01、研究思路及內(nèi)容
近年來，制造技術與新興信息技術深度融合的新一代智能制造興起并逐漸向縱深發(fā)展。在此背景下，陶飛等[1-2]提出了數(shù)字孿生車間(digital twin shopfloor，DTS)這一智能制造車間運行新模式。系統(tǒng)闡述了其組成、運行機制、特點及其關鍵技術，并指出虛擬車間運行機理及演化規(guī)律是DTS的關鍵技術之一。DTS通過構(gòu)建與物理車間高度一致的虛擬車間，實現(xiàn)物理空間與信息空間的雙向映射，最終達到虛實融合、以虛控實的目的。盡管2017年以來數(shù)字孿生技術發(fā)展迅猛，大量數(shù)字孿生模型被提出，且取得了不少研究成果，但離真正落地實施還有較大距離[3]。一方面，DTS概念超前，具體實施難度大，難以一蹴而就，需要分階段逐步實施；另一方面，DTS的演化機理和運行機制尚不明確，導致缺乏DTS技術路線圖，存在生產(chǎn)企業(yè)有DTS建設的迫切需求而又無處著手的現(xiàn)實問題。
生產(chǎn)車間是信息流、物料流和控制流的匯集點[4]，生產(chǎn)活動的高效開展取決于信息的暢通無阻、物料的有序流轉(zhuǎn)和控制的精準可靠，這也是建設DTS的目的所在。因此，本文首先從信息流、物料流、控制流及其關系入手，剖析生產(chǎn)系統(tǒng)在生產(chǎn)執(zhí)行各階段的需求與挑戰(zhàn)。
如圖1所示，生產(chǎn)車間存在信息流、物料流和控制流三個閉環(huán)。從時間維度看，在信息空間，首先銷售訂單在企業(yè)資源計劃(enterprise resource planning，ERP)中被分解為生產(chǎn)訂單，根據(jù)生產(chǎn)訂單領料并通過產(chǎn)品全生命周期管理系統(tǒng)(product lifecycle management，PLM)或產(chǎn)品數(shù)據(jù)管理系統(tǒng)(product data management，PDM)形成產(chǎn)品和工藝信息下發(fā)到制造執(zhí)行系統(tǒng)(manufacturing execution system，MES)；然后通過MES制定生產(chǎn)工單下發(fā)到各班組按照工藝流程執(zhí)行；最后在約定交貨期內(nèi)以成品交付方式完成訂單，形成信息流閉環(huán)。圖1中虛線描述了ERP、PLM/PDM、MES中信息的流動。從空間維度看，在物理空間，原材料按照物料清單(bill of material，BOM)從工廠庫房分發(fā)到車間庫房，再按照工藝流程流轉(zhuǎn)到各工位接受加工、檢測、包裝等處理，最終形成產(chǎn)品再流入工廠庫房形成物料流閉環(huán)。圖１中粗實線描述了物料在空間上的流轉(zhuǎn)。從時空交匯看，信息以生產(chǎn)排程、工藝文件、操作規(guī)程等形式通過MES傳遞給物料流，管理和控制生產(chǎn)執(zhí)行過程；物料在信息流作用下有序流轉(zhuǎn)并通過數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(supervisory control and data acquisition，SCADA)將資源實時狀態(tài)反饋至信息流，信息流又根據(jù)物料流反饋情況進行計劃變更或生產(chǎn)資源調(diào)度從而形成控制流閉環(huán)。圖１中點線描述了物料流和信息流交互過程。
圖1信息流、物料流、控制流及其關系
Fig.1 Information flow,material flow,control flow and their relationship
制造企業(yè)已逐步認識到信息流、物料流、控制流在生產(chǎn)執(zhí)行過程中的重要性，并建立起諸如ERP、MES、SCADA等系統(tǒng)，實現(xiàn)了信息、物料、控制的有序流動(圖1)。然而，在傳統(tǒng)的制造模式中，信息流、物料流、控制流在生產(chǎn)執(zhí)行各階段仍然相互孤立，缺乏有效整合而難以形成合力，從而制約了生產(chǎn)效率和系統(tǒng)智能化水平的進一步提高。具體分析如下：①在生產(chǎn)執(zhí)行前，物料流尚未開始，以信息流為主導，計劃部門制定生產(chǎn)計劃時往往不考慮資源匹配或執(zhí)行中資源到位情況，使得實際生產(chǎn)中計劃難以按時完成，同時也缺乏必要手段驗證、評估和優(yōu)化生產(chǎn)排程。