火炸药黑灯工厂实现途径探析*

徐志刚，王军义，刘 勇，徐永利，曹汝男

(1.中国科学院 沈阳自动化研究所 机器人学国家重点实验室，辽宁 沈阳 110016；2.中国科学院 机器人与智能制造创新研究院，辽宁 沈阳 110169)

1 概述

火炸药作为一类高能量密度材料，在能源开采、建筑行业、航天事业和军事领域得到了广泛应用[1]。在军事领域中，火炸药及其相关产品是战斗部进行毁伤的能源，也是各种武器驱动、爆炸装置的动力源，能为火炮、火箭、导弹等提供能量，从而完成发射、推进和毁伤功能。现今，火炸药的发展已然成为一个国家国防实力的体现。然而火炸药具有易燃、易爆的化学特性，同时，在生产过程中高温高压设备较多，加工工艺复杂，且容易产生有毒、腐蚀性气体，一旦操作不当就可能发生火灾、爆炸等事故，导致人员伤亡和巨大经济损失[2]。

火炸药制造过程是一个涉及多工序、多因素、多工艺设备和多环境状态精准控制的复杂生产过程。目前，尚有部分复杂工序无法实现完全自动化，依旧需要工人进行传统手工作业，危险度高，本质安全性低，且由于不同工人熟练度不一样，容易导致质量波动，产品质量一致性差[3]。此外，火炸药的生产面临资源利用率低、能耗高、污染物排放量大及环境污染严重等诸多问题[4-5]。一方面是因为无法对制造原料的成分、设备的工作状态、制造的工艺参数以及成品质量进行实时监控和全面感知；另一方面是制造过程会受到原料、设备参数和工作环境等动态因素的影响，因此，需要根据这些影响因素实时对制造参数等运行指标进行修正。如果运行参数人工调整不当或不及时，将难以确保整个生产流程处于良好的运行状态。为促进火炸药制造向健康绿色方向发展，其生产过程必须要由过去的单纯追求大型化、高速化、连续化，转向注重提高产品质量、降低生产成本、减少资源消耗与环境污染和可持续发展的轨道上来。因此，如何提高火炸药制造工厂的自动化、智能化、本质安全性并减少对环境的污染成为亟待解决的问题。

随着工业4.0[6]和中国制造2025的提出[7]，我国逐渐从“三高”(高成本、高能耗、高排放)的传统制造业生产模式向“自动化、数字化、智能化”新模式转型，由此“黑灯工厂”逐渐走入了人们的视野，这也为火炸药的全流程自动化智能制造带来了契机。所谓的“黑灯工厂”是智能化时代的一种新形势[8]，即使用自动化、智能化设备代替工人作业，解放大量人力物力，提升产品生产效率和保证产品质量的一致性。从工厂原材料到成品的交付，整个生产过程完全由自动控制的机器设备来完成。本文将从制造业黑灯工厂发展现状展开论述，并对黑灯工厂的支撑技术进行分析，最后进行火炸药制造过程黑灯工厂实现途径的探讨，为火炸药黑灯工厂的实现提供参考依据。

2 制造业黑灯工厂发展现状

近些年，随着物联网、AI(人工智能)、5G及大数据等先进技术与工业生产深度融合，传统的流水线生产已逐渐被高度自动化机器人所取代，制造行业的黑灯工厂正在全球范围内加速落地。

