基于数字双胞胎的智能制造系统的设计与应用

导 读

基于数字双胞胎的智能制造系统的组成与工作过程

1.基于数字双胞胎的智能制造系统的组成

数字双胞胎是物理产品在虚拟世界的镜像，如图1所示。数字双胞胎是物理资产的虚拟镜像，借助传感器采集数据反映机器的实时工况、状态和位置，通过模型优化后，返回现实世界以提高机器性能。数字双胞胎也可用于监控、诊断和预测，数字模型借助物理对象的数据积累，分析机器的健康衰退程度，提出预测性维修方案。

图1基于数字双胞胎智能制造

智能制造领域应用的数字化双胞胎技术与传统制造相比如图2所示。其核心技术为信息物理融合生产系统（CyberPhysical Production System－CPPS），如图3所示，信息物理融合生产系统（Cyber Physical Production System－CPPS）是信息物理融合系统（CPS）在生产领域的应用，是一种多维度的智能技术体系。信息物理融合生产系统以大数据、 络和云计算为依托，通过智能感知、分析、预测、优化、协同等技术手段，使计算、通信和控制三者有机融合与协作。将所获取的信息与对象的物理性能表征相结合，形成虚拟空间与实体空间深度融合、实时交互、互相耦合、及时更新，在 络空间中构建实体的虚拟镜像。通过自感知、自记忆、自认知、自决策、自重构的运算和分析，实现生产系统的数字化、智能化和 络化。

图2应用数字化双胞胎技术的智能制造与传统制造比较

图3 核心技术

2.基于数字双胞胎的智能制造系统的工作过程步骤

第一步：数据的采集和处理，如图4所示。

图4 数据采集

第二步：人机与机机通信

图5 人机与机机通信

第三步：如图6所示，从数据、信息到决策

图6 物联

第四步：迈向预测型智能制造

智能制造的困扰是设备和装置的失效，随着时间推移，设备会磨损，性能会衰退，最终导致故障和停机。

预测型智能制造通过掌握设备实际的状态，不是在故障发生后去抢修，或过早地将可继续用的部件进行不必要更换，而是采用计划性维修，从而降低维修费用和生产成本。知道设备什么时候可能失效，就能够合理地安排维修计划，实现“准时”维修，最大限度地提高设备的可用性和延长其正常运行时间，提升工厂运营效率。将设备衰退模式和实时状态评估与加工过程控制结合起来，实现在设备或系统性能随时间变化的情况下，保证产品质量的稳定，迈向“无忧虑”智能制造。预测型智能制造的层次和架构如图7所示，预测型智能制造的信息物理模型(Cyber-PhysicalModel for Enhanced Predictive)如图8所示，大数据分析是预测型制造的重要手段。

图7 预测型智能制造的层次和架构

图8 预测型智能制造的信息物理模型

基于数字双胞胎的智能制造系统的设计

1.设备层面

(1)系统的要求

由制造过程透明可知使智能机床不再是传统的机械设备，而变成了一台智能终端，它不仅可以加工零件，同时能够产生服务于管理、财务、生产、销售的实时数据，从而实现设备、生产计划、设计、制造、供应链、人力、财务、销售、库存等一系列生产和管理环节的资源整合与信息互联，并为上述过程提供精准的数据依据，成为新工业革命的基础。

数控系统采用的G、M代码（ISO 6983）已不能适应现代化生产和技术发展的需要。STEP-NC将产品数据转换标准STEP扩展至CNC领域，重新定义了CAD/CAM与CNC之间的接口，如图9所示。它要求数控系统直接使用符合STEP标准的CAD三维产品数据模型（包括几何数据、设计和制造特征），加上工艺的信息和刀具信息，直接产生加工程序来控制机床。要求具有更顺畅的操作、更高的生产效率、强大的工厂管理支持、更好的客户化功能扩展、多通信协议支持。可采用云数控系统，如图10所示。

