基于數(shù)字孿生理念的智能工廠與案例分析

1、 基于數(shù)字孿生理念的智能工廠與案例分析 導語在“中國制造2025”大戰(zhàn)略背景下，結(jié)合和使用新一代信息技術(shù)和人工智能技術(shù)，實現(xiàn)物理世界和信息世界互聯(lián)互通與融合是智能制造得以實現(xiàn)的核心問題之一。針對這一問題，基于數(shù)字孿生理念，闡述了數(shù)字孿生與現(xiàn)代工廠的融合方法，整合了數(shù)字孿生與工廠融合后系統(tǒng)組成和它所具備的特點。結(jié)合實際的案例分析，為數(shù)字孿生理念的實踐提供了借鑒。智能制造的概念是由美國的懷特教授和布恩教授在20世紀80年代首次提出1。智能制造技術(shù)是世界制造業(yè)未來發(fā)展的重要趨勢2。智能制造是面向產(chǎn)品全生命周期，不斷自行升級優(yōu)化的信息化制造。信息化技術(shù)的蓬勃發(fā)展，給現(xiàn)有的制造業(yè)帶來了機遇與挑戰(zhàn)3。從2

2、0世紀中葉到90年代中期，信息化表現(xiàn)為以計算、通訊和控制應(yīng)用為主要特征的數(shù)字化階段；從20世紀90年代中期開始，互聯(lián)網(wǎng)大規(guī)模普及應(yīng)用，信息化進入了以萬物互聯(lián)為主要特征的網(wǎng)絡(luò)化階段4；當前，在大數(shù)據(jù)、云計算、移動互聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)集群突破、融合應(yīng)用的基礎(chǔ)上5，人工智能實現(xiàn)戰(zhàn)略性突破，信息化進入了以新一代人工智能技術(shù)為主要特征的智能化階段。各制造大國也緊跟時代潮流，紛紛推出了國家層面的先進制造戰(zhàn)略，如美國的工業(yè)互聯(lián)網(wǎng)5，德國工業(yè)4.07，中國制造2025和“互聯(lián)網(wǎng)+制造”等。美國在智能化方面一直處于世界領(lǐng)先地位，智能手機、物聯(lián)網(wǎng)以及多功能、自動化的傳感器等新一代信息技術(shù)都來源于美國8。智能制造是“

3、中國制造2025”戰(zhàn)略背景下的主攻方向9。如何在現(xiàn)代傳感技術(shù)、網(wǎng)絡(luò)技術(shù)、自動化技術(shù)、擬人化智能技術(shù)等先進技術(shù)的基礎(chǔ)上，通過智能化的感知、人機交互、決策和執(zhí)行技術(shù)，實現(xiàn)設(shè)計過程、制造過程和制造裝備智能化，打造真正的智能工廠10，實現(xiàn)智能制造和生產(chǎn)。近些年來，數(shù)字孿生在越來越多的工業(yè)領(lǐng)域得以運用。陶飛等11根據(jù)數(shù)字孿生理念提出了數(shù)字孿生車間；美國國防部將數(shù)字孿生理念引入到航空航天領(lǐng)域12；PTC公司則基于數(shù)字孿生理念運用于產(chǎn)品售后服務(wù)與支持，為客戶帶來更好的售后體驗13。數(shù)字孿生雖然在一些領(lǐng)域有一定的運用，但很多相關(guān)研究還只是停留在理論層面，實際運用案例很少。筆者根據(jù)數(shù)字孿生理念對某公司汽車混流裝

