基于分布式自主協同制造的船體分段智能車間體系

牛延丹， 姜 軍， 汪 璇， 儲云澤

(上海船舶工藝研究所， 上海 200032)

0 引 言

在物聯網、大數據、數字孿生、5G等新一代信息技術高速發展的環境下，制造業也不斷向綠色制造、智能制造模式轉變。船舶制造業具有變批量、多品種等離散制造特征，同時又具有邊緣性、多學科等特點[1]，對生產線變批量、柔性化生產的要求較高。然而，由于船舶分段制造車間現場環境惡劣，車間生產系統的穩定性得不到保障，容易出現異常。因此，如何實現車間運行系統與新一代信息技術的融合，尋找一種穩定、可靠的柔性化船體分段車間運行機制，從而提高生產效率、縮短船體分段制造總工時、優化車間物料資源配置、降低生產成本、形成船體分段智能車間體系，成為船舶制造企業關心的熱點問題之一。

在造船行業競爭日益激烈的情況下，韓國、日本等國先進造船企業提出建設智能船廠目標規劃，先行在船舶分段智能車間進行示范和應用，提升建造效率和質量，而國內造船企業智能制造尚處在起步建設階段，數字化、智能化水平不高，較日韓等造船強國還有一定差距。日韓在自動化、智能化方面開展深入的研究和應用，在焊接方面已從最初的船體對接焊自動化、角焊自動化向復雜區域內機器人焊接方面發展，有效提高作業質量和效率，降低人力成本[2]。日韓船廠基于焊接自動化與智能化裝備，在拼板作業、平直肋板制造、邊艙肋板制造、平面分段制造等方面廣泛采用流水作業技術，實現節拍流水生產。在此基礎上，依托智能化專業化中間產品生產線，國外先進制造企業以船體分段建造為起點，紛紛投入建設數字化車間管控系統，實現車間實時、透明的管理。

船體分段智能車間是根據不同船型生產計劃進行生產的，車間系統運行具有較強的動態性，容易導致生產異常。傳統的自上而下的計劃式和集中式的車間運行模式[3]，不能滿足船體分段車間制造現場生產異常的實時響應和動態調度，從而導致車間生產計劃不可用、決策信息不及時、車間管控效率低等問題，不能滿足當前智能制造發展趨勢下的新一代信息技術和人工智能技術的發展需求。為了提高調度方案的抗干擾能力，學者們提出基于模糊邏輯的預測調度[4]、魯棒性調度[5]，從靜態調度入手，減少對車間的動態調度，但此舉會使得車間的生產效率降低，且對于較為復雜的離散制造車間效果不明顯。在動態調度方面，諸多學者提出重新調度方法，包括事件驅動、周期驅動、混合驅動等，但動態響應仍然存在差距。為此，20世紀90年代，基于多智能體技術(Multi-Agent Technology, MAT)的動態調度方法被提出，用于解決動態響應不及時的問題。MAT可以為車間內的資源、任務和事件增加智能特性，利用MAT與互聯互通技術，能夠實現事件驅動的制造任務與資源之間的迭代優化，從而實現分布式的車間實時調度和管控，為智能車間的穩定運行提供基礎[6]。然而，當時的生產制造水平較為落后，設備大多數不具備智能化的條件，且由于信息技術的制約，這一技術未得到廣泛研究與推廣。

近年來，新一代信息技術層出不窮，為實現車間人-機-物-環的互聯互通提供了基礎。隨著工業4.0、工業互聯網、智能制造等發展戰略的提出，制造車間的自動化、數字化程度不斷提高，數字孿生、虛擬現實等思想旨在實現物理車間與虛擬車間的深度融合，現有的以制造執行系統(Manufacturing Execution System, MES)為核心的計劃式、集中式運行方式已經不能滿足智能車間的發展趨勢。很多學者對基于MAT的車間調度方法進行研究，構建基于MAT的智能車間體系架構[7]，開發功能模型，提高車間的動態響應能力。

1 分布式自主協同制造概述

分布式自主協同制造模式是利用新一代信息技術和新一代人工智能技術實現核心驅動，同時給予制造任務與制造資源自感知、自適應、自主決策、自主學習等智能化能力，采用邊緣局部優化與云端全局優化相結合的方式，通過工業互聯網實現車間中資源-資源、任務-資源的雙向實時數據交互，并通過智能體進行自主決策，實現多智能體的分布式自主協同，預測并及時響應車間生產異常，從而優化資源配置，保證車間穩定運行，提高車間生產效率的一種智能車間運行新模式[8]。

分布式自主協同制造的關鍵之處在于制造任務與制造資源的自主決策，而實現任務與資源實體智能化的關鍵就是智能體技術(Agent Technology, AT)。智能體是在分布式系統中能自主地發揮作用的計算實體，能夠在特定的環境下，實現自主感知、自主決策、自主學習等功能，采用多智能體(Multi-Agent, MA)的分布式系統，能夠通過制造任務分解和任務與資源之間的協調對生產調度進行優化，實現柔性生產，提高系統解決復雜制造任務的能力[9]。