图9 STEP扩展至CNC领域

图10 云数控系统

（2）对设备提出了如下要求

智能机械加工工厂对机床的要求是能够接入互联 络，能够实时向 络提供自身的相关信息（如：运行状态、工作内容、工艺数据、工作进度等），能够从 络接受所需的各种数据（如：加工程序、生产计划、工艺数据、生产准备信息等），通过智能化的功能最大程度减少生产准备工作内容，具有一定的自适应功能，具备自我诊断的能力。

1)机床装备高端化主要包括高速高精加工，加工过程自动化(机器人取代操作工人)，车间物流自动化(AGV自动配送混流物料)，产品检测自动化(生产现场非接触光学自动检测、系统采集数据，及时反馈结果)。将数控机床接入企业信息化 络，连接CAD/CAM、MES、ERP、PPS以及PDM等信息化软件，如图11所示。

图11 智能数控机床

2)工艺数字化(图12)

图12 工艺数字化

3)生产柔性化(图13)

图13 生产柔性化

4)过程可视化

如图14所示，实时上传：数控机床、 机器人 、 RFID料盘 、 AGV 、 RGV 等各种设备数据， 物料数据及生产状态数据；指令下发：生产与物料指令 、工艺数据、 质检标准等下发至设备。增强现实技术等先进技术在智能制造中得到应用，如图15所示。

图14 过程可视化

图15 增强现实技术在智能制造中得到应用

5)信息集成化

要求有虚拟服务器与海量信息存储处理能力，车间信息集成 络，具有一 到底实现所有信息采集与集成功能。

6)决策自主化

具有企业管理自决策，生产管控自组织，制造过程自执行，设备状况自检测等。

7)数控装备具有智能化，如图16所示。

图16 数控装备具有智能化

8)自主机器人

如图17所示，自主机器人应具有机器人自主导航(Robot navigating autonomously)、按生产需要调整机器人路径(Robot path adjusted to production needs)、机器人路径不受轨道限制 (Robot path not limitedby rails）、生产流程易于再规划（Easyre-planning of production flow）、为机床服务（Machinetool world），比如将刀具送到机床上（Bringcutting tools to the machine）、将毛坯送到机床上（Bringraw pieces to the machine）。

图17自主机器人

2.车间层面

对于车间层面来说，基于云系统的信息平台能提供贴身的管家式服务，无论何时何地，无需冗长的 告，只需点击终端，所有信息尽在掌握，如图18所示。

如图19所示，基于云系统的维护平台提供远程故障诊断服务，自动发送故障提醒短信， 支持基于地理位置的故障 修，专家远程在线检测，轻松完成系统诊断、升级、备份、恢复。重点是以下工作。

图18 云管家

图19 云维护

基于云端强大的服务器资源和专业软件的增值服务，在编程、工艺、优化的专有功能，可以将“特色应用” 有偿共享给所有其他用户，使数控系统更智能、更专业。如图20所示。

图20 云智能

1）针对为员工提供人性化工作条件的设计标准，如图21所示。

图21 标准制定

2）云平台的建立

利用控制信息、传感信息、 络信息，实现从数控设备的运行、加工、操作和编程等环节中，替代人脑，完成工作。包括：智能管理、智能调试、智能补偿、智能加工、健康保障、 络销售平台等，如图22所示。

图22 云平台的建立

3）云数控服务平台

如图23所示，利用远程监控管理手机APP智能管理、远程监控车间。

图23云数控服务平台

3.企业层面

(1)组成

智能制造工厂是基于信息物理融合 （CPS）的智能系统,采用更标准化、智能化的媒介和载体结构减低复杂性；实现实时柔性制造和生产过程智能化。基于实时生产仿真模型和集成化制造管理系统，实现人工智能化动态生产决策；基于知识和虚拟仿真系统，推理全面满足客户化需求的最佳方案，颠覆传统“厂家生产什么，客户只能买什么”模式。为客户提供价格更低，更开放市场和更多样化产品；跨企业价值链业务集成，构建端到端的价值流，形成新的业务模式。企业的数据平台如图24所示，智能工厂的特征如图25所示，效益如图26所示，组成与建厂步骤见图27与图28。