②在生產(chǎn)執(zhí)行中，以物料流為主導.目前MES通常采用自頂向下設計方法和層次控制結(jié)構(gòu),定義的功能模塊往往只能確保父模塊和子模塊之間的通信而不能對底層變化作出反應，各工位端的設備實時狀態(tài)(故障、修復、調(diào)試、運行等)和進度難以及時反饋至其他工位端和計劃部門，造成信息流與物料流脫節(jié)；另外，SCADA主要用于數(shù)據(jù)采集與監(jiān)視，在數(shù)據(jù)分析挖掘和實時數(shù)據(jù)驅(qū)動下在線仿真方面存在不足。③在生產(chǎn)執(zhí)行一段時間后，由于缺乏物料流和信息流數(shù)據(jù)融合機制，無法形成完整的實時/歷史數(shù)據(jù)集復現(xiàn)生產(chǎn)過程，實現(xiàn)產(chǎn)品質(zhì)量追溯和潛在價值信息挖掘以優(yōu)化系統(tǒng)決策，形成精準可靠、行之有效的控制流。
圖2研究思路及內(nèi)容
Fig.2 Ideas and content of research
如圖2所示，針對上述問題，本文以信息流、物料流和控制流在生產(chǎn)執(zhí)行各階段的交互與融合為主線，在數(shù)字孿生現(xiàn)有研究成果基礎上，探索物理車間虛擬化和從虛擬車間到數(shù)字模型車間[5-6](digital model shopfloor，DMS)、數(shù)字投影車間[5-6](digital shadow shopfloor，DSS)、數(shù)字孿生車間DTS的模型構(gòu)建及其演化規(guī)律，從而給出DTS技術路線圖及各階段運行機制、使能技術和應用場景。
02、數(shù)字孿生的源起與發(fā)展
為了更好地理解DTS概念及其演化過程，有必要對數(shù)字孿生的源起和發(fā)展進行回顧和總結(jié)。數(shù)字孿生概念的產(chǎn)生可以歸結(jié)為以下三個方面：
(1)從數(shù)字樣機到數(shù)字孿生。數(shù)字孿生最初源于PLM，是從數(shù)字化產(chǎn)品定義(digital product definition，DPD)和數(shù)字樣機(digital mock-up，DMU)發(fā)展而來的[7]。DMU在實際應用中主要停留在產(chǎn)品設計階段和基于理想模型的仿真，在產(chǎn)品制造和運維中，由于虛擬模型與物理模型脫鉤，DMU發(fā)揮的實際作用有限。數(shù)字孿生通過集成產(chǎn)品全生命周期數(shù)據(jù)和物理產(chǎn)品建立雙向通信，將DMU的應用拓展至制造和運維階段，從而填補了上述空白[7]，并催生出產(chǎn)品數(shù)字孿生體[8]。產(chǎn)品由生產(chǎn)系統(tǒng)制造得到，而生產(chǎn)系統(tǒng)本身也是一個復雜“產(chǎn)品”。由于產(chǎn)品與生產(chǎn)系統(tǒng)之間的天然聯(lián)系，使得數(shù)字孿生的應用自然而然地從產(chǎn)品拓展到生產(chǎn)系統(tǒng)，衍生出數(shù)字孿生機床[9]、數(shù)字孿生生產(chǎn)線[10]、DTS等。
(2)從信息物理系統(tǒng)到數(shù)字孿生。信息物理系統(tǒng)(cyber physical system，CPS)是2006年由美國學者提出的一個概念，用于描述復雜產(chǎn)品/系統(tǒng)，旨在構(gòu)建信息空間與物理空間的雙向通信，實現(xiàn)兩者的交互與聯(lián)動。從概念上可以看出，數(shù)字孿生與CPS在理念上一脈相承，但數(shù)字孿生更為強調(diào)虛擬模型對物理模型的“忠實映射”，而CPS的映射關系則較為抽象。一般認為CPS是從概念上對系統(tǒng)的宏觀描述，而數(shù)字孿生則是實現(xiàn)CPS的關鍵使能技術和重要基礎[7-8]。
(３)下一代建模仿真技術新浪潮。上述基于數(shù)字孿生的產(chǎn)品/系統(tǒng)研究大多是從應用的角度來看待數(shù)字孿生，而部分學者則把數(shù)字孿生提升為建模仿真的新理論、新方法。ROSEN等[11]認為從仿真的觀點看，數(shù)字孿生是下一代建模、仿真和優(yōu)化技術的新浪潮。類似地，BLAZ等[12]指出仿真的發(fā)展已經(jīng)從純粹的分析和優(yōu)化轉(zhuǎn)變?yōu)榭煞磸褪褂玫募傻臎Q策支持工具，數(shù)字孿生正是在此需求下發(fā)展出來的仿真建模新模式。
