陸劍峰，夏路遙，張 浩，徐萌穎

(1.同濟大學 電子與信息工程學院CIMS研究中心，上海 201804；2.企業(yè)數(shù)字化技術教育部工程研究中心，上海 201804)

0 引言

隨著經(jīng)濟與社會的發(fā)展，制造業(yè)的核心任務由傳統(tǒng)的擴大規(guī)模生產(chǎn)向如何滿足大規(guī)模用戶定制化、如何為用戶提供個性化體驗和更好的服務方向轉(zhuǎn)變。因此，制造企業(yè)面臨著縮短交貨期、提高生產(chǎn)效率、降低成本的壓力，且需要對不斷變化的市場作出快速反應[1]。在新一輪科技革命和產(chǎn)業(yè)變革中，智能制造已成為世界各國搶占發(fā)展機遇的制高點和主攻方向，如美國“先進制造領先戰(zhàn)略”、德國“工業(yè)4.0”[2-3]。智能制造涉及智能產(chǎn)品、智能工廠及智能管理服務等多個領域及其優(yōu)化集成，從技術機理角度看，這些不同領域盡管存在差異，但本質(zhì)上是一致的，即“人—信息—物理系統(tǒng)”的融合[4]。而信息物理系統(tǒng)(Cyber Physical System,CPS)是推進和支撐這種融合的核心概念，其構建在密集的數(shù)據(jù)連接和反饋回路上，實現(xiàn)信息和物理世界的集成和實時交互。因此，制造企業(yè)實施智能制造的一個關鍵點就是數(shù)據(jù)與互聯(lián)[5-6]。

互聯(lián)的概念不能僅限于某一個領域，要有制造企業(yè)內(nèi)各關鍵要素互聯(lián)意識。這種互聯(lián)的意識不斷促使企業(yè)家和工程師重新定義行業(yè)領域的邊界，同時也是單體智能向群體智能發(fā)展的關鍵過程[7-8]。相比于傳統(tǒng)制造過程將生產(chǎn)運行管理依托于ERP/MES/MOM等管理系統(tǒng)，與實際生產(chǎn)場景緊密連接，制造企業(yè)逐漸聚焦于將物聯(lián)網(wǎng)、云計算、人工智能等新一代信息技術與工廠、產(chǎn)品等全生命周期深度融合，具有自組織、自學習、自決策、自適應能力特征，以滿足個性化、柔性化、智能化、服務化等智能制造的發(fā)展需求。因此，制造企業(yè)實施智能制造過程中需要關注的重要問題是資源流、信息流、服務流如何在多領域、多層次的制造企業(yè)中進行虛實協(xié)同運行與高效聯(lián)動。

TAO等[9-10]和ZHENG等[11]學者的研究認為，伴隨著信息和物理世界之間深度融合理論和技術條件日趨成熟，數(shù)字孿生作為突破性的應用技術框架，將成為實現(xiàn)CPS乃至智能制造的基礎，值得深入、全面地研究其內(nèi)在機理和應用模式。數(shù)字孿生技術借助數(shù)字化方式創(chuàng)建物理實體或流程的虛擬模型，用數(shù)據(jù)驅(qū)動虛擬模型實時地映射物理實體或流程在現(xiàn)實環(huán)境中的行為，并通過數(shù)據(jù)和模型融合、智能決策、虛實交互等手段，可以賦予物理實體更強的能力。在制造企業(yè)中，產(chǎn)品[12]、工廠[13]、供應鏈[14]都可以通過數(shù)字孿生技術構建其數(shù)字孿生系統(tǒng)，但是單一領域的數(shù)字孿生系統(tǒng)并不能發(fā)揮應用的作用，需要不同領域的數(shù)字孿生系統(tǒng)進行交叉融合，從而構成制造企業(yè)的數(shù)字孿生生態(tài)系統(tǒng)(Manufacturing Enterprise Digital Twin Ecosystem, MEDTEs)。伴隨著制造企業(yè)內(nèi)部的業(yè)務和信息緊密聯(lián)動，數(shù)字孿生生態(tài)系統(tǒng)以實時、高效、智能服務為導向，充分集成模型、數(shù)據(jù)、智能技術為一體，驅(qū)動制造企業(yè)高效、智能地運行。

在此背景下，本文對MEDTEs的概念、組成及內(nèi)涵特征展開了分析，揭示了制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)的交互互聯(lián)、自適應與自演化過程；進一步從產(chǎn)品、工廠與供應鏈3個種群出發(fā)，結合數(shù)字孿生技術實現(xiàn)邏輯，研究了3個種群數(shù)字孿生系統(tǒng)的構建方法、種群之間的交互配置以及整個生態(tài)的動態(tài)演化過程；最后，結合某液壓缸工廠的智能化升級應用案例驗證了本文所提制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)的可行性和有效性。

1 相關研究工作

許多制造企業(yè)通過構建不同領域的數(shù)字孿生系統(tǒng)，并將物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等新一代信息技術集成到產(chǎn)品制造過程中來提升企業(yè)的生產(chǎn)能力和管理能力，以及在企業(yè)集群上下游中的配置效率。

1.1 生態(tài)與制造企業(yè)生態(tài)研究

在自然生態(tài)系統(tǒng)中，每個物種對其他物種的進化都有其重要的作用和影響，通過這種模式，物種間構建了一個緊密相互依存、協(xié)同進化的環(huán)境[15]。按照生態(tài)學家ODUM對自然生態(tài)系統(tǒng)的定義，自然生態(tài)系統(tǒng)為“一定區(qū)域、一定時間內(nèi)共同棲居的所有生物與其環(huán)境之間由于不斷進行物質(zhì)循環(huán)和能量流動過程而共同進化形成的統(tǒng)一體”。由此可以看出，自然生態(tài)有3大機制：① 多種群循環(huán)機制，植物、動物、微生物之間相互連接，維持物質(zhì)和能量的循環(huán)；②交互機制，生物之間既相互依賴又相互制約；③進化機制，物競天擇、優(yōu)勝劣汰，保證生態(tài)系統(tǒng)能動態(tài)地朝最理想的頂級群落方向演化[16-17]。

受自然生態(tài)理論的啟發(fā)，制造企業(yè)為了更好地讓不同領域的制造資源在其全生命周期內(nèi)協(xié)同交互，LI等[18]提出制造生態(tài)系統(tǒng)(Manufacturing Ecosystem,ME)，并認為制造生態(tài)系統(tǒng)是由相關的制造單元和物質(zhì)流通的相互關系組成的良好系統(tǒng)?？紤]多樣性、關聯(lián)性、動態(tài)性和漸進性等原則，KORHONEN[19]初步提出ME模型，以激發(fā)對ME模型朝著自然生態(tài)系統(tǒng)原則發(fā)展的可能性的討論。在工程管理領域，YANG等[20]對29家半導體制造商進行了定性調(diào)查，給出了一個創(chuàng)新的 ME管理模型，涉及跨組織和邊界的知識流和協(xié)作模式。然而，隨著智能算法與終端的爆炸式增長[21]，僅關注制造資源、系統(tǒng)動態(tài)演化和工程規(guī)劃之間的關聯(lián)性還遠遠不夠。如何充分利用各種智能資源，實現(xiàn)ME中的無人互通和資源優(yōu)化循環(huán)也值得進一步研究。尤其是，應該引入更多的自治策略和自我決策機制，這會使得制造生態(tài)系統(tǒng)比自然生態(tài)系統(tǒng)更具有“主動性”特點和更高層次的“演化”追求。

1.2 數(shù)字孿生研究

數(shù)字孿生的概念雛形最早起源于1969年美國NASA在阿波羅項目中構建在軌航天器的“物理孿生體”來反映正在執(zhí)行任務的空間飛行器的狀態(tài)[22]。數(shù)字孿生的概念模型是由美國密歇根大學GRIEVES教授[23-25]在其PLM課程中提出“與物理產(chǎn)品等價的虛擬數(shù)字化表達”概念，并于2005年被稱為“鏡像空間模型”，于2006年被稱為“信息鏡像模型”。2011年，GRIEVES教授與NASA專家 VICKERS共同提出數(shù)字孿生的概念，即三維模型，包括物理實體、虛體以及二者之間的連接，該三維模型一直沿用至今[26]。至此，數(shù)字孿生概念初步形成，同時這也是產(chǎn)品數(shù)字孿生的概念，在此后得到國內(nèi)外學者不斷地補充和完善。

