面向工程教育的智能制造教學工廠

馮毅萍, 榮 岡, 趙久強, 金炫智, 張光新

(浙江大學 控制科學與工程學院， 浙江 杭州 310027)

以德國工業4.0為代表的新一輪工業革命正在深刻地改變著現代制造業結構。我國也正在實施《中國制造2025》規劃,推進制造業的智能化轉型。在此背景下,培養具有智能制造創新能力的新型工程技術人才,成為高校工程教育改革的重要命題[1-5]。

教學工廠(learning factory)的概念起源于上世紀90年代的美國賓夕法尼亞大學及華盛頓大學的教學實習工廠,其在工程教育方面的獨特作用已被許多實例證明[6-31]。近年來,隨著智能制造技術的發展,工業4.0智能制造教學工廠建設得到了業界重視[14,19,22]。以德國智能工廠技術創新協會、亞琛大學等為代表的高校及科研機構,紛紛推出工業4.0概念教學工廠[18-19,22-23,27-28]。Detlef 等設計了名為“SmartFactoryKL”的教學智能工廠,引入了相關工業界及學術界的最新技術,覆蓋自動化金字塔的所有層級,在展示智能工廠最新技術的同時,還用于智能產品測試以及接口規范研究[18]；德國波鴻大學工業4.0教學工廠通過集成商用軟硬件系統構成了多層次工廠結構,包括SAP、MES、SCADA、能源監控、PLC、HMI等工具軟件[19]；亞琛大學基于文獻[6]概念模型,拓寬了教學工廠的應用范式,突出了服務的多樣性及復雜性需求,通過設計多種混合生產場景來滿足教學及科研多維度的服務需求[20]。國內同濟大學、海爾研究院等與德方合作,也共建了工業4.0實訓工廠,配備機器人、智能生產線等系統,為教學培訓及科研提供智能加工生產環境。

本文結合我校智能制造教學工廠的建設,從智能制造系統成熟度等級水平模型的角度,分析了新型智能制造人才的培養需求。構建了智能制造教學工廠的概念模型、面向服務的組成域模型及全生命周期數字化資源模型,討論了基于模型的數字化集成及數字化交付的方法。基于多維度的實驗教學案例實現了智能制造技術與教學環境的有機融合。最終由教學工廠建設模式的轉型升級帶動了工程教育服務模式的轉型升級。

1 智能制造教學工廠模型

1.1 需求分析及概念模型

我國電子技術標準化研究院頒發的《智能制造能力成熟度模型白皮書》給出了組織實施智能制造項目要達到的階梯目標和演進路徑,提出了實現智能制造的核心要素、特征和要求,及理解當前智能制造狀態、建立智能制造戰略目標和實施規劃的框架[32]。根據此模型可以得到不同成熟度發展水平企業對應人才需求的模型,如圖1所示。

人才技能要求與企業成熟度水平直接相關,普通人才只需掌握基礎的信息化技能,而高級人才則既要具備系統集成專家的足夠知識廣度,又要具備項目開發者的足夠的知識深度。多維度的人才需求對現有工程教育模式及教學工廠的建設提出了新的挑戰。

圖1 智能制造人才需求等級模型

根據圖1所示人才多維度等級需求模型,本文教學工廠設計目標是構建能充分體現RAMI4.0[33]智能工廠參考架構模型核心概念,又能滿足多維度等級人才培養需求的智能制造工程教學環境。由此可得智能制造教學工廠概念模型,如圖2所示。教學工廠建設全生命周期集成如圖2中橫軸表示,模型驅動貫穿于設計規劃、建設交付、生產運維(教學服務)等各個階段,以實現虛擬數字世界與現實生產世界的準確映射。縱向集成包括ERP/MES/PCS功能層次的信息集成,完成多層次智能生產管控。

圖2 智能制造教學工廠的概念模型

1.2 智能制造教學工廠組成域模型

文獻[34]定義了智慧工廠的組成域模型,相應地,教學工廠資源也可分為虛擬資源和實體資源。虛擬資源包括知識、功能、信息等,實體資源包括機器、物料等,統一定義為“資源域”；教學工廠資源的集成、交互由相關架構和規范所決定,將其定義為“組織域”；教學工廠面向教學和科研的服務角色以及服務內容定義為“服務域”。得到智能制造教學工廠的組成域模型如圖3所示。

