虚拟工厂在智能工厂全生命周期中的应用综述

刘 进，关俊涛，张新生，史康云,梁冬青

(1.机械工业第六设计研究院有限公司 咨询研究院,河南 郑州 450007；2.机械工业第六设计研究院有限公司 绿色建筑信息模型化工程实验室，河南 郑州 450007；3.机械工业第六设计研究院有限公司 智能制造工程院，河南 郑州 450007)

目前，制造业的国际市场竞争日趋激烈，我国经济发展方式正由粗放型向集约型转变，制造业由制造大国向制造强国转变，转型升级已成为制造企业求生存、求发展的必然选择.而计算机技术的深化应用是制造企业转型升级的重要手段，基于自动化、数字化、信息化、网络化的智能工厂则是机械制造工厂的高级形式，是我国制造业发展的方向.

融合和使用新一代信息技术(如云计算、物联网、大数据、移动互联、人工智能等)，建设智能工厂/智能车间，开展智能生产，以满足社会化、个性化、服务化、智能化、绿色化等制造发展需求和趋势，真正实现智能制造，是当前各国共同追求的先进制造战略，如工业4.0、工业互联网(IIOT)、基于信息物理系统(CPS)的制造[1]、中国制造2025、互联网+先进制造业、面向服务的制造、云制造等.对于制造业，物理世界和虚拟世界之间的交互与共融是制造模式升级的有效手段[2].

1 智能工厂的特征

(1)有感知(收集功能)：工厂设施、设备、仪表、仪器、人员自带和外装各类有线或无线工业传感器，作为视觉、触觉、听觉装置来采集与生产监控相关的工业大数据，通过工业物联网，将实时数据和历史数据分类上传[3].

(2)会记忆(存储功能)：能够自动记录和存储工厂的静态数据以及生产过程产生的动态数据.

(3)能思考(判断功能)：能够利用特定算法和工厂的工业大数据解决工厂业务的实际问题.

(4)可互动(人机互动功能)：利用已知条件和大数据形成新的规则，由计算机主动提交给具有相应权限的管理人员，被确认后执行.

(5)善行动(执行功能)：能够利用形成的知识库自主指导实际的工厂生产业务.

(6)自优化(改善功能)：可通过人工智能、工业大数据、模型和高级智能算法自主优化工厂各类业务.

(7)互融合(兼容功能)：能够促进人与机器的融合、机器与机器的融合、企业与企业的融合、虚拟世界与物理世界的融合.

2 智能工厂建设的内容

智能制造以智能工厂为载体，发挥着制造业主战场的作用.智能工厂可以广义地理解为“物理工厂+虚拟工厂”(图1)[4].依靠自动化生产设备构建而成的物理工厂是智能制造的基础，也是现阶段绝大多数制造工厂转型升级的重点.

在生产自动化的基础上，通过应用物联网和大数据，以端到端数据流为基础，以互联互通为支撑，构建高度灵活的个性化和数字化智能制造模式，实现信息深度自感知、智慧优化自决策、精准控制自执行.这是虚拟工厂建设的重点，也是制造业在生产自动化程度已经达到较高水平后，将装备优势转化为产品和市场优势，实现升级转型和赶超世界先进水平的捷径.将物理工厂的业务和实体转化为数字化的虚拟工厂，并建立虚拟工厂与物理工厂之间实时、紧密的映射链接，充分利用虚拟工厂强大的仿真计算能力，评估物理工厂的现状并仿真模拟未来的运营状态.其仿真最优结果用来组织工厂的制造资源，开展相应的生产活动.在产品设计阶段，利用虚拟化仿真，在产品定型制造前就可完成产品的评估、验证和生产优化.

虚拟工厂模型需要在生产全过程进行维护，以确保模型与工厂及车间有效连接.一方面，利用模拟工具，重新配置的生产过程可以在虚拟工厂中进行测试和验证，以便在物理工厂中快速实施；另一方面，对物理工厂进行完善的方案可以在工厂虚拟模型上得到反馈和保存.

图1 智能工厂的架构

(1)实体工厂.它是整个智能工厂的基础层，主要包括工厂的工艺设备(为了自动采集数据并及时接收系统数据和指令，需要采用能够进行数据集成的工艺装备、物流装备等)、公用设施(与生产工艺相关的土建公用设备)和信息基础设施(工厂的综合布线系统、计算机网络系统、信息引导及发布系统、数据中心和信息机房等).