針對產(chǎn)品數(shù)字孿生，莊存波等[12]對產(chǎn)品數(shù)字孿生體的內(nèi)涵進行了系統(tǒng)闡述，提出產(chǎn)品數(shù)字孿生體的體系結構，并給出在產(chǎn)品設計、產(chǎn)品制造、產(chǎn)品服務階段數(shù)字孿生體的實施途徑；陶劍等[27]基于數(shù)字線索和數(shù)字孿生技術研究了復雜產(chǎn)品生產(chǎn)全生命周期業(yè)務過程建模與仿真、動態(tài)預測和評估；苗田等[28]分析了數(shù)字孿生在產(chǎn)品研發(fā)、制造、維護、報廢等產(chǎn)品生命周期各階段典型場景中的應用方式。

但是，數(shù)字孿生的應用不只是產(chǎn)品領域，對于制造企業(yè)來說，制造系統(tǒng)的數(shù)字孿生也是提高其智能化應用的一個措施。陶飛等[9,29]提出數(shù)字孿生車間的概念，設計了數(shù)字孿生車間的參考系統(tǒng)架構，并從數(shù)字孿生車間組成的角度出發(fā)，分別對物理車間異構要素融合、虛擬車間多維模型融合、車間物理—信息數(shù)據(jù)融合、車間服務/應用融合等關鍵問題進行了研究分析，為企業(yè)實踐數(shù)字孿生車間提供了參考;郭東升等[30]提出了基于數(shù)字孿生的車間建?？蚣?，對產(chǎn)品數(shù)字化定義、資源建模和工藝信息的數(shù)字化定義等問題進行了研究分析；PARK等[31]又提出數(shù)字孿生在微型工廠中的設計和實現(xiàn)，研究了數(shù)字孿生對工廠全生命周期中設計、運營及未來決策的支持。

由上述文獻可以看出，目前很多學者在數(shù)字孿生概念體系與數(shù)字孿生實踐框架構建方面開展了許多研究，取得了一定進展，并且數(shù)字孿生系統(tǒng)框架被引入制造企業(yè)的各個領域，有效地促進了物理空間與信息空間的協(xié)同融合，但是在制造企業(yè)數(shù)字孿生系統(tǒng)的建設方面仍存在問題：① 制造企業(yè)是一個多領域的系統(tǒng)，目前鮮有學者從多領域(工廠、產(chǎn)品、供應鏈管理)去考慮數(shù)字孿生系統(tǒng)的構建。而單領域的數(shù)字孿生系統(tǒng)功能單一，無法滿足制造企業(yè)內(nèi)跨域交互需求，進而無法完整地仿真、分析和優(yōu)化智能制造全過程。②制造企業(yè)是一個時間延續(xù)性的系統(tǒng)，上述研究聚焦于數(shù)字孿生技術本身以及其工業(yè)應用，很少從工廠、產(chǎn)品、供應鏈的生命周期3個領域同時去考慮數(shù)字孿生系統(tǒng)的構建，更缺乏在多領域在其全生命周期上的協(xié)同交互與演化，從而不能支撐制造企業(yè)有機整體的智能化管理。

與現(xiàn)有研究相比，本文將數(shù)字孿生技術應用于智能制造全過程中，從全生命周期角度構建工廠數(shù)字孿生系統(tǒng)、產(chǎn)品數(shù)字孿生系統(tǒng)和供應鏈數(shù)字孿生系統(tǒng)，分析了3個種群的數(shù)字孿生系統(tǒng)在全生命周期內(nèi)虛實融合和跨域協(xié)同演化過程，從而提出了制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)的概念，在此基礎上構建智能工廠數(shù)字孿生系統(tǒng)，并應用到實際工廠中，實現(xiàn)工廠智能化升級。

2 制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)

2.1 MEDTEs的概念與組成

產(chǎn)品制造過程是在一個廣泛的制造系統(tǒng)中進行的，其涉及產(chǎn)品與工程設計、管理、生產(chǎn)等多環(huán)節(jié)協(xié)同交互運行。產(chǎn)品領域從全生命周期角度出發(fā)關注從產(chǎn)品建模、仿真、質(zhì)量管理到服務管控；工廠領域關注在全生命周期的管理過程中整個建筑、生產(chǎn)裝置及其自身系統(tǒng)設計、安裝、運營和退役；供應鏈領域主要圍繞與供應商采購、生產(chǎn)制造活動和用戶相關的信息流、物流等管理與控制[32-33]。

在產(chǎn)品制造過程中，將3個領域整合到一起是非常大的挑戰(zhàn)，需要將所建立的體系中的每個領域都通過數(shù)字線程與其他維度整合起來，構成制造生態(tài)系統(tǒng)[21]。3個領域內(nèi)部及之間的緊密集成將帶來更快的產(chǎn)品研發(fā)周期、更有效率的供應鏈、更有柔性的生產(chǎn)系統(tǒng)。因此，從制造企業(yè)乃至制造生態(tài)系統(tǒng)各個領域之間的協(xié)同運行和優(yōu)化管理過程來看，需要一個虛擬載體或空間去承載實體資源信息和體現(xiàn)信息交互的過程。利用數(shù)字孿生技術構建各個領域的多層次數(shù)字孿生系統(tǒng)，形成MEDTEs，包括工廠數(shù)字孿生系統(tǒng)(Factory Digital Twin System, FDTS)、產(chǎn)品數(shù)字孿生系統(tǒng)(Production Digital Twin System, PDTS)、供應鏈數(shù)字孿生系統(tǒng)(Supply Chain Digital Twin System, SCDTS)，如圖1所示。根據(jù)自然生態(tài)系統(tǒng)理論，工廠數(shù)字孿生系統(tǒng)、產(chǎn)品數(shù)字孿生系統(tǒng)和供應鏈數(shù)字孿生系統(tǒng)可以類比成種群p1,p2,p3。

產(chǎn)品是價值的來源，因此，產(chǎn)品種群是制造數(shù)字孿生生態(tài)中最活躍的部分。為了適應多變的市場需求，孿生生態(tài)中不斷有新產(chǎn)品產(chǎn)生，也會有舊產(chǎn)品淘汰。產(chǎn)品種群中，某個物種(產(chǎn)品)如果能適應市場需求，滿足用戶的需要，則其生命周期會長，伴隨其不斷增加的銷量，數(shù)字孿生體也會增加，物種就會繁盛；反之，產(chǎn)品會提前退市，物種“滅絕”。但是和實際物種不同，產(chǎn)品數(shù)字孿生體不會消亡，其存在的意義就是能對新產(chǎn)品的開發(fā)提供借鑒。

工廠數(shù)字孿生種群。工廠種群是制造孿生生態(tài)中一個較為穩(wěn)定的物種，但是隨著現(xiàn)在“跨域”投資案例不斷增加，如互聯(lián)網(wǎng)企業(yè)造汽車等，工廠種群也趨于活躍，優(yōu)勝劣汰情形不斷發(fā)生。工廠種群會根據(jù)其所在行業(yè)形成不同的“物種”。如果一個企業(yè)掌握核心技術，則其會跨越多個行業(yè)，其物種繁盛，否則也會造成退市而退出生態(tài)系統(tǒng)。制造企業(yè)中，產(chǎn)品數(shù)字孿生體、工廠數(shù)字孿生體會由于供應鏈的關系，形成子種群(供應鏈數(shù)字孿生系統(tǒng))。子種群形成子生態(tài)，如果運行得好，這些子生態(tài)會不斷發(fā)展壯大。

