數(shù)字孿生與生產(chǎn)線仿真技術(shù)研究

田 凌，劉 果，劉思超

數(shù)字孿生與生產(chǎn)線仿真技術(shù)研究

田 凌1,2，劉 果1,2，劉思超1,2

(1. 清華大學(xué)機(jī)械工程系，北京 100084；2. 精密超精密制造裝備及控制北京市重點(diǎn)實(shí)驗室，北京 100084)

隨著新一代信息技術(shù)與制造技術(shù)的深度融合，仿真技術(shù)正向著信息系統(tǒng)與物理系統(tǒng)深度融合和高效協(xié)同的方向發(fā)展，應(yīng)運(yùn)而生的數(shù)字孿生技術(shù)成為近年來的新興研究熱點(diǎn)。為探索采用新一代信息技術(shù)促進(jìn)離散制造行業(yè)數(shù)字化轉(zhuǎn)型升級，從仿真技術(shù)的發(fā)展脈絡(luò)和應(yīng)用場景入手，引入基于數(shù)字孿生技術(shù)開展生產(chǎn)線仿真分析的研究，介紹了數(shù)字孿生技術(shù)的概念和內(nèi)涵，探討了數(shù)字孿生技術(shù)與傳統(tǒng)計算機(jī)仿真技術(shù)的關(guān)系和異同，論述了數(shù)字孿生技術(shù)在生產(chǎn)線仿真分析領(lǐng)域的應(yīng)用方向，分析了生產(chǎn)線數(shù)字孿生模型的構(gòu)建方法和實(shí)現(xiàn)途徑，闡述了國內(nèi)外研究進(jìn)展及存在的問題，指出了數(shù)字孿生在生產(chǎn)線仿真領(lǐng)域的發(fā)展趨勢，為離散制造企業(yè)跨越物理資源與數(shù)字世界之間的交互鴻溝，建立生產(chǎn)線物理空間與信息空間的交互與共融機(jī)制，推進(jìn)生產(chǎn)線全生命周期的數(shù)字化管理和智能化生產(chǎn)，實(shí)現(xiàn)智能制造提供參考。

仿真；數(shù)字孿生；生產(chǎn)線；離散制造；智能制造

在“兩化融合” “中國制造2025”及“互聯(lián)網(wǎng)+”等國家戰(zhàn)略的推進(jìn)下，我國廣大離散制造企業(yè)加快了新一代信息技術(shù)和先進(jìn)制造技術(shù)在設(shè)計、管理、生產(chǎn)和服務(wù)等關(guān)鍵業(yè)務(wù)領(lǐng)域的深度融合應(yīng)用，逐步構(gòu)建形成了集合PLM/ERP/MES等工業(yè)核心軟件，支持協(xié)同研發(fā)、精益管理、智能生產(chǎn)的信息化應(yīng)用體系，有效提升了離散制造企業(yè)的創(chuàng)新設(shè)計能力、精益管理能力和綜合競爭力。然而，隨著市場個性化需求的日益增長以及全球化競爭的日趨激烈，離散制造企業(yè)在支持柔性化定制生產(chǎn)、快速響應(yīng)用戶個性化需求方面普遍存在著生產(chǎn)線工藝布局不合理、物流規(guī)劃不科學(xué)、生產(chǎn)能力評估不充分、質(zhì)量穩(wěn)定性不足、生產(chǎn)設(shè)備重復(fù)投入等問題。

為了應(yīng)對離散制造企業(yè)數(shù)字化轉(zhuǎn)型的需求，亟需對制造資源進(jìn)行數(shù)字化建模管理，通過數(shù)字化管理手段增強(qiáng)生產(chǎn)線的柔性，利用生產(chǎn)數(shù)據(jù)對生產(chǎn)過程進(jìn)行智能化調(diào)節(jié)，實(shí)現(xiàn)關(guān)鍵生產(chǎn)環(huán)節(jié)全程可追溯。解決這一需求的關(guān)鍵在于虛擬仿真技術(shù)的應(yīng)用，通過建立生產(chǎn)線的數(shù)字化模型與仿真環(huán)境，以虛擬仿真的方式在信息空間中完成生產(chǎn)線的優(yōu)化以及對優(yōu)化結(jié)果的驗證，達(dá)到“信息空間多次迭代，物理空間一次成功”的效果。實(shí)現(xiàn)這一效果的最大挑戰(zhàn)是跨越制造企業(yè)物理資源與數(shù)字世界之間的交互鴻溝，而數(shù)字孿生技術(shù)通過利用模型仿真、實(shí)時采集、歷史運(yùn)行等相關(guān)數(shù)據(jù)，構(gòu)建物理空間與信息空間的交互映射關(guān)系，可以實(shí)現(xiàn)物理本體與仿真模型之間不斷循環(huán)迭代和交互反饋，使得人、機(jī)、物真正融合在一起。數(shù)字孿生技術(shù)可以反映建模對象的全生命周期過程，具有虛實(shí)融合、實(shí)時交互與迭代優(yōu)化的特點(diǎn)。利用數(shù)字孿生技術(shù)開展生產(chǎn)線仿真優(yōu)化的應(yīng)用研究，一方面能幫助企業(yè)生產(chǎn)線建設(shè)及投產(chǎn)前在信息空間中進(jìn)行仿真、分析、優(yōu)化和測試，及時發(fā)現(xiàn)生產(chǎn)線的設(shè)計缺陷，另一方面在生產(chǎn)線實(shí)際運(yùn)行過程中可以通過虛實(shí)融合的交互環(huán)境對實(shí)際生產(chǎn)制造過程進(jìn)行實(shí)時監(jiān)控和動態(tài)調(diào)整，實(shí)現(xiàn)生產(chǎn)過程優(yōu)化。

1 生產(chǎn)線仿真

仿真技術(shù)出現(xiàn)于上世紀(jì)40年代，至今已發(fā)展成為一項融合計算機(jī)、模型理論、科學(xué)計算等多個學(xué)科的綜合性技術(shù)，在制造領(lǐng)域被廣泛應(yīng)用于設(shè)計、生產(chǎn)、測試、維護(hù)、采購、銷售等產(chǎn)品全生命周期的各個階段，對制造過程的信息化發(fā)揮著不可替代的作用。生產(chǎn)線仿真是指通過模型來模擬實(shí)際的生產(chǎn)線運(yùn)行，仿真分析現(xiàn)有生產(chǎn)過程的工藝流程、物流調(diào)度、生產(chǎn)能力等，根據(jù)仿真結(jié)果的各項性能指標(biāo)找到生產(chǎn)線的潛在問題，通過修改結(jié)構(gòu)參數(shù)、調(diào)整系統(tǒng)布局、優(yōu)化資源配置等方法，達(dá)到優(yōu)化生產(chǎn)線的目的。自仿真優(yōu)化被提出以來，以歐美為代表的制造業(yè)發(fā)達(dá)國家高度重視仿真技術(shù)的發(fā)展和應(yīng)用，國內(nèi)外科研機(jī)構(gòu)及企業(yè)圍繞生產(chǎn)線仿真技術(shù)開展了相應(yīng)研究，這些研究較多地集中在設(shè)備布局、生產(chǎn)線平衡、作業(yè)排產(chǎn)等方面。

生產(chǎn)線布局的仿真優(yōu)化是動態(tài)多目標(biāo)優(yōu)化問題，影響仿真優(yōu)化結(jié)果的決策變量很多。PRAJAPAT等[1]通過表格鏈接構(gòu)建了設(shè)備布局的離散事件模型，可實(shí)現(xiàn)數(shù)據(jù)的輸入和關(guān)鍵績效指標(biāo)的可視化，以評估各種場景下的設(shè)備布局，優(yōu)化系統(tǒng)性能；KRISHNAN等[2]提出了一種分組效率度量的改進(jìn)方法，并用一種基于遺傳算法的方法求解布局矩陣中的機(jī)器單元布局；HE[3]針對布局優(yōu)化中控制關(guān)節(jié)數(shù)量的線性問題提出了采用改進(jìn)布局優(yōu)化公式的關(guān)節(jié)長度控制方法，對于調(diào)整節(jié)點(diǎn)位置的非線性問題則提出了利用幾何優(yōu)化的不連續(xù)布局優(yōu)化方法；周金平[4]針對生產(chǎn)設(shè)施布置的優(yōu)化問題，提出了面向功能的工藝原則仿真建模布置方法和面向?qū)ο蟮漠a(chǎn)品原則仿真建模布置方法，并利用遺傳算法對布置設(shè)計進(jìn)行了優(yōu)化；葉啟付等[5]分析了生產(chǎn)單元布局仿真優(yōu)化過程，構(gòu)建了多個布局仿真模型，通過對生產(chǎn)單元布局仿真結(jié)果的對比分析和優(yōu)化，對相關(guān)評價指標(biāo)的決策優(yōu)化起到了重要作用；徐熔[6]采用系統(tǒng)布置設(shè)計方法研究了車間作業(yè)單位之間的物流關(guān)系，確定了其相關(guān)密切程度及綜合接近程度，以單位面積產(chǎn)能和物流成本為優(yōu)化指標(biāo)對布局方案進(jìn)行了改進(jìn)。

