面向智能产生管控的数字孪生技术

智能生产管控是智能制造的核心表现形式。本文以智能制造CPS理念为牵引，通过对标实时状态感知、分析推理决策，以及闭环控制执行的智能生产管控需求特征和数字孪生技术内涵，建立了业务需求与技术融合的结合机制。结合科研项目实践，给出了制造服务化智能配置管理决策和自适应智能加工工艺决策的基于数字孪生的智能生产管控应用重点案例，并结合当前自动化产线建设热潮，给出了基于数字孪生的智能生产线运行模式发展趋势的判断。

0 引言

智能制造作为我国的发展战略，为我国制造业转型升级、由大到强的转变提供了有效地技术支撑。作为智能制造核心理念的CPS（Cyber Physical System 赛博物理系统）具有智能感知、推理分析和闭环控制等特征，并直接推动了工业物联／互联网、人工智能／大数据、智能柔性控制等相关技术与制造业的进一步深度融合发展［1］。

直面产品产出的生产环节始终是智能制造覆盖的重要业务领域热点。尤其在日益激烈的市场竞争下，以订单碎片化为驱动的多品种变批量乃至大规模定制生产模式已经成为制造企业运行的主流方式。工业物联／互联网和智能柔性控制为资源及其控制的泛在化提供了技术支撑，作为智能制造核心体现的管理与工艺决策也日益成为企业智能生产管控的核心追求，是企业实现快速响应动态外部变化并实现资源优化配置的必然技术选择。

数字孪生技术是智能制造发展的新趋势和重要抓手。数字孪生是以产品及其生命周期各环节及其关联为物理映射对象，以构建状态感知、数据采集、分析推理、精准执行的实时闭环链路为支撑，以物理对象的数字化虚拟建模与决策分析为重点，实现产品研发及其服役使用的改善与优化。生产环节是数字孪生技术的重要应用场景，陶飞等人建立了涵盖物理车间、虚拟车间、车间孪生数据、车间服务系统等的数字孪生车间模型，做出了有益的尝试［2］。

本文围绕制造企业最核心的生产环节，通过分析企业数字化智能化转型升级的需求特点，探讨以智能管控为目标的数字孪生技术内涵及其应用方向，为推动智能生产管控提供借鉴参考。

1 智能生产管控需求特征分析

当前制造企业面向的生产环境已经发生了大幅度变化，已经从传统的小品种向多品种转变，从传统的大批量向中小批量、批量为1的单件定制转变，制造企业的订单呈现出明显的碎片化特点。制造企业必须面对复杂多变的生产环境实现快速响应柔性生产，其核心在于实现资源的优化配置和资源的优化运行。

按照智能制造核心理念CPS的思路，对于生产环节而言，其在智能感知、推理分析和闭环控制等方面的需求特点如下：

（1）面向生产运行保证的持续状态感知

生产过程处于持续动态的不确定环境，智能生产系统的核心目的是化解这种不确定对生产稳定的冲击，因此不仅需要对生产过程进行感知，包括任务执行与资源运行的状态，并据此判断是否存在生产异常等，同时也需要从时间轴线上，对生产系统的运行进行前瞻预测，为生产运行提供持续的稳态保证。

（2）面向生产异常的分析推理决策

生产现场的异变是常态，智能生产系统具有对感知到异常状态进行及时有效的分析推理决策处理的能力。其中主要涉及到两个方面：一是对管理角度的任务资源优化配置做出决策，比如实现对插单、资源故障、物料缺位等进行响应调整；二是对工艺角度的产品制造工程进行自适应加工决策，比如根据资源当前状态对产品加工工艺参数进行优化调整等。

（3）基于生产软硬件系统集成的闭环执行

生产系统的运行涉及到管理性MES／WMS／MDC／DNC等系统，也包括工艺装备／装置，智能生产系统具有软硬件系统有机集成的特点，其核心体现为数据的自动流程，不仅包括自下而上的数据采集与状态自动反馈，也包括自上而下的生产控制指令甚至直达工艺装备／装置的自动下达。

