高速動車組構架焊接工藝柔性拉動生產(chǎn) 智能制造新模式

鄧鴻劍，吳向陽，2，李亞南，湛紅暉，吳 翔，施文韜

（1.中車青島四方機車車輛股份有限公司，山東 青島 266111；2.西南交通大學機械工程學院，四川 成都 610031；3.華中科技大學無錫研究院，江蘇 無錫 214000）

1 引言

我國高速動車相關技術已經(jīng)基本成熟，但隨著“中國制造2025”的戰(zhàn)略驅(qū)動，全面深入發(fā)展智能制造的時代需求，仍需要全面提升高速動車組的全壽命周期的創(chuàng)新能力和水平。

轉(zhuǎn)向架是高速動車組最為重要的部件之一，直接關系著高速動車組的安全性、平穩(wěn)性、舒適性、可靠性。而構架是轉(zhuǎn)向架的骨架，它不僅是轉(zhuǎn)向架輪對、軸箱、驅(qū)動等其他部件的安裝基礎，也是傳遞牽引力、制動力、橫向力及垂向力的基體，是一個受力復雜的結構部件，其加工質(zhì)量是衡量高速動車組研制水平和制造能力的關鍵指標。

中國中車青島四方機車車輛股份有限公司在構架多工藝連線柔順制造技術方面開展了大量應用與驗證，經(jīng)過業(yè)務梳理、技術創(chuàng)新、應用升級、迭代驗證，形成了一套符合實際情況的智能制造新模式和實踐方法論。

2 構架焊接工藝及其工程化需求

構架成型由側(cè)梁、橫梁和端梁等部件拼焊而成。每一個部件又包含組裝、點焊、拼焊、打磨、焊修和檢測等工藝。側(cè)梁自動組裝、自動焊接、構架自動打磨如圖1所示。

圖1 側(cè)梁自動組裝、自動焊接、構架自動打磨示意圖

從組織模式上看，以RGV為核心的物流自動輸送系統(tǒng)，將自動組裝機器人、自動焊接機器人、自動打磨機器人、自動檢測系統(tǒng)、緩沖臺（存料臺）、人工臺位等集成，實現(xiàn)按節(jié)拍自動流轉(zhuǎn)，所有工序和緩沖臺位物料、RGV狀態(tài)得到監(jiān)控并由生產(chǎn)線控制系統(tǒng)進行管控。

構架焊接成型需要解決幾個方面的問題：

1）焊接機器人進入服役中后期，精度退化、故障頻發(fā)，生產(chǎn)節(jié)拍波動較大；

2）生產(chǎn)要素存在大量啞終端，人機料法環(huán)互聯(lián)性差，導致信息孤島和業(yè)務流程不閉環(huán)；

3）產(chǎn)品種類多，目視區(qū)分難，人工介入工作量大，焊接工藝文件調(diào)用容易出錯；

4）計劃排程“推+派”到機臺，主觀性強，時效性差，生產(chǎn)計劃與調(diào)度的可行性差；

5）設備工時能力稼動率波動，影響計劃排程和運維，設備任務負載忙閑不均。

3 構架焊接成型智能制造新模式及相關技術

通過仿真建模，對多譜系、變品種、小批量、多工藝等動態(tài)復雜條件進行推演分析，并找到最優(yōu)方案；對存料臺、物料等啞終端進行智能化改造，實現(xiàn)信息流、物流、能量流的閉環(huán)；與數(shù)字化設計（CAD/CAM/WCA）、數(shù)字化制造（MES/APS）業(yè)務集成，實現(xiàn)自動報工；通過M2M交互集成，設備能夠識別物料對象，并通過DNC網(wǎng)絡自動調(diào)用相關的工藝文件；多維高密分析并預測設備的健康狀況（PHM），預測設備健康狀況并識別加工過程異常；開展邊緣側(cè)的應用集成；通過數(shù)字孿生技術，把系統(tǒng)、產(chǎn)線、工位的全局生產(chǎn)狀況全面的表現(xiàn)出來并進行監(jiān)控。

