面向生產過程的智能車間數字孿生建模及應用

孫玉成，宋家燁，王 健，鄭 堃，王青云，陳 威，王 建，唐敦兵,

（1.濰柴動力股份有限公司，濰坊 261001；2.南京航空航天大學機電學院，南京 210016；3.南京航空航天大學無錫研究院，無錫 214000）

隨著國家提出的“十四五”發展規劃，數字化、網絡化和智能化成為制造業日益發展的共同目標。許多制造業開始研究如何采用數字化的手段來提升生產制造水平。作為智能制造的一項關鍵使能技術，數字孿生逐步發揮著越來越重要的作用。自從Grieves 教授率先提出數字孿生概念［1］之后，數字孿生逐步應用到包括建筑、醫療、運輸、制造等各行各業中，國內陶飛等［2］學者深入研究了如何利用孿生技術實現物理世界與虛擬世界的有效融合。

在制造業領域，利用數字孿生技術來實現生產業務場景、業務過程和加工設備等虛實映射已成為國內外學者研究的一個熱點。方圓等［3］提出一種基于數字孿生的加工設備運行狀態檢測方法來解決產品生產過程中設備狀態的檢測，并應用在航空發動機機匣裝配生產線進行驗證。文國軍等［4］基于數字孿生架構，利用Unity3D 開發了一種鉆機虛擬培訓系統，來提升培訓的時效性和安全性。陳建華等［5］將設備管理分為作業管控層、專業管理層和戰略決策層，并利用數字孿生技術對設備進行建模、分析，實現設備管理的標準化、精細化。戴敏等［6］基于數字孿生技術建立設備管理平臺，并通過大數據挖掘、分析技術分析現場設備數據的實時關聯預測與分析，實現設備的故障有效預測，降低設備維護成本，并提升維修效率。文獻［7］提出了基于數字孿生的虛擬調試技術并開發了一種機電模塊化生產的數字孿生仿真器，用于支持設計決策。文獻［8］提出一種數據驅動方法并通過數字孿生來表示制造單元的業務過程，模擬生產過程的系統行為和預測過程故障，并借助深度強化學習來提升生產過程的自適應管理。文獻［9］提出一個5 步法來規劃制造系統和數據驅動的數字孿生，通過建立車間數字孿生模型來指導生產流程的優化和車間用戶的規范化操作。周光源等［10］基于當前制造車間監控落后、管理困難的問題，研究了一種車間信息集成技術和可視化對象模型技術，設計開發了一種動態監控平臺，對車間的生產過程進行監控和管理，并結合實際生產應用，來驗證該平臺的實用性和可靠性。文獻［11］研究了一個創建和訓練機器人的數字孿生案例，通過在虛擬空間中進行人工智能訓練，并在物理空間中進行模擬學習，使用Unity3D 來實現虛擬空間和物理空間的互聯，從而減少機器人的調試時間，提高工作效率。王春曉［12］提出一種基于虛擬空間的機床調試技術，利用數字孿生技術搭建虛擬調試平臺，以三軸立式數控銑床為研究對象，建立其虛擬模型，通過在虛擬平臺中的調試真實反映了物理世界機床的運行情況，從而降低機床調試的危險性，縮短生產準備周期。

綜上所述，國內外學者利用數字孿生技術解決生產領域的問題已經取得了很多成果，但不難看出很多關注點還是集中針對單個物理設備、單個生產過程進行數字孿生研究，或者只是提出一種理論上的數字孿生框架或方法，沒有進行實際的驗證。在面向整個生產車間進行數字孿生構建、關鍵技術研究及生產過程監控的研究還比較少。

針對以上問題，本文基于點云技術與可視化建模技術，搭建了離散制造車間數字孿生平臺，通過該平臺對整個車間進行全業務場景呈現及運行情況實時監控，并對業務全流程進行虛擬映射，為大數據分析指導車間生產提供支持，進一步提升了車間數字化管理水平。

1 智能車間數字孿生系統體系架構

為了將數字孿生技術更好地結合到車間的生產過程中，更好地為車間生產服務，使得生產過程更加地高效、智能，就需要構建出面向生產過程透明的數字孿生系統。針對生產車間的特征和生產過程數字孿生功能需求分析，結合數字孿生的系統參考架構，本文提出了如圖1 所示的面向生產過程的數字孿生構建方法。

圖1 面向生產過程的數字孿生系統體系架構Fig.1 Architecture of digital twin system for production process

