面向生產(chǎn)過程調(diào)度的數(shù)字孿生系統(tǒng)體系架構(gòu)研究

崔 冰,張林鍹,歐陽亮,傅永康

(1. 清華大學(xué)自動化系,北京 100084;2. 濰柴動力集團,山東 濰坊 261000)

1 引言

數(shù)字孿生的概念起源于Michael Grieves教授90年代提出的“信息鏡像模型”,但因數(shù)據(jù)采集、處理等技術(shù)原因,在科研和工業(yè)界未獲得足夠的重視。但隨著新一代信息技術(shù)的發(fā)展,美國、德國中國等主要制造大國都提出了先進制造發(fā)展戰(zhàn)略[1]。這些智能制造戰(zhàn)略都將信息物理融合系統(tǒng)(CPS,Cyber Physical Systems)作為核心之一,將物理世界與虛擬世界的深度融合,實現(xiàn)制造、物流、管理等元素的智能互聯(lián)、互通互操作。數(shù)字孿生是CPS系統(tǒng)的一種實現(xiàn)形式,由此,數(shù)字孿生的獲得了發(fā)展契機[1]。

現(xiàn)代制造企業(yè)已深度應(yīng)用各種工業(yè)軟件(ERP、MES,PLM等),在生產(chǎn)計劃、加工裝配、物料管理、產(chǎn)品跟蹤等方面積累了的大量歷史數(shù)據(jù);利用現(xiàn)代傳感和嵌入式技術(shù),構(gòu)建制造物聯(lián)網(wǎng)絡(luò),可采集到與生產(chǎn)相關(guān)的大量實時數(shù)據(jù);應(yīng)用了先進的智能加工中心、工業(yè)機器人等,實現(xiàn)從管理到加工的精確操控;為數(shù)字孿生在現(xiàn)代制造企業(yè)的實施提供了基礎(chǔ)。

本文依托“網(wǎng)絡(luò)協(xié)同制造與智能工廠”重點專項課題(編號2018YFB1703103)的復(fù)雜混流生產(chǎn)調(diào)度項目,對面向生產(chǎn)過程調(diào)度的數(shù)字孿生體系結(jié)構(gòu)進行了研究,并在某大型發(fā)動機制造企業(yè)進行了實施驗證。

2 數(shù)字孿生與生產(chǎn)調(diào)度

2.1 數(shù)字孿生與智能制造系統(tǒng)

數(shù)字孿生,迄今為止業(yè)界對其定義并沒有給出統(tǒng)一的定義,NASA,莊存波、陶飛等分別從不同角度給出了解釋,本文比較贊同陶飛的觀點,數(shù)字孿生不僅僅是仿真建?；蛟诰€仿真,而是對物理世界進行全流程、全業(yè)務(wù)、全要素虛實融合的迭代仿真,最終實現(xiàn)以虛控實、以虛促實[2]。

智能制造系統(tǒng)是生產(chǎn)、產(chǎn)品、產(chǎn)業(yè)模式、基礎(chǔ)設(shè)施四個維度的協(xié)同交互,綜合發(fā)展的系統(tǒng)工程[4],需要數(shù)據(jù)跨業(yè)務(wù)、跨時空、跨流程進行流轉(zhuǎn)、交互,最終實現(xiàn)的深度融合,因此智能制造系統(tǒng)的基礎(chǔ)核心之一是信息物理融合系統(tǒng)(CPS)。

CPS 的目標(biāo)就是實現(xiàn)物理世界和信息世界的交互融合,其利用大數(shù)據(jù)、人工智能等新一代信息技術(shù),構(gòu)建信息空間,對物理空間的產(chǎn)生的數(shù)據(jù)進行統(tǒng)計、分析、優(yōu)化等,將最優(yōu)結(jié)果反饋并驅(qū)動物理空間。數(shù)字孿生構(gòu)建虛擬信息空間,對物理空間進行進行高擬實性映射,虛實空間迭代優(yōu)化反饋,最終實現(xiàn)以虛控實。因此,數(shù)字孿生可以看做CPS的一種更優(yōu)的實現(xiàn)模式。

2.2 數(shù)字孿生與生產(chǎn)調(diào)度

生產(chǎn)過程調(diào)度一直是業(yè)界的研究熱點,主要集中在調(diào)度建模方法和調(diào)度優(yōu)化方法方面,已取得眾多研究成果,并在業(yè)界進行了應(yīng)用;但因約束條件簡化、計算效率等問題,生產(chǎn)調(diào)度的實用性仍具有較大的局限性,這是生產(chǎn)過程的調(diào)度亟需繼續(xù)研究的方向[6]。

