楊虹，胡逸輝

面向智能制造的整車工廠建模技術及應用研究

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準出發(fā)，聚焦整車制造業(yè)務活動，構建了整車工廠智能制造系統(tǒng)層級架構，即：制造技術層、信息映射層及智能決策層。詳細介紹了以數(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)建模關鍵技術及其應用場景，從而幫助企業(yè)選擇最適合自身需求和發(fā)展特點智能制造落地技術路線。

智能制造；數(shù)字制造；智能工廠；數(shù)字孿生

引言

近年來，面對技術創(chuàng)新、市場競爭與經(jīng)濟增長的驅動與挑戰(zhàn)，世界主要發(fā)達國家紛紛提出了重塑制造業(yè)，發(fā)展先進制造業(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《先進制造業(yè)美國領導力戰(zhàn)略》。中國也早在2015年就發(fā)布了制造強國戰(zhàn)略《中國制造2025》[1]。由此可見，工業(yè)特別是制造業(yè)的轉型升級已成為國家經(jīng)濟發(fā)展的重中之重，各制造企業(yè)以實現(xiàn)數(shù)字化、網(wǎng)絡化、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準出發(fā)，聚焦整車制造業(yè)務活動，論述物理工廠的數(shù)字信息映射建模方法、關鍵支持技術及其應用場景，從而幫助企業(yè)選擇最適合自身需求和發(fā)展特點智能制造落地技術路線。

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、管理等多個領域，故在國際上尚未有統(tǒng)一的權威定義，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與先進制造技術深度融合，貫穿于設計、生產(chǎn)、管理、服務等制造活動各個環(huán)節(jié)，具有自感知、自決策、自執(zhí)行、自適應、自學習等特征，旨在提高制造業(yè)質量、效益和核心競爭力的先進生產(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、設備、生產(chǎn)、質量、運維等業(yè)務活動出發(fā)，可將智能制造發(fā)展技術路線分為制造技術、信息映射和智能決策三個層級（如圖1所示）。制造技術層主要研究和優(yōu)化的對象是在現(xiàn)實物理工廠中進行生產(chǎn)制造的各種資源，包括人（生產(chǎn)者）、機（設施/設備）、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、自適應和自學習的能力。

2 智能制造能力評估標準

上文闡述了智能制造特征及其技術路線中的三個層次，為了促進發(fā)展，如何評價和對標不同企業(yè)的智能制造水平也需要進行明確定義，本文引用2020年10月已正式發(fā)布的國標《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)展的是對應成熟度三級以上的能力，即通過裝備、系統(tǒng)的集成，實現(xiàn)跨業(yè)務數(shù)據(jù)共享（三級），通過數(shù)據(jù)挖掘形成知識模型，實現(xiàn)核心業(yè)務的精準預測和優(yōu)化（四級）及利用模型持續(xù)進行自主學習、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 整車工廠建模關鍵技術及應用案例

如前文所述，制造技術層主要研究和優(yōu)化的對象是在現(xiàn)實物理工廠中進行生產(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、新工藝與新技術的挑戰(zhàn)。所以能夠高效地實現(xiàn)柔性定制化生產(chǎn)與質量在線監(jiān)控的通用/專用/新型先進制造裝備、網(wǎng)絡通信基礎設施及質量在線監(jiān)控設備是制造技術層發(fā)展的三大關鍵技術。這一領域的優(yōu)化提升主要依賴于裝備制造業(yè)的技術發(fā)展，但整車工廠可以根據(jù)自身產(chǎn)品的實際制造需求，開展跨行業(yè)技術合作，來驅動單點技術突破及系統(tǒng)集成創(chuàng)新。

各企業(yè)的制造工廠作為承載先進制造技術的實體對象，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物資產(chǎn)相對應的虛擬數(shù)據(jù)資產(chǎn)。針對生產(chǎn)制造價值鏈上下游業(yè)務活動流程、優(yōu)化目標及技術實現(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）三大領域。

3.1 數(shù)字制造

面向數(shù)字制造領域的建模目標聚焦在新產(chǎn)品引入過程中解決產(chǎn)品創(chuàng)新設計與資源投入、質量效率之間的協(xié)同優(yōu)化問題。通過對物理工廠的產(chǎn)品屬性、生產(chǎn)設備、生產(chǎn)環(huán)境（廠房、設施等）及制造過程進行三維仿真建模，打通各設計環(huán)節(jié)的數(shù)據(jù)共享環(huán)境，實現(xiàn)跨業(yè)務數(shù)據(jù)集成、協(xié)同設計，通過早期虛擬評估，提前發(fā)現(xiàn)問題并優(yōu)化改進，從而得到全局最優(yōu)的設計方案，并且通過并行協(xié)同設計縮短項目開發(fā)周期、減少新增資源投入、實物驗證的費用及項目后期更改成本。

數(shù)字制造建模技術主要依賴于三維實體計算機輔助工程設計（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)/平臺功能來實現(xiàn)。雖然企業(yè)可以直接從外部購買各種商用設計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)務數(shù)據(jù)集成、協(xié)同設計的作用，仍然需要在內(nèi)部建立一系列的標準流程從而解決數(shù)據(jù)建模標準化（數(shù)據(jù)交付質量）、仿真精度與可靠性（多學科知識顯性化）、組織協(xié)同管理與決策機制（數(shù)據(jù)變更管理/問題解決推進）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)務協(xié)同設計的流程與應用場景示例。