2.1 国内外离散制造行业黑灯工厂

慕尼黑宝马生产基地已实现自动化+AI技术的全面升级[9]，90%的工作都是由机械臂和AI完成，工作效率大幅提高，焊接、冲压、喷涂几乎实现全部自动化，自动化瓶颈主要集中在装配过程中小型部件和电气部件等的复杂安装；目前仅有的70个工人在日常工作中通过远程实现控制，安全隐患几乎为零。日本FANUC机器人公司自2001年以来一直作为一家黑灯工厂运营[10]，机器人正在以每24小时班次约50套的速度建造其他机器人，并且可以在无人监督的情况下一次运行长达30天。离散型制造行业黑灯工厂在我国也得到了较为广泛的应用。宝沃汽车秉承“严”“柔”“精”理念建立了全球首条8种车型柔性化产线[11]，可根据不同车型，在3 min内实现整条产线的自动切换，同时，产线配有222套机器人定位系统，可满足同一产线不同车身的定位。奇瑞汽车新建智能化焊装生产线[12]，将产线调试周期缩短10～15天，机器人运行效率提升10%以上，焊接参数调试速度提升一半，充分展示了智能化产线的巨大优势。舍弗勒湘潭智能化生产基地采用模块化工艺设计，囊括160多种数字化生产模块，可根据产品种类的不同进行模块任意组合，有效提高汽车制造效率和智能化水平[13]。海尔打造出可以实现柔性选配的自动化生产线[14]，可以根据用户的定制信息自行完成产品的装配，该产线使用iMES全程订单执行管理系统，装备了200多个RFID、4 300多个传感器、60个设备控制器，全面实现物料、设备与人的高度互联。

2.2 国内外流程制造行业黑灯工厂

美国大河钢铁厂将钢铁炼制过程进行集成，并配备了数十万的传感器和扫描仪对生产信息进行实时采集，通过AI技术对采集到的数据进行分析、优化以提高产品的质量和生产效率[15]。德国巴斯夫建立的试点化工智能工厂基于AI技术和无线网络实现洗手液和洗发水等产品的柔性全自动生产。根据下达订单，生产线可以自动调整要生产的产品种类并自动装瓶[16]。为响应国家绿色生产的号召，首钢股份公司硅钢一冷轧厂结合大数据、物联网等新技术对原有数字化生产线进行智能化升级[17]。通过提升作业设备、仓库运输系统的智能化水平以及搭建智能检测系统等技术手段，将产品研发周期缩短30%，成本降低20%，同时大幅提高了生产效率。宝钢冷轧厂C008热镀锌“黑灯车间”实现了钢卷自动拆捆、打捆、产品质量自动判级及自动贴标等工序自动化。钢卷从库区吊运出来直到发货，可以做到信息不落地，全流程在线运作[18]。中韩(武汉)石化工厂完成智能巡检终端、防爆移动视频监控布控球、融合语音视频通信、各类传感器数据采集和无线VOCs泄漏检测等基于5G的深化应用，实现园区内云端智能化、监控安全精准化与绿色环保化[19]，实现产品入库、智能仓储、分拣、管理、出库与运输的全流程自动化，确保各类数据在设备之间、设备和控制平台之间的无线高速传输及响应。北京合利康源有限公司对中药传统调剂、煎煮等制作工艺进行改进，结合智能煎煮、中药调剂云平台等技术实现了药品的自动化、标准化生产[20]。在提高生产效率、保证药品质量的同时，实现生产过程工艺参数实时监控、生产资源合理管控与调度，有效地提高了运营效率。

然而，即使具有最大的自动化程度，黑灯工厂依旧无法真正做到黑灯和无人化。因为许多制造工作自动化设备及机器人依然无法胜任复杂变化作业。生产线巡检、生产线控制调试设及设备的日常维护、检修依旧需要通过人工实现。

3 制造业黑灯工厂的关键技术

实现制造业黑灯工厂的关键技术包括自动化技术、数字化技术和智能化技术。其中，自动化技术[21]是基础，自动化实现机器/设备在无人干预的情况下，按照给定指令和程序自动完成作业，不仅将操作人员从繁重劳务和危险环境中解放出来，而且极大地提高了生产效率；数字化技术[22]是支撑，数字化将物理系统在计算机系统内汇总仿真虚拟出来，将复杂多变的信息转变为可以度量的数据，并对这些数据进行统一记录、分析处理并反过来指导决策及运转；智能化技术[23]是灵魂，智能化使机器具备灵敏准确的感知功能、正确的思维与判断功能、自适应的学习功能，以及行之有效的执行功能，降低管理人员的决策难度，提升决策效率。

