3D-IOT-AI驅動的煙絲供給數字孿生系統研究

張佳儒，陳忠華，王爽果，劉維昌，曾慶輝

湖北中煙工業有限責任公司襄陽卷煙廠，湖北襄陽，441000

0 引言

工業4.0已經徹底改變了制造業、檢驗和汽車等領域的生產和技術能力。在現代，周圍的資產（例如，Vehicle-to-Everything：V2X）越來越多地連接彼此之間及與環境共享信息，以優化其性能、防止危險情況，并提高安全性。與工業革命齊頭并進的主要有兩個新興范式：物聯網（Internet of Things，IoT）[1]、人工智能（Artificial Intelligence，AI）和機器學習（Machine Learning，ML）[2]，IoT使多種物理現象的實時監控和驅動成為可能、AI和ML通過數據驅動的方法為系統和過程（在某些情況下未知）的行為建模鋪平了道路，因此，隨著周圍信息來源的增加（IoT），分析技術也在不斷發展，以提高對環境的了解（AI/ML）。由于IoT和分析技術的交互，當前使用大量IoT技術對具體事件的復雜模式進行特征提取和分類或監測的深度學習（Deep Learning，DL）技術得以蓬勃發展。

對設備的實時行為及其可能的未來狀態進行持續分析和預測的需求促進數字孿生的研發及應用[3]。數字孿生可以定義為通過持續監測、預測和優化決策提供的物理資產的數字準確和可信賴的表示[4]。以火車輪轂軸承為例，其維護和生產成本往往較高[5]。數字孿生預測軸承何時需要維修或更換，及預估使用壽命，可以極大地優化運營成本，并允許鐵路公司更好地規劃。盡管數字孿生與網絡物理系統有相似之處，例如，將資產整合到數字世界中，但它們更進一步[6]提供了與物理世界中行為相同的資產的精確復制品。數字孿生利用驅動工業4.0的范例來監控環境（物聯網），并尋求物理資產的持續優化/預測（AI/ML）。在許多過程中，除了數據驅動的模型外，基于物理的模型還通過數學方程提供了資產行為的精確表示。然而，這些模型通常很難獲得，因此，它們需要數據驅動模型（如AI/ML）的補充。在此情況下，資產的可視化（最好是3D）也起著關鍵作用，因為擁有可靠的數字孿生系統的主要功能之一是模擬未知和極端情況下的資產，以便評估它們的行為。

數字孿生所呈現的這種技術和范式的編排需要系統來進行它們的持續開發和集成。在過去的幾年里，出現了大量的框架，使數字孿生的發展成為可能。Eclipse Ditto是用于多域數字孿生的最廣泛的開源解決方案之一，盡管Eclipse Ditto支持資產通信的虛擬抽象，以及細粒度的訪問控制管理，但是需要大量額外的集成工作來實現有效的數字孿生。有效的數字孿生指的是與AI/ML技術的無縫協調、與3D渲染引擎的集成、傳感器故障檢測以及生態系統的集成可視化等。此外，數字孿生通常處理單個資產，但這些資產可能是系統的一部分（例如，軸承和列車），其中可能需要數字孿生組合。在本研究中，針對煙草行業生產環境和工藝的特定性和特殊性，設計可持續開發和集成有效的煙絲供給數字孿生系統。該數字孿生系統為工業4.0背景下討論的物聯網、AI/ML、3D可視化等主要技術提供了集成解決方案，為其監控、管理和持續優化提供了統一的接口。本研究的主要內容如下：

（1）設計面向煙絲供給側的3D-IoT-AI驅動的數字孿生系統，用于抽象和持續監控煙絲供給側物理資產；

（2）與AI/ML技術、物聯網數據流和視頻流無縫銜接，用于持續優化和預測，例如：煙絲進柜推薦；

（3）3D渲染引擎集成，用于3D數字孿生的設計和可視化。

1 面向煙絲供給側的3D-IoT-AI驅動的數字孿生系統概述

面向煙絲供給側的3D-IoT-AI驅動的數字孿生系統結合業務場景和實際需求劃分為物理車間、數據層、煙絲供給虛擬車間和應用層四大部分。面向煙絲供給側的數字孿生系統整體框架如圖1所示。系統各部分的具體含義如下。

圖1 面向煙絲供給側的3D-IoT-AI 驅動的數字孿生系統總體框架

1.1 物理車間

煙絲供給側物理車間涉及制絲和卷包車間，是構建數字孿生系統的基礎。煙絲供給側作為生產銜接環節設備種類繁多，設備類型差異較大，支持設備間信息傳遞的感知模塊類型多樣。煙絲供給側主要包含儲絲柜、喂絲機、卷接機、風送管道、傳送皮帶、布料車和設備電機等實體設備模塊，這些實體設備模塊支撐著煙絲供給側正常運行；煙絲供給側感知模塊包含支撐各類實體設備間信息傳遞的智能傳感器、可編程邏輯控制器（Programmable Logic Controller，PLC）等要素，亦包含控制各設備有序加工的控制器、工控機等要素。實體設備模塊和感知模塊的有機結合實現了煙絲供給物理車間各設備的協調、有序生產，保障了生產銜接環節的正常運行，由此，進一步為煙絲供給側虛擬車間的構建和運行提供了參照和數據來源。