劉青等[３]對數(shù)字孿生的研究進展進行了綜述，提出以2017年為界，數(shù)字孿生的發(fā)展歷程可以大致分為兩個階段：2013-2016年，數(shù)字孿生開始萌芽，此時并未引起廣泛關注，發(fā)展較為緩慢；2017年，在智能制造和信息物理深度融合背景下，數(shù)字孿生開始興起，大量的探討性、綜述類文獻開始出現(xiàn)。NEGRI等[13]總結(jié)了16種數(shù)字孿生定義，并指出數(shù)字孿生的應用潛力有待進一步發(fā)掘；陶飛等[1-2，14]提出DTS并探討了DTS下的信息物理融合理論與技術。上述文獻較為系統(tǒng)地闡述了數(shù)字孿生的概念及其使能技術，但并未研究數(shù)字孿生車間演化過程和機理。2018年，KRITZINGER等[5]調(diào)研了近年來數(shù)字孿生在制造領域的研究狀況，提出按照物理模型與虛擬模型的數(shù)據(jù)集成程度，將“數(shù)字孿生”(為避免混淆，本文對細分前的、廣義上的數(shù)字孿生加雙引號表示，未加雙引號的均指細分后的、嚴格意義上的數(shù)字孿生)細分為數(shù)字模型(digital model)、數(shù)字投影(digital shadow)和真正意義上的數(shù)字孿生(digital twin)，但未深入討論細分后模型的內(nèi)在聯(lián)系及其運行機制。本文借鑒了KRITZINGER等[5]對“數(shù)字孿生”的分類方法，將其應用到數(shù)字孿生車間。郭東升等[15]則從CPS的可交互性、可計算性、可控制性出發(fā)，構(gòu)建了基于數(shù)字孿生的航空結(jié)構(gòu)件車間模型。同年，陶飛等[16]提出了數(shù)字孿生五維結(jié)構(gòu)模型和應用準則，討論了涵蓋生產(chǎn)前、生產(chǎn)中、生產(chǎn)后不同階段的數(shù)字孿生14種潛在應用；2019年，陶飛等[17]又進一步提出數(shù)字孿生五維概念模型及其在十大領域的應用。文獻[15-17]探討了數(shù)字孿生的模型構(gòu)建及其應用，但均未涉及數(shù)字孿生車間演化機理及其各演化階段的運行機制。
綜上所述，一方面，數(shù)字孿生是對現(xiàn)有PLM、CPS和建模仿真技術等的發(fā)展和集成，尚無統(tǒng)一、嚴格的學術定義；另一方面，目前DTS研究主要集中于概念厘清、模型構(gòu)建、應用探討等方面，對DTS的演化機理和運行機制研究還相對薄弱，在一定程度上制約了DTS的推廣應用。
03、數(shù)字孿生車間演化機理
本文從以下兩個方面論述DTS的演化機理：①物理車間到信息空間的虛擬映射與重建，即物理車間虛擬化；②從虛擬車間到DMS、DSS和DTS的進化過程，即DTS的演化。
3.1物理車間虛擬化
圖３描述了物理車間和虛擬車間模型。如圖3a所示，生產(chǎn)車間是一個典型的層次結(jié)構(gòu)，同時既包括物理硬件(設備與設施)又包括信息管理軟件(SCADA、MES等)。如圖3b所示，從軸向看，從CPS可交互、可計算、可控制三個要求出發(fā)，三個軸分別從可視化、邏輯和數(shù)據(jù)三個維度來刻畫物理車間；從周向看，三個不同維度又從三個層次實現(xiàn)了對生產(chǎn)車間各尺度的映射，如從組成要素、對象可視化、監(jiān)控變量三個維度刻畫了設備層，從組織結(jié)構(gòu)、布局可視化、評價指標刻畫了單元/產(chǎn)線層（子系統(tǒng)），從運行機制、過程可視化、系統(tǒng)決策刻畫了車間層（復雜系統(tǒng)）。
(b)虛擬車間
圖3物理車間及虛擬車間
Fig.3 Physical shopfloor and virtual shopfloor
3.1.1可視化模型
可視化模型旨在構(gòu)建一個與物理車間在視覺效果上高度“形似”的虛擬車間，同時為后續(xù)應用提供一個人機交互平臺，體現(xiàn)“可交互”性。它可分為對象可視化、布局可視化和過程可視化三個層次，為逐層遞進關系，其中，對象可視化和布局可視化構(gòu)建了虛擬車間的靜態(tài)場景，過程可視化則描述了虛擬車間的動態(tài)運行過程。