3.1 自动化技术

自动化技术替代制造现场简单重复作业的人工可以有效降低劳动力成本和错误率。机器更擅长始终如一地执行重复性任务，并且它们在长时间内以极小的变化执行任务。自动化技术包括自动化仓储、自动化物流、自动化作业设备和自动化控制系统。自动化仓储[24]实现货物入库、存货再到出库的全自动无人稳定运输，其使用自动化立体库、条码标签等技术动态规划最优路径，将货物运送至指定位置，具有仓库占地面积小、库存量大、信息同步性高、最大限度提高货物的周转速度、降低货物破损率等诸多优点。自动化物流[25]实现自动配送，配送信息实时反馈。在制造过程的运输环节，通过AGV运输小车系统对下达的生产任务与现场各环节物料运输需求进行响应，实现贯通整个现场的物流运输；在上下料环节，利用自动化手段实现物流运输终端与制造工位的衔接，形成物流与信息流的闭环。自动化作业设备[26]实现无人工况下设备按照预先设定工艺参数要求进行产品制造成型、装药、装配、检测等机械化作业。与传统人工作业相比，自动化作业设备减少了人为不可控因素，保证作业精准度，提升产品质量的稳定性和生产效率，同时降低操作者劳动强度和危险性。此外，自动化制造设备具有工艺参数实时反馈、设备状态(运行状态、振动、温度、声音等)实时监控等功能，提供可预测维护与问题预警。自动化控制系统[27]实现整个生产流程的精准控制，该系统对设备采集的工艺参数进行在线分析、在线调整，并将其反馈给自动化设备，实现生产作业的闭环精准执行，这极大程度上确保了制造精度和产品质量。

3.2 数字化技术

数字化技术贯穿了设计、制造、维护等产品的全生命周期[28]，是计算机系统在制造服务、供应链及产品和流程中的应用。数字化技术打破了各部门之间的数据壁垒，让数据真正地流动起来，发现数据之间的内在关联，使得设备与设备、设备与产线、工厂与工厂之间无缝连接，将所有生产领域的系统和流程联系起来，创建从设计到生产再到最终产品的集成。数字化技术通过统一不同部分的制造流程，并创建自动数据交换，消除了由于纸质流程中常见的数据丢失或误解而导致的错误；通过建模和仿真流程提供的实时制造可见性为关键决策提供了更好的洞察力，有效地提高了制造决策的质量。数字化分为3个主要领域：产品生命周期、智能工厂和价值链管理。

产品生命周期[29]从工程设计开始，再到采购、生产和使用寿命，每个步骤都使用数字数据，以便在制造过程中对设计规范进行修改；智能工厂[30]使用智能机器、传感器和工具来提供有关流程和制造技术的实时反馈。通过结合运营技术和信息技术，数字化可以提高工厂流程、控制和优化的可见性，从而提高生产效率；价值链管理[31]的重点是减少资源浪费与降低生产成本的同时，保持产品质量和客户满意度。

3.3 智能化技术

智能化技术的应用将全面替代现场高技能人工，以及设计、工艺、管理等领域专家，真正实现黑灯工厂。智能化技术包括大数据[32]、云计算[33]、工业物联网[34]以及数字孪生[35]等多种技术手段。大数据技术是智能化的基石，而智能化是大数据应用的体现。当数据量足够大时，智能决策问题便可以转化成数学问题，大数据技术通过海量数据的全面实时感知、端到端深度集成和智能化建模分析，将企业分析决策水平提升到了全新高度；云计算将分布式计算和数据放在大量的分布式计算机上，在数万台计算机的云海中提供强大的计算和存储能力，并利用数据挖掘技术向智能化方向发展。完整的云计算可以实现资源的动态部署、动态分配和资源使用的实时监控[36]；工业物联网将智能终端、移动计算模式、移动网络通信应用到工业生产的各个方面，是工业系统、互联网以及高级计算、分析、传感技术的高度融合。工业物联网通过协调数据分析与行动，提升工业效率，提高制造效率，从而实现智能工业；数字孪生技术通过建立物理实体的精确数字模型以及物理实体与模型之间的通信关系，可以双向映射数字模型和物理实体，从而可以使用物理实体的数据不断修改孪生模型，孪生模型经过诊断、预测和评估后，可以将仿真结果输出到控制器，用于物理实体的状态控制，从而实现孪生模型和物理实体之间的一致性。使用数字孪生技术可以将工业领域的产品生命周期管理流程延伸到设备生产、操作的现场，建立起一个完整、闭环的“设计-制造-运营-优化”的产品周期，从而实现持续改进、降低生产成本和提高质量。