生產(chǎn)線平衡仿真優(yōu)化是將各任務(wù)合理分配給有限的工作站，使各工作站的作業(yè)節(jié)拍和任務(wù)負(fù)荷盡可能相同，以減少作業(yè)時間、平衡作業(yè)負(fù)荷，從而提高生產(chǎn)效率。MAMUN等[7]提出一種啟發(fā)式方法使工作站總數(shù)最小化而效率更高，并在塑料袋制造公司的生產(chǎn)線平衡問題中發(fā)現(xiàn)了使工作站更有效執(zhí)行的最小數(shù)量；BORBA等[8]提出了機(jī)器人裝配線平衡問題下界的精確啟發(fā)式方法，此方法包括一種新穎的線性混合整數(shù)規(guī)劃模型和一種具有問題特定優(yōu)勢規(guī)則的分支定界和記憶算法，并在計算實(shí)驗中進(jìn)行了廣泛測試；林巨廣等[9]通過仿真分析了設(shè)備工作情況和瓶頸工位，并根據(jù)暫存區(qū)容量和添加位置設(shè)計了多因子試驗，對生產(chǎn)線的生產(chǎn)能力進(jìn)行了評估。

生產(chǎn)線排產(chǎn)仿真的目的是合理安排工件在每臺機(jī)器上的作業(yè)順序以縮短生產(chǎn)周期或增加生產(chǎn)線柔性。LIOU和HSIEH[10]提出了一種基于分組順序和作業(yè)順序的編碼方法，并結(jié)合粒子群優(yōu)化算法和遺傳算法對生產(chǎn)排產(chǎn)問題進(jìn)行了求解，獲得了最大生產(chǎn)時間最優(yōu)化的排產(chǎn)方案；郭華等[11]基于一種改進(jìn)的工序編碼方法對車間作業(yè)排序進(jìn)行了仿真映射，然后應(yīng)用遺傳算法對排序方式進(jìn)行了優(yōu)化求解；張立果等[12]針對多目標(biāo)柔性作業(yè)車間調(diào)度問題提出了一種求解多目標(biāo)問題的雙層遺傳算法，引入信息熵的概念對所提算法優(yōu)化后的種群進(jìn)行了分析，并從最長完工時間、最大機(jī)器負(fù)載、機(jī)器總負(fù)載3個方面對經(jīng)典案例進(jìn)行測試；單雪峰[13]采用層次分析法(analytic hierarchy process，AHP)從庫存成本的角度確定了排產(chǎn)的優(yōu)先級，并在生產(chǎn)周期最小化的基礎(chǔ)上加入工件權(quán)重的因素，分別以最小化最長完成時間和最小化加權(quán)總經(jīng)流時間為目標(biāo)建立排產(chǎn)調(diào)度模型。

上述研究通常以設(shè)備布局、物料配送、產(chǎn)線平衡等為優(yōu)化目標(biāo)，優(yōu)化對象包括流水線、裝配線車間、廠房等，通過設(shè)計數(shù)據(jù)采集方案、確立仿真分析目標(biāo)、分析結(jié)果影響因素、提取系統(tǒng)特性的方法對生產(chǎn)線進(jìn)行模型建立及仿真運(yùn)行?？梢钥闯鲞@些研究大多針對特定產(chǎn)品、特定行業(yè)的實(shí)際生產(chǎn)狀況展開仿真建模，缺乏對生產(chǎn)線的布局、平衡和排產(chǎn)等優(yōu)化問題的綜合集成，相比單個優(yōu)化目標(biāo)的求解，綜合多個目標(biāo)的優(yōu)化問題更加復(fù)雜，但在實(shí)際應(yīng)用方面更有參考意義。另一方面其研究大都是圍繞離散制造過程局部工藝、獨(dú)立設(shè)備或單體系統(tǒng)的虛擬仿真展開，尚未形成支持制造全要素高精度重構(gòu)的離散型智能生產(chǎn)線虛擬仿真技術(shù)體系。同時，生產(chǎn)線的模型過于簡化，考慮的影響因素較為單一，各作業(yè)單元之間的相互作用機(jī)制缺乏研究，對于離散系統(tǒng)中的人員、批次、物流等隨機(jī)因素的影響也考慮不足。生產(chǎn)線運(yùn)行仿真分析主要依賴已有數(shù)據(jù)驅(qū)動模型進(jìn)行, 缺乏實(shí)時動態(tài)數(shù)據(jù)的綜合集成，只能事后對生產(chǎn)線進(jìn)行調(diào)整優(yōu)化，不能在線進(jìn)行智能化和精準(zhǔn)化調(diào)整。在仿真軟件方面，主流的離散制造業(yè)仿真軟件如Witness，Arena，F(xiàn)lexSim，Plant Simulation等均為進(jìn)口軟件[14]，與國外相比，國內(nèi)在這方面的研究尚處于起步階段，研究工作較為分散，尚未形成成熟的仿真平臺，具備自主知識產(chǎn)權(quán)的離散制造業(yè)仿真軟件亟需突破。

2 數(shù)字孿生技術(shù)

通過數(shù)字孿生溝通物理世界和信息世界的理論，對于提升生產(chǎn)線仿真技術(shù)，滿足個性化、服務(wù)化、智能化等制造發(fā)展需求和趨勢有著重要的意義。

2.1 數(shù)字孿生概念的研究

國外在數(shù)字孿生方面的研究起步相對較早。ROSEN等[15]指出，在裝備制造領(lǐng)域“孿生體”概念的出現(xiàn)可以追溯到阿波羅計劃。NASA在研發(fā)所需任務(wù)飛行器的同時，制造了另一個完全相同的飛行器以直接鏡像對應(yīng)任務(wù)飛行器的狀況，并進(jìn)一步用于執(zhí)行訓(xùn)練、試驗和預(yù)測等。此時的孿生體仍是實(shí)物，但已經(jīng)具備了超寫實(shí)性、動態(tài)性、集成性等核心特性。密歇根大學(xué)的GRIEVES[16]于2003年提出基于虛擬模型的數(shù)字孿生思想，這一“與物理產(chǎn)品等價的虛擬數(shù)字化表達(dá)”概念，最初被定義為能抽象表達(dá)實(shí)體裝置并在真實(shí)或模擬條件下進(jìn)行測試的數(shù)字復(fù)制品，旨在更清晰地表達(dá)裝置的有關(guān)信息，從而將所有數(shù)據(jù)放在一起進(jìn)行更高層次的分析。這個概念隨后被命名為“鏡像的空間模型” “信息鏡像模型”等，2011年再次被命名為“數(shù)字孿生體”。其概念模型主要包括3部分：物理空間的實(shí)體產(chǎn)品、虛擬空間的數(shù)字產(chǎn)品及二者間的數(shù)據(jù)交互接口[17]。美國空軍研究實(shí)驗室于2011年對數(shù)字孿生體展開了進(jìn)一步研究，為了解決飛行器的維護(hù)及壽命預(yù)測問題，針對某新型空間飛行器建立一個與實(shí)體產(chǎn)品完全對應(yīng)的超寫實(shí)性數(shù)字孿生模型，其中包含物理實(shí)體所有的幾何與材料數(shù)據(jù)，并在2012年提出了“機(jī)體數(shù)字孿生體”的概念，將這一集成模型用于對機(jī)體的實(shí)時仿真分析[18]。數(shù)字孿生研究被推廣應(yīng)用到工業(yè)生產(chǎn)領(lǐng)域始于2013年，LEE等[19]開發(fā)了一個基于數(shù)字孿生藕合模型的設(shè)備健康狀況分析框架，實(shí)現(xiàn)了孿生模型在云平臺中和實(shí)際生產(chǎn)過程的同步運(yùn)行，并結(jié)合工業(yè)大數(shù)據(jù)對設(shè)備的健康狀況進(jìn)行了仿真模擬。ROSEN等[15]于2015年從仿真的角度討論了數(shù)字孿生在產(chǎn)品全生命周期各個環(huán)節(jié)的相關(guān)概念和應(yīng)用價值，指出了數(shù)字孿生的研究重點(diǎn)和發(fā)展方向，由此將數(shù)字孿生的研究由單個產(chǎn)品或設(shè)備延伸到了整個制造系統(tǒng)以及生產(chǎn)制造業(yè)全生命階段的管理。

