基于數字孿生的白酒釀造車間架構設計

劉文斌 ，張貴宇 , ，庹先國 *，王耀 ，唐宇欣

1. 四川輕化工大學自動化與信息工程學院（宜賓 644000）；2. 四川輕化工大學人工智能四川省重點實驗室（宜賓 644000）；3. 西南科技大學信息工程學院（綿陽 621010）

隨著新一代信息技術在制造業的融合和應用，各國相繼提出工業4.0、工業互聯網、服務型制造、云制造等制造戰略，推動信息物理系統（CPS）、數字孿生技術[1]的快速發展，為實現物理世界與虛擬世界深度融合與交互[2]提供前提條件。數字孿生技術深受學術界和工業界關注，各大公司相繼對數字孿生技術進行應用研究。此外，數字孿生技術被廣泛應用于交通[3-5]、醫療[6]、制造業[7]、智慧城市[8]、服務[9]、航空航天[10-11]等領域。

車間是制造業生產過程中的基礎單元，要實現智能制造首先應該滿足車間的智能化和數字化。數字孿生技術的提出及實現與制造業車間的融合，為車間生產過程的高效管理提供有效的理論和技術支撐。Grieves等[12]在2003年提出數字孿生體的概念，其實是物理實體在數字空間的映射模型。數字孿生體的本質是在數字空間構建一個動態實時反映物理實體當前的狀態和行為，并能預測該物理實體未來的狀態和行為的模型，基于此虛擬模型對物理實體及其行為進行仿真、分析、優化[13]。數字孿生模型的構建是實現生產車間智能管控、智能生產不可缺少的重要環節。

國外的白酒釀造多采用液態釀造方式，容易實現機械化、自動化，而國內白酒多采用固態釀酒工藝，機械化程度僅限于局部環節，與全方位機械化還有很大差距，故實現全自動化難度很大[14-15]。中國白酒的固態釀造工藝操作復雜、要求嚴苛、原料的連續性差，與液態、半固態發酵工藝相比更難實現自動化生產。近年來，在“中國白酒158計劃”“中國白酒169計劃”等推動下，白酒企業生產規模不斷擴大，對白酒釀造車間的管控問題將更加突出。因此，完善管控優化、過程監控、設備維護、工藝優化、增產降耗、質量管控等要求將有利于提高白酒企業管理和科技含量水平，促進白酒釀造向自動化和智能化方向發展，促進白酒企業向安全、可控、低成本、可循環的方向發展。

1 基于數字孿生的白酒釀造車間系統架構

數字孿生驅動的白酒釀造車間架構從層次分為應用層、服務層、數據層、物理層、模型層、傳輸層。白酒釀造的工藝環節主要包括原糧粉碎、拌糧潤糧、入窖發酵、上甑蒸餾、量質摘酒、攤晾拌曲等步驟，對其完成人員孿生模型、設備孿生模型、物料孿生模型、環境孿生模型等設計，并根據傳感器獲取的數據進行數據融合與交互。基于數字孿生驅動的白酒釀造車間系統架構。如圖1所示。

圖1 白酒釀造車間系統架構

2 基于數字孿生白酒釀造車間關鍵要素建模

2.1 基于數字孿生白酒釀造車間生產要素建模

在白酒釀造過程中，與生產相關的關鍵實體要素包括人員、設備、產品或物料。此外，釀造工藝方法指導生產，現場環境影響生產，有效監控手段實時跟蹤優化生產。其白酒釀造車間數字孿生模型統一描述為：

式中：DTpro為白酒釀造過程數字孿生模型；DTpe為人員數字孿生模型；DTeq為設備數字孿生模型；DTma為產品或物料數字孿生模型；DTme為釀造方法數字孿生模型；DTen為環境數字孿生模型；DTre為維修數字孿生模型。

2.1.1 人員孿生建模

在白酒釀造過程中，各部分的操作都與人員有著密切的關系，對設備操作人員、維修人員、物料與產品運輸人員等進行建模是保障白酒正常生產的關鍵要素之一。通過對相關人員位置信息、動作進行監控，獲取人員數字孿生數據，其數字孿生模型為：

式中：Gper為人員幾何模型；Cloc為相關人員位置信息模型；Cop為人員操作行為模型。對相關人員監控所得到視頻圖像信息，可以通過相應圖像識別的方法來獲取數字孿生空間中位置及行為數據。同時，每個人的操作經驗、資歷、熟練程度、健康情況等都要考慮到人員孿生模型中，記為Cab，如式（3）所示。

式中：Cab-ex為人員操作經驗孿生模型；Cab-qu為人員資質孿生模型；Cab-pro為人員熟練程度孿生模型；Cab-he為人員健康情況孿生模型。

2.1.2 設備孿生建模

在白酒釀造車間可以采集到數據的主要設備包括上甑機器人、蒸餾裝置、智能摘酒系統、攤晾機床等，為了更好地完成設備實體向虛擬空間的映射，在建立設備幾何模型時，需了解尺寸、外形、與其他設備的關系等。根據設備實際運動模式、約束、經驗，總結為物理模型、行為模型、規則模型。因此設備孿生模型定義為式（4）。