4 实现火炸药黑灯工厂的途径探析

我国火炸药制造行业正在由间断式生产向自动化、连续化生产转型，数字化、智能化技术的应用及黑灯工厂的建设初见雏形，未来工作任务道阻且长。本节将从全流程自动化技术、数字化建模与集成调控、人工智能制造和优化决策以及制造过程的安全防护技术等4个方面进行火炸药黑灯工厂实现途径的探讨，为早日实现火炸药黑灯工厂提供有价值的参考。

4.1 全流程自动化技术

4.1.1 高柔性自动化工艺与设备

为取缔传统的复杂工艺手工作业模式，实现全流程自动化生产，首先，应从源头着手，优化制造工艺，梳理再制造流程，让生产流程及所有生产作业都固定化，并尽量将复杂制造过程分解为多个重复不变的简单作业的组合；其次，在工艺及流程优化的基础上，对物流、搬运、上下料、混合、搅拌、装药、检测等工序进行分类，通过成熟的机器人、AGV运输小车、传输线、提升机、称量、加料捏合、成型等工艺设备，实现简单重复作业的无人化；最后，依靠成熟自动化技术，研制系列化、通用化装备，并基于视觉感知、力感知等结合智能控制算法，提高复杂工序的自动化水平。

由于传统的生产模式都是针对单一产品进行的产线设计和建设[37]，无法兼顾其他产品的生产，生产线改造成本高，周期长，无法实现新型号产品的快速生产。为适应当前武器装备更新换代速度，需要在火炸药产品自动化制造、装配工艺的基础上，对各道工序进行模块化处理，建立模块化柔性生产线。该生产线由各种单元设备模块以系统的、合理的方式进行组合，使得生产线具备较高的柔性和应变能力。面对不同型号产品的制造需要，通过控制系统实现各单元模块的移动和快速重组，在短时间内实现新型火炸药产品的生产。

4.1.2 工艺、质量参数自动化检测

1)工艺参数在线检测技术。

现有部分火炸药生产线在规划设计时并没有覆盖全部生产过程的测控，在一些关键点位也没有设计相关的质量数据传感器和控制回路，导致现有的生产线控制系统无法采集生产全过程的数据信息，关键点位的工艺参数采集和质量信息采集存在很多不足，局部工序的控制调节回路也存在欠缺。关键点位的质量信息数据实时在线感知与调控是实现产品数字化管控和智能决策优化的基础与必要前提。因此，需要在现有基础上采集和调控更多的数据信息，以获取基于时间和空间等多个维度的质量参数数据、设备运行数据、生产过程数据等，从而为质量控制模型提供稳定可靠且真实详尽的数据支撑。生产线数据在线检测采集与管理过程如图1所示。

图1 工艺参数在线检测技术

随后，通过实时网关接收生产线控制系统采集的数据包，进行实时解析、处理后，存入实时数据库。实时数据通过数据融合、抽取、处理、装载等，存入生产执行管理业务数据库。生产管理根据需要从2个数据库中提取数据，进行数据查询、对比分析、历史数据追溯、可视化显示等公共操作。在生产过程中，生产执行管理系统的其他模块可以结合业务需求调用这些公共模块，实现进度、质量、设备运行的监控和管理功能。

