面向智能制造的整車工廠建模技術(shù)及應(yīng)用研究

楊虹，胡逸輝

面向智能制造的整車工廠建模技術(shù)及應(yīng)用研究

楊虹，胡逸輝

（上汽通用汽車有限公司，上海 201206）

文章從理解智能制造定義及能力成熟度標(biāo)準(zhǔn)出發(fā)，聚焦整車制造業(yè)務(wù)活動，構(gòu)建了整車工廠智能制造系統(tǒng)層級架構(gòu)，即：制造技術(shù)層、信息映射層及智能決策層。詳細(xì)介紹了以數(shù)字制造、智能工廠、數(shù)字孿生為特征的物理工廠信息映射層數(shù)據(jù)建模關(guān)鍵技術(shù)及其應(yīng)用場景，從而幫助企業(yè)選擇最適合自身需求和發(fā)展特點(diǎn)智能制造落地技術(shù)路線。

智能制造；數(shù)字制造；智能工廠；數(shù)字孿生

引言

近年來，面對技術(shù)創(chuàng)新、市場競爭與經(jīng)濟(jì)增長的驅(qū)動與挑戰(zhàn)，世界主要發(fā)達(dá)國家紛紛提出了重塑制造業(yè)，發(fā)展先進(jìn)制造業(yè)的國家戰(zhàn)略。德國在2013年推出了《工業(yè)4.0》，2019年又發(fā)布了《工業(yè)戰(zhàn)略2030》。美國繼2014年提出《工業(yè)互聯(lián)網(wǎng)》后，2018年發(fā)布了《先進(jìn)制造業(yè)美國領(lǐng)導(dǎo)力戰(zhàn)略》。中國也早在2015年就發(fā)布了制造強(qiáng)國戰(zhàn)略《中國制造2025》[1]。由此可見，工業(yè)特別是制造業(yè)的轉(zhuǎn)型升級已成為國家經(jīng)濟(jì)發(fā)展的重中之重，各制造企業(yè)以實(shí)現(xiàn)數(shù)字化、網(wǎng)絡(luò)化、智能化為特征的智能制造能力提升已成為核心競爭力的重要體現(xiàn)。

本文從理解智能制造定義及能力成熟度標(biāo)準(zhǔn)出發(fā)，聚焦整車制造業(yè)務(wù)活動，論述物理工廠的數(shù)字信息映射建模方法、關(guān)鍵支持技術(shù)及其應(yīng)用場景，從而幫助企業(yè)選擇最適合自身需求和發(fā)展特點(diǎn)智能制造落地技術(shù)路線。

1 智能制造系統(tǒng)

企業(yè)要發(fā)展智能制造，首先要明確理解智能制造概念及其含義，但智能制造所涉及的內(nèi)容非常廣泛，涵蓋了工業(yè)、信息、管理等多個領(lǐng)域，故在國際上尚未有統(tǒng)一的權(quán)威定義，本文引用中國工業(yè)和信息化部在《智能制造發(fā)展規(guī)劃（2016—2020）》和《“十四五”智能制造發(fā)展規(guī)劃》文件中的表述：“智能制造是基于新一代信息技術(shù)與先進(jìn)制造技術(shù)深度融合，貫穿于設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動各個環(huán)節(jié)，具有自感知、自決策、自執(zhí)行、自適應(yīng)、自學(xué)習(xí)等特征，旨在提高制造業(yè)質(zhì)量、效益和核心競爭力的先進(jìn)生產(chǎn)方式”[2]。

根據(jù)上述概念定義，從整車制造所涉及的規(guī)劃、產(chǎn)品、工藝、設(shè)備、生產(chǎn)、質(zhì)量、運(yùn)維等業(yè)務(wù)活動出發(fā)，可將智能制造發(fā)展技術(shù)路線分為制造技術(shù)、信息映射和智能決策三個層級（如圖1所示）。制造技術(shù)層主要研究和優(yōu)化的對象是在現(xiàn)實(shí)物理工廠中進(jìn)行生產(chǎn)制造的各種資源，包括人（生產(chǎn)者）、機(jī)（設(shè)施/設(shè)備）、物（物料/產(chǎn)品）等。信息映射層主要研究和優(yōu)化的對象是通過IT軟件和工業(yè)互聯(lián)網(wǎng)系統(tǒng)構(gòu)建的物理工廠數(shù)據(jù)信息模型。智能決策層主要研究和優(yōu)化的對象是大數(shù)據(jù)分析、人工智能算法支持下而構(gòu)建的智能決策模型。這三個層次的對象在生產(chǎn)制造中相互作用，彼此深度融合，從而使制造系統(tǒng)具有了自感知、自決策、自執(zhí)行、自適應(yīng)和自學(xué)習(xí)的能力。

