基于数字孪生的前纺丝车间运行架构

叶 磊，徐 慧，王 勇，张文琦，魏 星

（1.北京机械工业自动化研究所，北京 100120；2.北自所（北京）科技发展有限公司，北京 100120）

0 引言

制造业在国民经济中的地位不言而喻，一个国家的制造业水平可以衡量一个国家的综合实力，以及这个国家的科技创新、社会发展的程度。我国制造业一直以成本低廉和产量巨大而著称。但时代不断向前迈进，全球的科技发展速度来到了一个高峰，面对人民的需求日益多样性，以及各界对低碳制造的呼吁，响应党对可持续发展的号召，新一代信息技术技术，比如物联网、云计算等都加快了落地应用的速度。制造业和信息业从未像如今这么紧密过，各国对出现的新机遇和就业岗位都在积极应对。德国提出“工业4.0”计划，中国提出“中国制造2025”，重心都是在物联、智能仿真、工业大数据，都是希望抓住这次改革契机，实现对“智能制造”跨度到“智能智造”。

智能制造是一个多学科、多领域交叉融汇的一个领域，想要在这个领域实现突破性进展是很有难度的，但是智能制造的规模如此庞大，一旦改革带来的效益也是巨量的。数字孪生是今年来的大热，它可以实现物理空间和信息空间的实时交互，快速得到多领域的关注。数字孪生的重点是将工业涉及到的产品，从几何等物理特性到工艺生产等行为特征融入到模型当中，最终达到3D监控、远程运维、指导生产、预测性维护、产品再设计等众多功能。一直以来，物理空间和信息空间的互联都是仿真的“痛点”，数字孪生的诞生核心就是要解决这个问题，它是智能制造车间的未来发展趋势所在。

对于化纤车间，核心就是落丝生产线，数字孪生的应用一定可以带来现有模式的突破。将化纤车间的丝饼、各式各样的设备、工艺流程的特性，从物理空间无缝衔接到信息化的虚拟空间，构造出一个落丝生产线的数字孪生体。生产前，在数字化模型中模拟优化，可以发现问题，预测产量、生产所需的物理人力等资源；生产时，实时交互，跟进生产，提高生产效率。生产后，跟踪产品质量，对设备预测维护的时间点。

1 数字孪生

1.1 数字孪生的定义

数字孪生是近年来的大热，2020全球物流技术大会上，中国物流正式发布了《数字孪生供应链》白皮书。

数字孪生（Digital twin）是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。

图1 前纺丝车间的数字孪生建模

1.2 数字孪生的内涵

数字孪生刚刚走进人们视野的时候，普遍的把数字孪生当做仿真。这是一种片面的解读，实际上，仿真是数字孪生的一部分。数字孪生是由模型和数据双重驱动，它不仅可以仿真、3D可视化，还可以对产品进行能效检测、预测故障和维护等等功能。准确来说，数字孪生不单是物理空间的模型在虚拟空间的展示，更是产品的各类属性、行为模式等等的完全的映射。

既然都是着重物理世界和数字世界的高度融合，那么数字孪生和信息物理系统（CPS）是否重合了呢？答案是否定的。CPS是在2006年由美国的科学界提出，以应对目前的计算机学科和自动化学科不能满足日益复杂的工程应用，它属于科学范畴。而数字孪生是工程应用范畴，是丰富CPS的一个模块，未来也将会有越来越多的新兴技术来完善CPS。

2 数字孪生前纺丝车间运行机制

2.1 数字孪生前纺丝车间的组成

数字孪生的前纺丝车间主要有四个部分组成：真实物理车间生产线、数字孪生前纺丝车间生产线、信息系统、孪生数据。

1）物理生产线

物理前纺丝车间由现实中的操作工人、生产的材料丝饼、运行设备落卷机器人和卷绕机、环境中的丝箱和丝箱底座等等，在落卷机器人和丝箱底座多处布置了传感器，由落卷机器人统一传到虚拟空间。

