基于數(shù)字孿生的智能裝配車間管控模式*

郝 博，王明陽，王建新，徐東平，傅士栗

(1.東北大學(xué)機(jī)械工程與自動化學(xué)院，沈陽 110819； 2.東北大學(xué)秦皇島分校 控制工程學(xué)院，河北 秦皇島 066004)

0 引言

隨著物聯(lián)網(wǎng)、數(shù)字線程、智能傳感、信息物理融合等技術(shù)的快速發(fā)展以及人工智能技術(shù)與制造業(yè)的融合，掀起了以信息技術(shù)為核心的新時期技術(shù)革命，世界各國陸續(xù)出臺了各自的先進(jìn)制造發(fā)展戰(zhàn)略[1]。如英國工業(yè)2050、美國“先進(jìn)制造業(yè)”戰(zhàn)略、德國工業(yè)4.0戰(zhàn)略、中國制造2025，其目的都是借助新一代信息技術(shù)實現(xiàn)物理世界和信息世界的互聯(lián)互通以及智能化操作，進(jìn)而實現(xiàn)智能制造[2]。

2003年Grieves教授在美國密歇根大學(xué)的產(chǎn)品全生命周期管理課程上最早提出了數(shù)字孿生的概念[3]，國內(nèi)外學(xué)者在數(shù)字孿生驅(qū)動的產(chǎn)品優(yōu)化設(shè)計、全生命周期管理、復(fù)雜系統(tǒng)控制等方面開展了大量研究[4]。目前比較認(rèn)可的是由北京航空航天大學(xué)、北京理工大學(xué)等給出的定義：數(shù)字孿生是利用數(shù)字技術(shù)創(chuàng)建物理實體的虛擬模型，借助數(shù)據(jù)模擬物理實體在現(xiàn)實環(huán)境中的特征、行為、形成過程和性能，通過虛實交互反饋、數(shù)據(jù)融合分析、決策迭代優(yōu)化、精準(zhǔn)高效執(zhí)行等手段擴(kuò)展物理實體的能力[5-6]。

近幾年，數(shù)字孿生的概念炙手可熱。陶飛等[7-8]探索了數(shù)字孿生車間(Digital Twin Shop- floor, DTS)的概念，設(shè)計了DTS的組成與運行機(jī)制，闡述了實現(xiàn)DTS的4個特點和5大類關(guān)鍵技術(shù)，為數(shù)字孿生在生產(chǎn)制造環(huán)節(jié)落地應(yīng)用提供了理論支撐；Behrang Ashtari Talkhestani等[9]提出基于模型融合的數(shù)字孿生建模方法，通過多種數(shù)理仿真模型的組合構(gòu)建復(fù)雜的虛擬實體；鄭宇等[10]提出全參數(shù)數(shù)字孿生實現(xiàn)框架，基于數(shù)據(jù)采集、傳輸、處理、匹配等流程實現(xiàn)上層數(shù)字孿生應(yīng)用。目前數(shù)字孿生技術(shù)已在我國飛機(jī)、航天器等領(lǐng)域得到一些應(yīng)用，但是數(shù)字孿生技術(shù)仍處于探索階段，還存在許多丞待解決的問題。

本文針對目前飛機(jī)機(jī)翼裝配車間混流裝配、裝配精度和效率低等問題，提出基于數(shù)字孿生的智能裝配車間管控模式，在實現(xiàn)資源位置信息、裝配流程信息、裝配質(zhì)量信息實時采集的基礎(chǔ)上，利用Euclidean距離算法、Markov方法、Manhattan距離算法等實現(xiàn)裝配車間資源優(yōu)化調(diào)度、裝配流程和質(zhì)量控制。最后，以某型號機(jī)翼裝配車間為例，對原型系統(tǒng)進(jìn)行應(yīng)用驗證，為實現(xiàn)復(fù)雜裝配車間實時、動態(tài)管控提供技術(shù)途徑。

