车间生产过程数字孪生系统应用

车间是制造业的基础单元，实现车间的数字化和智能化是实现智能制造的迫切需要。随着信息技术的深入应用，车间在数据实时采集、信息系统构建、数据集成、虚拟建模及仿真等方面获得了快速的发展，在此基础上，实现车间信息与物理空间的互联互通与进一步融合将是车间的发展趋势，也是实现车间智能化生产与管控的必经之路。

5.3.1　车间生产过程数字孪生系统体系架构

5.3.1.1　体系架构

生产车间是一个多技术的复杂组织体，在数字孪生五维结构的基础上，车间生产过程数字孪生系统如图5-14所示。

图5-14　车间生产过程数字孪生系统体系架构

（1）物理实体层。

物理实体层是车间的主体，主要包括机器人、机床、专用加工设备、人员、自动导引运输车（AGV）、传送带、立体仓库以及产品/零部件等实体，以及能够进行数据采集与通信的工控机、可编程逻辑控制器（PLC）、传感器、射频识别（RFID）读写器等功能部件。它们有机结合，实现了对产品的加工、装配、运输和仓储等生产活动。

（2）孪生模型层。

孪生模型层是数字孪生技术的核心。孪生模型由孪生数据和数字模型构成，其中数字模型是车间对象实体的映射，是车间实体几何等物理特征的真实写照；孪生数据由车间实体产生，将孪生数据与数字模型有机结合形成孪生模型。孪生模型是对生产现场的数字化重建，旨在在虚拟的数字空间内映射实体空间的生产活动，包括实体形状、位置、动作及其相互关系。孪生模型层主要实现车间生产活动在数字空间内的虚拟再现、分析、优化以及决策等功能。

（3）功能层。

功能层面向用户，通过孪生模型在数字空间内进行生产实时映射，实现多角度的三维实时监控，同时利用虚实交互过程中的大量孪生数据来实现生产过程优化决策。

根据上述构建的车间生产过程中的数字孪生系统体系构架，可实现功能层的功能，孪生数据的获取、数字模型的构建以及物理实体层车间生产运行的实时映射。

5.3.1.2　关键技术

（1）车间运行过程数字孪生模型的建立需要构建统一的逻辑结构，面对不同的物理实体类型和多样化功能，以及实体产生的数据，构建出数字空间中的孪生模型。

（2）物理实体多源异构孪生数据采集车间底层存在大量来自不同技术和生产厂家的产品和设备，各家厂商多类型设备的接入、数据类型解析和格式均不统一。目前，工业互联网常用的多源数据获取技术包括基于OPC的统一架构（OPC-UA）、Modbus等。为了保证孪生模型与现场的实时交互，稳定、迅速、安全的数据采集方式尤为重要。因此，多源异构孪生数据采集技术是数字孪生系统实现的基础。

（3）车间生产运行实时映射。数字孪生体对实体的实时动作、行为和状态的映射是数字孪生技术的基础应用。与传统对生产现场数据的统计分析相比，通过对孪生体的实时监控可以提供更全面、透明、多层次的视角；车间生产运行实时映射通过利用实时数据实现车间多种设备动作的驱动、工件位置状态的变化、故障预警及调度规划等功能。因此，车间生产运行实时映射是生产过程虚实融合的最终目的，为车间生产过程的监控与优化提供基础服务。

5.3.2　车间生产过程关键要素数字孪生建模与实现

5.3.2.1　车间生产过程关键要素数字孪生建模

在生产制造过程中，参与生产的关键要素分为产品/零部件（物料）、设备、人员等，同时生产环境影响着生产，因此车间生产过程数字孪生模型统一描述为：

DTws=DTequip∪DTprod∪DTpers∪DTenv

式中：DTws为车间生产过程数字孪生模型，DTequip为设备数字孪生模型，DTprod为产品数字孪生模型，DTpers为人员数字孪生模型，DTenv为环境孪生模型。

（1）车间的设备具有加工、运输以及存储产品和物料的功能，是工业生产中的常用作业设备，如工业机器人、专用加工设备、AGV、堆垛机等，为完成孪生模型对物理实体的真实映射，首先必须确保模型的三维尺寸、行为与实体的高度一致。同时，为能够实时获取实体数据，孪生模型需要建立虚实通信控制接口；为完成其行为，需定义相关的虚拟服务。因此，设备数字孪生模型定义如下：

DTequip={FunctionM，VRInterface，VService}

式中：FunctionM为功能模型，数字空间要根据实体设备建立对应功能的孪生模型，保证二者在几何尺寸、物理结构关系、运动特性等方面的一致性。

VRInterface为虚实通信控制接口，为实现模型间的数据交互和实时数据的驱动，孪生模型要根据运行驱动数据建立通信信号接口。因此，数字空间内部需具有灵活的信号通信机制，利用PLC，RFID，HTTP接口与实体进行实时通信。

