智能工廠信息物理系統技術研究

章凌威

摘 要：現代智能工廠中，生產系統具有復雜性、多樣性等特點，信息物理系統（CPS）已成為智能工廠不可或缺的環境平臺。目前CPS系統仍有技術離散化、物理信息融合不充分、魯棒性不足等問題。針對這些問題，從三個方面展開論述了改進的方法—— 建立基于混合驅動的重調度框架、實現實時同步的數字孿生以及使用適應性的算法選擇模式。

關鍵詞：智能工廠;智能制造;CPS系統;工業4.0

中圖分類號：TB ? ? 文獻標識碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2019.23.098

1 引言

中國是世界上最大的制造業大國。隨著工業4.0的浪潮，智能制造已經成為全球工業發展和世界先進國家產業轉型升級的共同目標。智能制造以智能工廠為載體，以生產關鍵制造環節的智能化為核心，以端到端數據流為基礎，以全面深度互聯為支撐。

現代智能工廠中，隨著互聯網和信息科技的發展，生產系統愈發具有不確定性高、工藝流程復雜、多產品、多約束、多目標等特點，因此便對調度系統的魯棒性、穩定性等綜合性能提出了更高的要求。

以感知、分析、決策、執行等功能為代表的CPS系統可以實現信息空間（Cyber）與物理世界（Physical）二者之間的相互協同，實現生產制造系統的調度優化，已成為智能工廠中必不可少的系統環境。設計一個穩定、高效、能夠適應多種生產狀況的CPS系統對智能制造的發展具有重大的意義。

2 研究現狀

國內外不少學者對于智能工廠中CPS環境的構建做了研究。王喜文闡釋了工業4.0下制造業思維和制造業模式的變革——CPS從3C的內核擴展為6C的架構;田云龍等人從三個維度出發，提出企業需要通過軟硬件結合，從數據、通信、企業三個層面進行智能工廠CPS環境的構建;針對CPS在智能制造上的應用，Colombo等人著眼于復雜工業系統，提出了一種基于工業云的信息物理系統?？偠灾?，智能工廠CPS環境搭建的好壞很大程度上取決于能否高效地將信息和物理系統有機結合，形成數字孿生。且智能制造正朝著數字化、智能化、集成化、協同化發展。

然而，在這種智能化轉型不斷推進的同時，也反映出一些問題。首先，相關技術的研究呈離散化，統一的技術體系架構尚未形成，難以進行有效的組織集成;其次，CPS系統的應用仍處于初級階段，實際生產中信息系統和物理世界的融合還不充分，很多技術難題，如數字孿生的實時同步性有待提高;同時，面對工藝流程復雜、多重入、不確定性高、多目標、多約束的生產系統，如何根據不同生產狀態做出不同響應，提高系統的魯棒性，是實現智能制造所需面對的一個重要挑戰。

3 CPS關鍵技術的改進

3.1 基于混合驅動的重調度框架

生產線運行過程中會受到環境因素的影響，有時候初始的調度方案無法適應生產環境的變化而產生生產效率下降等不良影響，這時候就需要進行重調度。

重調度機制一般分為兩種：事件驅動機制和時間驅動機制。前者是指只有在產生重大的突發事件（如機器故障、緊急訂單的插入等）時才進行重調度;而后者則是按照事先定好的周期，每隔一定的時間進行一次重調度。

時間驅動機制相對易于實現，但是未結合生產狀態考慮一些突然情況的影響，因此無法及時響應生產環境的變化。周期太長常常導致重調度不及時，而周期太短又會使不必要的重調度太多，造成資源浪費;事件驅動機制雖然能夠較好地應對突發情況，但是當擾動頻率較高時，容易造成調度過于頻繁，降低了系統的穩定性，從而影響系統的生產效率。

所謂采用混合驅動機制，就是結合兩種機制的優點，以時間驅動為軸，以一段適當的生產時間為周期進行調度，同時保持對突發事件的響應。另外，CPS系統實時監測的生產線短期性能指標，當它的性能指標出現明顯的波動時，系統也應將其識別為擾動，進行重調度。

基于混合驅動的重調度機制不僅使系統能夠及時地應對突發情況、優化生產的性能，同時能避免了不必要的重調度，提高制造系統穩定性。

3.2 實時同步的數字孿生

智能工廠中CPS實現的關鍵是生產過程數字化，形成數字孿生。數字孿生面向產品全生產周期，發揮著連接物理系統和信息系統的紐帶作用。

在信息系統中，為了與物理系統進行交互與比較，常常采用基于模型的離散事件仿真方法。用仿真數據與實際生產數據進行比較，分析生產性能的好壞。但是由于仿真運行十分迅速，而實際生產過程又十分緩慢。這就給仿真結果與實際生產數據的比較帶來了困難，實時同步性難以保證。

為了保證數字孿生的實時同步性，可以選擇基于數據建模的仿真方法。通過不斷采集生產線生產過程中產生的數據，對生產線進行連續數據建模。以一定的周期生成仿真生產線的性能指標，隨著仿真的推進，新的性能指標將覆蓋舊的性能指標。這樣就能實時觀察實際生產在當前時間節點的性能指標與對應時間的仿真性能指標，從而實現比較、分析與決策。

通過此種方法可以確保生產線物理系統與信息系統交互的實時同步性，實現真正實時的數字孿生。

3.3 適應性的算法選擇模式

生產環境的復雜性、多樣性給調度的實現提出了更高的要求。傳統的調度模態也開始向魯棒調度、適應性調度、組合式調度等模態不斷發展。這就意味著單一的調度算法可能無法解決所有問題。因此，采用多種算法協同的方式往往能取得更好效果。

適應性算法選擇包含兩個層面：一是強調離線訓練時，算法可以組合在一起，協同生成調度規則;二是在在線生產時，CPS系統能根據需要智能選擇最適合當前條件的算法，從而實現生產的自適應。

4 總結

隨著新一代信息技術的應用和人工智能的興起，智能制造正朝著數字化、智能化、集成化、協同化的方向發展。本文先概述了智能工廠的特點，并說明將CPS用于智能工廠的必要性和意義，然后針對目前CPS的不足之處從三個方面展開論述了改進的方法。

參考文獻

[1]張映鋒，張黨，任杉.智能制造及其關鍵技術研究現狀與趨勢綜述[J].機械科學與技術，2019，38（03）：329-338.

[2]王喜文.CPS將如何改變未來工廠[J].中國信息化，2017，（02）：15-17.

[3]田云龍，肖志余.工業4.0下的信息物理系統（CPS）的構建[J].現代工業經濟和信息化，2018，8（14）：3-4+11.

[4]KarnouskosS，Colombo AW，Bangemann T.Trends and challenges for cloud-based industrial cyber-physical systems[J].Industrial Cloud-Based Cyber Physical Systems，2014.