面向航空智能制造的DT與AI融合應用

隋少春，許艾明，黎小華，劉順濤，黃偉

航空工業(yè)成都飛機工業(yè)(集團)有限責任公司，成都 610091

當前中國航空工業(yè)正結(jié)合國家智能制造的發(fā)展契機，推進航空工業(yè)的數(shù)字工程轉(zhuǎn)型，從而顛覆裝備傳統(tǒng)設計-制造-試驗模式，實現(xiàn)向設計-虛擬綜合-數(shù)字制造-物理制造的新模式轉(zhuǎn)變[1]。由于航空產(chǎn)品及其生產(chǎn)制造過程具有研制周期長、跨業(yè)務域(設計、工藝、生產(chǎn)、質(zhì)量、試驗、運維等)、多主體(廠、所、供應商等)、質(zhì)量控制嚴格的特點[2]，導致其生產(chǎn)過程復雜、異常擾動因素眾多，使得傳統(tǒng)制造模式下以人工經(jīng)驗為主的決策控制手段，已經(jīng)難以適應當前航空制造智能化轉(zhuǎn)型發(fā)展的要求[3]。

數(shù)字孿生(Digital Twin, DT)作為連接物理世界與數(shù)字世界的紐帶，是智能制造時代突破性的關(guān)鍵技術(shù)[4-6]。物聯(lián)網(wǎng)[7]、大數(shù)據(jù)[8]、人工智能(Artificial Intelligence, AI)[9]、工業(yè)互聯(lián)網(wǎng)[10]等技術(shù)與制造系統(tǒng)建模、仿真、虛擬現(xiàn)實(Virtual Reality, VR)[11]、增強現(xiàn)實(Augmented Reality, AR)[12]、智能控制等數(shù)字孿生相關(guān)技術(shù)進行有機耦合與集成，使得在虛擬空間中建立平行運行的制造數(shù)字孿生系統(tǒng)成為可能。近年來，以數(shù)字孿生為核心構(gòu)建數(shù)字線索(Digital Thread)[13]，實現(xiàn)航空產(chǎn)品全生命周期過程閉環(huán)管理和關(guān)鍵點智能仿真決策，已經(jīng)成為先進航空制造企業(yè)的發(fā)展戰(zhàn)略。美國國家航空航天局(National Aeronautics and Space Administration, NASA)[14]在2012年發(fā)布“建模、仿真、信息技術(shù)和處理”路線圖，數(shù)字孿生概念正式進入公眾視野[15]。此后，美國空軍在2013年發(fā)布《全球地平線》，將數(shù)字線索和數(shù)字孿生并列視為“改變游戲規(guī)則”的顛覆性機遇，并在2014年開始組織洛·馬、波音、諾·格等公司開展應用研究。自此，數(shù)字孿生理論與技術(shù)體系初步建立，美國國防部、NASA以及西門子等公司開始接受這一概念并對外推廣。

目前數(shù)字孿生相關(guān)技術(shù)的應用主要集中在通過物聯(lián)網(wǎng)技術(shù)和虛擬現(xiàn)實、增強現(xiàn)實等可視化技術(shù)，實現(xiàn)對物理系統(tǒng)的感知和數(shù)字空間呈現(xiàn)，實現(xiàn)制造系統(tǒng)的透明化。孟松鶴等[15]闡述了數(shù)字孿生在航空航天領域應用的關(guān)鍵技術(shù)，給出了數(shù)字孿生在空間站、可重復使用飛船的地面伴飛系統(tǒng)中的初步應用框架。李浩等[16]探索了基于數(shù)字孿生的復雜產(chǎn)品設計制造一體化開發(fā)的框架及其關(guān)鍵技術(shù)，展示了數(shù)字孿生關(guān)鍵技術(shù)在復雜產(chǎn)品設計制造一體化開發(fā)中的應用場景。劉丹等[17]將數(shù)字孿生應用到再制造作業(yè)流程，探究了基于數(shù)字孿生的未來汽車再制造作業(yè)模式。趙陽等[18]基于數(shù)字孿生五維模型理論，構(gòu)建了基于數(shù)字孿生的飛機總裝脈動生產(chǎn)線應用架構(gòu)。劉蔚然等[19]為了滿足新的發(fā)展需求，探討了數(shù)字孿生衛(wèi)星的概念、關(guān)鍵技術(shù)和應用場景。