從數(shù)字孿生概念發(fā)展的過程來看，其本質(zhì)是虛實(shí)交互的高精度仿真，以軟件為載體、以數(shù)據(jù)為基礎(chǔ)對模型進(jìn)行驅(qū)動，實(shí)現(xiàn)物理對象在信息空間的全面呈現(xiàn)、精確表達(dá)和動態(tài)監(jiān)測。數(shù)字孿生技術(shù)的架構(gòu)主要包括物理空間、信息空間和二者之間基于數(shù)據(jù)的交互反饋，物理空間基于真實(shí)的生產(chǎn)制造活動對數(shù)據(jù)進(jìn)行感知收集，信息空間則對數(shù)據(jù)進(jìn)行智能化的分析處理，兩者之間的實(shí)時交互和迭代演進(jìn)則通過工業(yè)互聯(lián)網(wǎng)實(shí)現(xiàn)，而通過對工業(yè)數(shù)據(jù)的采集、傳輸、建模、分析，能夠形成對機(jī)器運(yùn)行的優(yōu)化參數(shù)和企業(yè)運(yùn)營的管理決策。隨著工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)分析和人工智能等技術(shù)的發(fā)展成熟，數(shù)字孿生技術(shù)在制造業(yè)等領(lǐng)域有著廣闊的應(yīng)用前景。

2.2 數(shù)字孿生建模方法與應(yīng)用的研究

數(shù)字孿生的建模研究始見于2013年，研究認(rèn)為數(shù)字孿生是一種數(shù)據(jù)交互和組織的機(jī)制，通過虛擬模型對相關(guān)數(shù)據(jù)進(jìn)行存儲和管理，實(shí)現(xiàn)物理實(shí)體在虛擬空間的數(shù)字化重現(xiàn)，并通過數(shù)字孿生體的虛擬運(yùn)行，結(jié)合數(shù)據(jù)、模型和知識來模擬和預(yù)測物理實(shí)體的實(shí)際狀態(tài)和未來行為[20]。SCHLEICH等[21]提出了一種基于綜合參考模型的數(shù)字孿生建模方法，該模型以表面模型形狀概念作為設(shè)計和制造中的產(chǎn)品參考，實(shí)現(xiàn)了產(chǎn)品全生命周期數(shù)字孿生模型的表示、實(shí)現(xiàn)及應(yīng)用。準(zhǔn)確的數(shù)據(jù)和準(zhǔn)確的模型，是構(gòu)建有效數(shù)字孿生的核心要素。VRABI?等[22]指出了數(shù)字孿生的部分模型通過復(fù)雜行為的交互和相互關(guān)系的定義共享一個數(shù)字空間，從而實(shí)現(xiàn)集成整合及數(shù)字孿生體和物理實(shí)體之間的溝通交流。NIGRI等[23]提出了利用語義數(shù)據(jù)模型對來自生產(chǎn)現(xiàn)場的物理數(shù)據(jù)和操作數(shù)據(jù)進(jìn)行組織存儲，并將制造系統(tǒng)特定層次和具體行為的建模與核心仿真分開，以實(shí)現(xiàn)特定行為孿生體的靈活啟動。數(shù)字孿生建模的核心要點(diǎn)是對物理對象全生命周期的全要素模型進(jìn)行定義，并基于模型實(shí)現(xiàn)全過程數(shù)據(jù)集成和信息交互，從而為模型驅(qū)動的全生命周期數(shù)字化管理提供可能。

從2017年開始隨著數(shù)字孿生領(lǐng)域研究的爆發(fā)，針對數(shù)字孿生相關(guān)應(yīng)用技術(shù)研究成果開始大量出現(xiàn)。陶飛等[24]探討了數(shù)字孿生在車間中的應(yīng)用，提出了數(shù)字孿生車間的概念和組成，通過數(shù)字車間和物理車間的交互共融，實(shí)現(xiàn)生產(chǎn)管控和制造模式的優(yōu)化。QI和TAO[25]討論了大數(shù)據(jù)技術(shù)和數(shù)字孿生技術(shù)的關(guān)系和異同，以及兩者在制造領(lǐng)域的產(chǎn)品設(shè)計、生產(chǎn)制造和預(yù)測維護(hù)等方面的使用情況，并分析了兩者的綜合應(yīng)用方法。通過結(jié)構(gòu)參數(shù)、物理幾何、材料特性、行為規(guī)則等各種維度、層次和粒度的數(shù)據(jù)的綜合集成[26]，數(shù)字孿生技術(shù)可以實(shí)現(xiàn)制造系統(tǒng)生產(chǎn)過程的數(shù)字化重現(xiàn)和可視化分析。結(jié)合物聯(lián)網(wǎng)技術(shù)，數(shù)字孿生使制造企業(yè)能夠?qū)ιa(chǎn)過程進(jìn)行實(shí)時動態(tài)監(jiān)控。而虛擬模型在和物理對象的不斷循環(huán)迭代中，也會根據(jù)系統(tǒng)輸入進(jìn)行高頻次的仿真模擬，并不斷產(chǎn)生相關(guān)孿生數(shù)據(jù)，實(shí)現(xiàn)仿真模型的迭代演進(jìn)，并結(jié)合大數(shù)據(jù)分析和人工智能等技術(shù)，實(shí)現(xiàn)對計劃場景和虛擬行為的仿真模擬和優(yōu)化分析，以預(yù)測潛在的風(fēng)險從而進(jìn)行優(yōu)化，并驗證優(yōu)化方案的有效性，使企業(yè)能夠?qū)ιa(chǎn)過程進(jìn)行更準(zhǔn)確的預(yù)測和更合理的決策。MOUSSA等[27]構(gòu)建了一種基于有限元仿真器的數(shù)字孿生模型，用于對大型水輪發(fā)電機(jī)的設(shè)計、研究、監(jiān)測和測試，并以一臺三相同步電機(jī)為例對建立的模型進(jìn)行了驗證。TAO等[28]提出了一種利用數(shù)字孿生驅(qū)動故障預(yù)測與健康管理的新方法，該方法利用數(shù)字孿生的相互作用機(jī)理和融合數(shù)據(jù)實(shí)現(xiàn)了復(fù)雜設(shè)備的虛實(shí)融合，提高了故障預(yù)測與健康管理的精度和效率。數(shù)字孿生應(yīng)用的目的是為研究對象創(chuàng)建數(shù)字化的虛擬模型，通過數(shù)據(jù)交互來監(jiān)測物理世界的狀態(tài)，利用仿真分析來模擬物理對象的行為，并通過雙向映射來控制物理對象的狀態(tài)和行為。