與傳統車間運行模式相比，分布式協同制造模式在較多方面體現了優越性。對于管控方式，從計劃式轉變為計劃與實時結合，從制造資源、任務與事件的被動集中管控轉變為多個智能體的分布式自主管控與決策；對于應用范圍，從僅局限于車間內部，轉變為具有由車間向外擴展與協同的能力。

分布式協同制造不僅能夠通過制造任務智能體和制造資源智能體進行實時通信、交互、自主決策，通過設備-設備之間、設備-系統之間的協同互聯，實現生產需求與服務之間的自主優化組合，實現車間調度的邊緣局部優化和分布式自主決策，而且能通過云端的數據分析計算能力，對智能車間的歷史數據和制造任務與資源的實時反饋數據進行精準預測，并與車間智能管控系統交互融合，實現智能車間的全局優化和精準預測。

2 船體分段智能車間的總體架構與運行機制

2.1 船體分段建造特點

分段建造是將船體按照建造工藝和流程要求分成型材、條材、組立等多個中間產品分塊進行建造的現代造船方法。根據船體分段的結構特點，應用成組技術原理，以中間產品為導向，按區域組織生產，建立船體分段制造工藝流程，如圖1所示。針對制造過程中的關鍵環節，構建中間產品制造流水線，并輔以自動化、數字化測量設備或工裝等，實現保質高效生產。

圖1 船體分段制造工藝流程

船舶制造業具有涉及門類眾多、自動化程度不高、設計過程繁瑣、生產環境多變、物料離散多樣等特點，導致產品的制造工藝和流程變化差異較大，進而導致生產調度十分復雜。因此，船體分段車間不僅需保證訂單-生產計劃-生產調度-加工制造-反饋這一生產流程的正常運行，而且需做到對設計生產制造全過程的實時動態響應，實現動態調度。

2.2 船體分段智能車間總體架構

智能車間是將智能設計技術、信息技術、制造技術和智能裝備在生產過程中全流程融合，實現實時感知、智能決策、精準執行、精益管理的車間。

船體分段智能車間總體架構包括網絡基礎層、設備層、控制層、制造管控層、分析決策層等5個層面[10]，如圖2所示。

(1) 網絡基礎層。網絡基礎層由數據中心綜合布線、機房工程、網絡系統、安防監控等組成。

(2) 設備層。設備層主要包括各種智能生產線：鋼材切割、型材切割、小組立裝焊、平面分段建造、曲面分段建造和零件加工成型等設備，車間的所有加工設備擁有獨立的控制系統，可以實現智能管控功能。

(3) 控制層。控制層主要由設備聯網、數據采集與監控系統、智能生產線控制系統組成，通過電壓、電流、溫度等傳感器，對設備加工數據進行實時采集，通過設備聯網功能，將采集的數據傳輸至智能生產線管控系統，進而上傳至制造管控層與分析決策層。

(4) 制造管控層。制造管控層是總體架構的核心一層，具備工藝流程管理、產品質量管理、物流實時調度、設備狀態管控等功能，向上與分析決策層交互接收生產任務，向下與控制層、設備層交互，將生產指令下發至各生產單元/線，實現智能化管控。

(5) 分析決策層。分析決策層作為頂層決策中心，包含分析決策平臺、生產仿真中心、數據中心等子系統，利用大數據技術對車間數據進行挖掘和預測性分析，實現對車間的派工管控、能耗預警管控等功能；具備三維可視化功能模塊，可以對車間進行多角度多視圖虛擬仿真展示，同時還具備多移動終端展示功能，能將車間各生產要素的實時狀態發送至手機、平板等移動平臺上，實現實時監控與自主決策。

圖2 船體分段智能車間總體架構

2.3 船體分段智能車間運行機制

船體分段車間各智能生產設備、各功能模塊與企業資源管理系統之間的數據流通機制如圖3所示，制造過程的設備運行數據、生產計劃與調度數據、工藝設計數據、質量檢驗數據等車間數據在船體分段車間各智能生產設備、各功能模塊與決策管理系統之間流通，形成一個閉環的數據流通機制[11]。