可以看到，上述的數(shù)字孿生模型研究應用仍然在“以虛映實”的階段，如何實現(xiàn)“以虛控實”，支撐智能制造生產(chǎn)模式下復雜制造系統(tǒng)“動態(tài)感知、實時分析、自主決策、精準執(zhí)行”，需要數(shù)字孿生與人工智能技術(shù)進行融合。一方面，匯聚融合到虛擬空間孿生模型中的多維、異構(gòu)制造過程數(shù)據(jù)，可以通過大數(shù)據(jù)與人工智能等技術(shù)手段，實現(xiàn)規(guī)律、知識的實時提取，從而支撐智能決策和精準執(zhí)行，并在人工智能模型中實現(xiàn)知識積累和沉淀，解決長期以來工業(yè)生產(chǎn)中知識積累與傳承優(yōu)化的問題；另一方面，通過人工智能與數(shù)字孿生的深度融合，人工智能模型的分析決策結(jié)果，可以通過孿生模型進行充分的反復仿真和驗證，在虛擬空間中通過仿真分析和實驗，為人工智能決策結(jié)果提供零成本的試錯手段，提升人工智能結(jié)果的可靠性，大幅降低工業(yè)應用中對人工智能模型可解釋性的要求。

目前關(guān)于數(shù)字孿生與人工智能兩者融合應用的研究仍然有限。本文以航空裝備制造的數(shù)字孿生與人工智能融合應用為背景，闡述數(shù)字孿生與人工智能的融合機理，分析兩者融合驅(qū)動航空智能制造的關(guān)鍵技術(shù)，并對其在航空制造領域中的典型應用進行分析。

1 DT與AI的融合機理

制造系統(tǒng)數(shù)字孿生與人工智能融合的要義是：通過虛擬空間數(shù)字孿生模型，實現(xiàn)物理空間多維制造系統(tǒng)到虛擬空間的平行映射，實現(xiàn)制造系統(tǒng)全要素數(shù)字化和虛擬化、全狀態(tài)實時化和可視化，通過虛擬服務現(xiàn)實，協(xié)同交互使其與物理制造系統(tǒng)平行運轉(zhuǎn)，實現(xiàn)以虛控實；通過融入人工智能制造大腦，實現(xiàn)制造系統(tǒng)運行管理的協(xié)同化、智能化，實現(xiàn)數(shù)據(jù)驅(qū)動的系統(tǒng)優(yōu)化迭代。最終形成物理維度上的實體制造系統(tǒng)和信息維度上的虛擬制造系統(tǒng)同生共存、虛實交融，構(gòu)建具有深度學習、自我優(yōu)化能力的制造系統(tǒng)新模式。

如圖1所示，深度思考的信息中樞是數(shù)字孿生與人工智能融合的核心，兩者融合形成的智能制造信息中樞系統(tǒng)，主要由AI大腦和數(shù)字孿生系統(tǒng)兩部分融合構(gòu)成，兩者共同組成控制制造系統(tǒng)高效運行的信息中樞系統(tǒng)，是智能制造系統(tǒng)的智能決策和控制的核心。

圖1 DT與AI融合機理Fig.1 Fusion mechanism of DT and AI

信息中樞系統(tǒng)接受制造系統(tǒng)全域感知信息傳入，經(jīng)處理加工后成為制造系統(tǒng)控制指令輸出，或者形成知識存儲在信息中樞系統(tǒng)中。制造系統(tǒng)信息中樞內(nèi)大量針對不同場景的人工智能算法模型聚集在一起，形成制造系統(tǒng)的分析與決策中心，其主要功能是傳遞、儲存和加工信息，產(chǎn)生各種系統(tǒng)決策信息，支配和控制制造系統(tǒng)的運行。信息中樞系統(tǒng)有一個非常重要的特征，即協(xié)調(diào)與整合。協(xié)調(diào)指整體作用中的各個作用結(jié)合成為和諧運動的過程，整合是指把單獨的、部分的活動變成為一個完整的活動過程，從而最終保障制造系統(tǒng)整體的協(xié)調(diào)運行，實現(xiàn)制造系統(tǒng)的優(yōu)化運行。數(shù)字孿生具有傳導功能，在信息中樞系統(tǒng)中，數(shù)字孿生系統(tǒng)制造系統(tǒng)全域狀態(tài)信息，通過數(shù)字孿生虛實映射，將制造系統(tǒng)狀態(tài)信息傳導至AI大腦；AI大腦形成的決策和控制指令也需要通過數(shù)字孿生系統(tǒng)傳導至物理制造系統(tǒng)，實現(xiàn)精準執(zhí)行，實現(xiàn)以虛控實。

