1、 基于數字孿生的智能工廠建設 導語為構建具有“全面感知、設備互聯、數字集成、智能預測”等特征的智能工廠運行體系，針對傳統工廠/車間管控系統缺乏智能決策等問題，提出基于數字孿生的智能工廠總體架構和虛實集成的信息系統集成模型。01引言在全球化經濟的今天，企業競爭日趨激烈。產品智能化和制造業服務化的形成給傳統制造企業帶來 越來越大的競爭壓力；同時，產品的復雜性和生產管理的難度也給制造企業造成了很大的困惑。譬如，能否按期交貨，質量是否有保障,產能能否提升，人們試圖通過信息化與工業化的深度融合來解決這些問題。二十世紀八十年代，學者們通過知識工程、軟件系統、機器視覺和控制進行集成，對生產過程進行建模，使智

2、能裝備能夠在無人干預的情況下進行小批量生產，其計算機系統特征是基于知識庫的專家系統1；二十世紀九十年代，企業將產品設計、生產到市場銷售等各個環節以計算機信息化的方式集成起來, 建立可以發揮高效的先進生產系統，其信息系統主要圍繞計算機集成制造系統（Computer Integrated Manufacturing Systems, CIMS）建設2；進入二十一世紀，隨著機器學習、深度學習等新一代人工智能技術應用于制造業，生產系統具備了初步學習的能力，其智能化特征主要基于新一代人工智能系統（AI2.03）。智能工廠建設由此應運而生,其主要目標是實現產品交貨 期最短、工廠運營資源消耗最少、生產效率最

3、高、生產批量最小（直至最小投入批量為1）以及產品換型生產轉換時間最短等。基于數字孿生的智能工廠與計算機集成制造系統（CIMS）都是面向制造業的信息集成，除了集成CAD、CAM、CAT和CAPP等信息系統，還明確提出了邏輯層次結構，并整合了敏捷制造、并行工程以及虛擬制造等方法論的理論概念。計算機集成制造系統的集成方面存在如下技術障礙4。1）制造科學基礎不適應。缺乏大量而快速的制造工藝機理模型，計算機集成制造系統未形成單獨的學科，導致制造柔性的不足。2） 未解決的數據技術問題。數據存儲類型為單一的結構化數據存儲系統，且各種數據交換缺乏權威的標準體系。3） 制造系統內部智能化程度低。當時的人工智能處

4、于初級發展階段，計算能力不足。在制造型企業的生產調度現場，大量決策還需依賴經驗型的人員。4） 工程教育和應用不適應。由于缺乏制造運營人員參與，商業化軟件在制造業的二次開發和推廣中后繼乏力。基于數字孿生的智能工廠則更加強調基于工業互聯網平臺的應用，將企業內的物聯網和企業外的互聯網緊密結合，挖掘有效的生產實時數據，結合業務專家的知識領域，并通過數字孿生的表現形式為工廠各決策層提供數據分析和應用。智能工廠融合新一代信息技術、智能裝備及先進的生產方式，使新產品從設計或客戶的個性化訂單開始，到生產出成品的時間大為縮短。企業能夠快速地響應客戶，滿足產品個性化發展的市場需求。02智能工廠總體運行體系基于信息

5、流的集成,構建具有“全面感知、設備互聯、數字集成、智能預測”等特征的智能工廠運行體系，如圖1所示。圖1 智能工廠運行體系智能工廠運行體系的主要內容包括以下幾方面。1) 技術創新體系：包括了與產品設計創新相關的系統，如CAD/EDA、CAPP、CAM以及智能工廠設計的相關系統，如基于三維實體的工廠信息模型(Plant Information Model,PIM5)、工廠運行仿真系統等。2) 經營管理體系：包括了對產、供、銷、人、財、物等業務進行管理的ERP系統、對企業供應鏈管理的SCM系統以及對產品提供遠程維護及服務的智能服務中 (Intelligent Support Center, ISC

