基于虛擬現實的數字孿生車間集成管控系統框架

肖唐威 孟 飆 喬興華

（1.沈陽航空航天大學，沈陽 110000；2.沈陽飛機工業（集團）有限公司，沈陽 110000）

隨著新一代信息技術的快速發展，世界各國相繼提出各自國家層面的制造行業發展戰略。我國于2015年正式提出“中國制造2025”的發展戰略，另外還有德國提出的“工業4.0”，美國提出的信息物理系統（Cyber Physical Systems，CPS）以及GE公司提出的“工業互聯網”等。各個國家提出的發展戰略雖然提出的背景不同，但是都有一個共同目標，即通過技術實現物理世界與虛擬世界的互聯互通與智能化管控[1]。

數字孿生最早出現于2003年。經過多年的研究與發展，在2014年，西門子、達索等知名工業軟件公司，陸續對數字孿生的技術構建和概念內涵進行了深入研究和拓展。2017年，北京航空航天大學的陶飛等人[2]提出數字孿生車間概念，并論述其系統組成、關鍵技術以及運行機制等。2019年，陶飛等人[3]提出數字孿生五維模型，從物理實體、虛擬實體、服務、孿生數據以及連接5個維度進一步探討該技術在工業領域的應用。2020年，國際標準化組織發布了ISO 23247（面向制造的數字孿生框架），但是關于數字孿生車間的集成管控仍處于概念及技術研究階段。2018年，陳振等人[4]提出了基于數字孿生的飛機裝配車間生產管控框架，并探討了相關的關鍵技術。2020年，郭具濤等人[5]提出數字孿生車間是數字化車間的高階形態，值得進行研究與探索。

隨著工業數字化轉型的深化，越來越多的企業與行業特別是中小企業涌現出了大量的數字化需求。傳統制造業在應用數字孿生時往往面臨很多挑戰。傳統的車間管控系統經過多年的發展，已經形成了完整的體系架構和功能，但不夠智能，無法滿足智能制造對車間管控系統的要求，需要借助數字孿生的概念研發新型的數字孿生車間集成管控系統。但是，目前國內外沒有關于數字孿生車間集成管控系統的建設標準，也沒有明確規范建設數字孿生車間集成管控的具體框架，缺乏明確的建設指導。

1 數字孿生車間集成管控系統框架

面向車間或工廠的數字孿生是數字孿生技術的一種典型應用場景。對于車間或工廠來說，應用數字孿生技術的目的是實現有序、協調、可控、高效生產高質量產品，是工廠或者車間存在的意義。傳統的面向產品的數字孿生聚焦在產品本身，對于工廠來說，這種過程或者說系統性的過程是需要重點關注的對象。本文將以數字孿生技術為基礎，提出一種車間集成管控系統的框架，并以國內某軍工企業的數字化車間為實踐對象，為航空航天這類典型的離散型制造車間提供一個具有參考意義的數字孿生車間集成管控系統的實現路線。

1.1 集成管控系統框架

基于傳統車間管控問題，本文根據近年來眾多企業建設智能工廠、數字孿生車間的應用實踐和在項目建設過程中對數字孿生車間框架的應用研究，提出基于虛擬現實的數字孿生車間集成管控系統的框架，如圖1所示。

通過數字孿生技術構建孿生車間，使其與物理車間進行雙向實時映射。以數字孿生車間集成管控系統為核心平臺，聯通ERP、MES、WMS等企業信息系統以消除數據孤島，實現集成式的車間制造資源管理、生產活動計劃管理以及生產過程的控制，使車間具備虛實聯動、智能化的生產排程及調度。通過人工智能、數據挖掘等模塊分析與挖掘車間孿生數據，使系統具有自主學習功能。長期使用的結果表明，系統能進化成擁有等同于專家級別的人工智能，擁有自主的智能決策能力。同時，系統提供多平臺部署和多種人機交互界面。該集成管控系統有助于提高車間內部信息的傳輸速度，充分利用生產制造過程中產生的數據，使管理人員和企業領導更及時、更直觀地了解車間內的生產情況及生產效率等，從而使車間管理更加透明化和 實時化。

圖1 基于虛擬現實的數字孿生車間集成管控系統框架

1.2 數字孿生車間集成管控系統特點

1.2.1 大數據分析的自主決策機制

通過仿真分析長期收集的大量數據，可以為機器學習奠定基礎，形成自主決策機制。根據車間孿生數據庫中保留的歷史數據、實時采集的生產數據、仿真分析的數據以及其他與之相關聯的數據，實施數據挖掘和機器學習等流程，實現具有學習性強的自主決策機制。