(2)工业物联网.它是整个智能工厂的控制层，用于完成数据的传输、集成等任务.它主要包括数据采集与监控系统、安灯管理系统、设备设施能源监测系统、机器视觉识别系统、在线质量检测系统、车间环境监控系统、设备联网系统及人机交互系统等.

(3)虚拟工厂.它是整个物理工厂(实体工厂和工业物联网以及信息化应用系统中所有物理设备的集合)的映射，主要为实体模型和仿真模型，能够迭代优化工艺方案并指导智能工厂的建设，最终形成企业的数字资产.

(4)车间级信息化应用系统.它是整个车间的执行层，用于接收订单并将其转化为生产指令.它主要包括制造运营管理系统(MOM)、高级排成系统(APS)、仓储管理系统(WMS)、智慧能源系统(EMS)等.

(5)企业级信息化应用系统.它是整个企业的决策层，用于完成订单接收、产品全生命周期管理和产品工艺研发等任务.它主要包括企业资源管理系统(ERP)、计算机辅助设计系统(CAPP/CAD/CAE/CAT/CAQ)，以及产品全生命周期管理系统(PLM)、服务生命周期管理系统(SLM)、应用生命周期管理(ALM)[5]等.

(6)基于云的网络协同系统.它属于大数据的应用技术，主要应用在企业经营管理、质量管理和制造管理方面.

(7)智能制造标准体系和智能制造安全体系.为保障智能制造系统运行，智能工厂建设需要设计智能制造标准体系和智能制造安全体系.

3 虚拟工厂的内涵

构建虚拟工厂是实现智能工厂目标的基础.所谓虚拟工厂，是把“现实制造”和“虚拟呈现”融合在一起，通过遍布全厂的传感器采集现实生产制造过程中海量的实时数据(这些数据的量非常大，可实时、快速地反映生产任何细节的状态),并基于这些生产数据，在计算机虚拟环境中，应用数字化模拟、大数据分析、3D虚拟仿真等方法，对整个生产过程进行仿真、评估和优化，使虚拟世界的生产仿真与现实世界的实际生产无缝融合，利用虚拟工厂的灵活可变优势来促进现实生产.构建虚拟工厂是一个多学科交叉与融合的过程. 在图2所示的虚拟工厂架构中，虚拟工厂被划分为基础包和技术包.其中，基础包有基于数字化制造和基于模型的系统工程、知识挖掘等技术；技术包有工厂建模(信息模型、仿真模型)、工艺设计、生产线设计、物流设计、边缘计算、机器智能和虚拟现实/增强现实以及系统集成技术.基础包和技术包可通过系统集成与企业其他异构系统集成，例如企业资源计划(ERP)、供应链管理(SCM)、高级计划与排程(APS)、产品生命周期管理(PLM)与制造执行系统(MES)等[6-7].

虚拟工厂有几个关键点：第一是物理工厂与虚拟工厂同步运行，物理工厂生产时的数据、生产环境参数等都会通过虚拟工厂反映出来，这要求采集的生产数据实时可用，并通过不中断的数据通道进行连续交互；第二是虚拟与现实结合，利用三维可视化技术将生产场景真实展现出来，生产数据实时驱动三维场景中的设备，使其状态与真实生产场景一致，让管理者充分了解整个生产场景中各设备的运行状况，达到及时监测、查看、分析的目的；第三是通过大数据与分析平台，对汇集于云端的海量数据进行转化、分析、挖掘，以便制定更明智的决策，快速提高生产效率，降低成本，改善产品质量.

4 智能工厂的规划

随着三维数字化技术的发展，传统上以经验为主的模拟设计模式逐渐转变为基于三维建模和仿真的虚拟设计模式，使未来的智能工厂能够通过三维数字建模、工艺虚拟仿真、三维可视化工艺现场应用，避免传统的“三维设计模型→二维纸质图纸→三维工艺模型”研制过程中信息传递链条的断裂，摒弃二维和三维之间的转换，提高产品换型制造的效率.

图2 虚拟工厂的架构

虚拟工厂仿真技术可基于离散事件建模、3D几何建模、可视化仿真与优化等技术，对工厂静态布局、动态物流过程等进行综合仿真和分析，实现数字化生产系统甚至全部工厂依据既定工艺的运行仿真.

智能工厂的规划主要是工厂布局仿真，包括新建厂房规划、生产线规划、仓储物流设施规划等.基于仿真模型的“预演”，可以及早发现设计中的问题，减少建造过程中对设计方案的更改.

5 智能工厂的设计

智能工厂设计和复杂产品设计的过程是类似的，分为若干阶段，每个阶段有不同侧重和颗粒度，需要不断论证和验证.其设计过程需要系统工程理论来指导.

