智能生产系统的数字孪生应用场景

数字孪生技术可以支持智能生产系统的设计、建设以及运营管理。和产品生命周期类似，生产制造系统也有其生命周期。图1中表述为:设计、构建、调试、运营与维护、报废与回收。智能生产系统的典型代表就是智能车间或智能工厂，其设计和建造是为了完成某一产品或一类产品的生产制造，因此，生产系统的设计首先满足工艺要求然后是在各类约束(空间约束、投资约束、生产周期约束)下完成其设计和建造。

图1 NIST的制造系统生态

1 生产系统规划设计过程的数字孪生应用

生产系统的规划设计会有一个协同优化问题: 产品工艺设计，需要生产系统作为约束，而生产系统的设计，需要产品工艺要求为指导。传统的生产系统建造方法，是在产品工艺初步确定的情况下进行设计和建造，带来的问题就是产品工艺变化会带来生产系统设计方案的变化，但是这一变化不一定能同步完成，会造成部分返工，或者最终实现的工艺设计方案不是最优的妥协方案。利用数字孪生技术可以解决这一问题。

在数字孪生技术出现之前，数字化工厂就是解决产品设计和工厂设计的协同问题。一方面，通过构建工厂虚拟模型，可以对产品可制造性进行分析，同时，利用产品数字模型和加工需求，来对工厂设计方案进行完善。数字孪生技术通过实时数据的引入可以进一步提升数字化工厂的效率和准确性。这方面表现在工厂布局规划、工艺规划和物流优化几个方面。

1)布局规划。基于数字孪生的生产布局规划相比传统布局规划具有巨大的优势性。相比传统的利用二维图纸或者静态模型进行布局规划的方法，基于数字孪生模型的车间布局规划设计优势主要体现在:

①车间数字孪生设计模型包含所有细节信息，包括机械、自动化、资源及车间人员等，并且和制造生态系统中的产品设计无缝连接；

②专用模型库，实现车间的快速规划设计；

③方便维护和重构，与实际车间同步更新；

④支持各类虚拟试验仿真，更好地支持车间的选代更新。

2)工艺规划和生产过程仿真。利用工厂数字孪生体积累的数据和模型，对产品的工艺设计方案进行验证和仿真，可以缩短加工过程、系统规划以及生产设备设计所需要的时间，具体包括:

①制造过程模型:形成对应如何生产相关产品的精确描述；

②生产设施模型:以全数字化方式展现产品生产所需要的生产线和装配线;

③生产设施自动化模型:描述自动化系统(SCADA、PLC、HMI等)如何支持产品生产系统。

数字孪生为整个生产系统的虚拟仿真、验证和优化提供支持。利用工厂数字孪生模型，用户可以对产品整个制造过程进行验证，包括所有相关生产线和自动化系统生产产品及其全部主要零部件和子配件的工艺方法。

利用过程仿真能够对制造过程进行单元级仿真，包括机器人运动仿真与编程、人因工程分析、装配过程仿真等。利用数字孪生支持的3R(VR/AR/MR)技术，可以让仿真分析过程虚实融合，更加精确和直观。

3)物流优化。生产物流规划包括企业内部物流(工厂或车间物流)和企业外部物流(供应链物流)，合理的物流规划路线对于保证企业的正常生产、生产效率的提高及产品成本的降低具有重要的作用。传统模式下的物流规划是离线进行的，但是这种模式下的物流规划无法适应实际运行过程中的实时状态变化，导致规划结果不能真正适应物理世界的实际环境，从而不能起到指导实际物流运行的作用。

利用工厂数字孪生体和供应链企业的数字孪生体模型，可以优化工厂的物流方案，包括物流设施的配置、物流路线设计、物流节拍和生产节拍的协同等。相关数字孪生体的运作模型随着对应物理实体的不断运行也在不断完善，和实际情况一致，保证在虚拟模型上优化结果的可行和可信。

