随着新一代信息技术与制造技术的深度融合发展，制造业的生产方式正在发生深刻变革，为实现制造业中的设备信息能及时汇总处理，从而驱动整个制造业更加智能化的发展。为实现对车间/ 产线现场设备工作状态信息，加工工艺参数信息，车间物料周转过程、工件工艺质量信息、加工过程中的能源损耗信息等的在线监测、分析与故障预警，有必要建设一个生产过程监测系统，全面实现车间设备和生产执行情况的集中监测、预警管理，实现生产过程的透明可控。

1 研究内容

本文的主要研究内容是对产线的三维实时监控的研究，其中最重要的就是对数字孪生的研究，生产线数字孪生主要是对物理机床的传感器、状态、加工等数据等进行采集、处理与融合，构建生产线实时和历史数据模型，以实现物理机床电气系统的数字化映射。 数字孪生体虚拟模型可以直观地体现数控机床的物理实体实际外观状态，一个精确、逼真的数字孪生体虚拟模型可以为工人提供强烈的沉浸感。三维实时监控可以对生产线物理实体的加工过程和全生命周期进行全面了解与掌控，为生产线的调试、报警预警、远程操控提供平台。

2 关键技术研究

2. 1 数据建模技术

对数据进行分析建模是数字孪生技术的重要基础，通过使用数字孪生技术与数据建模结合在一起，能够在数字空间中对产线的运行过程进行同步映照。利用工业物联网结合物理实体产线的实际运行数据，对产线数字孪生体进行模型构建、运动链接、环境搭建，利用产线的数字孪生体对物理机床的整个生命周期进行仿真、监控、调试以及控制等操作，完成虚实相融、以虚概实的数字化。

2. 2 制造实时数据监控技术

制造实时数据采集与监控以产线的数字孪生技术作为基础，囊括了现场生产的物理生产层面和生产工艺层面的映射。在现场生产的物理层面，主要研究加工中的多源异构数据的可视化映射，实现车间的可视化监控;在生产工艺层面，研究了基于数字孪生的生产线上的制造数据实时仿真计算方法，完成机床实时生产数据与生产工艺相融合，从而实现基于数字孪生层面的数据监控展示。

2. 3 大数据驱动状态预警技术

工业生产领域的自动化程度越来越高，但仍存在大量无法量化甚至决策者无法知晓的不确定性因素，这些不确定性因素导致了决策和生产管控的困难。目前比较成熟的大数据驱动状态预警技术就是要提供一种透明化的工具和解决方案，具有对不确定性进行拆解和量化的能力，进而能客观地估算出在生产过程中机床设备的运行状态和利用率，实现工厂生产过程中的可视化、透明化管理，使管理者实现“知情”决策。

3 智能化车间建设方案设计

基于“数字双胞胎” 的概念，实现车间设备真实运行情况和产品生产过程的虚拟实时同步映射，将生产计划与执行状况、生产现场状况、车间生产、消耗、质量、设备、能耗等主要管理业务的关键指标进行监控、预警分析。

3. 1 系统功能架构

本方案成功使用现行的各种先进技术，在各个层面对工厂制造的信息进行表达和阐述。通过数据中转系统获得生产过程中的各种数据(产品质量数据、工件工艺参数、车间生产进度信息)、车间设备的数据(加工状态、故障参数)、生产相关业务信息数据(排产计划、工艺参数、物料运转数据)借助数据中台实现生产线物理运行状态与生产线虚拟孪生模型的实时数据传输，把真实的现场运行状态数据传输到虚拟系统。在车间生产运行的实时和历史数据积累的基础上，对设备的实时运行情况进行仿真分析处理、故障预警等，帮助优化提升产线，系统总体架构如图 1 所示。

图 1 系统总体架构

3. 2 技术架构和功能设计

本项目采用 B/S 架构，利用 3D 绘图协议技术可实现客户端用户随时随地远程在线访问，数字孪生服务支持Windows/linux 系统部署运行，可适配工业互联网云平台，同时也支持服务私有化部署。 数字孪生底层开发依托Unity3D 引擎，通过集成物理仿真、网络通讯服务、图形界面引擎、粒子系统、音频管理、脚本等各种模块插件，自主研发基于离散事件的仿真引擎，实现数字孪生系统仿真模型场景搭建、生产实时数据接入、虚拟物理实时在线映射、生产仿真模拟分析等核心功能，功能设计部分主要通过如下几点进行设计。

3. 2. 1 生产线设备虚实映射

在仿真建模和数据接入的基础上，实现实体产线与虚拟产线的真实映射与实时交互，完成实体产线、虚拟产线的全过程、全要素、所有数据的采集和融合。在已经建立的数据模型的驱动下，完成车间生产线上各个生产要素的管理、生产计划制定、产品生产过程中的控制等在实体产线、虚拟产线的镜像化运行，能实现在指定目标和有约束的条件下完成车间生产全过程的智能化管控。

用户通过交互设备与虚拟环境中的对象进行自然的、实时的交互。实现对虚拟仿真技术在数字化工厂中的应用，包括产线、机台的三维仿真展示和导航，可以根据三维模型进行组态和配置后实现三维展示效果，包括旋转、缩放、自动路径漫游和手动漫游等;实现设备运行仿真功能，在设备的仿真动态展示中能够读取预设文件，实现设备的动态仿真。通过数据感知、边缘计算设备进行数据归集与传输，通过数据驱动模型实现虚拟仿真，通过实体工厂与虚拟工厂的相互映射、实时交互、高效协同，实现车间级别的生产要素管理，车间级的虚实映射如图 2 所示。