1 基于數(shù)字孿生的智能裝配車間技術(shù)架構(gòu)設(shè)計

基于數(shù)字孿生的智能裝配車間技術(shù)架構(gòu)如圖1所示，有5個部分，即真實裝配車間、孿生裝配車間、裝配車間孿生數(shù)據(jù)、數(shù)據(jù)服務(wù)平臺、裝配車間管控系統(tǒng)。真實裝配車間指裝配物料、設(shè)備、人員、產(chǎn)品等組成的物理實體空間，是數(shù)字孿生體的載體。孿生裝配車間是物理實體在數(shù)字空間的映射，包含車間模型、工位模型、設(shè)備模型和規(guī)則等，是數(shù)字孿生體的動力。裝配車間孿生數(shù)據(jù)是真實裝配車間實測數(shù)據(jù)與孿生裝配車間仿真數(shù)據(jù)的集合，是數(shù)字孿生體的核心。數(shù)據(jù)服務(wù)平臺主要包括用于數(shù)據(jù)傳輸?shù)默F(xiàn)場總線、數(shù)據(jù)接口、智能網(wǎng)關(guān)以及用于信息處理的降噪算法程序，通過對真實裝配車間和孿生裝配車間的多源異構(gòu)信息進(jìn)行識別、處理，最終將實時的、有效的信息傳輸?shù)綌?shù)據(jù)庫，形成裝配車間孿生數(shù)據(jù)，是數(shù)字孿生體的引擎。裝配車間管控系統(tǒng)是指通過資源定位、物聯(lián)網(wǎng)、多維仿真等技術(shù)基于完整信息數(shù)據(jù)和明確機(jī)理對實時裝配狀態(tài)進(jìn)行判斷、預(yù)測，是數(shù)字孿生體的大腦。

圖1 基于數(shù)字孿生的智能裝配車間技術(shù)架構(gòu)

2 基于數(shù)字孿生的智能裝配車間組成

在基于數(shù)字孿生的智能裝配車間技術(shù)架構(gòu)下，智能裝配車間主要包括物理車間、虛擬車間、孿生數(shù)據(jù)、裝配車間管控系統(tǒng)4部分，如圖2所示。

(1)物理車間：是生產(chǎn)車間裝配資源的集合，無論是后續(xù)數(shù)字孿生體的建模仿真，還是裝配狀態(tài)分析決策都要以物理車間為依據(jù)，否則，一切分析和判斷都是文不對本。

(2)虛擬車間：是依據(jù)裝配車間裝配資源建立的物理模型、行為規(guī)則等的集合，用多維虛擬模型來模擬真實的裝配車間，是數(shù)字孿生體的核心。

(3)孿生數(shù)據(jù)：主要包括物理車間實測數(shù)據(jù)和虛擬車間仿真數(shù)據(jù)，實測數(shù)據(jù)主要包括用無線射頻識別(Radio Frequency Identification，RFID)和超寬帶(Ultra Wide band，UWB)技術(shù)采集到的裝配資源位置數(shù)據(jù)、用物聯(lián)網(wǎng)螺絲刀和物聯(lián)網(wǎng)扳手等采集到的裝配質(zhì)量數(shù)據(jù)、用電流監(jiān)控標(biāo)簽和振動監(jiān)控標(biāo)簽等采集到的設(shè)備狀態(tài)信息等。仿真數(shù)據(jù)主要包含虛擬車間通過Manhattan距離算法、Markov預(yù)測法、Euclidean距離算法等得到的仿真數(shù)據(jù)。

(4)裝配車間管控系統(tǒng)：是數(shù)字孿生體的大腦，通過AI監(jiān)控平臺、物聯(lián)網(wǎng)平臺、上層企業(yè)級軟件等對孿生數(shù)據(jù)進(jìn)行分析、判斷，從而實現(xiàn)對車間裝配流程、裝配質(zhì)量、人員、設(shè)備等實時、動態(tài)管控。

圖2 基于數(shù)字孿生的智能裝配車間組成

3 基于數(shù)字孿生的智能裝配車間管控模式

裝配車間管控主要是指在裝配過程中準(zhǔn)確掌握裝配資源的位置信息和工作狀態(tài)并根據(jù)耗時最短原則進(jìn)行資源調(diào)配，確保在最短的時間內(nèi)找到待命的裝配資源，提高資源利用率；準(zhǔn)確掌握裝配流程數(shù)據(jù)的當(dāng)前狀態(tài)并預(yù)測這些數(shù)據(jù)的未來狀態(tài)，根據(jù)預(yù)測結(jié)果調(diào)整裝配過程，避免錯裝、漏裝而導(dǎo)致返工；準(zhǔn)確掌握實時的裝配質(zhì)量數(shù)據(jù)，對不滿足裝配質(zhì)量要求的零部件進(jìn)行二次裝配，實時保障裝配質(zhì)量，克服裝配質(zhì)量監(jiān)控滯后的問題。

