|

Разработка структурной модели цифрового двойника производственно-логистической системы машиностроительных предприятий

Авторы: Григорьев С.Н., Долгов В.А., Никишечкин П.А., Долгов Н.В. Опубликовано: 26.06.2021
Опубликовано в выпуске: #2(137)/2021  

DOI: 10.18698/0236-3941-2021-2-43-58

 
Раздел: Машиностроение и машиноведение | Рубрика: Организация производства  
Ключевые слова: цифровой двойник, производственно-логистическая система, машиностроительное предприятие, информационная модель, концепция "Индустрия 4.0"

Рассмотрены теоретические аспекты создания цифровых двойников объектов и процессов. Исследованы актуальные тенденции развития современных машиностроительных предприятий и сформулированы цели и задачи разработки цифрового двойника производственно-логистической системы машиностроительного предприятия. Выявлено, что решение задач анализа, оценки и прогнозирования состояния производственно-логистической системы основано на разработке с заданной степенью адекватности информационной модели, описывающей аспекты функционирования ее основных подсистем в соответствии с целями и задачами, решаемыми цифровым двойником. Создание подобной информационной модели невозможно без наличия целостных и логически связанных исходных данных о производственно-логистической системе, источниками которых могут являться информационные системы предприятия, осуществляющие согласованное управление производственными и организационно-экономическими процессами на различных уровнях управления машиностроительным предприятием. В соответствии с этим предложена структурная модель цифрового двойника и разработана структура данных информационной модели производственно-логистической системы. Сформированы требования к составу и взаимодействию информационных систем предприятия, содержащих и обрабатывающих данные для построения цифрового двойника производственно-логистической системы. Предложен обобщенный подход к информационному обеспечению задач, решаемых цифровым двойником, заключающийся в формировании локальных информационных моделей, содержащих актуальные данные о производственно-логистической системе машиностроительного предприятия

Литература

[1] Боровков А.И., Рябов Ю.А. Цифровые двойники: определение, подходы и методы разработки. Сб. тр. науч.-практ. конф. "Цифровая трансформация экономики и промышленности". СПб., СПбПУ, 2019, с. 234--245.

[2] Архангельский В.Е. Требования к системам планирования производства в контексте концепции "Индустрия 4.0". VII Междунар. форум "Информационные технологии на службе оборонно-промышленного комплекса России", 2018. URL: http://xn--h1aelen.xn--p1ai/wp-content/uploads/2018/05/Arhangelskij.pdf (дата обращения: 18.02.2020).

[3] Архангельский В.Е. Операционная модель производства как стандартный компонент средств оперативного планирования позаказного производства. VI Междунар. форум "Информационные технологии на службе оборонно-промышленного комплекса России", 2017. URL: http://aamc.ru/wp-content/uploads/2018/06/ITOPK2017-ArkhangelskyVE-WithNotes_v102.pdf (дата обращения: 18.02.2020).

[4] Cimino C., Negri E., Fumagalli L. Review of digital twin applications in manufacturing. Comput. Ind., 2019, vol. 113, art. 103130. DOI: https://doi.org/10.1016/j.compind.2019.103130

[5] Kutin A.A., Dolgov V.A., Kabanov A.A., et al. Competitive-resource information model of the machine building manufacturing system. IOP Conf. Ser.: Mater. Sc. Eng., 2018, vol. 448, art. 012008. DOI: https://doi.org/10.1088/1757-899X/448/1/012008

[6] Долгов В.А., Кабанов А.А. Основные подходы к формированию информационной модели производственно-технологической системы машиностроительного предприятия. Автоматизация. Современные технологии, 2018, т. 72, № 4, с. 178--184.

[7] Grigoriev S.N., Sinopalnikov V.A., Tereshin M.V., et al. Control of parameters of the cutting process on the basis of diagnostics of the machine tool and workpiece. Meas. Tech., 2012, vol. 55, no. 5, pp. 555--558. DOI: https://doi.org/10.1007/s11018-012-9999-6

[8] Grieves M. Product lifecycle management. New York, McGraw Hill, 2005.