首先，針對車間生產過程關鍵要素進行數字孿生建模，包括物理實體要素和信息要素兩類，其目的是將車間實體對象和生產過程中的相互關系進行數字化和模型化。物體實時要素孿生模型的構建需要對各物理對象的幾何尺寸、物理機制、行為特性、位置信息以及車間布局對象間的交互關系進行簡單明確的數字化表現。信息要素主要有車間各設備及人員狀態信息、任務訂單加工信息和調度決策信息等。車間信息建模需要確定統一的語言、格式和標準，對不同系統不同類型的信息建立標準化的描述模型，從而使信息在車間系統內能夠交互共享。

由于車間中生產設備種類繁多，信息源復雜，設備間接口和通訊協議各不相同，車間實時狀態不斷變化，同時車間其他業務系統同步運行，業務數據不斷更新，使得車間信息的動態感知和集成共享變得異常復雜。本文建立了車間多源異構信息的感知集成系統，實現車間設備狀態信息的實時感知，以及數字孿生與其他信息系統間的數據交互傳輸，為車間生產過程的數字孿生提供信息載體。

最終，經過集成處理，對車間系統生產信息進行有效管理，對數據進行優化處理，在虛擬車間對底層車間信息進行可視化顯示，使得車間的加工狀態信息更加透明化。設計良好的人機交互功能，實現在虛擬端對車間加工過程的可視化運維監控。

綜上所述，所設計的智能車間數字孿生系統架構可以對生產業務全流程實現虛擬化和集成化的有效運營管理，為管理層指導車間生產以及解決車間問題提供了全面的數據基礎和可靠的分析模式。

2 關鍵技術

2.1 基于點云擬合的三維幾何模型構建方法

幾何模型是物理車間在虛擬車間中高保真的體現。如圖2 所示，本文利用地面三維激光掃描技術采集物理設備及場景的點云數據，處理點云數據得到精準的輪廓模型；利用三維建模工具對初始模型進行輕量化處理；結合特征提取、網格擬合等技術進行模型表面優化；利用燈光烘焙、場景渲染等技術對場景進行顯示優化。

圖2 三維場景搭建過程Fig.2 Process of 3D scene construction

由于遮擋的原因，從某一角度得到的點云數據是不完整的。利用點云編碼器對輸入點云進行特征擴展，點云編碼器可以學習輸入點云的全局特征，最終得到缺失部分已經補齊的點云。本文選擇推土距離（Earth mover’s distance，EMD）［13-14］作為損失函數來評估補全生成的點云與真實點云的近似程度。

然而，點云數據缺少拓撲信息、領域信息，不適合渲染以及后期模型優化。本文采用泊松曲面重構（Poisson surface reconstruction，PSR）算法來獲取適合渲染的Mesh 網格數據：M=(V，E，F)，其中V表示點，E表示邊，F表示面。首先計算目標隱式函數F(x)，使得F(x)在每個P點處的梯度值為該點的法向量V，同時取散度，得到Poisson 方程

將F(x)用adaptive octree 表示，應用marching cube 提取函數的等值面，如圖3 所示，得到的Mesh網格數據含有拓撲信息、領域信息，為模型的輕量化、紋理渲染優化等步驟提供了基礎。

圖3 三維模型重建過程Fig.3 Process of 3D model reconstruction

2.2 面向數據交互的OPC UA 信息建模方法

對象鏈接與嵌入的過程控制統一架構（Object linking and embedding for process control unified architecture，OPC UA）作為統一傳輸協議，是構建面向數字孿生的數據集成，保證數據融合和高效有序傳輸，實現信息模型和虛擬模型相統一的核心。基于OPC UA 的數據通信模式如圖4 所示，服務器與客戶端之間通過網絡建立數據通信接口，其中服務器主要面向設備層面，實現設備各類數據的采集和集中管理，而客戶端面向軟件層面，通過數字孿生平臺，將實體世界的信息與虛擬世界的信息進行獲取和融合。

圖4 OPC UA 通信模式Fig.4 OPC UA communication mode

根據數字孿生車間中的物理信息融合的思想，將車間信息整體模型劃分為5 類信息概念模型，分別是：

（1）設備信息概念模型（Device-Inf）

式中：DBasicInf為設備基本狀態信息；DStatusInf為設備運行狀態信息；DTaskInf為設備當前加工任務信息；DCapabilityInf為設備加工能力信息；DFaultInf為設備報警信息；DToolingInf為設備工裝夾具等信息。

（2）人員信息概念模型（Person-Inf）

式中：PBasicInf為人員基本信息；PStatusInf為人員狀態信息；PTaskInf為人員當前任務信息；PCapabilityInf為人員專業技能信息；PCompleteInf為員工完成工作信息；PAttendan-ceInf為人員出勤信息。