VService为虚拟服务，功能模型的有机连接与运行需要各种虚拟服务的支撑，包括设备功能的实现、信号的处理、模型行为的指导、运行规则的约束等。

（2）在不同的工艺阶段，产品对应着不同的几何形态，并伴随着订单、编码和质量等全生命周期信息；产品/零部件等信息可利用信息数据接口保存于数字空间每个产品的虚拟标签中，同时根据其工艺数据驱动产品/零部件的几何状态来演变。因此，产品/零部件数字孪生模型定义如下：

DTproduct={StructM，IInterface，SService}

式中：StructM为产品/零部件三维几何模型，IInterface为信息数据接口，SService为状态演变服务。

（3）生产过程的人员孪生主要体现在人员动作和空间位置两方面，通过三维结构模型映射人体结构，利用定位/动作数据接口获取物理空间的实体空间定位和关节动作数据，利用活动监控服务驱动数字模型的动作及位置的更新。因此，人员数字孪生模型定义如下：

DTperson={StructM，LMInterface，VService}

式中：StructM为人员三维结构模型，LMInterface为定位/动作数据接口，VService为活动监控服务。

（4）对于生产环境，其孪生模型以虚拟标签标识，通过传感器进行环境数据的获取，以量化的形式进行显示。

5.3.2.2　车间生产过程要素孪生建模实现

（1）设备孪生建模实现。

①工业机器人。工业机器人在车间现场承担着加工和搬运的功能，根据上一节建立的统一模型，FunctionM功能模型包括机器人三维模型，数字空间的位置信息以及机器人行为；VRInterface虚实通信接口包括关节数据接口、末端执行器数据接口、状态数据接口；VService虚拟服务通过获取的实体空间数据，利用运动控制及信号处理服务进行机器人动作以及状态的更新。

工业机器人数字孪生模型实现概念示意图如图5-15所示，首先实体构建三维几何模型，导入数字空间并根据物理位置进行精确定位，其次建立其运动结构。机器人运动结构通常为连杆结构，其运动精准度依赖于实体三维模型的精度以及关节点参考坐标系的定位精度，可对模型的关节旋转中心进行定位与提取，以确保定位精度。在此基础上，根据机器人手册中的参数对机器人运动连杆结构进行精确构建。最后在运动结构的基础上实现机器人的加工行为、故障行为、协作行为等。行为的实现需要利用相应的虚拟服务程序，驱动模型完成对不同信号的功能响应。机器人驱动数据、数据来源与虚拟服务如表5-1所示。

图5-15　工业机器人数字孪生模型实现概念示意图

表5-1　机器人驱动数据、数据来源与虚拟服务

②加工设备。加工设备可以分为专业的数控机床和普通的专用设备。专用设备大多数以平移关节和旋转关节的运动结构为基础，附加特定的作业工具，因此设备的主体部分可以按照简单机器人的方式进行构建。数控机床需要对主传动机构、进给传动机构等进行构建，但考虑到本节面向生产过程，因此可简单对机床开关门进行行为模拟。加工设备等其他要素数字孪生实现概念图与机器人类似，这里不再重复。根据定义的孪生模型，FunctionM功能模型包括加工设备三维模型，数字空间的位置信息以及加工设备行为；VRInterface虚实通信接口包括平移关节数据接口、旋转关节数据接口、工具动作信号接口、机床门动作信号接口以及设备状态接口；VService虚拟服务包括运动控制和信号处理服务，根据物理空间获取到的实时数据实现加工设备动作以及状态的更新。加工设备驱动数据、数据来源与虚拟服务如表5-2所示。

表5-2　加工设备驱动数据、数据来源与虚拟服务

③物流设备。物流设备通常包含AGV、传送带等。AGV包含平面上的平移和旋转动作等，同时其本体上方一般还具有各种移载功能，如用小型传送带来控制货物托盘的进出。传送带用于实现货物在其上方的流动，特殊的传送带可以配合传感器实现对货物的位置控制。根据定义的孪生模型，FunctionM功能模型同样包括三维结构模型、位置信息以及行为；VRInterface虚实通信接口包括空间位置数据接口、移载动作信号接口、启/停信号以及传感器信号接口等；VService虚拟服务包括运动控制和信号处理服务，实现物流设备动作和状态的更新。其驱动数据、数据来源与虚拟服务如表5-3所示。

表5-3　物流设备驱动数据、数据来源与虚拟服务

④仓储。立体仓库是现代化仓储的典型代表，由静态的货架、托盘和负责动作执行的穿梭机、堆垛机等组成，通过对库存信息和调度信息的处理，实现零部件的出库和成品的入库。根据实际库存信息对库位上的货物进行动态调整，根据实际调度数据控制穿梭车/巷道机的动作。仓储数字模型定义如下：FunctionM功能模型同样包括三维结构模型、位置信息以及行为；VRInterface虚实通信接口包括巷道机/穿梭机驱动数据接口、库存信息数据库接口、出库/入库信息接口以及仓储状态接口；VService虚拟服务包括堆垛机调度服务、库存管理服务和信号处理服务，实现立体仓库动作和状态的更新。其驱动数据、数据来源与虚拟服务如表5-4所示。

