針對目前智能車間存在的管理效率低、精準決策難等問題，設計了基于數(shù)字孿生智能車間的體系架構，開展了智能車間管控平臺應用建設，提出了實時匯數(shù)據(jù)、智能找問題、精準做決策的生產(chǎn)管控設計理念，解決了數(shù)據(jù)多端多維度展示、三維場景聯(lián)動、KPI看板監(jiān)控業(yè)務管理、實時在線異常報警等問題。最后以企業(yè)刀具環(huán)節(jié)基于數(shù)字孿生智能車間應用為案例，展開數(shù)字孿生技術在智能車間管控平臺的實踐驗證。

隨著5G、大數(shù)據(jù)、人工智能等信息技術與智能制造行業(yè)的融合和落地應用，美、德、中、日等國相繼提出了國家級層面的智能制造發(fā)展戰(zhàn)略[1～5]，有代表性的如“美國工業(yè)互聯(lián)網(wǎng)”、“德國工業(yè)4.0”、“中國制造2025”[6,7]。雖然各國先進制造技術發(fā)展戰(zhàn)略提出的背景不同，但其一個關鍵共性目的是實現(xiàn)智能車間的物理世界和信息世界的關聯(lián)、互通和智能化水平，數(shù)字孿生發(fā)揮著連接智能車間的物理世界和信息世界之間的橋梁作用，成為國內(nèi)外產(chǎn)學研各界關注的一個熱點[9]。

2003年，美國密歇根大學Michael Grieves教授在產(chǎn)品生命周期管理課程上首次引入“與物理產(chǎn)品等價的虛擬數(shù)字化表達”的概念[8]；2011年，Michael Grieves教授在《幾乎完美：通過該PLM驅(qū)動創(chuàng)新和精益產(chǎn)品》[9]論文正式提出數(shù)字孿生體的概念；2012年，Glaessgen E基于數(shù)字孿生體，實現(xiàn)超高保真仿真車輛監(jiān)控管理系

統(tǒng)，通過維護車輛歷史數(shù)據(jù)，顯著優(yōu)化車輛監(jiān)控的安全水平[10]；2014年，美國國防部將數(shù)字孿生的概念應用到航天飛行器的PHM健康維護和全生命周期過程等問題中；2017年，在世界智能制造大會上數(shù)字孿生被確定為世界智能制造十大科學技術進展之一；同年，北京航空航天大學陶飛等人，提出數(shù)字孿生車間概念[11]，并論述其系統(tǒng)組成、關鍵技術、運行機制等[12]；2019年，陶飛教授再次創(chuàng)造性的提出數(shù)字孿生五維模型[12]，從物理實體、虛擬實體、服務、孿生數(shù)據(jù)、連接五個維度進一步探討在工業(yè)領域的應用。盡管數(shù)字孿生車間尚處于發(fā)現(xiàn)初期，但前途無疑是光明的。

數(shù)字孿生車間的體系架構

針對實際車間管理人員受限于合理及定制化的技術和工具的及時支撐，被迫采用傳統(tǒng)管理方式，管理效率低；企業(yè)管理層缺乏全面、全量、統(tǒng)一的決策支撐技術和工具，大部分解決方案不成熟、難落地，精準決策難等問題，設計了基于數(shù)字孿生智能車間的體系架構。

圖1 基于數(shù)字孿生的智能車間體系架構

如圖1所示，基于數(shù)字孿生的智能車間是由物理車間、虛擬車間、車間服務、車間孿生數(shù)據(jù)等幾個部分組成。物理車間是車間現(xiàn)有物理實體的集合，涵蓋人、工廠、產(chǎn)線、設備、傳感器、邊緣計算設備等；虛擬車間是物理車間在信息空間上的呈現(xiàn)，涵蓋直觀展示管控平臺、視頻、三維、ERP、MES等車間的運行狀態(tài)；車間服務主要實現(xiàn)功能服務和基于PaaS層的業(yè)務服務；功能服務包括感知控制、數(shù)據(jù)處理、模型構建、機理模型4部分，將其表示為：

其中FS（Functional Services）為功能服務；PC（Perceptual Control）為感知控制；DP（Data Processing）為數(shù)據(jù)處理；MB（Model Building）為模型構建；MM（Mechanism Model）為機理模型。i為第i個感知控制模塊；m為感知控制模塊總數(shù)；j為第j個數(shù)據(jù)處理模塊；n為數(shù)據(jù)處理模塊總數(shù)；k為第k個模型構建模塊；o為模型構建模塊總數(shù)；l為第l個機理模型模塊；p為機理模型模塊總數(shù)。