2 智能生产管控与数字孪生的融合

智能生产管控与数字孪生在技术内涵上具有内在的一致性。就技术而言，数字孪生具有“物理实体状态实施采集－数字虚体分析推理决策－物理实体精准精确执行”的链路，其中实时性与闭环性是其中最为核心的两个特征，与智能生产管控具有直接而密切的一致性关联关系。

（1）由虚向实的孪生实时映射与智能生产持续状态感知的融合

数字孪生涉及到物理世界和数字世界之间的孪生映射，或者说物理实体与数字虚体的孪生协调，需要指出的是，这种孪生映射与协调具有双向的含义。在数字孪生语境下，生产环境的物理实体是整个生产系统，包括目视可见生产线及其工艺设备装置以及其运行组织模式，并且这种模式是随时间逐步变化的。

数字孪生的第一个原则是虚实映射，其核心是对物理实体进行数字化表征，包括生产系统的运行状态以及资源优化配置、工艺执行过程的内在机理等，并且由于生产系统运行的持续性，从而要求这种孪生映射或协调具有随时间推进而逐步变化的特点，因此，智能生产系统的运行决定了数字孪生虚体建模的实时性是基本要求，从而要求基于数字虚体所进行的分析推理决策应该具有服务化的特点，以实现对生产状态的前瞻预测和分析推理决策。

同时，数字孪生的实时性内涵能够有效的解决传统上面临的“虚而不拟、仿而不真”的问题，尤其是其缺乏从时间轴线上考虑物理实体演变所导致的分析推理滞后从而不真实的缺陷。智能生产系统在目前工业物联／互联技术的支持下，已经具有实时采集生产系统状态的技术能力，从而推动了数字孪生在智能生产管控领域中的应用。

（2）基于运行机理模型的数字虚体与智能生产推理决策的融合

数字孪生的核心不在于将物理实体的状态以数字化乃至三维的方式进行展现，而在于对物理实体运行的内在机制和机理进行孪生映射与刻画。对于生产系统而言，在物理实体状态获取的基础上，可以利用运行组织机制知识和工艺过程机理建立数字孪生当中的数字虚体。

生产系统是在其机理规律在发生作用的推动下运行的，而这种作用就是数字孪生建设数字虚体的重点。对于生产系统而言，其重点主要在两个方面。

一是复杂动态状态驱动下的制造资源优化配置，支持智能生产系统的态势感知与推理决策。其中态势感知的目的是支持对生产稳态运行的持续态势判断，偏重于传统的仿真技术范畴。其中推理决策的目的是结合当天动态变化的实际执行状态，其核心是对生产系统进行纠偏或优化，提供持续优化的资源配置决策方案，偏重传统的生产系统优化的技术范畴。

二是复杂动态状态驱动下的工艺执行过程监控，支持智能生产系统的高效生产出优质产品，是直接决定制造企业生存的关键。其同样存在两个层次的内涵：一是工艺执行过程的监视，基于所构建的内在工艺机理模型，一般来说这种模型应该工件－机床－刀具等及其工艺过程知识的综合模型，对当前的实际执行状态的正确与否进行预判；二是工艺执行过程的控制，即基于所构建的工艺机理模型，在实际执行状态输入的驱动下，通过分析推理决策对实际工艺执行参数进行修正和优化。

（3）由实向虚的孪生闭环映射与智能生产闭环执行的融合

由实向虚的孪生闭环映射是基于数字虚体所做出的分析推理决策结果而对实际运行状态进行干预的过程，是数字孪生得以体现和发挥作用的重要环节。

对于生产系统而言，其智能性体现特征之一就是基于生产软硬件系统集成的闭环执行。传统的生产系统建模与仿真领域研究，主要是做到了对物理实体某时刻状态或在实际状态输入情况下的运行监视，尚不具有孪生闭环映射的特点。这种只是监视而非控制的应用模式，在一定程度上弱化了分析推理模型的应有价值，而这正是数字孪生技术和智能生产管控所应当和要求的运行模式。

