点击蓝字 关注我们↑↑↑
DIGITAL TWIN
如果您不希望错过文章，就加个星标吧！
本期阅读
随着人在新一代智能制造系统中主导地位的回归，在以信息物理系统为内涵的工业4.0基础上，欧盟提出了工业5.0的概念，其核心在于人本制造，强调制造过程中知识驱动的人-机-环境安全共融。本文探讨了人-机-环境共融的数字孪生车间安全管控方法，以应对工业5.0时代对人本制造的基本要求。本文提出了虚实混合数据集与本体集成的数字孪生车间不安全状态语义推理方法，用于解决面向工业5.0人本制造的车间现场安全管理方法存在的三个关键挑战：理解人-机-环境活动的复杂交互、理解不安全状态的因果关系以及安全管理方法的适应性。
文章信息
2023年9月，论文《A safety management approach for Industry 5.0′s human-centered manufacturing based on digital twin》发表于《Journal of Manufacturing Systems》期刊。本文由王昊琪、吕林东、李旭鹏、李浩、冷杰武、Vincent Thomson等人共同完成，第一作者是郑州轻工业大学的王昊琪研究员。
DOI: https://doi.org/10.1016/j.jmsy.2022.11.013
引用本文：
H. Wang, L. Lv, X. Li, et al. A safety management approach for Industry 5.0′s human-centered manufacturing based on digital twin,Journal of Manufacturing Systems,Volume 66,2023,Pages 1-12,ISSN 0278-6125, https://doi.org/10.1016/j.jmsy.2022.11.013.
文章阅读
A safety management approach for Industry 5.0′s human-centered manufacturing based on digital twin
H. Wang, L. Lv, X. Li, et al.
a Henan Key Laboratory of Intelligent Manufacturing of Mechanical Equipment, Zhengzhou University of Light Industry, Zhengzhou 450002, China
b State Key Laboratory of Precision Electronic Manufacturing Technology & Equipment, Guangdong University of Technology, Guangzhou 510006, China
c Mechanical Engineering, McGill University, Montreal, QC H3A 0C3, Canada
摘要
制造车间生产现场安全管理是保证工业5.0中人本制造的基础。然而，要填补当代车间安全管理与面向人本制造的生产安全要求之间的差距，需要应对三个挑战：洞察人-机-环境活动的复杂相互作用、推理不安全状态的因果关系以及提高安全管理方法的适应性。为应对这些挑战，提出了虚实混合数据集与本体集成的数字孪生车间不安全状态语义推理方法。
首先，引入了一种生产车间不安全状态语义推理框架。其次，对生产过程中不安全状态语义的进行本体建模。然后，构建一个高保真的虚拟数字孪生车间，能够模拟各种车间不安全状态并生成虚拟数据集。接着，将虚拟数据集与真实数据集相混合，以训练和测试目标检测网络，该网络用于检测不安全对象的实例，并映射到本体模型上以供不安全状态的语义推。最后，通过实例证明了所提出的方法能够应对上述三个挑战。
关键词
数字孪生，人本制造，工业 5.0，语义推理，虚拟数据集，安全管理
Fig. 1. Overall framework of the proposed method.