Euclidean距離算法是最有效的距離度量算法之一，根據(jù)UWB檢測到的裝配資源和工位的位置坐標(biāo)，用Euclidean距離算法計算裝配資源到工位的距離，從而衡量各裝配資源到裝配工位的實際路徑距離。根據(jù)各裝配資源到工位的距離由近至遠(yuǎn)排序，生成裝配資源序列。電流監(jiān)控標(biāo)簽通過與耗電裝配資源串聯(lián)，可以實時檢測該設(shè)備占用狀態(tài)。由于裝配資源在使用時的振動信號強(qiáng)度明顯高于裝配資源在待命時的振動信號強(qiáng)度，因此，非耗電裝配資源通過安裝振動監(jiān)控標(biāo)簽可以對其占用狀態(tài)進(jìn)行檢測?；跀?shù)字孿生的智能裝配車間資源調(diào)度流程如圖3所示，首先對距離最近的裝配資源進(jìn)行占用狀態(tài)檢查，通過電流監(jiān)控標(biāo)簽、振動監(jiān)控標(biāo)簽檢測該裝配資源占用狀態(tài)，若該裝配資源正處于使用過程中，則從裝配資源序列中選取下一個裝配資源進(jìn)行占用狀態(tài)檢測，直至找到未被占用裝配資源中距離最短的裝配資源，并給物理車間及時發(fā)送調(diào)用信號。

圖3 基于數(shù)字孿生的智能裝配車間資源調(diào)度流程

Markov預(yù)測模型主要用于分析離散隨機(jī)過程未來的變化趨勢，是具有無后效性的預(yù)測過程，即利用某一變量現(xiàn)在的狀態(tài)去預(yù)測其未來的狀態(tài)，且預(yù)測過程與之前的狀態(tài)無關(guān)，只與當(dāng)前的狀態(tài)有關(guān)[11]。類似機(jī)翼這樣的裝備生產(chǎn)批量小，故可追溯的歷史裝配流程數(shù)據(jù)少，而且數(shù)字孿生技術(shù)的重要意義在于時效性，它就是對當(dāng)前狀態(tài)進(jìn)行分析并預(yù)測未來狀態(tài)。因此，使用對歷史裝配過程數(shù)據(jù)要求不高的Markov方法進(jìn)行裝配狀態(tài)預(yù)測比較合適。

如圖4所示，在裝配車間，零部件需從各加工工位運輸至裝配工位進(jìn)行裝配，因此，用UWB對各零部件以及裝配工位進(jìn)行實時定位，通過各零部件的移動軌跡以及到達(dá)裝配工位的時間先后可以判斷裝配流程，在待裝配件到達(dá)裝配工位但未裝配時生成裝配序列，并將該裝配序列信息通過以太網(wǎng)接口傳輸?shù)綄\生車間。在孿生車間，用Markov方法根據(jù)當(dāng)前的裝配序列預(yù)測未來裝配序列，并將預(yù)測結(jié)果傳輸給裝配車間管控系統(tǒng)。管控系統(tǒng)將預(yù)測的裝配序列與規(guī)范的裝配流程比對，并將決策反饋給真實裝配車間，若預(yù)測的裝配序列與規(guī)范的裝配流程相悖，則會對真實裝配車間進(jìn)行預(yù)警，提醒裝配工人停工調(diào)整并注意下一階段操作規(guī)范。在產(chǎn)品裝配過程中反復(fù)執(zhí)行上述管控流程，直至整個產(chǎn)品保質(zhì)保量生產(chǎn)完成。