(１)對象可視化。對象可視化指基于圖形學、機構(gòu)學等實現(xiàn)生產(chǎn)對象幾何外形和機械結(jié)構(gòu)的映射。為實現(xiàn)對機床、機械手這類復雜設備的刻畫，提出從幾何屬性、運動屬性和功能屬性三個方面實現(xiàn)對象的可視化。對象幾何屬性包括設備形狀尺寸、外觀顏色、紋理、材質(zhì)等，可通過CAD軟件實現(xiàn)；根據(jù)對象的裝配關系建立對象拓撲結(jié)構(gòu)，定義部件間拓撲關系，并添加相應物理屬性(如關節(jié)速度、行程限制等)，從而刻畫對象運動屬性；在運動屬性的基礎上，賦予其邏輯關系，將單個關節(jié)的運動按邏輯關系串聯(lián)成一組有特定功能和意義的動作鏈（如機器人的抓取、復位等），形成對象功能屬性。
(２)布局可視化?；诳梢暬瘜ο竽Ｐ蛶?，通過拖拽相應對象和輸入其在車間坐標系下的位姿信息實現(xiàn)對象的精準定位;通過關聯(lián)生產(chǎn)對象形成生產(chǎn)單元/產(chǎn)線；最后通過多聯(lián)通圖描述物流路徑串聯(lián)起多個生產(chǎn)單元/產(chǎn)線，實現(xiàn)快速虛擬布局。
(３)過程可視化。過程可視化指利用三維動畫技術和虛擬漫游技術等實現(xiàn)對生產(chǎn)布局場景、設備加工過程和物料流轉(zhuǎn)過程的虛擬漫游和場景再現(xiàn)。
3.1.2邏輯模型
邏輯模型通過對物理車間組成要素、組織結(jié)構(gòu)和運行機制建模達到與物理車間“神似”的目的，通過生產(chǎn)計劃/過程運行模擬和分析評價，實現(xiàn)對物理車間的優(yōu)化,體現(xiàn)“可控制”性。邏輯模型可分為組成要素、組織結(jié)構(gòu)、運行機制三個層
次，前兩層刻畫了系統(tǒng)靜態(tài)結(jié)構(gòu)，而運行機制層則刻畫了靜態(tài)結(jié)構(gòu)下各要素間的相互作用關系。
(1)組成要素建模。將車間組成要素（控制設備、加工設備、物流設備、倉儲設備、物流路徑、生產(chǎn)對象、外部接口）分別映射為控制器、處理器、執(zhí)行器、緩存器、物流路徑、流動實體和虛擬服務節(jié)點7個基本邏輯元素（7元素），并通過圖形化、形式化描述各要素的屬性和行為[18]。
(２)組織結(jié)構(gòu)建模。通過虛擬服務節(jié)點將7元素關聯(lián)成服務單元，通過封裝內(nèi)部行為和對外接口，對外隱藏內(nèi)部細節(jié)，對內(nèi)自組織運行，實現(xiàn)對各類生產(chǎn)單元的映射和生產(chǎn)組織關系的刻畫；進一步地，通過綁定物流路徑、物流設備和虛擬服務節(jié)點形成物流路徑網(wǎng)絡模型，實現(xiàn)服務單元間的物流關聯(lián)和物流組織關系的刻畫[19]。
(３)運行機制建模?；诹鲃訉嶓w、服務單元、物流路徑網(wǎng)絡模型動態(tài)關聯(lián)工藝、生產(chǎn)和物流，構(gòu)建生產(chǎn)邏輯模型，實現(xiàn)物料在虛擬車間的有序邏輯流動，刻畫系統(tǒng)運行機制[20]。
3.1.3數(shù)據(jù)模型
數(shù)據(jù)模型通過構(gòu)建數(shù)據(jù)采集通信、數(shù)據(jù)分析評價、數(shù)據(jù)輔助決策體系實現(xiàn)物理/虛擬車間的“契合”，體現(xiàn)“可計算性”，可分為監(jiān)控變量、評價指標和系統(tǒng)決策三個層次。
(1)監(jiān)控變量。監(jiān)控變量在本文中泛指一切可以從物理車間獲得的設備運行參數(shù)、狀態(tài)和生產(chǎn)信息等，涵蓋不同數(shù)據(jù)來源（傳感器、控制系統(tǒng)、PLC等）、不同數(shù)據(jù)格式（數(shù)字量、模擬量等）、不同采集對象（設備、產(chǎn)線、車間等）。用監(jiān)控變量V＝＜GUID,Obj,Var,Val,Uni,Ran＞統(tǒng)一數(shù)據(jù)格式，其中，6個參數(shù)分別為全局唯一編號、監(jiān)控對象名、監(jiān)控變量名、監(jiān)控值、單位、合理范圍。
某設備的實時狀態(tài)可通過監(jiān)控變量集來描述，以某五軸數(shù)控機床為例，其監(jiān)控變量集V_Set＝.