（3）物料信息概念模型（Material-Inf）

式中：MBasicInf為物料基本信息；MStatusInf為物料當前狀態信息；MStockInf為物料庫存信息；MAbnormalInf為物料異常信息。

（4）環境信息概念模型（Environment-Inf）

式中：EBasicInf為車間環境基本信息；EPollutionInf為車間環境污染指數信息。

（5）訂單任務信息概念模型（Task-Inf）

式中：TBasicInf為訂單任務基本信息；TStatusInf為訂單任務當前狀態信息；TTypeInf為訂單任務類型信息；TPro-gressInf為訂單任務進度信息；TAbnormalInf為訂單任務異常信息；TCraftInf為訂單任務工藝信息。

這5 類信息概念模型與整體模型之間都屬于局域與整體的關系（Part-of），建立如圖5 所示的面向數字孿生車間的OPC UA 信息模型。

上述信息模型需要依據車間實時生產狀況進行實例化才能應用到數字孿生系統中。首先按照采集數據實例化若干Device-Inf 對象、Person-Inf 對象、Material-Inf 對象、Environment-Inf 對象，以表示車間的全部生產要素；然后根據車間中的任務、計劃，實例出若干Task-Inf 對象，從而實現對車間中任務的描述。

圖5 車間數據模型Fig.5 Workshop data model

2.3 多源異構數據集成及虛實映射數據快速匹配

在數據模型的基礎上，伴隨著實際車間不斷地執行滿足客戶需求的制造任務，車間現場數據不斷更新與變化。為了保證對車間中實時生產活動的精確刻畫，以及實現車間內制造資源間的有效協同，需要實現物理車間與虛擬車間的實時融合。孿生技術用于建立物理設備與數字模型之間的通信通道，建立數據與模型之間的映射規則，物理車間發送數據來更新同步其虛擬模型。而這種同步交互通常由事件［15］控制，在物理車間中發生的事件，可以通過實時發布/訂閱規則自主反映在虛擬車間中。

（1）數據采集

主要針對工業現場大量原始數據進行準確、實時的采集，為數據集成階段提供數據源。針對典型數據采集場景，其結構化數據可以采用射頻識別（Radio frequency identification，RFI）、傳感器、控制系統自身接口等傳統數據采集方法；非結構化數據為滿足更加實時性、精確性的采集要求，需利用腳本語言，開發專用的數據采集與監視控制（Supervisory control and data acquisition，SCADA）系統，兼容多種數據傳輸協議。

（2）信息集成

針對現場采集到海量制造數據，以及工廠其他業務系統的歷史數據，數據集成主要實現數據的存儲、清洗、轉換和降維等預處理操作以及構建海量關聯數據庫。如圖6 所示，通過整合來自多個數據源的數據，屏蔽多源異構數據的來源復雜、結構異構問題，實現數據的統一存儲、管理和分析，實現用戶無差別訪問，充分發揮數據的價值。

圖6 多源異構數據集成Fig.6 Integration of multi-source heterogeneous data

（3）虛實映射

通過上述數據采集、信息集成模塊獲得的統一規范的數據，對虛擬模型的自定義屬性綁定對應的數據接口，將模型與數據關聯起來。同時孿生模型的“物理”“行為”“邏輯”需在“幾何模型”中進行體現、關聯與集成，達到物理車間與虛擬車間的初步融合。

（4）數據匹配

為了實現進一步的虛實深度融合，設計基于匹配樹的虛-實數據訂閱傳輸模式，實現虛實空間的動態映射，主要包括事件、約束和訂閱條件。例如，對于一個訂閱條件中的任意約束，響應的事件中至少存在一個屬性與該約束條件相匹配，則稱該響應事件與設定的訂閱條件達到一致匹配。一旦匹配成功，孿生模型就會解析接受到的數據并反映相對應的行為動作。具體流程如圖7 所示。

圖7 基于匹配樹的虛實映射數據快速匹配流程Fig.7 Fast matching process of virtual-real mapping data based on matching tree

