多品种变批量产品智能生产线应用框架*

于成龙，侯俊杰，陆 菁，张 伟，蒲洪波，郭旭凯

（1.中国航天系统科学与工程研究院，北京100048；2.中科信工程咨询（北京）有限责任公司，北京 100039）

当前，随着“中国制造2025”的深入推进，智能制造在研究和应用方面均取得了较大进展，大量文献阐述了智能制造内涵、架构[1–4]和关键技术[5–6]，探索、研究及初步实践了智能工厂[7–10]和智能生产线。生产线是企业进行生产活动的基本组织，智能生产线是发展智能制造的基础载体，近年来很多学者围绕智能生产线做了大量的研究工作，尤其在具备多品种变批量特点的航空、航天和船舶等离散制造领域。在智能生产线总体技术研究及应用方面，苌书梅[11]和宋利康等[12]围绕飞机脉动总装生产线的建设，研究了总体架构、系统组成和主要内容，探讨了飞机脉动智能生产线的内涵，并在具体生产线上进行了应用验证；单继东等[13]围绕航空发动机生产线建设需求，研究了智能制造的内涵及设计了机械加工智能生产线，阐述了其内容、关键技术和实现方法；王庆等[14]探讨了典型壳段加工智能生产线的建设思路以及关键技术，并提出了典型壳段加工智能生产线总体框架与建设方案；秦浩然等[15]结合船舶喷涂的需求，研究并打造出一套以现场总线控制技术及先进无线通信技术为控制核心的船舶智能化涂装生产线。在智能生产线单项技术方面，孙元亮等[16]开展了基于物联网的飞机移动总装生产线管理技术研究，并开发了原型系统；丁涛[17]和何军红等[18]分别开展了基于大数据的生产线管控和生产线健康管理体系等研究，提出了生产线管控及维护的方法；王文理等[19]对智能制造的工艺特点、作用及重要性进行了探讨，并对发展智能制造工艺技术提出了建议；杜彬等[20]研究了工艺及装备在智能生产线的作用，指出了工艺和装备的关键技术并在实际中进行了应用；刘锡朋等[21]研究了多工位智能生产的物流管控技术，并成功应用于防爆弹底火自动装配生产线和延期管自动装压药生产线；潘志豪等[22]构建了多目标多约束的E 类飞机总装脉动生产线平衡问题模型，并研究了求解算法，为优化装配流程和提升装配效率提供了基础方法。另外，针对多品种变批量产品的系统设计和生成问题，楼洪梁[23]和周宏明等[24]分别研究了多品种变批量可重构制造系统的设计方法和制造单元的生成方法，建立了相关模型并开展了应用验证。

智能制造的研究和应用是一个循序渐进的发展过程，本文在借鉴前人研究成果的基础上，围绕具备多品种变批量特征的军工产品的未来发展需求，进一步探讨该类智能生产线的应用框架。

总体框架

多品种变批量产品生产所需生产线的显著特点是具备可重构性，即根据工艺规程将车间制造资源进行重组并形成生产线，以满足生产要求，其中工艺规程是进行生产线设计的牵引和依据。智能生产线的基本应用流程如图1所示。

（1）根据生产计划得到工件加工安排，并基于工艺规程，统筹车间制造资源进行生产线设计，进而形成虚拟智能生产线；然后基于智能生产管控系统完成生产线运行过程仿真和优化；基于优化的虚拟生产线与后续说明的实体生产线进行融合，形成智能生产线数字孪生模型。

（2）根据仿真优化结果构建实体智能生产线，其中，围绕机加、焊接、钣金、复材等关键工序采用数控设备的制造，构建数控设备及手动工位物理空间不变的逻辑实体生产线，而线缆和装配等采用柔性化自动工装和手工作业相结合的制造，进行位置调整形成物理实体生产线（或基于原有实体生产线进行局部调整和改造形成新生产线）。

（3）基于工艺规程和生产线进行智能生产加工，其中智能生产管控系统负责对工位和物流等进行管理，以及负责对生产实时数据的采集、分析和决策，并基于决策形成的优化方案对生产过程进行优化调整，保证高效率和高质量完成生产任务。