6、) 。3 )制造運行體系-信息物理生產系統(Cyber-Physical Production Systems, CPPS6)：包括智能化的生產設備、物流設備、傳感檢測設備、網絡設施和對生產過程進行實時管控的制造運營管理系統(Intelligent Manufacturing Execution System, IMES ) 。生產設備、物流設備和其生產出來的產品構成了智能工廠的物理空間；技術創新體系中的產品模型、工廠信息模型(PIM)以及經營管理體系中的各種企業業務流程則存在于一個數字化、信息化和網絡化的空間中。通過制造運行體系(CPPS)將這2個空間有機地連接在一起，形成一個完整的智能生產

7、系統。當企業獲得客戶需求后，通過ERP系統生成訂單。訂單一般包括以下兩類。1) 新產品訂單：通過產品模型和工藝模型的快速設計能力，滿足客戶對新產品的個性化要求。2) 成型產品的配置訂單：客戶在已有的產品系列上，根據企業提供的功能特征選配清單定制。由產品數據管理(Product Data Management, PDM)系統提供產品配置功能，通過變量化或參數化的BOM系統，快速滿足客戶的配置需求。在通過技術創新體系建立了產品模型后，ERP系統下達產品的制造指令。該指令和PDM中的產品配置模型一起下達到IMES中，IMES通過智能設備的接口將作業指令、工藝參數和控制程序等下達到設備, 并啟動產品的

8、加工制造，實時監控制造過程，將制造過程的狀態數據反饋給ERP系統，將產品的制造檔案反饋給PDM系統。同時工廠的制造運行模型和物流運行模型調用IMES的狀態數據進行仿真運算，發現現場運行可能出現的問題。IMES的排產模塊對制造過程進行優化調度，優質高效、智能化地完成制造產品的加工制造任務。IMES通過在制品的信息跟蹤產品制造檔案獲得相關的生產信息,不僅提供了產品的質量追溯能力，同時也為PLM系統進行產品遠程維護和服務(ISC)提供支撐。在技術創新體系中，除了產品設計的功能外，還包括智能工廠的工廠信息模型(PIM)設計。這些模型過去僅僅是工廠建設時進行優化設計使用的，但是企業面對越來越個性化的市場

9、,這種個性化導致產品的更新換代加速，這也要求工廠的制造運行體系具備不斷適應新產品、新工藝的能力，因而其生產線、物流線具有一定的柔性，可以按照新的產品工藝進行靈活調整。而這種調整的復雜性，只有通過仿真的方式才能獲得更好的成效，因此，在智能工廠的運行過程中，工廠的設計模型將起到至關重要的作用。擴展的工廠信息模型(extensible Plant Information Model,XPIM)以三維形象化的方式展示實際的工廠運行狀態，由此成為智能工廠現場指揮的基礎平臺。擴展的工廠信息模型(XPIM)包含了仿真模型和實體模型兩部分，其中仿真模型包括工藝仿真模型、性能仿真模型和建造仿真模型等。許多發達國

10、家早已將基于模型的數字化制造 (Model Based Manufacturing, MBM7)、虛擬技術應用到智能工廠建設中，如大型汽車制造商將數字制造、虛擬技術應用到汽車樣機設計和工廠生產制造中，但作為產品的數字樣機模型和工廠的工程模型，往往與工廠的實際應用存在一定的信息割裂。數字孿生作為一項新技術，它實現了現實物理系統向網絡化、數字化系統的反饋，是工業領域一次逆向思維的創新。北航的陶飛教授在2017年提出數字孿生車間的概念：在數字孿生車間里收集的實物產品數據，送入虛擬產品模型中，以便更好地管理產品的全生命周期(包括產品設計、制造和服務)8。在Michael Grieves教授的數字孿生白