2 智能制造能力評估標(biāo)準(zhǔn)

上文闡述了智能制造特征及其技術(shù)路線中的三個層次，為了促進(jìn)發(fā)展，如何評價和對標(biāo)不同企業(yè)的智能制造水平也需要進(jìn)行明確定義，本文引用2020年10月已正式發(fā)布的國標(biāo)《智能制造能力成熟度模型》（GB/T 39116—2020）要求予以說明。智能制造能力成熟度由低向高共分為一級（規(guī)劃級）、二級（規(guī)范級）、三級（集成級）、四級（集成級）和五級（引領(lǐng)級），如圖2所示。其中大部分整車制造企業(yè)需要著力發(fā)展的是對應(yīng)成熟度三級以上的能力，即通過裝備、系統(tǒng)的集成，實(shí)現(xiàn)跨業(yè)務(wù)數(shù)據(jù)共享（三級），通過數(shù)據(jù)挖掘形成知識模型，實(shí)現(xiàn)核心業(yè)務(wù)的精準(zhǔn)預(yù)測和優(yōu)化（四級）及利用模型持續(xù)進(jìn)行自主學(xué)習(xí)、決策優(yōu)化和協(xié)同創(chuàng)新（五級）[3]。

圖2 智能制造能力成熟度等級[3]

3 整車工廠建模關(guān)鍵技術(shù)及應(yīng)用案例

如前文所述，制造技術(shù)層主要研究和優(yōu)化的對象是在現(xiàn)實(shí)物理工廠中進(jìn)行生產(chǎn)制造的各種資源。隨著汽車產(chǎn)品個性化、電動化、網(wǎng)聯(lián)化和智能化的不斷發(fā)展，整車工廠的制造過程也面臨個性化定制、新材料、新工藝與新技術(shù)的挑戰(zhàn)。所以能夠高效地實(shí)現(xiàn)柔性定制化生產(chǎn)與質(zhì)量在線監(jiān)控的通用/專用/新型先進(jìn)制造裝備、網(wǎng)絡(luò)通信基礎(chǔ)設(shè)施及質(zhì)量在線監(jiān)控設(shè)備是制造技術(shù)層發(fā)展的三大關(guān)鍵技術(shù)。這一領(lǐng)域的優(yōu)化提升主要依賴于裝備制造業(yè)的技術(shù)發(fā)展，但整車工廠可以根據(jù)自身產(chǎn)品的實(shí)際制造需求，開展跨行業(yè)技術(shù)合作，來驅(qū)動單點(diǎn)技術(shù)突破及系統(tǒng)集成創(chuàng)新。

各企業(yè)的制造工廠作為承載先進(jìn)制造技術(shù)的實(shí)體對象，在大規(guī)模生產(chǎn)制造活動中會產(chǎn)生海量數(shù)據(jù)信息，對這些數(shù)據(jù)進(jìn)行挖掘、利用，形成優(yōu)化方案與決策模型將為企業(yè)帶來更高的投入產(chǎn)出效益，從而成為了與物理工廠實(shí)物資產(chǎn)相對應(yīng)的虛擬數(shù)據(jù)資產(chǎn)。針對生產(chǎn)制造價值鏈上下游業(yè)務(wù)活動流程、優(yōu)化目標(biāo)及技術(shù)實(shí)現(xiàn)方式的不同，本文將信息映射層的建模方法分為數(shù)字制造[4]（Digital Manufacturing）、智能工廠[5]（Smart Factory）和數(shù)字孿生[6]（Digital Twin）三大領(lǐng)域。