通过数字虚体的分析推理得出修改纠偏的工艺参数或者优化的运行配置方案，并且以控制指令的方式自动的下发到物理实体进行执行，在目前柔性自动控制深入发展的基础上，已经具有了技术实现的能力和条件。

同时由实向虚的孪生闭环映射与智能生产闭环执行的融合，与智能制造所倡导的CPS理念具有直接的对接关系。并且这种运行模式，将数字孪生或智能生产管控从监视推向了监控，相当于通过数字孪生当中的数字虚体为物理实体赋予了一个大脑，从而支撑生产系统向智能化发展。目前同样在深入发展的工业互联网技术，其中“互”的含义包括两个方面：一是物理实体，比如说设备不再“盲聋哑”而实现自下而上的数据状态输出，二是体现自上而下的自动柔性控制。

3 基于数字孪生的智能生产管控应用重点

不同制造企业的生产系统类型存在较大差别，其对智能管控的需求也是不同，在应用数字孪生技术方面也各有侧重。本文重点结合作者经验，对离散型加工制造业的基于数字孪生的智能生产管控应用重点进行介绍。

3．1 制造资源服务化智能配置管理决策

对于智能生产系统而言，制造资源优化配置是数字孪生技术在管理层面的核心决策是能技术，在工业软件领域具体体现为APS。APS的核心在于基于生产系统的运行状态构建基于规则和知识的智能算法模型，对制造资源配置进行评估和优化［3］。APS的典型应用场景体现在交货期答复、确保交货期以及快速响应调整三个方面，是贯穿整个生产过程的综合决策，如图1所示。

图1 APS典型应用的三个层次

（1）交货期答复决策分析

客户订单必然带有交货期要求，快速有效的回答就是企业必须面对和解决的问题。

基于产线当前快照状态的排产，不能假定产线是空的，也就是说应该是在当前运行状态基础上的持续决策分析；

对于客户订单优先级较高，则属于插入式而非追加式排产，需考虑其对当前在制的交货期产生影响的，如何保证影响最小或特定追求，是需要解决的决策问题；

如果为了满足新订单的交货期，原有任务外协也是需要解决的核心决策问题；

当产能评估存在问题时，在资源利用率，分批优化、单元化运行等方面存在一系列的决策问题；

在调整资源能力时，关系到瓶颈设备识别、加班范围及其班制等决策问题；

作业计划与物料计划的关联协调，也是需要解决的决策问题。

（2）确保交货期决策分析

确保交货期决策分析需综合运用多种手段，以满足当前大规模定制生产所要求的订单碎片化、短交货周期等要求：

订单、工序的合理分割，以及工序间接续方式的优化设置缩短订单的生产周期等决策分析；

小批量订单的组批生产，减少不必要的生产切换，实现交货期与生产经济批量的权衡优化的决策分析；

工序级配作、层次化关联订单、批处理环节组批等齐套协同生产的决策分析；

作业计划与物料计划的联动计划制定的决策分析

（3）快速响应调整决策分析

动态调度决策分析的目标是在实时掌握生产现场资源使用情况、已有作业计划的执行情况等基础上，通过对作业计划的动态调整使作业计划与生产现场的实际制造执行状态保持一致，始终保证对现场的指导性。在这个过程中，需要响应来自计划任务、生产工艺、物料资源、生产执行等层次的生产扰动，以实现快速的响应调整［3］。典型的生产扰动因素及其调整要求示意如图2所示。

