Variable fuzzy comprehensive evaluation for intelligent manufacturing digital twin model
-
摘要:
针对智能制造数字孪生模型缺乏统一的评估方法和参考标准，采用目标-问题-指标(GQM)方法建立一套系统的数字孪生模型多维评估指标体系，给出指标量化计算方法，并综合可变模糊识别模型和信息熵集结权重算法优势，构建基于改进可变模糊模型的数字孪生模型质量价值评估方法。为解决专家评价的模糊性、不确定性等问题，该方法利用群决策理论改进了可变模糊识别模型，并在考虑专家意见偏好基础上利用信息熵计算指标权重，以某飞机制造工厂数字孪生模型为例，对该模型质量和应用能力进行评估。实例分析表明：该飞机制造工厂数字孪生模型的评估等级为“
S 4良好”，但偏向于“S 3合格”，还有优化完善的空间，同时验证了改进可变模糊识别模型的可行性和合理性，为规范智能制造数字孪生模型构建提供了方法支撑。Abstract:A systematic multidimensional assessment index system for digital twin models was created utilizing the goal-question-metric (GQM) method in response to the dearth of reference standards and unified evaluation techniques for intelligent manufacturing digital twin models. By combining the advantages of variable fuzzy recognition model and information entropy aggregation weight algorithm, a digital twin quality value evaluation method based on improved variable fuzzy model was constructed. In order to solve the problems of fuzziness and uncertainty in expert evaluation, the variable fuzzy recognition model is improved by using group decision theory, and the index weight is calculated by using information entropy on the basis of considering expert opinion preference. Finally, the quality, performance and value of a digital twin model of an aircraft manufacturing plant are evaluated. According to the example study, the digital twin model of the aircraft production facility has an evaluation level of “
S 4 good,” although it tends to be “S 3 qualified,” and there is still opportunity for improvement. At the same time, the feasibility and rationality of improving the variable fuzzy recognition model are verified, and the method support is provided for the construction of standardized intelligent manufacturing digital twin model.-
Key words:
- digital twin model /
- GQM method /
- information entropy /
- group decision /
- variable fuzzy recognition
-
图 2 数字孪生模型基本要素及构建过程
Figure 2. Basic elements and construction process of digital twin models
表 2 数字孪生模型评估指标体系
Table 2. Evaluation index system of digital twin model
目标（Goal） 问题（Question） 因素（Metric） 准确
程度数字孪生模型中表征物理实体的几何、物理属性或其他可扩展的静态参数是否无重复、无缺漏、无歧义 静态参数的准确性 数字孪生模型的动态参数是否能够准确表征物理实体行为状态、运行环境等的动态变化过程 动态参数的准确性 不同参数设置下，数字孪生模型各参数之间的关联关系是否能够反映物理实体整体的准确变化 各参数关联的准确性 连接
程度物理实体状态动态更新时，数字孪生模型参数是否能够实现物理实体状态的同步复刻、监测和优化 模型与物理实体的连接程度 不同开发模式、部署模式及运行模式下，数字孪生模型之间是否能够可靠连接并实现数据安全、实时的交互共享和同步 模型之间信息交互共享程度 数字孪生模型与服务对象之间是否能够及时有效的连接，以便准确监控、仿真，并能利用服务对象反馈的数据保证自身的时效性 模型与服务的连接程度 数字孪生模型是否能安全可靠地连接物理实体数据、运行数据、服务数据、历史数据等孪生数据，并通过数据融合实现精确模拟、控制 模型与孪生数据的连接程度 高效
程度描述物理实体的几何、物理、行为、规则等模型的参数量、层次结构、约束条件、转换规则、规则数量等是否轻量化 模型的轻量化程度 数字孪生模型是否能够快速处理实时数据，并开展知识挖掘、可视化渲染、预测优化等服务 模型运行的高效程度 数字孪生模型是否能够利用硬盘、内存、缓存、预取等计算资源、存储资源、网络资源执行服务 模型资源利用的高效程度 可视化
程度数字孪生模型各参数是否能够以三维图像等方式全面展示物理实体属性，并实时展示物理实体的运行状态 模型参数的可视化程度 数字孪生模型结构的可视化是否能够呈现数字孪生子模型之间的耦合关系及各个参数之间的关联关系 模型结构的可视化程度 数字孪生模型运行过程是否能够直观反映物理实体的全局运行状态和过程细节 模型运行的可视化程度 数字孪生模型的演化过程是否能够直观反映物理实体的运行规律，并基于某时刻物理实体参数数据，仿真出物理实体的真实状态 模型演化过程的可视化程度 可编排