3.1 數(shù)字制造

面向數(shù)字制造領(lǐng)域的建模目標(biāo)聚焦在新產(chǎn)品引入過程中解決產(chǎn)品創(chuàng)新設(shè)計(jì)與資源投入、質(zhì)量效率之間的協(xié)同優(yōu)化問題。通過對物理工廠的產(chǎn)品屬性、生產(chǎn)設(shè)備、生產(chǎn)環(huán)境（廠房、設(shè)施等）及制造過程進(jìn)行三維仿真建模，打通各設(shè)計(jì)環(huán)節(jié)的數(shù)據(jù)共享環(huán)境，實(shí)現(xiàn)跨業(yè)務(wù)數(shù)據(jù)集成、協(xié)同設(shè)計(jì)，通過早期虛擬評估，提前發(fā)現(xiàn)問題并優(yōu)化改進(jìn)，從而得到全局最優(yōu)的設(shè)計(jì)方案，并且通過并行協(xié)同設(shè)計(jì)縮短項(xiàng)目開發(fā)周期、減少新增資源投入、實(shí)物驗(yàn)證的費(fèi)用及項(xiàng)目后期更改成本。

數(shù)字制造建模技術(shù)主要依賴于三維實(shí)體計(jì)算機(jī)輔助工程設(shè)計(jì)（CAD）、工藝仿真（包括有限元分析仿真、制造過程仿真、工業(yè)自動化仿真、人機(jī)工程仿真等）及產(chǎn)品全生命周期數(shù)據(jù)管理（PLM）三大類軟件系統(tǒng)/平臺功能來實(shí)現(xiàn)。雖然企業(yè)可以直接從外部購買各種商用設(shè)計(jì)建模與虛擬仿真系統(tǒng)軟件，但要能真正發(fā)揮企業(yè)級跨業(yè)務(wù)數(shù)據(jù)集成、協(xié)同設(shè)計(jì)的作用，仍然需要在內(nèi)部建立一系列的標(biāo)準(zhǔn)流程從而解決數(shù)據(jù)建模標(biāo)準(zhǔn)化（數(shù)據(jù)交付質(zhì)量）、仿真精度與可靠性（多學(xué)科知識顯性化）、組織協(xié)同管理與決策機(jī)制（數(shù)據(jù)變更管理/問題解決推進(jìn)）等問題。圖3所示為某大型整車企業(yè)建立的產(chǎn)品/制造工藝同步工程開發(fā)跨業(yè)務(wù)協(xié)同設(shè)計(jì)的流程與應(yīng)用場景示例。

圖3 基于數(shù)字制造的跨業(yè)務(wù)協(xié)同設(shè)計(jì)

3.2 智能工廠

數(shù)字制造主要面向的是產(chǎn)品/工藝設(shè)計(jì)過程的最優(yōu)設(shè)計(jì)，而智能工廠主要聚焦于工廠運(yùn)營過程中的效率、質(zhì)量與穩(wěn)定性指標(biāo)不斷改善。智能工廠的數(shù)據(jù)信息主要來自于：（1）自動化生產(chǎn)設(shè)備的自身控制運(yùn)行數(shù)據(jù)（如：機(jī)器人控制程序及各種參數(shù)）；（2）制造執(zhí)行系統(tǒng)（MES）信息（如：生產(chǎn)管理、物流管理、質(zhì)量管理、能源管理、設(shè)備管理等）；（3）企業(yè)資源規(guī)劃系統(tǒng)（ERP）信息（如：訂單信息、物料采購、人力資源、財(cái)務(wù)成本等）。

智能工廠建模技術(shù)的關(guān)鍵是實(shí)現(xiàn)多種生產(chǎn)設(shè)備的數(shù)據(jù)采集及跨業(yè)務(wù)/跨系統(tǒng)的數(shù)據(jù)互聯(lián)互通，也就是從數(shù)字化制造邁向網(wǎng)絡(luò)化制造。針對生產(chǎn)系統(tǒng)中需要優(yōu)化的業(yè)務(wù)指標(biāo)通過業(yè)務(wù)流程建模、實(shí)體關(guān)系建模，將設(shè)備中采集到的數(shù)據(jù)以及MES/ERP系統(tǒng)中的數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，量化輸入與輸出數(shù)據(jù)間的計(jì)算模型，找到關(guān)鍵特性指標(biāo)的影響因素，從而能夠通過該模型對輸出進(jìn)行預(yù)測、預(yù)警并對輸入進(jìn)行前饋控制。