2)产品质量在线检测技术。

目前生产过程中火炸药产品质量参数主要依靠人工检测和记录，难以避免人为因素对检测结果的影响，并且检测数据只是被简单记录，未能进行有效分析。针对这些问题，需要实现关键工序质量状态在线检测：a.采用测距传感器、视觉及称重等先进的测量传感器，实现质量参数的全自动、高精度测量，同时监控环境条件，完全消除人为因素干扰；b.检测数据与产品绑定，便于产品质量追溯；c.不合格品自动剔除，利于生产现场管理；d.具备检测数据统计和分析功能，为产品质量提升提供数据支撑。

对于尺寸和重量类的质量参数均可通过添加测距传感器和称重传感器等装置，并设计相应的监测系统，实现该部分质量参数的在线检测。而对于产品外观质量，可使用基于面阵相机的视觉识别技术实现外观质量的在线检测。

4.1.3 人机协同遥操作技术

自动化设备虽然实现简单工艺自动化并提高了复杂工艺的自动化水平，但是部分火炸药产品制造涉及高危且复杂工序尚无法实现自动化作业，以药柱整型为例，该过程必须由工人利用刀具对药柱进行精准修型，由于在制造过程中的摩擦和切削，热量和挤压极易引起爆炸，因此该工序通常由最具经验的操作人员来完成，危险系数极高。在新一代万物互联网络的驱动下，跨域人机协同作业替代高技能工人在现场进行高危险复杂作业的生产过程成为了可能[38]，遥操作流程如图2所示。

图2 复杂精密作业的人机协同遥操作示意图

高危险复杂精密作业的人机协同遥操作是工业互联网、生产系统和操作人员的有效融合。分布在生产全流程的多传感器实时采集被制造对象的状态信息，并通过视觉、力觉反馈等技术手段将远程作业状态反馈给操作者，操作者根据经验操作主端控制器达到人机协同作业目的。使用人机协同遥操作实现高危险复杂精密作业涉及人机协作过程中多源误差建模分析、基于网络与控制融合的人机协作控制、设计-生产跨域的容差动态优化等关键技术。

1)人机协作过程中多源误差建模分析。

人机协同过程中涉及机械传递误差、作业对象弹性变形误差、测量误差、网络延时误差及计算延时误差等多种固定及随机误差。网络和计算延时不确定性随机误差的引入及多种误差的耦合作用，导致人机协同过程多因素误差动态传递耦合规律不清，不确定误差对控制系统控制律的影响规律不清。传统的人机协同误差建模着重研究单一误差因素，主要考虑系统结构中相关几何特征的误差，未进行全局误差及耦合机理研究，致使误差预测及补偿精度低，人机协同作业精度差。因此，人机协同的高精度作业需要探索人机协同过程多因素误差动态传递耦合机理，构建其动态预测模型，实现误差的高精度补偿，从而提升其作业精度。

2)高精度人机协调控制系统。

复杂危险作业环境下，尤其是针对高危险、高精度需求的操作对象，要求网络化遥操作系统的人机协同控制具有高透明性、高精准性、高鲁棒性和高稳定性。传统的基于波变量和散射理论的方法、无源性方法、小增益定理方法、滑模控制等[39-40]在解决这种复杂多闭环问题时均有不同程度的局限性，无法同时满足系统的综合高性能要求。在人机协同作业中使操作者获得临场感是重要目标，因此，应分析人机协同控制中的透明性机制并建立其约束模型，并在此基础上分析透明性约束下的控制系统同步性能；为了完成网络化遥操作机器人的高精度控制任务，采用基于切换的类描述性能控制方法，在获得主从机器人同步误差后，设计基于动态补偿思想的控制策略；复杂危险环境的人机协同遥操作机器人运行于动态变化的、非结构化的环境中，存在作业对象危险性高、人机信息流互动频次高、受控系统模型不确定性等不利条件，因此应构建控制系统模型稳定性及判据模型进行复杂场景下的系统鲁棒性、稳定性分析从而保证协同控制系统具备较高的鲁棒性和稳定性。