融合全流程、全要素、全業(yè)務(wù)的數(shù)字孿生平臺具有高擬實性、實時性等特點,可以對生產(chǎn)過程中的影響因素和干擾因子進行實時準(zhǔn)確反映,構(gòu)建并動態(tài)調(diào)整基于數(shù)字孿生平臺的調(diào)度模型,提高生產(chǎn)調(diào)度的實用性,為生產(chǎn)調(diào)度尋優(yōu)提供了一種較好的解決思路。

3 離散制造車間數(shù)字孿生框架

由2.3節(jié)內(nèi)容可知基于數(shù)字孿生可以在生產(chǎn)過程中獲得巨大優(yōu)勢,故本文基于數(shù)字孿生進行生產(chǎn)過程的調(diào)度。

在數(shù)字孿生驅(qū)動的調(diào)度模式下,物理車間和虛擬車間相互映射,不斷更新調(diào)度要素,形成虛實共生的協(xié)同優(yōu)化模型,進行計算,獲取最合理的近優(yōu)解。物理車間通過傳感器、執(zhí)行器、通訊器、RFID、PLC等設(shè)備,主動感知生產(chǎn)狀態(tài)。虛擬車間對實時數(shù)據(jù)解析,獲取調(diào)度狀態(tài),進行仿真計算,從而快速確定異常范圍,敏捷響應(yīng);根據(jù)歷史數(shù)據(jù)和知識調(diào)整調(diào)度方案,并進行仿真模擬,對調(diào)度決策進行評估,并反饋物理車間。孿生數(shù)據(jù)與ERP、MES等信息系統(tǒng)互聯(lián)并融合,實現(xiàn)調(diào)度過程的智能決策,使基于數(shù)字孿生的生產(chǎn)調(diào)度過程具有更好的環(huán)境適應(yīng)力、擾動響應(yīng)力和異常解決力。孿生數(shù)據(jù)區(qū)與管理系統(tǒng)迭代交互,連接物理車間和虛擬車間,記錄生產(chǎn)相關(guān)的實時數(shù)據(jù)、歷史數(shù)據(jù)、仿真數(shù)據(jù)等;調(diào)度模型融合模塊通過分析調(diào)度條件,以動態(tài)組織方式進行調(diào)度方案調(diào)整,實現(xiàn)調(diào)度模型融合。

其體系結(jié)構(gòu)如圖1所示。

3.1 智能感知的物理車間

物理車間是數(shù)字孿生系統(tǒng)的應(yīng)用基礎(chǔ)和目標(biāo),是數(shù)據(jù)的源頭,同時也是以虛控實的終點。依據(jù)其在系統(tǒng)中的作用自底向上分為物理設(shè)備層、數(shù)據(jù)感知層和邊緣計算層,層次關(guān)系如圖2所示。

圖2 智能感知的物理車間

物理設(shè)備層是生產(chǎn)車間的機床、物料、運輸工具、人員以及環(huán)境等為完成生產(chǎn)制造而存在的各類物理元素,其是數(shù)字孿生系統(tǒng)的應(yīng)用基礎(chǔ),孿生數(shù)據(jù)的產(chǎn)出源頭,同時也是以虛控實的終點。數(shù)據(jù)感知層利用各類數(shù)控設(shè)備接口、傳感器、智能測量、電子標(biāo)簽采集器等設(shè)備實時對設(shè)備和環(huán)境進行數(shù)據(jù)采集,例如采用SCADA、RFID等對設(shè)備、工件、物料、人員等進行標(biāo)識和跟蹤;數(shù)據(jù)傳輸?shù)竭吘売嬎銓?。邊緣計算層對感知層采集的?shù)據(jù),利用車間網(wǎng)絡(luò)的各類網(wǎng)關(guān),進行數(shù)據(jù)清洗和初步融合,降低生產(chǎn)數(shù)據(jù)的數(shù)據(jù)量大、多樣性、價值密度低等因素造成的孿生數(shù)據(jù)服務(wù)的不利影響。

3.2 多層次多維度融合的虛擬車間

面向數(shù)字孿生的虛擬車間模型需具有高擬實性,需在在空間造型、生產(chǎn)工藝、加工過程、倉儲物流等方面進行建模仿真。本文在針對面向生產(chǎn)過程調(diào)度問題,設(shè)計了多層次多維度的虛擬車間建?？蚣?如圖3所示。通過多層次多維度模型的關(guān)聯(lián)、組合與集成,在信息空間融合為一個完整的、具備高真實度的虛擬車間模型。