在信息世界和物理世界之間構(gòu)建數(shù)字孿生，實(shí)現(xiàn)兩者之間高密度、高實(shí)時性的連接，是實(shí)現(xiàn)信息物理系統(tǒng)理論框架具體落地的實(shí)踐方法，對于提升生產(chǎn)仿真和控制技術(shù)有著重要的意義。但數(shù)字孿生模型和孿生空間的構(gòu)建目前還在探索階段，相關(guān)研究主要側(cè)重于數(shù)字孿生的概念探討、產(chǎn)品的使用維護(hù)以及工廠車間的運(yùn)營等[26]，在實(shí)際應(yīng)用方面，基于數(shù)字孿生的制造模式尚未能完全落地。數(shù)字孿生起源于航空航天工程領(lǐng)域，相關(guān)研究主要面向飛機(jī)這類大型復(fù)雜產(chǎn)品，集中在產(chǎn)品運(yùn)營維護(hù)和健康管理、信息跟蹤或供應(yīng)鏈等全生命周期的產(chǎn)后階段，在生產(chǎn)制造業(yè)的研究時間不長，針對生產(chǎn)主體的全生命周期生產(chǎn)過程階段的研究較為少見，尤其是面向生產(chǎn)線工藝仿真與優(yōu)化的數(shù)字孿生研究和應(yīng)用探索需要加強(qiáng)。在工藝建模方面，通過數(shù)字孿生可以在設(shè)計階段就利用仿真等手段對設(shè)計結(jié)果進(jìn)行分析，但從工藝設(shè)計與優(yōu)化的實(shí)際應(yīng)用角度來看，數(shù)字孿生模型的狀態(tài)識別、快速建立、實(shí)時重構(gòu)和解析表達(dá)等這些具體技術(shù)還有待深入研究。計算機(jī)輔助技術(shù)的發(fā)展為數(shù)字孿生奠定了基礎(chǔ)，21世紀(jì)后美國軍方等機(jī)構(gòu)開始提出數(shù)字孿生的相關(guān)概念，近年來相關(guān)工業(yè)軟件巨頭紛紛布局?jǐn)?shù)字孿生業(yè)務(wù)，而未來數(shù)字孿生相關(guān)產(chǎn)業(yè)有望迎來爆發(fā)期。圖1反映了數(shù)字孿生的發(fā)展脈絡(luò)。數(shù)字孿生技術(shù)由計算機(jī)仿真技術(shù)發(fā)展而來并隨著傳感器技術(shù)而興起，可以看作是傳統(tǒng)計算機(jī)輔助技術(shù)的發(fā)展，并在近幾年隨著新一代信息技術(shù)群體突破和融合發(fā)展而不斷壯大，在工業(yè)制造、城市建筑、醫(yī)療服務(wù)、基礎(chǔ)建設(shè)等領(lǐng)域都有著廣闊前景。和傳統(tǒng)的仿真技術(shù)相比，數(shù)字孿生技術(shù)更強(qiáng)調(diào)物理系統(tǒng)和信息系統(tǒng)之間的虛實(shí)共融和實(shí)時交互，也可以將數(shù)字孿生看作貫穿全生命周期的高頻次并不斷循環(huán)迭代的仿真過程。傳統(tǒng)仿真技術(shù)對于仿真人員的數(shù)量和素質(zhì)要求較高，仿真耗時較長，無法滿足制造行業(yè)快速變化的市場環(huán)境和企業(yè)柔性混流的生產(chǎn)模式，而數(shù)字孿生的仿真敏捷快速的特點(diǎn)更能滿足生產(chǎn)線實(shí)際的仿真需求。因此能夠?qū)崿F(xiàn)虛擬模型和物理實(shí)體之間實(shí)時有效的交互方法是當(dāng)前數(shù)字孿生研究的重點(diǎn)，具體的技術(shù)難點(diǎn)包括物理資源的快速建模、模型的輕量級仿真以及控制過程的即時反饋等。

圖1 數(shù)字孿生概念的發(fā)展脈絡(luò)

3 數(shù)字孿生在生產(chǎn)線仿真中的應(yīng)用

通過數(shù)字孿生技術(shù)可以建立生產(chǎn)線的數(shù)字化模型與仿真環(huán)境，實(shí)現(xiàn)物理空間和信息空間的雙向映射和實(shí)時交互，以高頻次、不斷迭代演進(jìn)的仿真方式在信息空間中完成生產(chǎn)線的優(yōu)化以及對優(yōu)化結(jié)果的驗證，為生產(chǎn)活動提供決策和支持，達(dá)到“信息空間多次迭代，物理空間一次成功”的效果。

3.1 基于數(shù)字孿生的制造資源建模

制造資源的數(shù)字化表達(dá)與管理是生產(chǎn)線設(shè)計與迭代優(yōu)化的關(guān)鍵，國內(nèi)外學(xué)者對制造資源信息的獲取、表達(dá)與管理進(jìn)行了一系列研究。劉泉和王 耀[29]分析了生產(chǎn)過程中所涉及制造資源，利用本體對制造資源進(jìn)行了建模和描述，并將其封裝成網(wǎng)格模型實(shí)現(xiàn)信息共享；LIU等[30]提出了一種云制造模式下制造資源的共享策略，該策略通過構(gòu)造函數(shù)來對不同粒度的制造資源進(jìn)行分類，并利用聚類算法對物理資源進(jìn)行虛擬映射；CAI等[31]提出了基于傳感器數(shù)據(jù)集成和信息融合的數(shù)字孿生虛擬機(jī)床信息物理制造方法，將制造數(shù)據(jù)和感知數(shù)據(jù)整合到開發(fā)的數(shù)字孿生虛擬機(jī)床中，以提高其可靠性和加工能力。

通過數(shù)字孿生技術(shù)建立生產(chǎn)線仿真模型，可以融合計算、交互和控制屬性，構(gòu)建生產(chǎn)過程的全要素交互融合、全流程虛實(shí)映射，形成生產(chǎn)過程模型和實(shí)際生產(chǎn)過程之間的雙向映射和實(shí)時交互，實(shí)現(xiàn)面向生產(chǎn)現(xiàn)場的生產(chǎn)過程建模以及離線和在線仿真，對生產(chǎn)線設(shè)計和迭代優(yōu)化進(jìn)行指導(dǎo)。圖2是基于數(shù)字孿生的制造資源建模實(shí)施框架。

圖2 基于數(shù)字孿生的生產(chǎn)線建模

就存在形式而言，生產(chǎn)線相關(guān)的制造資源包括硬件資源、軟件資源、知識資源和人力資源等。在使用方式上，這些靜態(tài)資源可以按不可分解的最小組成單位進(jìn)行封裝，依據(jù)業(yè)務(wù)流程需要，以人力資源為中心聚合硬件資源、軟件資源和知識資源，形成多層次跨學(xué)科的動態(tài)能力資源。傳統(tǒng)的生產(chǎn)線虛擬仿真技術(shù)往往針對具體場景下的單一目標(biāo)進(jìn)行建模，難以滿足制造資源在存在形式和業(yè)務(wù)流程上的多維度、多粒度、多層次的建模需求，無法完整實(shí)時高精度表征實(shí)際生產(chǎn)過程?；跀?shù)字孿生的生產(chǎn)線制造資源建模，可以通過構(gòu)建相應(yīng)的模型映射規(guī)則庫，實(shí)現(xiàn)生產(chǎn)線部件、資源和系統(tǒng)由物理空間到虛擬空間的多維度、多粒度自動映射，其中包括由幾何模型實(shí)現(xiàn)形狀、尺寸、位置等幾何空間數(shù)據(jù)的映射，由物理模型實(shí)現(xiàn)動力學(xué)、運(yùn)動學(xué)特征的映射，由行為模型實(shí)現(xiàn)加工、運(yùn)輸、裝配等行為的映射，由規(guī)則模型實(shí)現(xiàn)資源、部件、生產(chǎn)線間的邏輯關(guān)系映射。在具體的生產(chǎn)任務(wù)中一般需要將不同層次粒度的制造資源通過一定的方式關(guān)聯(lián)聚合起來以滿足任務(wù)需求，這種能實(shí)現(xiàn)復(fù)雜生產(chǎn)任務(wù)的制造資源聚合體往往具有復(fù)雜的子資源和子任務(wù)，若對每一個任務(wù)和資源都逐層分解至最底層工序，并由最底層工序相關(guān)的資源進(jìn)行綜合集成，會給實(shí)際計算帶來較大的調(diào)用和交互難度。基于數(shù)字孿生的多粒度資源建模方法能夠依據(jù)具體的生產(chǎn)約束關(guān)系，針對不同層次的制造任務(wù)需求對細(xì)粒度的制造資源進(jìn)行集成協(xié)同，形成粗粒度的制造資源，實(shí)現(xiàn)不同粒度資源模型的高效動態(tài)調(diào)度。資源聚合集成所依據(jù)的約束關(guān)系考慮2種：一種是相同功能關(guān)系，將具有同種制造功能的細(xì)粒度資源聚合為粗粒度資源，形成的資源聚合體具有和細(xì)粒度資源相同的制造功能和更強(qiáng)的制造能力；另一種是依據(jù)工藝流程對細(xì)粒度資源進(jìn)行聚合，形成的資源聚合體在滿足復(fù)雜制造任務(wù)的同時具有更少的制造節(jié)點(diǎn)數(shù)量。這樣在滿足多層次任務(wù)需求時能有效降低資源調(diào)度整合和交互的復(fù)雜程度。現(xiàn)代制造需要高效柔性的生產(chǎn)模式以適應(yīng)個性化定制的市場需求，基于數(shù)字孿生的多維度、多粒度資源建模能夠滿足不同功能層次的業(yè)務(wù)流程，從而實(shí)現(xiàn)定制化生產(chǎn)的需求多樣性。目前基于數(shù)字孿生的制造資源建模研究主要面向生產(chǎn)規(guī)劃和優(yōu)化領(lǐng)域，對相應(yīng)生產(chǎn)信息的獲取、表達(dá)和建模進(jìn)行了研究。面向數(shù)字孿生的制造資源建模除了要對結(jié)構(gòu)化信息進(jìn)行表達(dá)外，還需要對生產(chǎn)信息語義進(jìn)行描述，進(jìn)而實(shí)現(xiàn)對智能制造領(lǐng)域生產(chǎn)知識的組織與管理。