4、配線進行規(guī)劃，闡述了數(shù)字孿生在汽車裝配工廠中運用的具體步驟與數(shù)據(jù)分析結(jié)果。將數(shù)字孿生的理念與實踐相結(jié)合，為人們繼續(xù)深入研究數(shù)字孿生提供參考依據(jù)。1數(shù)字孿生與智能工廠1.1 數(shù)字孿生數(shù)字孿生技術(shù)的特點如下14：利用計算機技術(shù)建立的虛擬模型是對物理對象的真實映射，并對物理對象的各類數(shù)據(jù)實時感知并集成融合；通過參與物理對象的全生命周期，不斷積累相關(guān)信息，并與其共同進化；虛擬空間的數(shù)字化模型能夠?qū)ΜF(xiàn)實中的物理對象準確描述，而且能夠控制物理對象的運行過程，孿生數(shù)據(jù)能夠促使物理對象不斷優(yōu)化，直到最優(yōu)。數(shù)字孿生連接物理空間與信息空間的方式如圖1所示。圖1 數(shù)字孿生理念示意圖1.2 數(shù)字孿生與現(xiàn)代工廠的融合物

5、理工廠與虛擬工廠基于數(shù)字孿生的理念，以數(shù)據(jù)和互聯(lián)網(wǎng)為媒介，實現(xiàn)雙向真實映射與實時交互，打通物理世界和信息世界之間的桎梏，實現(xiàn)物理工廠與虛擬工廠的融合并產(chǎn)生孿生數(shù)據(jù)，在孿生數(shù)據(jù)的驅(qū)動下，實現(xiàn)工廠的全生產(chǎn)要素在物理工廠、虛擬工廠、工廠服務(wù)系統(tǒng)間的迭代運行，最終使物理工廠不斷得到進化，直到工廠生產(chǎn)和管控達到最優(yōu)的一種工廠運行新模式。物理工廠和虛擬工廠交互融合示意圖如圖2所示。圖 2 物理工廠和虛擬工廠交互融合示意圖2數(shù)字孿生系統(tǒng)的組成數(shù)字孿生和工廠融合的主要系統(tǒng)組成如圖3所示。物理工廠是物理空間內(nèi)工廠的所有生產(chǎn)要素的總和，它是為了完成生產(chǎn)任務(wù)的客觀存在；虛擬工廠是通過計算機技術(shù)建立起來的數(shù)字化模型，

6、反映物理工廠的一切生產(chǎn)活動，負責對物理工廠的生產(chǎn)活動進行仿真和優(yōu)化，并對生產(chǎn)過程進行實時監(jiān)測與調(diào)控；CPS(cyber physical system)作為一套綜合技術(shù)體系，在智能工廠建設(shè)過程中為狀態(tài)感知-數(shù)據(jù)分析-資源決策-規(guī)劃執(zhí)行提供技術(shù)支持，協(xié)助構(gòu)建物理空間與信息空間各要素相互映射、實時交互、高效協(xié)同、共同進化的復雜系統(tǒng)，尋找工廠內(nèi)資源配置的最優(yōu)解；工廠孿生數(shù)據(jù)是物理工廠、虛擬工廠和工廠服務(wù)系統(tǒng)相關(guān)的數(shù)據(jù)，它是隨著智能工廠不斷進化的。圖3 數(shù)字孿生與工廠融合的主要系統(tǒng)組成3數(shù)字孿生與工廠融合運用案例3.1 數(shù)字孿生理念與汽車混流裝配線融合的方法針對混流裝配線運行機制復雜問題，采用仿真手段

7、進行分析，先是基于Sketchup構(gòu)建靜態(tài)3D模型，還原生產(chǎn)線環(huán)境，確定場地、物料等約束條件；再通過傳感器等實時感知物理工廠內(nèi)的運行狀態(tài)并轉(zhuǎn)化為數(shù)字信息，并上傳至虛擬工廠進行仿真和迭代優(yōu)化；虛擬工廠對物理工廠實時監(jiān)控，并根據(jù)優(yōu)化結(jié)果對物理工廠的生產(chǎn)環(huán)節(jié)進行調(diào)控。下面的案例是通過對某公司汽車混流裝配線的調(diào)研，基于數(shù)字孿生理念，對這條生產(chǎn)線生產(chǎn)過程分析并進行規(guī)劃，把裝配線與數(shù)字孿生理念融合。在案例中僅以內(nèi)飾、底盤、終一、終二工段進行分析，以下是數(shù)字孿生理念與汽車混流裝配線的融合采取的方法和步驟。根據(jù)實際作業(yè)流程，構(gòu)建各工站的動態(tài)模型，分析整個工段運行狀態(tài)，對員工作業(yè)、物料配送進行仿真。仿真結(jié)果生成