程度是否能够根据特定任务和目标，选择结构、内容、功能和服务可调整的模型组件进行自由组合，构建新的数字孪生模型 模型组件的可编排性 数字孪生模型的参数名、参数描述、参数类型、默认值及校验规则等是否可配置和组合 模型参数的可编排性 数字孪生模型与其他模型组合时，是否能够根据业务流程对新模型各关联关系进行重新编排 模型关联关系的可编排性 规范化
程度数字孪生模型及其子模型的格式是否符合通用标准要求，并能进行解析 模型格式的一致性 数字孪生模型各参数的单位是否符合国际单位制，且有助于用户转化、解析 模型参数单位的一致性 数字孪生模型的数据接口是否具有统一的标准，是否能在不同模型之间能够正确解析、传递和处理数据 模型数据接口的标准化 各数字孪生模型一起运行时是否相互配合稳定工作，不存在频繁崩溃、卡死等问题 模型之间的兼容性 
下载: 导出CSV
表 3 语言变量的三角模糊数
Table 3. Triangular fuzzy numbers of linguistic variables
$ S_{r} $ 三角模糊数 $ S_{1} $ （0,0,0.25） $ S_{2} $ （0,0.25,0.5） $ S_{3} $ （0.25,0.5,0.75） $ S_{4} $ （0.5,0.75,1） $ S_{5} $ （0.75,1,1）
下载: 导出CSV
表 4 数字孪生模型评估等级判定标准
Table 4. Evaluation grade criteria of digital twins model
评估等级 等级描述 S5 数字孪生模型运行效率很高，能够与物理实体、孪生数据、服务等精准连接，具有很强的可解释性，以及很高的规范化程度，能够快速重构优化和迁移复用 S4 数字孪生模型运行效率较高，能够与物理实体、孪生数据、服务等较好连接，且可解释性较强，规范化程度较高，能够较好重构优化和迁移复用 S3 数字孪生模型能够稳定运行，准确度、连接程度、可视化、规范化等基本满足需求，可重构优化和迁移复用 S2 数字孪生模型能够正常运行，但准确度、连接稳定性、可视化、规范化等表现一般，重构优化、迁移复用率较低 S1 数字孪生模型基本能够实现运行，但准确度、连接稳定性、可视化等较差，规范化程度较低，无法重构优化和迁移复用
下载: 导出CSV
表 5 “准确程度”各指标测试数据
Table 5. Each indicator test data of “accuracy”
评估指标 测试数据 量化计算值 某专家评估 x8 ${x_{8i}}{\text{ = 1 440}}$ ${x_8} = 0.{\text{36}}$ S3 ${x'_{8i}}{\text{ = }}921$ x9 ${x_{9i}}{\text{ = 4}}15{\text{ ms}}$ ${x_9} = 0.{\text{58}}$ S4 ${x'_{9i}}{\text{ = 175 ms}}$ x10 ${x_{10i}}{\text{ = 530 ms}}$ ${x_{10}} = 0.{\text{60}}$ S4 ${x'_{10i}}{\text{ = 2}}10{\text{ ms}}$
下载: 导出CSV
表 6 评估数据统计
Table 6. Evaluation data statistics sheet
编号 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18 x19 x20 x21 1 S5 S4 S3 S2 S5 S4 S4 S5 S4 S5 S4 S4 S3 S4 S4 S3 S5 S4 S4 S4 S5 2 S4 S4 S4 S3 S2 S5 S4 S5 S5 S5 S3 S2 S3 S5 S4 S4 S4 S5 S5 S4 S5 3 S4 S5 S5 S4 S4 S4 S4 S4 S5 S4 S4 S4 S4 S4 S4 S4 S4 S5 S4 S3 S5 4 S5 S4 S3 S2 S1 S3 S5 S3 S4 S4 S5 S4 S4 S3 S5 S3 S4 S5 S5 S4 S4 5 S4 S4 S4 S3 S3 S4 S4 S4 S5 S4 S5 S5 S3 S4 S4 S4 S5 S5 S4 S5 S5 6 S4 S5 S4 S5 S5 S5 S4 S2 S5 S4 S4 S3 S2 S4 S5 S5 S5 S4 S3 S4 S4 7 S4 S4 S4 S5 S4 S4 S4 S5 S5 S5 S3 S4 S4 S3 S3 S5 S4 S5 S5 S5 S5 8 S5 S3 S3 S5 S4 S5 S3 S4 S5 S4 S5 S5 S5 S5 S4 S3 S2 S5 S4 S5 S5
下载: 导出CSV
表 7 专家群决策标准化矩阵
Table 7. Expert group decision standardization matrix
专家 x1 x2 x3 k1 0.128 0.135 0.148 k2 0.128 0.135 0.111 k3 0.128 0.135 0.148 k4 0.128 0.108 0.111 k5 0.128 0.135 0.148 k6 0.128 0.135 0.111 k7 0.128 0.108 0.074 k8 0.102 0.108 0.148
下载: 导出CSV
表 8 各评估指标权重
Table 8. Weight of each evaluation index
指标 权重 指标 权重 x1 0.015 x12 0.035 x2 0.017 x13 0.012 x3 0.078 x14 0.115 x4 0.085 x15 0.017 x5 0.090 x16 0.042 x6 0.032 x17 0.095 x7 0.053 x18 0.029 x8 0.035 x19 0.032 x9 0.053 x20 0.078 x10 0.029 x21 0.016 x11 0.042
下载: 导出CSV
表 9 不同a、p值下的相对隶属度
Table 9. Relative membership for different a, p values
a p u1 u2 u3 u4 u5 1 1 0.051 0.077 0.151 0.560 0.161 1 2 0.058 0.086 0.160 0.517 0.179 2 1 0.007 0.016 0.061 0.846 0.070 2 2 0.010 0.022 0.077 0.797 0.095
下载: 导出CSV
表 10 不同a、p值下的特征值
Table 10. Eigenvalues for different a, p values
a p Hj $\overline H $的相对误差的绝对值/% 1 1 3.703 1.96 1 2 3.673 2.76 2 1 3.956 4.72 2 2 3.945 4.43