2 生产系统运行过程的数字孪生应用

生产过程的核心是制造运行管理(Manufacturing Operation Management，MOM)，IEC/ISO 62264标准对其定义是，通过协调管理企业的人员、设备、物料和能源等资源，把原材料或零件转化为产品的活动。它包含管理那些由物理设备、人和信息系统来执行的行为，并涵盖了管理有关调度、产能、产品定义、历史信息、生产装置信息以及与相关的资源状况信息的活动。

图1中制造金字塔的核心就是MOM，它的概念相比传统的制造执行系统(MES)来说更加广泛，包括与制造相关的资源状况信息。数字孪生在MOM的应用场景包括：

1）三维可视化实时监控。传统的数字化车间主要通过现场看板、手持设备、触摸屏等二维的可视化平台完成系统监测，无法完整展示系统的全方位信息与运行过程，可视化程度较低。基于机理模型和数据驱动的方式建立的数字孪生车间具有高保真度、高拟实性的特点，结合3R(VR/AR/MR)技术能将可视化模型从传统的二维平面过渡到三维实体，车间的生产管理、设备管理、人员管理、质量数据、能源管理、安防信息等均能以更为直观、完整的方式呈现给用户。这部分应用可以看作是“三维版组态软件”，但是相比组态软件多用于流程行业，这个可视化实时监控对离散制造行业也十分有用。

同时，传统的组态软件更多地是对传感器采集的数据进行展示，而数字变生模型能更多地展示统计分析、智能计算的结果，可以是一些系统运行的隐含状态数据，能让用户对生产现状有更直观的了解。利用移动互联技术，这个实时监控不限于计算机和大屏幕监控，手机、平板电脑也是常用的展示终端。

2）生产调度。传统生产制造模式中生产计划的制定、调整等以工作人员根据生产要求及车间生产资源现状来手动制定调整为主，如果生产车间缺乏实时数据的采集、传输与分析系统，很难对生产计划执行过程中的实时状态数据进行分析，无法实时获取即时生产状态，导致对于生产的管理和控制缺乏实际数据的支撑，无法及时发现扰动情况并制定合理的资源调度和生产规划策略，导致生产效率的下降。

而数字孪生驱动下的生产调度基于全要素的精准虚实映射，从生产计划的制定、仿真、实时优化调整等均基于实际车间数据，使得生产调整具有更高的准确性与可执行性。数字孪生驱动下的生产调度主要分为:

①初始生产计划的制定，结合车间的实际生产资源情况及生产调度相关模型，制定初步的生产计划，并将生产计划传送给虚拟车间进行仿真验证;

②生产计划的调整优化，虚拟车间对制定的初步生产计划进行仿真，并在仿真过程中加入一些干扰因素，保证生产计划有一定的抗干扰性。结合相关生产调度模型、数据及算法对生产计划进行调整，多次仿真迭代后，确定最终的生产计划并下发给车间投入生产；

③生产过程的实时优化，在实际生产过程，将实时生产状态数据与仿真过程数据进行对比，如果存在较大的不一致性，那么基于历史数据、实时数据及相关算法模型进行分析预测、诊断、确定干扰因素，在线调整生产计划。

3）生产和装配指导。随着产品复杂程度越来越高，产品设计方案越来越复杂，给生产过程的参数优化，以及装配过程的工艺参数控制提出了新的要求;同时，个性化的提升让单件、小批生产成为主流需要在制造前熟悉不同新产品的生产和装配工艺要求，给现场操作工人提出了挑战。利用数字孪生技术可以有效支持生产和装配过程的指导。

一方面，数字孪生体提供的统一产品定义模型，可以方便地转化成直观的产品生产需求和装配指导书，让操作工人可以尽快熟悉，另一方面，利用制造设备的数字孪生体，可以对生产过程参数进行模拟优化，同时可以借鉴类似产品的加工数据进行迁移学习，推广到新产品加工过程的参数优化中。对质量数据的在线分析也能为生产、装配的结果进行评估，及时反馈到生产现场，减少不合格品的数量。

