基于数字双胞胎的智能制造系统的设计与应用！

数字双胞胎是物理产品在虚拟世界的镜像，如图1所示。数字双胞胎是物理资产的虚拟镜像，借助传感器采集数据反映机器的实时工况、状态和位置，通过模型优化后，返回现实世界以提高机器性能。数字双胞胎也可用于监控、诊断和预测，数字模型借助物理对象的数据积累，分析机器的健康衰退程度，提出预测性维修方案。

图1基于数字双胞胎智能制造

智能制造领域应用的数字化双胞胎技术与传统制造相比如图2所示。其核心技术为信息物理融合生产系统（CyberPhysical Production System－CPPS），如图3所示，信息物理融合生产系统（Cyber Physical Production System－CPPS）是信息物理融合系统（CPS）在生产领域的应用，是一种多维度的智能技术体系。信息物理融合生产系统以大数据、网络和云计算为依托，通过智能感知、分析、预测、优化、协同等技术手段，使计算、通信和控制三者有机融合与协作。将所获取的信息与对象的物理性能表征相结合，形成虚拟空间与实体空间深度融合、实时交互、互相耦合、及时更新，在网络空间中构建实体的虚拟镜像。通过自感知、自记忆、自认知、自决策、自重构的运算和分析，实现生产系统的数字化、智能化和网络化。

图2应用数字化双胞胎技术的智能制造与传统制造比较

图3  核心技术

◉ 第一步：数据的采集和处理，如图4所示。

图4  数据采集

◉ 第二步：人机与机机通信

如图5所示，刀柄上有芯片，可记录刀具和刀片的规格、尺寸，刀具预调数据，推荐切削用量，将信息发送给机床数控系统。加工时，芯片记录切削参数和切削时间；还有多少剩余寿命，还可加工多少个零件，发送给操作者和有关部门。

图5 人机与机机通信

◉ 第三步：如图6所示，从数据、信息到决策

图6 物联网

◉ 第四步：迈向预测型智能制造

智能制造的困扰是设备和装置的失效，随着时间推移，设备会磨损，性能会衰退，最终导致故障和停机。

预测型智能制造通过掌握设备实际的状态，不是在故障发生后去抢修，或过早地将可继续用的部件进行不必要更换，而是采用计划性维修，从而降低维修费用和生产成本。知道设备什么时候可能失效，就能够合理地安排维修计划，实现“准时”维修，最大限度地提高设备的可用性和延长其正常运行时间，提升工厂运营效率。将设备衰退模式和实时状态评估与加工过程控制结合起来，实现在设备或系统性能随时间变化的情况下，保证产品质量的稳定，迈向“无忧虑”智能制造。预测型智能制造的层次和架构如图7所示，预测型智能制造的信息物理模型(Cyber-PhysicalModel for Enhanced Predictive)如图8所示，大数据分析是预测型制造的重要手段。

图7 预测型智能制造的层次和架构

图8 预测型智能制造的信息物理模型

◉ 系统的要求

由制造过程透明可知使智能机床不再是传统的机械设备，而变成了一台智能终端，它不仅可以加工零件，同时能够产生服务于管理、财务、生产、销售的实时数据，从而实现设备、生产计划、设计、制造、供应链、人力、财务、销售、库存等一系列生产和管理环节的资源整合与信息互联，并为上述过程提供精准的数据依据，成为新工业革命的基础。

数控系统采用的G、M代码（ISO 6983）已不能适应现代化生产和技术发展的需要。STEP-NC将产品数据转换标准STEP扩展至CNC领域，重新定义了CAD/CAM与CNC之间的接口，如图9所示。它要求数控系统直接使用符合STEP标准的CAD三维产品数据模型（包括几何数据、设计和制造特征），加上工艺的信息和刀具信息，直接产生加工程序来控制机床。要求具有更顺畅的操作、更高的生产效率、强大的工厂管理支持、更好的客户化功能扩展、多通信协议支持。可采用云数控系统，如图10所示。

图9  STEP扩展至CNC领域

图10 云数控系统

◉ 对设备提出了如下要求

智能机械加工工厂对机床的要求是能够接入互联网络，能够实时向网络提供自身的相关信息（如：运行状态、工作内容、工艺数据、工作进度等），能够从网络接受所需的各种数据（如：加工程序、生产计划、工艺数据、生产准备信息等），通过智能化的功能最大程度减少生产准备工作内容，具有一定的自适应功能，具备自我诊断的能力。

①机床装备高端化主要包括高速高精加工，加工过程自动化(机器人取代操作工人)，车间物流自动化(AGV自动配送混流物料)，产品检测自动化(生产现场非接触光学自动检测、系统采集数据，及时反馈结果)。将数控机床接入企业信息化网络，连接CAD/CAM、MES、ERP、PPS以及PDM等信息化软件，如图11所示。