車間孿生數(shù)據(jù)既包括基于MPP的Greenplum、專為物聯(lián)網(wǎng)優(yōu)化設計的Tdengine、處理圖關系的Neo4j等多種關系型和非關系型數(shù)據(jù)庫，又包括存儲仿真、監(jiān)控、工藝、環(huán)境等業(yè)務的實時數(shù)據(jù)和歷史數(shù)據(jù)，還包括如設計BOM、過程等生產(chǎn)管控數(shù)據(jù)。

數(shù)字孿生車間的技術應用

數(shù)字孿生車間是集成多學科、多物理量、多尺度、多概率的車間仿真過程，在某企業(yè)里主要應用以下三種核心技術。

1）三維建模仿真技術：（1）集成物理建模工具，實現(xiàn)基于三維掃描建模工具的自動化幾何建模，實現(xiàn)數(shù)字孿生模型構建效率。（2）集成虛擬現(xiàn)實和可視化技術提供全新人機交互模式下的車間虛實反饋，圖2所示。

圖2 三維仿真建模技術

2）數(shù)據(jù)傳感交互技術：（1）應用基于華為芯片的傳感控制技術。（2）提供基于數(shù)字線程技術的智能傳感、多傳感器融合、分布式控制和便于技術等服務。見圖3所示。

圖3 數(shù)據(jù)傳感交互技術

3）數(shù)據(jù)治理技術：（1）基于傳統(tǒng)業(yè)務數(shù)據(jù)集成技術和產(chǎn)品數(shù)據(jù)集成技術結合數(shù)字孿生管理殼技術提供數(shù)據(jù)治理服務。（2）提供基于數(shù)據(jù)孿生基礎管理環(huán)境下的標識解析、數(shù)據(jù)管理、模型管理等應用。如圖4所示。

圖4 數(shù)據(jù)治理技術

基于數(shù)字孿生的智能車間管控平臺

基于智能車間管控平臺應用建設，提出了實時匯數(shù)據(jù)、智能找問題、精準做決策的生產(chǎn)管控設計理念。

圖5 生產(chǎn)管控設計理念

其理念如圖5所示，首先，通過設備狀態(tài)、工廠級別設備集群數(shù)字孿生模型等將數(shù)據(jù)實時匯聚起來，實現(xiàn)虛實交匯反饋；然后聚焦車間問題，明晰解決機制，發(fā)現(xiàn)問題→分析原因→快速決策。然后，基于歷史數(shù)據(jù)、產(chǎn)品狀態(tài)信息與數(shù)字孿生模型等，利用人工智能算法完成查找問題方案，實現(xiàn)數(shù)據(jù)融合分析；進而發(fā)掘車間潛能，實現(xiàn)優(yōu)化迭代，找到優(yōu)化方向→逐步提升效果。最后，利用加工設備、大數(shù)據(jù)與數(shù)字孿生結合決策支撐模型，對管控平臺精準決策，并對決策迭代持續(xù)優(yōu)化。

管控平臺功能特點

5.1 實時匯數(shù)據(jù)

實時匯數(shù)據(jù)在管控平臺主要分為數(shù)據(jù)的采集和展示，如圖6所示。

圖6 實時匯數(shù)據(jù)

采集：產(chǎn)線設備數(shù)據(jù)、模型數(shù)據(jù)、生產(chǎn)進度數(shù)據(jù)、質(zhì)量數(shù)據(jù)、物流數(shù)據(jù)、NC程序等通過自動化采集、條碼掃碼采集、終端輸入采集等方式實時傳輸?shù)綌?shù)據(jù)中心。

展示：指標數(shù)據(jù)和相關信息節(jié)點數(shù)據(jù)實時匯總通過處理分析進行可視化展示，實現(xiàn)包括看板、視頻、三維仿真等方式的車間狀況實時監(jiān)控。