8、的數(shù)據(jù)與物理汽車裝配線建立聯(lián)系，指導物理裝配線的生產(chǎn)過程；同時物理汽車裝配線產(chǎn)生的感知數(shù)據(jù)上傳到虛擬汽車裝配線進行仿真模擬，產(chǎn)生數(shù)據(jù)。二者數(shù)據(jù)不斷交互，共同進化。物理裝配線和虛擬裝配線二者數(shù)據(jù)交互的本質(zhì)是建立起與信息世界的聯(lián)系。3.2 虛擬汽車裝配線建立的步驟3.2.1 混流裝配線靜態(tài)建模通過對生產(chǎn)線現(xiàn)場進行實地測繪，利用Sketchup的線條、圓弧、推拉、路徑跟隨等工具，可實現(xiàn)對物體的幾何建模。生產(chǎn)線旁料架、生產(chǎn)線旁布局的實物與3D建模對比圖如圖4和圖5所示。圖 4 料架實物與3D模型對比圖圖5 生產(chǎn)線旁布局對比圖3.2.2 混流裝配線動態(tài)建模使用Flexsim建立一個真實系統(tǒng)的3D計算機數(shù)

9、字孿生模型，用更短的時間、更低的成本來研究系統(tǒng)。通過創(chuàng)建實體、實體連接、參數(shù)設(shè)置、可視化仿真，為后面數(shù)字孿生分析提供數(shù)據(jù)依據(jù)。3.2.3 基于Flexsim的混流裝配線仿真通過靜態(tài)建模和動態(tài)建模，以完成各工段仿真模型的建立。Flexsim的仿真流程如圖6所示。通過對仿真運行結(jié)果進行分析，進而指導裝配線并提出相應(yīng)的改進措施。圖6 Flexsim仿真流程圖本次仿真運行時間為一個班次，每班次的工作時間為10h，即將單次仿真的終止時間設(shè)置為36000s。對于混流裝配線，主要研究裝配線平衡和投產(chǎn)排序。裝配線平衡主要研究各工位作業(yè)時間，而汽車總裝以人工裝配為主，反映在Flexsim仿真中即各工位操作員的作

10、業(yè)狀態(tài)；投產(chǎn)排序?qū)ρb配線的影響，主要為各工位的作業(yè)負荷和線旁物料的消耗，反映在Flexsim仿真中即為各工位操作員的作業(yè)狀態(tài)和暫存區(qū)物料的實時消耗狀況。仿真運行36000s后，通過Flexsim的Dashboard和統(tǒng)計與報告等功能實現(xiàn)對生產(chǎn)線實時數(shù)據(jù)的監(jiān)測與統(tǒng)計分析。(1)操作員實時狀態(tài)分析。通過圖7可知，B073L_2，B073R_1，B073R_2，B075L_1，B075R_1等工位操作員的空閑率較低，作業(yè)強度大，且取料、步行時間占比較大，為瓶頸工位。由圖8可知，這些瓶頸工位作業(yè)負荷波動大，生產(chǎn)線平衡狀況差。圖7 操作員實時狀態(tài)圖8 操作員狀態(tài)平衡墻(2)物料實時消耗分析。由圖9可知，

11、生產(chǎn)線總共上線車輛為372輛，裝配完畢下線的車輛為366輛，有6輛車停留在生產(chǎn)線上。其中，車型1(CN112)生產(chǎn)和車型2(CN113)生產(chǎn)各123輛，車型3(CN180S)生產(chǎn)120輛。圖9 物料消耗統(tǒng)計結(jié)果另外，由圖9可知，物料B073L_2_9053315(前地板孔蓋)消耗量最大為494；其次為物料B073L_2_24542553(尾門內(nèi)板孔塞)、B073R_1_23933512(導向環(huán)蓋)、B077R_2_23934016(導向環(huán)蓋)消耗量為246；其他物料消耗較均衡為123。為緩解物料供應(yīng)壓力，投產(chǎn)排序時不能長時間連續(xù)排產(chǎn)CN112、CN180S兩種車型。3.3 數(shù)字孿生與汽車裝配線