AI大腦存儲著針對不同應用場景的人工智能算法模型，為智能決策提供算法與算力支持，是信息中樞系統(tǒng)知識獲取與存儲的中心。對于制造系統(tǒng)流程優(yōu)化、資源動態(tài)調(diào)度、工藝優(yōu)化、質(zhì)量預測與溯源、設備故障預測與診斷、智能車間自主運行控制等依托人工智能算法的高算力需求的場景，通過調(diào)用在AI大腦建立的人工智能算法模型，進行運算分析與求解，并將結(jié)果輸入到數(shù)字孿生模型中進行仿真分析，依據(jù)效果進行迭代優(yōu)化，從而為制造系統(tǒng)的智能決策提供支持。數(shù)字孿生作為虛擬空間數(shù)據(jù)匯聚與集成的通道，通過匯聚制造系統(tǒng)實時運行狀態(tài)數(shù)據(jù)，展現(xiàn)真實世界運行全貌和細節(jié)。數(shù)字孿生同時可通過規(guī)則模型實現(xiàn)對制造現(xiàn)場的“反射”控制，對于設備重大故障停機控制、物流交接控制、缺件報警、斷刀報警與決策、安全報警與決策等可依靠自動化規(guī)則進行及時處理的事件，可依靠對應數(shù)字孿生模型中建立的規(guī)則模型進行即時反饋與控制。

通過分析數(shù)字孿生與人工智能融合機理可以看出，數(shù)字孿生與人工智能融合驅(qū)動的航空智能制造系統(tǒng)將具有如下特點：

1) 全域感知以虛映實

通過物理制造系統(tǒng)全域感知和面向制造全過程的信息系統(tǒng)平臺，實現(xiàn)制造系統(tǒng)動靜態(tài)全量、多維、多尺度信息的匯聚和加載，實現(xiàn)制造系統(tǒng)虛擬空間的平行映射。

2) 數(shù)據(jù)驅(qū)動智能決策

通過信息中樞，將數(shù)字孿生系統(tǒng)與機器學習、深度學習框架結(jié)合，使系統(tǒng)可以充分利用歷史數(shù)據(jù)、實時感知數(shù)據(jù)、仿真數(shù)據(jù)多重數(shù)據(jù)反饋，對孿生數(shù)據(jù)進行深度知識挖掘，形成各類智能服務，從而提升數(shù)據(jù)價值和事件響應能力。

3) 智能操控以虛控實

基于AI大腦利用深度學習等方法形成的控制策略、優(yōu)化方案、分析模型等，通過在孿生系統(tǒng)中仿真分析與迭代優(yōu)化，利用執(zhí)行機構(gòu)遠程控制指令、參數(shù)修正、消息傳遞等操作，最終反作用于物理制造系統(tǒng)，實現(xiàn)智能決策與精準執(zhí)行。

通過信息中樞可以實現(xiàn)對制造系統(tǒng)全域數(shù)據(jù)進行匯聚、解析、融合、分析、預測、決策、控制的整個處理流程，能夠?qū)崿F(xiàn)數(shù)據(jù)驅(qū)動的制造系統(tǒng)智能決策與控制，并在分析過程中充分考慮機理邏輯、經(jīng)驗規(guī)律、流程關(guān)系等先驗知識，故信息中樞是構(gòu)建智能化制造體系的核心。