圖4 基于數(shù)字孿生的智能裝配車間裝配流程管控

Manhattan距離算法起源于城市區(qū)塊距離計算，可以非常簡便的計算兩點間的距離。在本研究中將Manhattan距離計算思想引入裝配質(zhì)量計算中，可以高效且準(zhǔn)確的計算出當(dāng)前狀態(tài)的裝配質(zhì)量是否滿足裝配質(zhì)量要求。工人在進(jìn)行裝配作業(yè)時，會有大量的螺釘、螺栓、鉚釘?shù)冗B接件被用于連接兩個或多個零部件，在此過程中會產(chǎn)生大量的扭矩、拉力等裝配質(zhì)量數(shù)據(jù)，而這些裝配質(zhì)量數(shù)據(jù)直接決定產(chǎn)品的強(qiáng)度、使用壽命。根據(jù)連接件的直徑、材料以及被連接件的結(jié)構(gòu)、材料等情況這些裝配質(zhì)量數(shù)據(jù)應(yīng)該被限制在一定的范圍內(nèi)才能保障裝配質(zhì)量，因此，在裝配過程中實時監(jiān)控這些質(zhì)量數(shù)據(jù)對提高產(chǎn)品質(zhì)量和規(guī)范工人裝配行為具有重要意義。如圖5所示，首先，在真實裝配車間，給工人配置物聯(lián)網(wǎng)螺絲刀、物聯(lián)網(wǎng)扳手等智能工具，工人在裝配操作過程中這些智能工具會實時采集扭矩、拉力等質(zhì)量數(shù)據(jù)，并將這些質(zhì)量數(shù)據(jù)通過以太網(wǎng)接口傳輸?shù)綄\生車間。在孿生車間，用Manhattan距離算法計算實測質(zhì)量數(shù)據(jù)與規(guī)范質(zhì)量數(shù)據(jù)區(qū)間平均值的差值，并將該差值數(shù)據(jù)傳輸給裝配車間管控系統(tǒng)。管控系統(tǒng)將該差值與規(guī)范質(zhì)量數(shù)據(jù)區(qū)間長度的一半進(jìn)行比較，并將結(jié)果反饋給真實裝配車間，若該差值比規(guī)范質(zhì)量數(shù)據(jù)區(qū)間長度的一半還大，說明該實測質(zhì)量數(shù)據(jù)不在規(guī)范質(zhì)量數(shù)據(jù)區(qū)間內(nèi)，不滿足裝配質(zhì)量要求，此時系統(tǒng)則會對真實裝配車間進(jìn)行預(yù)警，提醒裝配工人對對應(yīng)連接處進(jìn)行二次裝配并注意下一階段操作規(guī)范。在裝配過程中實時監(jiān)控裝配質(zhì)量，反復(fù)執(zhí)行上述質(zhì)量管控流程，直至整個產(chǎn)品裝配完成。

圖5 基于數(shù)字孿生的智能裝配車間裝配質(zhì)量管控

基于數(shù)字孿生的智能裝配車間采用“車間—工位—設(shè)備”三層管控模式，實現(xiàn)對生產(chǎn)過程、裝配流程、設(shè)備狀態(tài)的閉環(huán)控制如圖6所示。由于構(gòu)建了基于實體物理車間的智能裝配車間，利用虛擬車間、孿生數(shù)據(jù)、裝配車間管控系統(tǒng)等通過“感知—分析—決策—執(zhí)行”4個環(huán)節(jié)可真正實現(xiàn)虛實結(jié)合，以虛控實的效果，促進(jìn)復(fù)雜裝備裝配車間智能化，解決裝配過程中資源利用率低、裝配流程和質(zhì)量監(jiān)控滯后等問題，實現(xiàn)裝配資源優(yōu)化配置、裝配流程和質(zhì)量的實時監(jiān)測與控制。

圖6 基于數(shù)字孿生的智能裝配車間管控模式

本系統(tǒng)基于Microsoft.NET平臺和B/S架構(gòu)，采用云定位服務(wù)作為系統(tǒng)的中樞，能夠根據(jù)負(fù)載情況來增減定位服務(wù)器的數(shù)量，防止漏定位和定位服務(wù)器資源浪費。采用工業(yè)環(huán)網(wǎng)集群式設(shè)備部署方法對電子標(biāo)簽位置、資源分布、設(shè)備占用狀態(tài)、裝置質(zhì)量數(shù)據(jù)等信息進(jìn)行感知、采集，并通過用戶數(shù)據(jù)報協(xié)議(User Datagram Protocol，UDP)、ModBus協(xié)議等對數(shù)據(jù)進(jìn)行封裝后發(fā)送給SQL SERVER數(shù)據(jù)庫，對以上數(shù)據(jù)信息進(jìn)行存儲供孿生車間和裝配車間管控系統(tǒng)調(diào)用。首先，在車間，管控系統(tǒng)根據(jù)生產(chǎn)計劃、當(dāng)前生產(chǎn)進(jìn)度等通過孿生車間中物料消耗、資源位置、人員分布、設(shè)備占用狀態(tài)等進(jìn)行生產(chǎn)調(diào)度仿真，最后根據(jù)孿生車間的仿真結(jié)果，選出最高效調(diào)度方式對儀器設(shè)備、人員、物流運輸車、工裝、檢測設(shè)備等裝配資源進(jìn)行優(yōu)化調(diào)度，有效提高資源利用率、增強(qiáng)資源協(xié)同性。其次，在工位，開發(fā)裝配流程管控算法和裝配質(zhì)量管控算法，真實裝配車間根據(jù)裝配工藝手冊、裝配質(zhì)量要求等對裝配流程信息以及裝配過程中產(chǎn)生的力、扭矩、位移等裝配質(zhì)量信息進(jìn)行采集。孿生車間對采集到的信息進(jìn)行仿真、預(yù)測，并將結(jié)果傳輸給管控系統(tǒng)。管控系統(tǒng)將仿真、預(yù)測結(jié)果與裝配工藝文件、裝配質(zhì)量要求進(jìn)行比對，當(dāng)不滿足裝配流程規(guī)范或不滿足裝配質(zhì)量要求時，管控系統(tǒng)及時預(yù)警，并向物理車間發(fā)送調(diào)整命令，保證每一步裝配都滿足裝配要求。最后，利用光感監(jiān)控標(biāo)簽、電流監(jiān)控標(biāo)簽、振動監(jiān)控標(biāo)簽等對設(shè)備的運行狀態(tài)、運行過程中的電壓、電流、振動等信息進(jìn)行感知和采集，為生產(chǎn)過程優(yōu)化調(diào)度和保障裝配質(zhì)量提供信息支撐。