因此，制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)是以企業(yè)制造系統(tǒng)物理與信息空間智能交互、不同種群協(xié)同進化為目標的多模態(tài)模型和數(shù)據(jù)的集成與應用。

2.2 MEDTEs的特征與內(nèi)涵

MEDTEs是由物理和虛擬空間之間、各個種群數(shù)字孿生系統(tǒng)的演化周期階段通過一定的相互作用關系而形成的一種網(wǎng)絡，其中包括信息網(wǎng)絡、知識網(wǎng)絡及制造網(wǎng)絡等。從微觀尺度到宏觀尺度，可以用網(wǎng)絡的相關特征來描述制造系統(tǒng)與子制造系統(tǒng)。

(1)交互特征

制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)是工廠數(shù)字孿生系統(tǒng)、產(chǎn)品數(shù)字孿生系統(tǒng)、供應鏈數(shù)字孿生系統(tǒng)多個領域集成且交互的系統(tǒng)網(wǎng)絡。數(shù)字孿生生態(tài)的交互性不僅體現(xiàn)在各個領域的物理空間與虛擬空間的映射，還包括制造企業(yè)各個領域的數(shù)字孿生系統(tǒng)及其不同階段之間的交互聯(lián)動。本質(zhì)上來說，制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)的3個維度內(nèi)部以及維度之間無縫集成和交互是通過虛擬映射空間中模型與數(shù)據(jù)協(xié)同治理來實現(xiàn)的。

(2)自適應特征

用戶對個性化產(chǎn)品的需求越來越多，產(chǎn)品的生命周期越來越短。同時，生產(chǎn)任務的動態(tài)變化、生產(chǎn)要素不齊套、生產(chǎn)能力限制等會造成制造企業(yè)生態(tài)系統(tǒng)制造現(xiàn)場的復雜性與不穩(wěn)定性。從網(wǎng)絡上的動力學和網(wǎng)絡拓撲動力學來考慮MEDTEs的網(wǎng)絡模型動力學，在面向大規(guī)模定制化服務與故障擾動，制造企業(yè)數(shù)字孿生生態(tài)網(wǎng)絡中的資源節(jié)點、信息流與服務流都需要快速高效地交互與調(diào)整。在制造數(shù)字孿生生態(tài)中，基于模型和數(shù)據(jù)治理的種群協(xié)同交互，是生態(tài)穩(wěn)定發(fā)展以及物種適應能力提升的關鍵。

(3)自演化特征

復雜網(wǎng)絡上的動態(tài)演化一般從參與對象之間的關系(網(wǎng)絡結構特性)和策略更新規(guī)則兩個方面研究種群的行為演化。

MEDTEs網(wǎng)絡的演化動態(tài)是根據(jù)數(shù)字孿生生態(tài)的歷史、當前狀態(tài)和基于學習機制的群體行為選擇將演化的當前狀態(tài)映射到下一個時刻的狀態(tài)的規(guī)則。在有限理性假設下，動態(tài)演化中的對象將根據(jù)所獲取的信息不斷更新自己的行為(策略)，這種更新規(guī)則實際上就是學習機制。仿照自然生態(tài)網(wǎng)絡實際決策過程，各種不同類型的更新規(guī)則被提出，如生滅過程、死生過程及模仿過程等。生滅過程和死生過程是生物數(shù)學中描述種群演化的兩類最基本的動力學模型。以經(jīng)典死生過程為例，每一步，MEDTEs中的一個對象(如產(chǎn)品、工藝、服務等)被隨機地從群里淘汰，然后從群體剩余的對象中復制一個對象或直接產(chǎn)生一個新的對象代替被淘汰的個體[34]。在狀態(tài)更新規(guī)則的不斷作用下，個體狀態(tài)更新就會形成群體的演化過程，如圖2所示。

(4)技術生態(tài)集成

根據(jù)數(shù)字孿生五維模型[35]和數(shù)字孿生生態(tài)系統(tǒng)的組成及特征，需要集成多種建模技術和使能技術來支撐數(shù)字孿生生態(tài)系統(tǒng)模塊構建、模塊之間的交互及數(shù)字孿生生態(tài)系統(tǒng)的自適應和自演化特性。數(shù)字孿生生態(tài)系統(tǒng)的物理空間涉及多領域和多學科，因此對生態(tài)系統(tǒng)物理空間的虛擬建模需要結合傳感、測量等技術，使模型更準確，更貼近現(xiàn)實，其包括幾何建模和機理建模。隨著物理空間的變動，數(shù)字孿生生態(tài)系統(tǒng)一直處于動態(tài)的自適應和自演化過程中，因此需要模型進化技術來驅(qū)動虛擬模型自更新。同時，這一過程將產(chǎn)生海量的制造數(shù)據(jù)，為了合理利用這些數(shù)據(jù)并提取有效信息，需要先進的數(shù)據(jù)建模、數(shù)據(jù)分析和融合技術，包括數(shù)據(jù)的采集、傳輸、存儲、預處理、融合、分析和可視化。數(shù)字孿生生態(tài)系統(tǒng)的服務包括應用服務、資源服務、知識服務和平臺服務，需要應用軟件、平臺架構技術、面向服務的架構(Service oriented Architecture,SoA)技術和知識技術等支撐。最后，將數(shù)字孿生的物理實體、虛擬資源、數(shù)據(jù)和服務互聯(lián)，實現(xiàn)交互和信息交換。連接涉及互聯(lián)網(wǎng)技術、交互技術、網(wǎng)絡安全技術、接口技術、通信協(xié)議等[10,36]。

2.3 MEDTEs構建及交互演化分析

2.3.1 產(chǎn)品數(shù)字孿生系統(tǒng)全生命周期環(huán)

物理產(chǎn)品在其生命周期內(nèi)的演化是一個分層次、分階段且相互交互協(xié)同的立體反饋運行模型。

在物理產(chǎn)品設計階段，首先需要充分理解用戶的需求或意愿，需求決定了產(chǎn)品的結構、配置、功能以及產(chǎn)品微小的差別。而產(chǎn)品是由多個零件配置而成，因此需要建立用戶需求與產(chǎn)品配置之間的關系。在實際的制造場景中，新一代產(chǎn)品通常會根據(jù)需求在舊一代產(chǎn)品上迭代改進，作為生命不會終止消亡的上一代產(chǎn)品數(shù)字孿生體已經(jīng)在研發(fā)、制造、使用、報廢階段中迭代優(yōu)化并附積了大量信息，這會為新一代產(chǎn)品的設計和研發(fā)提供借鑒模型。作為先于物理產(chǎn)品“出世”的數(shù)字胚胎也是產(chǎn)品生命周期數(shù)據(jù)積累的伊始和唯一模型，集成了產(chǎn)品的三維幾何模型、產(chǎn)品關聯(lián)屬性信息、工藝信息等[37]。同時，需要專業(yè)工藝人員根據(jù)經(jīng)驗總結和工藝知識進行工藝流程的編制，即將產(chǎn)品設計模型轉(zhuǎn)變?yōu)橹圃旆椒安襟E和工藝參數(shù)，然后將產(chǎn)品數(shù)字胚胎模型和設計文檔傳遞到制造階段。

在產(chǎn)品制造階段，產(chǎn)品的制造過程數(shù)據(jù)(生產(chǎn)進度、生產(chǎn)訂單干擾、外協(xié)需求以及產(chǎn)品質(zhì)量等)都實時記錄在產(chǎn)品數(shù)字映射體中，可基于生產(chǎn)約束、生產(chǎn)目標、產(chǎn)品工藝等實現(xiàn)對產(chǎn)品行為和狀態(tài)進行生產(chǎn)監(jiān)測和控制，達到產(chǎn)品的制造情況完全透明化，最終交付給用戶的是實例產(chǎn)品和唯一產(chǎn)品模型。此時，作為唯一模型的產(chǎn)品數(shù)字孿生體經(jīng)過生產(chǎn)系統(tǒng)制造完成后已經(jīng)具備和物理產(chǎn)品一樣的實例行為。

