虚拟工厂应用的研究综述

刘 进，史康云，宋兴旺，赵玉兰，张新生

(1.机械工业第六设计研究院有限公司 第一工程院，河南 郑州 450007；2.河南中烟工业有限公司 驻马店卷烟厂，河南 驻马店 463000；3.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)

在当今经济全球化、贸易自由化和社会信息化的大趋势下，制造业正面临严峻的挑战.企业只有不断地提高生产效率，改善产品质量，降低成本，提供优良的服务，才能在激烈的市场竞争中占有一席之地.随着科学技术的发展，在计算机集成制造(Computer Integrated Manufacturing System，CIMS)及并行工程(Concurrent Engineering，CE)的基础上出现了虚拟制造.虚拟制造即透过虚拟现实技术，利用计算机和周边设备，生成与真实环境几乎一致的3D虚拟工厂环境，能让用户从不同的角度观看，并透过辅助设备与虚拟环境中的物体进行交互关联，模拟完成制造过程[1].本文在介绍虚拟工厂的基础上，拟对其应用的关键技术进行分析和总结.

1 虚拟工厂的研究

1.1 虚拟工厂定义

虚拟工厂的概念使人们有可能从研究单一的工艺/设备发展到一个生产单元/一条生产线，甚至整个车间/工厂.目前学术界和产业界对虚拟工厂并没有一个明确的界定，其定义大致有4种.

(1) 通过集成一个或多个仿真模型的虚拟工厂，虚拟呈现工厂的主要业务活动.BODNER等将虚拟工厂定义为以“高保真度设计和控制生产系统的环境”[2].佐治亚理工大学虚拟工厂实验室将虚拟工厂定义为“用于集成各类建模工具、仿真软件和支持应用系统等一系列重要业务决策的方法论”[3].

(2) 虚拟工厂作为虚拟组织，能够为多个组织协同制造产品.UPTON等将虚拟工厂定义为“基于互联网协作的工作环境”——企业的生产活动不全在一个工厂内完成，使部分生产活动由作为战略联盟的供应商或合作伙伴完成，其中合作伙伴以电子方式共享信息，共同围绕某个大型工程合作项目的产品设计、制造过程进行协作(包括使用统一平台下的CAD/CAM、CAE)[4].美国耐克公司是全球虚拟工厂模式的先驱，它将产品的生产加工任务外包给东南亚等地的许多发展中国家.中国联想集团也开始了多工厂的虚拟化工厂管理，其主要内涵为联合组织架构、资源共享、联合管理系统及最佳实践共享.

(3) 虚拟工厂作为一项技术，强调工厂的虚拟现实呈现.KELSICK等将虚拟现实工厂的趋势描述为：“提供一个可视化的三维空间，在其虚拟空间中研究各种产品零部件组合的效果，预计产品何时达产?工人获取相应能力的经验需要多久?”[5].美国橡树岭国家实验室开发了一个拥有3D可视化和超链接网络信息等多功能的虚拟工厂，除了可进行仿真，还允许快速访问图纸、程序、数据库、制造应用程序和历史信息记录，捕获即时工艺参数和设备运行的统计数据，且能够提供可视化的集成制造知识库[6].

(4) 虚拟工厂作为仿真系统，可用于描述工厂的生产活动.佛罗里达大学在计算网络中心模拟了一个真实生产活动的工厂[7].其虚拟工厂仿真器为用户提供了一个交互式决策的支持系统，主要用于生产线的虚拟调试、生产组织策略的确定和产品供应链的战略决策.