11、皮書中9，大眾的數字孿生工廠將3D可視化模型與達索的制造運營管理系統APRISO進行鏈接，在模型中動態地展示生產進度、設備OEE及維修保養等工廠運營管理活動。03基于數字孿生的智能工廠建設架構在ISA-95企業-控制系統集成標準中，制造運作管理活動模型包括生產運作管理、庫存運作管理、維護運作管理和質量管理等活動，功能分為設備級、區域級、車間級、工廠級和企業級五層架構。圖2 工廠信息化層次模型圖2所示為工廠信息化層次模型。圖2a所示的參考模型描述了傳統工廠信息化層次模型。傳統工廠/車間管控系統主要在工廠/車間管理層、生產監控層、生產線監控層和單元控制層進行管理，生產過程中的調度、設備預防維護和數

12、據的分析等活動還主要由人來決策。智能工廠盡可能地取代一線人員在制造活動中的決策任務，使生產作業更加柔性化、自動化和高效化。傳統工廠/車間管控系統存在如下問題。1） 信息化開發平臺多樣化。2） 缺少工廠/車間現場智能分析模型。3） 缺乏支撐智能分析的工業大數據。4） 制造執行系統缺乏仿真分析。5） 系統架構支持移動終端、AR/VR的融入。6） 生產過程缺乏可視化監控。針對以上問題，本文提出如圖2b所示的新型工廠信息化層次模型。基于數字孿生的新型工廠/車間管控系統擴展了數字孿生系統和生產大數據管理平臺，以數字孿生系統為紐帶,打通以ERP為核心的企業管理系統、以MES為核心的工廠級（或車間級）的生產

13、執行系統、以及仿真分析系統的數據孤島。開發 形成以數字孿生為紐帶，開放性強、可擴展的新型工廠/車間管控系統架構。新型工廠/車間管控系統擺脫了強耦合的分層體系束縛，形成以數字孿生系統為核心的網狀結構。短期目標：從虛擬工廠的維度實現對工廠的生產要素、生產活動計劃以及生產過程控制進行管理。中期目標：實現物理工廠與虛擬工廠的雙向映射與實時交互，實現物理工廠及虛擬工廠的全要素、全流程以及多業務數據的融合。長期目標：構建生產管控云平臺，使工廠具備虛實聯動、數據驅動生產的能力，基于數字孿生進行過程管控、智能化排產及調度，探索一條工廠生產和管 控最優的運行新模式。通過人工智能、大數據平臺和AR/VR等新一代信

14、息技術手段的應用,建立一套符合企業未來智能工廠生產管控需求、功能全面、集成性高、技術先進以及 運行穩定的數字孿生系統，從而輔助整個工廠/車間的生產管控過程,賦能傳統制造，全面提升企業的智能制造管理水平。基于數字孿生的智能工廠架構如圖3所示。圖3 基于數字孿生的智能工廠架構基于數字孿生的智能工廠系統具有以下功能：將物理工廠中的實體模型及業務模型轉化為虛擬工廠的信息模型，并建立虛擬工廠與物理工廠之間低延時、高保真的虛擬鏡像；利用基于數字孿生的智能工廠仿真計算能力，仿真模擬產品從需求到產品、從訂單到交付的制造全過程;形成優化的仿真結果，指導物理工廠的建立和運營；物理工廠的實時數據和狀態為虛擬工廠的模

15、型提供準確的修正11。通過工廠的數字孿生，建立三維可視界面的IMES系統，方便生產管理人員從多個視角了解生產過程、發現生產異常并快速進行處理,從而使生產管理更加透明化、實時化、可視化和協同化。IMES系統主要實施技術的創新點如下。1）數據驅動的三維虛擬工廠實景和實際績效呈現：以三維虛擬工廠模型為載體，以多維統計圖表為展現形式,動態可視化展示與車間生產過程相關的實時信息和績效信息（如設備狀態、生產進度、質量狀況、物流狀態和工廠能耗等）。2） 生產異常的指揮與協同調度：通過IMES與設備監測系統的交互，可以及時、動態地發現生產過程中出現的各種異常，比如設備故障、物料短缺和質量超差等。通過仿真和優化

