基于孿生的智能車間建設研究

孫先海，張高鴻，任智旗，趙光裕，戚曉楠，胡 浩，董方昱

（河南航天液壓氣動技術有限公司 河南 鄭州 450000）

0 引言

隨著新一代信息技術與制造技術的深度融合發展，制造業的生產方式正在發生深刻變革，為實現制造業中的設備信息能及時匯總處理，從而驅動整個制造業更加智能化的發展。 為實現對車間／產線現場設備工作狀態信息，加工工藝參數信息，車間物料周轉過程、工件工藝質量信息、加工過程中的能源損耗信息等的在線監測、分析與故障預警，有必要建設一個生產過程監測系統，全面實現車間設備和生產執行情況的集中監測、預警管理，實現生產過程的透明可控［1］。

1 研究內容

本文的主要研究內容是對產線的三維實時監控的研究，其中最重要的就是對數字孿生的研究，生產線數字孿生主要是對物理機床的傳感器、狀態、加工等數據等進行采集、處理與融合，構建生產線實時和歷史數據模型，以實現物理機床電氣系統的數字化映射。 數字孿生體虛擬模型可以直觀地體現數控機床的物理實體實際外觀狀態，一個精確、逼真的數字孿生體虛擬模型可以為工人提供強烈的沉浸感［2］。 三維實時監控可以對生產線物理實體的加工過程和全生命周期進行全面了解與掌控，為生產線的調試、報警預警、遠程操控提供平臺。

2 關鍵技術研究

2.1 數據建模技術

對數據進行分析建模是數字孿生技術的重要基礎，通過使用數字孿生技術與數據建模結合在一起，能夠在數字空間中對產線的運行過程進行同步映照。 利用工業物聯網結合物理實體產線的實際運行數據，對產線數字孿生體進行模型構建、運動鏈接、環境搭建，利用產線的數字孿生體對物理機床的整個生命周期進行仿真、監控、調試以及控制等操作，完成虛實相融、以虛概實的數字化。

2.2 制造實時數據監控技術

制造實時數據采集與監控以產線的數字孿生技術作為基礎，囊括了現場生產的物理生產層面和生產工藝層面的映射。 在現場生產的物理層面，主要研究加工中的多源異構數據的可視化映射，

實現車間的可視化監控；在生產工藝層面，研究了基于數字孿生的生產線上的制造數據實時仿真計算方法，完成機床實時生產數據與生產工藝相融合，從而實現基于數字孿生層面的數據監控展示［3］。

2.3 大數據驅動狀態預警技術

工業生產領域的自動化程度越來越高，但仍存在大量無法量化甚至決策者無法知曉的不確定性因素，這些不確定性因素導致了決策和生產管控的困難。 目前比較成熟的大數據驅動狀態預警技術就是要提供一種透明化的工具和解決方案，具有對不確定性進行拆解和量化的能力，進而能客觀地估算出在生產過程中機床設備的運行狀態和利用率，實現工廠生產過程中的可視化、透明化管理，使管理者實現“知情”決策。

3 智能化車間建設方案設計

基于“數字雙胞胎”的概念，實現車間設備真實運行情況和產品生產過程的虛擬實時同步映射，將生產計劃與執行狀況、生產現場狀況、車間生產、消耗、質量、設備、能耗等主要管理業務的關鍵指標進行監控、預警分析。

3.1 系統功能架構

本方案成功使用現行的各種先進技術，在各個層面對工廠制造的信息進行表達和闡述。 通過數據中轉系統獲得生產過程中的各種數據（產品質量數據、工件工藝參數、車間生產進度信息）、車間設備的數據（加工狀態、故障參數）、生產相關業務信息數據（排產計劃、工藝參數、物料運轉數據）借助數據中臺實現生產線物理運行狀態與生產線虛擬孿生模型的實時數據傳輸［4］，把真實的現場運行狀態數據傳輸到虛擬系統。 在車間生產運行的實時和歷史數據積累的基礎上，對設備的實時運行情況進行仿真分析處理、故障預警等，幫助優化提升產線，系統總體架構如圖1 所示。