图1 智能生产线应用流程Fig.1 Intelligent line application process

图2 智能生产线系统架构Fig.2 Intelligent line system architecture

根据智能生产线业务流程形成的系统架构如图2所示，包括基础层、集成层、业务层和应用层。基础层主要包括车间的制造资源及基本设施，如数控加工设备、智能物流设备、数控检测设备、柔性自动工装、工业互联网和智能管控系统等；集成层基于工业互联网完成基础层各类资源的集成，主要实现基于工业互联网的加工工位（含检测和检验）、生产过程监控、物流和生产管控系统的互联互通，保证生产数据的实时采集及集成管理和控制；业务层说明了基于集成层实现的业务功能，表征了智能生产线的基本生产过程，体现了“状态感知、实时分析、自主决策、精准执行”的智能制造特征；应用层基于集成层及业务层，主要表征为以工艺为牵引的多品种变批量产品智能生产线的构建思路及应用流程。其中，智能生产线构建涉及的主要内容包括智能生产线设计优化、智能制造集成单元构建、物料智能配送和生产过程分析及管控。

主要内容

1 智能生产线优化设计

围绕多品种变批量的生产特点，生产线需要具备可重构性，即根据不同种类和不同批次的产品的生产安排，以各自的工艺规程为依据设计、调整和组合形成新的生产线以完成加工任务。其中，针对具体生产线的优化设计流程如图3所示。

（1）以车间的生产计划和加工安排为源头，以工艺规程为牵引，确定具体的工艺流程，整合车间的制造资源和安排工位，然后对工位进行功能建模并基于工艺流程完成生产线加工路线建模，初步确定加工方案。

（2）根据加工方案生成物料需求信息和进行物料配送路线设计，然后结合生产线运行计划及实际生产进度完成物料配送过程的分析和优化，确定配送方案并进行配送过程建模。

（3）基于以上工作，建立生产线运行仿真模型，并采用基于数据分析挖掘、经验公式计算和实际测算相结合的方法确定工序的加工工时，形成工序作业标准时间；综合考虑车间整体生产情况，完成各工序加工节拍平衡为目标的生产线运行过程优化和检验生产线的运行情况，确定加工方案，并根据优化结果进一步进行生产线设计及建设。

2 智能制造集成单元构建

智能生产线由诸多工位组成，关键工位的功能由智能制造集成单元实现，其组成与逻辑如图4所示，主要由精准执行机构、在线采集系统和分析决策系统组成，具备自动装料、柔性夹持、精准定位、加工执行、在线检测、实时分析和决策调整等功能，其柔性夹持部分主要实现不同尺寸零件的可靠装夹，满足多品种变批量的生产需求。其中，精准执行机构包括机器人上下料、柔性自动装夹设备、自适应定位工装、数控加工/ 检测设备和在线监控设备等，实现制造（含装配）过程的自动上下料、加工件的柔性装夹、工装/ 夹具状态的自动判断及自动定位调整、工件的精确加工、加工过程实时检测、加工完成后的自动检验，以及生产状态的实时监控等；在线采集系统将“精准执行机构”产生的加工参数、质量数据、物流数据、加工进度和设备运行参数等数据进行采集；分析决策系统将上述采集的数据进行分析，围绕现有加工环境下的加工参数是否满足质量要求、工装的夹持力和位置等是否满足加工要求、单元所含的设备是否运行平稳或存在问题等以及当前制造单元是否按时完成加工任务等进行判断和决策，并针对存在的问题形成解决措施和及时调整，实现工艺参数分析及实时调整、工装状态判断及自适应调整、设备故障预测及自我修整和制造单元的生产状态评估等。

