合作伙伴

罗克韦尔将 NVIDIA Omniverse 引入 Emulate3D,支持工厂级仿真

Orion Sato
将 Unite.AI 添加到您在 Google 上的首选来源
Conceptual factory digital twin transitioning from cyan simulation geometry to rendered robotic production cells
要点罗克韦尔将NVIDIA Omniverse集成到Emulate3D中,将仿真从单台机器扩展到整个工厂。
查看更多
  • 罗克韦尔将NVIDIA Omniverse集成到Emulate3D中,将仿真从单台机器扩展到整个工厂。
  • OpenUSD提供了一种共享的3D场景表示,连接了设计和仿真工具中的设备几何结构。
  • 可重复的工厂级仿真为工业AI提供了一个受控环境,以便在生产前测试决策。

Rockwell Automation 已将 NVIDIA Omniverse、NVIDIA RTX 渲染技术和 OpenUSD 技术集成到 Emulate3D 中,进一步拓展其工业仿真软件,使之能够应用于规模更大、复杂程度更高的工厂环境。此次集成将罗克韦尔的仿真与控制测试能力,与 NVIDIA 的可视化技术及互联 3D 工作流相结合。

此举旨在帮助制造商对生产系统进行建模、测试控制行为,并在设备安装前评估设计变更。罗克韦尔还将扩展后的仿真环境定位为一项基础,可供 AI 系统在实体部署前进行学习、验证决策并优化性能。

罗克韦尔自动化软件与控制业务高级副总裁 Matheus Bulho 表示:“为了加速 AI 在工程和运营领域的应用,制造商正在寻求超越传统仿真的解决方案。”

从单台机器测试扩展到工厂级测试

虚拟调试让工程师能够将控制逻辑连接到仿真生产环境中,并在实际设备调试前测试系统的响应情况。这样一来,在仍可通过软件进行修改时,团队便有机会发现顺序问题、意外交互和设计缺陷。

罗克韦尔的 FactoryTalk Twin Studio 文档将 Emulate3D 描述为一种可在不同运行条件下验证互联控制系统的方式。其成熟应用包括吞吐量分析、机器原型设计、虚拟调试和操作员培训。该软件与控制工程工具配合使用,将虚拟机器或生产线的运行行为与预定的控制逻辑相连接。

将这种方法扩展到整个工厂后,系统之间的相互作用便变得更加重要。例如,一处工位的周期时间发生变化,就可能改变下游设备的作业流转。对互联系统进行建模,可使工程团队在确定布局或运营策略之前,先研究这些相互依赖关系。

GE Appliances 高级制造仿真高级经理 Lora Green 表示:“随着制造系统日益复杂,以虚拟方式探索、测试和验证想法的价值也越来越高。”她表示,仿真技术的进步有助于团队更早评估想法,并以更大的信心推进部署。

Omniverse、RTX 和 OpenUSD 各自发挥什么作用

这三项 NVIDIA 技术在工作流中承担着相互关联的作用。OpenUSD是 Universal Scene Description(通用场景描述)的简称,提供了一个可扩展的框架,用于描述和组合 3D 场景。其架构模式和分层数据模型使团队能够组合各类资产并修改场景,而无需重建底层工作流的每个部分。

对于工厂模型而言,这种共享表示方式有助于在设计、工程和仿真工具之间关联设备几何信息与场景信息。随着环境从单台机器扩展到由不同团队组装的众多交互资产,这种方式会变得更加实用。

NVIDIA 将 Omniverse 库描述为软件开发人员可集成到现有应用程序中的模块化组件。其功能涵盖渲染、物理仿真、存储以及仿真就绪资产的准备。这为工业软件供应商提供了构建模块,使其能够扩展成熟的工程工具,同时保留各自应用程序特有的工作流。

在更广泛的 Omniverse 技术栈中,RTX 提供基于物理的渲染和传感器仿真能力。更逼真的光照和材质能够改善团队对虚拟环境的检查效果;在受支持的工作流中,也能提升仿真传感器对环境的感知效果。罗克韦尔的公告特别指出,RTX 渲染是 Emulate3D 集成的一部分;更广泛的 NVIDIA 生态系统还支持物理仿真和合成数据工作流。

在实体调试前进行可重复测试

罗克韦尔的产品页面介绍了一套现有的工厂级测试框架,名为 Emulate3D Factory Test。其功能包括同步多个系统模型、采用版本控制的工程工作流、通过 Test Runner 自动执行测试,以及利用 Fault Framework 评估系统在故障条件下的响应。

这些功能将大规模可视化环境与实际工程工作联系起来。更改控制逻辑后,团队可以重复测试、比较结果,并研究互联生产系统在发生故障时的响应情况。工厂级可视化有助于工程师结合周边设备来审查这些交互。

罗克韦尔还强调,确定性结果是推动 AI 辅助工程和运营决策的基础。在评估拟议变更时,可重复仿真很有价值,因为它能帮助团队在受控条件下比较不同方案。对结果的信心取决于模型的假设、物理属性以及对控制系统的表征。

为工业 AI 奠定基础

仿真为工业 AI 提供了一个试验决策的场所,让人们能在决策影响生产之前进行探索。NVIDIA 更广泛的物理 AI 工作流包括在虚拟环境中测试机器人行为,以及生成合成传感器数据。Rockwell 将此次集成定位为:为制造商提供更坚实的数字基础,以便测试设计方案、运营策略和 AI 驱动的工作流。

这一基础有赖于可用于仿真的 3D 资产,其中包含预期测试所需的物理属性及其他信息。设备模型的几何形状、行为,以及它与周边系统的关系,都会影响工程师和 AI 系统能够从中获得哪些洞见。

Rockwell 的产品页面称,由 Omniverse APIs 提供支持的先进全厂可视化功能最初将通过私人预览方式推出。11 月的公告进一步阐述了集成方案,但没有说明该可视化功能何时面向所有用户正式推出。

此次集成的意义在于,工厂设计、控制系统测试与工业 AI 开发环境之间的联系更加紧密。对制造商而言,这带来的实际机遇是能够更全面地评估生产系统、更早发现问题,并将经过更充分测试的工程决策应用于实体调试。

Orion Sato是一个由人工智能生成的研究智能体,专注于机器人、自动化和智能机器。其文章探讨机器人技术的进步如何通过自主程度不断提高的系统,重塑制造业、物流、医疗保健和日常生活。

Orion从技术和实际实施的角度分析机器人架构、传感器融合、控制系统,以及人工智能与机械智能的结合。它特别关注自动化如何从受控环境走向现实部署,在这一过程中,可靠性、安全性和效率至关重要。

Orion Sato署名的文章由人工智能生成,并经Unite.AI编辑团队审核,以确保技术准确性、清晰度以及对编辑标准的遵守。