圖1 系統總體架構

3.2 技術架構和功能設計

本項目采用B／S 架構，利用3D 繪圖協議技術可實現客戶端用戶隨時隨地遠程在線訪問，數字孿生服務支持Windows／linux 系統部署運行，可適配工業互聯網云平臺，同時也支持服務私有化部署。 數字孿生底層開發依托Unity3D 引擎，通過集成物理仿真、網絡通訊服務、圖形界面引擎、粒子系統、音頻管理、腳本等各種模塊插件，自主研發基于離散事件的仿真引擎，實現數字孿生系統仿真模型場景搭建、生產實時數據接入、虛擬物理實時在線映射、生產仿真模擬分析等核心功能，功能設計部分主要通過如下幾點進行設計。

3.2.1 生產線設備虛實映射

在仿真建模和數據接入的基礎上，實現實體產線與虛擬產線的真實映射與實時交互，完成實體產線、虛擬產線的全過程、全要素、所有數據的采集和融合。 在已經建立的數據模型的驅動下，完成車間生產線上各個生產要素的管理、生產計劃制定、產品生產過程中的控制等在實體產線、虛擬產線的鏡像化運行，能實現在指定目標和有約束的條件下完成車間生產全過程的智能化管控。

用戶通過交互設備與虛擬環境中的對象進行自然的、實時的交互。 實現對虛擬仿真技術在數字化工廠中的應用，包括產線、機臺的三維仿真展示和導航，可以根據三維模型進行組態和配置后實現三維展示效果，包括旋轉、縮放、自動路徑漫游和手動漫游等［5］；實現設備運行仿真功能，在設備的仿真動態展示中能夠讀取預設文件，實現設備的動態仿真。 通過數據感知、邊緣計算設備進行數據歸集與傳輸，通過數據驅動模型實現虛擬仿真，通過實體工廠與虛擬工廠的相互映射、實時交互、高效協同，實現車間級別的生產要素管理，車間級的虛實映射如圖2 所示。

圖2 虛實映射示意圖

3.2.2 生產監控、預警及數據可視化

以工業互聯網為支撐，以數字孿生為核心，充分利用企業現有信息化、自動化基礎設施，打造數字工廠／車間，助力企業數字化升級。 基于虛擬現實、計算機仿真、產線虛實融合優化技術，對生產線（人、機、物、法、環）全要素進行抽象行為規則建模，搭建生產線虛擬仿真系統，通過實時對接產線、管控系統中的信息數據，完成實際的生產系統對虛擬的孿生管控系統的實時驅動映射。 并通過設定好的模型系統對產線進行實時的數據采集分析并能及時發出預警，完成車間產線的可視化、透明化管理，為管理人員的決策提供參考。

3.2.3 智能化車間實現流程

（1）以產線設備中的數據作為驅動源，搭建數字孿生數據管理分析架構，完成產線的數據的采集、驅動、輸入、更新、展示等交互管理工作。

（2）搭建車間生產線的三維模型，并按照車間實際設備的布局進行三維場景的搭建，搭建后的模型與實際中的產線實現三維映射，在虛擬平臺上建立數字孿生體系。

（3）構建車間實際產線與數字孿生模型之間的數據聯通體系，用實際實時數據作為驅動力來驅動模型運轉，并在孿生模型上對現場設備的運行裝填、工件的加工情況和物料周轉等信息通過可視化面板的形式完成顯示。 實現車間現場和虛擬模型之間的信息動態映射。

（4）建立系統預警模型，循環采集生產線實時數據進行匹配分析，進而實現生產線運行狀態的在線預警。

車間建設內容如圖3 所示，正常運行依賴于機床、自動導引運輸車、機器人、數字化立庫、柔性管控系統等提供的實時數據。 公司已完成生產線、數字化立庫等硬件部署，后續將開展基于孿生的可視化、過程數據采集、監控及預警等工作。

