工业4.0制造系统中车间设计的统一数字双框架

摘要

        数字孪生和网络物理系统（CPS）因其对实现智能制造的重大影响而越来越受欢迎，在智能制造中，来自不同系统的数据和信息用于提高自我意识、自我预测和自我配置功能。在数字孪生兄弟与CPS的整个集成过程中，创建了代表物理系统行为并为高级决策提供预测性见解的智能虚拟对等体。本文提供了一个系统框架，将车间设计的不同视角（从单元级、系统实现、网络物理集成和业务应用程序）的数字双胞胎集成到端到端设计解决方案中。我们提出了一种时间机器方法，将历史数据用于数字孪生兄弟的设计和实现过程，并提供了一种简化方法来评估不同设计对给定任务和应用程序集的适用性。

1. 引言

        数字孪生系统和网络物理系统（CPS）是智能制造领域的两大新兴趋势，对产品设计、知识驱动制造、按需服务和商业应用具有重大影响[1,2]。Digital Twin是“虚拟世界中的虚拟动态模型，与现实世界中相应的物理实体完全一致，并能及时模拟其物理对应物的特征、行为、生活和性能”[3]。另一方面，CPS是一种系统方法，为在集成通信、计算和控制环境中设计交互式系统提供了基础。Lee等人[2]最近研究了CPS和digital twin的集成，以便在产品生命周期的不同阶段实现实时自动化和按需服务访问。

        已经定义了数字双胞胎的各种用例[2-4]，可归纳为四大类。1） 强调产品生命周期管理（PLM）的产品设计，以对现场产品进行建模、监控、测试、控制和服务；2）使用系统，通过一致的数据收集、监控和数据到信息转换，为制造商提供关于业务可见和不可见方面的见解。这些洞察将帮助制造商提高生产率、速度、质量等。3）系统集成，考虑来自多个资源的信息，减少物理系统和网络计算资源之间的差距。通过这种集成，在不同的制造阶段向用户和产品系统提供新的服务。4） 业务视角，监控生产的可持续性、市场份额、总体收入、客户满意度等，以确保产品生命周期的各个方面彼此协调一致，并在需要时进行调整。

        [5]中的作者提出了一种基于数字孪生模型的产品设计方法，其中集成了来自设计、使用和客户反馈的信息，以不断设计和更新产品。[6]中的作者采用了一种数字孪生模型，用于制造车间的在线并行控制。[7]研究了5G在基于数字孪生的网络物理系统中的应用，[8]中的作者研究了数字孪生在预测性维护中的应用，并提供了一个简单的案例研究来证明其方法的可行性。[9]中给出了基于数字孪晶的弯曲梁试验台的案例研究，作为概念证明。尽管这些参考文献研究了设计和网络物理系统集成的数字孪生兄弟的不同方面，但没有系统框架将车间设计和实施的所有方面集成到网络物理集成网络和业务应用中。特别是来自系统运行和生产不同方面之间互联的历史数据在设计车间的新设置和元素或更新现有设置和元素时，经常忽略这些元素。

        为了简化这个问题，本文重点介绍了数字孪生应用程序，用于设计和增强车间系统的各种元素（设计和设置）（图1）。例如，设计一个机器人系统以在车间执行某些任务（图1）可以考虑基于所提出的数字孪生方法。其中，通过时间机器实施设计的历史数据和关键性能指标从单元设计、系统使用、网络物理集成和业务应用的不同角度进行考虑，以确保设计和实施在车间系统中的短期和长期适用性。

2. 数字孪生系统设计与实现

        我们提出了一个四级数字孪生框架（图2），可用于根据历史数据和关键性能指标更换或升级车间系统中的不同元件。我们提出了一种自底向上的分层决策方法，总结如下：

2.1 单元等级

在单位层面，车间的需求是处理潜在变化或评估改进。基于期望的目标结果，可以提出各种车间虚拟设计（包括部件修改或升级）。这些虚拟设计的性能可以根据OEM组件及其标称特性进行总结。满足基本要求的设计用于第二级，以进行更多评估。

2.2 系统等级

        在该级别中，随着时间的推移评估前一层机组的性能，通过对历史数据进行模拟并消除无法满足基本性能要求的设计。系统级的分析引擎考虑单元级设计的可行性，以便能够与车间的其他元素协调工作，并将为设计的系统分配性能分数，然后在下一级作为网络物理集成网络的一部分进行进一步评估。

2.3 网络物理综合水平CPS

        该级别通过虚拟产品生命周期管理环境研究单元和系统级别的变化对生产、营销、销售、客户体验和售后活动的所有方面的影响。网络物理系统的集成进一步评估了数字孪生实施的可行性，以及这些变化将如何使制造业总体受益，以及可以向工厂内外的客户提供哪些新服务。在该级别中，在模拟器中使用前一级别的系统级设计，以根据历史数据获得KPI，并在产品生命周期管理系统中对设计的车间进行全局集成。因此，对不同的绩效指标进行了评估，以确保整个企业的产品生命周期运行效率和按需服务访问。