2 DT與AI融合驅(qū)動航空智能制造關(guān)鍵技術(shù)

2.1 航空制造系統(tǒng)多維多尺度孿生智能體建模

數(shù)字孿生體是產(chǎn)品生命周期內(nèi)物理世界與虛擬世界交互和融合的紐帶[20]，基于數(shù)字孿生體而進行的仿真、分析、決策、數(shù)據(jù)收集、存儲、挖掘以及人工智能的應用，可以提高物理系統(tǒng)的實用性、可靠性與實時性。面向航空裝備制造的復雜制造過程，構(gòu)建制造系統(tǒng)物理空間、信息空間與業(yè)務空間的多維融合孿生智能體是數(shù)字孿生與人工智能融合驅(qū)動的首要前提[21]。

隨著以智能體(Agent)技術(shù)為代表的自主智能的發(fā)展，為制造系統(tǒng)智能孿生體的建模提供了新的手段。以自主智能技術(shù)為基礎，從時空域兩個維度，在空間維融合數(shù)字孿生技術(shù)構(gòu)建智能制造空間制造資源、制造單元、生產(chǎn)車間、供應鏈孿生智能體模型組件，實現(xiàn)對制造系統(tǒng)縱向維度的多尺度建模；在時間維圍繞制造系統(tǒng)物流、價值流、信息流、業(yè)務流的動態(tài)演變過程，建立以孿生智能體為主體的動態(tài)協(xié)同運作機制，支撐智能制造虛實映射配置建模以及多維復雜時空域下智能制造過程/制造資源/制造系統(tǒng)建模，實現(xiàn)智能制造空間多要素、多業(yè)務、多流程的實時同步仿真與虛實聯(lián)動控制，如圖2所示。

圖2 制造系統(tǒng)孿生多維智能體構(gòu)建Fig.2 Construction of manufacturing system multi-agents

首先通過建立制造系統(tǒng)孿生模型組件，定義不同類型數(shù)字孿生體與制造系統(tǒng)的狀態(tài)感知與控制服務標準接口，構(gòu)建孿生組件與物理制造系統(tǒng)的數(shù)據(jù)交互的能力。如圖3所示，通過融合智能體技術(shù)，構(gòu)建孿生智能體模型組件，通過Agent信息發(fā)布/訂閱消息服務平臺建立孿生智能體之間的信息交互與傳遞機制，圖中虛線代表各智能體之間的相互通信協(xié)商關(guān)系和信息傳遞與交互，通過消息服務平臺，各孿生智能體只能修改自身狀態(tài)信息完成狀態(tài)更新，或者獲取其訂閱的其他孿生智能體的狀態(tài)信息實現(xiàn)信息交互。在制造系統(tǒng)AI大腦的驅(qū)動下，圍繞車間物流、信息流、業(yè)務流的運行形成孿生智能體控制指令，通過制造系統(tǒng)孿生與AI大腦的閉環(huán)仿真決策，將優(yōu)化后的控制指令傳遞至孿生組件，并驅(qū)動物理制造系統(tǒng)的運行。

圖3 基于多孿生智能體的車間智能體系統(tǒng)模型Fig.3 Workshop agent system model based on multi-agents

2.2 DT與AI融合驅(qū)動制造系統(tǒng)優(yōu)化與控制

航空生產(chǎn)制造過程中數(shù)字孿生與人工智能融合應用的目的，是實現(xiàn)對制造系統(tǒng)的主動感知、動態(tài)優(yōu)化和智能決策，通過對航空制造系統(tǒng)的全域優(yōu)化控制，提升航空裝備的快速研制能力與批產(chǎn)能力。在完成制造系統(tǒng)多維多尺度孿生智能體建模的基礎上，如何融合人工智能技術(shù)提升制造系統(tǒng)整體優(yōu)化決策能力是亟待解決的問題。制造系統(tǒng)整體效能的優(yōu)化提升依賴于制造裝備決定的加工制造工藝顯性能力和以產(chǎn)品數(shù)據(jù)管理(Product Data Management, PDM)、計算機輔助工藝設計(Computer Aided Process Planning, CAPP)、企業(yè)資源計劃(Enterprise Resource Planning, ERP)、制造執(zhí)行系統(tǒng)(Manufacturing Execution System, MES)等企業(yè)信息系統(tǒng)為載體的制造系統(tǒng)管控隱性能力，如圖4所示。