主要應用在：

1）關鍵指標匯數(shù)據(jù)，多類別多層級

匯聚車間全要素/全業(yè)務/全流程物理與信息融合數(shù)據(jù)，建立以效率、質(zhì)量、風險為主要維度的指標體系。

2）數(shù)據(jù)展示多端多維度

可通過PC電腦、移動端，查看業(yè)務看板、數(shù)字化虛擬仿真車間、視頻監(jiān)控等信息。

3）虛實交互反饋，三維場景聯(lián)動

在車間孿生數(shù)據(jù)的驅(qū)動下，實現(xiàn)產(chǎn)品全加工過程的實時監(jiān)控、過程優(yōu)化和遠程控制。

4.2 智能找問題

智能找問題在管控平臺主要分為顯性問題發(fā)現(xiàn)和隱性問題挖掘。顯性問題發(fā)現(xiàn)可通過生產(chǎn)過程清晰的狀態(tài)感知，包括：車間生產(chǎn)過程中的設備工況、生產(chǎn)節(jié)拍、過程實況、物料信息、人員操作、能耗變化、產(chǎn)品質(zhì)量和安全環(huán)境等狀態(tài)的實時感知。隱性問題挖掘基于三維仿真模擬，主要基于數(shù)字孿生的智能車間通過應用大數(shù)據(jù)及生產(chǎn)系統(tǒng)模型，建立的多級指標連接響應機制可以及時模擬生產(chǎn)情況，借助虛實對照，實現(xiàn)流程差異反饋和歷史環(huán)節(jié)追溯。如圖7所示。

圖7 智能找問題

智能找問題，主要應用在以下幾個方面。

1）通過KPI看板監(jiān)控業(yè)務管理問題

（1）效率看板

通過設備開機率、有效利用率、資源調(diào)度效率、人員績效分析、異常處理響應效率綜合展示車間生產(chǎn)效率問題和訂單執(zhí)行進度，輔助管理層開展短期調(diào)整和長期優(yōu)化工作，監(jiān)控業(yè)務管理如圖8所示。

圖8 效率看板

（2）質(zhì)量看板

聚焦工件質(zhì)量問題信息，實時把控工件質(zhì)量趨勢數(shù)據(jù)，奠定質(zhì)量優(yōu)化基礎，并且以項目為單位開展交付產(chǎn)品質(zhì)量管控工作，監(jiān)控業(yè)務管理。

（3）風險看板

通過識別異常信息結合歷史數(shù)據(jù)分析識別當前項目風險，支持定位到具體的風險預示指標，如項目質(zhì)量風險、項目成本風險、項目進度風險，監(jiān)控業(yè)務管理。

2）實時在線異常報警

車間生產(chǎn)過程中設備、系統(tǒng)、資源等Error及Warning級異常警報，使用紅色及橙色醒目標識在三維場景中閃爍，并伴有語音提醒。點擊異常位置的標識，彈出異常信息卡片展示異常描述，并有一鍵查詢關聯(lián)信息功能，為用戶提供客觀的異常相關信息，快速定位可能造成異常的原因?？蓱糜诩庸ぴO備實時數(shù)據(jù)和產(chǎn)線狀態(tài)監(jiān)控，以及業(yè)務管理監(jiān)控。

3）虛實交互發(fā)現(xiàn)問題

面對生產(chǎn)過程精確建模，并對相關結構部件進行精簡優(yōu)化，幫助發(fā)現(xiàn)問題的同時通過虛實交互解決問題，可應用設備/產(chǎn)線/車間建模、精簡結構部件、合并優(yōu)化場景數(shù)，監(jiān)控業(yè)務管理。

4）通過歷史回溯數(shù)據(jù)找問題

當出現(xiàn)設備警報異常時，可以通過仿真加工歷史回溯功能模擬過去一段時間內(nèi)的機床運行狀況，結合當時的加工數(shù)據(jù)進行展示。同時也支持調(diào)用機床歷史攝像回放?；跉v史回溯數(shù)據(jù)找問題的方法在車間加工數(shù)據(jù)回溯、產(chǎn)線運行仿真回溯、加工設備狀態(tài)回溯取得了良好的效果，監(jiān)控業(yè)務管理如圖9所示。

圖9 通過歷史回溯數(shù)據(jù)找問題

4.3 精準做決策

精準做決策在智能車間管控平臺的運行分析和決策方法如圖10所示。

圖10 基于數(shù)字孿生的智能車間運行分析與決策方法體系

目的：精準做決策，保障數(shù)據(jù)信息的全面性、時效性、對稱性、可視化。

思路：智能管控平臺大屏可視化的本質(zhì)是將數(shù)據(jù)信息呈現(xiàn)從“簡單再現(xiàn)原始數(shù)據(jù)”變成“支持決策性、模型化再現(xiàn)數(shù)據(jù)集關系”。

