点击蓝字 关注我们
DIGITAL TWIN
本期阅读
文章信息
论文“Automated generation of digital twin for a built environment using scan and object detection as input for production planning”于2023年6月发表于《Journal of Industrial Information Integration》期刊，这篇文章由Markus Sommer,Josip Stjepandić, Sebastian Stobrawa, Moritz von Soden共同完成。
DOI：https://doi.org/10.1016/j.jii.2023.100462
论文链接：
https://www.sciencedirect.com/science/article/abs/pii/S2452414X23000353
引用本文：
Markus Sommer, Josip Stjepandić, Sebastian Stobrawa, Moritz von Soden. Automated generation of digital twin for a built environment using scan and object detection as input for production planning,Journal of Industrial Information Integration,Volume 33,2023,100462,ISSN 2452-414X, https://doi.org/10.1016/j.jii.2023.100462.
文章阅读
Automated generation of digital twin for a built environment using scan and object detection as input for production planning
Markus Sommer a, Josip Stjepandić b,*, Sebastian Stobrawa c, Moritz von Soden d
a isb - innovative software business GmbH, Germany
b PROSTEP AG, Germany
c Leibniz University Hannover, Institute of Production Engineering and Machine Tools, Germany
d Bornemann Gewindetechnik GmbH & Co. KG, Germany
Abstract
The simulation of production processes using a digital twin can be utilized for prospective planning, analysis of existing systems or process-parallel monitoring. In all cases, the digital twin offers manufacturing companies room for improvement in production and logistics processes leading to cost savings. However, many companies, especially small and medium-sized enterprises, do not apply the technology, because the generation of a digital twin in a built environment is cost-, time- and resource-intensive and IT expertise is required. These obstacles will be overcome by generating a digital twin using a scan of the shop floor and subsequent object recognition. This paper describes the approach with multiple steps, parameters, and data which must be acquired in order to generate a digital twin automatically. It is also shown how the data is processed to generate the digital twin and how object recognition is integrated into it. An overview of the entire process chain is given as well as results in an application case.
Keynote
Digital twin, Lithium battery, Battery energy storage systems, Unsupervised machine lear
摘要
采用数字孪生技术对生产过程进行模拟，可用于前瞻性规划、既有系统分析及过程并行监控。在各类应用场景中，数字孪生均为制造业企业在优化生产及物流流程方面提供了潜在的成本节约途径。然而，众多企业，特别是中小型企业，尚未采纳此技术，原因在于在既有环境中构建数字孪生模型需耗费高昂成本、大量时间及资源，并需具备信息技术专业知识。本研究通过扫描车间并实施后续物体识别技术，旨在克服上述障碍，以自动生成数字孪生模型。本文阐述了一种包含多步骤、多参数及多种需采集数据的数字孪生自动生成方法。同时，本文还展示了数据处理以生成数字孪生的过程，以及物体识别技术的集成方式。此外，本文还提供了整个工艺链的概览，并报告了一个应用案例的结果。
关键词
数字孪生, 数字工厂, 对象识别, 室内对象获取, 模拟, 人工智能
Fig. 2. Process chain reverse engineering in the process industry
Fig. 3. Framework for 3D object reconstruction techniques
研究背景
数字化工厂的兴起：数字工厂作为工业的战略竞争优势，已被行业认可超过十年。数字化模型在生产系统离散事件模拟（DES）中的应用广泛，如工厂规划、车间布局优化、重建和防火审批流程或生产过程优化等。
数字孪生技术：数字孪生是数字工厂的核心元素，通过模拟生产过程，为前瞻性规划、现有系统分析或过程并行监控提供支持，有助于制造公司改进生产和物流流程，实现成本节约。
技术应用障碍：尽管数字孪生技术具有巨大潜力，但许多公司尤其是中小型企业在应用上面临成本、时间和资源密集型的障碍，需要IT专业知识。
研究方法
研究方法：本研究采用六阶段的研究方法，包括文献回顾、业务需求分析、解决方案概念评估、解决方案实施、案例研究验证和进一步程序。
文献回顾：通过文献回顾和分析，支持项目关键概念的理解，包括数字工厂、扫描方法、对象识别和过程模拟。
业务需求：通过半结构化访谈和调查，捕捉在构建环境中生成数字孪生的业务需求。
解决方案概念：评估实施所需的关键组件及其相互作用。
解决方案实施：在开源平台上实现设计的架构关键组件。
案例研究验证：验证开发的解决方案，通过www.OpenDESC.com或作为独立解决方案实施。
实验设计
对象获取：通过激光扫描或摄影测量法获取生产布局的点云数据。
对象识别：基于点云数据，通过深度学习技术识别生产系统中的对象。
数字孪生生成：将扫描和对象识别获得的数据转换为数字孪生模型。
结果分析
对象识别：在实验中，对象识别的总体识别率较高，尽管环境影响较大，但超过80%的对象能被准确识别。
手动工作量减少：通过自动化流程，将原本需要数周的手动工作减少到几天。
精确度：使用对象的边界框可以更准确地确定对象位置，优于手动方法。
数字孪生生成：生成的数字孪生模型能够用于模拟和优化生产过程。
研究结论
本研究提出了一种自动化生成数字孪生的方法，通过扫描和对象识别，能够显著减少时间和成本。研究结果表明，该方法在工业条件下具有显著的效益，为中小型企业的数字化转型提供了可行的解决方案。
关注公众号，后台回复“论文78”即可下载原文
相关阅读
本公众号致力于分享高质量的数字孪生与数字工程相关学术研究与知识资讯，以促进学术交流与知识传播。推送的论文内容主要来源于公开出版或在线发布的学术资源，版权归原作者所有，仅供学术交流，未经授权不得商用。如有侵权，请联系删除。
作者如有优秀论文需推荐，请在公众号后台留言与我们取得联系，我们将审核后择优推送。感谢您的持续关注与支持！
