基于数字孪生的智能制造成本控制系统构建与应用

基于数字孪生的智能制造成本控制系统构建与应用

昌玉胜

浙江万马股份有限公司  浙江杭州  311305

摘要：数字孪生的概念源于美国国家航空航天局的阿波罗计划，在该计划中，每执行一次外太空航行任务，至少有两个相同的航天器被制造出来，以反映航天器在外太空中的状态。由此可以看出，在面临真实复杂系统的运行与控制过程中，利用其构建的虚拟数字孪生体进行测试与验证，可以有效缩短产品检测时间，降低运营成本基于此，本篇文章对基于数字孪生的智能制造成本控制系统构建与应用进行研究，以供参考。

关键词：成本控制智能制造数字孪生

引言

改革开放以来，我国制造业快速发展并取得了较为瞩目的成就，截至2021年，我国制造业增加值为31.4万亿元，占全球比重达到近30%，为加快建设制造强国、推动国家迈向新征程提供了强有力的支持和保障。值得注意的是，我国虽然长期保持世界第一制造大国地位，但是仍处于全球价值链的中低端，低端过剩、高端不足问题日益凸显。为推动制造业健康发展，国家近年来不断出台相关税收减免政策，控制行业企业经营成本；同时，积极引导制造业企业开展创新升级，推动制造业由“中国制造”向“中国智造”转变。工信部于2021年11月发布了《“十四五”信息化和工业化深度融合发展规划》，明确要求加速新一代信息技术向制造业各领域渗透，扩展应用范围、深化应用程度、提升应用质量，加快制造业数字化转型步伐。在国家政策方针引领下，我国制造业企业不断加大创新研发投入，加快技术升级及产业转型。在此情况下，传统的成本管控方式已无法满足企业降本增效要求，寻求新的成本控制方式成为制造业企业新发展方式下需要解决的问题之一。数字孪生是一个或多个重要的、彼此依赖的装备体系所组成的数字映射系统，其利用物理模型、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，实现了现实物理系统向赛博空间数字化模型的反馈。基于数字孪生技术构建智能制造成本控制系统，对于制造业企业高效开展降本增效、加快产品竞争力及附加值提升具有重要积极意义。

1数字孪生技术

1．1数字孪生技术的概念

研究数字孪生技术的概念研究可追溯至美国密歇根大学GＲIEVES教授于2002年在其产品生命周期管理(ProductLife-cycleManagement，PLM)课程上提出的“与物理产品等价的虚拟数字表达”(avirtual，digitalequivalenttoaphysicalproduct)的概念。尽管受到数据采集技术、数字化表达技术以及计算机性能和算法等方面的限制，GＲIEVES教授提出的概念没有受到当时人们的广泛关注，也没有称之为数字孪生，但却具有了数字孪生的基本特征，可以被认为是数字孪生最初未定型的形式。

1．2数字孪生技术在工业生产领域的应用发展

2013年，开发了一个基于数字孪生耦合模型的设备健康状况分析框架，实现了模型在云平台和实际生产过程中的同步运行，并结合工业大数据仿真模拟了设备的健康状况。这是开始将数字孪生技术推广至工业生产领域的积极实践。2017年以来，关于数字孪生的理论和技术研究越来越受到关注，相关研究成果大量涌现。提出数字孪生车间(DigitalTwinShop-floor，DTS)的概念，探讨了数字孪生在车间中的应用及组成，通过数字车间和物理车间的交互融合，能够实现生产管理与生产模式的优化。讨论了数字孪生技术与大数据技术的关系和异同，以及两者在工业生产领域的产品设计、制造及维护等方面的应用情况。数字孪生技术可以通过综合集成物理几何、结构参数和行为规则的维度、层次和粒度数据，实现工业生产线的实时可视化监测和生产过程的数字化重现。

2数字孪生技术在智能生产线应用领域的参考架构

2.1物理实体层的功用如下

物理实体层执行生产制造的业务流程。物理实体层是智能生产线应用数字孪生技术的基石，同时也是孪生数据的来源，该层主要包括了人、生产装备、物料、环境、工具与物流运输设备等实体，以及完成数据采集与通信的可编程逻辑控制器(ProgrammableLogicController，PLC)、工控机等功能部件。通过生产线各单元的结合与协同运行，从而完成对制造产品的加工、运输、装配与仓储。