(２)評價指標。為表征設備/系統(tǒng)的狀態(tài)和性能，對監(jiān)控變量進行統(tǒng)計與分析形成評價指標N＝f(V1,V2,…,Vn)，它為監(jiān)控變量的函數(shù)。類似地，以某機床為例，其設備指標集N_Set＝.
(３)系統(tǒng)決策。系統(tǒng)決策指根據(jù)設定目標對系統(tǒng)參數(shù)進行調(diào)節(jié)，決策依據(jù)是評價指標，最終作用于監(jiān)控變量上。目標T＝f(N1,N2,…,Nn)為評價指標的函數(shù),以某生產(chǎn)系統(tǒng)為例，目標集T_Set＝。
３.2數(shù)字孿生車間的演化
通過可視化、邏輯、數(shù)據(jù)模型的建立可在信息空間快速構(gòu)建出一個與物理車間幾何高度相似內(nèi)部邏輯一致、運行數(shù)據(jù)契合的虛擬車間。在此基礎上進一步探討虛擬車間到DMS、DSS和DTS的演化。
借鑒KRITZINGER等[５]對“數(shù)字孿生”的分類方法，將“數(shù)字孿生車間”分為DMS、DSS、DTS三個演化階段，各演化階段物理/虛擬車間的數(shù)據(jù)集成程度逐步提高，最終實現(xiàn)物理/虛擬車間數(shù)據(jù)的深度融合，見圖4。
圖4數(shù)字孿生車間的演化
Fig.4 Evolution of the digital twin shopfloor
圖5所示為DTS各演化階段的構(gòu)建方法。通過集成物理模型、邏輯模型和可視化模型可以構(gòu)建出DMS，應用于生產(chǎn)執(zhí)行前的系統(tǒng)設計和生產(chǎn)計劃驗證仿真。在DMS的基礎上集成數(shù)據(jù)模型可構(gòu)建出DSS，實現(xiàn)對物理模型數(shù)據(jù)自動采集與產(chǎn)中監(jiān)視和控制。在DMS和DSS的基礎上，基于實時/歷史數(shù)據(jù)對仿真模型進行訓練和優(yōu)化，不斷提高仿真精度和效率，將仿真結(jié)果直接反饋至物理模型，從而構(gòu)建DTS。
圖5車間各演化階段構(gòu)建方法
Fig.5 Construction method of each evolution stage for shopfloor
4數(shù)字孿生車間技術路線圖
基于DTS的演化規(guī)律，貫穿生產(chǎn)執(zhí)行各階段，提出DTS的技術路線圖，分為數(shù)字化、智能化、智慧化3大實施階段，見圖6。
圖6數(shù)字孿生車間技術路線圖
Fig.6 Technology roadmap of digital twin shopfloor
4.1數(shù)字模型車間驅(qū)動生產(chǎn)系統(tǒng)數(shù)字化
DMS通過數(shù)字化建模在信息空間構(gòu)建物理車間的等價物（虛擬車間）實現(xiàn)物料流在生產(chǎn)前的邏輯流動，從而對生產(chǎn)計劃/過程運行模擬、仿真分析和評估優(yōu)化。
圖7所示為DMS運行機制。筆者所在課題組提出的復雜離散制造系統(tǒng)多虛擬服務節(jié)點統(tǒng)一建模方法[18-20]可配置和重構(gòu)出各類離散系統(tǒng)生產(chǎn)邏輯模型。一方面，以生產(chǎn)計劃為輸入，在邏輯模型驅(qū)動下虛擬場景模擬運行，輸出仿真結(jié)果并對生產(chǎn)計劃進行評價，從而驗證和優(yōu)化生產(chǎn)計劃輔助生產(chǎn)排程；另一方面，在生產(chǎn)擾動下，當物理車間發(fā)生設備或結(jié)構(gòu)重構(gòu)時能通過配置生成新的邏輯模型對變更后的計劃進行仿真分析，形成“模型仿真優(yōu)化模型重構(gòu)”的閉環(huán)過程。
圖7數(shù)字模型車間運行機制
Fig.7 Operation mechanism of digital model shopfloor
4.2數(shù)字投影車間驅(qū)動生產(chǎn)過程智能化
DSS旨在實現(xiàn)數(shù)據(jù)監(jiān)視和過程控制，按照“設備狀態(tài)自感知生產(chǎn)數(shù)據(jù)透明化生產(chǎn)過程智能化”的思路建立DSS，如圖8所示。
(1)統(tǒng)一數(shù)據(jù)接口與系統(tǒng)集成。一方面基于統(tǒng)一的監(jiān)控變量格式定義各類設備監(jiān)控變量集；另一方面借助中間件實現(xiàn)倉儲系統(tǒng)、視頻監(jiān)控系統(tǒng)、MES等的接入與集成，實現(xiàn)物料流在信息空間自感知和動態(tài)跟蹤。
(2)數(shù)據(jù)通信與存儲?；贠PCUA、TCP/UDP、WebService等實現(xiàn)數(shù)據(jù)實時采集和遠程通信，通過數(shù)據(jù)庫接口對實時數(shù)據(jù)進行存儲，并按照一定頻次將數(shù)據(jù)定期遷移至大數(shù)據(jù)平臺形成歷史數(shù)據(jù)集。
