3D-IOT-AI驅(qū)動的煙絲供給數(shù)字孿生系統(tǒng)研究

張佳儒，陳忠華，王爽果，劉維昌，曾慶輝

湖北中煙工業(yè)有限責任公司襄陽卷煙廠，湖北襄陽，441000

0 引言

工業(yè)4.0已經(jīng)徹底改變了制造業(yè)、檢驗和汽車等領域的生產(chǎn)和技術(shù)能力。在現(xiàn)代，周圍的資產(chǎn)（例如，Vehicle-to-Everything：V2X）越來越多地連接彼此之間及與環(huán)境共享信息，以優(yōu)化其性能、防止危險情況，并提高安全性。與工業(yè)革命齊頭并進的主要有兩個新興范式：物聯(lián)網(wǎng)（Internet of Things，IoT）[1]、人工智能（Artificial Intelligence，AI）和機器學習（Machine Learning，ML）[2]，IoT使多種物理現(xiàn)象的實時監(jiān)控和驅(qū)動成為可能、AI和ML通過數(shù)據(jù)驅(qū)動的方法為系統(tǒng)和過程（在某些情況下未知）的行為建模鋪平了道路，因此，隨著周圍信息來源的增加（IoT），分析技術(shù)也在不斷發(fā)展，以提高對環(huán)境的了解（AI/ML）。由于IoT和分析技術(shù)的交互，當前使用大量IoT技術(shù)對具體事件的復雜模式進行特征提取和分類或監(jiān)測的深度學習（Deep Learning，DL）技術(shù)得以蓬勃發(fā)展。

對設備的實時行為及其可能的未來狀態(tài)進行持續(xù)分析和預測的需求促進數(shù)字孿生的研發(fā)及應用[3]。數(shù)字孿生可以定義為通過持續(xù)監(jiān)測、預測和優(yōu)化決策提供的物理資產(chǎn)的數(shù)字準確和可信賴的表示[4]。以火車輪轂軸承為例，其維護和生產(chǎn)成本往往較高[5]。數(shù)字孿生預測軸承何時需要維修或更換，及預估使用壽命，可以極大地優(yōu)化運營成本，并允許鐵路公司更好地規(guī)劃。盡管數(shù)字孿生與網(wǎng)絡物理系統(tǒng)有相似之處，例如，將資產(chǎn)整合到數(shù)字世界中，但它們更進一步[6]提供了與物理世界中行為相同的資產(chǎn)的精確復制品。數(shù)字孿生利用驅(qū)動工業(yè)4.0的范例來監(jiān)控環(huán)境（物聯(lián)網(wǎng)），并尋求物理資產(chǎn)的持續(xù)優(yōu)化/預測（AI/ML）。在許多過程中，除了數(shù)據(jù)驅(qū)動的模型外，基于物理的模型還通過數(shù)學方程提供了資產(chǎn)行為的精確表示。然而，這些模型通常很難獲得，因此，它們需要數(shù)據(jù)驅(qū)動模型（如AI/ML）的補充。在此情況下，資產(chǎn)的可視化（最好是3D）也起著關(guān)鍵作用，因為擁有可靠的數(shù)字孿生系統(tǒng)的主要功能之一是模擬未知和極端情況下的資產(chǎn)，以便評估它們的行為。