1.2.2 數據驅動的數字孿生車間實時三維可視化

通過孿生數據驅動孿生車間運行實現虛實雙向真實映射，同時改變傳統管控系統通過二維界面展示生產信息的方式。在生產制造過程中，集成管控系統根據生產計劃自主調配生產要素，并把生產計劃傳遞到物理車間進行生產制造。在生產制造過程中，實時監控物理車間的生產制造狀態數據，進行仿真分析、預測，預先發現問題并避免，實現了閉環管控優化，提高了生產制造效率[6]。

1.2.3 全要素集成互聯化

利用通信技術手段將物理車間的設備、物料等各種生產要素實現全面的互聯互通，完成各要素的合理配置和優化，保證車間內的生產制造過程順利進行。

在生產制造過程中，實時采集生產制造全過程的數據并在系統中進行三維可視化。在特定的算法模型下，對數據進行深層次計算分析，從而挖掘出深層次的規則，實現預測性指導并在過程中驗證，使工藝過程迭代優化至最佳狀態。

物理車間和孿生車間通過孿生數據融合成了一個整體，有效集成了車間內的設備狀態監控、物料資源配置以及AGV調度優化等業務，實現了設備互聯、數據互通，消除了信息孤島，提高了車間效率。

1.2.4 多系統集成的全局數據管理

數字孿生車間集成管控系統通過構建相應的通信接口連接MES、ERP以及PLM等系統，打破了生產制造車間中多源數據的異構性，并構建了具有統一數據格式標準的車間孿生數據庫，以供應用層中的各個功能模塊使用，且能把應用層的指令傳遞到物理車間中，實現數據互通、虛實聯動的智能集成管控。

質量管理模塊通過讀取車間孿生數據庫的歷史數據實現產品生產制造過程的追溯、工藝仿真及優化，還能根據歷史數據預測當前生產制造所需的時間，為后續的車間調度和生產排程提供數據依據，實現智能的生產排程和精準的物流調度。

1.3 關鍵技術

從框架可以看出，建模、仿真和數據管理是數字孿生車間集成管控系統的3大核心技術。物聯網是集成管控系統的底層支撐技術，而云計算、機器學習以及大數據則是數字孿生的外圍使能技術。

1.3.1 建模技術

模型是數字孿生系統實現數據驅動的載體，也是整個系統的核心。建模的目的是簡化和模型化物理對象或問題。而數字孿生的目的或本質是通過構建與物理對象相對應的模型，并加以實時數據，使之成為一個逼真的實時模型，再通過仿真預測物體的未來狀態，從而實現先知先覺的優化。因此，建立物理數字化模型和數據采集與集成是實現數字孿生的前提。

1.3.2 虛擬仿真技術

從技術角度看，建模與仿真是一對伴生體。建模是物理世界的模型化和數字化，而仿真是根據模型基于確定性規律和完整機理進行驗證和預測。只要模型正確并擁有完整的輸入信息和環境數據，就可以正確反映物理世界的特性和參數。因此，仿真是實現虛實映射和以虛控實的決策依據，是數字孿生車間集成管控系統不可分割的一部分。

1.3.3 數據管理技術

安全有效的管理管控系統中的全集數據，是數字孿生投入使用的前提條件。車間集成管控系統使原本封閉的數據傳輸鏈變得開放，需要在數據傳輸和數據管理過程中確保數據的安全，防止數據泄露對企業造成無法預估的損失。除了保證車間數據的安全，系統還需要清洗采集的數據，刪除重復信息和錯誤信息，處理缺失信息，去除無用的數據，然后對清洗后的數據進行分類、編碼以及壓縮，最后再存儲管理，供系統隨時調用。

1.3.4 物聯網技術

物聯網是數字孿生車間集成管控系統的核心支撐技術。集成管控系統則是物聯網通過數字世界認知和影響物理世界的底層邏輯，負責將雜亂量大的采集數據按照知識規則驅動模型進行可視化。數字孿生車間集成管控系統與物聯網是相互成就的關系。物聯網技術使物理世界的狀態變為可以被集成管控系統感知、識別和分析的情形，從而為系統提供數據流和信息流。集成管控系統則通過物聯網技術傳遞指令，實現數字世界影響物理世界。數字孿生之所以越來越受歡迎，是因為它能夠顯著降低物聯網生態系統復雜性并提高效率。

1.3.5 虛擬現實技術

數字孿生系統可以通過結合虛擬現實、增強現實和混合現實等多種感知技術，實現用戶與虛擬世界的高效互動。這種環境感知與虛實交互的組合將帶來更全面的沉浸式體驗，通過虛擬世界提升用戶對物理世界的認知。