3.2 數(shù)字孿生驅(qū)動的生產(chǎn)線仿真

對于生產(chǎn)線這類結(jié)構(gòu)復(fù)雜的仿真目標(biāo)，傳統(tǒng)的解析物理方法往往只針對其結(jié)構(gòu)、運(yùn)行機(jī)理或某一環(huán)境因素進(jìn)行建模仿真，取得的仿真效果較差。實(shí)際生產(chǎn)過程中的生產(chǎn)線狀態(tài)會隨時發(fā)生變化，離線建立的生產(chǎn)線模型難以對生產(chǎn)線的實(shí)際生產(chǎn)狀態(tài)進(jìn)行實(shí)時精確的反映，而實(shí)時物理建模解算難以實(shí)現(xiàn)完備的物理建模和多尺度的細(xì)節(jié)表達(dá)，無法對生產(chǎn)過程進(jìn)行多粒度高效模擬。

數(shù)字孿生可以通過數(shù)據(jù)接口實(shí)現(xiàn)虛擬生產(chǎn)線和物理生產(chǎn)線的虛實(shí)融合，從而采集物理實(shí)體的數(shù)據(jù)來實(shí)時更新虛擬模型，通過采集生產(chǎn)現(xiàn)場的實(shí)時數(shù)據(jù)，將理論模型動態(tài)修正為實(shí)作模型，使仿真計算結(jié)果更符合實(shí)際生產(chǎn)的情況。方圓等[32]提出了一種基于數(shù)字孿生的加工設(shè)備運(yùn)行狀態(tài)監(jiān)測方法，通過現(xiàn)場PC工控機(jī)軟件的IP地址和端口號在客戶端與工控機(jī)軟件間建立連接，從設(shè)備處獲取實(shí)時運(yùn)動數(shù)據(jù)并傳輸?shù)娇蛻舳诉M(jìn)行解析和驅(qū)動仿真；魏一雄等[33]通過搭建面向真實(shí)物理行為高保真映射的虛擬仿真環(huán)境構(gòu)建數(shù)字孿生車間系統(tǒng)，采用面向事件響應(yīng)的數(shù)據(jù)管理方法實(shí)時驅(qū)動模型運(yùn)行；王峻峰等[34]提出了面向生產(chǎn)性能數(shù)字孿生仿真的數(shù)據(jù)映射方法，利用統(tǒng)一建模語言(unified modeling language，UML)類圖建立了制造車間仿真數(shù)據(jù)模型實(shí)現(xiàn)數(shù)據(jù)的結(jié)構(gòu)化建模存儲，并通過仿真數(shù)據(jù)加載與更新方法實(shí)現(xiàn)數(shù)據(jù)模型與生產(chǎn)模型的融合，驅(qū)動仿真的運(yùn)行，對生產(chǎn)過程中的性能參數(shù)進(jìn)行動態(tài)分析。

數(shù)字孿生可以通過機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等數(shù)據(jù)驅(qū)動的建模方法解決復(fù)雜結(jié)構(gòu)系統(tǒng)建模難題，并利用數(shù)據(jù)驅(qū)動的方法，對模型進(jìn)行實(shí)時更新和完善，以此逼近目標(biāo)系統(tǒng)的實(shí)時狀態(tài)、預(yù)測目標(biāo)系統(tǒng)未來狀態(tài)，充分結(jié)合模型和數(shù)據(jù)以實(shí)現(xiàn)仿真效果的提升。數(shù)字孿生的方法本質(zhì)上是在物理生產(chǎn)線和虛擬生產(chǎn)線之間建立了一種連續(xù)的交互過程，通過這種交互實(shí)現(xiàn)模型的仿真運(yùn)行和對物理實(shí)體的計算控制。在這種基于數(shù)字孿生的生產(chǎn)線仿真優(yōu)化框架中，首先基于生產(chǎn)工藝和業(yè)務(wù)流程構(gòu)建基本的數(shù)字孿生模型，然后利用歷史數(shù)據(jù)對模型進(jìn)行訓(xùn)練，并根據(jù)綜合評價指標(biāo)對所得模型進(jìn)行評估、篩選和優(yōu)化，將實(shí)時生產(chǎn)數(shù)據(jù)輸入到優(yōu)化后的模型中得到系統(tǒng)生產(chǎn)控制的最優(yōu)解，反饋到工業(yè)控制系統(tǒng)實(shí)現(xiàn)對生產(chǎn)線的控制。在這一過程中數(shù)字孿生模型將根據(jù)采集、更新、積累的數(shù)據(jù)進(jìn)行迭代訓(xùn)練優(yōu)化，以適應(yīng)現(xiàn)實(shí)生產(chǎn)環(huán)境的持續(xù)變化。

3.3 孿生數(shù)據(jù)驅(qū)動的生產(chǎn)線優(yōu)化

生產(chǎn)過程各種自動化、信息化技術(shù)的應(yīng)用，使得越來越多的產(chǎn)品質(zhì)量特性可以測量，生產(chǎn)線中影響質(zhì)量特性的眾多復(fù)雜過程參數(shù)也能采集存儲，為數(shù)據(jù)驅(qū)動的生產(chǎn)線優(yōu)化提供了基礎(chǔ)條件。

數(shù)據(jù)驅(qū)動的生產(chǎn)線優(yōu)化的研究主要體現(xiàn)在2個方面。一個是對監(jiān)測到的生產(chǎn)異常進(jìn)行診斷，并有針對地進(jìn)行優(yōu)化調(diào)整，大體是基于“問題分析-模型構(gòu)建-求解算法設(shè)計-優(yōu)化分析控制”的流程來展開研究。趙啟東等[35]提出了一種基于支持向量機(jī)的單分類方法建立市場過程監(jiān)控模型，分別利用貢獻(xiàn)圖和臨近點(diǎn)替換實(shí)現(xiàn)異常點(diǎn)診斷以及工藝參數(shù)優(yōu)化。朱占軍等[36]采用反向傳播(back propagation，BP)神經(jīng)網(wǎng)絡(luò)構(gòu)建了質(zhì)量預(yù)測模型，基于多源統(tǒng)計理論采集質(zhì)量特性數(shù)據(jù)繪制質(zhì)量控制圖以實(shí)現(xiàn)對異常數(shù)據(jù)點(diǎn)的辨識，并優(yōu)化了引起質(zhì)量波動的主要因素。BOTKINA等[37]開發(fā)了切削刀具的數(shù)字孿生模型，通過收集刀具的數(shù)據(jù)信息來對刀具切削過程不斷進(jìn)行優(yōu)化。

另一個方面是利用聚類分析、關(guān)聯(lián)分析、優(yōu)化算法等方法對過程相關(guān)的數(shù)據(jù)進(jìn)行分析，找到最優(yōu)化的生產(chǎn)參數(shù)組合，實(shí)現(xiàn)對生產(chǎn)過程的優(yōu)化，是基于大數(shù)據(jù)的“數(shù)據(jù)關(guān)聯(lián)挖掘-動態(tài)演化-仿真預(yù)測-智能調(diào)控”的研究思路。YANG等[38]利用穩(wěn)態(tài)生產(chǎn)數(shù)據(jù)建立數(shù)學(xué)模型描述球團(tuán)冷卻過程，并應(yīng)用關(guān)聯(lián)規(guī)則歸納和聚類分析挖掘?qū)I(yè)操作規(guī)則和優(yōu)化目標(biāo)，在此基礎(chǔ)上提出了循環(huán)冷卻器的優(yōu)化控制策略。PASHAZADEH等[39]通過全因子試驗設(shè)計對點(diǎn)焊工藝參數(shù)進(jìn)行了統(tǒng)計建模，并提出了一種基于神經(jīng)網(wǎng)絡(luò)和多目標(biāo)遺傳算法的點(diǎn)焊工藝參數(shù)優(yōu)化方法，對相關(guān)參數(shù)進(jìn)行了優(yōu)化求解。KABALDIN等[40]提出了一種基于神經(jīng)網(wǎng)絡(luò)建模的刀具數(shù)字孿生模型，通過改變神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，可以對刀具耐磨涂層的組成和結(jié)構(gòu)以及加工方式進(jìn)行優(yōu)化。