3.1 面向能力與效率仿真的生產(chǎn)系統(tǒng)快速推演與柔性重構

高度動車組是典型的多譜系、層級深的多品種小批量生產(chǎn)模式，再加上裝備迭代升級、工藝路徑變化、生產(chǎn)插單擾動等因素的影響，整個生產(chǎn)系統(tǒng)動態(tài)復雜，這對構架的生產(chǎn)布局、柔性能力、生產(chǎn)效率帶來了很大的不確定性。

構架成型生產(chǎn)線的數(shù)字仿真模型并進行生產(chǎn)過程仿真預演分析，定量分析構架焊接成型生產(chǎn)過程中的各項能力和效率指標，找出影響能力和效率的關鍵制約因素，并有針對性地提出改善方案，從而讓生產(chǎn)線布局和物流設計更加精益高效，讓生產(chǎn)策略和生產(chǎn)計劃的制定更加科學優(yōu)化。

1）生產(chǎn)系統(tǒng)仿真的建模引擎支持車間全要素建模，包括結構、資源、數(shù)據(jù)、狀態(tài)以及不確定事件。

2）生產(chǎn)系統(tǒng)仿真引擎包括事件驅(qū)動、時鐘跳躍、普通仿真/超實時仿真、詳細的仿真過程數(shù)據(jù)記錄。

3）針對仿真過程數(shù)據(jù)，采用統(tǒng)計分析、試驗設計（Design Of Experiment，DOE）、遺傳算法（單目標/多目標）和機器學習方法進行深度分析。采用遺傳算法（Genetic Algorithm, GA）優(yōu)化生產(chǎn)順序，縮短完成時間；可采用基于遺傳算法的布局重構優(yōu)化，降低物流成本；當優(yōu)化目標有多個，利用非支配排序遺傳算法結合仿真進行優(yōu)化（NSGA）等。仿真分析與優(yōu)化的主要任務如圖2所示。

圖2 仿真分析與優(yōu)化的主要任務

3.2 基于物聯(lián)傳感技術的啞終端智能化改造與升級

通過視覺或RFID等非接觸感知與識別的方式進行識別或賦碼，以便對生產(chǎn)過程進行跟蹤、識別與監(jiān)控。

一是基于工業(yè)視覺的構架識別主要針對具有典型表面特征的形態(tài)識別，并將識別的圖像在后臺進行分析解相，從而判斷該物料的屬性。二是以RFID為載碼體，實現(xiàn)對人、坯件（橫梁/側(cè)梁）、存料臺、胎位等啞終端進行智能化改造與提升，為人機料法環(huán)等生產(chǎn)要素的M2M應用交互與集成提供信息交互的載碼基礎。

構架焊接車間工況復雜，對RFID的應用與部署存在著不少特定的要求，包括抗周界電磁干擾、可需要安裝在金屬工件上、高工業(yè)等級等。采用介質(zhì)無關微型可嵌入金屬表面的RFID電子標簽，RFID電子標簽通過鉚接或凸臺螺紋方式擰在構架上，布置在IGM機器人立柱上讀取隨行夾具上的構架標簽，存料臺護欄上的讀寫器讀取存料臺上的構架標簽，從而實現(xiàn)對構架全生產(chǎn)過程狀態(tài)的跟蹤。RFID電子標簽設計與部署如圖3所示。焊接機器人與存料臺RFID讀寫器部署如圖4所示。

圖3 RFID電子標簽設計與部署

圖4 焊接機器人與存料臺RFID讀寫器部署示意圖

RFID采用滿足現(xiàn)場環(huán)境的一體式讀寫器，能夠在金屬、非金屬、粉塵、高溫、液體等復雜工況環(huán)境下工作；現(xiàn)場使用的RFID標簽通過電小天線極限理論進行標簽性能評估。