1.2 虚拟工厂应用

虚拟工厂的规模可从设备级别扩展到工厂级别.虚拟工厂在生产系统规划、设计和验证阶段具有重要作用.正因如此，世界上不同组织对虚拟工厂技术展开了大量的研究和应用.欧盟FP6数字虚拟工厂子项目的主要目的是满足新一代制造公司的协作制造环境(Collaboration Manufacturing Environment，CME)，为此，其瞄准欧洲的中小企业，开发了以人为本的生产系统(DiFac),但是，欧盟目前使用的虚拟工厂大多为制造工艺、技术、方法和工具的静态集成模型[8].SHAMSUZZOHA等在欧盟FP7-Adventure(自适应虚拟企业制造环境)项目中提出了智能过程监视的基础架构，在虚拟信息化系统中收集可视化数据，通过开发仪表板的图形用户界面来跟踪关键指标(Key Performance Indicators,KPIs)[9].同时，KÜHN开发了用于机器、单元/生产线和车间/工厂等多层级制造过程的虚拟工厂系统[10].欧盟FP7“全面、可扩展、可伸缩和标准化的虚拟工厂框架(Virtual Factory Framework，VFF)”项目旨在通过定义新一代虚拟工厂系统，提高欧洲制造业的竞争力，加强对工厂产品设计、生产管理和资源的重组优化[11].在VFF项目中，AZEVEDO等将虚拟工厂系统分解为参考模型、虚拟工厂管理器、功能模块和知识存储库等部分，并开发了一种工厂模板，以缩短仿真模型的开发时间[12].

(1) 虚拟工厂的一种应用是采用类似于企业建模体系结构(如CIMOSA、Petri和GERAM)模型视图的方法，将企业模型、组织看作主要子系统的集成，分层、分体系地对制造活动进行建模，并使用离散事件的模拟技术在工厂运营级别实施这些虚拟工厂概念[13-14].日本学者中村昌弘已将生产模拟整合工程业务的方式引入仿真集成制造(Simulation Integrated Manufacturing，SIM)系统[15].

(2) 虚拟工厂的另一种应用是对制造设备耗能行为的模拟仿真[16].在虚拟工厂中分析生产流程的当前价值流，同时建立与当前能耗有关的设备模型，在模拟场景中对生产设备整体能耗的解决方案进行评估.罗克韦尔的Arena®商用仿真软件[17]、西门子的Plant Simulation®商用仿真软件[18]都能对工厂进行耗能模拟，并进行相关经济分析.

(3) 虚拟工厂也可应用于信息物理的虚拟仿真.TAO等在2017年首次提出数字孪生车间的概念，将在数字孪生车间里收集的实物产品数据送入虚拟产品模型中，用于更好地进行产品的全生命周期(包括产品设计、制造和服务)管理[19].GRIEVES介绍了美国宇航局NASA位于新奥尔良郊外的米肖装配工厂(MAF)对虚拟工厂的应用.NASA通过创建虚拟工厂，模拟航天飞机燃料箱的生产计划，提前发现了设备和工艺上的问题[20].在德国大众公司的虚拟工厂中，3D可视化模型与达索的制造运营管理系统APRISO®相链接，动态地展示生产进度、设备综合效率(Overall Equipment Effectiveness，OEE)及维修保养等工厂运营管理活动[21].美国福特公司通过虚拟技术评估和优化工厂设计，提高了工厂的装配线产能[22].韩国学者SEUNG等提出一种数字虚拟工厂(Digital Virtual Factory，DVF)概念，基于运动学模拟和可视化技术，构建了一个汽车公司的复杂数字虚拟工厂[23].

2 虚拟工厂应用的关键技术

本文研究的虚拟工厂主要基于工厂数字孪生的仿真建模与分析技术，在三维环境中进行生产规划、设施监控、运行优化与活动预测.图1所示基于数字孪生的虚拟工厂系统集成框架，能为工厂的主要经营及生产提供集成的仿真模型[24].该仿真模型有助于将工厂作为一个复杂的系统(System of System，SOS)，从各层级和业务视角来考虑企业的经营难题，为决策提供支持.相应开发的仿真分析系统能够评估多层级制造系统的性能，可快速地生成分析数据，以满足实际的工厂决策需要.