數(shù)字孿生所呈現(xiàn)的這種技術(shù)和范式的編排需要系統(tǒng)來進行它們的持續(xù)開發(fā)和集成。在過去的幾年里，出現(xiàn)了大量的框架，使數(shù)字孿生的發(fā)展成為可能。Eclipse Ditto是用于多域數(shù)字孿生的最廣泛的開源解決方案之一，盡管Eclipse Ditto支持資產(chǎn)通信的虛擬抽象，以及細粒度的訪問控制管理，但是需要大量額外的集成工作來實現(xiàn)有效的數(shù)字孿生。有效的數(shù)字孿生指的是與AI/ML技術(shù)的無縫協(xié)調(diào)、與3D渲染引擎的集成、傳感器故障檢測以及生態(tài)系統(tǒng)的集成可視化等。此外，數(shù)字孿生通常處理單個資產(chǎn)，但這些資產(chǎn)可能是系統(tǒng)的一部分（例如，軸承和列車），其中可能需要數(shù)字孿生組合。在本研究中，針對煙草行業(yè)生產(chǎn)環(huán)境和工藝的特定性和特殊性，設計可持續(xù)開發(fā)和集成有效的煙絲供給數(shù)字孿生系統(tǒng)。該數(shù)字孿生系統(tǒng)為工業(yè)4.0背景下討論的物聯(lián)網(wǎng)、AI/ML、3D可視化等主要技術(shù)提供了集成解決方案，為其監(jiān)控、管理和持續(xù)優(yōu)化提供了統(tǒng)一的接口。本研究的主要內(nèi)容如下：

（1）設計面向煙絲供給側(cè)的3D-IoT-AI驅(qū)動的數(shù)字孿生系統(tǒng)，用于抽象和持續(xù)監(jiān)控煙絲供給側(cè)物理資產(chǎn)；

（2）與AI/ML技術(shù)、物聯(lián)網(wǎng)數(shù)據(jù)流和視頻流無縫銜接，用于持續(xù)優(yōu)化和預測，例如：煙絲進柜推薦；

（3）3D渲染引擎集成，用于3D數(shù)字孿生的設計和可視化。

1 面向煙絲供給側(cè)的3D-IoT-AI驅(qū)動的數(shù)字孿生系統(tǒng)概述

面向煙絲供給側(cè)的3D-IoT-AI驅(qū)動的數(shù)字孿生系統(tǒng)結(jié)合業(yè)務場景和實際需求劃分為物理車間、數(shù)據(jù)層、煙絲供給虛擬車間和應用層四大部分。面向煙絲供給側(cè)的數(shù)字孿生系統(tǒng)整體框架如圖1所示。系統(tǒng)各部分的具體含義如下。

圖1 面向煙絲供給側(cè)的3D-IoT-AI 驅(qū)動的數(shù)字孿生系統(tǒng)總體框架

1.1 物理車間

煙絲供給側(cè)物理車間涉及制絲和卷包車間，是構(gòu)建數(shù)字孿生系統(tǒng)的基礎。煙絲供給側(cè)作為生產(chǎn)銜接環(huán)節(jié)設備種類繁多，設備類型差異較大，支持設備間信息傳遞的感知模塊類型多樣。煙絲供給側(cè)主要包含儲絲柜、喂絲機、卷接機、風送管道、傳送皮帶、布料車和設備電機等實體設備模塊，這些實體設備模塊支撐著煙絲供給側(cè)正常運行；煙絲供給側(cè)感知模塊包含支撐各類實體設備間信息傳遞的智能傳感器、可編程邏輯控制器（Programmable Logic Controller，PLC）等要素，亦包含控制各設備有序加工的控制器、工控機等要素。實體設備模塊和感知模塊的有機結(jié)合實現(xiàn)了煙絲供給物理車間各設備的協(xié)調(diào)、有序生產(chǎn)，保障了生產(chǎn)銜接環(huán)節(jié)的正常運行，由此，進一步為煙絲供給側(cè)虛擬車間的構(gòu)建和運行提供了參照和數(shù)據(jù)來源。

