基于數(shù)字孿生的化纖長絲落卷作業(yè)優(yōu)化方法及驗證

徐 慧，鄒孝付，王海天，陳 雷，李鑫磊，程江峰，王 勇

(1.北自所(北京)科技發(fā)展股份有限公司，北京 100120; 2.北京航空航天大學(xué) 人工智能研究院，北京 100191； 3.北京航空航天大學(xué) 自動化科學(xué)與電氣工程學(xué)院，北京 100191)

0 引言

“十四五”期間，我國紡織行業(yè)在基本實現(xiàn)紡織強國目標(biāo)的基礎(chǔ)上，立足新發(fā)展階段、貫徹新發(fā)展理念、構(gòu)建新發(fā)展格局，進(jìn)一步推進(jìn)行業(yè)“科技、時尚、綠色”的高質(zhì)量發(fā)展，在新的起點確定紡織行業(yè)在整個國民經(jīng)濟(jì)中的新定位，即“國民經(jīng)濟(jì)與社會發(fā)展的支柱產(chǎn)業(yè)、解決民生與美化生活的基礎(chǔ)產(chǎn)業(yè)、國際合作與融合發(fā)展的優(yōu)勢產(chǎn)業(yè)”[1]。

2019年全世界的纖維總產(chǎn)量約為9 000多萬噸，其中70%為化學(xué)纖維，約6 500萬噸，化學(xué)纖維中以長絲為主，約4 000多萬噸，且絕大部分產(chǎn)自中國[2]。隨著化纖長絲生產(chǎn)行業(yè)定制化、差異化、綠色化需求的逐漸增強，生產(chǎn)方式亟待從勞動密集、高能耗、高污染向技術(shù)密集、節(jié)能降耗、環(huán)保型轉(zhuǎn)變。生產(chǎn)企業(yè)為自身轉(zhuǎn)型升級，需采用自動化、數(shù)字化成套物流裝備與系統(tǒng)，通過數(shù)字化制造及生產(chǎn)管控技術(shù)進(jìn)行大產(chǎn)量、多批號產(chǎn)品的高效生產(chǎn)、信息采集追溯及全流程管控，實現(xiàn)生產(chǎn)提質(zhì)增效、精細(xì)化管控的目標(biāo)，幫助化纖長絲制造企業(yè)提升制造水平，增強核心競爭力。

雖然我國化纖產(chǎn)量已占據(jù)全球產(chǎn)量60%以上，但是與發(fā)達(dá)國家相比，整體技術(shù)裝備仍然落后，行業(yè)整體技術(shù)水平有待提高。存在的主要問題如下：

(1)作業(yè)策略效率低 目前，車間物流產(chǎn)線缺少生產(chǎn)作業(yè)策略自適應(yīng)調(diào)度優(yōu)化方法，導(dǎo)致生產(chǎn)節(jié)拍不合理，一部分環(huán)節(jié)空閑率較高，另部分環(huán)節(jié)無空閑且產(chǎn)品堆積，使物流產(chǎn)線實際生產(chǎn)效率遠(yuǎn)不能達(dá)到設(shè)計指標(biāo)。

(2)裝備故障率高 化纖車間物流生產(chǎn)線全天運轉(zhuǎn)，高溫、高壓和高濕的生產(chǎn)車間環(huán)境比較惡劣，整個紡織機械在制造過程中高強度、超大負(fù)荷運行容易發(fā)生故障，亟需對故障進(jìn)行診斷和定位，及時進(jìn)行修復(fù)，因此對故障預(yù)測提出了較高的要求。

(3)遠(yuǎn)程運維難 一般情況下，故障設(shè)備的診斷和維護(hù)都需要安排工程師到現(xiàn)場進(jìn)行分析和調(diào)查，增加了人力、物力和時間成本，延誤了正常的生產(chǎn)計劃。如何快速尋找并解決故障，為客戶提供更便捷的運維服務(wù)，是紡織行業(yè)面臨的問題。