表5-4　立体仓库驱动数据、数据来源与虚拟服务

（2）人员孪生建模实现。

人员一般通过RFID或者图像识别进行身份及位置定位，在数字空间实现人员位置和人员身份的管控。根据定义的孪生模型，StructM为人员三维结构模型，LMInterface包括空间位置数据接口和身份数据接口，VService包括位置控制程序和信号处理程序。其驱动数据、数据来源与虚拟服务如表5-5所示。

表5-5　人员驱动数据、数据来源与虚拟服务

（3）产品/零部件孪生建模实现。

产品/零部件在车间生产过程的数字孪生中处于弱化地位，主要用于映射产品/零部件在生产过程中的流动，以数字几何模型以及不同工艺阶段的虚拟生产信息来实现。一方面随着生产过程的进行，其几何外形发生相应的变化，另一方面产品相关的订单、编码、质量等全生命周期信息在孪生世界以虚拟标签显示。根据定义的孪生模型，StructM同样包括产品/零部件三维结构模型；IInterface获取其他系统，如制造执行系统（manufacturing execution system，MES）的订单信息、质量信息等，以及可编程逻辑控制器（PLC）中的加工工艺信号等；获取这些数据后，由SService中的状态演变程序驱动几何外形变化以及虚拟标签信息的更新。其驱动数据、数据来源与虚拟服务如表5-6所示。

表5-6　产品/零部件驱动数据、数据来源与虚拟服务

5.3.3　车间生产过程物理实体实时数据获取

（1）基于OPC-UA的数据通信网络架构。

车间工业现场存在大量来自不同技术和生产厂家的设备，其接口协议等各不相同。因此，为面向异构的设备，解决数字孪生车间中虚实数据交互与融合的问题，需要建立统一的标准化虚实通信框架和协议。而OPC-UA支持复杂数据内置、跨平台操作，提供统一的地址空间和服务，被应用于工业控制系统、制造执行系统以及企业资源计划（ERP）中，从而促进服务系统与控制系统的连通性［83］。鉴于车间大多设备支持OPC协议，为解决车间异构物理实体数据获取问题，本节提出了基于OPC-UA的车间生产过程数字孪生系统数据通信网络架构，如图5-16所示。在该数据通信网络架构中，UA服务器置于车间生产控制系统如工控机上，与可编程控制设备、数控机床、工业机器人、RFID读写器等现场设备之间通过现场总线或工业以太网连接，获取以上设备控制部件如PLC、传感器等I/O端口数据，从而实现车间底层设备数据采集。OPC-UA服务器汇总现场数据和设备信息后，将其转换为支持OPC-UA协议的数据，经过数据管理与逻辑运算为UA客户端提供相应的服务。车间生产过程数字孪生系统作为OPC-UA客户端，从服务端获取相应的实时数据进行数据的读取、写入、存储以及分析计算等，在此基础上可驱动各类要素模型，更新各类要素实时生产数据，进一步进行统计分析以及智能决策等。

（2）数据采集模型构建与现场数据获取。

图5-16　数字孪生系统数据通信网络架构

UA服务器连接着数控机床、工业机器人、RFID读写器等现场设备的控制部件，所有底层数据均由其统一获取。因此，为方便快捷地获取各类实体的数据，需要对实体对象进行数据采集模型的构建，本节采用对象与节点的建模方法。而在各实体中，采集工业机器人的数据相对较复杂，因此，本节以配有机器人控制器、其上安装吸盘式末端执行器、对物料进行吸取的六关节串联型机器人为例，进行服务器端工业机器人的数据采集模型的构建。根据孪生系统的数据获取需求，构建的机器人数据采集模型如图5-17所示。整个机器人模型由6个关节、控制器和末端执行器8个部分构成。每个关节包含关节角、电机速度、电压、电流和温度等参数；控制器包含工作温度、电源状态及一系列的输入/输出（Input/Output，I/O）端口信号控制；末端执行器包含动作信号位置、姿态。

图5-17　六关节串联型机器人数据采集模型

其他车间要素数据采集模型构建与此类似，UA服务器运行时，将生产过程中所有要素的源数据进行整合管理，并对客户端提供服务接口；而生产过程数字孪生系统作为OPC-UA客户端，场景中所有模型的模拟变量（属性或者信号）以同样的节点层次关系形式组织，通过遍历服务器获取现场设备的所有节点数据。即将模拟变量与服务器变量一一建立连接变量对，完成客户端对服务器节点数据的读取。由于生产系统中的部分信号是短脉冲的形式，轮询方式容易造成信号变化无法捕捉，因此为了提高孪生模型对信号的响应速度，客户端对连接变量的更新采用“变量有变化时更新”的方式。通过上述方法，即可实现孪生模型对现场数据的实时获取。