4.1.4 设备高可靠安全控制技术

容错与冗余技术[41]是提高工作可靠性的重要手段，主要从采用具有容错能力的控制器、服务器、双机热备技术、网络通信系统冗余以及电源系统冗余设计等多个方面保证设备功能可靠性。而设备的安全性则通过多重互锁控制来保证，主要通过制定设备故障时应急响应机制、工艺异常时应急响应机制及功能异常时的应急响应机制，以实现设备的高安全控制。冗余容错及多重互锁的控制策略示意图如图3所示。

图3 冗余容错及多重互锁的控制策略

1)冗余容错控制。采用高可靠性冗余控制器构建安全控制系统，使其具有容错能力，完成各作业设备的总体协调运行，实现总体在线监视、数据记录、过程控制与调度管理，并将发生生产故障危险的程度降到最低。容错自动化系统由具有冗余功能的CPU控制器、双电源模块、多PN通信接口模块、多种PROFINET总线冗余及分布式I/O模块构成其核心硬件部分。通过PROFINET冗余总线系统网络实时同步地完成工房所有设备控制器的总体协调运行，对控制系统进行以冗余为主导的容错控制。

2)多重互锁控制。针对智能单元可能发生的设备不受控、检测传感器失灵、参数超限和设备故障等紧急情况，制定互锁控制预案，当发生上述情况时，设备控制系统立刻将危险信号发送给安全互锁控制系统，并由安全互锁控制系统分配不同危险等级，将信号发送给设备，设备执行预设动作。设备故障时安全互锁过程如下：当检测到某个工艺设备及传感器故障时，相关检测传感器返回故障信号，控制器报警，将报警信息通过硬接线方式发送至联锁控制器，并通过控制器控制着故障设备、关联设备和过程仪器、仪表迅速执行指定安全动作，在有固定和巡检人员的房间声光报警，保证相关人员快速撤离至安全区域。

4.2 数字化建模与集成调控技术

4.2.1 数字化建模技术

火炸药制造过程包含多道工序，涉及大量工艺参数，多参数耦合作用过程极为复杂。因其影响因素多，内在机理复杂，实现精准建模难度极大，简化后模型又无法准确表达其内在的行为方式。而通过机理模型直接实时控制生产的准确性及实时性都难以保证。大数据分析及机器学习方法[42]为解决复杂机理模型提供了新的技术途径，其直接从实际生产及实验中产生的数据中学习总结规律，可绕过复杂机理障碍得到黑匣模型，通过数据的不断积累及模型的不断优化，可以有效地补充简化机理模型带来的缺陷，提高模型的准确度及实时性，可直接用于指导生产。基于机器学习技术的数字化建模流程如图4所示。

图4 基于机器学习技术的数字化建模流程

1)典型样本数据集特征选取。由于火炸药制造过程机理复杂，工艺参数众多，如此高维度的数据将会导致在线训练效率低、学习模型过拟合、可理解性低、信息冗余以及预测精度低等问题，不利于后续利用机器学习方法进行建模。因此，在产品质量预测模型训练之前，应进行关键特征的选择。特征选择是在依据某些评估准则下，从样本特征集合中选取合适的子集或者对原有变量集合进行某些操作，使生成新的特征加入到最优特征子集合中，为后续算法提供更优的模型。

2)基于机器学习的质量预测模型构建。采用支撑向量机[43]和神经网络[44]等机器学习方法构建产品质量预测黑匣模型。根据工艺及质量采集数据，通过实际工艺试验下的质量状态样本数据训练构建机器学习模型，同时通过实验模拟数据、历史数据、实际应用生产数据的不断积累，在质量优化模型中不断迭代，以实现质量模型的循环修正，达到火炸药产品质量的精准预测。