4 智能裝配車間管控原型系統(tǒng)在某機(jī)翼裝配

車間實踐

提高裝配質(zhì)量和裝配效率是提升生產(chǎn)能力的重要基礎(chǔ)，而數(shù)字化、智能化為提高裝配質(zhì)量和效率提供有效途徑。在傳統(tǒng)裝配生產(chǎn)中，某飛機(jī)制造廠機(jī)翼裝配車間生產(chǎn)某型號機(jī)翼需要裝配1000余個零件，裝配工藝路線復(fù)雜多變、裝配流程可視化程度低、裝配流程和質(zhì)量管控滯后且可追溯性差、裝配資源位置信息無法實時獲取導(dǎo)致資源利用率低。

為解決上述問題，提高裝配質(zhì)量和效率，縮短生產(chǎn)周期，對某型號機(jī)翼裝配生產(chǎn)線進(jìn)行智能化、數(shù)字化改造，開發(fā)智能裝配車間管控原型系統(tǒng)，通過數(shù)字孿生技術(shù)對裝配流程、裝配質(zhì)量進(jìn)行實時管控，實時顯示裝配資源位置信息，提高資源利用率，取得了較好的應(yīng)用效果。

4.1 裝配資源實時定位及優(yōu)化調(diào)度

機(jī)翼裝配車間裝配資源可分為物料、人員、運輸設(shè)備、工裝、工具等，物料包括肋板、梁、壁板、骨架、角排、連接件等；人員包括鉚工、鉗工、涂裝工、工藝員等；運輸設(shè)備包括托車、吊車、 AGV小車等；工裝包括裝配型架、接頭定位器、壓緊定位器等；工具包括風(fēng)力鉆、打磨器、鉚槍、棘輪螺絲刀等。裝配資源位置信息的實時獲取對提高資源利用率、資源協(xié)同性具有重要意義。本原型系統(tǒng)采用綜合定位方案，即對物料、工裝、工具等不經(jīng)常改變位置的裝配資源用RFID進(jìn)行區(qū)域定位，對人員、運輸設(shè)備等頻繁改變位置且需要追蹤移動軌跡的裝配資源用UWB進(jìn)行精確定位，保障裝配資源充分定位且避免定位設(shè)備浪費。如圖7所示，每個裝配資源安裝具有唯一標(biāo)識的電子標(biāo)簽，并將與電子標(biāo)簽捆綁的裝配資源進(jìn)行命名和編號?？梢暬缑孀笙陆秋@示有電子標(biāo)簽的位置坐標(biāo)，精度可達(dá)厘米級，從而可以獲知與之捆綁的裝配資源的位置信息，并且可以從可視化界面上看到各裝配資源的相對位置信息。

圖7 原型系統(tǒng)裝配資源定位調(diào)試界面

為了進(jìn)一步闡述資源優(yōu)化調(diào)度的實現(xiàn)方法，如表1所示，用UWB從機(jī)翼裝配車間眾多裝配資源中采集5輛拖車、3輛AGV小車以及裝配型架的位置坐標(biāo)進(jìn)行說明，其中裝配型架上安裝的標(biāo)簽為普通定位標(biāo)簽，僅實現(xiàn)定位功能，拖車上安裝的標(biāo)簽為振動監(jiān)控標(biāo)簽，在實現(xiàn)定位的基礎(chǔ)上還可以檢測拖車上的振動信號，AGV小車上安裝的標(biāo)簽為電流監(jiān)控標(biāo)簽，在實現(xiàn)定位的基礎(chǔ)上還可以采集AGV小車的電流信號。在采集之前對各裝配資源所安裝的電子標(biāo)簽編號，將其依次標(biāo)記為“資源序號1～資源序號9”。