图24 企业的数据平台

图25 特征

图26 效益

图27 组成

图28 步骤

(2)特征

1)工厂大数据中心

智能工厂的 基本功能、设计要求、 设计模型类标准等总体规划标准；达成智能工厂规划设计要求所需的 仿真分析、协同设计 和 建设实施标准等实施指南标准；基于智能工厂的 工艺流程及布局模型、 生产过程模型和组织模型 等系统建模标准。如图29所示，智能制造的核心是数字化、 络化、智能化。

一是数字化：对工厂中数控机床、机器人、工具、刀具、人等全部制造资源的实时数据采集，实现智能工厂的数字化；

二是 络化：通过对实时数据的 络化传输，在大数据中心中汇聚、储存和管理，建立了智能工厂的“数字双胞胎”；

三是智能化：在描述智能工厂“数字双胞胎”的大数据中心之上，使用了PLM、CAPP、MES、ERP等智能工厂信息化管理软件，以及基于大数据的工艺优化、断刀检测、健康保障等智能化软件模块，提高生产效率、生产质量，实现了智能化。

形成形象交互的3D虚拟车间,如图30所示。3D可视化支持CATIA、PRO/E、UG等多种数据文件无需转换的直接浏览，实现3D图形、工艺直接下发到现场，实现了生产过程的无纸化生产管理，如图31所示。

图29 工厂大数据中心

图31 无纸化生产管理

2）智能制造时代的经营战略

随着智能制造的推进，我们的竞争战略与制造模式将会发生很大的变化，需要向定制化（消费端就是个性化）、聚焦化、协作化、全球化的“新四化”方向发展。

3）六维智能工厂理论(图32)

图32 六维智能工厂理论

4)平台化与智能化的MES系统(图33)

图33 智能化的MES系统

5）智能化的生产资源管理，优化库存，减少浪费，如图34所示。

图34 生产资源管理

6）质量管控智能，生产工艺参数的实时监测、动态预警通过设置设备加工过程中相关工艺参数的技术指标（范围限值），对加工过程进行实时的、动态的、严格的工艺控制。结合企业的产品二维码信息，通过每个工件的唯一标识，在系统内部可以查询到，生产该产品时所采用的工艺参数及机床状态等信息，便于质量的追溯，如图35所示。

产品的质量取决于生产过程对工艺的严格管控。对工序过程的主要工艺参数与完工后的产品合格率进行综合分析，为技术人员进行工艺改进提供科学、客观的参考数据，如图36所示。

图35 工艺参数及机床状态等信息

图36 变化趋势

7）智能化的决策支持目视化管理，提供各种直观的统计、分析 表，为相关人员决策提供帮助，包括计划制订情况、计划执行情况、质量情况、库存情况等，如图37所示。

实现用户在手机、IPAD等移动设备上对现场生产情况、设备运行情况、质量情况的数据浏览、异常处理，如图38所示。

图37 智能化的决策

图38 移动设备上对现场生产情浏览

4. 会层面

智能制造工厂不仅是自动化，而是在数字化基础上的资源、技术、信息、组织和人文的全面集成。传统工厂的不同点首先在于生产流程的可视化和管理的透明度，看得见、易理解沟通，才能高效率、高质量。工厂的运维是动态的，未来工厂的“健康”状态是可预测和有预案的，有备无患。工厂是智能化的，具有自主管理和自优化的能力，能够适应客户需求和外界环境的变化，如图39所示。

互联共生不仅体现在 络连接，更重要是相互依存的共享业务关系。互联共生工厂需要工业互联 平台支持，以连接各种形式的服务提供者。生产不是孤立的与城市环境、供应链和电 相互配合，才能提高资源利用效率，发挥共生效应，如图40所示，其软件结构如图41所示。

图39 会层面

图40 互联共生

图41 软件结构

5.用户层面

(1)应用过程

1)创建 / 准备任务单(图42)

图42 创建/准备任务单

2)设置预调工件并分配RFID芯片(图43)

图43 分配RFID芯片

3)将托盘装入生产单元中，进行自动化生产,如图44所示。

图44 自动化生产