真实物理车间的生产线必须具备多源异构数据的读取能力，通过无线射频识别技术（RFID）、过程控制的对象连接与嵌入技术（OPC）等技术采集来自真实物理世界的信息，比如读取托盘号、扫描丝箱码等等。利用工业以太网和工业WiFi技术，组成完整的车间网络，各传感器收集到的数据通过网络实时上传到车间信息服务平台，这就是孪生数据的一部分，需要长期存储在设备中，用于日后纠错、分析等用途。智能化的车间，必须实现设备和设备、人、环境之间的全方位交互。只有这样才能实现设备按照计划和实时调度命令做出反应。

2）数字孪生体生产线

数字孪生前纺丝车间可以使用如今的先进技术，如VR和AR，结合传统的建模软件，在计算机环境构建物理车间的双胞胎数字车间，不只是需要对几何构建，也要对机器的动作、生产车间环境进行虚拟化映射。全要素镜像是对生产情况的仿真、模拟、调整的坚实基础，也会使得实时监控的质量更高。但数字孪生前纺丝车间不适宜太庞大，会拖慢系统的运行以及任务的下发等等操作。

真实的镜像模型需要抓住工艺特点和特征行为参数，包括但不限于车间布局、生产过程、运输过程。生产前可以使用数字孪生前纺丝车间对生产进行模拟，预估产量、预测生产所需成本以及可能出现的故障；生产中可以监控实时的生产情况，同时积累生产数据，用于优化预测模型等等。

3）车间信息服务系统

生产线的信息系统由纺丝机制造企业的生产流程过程执行系统（MES）、企业资源计划系统（ERP）等各种系统共同组成，实时处理传感器上传的数据，清洗和整理后的数据提供于数字孪生前纺丝车间。该系统主要负责下发的生产方案、统计和计算数据等生产资源，配合真实的物理车间优化制造数据。

前纺丝车间传输任务给信息系统，信息系统收到后，根据物理车间的现状配置生产资源并生成生产计划，这个计划下一步传输到数字孪生前纺丝车间进行仿真和优化，生成切合实际的计划用来执行。在生产过程中传感器不断收集数据，信息服务系统不间断处理，实时调整生产资源、生产计划。

4）孪生数据

真实物理车间和数字孪生前纺丝车间是相互独立的，是孪生数据将它们衔接在一起。它包括真实物理车间抓取的数据、数字孪生前纺丝车间模拟运行产生的数据、以及信息系统运作产生的数据。物理车间数据涵盖生产情况数据、落丝车和丝箱的状态信息等等。生产情况数据包括不限于，订单完成情况、丝饼等级以及数量等。

2.2 数字孪生车间运行机制

真实车间、虚拟车间、信息系统这三者之间都要实时交互，数字孪生的前纺丝车间按照如下规则运行：

1）真实车间和信息系统的交互

前纺丝车间生成任务后，信息系统对现有资源进行统计，在现有的资源配置下，对订单任务生成新的可靠的生产计划。信息系统实时收到落卷机器人上传的数据，对落卷机器人的接丝能力进行评估，再一次优化生产计划。生产时，信息系统统计丝箱情况，以及落丝率，如果个别丝箱状态紧张，信息系统需要对生产方案实时修正，优先去接未满丝箱的品种丝饼。

2）数字前纺丝车间和信息系统的交互

数字前纺丝车间根据现有的模型，包括几何模型和行为模型，对信息系统下达的生产计划在数字世界进行仿真，得到可能出现的生产问题，比如落卷机器人无法满足需求的情况，比如丝箱满箱降低效率的情况。信息系统通过数字前纺丝车间对各个环间有所准备，当生产任务无法被满足的时候，可以及时配备专业操作工人配合生产度过瓶颈期。

3）物理车间与虚拟车间之间的交互

前纺丝车间执行由信息系统下发的生产计划。生产过程中，落卷机器人依然实时传输数据给信息系统，信息系统将后续的任务放在数字前纺丝车间模拟。总而言之，物理前纺丝车间和数字前纺丝车间是实时同步更新的。如果在实时任务计划与原计划出现较大的偏差，则对后续的生产情况在数字前纺丝车间生产，如果没有出现大面积卷绕机产出的丝饼不能及时送往丝箱，新生产计划则覆盖原生产计划。相反，出现生产大面积脱节的情况，数字前纺丝车间将结合历史数据、实时数据和仿真结果选择性放弃部分卷绕机任务订单，选择有工人部分参与生产，以度过生产瓶颈期，并出现系统预警、资源告急提醒，保证后续的正常生产。数字前纺丝车间将不断根据物理生产车间完善自身行为模型，不断提高自身的智能性。