图2 典型的生产扰动因素及其调整要求示意图

3．2 自适应智能加工工艺决策

自适应智能加工是数字孪生技术在智能生产领域的重要体现形式，其核心在于构建内嵌工艺机理模型的数字虚体，并且综合了数据采集和指令下发，是数字孪生的完整体现。对于智能生产系统而言，其需要关注的工艺模型是多种多样的。本文结合笔者的科研经验，针对某种复杂薄壁零件的自适应加工需求，开展了基于在线测量的工艺孪生技术研究。该复杂薄壁零件的加工存在特征尺寸的保证依靠频繁的手工检测、数控程序调整来实现，不仅费时费力，并且由于占用设备导致设备利用率难以提高等问题。该案例的核心是通过在线测量工艺执行过程的加工状态数据，通过所构建的三维工艺模型，其中内嵌了模型对比及补偿分析算法，实现自动的分析决策和下发执行，从而形成了形成“在线测量－补偿分析－程序调整－下发执行”闭环控制机制，提高了加工效率和保证了加工精度。基于加工工艺参数补偿决策的数字孪生技术思路如图3所示。

图3 基于加工工艺参数补偿决策的数字孪生技术

基于加工工艺参数补偿决策的数字孪生技术思路主要体现为如下几个方面：

（1）在线测量：针对复杂零件的典型特征，通过在线切换测量头的方式，获得加工过程中的特征尺寸点云数据，并将该数据进行传输以作为补偿分析的依据；

（2）补偿分析：首先对获得的测量的点云数据进行处理分析，重构形成实际加工状态的三维模型；随后将重构获得三维实际模型与目标或理论模型进行基于基准的重合，获得典型特征点、边、面、曲面的偏差数据；基于复杂薄壁零件加工尺寸精度的关联关系以及实际加工约束，推导得出指导实际生产的下一步加工补偿数据；

（3）程序调整：建立参数化的数控程序模型，通过补偿数据驱动数控程序的自动更新；

（4）下发执行：利用DNC等程序传输手段，将新生成的带补偿设置的数控程序传输到机床，实现快速的加工指导；

（5）持续控制：通过上述四个步骤的持续运行，能够快速的指导生产调整，不仅有利于提高加工效率，也有利于保证加工精度。

4 基于数字孪生的智能生产线运行模式发展趋势

毫无疑问，自动化技术是智能制造发展的重要支撑技术之一。一直以来很多企业将自动化线建设视为智能制造的重要抓手，并且涌现出了一些“黑灯生产”、“无人工厂”的示范案例。但目前企业较为常见的自动化生产线，更多的体现为物流周转基础上的联动动作时序的协调，可以视之为一系列离散硬件装置在特定动作序列约束下运行的生产线。传统的自动线是通过PLC梯形程序进行控制，或者通过专门的工控软件进行控制，不仅控制正常的流程，也具有一定程度的异常处理控制能力。

因此，本文结合目前很多企业在上马自动化线或已经建成自动化线的局面下，如何进行智能化提升，也是不得不和必须面对的问题，尤其是是数字孪生技术在其中的体现。本部分从两个方面论述：一是德国工业4．0关于自动化柔性线的数字孪生内涵；二是融合软件定义制造思想的自动化柔性线数字孪生发展趋势。

4．1 德国工业4．0关于自动化柔性线运行的数字孪生内涵

图4是德国工业4．0的典型资料图片，其所表达的含义是生产线中所有的硬件单元都有对应的软件形式的服务，比如传感器服务、控制服务、通讯服务、校验服务、信息服务等，整个CPS网络系统就是一个服务连接网络，具有“服务联网”的概念，这些服务有层次并且能够动态组合配置［4］。所谓的智能管控，体现为硬件资源的离散化，通过服务化封装，实现业务资源链条的重构与控制，并可以进一步的支持“软件定义制造”理念的落地。其在自动化生产线硬件之上构建的服务联网系统，具有明确的数字孪生内涵。

图4 德国工业4．0关于自动化柔性线的管控思路

4．2 融合软件定义制造思想的自动化柔性线数字孪生发展趋势

德国工业4．0所倡导的自动化柔性线智能管控核心是实现资源的柔性配置，而这种配置的手段也是面向智能制造的APS的重要发展方向。融合软件定义制造思想的自动化柔性线数字孪生发展趋势如下所述。