无论是在设计阶段还是在运营阶段，模拟和预测制造制造系统的流程可以减少不确定因素的数量.信息通信技术(ICT)在计算能力、通信速度以及多模型可视化方面的发展进一步促进了模拟和预测工具的研发及应用.

模拟和预测生产流程需要的条件包括处于生命周期各阶段的产品、资源、系统和工厂.图3所示为虚拟工厂的资源模型库.多个利益相关者合作设计和管理产品-流程-生产的集成系统时，需要用新的方法和工具将有关系统融入社会、自然和生态系统[8].

图3 虚拟工厂的资源模型库

制造业模拟和预测的方法及工具对整个工厂架构可能产生巨大影响.在架构的低层次，合适的方法和工具可提升生产设备和流程的设计和管理水平，支持先进、可持续的制造业发展，设计并管理越来越复杂的生产系统也需要新的方法和工具；在架构的高层次，需要用模拟和预测方法支持工厂战略层面的决策[9].

6 智能工厂的建设

智能工厂的建设是一个系统工程.对于复杂的系统工程，目前成熟的方法论是基于模型的系统工程(Model-Based Systems Engineering,MBSE)， 智能工厂的建设亦可采用. 图4所示为美国国家标准与技术研究院(National Institute of Standards and Technology，NIST)采用MBSE方法中智能化工厂的建设迭代IDEF ( integrated definition )模型[10].

图4 基于模型的系统工程(MBSE)智能化工厂的建设迭代模型

智能工厂建设属于高投资、高风险、高回报项目，利益相关方的配合力度、正确的决策、清晰的需求分析和准确的产品市场定位是智能工厂持续强劲的源动力，资金、技术、人员、设施等相关资源是智能工厂有效实施的保障，基于国际通用的信息化标准规范(当前国际上具有影响力的信息模型与设备互联互通及互操作标准有MTConnect[11]、AutomationML[12]和OPC-UA(Unified Architecture统一架构)[13-14]技术协议等)是智能工厂设计的有力保障.

新建工厂的建筑设计、物流设计、工艺设计、信息化设计和自动化设备设计，以相对独立和自成一体模式为主.智能工厂今后的主流模式是在工厂信息模型PIM[15]、信息系统建模(Unified Modeling Language，UML)或工程系统建模(Systems Modeling Language，SysML)[16-17]、自动控制结构的基础上，以数字量驱动为核心，通过交互通信和传感识别手段实现制造系统中人-设备-信息的高度集成，并实现数字量与物理系统的高度融合.工业大数据和物联网是制造系统各要素之间建立联系的基础环境.

虚拟现实系统采用3D SCADA(Supervisory Control And Data Acquisition)集成开发系统，建立全厂的3D模型和设备3D虚拟生产模型(包括产线环控、订单集成、输送同步、仓储集成、传感集成和机器人集成等模块)，以三维形式展现设备的运行状态、故障信息和主要运行数据.在三维虚拟工厂里，通过推拉、旋转、放大、透视等操作，可多维度地获取生产信息，工程师和供应商可随时随地通过互联网络直接查看虚拟工厂.工程师可以看到系统中生产流程每个节点的情况，随时从系统中调取数据；供应商则能够对零部件进行上线测量和生产演示，以便精确地做出库存预测.虚拟工厂将向物理工厂所有生产员工开放.当开会讨论工作站的重新设计时，生产员工可在线表达看法和修改意见.

7 智能工厂的生产优化

模拟和预测的方法、工具能够给物理工厂生命周期各阶段(如选址和供应链网络规划、概念设计、技术选择和流程规划、资源设计和组件选择、布局规划、实施、建造、运营或执行、维护、废弃)制造活动战略上的支持.对这些方法和工具进行整合，可形成工厂及其生产设备的整体、统一性虚拟模型.

在建立真实物理工厂之前需要创建虚拟工厂模型，以便探索不同的设计方案，建立自动化系统，从而节约生产时间.通过虚拟工厂模型，工程师和生产人员在电脑前就可以知道未来生产中会发生什么情况，比如哪个工位的设置不合理、哪个零部件不匹配，甚至是机械手的长度够不够.他们可以在生产正式开始之前解决这些问题，而不是等到问题发生之后才调整生产线.比如在白车身焊接环节，计算机模拟系统可以模拟所有机械手的运行情况，包括同一工作岗位的机械手之间、两个不同岗位的机械手之间会否发生碰撞，以及机械手能否准确伸到车身每个需要焊接的位置[18].这种事先模拟可减少新产品上线生产时的错误.