(3)多層級監(jiān)控體系。按設備、單元、產(chǎn)線、車間構(gòu)建分層監(jiān)控體系和相應層次的評價指標集，實現(xiàn)設備/系統(tǒng)狀態(tài)實時監(jiān)測。
(4)三維可視化看板管理。在車間集中管控室、各單元/產(chǎn)線、各工位端等建立分布式的三維可視化看板系統(tǒng)，實現(xiàn)信息縱向和橫向貫通及信息流在物理空間的透明可視；在生產(chǎn)擾動下借助基于多智能體[21]調(diào)度模型和實時數(shù)據(jù)驅(qū)動下在線仿真輔助系統(tǒng)決策，實現(xiàn)生產(chǎn)過程智能化。
圖8數(shù)字投影車間運行機制
Fig.8 Operation mechanism of digital shadow shopfloor
4.3數(shù)字孿生車間驅(qū)動生產(chǎn)控制智慧化
通過整合DMS和DSS，DTS借助大數(shù)據(jù)挖掘[22]和智能算法，按照“深度學習知識挖掘決策優(yōu)化”思路深度融合物料流和信息流，形成精準可靠的控制流，實現(xiàn)生產(chǎn)任務自組織、生產(chǎn)過程自調(diào)節(jié)和系統(tǒng)模型自優(yōu)化，其運行機制見圖９。
圖9數(shù)字孿生車間運行機制
Fig.9 Operation mechanism of digital twin shopfloor
(1)生產(chǎn)執(zhí)行前，物理車間尚未運行，無法采集實時運行數(shù)據(jù)，物理車間與虛擬車間數(shù)據(jù)融合程度較低，數(shù)字模型發(fā)揮主要作用，基于生產(chǎn)計劃自動解析、物流任務執(zhí)行與反饋、生產(chǎn)任務執(zhí)行與反饋和生產(chǎn)計劃評價與優(yōu)化等算法實現(xiàn)物料流在信息空間的邏輯流動，對生產(chǎn)排程進行有效驗證、分析和優(yōu)化，實現(xiàn)生產(chǎn)任務自組織。
(2)生產(chǎn)執(zhí)行中，數(shù)字投影發(fā)揮主要作用，在工業(yè)物聯(lián)網(wǎng)基礎上實現(xiàn)數(shù)據(jù)采集與通信、監(jiān)控變量配置與統(tǒng)一管理以及多層級監(jiān)控和可視化看板管理；進一步基于多智能體[21]動態(tài)調(diào)度與協(xié)調(diào)模型和實時數(shù)據(jù)驅(qū)動下的虛擬車間在線仿真實現(xiàn)生產(chǎn)過程自調(diào)節(jié)。
(３)生產(chǎn)執(zhí)行一段時間后，在數(shù)字模型和數(shù)字投影共同作用下，基于仿真數(shù)據(jù)和監(jiān)控數(shù)據(jù)構(gòu)建大數(shù)據(jù)平臺，借助深度前饋網(wǎng)絡、深度卷積網(wǎng)絡、隨機森林等機器學習方法[22]進行數(shù)據(jù)挖掘，訓練和優(yōu)化仿真模型，形成物流調(diào)度策略、沖突協(xié)同策略、擾動處理策略和過程控制等策略集，從而不斷提高決策的合理性、精準性和魯棒性，實現(xiàn)模型的自學習和自優(yōu)化。
生產(chǎn)執(zhí)行是一個迭代優(yōu)化過程。生產(chǎn)執(zhí)行前/執(zhí)行中的模型和數(shù)據(jù)使執(zhí)行后物理/虛擬車間的數(shù)據(jù)融合程度不斷提高，無限趨近于數(shù)字孿生；反之，生產(chǎn)執(zhí)行后的數(shù)據(jù)融合也使生產(chǎn)執(zhí)行前/執(zhí)行中的模型不斷優(yōu)化，將數(shù)字孿生應用逐步拓展至生產(chǎn)過程全生命周期，以充分發(fā)揮其“虛實融合、以虛控實”的優(yōu)勢。
05、應用實例
如圖10所示，某復雜結(jié)構(gòu)件加工車間由自動化倉儲區(qū)、柔性生產(chǎn)線和數(shù)控加工單元組成。為整合信息流、物料流和控制流，提升車間數(shù)字化和智能化水平，主要從以下3個方面進行數(shù)字孿生車間建設。
(1)建立了車間可視化模型，基于開源圖形場景(open scene graph，OSG)開發(fā)了車間可視化建模系統(tǒng)，實現(xiàn)了車間對象可視化建模、拖拽式快速二維布局和生產(chǎn)過程可視化展示與虛擬漫游，為后續(xù)DMS、DSS的實施提供了操作便捷的人機交互平臺。
(２)建立了車間邏輯模型，開發(fā)了可視化仿真系統(tǒng)，通過輸入生產(chǎn)計劃驅(qū)動虛擬車間模擬運行，輸出仿真結(jié)果并評價，從而驗證生產(chǎn)計劃和輔助生產(chǎn)排程。通過整合物理車間、可視化模型和邏輯模型，構(gòu)建了DMS。