图 2 虚实映射示意图

3. 2. 2 生产监控、预警及数据可视化

以工业互联网为支撑，以数字孪生为核心，充分利用企业现有信息化、自动化基础设施，打造数字工厂/ 车间，助力企业数字化升级。基于虚拟现实、计算机仿真、产线虚实融合优化技术，对生产线(人、机、物、法、环) 全要素进行抽象行为规则建模，搭建生产线虚拟仿真系统，通过实时对接产线、管控系统中的信息数据，完成实际的生产系统对虚拟的孪生管控系统的实时驱动映射。并通过设定好的模型系统对产线进行实时的数据采集分析并能及时发出预警，完成车间产线的可视化、透明化管理，为管理人员的决策提供参考。

3. 2. 3 智能化车间实现流程

(1)以产线设备中的数据作为驱动源，搭建数字孪生数据管理分析架构，完成产线的数据的采集、驱动、输入、更新、展示等交互管理工作。

(2)搭建车间生产线的三维模型，并按照车间实际设备的布局进行三维场景的搭建，搭建后的模型与实际中的产线实现三维映射，在虚拟平台上建立数字孪生体系。

(3)构建车间实际产线与数字孪生模型之间的数据联通体系，用实际实时数据作为驱动力来驱动模型运转，并在孪生模型上对现场设备的运行装填、工件的加工情况和物料周转等信息通过可视化面板的形式完成显示。实现车间现场和虚拟模型之间的信息动态映射。

(4)建立系统预警模型，循环采集生产线实时数据进行匹配分析，进而实现生产线运行状态的在线预警。车间建设内容如图 3 所示，正常运行依赖于机床、自动导引运输车、机器人、数字化立库、柔性管控系统等提供的实时数据。公司已完成生产线、数字化立库等硬件部署，后续将开展基于孪生的可视化、过程数据采集、监控及预警等工作。

图 3 车间建设内容框架

3. 3 关键技术解决途径

在车间设备信息预警等方面，传统的分析方式是采集过往的数据进行逻辑分析搭建模型，再通过离线的方式进行仿真分析，此方法不能对车间的设备状态进行实时分析。本文所用的基于数字孪生的预测系统可分为基于仿真预测和大数据预测两种形式。此模型主要对基于数字孪生的车间场景数据建模技术、制造实时数据监控技术、大数据驱动状态预警技术三方面进行研究。

3. 3. 1 数据建模技术

(1)设备建模：外部模型接入是数字孪生构建的核心数据来源，外部模型主要包括几何模型、数据模型、机理模型和知识模型等。其中几何模型又包括几何外形、几何外形特征逻辑关系以及工程属性等，数据模型包括了各种各样的动静态数据源，另外还包括了与几何模型相关的网格模型等，可用于数字孪生的仿真构建过程。

模型接口主要通过模型文件进行互操作，平台模型接口具备下述模型的接入与解析能力。计算机辅助设计(computer aided design，CAD) 模型：可读取常见 CAD 模型，如 step 等，可以解析模型文件中的几何外形。模型制作完毕对三维模型进行贴图。模型材质使用漫反射贴、法线贴图、金属平滑度贴图、环境光遮蔽贴图，以提升真实度，不同材质质感要符合实际设备情况，要保留实际贴花细节，如警告、注意等图片;

(2)场景优化：根利用场景分块动态加载、场景缓存机制、层级细节技术、遮挡剔除技术、贴图合并技术、批处理技术实现三维场景优化，提升数字孪生系统的运行性能。场景优化能够很好地提升系统的性能，采用了场景中分块异步加载，按照创房设施，六条铣床线和三条车床线，预调间分别进行异步加载，使用的 Unity3D 的 Addressable技术，进行 Addressables. LoadAssetAsync 模型加载;未来车间场实现场景缓存机制，使用 Unity3d 的 SceneManager.LoadSceneAsync 方法异步加载场景;实现设备贴图的合并处理，对于相同型号的设备使用同一个贴图，减少内存占用;对于场景设备模型使用静态批处理技术，设置 Static值，静态批处理会为每一个物体创建一个合并后的Combined Mesh，降低 DrawCall，提高渲染能力。从而实现车间孪生系统性能。

3. 3. 2 大数据驱动状态预警技术

(1)指定统一的数据采集接口服务规范，对数据采集进行简化，能匹配不同来源的数据信息，降低数据接入成本。提供统一的基于简单规则的字段可自定义的前端网页表格获取相应参数，由数据采集模块对接多种设备通信协议的数据来源，提供统一格式的数据结构的数据和统一的数据通信接口，通过 http 协议或者 Websocket 协议发送给 UI 层显示。

(2)建立科学的预警、报警指标体系。通过对传感器历史数据的提取，使用相关联的模型、采用主成分特征模型等方法建立各系统的特征模型，进而建立一系列的基于数据特征的监测知识库，当发现新的数据特征及事件时继续进行学习和更新特征模型，基于历史大数据建立对象的特征模型。把设备的历史数据导入，在自学的基础上自动进行特征分析，找出设备常态下的运行特征并建立特征模型，接入实时数据，基于特征模型开展异常特征监测。

4 结语

通过对以上探讨分析的数据交互、物料运输、三维展示、数据提取等技术在某车间中进行部署。在运行稳定后智能化车间的建设效果数据如下：产线的可视化率不低于 98%;产线因故障率降低 50%以上;故障预警不低于 95%，物料的运转效率提升 60%，机床的停机率降低 20%，达到建设智能制造的预期目标，具有很强的推广意义。