針對化纖車間生產(chǎn)過程的數(shù)字化學(xué)術(shù)研究尚不完善。在化纖生產(chǎn)策略方面，YULDOSHEV等[3]分析了人工智能在世界實踐中廣泛應(yīng)用的方法，討論了紡織品生產(chǎn)規(guī)劃中最常見的人工智能方法和算法；ALEGRANT等[4]采用粒子群優(yōu)化算法，利用歷史數(shù)據(jù)和元啟發(fā)式算法促進(jìn)和優(yōu)化紡織企業(yè)生產(chǎn)線上的人力資源管理流程，減少紡織產(chǎn)品的生產(chǎn)時間；ZHANG等[5]提出一種高效的多目標(biāo)人工蜂群算法解決調(diào)度問題，將染色工序調(diào)度問題描述為一個雙目標(biāo)并行批處理機調(diào)度模型，該算法在求解質(zhì)量和計算時間魯棒性方面均優(yōu)于一般的多目標(biāo)調(diào)度算法；HUYNH等[6]開發(fā)了一種帶有啟發(fā)式嵌入的多子群體遺傳算法(Multi-Subpopulation Genetic Algorithm with Heuristics embedded, MSGA-H)，使最大完工時間最小化，以改善紡織批量染色調(diào)度這一瓶頸；陳向玲等[7]介紹了我國化纖智能制造發(fā)展的背景、取得的成效，以及存在的問題，提出化纖智能制造的柔性與多目標(biāo)生產(chǎn)措施，最后對我國化纖智能制造的發(fā)展提出了建議；張潔等[8]探討了大數(shù)據(jù)技術(shù)在新一代工業(yè)革命中的關(guān)鍵地位，并提出大數(shù)據(jù)驅(qū)動的紡織智能制造平臺體系架構(gòu)；楊浩等[9]采用遺傳算法對落卷機器人處理落卷任務(wù)的順序進(jìn)行優(yōu)化仿真，減少了人工干預(yù)的次數(shù)；袁培峰[10]設(shè)計了自動落卷輸送控制軟件，提高了落卷機器人的落卷能力；任薈穎等[11]設(shè)計了化纖長絲自動落卷系統(tǒng)仿真平臺，該平臺能夠?qū)Σ煌茏尣呗灾g的效率進(jìn)行對比；胡小榮等[12]應(yīng)用Unity3D將化纖長絲生產(chǎn)線進(jìn)行協(xié)同仿真和顯示，試驗表明，多機協(xié)同仿真可以更高效地設(shè)計和優(yōu)化化纖長絲生產(chǎn)線；梅順齊等[13]認(rèn)為建立紡織智能制造裝備的多領(lǐng)域分析模型是實現(xiàn)智能化的基礎(chǔ)，而且建立紡織智能制造裝備分析建模的理論框架可為紡織智能制造及其裝備的設(shè)計與實踐提供理論和技術(shù)支持。在化纖車間裝備故障方面，SCARPELLINI[14]等提出一種基于Web服務(wù)的數(shù)據(jù)采集與監(jiān)視控制(Supervisory Control and Data Acquisition, SCADA)系統(tǒng)，該方法允許操作人員不斷監(jiān)控機器的運行狀態(tài)和實時數(shù)據(jù)，從而防止機器故障或盡快處理故障，同時將數(shù)據(jù)收集并存儲在服務(wù)器中以便提取信息，并采用分析方法對生產(chǎn)率和效率進(jìn)行分析；HAN等[15]根據(jù)紡織設(shè)備的智能化需求實時監(jiān)控主軸狀態(tài)，設(shè)計并實現(xiàn)了紡織機械數(shù)據(jù)的實時統(tǒng)計功能，同時進(jìn)行遠(yuǎn)程高效生產(chǎn)管理和故障檢測，有效降低了人工操作成本，提高了紡織廠的智能化水平；王少偉等[16]針對紡織熱軋機故障具有多發(fā)性、隱秘性等特點，采用遺傳算法優(yōu)化的支持向量機(Support Vector Machine, SVM)對紡織熱軋機的故障類型建立分類模型；張勝國等[17]對關(guān)鍵設(shè)備的振動監(jiān)測方式進(jìn)行在線振動監(jiān)測技術(shù)改造，實現(xiàn)對主流程設(shè)備的連續(xù)實時監(jiān)測。在化纖裝備遠(yuǎn)程運維方面，張勤剛等[18]開發(fā)了基于物聯(lián)網(wǎng)和工業(yè)云的紡織機械遠(yuǎn)程運維系統(tǒng)，實現(xiàn)了紡織機械設(shè)備的故障快速糾錯和遠(yuǎn)程修復(fù)，提升了客戶效益，降低了紡織機械制造商的設(shè)備運維成本；賈坤等[19]研發(fā)了紡織機械遠(yuǎn)程運維平臺，在提高企業(yè)生產(chǎn)效率與質(zhì)量的同時降低了能耗，滿足了紡織企業(yè)自動化、連續(xù)化生產(chǎn)的迫切需求，實現(xiàn)了紡織企業(yè)和主機生產(chǎn)企業(yè)對紡織設(shè)備的遠(yuǎn)程管理和智能分級管控，具有可移植性和兼容性。

雖然我國紡織工業(yè)絕大部分指標(biāo)已經(jīng)達(dá)到甚至領(lǐng)先世界先進(jìn)水平，建立起了全世界最完備的現(xiàn)代紡織制造產(chǎn)業(yè)體系，但是還不是化纖強國，與世界發(fā)達(dá)國家相比，中國化纖行業(yè)的整體技術(shù)水平有待提高。我國化纖行業(yè)亟需通過提升作業(yè)策略效率、降低裝備故障率、實現(xiàn)遠(yuǎn)程運維，進(jìn)而提升企業(yè)生產(chǎn)管理水平、降低生產(chǎn)過程中的損耗，來助力企業(yè)數(shù)字化轉(zhuǎn)型，推動我國智能制造強國戰(zhàn)略的發(fā)展。