在產(chǎn)品使用和運維階段，物理產(chǎn)品的所有使用狀態(tài)變化、組件變更信息、產(chǎn)品性能的退化信息都將反饋到產(chǎn)品數(shù)字孿生體。物理產(chǎn)品在進入使用服務階段往往隨著使用時間推移和使用次數(shù)增加會出現(xiàn)零組件故障、磨損或損壞的情況而去更換部分組件。而產(chǎn)品數(shù)字孿生體與物理產(chǎn)品始終保持一致，會自動響應產(chǎn)品的組件變更信息。

可以看出，產(chǎn)品數(shù)字孿生體采用全數(shù)字量表達產(chǎn)品的幾何特征、性能、狀態(tài)和功能，作為全生命周期信息的唯一依據(jù)。同時，產(chǎn)品數(shù)字孿生體也是全價值鏈的信息集成中心，其主要目的在于整個價值鏈中的“價值”在時間和空間上無縫協(xié)同，這不僅是共享產(chǎn)品的信息，還是一種在空間上基于信息唯一性的全價值鏈服務協(xié)同。因此，產(chǎn)品信息能夠在全價值鏈實現(xiàn)可追溯/可追蹤性，并能夠返回產(chǎn)品數(shù)字孿生體中，最終形成信息高度閉環(huán)的產(chǎn)品數(shù)字孿生體，如圖3所示為這一虛實高度融合過程。

2.3.2 工廠數(shù)字孿生系統(tǒng)全生命周期環(huán)

工廠的全生命周期總體分為工廠規(guī)劃與設計階段、施工建造階段、運營與維護階段以及工廠報廢與回收階段。工廠全生命周期每個階段的目標不同，對信息的需求不同，同時信息也具有明顯的不同特征。在工廠全生命周期中，工廠所需承載的信息不斷累積并由前一個階段傳遞到下一個階段，而且需要承載面向產(chǎn)品制造過程多領域、全要素、全業(yè)務流程的融合信息，這就需要面向工廠全生命周期的數(shù)字孿生技術來滿足信息流的流動性、集成性和可擴充性需求。

建筑信息模型(Building Information Model,BIM)能夠有效地輔助建筑工程領域的信息集成、交互及協(xié)同工作, 可以使得工廠生命期的信息得到有效的組織和追蹤，保證信息傳遞到下一階段而不發(fā)生信息流失和降低信息不一致發(fā)生[38]。借助數(shù)字孿生的概念和技術，將BIM引入到工廠的規(guī)劃、設計、建造、運行維護等過程，并參照圖4提出工廠數(shù)字胚胎的概念。一方面，工廠數(shù)字胚胎為BIM提供精確的三維模型，包括廠房建筑模型、設施模型、工藝設備模型等，而相關的數(shù)字化文檔則可以作為BIM的基礎數(shù)據(jù)服務中的內(nèi)容。另一方面，工廠數(shù)字胚胎作為數(shù)字化技術在工廠設計和規(guī)劃階段對工廠進行提前建模，先于物理工廠誕生，是一種集成生產(chǎn)性能指標、產(chǎn)品工藝規(guī)劃和調(diào)度模型的理想化數(shù)字模型。通過這種理想化數(shù)字模型來仿真工廠生命周期的制造活動，并驗證工廠整體運行的可行性和效率。在工廠施工階段，物理工廠是“仿”已經(jīng)得到驗證的工廠數(shù)字胚胎建成，這是工廠虛體到實體的一種孿生映像。而在工廠運營階段，工廠數(shù)字胚胎又得到來自物理工廠的信息反饋更新，進入工廠數(shù)字化映射體階段與物理工廠進行信息交互。因此，以BIM為核心的工廠數(shù)字孿生系統(tǒng)，針對工廠不同階段需要提供的服務建立相應的子服務模型貫穿工廠的全生命周期，支持對智能工廠中建筑、設備等工廠實體信息的存儲、擴展和服務應用過程，如圖4所示。

從面向?qū)ο笏枷氤霭l(fā)，將工廠數(shù)字孿生系統(tǒng)作為對象，以工廠數(shù)字胚胎為基礎逐步構建具備全生命周期各階段屬性和功能的工廠數(shù)字孿生體，采用形式化建模語言對工廠數(shù)字孿生系統(tǒng)進行形式化配置建模如下：

FDTS={FDT,PF},

(1)

PF={FB,SEi,SG},

(2)

FDT={BIM,FDTst,WSSM,SSETtype,PSet,ISet},

(3)

BIM={FDEm,FDMm,FTDm,FDD,FCD,IFC},

(4)

WSSM={PP,PC,PT,OM}。

(5)

式中：FDTS為工廠數(shù)字孿生系統(tǒng)；PF為物理工廠，包括工廠建筑FB、第i個智能設備SEi及智能網(wǎng)關SG；FDT為工廠數(shù)字孿生體；FDTst為工廠數(shù)字孿生體處在全生命周期中的狀態(tài)；SSETtype為工廠數(shù)字孿生系統(tǒng)中的服務類型；PSet為從物理工廠獲取到的生產(chǎn)數(shù)據(jù)集；ISet為虛擬生產(chǎn)系統(tǒng)下達物理工廠的指令集；BIM為工廠全生命周期的信息管理系統(tǒng)，包括工廠數(shù)字胚胎模型FDEm、工廠數(shù)字化映射體模型FDMm、工廠孿生體智能模型FTDm、工廠重構模型FDD、工廠設計規(guī)劃文檔FCD、工廠施工文檔及工廠建筑信息標準體系IFC；WSSM表示工廠調(diào)度策略模型，包括生產(chǎn)工藝數(shù)據(jù)PP、生產(chǎn)約束PC、生產(chǎn)目標PT、優(yōu)化算法模型OM。

2.3.3 供應鏈數(shù)字孿生系統(tǒng)協(xié)同制造環(huán)

在供應鏈管理周期中，供應鏈中的所有產(chǎn)品、服務都會產(chǎn)生與其動態(tài)、性能和狀況相關的信息，利用該聚合的海量數(shù)據(jù)，企業(yè)就可以通過建模和模擬，創(chuàng)建整個供應鏈的數(shù)字孿生系統(tǒng)。具體地，對供應鏈各個節(jié)點(倉儲、樞紐、運輸、配送)和節(jié)點的業(yè)務環(huán)節(jié)(比如說倉儲的庫存管理)進行模型建立。供應鏈上的各節(jié)點是最小的結構器官，通過對這些結構器官進行建模和仿真，以及通過開放接口將模型串聯(lián)起來，可以在虛擬空間中使整個供應鏈網(wǎng)絡的功能運轉(zhuǎn)。這種理念的實質(zhì)是形成一個數(shù)字化版本的供應鏈，既為現(xiàn)實世界的供應鏈提供信息，又從現(xiàn)實世界的供應鏈獲取信息。同時，供應鏈數(shù)字孿生體不僅體現(xiàn)供應鏈歷史和當前狀態(tài)的事實信息，還體現(xiàn)未來的決策和計劃。

供應鏈數(shù)字孿生系統(tǒng)的最終目的其實是通過實時的信息可視性實現(xiàn)服務協(xié)作和服務追蹤管理，在供應鏈上下游中，每個工廠也是一個業(yè)務節(jié)點，可以在工廠群的數(shù)字孿生交互域中，基于工廠數(shù)字孿生體和企業(yè)的綜合典型案例建立工廠的指標評價體系，并結合工廠的協(xié)同目標、協(xié)同約束制定伙伴選擇策略和構建其協(xié)同優(yōu)化模型，實現(xiàn)在工廠制造各個層級(車間、產(chǎn)線、設備)和上下游工廠進行業(yè)務協(xié)同。工廠數(shù)字孿生體的信息視圖發(fā)出服務請求，如果上游工廠能提供相應服務，下游工廠服務視圖便可在協(xié)同域中調(diào)用相關服務。最后，基于工廠數(shù)字孿生體的信息視圖構建面向企業(yè)動態(tài)監(jiān)督和評估機制的可視化管理模型，工廠群可根據(jù)自身在供應鏈的定位和自身工廠制造運行特點構建可視化服務信息模型，下游工廠可根據(jù)服務需求定期通過點對點的可視化追蹤對上游工廠進行動態(tài)的監(jiān)督、評估和管理，如圖5所示為基于產(chǎn)品唯一模型的供應鏈數(shù)字孿生系統(tǒng)。