1.2 數(shù)據(jù)層

煙絲供給側(cè)數(shù)字孿生系統(tǒng)孿生內(nèi)的有效連接和運行以及物理車間與實際車間之間的通信離不開數(shù)據(jù)的交互。數(shù)據(jù)層通過采集煙絲供給側(cè)各個系統(tǒng)間的多源異構(gòu)數(shù)據(jù)，將其集成并傳輸至數(shù)字孿生系統(tǒng)以驅(qū)動虛擬車間的有效運行。數(shù)據(jù)層中的孿生數(shù)據(jù)不僅包含物理車間各實體設備經(jīng)由感知模塊采集到的實時運行、狀態(tài)、生產(chǎn)產(chǎn)量等數(shù)據(jù)，還包括各設備的3D模型在數(shù)字孿生系統(tǒng)中的編碼、位置信息等數(shù)據(jù)，這些數(shù)據(jù)是數(shù)字孿生系統(tǒng)運行的核心驅(qū)動。煙絲供給側(cè)由于設備數(shù)量種類繁多且涉及制絲和卷包兩大業(yè)務系統(tǒng)，導致其數(shù)據(jù)多源且協(xié)議多樣，通過分析物理車間實體設備模塊各控制器間的通信方式和感知模塊數(shù)據(jù)通信協(xié)議，運用OPC UA技術(shù)，通過Python等第三方軟件完成數(shù)據(jù)采集，對采集到的原始數(shù)據(jù)進行統(tǒng)一化、標準化處理，實現(xiàn)數(shù)據(jù)在煙絲供給虛擬車間中的共享以及在應用層的傳輸與交互，以組成系統(tǒng)通信間的完整閉環(huán)。

1.3 虛擬車間

煙絲供給側(cè)虛擬車間是對物理車間的真實映射和實時交互，是物理車間要素、行為、規(guī)則三個層面模型的集合。虛擬車間中不僅包含對設備加工動作行為、信號傳遞等物理屬性進行刻畫的物理模型，還包含對車間生產(chǎn)行為的順序、并發(fā)等特征進行刻畫的行為模型?；谌S建模技術(shù)，對物理車間人、機、物、環(huán)境等車間生產(chǎn)要素和物理屬性進行數(shù)字化建模，同時構(gòu)建刻畫生產(chǎn)運行行為屬性的行為模型和基于車間運行及演化規(guī)律的規(guī)則模型，構(gòu)造與物理車間實體高度逼近的模型。虛擬車間的布局和各個設備虛擬模型與物理車間具有高度相似性，虛擬模型間的不同組合可形成不同的生產(chǎn)線布局。在生產(chǎn)期間，物理車間的實時數(shù)據(jù)和知識驅(qū)動虛擬車間真實模擬生產(chǎn)的全過程，虛擬車間能對物理車間的運行和生產(chǎn)過程進行全方位、多角度的實時可視化監(jiān)控。

虛擬車間逼真的三維可視化效果是構(gòu)建可視化監(jiān)控平臺的核心基礎；虛擬車間及相關(guān)信息與物理車間的雙向映射實時交互實現(xiàn)虛擬與物理車間之間的融合，同時，虛擬車間的可視化效果帶來的交互體驗有助于應用層的多方面應用靈感的激發(fā)。

1.4 應用層

數(shù)字孿生系統(tǒng)全要素、全流程、全業(yè)務的集成和融合是系統(tǒng)應用層實現(xiàn)生產(chǎn)過程仿真分析，生產(chǎn)狀況監(jiān)測、關(guān)聯(lián)、預測和調(diào)控等應用的基礎。應用層的信息服務層由SQL數(shù)據(jù)庫、物聯(lián)網(wǎng)平臺和數(shù)據(jù)可視化等組成。結(jié)合各業(yè)務系統(tǒng)多源數(shù)據(jù)、物理車間感知模塊數(shù)據(jù)和虛擬車間孿生體數(shù)據(jù)進行分析生成相應優(yōu)化方案，并反饋至虛擬車間進行仿真和優(yōu)化。

