數字孿生數據接入及可視化在智慧工廠中的應用

［摘 要］數字孿生是一種虛擬模型，能夠以數字方式呈現現實世界的物理對象、系統或過程。為提升智慧工廠數字孿生平臺的數據傳輸效率和質量，提出一種綜合考慮數據采集、數據處理及數據展示等因素，實現對物理系統實時監測、分析及管理，優化數據接入和數據可視化的方法，并對該方法的各個階段所涉及的技術要點進行詳細的解釋和驗證。實際結果表明，該方法可以幫助用戶更好地了解實際對象、系統或過程的狀態和行為，提高生產效率和質量，提升產品競爭力。

［關鍵詞］數字孿生；數據采集；監測；數據接入；數據可視化

［中圖分類號］TP391.9 ［文獻標志碼］A ［文章編號］2095–6487（2024）01–0171–03

數字孿生的應用范圍非常廣泛，包括工業制造、城市規劃、能源管理等領域。在制造業中，數字孿生可用于產品設計、生產過程優化及故障診斷等方面，能顯著提高產品質量和生產效率。數字孿生的應用需要采集、處理及展示大量的數據，因此，數字孿生的數據接入和可視化是非常關鍵的環節。文章旨在探討數字孿生智慧工廠平臺的數據接入和數據可視化相關技術。

1 數字孿生智慧工廠平臺架構

1.1 總架構

數字孿生虛擬智慧工廠平臺是一種新型智慧工廠平臺，通過數字孿生技術構建數字模型實現制造過程的智能化及可持續發展，可助力企業提高生產效率，降低成本，提高產品質量和可靠性、企業的競爭力和創新能力。圖1為數字孿生虛擬智慧工廠平臺總架構。

1.2 數據接入及可視化實現流程

數字孿生的數據接入及可視化實現流程一般包括數據采集和預處理、數據可視化設計、數據可視化實現、數據分析和決策支持及更新和優化等步驟。具體如下：①從物理系統或現實世界中采集數據，并對其進行處理和清洗。②將數據輸入數字孿生模型，建立物理系統或現實世界的數字化映射。③根據需要選擇合適的數據可視化工具，并設計可視化界面。可視化界面的設計應考慮用戶需求和數據特征。④使用相應的數據可視化工具實現可視化效果。通過數字孿生模型和數據可視化，可以對物理系統或現實世界進行分析和建模，并提供決策支持。

2 數據接入

數據接入是數字孿生的基礎環節，包括數據的采集、傳輸及存儲。數據采集通過傳感器或其他設備實現，數據傳輸通過網絡進行，數據存儲則應用云計算或本地計算機等實現。為保證數據傳輸的可靠性和安全性，需要采用合適的網絡協議和加密技術。為提高數據存儲的效率和可靠性，需選擇合適的存儲介質和數據管理系統。

2.1 數據采集

數據采集包括批量采集和實時采集。批量采集適用于數據量較大、更新速度較慢的數據源，常用的批量采集方式包括Web 爬蟲、API 接口調用等。實時采集適用于數據量較小、更新速度較快的數據源，如傳感器數據、MQTT 協議等。數字孿生平臺常用的實時采集方式包括WebSocket、MQTT 等協議。

2.2 數據傳輸

（1）數據傳輸協議。數據傳輸協議是數據傳輸的重要組成部分，常用的數據傳輸協議包括HTTP、TCP、UDP、WebSocket、MQTT 等。

（2）數據傳輸方式。常用的數據傳輸方式包括同步傳輸和異步傳輸，同步傳輸適用于數據量較小、實時性要求不高的場景，如HTTP 協議。異步傳輸適用于數據量較大、實時性要求較高的場景，如WebSocket 和MQTT 協議。

（3）數據傳輸安全。為充分保障數據傳輸的安全，平臺在數據傳輸時采用RSA 加密算法進行數據加密。圖2 為不同數據傳輸方式示意。

綜上所述，數據傳輸是數字孿生應用的基礎和核心環節。智慧工廠平臺采用MQTT 配合RSA 加密算法進行數據傳輸，保證了數字孿生模型的準確性和實時性，保障了數據傳輸的安全性和可靠性。

2.3 數據存儲

常用的數據存儲類型包括關系型數據庫、非關系型數據庫、文件系統等。常用的數據存儲方式包括本地存儲和云存儲。為保障數據存儲的安全，需要采用合適的加密和認證技術。數字孿生智慧工廠平臺數據存儲框架如圖3 所示，基于該框架，平臺可實現結構化數據、半結構化數據及非結構化數據的存儲與使用。

3 數據處理

在數字孿生中，數據處理的目標是將采集到的數據轉化為數字模型，并進行分析和預測。數據清洗可以去除數據中的噪聲和異常值。數據過濾可以去除重復數據、缺失數據、錯誤數據及異常數據。數據轉換的目的是將原始數據進行格式轉換和標準化處理以提高數據的可讀性和可用性。