圖4 生產(chǎn)人員需求預(yù)測模型

圖4所示案例為某大型整車企業(yè)針對整車制造工廠同一生產(chǎn)線上所制造的不同車型產(chǎn)量需求波動而實(shí)時響應(yīng)的生產(chǎn)人員數(shù)量及效率預(yù)測模型。該模型通過對生產(chǎn)計(jì)劃信息數(shù)據(jù)與生產(chǎn)系統(tǒng)中的不同車型工時規(guī)劃數(shù)據(jù)（）、生產(chǎn)設(shè)備開動數(shù)據(jù)（ATT）、人員操作效率指標(biāo)數(shù)據(jù)（MPH）建立數(shù)據(jù)分解流程圖及輸入、輸出信息計(jì)算關(guān)系，即可預(yù)測出在不同車型產(chǎn)量配比需求及生產(chǎn)班次模式下的生產(chǎn)操作人員數(shù)量（HC）、單車生產(chǎn)總工時（HPV）及綜合生產(chǎn)效率指標(biāo)(OCR)。通過該模型分析可以及時響應(yīng)市場訂單需求的變化，得出最優(yōu)的生產(chǎn)計(jì)劃排產(chǎn)模式及所需配備的生產(chǎn)人員精確數(shù)量，從而達(dá)成最佳生產(chǎn)效率指標(biāo)。

3.3 數(shù)字孿生

前文分別描述了以物理工廠的三維幾何模型及過程仿真為核心的數(shù)字制造和以物理工廠的運(yùn)營數(shù)據(jù)采集及過程控制為核心的智能工廠，而數(shù)字孿生建模技術(shù)能夠進(jìn)一步實(shí)現(xiàn)這兩大類模型的互聯(lián)互通、數(shù)據(jù)集成與實(shí)時動態(tài)響應(yīng)。數(shù)字孿生建模不僅能滿足企業(yè)對制造系統(tǒng)性能指標(biāo)（生產(chǎn)效率、質(zhì)量、可重復(fù)性、成本和風(fēng)險等）不斷優(yōu)化的需求，并且能進(jìn)一步滿足更大范圍的市場靈活性與適應(yīng)性，實(shí)現(xiàn)大規(guī)模定制生產(chǎn)、敏捷設(shè)計(jì)、即時交付等高層次、全價值鏈、端到端的客戶需求。

圖5 數(shù)字孿生建模試點(diǎn)應(yīng)用場景

數(shù)字孿生建模技術(shù)的關(guān)鍵是解決數(shù)字化設(shè)計(jì)仿真軟件平臺與現(xiàn)場設(shè)備工業(yè)自動化控制系統(tǒng)軟件之間的數(shù)據(jù)訪問、數(shù)據(jù)交互問題。OPC（OLE Process Control）-UA協(xié)議提供了應(yīng)用軟件與各種設(shè)備驅(qū)動程序之間通信的一項(xiàng)工業(yè)技術(shù)規(guī)范和標(biāo)準(zhǔn)。它采用客戶/服務(wù)器體系，基于Microsoft的OLE/ COM技術(shù)，為硬件廠商和應(yīng)用軟件開發(fā)者提供了一套標(biāo)準(zhǔn)的接口。某大型整車企業(yè)采用西門子公司的工藝仿真軟件Process Simulate與羅克韋爾公司的通訊管理軟件RSLinx，通過OPC-UA協(xié)議創(chuàng)建通訊連接，再通過IT網(wǎng)絡(luò)安全架構(gòu)及云服務(wù)器實(shí)現(xiàn)雙向數(shù)據(jù)的實(shí)時上傳、下載、存儲和訪問，從而在技術(shù)上實(shí)現(xiàn)了數(shù)字孿生建模。數(shù)字孿生的實(shí)際應(yīng)用場景包括從工藝設(shè)計(jì)開發(fā)端向生產(chǎn)設(shè)備可編程控制器（PLC）端進(jìn)行實(shí)時信號傳輸，驅(qū)動現(xiàn)場設(shè)備運(yùn)行的虛擬調(diào)試（Virtual Commissioning），以及由現(xiàn)場設(shè)備運(yùn)行信號數(shù)據(jù)反向驅(qū)動仿真模型實(shí)時再現(xiàn)設(shè)備動作及邏輯關(guān)系的數(shù)字體驗(yàn)。數(shù)字孿生模型的虛擬調(diào)試應(yīng)用可在新產(chǎn)品引入過程中節(jié)省生產(chǎn)現(xiàn)場設(shè)備的機(jī)器人、PLC、工裝設(shè)備等的系統(tǒng)集成調(diào)試時間，大大降低設(shè)備停產(chǎn)改造而引起的產(chǎn)能損失。而數(shù)字體驗(yàn)可以配合VR/AR技術(shù)，實(shí)現(xiàn)設(shè)備現(xiàn)場真實(shí)運(yùn)行情況的三維可視化、多視角展示，從而實(shí)現(xiàn)設(shè)備遠(yuǎn)程監(jiān)控、故障診斷、操作人員在線場景培訓(xùn)、規(guī)劃設(shè)計(jì)方案協(xié)同管理決策等。圖5所示為某大型整車企業(yè)實(shí)現(xiàn)數(shù)字孿生建模的試點(diǎn)案例場景。