图3 智能生产线设计优化Fig.3 Intelligent line design and optimization

图4 智能制造单元组成与逻辑Fig.4 Intelligent manufacturing unit composition and logic

3 物料智能配送

物料智能配送实现制造过程物料及时准确配送，以及配送过程物料状态、配送装备及辅助设施的实时跟踪、配送过程分析及决策等，如图5所示,以制造过程的物料需求为输入，以“物料配送管控系统”为管理核心，实现配送路径的仿真优化、物料准备和配送管理、配送路径仿真优化和配送指令下达、配送过程实时监控、异常事件分析及决策等。其中，“物料配送管控系统”包括出入库管理、物料准备情况监控、配送过程监控和配送状态分析决策等；“智能物流条件建设”为智能物流提供基础设施，包括数字化立体仓库、物料智能配送车和配送路径导引系统（如RFID 和磁条导引配送车）等；“物料配送路径仿真优化”根据“物料配送管控系统”指令和车间环境模型完成配送路径规划及仿真优化，包括取料仿真、路径规划、配送过程仿真和工位卸料仿真等；“车间环境建模”根据车间实际进行建模，为配送路径规划及优化提供数字化模型，包括厂房环境及布局、车间制造资源模型、物料配送设备模型和物料配送规则模型等。

4 生产过程分析及管控

生产过程分析管控逻辑如图6所示，以车间为管理单元对生产线进行集中管控和资源统一配置。

首先，通过采集系统对车间各生产线和信息化系统的数据进行感知和采集，主要包括生产计划、工艺规程、生产执行、制造资源、扰动情况、质量检测、物料物流和设备运行等数据；然后，提取其中有价值的数据进行清洗和融合，建立基于数据挖掘的生产进度、加工质量和设备故障等关键要素和价值数据之间的关联关系，进一步建立基于时序的生产进度、加工质量和设备故障随时间的演化规律模型并对未来发展规律进行科学预测；最后，建立车间数字孪生模型，实现物理车间和虚拟车间的精准映射，并基于生产进度演化规律预测，通过决策规则库和决策方法对设备状态、生产进度、生产资源平衡、扰动事件（订单变化、质量问题、设备故障、物料短缺）等进行评估和决策，并生成调度调整方案，实现对车间的优化调整。

图5 智能物流系统逻辑Fig.5 Intelligent logistics system logic

图6 生产过程分析管控逻辑Fig.6 Production process analysis and control logic

关键技术

1 智能生产线数字孪生模型构建

数字孪生模型是智能制造的核心技术，生产线数字孪生模型的组成与逻辑如图7所示，基于工业互联网、软件平台和数据接口等基础条件，通过数字化手段模拟实体生产线的设备、工装、物流、加工工件以及生产线的运行流程，并基于工业互联网和数据采集系统实现数据的实时采集以及基于采集数据对虚拟生产线的校正，以提高仿真的准确性和保证虚实生产线的同步，最终实现虚拟生产线对实体生产线的精准映射，即虚拟生产线能够准确反映实体生产线的运行情况，并随实体生产线状态的变化而变化；并且可由虚拟生产线实现对实体生产线的运行过程、设备、物流和工装等进行控制；另外，生产线数字孪生模型融合生产过程分析及管控功能，实现生产过程的运行评估及优化决策，并不断积累知识，提升数字孪生模型表征实体生产线的准确度，为管理人员监控、管理和控制生产线和优化生产过程提供支持。

2 基于数据挖掘的生产进度预测

生产进度是制造企业和车间制定总体生产计划、确定产品生产节点、成本控制和实现生产管控等事项的重要参考，基于数据挖掘的生产进度预测逻辑流程如图8所示，首先基于车间历史数据，在清洗过滤和标准化建模后，通过归类和聚类等挖掘算法获取各工序工时与加工参数之间的关联关系，进而得到工序工时的计算方法；然后基于生产计划、生产进度、加工安排、资源使用、加工工序和未加工工序等实时数据获取车间运行情况，以及后续所有加工对象的工序及加工安排；最后基于各工序工时计算方法计算得到未加工工序的工时，由此结合未加工工序的加工安排可实现生产进度演化规律的预测。

图7 生产线数字孪生模型组成与逻辑Fig.7 Line digital twins model composition and logic

图8 生产进度预测基本逻辑Fig.8 Basic logic of manufacturing schedule forecasting

结论

智能制造已经成为我国未来发展的重点方向之一，如何落实智能制造成为当前的研究重点。本文围绕具有多品种变批量特点的产品制造，以工艺规程为牵引，以制造装备为核心，以生产管控为灵魂，以物流配送为纽带，研究了智能生产线的应用框架，提出了智能生产线的应用流程和体系架构，梳理了重点内容和关键技术，对于发展智能制造技术、构建智能生产线和落实智能制造在生产中的应用具有较好的参考价值。