3.1 數據清洗

數據清洗的主要目的是提高數據的質量和準確性，使得數據更加完整和準確。

智慧工廠平臺應用的數據清洗技術和方法包括數數據表分析、特征轉換、整體數據分析、缺失值處理等，同時配合人工智能模型可以幫助處理大規模數據和復雜數據。

3.2 數據過濾

數據過濾是數據處理的中間過程，其意義在于可以顯著提升數據的質量和準確性。重復、錯失的數據很大程度上影響數據可視化的展示效果，智慧工廠平臺應用的數據過濾條件包含重復數據、缺失數據、錯誤數據和異常數據，搭配AI 過濾模型實現數據的自動過濾。智慧工廠平臺數據過濾模型如圖4 所示。

3.3 數據轉換

數據轉換是將不同數據源的數據進行格式統一、信息整合及應用場景轉換的過程，其目的在于提高數據的質量和價值，促進業務決策的優化和升級。智慧工廠平臺數據轉換包括以下內容。

（1）格式轉換。原始數據可能存在不同的格式和結構，數據轉換可以將其轉換為統一的數據格式和結構，以便更好地支持數字孿生應用的數據分析和建模。

（2）標準化處理。原始數據可能存在不規范或不一致的命名和描述方式，數據轉換可以將其進行標準化處理，以便更好支持數字孿生應用的數據分析和建模。

（3）數據整合。數據轉換可以將多個數據源的數據進行整合和合并處理，以提高數據的完整性和準確性，支持數字孿生應用的全局數據分析和建模。例如將不同數據源中的數據進行整合，生成全局的數據模型。圖5 為數據轉換過程示意。

綜上所述，數據轉換是數字孿生應用中的重要步驟。通過數據轉換，可以提高數據的可讀性、可用性、可靠性及完整性，支持數字孿生模型的數據分析和建模，從而更好地支持數字孿生應用的開發和研究。

4 數據展示

數據展示的目的是以可視化的形式呈現數據結果，方便用戶數據分析和決策。智慧工廠平臺數據展示具備圖表設計、交互功能、數據展示及多平臺適配等特點，能支撐用戶更好地理解數據的意義和價值。

4.1 生產數據可視化

智慧工廠平臺共計接入7 套生產系統、3 套管理系統相關數據，可以提取產量數據、質量數據、人員結構、能耗管理及成本管理等不同維度的工廠生產相關數據，以供用戶實時全面地掌握當前生產狀況，實現智慧工廠生產數據可視化。

4.2 安全數據可視化

智慧工廠平臺接入訪客管理系統、安全監控系統等安全相關系統數據，基于訪客數據的可視化意義在于，通過將數字孿生虛擬平臺中的訪客數據進行可視化展現，可以直觀地了解智慧工廠的客流情況、熱門區域、訪客偏好等信息，幫助企業更好地掌握訪客信息，以便進行精準的市場定位和營銷策略。此外，還能根據訪客數據對智慧工廠的運營進行優化，如調整布局、提高服務水平等，提升智慧工廠的競爭力和客戶體驗。

4.3 設備數據可視化

通過將數字孿生虛擬平臺中的設備數據進行可視化展現，可以使得設備運營和安全問題不再是黑盒子，而是可以直觀地呈現出來，從而更容易地發現潛在的安全隱患，提高設備運行的安全性和穩定性，并且支持對設備運行狀態進行實時監控，及時發現并解決異常情況，保障智慧工廠的安全性和生產效率。

5 結束語

文章基于數字孿生智慧工廠平臺的開發應用，對數據接入及數據可視化相關技術進行詳細的介紹說明。平臺采用了一種綜合考慮數據采集、數據處理及數據展示的方法，該方法通過搭建MQTT 等服務器進行數據采集與傳輸，通過多種類型的數據庫進行數據存儲以滿足不同業務類型的數據應用，其中數據處理方法綜合考慮數據的質量、數據的可用性、數據的模型精度等因素，以便建立準確和可靠的數字孿生模型，并將數字孿生模型的結果通過圖表、動畫、虛擬現實等方式進行展示。數字孿生數據接入和數據可視化的結合，是實現數字孿生的重要組成部分，可以更好地模擬真實場景，并將孿生數據以可視化的形式呈現出來，幫助企業深入了解產品、流程及服務等方面的數據，分析并優化業務流程，提高效率和質量，同時也可以促進業務決策的升級和優化。

參考文獻

[1] 趙亮，許娜，張維. 我國數字孿生研究的進展、熱點和前沿——基于中國知網核心期刊數據庫的知識圖譜分析[J].實驗技術與管理，2021，38（11）：96-104.

[2] 劉義，劉曉冬，焦曼，等. 基于數字孿生的智能車間管控[J]. 制造業自動化，2020，42（7）：148-52.

[3] 金盛，喻俊泉，盧汪洋. 基于深度數據清洗的數字水廠在線智能投礬系統[J]. 城鎮供水，2023（5）：17-22.

[4] 趙浩然，劉檢華，熊輝，等. 面向數字孿生車間的三維可視化實時監控方法[J]. 計算機集成制造系統，2019，25（6）：1432-1443.