經(jīng)過多年的發(fā)展，數(shù)據(jù)驅(qū)動的生產(chǎn)線優(yōu)化方法在理論研究和實(shí)際應(yīng)用方面都取得了豐碩的成果。隨著生產(chǎn)過程信息化程度的不斷提高，企業(yè)中生產(chǎn)數(shù)據(jù)的積累逐漸增長，而大數(shù)據(jù)、云計算和人工智能等技術(shù)的發(fā)展也為生產(chǎn)數(shù)據(jù)的存儲、處理和分析創(chuàng)造了可能，企業(yè)因此開始重視數(shù)據(jù)的收集和應(yīng)用[41-42]。在監(jiān)控方面，基于人工智能的智能診斷相比于傳統(tǒng)的多元統(tǒng)計監(jiān)控更加主動；在預(yù)測方面，基于神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、模糊理論等技術(shù)的智能預(yù)測相比以時間序列法和統(tǒng)計回歸法為主的傳統(tǒng)預(yù)測方法更加智能；在決策方面，由數(shù)據(jù)驅(qū)動的智能決策方法擺脫了以往對人工經(jīng)驗的依賴[43]。數(shù)字孿生概念的重要特點(diǎn)是可通過數(shù)據(jù)接口來實(shí)現(xiàn)虛實(shí)數(shù)據(jù)融合，建立生產(chǎn)線數(shù)字孿生模型，預(yù)留與制造執(zhí)行系統(tǒng)等的數(shù)據(jù)接口，并根據(jù)實(shí)時數(shù)據(jù)動態(tài)修正虛擬模型。通過數(shù)字孿生全生命周期的雙向?qū)崟r聯(lián)系，可以將歷史數(shù)據(jù)和實(shí)時數(shù)據(jù)交互融合并用于訓(xùn)練優(yōu)化模型，使優(yōu)化模型能根據(jù)實(shí)際生產(chǎn)過程進(jìn)行更新，從而實(shí)現(xiàn)模型決策邊界隨著生產(chǎn)過程的長期動態(tài)演變，如圖3所示。此外，通過數(shù)字孿生技術(shù)，可以實(shí)現(xiàn)虛擬生產(chǎn)線與物理生產(chǎn)線的全方位同步，為基于生產(chǎn)過程歷史數(shù)據(jù)、數(shù)字孿生數(shù)據(jù)和實(shí)時運(yùn)行數(shù)據(jù)的數(shù)據(jù)分析提供了基礎(chǔ)，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動的生產(chǎn)過程狀態(tài)預(yù)測，使發(fā)現(xiàn)問題然后進(jìn)行優(yōu)化的被動過程轉(zhuǎn)變?yōu)橹鲃訁?shù)調(diào)整的優(yōu)化過程，為生產(chǎn)線優(yōu)化自主決策提供了可能。

圖3 孿生數(shù)據(jù)驅(qū)動的生產(chǎn)線優(yōu)化

生產(chǎn)線是一個包括設(shè)備、產(chǎn)品、人員、資源、環(huán)境的多層次多因素的動態(tài)系統(tǒng)，隨著生產(chǎn)線的持續(xù)運(yùn)轉(zhuǎn)，線上的各種物理對象都在不斷發(fā)生變化，因此生產(chǎn)過程歷史數(shù)據(jù)、數(shù)字孿生數(shù)據(jù)和實(shí)時運(yùn)行數(shù)據(jù)具有體量大和維度高的特點(diǎn)，基于這些數(shù)據(jù)的全局尋優(yōu)過程往往需要大量的算力和時間，不能滿足生產(chǎn)控制優(yōu)化的即時性需求。因此對于需要不斷調(diào)整即時控制點(diǎn)位的工業(yè)生產(chǎn)線，例如石油化工等流程制造業(yè)中的生產(chǎn)線，在優(yōu)化方法的應(yīng)用上要考慮優(yōu)化程度和即時控制之間的平衡，一方面要盡量避免結(jié)果陷入局部最優(yōu)，一方面要滿足優(yōu)化控制的即時性以快速地對數(shù)據(jù)做出響應(yīng)。由于不同的算法有著不同的優(yōu)缺點(diǎn)，在搜索算法的選擇上可以考慮耦合多種算法的方法來克服相應(yīng)的缺陷，例如利用粒子群算法的快速收斂到達(dá)最優(yōu)解附近，再利用網(wǎng)格搜索算法進(jìn)行大區(qū)間小步長的精密搜索得到全局最優(yōu)解，從而得到優(yōu)化后的實(shí)時控制集。另一方面，從實(shí)際決策的方面考量，依據(jù)具體情況及優(yōu)化目標(biāo)，在某些工業(yè)生產(chǎn)場景下優(yōu)先滿足優(yōu)化控制的即時性比全局尋優(yōu)更有實(shí)際意義，例如汽車裝配等離散制造業(yè)中的生產(chǎn)線等，由于整體布局和工藝流程相對固化，作業(yè)元素之間有較強(qiáng)的約束關(guān)系和相關(guān)性，對其進(jìn)行重構(gòu)優(yōu)化時就沒有必要再進(jìn)行全面的搜索尋優(yōu)。

4 總結(jié)與展望

傳統(tǒng)的生產(chǎn)線仿真分析主要依賴已有數(shù)據(jù)驅(qū)動模型進(jìn)行，采用離線數(shù)據(jù)訓(xùn)練得到相應(yīng)的模式或關(guān)系作為決策邊界，對實(shí)時動態(tài)數(shù)據(jù)綜合集成考慮不足，缺乏對決策邊界的實(shí)時更新，只能事后對生產(chǎn)線進(jìn)行調(diào)整優(yōu)化，不能對生產(chǎn)線進(jìn)行在線智能化和精準(zhǔn)化調(diào)整。此外，各種數(shù)字化測控技術(shù)的應(yīng)用使得生產(chǎn)線現(xiàn)場數(shù)據(jù)信息可以輕松獲取，但這些實(shí)時信息往往缺乏統(tǒng)一的管理和分析，造成大量的數(shù)據(jù)浪費(fèi)。數(shù)字孿生的出現(xiàn)為解決這些問題提供了思路。數(shù)字孿生技術(shù)由計算機(jī)仿真技術(shù)和傳感器技術(shù)而興起，是傳統(tǒng)計算機(jī)輔助技術(shù)的發(fā)展，并在近幾年隨著新一代信息技術(shù)群體突破和融合發(fā)展而不斷壯大。與傳統(tǒng)的生產(chǎn)線仿真技術(shù)相比，數(shù)字孿生更強(qiáng)調(diào)物理空間和信息空間的雙向映射和實(shí)時交互，數(shù)字孿生中的仿真是高頻次并不斷迭代演進(jìn)的，這項技術(shù)可以解決制造過程信息空間與物理空間互聯(lián)互通交互共融的問題，通過虛擬模型和物理實(shí)體之間的實(shí)時交互和迭代演進(jìn)，精確地模擬物理生產(chǎn)線的生產(chǎn)過程，實(shí)現(xiàn)生產(chǎn)資源的數(shù)字化管理，為生產(chǎn)活動提供決策和支持。然而由于模型和算法等方面的限制，數(shù)字孿生在孿生模型建立、異構(gòu)數(shù)據(jù)融合和虛實(shí)實(shí)時交互等方面實(shí)現(xiàn)難度較大，相關(guān)領(lǐng)域的關(guān)鍵技術(shù)和理論方法還有待深入研究。

在模型建立方面，物理模型和數(shù)學(xué)模型在對生產(chǎn)線的描述和表達(dá)上存在著較大的局限，在缺乏語義特征的仿真條件下，難以通過物理建模和函數(shù)解算的方法對復(fù)雜生產(chǎn)場景進(jìn)行高精度、高效率的仿真模擬。因此，需要進(jìn)一步研究虛擬映射生產(chǎn)單元統(tǒng)一表達(dá)形式以及模型特征語義信息描述方法，實(shí)現(xiàn)基于語義結(jié)構(gòu)特征的虛擬生產(chǎn)線幾何、物理、功能的同步重建。