圖4 基于孿生智能的制造系統(tǒng)優(yōu)化Fig.4 Manufacturing system optimization based on fusion of DT and AI

一方面，通過構(gòu)建裝備智能孿生體模型，融合物聯(lián)網(wǎng)、深度學習[22]、圖像識別[23]等技術(shù)，在實際加工過程中，利用實時監(jiān)測數(shù)據(jù)動態(tài)更新、優(yōu)化模型，驅(qū)動分析與預測裝備制造過程狀態(tài)，以實現(xiàn)對制造過程的動態(tài)控制[15]，從而提升產(chǎn)品制造加工過程工藝能力。

另一方面，構(gòu)建敏捷、柔性、高效的生產(chǎn)制造系統(tǒng)，推進生產(chǎn)效能的持續(xù)提升，需要高性能的制造裝備，更依賴于制造系統(tǒng)的持續(xù)優(yōu)化與控制，通過在虛擬空間建立基于制造系統(tǒng)孿生智能體的交互協(xié)同機制，以AI大腦為決策中心，建立制造系統(tǒng)資源、任務、流程協(xié)同優(yōu)化機制，實現(xiàn)對制造系統(tǒng)整體的評價、預測、分析及優(yōu)化控制。

最終通過虛實融合驅(qū)動制造系統(tǒng)的仿真與優(yōu)化決策，實現(xiàn)制造系統(tǒng)顯性與隱性能力的持續(xù)提升和制造系統(tǒng)生產(chǎn)效能的螺旋進化。

3 DT與AI融合驅(qū)動的制造系統(tǒng)控制中心

航空裝備生產(chǎn)制造是一項復雜的系統(tǒng)工程，具有跨業(yè)務、多主體、多層級、強耦合的特點，易受各類不確定性擾動因素的干擾，系統(tǒng)運行具有明顯動態(tài)、非線性特征，引發(fā)了復雜制造系統(tǒng)建模、優(yōu)化和閉環(huán)協(xié)同控制的多層次、多維度復雜性問題。如圖5所示，以航空制造系統(tǒng)AI控制中心為核心，建立航空裝備制造系統(tǒng)整體持續(xù)優(yōu)化與閉環(huán)管控體系，是復雜擾動環(huán)境下制造系統(tǒng)能力持續(xù)提升的關(guān)鍵。

圖5 DT與AI融合驅(qū)動的制造系統(tǒng)控制中心構(gòu)建Fig.5 Construction of manufacturing system control center driven by fusion of DT and AI

其主要涉及以下幾個方面的內(nèi)容：

1) 制造過程全要素數(shù)據(jù)建模與融合：從制造系統(tǒng)全要素層，基于全要素數(shù)字孿生，實現(xiàn)制造過程全流 程多維度動態(tài)數(shù)據(jù)采集、分析與融合；通過制造過程等全域信息的同步采集、異構(gòu)集成與全程追溯，建立多維多尺度制造過程數(shù)據(jù)動態(tài)演進信息表達與融合模型，實現(xiàn)制造過程全流程、全要素的數(shù)據(jù)融合與數(shù)據(jù)驅(qū)動。

2) 產(chǎn)品加工過程閉環(huán)控制：從制造系統(tǒng)微觀控制層，基于制造系統(tǒng)數(shù)字孿生，通過建立物理空間制造系統(tǒng)與虛擬空間制造系統(tǒng)交互與融合機制，構(gòu)建面向虛實空間制造系統(tǒng)的控制指令融合驅(qū)動與系統(tǒng)狀態(tài)信息的全域感知模型，實現(xiàn)制造過程的閉環(huán)控制。

3) 制造資源調(diào)配與優(yōu)化：從制造系統(tǒng)中觀控制層，通過建立跨組織制造能力和服務耦合機制，構(gòu)建多層級制造系統(tǒng)孿生組件能力模型和大規(guī)模跨組織資源協(xié)同優(yōu)化調(diào)度模型，實現(xiàn)不確定性復雜環(huán)境下制造過程的資源協(xié)同優(yōu)化。