图11  智能数控机床

②工艺数字化(图12)

图12 工艺数字化

③生产柔性化(图13)

图13 生产柔性化

④过程可视化

如图14所示，实时上传：数控机床、 机器人 、 RFID料盘 、 AGV 、 RGV 等各种设备数据， 物料数据及生产状态数据；指令下发：生产与物料指令 、工艺数据、 质检标准等下发至设备。增强现实技术等先进技术在智能制造中得到应用，如图15所示。

图14 过程可视化

图15 增强现实技术在智能制造中得到应用

⑤信息集成化

要求有虚拟服务器与海量信息存储处理能力，车间信息集成网络，具有一网到底实现所有信息采集与集成功能。

⑥决策自主化

具有企业管理自决策，生产管控自组织，制造过程自执行，设备状况自检测等。

⑦数控装备具有智能化，如图16所示。

图16 数控装备具有智能化

⑧自主机器人

如图17所示，自主机器人应具有机器人自主导航(Robot navigating autonomously)、按生产需要调整机器人路径(Robot path adjusted to production needs)、机器人路径不受轨道限制      (Robot path not limitedby rails）、生产流程易于再规划（Easyre-planning of production flow）、为机床服务（Machinetool world），比如将刀具送到机床上（Bringcutting tools to the machine）、将毛坯送到机床上（Bringraw pieces to the machine）。

图17自主机器人

对于车间层面来说，基于云系统的信息平台能提供贴身的管家式服务，无论何时何地，无需冗长的报告，只需点击终端，所有信息尽在掌握，如图18所示。

如图19所示，基于云系统的维护平台提供远程故障诊断服务，自动发送故障提醒短信， 支持基于地理位置的故障报修，专家远程在线检测，轻松完成系统诊断、升级、备份、恢复。重点是以下工作。

图18 云管家

图19 云维护

基于云端强大的服务器资源和专业软件的增值服务，在编程、工艺、优化的专有功能，可以将“特色应用” 有偿共享给所有其他用户，使数控系统更智能、更专业。如图20所示。

图20 云智能

①针对为员工提供人性化工作条件的设计标准，如图21所示。

图21 标准制定

②云平台的建立

利用控制信息、传感信息、网络信息，实现从数控设备的运行、加工、操作和编程等环节中，替代人脑，完成工作。包括：智能管理、智能调试、智能补偿、智能加工、健康保障、网络销售平台等，如图22所示。

图22 云平台的建立

③云数控服务平台

如图23所示，利用远程监控管理手机APP智能管理、远程监控车间。

图23云数控服务平台

◉ 组成

智能制造工厂是基于信息物理融合 （CPS）的智能系统,采用更标准化、智能化的媒介和载体结构减低复杂性；实现实时柔性制造和生产过程智能化。基于实时生产仿真模型和集成化制造管理系统，实现人工智能化动态生产决策；基于知识和虚拟仿真系统，推理全面满足客户化需求的最佳方案，颠覆传统“厂家生产什么，客户只能买什么”模式。为客户提供价格更低，更开放市场和更多样化产品；跨企业价值链业务集成，构建端到端的价值流，形成新的业务模式。企业的数据平台如图24所示，智能工厂的特征如图25所示，效益如图26所示，组成与建厂步骤见图27与图28。

图24 企业的数据平台

图25 特征

图26 效益

图27 组成

图28 步骤

◉ 特征

①工厂大数据中心

智能工厂的 基本功能、设计要求、 设计模型类标准等总体规划标准；达成智能工厂规划设计要求所需的 仿真分析、协同设计 和 建设实施标准等实施指南标准；基于智能工厂的 工艺流程及布局模型、 生产过程模型和组织模型 等系统建模标准。如图29所示，智能制造的核心是数字化、网络化、智能化。

一是数字化：对工厂中数控机床、机器人、工具、刀具、人等全部制造资源的实时数据采集，实现智能工厂的数字化；

二是网络化：通过对实时数据的网络化传输，在大数据中心中汇聚、储存和管理，建立了智能工厂的“数字双胞胎”；

三是智能化：在描述智能工厂“数字双胞胎”的大数据中心之上，使用了PLM、CAPP、MES、ERP等智能工厂信息化管理软件，以及基于大数据的工艺优化、断刀检测、健康保障等智能化软件模块，提高生产效率、生产质量，实现了智能化。

形成形象交互的3D虚拟车间,如图30所示。3D可视化支持CATIA、PRO/E、UG等多种数据文件无需转换的直接浏览，实现3D图形、工艺直接下发到现场，实现了生产过程的无纸化生产管理，如图31所示。