3)基于迁移学习的模型扩展。考虑到火炸药生产过程大量历史数据不完整、人工进行数据标定耗时费力、可用高质量数据稀少以及算力资源不足等问题，通过实验补充高质量精确数据，并构建实验环境下的产品质量预测模型，然后根据实验环境(源域)和生产环境(目标域)的特征空间和数据分布的相似性，根据一定的权重生成规则，对数据样本进行重用，基于迁移学习[45]将实验环境学习过的模型应用在生产环境上。

4.2.2 生产线数字化集成调控技术

数字化技术打破了各生产单元间的数据壁垒，集动态指挥调度、实时闭环生产管控、智能精准物流配送、自适应柔性装药、在线质量检测于一体，达到全生产过程的数据闭环驱动与优化。总体流程如下。

1)仿真优化系统开展生产过程仿真与优化，指导生产线布局优化、资源配置优化，向生产线下发优化定型后生产流程方案与关键工艺参数。

2)生产线根据下发的生产订单和工艺下发的物料清单，利用数字化管控系统生成作业计划，结合设备、库房等资源信息，进行计划分解和生产排产，生成执行工单、配料计划，将任务派送至各工位。

3)将物料提前配送至生产线，并完成检验入库及编码，根据车间配料计划利用AGV调度系统调度AGV小车完成零部件的自动精准配送，并根据工艺要求对物料进行实时自动跟踪定位及正确性判定。

4)现场设备利用现场控制器及终端，接收自动作业指令，接收执行工单任务，通过条码识别技术对物料进行自动识别及准确性判定，按照标准化作业要求，依靠参数检测设备在管控系统的闭环监控下，准确准时地进行作业。

5)现场工位将生产进度、物料、质量、设备状态、环境等数据自动采集到数据采集系统并反馈到执行管控系统，各测量测试设备自动采集数据到数据采集系统并反馈到执行管控系统，AGV状态信息实时反馈到AGV调度系统，实现物流优化调度。

6)当现场出现换型生产、设备故障、质量异常及紧急插单等问题，管控系统排产模块重新进行动态排产，及时调整作业计划，通过资源动态优化调整及重构方法满足新的任务要求，进行生产任务的实时调整及调度；如果现有资源不满足任务要求，实时把信息反馈到上级系统，上级计划人员重新制定新的生产计划和采购计划。

7)生产过程中的生产现场数据通过可视化管控中心进行实时展示，主要展示生产计划信息、设备状态信息、异常报警信息及生产监控、不同设备上的工单执行信息和质量信息等。

8)生产过程中通过数据采集系统实时采集的物料状态、工艺参数、设备运行状态、检测数据等形成质量数据包；发生质量问题时，通过质量管控模块中的质量数字化模型定位质量问题点，并在质量数据包中通过质量判定规则追溯质量问题产生的原因。

4.3 人工智能制造与优化决策技术

4.3.1 智能工业机器人技术

智能工业机器人[46]集现代制造技术、新型材料技术和信息控制技术为一体，是实现智能制造的代表性装备，是智能制造的重要技术载体。为满足火炸药制造对高安全、高精准、高复杂作业的需求，实现智能工业机器人取代技术工人从事复杂作业，应进行复杂场景智能感知、移动定位与自主导航、高灵巧性机构设计、动作规划与智能控制、多任务调度与协调规划及安全作业等技术的研究。深入开展机器人、人工智能与火炸药制造工艺交叉融合的智能机器人技术研究，开发火炸药领域机器人应用系统，包括面向复杂危险制造工艺的智能作业机器人技术与系统、面向火炸药柔性制造的机器人技术与系统。

4.3.2 人工智能优化决策技术

火炸药的制造属于高耗能行业，为响应国家号召，促进火炸药制造向健康绿色方向发展，应从传统生产模式转向注重降低生产成本、提高产品质量、减少环境污染和资源消耗的可持续发展路线。为实现上述目标，将火炸药制造工艺与人工智能技术结合，通过大数据、知识工程与机理分析相结合，基于数字化模型实现生产过程及质量的自主判断以及制造工艺的自学习优化。