4) 生產(chǎn)系統(tǒng)全流程優(yōu)化控制：從制造系統(tǒng)宏觀決策層，利用AI驅(qū)動生產(chǎn)系統(tǒng)整體運行分析與優(yōu)化決策，通過生產(chǎn)系統(tǒng)整體運行狀態(tài)演化規(guī)律與預測及基于定量精準調(diào)控機制的生產(chǎn)系統(tǒng)運行決策方法，實現(xiàn)航空裝備生產(chǎn)系統(tǒng)的全流程動態(tài)優(yōu)化控制與運營決策。

4 面向航空智能制造的應用場景分析

4.1 加工制造過程自適應控制

航空大型復雜結(jié)構(gòu)件的加工制造過程具有加工精度要求高、加工變形精確控制難的特點。傳統(tǒng)加工制造過程中加工、監(jiān)測、優(yōu)化控制各階段相互獨立，無法實現(xiàn)制造過程的實時控制優(yōu)化與調(diào)整，難以保障零件加工精度。

通過建立基于數(shù)字孿生與機床孿生智能體的加工、監(jiān)測、控制一體化控制體系，可實現(xiàn)加工過程的閉環(huán)控制，如圖6所示。在加工過程中通過對物理設備加工過程實時狀態(tài)感知，將設備狀態(tài)信息(機床振動、功率、各軸轉(zhuǎn)速、進給速度、當前運行程序等)、刀具狀態(tài)(刀具壽命、切削力、型號等)、工況狀態(tài)(冷卻液、溫度等)、過程質(zhì)量(加工過程中的在機檢測過程質(zhì)量數(shù)據(jù)等)，傳遞至加工過程數(shù)據(jù)孿生體模型，通過工藝過程機理模型實現(xiàn)對加工過程的建模、仿真與加工質(zhì)量預測，并將實時數(shù)據(jù)、仿真數(shù)據(jù)及歷史加工數(shù)據(jù)反饋至機床孿生智能體模型，利用制造過程大數(shù)據(jù)，結(jié)合工藝知識建模、學習和推理技術(shù)，建立加工過程工藝參數(shù)自適應調(diào)整模型，實現(xiàn)工藝參數(shù)的自適應優(yōu)化，并通過數(shù)控(Numerical Control, NC)指令將優(yōu)化參數(shù)反饋至加工設備，實現(xiàn)加工過程整體的閉環(huán)控制，提升零件的加工精度和效率。

圖6 加工制造過程自適應控制Fig.6 Adaptive control of manufacturing process

4.2 智能車間生產(chǎn)過程智能管控

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)及人工智能等技術(shù)在車間生產(chǎn)制造過程中的應用日益深入，正推動車間生產(chǎn)制造過程向自動化、智能化方向發(fā)展。航空裝備生產(chǎn)過程普遍具有加工周期長、價值高、加工難等特點，生產(chǎn)過程涉及環(huán)節(jié)多、資源保障要求高，過程控制難度大。目前以人為管理保障為主的生產(chǎn)管理方式，由于缺乏對系統(tǒng)整體運行的掌控能力，導致生產(chǎn)過程資源保障往往不足，常常因為各類制造資源未能及時到位影響生產(chǎn)過程順利進行，車間生產(chǎn)效率難以提升。

如圖3和圖7所示，通過建立制造系統(tǒng)數(shù)字孿生，實現(xiàn)對制造系統(tǒng)實時狀態(tài)的獲??；通過建立制造系統(tǒng)各要素的孿生智能體模型，打通與物理車間要素的控制決策通道，通過物流管控Agent根據(jù)設備加工任務物料需求驅(qū)動物料AGV小車完成物料配送；換刀系統(tǒng)控制Agent根據(jù)設備加工任務刀具需求驅(qū)動移動換刀機器人完成刀具取放；中央刀庫管控Agent完成中央刀庫刀具出入庫管理與刀具庫存預警；裝卸區(qū)管理Agent完成零件裝卸任務管理；智能加工生產(chǎn)線Agent完成零件的自動化生產(chǎn)加工；通過建立Agent神經(jīng)中樞實現(xiàn)各要素Agent之間的信息交互。

