王樸，張澤志，彭浩，杜文博，王欣

（北京奔馳汽車有限公司，北京 100176）

數字孿生是指基于傳感器數據更新及歷史信息等，建立物理實體在虛擬空間中映射（孿生模型），通過虛擬模型對實體進行模擬、指導、控制、優(yōu)化、預測等全壽命周期管理應用。數字孿生技術的發(fā)展大致經歷3個階段：（1）概念形成期：從美國航空航天局（NASA）的Apollo13到數字孿生概念正式提出，數字孿生理論框架基本形成；（2）應用探索期：軍事航空航天領域最早提出及應用數字孿生，隨后向工業(yè)制造領域拓展；（3）智能發(fā)展期：數字孿生與AI及大數據、物聯網等NewIT技術融合，應用場景向民用領域拓展，推動各領域數字化、智能化轉型。

BOSCH擰緊系統應用于奔馳汽車裝焊工藝全機器人4門2蓋高度自動化生產線，與VMT在線檢測系統、機器人系統、PLC、PLUS、IPM組成高度智能化擰緊工藝，是智能制造領域里程碑式的技術模式。與APEX擰緊流程相比，VMT和機器人是實現高度自動化和柔性化的關鍵，BOSCH擰緊工藝通訊控制過程，其具體實現路徑為白車身到位后，1號機器人帶著擰緊軸去IFSYS自動送釘站取釘，2號機器人抓著工件到達測量位置，VMT檢測工件與車身之間的間隙、平順度、距離、輪廓等尺寸數據，計算與理論數據之間的偏差，VMT輸出偏移值給機器人，機器人1到達在“原定軌跡數據+偏移值”得出的精確擰緊位置，浮動機構自適應到達最終擰緊位置，BOSCH擰緊系統進行擰緊，擰緊完畢后，BOSCH將擰緊數據上傳至IPM存儲7年，VMT再次測量車身數據然后將數據上傳至PLUS。

BOSCH智能制造生產線實現高度智能化運行，并且工藝數據可追溯，然而，BOSCH智能制造生產線在高產量、高線速、高度精確、高設備量的擰緊位置的壓力下，當擰緊結果出來時，生產現場工作人員如何判定是哪個擰緊設備在車身的哪個位置，擰緊質量是否合格，成為實時性和緊急性最高的任務，否則，如果擰緊質量不合格，判定故障點花費的時間將嚴重影響產量，造成產量風險，另外，即使擰緊質量數據上傳，故障點不解決，連續(xù)的質量不合格會造成批量車身質量問題，造成質量風險。

所以BOSCH智能制造生產線迫切需要數字孿生技術實現實時監(jiān)控顯示擰緊位置、擰緊設備、擰緊質量信息等功能，從而掌控生產情況，做到快速高效定位故障點，消除質量風險隱患，是提高汽車制造可靠性和設備健康管理的先進手段。

BOSCH擰緊數字孿生體通過接收擰緊工藝過程全生命周期各個階段的數據，動態(tài)調整自身模型，實時保持與實際擰緊結果一致，監(jiān)控擰緊設備的運行情況。此外，數字孿生體可作為擰緊設備生命期內數據的管理庫，應用到同類型產品的下一個研發(fā)周期中，可大大提高研發(fā)速度、降低研發(fā)成本。

1 BOSCH擰緊數字孿生解決方案

1.1 解決方案所處的業(yè)務環(huán)節(jié)

在206項目階段，通過之前多個項目經驗，預測出如果72把擰緊軸高線速工作，數以百計的擰緊工藝位置，如果發(fā)生擰緊NOK，怎么快速查出具體是哪一把擰緊軸在哪一個擰緊位置發(fā)生的問題，這是一個很大的挑戰(zhàn)，進一步來講，如果知道是哪一把擰緊軸發(fā)生問題，如何進行在線控制與測試來節(jié)約故障判斷時間，也是一個挑戰(zhàn)。為此，特基于數字孿生技術做了BOSCH擰緊數字孿生解決方案。我們該怎樣判斷一顆螺絲有沒有擰好？在傳統的流水線上，這項工作當然需要人去做檢查，但在數字工廠，就需要更自動化的策略。IoT數據采集，當然能測出擰這顆螺絲用了多大力、擰了多少度數，但這還不夠，數據指標不能解決一切問題，因為每顆螺絲、每塊鋼板都存在微小的差異。工廠是個復雜的系統，綜合考慮這些復雜的因素，就需要建立算法模型，對“擰好螺絲”這件小事作出判斷。

1.2 解決方案落地應用場景

數字孿生技術在擰緊工藝運行維護中的應用落地場景如圖1~3所示，以應用為導向，主要解決擰緊工藝運行維護中的擰緊質量結果診斷、擰緊故障點診斷、整機性能預測、控制優(yōu)化等問題。在汽車裝配全生命周期不同的階段，數字孿生模型解決問題的側重點不同，因此模型包含的內容也有所差異。依據數字孿生模型的定義，擰緊工藝運維數字孿生模型包含了物理空間中的實際運行環(huán)境和擰緊工藝實體、數字空間中的數字環(huán)境和數字實體、物理空間和數字空間的數據/信息雙向交換。

圖1 數字孿生實時質量監(jiān)控

圖2 數字孿生在線控制

1.3 解決方案數據流向

物理空間向數字空間傳遞的數據為實時數據，其中，實時數據是指傳感器數據，包含了機器人信息、擰緊軸信息等，這些數據支撐了數字空間中數字環(huán)境和數字實體的構建和更新。數字空間向物理空間傳遞的信息是包含行為指導意義的數據，是數字孿生體的行為特征，可對擰緊工藝行為精準監(jiān)測、故障診斷、性能預測和控制優(yōu)化。