圖3 智能制造教學工廠組成域模型

2 教學工廠的設計與建設

本文智能制造教學工廠由我校與某德資企業合作建設,目的是為工程專業學生開展實驗實踐教學構建智能制造生產教學環境。根據圖2智能制造教學工廠概念模型,雙方共同參與規劃設計。企業方承擔工程實施任務，完成生產流水線整體硬件系統的設計、加工和安裝,生產設備的采購及安裝,檢測與控制系統、網絡系統的采購及安裝,以及控制系統、生產管控系統軟件的定制開發,軟硬件系統的整體調試和運行等工作。校方參與規劃設計、施工督促、系統調試等工作,并按驗收標準接受數字化交付及硬件系統的交付。

建成后的教學工廠實驗室面積為80 m2,實景如圖4所示,為樂高玩具汽車組裝流水線生產車間。整個生產工藝過程包括智能組裝、個性化定制(激光雕刻)、包裝貼標及立體倉儲等4道工序。產品為樂高玩具汽車,提供64種不同顏色、形狀的底盤、車頭、車身等汽車組裝配件。智能組裝單元由柔性上料區、組裝區及質量檢測區組成。上料區包括多通道自動料軌、柔性上料機及上料機器視覺系統等設備。組裝區由組裝機器人、組裝機器視覺系統及多工位組裝工作臺組成。組裝機器人根據生產訂單,從上料區抓取合適的配件(符合訂單需求的種類及顏色),在組裝工作臺上進行自動組裝。組裝完畢后在傳送區通過質檢機器視覺系統進行輪廓外形檢測,不合格品被剔出流水線,合格品被傳送至個性化定制單元。激光雕刻機根據用戶訂單預設圖案對玩具汽車進行個性化圖案雕刻,之后被包裝機器人送入包裝貼標單元進行自動包裝、貼標等工序。最后由倉儲機器人將包裝好的成品放入立體倉庫中。

圖4 智能制造教學工廠生產線實景

2.1 教學工廠實體資源域

(1) 流水線機械設備及智能生產裝置。生產裝置包括智能組裝、個性化定制、包裝貼標及立體倉儲4道工序上的柔性上料機、機器人、機器視覺設備、激光雕刻機、包裝設備以及立體倉庫等,承擔各個工段具體的生產操作任務。各個生產單元采用模塊化結構,可以獨立工作,通過標準數據接口及無線網絡進行電氣及信息互聯。

(2) 控制系統。包括傳感器系統、控制器系統及執行機構等。傳感器系統包括各類位置傳感器、機器視覺傳感器、RFID讀寫器、運動傳感器等,完成對系統動態信息的實時監測。控制器系統包括各工段的PLC控制器、氣動控制器、工控觸摸屏、機器人嵌入式控制模塊、機器視覺控制模塊等,完成對生產設備的自動控制。執行機構包括機器人、氣動閥組、流水線鏈帶等,完成動作操作,并向控制器反饋信息。

(3) 無線網絡系統。通過無線網設備將生產線設備、機器人、自動控制系統、智能儀表系統及生產管理系統軟件進行集成,實現人、加工件與機器的智能通信與協同工作。并利用Profinet技術、RFID技術、傳感器技術、圖像識別技術、數字化協同制造技術,實現了從傳感器(包括RFID)、執行器到PLC及MES直至ERP層的縱向信息與數據集成。

(4) 樂高玩具汽車產品。由車頭、車身基座、車身頂蓋、車底盤4個部分組裝而成,提供64種不同顏色形狀的汽車組件,經過排列組合可以生產共計384種車型。原配件如圖5所示,原配件清單如表1所示。

圖5 教學工廠產品：樂高玩具汽車

部件形狀顏色種類車頭248車身基座3412車身頂蓋3412車底盤144

2.2 教學工廠虛擬資源域

(1) 過程控制軟件。包括PLC上下位機軟件、智能設備嵌入式控制模塊軟件、功能框圖、流程圖、邏輯算法及控制規則等,通過控制回路組態實現流水線及各生產設備的自動控制、生產監控和協同運行。

(2) 生產管理軟件。包括生產調度、訂單管理、設備管理等軟件,及功能框圖、流程圖、優化算法及管理規則等。通過對訂單的管理和分配,將生產指令下達到生產線上安排生產，使客戶管理、訂單跟蹤、生產調度、倉儲管理等有機地結合,滿足智能制造的需求。