火炸药黑灯工厂涉及人-机-物的深度融合，需要建立极其复杂的优化决策系统实现整个生产流程的自优化运行[47]。在满足市场需求、企业生产能力指标(设备性能、工艺指标)、可投入资源以及节能减排、环保等诸多约束的前提下，对火炸药生产全流程进行优化决策，以达到增加产量、提高产品质量、降低能耗、减少排放、节约成本的最终目的。

火炸药生产流程优化决策是在多个决策控制系统的协同作用下实现的，系统构架如图5所示，其中包括面向工艺参数等生产指标的优化决策系统、生产过程的协同控制系统以及自主运行控制系统。决策优化系统通过对虚拟的制造流程进行仿真分析进行产线的前馈决策矫正，随后基于大数据和在线检测相结合的方式对现场工况进行识别和反馈，并快速完成优化决策。通过决策优化系统的实时动态决策，可以感知生产过程中产品质量、生产效率、制造成本、能耗物耗以及安全运行状态等生产指标的动态变化，并在最短时间内对各级控制系统发出指令，对自动化设备的运行参数做出调整，始终保证生产过程整体优化运行，实现综合生产指标(能耗、效率、产品质量、成本等)的自优化运行。

图5 生产过程人工智能优化决策系统构架示意图

4.4 火炸药制造过程安全防护技术

火炸药制造过程属于高危险作业，存在多种风险点及风险因素。在制备过程中，含能物料可能会受到热、撞击和摩擦等多种外界因素的耦合刺激。为保证火炸药自动化制造过程的本质安全，基于生产全流程的安全防护技术至关重要。但火炸药整体制造流程较为复杂，为得到风险抑制及安全防控方法，应综合考虑相关物料安全特性、演变特性及相关危险因素辨识、安全性能仿真、安全边界条件等多种因素，具体研究内容如下。

1)含能物料安全特性研究。分别对火炸药制作涉及到的多种含能物料的热感度、火焰感度、电感度以及冲击波感度等关键特性参数进行表征和测试。火炸药关键特性参数如图6所示。

图6 火炸药关键特性参数

2)危险刺激因素辨识及安全性能仿真。精准的危险因素辨识是实现火炸药自动化安全制造的重要保证。首先，对不同过程中的危险刺激因素进行辨识；随后，将开展制造关键工序的安全性能仿真，建立过程安全性能仿真模型，模拟制造过程关键工序热场、力场变化特点，得出制造过程中相关刺激因素的安全边界条件，实现路径如图7所示。

图7 关键工序安全性能仿真流程

3)自动化制造过程安全防护。基于火炸药制造过程安全防控技术，结合物料安全特性数据分析及制造过程安全性能仿真设计结果，进行自动化制造过程风险因素及边界条件分析，形成风险抑制及安全防控方法，完成装药、装配过程安全防控技术设计，安全防控技术实现路径如图8所示。

图8 制造过程安全防控技术实现途径

5 结语

目前我国火炸药生产正处于转型期，自动化、连续化生产技术已初步形成。在此基础上进一步实现黑灯工厂是行业要求也是大势所趋，需要借助行业内外力量，协同攻关，进行体制系规划。为实现火炸药黑灯工厂在未来需要进行如下突破。

1)深化机理研究、进行工艺深度改革：深化工艺机理及安全感度研究，为工艺优化及装备研制提供基础。不在落后的工艺基础上强行建设黑灯工厂，在先进工艺基础上，进行自动化和数字化，事半功倍。

2)形成标准化工艺装备及解决方案：集中精力优先突破一批共性工艺装备，形成可复制推广的共性解决方案。

3)实现深度数字化并进一步提升智能化：基于数字化技术将数字孪生、人工智能等新技术与火炸药制造工艺结合，实现安全、质量、效率自判定、自学习、自优化，建成真正意义的无忧黑灯工厂。