表1 UWB采集裝配資源位置坐標(biāo)

由于在機(jī)翼裝配車間，待裝配的零部件需要運送至裝配型架進(jìn)行裝配，直至整個機(jī)翼裝配完成。因此，在資源調(diào)度時為了提高效率需要用Euclidean距離算法計算各裝配資源到裝配型架的距離，從而衡量實際路徑距離。用電流監(jiān)控標(biāo)簽、振動監(jiān)控標(biāo)簽分別檢測裝配資源的電流信號和振動信號，當(dāng)檢測到電流信號或振動信號時則說明該裝配資源正在被占用，從而不能被調(diào)用，反正，說明該裝配資源處于待命狀態(tài)。Euclidean距離公式如下：

(1)

式中，(xi,yi)為裝配資源的位置坐標(biāo)，(x0,y0)為裝配型架的位置坐標(biāo)。

根據(jù)式(1)以及電流監(jiān)控標(biāo)簽和振動監(jiān)控標(biāo)簽采集的信號可得各拖車、AGV小車到裝配型架的距離和占用狀態(tài)，如表2所示。

表2 裝配資源到裝配型架距離及占用狀態(tài)

由Euclidean距離算法求得拖車、AGV小車到裝配型架的距離，根據(jù)各裝配資源到工位距離由近至遠(yuǎn)原則排序，生成裝配資源序列{8,7,2,3,9,6,4,5}，然后按照裝配資源序列的順序進(jìn)行占用狀態(tài)檢測，根據(jù)振動監(jiān)控標(biāo)簽、電流監(jiān)控標(biāo)簽采集到的信號可得序號為8的AGV小車2距離最近，但處于工作狀態(tài)，因此，AGV小車2不能被調(diào)用，需按照裝配資源序列繼續(xù)檢測下一裝配資源的占用狀態(tài)，直至找到序號為2的拖車1為止，此時拖車1為處于待命狀態(tài)中距離裝配型架最近的裝配資源，系統(tǒng)鎖定該裝配資源并以指令形式發(fā)送到真實裝配車間進(jìn)行資源調(diào)度。

4.2 裝配流程實時管控

機(jī)翼裝配車間有嚴(yán)格的裝配工藝文件，但在實際生產(chǎn)過程中，由于生產(chǎn)條件有限、車間環(huán)境復(fù)雜、工人熟練度不同等因素影響，裝配過程往往未能按照裝配工藝文件實施，導(dǎo)致錯裝、漏裝、返工等問題，對產(chǎn)品質(zhì)量、生產(chǎn)周期有較大影響。本原型系統(tǒng)對機(jī)翼生產(chǎn)過程中的典型組合件機(jī)翼前緣進(jìn)行測試，實時監(jiān)控其裝配流程，并根據(jù)實際情況做出相應(yīng)分析和決策。如圖8所示，機(jī)翼前緣組合件作為機(jī)翼重要的部件之一，主要包括整流鋼板、前肋1、前肋2 、前肋3、前肋4、前肋5、前肋6、作動筒支架、作動筒、動筒密封罩等零件。根據(jù)裝配工藝文件，規(guī)范的裝配流程為：{1,2，(3,4,5,6)，7,9,8,10}或{1,2，(3,4,5,6)，7,9,10,8}等，其中(3,4,5,6)為前肋2、前肋3、前肋4和作動筒支架構(gòu)成的骨架組件，作為部件進(jìn)行機(jī)翼前緣裝配。為了便于裝配和保證裝配精度，前肋1、前肋5與整流鋼板連接處加工有圓孔，而與作動筒連接處加工有直槽口，前肋6在與作動筒連接端留有5 mm工藝余量。

圖8 機(jī)翼前緣組合件

為了進(jìn)一步說明Markov方法在裝配流程管控上的作用，現(xiàn)以前肋1裝配完成，骨架組件已運輸至裝配工位且未裝配時的裝配狀態(tài)進(jìn)行說明，即此時的裝配序列為{1,2，(3,4,5,6)}。假定在未來裝配過程中，裝配序列狀態(tài)以一定概率進(jìn)行變化且改變情況不因時間不同而發(fā)生變化，則可得到模型的狀態(tài)轉(zhuǎn)移矩陣：