圖3 船體分段智能車間數據流通機制

企業資源系統根據生產訂單，將分段生產任務及作業計劃數據傳輸至車間計劃與派工系統，車間設備管理系統將設備運行狀態與維護計劃數據反饋至該系統，工藝執行與管理模塊將執行數據反饋至該系統，進而指導車間設備進行生產。同時，生產過程質量管理模塊對產品檢驗數據與質量數據進行分析，反饋質量控制結果至工藝執行與管理模塊，從而對車間設備工藝參數等數據進行調整，保證產品質量，形成產品質量數據流通的閉環。車間生產結果反饋數據和物料消耗數據同時傳遞到車間決策層中的數據中心和分析決策平臺，通過數據梳理、數據挖掘，得到車間運行的優化方案，逐步提高船體分段建造效率，減少物料及能源的成本。然而這種計劃式、集中式、不可擴展的管控機制使得數據流通緩慢，不能滿足智能車間實時響應的要求。

3 基于分布式自主協同制造的船體分段智能車間體系

在上述研究的基礎上，構建基于分布式自主協同制造的船體分段智能車間體系，主要包含5個層次：制造任務層、智能設備層、邊緣局部自主決策層、數據層、云端全局管控層，如圖4所示。

圖4 船體分段智能車間分布式自主協同制造體系

(1) 制造任務層。制造任務層進行層次化分解，分為產品層、部件層、零件層和工序層，分別對應不同的制造任務。同時，對制造任務層進行語義化建模，將制造任務以可擴展標記語言、Web本體描述語言等統一標識形式進行語義化建模，以便于云端、智能設備等對制造需求進行解析、分類和處理。當制造過程中發生訂單變化、人員變動、物料資源變動、設備故障等生產異常時，制造任務層一方面可與智能設備層進行雙向實時通信和優化組合需求與設備的匹配，另一方面可將語義化建模的需求信息傳送給邊緣局部自主決策層，根據加工數量、優先級、時間約束等條件，進行自主動態調度與決策。

(2) 智能設備層。智能設備層作為服務的供應方，會根據制造任務層發布的制造需求信息，結合設備的自身屬性、加工能力、加工狀態等實現對制造任務的優化匹配和自主搶單等。同時，智能設備層通過信息物理系統(Cyber-Physical Systems, CPS)實現虛擬信息與物理實體之間的知識交互與共享，將設備信息與服務信息傳輸給邊緣局部自主決策層。當設備發生故障或需要停機維護時，智能設備層會自主預測停機時間，并將制造任務合理分配給其他設備，待設備恢復生產后再將其優先級提高，將制造任務重新分配。

(3) 邊緣局部自主決策層。邊緣局部自主決策層為制造需求與制造服務提供一個自主決策、優化匹配的平臺，向上與數據層和云端全局管控層交互通信，向下對車間任務與設備的優化組合進行決策控制，并協調多個制造任務與多個智能設備的交互通信。邊緣局部自主決策層對服務-需求的組合與匹配具有一票否決權，且優先級高于制造服務智能體與智能設備的自主搶單匹配。

(4) 數據層。數據層是核心驅動單元，貫穿整個系統的信息通道，為整個系統提供源源不斷的驅動力，使得整個系統能夠實時更新、不斷運轉。數據層由實時數據庫、歷史數據庫、數據清洗、數據挖掘等多個部分組成。

(5) 云端全局管控層。云端全局管控層主要實現全局優化和車間管控，通過大數據技術實現生產異常精準預測，從而降低車間動態調度頻率，實現全局優化。云端全局管控層包含資源管控、進度管控、能源管控、質量管控、成本管控等，保證車間按時按量完成生產任務，盡可能高效地利用資源，實現資源配置的最優化，做到降本增效。

4 船體分段智能車間分布式自主協同制造關鍵技術

為實現船體分段智能車間分布式自主協同制造管控，需要用到5類關鍵技術：互聯互通技術、MA自主決策技術、運行狀態精準預測技術、全局優化技術和分布式自主協同制造運行技術。

(1) 互聯互通技術：主要包括車間智能制造感知、車間資源狀態信息采集、車間組網、基于三維模型的海量數據傳輸、多源異構數據清洗與融合、智能設備聯網等技術。

(2) MA自主決策技術：主要包括物聯網、智能體層次化分解與語義化建模、MA實時仿真與決策優化、MA決策信息支持、MA雙向實時通信與交互等技術。

(3) 運行狀態精準預測技術：主要包括車間設備故障預測、生產計劃預測、產品質量預測、制造需求預測等技術。

(4) 全局優化技術：主要包括車間調度優化、物料配送與優化、物流全局優化、三維可視化監控等技術。

(5) 分布式自主協同制造運行技術：主要包括分布式自主協同制造的理論基礎、體系框架、運行機制、運行性能評估驗證、與云端接口協議等。

5 結 語

針對船舶制造業變批量、多品種的離散制造特征，提出一種基于分布式自主協同制造的船體分段智能車間體系。分布式自主協同制造的特點是，可將車間中各獨立的智能制造單元變為既具有自主決策能力又具有與云端管控系統協同能力的智能體，從而提高各智能制造單元對計劃變動的響應速度，提高智能車間運行系統的穩定性，真正實現智能車間的實時管控、自主決策與分布協同。