1 化纖長絲落卷作業(yè)流程及需求分析

1.1 化纖長絲落卷作業(yè)流程

化纖長絲落卷生產(chǎn)線如圖1所示，其運行過程如圖2所示。落絲生產(chǎn)線一般包括卷繞機、暫存臺、回轉(zhuǎn)臺、絲車和自動落卷機，一個卷繞車間通常由2～20條落絲生產(chǎn)線構(gòu)成。

卷繞機系統(tǒng)是將化學(xué)紡絲原液在一定工藝條件下抽拉成絲，并卷繞形成絲餅，每個卷繞軸同時卷繞9個絲餅。卷繞機系統(tǒng)布局通常由32～96臺卷繞機一字排列，可同時生產(chǎn)1～6個品種絲餅；自動落卷機#2接收到卷繞機發(fā)出的滿卷信號后，自動運行至對應(yīng)的卷繞機附近，取出滿卷的絲餅(如圖1)轉(zhuǎn)送到暫存臺暫存，或者直接與自動落卷機#1對接，將取出的絲餅轉(zhuǎn)運至自動落卷機#1；暫存臺對多品種絲餅進(jìn)行中間分類存儲；當(dāng)自動落卷機#2接到自動落卷機#1的取貨請求時，將從暫存臺上取出絲餅，并與自動落卷機#1對接；自動落卷機#1接收到絲餅后，將其掛置在回轉(zhuǎn)臺上的絲車上；回轉(zhuǎn)臺和絲車子系統(tǒng)用于接收自動落卷機#1的貨物，裝滿絲車后輸出轉(zhuǎn)運至下一個工作流程。

在實際使用過程中，該化纖長絲落卷系統(tǒng)仍存在作業(yè)策略效率低、裝備故障率高、遠(yuǎn)程運維難實現(xiàn)、裝備協(xié)作易失敗等問題。為了滿足化纖長絲智能制造和數(shù)字化轉(zhuǎn)型的戰(zhàn)略需求，需進(jìn)一步改造和提升化纖長絲落絲生產(chǎn)線的自動化和智能化水平，進(jìn)而提高化纖長絲的生產(chǎn)效率，降低生產(chǎn)成本，提升產(chǎn)品質(zhì)量。

1.2 化纖長絲落卷作業(yè)系統(tǒng)優(yōu)化問題與需求分析

通過分析化纖長絲落卷生產(chǎn)線作業(yè)流程可知，該作業(yè)流程涉及的作業(yè)策略調(diào)度優(yōu)化比較復(fù)雜。由于卷繞機數(shù)量多，落卷機器人在轉(zhuǎn)運和暫存過程中容易出現(xiàn)卷繞機滿卷取貨請求、自動落卷機對接請求、暫存臺出貨請求等大量多類型作業(yè)請求，極易導(dǎo)致任務(wù)累積超過時間窗口。當(dāng)落卷機器人的任務(wù)累積到一定程度，會出現(xiàn)人工干預(yù)增多、生產(chǎn)效率降低、卷繞機爆管等問題。以卷繞機爆管為例，在圖3所示的卷繞機中有兩個卷繞軸，卷繞機的卷繞軸1滿卷后翻轉(zhuǎn)切換到卷繞軸2，如果卷繞軸1滿卷的絲餅未能及時取走，則隨著卷繞軸2的卷繞，兩個卷繞軸上的絲餅將因摩擦碰撞而報廢，甚至損壞卷繞機，造成嚴(yán)重?fù)p失。

綜上分析，化纖長絲落卷作業(yè)策略調(diào)度亟待優(yōu)化。目前化纖長絲落卷作業(yè)流程和調(diào)度優(yōu)化存在以下不足：

(1)落卷機器人調(diào)度目標(biāo)單一 可編程邏輯控制器(Programmable Logic Controller, PLC)很難實現(xiàn)復(fù)雜算法，而且對大量數(shù)據(jù)的處理能力較弱，僅根據(jù)滿卷信號的先后順序進(jìn)行落卷作業(yè)，沒有綜合考慮路徑最短、距離最近優(yōu)先處理等其他調(diào)度目標(biāo)。按照當(dāng)前的單一目標(biāo)調(diào)度模型無法求得最優(yōu)調(diào)度方案。

(2)缺少路徑優(yōu)化調(diào)度算法 目前采用的先來先服務(wù)(First Come First Serve, FCFS)調(diào)度方法是按照滿卷呼叫信號的順序執(zhí)行任務(wù)，任務(wù)執(zhí)行順序與路徑固定不變。因此，當(dāng)出現(xiàn)多個任務(wù)累積時，無法對任務(wù)的執(zhí)行順序和路徑進(jìn)行規(guī)劃，嚴(yán)重影響了落卷機器人的調(diào)度效率以及卷繞機的生產(chǎn)效率。