通過在AI控制中心構(gòu)建基于多Agent的車間生產(chǎn)過程智能管控中心，在接收數(shù)字孿生反饋的制造系統(tǒng)狀態(tài)的基礎上，完成對各類制造要素的動態(tài)調(diào)配，并將控制指令通過神經(jīng)中樞轉(zhuǎn)換，形成對各要素Agent的驅(qū)動控制，從而驅(qū)動孿生系統(tǒng)完成仿真運行，并將仿真結(jié)果反饋至AI控制中心實現(xiàn)閉環(huán)優(yōu)化，如圖7所示。由各要素Agent生成驅(qū)動控制指令，驅(qū)動物理制造系統(tǒng)的運行。最終實現(xiàn)從生產(chǎn)線生產(chǎn)任務接收、計劃排程、動態(tài)調(diào)度，到設備、物料、刀具、NC程序等制造資源的實時調(diào)配，保障制造資源的精準調(diào)配和生產(chǎn)過程的實時控制與反饋，降低工廠生產(chǎn)管理的難度和生產(chǎn)成本，提高設備利用率與生產(chǎn)效率。

圖7 智能車間生產(chǎn)過程自主協(xié)同F(xiàn)ig.7 Independent collaboration of production process in intelligent workshop

4.3 制造過程資源調(diào)度與優(yōu)化決策

航空制造系統(tǒng)的資源調(diào)度與優(yōu)化決策問題，是一個復雜系統(tǒng)的優(yōu)化與控制問題，其復雜性體現(xiàn)為

1) 系統(tǒng)組成復雜。系統(tǒng)既包括控制設備、加工設備、物流設備、倉儲設備、輔助設備等硬件實體，又包括生產(chǎn)工藝流程、生產(chǎn)管理規(guī)范等軟件實體。

2) 組織結(jié)構(gòu)復雜。分層遞階是離散制造系統(tǒng)的本質(zhì)屬性，系統(tǒng)包括單臺設備、生產(chǎn)單元、生產(chǎn)線、生產(chǎn)車間、供應鏈等各個層次，生產(chǎn)組織關(guān)系、物流組織關(guān)系復雜。

3) 運行機制復雜。在批產(chǎn)與研制模式并存的生產(chǎn)模式下，要求系統(tǒng)具有更高的生產(chǎn)柔性和可重構(gòu)性以適應多樣化、定制化的用戶需求。

如圖8所示，針對航空裝備生產(chǎn)復雜制造系統(tǒng)多級計劃動態(tài)協(xié)同調(diào)度問題，通過研究復雜離散制造系統(tǒng)從物理空間到虛擬模型空間的映射，模擬現(xiàn)實系統(tǒng)運行機制，實現(xiàn)產(chǎn)前預演、產(chǎn)中同步運行監(jiān)控及產(chǎn)后評價；通過與AI控制中心的融合，實現(xiàn)制造過程數(shù)字化、透明化和可視化；通過研究基于多智能體等分布式人工智能的協(xié)商調(diào)度機制和基于超啟發(fā)式與群體智能的優(yōu)化策略，建立基于AI控制中心的制造資源調(diào)度與優(yōu)化決策機制，形成大規(guī)?？缃M織強耦合下的不確定性制造應用流程協(xié)同優(yōu)化調(diào)度機制和關(guān)鍵技術(shù)，實現(xiàn)多擾動因素背景下包括生產(chǎn)計劃、物流計劃、檢驗計劃等的多主體計劃協(xié)同調(diào)度與優(yōu)化，根據(jù)航空裝備制造過程不同類型任務特征，構(gòu)建調(diào)度模型庫，開發(fā)典型情景的自適應調(diào)度算法，抑制生產(chǎn)過程波動，提升生產(chǎn)系統(tǒng)魯棒性。

