基于數字孿生的個性化定制平臺

2025-02-23 00:00:00李仲樹韋俊程潘艷飛

物聯網技術 2025年4期

摘要：數字孿生作為當前制造業數字化轉型的重要途徑之一，被廣泛應用于生產管理領域。為更好地滿足消費者對生產的個性化需求，提出了基于數字孿生的個性化定制平臺。該平臺包含有物理實體層、虛擬模型層、孿生數據層、業務決策層、云服務系統，通過5個層級的互聯互通，實現了多源異構數據的深度集成，提高了產品的個性化定制水平，降低了裝備的調試安裝強度，提升了生產效率，且生產過程更加透明，對個性化定制產品和服務具有很好的應用價值，促進了生產管理領域的發展。

關鍵詞：數字孿生；云邊協同；個性化定制；數據集成；信息系統；邊緣計算

中圖分類號：TP24 文獻標識碼：A 文章編號：2095-1302（2025）04-0-05

0 引言

數字孿生作為一種虛實融合的動態模型，與現實世界中對應的物理實體完全一致，可以準確、及時地反映物理實體的特性、行為、性能等[1]。數字孿生最早出現于2003年，由Grieves教授在密歇根大學的產品全生命周期管理課程上提出。經過多年的發展，數字孿生吸引了大量知名公司對其進行研究，包括達索、西門子、PTC等全球工業軟件頭部企業。國內眾多學者在智能車間、工業大數據、智能裝備等方面也對數字孿生進行了研究。

文獻[2]提出結合精益生產理論與數字孿生技術搭建焊接裝備的數字孿生系統；文獻[3]構想了大數據環境下基于狀態轉移的數字孿生車間模型體系架構及相關自決策調度算法；文獻[4]提出了基于數字孿生的制造執行系統（MES）解決方案，介紹了車間設備的建模方法和數據采集方法；文獻[5]建立了車間生產過程數字孿生系統體系架構；文獻[6]設計了基于數字孿生的新能源汽車電機裝配車間，提升了電機生產的自動化水平、效率及質量；文獻[7]闡述了數字孿生模型的搭建及模型的輕量化以及基于企業資源計劃系統（ERP）數據的實時交互等關鍵技術；文獻[8]針對數字化車間的轉型升級，提出了數字孿生車間集成管控系統框架。

隨著社會的發展，消費者對生產的個性化需求越來越強。個性化定制產品具備開發周期短、滿足客戶需求、符合度高和競爭力強等多方面優勢，而個性化定制服務已經滲透到大部分制造行業[9]。本文以個性化定制書簽業務為背景，提出了基于數字孿生的個性化定制平臺。

1 系統架構

建立數字孿生車間首先需要將生產車間的現場資源進行數字化表征，為人、機、料、法、環等車間現場關鍵要素建立數字化模型[10]。本文提出的基于數字孿生的個性化定制平臺的系統架構如圖1所示。通過數字孿生技術實現個性化服務系統、虛擬模型、物理實體數據的雙向映射。系統由物理實體、虛擬模型、孿生數據、業務決策、云服務系統5部分組成，不同層級之間交互信息，接收內外部狀態信號，并迭代優化，生成合理的解決方案，用于指導實際生產。

（1）物理實體。物理實體主要指實際生產的資源實體，由人、機、料、法、環組成，是產品生產的載體。物理實體的核心資源具有數據采集功能，能夠實時采集各實體的狀態。

（2）虛擬模型。虛擬模型本質上是模型的集合，包括要素、行為、規則3個層面[11]。本文將虛擬空間劃分為要素模型、行為模型、規則模型、仿真系統。要素模型可以將生產物理實體、環境進行虛擬重構；行為模型主要包括產品的生產順序和物料轉運規則等；規則模型包含車間評估、預測和優化等。仿真系統可以對物理實體進行空間位置、運行邏輯的仿真、驗證。

（3）孿生數據。孿生數據用于采集、傳輸、存儲、分析物理實體、虛擬模型的核心數據。通過孿生數據融合，實現了系統集成、設備互聯、數據互通，消除了信息孤島，提高了決策效率。采用機器學習及其他人工智能算法，分析計算集成的多源異構數據。孿生數據庫根據功能和類型劃分為實時數據、歷史數據、仿真數據等不同的集合。

（4）業務決策。業務決策是數字孿生系統直接面向人的決策的層級。業務決策系統在孿生數據驅動下為生產實體的智能化管控提供系統支持和服務（主要依托MES、CRM、WMS等核心生產管理系統），例如排產與調度管理、物料管理、加工過程管理、產線資源管理等。