5.3.4　车间生产运行实时映射

5.3.4.1　映射主体

数字空间对物理空间的映射是数字孪生技术虚实交互应用的基础。实现实时映射后，在数字空间中对实时生产状况的分析与优化将比传统方式更实时、更便捷、更多维，也是“以虚控实”的实现基础。

数字空间与实体空间的映射与交互主要分为五个部分：

（1）产品是生产线的核心，从零部件出库到成品入库的整个生命周期都由实际生产数据驱动，完成产品的演化。产品的工艺数据、质量数据等动态存储于虚拟产品的标签中，伴随了产品的全生命周期。

（2）设备对生产线中机器人、AGV、加工设备等各种设备的动作、空间位置、运行状态进行实时映射，完成每个工位的加工。

（3）人员可以实时映射人员身份、位置等信息，对人员进行可视化管理。

（4）系统可以实时映射生产计划进度、作业计划进度、工序进度等信息，其中库存状态、物流情况、加工工位的流程、在制品数量等信息均可由数字空间进行目视化分析与管理。

（5）环境可以实时显示车间当前加工环境参数信息以及一段时间内车间环境参数的变化情况，并能够依据制造工艺需求对环境参数进行预警。

5.3.4.2　驱动数据逻辑配合

为了实现数字空间对物理空间的同步运行，需要从现场获取大量驱动信号和数据，以对数字空间中各个层级进行有效的数据驱动。而数字空间的信号逻辑与物理系统的信号逻辑不尽相同，为了利用实时数据驱动模型的高度拟真化运行，需要对数据和信号进行各种方式的逻辑处理。模型数据或信号一般以布尔型、整数型、实数型和字符串型四种形式存在，其中布尔型可连接实体设备的I/O端信号、气缸的开合信号等高低电平状态的信号；整数型可以连接没有精度要求的浮点型、状态数据等；实数型对应着高精度要求的关节角、气缸值、监测数据等；字符串型可根据自定义的格式接收灵活的数据。

数字空间的驱动数据主要可分为4类：

（1）运动驱动数据，如机器人的关节角、AGV的坐标位置、气缸值等，这类数据可以直接利用生产中对应的实时数据驱动。

（2）动作数据，动作信号在数据变化至特定值时触发虚拟世界相应的回应，例如机器人末端执行器的抓取信号、传送带的正反转信号、气缸的动作信号等。这里的布尔信号在物理世界中通常为两种形式：①脉冲形式的变化；②高低电平状态信号，需要利用虚拟服务程序对信号量的变化进行捕捉，在对应的时刻触发对应的动作。

（3）状态数据，状态信号对应着工件、设备、环境等的状态信息。例如立体仓库的库存信息需要根据库存状态信息进行更新，同时需要通过设备的状态信息进行数据统计与分析。

（4）指令数据，指生产线各个系统和模块的生产控制指令。数字空间需要根据指令含义进行解析和转化，控制数字空间的运行。根据数字空间的映射主体和驱动数据分类，车间生产运行实时映射逻辑结构如图5-18所示，通过对物理空间的驱动数据进行处理后作用于孪生模型，数字空间内部的各种虚拟服务程序以多线程并行的方式实现虚拟空间中产品、设备、人员、环境以及系统的映射。在此基础上实现生产过程全三维监控以及孪生数据分析，从而进一步优化生产与智能管控等。

图5-18　车间生产运行实时映射逻辑结构

数字空间的实时映射运行过程如下：

①初始化由于系统启动时间的不确定性，孪生模型在系统运行时首先需要从多个维度进行初始化，与实体空间状态进行匹配。其中包括：仓储的初始化，立体仓库货物状态需要按照实时的库存数据库信息进行当前存储状态的初始化；设备运动位置的初始化，机器人、AGV等的运动位置应在启动时迅速与物理实体达成一致；在制产品与零部件的位置、加工信息的初始化及环境状态的初始化等。

②实时映射数字空间同步初始化后，根据驱动数据对产品、设备、环境和生产过程进行多维的实时映射。生产过程主要体现在从零部件出库至产品入库的整个加工流程中的演变和各种设备的活动与状态。(www.chuimin.cn)

③数据处理在实时映射过程中，对数字空间的运行数据进行统计，并对各种数据进行集成分析，包括对生产异常报警、生产决策等，进而实现对物理系统的优化与管控。

5.3.5　车间生产过程数字孪生系统应用实例

某生产车间进行RFID读写器的存储、加工、装配，其布局、工艺流程及现场如图5-19所示。整个生产线的生产流程为：①立体仓库堆垛机进行出入库作业，采用统一托盘对产品零件和成品进行装载；②AGV取到承载原料的托盘后，送至计算机数字控制（computeri numerical control，CNC）机床对零件进行加工，随后送至装配线的上下料点；③装配线统一采用另一种相同规格的托盘，且每个加工工位各有一个；④在所有工位的托盘就位后，同时开始作业，并在所有工位的作业完成后，同时流出托盘。⑤装配线上下料机器人在每一次作业的时候，首先将装配好的产品取至上料托盘的成品位，随后给装配线上料托盘上料，同时在图5-19中标识8处完成印制电路板（printed circuit boar，PCB）装配至下盖的工作；⑥上完料的托盘在装配线上流动一圈后完成产品的装配和加工作业，重新流至上下料点；⑦AGV将成品运回至立体仓库，连同托盘一起送至仓库中。根据上述生产线的工艺流程以及本章提出车间生产过程数字孪生系统实现方法，采用芬兰的工业机器人仿真软件Visual Compenents进行数字模型建模，利用OPC-UA技术进行通信网络构建与现场设备等各要素的数据采集，最后通过实时映射实现生产过程的三维监控等。主要实现过程如下：