图1 基于数字孪生的虚拟工厂系统集成框架

虚拟工厂能够多维度展示生产设施及周边地理环境(Geographic Information System，GIS)的空间信息和地理信息.它能以虚拟现实和增强现实技术带来身临其境的沉浸式体验.生产管理人员可采集、汇总、查看各种信息，通过虚拟调度平台进行整座工厂的远程监控，随时随地获取生产、质量、物流、订单进度等各种信息，提高管理的响应速度和透明度，促进各部门间的协作和知识共享.虚拟工厂作为一种计算机集成模型，能够结合物理生产系统精确展现生产系统的整个结构，模拟其运转过程的物理行为和逻辑行为.虚拟工厂是对所有目前和未来生产系统中产品、过程及控制进行的建模[25].在现场信息和控制数据下发之前，大部分物理生产系统将在虚拟生产环境下得到验证.同时，物理生产系统能够将生产过程的实时状态和信息反馈到虚拟工厂系统，以便对虚拟工厂的生产参数进行修正.

虚拟工厂的实现需要三大技术支撑.一是基于建模和仿真方法的虚拟生产技术.它通过构建基于虚拟现实(VR)和增强现实(AR)的人机交互方式，实现人与虚拟世界的互动.二是物理工厂获取信息的技术.它基于工业物联网和大数据分析来展示相关结论和洞察力.三是虚拟世界控制现实的技术.虚拟工厂是信息系统整体的有机结合.虚拟工厂基于数据和模型驱动的仿真模型，应用各种机器学习、深度学习等新一代人工智能高级算法，使工厂调度和控制、订单处理、任务排队、设备维护等应用问题得到最优解.同时，它在现实空间，通过决策推理、知识挖掘等自学习的工业大数据，把仿真模型验证的数据和加工指令送给生产现场设备或生产线，以便调度器根据生产计划准确无误地进行生产调度.这里，现场设备或生产线的控制采用工业物联网技术，且通过直接与仿真器相连的遥控操作来完成.

2.1 虚拟现实(VR)/增强现实(AR)在虚拟工厂中的应用

经过几十年的发展和积累，虚拟现实技术和装备逐步从娱乐消费向工业级应用拓展，虚拟现实的虚拟模型开发已进入工厂管理者的视野.虚拟模型需要构造物理对象的信息映像.它是利用计算机图形技术开发的，既包括对象的几何特征，又包含其本质规律的数学模型.它能够在数学模型计算结果的驱动下，通过几何模型和运动模型展示对象各方面的特征.图2所示为虚拟现实系统在虚拟工厂交互中的接口框架[26].通过VR接口和设备，能够对虚拟工厂的虚拟模型和对象进行操作与控制[27-28].借助虚拟模型，可以达到如下目的：①显示现实(显示那些实际存在但因某种原因而难以观察的物体，如密闭容器内部、X光机区域、高浓度粉尘房间或高洁净间等具有危险性或者无法进入的空间和场所)；②模拟现实(在事件发生前，对事件进行预演，预测结果，对未来的事件进行指导，如发现工厂在试生产阶段的产能约束瓶颈、物流瓶颈、工位人员的人机工程问题)；③创造现实(创造现实世界中可能存在的假想工况和环境，如多台关键设备的意外停机对生产恢复时间的影响和产能恢复的可能性).

图2 虚拟现实系统在虚拟工厂交互中的接口框架

AR作为虚拟现实技术的扩展，允许全息3D模型叠加于物理世界，以提高工程师评估和改进设计的能力.

在智能工厂的运营中，许多产品需要复杂的制造设施，这些设施需要根据生产要求进行升级或者替换，因此要求安装生产设施的厂房能够提供充足的空间和合适的基础设施，使管道、支架、机器人等能被安装在合适的位置.虚拟工厂可利用3D模型展示工厂设施模型，通过AR系统直接检查设备间的冲突和其他非常规设备的安装情况[29].通过这种方式，绝大多数动力管网、管线的“硬干涉”和“软干涉”问题都能在工厂设备和设施安装开始之前得以解决.

2.2 机器学习在虚拟工厂中的应用

机器学习通常用于数据分析和潜在的系统故障预测.