（5）云服務系統。云服務系統采用分布式計算為用戶提供便捷的網絡訪問以及計算資源共享池。用戶可以借助各類應用系統完成業務管控，提升開展日常業務的效率。另外，通過云服務系統能夠使個性化訂單的下達更柔性化、便捷化。

2 物理實體層

物理車間是數字孿生車間管理系統的基礎，主要包含生產現場實體的集合，例如車間的設備、物料以及其他生產資源[12]。數字孿生產線設計如圖2所示。該產線主要由智能立體倉儲部分、機器人、智能視覺模塊、激光打標、自動包裝單元組成。該產線的物流流程如下（以書簽組裝過程為例）：

（1）從智能立體倉庫中取出待加工的物料，由機器人負責將書簽原料出庫，并將其搬運到視覺檢測工位，檢測其位置偏移情況；

（2）由機器人自動糾偏，將書簽原料搬運到激光打標工位進行打標；

（3）流蘇原料經堆垛機取貨、機器人搬運后與書簽原料配合，進行自動包裝。

3 虛擬模型層

（1）模型優化。以數字孿生產線為對象搭建虛擬模型，采用SolidWorks對物理實體模型進行建模，利用Unity3D對虛擬模型進行設計渲染和制作。由于SolidWorks建立的模型導入Unity3D后，模型的面數較多，計算機運行不流暢，所以需要進行模型優化。主要方法為減少面數、調整模型層級等。

（2）模型處理。模型優化后需要進行靜態對象設置、材質陰影設置、烘焙、實時燈光添加等工作。

（3）模型屬性添加。要素模型包括生產車間的物理設備（加工設備、檢驗設備、物流設備、倉儲設備）和工作環境等元素。本文中的要素建模包括對立體倉儲部分、機器人、激光打標機、包裝單元、傳感器建模，確保虛擬模型與物理模型以1∶1的比例顯示。通過行為模型為運動機構添加約束，使各個部件之間包含連接關系。采用父子關系以及正逆向解算的方法，對機器人的關節進行約束，如圖3所示。除此以外，還需要添加碰撞屬性。將機器人設置為剛體屬性。規則模型利用人工智能算法對機器人的位置進行實時檢測、糾偏。

（4）仿真系統。在虛擬空間建立機器人以及堆垛機、氣缸等設備的仿真模型，主要涉及干涉檢查、路徑規劃、可達性檢驗。PLC程序仿真如圖4所示。虛擬空間中，物理實體的孿生模型根據自身幾何信息、屬性信息和裝配信息，以產線仿真規則為基礎驅動產線運轉，從而實現產線設計方案的預驗證及實際生產線的仿真分析[13]。通過仿真系統，不僅能夠找到機器人的最優空間位置、工作路徑還能驗證PLC控制程序的邏輯合理性，節約現場調試時間。

4 孿生數據層

4.1 多源異構數據的雙向交互

基于數字孿生的個性化定制平臺的軟件系統主要由數字孿生、MES、WMS、CRM組成。圖5展示了該平臺的數據交互與集成過程。

數字孿生軟件運行過程涉及的數據主要有AssetBundle包、MES數據、PLC數據、機械臂數據。AssetBundle包數據存儲在云端，通過網絡通信的方式，根據任務內容進行動態加載。MES數據基于HTTP協議實現通信接口的請求、上傳、下載功能，完成數據的雙向交互。PLC采用西門子1200系列PLC和設備數據多線程的方式通過S7.net通信協議讀取寫入數據。MES、WMS前端基于HTTP協議借助通信接口向Web服務器發出請求。

4.2 多源異構數據的集成方式

將來自不同來源的數據集成為一個統一的數據集是一項復雜的任務，需要解決數據模式匹配、數據轉換和數據沖突等問題。數字孿生產線的設備來自不同的廠家，擁有不同的控制系統，且不同的控制系統擁有不同的通信協議[14]。為了解決多源異構數據的采集與處理問題，本文采用以下解決方案：

（1）PLC集成數據。視覺采集數據通過視覺算法判斷處理后，可以寫入PLC數據塊中；激光雕刻設備通過I/O連接，實時觸發打印并將相關信息反饋到PLC數據塊中；機械臂數據可以被實時采集到PLC數據塊中，并通過編程控制機械臂的運動；氣缸、步進電機通過PLC控制，并反饋狀態數據。