(3)實時調(diào)度性能差 落卷機器人只能按照初始調(diào)度方案進(jìn)行落卷作業(yè)，無法根據(jù)實時數(shù)據(jù)調(diào)整調(diào)度方案，也不能對突發(fā)情況做出響應(yīng)。另外，當(dāng)前化纖長絲落卷作業(yè)調(diào)度方法性能差，導(dǎo)致落卷機器人調(diào)度效率低下，難以滿足高效的生產(chǎn)調(diào)度需求。

因此，研究一套考慮多目標(biāo)的實時路徑規(guī)劃調(diào)度方法，對提高生產(chǎn)效率、減少人工干預(yù)以及避免卷繞機爆管具有重要意義。現(xiàn)有針對落卷系統(tǒng)調(diào)度問題的研究比較匱乏，主要集中在使用啟發(fā)式算法對任務(wù)順序進(jìn)行排序。例如，楊浩等[9]采用遺傳算法對落筒機器人處理落卷任務(wù)的順序進(jìn)行優(yōu)化，建立了以落卷的窗口時間作為優(yōu)化目標(biāo)的數(shù)學(xué)模型。落卷系統(tǒng)調(diào)度問題本質(zhì)上是多目標(biāo)實時路徑規(guī)劃問題，解決這一問題的算法主要分為精確算法和啟發(fā)式算法兩類。精確算法一般用于解決小規(guī)模優(yōu)化，包括分支定界法、割平面法、動態(tài)規(guī)劃法等[20]；啟發(fā)式算法包括模擬退火算法[21]、遺傳算法[22]、蟻群算法[23]等，其利用歷史經(jīng)驗歸納推理并結(jié)合試驗分析來求解問題，適合解決復(fù)雜程度高的多目標(biāo)優(yōu)化問題，然而由于對設(shè)備的算力要求過高，不適用于現(xiàn)場PLC。

因此，針對化纖長絲生產(chǎn)車間普遍存在智能化程度低、落卷作業(yè)過程中作業(yè)策略效率低的問題，數(shù)字孿生(digital twin)能夠提供過程仿真、調(diào)度優(yōu)化等服務(wù)，為優(yōu)化落卷機器人的調(diào)度方式提供了新思路。數(shù)字孿生通過數(shù)字化的方式建立物理實體的多維、多時空尺度、多學(xué)科、多物理量的動態(tài)虛擬模型，來仿真和刻畫物理實體在真實環(huán)境中的屬性、行為、規(guī)則等[24]。陶飛等[25]將車間信息物理融合這一科學(xué)問題分解提煉為物理融合、模型融合、數(shù)據(jù)融合、服務(wù)融合4個科學(xué)問題，并設(shè)計了相應(yīng)的系統(tǒng)實現(xiàn)參考框架；ZHAO等[26]研究了基于實時信息的車間三維可視化監(jiān)控方法，實現(xiàn)了車間全流程、全要素的動態(tài)監(jiān)視。本文建立了基于數(shù)字孿生五維模型的落卷作業(yè)數(shù)字孿生模型。首先，在實時數(shù)據(jù)的驅(qū)動下，實現(xiàn)化纖長絲生產(chǎn)車間的三維可視化監(jiān)視和精準(zhǔn)管控；其次，重點針對化纖長絲落卷生產(chǎn)線作業(yè)方法問題，提出一種考慮多目標(biāo)的自動落卷機作業(yè)策略調(diào)度優(yōu)化方法并進(jìn)行仿真驗證；最后在某化纖長絲生產(chǎn)企業(yè)進(jìn)行落地應(yīng)用。

2 基于數(shù)字孿生五維模型的落卷作業(yè)系統(tǒng)模型的構(gòu)建

2.1 落卷作業(yè)系統(tǒng)模型構(gòu)建

針對化纖長絲落卷作業(yè)實時調(diào)度的需求，本文基于數(shù)字孿生五維模型[27]設(shè)計了落卷作業(yè)的數(shù)字孿生系統(tǒng)，如圖4所示。落卷作業(yè)系統(tǒng)數(shù)字孿生由5部分組成，包括落卷作業(yè)系統(tǒng)的物理實體、落卷作業(yè)系統(tǒng)虛擬模型、物理實體及服務(wù)融合生成的孿生數(shù)據(jù)、支持故障預(yù)測和遠(yuǎn)程運維等功能的服務(wù)系統(tǒng)、各組成部分間數(shù)據(jù)與信息的連接。落卷作業(yè)系統(tǒng)數(shù)字孿生各組成部分的內(nèi)涵如下：