(3) 系統仿真軟件。對生產過程進行仿真建模,模擬整個生產過程的工藝流程及管控過程。將物理系統映射到仿真系統信息空間,形成虛擬模型與物理設備之間的交互與聯動。

(4) 全生命周期數據庫。通過教學工廠建設全生命周期各階段的數字化集成,形成包括規劃設計、建設交付及生產運維(教學服務)3個生命階段的數據集合。

(5) 教學接口及資料庫。專門為實驗教學開發的軟硬件接口及標準定義、實驗知識庫、教學文檔、指導書、視頻、PPT等教學資料。

3 面向服務的數字化資源構建

3.1 數字化資源模型

對應圖3所示教學工廠組成域模型,數字化資源包括數字化的實體資源及虛擬資源。本文教學工廠包括產品數據、訂單數據、生產環境數據、教學環境數據、生產設備數據及測控系統數據等,圖6為參考模型。

圖6 教學工廠數字化資源參考模型

3.2 數字化交付

教學工廠交付階段,施工方基于圖6數字化模型向校方進行數字化交付，交付內容包括規劃設計階段的靜態數據、施工測試階段的動態數據及部分文檔資料,如測試案例、維修手冊、使用說明等，其他教學資料,如教學大綱、實驗指導書等則需要后續教育專家參與制定。由于施工方企業智能制造成熟度等級水平不同,其數字化交付的水平也不同,如圖7所示。經過成熟度模型的評估,本文教學工廠的交付成熟度為4級,表2示意了本文數字化交付的簡化數據項內容。

圖7 數字化交付成熟度等級模型

數據名稱實體資源虛擬資源資源來源靜態數據規劃設計階段動態數據交付前測試階段交付后服務階段生產設備組裝機器人外購規格型號、關節數、抓力、臂長等性能指標的設計值運動軌跡、組裝成功率,組裝時間等測試值運動軌跡、組裝成功率,組裝時間等運行值生產流水線……定制3D工具軟件提供的幾何尺寸數據、機械裝配,以及材料、功率等其他數據運行速度、工作狀態等的測試值運行速度、工作狀態等的運行值測控系統PLC硬件外購規格型號、IO點數等性能指標設計值是否正常工作是否正常工作PLC軟件定制功能框圖、控制算法、運行邏輯、結構框圖、操作環境及接口、版本信息等測試數據、存儲器數據等實時數據、存儲器數據,控制算法優化等訂單管理系統……定制功能框圖、模型算法、運行邏輯、結構框圖、操作環境及接口、版本信息等生產報表、訂單策略、滿意度評價等測試值生產報表、分解策略、滿意度評價等運行值生產環境生產工藝流程……定制設計的工藝流程邏輯定義、功能框圖、模型規則等的測試值邏輯定義、功能框圖、模型規則等的運行值實驗環境實驗操作文件定制實驗手冊測試用實驗操作手冊教學實驗操作手冊實驗測試案例定制測試計劃及測試方案測試案例數據實驗案例數據實驗定義產品定義……定制樂高玩具小車型號、規格,個性化圖標產品型號、個性化圖標、位置、質量信息等訂單產品型號、個性化圖標、位置、質量信息

3.3 全生命周期數字化資源的構建

在教學工廠建設的全生命周期階段中,規劃設計階段根據用戶的建模目標完成系統軟硬件設計,利用SolidWorks工具軟件對流水線整體進行機械設計,得到3D模型及各單元組件的機械裝配信息,同時完成系統管控軟件的功能設計。建設施工階段根據設計圖進行機械加工及裝配,并完成對軟件系統的定制開發。施工結束后根據測試計劃分別進行單元測試及整體測試,形成測試案例數據。通過測試后,在交付階段,施工單位將設計數據、實施數據及測試案例數據向用戶進行數字化交付。后續服務運行階段,利用創新的研究和實驗方法對交付的案例及數據進行評估、驗證及提升,并將其不斷充實到教學資源庫,從而形成了基于全生命周期的教學資源數字化集成及迭代進化,如圖8所示。

圖8 教學工廠全生命周期數字化資源

4 基于數字化資源成熟度等級進行多維創新實驗設計

由圖7所示數字化交付成熟度模型可見,數字化資源的成熟度水平與交付水平直接相關。通過全生命周期數字化集成及迭代進化方法,可以提升數字化資源的成熟度等級水平,從而構建不同層次的多維度教學資源庫及實驗案例,滿足不同層次人才培養的需求。

以圖像識別算法研究實驗為例。教學工廠流水線系統上配備了3套工業攝像機系統,可以獲取高清像素的圖像。第1套備料圖像識別系統安裝在備料區料軌上方,用于對固定托盤上的汽車配件進行圖像識別；第2套上料圖像識別系統安裝在柔性上料機上方,用于對柔性上料機中的汽車配件進行圖像識別；第3套安裝在質檢區上方,對組裝好的成品進行外形輪廓圖像識別。實驗要求學生選取任意1套圖像識別系統,進行圖像識別算法的實驗研究。