在數(shù)據(jù)融合方面，物理生產(chǎn)線本身及其運(yùn)行過程中的數(shù)據(jù)信息體量龐大、模型結(jié)構(gòu)復(fù)雜，采集的數(shù)據(jù)存在多源、異構(gòu)、低質(zhì)量等問題，如何構(gòu)建并執(zhí)行虛實(shí)生產(chǎn)線數(shù)據(jù)互聯(lián)和雙向交互規(guī)則，實(shí)現(xiàn)由物理生產(chǎn)線到虛擬生產(chǎn)線的自動映射和物理制造資源狀態(tài)的實(shí)時高精度感知，對生產(chǎn)線的智能運(yùn)行、精準(zhǔn)管控與可靠運(yùn)維具有十分重要的現(xiàn)實(shí)意義。

在虛實(shí)交互方面，虛擬生產(chǎn)線的高精度仿真需要信息空間與物理空間的實(shí)時響應(yīng)與協(xié)同優(yōu)化，如何建立虛實(shí)空間實(shí)時互通共融的機(jī)制，實(shí)現(xiàn)混合空間中數(shù)據(jù)在時間、空間和生產(chǎn)過程的同步，完成虛擬世界對物理世界的匹配與跟蹤，是建立物理生產(chǎn)線和虛擬生產(chǎn)線虛實(shí)交互與協(xié)同優(yōu)化、實(shí)現(xiàn)對實(shí)際生產(chǎn)過程完整精確表征的關(guān)鍵。

5 結(jié)束語

在生產(chǎn)線的規(guī)劃設(shè)計與重構(gòu)優(yōu)化中，仿真分析是常用的技術(shù)手段，隨著制造過程智能化程度的提升，仿真技術(shù)將向著信息系統(tǒng)與物理系統(tǒng)深度融合和高效協(xié)同的方向繼續(xù)發(fā)展。而數(shù)字孿生作為物理對象和虛擬模型雙向映射實(shí)時交互的使能技術(shù)，將在生產(chǎn)線的仿真優(yōu)化與全生命周期數(shù)字化管理中發(fā)揮更加重要的作用。

[1] PRAJAPAT N, WALLER T, YOUNG J, et al. Layout optimization of a repair facility using discrete event simulation[J]. Procedia CIRP, 2016, 56: 574-579.

[2] KRISHNAN K K, MIRZAEI S, VENKATASAMY V, et al. A comprehensive approach to facility layout design and cell formation [J]. The International Journal of Advanced Manufacturing Technology, 2012, 59(5-8): 737-753.

[3] HE L W. Rationalization of trusses and yield-line patterns identified using layout optimization[D]. Sheffield: The University of Sheffield, 2015.

[4] 周金平. 生產(chǎn)系統(tǒng)仿真: Plant Simulation應(yīng)用教程[M]. 北京: 電子工業(yè)出版社, 2011:73-123.

ZHOU J P. Production system simulation: plant simulation application course[M]. Beijing: Electronic Industry Press, 2011:73-123(in Chinese).

[5] 葉啟付, 李國叢, 單振剛, 等. 多品種小批量殼體生產(chǎn)單元布局仿真優(yōu)化[J]. 航天制造技術(shù), 2015(6): 53-57.

YE Q F, LI G C, SHAN Z G, et al. Simulation and optimization in a multi-varieties and small-batch shell manufacturing cells layout[J]. Aerospace Manufacturing Technology, 2015(6): 53-57 (in Chinese).

[6] 徐熔. 基于SLP方法的車間布局優(yōu)化設(shè)計[J]. 企業(yè)技術(shù)開發(fā), 2016, 35(4): 61-62.

XU R. Study on workshop layout design based on system layout planning[J]. Technological Development of Enterprise, 2016, 35(4): 61-62 (in Chinese).

[7] MAMUN A A, KHALED A A, ALI S M, et al. A heuristic approach for balancing mixed-model assembly line of type I using genetic algorithm[J]. International Journal of Production Research, 2012, 50(18): 5106-5116.

[8] BORBA L, RITT M, MIRALLES C. Exact and heuristic methods for solving the robotic assembly line balancing problem[J]. European Journal of Operational Research, 2018, 270(1): 146-156.

[9] 林巨廣, 武文杰, 蔡磊, 等. 基于Plant Simulation的白車身側(cè)圍焊裝線仿真與優(yōu)化[J]. 組合機(jī)床與自動化加工技術(shù), 2015(8): 111-114.

LIN J G, WU W J, CAI L, et al. Simulation and optimization of body side welding line in BIW based on plant simulation[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2015(8): 111-114 (in Chinese).

[10] LIOU C D, HSIEH Y C. A hybrid algorithm for the multi-stage flow shop group scheduling with sequence-dependent setup and transportation times[J]. International Journal of Production Economics, 2015, 170: 258-267.

[11] 郭華, 劉婷婷, 汪圓, 等. 基于Plant Simulation仿真平臺的車間作業(yè)排序優(yōu)化設(shè)計[J]. 現(xiàn)代制造工程, 2016(2): 108-112.

GUO H, LIU T T, WANG Y, et al. Optimization & design for job shop scheduling based on Plant Simulation[J]. Modern Manufacturing Engineering, 2016(2): 108-112 (in Chinese).

[12] 張立果, 黎向鋒, 左敦穩(wěn), 等. 求解多目標(biāo)柔性作業(yè)車間調(diào)度問題的兩層遺傳算法[J]. 計算機(jī)應(yīng)用, 2020, 40(S1): 14-22.

ZHANG L G, LI X F, ZUO D W, et al. Two-phase genetic algorithm for multi-objective flexible job-shop scheduling problem[J]. Journal of Computer Applications, 2020, 40(S1): 14-22 (in Chinese).

[13] 單雪峰. 基于庫存成本的汽車總裝配排產(chǎn)研究[D].沈陽: 沈陽工業(yè)大學(xué),2020.

SHAN X F. Research on automobile assembly scheduling based on inventory cost [D]. Shenyang: Shenyang University of Technology, 2020 (in Chinese).

[14] 郭紅康, 趙軍. 基于多Agent的面向訂單的離散制造系統(tǒng)建模與仿真研究[J]. 智能系統(tǒng)學(xué)報, 2016, 11(2): 233-240.

GUO H K, ZHAO J. Modeling and simulation of order-oriented discrete manufacturing system based on multi-agent[J]. CAAI Transactions on Intelligent Systems, 2016, 11(2): 233-240 (in Chinese).

[15] ROSEN R, VON WICHERT G, LO G, et al. About the importance of autonomy and digital twins for the future of manufacturing[J]. IFAC-PapersOnLine, 2015, 48(3): 567-572.

[16] GRIEVES M. Digital twin: manufacturing excellence through virtual factory replication[EB/OL]. [2015-03-01]. https://www.researchgate.net/publication/275211047_Digital_Twin_Manufacturing_Excellence_through_Virtual_Factory_Replication.

[17] GRIEVES M, VICKERS J. Digital twin: mitigating unpredictable, undesirable emergent behavior in complex systems[C]//Transdisciplinary Perspectives on Complex Systems: New Findings and Approaches. Heidelberg: Springer, 2017: 85-113.

[18] TUEGEL E J. The airframe digital twin: some challenges to realization[C]//The 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference. Resron: American Institute Aeronautics and Astronautics (AIAA),2012:1812.

[19] LEE J, LAPIRA E, YANG S H, et al. Predictive manufacturing system - trends of next-generation production systems[J]. IFAC Proceedings Volumes, 2013, 46(7): 150-156.

[20] Siemes. Digital twin - driving business value throughout the building life cycle [EB/OL]. [2020-12-28]. https://new.siemens.com/global/en/products/buildings/contact/digital-twin.html.

[21] SCHLEICH B, ANWER N, MATHIEU L, et al. Shaping the digital twin for design and production engineering[J]. CIRP Annals, 2017, 66(1): 141-144.

[22] VRABI? R, ERKOYUNCU J A, BUTALA P, et al. Digital twins: understanding the added value of integrated models for through-life engineering services[J]. Procedia Manufacturing, 2018, 16: 139-146.

[23] NEGRI E, FUMAGALLI L, CIMINO C, et al. FMU-supported simulation for CPS digital twin[J]. Procedia Manufacturing, 2019, 28: 201-206.

[24] 陶飛, 張萌, 程江峰, 等. 數(shù)字孿生車間: 一種未來車間運(yùn)行新模式[J]. 計算機(jī)集成制造系統(tǒng), 2017, 23(1): 1-9.

TAO F, ZHANG M, CHENG J F, et al. Digital twin workshop: a new paradigm for future workshop[J]. Computer Integrated Manufacturing Systems, 2017, 23(1): 1-9 (in Chinese).

[25] QI Q L, TAO F. Digital twin and big data towards smart manufacturing and industry 4.0: 360 degree comparison[J]. IEEE Access, 2018, 6: 3585-3593.