产品数字孪生体所拥有的运维过程数据，可以为类似产品的生产过程参数设定提供参考，为提高产品加工质量提供量化依据。

4）设备管理。生产设备的故障预测与健康管理指利用各种传感器和数据处理方法对设备健康状况进行评估，并预测设备故障及剩余寿命，从而将传统的事后维修转变为事前维修。数字孪生驱动下的故障预测与健康管理建立在虚实设备精准映射的基础上，由于虚实设备的实时交互及全要素、全数据的映射关系，可以方便地对相关的设备进行全方位的分析，及故障的预测性诊断。同时基于虚拟设备模型及历史运行数据可以进行故障现象的重放，有利于更加准确地定位故障原因，从而制定更合理的维修策略。

另外，在数字变生应用场景下当设备发生故障时，专家无需到达现场即可实现对于设备的准确维修指导。远程专家可以调取数字孪生模型的报警信息、日志文件等相关数据，在虚拟空间内进行设备故障的预演推测，实现远程故障诊断和维修指导，从而减少设备停机时间并降低维修成本。

5）物流优化。数字孪生生产系统改变了传统的物流管理模式，能够做到物流的实时规划及配送的指导。数字孪生建立在实时数据的基础上，通过物理实体与虚拟实体的精准映射、实时交互、闭环控制，基于智能物流规划算法模型结合实际情况做出即时物流规划调整和最优决策，同时可通过增强现实等方式对配送人员做出精准的配送指导。

6）能耗管控。“碳达峰、碳中和”成为新时代制造的一个核心话题，越来越多的制造企业关注制造过程的碳排放问题，需要实现节能减排。数字孪生驱动下的能耗智能管控指通过传感器技术对能耗相关信息、生产要素信息和生产行为状态等的感知，通过感知得到的实时能耗信息对生产过程的参数进行调整和优化。一方面利用能耗模型来指导产品设计过程，采用低碳环保的方案;另一方面通过调整生产计划、降低不必要的能耗等方法来减少加工过程的能源消耗。通过数字孪生系统，能耗管理由传统的凭经验、凭直觉的定性方法转向基于能耗模型的量化方法，并且能提供持续优化的能力。

7）安全防护。在智能车间中，相对于装备、产品等生产要素而言，人员在产品设计、制造运维等过程中的主观活动更为重要，在复杂机电产品生产车间中，其生产规模大、活动空间广、工位错综多样、工序繁杂、关键生产流程或具有一定的危险性，人员行为的主观能动性和不可替代性表现尤为突出，完善人员行为识别对于规范和保障车间的安全生产、消除隐患、防患于未然具有重大意义。目前而言，车间人员行为分析仍然通过分布于车间中的摄像机和人工监控的方式来实现。

近年来，随着计算机视觉、深度学习等智能算法的推广和计算机算力的提升，车间人员行为的观测正逐步从“机械式”的人工观测方式向基于深度视觉的智能人员行为理解的模式转变。车间人员行为智能识别的本质在于人员行为特征的提取并进行分类与深层次分析深度学习算法有助于人员行为特征的自动、多层次的提取，数字孪生技术则为智能人员行为理解模式的实现提供了实现框架，能进一步促进车间乃至智能工厂环境下的人机共融和HCPS的构建。

生产制造系统的数字孪生应用也在逐步普及。虚拟调试技术在数字化环境中建立生产线的三维布局，包括工业机器人、自动化设备PLC和传感器等设备。在现场调试之前，可以直接在虚拟环境下，对生产线的数字孪生模型进行机械运动、工艺仿真和电气调试，让设备在未安装之前已经完成调试。

西门子公司将来自智能传感器的温度加速度、压力和电磁场等信号和数据，以及来自数字空生模型中的多物理场模型与电磁场仿真和温度场仿真结果传递到MindSphere平台，通过进行对比和评估，来判断产品的可用性、运行绩效和是否需要更换备件。国内的中国烟草总公司在烟草行业进行了工厂运行状态的实时模拟和远程监控实践，在北京就可以实现对分布在各地的工厂进行远程监控。海尔、美的在工厂的数字孪生应用方面也开展了卓有成效的实践。