2.3.4 MEDTEs內(nèi)部的交互配置

MEDTEs作為一種復雜網(wǎng)絡，其內(nèi)部存在多種宏觀與微觀交互關系，包括物理與虛擬空間的交互融合、3個領域DTS之間的交互、每個領域DTS不同生命周期階段之間的交互以及每個領域DTS組成要素之間的交互配置。

(1)物理空間與虛擬空間的映射交互

MEDTEs的物理空間包括企業(yè)本體(Enterprise Ontology, EO)、配套企業(yè)(Supporting Enterprise, SE)和客戶企業(yè)(Customer Enterprise, CE)。而企業(yè)本體(EO)的物理空間包括智能建筑(Smart Building, SB)、智能在制品(Smart product, SP)、智能制造設備(Smart Manufacturing Equipment, SME)、傳感網(wǎng)絡(Smart Network, SN)、智能網(wǎng)關(Smart Gateway, SG)等資源。在物理空間投入使用之前，即規(guī)劃設計階段，根據(jù)設計意愿和以往經(jīng)驗可以實現(xiàn)對物理空間進行幾何建模并結合產(chǎn)品關聯(lián)屬性信息和工藝信息等，形成初步的數(shù)字胚胎。再通過各類傳感器構成的傳感網(wǎng)路(SN)感知制造單元的實時狀態(tài)，包括設備運行數(shù)據(jù)、在制品狀態(tài)、生產(chǎn)人員數(shù)據(jù)等。物理空間的數(shù)據(jù)往往呈現(xiàn)出分散、多源、異構等特點，因而所有的狀態(tài)信息和實時數(shù)據(jù)需在邊緣側(cè)通過數(shù)據(jù)清洗、數(shù)據(jù)集成與封裝等數(shù)據(jù)操作后以標準的格式經(jīng)智能網(wǎng)關(SG)上傳至數(shù)據(jù)庫中，這些數(shù)據(jù)與數(shù)字胚胎進行深度融合后完成物理空間的精準建模。同時，這些數(shù)據(jù)可以為虛擬空間中離線分析、知識推理、實時分析決策等計算模塊提供數(shù)據(jù)支持。最后，可以將分析決策的結果通過智能終端(AR、VR等)精準指導物理空間。由上述分析，MEDTEs中物理空間和虛擬空間的交互映射(Cyber-Physical Interaction Relationship, CPIR)包括物理空間與虛擬空間之間的精準映射關系(Precise Mapping Relationship, PMR)及兩者之間的交互行為(Interaction Behavior, IB)，即狀態(tài)感知(Situation Awareness, SA)、分析決策(Analysis and Decision, AD)、精準執(zhí)行(Precise Execution, PE)。因此，MEDTEs中物理空間(MEDTEs Physical Space, MPS)和虛擬空間(MEDTEs Cyber Space, MCS)的交互映射可形式化建模為：

MPS={EO,SE,CE}，

(6)

EO={SB,SP,SME,SN,SG}，

(7)

MCS={EO′,SE′,CE′}，

(8)

PMR={EO<1:1>EO′,
SE<1:1>SE′,CE<1:1>CE′}，

(9)

(10)

CPIR=PMR∩IB。

(11)

(2)FDTS、PDTS和SCDTS內(nèi)部交互

MEDTEs由FDTS、PDTS和SCDTS組成，根據(jù)數(shù)字孿生體理論[38]，每個數(shù)字孿生系統(tǒng)和數(shù)字孿生體在其全生命周期中都在自然交互和動態(tài)演化。本節(jié)以不同領域數(shù)字孿生體在其全生命周期內(nèi)不同時間階段的交互為研究對象，構造出其交互模型(Digital Twin Interaction Model, DTIM)。

數(shù)字孿生體在其全生命周期具有不同的狀態(tài)，不同狀態(tài)之間進行自然交互和演化，可形式化描述為：

(12)

(13)

DTIM=DTi※DER。

(14)

(3)FDTS、PDTS和SCDTS之間交互

以工廠、產(chǎn)品、供應鏈3個種群數(shù)字孿生體的演化狀態(tài)(Evolution State, ES)為網(wǎng)絡節(jié)點，不同種群的網(wǎng)絡節(jié)點之間進行交互，實現(xiàn)MEDTEs整個網(wǎng)絡良性的動態(tài)演化，這里不同種群的網(wǎng)絡節(jié)點之間交互可以理解成種群間的擴張行為。

基于數(shù)字孿生體進化理論[37]，工廠數(shù)字孿生體的演化階段包括工廠規(guī)劃設計階段(Factory Planning and Design, FPD)、工廠虛擬調(diào)試階段(Factory Virtual Debugging, FVD)、工廠建造階段(Factory Construction, FC)、工廠生產(chǎn)監(jiān)控和優(yōu)化智能階段(Factory Production Monitoring and Optimization, FPMO)以及虛擬生產(chǎn)線優(yōu)化重組階段(Virtual Production Line Optimization and Reorganization, VPLOR)。產(chǎn)品數(shù)字孿生體的演化階段包括產(chǎn)品協(xié)同設計階段(Product Collaborative Design, PCD)、工藝設計階段(Process Design, PD)、可制造性驗證(Manufacturability Verification, MV)、產(chǎn)品生產(chǎn)狀態(tài)監(jiān)控與優(yōu)化階段(Product Production Status Monitoring and Optimization, PPSMO)和產(chǎn)品使用監(jiān)測階段(Product Use Monitoring, PUM)。供應鏈數(shù)字孿生體的演化階段包括供應鏈規(guī)劃(Supply Chain Planning, SCP)、供應鏈優(yōu)化模型構建(Construction of supply chain optimization model, CSCOM)、供應鏈仿真優(yōu)化(Supply Chain Simulation Optimization, SCSO)、供應鏈服務交互(Supply Chain Interaction, SCI)和供應鏈服務監(jiān)測(Supply Chain Service Monitoring, SCSM)。經(jīng)過上述分析，可以對三者之間的交互進行形式化建模：

FDTES={FPD,FVD,FC,FPMO,VPLOR}，

(15)

PDTES={PCD,PD,MV,PPSMO,PUM}，

(16)

SCDTES={SCP,SCOM,SCSO,SCI,SCSM}。

(17)

(18)

式中：FDTES、PDTES、SCDTES分別表示工廠、產(chǎn)品、供應鏈3個種群數(shù)字孿生體的演化狀態(tài)。EFPSC表示工廠、產(chǎn)品、供應鏈3個領域數(shù)字孿生系統(tǒng)之間的交互模型;DER表示各種動態(tài)演化規(guī)則;※表示不同領域數(shù)字孿生體在其全生命周期演化過程中遵循動態(tài)演化規(guī)則。