下载: 导出CSV
-
[1] Siemens. The digital twin[M]. Switzerland : Springer Nature , 2015. [2] 陶飞, 张贺, 戚庆林, 等. 数字孪生模型构建理论及应用[J]. 计算机集成制造系统, 2021, 27(1): 1-15.TAO F, ZHANG H, QI Q L, et al. Theory of digital twin modeling and its application[J]. Computer Integrated Manufacturing Systems, 2021, 27(1): 1-15(in Chinese). [3] 陶飞, 刘蔚然, 张萌, 等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统, 2019, 25(1): 1-18.TAO F, LIU W R, ZHANG M, et al. Five-dimension digital twin model and its ten applications[J]. Computer Integrated Manufacturing Systems, 2019, 25(1): 1-18(in Chinese). [4] BERRI P C, DALLA VEDOVA M L. A review of simplified servovalve models for digital twins of electrohydraulic actuators[J]. Journal of Physics: Conference Series, 2020, 1603(1): 012016. [5] 陆剑峰, 夏路遥, 张浩, 等. 制造企业数字孪生生态系统的研究与应用[J]. 计算机集成制造系统, 2022, 28(8): 2273-2290.LU J F, XIA L Y, ZHANG H, et al. Research and application of manufacturing enterprise digital twin ecosystem[J]. Computer Integrated Manufacturing Systems, 2022, 28(8): 2273-2290(in Chinese). [6] WANG L, LI Y, ZHANG X. A digital twin-based traffic flow prediction method for urban road network[J]. IEEE Access, 2020(8): 132190-132200. [7] CHEN J, WANG Y. A real-time monitoring and prediction method for industrial manufacturing process based on deep neural network digital twin model[J]. IEEE Access, 2021(9): 38777-38787. [8] LI J, WANG L. An explainable machine learning-based digital twin model for industrial manufacturing process[J]. IEEE Access, 2021(9): 104713-104722. [9] 张辰源, 陶飞. 数字孪生模型评价指标体系[J]. 计算机集成制造系统, 2021, 27(8): 2171-2186.ZHANG C Y, TAO F. Evaluation index system for digital twin model[J]. Computer Integrated Manufacturing Systems, 2021, 27(8): 2171-2186(in Chinese). [10] 李翔宇. 数字孪生模型构造技术研究[D]. 沈阳: 沈阳理工大学, 2022.LI X Y. Research on construction technology of digital twin model[D]. Shenyang: Shenyang Ligong University, 2022(in Chinese). [11] LUO R P, SHENG B Y, LU Y K, et al. Digital twin model quality optimization and control methods based on workflow management[J]. Applied Sciences, 2023, 13(5): 2884. [12] 国家市场监督管理总局, 国家标准化管理委员会. 自动化系统与集成 复杂产品数字孪生体系架构: GB/T 41723—2022[S]. 北京: 中国标准出版社.State Administration for Market Regulation, Standardization Administration of the People’s Republic of China. Automation systems and integration——Digital twin architecture of complex product: GB/T 41723—2022[S]. Beijing: Standards Press of China(in Chinese). [13] 赵强. 数字孪生技术应用指: T/CSPSTC 74-202 [S]. 北京: 中国标准出版社, 2021.ZHAO Q. Guidance of digital twin technology: T/CSPSTC 74-202 [S]: Beijing: Standards Press of China, 2021(in Chinese). [14] 杜洪涛. 工业数字孪生系统评估 第2部分: 应用成熟度评估: T/CAMETA 001009.2-2023[S]. 北京: 中国标准出版社, 2023.DU H T. Assessment of industrial digital twin systems——Part 2 Evaluation to maturity of application: T/CAMETA 001009.2-2023[S]. Beijing: Standards Press of China, 2023. [15] LI Y R, XU M Y, WEN X, et al. The role of Internet search index for tourist volume prediction based on GDFM model[J]. Tehnicki Vjesnik-Technical Gazette, 2020, 27(2): 576-582. [16] 张军涛, 李尚生, 王旭坤. 