16、分析，可以對作業計劃進行優化，消除制造過程瓶頸，保證制造任務準時、高效的執行。3） 生產系統的數據全過程貫通：生產系統的開發、實施、運營及退役是構建生產系統全生命周期的重要內容12。探索基于數字孿生的虛實系統集成接 口方式和標準,建立基于工廠孿生數據驅動的虛擬工廠模型和物理工廠同步運行及反饋機制，實現智能工廠生產系統的虛擬驗證與同步運行。04基于數字孿生的虛實系統集成作為智能工廠中樞的數字孿生系統，具有自學習、自組織、自配置和自適應的特點。工廠內部各個系統需要進行互聯互通，基于數字孿生的虛實系統集成主要體現在以下兩方面。1） 物理工廠的信息高度集成。智能工廠須打通信息技術與運營技術的鴻溝，確保

17、業務流、工藝流與物料流的信息互聯互通，以生成實時決策所需的各項數據，同時數據基于模型和算法生成數字孿生系統的數據集和數據類型（結構化、相對非結構化）。智能工廠中的智能傳感器遍布各項企業生產要素和資源，因此數字孿生系統可不斷從設備、儀器儀表、PLC、單元控制系統、車間管理系統及企業管理系統抓取不同的數據，確保數據的持續更新。2） 數字孿生系統作為物理工廠與虛擬工廠集成的紐帶。數字孿生系統實現智能工廠現場作業的自動化決策，車間的所有制造活動通過數字孿生系統在虛擬工廠進行仿真建模與分析。在制造過程中，數字孿生系統自動向IMES傳送最優的指令，IMES協調現場控制系統執行生產活動，并接收過程控制系統

18、（Process Control System,PCS）反饋的實時數據；同時現場采集數據通過數字孿生系統傳入虛擬工廠進行模型和參數的修正,從而形成智能車間閉環管控。3.1 信息集成的框架為打通物理工廠（物理世界）與虛擬工廠（虛擬世界）的壁壘，信息集成框架基于數字孿生的紐帶進行數據交換，基于數字孿生的工廠/車間信息集成框架如圖4所示。虛擬工廠應具有仿真分析功能，但目前的數字孿生系統與仿真分析系統都是獨立的產品，因此二者通過基于數字孿生的模型進行信息集成13。數字孿生可針對物理工廠/車間內的生產、環境和產品情況持續開展實際的數據測量。基于產品設計工藝仿真和生產系統仿真的強大快速處理能力,數字孿生系

19、統從產品設計及產品制造系統中獲取重要信息，以三維可視化方式呈現企業經營生產活動對象或流程，并反饋在物理工廠中進行設計與流程的優化。敏捷、可拓展的信息系統架構集成仿真分析系統、企業內部信息化應用系統和工廠/車間數字孿生系統，并滿足未來企業云平臺下的電子商務系統、個性化定制系統和遠程運維系統等創新商業模式的發展。圖4 基于數字孿生的工廠/車間信息集成框架3.2 信息集成的接口技術為了能夠適應未來多變的需要，基于數字孿生的智能工廠便于后期進行重構和擴展,系統架構采用微服務14。基于企業服務總線（Enterprise Service Bus,ESB）15的智能工廠系統集成如圖5所示，采用企業服務總線技

20、術和工業物聯網（Industry Internet of Things, IIoT）16技術，將數字化設計、生產、試驗及運維服務的異構信息集成打通，實現制造業工廠的設施、設備、人和組織互聯互通。數字孿生系統集成感知系統、通信系統、計算系統和控制系統，實現對智能工廠安全可靠、實時協同地感知、聯結、分析和控制。圖5 基于企業服務總線（ESB）的智能工廠系統集成基于云平臺遷徙的信息化系統映射到虛擬工廠系統中，通過各類結構性數據和非結構性數據的實時更新，同步驅動物理工廠。將基于業務的企業服務總線開發單獨的APP應用，系統統一管理，借助云服務器管理各類數據。硬件的更換和產品的變更、供應鏈的波動均對生產系

