设备过程中直接就把数字孪生也同步开发交付了,从而实现了整个设备在生命周期的全数字化管理的能力同时依托现场采集数据,结合孪生体的分析,可以提供产品的故障分析故障预测、远程管理等等增值服务,最终可以有效提升用户体验,降低整体的运维成本,同时可以强化企业的竞争力。

 

工厂数字孪生由制造数字孪生和产品数字孪生组成,背后的多模型是核心

工厂数字孪生由两部分组成:制造数字孪生和产品数字孪生。

 

制造数字孪生:

定位:将工厂的制造环节进行数字化的镜像,能够实时反映工厂的制造过程;经过对制造过程的统一抽象,不应用可以基于统一的语义进行交互;

 

建模内容:生产装备,产线,生产工艺流程,质量缺陷,物理结构等;

 

产品数字孪生

定位:从工厂在制产品维度,组织生产过程中产生的各种数据,并预留通过与数字主线对接的能力打通产品设计阶段,产品维护阶段的数据

 

建模内容:产品的各种属性,生产过程数据,质量数据等

 

整个工厂的数字孪生背后是有多种模型支撑的:

 

 

从下往上总结,可以看到:设备模型产线模型,制程能力模型质量缺陷模型,再往是设备故障预测模型及设备物理/结构模型等等。多种模型,对应着不同的使用场景。

 

那么,这样一个模型,是如何设计和落地的呢?

 

我们需要熟记一句话:对物理世界事物构建数字资产模型时,必须先定义好资产模型,然后再创建资产。

 

IoT领域的数字孪生包括两部分,一部分是模型,第二部分是资产怎么理解这两个概念呢?模型就相当于是面向对象中的class,即,静态的,一些抽象的东西进行定义。

 

而资产实例相当于面向对象中的实例对象object,即把类实例化创建一个对象出来,并使用它。

 

把模型打开来看,里面又分属性和分析任务。属性可以类比我们class里面的成员变量分析任务类比于class成员方法,定义了属性的一些分析技术的逻辑。

 

具体到属性,又可以分成静态属性,测量数据属性分析任务属性三种。同时,分析任务也可以分为转换计算、聚合计算以及流计算三种

 

工厂数字孪生生产线与设备建模效果介绍

 

说这么多,华为云IoTA服务究竟有什么样的效果呢?

 

以一个SMT生产的建模场景为demo

 

 

上图是SMT贴片产线SMT其实一个PCB板的贴片的生产工艺,所有的电子产品包括iPad手机等等电子类的相关产品,都离不开工艺流程

 

 demo可以看出,中间有三条产线,左侧可以看到每一条产线当前实时的设备和产线OEE的指标。

 

中间部分是产线设备,可以操作的动作有:

 

  • 可以通过放大的方式可以把它打开看
  • 可以点击某个设备,可以看到当前设备在当前周期的实时的OEE
  • 可以监控设备关键的参数属性,比如可以对一些关键的属性的值做异常值的监控
  • 可以看到如果设备出现异常整个系统会显示红色或者黄色的点来表示设备出现异常

 

右侧可以看到设备的过去几天或几个小时的列数据。

 

或者大家会对前面提到的OEE感到疑惑,那么什么是OEE

 

OEE,即设备综合效率(Overall Equipment Effectiveness)。一般来说,每一个生产设备都有自己的理论产能,要实现这一理论产能必须保障没有任何干扰和质量损耗。OEE就是用来表现设备是的生产能力相对于理论产能的比率。

在计算OEE的时候,会涉及到以3个维度:

  • 时间利用率:时间利用率=Σ实际运行时间/Σ计划开机时间*100%。用来评价停工所带来的损失,包括引起计划生产发生停工的任何事件,例如设备故障,原材料短缺以及生产方法的改变等等;
  • 性能利用率:性能利用率=Σ[产出数量*一个产品在设备应有状态下加工的周期时间]/Σ实际运行时间*100%。用来评价生产速度上的损失。包括任何导致生产不能以最大速度运行的因素,例如设备的磨损,材料的不合格以及操作人员的失误等;
  • 合格率:合格率=[合格产出数量]/[产出数量]*100%。用来评价质量的损失,它用来反映没有满足质量要求的产品(包括返工的产品);