图29  工厂大数据中心

图30 3D虚拟车间

图31 无纸化生产管理

②智能制造时代的经营战略

随着智能制造的推进，我们的竞争战略与制造模式将会发生很大的变化，需要向定制化（消费端就是个性化）、聚焦化、协作化、全球化的“新四化”方向发展。

③六维智能工厂理论(图32)

图32 六维智能工厂理论

④平台化与智能化的MES系统(图33)

图33 智能化的MES系统

⑤智能化的生产资源管理，优化库存，减少浪费，如图34所示。

图34 生产资源管理

⑥质量管控智能，生产工艺参数的实时监测、动态预警通过设置设备加工过程中相关工艺参数的技术指标（范围限值），对加工过程进行实时的、动态的、严格的工艺控制。结合企业的产品二维码信息，通过每个工件的唯一标识，在系统内部可以查询到，生产该产品时所采用的工艺参数及机床状态等信息，便于质量的追溯，如图35所示。

产品的质量取决于生产过程对工艺的严格管控。对工序过程的主要工艺参数与完工后的产品合格率进行综合分析，为技术人员进行工艺改进提供科学、客观的参考数据，如图36所示。

图35 工艺参数及机床状态等信息

图36 变化趋势

⑦智能化的决策支持目视化管理，提供各种直观的统计、分析报表，为相关人员决策提供帮助，包括计划制订情况、计划执行情况、质量情况、库存情况等，如图37所示。

实现用户在手机、IPAD等移动设备上对现场生产情况、设备运行情况、质量情况的数据浏览、异常处理，如图38所示。

图37 智能化的决策

图38 移动设备上对现场生产情浏览

智能制造工厂不仅是自动化，而是在数字化基础上的资源、技术、信息、组织和人文的全面集成。传统工厂的不同点首先在于生产流程的可视化和管理的透明度，看得见、易理解沟通，才能高效率、高质量。工厂的运维是动态的，未来工厂的“健康”状态是可预测和有预案的，有备无患。工厂是智能化的，具有自主管理和自优化的能力，能够适应客户需求和外界环境的变化，如图39所示。

互联共生不仅体现在网络连接，更重要是相互依存的共享业务关系。互联共生工厂需要工业互联网平台支持，以连接各种形式的服务提供者。生产不是孤立的与城市环境、供应链和电网相互配合，才能提高资源利用效率，发挥共生效应，如图40所示，其软件结构如图41所示。

图39 社会层面

图40 互联共生

图41 软件结构

◉ 应用过程

①创建 / 准备任务单(图42)

图42 创建/准备任务单

②设置预调工件并分配RFID芯片(图43)

图43 分配RFID芯片

③将托盘装入生产单元中，进行自动化生产,如图44所示。

图44 自动化生产

④集成三坐标测量机，进行质量控制，如图45所示。

图45 质量控制

⑤报告和反馈如图46所示，可采用AR/MR 交互实施，如图47所示。

图46  报告和反馈

图47  AR/MR 交互实施

机器人＋数控机床不是智能制造，由具有图像识别或力传感器的机器人和具有位移、振动、温度传感器的数控机床构成的系统才属于智能制造范畴。ERP＋MES也不是智能制造，没有数据采集和设备状态反馈的系统是开环的和不可控的；智能制造是“数据→信息→优化→决策→价值创造”转化的闭环系统。互联网＋WiFi更不是智能制造，它们是智能制造的基础设施，是手段，但绝非全部内容，离开物理的生产过程和实体设备，互联网什么也不能生产出来。自动化＋数字化更不是智能制造，智能、智能、不能够感知和思考，不会交互和通信，就算不上智能。

智能制造从技术的角度看，传统制造是对物质的处理，将原料转化为产品，是基于经验的制造；智能制造是同时对物质和知识的处理，是基于科学（模型化）的制造。从企业运作的角度看，传统制造业是成本中心，通过大批量生产，降低成本，形成竞争力；智能制造是利润中心，通过客户化定制和协同获取最大利润。从最终用户的角度看，传统制造企业提供的是具体产品和有限的担保；而智能制造企业提供产品全生命周期的互联网服务，客户从购买产品转变为购买服务。智能制造不仅是技术的变革，而是生产模式、商务模式、经济体系、生活方式的变化。

 - 参考文献 - 

[1]张曙.混合加工挑战传统[J]. 现代制造现代金属加工[2015]12:9-11.

[2]Rombouts, M., et al., Surface Finish after Laser Metal Deposition. PhysicsProcedia, 2013.41(0): p. 810-814.

[3]Wang,Z., et al., Stereo vision based hybrid manufacturing process for precisionmetal parts. Precision Engineering, 2014(0).

2021中国智能制造岁末盘点已正式启动

长按下图二维码

树立智能制造领域的标杆和榜样

↓