(1)落卷作業(yè)系統(tǒng)物理實體 指物理車間中實際的落卷作業(yè)生產(chǎn)線，包括卷繞機、自動落卷機等設(shè)備，以及存儲區(qū)、暫存區(qū)等不同功能分區(qū)。另外，落卷作業(yè)系統(tǒng)物理實體包括各類傳感器，用于支持落卷機器人的位置、滿卷信號、開始落卷信號等信息的采集與傳輸。落卷作業(yè)系統(tǒng)具有數(shù)據(jù)與信息的上傳功能以及根據(jù)指令執(zhí)行的功能，能夠為虛實實時互聯(lián)互通與迭代交互提供支持。

(2)落卷作業(yè)系統(tǒng)虛擬模型 是基于實際落卷生產(chǎn)線的生產(chǎn)要素與特征，能精確反映物理落卷作業(yè)系統(tǒng)的高保真模型。其涵蓋能夠反映物理產(chǎn)線全要素幾何參數(shù)的三維可視化模型，能夠描述產(chǎn)線物理屬性的物理模型，能夠刻畫落卷作業(yè)系統(tǒng)行為響應(yīng)特征和工藝特征的行為模型，以及能夠體現(xiàn)落卷生產(chǎn)系統(tǒng)運行規(guī)律、約束等信息的規(guī)則模型。通過融合三維可視化模型、物理模型、行為模型和規(guī)則模型，落卷作業(yè)系統(tǒng)虛擬模型能夠綜合刻畫實際運行狀態(tài)，是對其物理實體的真實映射。

(3)物理實體及服務(wù)融合生成的孿生數(shù)據(jù) 包括落卷作業(yè)系統(tǒng)在實際運行過程中系統(tǒng)的物理數(shù)據(jù)和傳感器采集的數(shù)據(jù)、落卷作業(yè)系統(tǒng)模型在仿真過程中產(chǎn)生的虛擬數(shù)據(jù)，以及服務(wù)系統(tǒng)中產(chǎn)生的服務(wù)數(shù)據(jù)。作為信息傳遞的橋梁，孿生數(shù)據(jù)建立了落卷作業(yè)系統(tǒng)物理實體、虛擬模型和服務(wù)之間的聯(lián)系，例如，通過物理數(shù)據(jù)與虛擬數(shù)據(jù)融合形成的融合數(shù)據(jù)，可為故障預(yù)測、控制優(yōu)化、遠(yuǎn)程運維等服務(wù)提供支持。

(4)支持故障預(yù)測和遠(yuǎn)程運維等功能的服務(wù)系統(tǒng) 該服務(wù)系統(tǒng)基于孿生數(shù)據(jù)的分析與挖掘，提供實時監(jiān)測、故障預(yù)測、遠(yuǎn)程運維、策略優(yōu)化等服務(wù)。服務(wù)系統(tǒng)將以友好的人機交互形式提供便捷易操作的服務(wù)，一方面用戶可利用服務(wù)系統(tǒng)進(jìn)行實時迭代仿真來形成最優(yōu)控制方案，實現(xiàn)對落卷作業(yè)系統(tǒng)的遠(yuǎn)程實時控制；另一方面，用戶可通過服務(wù)系統(tǒng)查看落卷作業(yè)系統(tǒng)的實時狀態(tài)，實現(xiàn)對落卷系統(tǒng)的狀態(tài)監(jiān)測。

(5)各組成部分間數(shù)據(jù)與信息的連接 連接是通過各類接口或協(xié)議，實現(xiàn)落卷作業(yè)系統(tǒng)物理實體、落卷作業(yè)系統(tǒng)虛擬模型、孿生數(shù)據(jù)與服務(wù)之間的互通互聯(lián)。例如，落卷作業(yè)系統(tǒng)產(chǎn)生的數(shù)據(jù)及傳感器采集的數(shù)據(jù)能夠通過連接傳輸給孿生數(shù)據(jù)，落卷作業(yè)系統(tǒng)的運行狀態(tài)能夠?qū)崟r傳輸給虛擬產(chǎn)線以更新和校正落卷作業(yè)系統(tǒng)的虛擬模型。連接能夠使各組成部分間進(jìn)行實時更新與迭代交互，從而使落卷系統(tǒng)數(shù)字孿生構(gòu)成一個動態(tài)、緊密、有機的整體。

2.2 落卷作業(yè)調(diào)度優(yōu)化方法

基于以上構(gòu)建出的數(shù)字孿生落卷作業(yè)模型，本文提出一種路徑優(yōu)化算法，以提升系統(tǒng)的實時計算能力，實現(xiàn)對系統(tǒng)路徑的有效優(yōu)化，并將優(yōu)化后的調(diào)度方案在FlexSim軟件中進(jìn)行仿真驗證。