(３)建立了車間數(shù)據(jù)模型，開發(fā)了可視化監(jiān)控系統(tǒng)，對車間18臺機床（每臺機床26項數(shù)據(jù)）進行了自動化數(shù)據(jù)采集和實時監(jiān)控，并基于監(jiān)控數(shù)據(jù)匹配出機床實時狀態(tài)，實現(xiàn)了所有機床的實時狀態(tài)顯示、歷史狀態(tài)查詢、狀態(tài)占時分析和OEE分析；在DMS基礎上，初步構(gòu)建了DSS。
圖10應用實例
Fig.10 Application case
06、結(jié)語
圍繞車間信息流、物料流、控制流的交互與融合，本文提出了物理車間虛擬化方法，揭示了物理車間到數(shù)字孿生車間DTS的演化規(guī)律，在此基礎上給出了DTS技術路線圖，并詳細論述了數(shù)字模型車間DMS、數(shù)字投影車間DSS和DTS的建設目的、運行機制及其應用場景，為DTS的推廣和落地提供了理論依據(jù)和參考。
本文主要聚焦于DTS的演化過程及各演化階段的運行機制，并未對其關鍵使能技術、具體實施方法展開深入探討。盡管大部分企業(yè)已意識到DTS的潛在應用價值，并著手建設DMS，部分企業(yè)正積極開展數(shù)據(jù)采集和工業(yè)物聯(lián)網(wǎng)建設，推進DSS，但DTS仍處于研究階段，離落地實施與應用還有較大差距。本文實例也僅探討了DMS和DSS在生產(chǎn)中的初步應用，下一步將圍繞技術路線圖深入研究DTS自優(yōu)化與自調(diào)節(jié)機制，加快推進DTS落地實施。
參考文獻：
[1]陶飛,張萌,程江峰,等.數(shù)字孿生車間：一種未來車間運行新模式[J].計算機集成制造系統(tǒng),2017,23(1):1-9．
TAO Fei,ZHANG Meng,CHENG Jiangfeng,et al.Digital Twin Workshop:a New Paradigm for Future Workshop[J].Computer Integrated Manufacturing Systems,2017,23(1):1-9．
[2]TAO Fei,ZHANG Meng．DigitalTwin Shopfloor:a New Shopfloor Paradigm towards Smart Manufacturing[J].IEEE Access,2017,5:20418-20427．
[３]劉青,劉濱,王冠,等.數(shù)字孿生的模型、問題與進展研究[J].河北科技大學學報,2019,408-7(1):68-78.
LIU Qing,LIU Bin,WANG Guan,et al.Research on DigitalTwin:Model,Problem and Progress[J].Journal of Hebei University of Science and Technology,2019,40(1):68-78.
[4]ZHUANG Cunbo,LIU Jianhua,XIONG Hui．Digital Twin-based Smart Production Management and Control Framework for the Complex Product Assembly Shopfloor[J].International Journal of Advanced Manufacturing Technology,2018,96(2):
1149-1163.
[5]KRITZINGER W,KARNER M,TRAAR G,et al.Digital Twinin Manufacturing:a Categorical Literature Review and Classification[J].IFAC-Papers OnLine,2018,51(11):1016-1022.
[6]STARK R,KIND S,NEUMEYER S.Innovations in Digital Modelling for Next Generation Manufacturing System Design[J].CIRP Annals-Manufacturing Technology,2017,66(1):169-172.
[7]戴晟,趙罡,于勇,等.數(shù)字化產(chǎn)品定義發(fā)展趨勢:從樣機到孿生[J].計算機輔助設計與圖形學學報,2018,30(8):1554-1562.
DAI Sheng,ZHAO Gang,YU Yong,et al.Trend of Digital Product Definition:from Mockup to Twin[J].Journal of Computer-Aided Design&Computer Graphics,2018,30(8):1554-1562.