3.3 基于M2M交互集成的生產(chǎn)要素閉環(huán)管控

以RFID為載碼體，賦予啞終端（構架、AGV、胎位等）以唯一的識別標識ID，通過后臺信息交互與應用集成，跟蹤構架的生產(chǎn)過程，構成一個彼此通信與識別的信息交互生產(chǎn)要素網(wǎng)絡。系統(tǒng)信息流轉(zhuǎn)與交互如圖5所示。

圖5 系統(tǒng)信息流轉(zhuǎn)與交互示意圖

生產(chǎn)線中控系統(tǒng)與公司上游信息系統(tǒng)MES、PDM、MRO集成，實現(xiàn)數(shù)據(jù)上傳與下達。通過RFID與中央控制系統(tǒng)集成，實現(xiàn)上游信息系統(tǒng)與各焊接工位互聯(lián)互通。

中控系統(tǒng)承接上游信息系統(tǒng)傳遞的生產(chǎn)工單信息，將相應的作業(yè)指令分配到具體的作業(yè)設備和終端（手持機），自動調(diào)度物料加工；同時，中控系統(tǒng)將機器人的實際作業(yè)參數(shù)及時采集并上傳上游信息系統(tǒng)，包括機器人編號、產(chǎn)品編碼、生產(chǎn)進度、設備狀態(tài)、工具工裝信息、異常信息等。RFID載碼體作為信息傳遞的“搭扣”，根據(jù)RFID掃描的物料，定位上游信息系統(tǒng)相應的程序代碼，自動將程序下載至每臺機器人作業(yè)系統(tǒng)，自動和機器人作業(yè)單元的工裝比對，避免設備損壞和工件報廢。

3.4 基于“推-拉”物流執(zhí)行的業(yè)務模型構建

由于車間現(xiàn)場不確定性因素多，如設備故障、Buffer占用、補焊、插單等，導致APS的時效性較差，結果是有的設備閑置待料，有的設備任務溢出，需要高頻次的動態(tài)排程，嚴重影響了生產(chǎn)任務的完成。

一方面，通過對組裝、焊接、焊修、打磨、檢測的過程監(jiān)控，根據(jù)WCA系統(tǒng)的工藝路徑規(guī)劃，依據(jù)構架調(diào)度與工位分配計劃，將任務“推”送給相關的設備；另一方面，各設備根據(jù)完工情況，輪詢下一可加工的各個物料的位置與狀態(tài)，鎖定下一物料，“拉”動物料執(zhí)行與配送；同時，根據(jù)焊修、插單等異常，通過看板“推”送物料到指定工位。

根據(jù)生產(chǎn)計劃，將任務發(fā)布到組裝區(qū)，執(zhí)行“派活干”的推式物流，通過計劃優(yōu)化以便用最少的時間完成當日的任務計劃。

推式物流執(zhí)行模式?jīng)]有考慮后續(xù)設備的完工狀況，有可能導致后面工序設備（如焊接機器人）有的能力閑置待料，有的負荷過載而物料排隊等待的情況。

推式物流是“派活干”，那么拉式物流則是根據(jù)設備的完工狀況“搶活干”，即當前工作完成后，立刻向存料臺（Buffer）輪詢叫料，并驅(qū)動RGV把待加工物料運過來。

式中，R為1,2,……r。

設定推拉模式下的兩個優(yōu)化目標：①所有工序的總耗時最少；②總完工時間最短。采用NSGA-Ⅱ（二代非支配排序遺傳算法）的多目標遺傳算法，可以實現(xiàn)上述復雜生產(chǎn)系統(tǒng)的多目標優(yōu)化。

3.5 基于高維數(shù)據(jù)關聯(lián)分析的設備健康預測與異常診斷

構架基材為中厚板，型面結構復雜，并且焊接機器人也存在精度退化、故障頻發(fā)、質(zhì)量異常的問題，要保障焊接效率與質(zhì)量，并提高整個產(chǎn)線的高適應性和高柔性，需要對焊接裝備開展健康預測與健康檢測。