圖3 多層多維虛擬車間建?？蚣?/p>

虛擬車間建模的多維度是指從幾何、物理、行為的角度對仿真單元的模型進行約束和限定,多維融合建模層對生產(chǎn)設(shè)備等基礎(chǔ)單元進行“空間幾何-物理性質(zhì)-行為控制”的融合建模,是數(shù)字孿生高擬實性的基礎(chǔ)。

虛擬車間建模的多層次是指根據(jù)仿真應(yīng)用的不同從基礎(chǔ)單元、生產(chǎn)線、仿真應(yīng)用三個層次進行仿真模型的構(gòu)建,滿足基于數(shù)字孿生應(yīng)用的需求。設(shè)備單元模型層是多維融合模型的承載層,以仿真單元為主體,融合空間幾何模型、物理性質(zhì)模型和行為控制模型。生產(chǎn)線層根據(jù)車間的物理信息,加載多維融合的基礎(chǔ)仿真單元模型,并數(shù)字實例化,構(gòu)建完成“靜態(tài)”虛擬車間模型。仿真應(yīng)用層加載仿真過程的目標(biāo)、數(shù)據(jù)、流程、應(yīng)用約束等,讓虛擬車間有靜態(tài)轉(zhuǎn)為動態(tài),進行仿真應(yīng)用。

3.3 基于孿生數(shù)據(jù)的復(fù)合調(diào)度模型

基于數(shù)字孿生的復(fù)合調(diào)度模型以孿生數(shù)據(jù)為中心,服務(wù)傳統(tǒng)調(diào)度模型,調(diào)度知識模型和仿真預(yù)測模型,關(guān)系如圖4所示。

圖4 基于孿生數(shù)據(jù)的復(fù)合調(diào)度模型

3.3.1 孿生數(shù)據(jù)

本文中的孿生數(shù)據(jù)覆蓋生產(chǎn)過程全要素信息,包括物理車間現(xiàn)場實時數(shù)據(jù)、虛擬車間模型數(shù)據(jù)、仿真數(shù)據(jù)、車間信息系統(tǒng)數(shù)據(jù)等,具有典型的大數(shù)據(jù)特征,為調(diào)度知識學(xué)習(xí)、仿真計算、預(yù)測統(tǒng)計等提供充足的信息。

孿生數(shù)據(jù)根據(jù)對系統(tǒng)需求的支撐功能可分為歷史數(shù)據(jù)、實時數(shù)據(jù)、仿真數(shù)據(jù)三類。歷史數(shù)據(jù)是已產(chǎn)生的生產(chǎn)及管理相關(guān)數(shù)據(jù),是系統(tǒng)進行數(shù)據(jù)統(tǒng)計、知識學(xué)習(xí)、關(guān)系挖掘、優(yōu)化決策的基礎(chǔ)支撐。實時數(shù)據(jù)是通過數(shù)控設(shè)備、傳感器等獲取的在線獲取的即時數(shù)據(jù),可實時監(jiān)控生產(chǎn)設(shè)備、產(chǎn)品、物料、工裝、物流、倉儲等狀態(tài),篩查非常規(guī)數(shù)據(jù),在知識和規(guī)則支撐下,快速發(fā)現(xiàn)不確定性干擾因素,進行標(biāo)注,為管理提供預(yù)警信息。仿真數(shù)據(jù)是虛擬車間仿真產(chǎn)生的數(shù)據(jù);歷史數(shù)據(jù)構(gòu)建仿真環(huán)境、模型、規(guī)則,作為仿真的信息來源,實時數(shù)據(jù)為仿真空間提供不確定擾動元素,利用仿真的優(yōu)勢,進行預(yù)測性仿真計算,獲取結(jié)果數(shù)據(jù),記錄并反饋給智能模型。

3.3.2 復(fù)合調(diào)度模型

生產(chǎn)過程的調(diào)度模型在預(yù)調(diào)度和重調(diào)度層面上,進行傳統(tǒng)調(diào)度模型、仿真預(yù)測模型和調(diào)度知識模型的模型融合,并依據(jù)生產(chǎn)調(diào)度的需求角度,進行策略的組合,滿足實際制造過程的調(diào)度需求。

傳統(tǒng)調(diào)度模型是指包含傳統(tǒng)數(shù)學(xué)規(guī)劃、網(wǎng)絡(luò)模型、軟計算等方法的常規(guī)調(diào)度模型;因各模型都有自己的適用范圍,依據(jù)調(diào)度目標(biāo)和約束,選擇合適的算法。