為提升自動落絲車的調(diào)度效率，本文根據(jù)實時工作信息提出的優(yōu)化方法如下：

(1)采集卷繞生產(chǎn)線的實時數(shù)據(jù)。實時數(shù)據(jù)收集的內(nèi)容包括：自動落絲車的當(dāng)前位置、裝載情況，卷繞機的位置、當(dāng)前卷裝類型及發(fā)出的滿卷信號，暫存設(shè)備的當(dāng)前暫存量，當(dāng)前時刻之前Δt時長內(nèi)所有發(fā)出滿卷信號未落卷的卷繞機的數(shù)量、位置、信號發(fā)出時間、預(yù)計爆管時間。通過PLC將采集到的實時數(shù)據(jù)上傳至數(shù)字孿生系統(tǒng)的數(shù)據(jù)庫，生成該卷繞生產(chǎn)線的實時工作信息。

(2)生成數(shù)字孿生系統(tǒng)“策略優(yōu)化”模塊。根據(jù)實時信息，借助虛擬模型生成多個路徑，比較結(jié)果得到最優(yōu)調(diào)度方案，其中路徑生成算法如圖5所示。

路徑生成算法可以按滿卷信號發(fā)出的先后時間順序、或按卷繞機爆管時刻的先后順序(如爆管時刻在先的落卷次序在先)、或按卷繞機距離自動落絲車的相對距離的遠(yuǎn)近順序(如由近至遠(yuǎn)或由遠(yuǎn)至近)，依次生成對卷繞機進(jìn)行落卷操作的路徑，并將按照該路徑執(zhí)行落卷操作時將要出現(xiàn)爆管的卷繞機通知給操作員進(jìn)行應(yīng)急處理。

數(shù)字孿生系統(tǒng)將優(yōu)化后的路徑導(dǎo)入FlexSim軟件進(jìn)行仿真驗證，根據(jù)驗證結(jié)果在服務(wù)系統(tǒng)中生成落卷機器人的控制指令，并將控制指令傳回物理系統(tǒng)。

(3)控制該卷繞生產(chǎn)線按落卷控制方案進(jìn)行落卷操作，將經(jīng)過優(yōu)化后剩余的M-N個呼叫位置累計至下一次落卷作業(yè)前再參與路徑規(guī)劃。

3 落卷機器人數(shù)字孿生系統(tǒng)研發(fā)與驗證

3.1 落卷機器人數(shù)字孿生系統(tǒng)

針對化纖長絲落卷車間作業(yè)效率不高的問題，本文以落卷機器人為主要研究對象，開發(fā)了落卷機器人數(shù)字孿生系統(tǒng)進(jìn)行算法部署與實地驗證，并分別從化纖長絲車間設(shè)備數(shù)字孿生模型構(gòu)建、三維可視化監(jiān)控、實時數(shù)據(jù)采集與虛實交互控制、作業(yè)策略優(yōu)化、故障診斷與預(yù)測、遠(yuǎn)程運維等方面進(jìn)行相關(guān)研究與系統(tǒng)功能研發(fā)，如圖6所示。

(1)高保真實時同步三維可視化監(jiān)控 針對落卷機器人及與其配套的回轉(zhuǎn)臺、卷繞機等設(shè)備的不同屬性，分別構(gòu)建其三維幾何模型、物理屬性模型、行為特征模型等，基于不同層級的模型組裝數(shù)字孿生模型，通過不同模型物理屬性與行為屬性的融合，得到高保真三維可視化模型。分析該模型三維可視化監(jiān)控的關(guān)鍵要素，確定模型驅(qū)動的關(guān)鍵參數(shù)，包括落卷機器人水平位置信息、卷繞作業(yè)信息等，基于這些信息驅(qū)動落卷機器人數(shù)字孿生系統(tǒng)的三維模型，實時映射真實設(shè)備的運動狀態(tài)，打通虛擬空間與物理空間，實現(xiàn)高保真實時同步的三維可視化監(jiān)控。

(2)落卷數(shù)字孿生系統(tǒng)設(shè)備狀態(tài)監(jiān)測 基于所構(gòu)建的高保真模型構(gòu)建長絲落卷車間的數(shù)據(jù)通信網(wǎng)絡(luò)，基于規(guī)范化通信協(xié)議提高該系統(tǒng)數(shù)據(jù)通信的實時性和高效性。通過實時監(jiān)測落卷機器人、回轉(zhuǎn)臺設(shè)備、卷繞機設(shè)備的狀態(tài)信息等，全方面實時同步和展示長絲落卷車間的狀態(tài)信息。針對一些生產(chǎn)設(shè)備的關(guān)鍵參數(shù)信息，可以將其數(shù)據(jù)持久化保存在數(shù)據(jù)庫中，為后續(xù)的作業(yè)策略優(yōu)化提供數(shù)據(jù)支撐。