2.3.5 MEDTEs的動態(tài)演化分析

制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)(MEDTEs)是一個物理空間和信息空間服務、價值交互的地方，其演化的首要目的是滿足服務需求，并創(chuàng)造更多價值，如圖7所示為制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)的演化。MEDTEs的演化分為雙向演化和同步演化，基于3.3.4節(jié)的交互關系，雙向演化包括式(9)中表達的物理和信息空間之間的雙向映射關系(PMR)及式(10)中表達的物理和信息空間之間的雙向交互行為(IB)，即式(11)表達的物理空間和虛擬空間的交互映射(CPIR)；同步演化是指在數(shù)字孿生生態(tài)系統(tǒng)中信息空間雖在一定程度上能夠優(yōu)先物理空間的演化，但由于實時的雙向交互性，信息空間和物理空間之間的演化屬于同步演化，同步演化包含式(14)中表達的FDTS、PDTS和SCDTS內(nèi)部交互模型DTIM及式(18)中表達的FDTS、PDTS和SCDTS之間交互模型EFPSC。而生態(tài)系統(tǒng)的演化是否朝著良好的方向發(fā)展可用SMEDTES表示，因此將信息空間的演化狀態(tài)表示為Sifo和物理空間的演化狀態(tài)表示為Sphy。生態(tài)系統(tǒng)的演化狀態(tài)可由環(huán)境健康度(Environment Health, EH)、虛擬模型的數(shù)量(Quantity of Virtual Model, QVM)、虛擬模型的精確度(Accuracy of Virtual Model, AVM)以及人工智能技術附加的能力值(Technology Ability of AI, TAA)共同決定。環(huán)境健康度是指種群個數(shù)對生態(tài)系統(tǒng)演化狀態(tài)的影響程度，種群個數(shù)越多，數(shù)字孿生生態(tài)系統(tǒng)的演化狀態(tài)可能性就越大，生態(tài)系統(tǒng)魯棒性就越好；虛擬模型的數(shù)量和精確度類比于自然生態(tài)系統(tǒng)中的物質(zhì)數(shù)量和質(zhì)量，模型數(shù)量越多和精確度越好，生態(tài)系統(tǒng)演化狀態(tài)越健壯；而數(shù)字孿生系統(tǒng)中人工智能技術帶來的附加能力極大地催化了當前的生態(tài)系統(tǒng)的演化，如智能算法模型進行智能決策和AR輔助精準執(zhí)行。經(jīng)上述分析，則生態(tài)系統(tǒng)的演化狀態(tài)可表示為：

SMEDTEs,Sifo,Sphy=ep(EH∩QVM∩AVM∩TAA)。

(19)

式中P為制造企業(yè)中某類產(chǎn)品收益。當收益P為正時，生態(tài)系統(tǒng)的演化屬于正演化狀態(tài)，并得以延續(xù)該狀態(tài)；當收益P為負數(shù)時，生態(tài)系統(tǒng)的演化屬于負演化狀態(tài)，并且當前的演化狀態(tài)會受到抑制，逐漸被淘汰。

MEDTEs的信息空間內(nèi)部演化分為節(jié)點域?qū)哟窝莼蛡€體域?qū)哟窝莼瘍蓚€層次，如圖6所示，其中個體指的是制造物理空間內(nèi)某一種群(領域)的某一制造資源ui,k,l(如工廠領域的數(shù)控車床、工業(yè)機器人、AGV等)。個體之間的縱向連接是制造的邏輯關系，個體之間的橫向連接表示個體彼此間的相似性或可替代性，縱向連接和橫向連接的邊權值可用wji表示；節(jié)點域內(nèi)是多種群演化的區(qū)域，每一個節(jié)點指的是個體組成的個體域在全生命周期不同階段的演化狀態(tài)Si,k，這種演化狀態(tài)包括種群在某一時間階段的種群個體數(shù)(密度)、質(zhì)量等，多個節(jié)點的串聯(lián)組成了一個種群在其全生命周期的演化鏈(如工廠種群的全生命周期演化鏈)。在個體域內(nèi)，每一個制造資源個體在數(shù)字孿生生態(tài)系統(tǒng)中都會有個體適應度，可表示為：

Fiti,k,l=b+aP。

(20)

式中：a為與個體提供的功能或服務相關的參數(shù)，a值越大，則提供的功能或服務越好，0≤a≤1；P為制造企業(yè)中某類產(chǎn)品收益；b為一個大于0的較小數(shù)，目的是使種群中最差的個體仍然有繁殖的機會，增加種群的多樣性。

個體域內(nèi)個體演化是節(jié)點域內(nèi)節(jié)點演化的基礎，節(jié)點域內(nèi)節(jié)點的演化又會引起個體域內(nèi)個體的演化。在個體域內(nèi)，個體的競爭與合作是一個生態(tài)系統(tǒng)內(nèi)種群保持平衡和良性發(fā)展的必要條件。而個體的競爭和合作也會影響個體的死亡和出生，進而影響組織種群密度。在種群初期演化的時候，種群密度(種群內(nèi)個體數(shù)量)和質(zhì)量相對較低，隨著種群的演化，若該種群的演化狀態(tài)(SMEDTEs,Sifo,Sphy)屬于正演化狀態(tài)，種群內(nèi)的個體數(shù)量和質(zhì)量都會提高，則這種演化狀態(tài)就會被認可且合規(guī)，種群將朝著良性的方向進行演化，這一階段主要以個體之間合作為主。例如產(chǎn)品種群p1在初期時，一個產(chǎn)品被設計制造出來，則會依據(jù)市場的需求在此類型產(chǎn)品基礎上會演化出很多衍生產(chǎn)品個體，不同產(chǎn)品之間會彼此借鑒互補，完善其各項指標功能以達到最大的收益P。當種群的密度相對較高時，種群內(nèi)的個體數(shù)量不斷增長，個體之間的競爭力也會增加，當競爭力占主導時，種群的演化就會受到阻礙，這一過程伴隨著個體不斷地被淘汰死亡，并出現(xiàn)更優(yōu)秀的個體。同樣，以產(chǎn)品種群p1為例，當一個產(chǎn)品種群內(nèi)個體太多時，則個體會對內(nèi)競爭生產(chǎn)資源，對外競爭市場，競爭的后果是不能滿足一定收益P的產(chǎn)品處于負演化狀態(tài)，個體就會被淘汰死亡，由其他相似且更優(yōu)的產(chǎn)品代替或者直接產(chǎn)生更優(yōu)的新產(chǎn)品進行替代。

當個體域完成某制造任務的收益P出現(xiàn)明顯下降時，再觀察每一個個體的適應度Fiti,k,l，比較個體域中的個體適應度，可以以反比于個體適應度的概率pd，即pd/kd將該個體從群體內(nèi)淘汰，然后從個體域中以正比于個體適應度的概率pb，即wjipb選擇一個與原個體相似的個體進行復制或者直接產(chǎn)生新的個體。

而在節(jié)點域內(nèi)，種群之間通過節(jié)點之間的相互作用進行協(xié)同演化，因此種群兩兩之間為互利共生關系，其演化過程趨于協(xié)同演化趨勢，在相互協(xié)同和作用下，種群將演化成生態(tài)系統(tǒng)，并且該生態(tài)系統(tǒng)的整體收益P將表現(xiàn)出1+1+1>3的效果，如式(20)所示：

P(F(p1,p2,p3))>P(p1)+P(p2)+P(p3)。

(20)

式中：F為協(xié)同作用或協(xié)同關系；P為制造企業(yè)中某類產(chǎn)品收益函數(shù)。

4 MEDTEs應用案例研究

4.1 案例背景

某液壓缸工廠為滿足市場客戶訂單的高變型和小批量特點，正在進行智能化升級改造。由于該工廠面向訂單設計(Engineering to Order,ETO)的生產(chǎn)模式在液壓缸生產(chǎn)中占比相當重，部分給予標準化生產(chǎn)的精益生產(chǎn)準則難以落實，產(chǎn)生了大量在制品庫存并導致交貨期延長，是實際生產(chǎn)面臨的一大痛點。同時，目前生產(chǎn)系統(tǒng)中，現(xiàn)場實時信息感知不準確，工廠內(nèi)生產(chǎn)要素沒有完全數(shù)字化、虛擬化和透明化，導致工廠信息流不能在工廠上下游有效流通。因此，工廠內(nèi)生產(chǎn)和物流的隨機性較大，降低了工廠整體運行效率。

該液壓缸工廠中包含48臺設備，分別編號為M1,M2,M3,…,M48；機床的種類可以分為外殼加工組、珩磨組、焊接組、SIP車削組和鉆銑組。同時，在智能化過程中建立了一套完整的數(shù)據(jù)采集系統(tǒng)，可以支撐物理工廠與信息空間及信息空間內(nèi)部的協(xié)同交互。