圖3 基于數(shù)字制造的跨業(yè)務協(xié)同設計

3.2 智能工廠

數(shù)字制造主要面向的是產(chǎn)品/工藝設計過程的最優(yōu)設計，而智能工廠主要聚焦于工廠運營過程中的效率、質量與穩(wěn)定性指標不斷改善。智能工廠的數(shù)據(jù)信息主要來自于：（1）自動化生產(chǎn)設備的自身控制運行數(shù)據(jù)（如：機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、質量管理、能源管理、設備管理等）；（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、財務成本等）。

智能工廠建模技術的關鍵是實現(xiàn)多種生產(chǎn)設備的數(shù)據(jù)采集及跨業(yè)務/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)絡化制造。針對生產(chǎn)系統(tǒng)中需要優(yōu)化的業(yè)務指標通過業(yè)務流程建模、實體關系建模，將設備中采集到的數(shù)據(jù)以及MES/ERP系統(tǒng)中的數(shù)據(jù)進行關聯(lián)分析，量化輸入與輸出數(shù)據(jù)間的計算模型，找到關鍵特性指標的影響因素，從而能夠通過該模型對輸出進行預測、預警并對輸入進行前饋控制。

圖4 生產(chǎn)人員需求預測模型

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)量需求波動而實時響應的生產(chǎn)人員數(shù)量及效率預測模型。該模型通過對生產(chǎn)計劃信息數(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)設備開動數(shù)據(jù)（ATT）、人員操作效率指標數(shù)據(jù)（MPH）建立數(shù)據(jù)分解流程圖及輸入、輸出信息計算關系，即可預測出在不同車型產(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(OCR)。通過該模型分析可以及時響應市場訂單需求的變化，得出最優(yōu)的生產(chǎn)計劃排產(chǎn)模式及所需配備的生產(chǎn)人員精確數(shù)量，從而達成最佳生產(chǎn)效率指標。

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)字孿生建模技術能夠進一步實現(xiàn)這兩大類模型的互聯(lián)互通、數(shù)據(jù)集成與實時動態(tài)響應。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（生產(chǎn)效率、質量、可重復性、成本和風險等）不斷優(yōu)化的需求，并且能進一步滿足更大范圍的市場靈活性與適應性，實現(xiàn)大規(guī)模定制生產(chǎn)、敏捷設計、即時交付等高層次、全價值鏈、端到端的客戶需求。

圖5 數(shù)字孿生建模試點應用場景

數(shù)字孿生建模技術的關鍵是解決數(shù)字化設計仿真軟件平臺與現(xiàn)場設備工業(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)議提供了應用軟件與各種設備驅動程序之間通信的一項工業(yè)技術規(guī)范和標準。它采用客戶/服務器體系，基于Microsoft的OLE/ COM技術，為硬件廠商和應用軟件開發(fā)者提供了一套標準的接口。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)絡安全架構及云服務器實現(xiàn)雙向數(shù)據(jù)的實時上傳、下載、存儲和訪問，從而在技術上實現(xiàn)了數(shù)字孿生建模。數(shù)字孿生的實際應用場景包括從工藝設計開發(fā)端向生產(chǎn)設備可編程控制器（PLC）端進行實時信號傳輸，驅動現(xiàn)場設備運行的虛擬調(diào)試（Virtual Commissioning），以及由現(xiàn)場設備運行信號數(shù)據(jù)反向驅動仿真模型實時再現(xiàn)設備動作及邏輯關系的數(shù)字體驗。數(shù)字孿生模型的虛擬調(diào)試應用可在新產(chǎn)品引入過程中節(jié)省生產(chǎn)現(xiàn)場設備的機器人、PLC、工裝設備等的系統(tǒng)集成調(diào)試時間，大大降低設備停產(chǎn)改造而引起的產(chǎn)能損失。而數(shù)字體驗可以配合VR/AR技術，實現(xiàn)設備現(xiàn)場真實運行情況的三維可視化、多視角展示，從而實現(xiàn)設備遠程監(jiān)控、故障診斷、操作人員在線場景培訓、規(guī)劃設計方案協(xié)同管理決策等。圖5所示為某大型整車企業(yè)實現(xiàn)數(shù)字孿生建模的試點案例場景。

4 總結與展望

綜上所述，對照《智能制造能力成熟度模型》五級標準，本文所重點介紹的數(shù)字制造、智能工廠及數(shù)字孿生建模技術方法應用，可以實現(xiàn)企業(yè)跨業(yè)務數(shù)據(jù)集成、精準預測和決策優(yōu)化，達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，繼續(xù)利用人工智能算法模型、大數(shù)據(jù)分析訓練、云計算等新一代信息技術，從而使數(shù)據(jù)信息模型具有持續(xù)自主學習、自適應決策的能力[7]，實現(xiàn)生產(chǎn)制造過程的自感知、自優(yōu)化和自執(zhí)行，從而達到五級（引領級）水平，即為智能制造系統(tǒng)中的智能決策層重點攻關內(nèi)容。在這一層級學術、工業(yè)和軟件開發(fā)領域專家仍有廣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.智能制造理論體系架構研究[J].中國機械工程,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] 中國國家標準化管理委員會.智能制造能力成熟度模型:GB/T 39116—2020[S].北京:中國標準出版社,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:機械工業(yè)出版社,2017.

[5] 劉進,趙玉蘭,張新生,等.基于數(shù)字孿生的智能工廠建設[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)字孿生及其應用探索[J].計算機集成制造系統(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。