(3)落卷數(shù)字孿生系統(tǒng)作業(yè)策略優(yōu)化 落卷機器人、回轉(zhuǎn)臺與卷繞機之間的協(xié)同運行和高效作業(yè)策略是保障長絲落卷車間作業(yè)任務(wù)高效運行的關(guān)鍵?；谇拔乃龇椒ㄔO(shè)計了長絲落卷作業(yè)優(yōu)化算法，包括檢測數(shù)據(jù)處理、最優(yōu)路徑選擇等，將該算法部署至實際生產(chǎn)車間可以簡化人工操作，從而對作業(yè)任務(wù)進(jìn)行自適應(yīng)調(diào)度與優(yōu)化，大幅提高長絲落卷作業(yè)效率。具體算法及仿真驗證將在后文闡述。

(4)落卷數(shù)字孿生系統(tǒng)故障診斷與預(yù)測 基于數(shù)字孿生模型與狀態(tài)信息數(shù)據(jù)，實現(xiàn)了對數(shù)字孿生模型和數(shù)據(jù)混合驅(qū)動落卷機器人設(shè)備的故障診斷與預(yù)測，大幅提高了故障診斷與預(yù)測的精確度，而且在故障發(fā)生前進(jìn)行相應(yīng)操作可大大提高設(shè)備可靠性，保證作業(yè)任務(wù)高效進(jìn)行。

(5)落卷數(shù)字孿生系統(tǒng)遠(yuǎn)程運維操控 遠(yuǎn)程運

維操控是提高長絲落卷車間運維效率的關(guān)鍵措施。本文基于數(shù)字孿生構(gòu)建的模型與各項功能模塊，可以搭建軟件平臺并發(fā)布至Windows系統(tǒng)進(jìn)行遠(yuǎn)程運維操控，改善了傳統(tǒng)運維系統(tǒng)信息展示和遠(yuǎn)程操控難的問題，實現(xiàn)了對長絲落卷車間各個設(shè)備的遠(yuǎn)程統(tǒng)一化監(jiān)控，以及設(shè)備作業(yè)任務(wù)和緊急操控等指令的下達(dá)，提高了車間的運維效率。

3.2 落卷作業(yè)策略仿真驗證環(huán)境與參數(shù)設(shè)置

FlexSim是一套系統(tǒng)仿真模型設(shè)計、制作與分析工具軟件[28]，其集計算機三維圖像處理技術(shù)、仿真技術(shù)、人工智能技術(shù)、數(shù)據(jù)處理技術(shù)于一體，專門面向制造、物流等領(lǐng)域。采用FlexSim系統(tǒng)仿真軟件對系統(tǒng)進(jìn)行各種分析和工程檢驗，可以驗證數(shù)字孿生系統(tǒng)生成的調(diào)度方案的有效性。FlexSim軟件提供了與外部軟件的接口，可以通過開放數(shù)據(jù)庫互聯(lián)(Open Database Connectivity, ODBC)與外部數(shù)據(jù)庫相連，通過socket接口與外部硬件設(shè)備相連。

為了實現(xiàn)落卷作業(yè)策略的仿真與實時調(diào)度，本文采用落卷作業(yè)數(shù)字孿生系統(tǒng)與FlexSim相結(jié)合的方式，如圖7所示?；贔lexSim的二次開發(fā)功能，將落卷作業(yè)數(shù)字孿生系統(tǒng)的3ds模型以及每次仿真所需的實時工況和作業(yè)策略調(diào)度算法導(dǎo)入FlexSim。FlexSim基于導(dǎo)入的模型、數(shù)據(jù)和算法開展仿真計算，然后將計算結(jié)果打包，導(dǎo)入落卷作業(yè)數(shù)字孿生系統(tǒng)，一方面可以仿真驗證優(yōu)化結(jié)果，另一方面可以在落卷作業(yè)數(shù)字孿生系統(tǒng)中將調(diào)度過程和調(diào)度結(jié)果進(jìn)行可視化展示。

3.3 驗證問題描述

本文以某企業(yè)化纖長絲卷繞機生產(chǎn)線為驗證和應(yīng)用對象。其中，卷繞機共48臺，一字排開，每臺卷繞機一次可完成12個卷裝(一軸)的成型作業(yè)；滿卷時間為110 min，爆管時間為6 min，工位間距1.6 m；落卷機為雙軸機，即有兩個接絲軸。自動落卷機的運行參數(shù)如表1所示,實際收集的48臺卷繞機呼叫時刻如表2所示。

表1 自動落絲車參數(shù)表

續(xù)表1

表2 48臺卷繞機呼叫時刻表

將數(shù)據(jù)傳入數(shù)字孿生系統(tǒng)“策略優(yōu)化”模塊，根據(jù)路徑生成算法生成當(dāng)前時刻的仿真路徑，并在虛擬系統(tǒng)中對生成的路徑進(jìn)行仿真，通過對比得到當(dāng)前時刻的最優(yōu)調(diào)度方案。優(yōu)化前與優(yōu)化后的具體裝載順序如表3所示。