（1）孪生模型构建。

根据3个工业机器人、6个加工专用设备、2个上下料输送装置、环形传送带、立体仓库与巷道机、2个AGV等实体设备建立对应功能的孪生模型，保证孪生模型与实体在几何尺寸、物理结构关系、运动特性等方面的一致性。根据运行逻辑和实体数据建立模型的内部与外部通信控制信号接口，实现模型间的数据交互和外部实时数据的驱动。通过开发和脚本二次开发建立虚拟服务，实现设备作业控制、状态监控、库存控制与数据统计等功能，支撑功能模型的有机连接与运行。

（2）OPC数据通信构建。

在车间服务器中构建物理车间UA服务器，利用地址空间找到车间底层的数据源，对关节驱动数据、动作信号、状态信号、仓储调度信号、报警信号等数据源进行数据模型的构建，支持外部标准OPC客户端的数据获取。数字空间通过OPC通信接口与建立的UA服务器进行链接，建立该生产过程共计126个数据通信变量对，实现生产现场各要素实时数据的采集，数据扫描周期设定为50 ms，确保较短的数据通信延迟。

图5-19　生产线工艺流程与现场

（3）实时映射构建。

利用建立的虚拟服务对数据进行逻辑处理，以实时数据驱动模型的高度拟真化运行，实现设备的作业状态、仓储状况、物流状态与实际生产线一致，产品RFID读写器进行真实的装配几何变化。通过对采集的数据进行持续的计算与统计，对关键监控与统计数据进行可视化展示。某时刻生产线整体视图以及现场大屏监控如图5-20所示，生产线工位设备状态的监控如图5-21所示。

图5-20　生产线整体视图及现场大屏监控

图5-21　生产线工位设备状态的监控

5.3.6　基于数字孪生的车间管控系统

传统的车间管控系统主要由制造执行系统、数据采集与监控系统、生产线控制系统、单元控制系统组成，以实现管理的信息化和生产的自动化为核心目标，生产决策主要由技术专家来做，软件系统只起到辅助决策作用。智能工厂要求管控系统能够在制造过程中进行智能活动，尽可能地取代技术专家在制造过程中的脑力劳动，把生产管控变得更加智能化、柔性化和高度集成化。传统车间管控系统相比智能工厂对车间管控系统的要求，主要存在以下问题：缺少仿真分析和自主决策机制，并且在传统信息化体系架构下，很难融入仿真分析和自主决策机制；缺少车间信息模型和仿真分析模型，既不能有效支撑生产过程仿真分析，又不能以模型为载体形成工业大数据；传统车间管控系统耦合度高，不具备柔性生产管控能力，不易于新一代信息技术的融入；生产过程可视化程度不高。

车间管控系统作为传统工厂向智能工厂升级的重点技术改造对象，可以通过数字孪生与车间管控系统的深度融合，实现车间的智能管控，最为关键的是数字孪生的引入可以使传统的车间管控系统更加具有开放性和可扩展性，易于新一代信息技术的融入，例如工业大数据和人工智能等。

（1）数字孪生车间设备健康管理［21］。

数字孪生车间的设备健康管理方法主要包括基于物理设备与虚拟模型实时交互与比对的设备状态评估、信息物理融合数据驱动的故障诊断与预测，以及基于虚拟模型动态仿真的维修策略设计与验证等步骤。基于数字孪生技术，能够实现对车间设备性能退化的及时捕捉、故障原因的准确定位以及维修策略的合理验证。

（2）数字孪生车间能耗多维分析、优化与评估。

在能耗分析方面，信息物理数据间的相互校准与融合可以提高能耗数据的准确性与完整性，从而支持全面的多维多尺度分析；在能耗优化方面，基于虚拟模型实时仿真可通过对设备参数、工艺流程及人员行为等进行迭代优化来降低车间能耗；在能耗评估方面，可以使用基于孪生数据挖掘产生的动态更新的规则与约束对实际能耗进行多层次多阶段的动态评估。

（3）数字孪生车间动态生产调度。

数字孪生能提高车间动态调度的可靠性与有效性。首先，基于信息物理融合数据能准确预测设备的可用性，从而降低设备故障对生产调度的影响；其次，基于信息物理实时交互，能对生产过程中出现的扰动因素（如设备突发故障、紧急插单、加工时间延长等）进行实时捕捉，从而及时触发再调度；最后，基于虚拟模型仿真可以在调度计划执行前验证调度策略，保证调度的合理性。

