基于數字孿生技術的微型智慧工廠物理和虛擬交互平臺設計

白巖，張云峰，金文海，王艷麗

(1.北華大學機械工程學院，吉林吉林 132021; 2.公州大學電子電氣控制學部，韓國天安 03187；3.中油吉林化建工程有限公司，吉林吉林 132021; 4.吉林省工業技師學院，吉林吉林 132021)

0 前言

工業4.0讓智能制造成為工業控制和信息技術研究領域的重要主題。從技術機制的角度看，智能制造需要多技術領域的融合。縱觀全球制造業的發展，生產分工越來越精細、控制手段越來越高端、可升級再造的能力越來越強。眾所周知，企業的經濟效益、產品的輸出數量、產品的質量均和市場需求息息相關，對所有制造企業來說，經濟和最終產品是提升企業競爭力的核心指標，而這種核心指標的達到，需要生產過程保持高效的安全性、穩定性、連續性和實時性。這種高標準的技術要求對智能制造在生產效率、響應速度、能耗管理方面提出了更新的挑戰。

2020年智能制造中有個名詞非常炙熱，即“生命周期”，一個產線乃至一個工廠的生命周期包括基礎規劃、開發設計、硬件建造、生產控制、流程調試及后期的升級和再造階段。每個階段中的人員調度、設備利用率、數據信息檢測、故障診斷和排查、環境和電磁干擾等都會在整個生命周期以不同的方式進行數據交換。從技術實現角度，控制方案的設計需要策略，從生產控制的角度，控制過程需要調試，從經濟效率的角度，產線的運行需要完成至少一個全生命周期。

本文作者以印章加工微型智慧工廠物理平臺為研究對象，通過設計物理平臺控制系統，結合數字孿生技術，建立多維和多應用策略的仿真模型，驗證數字孿生的適用性和效果，實現智能信息的收集、智能操作的控制和控制人員的智能管理，為后續的小型智能制造企業提供參考，同時也解決了目前缺乏具體的數字孿生著陸方法的問題。

1 微型智慧工廠物理架構

本文作者所構建的微型智慧工廠物理平臺由智能倉儲、柔性輸送、智能制造、智能裝配等4個單元組成，所涉及的硬件及控制設備包含：搬運機器人、視覺測量儀、智能裝配機器人、柔性輸送線、電子標簽輔助揀選(RFID)、立體化倉庫、AGV、數控銑床、數控車床、自動點膠機、PLC、直流電機、伺服系統、觸摸屏、工控機、工業交換機等。其微型智慧工廠物理平臺整體結構如圖1所示。

圖1 微型智慧工廠物理平臺

1.1 智能倉儲單元

智能立體倉庫控制系統完成材料和產品成品的出入庫操作，由1套西門子S71200PLC及其數字量擴展模塊、3臺步進電機、1套觸摸屏組成。該智能倉儲整體結構如圖2所示，智能倉儲I/O分配如圖3所示。

圖2 智能倉儲整體結構

圖3 智能倉儲I/O分配

1.2 柔性輸送線

柔性輸送線完成物料的傳送，有5個入貨口、4個加工出口、1個檢測口、1個裝配口及1個出貨口，最大可承載9個托盤。輸送線可實現柔性化調度，入貨口和出貨口均布置有RFID讀寫器，可為柔性調度提供輔助決策信息，使用PLC控制，與調度系統間采用OPC協議進行通信。I/O通信定義如表1所示。柔性輸送線結構如圖4所示。

表1 I/O通信定義

圖4 柔性輸送線

1.3 智能制造單元

智能制造單元的功能是完成訂單材料的機械加工。整個印章的加工切削和加工過程由ABB機器人、數控車床、數控銑床、觸摸屏、視覺檢測儀共同實現。系統控制流程如圖5所示。

圖5 系統控制流程

1.4 智能裝配單元

智能裝配單元采用雅馬哈四自由度機器人抓取點膠機噴頭完成印章矩形印刻體和印章手柄圓柱體之間的噴膠粘貼工作。系統伺服控制方案如圖6所示，控制系統實物如圖7所示。

圖6 裝配機器人伺服控制系統

圖7 裝配機器人伺服控制系統實物

2 微型智慧工廠數字孿生體的構建

2.1 數字孿生體的設計目標

微型智慧工廠數字孿生體模型可以實現物理制造和虛擬制造之間的有效交互。例如，經過編程和自動處理后，可以將機器和設備的操作以及人員流動和后勤等數據(包括時間、節奏和故障等數據信息)直接用于仿真模型的數據輸入，然后通過仿真模型獲得關鍵數據信息，并用于反饋規劃決策或實際優化。

考慮到智能制造在規劃工作中的一般要求，數字孿生模型旨在實現以下目標：

(1)可以快速構建用于生成的仿真模型，使用包括物聯網數據和微型智慧工廠各設備數據在內的歷史數據作為仿真建模的參考；

(2)能夠滿足現代制造業特殊工藝制造過程的仿真要求；

(3)仿真模型可以靈活地適應生產方式和工藝流程的調整和變化，通過更改模型的組件連接和參數，能夠適應小型制造生產計劃任務，如生產線的升級和再造；

(4)具有通過使用仿真模型模擬材料供應和市場需求不穩定狀況的能力。

2.2 數字孿生體的理論基礎

數字孿生體模型涉及時間和效率等核心指標，例如平均節拍時間、生產周期中的平均性能、平均故障間隔時間、故障矩陣的平均恢復時間以及數據波動間隔的幅度。根據PLC和CNC獲得的個行業大數據，計算出主要的仿真數據邏輯公式，得到公式(1)和公式(2)。