1.3.6 多源異構數據融合技術

數字孿生車間集成管控系統的目的是利用物理車間采集的數據在數字世界中構建物理實體（包括資產、行為、過程等）的精準數字化映射，基于分析預測形成最佳綜合決策，實現全業務流程的閉環控制與優化。隨著車間數字化智能化程度的提升，在生產制造過程中必然會產生大量的多源異構數據。這些數據來源于制造執行系統、生產監控系統、企業管理系統以及各種傳感器在生產制造過程中采集的數據。對于來自不同業務信息系統和渠道的數據，需要對多源異構數據進行精細化管理，實現多源異構數據融合。打通企業內部、線上以及線下等多源異構數據的壁壘，是實現集成管控的必經之路。

2 數字孿生場景的構建

建立數字孿生環境的過程就是物理車間的數字化。模型是構建數字孿生環境的基礎，是評價數字孿生系統保真度的關鍵。建模包括建立物理實體虛擬映射的三維模型和數據驅動器的建立等。數字孿生環境由物理實體的實時映射模型作為構件，而過程模型則能夠有機結合并調用構件。

2.2 數字孿生場景的構件建立

由于主流CAD設計軟件構建的實體模型無法直接導入虛擬現實開發引擎，需要將模型轉化為虛擬現實開發引擎支持的網格模型。常用的文件格式有FBX、3ds和Obj等。本文推薦的模型格式為廣泛使用的FBX格式文件。FBX格式的三維模型文件一般由3dsMAX、Maya等多媒體建模軟件導出。若想得到物理實體的網格模型，需要在多媒體建模軟件中進行建模，或者將主流CAD設計軟件建立的模型導入其中，將實體模型轉換為多邊形網格模型后進行輕量化處理再導出。

2.3 數據驅動模型的建立

車間內所有與生產制造相關的物理實體，通過建模技術得到與其幾何外觀相同的三維模型。通過構建與之相應的數據驅動模型，實現模型與實時數據的融合，進而構建全生命周期的數字孿生體模型。圖2為車間內的AGV數據模型。

如何通過數據模型仿真驅動數字孿生環境中的AGV，實現AGV與生產制造服務的關聯，是建立數字孿生體模型的關鍵所在，也是搭建數字孿生環境的必備條件。

2.4 互聯互通控制機制

當前工業生產已經發展到高度自動化與信息化階段。在生產制造過程中，車間會產生大量數據。但是，由于數據的多源異構、異地分散等特征，非常容易形成信息孤島，導致數據在生產制造過程中沒有發揮應有的價值。數字孿生通過虛擬現實技術為工業生產的物理對象創建了虛擬世界，并將物理實體的各種屬性和實時數據關聯到與之對應的數字孿生體。通過數字孿生體進行模擬、分析以及預測，能夠仿真復雜的制造工藝，實現產品設計和對生產制造過程的閉環優化。

目前，制造企業中依舊存在眾多的信息孤島。由于設備的通信協議多樣異構，且系統之間數據可能存在歧義，導致互聯互通困難，無法有效利用物聯網采集的大量數據，大大降低了數字化車間的價值，阻礙了企業的智能化轉型。

數字孿生車間集成管控系統是通過物聯網和工業以太網來實現多源物理設備資源之間的互聯、異構系統之間的數據互通以及虛實互控制，以達到靈活配置生產要素資源、按需執行制造過程以及工藝的迭代優化，提高了車間生產制造效率。實現物理設備與集成管控系統的互聯互通，不只是對制造資源數據的實時采集與集成可視化，更深層的含義是能夠接受自上而下所下達的控制指令。這種控制指令是基于所構建的數字孿生系統，通過數據分析或推理產生的一種先知先覺的優化結果，并通過智能決策機制完成自主控制。這是車間或者工廠數字孿生應用的一個關鍵技術，即互聯互通管控機制，如圖3所示。

圖2 AGV數據驅動模型示意圖

圖3 面向車間的互聯互通管控機制

3 某企業的數字孿生車間集成管控系統開發

本項目來源于國內某軍工企業課題“生產線數字孿生技術應用研究”。本課題著眼于車間和生產線數字孿生應用中的數字孿生模型構建、環境搭建、過程仿真與優化以及工業移動應用集成等方面的前沿技術，旨在為國內生產管理與過程控制技術發展提供新的方案指導。

3.1 系統開發環境

CAD建模軟件為SolidWorks，用于模型的構建和裝配。多媒體建模軟件為3dMAX，用于轉換模型格式、輕量化處理以及UV的制作。紋理貼圖處理軟件為Photoshop和Substance Painter，用于制作PBR材質所需的各類貼圖。虛擬現實開發引擎為Unity3D，用于搭建系統，集成與生產制造相關的多源系統。數據庫為Oracle，用于存儲車間內的全局數據。開發語言為C#，是一種簡單上手的面對對象的編程語言。