研究背景
研究问题：工业5.0强调人本制造和知识驱动的人机环境安全，但当前的安全管理方法无法充分理解人、机器和环境之间的复杂交互，导致无法实现知识驱动和人机环境的安全。因此，需要一种新的方法来解决这一问题。
研究难点：当前工厂安全管理系统面临三个主要挑战：一是洞察人机环境活动的复杂交互；二是理解不安全状态的因果关系；三是安全管理方法的适应性。这些挑战阻碍了从传统安全管理系统向工业5.0时代人本制造的转变。
文献综述：文章回顾了基于数字孪生的车间安全管理和基于机器视觉的工作坊安全管理系统的研究进展。数字孪生技术能够模拟物理对象的行为并为其添加新功能，而基于机器视觉的安全管理系统则侧重于识别生产过程中的风险。然而，这些研究在知识驱动和人机环境安全集成方面的工作较少，需要进一步改进。
数字孪生技术在工业5.0安全管理系统中的应用
数字孪生框架：文章提出了一种基于数字孪生的机器可读语义推理框架，用于模拟工厂生产过程中的各种不安全状态，并生成虚拟数据集。该框架能够将物理工厂、虚拟工厂和服务系统整合在一起，实现双视图（物理和虚拟）的一致性和优化。
不安全状态本体建模：研究者们构建了生产过程中不安全状态的本体模型，以机器可读的方式表示和理解不安全状态的因果关系。
高保真虚拟数字孪生车间：构建了一个高保真的虚拟数字孪生车间（DTW），能够模拟各种车间不安全状态，并生成虚拟数据集。这些数据集与真实数据集混合，用于训练和测试目标检测网络，以检测映射到本体的不安全实例进行推理。
工业5.0人机共融制造的安全管理挑战
洞察挑战：研究指出，传统的工厂安全管理系统忽视了人、机器和环境之间的复杂交互，导致误判和遗漏。因此，需要真正反映人类行为、机器操作状态、环境影响以及它们之间相互作用的智能制造系统。
机器可理解性挑战：机器无法像人类一样理解并发现由人、机器和环境复杂交互产生的潜在不安全状态。此外，计算机或机器难以实时预测可能的生产安全事故。
适应性挑战：适用于某一特定车间的安全管理方法可能不适用于另一车间。例如，基于深度学习的不安全行为检测方法需要根据不同工业场景使用不同的数据集。
数字孪生与虚拟数据集的结合
虚拟数据集的优势：与真实数据集相比，虚拟数据集具有收集方便、易于调整、自动标注等优点。数字孪生车间提供了在生产现场收集的各种虚拟数据集。
数字孪生与虚拟数据集的结合：文章提出了一种基于数字孪生的车间不安全状态推理方法，该方法将虚拟-真实混合数据集与本体集成，实现车间不安全状态的语义自动推理。
实验验证
实验设计：通过实验验证了所提出的基于数字孪生的车间不安全状态推理方法能够解决上述三个挑战。实验包括构建虚拟数字孪生车间、模拟不安全状态、生成虚拟数据集、混合真实数据集进行训练和测试，以及使用目标检测网络进行不安全实例的检测和推理。
实验结果：实验结果表明，该方法能够有效地模拟车间的不安全状态，生成的虚拟数据集有助于提高目标检测网络的性能，从而能够准确地检测和推理出车间中的不安全实例。
总体结论
数字孪生技术的应用：数字孪生技术能够缓解工业5.0人机共融制造安全管理中的洞察挑战，通过数字孪生车间的双视图整合，提高对人、机器和环境复杂交互的理解。
机器视觉与语义网技术的结合：机器视觉和语义网技术的结合有助于解决机器可理解性挑战，机器视觉可以替代人类视觉，避免误判和遗漏，而语义网技术能够实现知识的表示和信息的语义关联。
虚拟数据集的应用：虚拟数据集的使用为解决适应性挑战提供了新的视角，其方便的收集和调整特性，以及与数字孪生结合的潜力，为安全管理方法的适应性和泛化能力提供了支持。
数字孪生与虚拟数据集的结合：数字孪生与虚拟数据集的结合为工业5.0人机共融制造的安全管理提供了新的解决方案，通过虚拟-真实混合数据集和本体的集成，实现了车间不安全状态的语义自动推理，为未来安全管理系统的发展指明了方向。
关注公众号，后台回复“论文99”即可下载原文
DigiTwin2025
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。
如您有优秀论文需推荐，或者成果发布、企业进展、科研交流等需求，请在公众号后台留言，或发送邮件到digitaltwin@buaa.edu.cn，与我们取得联系。感谢您的持续关注与支持！