表3 優(yōu)化前后的裝載順序

續(xù)表3

例如，裝載順序2，3，4，5，6對應(yīng)的裝載工位分別為16，29，18，43，28，即先將16號和29號兩軸滿卷送到存儲區(qū)，然后將18號和43號兩軸滿卷送到存儲區(qū)，最后將28號單軸滿卷送到存儲區(qū)，行走路程為((48-16)+(48-18)+(48-28))×2×1.6 =262.4 m。優(yōu)化后的順序為18，16，28，29，43，即先將16號和18號兩軸滿卷送到存儲區(qū)，然后將28號和29號兩軸滿卷送到存儲區(qū)，最后將43號單軸滿卷送到存儲區(qū)，行走路程為((48-16)+(48-28)+(48-43))×2×1.6 =182.4 m。順序確定后，運行系統(tǒng)并記錄各工位的狀態(tài)，以備后續(xù)驗證對比。

3.4 驗證結(jié)果及分析

結(jié)合實際化纖長絲卷繞機生產(chǎn)線布局，應(yīng)用FlexSim軟件建立化纖長絲落卷作業(yè)仿真系統(tǒng)，具體如圖8所示，各模型的功能如表4所示。

表4 模型功能介紹

將表3優(yōu)化前后的裝載順序表輸入FlexSim仿真系統(tǒng)，得到卷繞機工位暫存區(qū)記錄的暫存時間(暫存時間=自動落絲車將絲餅運走的時刻-卷繞機呼叫時刻)，具體如表5所示。

表5 調(diào)整工位暫留時間對比 s

優(yōu)化前所有工位暫存滿卷的總時長為5 577.369 927 s，平均每個工位的暫存時間為116.195 206 8 s；優(yōu)化后所有工位暫存滿卷的總時長為5 184.518 897 s，減少了392.851 03 s，平均每個工位的暫存時間為108.010 810 4 s，總暫存時間減少7.04%，降低了卷繞機爆管事件發(fā)生的概率。由此可知，本文所提路徑規(guī)劃算法優(yōu)化了自動落卷機調(diào)度，提高了落卷作業(yè)效率。因為卷繞機滿卷落卷間隔基本固定，所以可以預(yù)測下一次各卷繞機的呼叫時間和順序，若出現(xiàn)集中呼叫較多的情況，則可提前預(yù)警爆管，對落絲車無法及時落卷的卷繞機工位實施人工搬運，達(dá)到作業(yè)調(diào)度和工作預(yù)警雙優(yōu)化的目的，降低可預(yù)見爆管事件的發(fā)生概率。

4 結(jié)束語

本文針對化纖長絲生產(chǎn)車間普遍存在的管控不精準(zhǔn)與智能化程度低，以及化纖長絲落卷作業(yè)過程中作業(yè)策略效率低的難題，提出并構(gòu)建了基于數(shù)字孿生的化纖長絲落卷作業(yè)優(yōu)化系統(tǒng)，和一種考慮多目標(biāo)的自動落卷機作業(yè)策略調(diào)度優(yōu)化方法，并進(jìn)行落地應(yīng)用，實現(xiàn)了化纖長絲落卷生產(chǎn)線的精準(zhǔn)管控，提升了自動落卷機的作業(yè)效率，避免了爆管、生產(chǎn)停滯等問題。另外，本文所提路徑優(yōu)化方法在滿卷時間較短、呼叫集中的落絲作業(yè)場景也表現(xiàn)較優(yōu)，因此在工業(yè)絲的落卷作業(yè)中也有較大的應(yīng)用潛力。未來將在所構(gòu)建的落卷作業(yè)數(shù)字孿生系統(tǒng)中開發(fā)集成FlexSim功能，實現(xiàn)軟件功能替代，并通過綜合考慮卷繞機絲餅情況、卷繞機的工作狀態(tài)等更多因素，形成更合理、更高效、更低碳的生產(chǎn)計劃，從而促進(jìn)企業(yè)提質(zhì)、降本、增效，助力企業(yè)向數(shù)字化、智能化、綠色化轉(zhuǎn)型升級，提升我國在紡織行業(yè)的國際競爭力，推動我國從紡織大國邁向紡織強國。

致謝

感謝本項目開發(fā)團(tuán)隊朱永懷博士生、張賀博士生、王照宗碩士、田國棟碩士、王麗麗高級工程師、邱野工程師、魏星工程師、趙巖恒等參與本文寫作討論及軟件開發(fā)，特別感謝北京航空航天大學(xué)陶飛教授為本項目的開發(fā)與應(yīng)用實踐提供指導(dǎo)，并為本文提供了許多寶貴意見，在此一并表示感謝！