3.2 多源異構數據的融合

本系統的數據來源于多個信息系統，因此數據具有異構性，需要對數據進行融合存儲管理，再提供給不同的功能模塊使用。通過查閱大量文獻和多個項目的分析總結，最終決定采用中間件模式。通過使用統一通信中間件對生產制造車間內的全局數據進行采集、描述、集成和傳輸，從而實現基于實時數據驅動的仿真與交互，具體框架如圖4所示。

3.3 部分系統功能

3.3.1 智能管控

當有生產任務時，綜合分析車間制造資源的狀態，將生產人物分派給相應的生產線和制造單元，提高設備的利用率。在生產制造過程中，根據生產制造的進度，智能下達指令，精準發送至相應的車間服務系統，實現主動的按需服務。同時，根據內置的事件等級，逐級尋找解決方案并處理車間現場的突發情況。當系統內無相應的解決方案時，將事件智能發送到相關人員的移動端，請求人工處理，并對人工處理結果進行收錄、分析和學習。

圖4 數據采集融合框架

3.3.2 車間實時狀態三維可視化

將設備層采集的實時數據與模型相結合，實時仿真車間內的生產制造過程和車間服務系統，實現三維可視化的狀態監控，并提供第一人稱的沉浸式漫游體驗，增強用戶操作感。軟件界面如圖5所示。

圖5 軟件界面圖

3.3.3 統計信息可視化

通過連接EPR、MES等系統，獲取車間內的統計信息，并通過各種圖表方式動態可視化展示信息。

圖6 統計信息可視化面板

4 應用過程的挑戰

4.1 多系統融合的挑戰

利用數字孿生技術的物理世界與虛擬世界的融合，是多維系統之間的融合，首先面臨的是物理世界的多系統融合挑戰。目前，我國制造業數字化生產設備的聯網率低，數據傳輸可靠性和同步性不足，同時車間內的數據具有多模態、高重復性以及海量等特征，在傳輸過程中易丟失數據。此外，數字孿生模型難以完整還原物理實體的真實邏輯。

4.2 數據相關的挑戰

數字孿生的核心是模型和數據。建立完善的數字模型是數字孿生的第一步，而加入更多的數據才是關鍵。航空航天制造企業實現數字孿生車間還有一定的困難需要攻克，一方面是航空航天的產線大多數是多品種、變批量的混線生產，屬于典型的離散型制造，使得生產管控變得比較困難。另一方面，航空航天制造有嚴格的保密要求，對數據傳輸及集成造成了極大阻礙。如果要充分發揮數字孿生的潛能，需要在數據存儲、數據準確性、數據一致性和數據傳輸穩定性等方面取得更大的進步[7]。

4.3 互聯互通互控制的挑戰

運行過程中，車間每時每刻都會產生大量數據。數據的清洗和使用會影響物理車間精準映射所需的時間。時間過大會導致虛擬車間與物理車間有一定的延遲，影響用戶的實時交互，導致決策下達延遲而造成決策失敗。此外，集成管控系統融合了多個信息系統，由于數據結構不同，數據之間的交換會存在表達歧義，所以需要對數據進行標準化處理并及時傳輸至系統，實現互聯互通。同時，當用戶在管控系統進行操作時，需要將數據轉化為設備或者系統能讀取的格式，從而完成指令的控制行為。

4.4 系統安全的挑戰

通過集成管控系統實現的虛實融合建立在網絡數據傳輸基礎上。系統的部署應用會讓原本封閉的系統變為開放系統，使得其與互聯網交換信息的過程必定面臨網絡安全的挑戰，主要體現在數據傳輸、存儲安全以及控制指令下達等方面[8]。

數字孿生系統需要基于數據進行深度規律的挖掘，通過人工智能、機器學習等技術形成智能輔助決策機制，因此需要存儲大量有價值的數據。一旦數據的存儲方式遇到安全問題，就會導致數據泄露。若航空航天企業飛機研制過程中的數據泄露，后果將不堪設想。在生產制造過程中，管控系統需要根據生產計劃配置相應的資源和相應工藝，若收到錯誤的數據，則會影響生產安全，甚至導致設備故障。

5 結語

在世界各國分別提出國家層面的制造業發展戰略的大背景下，數字孿生技術作為信息化發展到一定程度的必然結果，正成為人們解構、描述和認識真實世界和虛擬世界的新工具，是實現物理空間與虛擬空間交互融合的最佳途徑之一，也是工業數字化轉型的高階形態。本文以航空軍工企業的數字化車間為對象，開展數字孿生車間集成管控系統框架的研究與應用，并對關鍵技術展開了研究。實際應用過程中發現，仍有問題需要解決。一是改善機器學習模塊，提高系統的智能化。二是數據采集模塊需要在末端增加邊緣計算，減少系統篩選數據的工作量。三是增加AR技術，使工作人員在現場就可以快速、直觀地查看設備數據。