（4）数字孪生车间过程实时控制。

对生产过程进行实时全面的状态感知，满足虚拟模型实时自主决策对数据的需求，通过对控制目标的评估与预测产生相应的控制策略，并对其进行仿真验证。当实际生产过程与仿真过程出现不一致时，基于融合数据对其原因进行分析挖掘，并通过调控物理设备或校正虚拟模型实现二者的同步性与双向优化。

5.3.7　基于数字孪生的车间建模

航天结构件制造过程属于典型的多品种、小批量的离散制造模式，生产过程复杂，因此要从“人—机—物—环”4个方面全面考虑航天结构件制造车间的运行与优化。传统的航天结构件制造车间生产方式具有以下局限：①缺乏对制造过程中物理空间数据与信息空间数据的集成与管理；②车间物理空间与信息空间之间的交互是一个开环的过程，即信息空间单向地指导物理空间的生产。针对以上问题，本节研究了基于数字孪生的航天结构件制造车间建模技术。与传统的建模仿真方法不同，本节提出的产品、工艺与资源数字孪生模型不只关注虚拟模型的仿真数据，更加强调虚实之间的对比分析与交互融合。通过虚拟模型与物理实体之间的交互，精确地仿真物理车间的生产过程，为生产活动提供决策和支持。

传统的航天结构件制造车间的信息集成方式主要为采集车间制造设备的数据，并利用单一的信息系统（如制造执行系统）对车间生产活动进行调控，虽然在一定程度上提高了车间的自动化水平，但是车间信息层与物理层相互独立、一致性差，管控智能化水平低。基于数字孪生的航天结构件制造车间依靠产品、工艺、资源数字孪生模型对车间的生产活动进行仿真模拟，将其分为4层，如图5-22所示。

图5-22　基于数字孪生的车间建模框架

（1）物理层。

对于制造车间来说，物理层主要指车间“人—机—物—环”等客观存在的实体集合，它负责执行车间的生产活动，并提供物理空间的数据，如设备数据、人员信息、环境数据等。

（2）模型层。

模型层是物理层的真实映射，产品、资源、工艺数字孪生模型都包含在模型层。整个模型层具有交互、计算和控制属性，各种模型相互关联、协作，对物理空间中进行的各类生产活动［如产品加工、物料搬运、AGV调度等］进行仿真分析。对于单个制造车间来说，生产环境相对固定，因此数字孪生制造车间主要关注资源、工艺和产品3个方面，采用面向对象的方法，模型层可表示为：

式中，ML为模型层；Prod为产品数字孪生模型；Re为资源数字孪生模型；Proc为工艺数字孪生模型。

资源数字孪生模型的描述方法为

Rej={Re-Type，Re-Name，Re-Id，Re-Loca，Re-Para，Re-Sta，Re-Attr，Re-Rela，Re-Other}

式中，Re-Tyte为资源类型；Re-Name为资源名称；Re-Id为资源标识；Re-Loca为资源位置；Re-Para为资源参数；Re-Sta为资源状态；Re-Attr为资源属性；Re-Rela为资源关系集；Re-Other为资源其他特征。

为区分不同的产品和工艺数字孪生模型，只需用名称（name）和标识（Id）来描述产品和工艺模型，其他的详细参数信息可基于MBD技术定义在三维模型上。

（3）信息层。

信息层为车间的信息管理平台，物理层的底层数据，操作工人的经验（如某关键工序的操作方法），模型层的各类数据、模型、知识、规则都会传输到信息层，并存储到相应的数据库、模型库、知识库、规则库中。信息层中的规则和知识可作为系统层的决策参考直接使用，模型经过封装可被直接调用进行生产活动的仿真优化。信息层存储的数据具有海量、多样、高速、多源异构等大数据特征，依靠车间数据分析处理平台，数据会被分析、整理，作为车间系统层调控生产活动的决策依据。信息层是实现物理层和模型层融合互联的关键，同时信息层数据的共享机制可消除系统层各信息系统之间的通信壁垒。

（4）系统层。

在数字孪生车间内，各信息系统不再相互独立，而是互联协作，实现产品全生命周期数字化管理。通过分析生产车间的实际需求，依靠信息层数据、模型、规则、知识的支撑，系统层进行物理层和模型层的运行调控，具体功能包括车间生产流程优化、设备效率分析、产品加工进度监控等。综上所述，基于数字孪生的航天结构件制造车间可以对产品、资源、工艺实现虚拟化和集成化的协同管理，打造一种新的车间生产模式，为车间生产人员和管理人员提供一种高效的决策方法和可靠的分析模式。

5.3.8　航天结构件制造车间数字孪生空间

5.3.8.1　产品数字化定义

传统的航天结构件制造车间在产品设计阶段和制造阶段分别需要构建不同的模型，且数据管理主要集中在产品的设计阶段，多源模型无法实现数据的传递与共享。数字孪生强调产品全生命周期数据源的一致性，在产品设计阶段定义的模型可向后续阶段延伸应用，保证数字孪生模型对产品描述的准确性。MBD技术的兴起为数字孪生提供了产品设计、制造与服务阶段的数字化制造的信息载体。基于数字孪生的产品制造生命周期数字化定义方法如图5-23所示。