此外，應用層可根據(jù)實際業(yè)務需求將生產(chǎn)過程的生產(chǎn)鏈路、品牌產(chǎn)量、生產(chǎn)進度、儲柜存料狀況和關(guān)鍵設備生產(chǎn)狀態(tài)等生產(chǎn)信息進行可視化展示，且將車間設備的部分關(guān)鍵數(shù)據(jù)以二維圖表的形式實時動態(tài)顯示。最后，將數(shù)據(jù)傳輸至物聯(lián)網(wǎng)平臺，對設備運行狀態(tài)進行遠程在線監(jiān)控及對關(guān)鍵設備（如：儲絲柜、自動控制風管）進行實時視頻監(jiān)控。

2 基于機器學習的持續(xù)優(yōu)化和預測

該章節(jié)旨在實現(xiàn)數(shù)字孿生系統(tǒng)與機器學習算法的集成。這有助于預測設備數(shù)字孿生體的下一狀態(tài)或可能出現(xiàn)的故障情況等，如：當儲絲柜狀態(tài)或自動風管控制狀態(tài)未更新時，說明對應設備已停止運行或認為發(fā)生了某種故障。

基于數(shù)字孿生的機器學習領域的主要目的之一是預測孿生體的未來狀態(tài)，這對于分析控制和改進對應設備孿生體運行相關(guān)因素具有相當?shù)膶嵱眯?。同時，它還旨在預測孿生體的某些特征或值，這些特征或值不能直接或以任何準確的方式測量或獲得。利用所設計的機器學習模型進行數(shù)據(jù)處理并獲得預測結(jié)果，進一步利用預測結(jié)果更新孿生體，有利于模擬實體設備在不同狀態(tài)下的狀態(tài)，并為實際生產(chǎn)提供參考。

3 數(shù)字孿生系統(tǒng)的三維表示

數(shù)字孿生系統(tǒng)的一個重要方面是數(shù)據(jù)的表示。在本研究設計的數(shù)字孿生系統(tǒng)中可以找到煙絲供給側(cè)對應所有關(guān)鍵設備的對應孿生體三維表示，這使得在任何給定時刻都可以直觀且便捷地理解設備孿生體相關(guān)狀態(tài)和信息，實現(xiàn)孿生體的三維顯示是該章節(jié)的主要目標。首先，拍攝煙絲供給側(cè)設備圖片和設備布局，根據(jù)設備實際情況進行關(guān)鍵設備的三維建模，其中，喂絲裝置的實際構(gòu)造和三維建模如圖2所示，對煙絲供給側(cè)相關(guān)關(guān)鍵設備完成建模后，借助平臺實際煙絲供給側(cè)布局完成虛擬車間的構(gòu)建；在設計的數(shù)字孿生系統(tǒng)中允許為設備三維對象依具體業(yè)務分配特定的行為，并能在系統(tǒng)中實現(xiàn)二維與三維場景的聯(lián)動，如圖3所示。

圖2 喂絲機實體（左）、喂絲機三維建模圖（右）

圖3 煙絲供給拓撲圖與三維場景聯(lián)動

4 總結(jié)

為了更好地理解和預測資產(chǎn)在現(xiàn)實世界中可能面臨的情況，數(shù)字孿生正在成為一種寶貴的資源。雖然已有諸多文獻定義了數(shù)字孿生系統(tǒng)，但針對煙絲供給側(cè)這一流程特定生產(chǎn)環(huán)境需要進行重大的演變才能實現(xiàn)有效的數(shù)字孿生。在本研究中，我們提出了面向煙絲供給側(cè)的3D-IoTAI驅(qū)動的數(shù)字孿生系統(tǒng)，用于實現(xiàn)定制化的有效數(shù)字孿生。并將AI/ML相關(guān)模型預測結(jié)果、物聯(lián)網(wǎng)數(shù)據(jù)流和視頻流無縫銜接至數(shù)字孿生系統(tǒng)中，用于持續(xù)優(yōu)化和預測；對煙絲供給側(cè)生產(chǎn)等數(shù)據(jù)進行分析以提供決策依據(jù)，并將關(guān)鍵設備等視頻流數(shù)據(jù)集成到數(shù)字孿生系統(tǒng)中實現(xiàn)實時監(jiān)控。