[9] Что такое цифровой двойник и для чего он нужен? blogs.3ds.com: веб-сайт. URL: https://blogs.3ds.com/russia/digital-twin (дата обращения: 18.02.2020).

[10] Okunev A.P., Borovkov A.I., Karev A.S., et al. Digital modeling and testing of tractor characteristics. Russ. Engin. Res., 2019, vol. 39, no. 6, pp. 453--458. DOI: https://doi.org/10.3103/S1068798X19060157

[11] Grigoriev S.N., Martinov G.M. Research and development of a cross-platform CNC kernel for multi-axis machine tool. Procedia CIRP, 2014, vol. 14, pp. 517--522. DOI: https://doi.org/10.1016/j.procir.2014.03.051

[12] Tomovic C.L., Ncube L.B., Walton A., et al. Development of product lifecycle management metrics: measuring the impact of PLM. IJMTM, 2010, vol. 19, no. 3/4, pp. 167--179. DOI: https://doi.org/10.1504/IJMTM.2010.031366

[13] Долгов В.А., Подкидышев А.А., Дацюк И.В. и др. Семантические модели технологических систем для имитационного моделирования производственных процессов. Автоматизация. Современные технологии, 2018, т. 72, № 8, с. 350--354.

[14] Nikishechkin P., Chervonnova N., Nikich A. Approach to the construction of specialized portable terminals for monitoring and controlling technological equipment. MATEC Web Conf., 2018, vol. 224, art. 01089. DOI: https://doi.org/10.1051/matecconf/201822401089

[15] Lu Y., Liu C., Wang K.I-K., et al. Digital twin-driven smart manufacturing: connotation, reference model, applications and research issues. Robot. Comput. Integr. Manuf., 2020, vol. 61, art. 101837. DOI: https://doi.org/10.1016/j.rcim.2019.101837

[16] Cai Y., Starly B., Cohen P., et al. Sensor data and information fusion to construct digital-twins virtual machine tools for cyber-physical manufacturing. Procedia Manuf., 2017, vol. 10, pp. 1031--1042. DOI: https://doi.org/10.1016/j.promfg.2017.07.094

[17] Grigoriev S.N., Martinov G.M. The control platform for decomposition and synthesis of specialized CNC systems. Procedia CIRP, 2016, vol. 41, pp. 858--863. DOI: https://doi.org/10.1016/j.procir.2015.08.031

[18] Cheng J., Zhang H., Tao F., et al. DT-II: digital twin enhanced industrial Internet reference framework towards smart manufacturing. Robot. Comput. Integr. Manuf., 2020, vol. 62, art. 101881. DOI: https://doi.org/10.1016/j.rcim.2019.101881

[19] Martinov G.M., Nikishechkin P.A., Grigoriev A.S., et al. Organizing interaction of basic components in the CNC system AxiOMA control for integrating new technologies and solutions. Autom. Remote Control, 2019, vol. 80, no. 3, pp. 584--591. DOI: https://doi.org/10.1134/S0005117919030159

[20] Kutin A.A., Dolgov V.A., Kabanov A.A., et al. Improving the efficiency of CNC machine tools with multi-pallet systems in machine-building manufacturing. IOP Conf. Ser.: Mater. Sc. Eng., 2018, vol. 448, art. 012010. DOI: https://doi.org/10.1088/1757-899X/448/1/012010

[21] Kovalev I.A., Nikishechkin P.A., Grigoriev A.S. Approach to programmable controller building by its main modules synthesizing based on requirements specification for industrial automation. Proc. ICIEAM, 2017. DOI: https://doi.org/10.1109/ICIEAM.2017.8076121

[22] Grigoriev S.N., Gurin V.D., Volosova M.A. Development of residual cutting tool life prediction algorithm by processing on CNC machine tool. Materwiss. Werksttech., 2013, vol. 44, no. 9, pp. 790--796. DOI: https://doi.org/10.1002/mawe.201300068

[23] Davis J., Edgar T., Porter J., et al. Smart manufacturing, manufacturing intelligence and demand-dynamic performance. Comput. Chem. Eng., 2012, vol. 47, pp. 145--156. DOI: https://doi.org/10.1016/j.compchemeng.2012.06.037