0 引言
随着新一代信息技术、智能传感技术和信息物理融合等新兴技术的快速发展，全球制造业孕育着制造技术体系、制造模式的巨大变革。制造技术与数字技术、智能技术及新一代信息技术的融合已成为制造业发展的大趋势[1]，智能制造逐渐成为企业车间生产的主要模式。近年来，航天制造型企业面临着数字化、智能化转型升级的迫切需求，经过多年建设，这些企业的自动化水平已有显著提升，但在车间生产管理的效率、精细度等方面，与其他行业相比仍有较大差距。一方面，航天产品研制具有“多品种、变/小批量、批次滚动研制”的特点[2]，属于典型的离散型制造，给制造车间生产管控带来了极大的困难，主要表现在：协作配套关系复杂、制造流程长、工艺环节多、配套和外协进度质量不均衡以及型号研制状态多变等造成的严重的非均衡化生产；型号纵向组织模式下计划冲突和生产线异常造成的大范围连锁反应；工艺复杂交叉、质量事后控制造成的资源效率低、质量一致性差等。另一方面，航天制造有严格的安全保密要求，对数据的纵向贯通和快速流转造成了较大阻碍。在上述研制特点下，产生了航天产品研制过程中资源短时冲突、计划协同性差等问题。因此，如何设计符合安全保密要求的车间信息架构，加强车间对复杂、动态事件的响应能力，提升车间管控的效率和精细度，已成为航天企业亟待解决的难题。
自2003年GRIEVES[3]在美国密歇根大学的产品全生命周期管理课程上提出数字孪生概念以来，国内外学者在数字孪生驱动的产品优化设计、全生命周期管理、复杂系统控制等方面开展了大量研究[4-5]，其概念也处于不断完善和发展过程中，目前比较认可的概念是由北京航空航天大学、北京理工大学等高校给出的定义[6-7]。工业设备互联、工业数据分析、边缘计算、制造系统建模等新一代信息通信技术成熟度的不断提升，为数字孪生技术的工程应用提供了技术支撑。车间作为生产制造活动的载体，是一个由“一硬、一软、一网”有机组合的系统级的信息物理系统[8-9]。数字孪生车间是信息物理融合系统(cyber-physical systems，CPS)的重要应用和未来车间运行的新模式，陶飞等[10-11]对数字孪生车间的参考架构、运行模式、组成和关键技术等做了深入研究。尽管如此，如何解决航天制造中存在的多品种、小批量、高保密要求等难点对构建数字孪生车间的影响问题至今仍鲜见报道。
本文针对目前航天制造车间生产管理中存在的效率低、精细度差、动态响应能力不足等难题，开展了基于数字孪生的制造车间生产管控方法研究，设计了基于跨网段信息异步交互的航天数字孪生车间架构，提出了航天数字车间基本组成和基于虚实融合的制造车间分层式管控模式，阐述了面向不同对象的制造智能(manufacturing intelligence，MI)和商业智能(business intelligence，BI)场景应用。
1 航天数字孪生车间架构设计
航天企业受到安全保密要求的约束，操作技术(operation technology，OT)和信息技术(information technology，IT)通常是物理隔离的，这给航天企业的车间生产管控带来极大阻碍，针对这种特殊性，本文提出了一种针对航天制造数字孪生车间的基本架构，如图1所示。
图1 航天制造数字孪生车间架构
Fig.1 Digital twin ship floor architecture for aerospace manufacturing