21、統和企業運營管理影響較小，能達到即插即用，后期的生產設施改造和產品的更新換代無需重新改造信息化系統。控制系統采用管理殼技術封裝成管理殼的組件，通過將設備、儀表、自控和物 料等的信息分類成為“清單+組件管理器”，進行基于管理殼的封裝服務口。05基于數字孿生的智能工廠關鍵技術基于數字孿生的智能工廠關鍵技術主要分為五大類：物理工廠的工業物聯網技術、虛擬工廠的建模仿真及驗證技術、工業大數據構建及管理技術、虛擬工廠與物理工廠融合應用技術及基于數字孿生的場景應用技術。1） 物理工廠的工業物聯網技術的難點：建立業務領域的互聯網與生產領域的控制網絡融合的體系，構建多回路、高分辨率采樣周期和網絡延時、抖動和丟

22、包等情況下的應對方案。2） 虛擬工廠的建模仿真及驗證技術的難點：建立多任務、多規則和不確定性虛擬場景下的機理模型/數據模型/計算模型,實現生產線虛擬調試、在線反饋信息、流程參數控制及業務與工藝等大數據驅動生產線的執行和滿足客戶需求的成本最優化作業模式等功能。3） 工業大數據構建及管理技術的難點：建立基于邊緣計算和云計算相結合的工業大數據存儲、計算、分析和展示的體系和框架，實現多冗余、高速和低成 本的應用方案。4） 虛擬工廠與物理工廠融合應用技術的難點:探索典型制造業的業務數據生產多維度的虛實融合與大數據協同技術，構建智能工廠的資源、人員、業務及生產活動等在數字孿生空間的虛實雙向映射，開發面向制

23、造業的數據總線技術在多平臺、多架構和多體系中的集成和應用。5） 基于數字孿生的場景應用技術的難點:研究基于數字孿生的制造平臺下，構建大規模個性化定制平臺、遠程運維平臺和產品全生命周期數字設計制造運 營一體化模式，或以供應鏈優化為核心的網絡協同制造模式等典型商業新模式的應用。06案例解析本文案例的需求為建設個性化定制的模型車總裝車間，生產系統要求具有可視化、實時性、可操作性及可協作性，車間要求實現基于數字孿生的智能管 控。個性化定制的模型車總裝車間如圖6所示。a）個性化定制的模型車總裝車間（實景）b）個性化定制的模型車總裝車間數字孿生系統圖6 個性化定制的模型車總裝車間如圖6a所示，物理車間硬件

24、層主要由立體倉庫、上料機器人、AGV、裝配機器人、在線質量檢測設備、倍速鏈、服務機器人、無線網絡和射頻識別（Radio Frequency Identification,RFID）等組成。車間管控系統的主要子系統包括：PDM系統、IMES、數字孿生系統、SCADA系統及生產仿真分析系統。圖6b所示為基于數字孿生的車間監控界面，界面功能包括：車間的物流調度信息、車間的物料信息、作業計劃流轉信息、生產線實時視頻、設備實時狀態 數據、設備的位置信息、設備的綜合效率和設備的維護信息等的展示。模型車總裝車間的數字孿生系統與IMES.SCADA等系統進行集成，實現了以下功能。1）生產過程仿真。生產過程仿真

25、主要針對生產節拍、線上物流及生產負荷進行可視化仿真。數字孿生系統依據從IMES和SCADA獲取的實時數據驅動虛擬生產線運動和顯示實時業務數據;依據預設統計條件和參數閾值進行判斷，并可視化地顯示生產線的設備利用率和瓶頸。2） 生產數據可視化。以生產線或工段為單元，采用信息面板、數據標簽及數據圖表（例如曲線、直方圖和雷達圖）等方式對車間的生產數據進行展示,例如生產運作、庫存運作、維護運作和質量運作等生產實績（production performance）數據,實現制造執行數據的可視化,展示信息和方式可根據實際需要進行調整。3） 生產過程監控可視化。針對生產設備的運行狀態、工藝參數及綜合效率等實時數

