基于数字孪生的智能生产线系统

（3）闭环映射与闭环执行

由虚向实的孪生闭环映射主要来自数字虚体的推理决策方案作用于实际物理对象的过程，也是数字孪生模型或系统的价值得到转化的重要环节。

从生产系统的性能来看，其智能化程度的表现之一就是能否在集成生产软硬件系统的环节实现闭环执行。传统的对生产系统的仿真建模，侧重点在于对生产条件、产线、设备等物理对象实时状态的仿真与监测，数据信息主要是从物理对象到虚拟系统的单向传递，不具备孪生闭环映射的特征。这种侧重监测的应用模式无法使仿真推理模型的应用价值得到真正发挥，而数字孪生技术与智能生产管控的结合，能够在监测基础上实现对物理实体的有效控制。

通过数字虚体智能分析计算产生的决策方案（包括工艺参数的调整纠偏和配置运行的优化）通常以控制指令的形式下发到对应的物理实体控制系统，并驱动执行。目前，随着柔性自动控制技术的发展，这些已经具备一定的实现条件。

上述的生产闭环，实际上与智能制造的主导思想—CPS（Cyber Physical Systems，赛博物理系统）理念是一脉相承的。这种运行模式类似于通过数字虚体赋予生产系统一个能够自动控制生产的大脑，从而实现数字孪生或智能生产管控从单一监测到“监测—控制”的演进，同时也是生产智能化发展的重要驱动力。

一般来说，不同生产领域制造企业的生产系统有着较大差异，因此其不仅对应的智能管控需求有差别，数字孪生技术的应用侧重点也有所不同。下文将以离散型加工制造业为例，对数字孪生技术在该领域生产管控的应用情况进行简要介绍。

（1）资源配置与管理决策

数字孪生技术可以在智能化的制造资源配置与管理决策方面发挥重要作用，工业软件领域的APS（Advanced Planning and Scheduling，高级计划与排程）是其应用的具体体现。APS的核心功能是根据既有算法规则和知识经验，并结合生产系统运行状态，构建科学的智能算法模型，以辅助评估、优化制造资源配置情况。APS的典型应用场景主要如下。

①交货期答复决策分析。一般来说，客户订单信息中均有明确的交货期要求，因此，在协调企业产能和生产计划的基础上进行快速答复，是生产企业需要具备的服务能力之一，在决策分析过程中需要注意以下事项，如表4所示。

     

②确保交货期决策分析。确保交货期决策分析主要针对大规模个性化定制生产订单或交货周期较短的订单，具体如表5所示。

     

③快速响应调整决策分析。快速响应调整决策分析是在掌握实时生产动态的基础上进行的，即基于当前任务执行情况、生产资源使用情况等信息，对作业计划进行动态调整，使其与实际生产任务执行状态保持一致，并在生产过程中发挥指导作用。其中，需要快速响应、分析、决策的要素包括任务计划、物料资源调配、生产工艺调整等。

（2）自适应智能加工工艺决策

自适应智能加工的完成度，是数字孪生技术在智能生产领域是否得到有效应用的重要体现，其核心在于数字虚体的构建，通过一定的工艺机理模型并结合智能化的数据采集、分析、处理能力，实现对加工工艺参数的调整决策。数字孪生技术的智能化辅助作用主要体现在以下方面，如图3 所示。

     

①在线测量：运用不同类型的测量头对复杂零件进行测量，获取其尺寸等典型特征数据（通称为点云数据）；对这些数据进行记录、整合、共享，为分析决策提供依据。

②补偿分析：对所获得的点云数据进行处理，以此构建映射物理对象或实际加工状态的三维模型；对比高度仿真的三维模型与理论模型，获取关于点、面等物理对象特征的偏差数据；根据现有加工条件和零件（尤其是复杂结构薄壁零件）尺寸、零件加工精度要求之间的关联关系，计算获得的加工补偿数据，以指导实际生产活动。

③程序调整：将补偿数据作为数控程序模型的运行参数，驱动模型自动更新。

④下发执行：新生成的带补偿设置的数控程序通过DNC（Distributed Numerical Control，分布式数控）等程序控制方式传输到机床，从而对生产状态进行指导、调控。

⑤持续控制：通过对上述四个步骤的循环往复，可以实现依托于数字孪生技术的生产智能化管控，这在保证产品质量的同时，还有利于产线流程的优化和生产效率的提高。

制造运行管理（Manufacturing Operation Management， MOM）是生产过程的重要组成部分， IEC/ISO 62264 国际标准将其定义为“通过协调管理企业的人员、设备、物料和能源等资源，把原材料或零件转化为产品的系统”。具体来说，MOM 既能够对需要人、物理设备或信息系统来执行的行为进行管理，也能够对与调度、产能、产品定义、历史信息、生产装置信息和资源状况信息等各项信息相关的活动进行管理。