(2)

式中，E11=當(dāng)前裝配裝配序列{1,2，(3,4,5,6)}轉(zhuǎn)變?yōu)閧1,2，(3,4,5,6)，7}的頻數(shù)(P11)/裝配裝配序列為{1,2，(3,4,5,6)}的頻數(shù)(P1)。

用Markov過程在穩(wěn)態(tài)條件下的解作為未來裝配序列的預(yù)測狀態(tài)，利用Markov穩(wěn)態(tài)概率求解方法可以得到：

(3)

E11+E12+E13+E14=1

(4)

根據(jù)式(2)～式(4)，可求得穩(wěn)態(tài)條件下的裝配序列預(yù)測結(jié)果，如表3所示。

表3 Markov方法預(yù)測的裝配序列結(jié)果

在這組裝配序列變化中存在{1,2，(3,4,5,6)}→{1,2，(3,4,5,6)，7}為正確的裝配流程導(dǎo)向，與規(guī)范的裝配流程相吻合，因此，此時可繼續(xù)執(zhí)行裝配，即對運輸至裝配型架但未裝配的骨架組件進(jìn)行裝配作業(yè)。反之，如果骨架組件裝配完成，工人誤以為接下來需要安裝前肋6而將前肋6運輸至裝配型架，此時產(chǎn)生的裝配序列為{1,2，(3,4,5,6)，8}，根據(jù)式(2)～式(4)預(yù)測的裝配序列中與規(guī)范裝配流程相吻合的概率為0，這說明{1,2，(3,4,5,6)，8}為錯誤的裝配流程導(dǎo)向，此時，管控系統(tǒng)及時向真實裝配車間發(fā)送停裝調(diào)整預(yù)警，避免因為錯裝、漏裝而導(dǎo)致返工，從而提高裝配質(zhì)量和效率。

4.3 裝配質(zhì)量實時管控

由于機(jī)翼裝配工藝路線和車間環(huán)境復(fù)雜、裝配操作需要在結(jié)構(gòu)復(fù)雜的裝配型架上完成，因此，仍采用人工作業(yè)的方式進(jìn)行裝配。工人在執(zhí)行裝配操作過程中由于工人素質(zhì)和經(jīng)驗不同、工作疲勞等因素的影響可能導(dǎo)致裝配操作過程對零部件施加的扭矩、力、位移等未能達(dá)到裝配質(zhì)量要求，從而影響機(jī)翼的強(qiáng)度、壽命、產(chǎn)品質(zhì)量。通過給裝配工人配備物聯(lián)網(wǎng)螺絲刀、物聯(lián)網(wǎng)扳手等智能工具，可以實時采集裝配操作過程中產(chǎn)生的扭矩、力、個數(shù)等質(zhì)量數(shù)據(jù)。

為了進(jìn)一步說明Manhattan距離算法在裝配質(zhì)量管控上的作用，以前肋6與作動筒和整流鋼板連接為例進(jìn)行說明。前肋6與作動筒和整流鋼板連接時需要安裝4個強(qiáng)度6.8級的M12的普通螺栓且扭矩應(yīng)該控制在58～78 N·m的范圍內(nèi)，記為(a，b)。工人在使用物聯(lián)網(wǎng)扳手進(jìn)行裝配作業(yè)時采集到4組力矩數(shù)據(jù)，這4組力矩數(shù)據(jù)來自于不同批次的機(jī)翼前緣裝配。根據(jù)采集時間的先后順序?qū)@些數(shù)據(jù)進(jìn)行編號，即采集序號1～采集序號16。如表4所示，由式(5)～式(7)計算絕對質(zhì)量離差，即實時采集的質(zhì)量數(shù)據(jù)與規(guī)范質(zhì)量數(shù)據(jù)區(qū)間平均值的差值，并計算相對質(zhì)量離差，即大于區(qū)間長度一半的絕對質(zhì)量離差與規(guī)范質(zhì)量數(shù)據(jù)區(qū)間平均值的比值。Manhattan距離公式、相對質(zhì)量離差計算公式如下所示：

Δ=dist(X,Y)=|xi-x0|

(5)

(6)

{Δm∈Δ|Δm>(a+b)/2}

(7)

