数字孪生工厂与信息集成

来源：智造苑

作者：张智海、杨建新等

虚拟工厂是将实体工厂映射过来，具备仿真、管理和控制实体工厂关键要素功能的模型化平台。数字孪生技术将虚拟工厂的概念不断深入，利用物联网技术和监控技术加强信息管理服务，通过合理计划排程，提高生产过程可控性、减少生产环节的人工干预，构建高效、节能、绿色、环保、舒适的智能化工厂。

数字孪生工厂整体解决方案主要围绕制造业务链展开，包括研发设计环节的三维仿真验证、虚拟调试与装配，产线装备的故障监测分析、预测性维护、健康性诊断等，生产过程环节的调度优化、质量分析、在线统计、生产控制，以及车间与工厂的供应链优化、人员管理、能耗监测等，通过数字孪生与数据智能，整体实现自动化装备、数字化车间、智能化工厂。

为构建具有“全面感知，设备互联，数字集成，智能预测”等特征的智能工厂运行体系,以实际市面上工厂级数字孪生平台为例，介绍平台架构与设计理念。针对传统工厂/车间管控系统缺乏智能决策等问题,实现基于数字孪生的智能工厂总体架构和虚实集成的信息系统实时监测集成模型。创建基于数字孪生的工厂管控系统在物理工厂的实时监测、高度自动化等功能,实现数字孪生系统与物理工厂两方面虚实集成,结合虚拟仿真系统和工业物联网等技术在数字孪生系统中的应用，逐步实现数字孪生系统的信息集成框架，集成接口等解决方案。最后通过个性化定制的模型车总装车间数字孪生应用案例，实现基于数字孪生的虚拟生产系统具有可视化、实时性、可操作性及可协作性等功能。

为积极推进数字孪生技术研究、标准制定、应用创新、建设推广等相关工作，工业4.0研究院牵头发起数字孪生体联盟，加快数字孪生技术在制造业领域的快速发展。其中以孪数科技自主研发的Twinverse数字孪生技术平台为例（架构如图1所示），对数字孪生平台的原生架构进行介绍。

Twinverse是数字孪生PaaS平台，架构分成了3层，其中设备信息的接入、视频流的接入、多源系统的接入、系统数据的采集与传输等，构成了平台的边缘采集层，为平台提供数据整合治理服务；多源异构数据处理、二三维数据库搭建、空间内容服务、三维可视化渲染等技术为平台层提供数据交换机制以及孪生体服务，其中平台层分两层，上层是各数字孪生相关的技术，下层以K8s资源纳管/编排为核心的云原生技术组件；而应用层包含了当前主流的人机交互技术，包括电脑、平板、VR/AR、手机小程序等，让用户不需要去到工厂现场，也能通过人机交互设备一览整个工厂的运行状态以及工厂工艺和设备的细节。

1.多源数据融合

数字孪生平台采集融合了多类数据信息（图2），其类型分为空间、非空间两类，数据源分为物理世界与数字世界两类，形象描绘了数据融合特点。第一象限为物理世界中的二维（非空间）数据，包括从物理信息系统与传感器中读取到的信息，用于数据驱动以及监控分析；第二象限为物理空间中的三维（空间）数据，用于搭建三维数字镜像以及空间标注；第三象限为数字空间中的非空间数据，多为与业务相关的数据，用于待定业务需求的报表与汇总；第四象限为数字空间中的三维（空间）数据，用于设备模型的导入以及复杂工艺的标注与拆解。

2.业务系统/算法融合

工厂在信息化发展过程中，已有很多管理信息系统，例如MES、WMS、DCS、ERP、PLM等，它们对二维信息系统数据进行集成，有效地提高了工厂的供应链管理、全生命周期管理、产品质量管理、成本管理、运维效率管理、人力资源管理等多方面的绩效。然而“信息孤岛”的缺点也暴露无遗，数据冗余及不一致导致沟通不通畅，可能会增加设计时间、工作量以及返工成本。因此利用数字孪生将这些业务信息集成到一起，基于模型的功能来定义、模拟、验证、优化和可视化生产过程，使数字孪生平台更具敏捷性，开放灵活的适应所有类型用户的需求，并融合智能分析算法，优化工厂运营，为工厂提供一个可观、可管、可查、可优的一个综合性系统平台。

3.工业互联网融合

工业互联网是智能制造系统进一步离散化、结构与重构，实现海量工业要素的泛在链接、弹性供给、高效配置，构建机遇与海量工业大数据采集、汇聚分析的服务体系，形成新的工业生态。

企业级数字孪生平台可对接工业互联网平台，利用云端机理模型和仿真算法进行虚拟调试、测试；将 PLC 和虚拟三维模型的点位进行关联，解析PLC程序；设置初始运动步骤与变量参数，进行数据和信号的实时交换设置等工作。通过OPC UA 协议，可以连接到任何 OPC UA Server，与PLC组态实现对接。按照设备运动逻辑，一步步实现虚拟还原，通过控制虚拟设备真实展示PLC控制逻辑，对产线布局、工艺进行仿真模拟和优化，实现零成本试错，减少物理样机的制造成本。