（2）數字孿生客戶端集成數據。模型數據、圖片數據、PLC數據塊關聯的設備運行數據映射到JSON文本、動態任務JSON文本中。孿生客戶端通過接口請求獲取用戶訂單數據，展示當前生產進度及歷史信息，并根據MES訂單任務生成場景，讀取PLC控制數據，并通過網絡請求向服務器寫入實時生產數據，進行生產車間的數字孿生。

（3）MES集成數據。將設備運行告警記錄、生產數據、環境數據、用戶數據等進行統一管理。

5 業務決策層

要建立智能制造車間，企業首先要建設包括產品全生命周期數據管理系統（PLM）、MES、ERP和辦公自動化系統（OA）等在內的企業數字化管理集成平臺[15]。本文設計的數字化管理系統主要包含MES、WMS、CRM，實現了系統集成，打破了生產管理系統中多源數據的異構性限制，構建了具有統一數據格式標準的生產孿生數據庫，以供服務系統層中的各功能模塊調用，且能把服務系統層的各項任務指令傳輸到物理實體中，實現了數據融合、虛實聯動的智能集成管控，主界面如圖6所示。MES系統中的計劃排產模塊收到多人所下的訂單時，對訂單的優先級進行排列；加工過程管理模塊對訂單進度、書簽加工質量進行管控；WMS系統對物料出入庫、庫位、物料盤點等進行管控。物料統計信息如圖7所示。

6 云服務系統

云計算、物聯網等新興技術推動MES向云MES演進，以SaaS模式賦能工業制造，提供全方位、可視化的追蹤控制工具以及強大的關鍵性能指標和數據分析能力，實現從生產、管理，到決策的智能化協同[16]。基于數字孿生的個性化定制平臺有多個數據源。云數據主要由MES數據、WMS數據組成，通過數據倉的形式存儲，可以對海量數據進行分析和價值挖掘；邊緣數據主要通過本地客戶端對WMS、MES、圖像識別及孿生客戶端的操作及運行數據進行采集，按照給定規則對原始數據進行預處理及簡單分析，然后把結果和相關數據通過物聯網、互聯網的方式進行云-邊、邊-邊傳遞。圖8所示為該平臺的數據流。個性化訂單通過云端下達至CRM系統；形成訂單計劃，將該計劃發送至MES系統；MES系統向WMS系統發出物料請求。

邊緣和云端之間的數據協同，使得數據能夠在邊緣和云端之間有序流動，從而形成一條完整的數據流轉路徑，便于之后對數據進行生命周期管理與價值挖掘。

7 結語

目前，制造業正處于向數字化轉型的過程中。數字孿生作為智能制造的關鍵技術之一，可以實現物理空間和虛擬空間的深度融合。本文構建的數字孿生平臺經過物理實體以及相關業務系統的驗證，具有良好的應用效果，可以為其他場景構建數字孿生體系提供參考。此外，隨著云計算、大數據技術等新興技術的發展，云端個性化定制將是未來發展的重要趨勢。

參考文獻

[1]陶飛，程穎，程江峰，等.數字孿生車間信息物理融合理論與技術[J].計算機集成制造系統，2017，23（8）：1603-1611.

[2]王冠，劉暢，宋微，等.焊接成套裝備車間數字孿生系統設計[J].機床與液壓，2023，51（18）：108-114.

[3]閆紀紅，姬思陽.大數據驅動的車間數字孿生模型構建方法[J].機械工程學報，2023，59（12）：62-77.

[4]葉炯，徐曉光，郝旭耀，等.基于數字孿生的加工生產線MES設計[J].新鄉學院學報，2022，39（3）：21-26.

[5]柳林燕，杜宏祥，汪惠芬，等.車間生產過程數字孿生系統構建及應用[J].計算機集成制造系統，2019，25（6）：1536-1545.

[6]黃勝，張國富，張冠勇，等.基于數字孿生的新能源汽車電機裝配車間設計[J].內燃機與配件，2023（20）：65-67.

[7]房峰，袁逸萍，王波，等.基于Unity3D的紡機制造車間數字孿生系統開發與實現[J].工業控制計算機，2023，36（8）：143-144.

[8]肖唐威，孟飆，喬興華.基于虛擬現實的數字孿生車間集成管控系統框架[J].現代制造技術與裝備，2021，57（1）：9-13.

[9]李強，彭道虎.基于云制造電腦個性化定制模式[J].機械設計與制造，2023（11）：169-172.

[10]王子燁，邱楓，劉治紅，等.基于實時數據采存分析的數字孿生車間研究及實現[J].兵工自動化，2023，42（12）：34-37.

[11]陶飛，張萌，程江峰，等.數字孿生車間—一種未來車間運行新模式[J].計算機集成制造系統，2017，23（1）：1-9.