式中，xi為實測質(zhì)量數(shù)據(jù)，x0為規(guī)范質(zhì)量數(shù)據(jù)區(qū)間平均值，Δ表示絕對質(zhì)量離差，δ表示相對質(zhì)量離差，Δm表示大于區(qū)間長度一半的絕對質(zhì)量離差，a和b分別表示規(guī)范質(zhì)量數(shù)據(jù)區(qū)間上下限。

表4 實測質(zhì)量數(shù)據(jù)的絕對、相對質(zhì)量離差

根據(jù)連接件的直徑、材料以及被連接件的結(jié)構(gòu)、材料等情況，前肋6與作動筒和整流鋼板連接時的扭矩應(yīng)該控制在(58,78) N·m范圍內(nèi)，此時，區(qū)間長度的一半為10 N·m，由表4可知序號為3、7、9、10的采集點計算得到的絕對離差大于10 N·m，則說明該處實測質(zhì)量數(shù)據(jù)不在規(guī)范質(zhì)量數(shù)據(jù)區(qū)間內(nèi)，不滿足裝配質(zhì)量要求，此時系統(tǒng)會向真實裝配車間發(fā)送預(yù)警信號，提醒工人對對應(yīng)連接處進(jìn)行二次裝配。相對質(zhì)量離差用于衡量裝配操作過程的規(guī)范程度，例如序號為10的采集點的相對離差高達(dá)27.25%，說明裝配操作扭矩欠缺嚴(yán)重，裝配質(zhì)量較差，工人以此為依據(jù)注意下一階段的操作規(guī)范。原型系統(tǒng)通過可視化界面對裝配質(zhì)量進(jìn)行實時管控，有利于解決產(chǎn)品生產(chǎn)過程中質(zhì)量檢測滯后的問題，可規(guī)范工人操作和提高裝配質(zhì)量。

5 結(jié)論

本文針對飛機(jī)機(jī)翼裝配車間生產(chǎn)過程中裝配工藝路線復(fù)雜多變、資源利用率低、裝配流程和質(zhì)量監(jiān)控滯后等問題，對復(fù)雜裝配車間管控進(jìn)行相關(guān)研究，提出基于數(shù)字孿生的智能裝配車間虛實結(jié)合、以虛控實的管控模式，在實現(xiàn)資源位置信息、裝配流程信息、裝配質(zhì)量信息實時采集的基礎(chǔ)上，利用Euclidean距離算法、Markov方法、Manhattan距離算法等實現(xiàn)裝配車間資源優(yōu)化調(diào)度、裝配流程和質(zhì)量控制，最終通過實例驗證得到了以下結(jié)論：①利用Euclidean距離算法計算各裝配到裝配工位的距離，并通過電流監(jiān)控標(biāo)簽和振動監(jiān)控標(biāo)簽檢測其占用狀態(tài)，可有效的找到處于待命狀態(tài)且距離裝配工位最近的裝配資源；②利用Markov方法可以通過當(dāng)前的裝配序列預(yù)測未來裝配序列，并將預(yù)測得到的裝配序列與規(guī)范裝配序列比對，從而可以驗證當(dāng)前裝配狀態(tài)的可行性，避免錯裝、漏裝而導(dǎo)致返工；③利用Manhattan距離算法可以計算絕對質(zhì)量離差，即實時采集的質(zhì)量數(shù)據(jù)與規(guī)范質(zhì)量數(shù)據(jù)區(qū)間平均值的差值，通過絕對質(zhì)量離差與規(guī)范質(zhì)量數(shù)據(jù)區(qū)間長度一半比對，可驗證當(dāng)前裝配質(zhì)量是否滿足裝配質(zhì)量要求，實時監(jiān)測和控制裝配質(zhì)量；④驗證了基于數(shù)字孿生的智能裝配車間管控模式的可行性，通過真實裝配車間、孿生裝配車間、裝配車間管控系統(tǒng)三者交互協(xié)作，能夠?qū)ρb配車間進(jìn)行實時、動態(tài)管控，為復(fù)雜裝配車間管控提供一種新途徑。

本文提出了基于數(shù)字孿生的智能裝配車間管控模式，可以實現(xiàn)資源定位、優(yōu)化調(diào)度、裝配流程和質(zhì)量控制等，從而提高復(fù)雜裝配車間管控能力。但是，目前像飛機(jī)機(jī)翼這種復(fù)雜裝備產(chǎn)品裝配車間生產(chǎn)管控和裝配質(zhì)量、流程控制仍處于探索階段，基于數(shù)字孿生的智能裝配車間管控模式作為一種管控新模式，還需要進(jìn)一步研究和驗證。