[8]莊存波,劉檢華,熊輝,等.產(chǎn)品數(shù)字孿生體的內(nèi)涵、體系結(jié)構(gòu)及其發(fā)展趨勢[J].計算機集成制造系統(tǒng),2017,23(４):753-768.
ZHUANG Cunbo,LIU Jianhua,XIONG Hui,et al。Connotation,Architecture and Trends of Product Digital Twin[J].Computer Integrated Manufacturing Systems,2017,23(４):753-768.
[9]CAI Y,STARLY B,COHEN P,et al.Sensor Data and Information Fusion to Construct Digital Twin Virtual Machine Tools for Cyber Physical Manufacturing[J].Procedia Manufacturing,2017,10:1031-1042.
[10]ZHANG Hao,LIU Qiang,CHEN Xin,et al.A Digital Twin-based Approach for Designing and Multi-objective Optimization of Hollow Glass Production Line[J].IEEE Access,2017,5:26901-26911.
[11]ROSEN R,von WICHERT G,LO G,et al.About the Importance of Autonomy and Digital Twins for the Future of Manufacturing[J].IFAC-Papers OnLine,2015,48(3):567-572.
[12]BLA?R.Industry 4.0 and the New Simulation Modelling Paradigm[J].Organizacija,2017:50(3):193-207.
[13]NEGRI E,FUMAGALLI L,MACCHI M.A Review of the Roles of Digital Twin in CPS-based Production Systems[J].Procedia Manufacturing,2017,11:939-948.
[14]陶飛,程穎,程江峰,等.數(shù)字孿生車間信息物理融合理論與技術[J].計算機集成制造系統(tǒng),2017,23(8):1603-1611.
TAO Fei,CHENG Ying,CHENG Jiangfeng,et al.Theorie and Technologies for Cyber physical Fusionin Digital Twin Shopfloor[J].Computer Integrated Manufacturing Systems,2017,23(8):1603-1611.
[15]郭東升,鮑勁松,史恭威,等.基于數(shù)字孿生的航天結(jié)構(gòu)件制造車間建模研究[J].東華大學學報(自然科學版),2018,44(4):578-585.
GUO Dongsheng,BAO Jinsong,SHI Gongwei,et al.Research on Modeling ofAerospace Structural Parts Manufacturing Workshop Based on Digital Twin[J].Journal of Donghua University(NaturalScience),2018,44(4):578-585.
[16]陶飛,劉蔚然,劉檢華,等.數(shù)字孿生及其應用探索[J].計算機集成制造系統(tǒng),2018,24(1):1-18.
TAO Fei,LIU Weiran,LIU Jianhua,et al.Digital Twin and Its Potential Application Exploration[J].Computer Integrated Manufacturing Systems,2018,44(4):578-585.
[17]陶飛,劉蔚然,張萌,等.數(shù)字孿生五維模型及十大領域應用[J].計算機集成制造系統(tǒng),2019,25
(1):1-18
TAO Fei,LIU Weiran,ZHANG Meng,et al.Five-dimension Digital Twin Model and Its Ten
Applications[J].Computer Integrated Manufacturing Systems,2019,25(1):1-18
[18]丁國富,江海凡,付建林,等.利用七元素和服務單元建立離散制造系統(tǒng)邏輯模型的方法:中國,CN109407632A[P].2019-03-01
DING Guofu,JIANG Haifan,FU Jianlin,et al.Method for Establishing Discrete Manufacturing System Logic Model by Seven Elements and Service Cells:China,CN109407632A[P].2019-03-01
[19]丁國富,江海凡,付建林,等.基于物流路徑網(wǎng)絡的復雜離散制造系統(tǒng)物流建模仿真方法:中國,CN109408921A[P].2019-03-01.
DING Guofu,JIANG Haifan,FU Jianlin,et al.Logistics Modeling and Simulation Method for Complex Discrete Manufacturing System Based on Logistics Path Network:China,CN109408921A[P].2019-03-01.
[20]丁國富,江海凡,付建林,等.一種多虛擬服務節(jié)點統(tǒng)一建模方法及仿真方法:中國,CN1093A24523[P].2019-02-12.
DING Guofu,JIANG Haifan,FUJianlin,et al.Unified Modeling and Simulation Method Based on Multiple Virtual Service Nodes:China,CN1093A24523[P].2019-02-12.
[21]江海凡,丁國富.基于Agent的制造系統(tǒng)建模與仿真研究[J].航空制造技術,2018,61(1):54-61.
JIANG Haifan,DING Guofu.Survey of Agent-Based Manufacturing System Modeling and Simulation[J].Aeronautical Manufacturing Technology,2018,61(1):54-61.
[22]ALＧJARRAHO Y,YOOP D,MUHAIDAT S,et al.Efficient Machine Learning for Big Data:aReview[J].Big Data Research,2015,2(3):87-93.
