面向生產過程調度的數字孿生系統體系架構研究

崔 冰,張林鍹,歐陽亮,傅永康

(1. 清華大學自動化系,北京 100084;2. 濰柴動力集團,山東 濰坊 261000)

1 引言

數字孿生的概念起源于Michael Grieves教授90年代提出的“信息鏡像模型”,但因數據采集、處理等技術原因,在科研和工業界未獲得足夠的重視。但隨著新一代信息技術的發展,美國、德國中國等主要制造大國都提出了先進制造發展戰略[1]。這些智能制造戰略都將信息物理融合系統(CPS,Cyber Physical Systems)作為核心之一,將物理世界與虛擬世界的深度融合,實現制造、物流、管理等元素的智能互聯、互通互操作。數字孿生是CPS系統的一種實現形式,由此,數字孿生的獲得了發展契機[1]。

現代制造企業已深度應用各種工業軟件(ERP、MES,PLM等),在生產計劃、加工裝配、物料管理、產品跟蹤等方面積累了的大量歷史數據;利用現代傳感和嵌入式技術,構建制造物聯網絡,可采集到與生產相關的大量實時數據;應用了先進的智能加工中心、工業機器人等,實現從管理到加工的精確操控;為數字孿生在現代制造企業的實施提供了基礎。

本文依托“網絡協同制造與智能工廠”重點專項課題(編號2018YFB1703103)的復雜混流生產調度項目,對面向生產過程調度的數字孿生體系結構進行了研究,并在某大型發動機制造企業進行了實施驗證。

2 數字孿生與生產調度

2.1 數字孿生與智能制造系統

數字孿生,迄今為止業界對其定義并沒有給出統一的定義,NASA,莊存波、陶飛等分別從不同角度給出了解釋,本文比較贊同陶飛的觀點,數字孿生不僅僅是仿真建模或在線仿真,而是對物理世界進行全流程、全業務、全要素虛實融合的迭代仿真,最終實現以虛控實、以虛促實[2]。

智能制造系統是生產、產品、產業模式、基礎設施四個維度的協同交互,綜合發展的系統工程[4],需要數據跨業務、跨時空、跨流程進行流轉、交互,最終實現的深度融合,因此智能制造系統的基礎核心之一是信息物理融合系統(CPS)。

CPS 的目標就是實現物理世界和信息世界的交互融合,其利用大數據、人工智能等新一代信息技術,構建信息空間,對物理空間的產生的數據進行統計、分析、優化等,將最優結果反饋并驅動物理空間。數字孿生構建虛擬信息空間,對物理空間進行進行高擬實性映射,虛實空間迭代優化反饋,最終實現以虛控實。因此,數字孿生可以看做CPS的一種更優的實現模式。

2.2 數字孿生與生產調度

生產過程調度一直是業界的研究熱點,主要集中在調度建模方法和調度優化方法方面,已取得眾多研究成果,并在業界進行了應用;但因約束條件簡化、計算效率等問題,生產調度的實用性仍具有較大的局限性,這是生產過程的調度亟需繼續研究的方向[6]。

融合全流程、全要素、全業務的數字孿生平臺具有高擬實性、實時性等特點,可以對生產過程中的影響因素和干擾因子進行實時準確反映,構建并動態調整基于數字孿生平臺的調度模型,提高生產調度的實用性,為生產調度尋優提供了一種較好的解決思路。

3 離散制造車間數字孿生框架

由2.3節內容可知基于數字孿生可以在生產過程中獲得巨大優勢,故本文基于數字孿生進行生產過程的調度。

在數字孿生驅動的調度模式下,物理車間和虛擬車間相互映射,不斷更新調度要素,形成虛實共生的協同優化模型,進行計算,獲取最合理的近優解。物理車間通過傳感器、執行器、通訊器、RFID、PLC等設備,主動感知生產狀態。虛擬車間對實時數據解析,獲取調度狀態,進行仿真計算,從而快速確定異常范圍,敏捷響應;根據歷史數據和知識調整調度方案,并進行仿真模擬,對調度決策進行評估,并反饋物理車間。孿生數據與ERP、MES等信息系統互聯并融合,實現調度過程的智能決策,使基于數字孿生的生產調度過程具有更好的環境適應力、擾動響應力和異常解決力。孿生數據區與管理系統迭代交互,連接物理車間和虛擬車間,記錄生產相關的實時數據、歷史數據、仿真數據等;調度模型融合模塊通過分析調度條件,以動態組織方式進行調度方案調整,實現調度模型融合。

其體系結構如圖1所示。

3.1 智能感知的物理車間

物理車間是數字孿生系統的應用基礎和目標,是數據的源頭,同時也是以虛控實的終點。依據其在系統中的作用自底向上分為物理設備層、數據感知層和邊緣計算層,層次關系如圖2所示。

圖2 智能感知的物理車間

物理設備層是生產車間的機床、物料、運輸工具、人員以及環境等為完成生產制造而存在的各類物理元素,其是數字孿生系統的應用基礎,孿生數據的產出源頭,同時也是以虛控實的終點。數據感知層利用各類數控設備接口、傳感器、智能測量、電子標簽采集器等設備實時對設備和環境進行數據采集,例如采用SCADA、RFID等對設備、工件、物料、人員等進行標識和跟蹤;數據傳輸到邊緣計算層。邊緣計算層對感知層采集的數據,利用車間網絡的各類網關,進行數據清洗和初步融合,降低生產數據的數據量大、多樣性、價值密度低等因素造成的孿生數據服務的不利影響。