在传统的数字化车间中，系统检测大多通过现场看板、手持设备和触摸屏等二维可视化平台来实现，但这些平台普遍存在信息和运行过程展示不全面、可视化程度不高等不足之处。以机理模型和数据驱动为基础的数字孪生车间具有保真度高和拟实性高的特点，同时 VR、AR 和 MR 等技术的应用也有助于企业构建出可视化程度更高的三维模型，从而以更加直观的方式全方位向用户展示车间对生产、设备、人员、能源、产品质量和安防信息等内容的管理情况。与组态软件相比，数字孪生车间相当于三维版的组态软件，不仅可用于流程行业，还能够在对离散制造行业的可视化实时监控中发挥重要作用。

传统的组态软件大多用于向用户展示来源于传感器的数据，而数字孪生模型中还包含了许多系统运行的隐含状态数据，能够以更直观的方式向用户展示数据的统计分析结果和智能计算结果，为用户了解当前的生产情况提供方便。此外，移动互联网技术与数字孪生模型的融合应用进一步丰富了实时监控显示终端的类型，用户可以通过计算机、大屏幕、手机和平板电脑等多种设备进行观看。

在传统的生产制造模式下，工作人员要参照当前的生产要求和生产资源等情况来制订和调整生产计划。从实际操作上来看，当生产车间中不具备数据采集系统、数据传输系统和数据分析系统时，相关工作人员将难以有效分析生产计划落地过程中的各项实时状态数据，也无法了解车间的即时生产状态，因此车间中的生产管控会存在数据支撑不足的问题，不利于相关工作人员及时发现问题，同时也会影响其设计和完善资源调度计划和生产规划策略，从而出现车间生产效率降低等问题。

以数字孪生技术为主要驱动力的生产调度能够在全要素的基础上实现高精度的虚实映射，根据各项车间数据来制订生产计划，并对生产计划进行仿真和实时优化，从而提高生产计划的准确性和可行性。具体来说，以数字孪生技术为主要驱动力的生产调度主要包括以下几项内容，如表6 所示。

     

近年来，用户的要求日渐多样化，产品设计方案的复杂性也随之提升。因此企业在设计和生产产品时需要对生产过程中的各项参数进行优化，提高工艺参数控制水平，掌握各类新产品在生产和装配的各个环节中对工艺的要求，提升车间操作工人的能力，并借助数字孪生技术来辅助生产和装配，以便实现高效的单件生产和小批量生产，充分满足用户的个性化需求。

具体来说，数字孪生体不仅能够在确保产品定义模型一致的前提下生成便于观看和理解的产品生产需求和装配指导书，让车间中的相关操作人员能够快速掌握产品生产和装配的技巧；还能够模拟和优化生产过程参数，通过迁移学习的方式来优化新产品的加工工艺。除此之外，数字孪生体对产品质量数据的实时在线分析也有助于精准评估并及时反馈产品的生产过程和装配结果，从而助力企业提高产品合格率。

由于智能制造设备的数字孪生体中包含大量运维过程数据，企业在为同类型产品或与其类似的产品设置生产过程参数时可以将产品的运维过程数据作为参考信息，以便在数据层面支撑其进一步提高产品质量。

顾名思义，智能仓储数字孪生即数字孪生技术在仓储物流管理领域的应用，构建映射实体仓库的虚拟模型，可以促进数字化技术为物流管理精准赋能，实现对物流过程的智能管控和优化，从而提升物流管理效率、物流服务质量和企业的价值创造能力。具体来说，数字孪生在仓储物流优化方面的应用主要体现在以下几个方面，如图4所示。

     

（1）实现对物流过程的实时监控

依托于各类传感器和物联网技术，仓储物流数字孪生系统可以有效提升对实体仓库的管控能力。数字孪生仓库模型通过实时更新各种物流数据（包括湿度、温度、货物位置定位、存储量等），实现对现实仓储物流情况的仿真，管理者可以根据模型呈现出的可视化业务运行状态进行科学决策与管理。例如，当仓储库存容量接近上限时，系统可以自动预警，并辅助人员优化物流计划。

（2）优化物流管理流程

数字孪生仓储模型可以实现对入库、分拣、出库、配送等全流程的模拟，并通过智能计算结果提供流程优化方案，以促进物流管理效率和服务质量提高。例如，在仓库内配置的传感器可以实时监测货物流向、记录库存变化，为自动分拣机器人的决策提供可靠数据，由此实现相关环节的自动化作业，促进效率提升，降低人工成本和人工操作中的失误率。同时，数字孪生模型可以深入挖掘数据信息，找到运行环节中的痛点，并提供有针对性的解决方案。