 

那么最终的计算公式就是,OEE=[时间利用率]*[性能利用率]*[合格率]*100%,这就是衡量设备综合运营效率的一个关键指标,也是很多电子制造工厂以及其他类似厂房里的一个关键性指标。

 

一般来说,国内厂家OEE的数值都不会太高,一般只有70%,或者80%,少的甚至只有40%左右。

 

工厂数字孪生产线与设备建模详解

对于IoT数据分析服务,一般是如何进行数据处理分析的呢?

 

 

参考上图:

 

第一步,数据管道。我们通过数据管道把数据接进来,同时本地也会进行备份;

第二步,对设备进行建模;

第三步,建立设备资产;

第四步,把模型实例化之后的设备,及灌进来的数据,通过设备资产分析这个计算引擎,完成实时计算相关的分析任务;

第五步,把数据存储到IoT内部

第六步,把这个数据通过API开放给第三方使用

 

接下来以实际的SMT产线的印刷机为例,结合前面概念讲一下如何去配置设计模型

 

 

整张图可以分为两个部分,左侧是整个数据完成相关模型概念大纲介绍的几个维度,右侧的是一个生产印刷机设备的实际信息

 

前面我们有大概介绍属性分为3类,但是没有具体讲解三类的相关信息,在此我们补充介绍一下:

 

静态配置属性,此类属性不需要设备上报,也不怎么会有变化,比如产品型号,设备类型等等;

测量数据属性,测量数据属性是需要设备上报的。通俗一点说,就是,数据分析自己是没法得到的,需要别人给系统的数据。包括设备上报的属性,也有可能包括从第三方的业务系统读到的属性,系统都认为是一种测量属性;

分析任务属性,此类属性在数据上报之后,是需要去进一步计算的。

 

同时,分析任务也分为3种:

 

转换计算:举个简单例子,假设创建的时候包含了两个属性,ab而我们要求在这个过程中,a+b=c,那么这就是一个转化计算。转化属性要求是实时的,ab两个值的数据时间戳是相同的

聚合运算聚合是一个时间维度的计算,假设要求过去五分钟的一个平均温度,如果设备每五秒钟上报一次数据,那么就需要对五分钟内的所有上报的数据做一个平均,相当于在时间维度下,做聚合运算;

流计算:流计算主要是用在比较复杂的场景,逻辑不能用简单的一个if /else表达出来的时候就需要使用到流计算。举例来说,当资产将很多参数上报之后,系统需要通过这几个参数计算出一个结果,再返回资产,那么流计算在其中的作用就相当于一个计算器。流计算的功能非常强大,在工厂数字化模型中,大部分的场景都能实现,比如滑动窗口、数据过滤、加属性等等,是比较通用的一个能力。

 

下图是OEE相关指标的配置情况,大家如果感兴趣,可以到demo里去实际查看:

 

 

在此,我们重点介绍一下合格率合格率=[合格产出数量]/[产出数量]*100%。表格中“TS_Sum”表示时序求和,即可以把产量在一个时间范围内求和,比如,对五分钟内的产量进行求和。其他指标的计算方式和合格率类似,就不一一赘述。

 

 

有了资产设备之后,我们即可构建产线模型。

 

产线模型跟设备模型构建的思路一致的,只不过有些特殊点,比如说产线有产线名称,但是产线不是一个实际的实体物理设备,它是一个虚拟的概念,因此产线可能不存在测量数据属性。但是它可以去有定义对应的分析任务,比如说可以计算产线的时间利用率、性能利用率、合格率和OEE等等

 