基于数字孪生车间(digital twin shop-floor，DTS)架构理论，航天制造DTS分为五层，即物理层、模型层、数据层、服务层和应用层。与通用DTS类似，物理层、模型层分别指由产品、设备、物料等组成的车间物理实体和数字镜像，包括各类模型、规则以及知识等。由于OT和IT的物理隔离，数据层、服务层、应用层在工控网和涉密网端分别形成两套独立系统，其中，数据层在工控网端主要面向车间底层设备和车间作业环境建立实时数据库，对现场设备运行状态、运行参数、车间环境工况、设备能耗等实时采集数据进行存储；在涉密网端主要面向车间运行的制造执行系统(manufacturing execution system,MES)、质量管理与控制等信息系统，构建非实时数据库，对车间运行计划、生产调度、过程质量检验、作业人员、工时等进行管理。通过定义数据接口，并采用单向网闸或人工刻录光盘等方式进行两个数据库间的信息交互；服务层在工控网端主要提供设备管理、能源管理、故障预警分析等与车间底层相关的服务，在涉密网端主要提供计划管理、生产调度、质量管理、过程控制、效能评估等与生产作业相关的管控服务；应用层在工控网端主要实现面向车间硬件资源的应用需求，如设备监控、故障诊断、预防性维护等，涉密网端主要面向车间操作人员、车间管理人员和企业管理人员实现分层级的生产指挥调度和信息集中展示，以提高生产管理决策水平。
2 航天制造数字孪生车间组成
在航天制造数字孪生车间架构下，其数字孪生车间组成分为物理车间、虚拟车间、孪生数据和车间管控系统四部分，如图2所示，通过物理车间和虚拟车间的双向虚实融合，实现车间生产过程全要素、全流程的实时信息交互和融合，为实现车间制造资源、生产过程和产品质量的管控提供有效支撑。
图2 航天制造数字孪生车间组成
Fig.2 Composition of digital twin workshop in aerospace manufacturing
(1)物理车间。物理车间是车间客观存在的实体集合，主要由加工、检测、物流等自动化设备，以及人、辅助资源和环境组成，物理车间要求内部不同类型的资源具备关键参数状态感知与融合能力，通过对设备进行智能化改造，一方面确保通过TCP/IP协议可对设备关键参数进行采集；另一方面对于不能直接进行信息采集的设备，通过增加传感器来实现信息的感知。
(2)虚拟车间。虚拟车间是车间人、机、物、环境等生产要素的物理模型、行为规则的集合，采用虚拟现实引擎Unity 3D软件进行虚拟车间生产要素的渲染与交互动作建模[12]，通过Unity引擎中的粒子特效、三维漫游、碰撞检测、场景切换等功能模块实现厂房的虚拟呈现和人机交互功能；并对物理车间从要素、行为、规则三个层面进行建模，将建立的模型存入数据库，通过网页连接数据库的方式进行数据的读取和存储，形成基于网页和三维插件的车间全要素的虚拟画像映射。
(3)孪生数据。孪生数据是由物理车间和虚拟车间在生产过程中产生的数据的集合，包括生产要素数据、生产活动数据和生产过程数据[10]，具体可分为用于支撑制造过程精准执行和异常处理的实时数据、用于支撑制造过程统计分析和决策支持的历史数据，以及车间生产业务模型、业务逻辑、制造资源机理模型和虚实车间数据交互的接口定义、交互机制等，通过车间孪生数据的集成打通全流程信息链路，为车间虚实融合提供数据驱动。
(4)车间管控系统。车间管控系统以MES为核心，实现整个生产过程计划、质量、人员、现场作业的管控；同时，通过向下延伸至设备端的数据采集与监控系统，实现对车间自动化设备运行状态的采集与监控，向上延伸形成车间指挥调度中心，通过数据分析支撑整个车间的运行优化。
3 航天制造数字孪生车间管控模式
如图3所示，航天制造数字孪生车间采用“设备-过程-车间”三层管控模式实现对现场设备、制造过程和车间运行的管控。与传统车间管控方式相比，数字孪生驱动的车间管控在物理车间基础上构建了虚拟车间的数字孪生体。基于信息感知、数据分析、虚实融合等手段，在生产设备、制造过程以及车间运行层分别建立物理车间和虚拟车间“感知-分析-决策-执行”全过程数据闭环，从而使车间生产管控更加透明化和智能化，解决了航天产品生产过程中的资源短时冲突、计划协同性差、资源效率低等问题，实现车间制造资源的优化配置。
图3 数字孪生车间分层管控模式
Fig.3 Hierarchical management mode of digital twin workshop
3.1 生产设备控制