（3）提供精确的物流预测与规划

基于对数字孪生仓储模型相关数据的智能化分析，可以获得一定周期内市场物流需求的变化规律，从而对未来趋势和变化进行合理预测。这有助于企业制订物流计划，合理配置人力、运输、仓储等物流资源，降低爆仓、库存积压、缺货等风险事件的发生率。同时，数字孪生仓储模型可以辅助进行物流策略的测试验证，促进优化物流规划方案。

智能仓储数字孪生技术可以为物流管理高效化、物流流程自动化、物流规划科学化精准赋能，促进企业市场竞争力的提升。然而，在实现过程中也面临一些问题或挑战，例如：实体仓库的软硬件设施需要根据数字化需求进行更新改造，并对管理人员进行专业培训，整合烦琐流程、删减冗余流程以适应自动化转型需求等。只有使现有技术优势与实际业务场景需求深度融合，才能发挥智能仓储数字孪生技术的整合作用，驱动物流行业创新发展。

数字孪生技术可以实现对生产能耗的精细化管理，这对于生产企业优化成本控制、促进环境友好有着积极意义。下面我们以钢铁企业的能源管控系统为例，简单分析数字孪生技术在钢铁生产能耗管理中的应用，如图5所示。

     

（1）实时监控能源消耗

智慧钢厂能源管控系统可以实时采集钢铁生产流程中的能量消耗数据，对动力、水能、热能等资源的消耗量进行实时监测，并将这些数据变化以可视化的形式呈现出来，辅助管理者进行深入分析，制定合理的决策方案。同时，物联网、云端网络的应用为实时远程监控奠定了基础，系统可以将采集到的生产数据上传到云端，云端可以与其他设备、系统进行数据交互与共享，从而为生产管理者精准把控生产情况提供有力支持。

（2）提高能源利用效率

应用能源监控系统辅助科学数据分析，可以为能源消耗的精细化管理提供条件。利用数字孪生、物联网等技术构建覆盖生产全生命周期的数字孪生模型，构建虚实融合的能源管理机制，能够使管理者准确掌控能源使用情况，并结合可靠的实时监控数据，促进生产环节优化，提高能源利用效率，在降低企业生产成本的同时还有利于企业向环境友好型发展模式转变。

（3）优化能源应用方案

融合了数字孪生技术的能源监控系统可以对生产过程各要素对能源消耗的影响进行分析预测，辅助管理人员找到可能存在能源浪费的工序或环节，并提供有效的优化方案，从而减少能源损耗，降低生产成本。

人员是企业在智能车间中高效开展产品设计和制造运维等工作的关键要素。以机电产品生产车间为例，这类车间大多具有生产规模大、活动空间大、工位复杂、工序烦琐、关键生产流程危险系数高等特点，为了有效确保产品生产的安全性，企业需要重视人员行为的主观能动性和不可替代性，提高人员行为识别能力和车间生产的规范性。就目前来看，大多数车间仍旧采用摄像机和人工监控的方法来分析车间人员行为。

随着深度学习、计算机视觉等智能算法的应用越来越广泛、算力水平越来越高，车间人员行为识别的智能化程度也不断提高。从本质上来看，车间人员行为智能识别就是利用智能化的学习算法来自动化、多层次地提取、分类并深入分析人员行为特征，同时利用数字孪生技术来为智能车间或工厂实现人员行为智能分析提供支撑，以便企业在智能车间或智能工厂中建立“人—信息—物理系统”（human-cyber-physical system，HCPS），实现人机共融。

就目前来看，数字孪生技术在生产制造系统中的应用日渐广泛，许多企业开始利用虚拟调试技术在数字化的虚拟环境中进行三维生产线建设，将传感器、工业机器人、自动化设备、PLC 等相关工具装配到生产线当中，并在这些工具被正式装配到生产线上之前在现场对各个数字孪生模型的机械运动、工艺仿真进行调试。

以德国西门子公司为例，该公司利用智能传感器来采集温度、加速度、压力、电磁场等相关数据信息，同时获取并向MindSphere 平台传输数字孪生模型中的多物理场模型、电磁场仿真结果、温度场仿真结果，以对比和评估的方式检测产品的可用性和运行绩效，根据检测结果来更换产品备件。

除此之外，中国烟草、美的和海尔等国内企业也开始将数字孪生应用到智能工厂当中，通过实时模拟和远程监控工厂运行状态的方式来掌控工厂中产品的生产情况。