4.2 液壓缸制造企業(yè)數(shù)字孿生生態(tài)構建與演化

如圖7所示為液壓缸制造企業(yè)數(shù)字孿生生態(tài)的構建、演化過程。首先，根據(jù)已經(jīng)淘汰的前若干代同類衍生產(chǎn)品數(shù)字孿生體中包含的需求配置信息，這些信息在研發(fā)、產(chǎn)品服務、回收報廢階段都會不斷產(chǎn)生，將這些信息進行集成就會形成“需求—配置”信息表?；谠摗靶枨蟆渲谩毙畔⒈肀憧裳杆俅_定本代液壓缸產(chǎn)品將會采用的配置模塊，本代液壓缸產(chǎn)品將可能出現(xiàn)具有不同服務功能的同代衍生品，這是根據(jù)客戶定制化服務需求產(chǎn)生的。如果產(chǎn)品直接進入物理生產(chǎn)系統(tǒng)進行生產(chǎn)，產(chǎn)品生產(chǎn)的容錯度較低。因此，基于產(chǎn)品需求和工藝流程建立初始的生產(chǎn)指標體系，并在工廠數(shù)字孿生體中嵌入生產(chǎn)調(diào)度策略和物流調(diào)度策略。工廠數(shù)字孿生體可以支持碰撞干涉檢查，以發(fā)現(xiàn)不同設備之間的位置沖突，并進行供應鏈DT提供的零件數(shù)字孿生體的生產(chǎn)仿真，將零件數(shù)字孿生體真實尺寸、裝配參數(shù)和次品等信息反饋回產(chǎn)品設計階段，對產(chǎn)品的設計研發(fā)進行再優(yōu)化。隨著使用/維護階段數(shù)據(jù)的反饋參與，可預測潛在的產(chǎn)品設計結構缺陷、性能缺陷和功能缺陷，實現(xiàn)產(chǎn)品可制造性仿真驗證。

最終，工廠交付給客戶的將是物理產(chǎn)品和與物理產(chǎn)品具備相同屬性和實例行為的產(chǎn)品數(shù)字孿生體。在產(chǎn)品使用和運維階段，產(chǎn)品數(shù)字孿生體將對物理產(chǎn)品進行服務追蹤，物理產(chǎn)品的所有使用狀態(tài)變化、組件變更信息、產(chǎn)品性能的退化信息都將反饋到產(chǎn)品數(shù)字孿生體。用戶在使用的過程中，將會根據(jù)使用功能和帶來的收益P擇選產(chǎn)品的種類，則進入市場的不同種類產(chǎn)品，就會不斷地被淘汰或更新進化，最終處于正演化狀態(tài)的液壓缸產(chǎn)品將被留在生態(tài)中進行流通，而處于負演化狀態(tài)的液壓缸產(chǎn)品將會被生態(tài)系統(tǒng)淘汰。依此循環(huán)，該液壓缸工廠將不斷提高應對市場動態(tài)變化的服務的產(chǎn)品研發(fā)速度及提供品質(zhì)越來越高的液壓缸產(chǎn)品。

4.3 液壓缸工廠數(shù)字孿生系統(tǒng)實施

本文以該液壓缸工廠智能化升級為例，從工廠、產(chǎn)品、供應鏈3個模塊來實施液壓缸工廠數(shù)字孿生系統(tǒng)(Hydraulic Cylinder Factory Digital Twin System, HCFDTS)的建設。

HCFDTS是以Unity平臺中工廠數(shù)字孿生系統(tǒng)為核心，集成Plant Simulation、BIM和Anylogic系統(tǒng)構建而成。首先，將從BIM系統(tǒng)中的工廠/設備等模型導入Unity進行二次開發(fā)。然后，通過確立客戶的產(chǎn)品需求、設計液壓缸產(chǎn)品形成產(chǎn)品工藝信息和采購需求，依據(jù)產(chǎn)品交貨期和工廠產(chǎn)能在Anylogic平臺中進行供應鏈管理優(yōu)化。同時，基于Plant Simulation平臺，結合生產(chǎn)優(yōu)化指標、生產(chǎn)約束及供應鏈優(yōu)化結果，使用遺傳優(yōu)化算法對生產(chǎn)訂單進行優(yōu)化得到生產(chǎn)/物流調(diào)度優(yōu)化結果和工廠布局，并驅(qū)動Unity中的工廠數(shù)字孿生系統(tǒng)。通過數(shù)據(jù)采集和處理及通信接口和協(xié)議等通信技術使信息流在HCFDTS的虛實之間和不同平臺之間高效流動，使產(chǎn)品、工廠、供應鏈3個領域能夠交互演化，最終HCFDTS能夠完整地構建液壓缸工廠的業(yè)務流程和生產(chǎn)過程，支持工廠的布局、生產(chǎn)、物流、供應鏈的仿真優(yōu)化，減少試錯過程，從而降低成本和提高工廠重構效率，實施架構如圖8所示。

(1)基于Plant Simulation工廠重構和生產(chǎn)優(yōu)化

液壓缸工廠處于智能化升級階段，工廠已經(jīng)形成一套完成的工藝體系和生產(chǎn)優(yōu)化指標體系。工廠重構布局和生產(chǎn)物流優(yōu)化便是以智能化升級前的工藝體系和生產(chǎn)優(yōu)化指標體系為基礎，利用Plant Simulation對工廠進行二維的布局規(guī)劃和生產(chǎn)/物流優(yōu)化仿真，并在Plant Simulation模型中嵌入粒子群或遺傳等智能算法生成生產(chǎn)/物流調(diào)度策略，獲得生產(chǎn)/物流調(diào)度所需的智能預測模型及以優(yōu)化仿真為前提的工廠布局規(guī)劃，同時生成對生產(chǎn)訂單加工時間和設備利用率數(shù)據(jù)的分析，該仿真結果可以指導生產(chǎn)現(xiàn)場的設備布局規(guī)劃及后期的生產(chǎn)/物流調(diào)度。如圖9所示為嵌入生產(chǎn)最大完工時間、最小在制品數(shù)量、產(chǎn)能利用率等生產(chǎn)優(yōu)化指標體系和FCFS啟發(fā)式算法、GA算法以及NSGA-II算法的Plant Simulation模型，其中生產(chǎn)優(yōu)化指標可以通過Plant Simulation平臺中的統(tǒng)計分析工具進行選擇，算法可以通過PS平臺中的Simtalk語言編寫程序，F(xiàn)CFS算法為液壓缸工廠原排班模式。

針對目前液壓缸工廠存在在制品庫存并導致交貨期延長的問題，根據(jù)嵌入遺傳算法(Genetic Algorithm,GA)的液壓工廠仿真模型對工廠生產(chǎn)/物流調(diào)度的仿真分析結果，可以規(guī)劃出合理生產(chǎn)運行的工廠布局。這只是在二維場景中的仿真布局，并未達到逼真或?qū)\生的效果，也無法從全生命周期角度來有效地記錄工廠建筑和設備信息。因此，需要構建該液壓工廠的三維“檔案”，基于上述二維的工廠規(guī)劃布局，構建工廠的BIM信息系統(tǒng)，包括工廠的組成結構、設備模型樹形管理、資源屬性以及附屬的建筑相關文檔等信息。液壓工廠BIM信息系統(tǒng)一直存在于工廠的全生命周期中，每一階段的工廠建筑/設備信息都會記錄在BIM信息系統(tǒng)中，并傳遞到全生命周期的下一階段。