3.2 多層次多維度融合的虛擬車間

面向數字孿生的虛擬車間模型需具有高擬實性,需在在空間造型、生產工藝、加工過程、倉儲物流等方面進行建模仿真。本文在針對面向生產過程調度問題,設計了多層次多維度的虛擬車間建模框架,如圖3所示。通過多層次多維度模型的關聯、組合與集成,在信息空間融合為一個完整的、具備高真實度的虛擬車間模型。

圖3 多層多維虛擬車間建模框架

虛擬車間建模的多維度是指從幾何、物理、行為的角度對仿真單元的模型進行約束和限定,多維融合建模層對生產設備等基礎單元進行“空間幾何-物理性質-行為控制”的融合建模,是數字孿生高擬實性的基礎。

虛擬車間建模的多層次是指根據仿真應用的不同從基礎單元、生產線、仿真應用三個層次進行仿真模型的構建,滿足基于數字孿生應用的需求。設備單元模型層是多維融合模型的承載層,以仿真單元為主體,融合空間幾何模型、物理性質模型和行為控制模型。生產線層根據車間的物理信息,加載多維融合的基礎仿真單元模型,并數字實例化,構建完成“靜態”虛擬車間模型。仿真應用層加載仿真過程的目標、數據、流程、應用約束等,讓虛擬車間有靜態轉為動態,進行仿真應用。

3.3 基于孿生數據的復合調度模型

基于數字孿生的復合調度模型以孿生數據為中心,服務傳統調度模型,調度知識模型和仿真預測模型,關系如圖4所示。

圖4 基于孿生數據的復合調度模型

3.3.1 孿生數據

本文中的孿生數據覆蓋生產過程全要素信息,包括物理車間現場實時數據、虛擬車間模型數據、仿真數據、車間信息系統數據等,具有典型的大數據特征,為調度知識學習、仿真計算、預測統計等提供充足的信息。

孿生數據根據對系統需求的支撐功能可分為歷史數據、實時數據、仿真數據三類。歷史數據是已產生的生產及管理相關數據,是系統進行數據統計、知識學習、關系挖掘、優化決策的基礎支撐。實時數據是通過數控設備、傳感器等獲取的在線獲取的即時數據,可實時監控生產設備、產品、物料、工裝、物流、倉儲等狀態,篩查非常規數據,在知識和規則支撐下,快速發現不確定性干擾因素,進行標注,為管理提供預警信息。仿真數據是虛擬車間仿真產生的數據;歷史數據構建仿真環境、模型、規則,作為仿真的信息來源,實時數據為仿真空間提供不確定擾動元素,利用仿真的優勢,進行預測性仿真計算,獲取結果數據,記錄并反饋給智能模型。

3.3.2 復合調度模型

生產過程的調度模型在預調度和重調度層面上,進行傳統調度模型、仿真預測模型和調度知識模型的模型融合,并依據生產調度的需求角度,進行策略的組合,滿足實際制造過程的調度需求。

傳統調度模型是指包含傳統數學規劃、網絡模型、軟計算等方法的常規調度模型;因各模型都有自己的適用范圍,依據調度目標和約束,選擇合適的算法。

仿真預測模型是指基于仿真平臺,加載調度的生產元素,對生產過程進行仿真,獲取調度結果的模型。

調度知識模型包括過程知識、規則知識、啟發式知識、實例性知識。過程知識是對生產調度的工序流程、物料運輸、人員排班,信息采集等具有標準作業程序的事件信息,依時空序列抽取網絡拓撲關系,構建流程模式的知識。規則知識是對調度中的約束規則,如訂單拆分、類型分配、上線時段等,前提結論明確的規則信息,構建IF〈前提條件〉ELSE<結論1>THEN<結論2>模式的關系模型。啟發式知識是為克服生產調度過程中傳統規劃算法、啟發式算法等均具有適用性和局限性的不足,將調度條件和算法知識化,用于快速進行預調度過程的算法選擇。實例性知識是指對生產過程中的不確定性干擾或意外事件的數據特征關聯分析、學習挖掘,構建關聯指數、突變指數、影響指數相結合的復合指數模型。

在預調度層面,利用遺傳算法構建傳統調度模型,并依據經驗和規則,進行調整,提高調度方案的實用性;基于在線統計學習進行啟發式知識和實例知識的構建,識別頻繁出現的微小擾動,滿足重調度的需求;另外,在重調度過程中,基于強化學習動態并利用仿真系統離線學習出完備的“時間-狀態-行為”規則知識,評估不同調度知識和行為的效果,選取性價比最合理的方案,進行調度方案的動態調整。

4 典型應用

某發動機生產車間具有自主設計并開發了一套基于本車間業務的MES系統,對推進智能生產線建設和有效運行具有重要的作用。隨著業務范圍和規模的擴大以及新技術的發展,對車間生產過程信息的管理和調度不能滿足應用需求,故需研究基于數字孿生的機生加產線動態混流排產系統。

在該項目中踐行前文論述的基于數字孿生的車間生產調度優化理論和架構。系統的邏輯結構如圖5所示。該系統利用Flexsim仿真平臺進行生產線虛擬模型的仿真,并與MES、ERP等系統數據結合實現孿生數據融合。在業務層完成孿生數據的融合,實現傳統模型、知識模型和仿真模型的組合,取得了較好效果。系統界面調度管理界面如圖6所示。

圖5 應用系統邏輯結構

圖6 調度系統管理界面

數字孿生系統仿真界面如圖7所示。

圖7 數字孿生平臺仿真界面

5 結束語

生產過程的調度問題一直是研究的熱點,數字孿生為其提供了一個較好研究思路。圍繞數字孿生驅動的調度技術研究,需在虛實交互機理方面,構建調度知識模型,揭示自組織、自學習、自優化機制下智能模型的構建機理,從而實現調度要素的高效優化匹配。