焊接機器人的采集數(shù)據(jù)具有高維高密異構的特征。一是采集包括機器人和焊機的本體數(shù)據(jù)，如結構（末端執(zhí)行器、關節(jié)、機座以及連接桿件）、驅(qū)動（伺服電機和減速器）、感知（內(nèi)部和外部傳感器）、控制（運動控制器和驅(qū)動控制器）等幾個基本維度的數(shù)據(jù)；二是采集非侵入式傳感數(shù)據(jù)，如外接功率、電流、電壓等傳感器、結構應變傳感器等；三是獲取焊接工藝文件（工藝參數(shù)、路徑規(guī)劃）的當前執(zhí)行過程數(shù)據(jù)。

在對上面的三類基本數(shù)據(jù)進行采集的基礎上，結合焊接機器人的失效模式、失效表象、失效成因、失效影響，對外部成因、本體性能、工藝參數(shù)進行關聯(lián)分析，通過振動、聲音、電流、扭矩等工作過程信號，建立基于健康評估的評價模型，采用人工智能算法對發(fā)生異常的設備進行深度健康評估與預測。健康診斷與異常預測業(yè)務模型圖如圖6所示。

圖6 健康診斷與異常預測業(yè)務模型圖

基于經(jīng)驗知識與模型學習，建立設備典型故障數(shù)據(jù)庫、焊接質(zhì)量異常數(shù)據(jù)庫，通過高維高密度數(shù)據(jù)挖掘與知識發(fā)現(xiàn)，采用深度學習神經(jīng)網(wǎng)絡分析設備的健康狀況、焊接異常，能力與效率，優(yōu)化策略以及能力預測，為拉動式排程提供依據(jù)。同時根據(jù)不同異常狀態(tài)，設立分級應急管理機制，包括緊急停機、人工干預、遠程預警等。

3.6 基于微服務架構的邊緣側(cè)云邊業(yè)務協(xié)同

采用基于微服務架構的模式，有效拆分ERP、MES、SCM等大型系統(tǒng)中面向焊接產(chǎn)線的應用，實現(xiàn)構架焊接成型產(chǎn)線業(yè)務的邊緣側(cè)敏捷開發(fā)和部署。微服務架構如圖7所示。

圖7 微服務架構圖

通過邊緣交換把各工位設備、傳感器、視頻攝像頭、PLC控制器、智能網(wǎng)關、協(xié)議轉(zhuǎn)換盒子連接起來，分配固定IP，統(tǒng)一地址管理。基于5G的設備邊緣側(cè)AI-BOX（邊緣服務器）實現(xiàn)工位的資源管理、算力調(diào)度、業(yè)務數(shù)據(jù)、應用下發(fā)等解決方案，將中心云的彈性計算下沉至邊緣，提高運維效率，減小運維成本。

邊緣側(cè)業(yè)務主要實現(xiàn)工位的運管維一體化，業(yè)務涉及MES/APS、DNC/MDC、PHM、EHS、LES、PTC。

1）安全：視頻分析人員串崗、倚靠、跌倒等不安全不規(guī)范行為動作，以及起火等異常；

2）調(diào)度：開工完工報送給MES；訂單任務下發(fā)到 工位；

3）物流：設備叫料請求，MES訂單下發(fā)，RGV任務與調(diào)度，拉動構架精準配送；

4）生產(chǎn)：來料RFID識別、判斷防錯、工位上料，調(diào)用焊接工藝程序；

5）健康：狀態(tài)、稼動率、焊機異常、設備異常；

6）集控：工位數(shù)字孿生、現(xiàn)場概覽、異常反饋與停機處置。

3.7 構建基于數(shù)字孿生的生產(chǎn)過程透明化集控模式

通過建立三維數(shù)字孿生生產(chǎn)線平臺，將機器人三維高精度數(shù)字模型、工藝流程、物流路徑、傳感器實時數(shù)據(jù)、設備屬性以及運營管理數(shù)據(jù)等進行融合，直觀地展示生產(chǎn)線的生產(chǎn)流程，與生產(chǎn)執(zhí)行系統(tǒng)相結合，實現(xiàn)生產(chǎn)的遠程化管理控制。