式中：Geq為設備幾何模型；Cph為設備物理模型；Cbe為設備行為模型；Cru為設備規則模型。

2.1.3 產品或物料建模

對于白酒釀造車間白酒產量或酒醅主要關注的是酒醅的位置情況、狀態信息、白酒的品質情況。其數字孿生模型為：

式中：Gma為白酒和酒醅的幾何模型；Cpo為白酒運輸、酒醅補料的孿生模型；Cst為白酒產量和酒醅的狀態模型；Cqu為頭段酒、中段酒、尾酒分段模型。

2.1.4 釀造工藝方法建模

在白酒釀造車間中，釀造工藝方法直接影響白酒的品質。白酒釀造工藝主要有原料處理、出窖、配料和攪拌、蒸酒蒸糧、打量水、攤晾、撒曲、入窖、封窖發酵。發酵原酒的質量因地區、原料、窖池、工藝、技術等因素而相差甚遠[16]。如今，釀酒技術不斷進步，白酒的制造工藝也在不斷改善，但是在不同地區仍有一定的區別。其定義模型為式（6）。

式中：Crmt為原料處理方法模型；Cim為配料和攪拌的方法模型；Ctw為蒸酒蒸糧的方法模型；Ccw為打量水的溫度變化模型；Cso為攤晾方式數字模型；Cs為撒曲量的模型；Ccf為發酵方法模型。

2.1.5 環境孿生建模

白酒是經過發酵而產生的，酒的品質會受釀造的氣候和環境的影響。白酒發酵使用的是微生物，窖池里面的主要微生物有酵母菌、根霉菌等，這些菌種最適合生長在溫度30～35 ℃之間，當發酵過程進行時會產生大量熱量，導致窖池溫度變高。如果發酵在夏季高溫的時候進行，入池發酵的起步溫度將達到30 ℃以上，最終發酵溫度會達到40 ℃左右，這樣會導致產生大量的酸，酒的產量就會大幅降低。其定義的數字孿生模型為式（7）。

式中：Cwe為外界天氣氣候情況模型；Chu為整個白酒釀造車間的濕度模型；Ct-h-a為窖池的溫度、濕度、酸度的數字孿生模型。

2.1.6 維修孿生建模

白酒釀造車間維修是保障整個生產流程順利進行的關鍵之一，釀造車間結構復雜，維修技術難度大，維修環境惡劣。維修效率低不僅會造成白酒產量的減少，還有可能導致安全事故的發生。其定義的孿生模型為式（8）。

式中：C3D為設備關鍵部位的3D模型；Cin為關鍵部位數據實時交互接口模型；Cda為維修數據模型，Cda= {Cha,Chis}，Cha為損傷數據模型，可以通過對設備在線運行監測獲取數據，Chis為部件的歷史維修信息模型，可以從維修報告中獲取。

2.2 數據采集與獲取

在白酒釀造車間通過獲取設備各個階段相關數據以及相關參數數據、監控系統數據，以實時檢測相關設備運行情況，從而對設備健康狀況進行推斷。白酒釀酒整個工藝環節獲取的數據可以分為4類：設備維修數據、環境數據、設備運行數據、白酒產量與酒醅數據。維修數據包括上甑機器人維修數據、攤晾機床維修數據、摘酒系統維修數據等，環境數據包括有天氣、濕度、窖池管理系統監測數據。設備運行動態數據包含設備本身記錄數據、狀態監控數據、運行的軌跡路線。白酒產量與酒醅數據包含人工統計數據、系統物料管理數據。如圖2所示。

圖2 白酒釀造車間工藝流程數據

為實現系統應具備數據集成、數據分析、可視化仿真、白酒釀造工藝知識等功能，需要對數據進行采集、集成、處理與挖掘。數據集成是白酒釀造車間生產過程中收集到的相關數據，如相關設備姿態數據、運行的位置信息、溫度、性能指標、維修數據、環境數據、白酒產量與物料數據等。通過傳感器、窖池信息管理系統、監控系統等方式實時收集，利用數據轉換進行數字測量。數據分析與處理是指白酒生產過程中對實時采集到的數據進行清洗、聚合、泛化、離散化、特征選擇等[17-18]操作，提取白酒釀造車間數字孿生模型所需要的數據，利用Hadoop、Apache等軟件處理數據，數據倉庫、數據流等軟件管理數據。可視化仿真是為了檢測設備故障、運行狀態檢測以及安全評估服務。白酒釀造工藝知識是為了在仿真過程中發生故障實時給生產操作員發送預警信息，提供安全性評估報告、維修報告、服務報告等。如圖3所示。