上述属性可以通过分析计算得到,但是取得数据都是来自于产线下面各个设备的数据,所以说对应的分析任务定义过程跟设备是一模一样的,只不过算唯一的值的时候,取的是设备下面的设备数据进行求和之后,做一个累计计算得出来的结果

 

以上就是一个产线的一个建模过程有了产线模型之后,同样道理可以再建一个工厂模型,工厂模型可能相对会更简单一些,填一些需要配置的属性参数即可

 

有了设备产线工厂3个模型之后,就可以去构建整个数字化的工厂。

 

构建产线资产:数字化SMT工厂

 

 

从上图可以看出,构建一个数字化的工厂其实非常简单:

 

首先,基于工厂模型构建父资产-- SMT工厂;其次,它的下面可以再加一个子资产,比如说第一条产线,我们可以叫SMT产线1,然后再构成第二条产线这两个产线的资产就是基于产线模型来实例化构建出来的;最后,在子资产可以继续添加资产(设备),比如说雷雕机印刷机贴片机等等子设备,整个流程下来之后,我们就可以把整个工厂的数字化模型构建出来。

 

请注意:资产数如何构建,是取决于公司自身业务需求的,没有一个具体的原则框定。

 

结合实际产线设备实时上报数据,通过数字孪生模型及背后的资产数据计算引擎,即可构建出SMT工厂中产线、设备在数字世界孪生体,通过数字孪生体便可实时反映实际物理设备的动态变化。

 

整个数字工厂构建出来,console面里面呈现如下情况:

 

 

这是一个编辑态的过程左边可以看到是一个工作台的布局可以看到每个设备点中之后可以看到它里面详细的一些属性的定义分析任务的一些内容通过右上角的发布按钮可以发布。发布之后,可以记录整个资产数的运行情况,直接run起来之后就可以实时反应去计算需要一些数据。

 

 

 

上图可以看到整个资产运行起来之后,点到某个产线,它产线右侧里面实时计算出来的数据都可以实时呈现出来,也就是说可以实时监控整个资产的预警情况。

 

除了上述的数据展现模式,还可以根据业务的需要,将数据展示成折线图、热力图、曲线图等等,更易进行分析的图形展示方式,得出你想要的结果。示例图如下。

 

想要体验一个产线模型建立的过程,可以前往华为云IoT数据分析服务(https://www.huaweicloud.com/product/iotanalytics-platform.html)深度体验。根据“总览”页的指导一步步进行操作。

 

 

再给大家介绍一个课程,瑞萨携手华为打造了一个数字化工厂课程。该课程主要是帮助开发者基于开发板实现设备层到应用层之间终端开发过程,从而端到端体验开发整个数字工厂。

 

 

上图可以看到整个课程的是涉及到设备层、边缘层、网络层等等多层架构:

 

智能应用:数据实时推送,无缝流转、分析计算,快速构建行业解决方案

1)基于数字孪生建模你呢里,实现产线设备资产建模,试试计算产线OEE指标;

2)基于拓扑应用,对产线3D建模,实现数据可视化呈现。

 

接入智能:云、网、边、端协同,打造稳定、可靠、安全、最低成本的联接服务

1)亿机设备安全稳定连接,10TPS高并发可靠通信;

2)全链路日志分析和消息跟踪,设备状态实时监控和感知,灵活自定义业务指标告警。

 

感知智能:基于华为数字工厂孪生实践,打造真实、专业、可靠的体验场景

1)联合伙伴退撒,提供定制开发版,模拟实现产线设备数采与泛协议接入;

2)端侧Demo详细解读,深度剖析工业设备数采指标,探索数字化转型之路。

 

最近的课程也即将上线了,邀请大家去参与学习整个端端的实际体验。大家可以可以添加小助手微信(hwc-iot),回复“数字工厂”,预约课程,优先体验开发届时华为云会把开寄给大家直接操作体验

 

本文整理自【内容共创系列】1024,懂你所需,予你温暖,致敬新时代可爱的程序员们

查看活动详情:https://bbs.huaweicloud.com/blogs/302011

 

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200