在擰緊工藝運維數字孿生模型中，運維數字孿生體是物理空間和數字空間的雙向精準映射的基礎。基于擰緊工藝原理構建的多領域物理基準模型，并融合不同的數據建立精細化模型形成運維數字孿生體，可針對擰緊工藝運維中的不同場景提供預測和指導。

圖3 數字孿生中的數據流向

本解決方案設備層主要基于BOSCH與PLC的信息交互，信息層即將數據信息在integra平臺實現信息邏輯處理與人機交互。數據結果還可以繼續(xù)經過MSB平臺在KIBANA進行歷史信息的大數據顯示與分析，從而做到發(fā)揮各平臺對數據的高效利用。

1.4 解決方案實施步驟

本項目的技術準備工作有4個：（1）擰緊軸PLCI/O點，包含了擰緊軸組打釘Ok和Nok、擰緊軸單軸打釘Ok和Nok、人工確認質量ok、啟動擰緊程序、啟動松釘程序等；（2）BOSCH擰緊參數配置和程序配置，完成BOSCH與PLC的信號通訊，從而在擰緊后判斷質量結果，在線控制時調用擰緊程序；（3）4門2蓋車身二維圖片，既要美觀又要擰緊點清晰可見；（4）從ScrewOverview等工藝文件中找到該工位要擰緊的釘號和圖片元素。

圖4 數字孿生實施過程

本項目具體實施采用IntegraDesignerPro,首先建立車身二維圖畫面，標注車身件信息、擰緊位置信息和螺栓信息，然后設置擰緊質量監(jiān)控點，監(jiān)控點質量合格為綠色，不合格為紅色，要做好關聯，將擰緊質量監(jiān)控畫面關聯到工位主界面中。我們需要將編輯好的畫面編譯上傳到在線畫面中，點擊編譯，彈出提示框正在編譯中，注意在編譯過程中千萬不能關閉軟件，幾分鐘后編譯完成，彈出提示框編譯成功后點擊OK?，F在我們來打開畫面顯示的軟件integraSIS，打開軟件后，點擊左上角的隱藏菜單欄，選擇HMIbuild，會彈出一個提示框，詢問是否再次將AWL文件導入，這里我們點擊NO(因為我們這次編輯畫面和這個不相關)，我們點進這個框里只是為了看畫面是否還有報錯，在這一欄中我們看到所編輯的MA411212良好。

2 BOSCH擰緊數字孿生解決方案意義

2.1 定位故障點階段耗時耗力

汽車行業(yè)目前亟需在汽車制造全過程建立數字化生態(tài)，打通數據壁壘。由于汽車行業(yè)特殊性，為了滿足汽車工藝質量要求，一輛汽車擰緊點少則百余個。主機廠和設備供應商之間沒有達成有效的數據共享，整個行業(yè)也存在數據傳輸標準不統一的問題，導致無法精確定位故障點。

2.2 設備數量眾多，定位故障設備耗時耗力

隨著PLC技術、擰緊技術、機器人技術、在線監(jiān)測技術的應用和發(fā)展，越來越多的汽車生產廠引進并使用智能制造技術，多種技術的綜合運用在時間效益、經濟效益、擰緊質量、智能水平等方面表現出優(yōu)勢，已經成為一種先進制造領域的常規(guī)設計，制造工藝的自動化率、工藝質量穩(wěn)定性、工藝數據可追溯性、人機交互程度、數據可追溯性等可作為評價智能制造水平的指標。高度自動化、柔性化生產線帶來的設備數量眾多，快速定位故障設備成為制約高效生產的發(fā)展瓶頸。本解決方案可快速定位問題點，每次節(jié)約人工處理時間約至少3min，并有效防止質量事故。

2.3 缺乏數字孿生知識與人才

近幾年，擰緊技術在汽車制造領域迅速發(fā)展，設備應用越來越廣泛，但缺少數字孿生技術的成熟應用案例，行業(yè)急缺數字孿生技術方面的人才，也缺少相應的檢驗標準規(guī)范。如何準確構建擰緊質量診斷數字孿生模型是車身健康監(jiān)測行業(yè)的一大痛點。本案例參與了“國家工業(yè)信息安全發(fā)展中心”的《工業(yè)設備數字孿生白皮書》編制，為數字孿生知識傳播作出了一定的貢獻。

3 數字孿生發(fā)展展望

結合當前擰緊工藝數字孿生技術的應用需求和發(fā)展現狀，后續(xù)可以“資產”孿生和“召回”孿生為目標，逐步開展研究和演進，實現擰緊工藝數字孿生的構建。

（1）資產孿生：通過監(jiān)控生產過程中，物聯網傳感器傳出的實時數據，數字孿生體還可以模擬關鍵設備何時需要維護，甚至可以用來確定整個生產線、工廠或工廠網絡的健康狀況。Gartner公司是一家美國評估機構，其在2018年的一份報告中指出，美國所有制造企業(yè)經由數字孿生體技術，每年在資產維護方面節(jié)省的開支達到了1萬億美元。

（2）召回孿生：建立數字線程和全生命周期管理的數字孿生體，并通過跟蹤產品中的關鍵部件及其序列號，不必在產品出現問題時召回成千上萬的產品。我們可以將工作范圍縮小到那些直接受到影響的產品身上。例如，一批在海外運輸途中發(fā)生腐蝕的車身零部件，通過數字孿生體就可以精確定位到其裝配具體批次車身。

（3）通過數字孿生技術的應用，實現產品的健康管理、遠程診斷、智能維護和共享服務。通過結合傳感器數據和仿真技術，幫助現場人員分析特定的工作條件并預測故障，從而節(jié)約運維成本。