[26] SCHROEDER G N, STEINMETZ C, PEREIRA C E, et al. Digital twin data modeling with automationML and a communication methodology for data exchange[J]. IFAC-PapersOnLine, 2016, 49(30): 12-17.

[27] MOUSSA C, AI-HADDAD K, KEDJAR B, et al. Insights into digital twin based on finite element simulation of a large hydro generator[C]//IECON 2018 - 44th Annual Conference of the IEEE Industrial Electronics Society. New York: IEEE Press, 2018: 553-558.

[28] TAO F, ZHANG M, LIU Y S, et al. Digital twin driven prognostics and health management for complex equipment[J]. CIRP Annals, 2018, 67(1): 169-172.

[29] 劉泉, 王耀. 網(wǎng)格環(huán)境下制造資源的描述和封裝機(jī)理研究[J]. 武漢理工大學(xué)學(xué)報, 2009, 31(9): 114-117.

LIU Q, WANG Y. Research on manufacturing resources description and encapsulation mechanism in grid[J]. Journal of Wuhan University of Technology, 2009, 31(9): 114-117 (in Chinese).

[30] LIU N, LI X P, SHEN W M. Multi-granularity resource virtualization and sharing strategies in cloud manufacturing[J]. Journal of Network and Computer Applications, 2014, 46: 72-82.

[31] CAI Y, STARLY B, COHEN P, et al. Sensor data and information fusion to construct digital-twins virtual machine tools for cyber-physical manufacturing[J]. Procedia Manufacturing, 2017, 10: 1031-1042.

[32] 方圓, 劉江, 呂瑞強(qiáng), 等. 基于數(shù)字孿生的設(shè)備加工過程監(jiān)測技術(shù)研究[J]. 航空制造技術(shù), 2021, 64(4): 91-96.

FANG Y, LIU J, Lü R Q, et al. Research on monitoring technology of equipment processing based on digital twin[J]. Aeronautical Manufacturing Technology, 2021, 64(4): 91-96 (in Chinese).

[33] 魏一雄, 郭磊, 陳亮希, 等. 基于實(shí)時數(shù)據(jù)驅(qū)動的數(shù)字孿生車間研究及實(shí)現(xiàn)[J]. 計算機(jī)集成制造系統(tǒng), 2021, 27(2): 352-363.

WEI Y X, GUO L, CHEN L X, et al. Research and implementation of digital twin workshop based on real-time data driven[J]. Computer Integrated Manufacturing Systems, 2021, 27(2): 352-363 (in Chinese).

[34] 王峻峰,張玉帆,邵瑤琪,等.面向生產(chǎn)性能數(shù)字孿生的仿真數(shù)據(jù)映射研究[EB/OL].[2021-03-28]. https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=XTFZ20201231001&v=eLe5N9%25mmd2BvhWJV4nzSsxg9gk6TtlCU7SZGnqnH2VrfOeNGkeNpWTHaxL5NbjqojnQo.

WANG J F, ZHANG Y F, SHAO Y Q, et al. Research on simulation data mapping for production performance digital twin[EB/OL]. [2021-03-28]. https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=XTFZ20201231001&v=eLe5N9%25mmd2BvhWJV4nzSsxg9gk6TtlCU7SZGnqnH2VrfOeNGkeNpWTHaxL5NbjqojnQo(in Chinese).

[35] 趙啟東, 徐鋼, 黎敏. 基于支持向量數(shù)據(jù)描述方法的生產(chǎn)過程監(jiān)控、診斷與優(yōu)化[J]. 工程科學(xué)學(xué)報, 2016, 38(12): 1791-1797.

ZHAO Q D, XU G, LI M. Production process monitoring, diagnosis and optimization based on SVDD[J]. Chinese Journal of Engineering, 2016, 38(12): 1791-1797 (in Chinese).

[36] 朱占軍, 王明俠, 王春林. 基于質(zhì)量預(yù)測與統(tǒng)計分析的燒結(jié)過程性能監(jiān)控系統(tǒng)研究[J]. 燒結(jié)球團(tuán), 2016, 41(1): 7-11.

ZHU Z J, WANG M X, WANG C L. Research on performance monitoring system of sintering process based on quality prediction and statistical analysis[J]. Sintering and Pelletizing, 2016, 41(1): 7-11 (in Chinese).

[37] BOTKINA D, HEDLIND M, OLSSON B, et al. Digital twin of a cutting tool[J]. Procedia CIRP, 2018, 72: 215-218.

[38] YANG G M, FAN X H, CHEN X L, et al. Optimization of cooling process of iron ore pellets based on mathematical model and data mining[J]. Journal of Iron and Steel Research Internationa, 2015, 22(11):1002-1008.

[39] PASHAZADEH H, GHEISARI Y, HAMEDI M. Statistical modeling and optimization of resistance spot welding process parameters using neural networks and multi-objective genetic algorithm[J]. Journal of Intelligent Manufacturing, 2016, 27(3): 549-559.

[40] KABALDIN Y G, SHATAGIN D A, KUZMISHINA A M. The development of a digital twin of a cutting tool for mechanical production[J]. Proceedings of Higher Educational Institutions Маchine Building, 2019(4(709)): 11-17.

[41] 黃如花, 李楠. 基于數(shù)據(jù)生命周期模型的國外數(shù)據(jù)期刊政策研究[J]. 圖書與情報, 2017(3): 36-42, 108.

HUANG R H, LI N. Research on data journal policies based on data lifecycle model[J]. Library & Information, 2017(3): 36-42, 108 (in Chinese).

[42] ROHLEDER C, MARHOLD C, SALINESI C, et al. Quality data model and quality control in the product lifecycle management[EB/OL]. [2021-03-03]. https://www.researchgate.net/publication/259231525_Quality_Data_Model_and_Quality_Control_in_the_Product_Lifecycle_Management.

[43] LIU Y M, ZHOU H F, ZHANG S. A MSVM quality pattern recognition model for dynamic process[J]. Applied Mechanics and Materials, 2013, 433-435: 555-561.

Digital twin and production line simulation technology

TIAN Ling1,2, LIU Guo1,2, LIU Si-chao1,2

(1. Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China;2. Beijing Key Lab of Precision/Ultra- precision Manufacturing Equipment and Control, Beijing 100084, China)

With the deep integration of new generation information technology and manufacturing technology, simulation technology is developing into the deep integration and efficient collaboration between information system and physical system. In this context, digital twin technology with the characteristics of virtual reality fusion has become a new research hotspot in recent years, and is the development direction of the next generation simulation technology. In order to explore the adoption of new generation information technology and speed up the digital transformation and upgrading of discrete manufacturing industry, the development context and work scenarios of simulation technology are analyzed, and the digital twin technology has been drew into the research on simulation analysis of production line. The concept and connotation of the digital twin technology are introduced, the relationship, similarities and differences between digital twin technology and traditional computer simulation technology are analyzed, and the directions of applying digital twin technology in production line are discussed. Then the construction method and realization way of digital twin model of production line are analyzed, while the research status and existing problems are summarized. Finally, the possible innovation directions of digital twin in production line simulation are given, which provide a reference for discrete manufacturing enterprises to cross the interaction gap between physical resources and digital world, establish the interaction and integration of physical space and information space of production line, and promote the digital management and intelligent production of the whole life cycle of production line, in which way to achieve the transformation of intelligent manufacturing.

simulation; digital twin; production line; discrete manufacturing; intelligent manufacturing

TP 29

10.11996/JG.j.2095-302X.2021030349

A

2095-302X(2021)03-0349-10

2021-03-31；

2021-05-11

31 March，2021；

11 May，2021

國家自然科學(xué)基金項目(51675299)；北京市自然科學(xué)基金項目(3182012)；河北省重點(diǎn)研發(fā)計劃項目(20314402D)；清華大學(xué)自主科研計劃資助項目(2018Z05JZY006)

National Natural Science Foundation of China (51675299); Beijing Municipal Natural Science Foundation Project (3182012); Key Research and Development Plan Project of Hebei Province (20314402D); Independent Research Plan Funding Project of Tsinghua University (2018Z05JZY006)

田凌(1963-)，女，遼寧鐵嶺人，教授，博士，博士生導(dǎo)師。主要研究方向為機(jī)械制造及自動化/數(shù)字化制造。E-mail：tianling@tsinghua.edu

TIAN Ling (1963-), female, professor, Ph.D. Her main research interests cover machinery manufacturing and automation, digital manufacturing. E-mail：tianling@tsinghua.edu