2.2孪生数据管理与服务应用层的功用如下

孪生数据管理与服务应用层对数据进行管理分析和挖掘处理，涉及孪生数据和服务。该层面向用户，不仅可以提供由孪生数据和虚拟模型带来的可视化监测和信息面板展示，而且可以运用深度学习等数据分析处理方法或算法，对数据进行分析和挖掘，为智能生产线提供识别、诊断和预测等高级服务，促进生产优化。

3数字孪生系统

3.1物理实体

（1）工业机器人：由机械臂和末端执行器组成，其中机械臂选用ABB公司IRB4600-60/2.05的机械臂，具有6个关节自由度，在各个关节的配合下可以使得机器人末端实现期望位姿并实现抓取、旋转等动作；末端执行器选用日本SMC公司型号为MHS3-80D的气缸。

（2）传感器：用于采集智能制造单元的运行历史数据、关节旋转角度等数据，对其进行分析处理，并存储到孪生数据库中，进而将其转化为系统所需形式的信号进行输出，以满足信息的传输、处理、存储和控制等要求。

（3）其他装置：包括铁丝防护网和铝型材安全门，并进行拼接组合。

3.2虚拟实体

（1）几何模型。为多维模型集成融合的过程提供三维外观信息。

（2）动作规划模型。通过对虚拟仿真空间的机械臂进行路径规划以完成对实际机械臂运行轨迹的驱动。

3.3孪生数据智能制造单元

实验系统的孪生数据主要有上料库数据、数控机床工作数据、机器人动作规划数据、机器人导轨数据以及运行历史数据等。作为智能制造单元数字孪生体的驱动部分，通过将多种孪生数据集成融合能够满足物理实体与虚拟实体之间的一致性与同步性的需求，可以确保在工作时能够具有全要素、全流程、全业务的数据支持。

3.4连接

通过将各类信息接口、通信协议、求解方法相融合，确保物理实体、虚拟实体、服务之间的数据信息存入孪生数据，并通过孪生数据来驱动数字孪生智能制造单元的运行，以达到智能制造单元与智能制造单元数字孪生体之间的双向交互。同时服务数据可以通过实时调节确保实际智能制造单元可以按照预期进行工作。

4确定基于数字孪生的智能制造成本控制系统技术架构

感知层主要利用物联网技术对智能制造各环节相应主体运行情况、制造规划及生产情况进行信息收集，并据此建立全要素仿真，从而对制造人员、设备、原料等主体进行准确映射，明确具体运行逻辑及环境。数据层涉及主体为智能制造各环节具体主体的信息数据，通过采集、传递及管理三个环节实现数据的流转及管控。数据采集环节除了汇总感知层所收集主体信息外，还需要对生产环境、产成品情况等数据进行全面采集；数据传输环节主要是利用互联网进行相应信息的传递，保证虚拟车间与物理车间数据的同步性，从而建立准确、实时的映射；数据管理环节主要是开展所采集信息的管控，利用车间服务系统进行信息的整理、核查、划分及储存等，为后续工作的开展提供数据支持。运算层主要通过数字建模、大数据、云计算、人工智能等技术组织开展智能制造各环节主体的建模及仿真，通过计算确定最优计划，以此提升生产研发等活动效率。功能层主要进行辅助决策、预估各项主体未来状况、监督主体当前情况并进行模型优化等，从而与预算层共同建立虚拟车间数字孪生体，实现信息的及时传递及与物理车间的实时连接。应用层主要是通过计算机系统向用户提供服务，将管理层、生产层及创新层相连接，实现对成本控制系统的有效掌控，保障成本控制目标的实现，助力产品设计生产等各项计划的最优化实施。

5制造型企业的异构系统融合问题

由于历史和现实因素的影响，多数企业已有的工业设备、信息系统中存在着多源异构的问题，即各设备、系统间从网络、通信协议、数据格式到技术架构、数据口径等方面都存在较大的差异性。这种异构性，导致在实际的智能制造推进过程中，首先需要解决各种单体设备、系统之间的网络连通、数据融合、流程协同等一系列的问题，也即是进行多源异构系统的融合。