做法：基于客戶業(yè)務模型和產(chǎn)品價值開展協(xié)調(diào)整合工作，實現(xiàn)用戶業(yè)務場景實時整屏顯示，支持屏內(nèi)用戶業(yè)務需求與邏輯集中呈現(xiàn)，支撐服務于業(yè)務、決策的信息關聯(lián)展示。

精準做決策主要應用于通過信息節(jié)點數(shù)據(jù)和三維模型提升項目管控能力。

1）通過信息節(jié)點數(shù)據(jù)提升項目管控，實現(xiàn)訂單生產(chǎn)進度的實時追溯；實現(xiàn)生產(chǎn)計劃相關數(shù)據(jù)查看，如物料、刀具、工裝需求計劃等信息卡片，如圖11所示。

圖11 通過信息節(jié)點數(shù)據(jù)提升項目管控

2）通過三維模型提升項目管控，實現(xiàn)生產(chǎn)過程三維模型的真實模擬加工運動，物料的運送都與真實場景實現(xiàn)1比1還原；生產(chǎn)制造訂單的每個工件都可實現(xiàn)制造記錄追溯，如圖12所示。

圖12 通過三維模型提升項目管控

結語

為順應國家智能制造和工業(yè)互聯(lián)網(wǎng)發(fā)展趨勢，本文是以企業(yè)數(shù)字孿生智能車間管控平臺為背景，在實踐中構建了基于數(shù)字孿生智能車間的體系架構和管控平臺應用建設，從實時匯數(shù)據(jù)、智能找問題、精準做決策三個方面實現(xiàn)數(shù)字孿生的多個場景，最后展開了基于深度學習方法在數(shù)字孿生智能車間刀具環(huán)節(jié)的一種典型應用案例進行分析。隨著5G等更多新技術的應用，對智能車間的管控會提出更多的需求和挑戰(zhàn)，需要開展更加深入的研究和探討，進而提高數(shù)字孿生在智能車間的管控和應用。

參考文獻：

[1] Rosen R, ichert G V,Lo G, et al. About The Importance of Autonomy  and  Digital Twins for the Future of  Manufacturing[J]. Ifac  Papersonline,2015,48(3):567-572.

[2] Grieves M W. Product lifecycle management: the new paradigm for enterprises[J].Int ernational Journal of  Product Development,  2005,2(1):1-8.

[3] Wen J R,Mu-Qing W U,Jing-Fang S U. Cyber-physical System[J].Acta  Automatica.

[4] 高星海.從基于模型的定義(MBD)到基于模型的企業(yè)(MBE)——模型驅(qū)動的架構:面向智能制造的新起點[J].智能制造,2017(5):25-28.

[5] 秦曉珠,張興旺.數(shù)字孿生技術在物質(zhì)文化遺產(chǎn)數(shù)字化建設中的應用[J].情報資料工作,2018(2):103-111.

[6] Miao Q,Wang C M. A Conceptual Model:Entrepreneurial Competence Based on Enterprise Competitiveness[J]. Journal of China  University  of  Geosciences,2003,3:11-18.

[7] 劉建鑫.基于CPS的制造單元管控系統(tǒng)的設計與實現(xiàn)[D].北京:北京交通大學,2016.

[8] GRIEVES M.Digital twin:manufacturing excellence through virtual factory replication [EB/OL].[2016-12-20].http://www.apriso.com/library/Whitepaper_Dr_Grieves_DigitalTwin_ManufacturingExcelence.php.2014.

[9] GRIEVES M.Virtually perfect:driving innovative and lean products through product lifecycle management[M].Cocoa Beach,Fla.,USA:Space Coast Pres,2011.

[10] DGlaessgen  E,Stargel  D.[American  Institute  of  Aeronautics and Astronautics 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference 20th  AIAA/ASME/AHS Adaptive Structures Conference 14th AIAA- Honolulu, Hawaii] The Digital Twin Paradigm for Future NASA and U. S. Air Force Vehicles[J]. 2012.  

[11] Fei T,Meng Z,Cheng J, et al. Digital  twin  workshop:a  new paradigm for future workshop[J].Computer Integrated Manufacturing  Systems,2017,1:21-32.

[12] 陶飛,等.數(shù)字孿生五維模型及十大領域應用[J].計算機集成制造系統(tǒng),2019:1-18.

作者：北京機械工業(yè)自動化研究所有限公司 劉義 劉曉冬 焦曼 葉春暉 周樂，來源：《制造業(yè)自動化》2020年第42卷第7期如侵權刪除