圖3 白酒釀造車間數據融合與集成框圖

2.3 虛擬白酒釀造車間

數字空間對白酒釀造車間生產線進行映射，能從多維、多物理實時觀察車間運行情況。數字空間與實體空間的交互映射有幾個部分：（1）人員，實時映射出人員的身份、所在位置、人員對設備操作等信息，對人員實現可視化管理；（2）設備，釀造設備是整個車間重要的組成部分，任何一個設備出現問題，都會導致整個生產線癱瘓；（3）產品與物料，白酒的產量直接關系到生產效益問題，實時映射能了解生產情況，做出相應調整，獲得利益最大化；物料的輸送及時是關系到其他環節按時進行的先決條件，實時映射能保證生產線順利進行，保障生產效率；（4）釀造工藝方法，實時顯示釀造工藝方法能保障工藝穩定，控制工況復雜多變等問題；（5）環境，實時顯示白酒釀造車間環境參數信息，了解環境變化情況，切實保障各工藝環節都在合適的環境下進行；（6）維修系統，通過實時映射對設備的故障部件及系統及時維修，為智能維修提供基礎。

通過物理空間收集到數據，在數字空間虛擬化人員、設備、產品物料、釀造工藝方法、環境、維修系統等，對虛擬的模型進行分析，對白酒釀造車間進行智能監控，從而達到順利調度、安全運行、智能維修等功能。從多個維度對模型進行初始化，使得數字孿生模型與車間物理實體相匹配。在數字空間實現同步初始化，利用數據驅動實現技術人員、設備、產品物料、釀造工藝方法、環境、維修系統進行多維度映射，對數字空間獲得數據進行分析，實時映射，從而實現智能維修、智能生產。數字空間結構如圖4所示。

圖4 釀造車間數字空間結構圖

3 基于數字孿生釀造車間關鍵技術分析

3.1 建模與仿真技術

建模是數字孿生體進行上層操作的必要條件，是創建數字孿生模型的核心技術。建模不僅包括對物理實體的幾何結構進行三維建模，也包括對物理實體中設備運行機理、環境、人員姿態、設備維修等信息進行數字孿生建模。數字孿生模型具有獨特性，不同物理實體將建立不同的數字孿生模型。對于白酒行業的數字孿生模型，主要依靠CAD、Matlab、SOLIDWORKS等建模工具。仿真是驗證數字孿生模型的一種方法，檢驗模型的正確性和有效性。仿真是將具備確定性規律和完整機理的模型以軟件的方式來模擬物理實體的一種技術。在建模正確和感知數據完整的前提下，仿真可以基本反映物理實體一定時間段的狀態。

與傳統計算機輔助設計/計算機輔助制造（CAD/CAM）技術相比，多維度的建模需要融合環境等更多因素，以及溫度、濕度、酸度等多種屬性，保證最大限度地實現模擬現實狀態。Leu等[19]提出從3D表面獲取數據，構建CAD模型，同時與增強現實（AR）技術相結合，提供運動捕捉、力學建模和多動態渲染等操作，集成了生產系統的設計、規劃、評估、測試等功能。

3.2 多源數據融合技術

數字孿生驅動白酒釀造車間過程中會產生大量的多源數據，為了剔除其中的噪聲數據，需將其中各類數據進行融合和轉換，如圖5所示。利用數據將物理運行生產狀態映射到數字空間中，是實現白酒釀造車間安全與控制的基礎。對于白酒釀造車間產生的不同生產數據，應該采用不同的融合技術，如機器學習、深度學習處理其中的文本數據，利用VAE、零膨脹模型處理小樣本數據。處理后的文本數據、小樣本數據、不平衡數據形成多模態數據，將其融合反映生產車間設備運行安全性的多維數據，采用數據挖掘方式判定車間設備運行的安全性。

圖5 車間設備運行安全性數據融合技術

3.3 可視化平臺處理技術

統一平臺有機地融合多維物理建模仿真、數據管理、數據分析、模型與數據融合、動態數據驅動決策等多個模塊，并通過可視化的形式展現出來，可使操作者進行統一處理[20-22]。達索公司[22]依據數字孿生、數據驅動、虛實融合等技術建立3D EXPE-RIENCE體驗平臺，此平臺利用知識和專業技術將所有技術和功能集成到一個統一的數字化創新環境中，以實現設計的創新、產品的開發、仿真、制造、服務等環節。

根據用戶不同的可視化顯示需求，監控視角模塊提供不同的視角切換功能，保證系統全面、有效地進行可視化監控。通過虛擬相機切換不同角度來獲取不同的觀察角度和圖像，從而實現白酒釀造車間運行狀態的360°監控。白酒釀造車間監控效果如圖6所示。

圖6 監控效果圖

4 結語

目前，白酒釀造車間對數字孿生技術體系下的相關技術應用還處于初步探索階段，尚未普及應用。但隨著數字孿生技術在產品設計、生產、運維等方面運用優勢顯著增加，把數字孿生技術引入白酒行業指日可待，對增強白酒釀造車間各要素之間的融合，對物理空間和數字空間、人員孿生體、設備孿生體、物料和產品孿生體、環境孿生體等之間的交互有著重要意義。數字孿生的應用十分廣泛，不但充分融合現有的各科學知識來建立模型、數據分析，更利用虛擬環境的仿真來預測未知的場景，不斷推進科技進步，探索更優方法，追求創新技術。試驗從對數字孿生技術的理解及其在白酒釀造車間的應用場景展開闡述，嘗試設計白酒釀造車間的體系架構，并對數字孿生的關鍵技術展開討論，以引起白酒行業對數字孿生技術的關注和思考。