2.4 经营层策略

        基础制造系统中的任何决策都可能对制造业的业务方面产生积极或消极影响，并可能对公司未来的市场份额或股票价格产生重大影响。因此，从业务角度分析车间任何变化的潜在影响并总结结果以更好地做出决策非常重要。

 

        图3示出了上述设计过程的高级表示。将根据相应的系统、网络物理集成和业务级模拟器，为每个设计分配一组KPI分数。所选设计在实际车间实施，操作性能用于增强设计和改进所需KPI。为了最小化优化成本，可以在设计过程中应用一组约束。例如，当设计用于在车间执行一组任务的三轴机器人时，设计师可能会确定并最终确定所有尺寸和工作轨迹，但关节中使用的电机的类型和规格可能会被视为优化过程中的一个变量。

3. 时间机器实现

        根据我们对网络物理系统中时间机器的初始定义[10]，时间机器由三个组件组成。首先，快照集合，其中捕获当前资产状况（包括运行状况和设置）的抽象表示。第二相似性识别，其中资产快照中的变化趋势与其他类似资产匹配，以帮助识别给定资产的潜在未来轨迹。第三，是合成优化的未来步骤，其中给定多个轨迹，可以模拟和优化操作设置，以最大限度地提高资产的性能。

        在本文的上下文中，时间机器通过不断获取和存储资产性能、利用率和维护事件的快照，代表了车间和产品生命周期各个阶段的行为。为了最大限度地降低存储成本，只有在发生维护操作、观察到运行状态或资产设置发生变化或资产健康状况发生重大变化后，才会收集快照。这些快照可用于建模车间元素的行为，并进行模拟，以评估四个级别中每个级别的不同设计的性能，如第2节所述。

        所提出的时间机器方法通过快照收集和对等点比较和优化来帮助数字孪生开发过程。我们的时间机器方法的主要优点和新颖之处总结如下：

1. 仅当运行条件、利用过程或系统健康状况发生重大变化时，才收集数据。快照收集大大减少了对高带宽网络和大存储容量的需求，并增强了网络响应时间和监控过程。
2. 在对等过程中，将一个系统的快照与其他系统进行比较，以找到最相似的模式，并将其用于系统行为建模。例如，可以识别部件的故障轨迹，并将其用于建模退化模式，最终预测故障事件。该信息同时用于车间行为建模以及库存和生产管理。
3. 与数字孪生兄弟的经典开发不同，在时间机器方法中，历史信息用于建模系统的行为。其中高级机器学习和转移学习工具根据历史数据进行训练，并用于预测系统的行为。例如，一个经过训练的深度学习模型可以预测机器人手臂中使用的电机的剩余使用寿命，而这一知识可以帮助设计师（通过基于数字孪生模型的模拟）为系统选择更好的组件，并检查此类设计对整个车间性能的影响。
4. 在提议的框架中，来自车间、网络物理系统和业务应用程序的不同时间机器都集成到一个端到端设计解决方案中，并协同工作以获得最佳结果。拟议的框架如图4所示，其中从时间机器模拟中获得的KPI首先用于过滤那些随着时间推移无法满足基本要求的设计（基于历史数据）。

        在时间机器实现的每个阶段，如果提出的设计满足系统需求，则提取将KPI归一化并随时间平均，以获得绩效得分，如图4中的得分1、得分2和得分3所示。最后，根据以下等式为每个设计分配总体绩效得分：

式中，w1、w2和w3是专家根据每个设计级别中获得的分数的重要性考虑的权重因子。通常，设计过程中的上层（即业务层）被认为具有更高的影响。

4. 基于时间机器的信息系统

        信息技术服务系统通常用于满足客户需求，并及时高效地提供故障排除[11]。根据所需的优先级和技术水平，可以通过多层管理系统[12]来满足这些需求，这些系统通常忽略历史数据的价值。然而，制造系统中提供的服务可以很好地总结在众所周知的5C-CPS框架[10]的功能中，其中在第一层（即连接层）中促进了作为服务的连接需求。在第二层，转换为服务将提供按需数据到知识转换的可能性。这一层的服务提供商可以满足对网络级服务的需求，如基于数字孪生模型的模拟、对等比较等。此外，可视化和认知科学的需求可以通过认知层提供的服务来实现，最后，自配置和自调整需求可以通过配置层中提供的服务解决。在5C架构的每一层中，时间机器用于跟踪服务历史，并通过运行实时仿真和管理用户-系统交互来提供更高质量的服务。时间机器功能逐渐与拟议的数字孪生框架集成并同步，以缩小客户期望与产品功能之间的差距。

5. 结论

        本文提供了一个系统框架，将车间设计的不同视角（从单元级、系统实现、网络物理集成和业务应用程序）的数字双胞胎集成到端到端设计解决方案中。为每一级提出了一个时间机器，根据不同设计随时间的性能虚拟评估它们，最后，选择一个设计在物理车间实施。这种方法保证车间的新设计或系统将满足短期和长期业务需求，并将产生预期和可预测的结果。设计的双胞胎的状态不断更新，并用于表示车间中物理对应物的行为。