研究层次化虚拟工厂规划过程的建模方法，可在虚拟环境下，对工艺规划、工厂布局规划以及生产系统动态评价等虚拟工厂规划过程进行系统描述，进而提高企业在制造系统规划方面的敏捷性.如在产能爬坡阶段，通过物流分析优化发现设计缺陷和瓶颈，能够提高规划的准确性和效率，最大限度地减少资本投资和提高生产效率；一次建模，既可在产品全生命周期中使用，也可在提高产能或增加产品种类时进行产量仿真[19].

8 智能工厂的后期运维

目前对于智能工厂来说，重建设而轻运营，建设难且运营维护更难，很多企业的智能工厂示范线开动率不高.运营人才缺、管理水平低、维护成本高等，造成智能工厂未能发挥其真正效能.因此，加强智能工厂的后期运维非常重要.有了虚拟工厂系统，就可以设置不同的场景，预先对生产线进行调整，找到最有效的方案，将被动的计划调整改为主动的计划调整.以前汽车厂的设备检修繁锁复杂，设备拆解、组装费时费力，人工巡检全厂需一天时间，而采用3D虚拟工厂巡检只要几十分钟即可，效率得到显著提升，且容易发现隐蔽的异常情况，结合状态监测的3D可视化设备检修还可远程进行检测操作.

(1)优化工厂资产.在传统制造业中，生产车间的多数资产没有相互联系.对制造业管理者来说，这些资产的功能和状态是不可见的.通过工业物联网(IIOT)，生产车间的所有资产(包括机器)能够相互联系，可对资产实现监督、控制和优化.

(2)预防性维护.不论是生产车间正在使用的设备，还是已建造而未投入使用的生产设备，只要是虚拟工厂的联网机器，都可被前瞻性地给予指令性维护.在联网设备的维护、监督、控制与更新方面，可指令性维护是工业物联网(IIOT)模型的主要优势.

(3)设备的全生命周期价值管理.利用大数据分析优化手段，通过数字化和物联网制造，可提高既有设备的终身价值.

(4)大数据预测建模.在既有设备不断产生大量传感器数据的基础上，通过虚拟工厂挖掘这些数据，建立可能的预测模型，实施预防性维护，可避免潜在故障的发生.

(5)操作员培训.智能工厂中一些应用了虚拟仿真技术的工业软件既可对操作人员进行沉浸式培训，又可作为交付工具实现与第三方应用程序的数据交换，还可以进行实时协作[20].应用虚拟现实/增强现实(VR/AR)头盔或眼镜，能高清流畅地展现生产细节，使人身临其境地融入虚拟工厂，实现三维环境下沉浸式的数据展示.

图5所示为地铁装备设施的虚拟检修界面.

图5 地铁装备设施的虚拟检修界面

9 虚拟工厂的信息集成问题

(1)虚拟工厂要达到理想状态，首先需要突破数据管理的瓶颈.对于原有工厂的数据缺失问题，可采用三维激光扫描技术直接得出实物表面的空间采样点——含有三维坐标的“点云”(Point Cloud)数据.这种信息采集和处理方式类似于谷歌的街景技术，不同的是谷歌街景呈现出来的是平面照片，而虚拟工厂系统中图像构成的空间是三维立体的.测量出物体间的距离就可以把厂房布局、所有设备和每个零部件所处的位置精确地显示出来.

(2)目前虚拟工厂的扫描工作需要人工移动扫描设备，将来把扫描摄像枪安放在可自主移动的拖车上，可进行自动扫描；而且，工厂各区域都可安装全自动扫描枪，以便实时自动扫描、更新工厂的布局.

(3)虚拟工厂系统目前还不能完全实现对所有产品和所有生产过程的模拟，比如柔性传送带的自身动作无法模拟.

(4)生产系统的信息化架构(B/S、C/S)和信息化开发平台(Linux、Windows等)不同，各类数据(产品数据、工程数据、工艺数据、业务数据等)和通信协议存在的标准化问题，使得智能工厂的烟囱式信息孤岛越来越多，智能工厂的数据无法互联互通，无法实现信息流动自动化.这就需要在智能工厂建设初期构建基于企业服务总线的微服务系统架构和信息化标准.