26、據進行可視化監控，主要包括以下功能。針對生產線:（1）采用虛擬安燈、聲光效果及信息標簽等方式對生產線的運行狀態進行監控（例如正常、 故障、待機、調整、維護和關機）；（2）實時數據驅動虛擬生產線的物料流動，并顯示生產線相關的實時數據。針對生產設備：（1 ）實時數據驅動虛擬設備的運動；（2）采用安燈、聲光效果及信息標簽的方式顯示設備的運行狀態。基于數字孿生的智能管控技術通過構建全生命周期生產線對生產前期的仿真,獲得生產調度所需的產品訂單、調度規則、工藝路徑、物流路徑和交付優先 級等制造運營機理模型。在仿真模型中導入啟發式算法、遺傳算法（GA）或粒子群算法（PSO）等智能算法,在智能生產線規劃、智能

27、生產線運行和智能生產線遠程運維方面構建全生命周期的數字預測模型，采集車間生產現場物料配送、倍速鏈及AGV輸送物流、工業機器人等設備和預組裝人員作業狀態、個性化訂單流轉等實時信息進行預測模型的修正和迭代,從而為個性化定制的模型車提供全生命周期的預測記錄分析和決策支撐。本文案例作為國家智能制造標準驗證設計的試驗驗證平臺，融入智能工廠各個環節的關鍵技術，為國內基于數字攣生的智能工廠/車間/生產線的規劃設計、建造實施以及維護運營提供了很好的指導和借鑒意義。07結語智能工廠作為智能制造的載體，發揮著制造業轉型升級主戰場的作用。智能工廠以互聯互通的物理工廠為基礎，通過數字孿生構建虛擬工廠，對生產進行規劃、

28、設計、優化和監控，從而提升企業的運營管理能力。本文結合案例，對基于數字孿生的智能工廠架構進行了研究，探討了基于數字孿生的虛實集成關鍵技術，并對模型車總裝車間數字孿生系統進行了設計實現。后續研究將圍繞基于數字孿生的工廠輕量化建模技術、多學科多專業的并行協同平臺開發和基于數字孿生的智能工廠高速實時數據采集等關鍵技術開展深入研究。參考文獻：1 JOSEPH G, GARY R. Expert Systems: Principles and ProgrammingM.Fourth Edition.Boston:Course TechnologyInc,2004:1-12.2 SCHEER August

29、-Wilhelm.CIM Computer Integrated Manufacturing:Towards the Factory of the FutureM.Three Edition.Berlin Heidelberg:Springer International Publishing,1994:14-19.3 PAN Yun He. Heading toward artificial intelligence 2.0J.Engineering,2016,2(4):409-413.4 EUGENNE Merchant,肖堯先.計算機集成制造(CIM)系統的集成存在問題及發展趨勢J.模具

30、技術,1991(2):75-80.5 CHANGYOON K,HYNSU L,HONGJO K,et al.BIM-BasedMobile System for Facility ManagementC/OL/LEONARD B, TAGHADDOS H.Developing Visualized Schedulesfor Plant Information Modeling:30th International Symposium on Automation and Robotics in Construction, Mining andPetroleum, (ISARC 2013) . M

31、ontreal: s.n. , 2013 :1376-13852018-07-01./publications/fulltext/isarc2013Paper366. pdf.6 BIFFL S,LVDER A,GERHARD D.Multi-Disciplinary Engineering for Cyber-Physical Production SystemsM.Cham:Springer International Publishing,2017:185-206.7 羅恒雨,劉德慶.基于模型的數字化制造工程技術J.CAD/CAM 與制造業信息化,2014(9):70-73.8 TAO

32、Fei,CHENG Jiangfeng,QI Qinglin,et al.Digital twin driven product design, manufacturing and service with big dataJ.The International Journal of Advanced Manufacturing Technology,2018(94) ：3563-3576.9 GRIEVES M. Digital twin:manufacturing excellence throughvirtual factory replication EB/OL .Melbourne:Florida Institute of Technology,2015(2015-04-20)2018-07-01. http ：/w