基于上述的數據采集、數據集成和數據匹配等，可以通過數字孿生實時呈現設備運行狀態以及生產進度狀態，并對故障信息進行實時推送，實現物理車間與虛擬車間的數據同步。

3 原型系統構建及應用

某發動機產品機加車間具有業務訂單繁瑣、返工報廢情況多等特點，傳統的業務系統無法滿足實時監控的需求，導致管理人員很難掌握實際生產進程，無法及時應對故障的發生，嚴重影響和制約了企業的生產效率。為了滿足實時監控的需求，在機加現場配置了各式各樣的數據采集設備，實時采集現場多源異構數據，并基于本文提出的系統架構及關鍵技術，開發了一套面向生產過程的數字孿生車間可視化監控系統，該系統結合軟件WPS 的高階數據、MES 的實時生產數據、設備實時狀態數據，通過數字孿生平臺更直觀地呈現車間的生產狀態，使車間更加透明，方便各級組織人員都能實時快速地掌握車間生產情況，實現了車間的精準管控。

本系統依據車間生產情況，首先采用Jason 語言格式對各類數據建立了角色類庫、屬性以及實例層次模型。依據數據模型，將機床和傳感器數據，使用KepOPC 軟件形成OPC UA 服務端；對于企業系統軟件ERP、MES 和SCADA 等，只需要外部服務器直接訪問預先設置好的數據接口。本文采用Spring Boot 框架下的RabbitMQ 消息隊列實現數據的封裝及傳輸，最終形成完整的數據流鏈接，如圖8 所示。

圖8 數據流Fig.8 Data stream

同時，虛擬車間利用地面三維激光掃描設備從物理車間中采集點云數據，對初始的點云模型進行輕量化處理，采用3dsMax 等三維建模軟件對拆分的各個設備點云模型進行網格化處理，得到車間設備的外形輪廓模型，通過高分辨率影像對各個設備的細節結構進行建模，通過FBX 格式將模型導入數字孿生渲染平臺；采用C#語言，建立模型的標準屬性與行為規則，最終封裝成為模型庫，根據物理車間的實際布局信息快速構建孿生場景，如圖9所示。

圖9 標準屬性與行為規則Fig.9 Standard attributes and behavior rules

車間的運行情況可以通過系統進行實時監控，而且系統可以部署在電腦或個人移動端，便于車間的各級管理人員實時查看車間狀態。通過構建數字孿生驅動的孿生車間來達到圖10 顯示的實體空間和虛擬空間一一映射的效果，利用“車間漫游”的方式可以足不出屋就能實時掌握車間每個設備、每個工位的運行狀態及加工任務，而且通過集成、分析各應用系統的信息和設備信息，通過數字孿生平臺進行統一展示，以測試數據為案例，如圖11 所示，可以將車間關注的人事、生產、質量和成本等業務詳細呈現，避免各應用系統間數據管理混亂，出現數據容易，管理數據難的情況。

在基于數字孿生的全局數據基礎之上，本系統進一步實現了一體化企業數字運營管控模式。各類主題分別集成了WPS 的高階數據，如圖12 所示，以某一時間段內測試數據為例，經常性出現成本高于上限值的情況，為成本優化提供依據，結合產品的價值流分析綜合考慮相關成本的潛在問題，有效指導車間改善生產成本。

通過數字孿生平臺的部署和實施，一方面實現了物理車間的數字化呈現，通過監控虛擬車間可以掌握實際車間的生產情況，調度員、計劃員和班組長等各類角色可以隨時查看關注自己所需信息，不用到處查、到處問，節約了大量的人力、時間，另一方面通過多業務系統數據的集成和呈現，可以全業務流程數據地貫穿管理和統一展示，管理層可以實時掌握車間真實狀態并有效指導車間的管理優化及故障處理。

圖10 車間可視化監控界面Fig.10 Visual monitoring interface of workshop

圖11 車間數據分析界面（測試數據）Fig.11 Data analysis interface of workshop (test data)

圖12 車間一體化管理界面（測試數據）Fig.12 Integrated management interface of workshop (test data)

4 結論

隨著制造企業各種設備種類不斷增加、生產業務更加復雜的情況，如何對車間的各類設備及業務過程進行實時監控成為亟待解決的難題，本文通過構建面向生產過程的智能車間數字孿生系統體系架構，采用基于點云擬合的三維幾何模型構建方法、面向數據交互的OPC UA 信息建模方法、多源異構數據集成及虛實映射數據快速匹配3種關鍵技術，部署實施了一個數字孿生可視化監控平臺并通過在企業實際應用驗證其效果，實現了車間業務的可視化實時監控，為車間各項業務的有效管控提供了更為便捷的途徑，促進了數字孿生技術在制造企業的落地應用。但是數字孿生技術涉及到與大數據、物聯網和5G 等多學科的融合，后續將通過挖掘生產業務中海量數據的關聯關系，為數字孿生環境下實現生產業務的預測和診斷提供支撐。