参照单元级CPS体系架构[8]，数据采集与监控系统是生产设备管控的信息壳，生产设备管控一方面通过信息壳将设备执行的控制指令传递给设备控制系统，由控制系统实现对物理装置制造执行的精确控制；另一方面通过对设备运行状态的采集与分析，形成设备故障库和设备运行状态模型，利用大数据分析技术为生产设备管控提供服务。图4所示为孪生数据驱动的生产设备管控过程。车间采用工业环网进行生产设备连接，通过ModBus、OPC UA等协议实时采集物理车间的设备状态、生产工艺以及检测结果等信息，包括设备的开关机状态、故障信息、主轴负载、主轴转速、切削力、几何尺寸等，将采集的数据存入实时数据库中，并根据设备关键重要程度设置采集频率,且实时采集的数据经加工后再存入历史数据库，以减少数据冗余和响应滞后。同时，在虚拟车间中构建设备机理模型、故障模型和数据分析模型等，并基于设备采集数据进行虚拟实时仿真；在此基础上，基于虚拟车间的仿真结果对物理车间的设备开关机、制造执行器、工艺参数等进行实时反馈控制。此外，在生产现场通过人机界面(human machine interface，HMI)对设备进行三维虚拟展示，基于车间物联网系统和设备故障库对生产设备运行状态进行监控与预警，设备出现异常情况时安灯系统自动报警，并在HMI界面按权重显示可能的故障原因，以支撑车间现场快速排故。
图4 孪生数据驱动的生产设备闭环控制
Fig.4 Production equipment closed loop control driven by twin data
3.2 制造执行管控
因多品种、变/小批量生产特点，航天车间制造执行不确定因素多、扰动大，需要通过及时发现生产中的异常，才能合理调整生产计划和资源配置，提高生产效率和资源利用率，通过融合实时信息和建模方法建立车间监控模型，是实现车间实时监控的重要方法之一[13]。图5所示为基于数字孪生的制造执行管控过程。首先，车间数字孪生系统在虚拟空间构建包括调度模型、质量控制模型和产品/资源模型、工艺数据库、资源库在内的虚拟模型；其次，通过MES实时采集物理车间的生产计划、物料消耗、生产进度、产品检验、零部件流转、资源使用、人员信息等数据；再次，基于以上数据在虚拟空间进行物流、生产效率的实时和产品质量、计划达成率的准实时(以天为单位)仿真分析；最后，基于虚拟车间的仿真结果对物理车间的人员、物料、设备、工装、工具等资源进行优化调度。生产调度在逻辑上设置一定提前量，以减少停工待料，在车间现场通过生产看板实现物理车间异常的敏捷响应与快速处理。
图5 孪生数据驱动的制造执行闭环控制
Fig.5 Manufacturing executing closed loop control driven by twin data
3.3 车间运行管控
数字孪生车间将虚拟制造执行的结果反馈到ERP系统，用于生产进度和交货期的反馈，并将生产计划和优化后的仿真执行策略下达制造执行系统，制造执行系统依据数字孪生传递的执行策略和生产计划完成真实的制造执行。图6所示为基于数字孪生车间运行管控过程。要想实现对整个车间的运行管控，必须从物理、功能、行为、规则等多个维度构建与物理车间高度一致的虚拟车间模型，其中，物理模型包括车间内所有的人、设备、物料等资源的几何、材料、位置、布局等；功能模型为每个资源所能提供的能力，包括运输、加工、装配、检测等；行为模型为资源的特性，如资源数量、加工能力、检测范围及精度、承载能力等；规则模型是车间的运行机理，包括资源之间的相互关联与约束、生产业务模型和业务逻辑、物流路径等。通过物理车间获取的各种驱动信号和数据，包括车间生产任务、制造资源、生产能力、物流路径、库存情况等，从而对数字空间中各个层级进行有效的驱动，在生产线虚拟仿真环境下基于生产现场实时反馈的数据对车间的运行情况进行仿真分析。根据虚拟仿真结果，数字孪生车间系统将及时制定生产策略、资源调度等车间控制指令并输入MES系统，动态拉动生产资料配送，调整工位作业计划。同时，通过对历史数据的统计分析，支撑车间的效能评估、质量统计过程控制分析、设备综合效率分析等，为车间运行优化和生产决策提供重要依据。