4.4 產(chǎn)品智能質(zhì)量控制

產(chǎn)品質(zhì)量是保證航空產(chǎn)品順利交付的決定性因素，也是航空產(chǎn)品生命周期嚴格管控的重點。產(chǎn)品質(zhì)量分析與追溯是保證航空產(chǎn)品質(zhì)量的重要舉措，是指在設計正確合理的制造工藝同時，對生產(chǎn)過程中加工精度等因素綜合考慮實現(xiàn)產(chǎn)品的加工質(zhì)量分析，并在出現(xiàn)質(zhì)量問題時，可以追溯其加工中每個環(huán)節(jié)并找出原因，從而改進加工工藝、控制加工質(zhì)量[24]。

數(shù)字孿生與人工智能融合驅(qū)動產(chǎn)品智能質(zhì)量控制是指在采集航空裝備制造物理系統(tǒng)中各個制造工序5M1E(人、機、料、法、測、環(huán))等質(zhì)量影響因素信息和質(zhì)量實測信息的基礎上，基于孿生數(shù)據(jù)，驅(qū)動產(chǎn)品數(shù)字孿生模型進行性能和功能仿真計算，并將性能及功能仿真結(jié)果反饋至AI控制中心質(zhì)量控制模塊，實現(xiàn)制造現(xiàn)場、虛擬仿真等多源多維異構(gòu)質(zhì)量數(shù)據(jù)的融合，如圖9所示?；诖?，將產(chǎn)品加工過程及相應的加工參數(shù)實時記錄在孿生數(shù)據(jù)庫；通過對影響產(chǎn)品性能與功能的關(guān)鍵質(zhì)量參數(shù)進行分析與預警，結(jié)合質(zhì)量問題專家知識庫，實現(xiàn)質(zhì)量問題的快速溯源和分析定位，通過不斷更新質(zhì)量問題庫，不斷提高質(zhì)量分析與決策能力。

圖9 DT與AI融合驅(qū)動產(chǎn)品智能質(zhì)量控制Fig.9 Product intelligent quality control driven by fusion of DT and AI

5 結(jié) 論

數(shù)字孿生和人工智能是實現(xiàn)航空智能制造轉(zhuǎn)型發(fā)展的關(guān)鍵技術(shù)，是復雜制造系統(tǒng)智能管理與控制的有效手段，近年來已經(jīng)開始得到廣泛的關(guān)注和研究。本文從DT與AI融合驅(qū)動的航空智能制造應用出發(fā)，探討了兩者融合的機理、涉及的關(guān)鍵技術(shù)和AI控制中心的構(gòu)建問題，并對其在航空制造中的典型應用場景進行了分析?？傮w而言，目前的相關(guān)研究工作仍在探索階段，如何通過DT與AI深度融合，驅(qū)動制造系統(tǒng)的“動態(tài)感知、實時分析、自主決策、精準執(zhí)行”的智能化管控，仍有諸多關(guān)鍵問題需要解決。

1) 航空裝備的生產(chǎn)制造過程具有專業(yè)知識高度密集的特點，知識分散于參與生產(chǎn)制造管控的各類員工之間，如何實現(xiàn)虛擬空間航空制造專業(yè)知識(工藝、計劃、質(zhì)量、維修等)的積淀與迭代優(yōu)化是指導更好決策和優(yōu)化控制的關(guān)鍵。

2) 航空制造系統(tǒng)具有復雜巨系統(tǒng)的典型特征，構(gòu)成元素多、關(guān)系復雜，具有典型不確定性和涌現(xiàn)性特征，如何建立合理的抽象模型實現(xiàn)其在虛擬空間的抽象表達，反映其運行規(guī)律和特征，仍然是需要解決的問題。

3) 目前在實際生產(chǎn)制造過程中，相關(guān)技術(shù)的落地應用仍然有限。一方面受限于對制造系統(tǒng)全域全過程多源多維異構(gòu)數(shù)據(jù)獲取、建模、融合和組織難的問題，使得基于人工智能等方法的應用缺少數(shù)據(jù)支撐；另一方面工業(yè)現(xiàn)場對可靠性、安全性、穩(wěn)定性的要求高，對人工智能結(jié)果的可解釋性和可靠性提出了更高的要求，限制了相關(guān)技術(shù)的應用。

致 謝

感謝航空工業(yè)成都飛機工業(yè)(集團)有限責任公司人工智能團隊和制造運營管理團隊對相關(guān)工作的幫助與支持。