4 總結(jié)與展望

綜上所述，對照《智能制造能力成熟度模型》五級標(biāo)準(zhǔn)，本文所重點(diǎn)介紹的數(shù)字制造、智能工廠及數(shù)字孿生建模技術(shù)方法應(yīng)用，可以實(shí)現(xiàn)企業(yè)跨業(yè)務(wù)數(shù)據(jù)集成、精準(zhǔn)預(yù)測和決策優(yōu)化，達(dá)到智能制造成熟度四級（優(yōu)化級）水平。企業(yè)以物理工廠的數(shù)據(jù)信息映射建模方法為基礎(chǔ)，繼續(xù)利用人工智能算法模型、大數(shù)據(jù)分析訓(xùn)練、云計(jì)算等新一代信息技術(shù)，從而使數(shù)據(jù)信息模型具有持續(xù)自主學(xué)習(xí)、自適應(yīng)決策的能力[7]，實(shí)現(xiàn)生產(chǎn)制造過程的自感知、自優(yōu)化和自執(zhí)行，從而達(dá)到五級（引領(lǐng)級）水平，即為智能制造系統(tǒng)中的智能決策層重點(diǎn)攻關(guān)內(nèi)容。在這一層級學(xué)術(shù)、工業(yè)和軟件開發(fā)領(lǐng)域?qū)＜胰杂袕V闊的合作空間和富有想象力的需求場景值得研究和探索。

[1] 劉強(qiáng).智能制造理論體系架構(gòu)研究[J].中國機(jī)械工程,2020,31(01): 24-36.

[2] 工業(yè)化和信息化部.《“十四五”智能制造發(fā)展規(guī)劃》征求意見稿[EB/OL].(2021.04.11)[2021.4.21].https://www.miit.gov.cn/.

[3] 中國國家標(biāo)準(zhǔn)化管理委員會.智能制造能力成熟度模型:GB/T 39116—2020[S].北京:中國標(biāo)準(zhǔn)出版社,2020.

[4] 邁克爾.格里弗斯(Michael Grieves).智能制造虛擬完美模型[M].方志剛，張震宇,譯.北京:機(jī)械工業(yè)出版社,2017.

[5] 劉進(jìn),趙玉蘭,張新生,等.基于數(shù)字孿生的智能工廠建設(shè)[J].現(xiàn)代制造工程,2019,468(09):74-81.

[6] 陶飛,劉蔚然,劉檢華,等.數(shù)字孿生及其應(yīng)用探索[J].計(jì)算機(jī)集成制造系統(tǒng),2018,24(01):1-18.

[7] 李杰.CPS新一代工業(yè)智能[M].上海:上海交通大學(xué)出版社,2018.

Research on Vehicle Manufacturing Plant Modeling Technology and Application for Intelligent Manufacturing

YANG Hong, HU Yihui

( SAIC General Motors Co., Ltd., Shanghai 201206 )

Starting from understanding the definition and capability maturity standard of intelligent manufacturing, focusing on vehicle manufacturing business activities, this paper constructs the hierarchical architecture of vehicle intelligent manufacturing system, namely: manufacturing technology layer, information mapping layer and intelligent decision-making layer.The key technologies and application scenarios of data modeling in physical plant information mapping layer characterized by digital manufacturing, smart factory and digital twin are introduced in detail, to help enterprises choose the technical route of intelligent manufacturing that is most suitable for their own needs and development characteristics.

Intelligent manufacturing; Digital manufacturing; Smart factory; Digital twin

U468

A

1671-7988(2021)23-132-04

U468

A

1671-7988(2021)23-132-04

10.16638/j.cnki.1671-7988.2021.023.037

楊虹，就職于上汽通用汽車有限公司。