（1）自动线构成要素装置的CPS独立控制能力的发展

对于自动化产线线而言，一般都是连续的没有间断的按照时序执行动作。但这些动作时序的执行，也是需要依靠一些构成要素装置的，比如阀、泵乃至机床及其内部的执行动作部件等，或者是各种集成程度的独立装置等。对这些要素按照能够状态反馈、指令执行的方式，进行改造和提升，为后续的智能化柔性控制提供支持。

（2）硬件装置构成要素的必要性联动控制能力的发展

这种联动控制并不是限定自动化产线中某两个装置的固定时序，其核心目的是增加柔性，目标是自动线上任何需要建立关联的构成要素装置能够实现联动控制。这方面的分析可以从产品的工艺流程角度入手，按照生产过程中各个构成要素装置时序关系进行分析。

（3）以产品性能保证为核心的工艺知识沉淀及物化能力的发展

产线对产品性能保证的技术提升无止境的，根据需要可以分析产品的性能指标的保证机制，比如引入机器视觉、比如引入自适应加工等，丰富自动线运行的知识基础上的智能化内涵。

（4）多产品混线生产的关联控制与协调能力的发展

只有当自动线能够支持多产品混线生产，自动线能够提供柔性的关联控制与协调能力，才能说这条线具有智能化体现。比如自动数控加工线，可以自动的获取状态并进行分析，可以下发指令进行硬件装置的工作参数调整；比如自动数控加工线，根据需要为不同的硬件装置传递不同的数控程序；比如不同产品的工艺流程不同，可以通过柔性的联动控制，实现生产路径的快速转换，以及不同品种产品在自动线上的混流交叉生产。

（5）基于APS的软硬一体化控制的柔性控制的发展

如果自动线只是生产一种产品，则所有的硬件要素装置锁定了某种动作指令序列而已。但如果自动线是多品种混线的，则动作指令序列将具有复杂的组合联调配置要求。如果这种组合判断比较简单，可以通过PLC或工控软件来实现。但如果这种组合判断比较复杂，尤其是加入了智能化体现的分析、推理、决策等内容，单纯的状态0－1式或阈值式判断将无法满足需求，需要引入复杂软件系统的形式进行控制，才能满足需求。并且，这种复杂软件控制系统，面对多产品混流生产的复杂的生产过程，将是目前传统的APS向软硬一体化紧密关联协调控制的重要转变和发展方向。

5 结束语

智能生产管控是提高制造企业生产运行效能的追求目标，数字孪生技术与智能生产管控具有内在统一的有机联系，是推动智能生产管控落地的关键使能技术。

（1）分析了智能生产管控的实时状态感知、分析推理决策和闭环控制执行的特点；

（2）通过对标数字孪生技术内涵与智能生产管控需求特征，实现了两者之间有机融合；

（3）提出了基于数字孪生的智能生产管控应用的两个重点：智能制造服务化智能配置管理决策和自适应智能加工工艺决策；

（4）结合我国制造业自动化产线建设的需求，结合德国工业4．0理念，融合了软件定义制造思想，给出了基于数字孪生的智能生产线运行模式发展趋势的判断。

参考文献：

［1］制造强国战略研究项目组． 制造强国战略研究：智能制造专题卷［M］． 北京：电子工业出版社，2015．

［2］陶飞，程颖、程江峰等人，数字孪生车间信息物理融合理论与技术［J］．计算机集成制造系统，2017，23（8）：1603－1611． DOI：10．13196／j．cims．2017．08．001

［3］王爱民．制造执行系统（MES）实现原理与技术［M］．北京：北京理工大学出版社，2014．

［4］国务院发展研究中心课题组． 借鉴德国工业4．0推动中国制造业转型升级［M］． 北京：机械工业出版社，2018．

作者：智能制造随笔