基于灰色关联-模糊综合评判的雷达抗干扰性能评估方法[J]. 系统工程与电子技术, 2021, 43(6): 1557-1563.ZHANG J T, LI S S, WANG X K. Method of radar anti-jamming performance evaluation based on grey correlation-fuzzy comprehensive evaluation[J]. Systems Engineering and Electronics, 2021, 43(6): 1557-1563(in Chinese). [17] 高扬, 王向章. 基于灰色模糊层次分析法的航空公司外委维修风险评估[J]. 安全与环境工程, 2016, 23(2): 80-84.GAO Y, WANG X Z. Risk assessment of air carriers’ maintenance outsourcing based on the gray fuzzy analytic hierarchy process[J]. Safety and Environmental Engineering, 2016, 23(2): 80-84(in Chinese). [18] 高扬, 王向章. 基于SPA-Markov的飞行安全态势评估与预测研究[J]. 中国安全生产科学技术, 2016, 12(8): 87-91.GAO Y, WANG X Z. Research on assessment and prediction of flight safety situation based on SPA-Markov[J]. Journal of Safety Science and Technology, 2016, 12(8): 87-91(in Chinese). [19] 陈农田, 满永政, 李俊辉. 基于QAR数据的民机高高原进近着陆风险评估方法[J]. 北京航空航天大学学报, 2024, 50(1): 77-85.CHEN N T, MAN Y Z, LI J H. Risk assessment method for civil aircraft approach and landing at high plateau based on QAR data[J]. Journal of Beijing University of Aeronautics and Astronautics, 2024, 50(1): 77-85(in Chinese). [20] 冯朝辉. 基于机器学习的终端区航空器运行间隔安全评估方法研究[D]. 天津: 中国民航大学, 2022.FENG Z H. Research on safety assessment method for aircraft operation interval in terminal zone based on machine learning[D]. Tianjin: Civil Aviation University of China, 2022(in Chinese). [21] 李常刚, 李华瑞, 刘玉田, 等. 大电网动态安全风险智能评估系统[J]. 电力系统自动化, 2019, 43(22): 67-75.LI C G, LI H R, LIU Y T, et al. Intelligent assessment system for dynamic security risk of large-scale power grid[J]. Automation of Electric Power Systems, 2019, 43(22): 67-75(in Chinese). [22] 陈华友, 刘春林. 群决策中基于不同偏好信息的相对熵集成方法[J]. 东南大学学报(自然科学版), 2005, 35(2): 311-315.CHEN H Y, LIU C L. Relative entropy integration method based on different preference information in group decision making[J]. Journal of Southeast University (Natural Science Edition), 2005, 35(2): 311-315(in Chinese). [23] 黄景文. 信息安全风险因素分析的模糊群决策方法研究[J]. 山东大学学报(理学版), 2012, 47(11): 45-49.HUANG J W. Fuzzy group decision making for information security risk factors analysis[J]. Journal of Shandong University (Natural Science), 2012, 47(11): 45-49(in Chinese). [24] 王娜娜. 基于可变模糊模型的非毗邻地区经济协调发展研究: 以中俄豫伊两地为例[J]. 数学的实践与认识, 2021, 51(1): 40-46.WANG N N. Research on coordinated economic development in non-adjacent areas based on variable fuzzy model: take China, Russia, Henan and Iraq as examples[J]. Mathematics in Practice and Theory, 2021, 51(1): 40-46(in Chinese). [25] 陈勇刚, 熊升华, 贺强, 等. 通用航空机队设备可靠性动态识别模型[J]. 航空学报, 2018, 39(3): 172-183.CHEN Y G, XIONG S H, HE Q, et al. Dynamic recognition method for reliability of general aviation fleet equipment[J]. Acta Aeronautica et Astronautica Sinica, 2018, 39(3): 172-183(in Chinese). -
下载:
点击查看大图
计量
- 文章访问数: 778
- HTML全文浏览量: 160
- PDF下载量: 64
- 被引次数: 0