10 结束语

许多发达国家早已将虚拟技术应用到智能工厂建设中，而我国对虚拟现实技术的研究起步较晚，很少有汽车厂将虚拟技术应用于工业领域尤其是产品设计和工厂生产制造中.虚拟技术在智能工厂的应用前景广阔，虚拟工厂技术可以解决制造业当前面临的三大难题：对于成本问题，虚拟技术与数字化工厂结合之后，一个新手也能随时调用每台设备的参数和互动式操作手册，大大减少工厂对专家型工人的雇佣数量，降低劳动成本；对于效率问题，虚拟模型和真实模型可形成双向数据流，不断迭代、优化，可实现最优的生产模型；对于时效性问题，虚拟技术能够缩短问题诊断与修复的时间，且不再需要另外派遣专家前往远端据点.企业用户通过虚拟工厂系统可以开展工厂规划设计、工艺设计、安全分析、控制策略选择、工厂控制系统校验、操作人员培训、工厂改进等一系列工作.

本文通过探讨虚拟工厂的理论和虚拟工厂在智能工厂中的应用，构建了智能工厂全生命周期中的数字孪生工厂，为智能工厂建设提供了一种新思路、新模式和新方法.

参考文献:

[1] Jeschke S,Brecher C,Song H,et al.Industrial internet of things and cyber manufacturing systems[M].Switzerland:Springer International Publishing,2017:81-110.

[2] 陶 飞，张 萌，程江峰，等.数字孪生车间——一种未来车间运行新模式[J].计算机集成制造系统,2017,23(1):1-9.

[3] Radziwon A,Bilberg A,Bogers M.The smart factory: Exploring adaptive and flexible manufacturing solutions[J].Procedia Engineering,2014,69(1):1184-1190.

[4] Robert H,Daniel V,Bilal A.Engineering the smart factory[J].Chinese Journal of Mechanical Engineering,2016,29(6):1046-1051.

[5] Sendler U.The internet of things industrie 4.0 unleashed [M].Switzerland：Springer Vieweg,2017:163-164.

[6] Azevedo A,Francisco R P.Bastos J,et al.Virtual factory framework:An innovative approach to support the planning and optimization of the next generation factories[J].IFAC Proceedings Volumes,2010,43(17):320-325.

[7] Jung K,Choi S S,Kulvatunyou B.A reference activity model for smart factory design and improvement[J].Production Planning & Control,2016,28(2):108-122.

[8] International Electrotechnical Commission.IEC white paper, factory of the future[EB/OL].(2015-9-15)[2017-11-1].http://www.iec.ch/whitepaper/pdf/iecWP-futurefactory-LR-en.pdf.

[9] 刘润生.欧盟未来工厂路线图[J].科学中国人,2015(1):25-27.

[10] Choi S S,Kim B H,Noh S D.A diagnosis and evaluation method for strategic planning and systematic design of a virtual factory in smart manufacturing systems[J].International Journal of Precision Engineering and Manufacturing,2015,16(6):1107-1115.

[11] MT Connect Institute.MT Connect Standard，Part 5:Interfaces v1.4.0[EB/OL].(2017-10-23)[2017-11-1].http://www.mtconnect.org/s/MTC_Part5_0_Interfaces_1_4_0.pdf.

[12] Yemenicioglu E,Lüder A.Implementation of an automation ML-interface in the digital factory simulation[C].Blomberg,Germany:Automation ML User Conference,2014:1-8.

[13] 汪 烁，李冀颖，刘奕宁,等.工业4.0的国际标准化工作[J].仪器仪表标准化与计量,2015(3):1-5.

[14] Mahnke W,Leitner S H,Damm M.OPC unified architecture[M].Switzerland:Springer-Verlag,2010:10-11.

[15] Leonard B,Taghaddos H.Developing visualized schedules for plant information modeling[C].Montreal,Canada:30th International Symposium on Automation and Robotics in Construction,Mining and Petroleum,2013:1-10.

[16] 陈禹六.企业与信息系统建模分析[M].北京:高等教育出版社,2007:337-388.

[17] 杰弗里·A·艾斯特凡(Jeffrey A.Estefan).基于模型的系统工程(MBSE)方法论综述[M].张新国，译.北京：机械工业出版社,2014：136-137.

[18] Biffl S,Lüder A,Gerhard D.Multi-disciplinary engineering for cyber-physical production systems[M].Switzerland:Springer Verlag,2017:226-228.

[19] Wiendahl H P,Reichardt J,Nyhuis P.Handbook factory planning and design [M].Switzerland:Springer Verlag,2015:460-461.

[20] Rostetter C,Khoshafian S.The adaptive digital factory[EB/OL].(2016-9-14)[2017-11-1] .http://www1.pega.com/system/files/resources/proucts-manufacturing-digital-factory-whitepaper.pdf.