1.数字还原，资产可视

按照真实工厂布局与工艺流程，通过建立设备的三维模型，可将工厂内每一个作业设备按空间属性映射到三维平台中。并运用装配、动画等方式模拟零部件的运动方式，再通过对接现实工厂PLC指令数据驱动模型按照真实场景运动，实现对物理世界工厂的动态数字还原。

与此同时，通过对工厂MES系统、物联网中台、库存管理系统、ERP等系统集成，将设备的实时数据、关键工艺节点的动态数据、设备采购订单数据等按照空间熟悉绑定到对应设备模型和节点上。通过点击单个设备，可显示对应设备的详细信息（图3），包括但不限于设备参数、运行状态采购信息与温度、湿度等其他IoT数据，以便管理者对工厂设备资产进行可视化管理，对作业数据进行实时监控，对历史和异常数据进行回溯和分析的功能。得益于实时渲染技术，真实设备的任何状态变化都可以实时反馈至虚拟模型，实现1:1真实还原的动态映射，甚至连设备的倒影都能精准还原，做到精细且毫秒级的资产可视。

2.全景漫游，远程运维

全景漫游是指通过人机交互设备，在数字孪生平台上查看工厂车间的运行情况，在电脑设备上操控鼠标和键盘可360°在3D场景中切换视角，进行场景的切换、俯视、平视、旋转等基本操作，无死角查看工厂各个区域的情况。

也可以通过自动漫游模式（图4）实现远程运维，即通过预先定义的路线，系统可自动飞行巡检工厂运行状态，漫游至重点设备时，会自动弹出巡检员比较关心的数据，从而代替厂区内的人力巡检，提高巡检效率，节约人力成本。

3.智能发现问题

智能发现问题在管控平台主要分为显性问题发现和隐性问题挖掘。显性问题发现可通过生产过程清晰的状态感知，包括：车间生产过程中的设备工况、生产节拍、过程实况、物料信息、人员操作、能耗变化、产品质量和安全环境等状态的实时感知。隐性问题挖掘主要基于数字孪生的智能车间，通过应用大数据及生产系统模型，建立多级指标连接响应机制，及时模拟生产情况，借助虚实对照，实现流程差异反馈和历史环节追溯。主要有以下几方面的应用。

（1）通过KPI看板监控业务管理问题。

①效率看板：通过设备开机率、有效利用率、资源调度效率、人员绩效分析、异常处理响应效率综合展示车间生产效率问题和订单执行进度，辅助管理层开展短期调整和长期优化工作，监控业务管理。

②质量看板：聚焦工件质量问题信息，实时把控工件质量趋势数据，奠定质量优化基础，并且以项目为单位开展交付产品质量管控工作，监控业务管理。

③风险看板：通过识别异常信息结合历史数据分析识别当前项目风险，支持定位到具体的风险预示指标，如项目质量风险、项目成本风险、项目进度风险，监控业务管理。

（2）实时告警。在工厂生产过程中设备、系统、资源出现异常时警报，使用红色及橙色醒目标识在三维场景中闪烁，并关联位置信息和伴有语音提醒。点击异常位置的标识，弹出异常信息卡片展示异常描述，并有一键查询关联信息功能，为用户提供客观的异常相关信息，快速定位可能造成异常的原因。可应用于加工设备实时数据和产线状态监控，以及业务管理监控。

（3）虚实交互发现问题。面对生产过程精确建模，并对相关结构部件进行精简优化，帮助发现问题的同时通过虚实交互解决问题，可应用设备/产线/车间建模、精简结构部件、合并优化场景数，监控业务管理。

（4）历史事件回溯。在发生事件与异常之后，可通过历史数据回溯模拟过去一段时间内的工厂设备运行状态信息，同时也支持历史摄像的回放画面融合。通过回溯辅助分析事件原因，帮助工厂中产线与设备优化到最佳运行状态。

4.智慧决策

通过数据可视化建立一系列智能决策模型，能够实现对当前状态的评估，对过去发生问题的诊断以及对未来趋势的预测。从业务层面提供全面、精准的决策依据，从而形成“感知—预测—行动”的智能决策支持系统。智能决策主要应用于通过信息节点数据和三维模型提升系统管控能力。例如：

（1）通过信息节点数据提升系统管控，实现订单生产进度的实时追溯；实现生产计划相关数据查看，如物料、刀具、工装需求计划等信息。

（2）通过三维模型提升系统管控，实现生产过程三维模型的真实模拟加工运动，物料的运送都与真实场景实现1:1还原；生产制造订单的每个工件都可实现制造记录追溯。

5.虚拟培训

通过数字孪生搭建一套培训系统，让学员快速接触到工厂各个应用场景，提供实操机会以及操作指导，学员可24小时任意时间线上培训，加快提高技能水平的同时，避免了线下培训日程难预约，以及产生的差旅费用。培训场景主要应用于：

（1）基于模型的装配指导，在线解析产品三维模型其树状结构，通过产品爆炸图的形式标注各零配件信息，动画演示装配顺序。

（2）VR实操练习，通过佩戴VR设备，可沉浸式地进入到工厂内部，对厂房样貌以及产线生产情况进行了解。可通过控制VR手柄（图5），基于装配流程SOP提示，一步一步地练习操作。