图6 基于实时数据仿真的车间运行管控
Fig.6 Workshop operation management based on real-time data simulation
4 航天数字孪生车间管控典型应用
航天产品研制过程中，一方面需要通过对设备状态进行实时监控，以支撑产品质量分析和作业计划的动态调整；另一方面需要通过对产品质量、计划执行和车间运行情况进行监控，支撑车间多维度分析与优化。数字孪生驱动的航天车间管控典型应用分为面向车间操作人员的MI应用和面向车间管理人员的BI应用两部分，在运载火箭贮箱装焊车间进行了应用实践，提高了车间透明化管控水平和资源优化配置能力。
(1)基于虚实融合的MI应用。受制于军工企业安全保密要求，航天运载火箭贮箱装焊车间基于虚实融合的MI应用聚焦于设备层，包括设备状态的监控与故障预警、能耗统计展示、车间运行环境的监控分析、可视化以及决策支持。基于虚实融合的MI应用界面如图7所示，采用三维虚拟现实环绕型导航与二维详细数据表单展示两种方式，对设备运行参数信息、车间能耗和环境信息等进行监控，操作人员可以通过鼠标、键盘、触摸屏三种方式实现3D内容的漫游功能；当设备发生故障时，选择贝叶斯网络工具箱的推理引擎，推理出贝叶斯网络中随机变量的概率分布，可对设备故障进行初步诊断，实现数控设备健康维护的“智能化”。
图7 基于虚实融合的MI应用
Fig.7 MI application based on virtual-real fusion
(2)基于虚实融合的BI应用。航天运载火箭贮箱装焊车间基于虚实融合的BI应用聚焦于车间执行控制和运营决策，从ERP、MES等业务系统出发，抽取现有的业务数据并进行整合，快速准确地提供报表，并通过数据可视化手段进行BI分层呈现，为车间管理或顶层决策提供有效数据支撑，其界面如图8所示。车间数字孪生系统从MES系统中调取完工确认信息、零部件标识信息等，实时分析车间的生产作业计划率、物流效率等；同时，根据物联网系统采集的设备状态、能耗、工艺数据，实时分析设备利用率、故障率、车间能耗等；此外，综合分析MES和物联网数据，对生产线效能、产品质量、生产效益等进行多维分析、评估和动态展示。通过BI系统可实时查看典型产品加工过程中加工对象、数控程序、工艺信息、质量信息、装备状态与故障信息关联的一体化关键构件制造过程信息库，为后续产品质量追溯与工艺优化提供依据。
图8 基于虚实融合的BI应用
Fig.8 BI application based on virtual-real fusion
5 结语
本文针对军工企业面临的产品研制过程中资源短时冲突、计划协同性差、资源效率偏低等问题，以航天产品制造车间为对象开展数字孪生驱动的车间管控技术应用研究，基于通用的数字孪生车间参考系统架构模型设计了面向军工企业的工控网和涉密网隔离的数字孪生车间架构，并对航天制造数字孪生车间的物理车间、虚拟车间、孪生数据和车间管控系统四部分组成进行了描述，重点阐述了车间现场设备、制造过程和车间运行的分层管控模式，给出了基于虚实融合的制造智能和商业智能典型应用场景，通过在企业的工程应用可实现对整个车间设备工艺参数、设备利用率、生产进度、质量信息、设备故障等信息进行采集、展示与分析，有效提升了车间生产过程透明化管控水平和制造资源优化配置能力。本文研究成果已应用于某航天企业运载火箭贮箱装焊车间并取得良好效果，为航天乃至军工企业车间生产管控提供了可行的技术途径。诚然，面向航天产品制造的数字孪生车间生产管控应用研究仍处于探索阶段，数字孪生车间作为一种新的车间运行模式，其管控方式仍待进一步探讨与深入研究。
[1] 周济．智能制造：“中国制造2025的主攻方向”[J]. 中国机械工程，2015，26(17)：2273-2284.