(2)液壓缸工廠生產(chǎn)過程分析

物理工廠經(jīng)過合理化布局后，進入工廠全生命周期的下一個階段—工廠運營階段，在這一階段，生產(chǎn)現(xiàn)場信息和在制品狀態(tài)信息都會實時反饋到工廠數(shù)字孿生體和產(chǎn)品數(shù)字孿生體中。將BIM信息系統(tǒng)中的工廠模型導入到Unity中進行二次開發(fā)，Unity3D是跨平臺的三維圖形渲染引擎，具有方便的可視化創(chuàng)作環(huán)境，并支持各種腳本語言包括 C#、JavaScript，且Unity具有強大的UI構建能力[39]，因此可以通過Unity進行接口集成，實現(xiàn)生產(chǎn)過程信息的互聯(lián)。在生產(chǎn)前，可以在Plant Simulation平臺進行生產(chǎn)和物流優(yōu)化仿真得出最優(yōu)的結果，其結果數(shù)據(jù)通過Socket接口驅(qū)動Unity中工廠模型，實現(xiàn)對生產(chǎn)過程的調(diào)度方案、生產(chǎn)性能、物流方案等進行仿真分析和計算。在生產(chǎn)過程中，通過工廠中智能采集設備收集物理空間中的生產(chǎn)過程數(shù)據(jù)、設備數(shù)據(jù)、設備能耗等用于數(shù)據(jù)分析、挖掘和認知決策以改善和增強工廠各個方面的業(yè)務能力、管理能力和生產(chǎn)能力，如圖10所示。這些功能對應于不同的用戶對象，包括企業(yè)管理級用戶、車間管理控制級用戶及設備級用戶。

生產(chǎn)優(yōu)化仿真、生產(chǎn)過程分析等功能產(chǎn)生的信息是集成在虛擬空間中，工廠數(shù)字孿生系統(tǒng)提供的服務針對工廠不同層級的用戶對象，因此需要將系統(tǒng)提供的服務下沉到工廠現(xiàn)場，即用虛擬空間中的虛擬信息去指導物理工廠的生產(chǎn)活動，改變物理工廠的制造方式，需要應用新的信息技術及設計虛擬工廠與物理工廠之間的信息流通通道。針對車間級管理員，VR(virtual reality)技術可以讓用戶管理員沉浸在完整的虛擬工廠中對物理工廠進行生產(chǎn)監(jiān)控。面向車間生產(chǎn)人員，AR(augmented reality)技術基于生產(chǎn)場景的生產(chǎn)信息擴展和增強特點可以讓用戶很自然地理解生產(chǎn)現(xiàn)場任務。

(3)液壓缸工廠供應鏈數(shù)字孿生體的服務協(xié)同和追蹤

液壓缸工廠內(nèi)部、工廠與外部供應商進行多層次、多粒度服務交互，利用圖5中工廠供應鏈DTS的協(xié)同交互域的信息交互接口，并設計服務的基本交互規(guī)則，實現(xiàn)工廠制造服務信息交互策略。然后基于WS-CDL(Web services—choreography description language)標準形成制造服務編排文檔。服務執(zhí)行過程根據(jù)該服務編排文檔進行信息交互，并和工廠數(shù)字孿生系統(tǒng)一起完成服務的追蹤管理。

該液壓缸工廠的零件加工方法可大致分為如下3個步驟：毛坯加工、粗加工、精加工?，F(xiàn)有制造云服務提供商A和B均能完成以上各步驟制造任務，即提供每種制造云服務或者相應組合服務。如果下游服務供應商沒有與上游服務供應商交互協(xié)同并獲取服務跟蹤信息，則初始加工訂單順序如表1所示。同時，服務提供商A和B的加工能力如表2所示?；凇跋葋硐确铡钡姆請?zhí)行策略和齊套的服務目標，對表1中的初始服務執(zhí)行順序進行優(yōu)化，實際處理服務順序如表3所示。

表1 初始加工訂單順序

表2 服務提供商A和B的加工能力

表3 實際加工訂單順序 pixels

為有效協(xié)同每個子訂單以及每個服務供應商的加工制造流程，不同服務供應商需要根據(jù)每個訂單編排信息與上、下游服務提供商進行訂單信息交互。以某一子訂單order_2為例，對各服務供應商的服務交互協(xié)同仿真，如圖11所示。訂單完成總時間為52 h，各服務供應商的加工時間、異常處理時間、訂單切換時間、等待(空閑)時間數(shù)據(jù)如圖中餅狀圖所示。

在服務協(xié)同交互模式下，上游服務供應商不但能主動向下游服務需求商發(fā)送訂單異常信息，而且下游服務需求商能夠主動向上游服務供應商獲取訂單狀態(tài)和進度，按照自己的服務執(zhí)行策略，隨時刪除異常服務或更新自身生產(chǎn)順序。如表4所示為服務需求商A精加工服務的預定生產(chǎn)順序和實際生產(chǎn)順序?qū)Ρ取?/p>

通過對上下游的服務訂單的編排和優(yōu)化，可以改進其生產(chǎn)訂單順序。Plant Simulation可以通過接口獲取到該訂單順序作為生產(chǎn)優(yōu)化的約束，從而實現(xiàn)供應鏈管理與產(chǎn)品生產(chǎn)的協(xié)同優(yōu)化，其結果相較于單獨使用Plant Simulation進行生產(chǎn)優(yōu)化更具有實際意義。

表4 服務需求商A精加工服務訂單執(zhí)行順序?qū)Ρ?/p>

4.4 比較結果

為了證明所提智能工廠數(shù)字孿生系統(tǒng)在液壓缸工廠中的可行性和有效性，收集了智能工廠DTS在液壓缸工廠中運行前和運行后的一個月內(nèi)的收益評價指標數(shù)據(jù)進行比較，收益評價指標包括直通率、標準在制品庫存、交貨期、產(chǎn)能利用率和產(chǎn)品次品率。在這一個月內(nèi)每天的生產(chǎn)訂單數(shù)保持在500～600個范圍內(nèi)浮動，每天每班工人數(shù)25～30人，一天3班。雖然生產(chǎn)訂單數(shù)和訂單種類有所差別，但是不會影響評價指標數(shù)據(jù)的總體趨勢。如表5所示為智能工廠數(shù)字孿生系統(tǒng)運行實驗對比情況，其中直通率提高了13.6%；標準在制品庫存(Working in Progress,WIP)平均降低了124個；交貨期平均提前了7天；產(chǎn)能利用率提高了6.6%，且變得更均衡；產(chǎn)品次品率降低了3.2%。

表5 HCFDTS投入前運行的實驗結果

5 結束語

隨著智能制造戰(zhàn)略的實施，數(shù)字孿生技術越來越成熟地被應用到制造產(chǎn)業(yè)的各個層級中，數(shù)字孿生技術核心理念就是虛實空間的互相融合，其為當前制造業(yè)的發(fā)展提供了新的方法和思路。本文從制造企業(yè)數(shù)字孿生系統(tǒng)的構建需求角度定義了制造企業(yè)數(shù)字孿生生態(tài)系統(tǒng)的概念、組成及內(nèi)涵特征，并重點研究了生態(tài)系統(tǒng)中3個種群數(shù)字孿生系統(tǒng)的構建過程和方法(包括產(chǎn)品數(shù)字孿生系統(tǒng)、工廠數(shù)字孿生系統(tǒng)、供應鏈數(shù)字孿生系統(tǒng))以及3個種群數(shù)字孿生系統(tǒng)之間的交互配置和演化過程。最后，通過一個應用案例，展示了MEDTEs的構建過程、組成部分、服務應用場景以及演化過程，證明其可行且有效地降低工廠在制品庫存和提前其交貨期。

后續(xù)的研究工作可以聚焦在以下兩個方面：

(1)數(shù)字孿生系統(tǒng)中虛擬空間的數(shù)據(jù)和模型來源于物理空間，虛擬元素的有效表達取決于數(shù)據(jù)和模型的質(zhì)量和融合程度，探索虛擬空間中孿生數(shù)據(jù)和模型的質(zhì)量及融合機制是非常有必要的。因此，未來將進一步研究整個業(yè)務流程的數(shù)據(jù)集和模型集的孿生質(zhì)量評價體系和融合質(zhì)量標準。

(2)目前，從物理工廠中獲取的數(shù)據(jù)和模型沒有得到合理和智能化應用，需要探索智能算法在虛擬空間中對孿生數(shù)據(jù)/模型的充分融合和應用，由此可以進一步研究其他領域，如計算機視覺，與數(shù)字孿生系統(tǒng)的合理集成，拓展數(shù)字孿生系統(tǒng)對智能制造的業(yè)務面。