數(shù)字化建模：采用CAD、3DMax和Unity3D等工具軟件，對焊接機器人物理現(xiàn)場進行輕量化建模、運動約束關系定義、模型渲染，最終搭建焊接機器人虛擬仿真環(huán)境。

數(shù)據(jù)集成管理：對焊接機器人運行數(shù)據(jù)進行集成與管理，包括外部數(shù)據(jù)刷新、運動驅(qū)動、數(shù)據(jù)存儲、分析、數(shù)據(jù)請求響應等，數(shù)據(jù)類型包括機器人每個關節(jié)運行速度、轉(zhuǎn)角、電流、溫度，焊接電流、電壓，工單信 息等。

數(shù)據(jù)驅(qū)動定義：定義符合機器人的運動規(guī)范和主隨動關系，通過實時數(shù)據(jù)驅(qū)動，精確得到數(shù)字空間與物理空間完全匹配的運動呈現(xiàn)。

監(jiān)控視角模塊：跟隨視角、固定對象視角、自由視角等，對焊接機器人進行多視角可視化監(jiān)控。

狀態(tài)顯示模塊：通過在三維模型上交互式動作觸發(fā)，以懸浮標主信息框方式顯示焊接機器人運行狀態(tài)信息，包括關節(jié)信息、工件信息、焊接信息。

機器人健康管理模塊：建立機器人典型故障數(shù)據(jù)庫，顯示機器人故障類型和代碼、發(fā)生頻次，和維護保養(yǎng)信息管理和預警。

焊接生產(chǎn)信息管理模塊：當前機器人工作狀態(tài)、工件工單信息、累計工作時長、周生產(chǎn)信息、月生產(chǎn)信息等。

4 構架組焊磨測柔性化生產(chǎn)線應用驗證

中車四方B5-3是一條高速動車組關鍵零部件構架焊接生產(chǎn)線，生產(chǎn)綱領日產(chǎn)3輛車構架，主要由焊接生產(chǎn)線控制系統(tǒng)、物流自動輸送系統(tǒng)RGV、自動組裝系統(tǒng)、自動焊接系統(tǒng)、自動打磨系統(tǒng)、自動檢測系統(tǒng)組成。共包含224個工位，共470臺位。組裝、點焊、拼焊、打磨、焊修和檢測等工藝分別在組焊區(qū)、緩存區(qū)、物流區(qū)和機器人焊接區(qū)、打磨區(qū)完成。

經(jīng)過上述智能制造技術與模式模式的實施，目前該線側(cè)梁外體焊接時間4.5h/根，橫梁焊接時間平均4.5h/根，構架（外環(huán)）焊接時間節(jié)省平均較人工焊接節(jié)省8 h。

此柔性線自投入使用以來，產(chǎn)線已完成復興號動車組、各類型地鐵在內(nèi)數(shù)百列車輛生產(chǎn)任務，包括A型地鐵、SDB80地鐵、SW-220K車型的轉(zhuǎn)向架產(chǎn)品。同時，并行混線生產(chǎn)時機械手夾具、存料臺須通用，也能進行相關項目的兼容生產(chǎn)。

5 結束語

面向準黑燈化的焊接生產(chǎn)線柔性智能制造新模式，實現(xiàn)了各個作業(yè)區(qū)域的動態(tài)組合和柔性成線，達到了生產(chǎn)線無人、作業(yè)區(qū)域少人、準備時間減少、作業(yè)效率高的目的。該成果符合面向訂單驅(qū)動下的復雜零件制造、多干擾因素下物流精益化配送和智能調(diào)度等業(yè)務場景，可以在工程機械、船舶等行業(yè)應用推廣。