图5-23　基于数字孪生的产品制造生命周期数字化定义

（1）产品设计阶段。

对于航天结构件制造车间来说，新产品的开发很少，因此基于数字孪生的产品设计模式主要是为了优化已有的产品和提高工件检测的效率。根据产品设计性质和目的的不同，将产品设计阶段细分为产品需求分析、产品概念设计和产品详细设计三个阶段。在需求分析阶段，设计人员根据收集产品的历史使用数据、故障数据、工艺人员及制造人员反馈的数据来制订产品需求分析报告；在概念设计阶段，设计人员根据需求分析报告确定产品优化目标，如对产品工艺参数的调整；在详细设计阶段，设计人员在考虑优化目标和设计约束的条件下，利用集成的三维实体模型定义产品的信息，包括几何信息、非几何信息与管理信息；利用该产品模型进行虚拟验证，包括应力分析、疲劳损伤分析、结构动力学分析等。

（2）产品制造阶段。

产品制造模型的构建表现为对设计模型的重构。产品从毛坯到成品需要多道工序，因此产品制造模型是一系列模型的集合，它包括从毛坯模型经过一系列加工过程最终形成零件模型这一过程中所有的中间模型。根据产品加工的工艺路线，在制造阶段会重构多个制造模型，不同的制造模型根据该道工序的加工需求，定义了不同的加工设备信息、工装信息、工艺信息、检验测试信息等，这些非几何信息可通过制造BOM与每个实体模型进行关联。

（3）产品服务阶段。

产品服务阶段为产品全生命周期中的最终阶段，因此该阶段的模型包含上游全部的设计信息和制造信息，并添加了产品的安装数据、使用数据和维护数据，可结合车间的信息系统管理这些数据。产品数字孪生模型具有3种属性：计算、交互和控制。模型的可计算性主要表现为借助仿真工具真实地反映物理产品的状态。模型的可交互性包括两个方面：一是可通过与物理产品的不断交互，不断完善数字孪生模型，提高模型的精确性；二是与其他数字孪生模型（如机床数字孪生模型）之间的交互，完成产品的加工过程仿真。模型的可控制性即通过对产品生命周期中数据的分析，控制物理空间中产品的行为和状态。

5.3.8.2　基于数字孪生的资源建模

制造资源是车间生产活动最基本的执行单元，基于数字孪生的资源建模能够提高车间生产的智能性，为车间的生产人员提供实时的、准确的产品制造生命周期服务。图5-24所示为基于数字孪生的资源建模。在虚拟车间对资源数字孪生模型进行整合与管理，以实现对车间制造资源的智能管控。车间制造资源包括制造人员、数控机床、加工中心、AGV、工业机器人等。通过在航天结构件制造车间搭建物联网络以增强设备的感知能力，实时获取设备的状态信息。如通过机床的可编辑逻辑控制器（PLC）可实时获取温度、转矩、电流、功率等信息，通过加装传感器获得振动信号、切削力信息；通过射频识别技术（RFID）可实时获取AGV的位置；通过条形码可实现数控机床（numerical control，NC）程序与加工工件的关联，从而获得产品的实时加工信息。车间制造资源的泛在感知实现物理车间资源到数字孪生模型的映射。工业总线和数据接口是物理制造资源和资源数字孪生模型之间通信的桥梁，可实现虚实之间的互联互通。同样地，资源数字孪生模型也具有计算、交互、控制3种属性。具体描述如图5-24所示。

图5-24　基于数字孪生的资源建模

（1）可计算性。

通过分析物理设备的实时数据，预测、模拟和监控物理设备的加工过程和行为。如通过采集到的机床主轴转速、切削力、温度和功率，基于神经网络预测刀具的使用寿命；通过构建设备模型，在OpenGL中模拟机床的加工过程。

（2）可交互性。

一方面是指资源数字孪生模型之间的交互，具体表现为模拟设备之间的协作行为；另一方面是指资源数字孪生模型与产品数字孪生模型之间的交互，在虚拟环境中仿真零件的加工过程，利用数控加工仿真系统生成NC代码，在车间内利用条形码关联零件制造BOM并连接NC代码。加工过程中扫描机床上的条形码即可获得零件的制造BOM和NC代码。

（3）可控制性。

当车间接收到多个生产任务时，首先要对资源进行配置。利用已构建的车间资源模型，可根据设备的生产能力，仿真任务的执行过程，规划任务的执行序列，为任务分配权重因子，并不断迭代优化这个过程。可控制性主要表现为规划任务的执行序列，并优化资源的配置。