4.1 實驗要求

針對3級成熟度等級的實驗要求:以第二套圖像識別系統為例,實驗要求:(1)首先從數據庫中檢索相應系統交付測試報告記錄的識別正確率數據,并重復該測試實驗,得到實驗運行值,驗證測試數據的準確性；(2)根據實驗數據,研究分析現有圖像識別軟件算法中存在的問題及缺陷,研究優化的識別算法,并設計相關實驗進行結果比對。

針對4級成熟度等級的實驗要求:在以上2點基礎上,要求學生從系統固有不確定性、生產過程中產生的不確定性、外部環境的不確定性及離散不確定性等方面分析實驗1和實驗2,以及其對調度優化設備產能模型的影響。

4.2 實驗過程

學生通過實驗研究發現現有系統存在以下問題:

(1) 由于光照條件變化使得圖像中顏色塊的RGB特征不穩定。

(2) 由于采用零件中央4個圓柱點作為基準點的識別方法,對于一些零件重疊情況無法有效判斷。

(3) 基于邊緣提取算子的零件內部紋理不穩定。

針對以上問題,研究對策:

(1) 消除環境光對于零件RGB信息的影響,將RGB通道轉化成HSV通道。

(2) 采用矩形框交叉點坐標變化法識別零件重疊情況。

(3) 采用霍夫圓變換的圓檢測方法識別零件內部圓點紋理。

4.3 實驗結果

表3中,第1組數據來自于數字化交付測試文檔中的數據；2—4組數據是3位學生在相同實驗條件下對第1組數據進行的測試驗證,識別成功率基本一致；5—7組數據來源于3位學生進行各自算法改進后的實驗報告數據。由于采用了更為細致的圖像識別算法,均不同程度提高了圖像識別的正確率。

表3 實驗測試數據

此外,還為學生設置提高性實驗思考題,通過實驗和問題思考,學生認識到:

(1) 不確定性是影響生產設備產能和質量的主因；

(2) 生產設備產能數據是生產優化調度的基礎；

(3) 生產管控信息縱向、橫向集成水平決定對生產線自動化程度；

(4) 數字化集成及數據模型進化是智能制造的重要特征。

5 結語

本文從智能制造流水線教學工廠建設的全生命周期出發,建立了教學工廠概念模型、組成域模型及全生命周期數字化資源模型。抓住數字化交付的核心環節,實現了工廠規劃設計、建設實施、運維服務3個階段數字化資源的統一集成,使3個階段各技術環節的原理、工具和技能,均可納入教學案例及實驗內容,構建起不同成熟度等級水平的教學數字資源庫,滿足不同層次人才培養的需求。實驗教學案例驗證了本方法的創新性、有效性和實用性。下一步,將配置和提升本實驗工廠虛擬資源域的能力、模擬智能制造模式轉型升級的不同場景、提供豐富的教學服務,推動工程教學模式的轉型升級。

致謝:感謝菲尼克斯電氣中國公司在項目實施過程中的合作和支持。本教學工廠被中國工信部評為2017年中德智能制造人才培養合作示范項目。

參考文獻(References)

[1] 鐘登華. 新工科建設的內涵與行動[J]. 高等工程教育研究, 2017(3):1-6.

[2] 夏建國, 趙軍. 新工科建設背景下地方高校工程教育改革發展芻議[J]. 高等工程教育研究,2017(3):15-19.

[3] 陸國棟, 李拓宇. 新工科建設與發展的路徑思考[J]. 高等工程教育研究, 2017(3):20-26.

[4] 楊華勇, 張煒, 吳藍迪. 面向中國制造2025的校企合作教育模式與改革策略研究[J]. 高等工程教育研究,2017(3):60-65.

[5] 胡波, 馮輝,韓偉力，等. 加快新工科建設, 推進工程教育改革創新：“綜合性高校工程教育發展戰略研討會”綜述[J]. 復旦教育論壇, 2017, 15(2):20-27.

[6] Abele E, Metternich J,Tisch M, et al. Learning Factories for Research, Education, and Training[J]. Procedia CIRP , 2015, 32: 1-6.

[7] Enke J, Tisch M, Mettemich J. Learning factory requirements analysis - Requirements of learning factory stakeholders on learning factories[J]. Procedia Cirp , 2016,55: 224-229.

[8] Plorin D , Jentsch D ,Hopf H, et al. Advanced learning factory : method implementation and evaluation[J]. Procedia CIRP , 2015, 32: 13-18.