5.1设备控制系统与生产经营系统之间的融合问题

智能制造的场景如柔性化定制、智能化生产、精准设备维护等，都需要设备信息采集和控制系统与生产经营系统之间良好的配合和协作。然而由于各种历史和现实的原因，我国众多企业的设备控制系统与生产经营系统，往往来源于不同的厂家，而且多数行业还没有形成设备与系统层面统一的对接标准与技术，这就导致这两种系统之间融合度较差，企业往往需要花费较大的努力和技术上的投入，才能完成自动化层面系统与生产经营管理层面系统之间的有效融合。

5.2面向运营的信息系统与面向分析的数据系统之间的融合问题

设备控制系统、生产经营系统都属于OLTP（联机事务处理）型系统，这类系统在生产经营过程中积累了大量的数据，而如何发挥这些数据的价值，实现数据驱动企业发展，日益成为智能制造领域重要的课题之一。目前许多企业应用了单个系统自带的数据分析和挖掘功能，如生产看板、设备使用分析等。这些单体系统的数据分析功能，往往难以满足企业整体性的数据分析需求。部分企业为了数据智能分析需求，单独建立了OLAP（联机分析处理）型系统，如商业智能分析、大数据分析系统等，这类系统又需要通过各种技术手段从OLTP系统中获取数据，并将智能分析的成果通过OLTP系统进行应用。这两类系统间的异构融合问题，同样影响着智能制造转型的实际效果。

6数字化技术技能人才急需问题

6.1新需求

目前国家已发布工业机器人系统运维员、工业机器人系统操作员、工业视觉系统运维员、增材制造设备操作员、数字孪生应用技术员、虚拟现实产品设计师以及数字化解决方案设计师等数字技能职业。在现有数字职业的基础上，比较现有职业与新需求在岗位职能、技术技能要求等各方面差异，建议增设新职业，完善数字化职业体系，并推进其职业标准的制定工作。

6.2解决复杂工程问题

党的二十大报告中提出，要培养造就更多大国工匠、高技能人才。智能制造数字化、网络化、智能化的产业场景迫切需要数字化技术技能人才。在加快建设数字中国、发展数字经济的宏伟蓝图中，培养一大批精操作、懂工艺，跨专业和能创新的善于解决复杂工程问题的数字化技术技能人才，是推进智能制造有效实施的前提和保障，对于巩固壮大实体经济根基、加快发展现代产业体系具有重要意义。

7数字孪生在智能生产线应用的关键技术

7.1多维融合建模与仿真技术

数字孪生模型构建理论中的虚拟模型可以细分为“几何-物理-行为-规则”模型，这些模型运用多维融合建模技术将研究对象的特性在专业软件中描述出来。数字孪生技术的模型构建是物理实体特性状态等在信息空间的数字化表达。模型构建是对研究对象在某一领域的特性，构建其基本的单元模型，然后集成融合为复杂模型系统。相比传统的计算机辅助设计/计算机辅助制造(ComputerAidedDesign/ComputerAidedManufacturing，CAD/CAM)技术，多维度建模需要融合材料性能等许多因素，以及电、热和力等众多属性，使模型能在最大程度上模拟现实状态。陶飞等人对数字孪生模型的构建和应用进行研究，提出了数字孪生模型“四化四可八用”的构建准则，从“建-组-融-验-校-管”6个方面探索建立了一套数字孪生模型的构建理论体系，并在数字孪生车间的一些场景进行了实践，为数字孪生模型的构建与应用提供了理论参考。针对飞机柔性工装受多因素影响，其孪生模型信息量大、建模困难的问题，提出了一种基于有限状态机的工装数字孪生几何模型的建模方法，并以翼身对接试验平台为对象验证了所提建模方法的有效性。为实现基于数字孪生技术的生产线仿真，提出了面向生产线仿真的数字孪生逻辑模型的构建方法，以生产线实例验证了该方法的有效性。