ZHOU Ji．Intelligent Manufacturing—Main Direction of “Made in China 2025”[J]. China Mechanical Engineering，2015，26(17)：2273-2284.
[2] 袁家军. 航天产品工程[M]. 北京：中国宇航出版社，2011: 229-234.
YUAN Jiajun．Aerospace Product Engineering[M]. Beijing：China Aerospace Press，2011: 229-234.
[3] APRISO. Digital Twin: Manufacturing Excellence through Virtual Factory Replication[EB/OL].(2014-05-06). http:∥www.apriso.com/library/video/dr_grieves_digital_twin_engineering_factory_replication_webcast_en.php.
[4] GRIEVES M．Back to the Future：Product Lifecycle Management and the Virtualization of Product Information[M].Berlin：Springer-Verlag，2009: 16-25.
[5] GRIEVES M，VICKERS J．Digital Twin：Mitigating Unpredictable，Undesirable Emergent Behavior in Complex Systems[M]∥Kahlen F J, Flumerfelt S, Alves A.Transdisciplinary Perspectives on Complex Systems.Berlin：Springer-Verlag，2017：85-113.
[6] 陶飞，刘蔚然，刘俭华，等．数字孪生及其应用探索[J]．计算机集成制造系统，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，2018，24(1)：1-18.
[7] 庄存波，刘检华，熊辉，等．产品数字孪生体的内涵、体系结构及其发展趋势[J]．计算机集成制造系统，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.
[8] 中国信息物理系统发展论坛. 信息物理系统白皮书(2017)[EB/OL].(2017-03-01)：http:∥www.cesi.ac.cn/201703/2251.html.
China Cyber-Physical Systems Development Forun．White Paper on Cyber-Physical Systems(2017)[EB /OL]. (2017-03-01)：http:∥www.cesi.ac.cn/201703/2251.html.
[9] 安筱鹏. 重构数字化转型的逻辑[M]. 北京：电子工业出版社，2019：35-42.
AN Xiaopeng．Reconstructing the Logic of Digital Transition[M]. Beijing：Electronic Industry Press，2019：35-42.
[10] 陶飞，张萌，程江峰，等．数字孪生车间：—种未来车间运行新模式[J]. 计算机集成制造系统，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.
[11] 陶飞，程颖，程江峰，等．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.
TAO Fei，CHENG Ying，CHENG Jiangfeng，et al．Theories and Technologies for Cyber-physical Fusion in Digital Twin Shop-floor[J]. Computer Integrated Manufacturing Systems，2017，23(8)：1603-1611.
[12] 张涛，唐敦兵，张泽群，等．面向数字化车间的介入式三维实时监控系统[J]. 中国机械工程，2018，29(8)：990-999.
ZHANG Tao，TANG Dunbing，ZHANG Zequn，et al．Invasive 3D Real-time Supervision System for Digital Workshop[J]. China Mechanical Engineering，2018，29(8)：990-999.
[13] 赵浩然，刘检华，熊辉，等．面向数字孪生车间的三维可视化实时监控方法[J]．计算机集成制造系统，2019，25(6)：1432-1443.
ZHAO Haoran，LIU Jianhua，XIONG Hui，et al．3D Visualization Real-time Monitoring Method for Digital Twin Workshop[J]. Computer Integrated Manufacturing Systems，2019，25(6)：1432-1443.