[9] Tisch M, Hertle C, Abele E,et al. Learning factory design: a competency-oriented approach integrating three design levels[J].International Journal of Computer Integrated Manufacturing, 2016 , 29(12) :1355-1375.

[10] Tischa M, Laudemanna H,Kre? A,et al. Utility-based configuration of learning factories using a multidimensional, multiple-choice knapsack problem[J]. Procedia Manufacturing, 2017, 9: 25-32.

[11] Bastian C M, Jan P M, Günther S. Procedure for experiential learning to conduct material flow simulation projects[J]. Procedia Manufacturing, 2017,9:283-290.

[12] Olga O,Malin V G, Halvor H. Preconditions for Learning Factory[J]. Procedia CIRP, 2016,54: 35-40.

[13] Judith E, RupertG,Joachim M. Introducing a maturity model for learning factories[J]. Procedia Manufacturing, 2017, 9: 1-8.

[14] Wagnera U, AlGeddawyb T,Elmaraghy H,et al. The State-of-the-Art and Prospects of Learning Factories[J]. Procedia Cirp, 2012, 3(7):109-114.

[15] Günther S, Jan-Philipp P, Dany S, et al. Classification of a Hybrid Production Infrastructure in a Learning Factory Morphology[J]. Procedia Manufacturing, 2017, 9: 17-24.

[16] Joel S B, Gianluca D A, Paolo C. A novel approach for teaching IT tools within Learning Factories[J]. Procedia Manufacturing, 2017, 9:175-181.

[17] Pia W, Christopher P, M Wann?ffel ,et al. Learning Factory for management, organization and workers’participation[J]. Procedia Cirp , 2015, 32(2):115-119.

[18] Detlef Z.SmartFactory :Towards a factory-of-things[J]. Annual Reviews in Control, 2010, 34: 129-138.

[19] Faller C,Feldmülle D. Industry 4.0 learning factory for regional SMEs[J]. Procedia Cirp, 2015, 32:88-91.

[20] Rentzos L, Mavrikios D,Chryssolouris G.A two-way knowledge interaction in manufacturing education: the teaching factory[J]. Procedia Cirp, 2015, 32: 31 -35.

[21] Lanza G, Minges S, Stoll J,et al. Integrated and Modular Didactic and Methodological Concept for a Learning Factory[J]. Procedia Cirp, 2016, 54:136-140.

[22] Karre H,Hammer M, Kleindienst M,et al. Transition towards an Industry 4.0 state of the Lean Lab at Graz University of Technology[J]. Procedia Manufacturing,2017, 9: 206-213.

[23] Wank A,Adolph S,Anokhin O, et al. Using a learning factory approach to transfer Industrie 4.0 approaches to small-and medium-sized enterprises[J]. Procedia Cirp, 2016, 54: 89-94.

[24] Veza I, Gjeldum N, Mladineo M,et al. Development of Assembly Systems in Lean Learning Factory at the University of SplitIvica[J]. Procedia Manufacturing , 2017, 9: 49-56.

[25] Chryssolourisa G, Mavrikiosa D, Rentzosa L. The Teaching Factory: A Manufacturing Education Paradigm[J]. Procedia Cirp, 2016,57:44-48.

[27] Erol S,J?ger A,Hold P,et al. Tangible Industry 4.0: a scenario-based approach to learning for the future of production[J]. Procedia Cirp, 2016,54:13-18.

[28] Prinz C,Morlock F,Freith S,et al. Learning Factory modules for smart factories in Industrie 4.0[J]. Procedia Cirp , 2016, 54:113-118.

[29] Anastasiia M, Juan V A. Learning factories for the operationalization of sustainability assessment tools for manufacturing: bridging the gap between academia and industry[J]. Procedia Cirp,2016,54:95-100.

[30] Tisch M,Hertle C,Cachay,et al. A systematic approach on developing action-oriented, competency-based Learning Factories[J]. Procedia Cirp, 2013,7:580-585.

[31] Kai F S, Peter N L. Cyber-Physical Production Systems Combined with Logistic Models-A Learning Factory Concept for an Improved Production Planning and Control[J]. Procedia Cirp, 2015,32:92-97.

[32] 中國電子技術標準化研究院.智能制造能力成熟度模型白皮書(1.0版) [Z]. 2016 .

[33] HankelM , Rexroth B. The reference architechtural model industrie 4.0(RAMI4.0)[Z]. ZVEI, 2015.

[34] 張益, 馮毅萍,榮岡.智慧工廠的參考模型與關鍵技術[J].計算機集成制造系統,2016, 22(1):1-12.