7.2实时数据采集与传输技术

7.2.1数据是信息的载体，也是数字孪生技术的关键驱动。数据采集与传输是数字孪生数据管理技术中的重要内容。实时性和安全性是数据传输技术的关键，目的在于确保数据信息不丢失和不损坏的同时，实时传输数据并能够最大程度保障数据的真实性。运用传感器技术对不断变化的环境及操作条件进行数据采集及传输是数字孪生体系的基础。电压、加速度和湿度等各种类型的物理量需要使用各种类型的传感器复现目标系统的真实物理状态，以快速、准确及安全为原则构建传感器网络，通过分布式传感器采集系统的各类物理量信息。

7.2.2同时创建快速可靠的数据传输网络，将目标系统的状态信息快速且安全地传输至上位机，以供数字孪生系统应用变得十分重要。梳理了复杂精密电子产品数字化车间的数字孪生技术需求，设计了面向数字孪生的数据采集硬件架构和软件架构，开发了数据采集系统，并在相应的数字化车间进行了实施应用，取得了良好的效果，为其数字孪生系统的构建提供了支撑。

7.2.3针对当前智能工厂中设备众多、通信接口类型多样及数据类型丰富，致使上层应用软件实现各自数据传输困难且不利于数据共享的现状，提出了构建统一的数据采集与应用平台，采用了用于过程控制的OLE统一架构(OLEforProcessControlUnifiedArchitecture，OPCUA)采集技术作为信息建模的底层支撑技术，实现了海量多源异构数据的采集、传输和处理。研究了智能制造终端车间生产数据的采集与传输方法，基于数字化生产线的工控设备，运用OPCUA技术进行数据采集，同时搭建服务器实现了数据传输。

8智能组装生产线岗位能力需求及技术框架分析

岗位能力需求分析。在职业教育中，人才培养方案及过程以岗位需求为基本依据，智能制造领域相关专业面向智能制造生产线应用技术人员进行人才培养。生产线的6个模块，以及模块间的物料传送系统，能够满足PLC编程、机器人/机械手应用、气动技术应用和工业视觉技术应用等课程的教学需求，也能够满足智能生产线应用技术及综合应用实训课程的教学需求。

结束语

本文探讨和梳理了数字孪生技术在智能生产线应用的参考架构及其在智能生产线应用中的关键技术与相关研究进展，从宏观应用角度总结和归纳了数字孪生在智能生产线中的主要应用。分析了数字孪生关键技术在智能生产线应用过程中可能会遇到的问题。针对目前该领域内的主要研究分布，分析和展望了未来数字孪生技术在智能生产线应用中可能的研究方向和发展趋势。目前，本文对数字孪生技术在智能生产线中主要应用的综合处于预研究和探索阶段，而运用数字孪生技术在智能生产线及其拓展领域集成监测分析、故障诊断与预测以及决策辅助等功能有待深入研究，预期未来需要面对具体应用进行相关开发和验证。希望通过本文的研究，在为离散制造企业实现生产线全生命周期数字化管理提供一定的指导和启示的同时，促进数字孪生技术在智能生产线应用领域的进一步发展。

参考文献

[1]陶飞,刘蔚然,张萌,胡天亮,戚庆林,张贺,隋芳媛,王田,徐慧,黄祖广,马昕,张连超,程江峰,姚念奎,易旺民,朱恺真,张新生,孟凡军,金小辉,刘中兵,何立荣,程辉,周二专,李洋,吕倩,罗椅民.数字孪生五维模型及十大领域应用[J].计算机集成制造系统,2019,25(01):1-18.

[2]杜宏祥.数据驱动的数字孪生模型构建与在线监控应用[D].南京理工大学,2019

[3]张龙.从智能制造发展看数字孪生[J].软件和集成电路,2018(09):59-62

[4]邢帆.数字孪生技术或助智能制造加速发展[J].中国信息化,2018(04):6.

[5]刘亚威.数字线索提升航空产品寿命周期决策能力[C]//中国航空学会.2017年（第三届）中国航空科学技术大会论文集（下册）.中国科学技术出版社（ChinaScienceandTechnologyPress）,2017:134-137.

[6]丁凯,张旭东,周光辉,王闯,杨海东,张富强,曹学鹏.基于数字孪生的多维多尺度智能制造空间及其建模方法[J].计算机集成制造系统,2019,25(06):1491-1504.