仿真預(yù)測模型是指基于仿真平臺,加載調(diào)度的生產(chǎn)元素,對生產(chǎn)過程進行仿真,獲取調(diào)度結(jié)果的模型。

調(diào)度知識模型包括過程知識、規(guī)則知識、啟發(fā)式知識、實例性知識。過程知識是對生產(chǎn)調(diào)度的工序流程、物料運輸、人員排班,信息采集等具有標(biāo)準(zhǔn)作業(yè)程序的事件信息,依時空序列抽取網(wǎng)絡(luò)拓?fù)潢P(guān)系,構(gòu)建流程模式的知識。規(guī)則知識是對調(diào)度中的約束規(guī)則,如訂單拆分、類型分配、上線時段等,前提結(jié)論明確的規(guī)則信息,構(gòu)建IF〈前提條件〉ELSE<結(jié)論1>THEN<結(jié)論2>模式的關(guān)系模型。啟發(fā)式知識是為克服生產(chǎn)調(diào)度過程中傳統(tǒng)規(guī)劃算法、啟發(fā)式算法等均具有適用性和局限性的不足,將調(diào)度條件和算法知識化,用于快速進行預(yù)調(diào)度過程的算法選擇。實例性知識是指對生產(chǎn)過程中的不確定性干擾或意外事件的數(shù)據(jù)特征關(guān)聯(lián)分析、學(xué)習(xí)挖掘,構(gòu)建關(guān)聯(lián)指數(shù)、突變指數(shù)、影響指數(shù)相結(jié)合的復(fù)合指數(shù)模型。

在預(yù)調(diào)度層面,利用遺傳算法構(gòu)建傳統(tǒng)調(diào)度模型,并依據(jù)經(jīng)驗和規(guī)則,進行調(diào)整,提高調(diào)度方案的實用性;基于在線統(tǒng)計學(xué)習(xí)進行啟發(fā)式知識和實例知識的構(gòu)建,識別頻繁出現(xiàn)的微小擾動,滿足重調(diào)度的需求;另外,在重調(diào)度過程中,基于強化學(xué)習(xí)動態(tài)并利用仿真系統(tǒng)離線學(xué)習(xí)出完備的“時間-狀態(tài)-行為”規(guī)則知識,評估不同調(diào)度知識和行為的效果,選取性價比最合理的方案,進行調(diào)度方案的動態(tài)調(diào)整。

4 典型應(yīng)用

某發(fā)動機生產(chǎn)車間具有自主設(shè)計并開發(fā)了一套基于本車間業(yè)務(wù)的MES系統(tǒng),對推進智能生產(chǎn)線建設(shè)和有效運行具有重要的作用。隨著業(yè)務(wù)范圍和規(guī)模的擴大以及新技術(shù)的發(fā)展,對車間生產(chǎn)過程信息的管理和調(diào)度不能滿足應(yīng)用需求,故需研究基于數(shù)字孿生的機生加產(chǎn)線動態(tài)混流排產(chǎn)系統(tǒng)。

在該項目中踐行前文論述的基于數(shù)字孿生的車間生產(chǎn)調(diào)度優(yōu)化理論和架構(gòu)。系統(tǒng)的邏輯結(jié)構(gòu)如圖5所示。該系統(tǒng)利用Flexsim仿真平臺進行生產(chǎn)線虛擬模型的仿真,并與MES、ERP等系統(tǒng)數(shù)據(jù)結(jié)合實現(xiàn)孿生數(shù)據(jù)融合。在業(yè)務(wù)層完成孿生數(shù)據(jù)的融合,實現(xiàn)傳統(tǒng)模型、知識模型和仿真模型的組合,取得了較好效果。系統(tǒng)界面調(diào)度管理界面如圖6所示。

圖5 應(yīng)用系統(tǒng)邏輯結(jié)構(gòu)

圖6 調(diào)度系統(tǒng)管理界面

數(shù)字孿生系統(tǒng)仿真界面如圖7所示。

圖7 數(shù)字孿生平臺仿真界面

5 結(jié)束語

生產(chǎn)過程的調(diào)度問題一直是研究的熱點,數(shù)字孿生為其提供了一個較好研究思路。圍繞數(shù)字孿生驅(qū)動的調(diào)度技術(shù)研究,需在虛實交互機理方面,構(gòu)建調(diào)度知識模型,揭示自組織、自學(xué)習(xí)、自優(yōu)化機制下智能模型的構(gòu)建機理,從而實現(xiàn)調(diào)度要素的高效優(yōu)化匹配。