3 数字孪生前纺丝车间模型架构

第二章节分析了前纺丝车间的各模块之间的交互，第三章从四层架构分析前纺丝车间。

图3 数字孪生前纺丝车间的四层架构

1）第一层是物理层。由卷绕机、丝箱、落卷机器人、人、丝饼等组成，包含物理实体，同时也包含物理实体的活动。通过优化现有的资源配置根据生产的任务节点完成实际的生产加工作业。该层级最重要的技术为：异构多源多模态数据封装技术、分布式协同控制技术。建设的时候需要将各设备的数据统一协调的汇总在一起，便于日后的分析使用。

2）第二层是数字层，也称为信息层。为真实的前纺丝车间提供维护生产服务。对物理层传上来的数据进行关联、挖掘和分析。数字层也还是对孪生数据进行存储和融合的平台。在数字层可以清晰地看到生产的实时情况、车间实时的运作情况。在该层，对前纺丝车间进行生产运行的优化操作。由于信息量庞大，在必要的时候来确定各数据块之间的关系，逻辑上更清晰明了，如平行关系，父子关系，顺序关系。通过清楚地分类，避免数据的重复整理，也便于现场工程师在调试时，最短时间内找到自己想要的数据。在现实的前纺丝车间中，监控软件对落卷的状态信息进行实时监控，同时可查询以往12个月的落卷历史记录，打印报表。而例如落卷机器人和丝箱的手动操作记录、报警记录、以及各参数修改记录，可以查询过去6个月的数据报表。在信息层，可以追溯到同一个丝箱的具体纺位、落次记录，并提供筛选查询方式。为防止数据在特殊情况下丢失，前纺丝车间通常配备应急服务器，它具备数据库异地备份的功能。

3）第三层是模型层。在这一层是对真实的前纺丝车间的镜像，对各设备进行几何建模，也对机器进行行为建模。通过模型层可以看见3D化的车间。通常情况下，使用3d Max进行建模，然后简化模型，最终在Unity 3D平台进行渲染，搭建前纺丝车间的环境，提高最终模型的展示效果。通常对于前纺丝车间的环境，使用面向对象模式的建模，这在以后对模型管理方面更加便捷。对于落卷机器人等模型可以使用组件的方式挂载在模型中，对其脚本的代码修改就可以实现单独模型快的修改、完善、移除等操作。由于前纺丝车间的3D模型数量众多，例如大量的丝箱，多台落卷机器人的情况，加上在Unity 3D中的材质选择，渲染的环境等，对运行的服务器显卡GPU的要求十分的高。同时，模型需要大量的数据驱动，每个时刻都有庞大的数据进行传输、计算，对服务器的中央处理器要求也很高。所以在模型搭建的过程中，不仅要考虑到最终呈现的视觉效果，也需要考虑到现场设备环境的因素，所以均衡选择材质、优化渲染内存，以保证实际的前纺丝车间运行的流畅度。总结为，既要完善显示效果，也要确保实时交互的顺畅。

4）第四层是应用层。该层对前纺丝车间进行智能排产，对丝饼质量进行分析管理。同时，能耗的优化也是重中之重，化纤车间对电能等一系列的能源消耗很大，制约了生产成本的降低。在应用层，可以对员工进行集中培训。最终的应用随着时间的推移拥有无限可能。

4 结语

数字孪生在前纺丝车间的应用未来是极具吸引力的，助力工业4.0的实现。本文初步探讨了数字孪生在车间建模和信息处理等理论基础。

数字孪生的建立完善是一个长期且复杂的工作，依赖于各个学科各部门之间的合作。数字孪生在传统的仿真的基础上进行了进一步的“拔高”。数字孪生的拓展功能也很多，比如远程运维和预测性维护。当出现难度较大或紧急的问题需要处理时，工程师可以远程对现场的问题进行处理。结合对数据的分析，可以提前对设备进行维护，有利于最大限度的提高设备的使用寿命。除此之外，数字孪生对产品再设计等都有很好的促进作用，未来还有很多功能等待去探索。