(1)

其中：為平均故障開始時間；為平均故障結束時間。

(2)

其中：為加工工位性能；為加工時間；∑為產線內部進程之和；,max為最大進程輸出能力。

公式(1)顯示了如何計算處理站(機器)的性能。在實際的生產線中，一個處理站可以包含多個可能的過程。因此，處理站(機器)的性能計算有兩個可能的公式。使用哪個公式取決于過程之間的關系，如果多個進程是串行關系，則處理站的性能取決于其所有內部進程的總節拍時間，如果多個進程是并行關系，則處理站的性能取決于最大進程所有內部流程的節拍時間。平均故障間隔時間(Mean Time Between Failure，MTBF)是生產設備正常運行期間機械或電子系統周期性故障之間的預計時間間隔，為系統每兩次故障之間的算術平均時間，如公式(3)所示：

(3)

其中：為故障次數。

在每次觀察得到的或自動收集的數據中，停機時間是發生故障的瞬間，該時間大于最后一個開機時間，即兩個時刻之間的時間差(停機時間減去開機時間)是機器在這兩個事件時刻之間運行的時間。每個生產設備的MTBF是其可觀察到的總運行時間除以可觀察到的故障的總數。

公式(4)顯示了如何在特定時間段內(例如，故障序列號從到之間的時間段)從特定指定站點的數據計算出機器的MTBF。在計劃類型的仿真問題中，在計算MTBF時應同時考慮機器停機時間(機器錯誤/維護)和異常間隔(如操作員造成的中斷)。公式(5)顯示了如何計算平均恢復時間MTTR。計算MTTR和MTBF使用兩組不同的時間段，是兩組完全互補的時間段(它們只是形成完整的時間段)。公式(6)表示如何根據一組實際序列數據計算指定參數的幅度，從而使仿真結果盡可能接近實際微型智慧工廠的環境。

(4)

(5)

(6)

其中：、分別為變量原始數據、平均值；、為實際的IIOT序列數據；∈{包含任務,執行階段,平均故障時間,平均恢復時間}。

利用以上公式可以為計劃方案計算盡可能接近實際物理環境的模擬變量，并可以根據這些模擬變量設計不同的計劃方案；通過仿真輸出不同計劃模型的模擬生產結果，以評估不同計劃方案中的關鍵指標。

2.3 數字孿生體模型的設計過程

在微型智能工廠的物理實體中，同一級別的每個單元通過物料流和能量流耦合，而在數字孿生系統中，則通過參數耦合。輸入前一單元輸出的一部分作為后一單元的操作參數，并且通過物理層的實際操作狀態生成映射結果。

數字孿生模型的建模功能可確保數字模型構造的尺寸和真實的物理結構得到完整而準確的反映。構建主要是根據受控對象的控制功能進行，實現各種智能設備之間的無縫連接。

數字孿生體的變量和參數如表2所示。

表2 數字孿生體變量和參數

數字孿生模型的設計過程：

(1)統計生產線的基本信息，如車間布局、物流路線、原材料輸入、中間緩沖區和最終產品輸出；

(2)根據現有歷史數據，調整初始模型，建立運行并輸出模擬結果的生產過程的模擬模型；

(3)根據現有工廠生產線的物聯網歷史數據，更新與制造過程相對應的模型參數，并在仿真平臺上實現模型的構建和完善；

(4)輸出模擬結果，以評估相應物理智能工廠輸出的關鍵性能指標，包括每個站點、緩沖區、運輸線的負載情況以及導致生產輸出問題的位置。

根據仿真分析結果，確定智能工廠的最終計劃方案。根據上述設計要求，數字孿生模型如圖8所示。

圖8 數字孿生體模型

從微物理智能工廠獲取工業數據，并計算相應的模擬輸入數據(包括微智能工廠生產線的總輸出能力、單個工位的負荷情況、設備和模擬工人的繁忙程度)等,以指定的生產周期(1天的智能工廠連續工作24小時)進行評估。獲取的材料數據源信息如表3所示，加工信息如表4所示。

表3 材料數據源

表4 加工信息

數字孿生技術可以降低硬件系統設備診斷的難度，提高診斷的準確性和可靠性，并確保設備的可靠運行。工站的故障率統計如圖9所示，工人的工作效率統計如圖10所示。

圖9 工站的故障率

圖10 工人的工作效率

數據計算過程如下：

var tbl : table

tbl.create

Chart.putValuesIntoTable(tbl)

Chart.inputChannels.copyrangeTo({0,0}..{0,*},Datatable,1,1)

Chart.inputChannels.copyrangeTo({0,0}..{*,0},Datatable,1,1)

tbl.copyrangeTo({1,1}..{*,*},datatable,2,2)

tbl.forget

tbl.create

Chart1.putValuesIntoTable(tbl)

Chart1.inputChannels.copyrangeTo({0,0}..{0,*},Datatable,1,12)

tbl.copyrangeTo({1,1}..{*,*},datatable,2,13)

3 結論

本文作者研究的微型智能工廠的物理平臺是真實微型智慧工廠的映射。根據小型智能制造工業生產過程的特點，完成了數字孿生工廠的建模，并通過數字孿生技術解決了過程工業建模的復雜難題。展示了數字化雙胞胎技術下數字化工廠的過程故障診斷與設備維護，以及生產過程的自組織和自操作。該控制方案和孿生體的設計為其他過程工業數字化雙胞胎系統的研究提供了參考。后續將深入研究如何有效提高生產質量，實現節能減排，提高數字孿生模型的準確性以及與實體進行獨立交互的安全性。