5.3.8.3　工艺信息的数字化定义

当前的工艺设计模式下产品模型与工艺模型分离，产品模型所包含的信息不能有效地传递到工艺模型，已不能满足车间的智能化生产要求。在基于数字孪生的航天结构件制造车间内，工艺信息的数字化表达与管理是生产现场工艺设计与迭代优化的关键。

产品设计模型即为零件的最终加工状态，因此在制造阶段需要根据工艺路线，创建能够指导生产现场加工制造的工艺数字孪生模型，如图5-25所示。工艺数字孪生模型的构建同样依靠MBD技术，它以工艺信息模型为载体，融合计算、交互和控制属性。工艺信息模型包括制造工序模型、工艺属性信息和资源数字孪生模型3部分，将其表示为：

式中，PIM（process information model）为工艺信息模型；PAI（process attributes information）为工艺属性信息；MPMi（manufacturing produce model）为制造工序模型；RDTj（resource digital twin）为资源数字孪生模型；i为第i个制造工序模型；m为制造工序模型总数；j为第j个资源数字孪生模型；k为资源数字孪生模型总数。如图5-25所示，利用UML（unified modelinglanguage）类图描述工艺数字孪生模型。工艺信息模型以制造工序模型为载体，加工过程中所需的几何尺寸、表面粗糙度、加工要求等信息都定义在制造工序模型中。一个制造工序模型对应工件的一道制造工序和多个加工特征。加工操作是指对加工特征的一次切削加工过程，加工操作所使用的机床、刀具等信息与资源数字孪生模型相关联。工艺数字孪生模型具有交互、控制与计算属性。交互属性表现为工艺模型与资源模型相关联，在虚拟车间中工序模型与相应的刀具、夹具、机床模型交互以完成仿真过程，保证工件的加工质量。控制属性表现为根据生产现场实时反馈的加工参数，进行工艺参数的调整、工艺问题的预测等，以驱动加工过程持续改进。计算属性表现为工艺数字孪生模型可以用来仿真分析以反映产品真实的加工状态，并预测可能出现的质量问题。

图5-25　工艺数字孪生模型

5.3.9　应用与分析

本节以某航天企业结构件加工车间为例，展开基于数字孪生的航天结构件制造车间的应用验证。该车间配有数控车床5台，数控磨床2台，数控镗铣床4台，卧式加工中心2台。车间的加工产品及生产任务如表5-7所示。根据车间的生产任务，进行3种结构件的小批量生产。首先根据车间的布局、设备生产能力、工艺流程和资源状态，利用软件Plant Simulation进行虚拟车间的构建，如图5-26所示。将生产任务输入虚拟车间，配置设备模型的参数，根据制订的生产工艺流程进行仿真活动。目前车间内已有机床数据采集和监控软件，可实现对机床的运行时间、实时状态、加工工件数量的监测。虚拟车间的设备利用率统计分析、产品加工情况等可以以柱状图、统计报表、甘特图的方式实时反馈给车间制造人员。通过对比物理车间与虚拟车间的实时信息，及时调整车间的生产活动，保证高效地进行生产活动。根据定义的产品模型和工艺模型划分每种结构件的详细制造工序，同时传统的粗加工及半精加工采用数控车床和数控镗铣床协作的模式完成。图5-27所示为两种制造模式下加工9件结构件A的设备利用率对比。通过统计分析，可以发现数字孪生加工车间设备利用率有明显的提升。其中，平均值为车间所有设备利用率的平均值。

表5-7　航天结构件制造车间加工产品及生产任务

图5-26　航天结构件制造车间虚拟模型

图5-27　结构件A加工过程设备利用率对比

在数字孪生车间中，机床的分配、零件的加工顺序、工艺规划已经在虚拟车间中经过仿真并得到优化，所以物料可通过AGV配送到准确的位置。如图5-28所示为结构件A在两种制造模式下的物流及时率对比。物流及时率可以通过物料能否在一定的时间配送到正确位置进行评价。其中，平均值为加工9件结构件A的物流及时率的平均值。

图5-28　结构件A加工过程物流及时率对比

在数字孪生制造车间中，结构件A的加工计划经过模拟，工艺过程得到优化。在每道工序完成后，都可以利用高保真模型对加工质量进行虚拟验证，因此工件检测和加工可以同步进行，减少了结构件A的加工时间。结构件B和结构件C在两种制造模式下的设备利用率、物流及时率、总加工时间与结构件A的统计分析方法相同，如表5-8所示为两种制造模式下的生产结果统计分析。相比于传统的生产模式，数字孪生制造车间内设备利用率平均提高了16.6%，物流及时率提高了16.6%，总加工时间平均缩短了10.22h。

表5-8　生产结果统计分析

基于数字孪生技术，结合航天结构件制造车间内的产品、工艺和资源进行建模，提出的数字孪生模型融合控制、计算和交互属性，提高了车间生产能力。通过构建航天结构件虚拟制造车间，保证虚实车间的实时交互。通过对比分析物理车间与虚拟车间的数据，及时调整车间的生产活动，有效地提高了车间的设备利用率、物流及时率，缩短了产品的加工时间。