12、融合結(jié)果汽車裝配線的生產(chǎn)要素數(shù)字信息可以通過物聯(lián)網(wǎng)實時上傳到虛擬汽車裝配線，虛擬裝配線根據(jù)實時數(shù)據(jù)模擬汽車裝配線實際的運作情況進行仿真優(yōu)化，并實時調(diào)控實際汽車裝配線的運作，實際汽車裝配線與虛擬汽車裝配線通過實時的信息交互不斷進化，使整個汽車裝配線的效益最大化。4總結(jié)(1)物理世界和信息世界的聯(lián)通與融合是智能制造可以廣泛應(yīng)用的桎梏。數(shù)字孿生是連接物理世界與信息世界的通道。(2)數(shù)字孿生與現(xiàn)代工廠的融合，打通了物理世界與信息世界的通道。根據(jù)物理工廠建立虛擬工廠，實現(xiàn)物理工廠與虛擬工廠(信息世界)的信息互聯(lián)與共享，二者并行存在，共同進化。(3)通過對某汽車混流裝配線智能制造案例的分析，得出了數(shù)字孿生

13、與裝配線融合的方法，為數(shù)字孿生的實踐運用提供了參考。參考文獻：1 于濟群.智能制造技術(shù)的研究現(xiàn)狀與發(fā)展趨勢J.機械裝備研發(fā),2019(3):147-154.2 任杉,張映鋒,黃彬彬.生命周期大數(shù)據(jù)驅(qū)動的復雜產(chǎn)品智能制造服務(wù)新模式研究J.機械工程學報,2019,54(22):194-203.3 陶飛,戚慶林.面向服務(wù)的智能制造J.機械工程學報,2018,54(16):11-23.4 屈挺,張凱,羅浩,等.物聯(lián)網(wǎng)驅(qū)動的“生產(chǎn)-物流”動態(tài)聯(lián)動機制、系統(tǒng)及案例J.機械工程學報,2015,51(20):36-44.5 Tao F,Zhang L,Venkatesh V,et al.Cloud Manuf

14、acturing:A Computing and Service oriented Manufacturing ModelJ.Proceedings of the Institution of Mechanical Engineers，Part B.Journal of EngineeringManufacture,2011,225(10):1969-1976.6 Annunziata M,Evans P.Industrial Internet:Pushingthe Boundaries of Minds and MachinesJ.GeneralElectric,2012(1-2):1-23

15、.7 Kagermann H，Helbig J，Hellinger A，et al.Recommendations for Implementing the Strategic InitiativeINDUSTRIE 4.0:Securing the Future of German Manufacturing Industry; Final eport of the Industrie 4.0Working GroupM.Berlin: Forschungsunion,2013.8 王欣.智能制造裝備產(chǎn)業(yè)發(fā)展態(tài)勢分析J.山東工業(yè)技術(shù),2019(9):46.9 國家制造強國建設(shè)戰(zhàn)略咨詢委員會.

16、智能制造M.北京:電子工業(yè)出版社,2019.10 馬杰,姚波,李勇.智能制造工廠模型J.制造業(yè)自動化,2019,41(6):48-53.11 陶飛,張萌,程江峰,等.數(shù)字孿生車間一種未來車間運行新模式J.計算機集成制造系統(tǒng),2017,23(1):1-9.12 Tuegel E J,Ingraffea A ,Eason T G,et al.Reengineering Aircraft Structural Life Prediction Using aDigital TwinJ.International Journal of AerospaceEngineering,2011,2011:1-14.13 Pardon.Di