1.2 數據層

煙絲供給側數字孿生系統孿生內的有效連接和運行以及物理車間與實際車間之間的通信離不開數據的交互。數據層通過采集煙絲供給側各個系統間的多源異構數據，將其集成并傳輸至數字孿生系統以驅動虛擬車間的有效運行。數據層中的孿生數據不僅包含物理車間各實體設備經由感知模塊采集到的實時運行、狀態、生產產量等數據，還包括各設備的3D模型在數字孿生系統中的編碼、位置信息等數據，這些數據是數字孿生系統運行的核心驅動。煙絲供給側由于設備數量種類繁多且涉及制絲和卷包兩大業務系統，導致其數據多源且協議多樣，通過分析物理車間實體設備模塊各控制器間的通信方式和感知模塊數據通信協議，運用OPC UA技術，通過Python等第三方軟件完成數據采集，對采集到的原始數據進行統一化、標準化處理，實現數據在煙絲供給虛擬車間中的共享以及在應用層的傳輸與交互，以組成系統通信間的完整閉環。

1.3 虛擬車間

煙絲供給側虛擬車間是對物理車間的真實映射和實時交互，是物理車間要素、行為、規則三個層面模型的集合。虛擬車間中不僅包含對設備加工動作行為、信號傳遞等物理屬性進行刻畫的物理模型，還包含對車間生產行為的順序、并發等特征進行刻畫的行為模型?；谌S建模技術，對物理車間人、機、物、環境等車間生產要素和物理屬性進行數字化建模，同時構建刻畫生產運行行為屬性的行為模型和基于車間運行及演化規律的規則模型，構造與物理車間實體高度逼近的模型。虛擬車間的布局和各個設備虛擬模型與物理車間具有高度相似性，虛擬模型間的不同組合可形成不同的生產線布局。在生產期間，物理車間的實時數據和知識驅動虛擬車間真實模擬生產的全過程，虛擬車間能對物理車間的運行和生產過程進行全方位、多角度的實時可視化監控。

虛擬車間逼真的三維可視化效果是構建可視化監控平臺的核心基礎；虛擬車間及相關信息與物理車間的雙向映射實時交互實現虛擬與物理車間之間的融合，同時，虛擬車間的可視化效果帶來的交互體驗有助于應用層的多方面應用靈感的激發。

1.4 應用層

數字孿生系統全要素、全流程、全業務的集成和融合是系統應用層實現生產過程仿真分析，生產狀況監測、關聯、預測和調控等應用的基礎。應用層的信息服務層由SQL數據庫、物聯網平臺和數據可視化等組成。結合各業務系統多源數據、物理車間感知模塊數據和虛擬車間孿生體數據進行分析生成相應優化方案，并反饋至虛擬車間進行仿真和優化。

此外，應用層可根據實際業務需求將生產過程的生產鏈路、品牌產量、生產進度、儲柜存料狀況和關鍵設備生產狀態等生產信息進行可視化展示，且將車間設備的部分關鍵數據以二維圖表的形式實時動態顯示。最后，將數據傳輸至物聯網平臺，對設備運行狀態進行遠程在線監控及對關鍵設備（如：儲絲柜、自動控制風管）進行實時視頻監控。

2 基于機器學習的持續優化和預測

該章節旨在實現數字孿生系統與機器學習算法的集成。這有助于預測設備數字孿生體的下一狀態或可能出現的故障情況等，如：當儲絲柜狀態或自動風管控制狀態未更新時，說明對應設備已停止運行或認為發生了某種故障。

基于數字孿生的機器學習領域的主要目的之一是預測孿生體的未來狀態，這對于分析控制和改進對應設備孿生體運行相關因素具有相當的實用性。同時，它還旨在預測孿生體的某些特征或值，這些特征或值不能直接或以任何準確的方式測量或獲得。利用所設計的機器學習模型進行數據處理并獲得預測結果，進一步利用預測結果更新孿生體，有利于模擬實體設備在不同狀態下的狀態，并為實際生產提供參考。

3 數字孿生系統的三維表示

數字孿生系統的一個重要方面是數據的表示。在本研究設計的數字孿生系統中可以找到煙絲供給側對應所有關鍵設備的對應孿生體三維表示，這使得在任何給定時刻都可以直觀且便捷地理解設備孿生體相關狀態和信息，實現孿生體的三維顯示是該章節的主要目標。首先，拍攝煙絲供給側設備圖片和設備布局，根據設備實際情況進行關鍵設備的三維建模，其中，喂絲裝置的實際構造和三維建模如圖2所示，對煙絲供給側相關關鍵設備完成建模后，借助平臺實際煙絲供給側布局完成虛擬車間的構建；在設計的數字孿生系統中允許為設備三維對象依具體業務分配特定的行為，并能在系統中實現二維與三維場景的聯動，如圖3所示。

圖2 喂絲機實體（左）、喂絲機三維建模圖（右）

圖3 煙絲供給拓撲圖與三維場景聯動

4 總結

為了更好地理解和預測資產在現實世界中可能面臨的情況，數字孿生正在成為一種寶貴的資源。雖然已有諸多文獻定義了數字孿生系統，但針對煙絲供給側這一流程特定生產環境需要進行重大的演變才能實現有效的數字孿生。在本研究中，我們提出了面向煙絲供給側的3D-IoTAI驅動的數字孿生系統，用于實現定制化的有效數字孿生。并將AI/ML相關模型預測結果、物聯網數據流和視頻流無縫銜接至數字孿生系統中，用于持續優化和預測；對煙絲供給側生產等數據進行分析以提供決策依據，并將關鍵設備等視頻流數據集成到數字孿生系統中實現實時監控。