圖3 車間建設內容框架

3.3 關鍵技術解決途徑

在車間設備信息預警等方面，傳統的分析方式是采集過往的數據進行邏輯分析搭建模型，再通過離線的方式進行仿真分析，此方法不能對車間的設備狀態進行實時分析。 本文所用的基于數字孿生的預測系統可分為基于仿真預測和大數據預測兩種形式。 此模型主要對基于數字孿生的車間場景數據建模技術、制造實時數據監控技術、大數據驅動狀態預警技術三方面進行研究。

3.3.1 數據建模技術

（1）設備建模：外部模型接入是數字孿生構建的核心數據來源，外部模型主要包括幾何模型、數據模型、機理模型和知識模型等。 其中幾何模型又包括幾何外形、幾何外形特征邏輯關系以及工程屬性等，數據模型包括了各種各樣的動靜態數據源，另外還包括了與幾何模型相關的網格模型等，可用于數字孿生的仿真構建過程。

模型接口主要通過模型文件進行互操作，平臺模型接口具備下述模型的接入與解析能力。 計算機輔助設計（computer aided design，CAD）模型：可讀取常見CAD 模型，如step 等，可以解析模型文件中的幾何外形。 模型制作完畢對三維模型進行貼圖。 模型材質使用漫反射貼、法線貼圖、金屬平滑度貼圖、環境光遮蔽貼圖，以提升真實度，不同材質質感要符合實際設備情況，要保留實際貼花細節，如警告、注意等圖片；

（2）場景優化：根利用場景分塊動態加載、場景緩存機制、層級細節技術、遮擋剔除技術、貼圖合并技術、批處理技術實現三維場景優化，提升數字孿生系統的運行性能。 場景優化能夠很好地提升系統的性能，采用了場景中分塊異步加載，按照創房設施，六條銑床線和三條車床線，預調間分別進行異步加載，使用的Unity3D 的Addressable技術，進行Addressables.LoadAssetAsync 模型加載［6］；未來車間場實現場景緩存機制，使用Unity3d 的SceneManager.LoadSceneAsync 方法異步加載場景；實現設備貼圖的合并處理，對于相同型號的設備使用同一個貼圖，減少內存占用；對于場景設備模型使用靜態批處理技術，設置Static值，靜態批處理會為每一個物體創建一個合并后的Combined Mesh，降低DrawCall，提高渲染能力。 從而實現車間孿生系統性能。

3.3.2 大數據驅動狀態預警技術

（1）指定統一的數據采集接口服務規范，對數據采集進行簡化，能匹配不同來源的數據信息，降低數據接入成本。 提供統一的基于簡單規則的字段可自定義的前端網頁表格獲取相應參數，由數據采集模塊對接多種設備通信協議的數據來源，提供統一格式的數據結構的數據和統一的數據通信接口，通過http 協議或者Websocket 協議發送給UI 層顯示。

（2）建立科學的預警、報警指標體系。

通過對傳感器歷史數據的提取，使用相關聯的模型、采用主成分特征模型等方法建立各系統的特征模型，進而建立一系列的基于數據特征的監測知識庫，當發現新的數據特征及事件時繼續進行學習和更新特征模型，基于歷史大數據建立對象的特征模型。 把設備的歷史數據導入，在自學的基礎上自動進行特征分析，找出設備常態下的運行特征并建立特征模型，接入實時數據，基于特征模型開展異常特征監測。

4 結語

通過對以上探討分析的數據交互、物料運輸、三維展示、數據提取等技術在某車間中進行部署。 在運行穩定后智能化車間的建設效果數據如下：產線的可視化率不低于98%；產線因故障率降低50%以上；故障預警不低于95%，物料的運轉效率提升60%，機床的停機率降低20%，達到建設智能制造的預期目標，具有很強的推廣意義。