在虚拟工厂中应用机器学习，首先，需要了解机器学习方法和预测分析的范围，以便预测组件/系统何时可能失败，更重要的是为什么会发生故障，从而进行系统优化，延长资产和整个系统的生命周期；其次，需要通过建立完整的基于模型的系统，减少人工作业流程的数据，而高效地使用智能数据.图3所示为机器学习在虚拟工厂中的应用框图.模型数据从制造系统现场被获取，发送给一个或多个机器学习算法群，使用最新优化数据和其他信息，如数学模型(调度模型、行为方程等)、物理模型(机理模型)及行为模型(推理模型、决策模型)，生成一个生产预测系统.数据在这一过程中虽然是流动的，但经过分析处理，对提高生产绩效和能源利用率将有所帮助.通过机器学习，虚拟工厂将进一步智能化[30]，而机器学习所用数据需要以虚拟工厂的孪生模型作为载体.

图3 机器学习在虚拟工厂中的应用框图

2.3 工业物联网在虚拟工厂中的应用

虚拟工厂中的生产仿真与现实世界中的生产要达到无缝融合，需要将生产数据与传感数据同步到虚拟工厂中，并保证数据采集的实时性、准确性和完整性[31].一个大型离散型制造工厂有采集点数万个、设备接口十几种、通信协议上百个，生产传感数据接入虚拟工厂之前，需经过多次协议转换和转发，延时是难以控制的.设备的传感数据首先要接入机台的工控系统，然后由Modbus等现场总线协议上传到车间控制系统的实时数据库，再通过Profinet等以太网通信协议传送到工厂的MES数据采集系统，最后，虚拟工厂的仿真实时数据库管理系统才能从数据采集控制系统(SCADA)的数据库中获取生产数据.在这样的传输方式之下，数据传输速度是无法满足虚拟工厂实时性要求的.

在工业物联网系统下，数据能够“一网采集到底”，由设备传感器和驱动器采集的数据在工业物联网平台上，通过OPC-UA-TSN(时间敏感网络)通信协议[32]被直接上传到MES和SCADA的数据库中；同时可在虚拟工厂的仿真实时数据管理系统中进行备份，并驱动虚拟工厂的生产仿真系统.

2.4 大数据在虚拟工厂中的应用

传统的排产方法凭借经验进行人工干预，将工单下达到执行的自动化系统.这种方法较适用于大规模、标准化产品的自动化生产，但对个性化、小批量产品生产的适应能力明显不足，更难以满足虚拟工厂的要求.虚拟工厂需采集海量的实时数据及历史生产数据，并从各系统汇集企业的生产计划、生产线能力、库存情况、订单优先级、工艺限制、计划变更、设备故障、质量状况、原辅料供应、工艺调整，以及各生产单元间相互制约关系的大量结构性、非结构性和含有历史资料的时间序列数据.如何快速地分析挖掘这些杂乱的大数据，成为工厂确定最优排产方案的关键.

基于企业级的大数据统一存储、查询、分析平台，为工厂快速排产构建海量数据的信息处理系统，对各类海量数据进行智能挖掘和分析，能够帮助工厂从各类繁杂无序的数据湖中获取真正有价值的智能数据，及时洞察生产中的风险，进行决策优化.虚拟工厂能够建立工厂生产模型，根据大数据分析的结果制定排产方案，在虚拟仿真系统中对各种排产方案进行仿真.通过仿真,能够及时发现因满足履约订单要求而增加的无谓成本问题，以便反馈并修改方案，找出最优排产计划，使排产调整周期从数十小时缩短到几分钟，将排产准确率提高到98%.

3 虚拟工厂应用的瓶颈和解决方案

一个完整工厂的全面虚拟化运作，面临一系列技术问题和非技术使能因素，不同的应用瓶颈应有针对性的解决方案.

(1) 构建生产的全生命周期系统.在工厂规划的设计阶段，可使用全生命周期的模拟生产系统(Cyber-Physical Production Systems，CPPS)整合多领域和跨学科的不同模型.尽管有后期新产品导入的工厂技术改造，采用的信息化系统有升级，但规划阶段的信息系统能够支持和维护全生命周期的虚拟工厂，使数据得到及时扩展与更新，同时在设计、生产准备、试运行、运维的每个阶段都能进行复用.例如每个阶段都使用适当颗粒度的数据标准，建立高保真和完整数据库的模块，以及二次开发应用.

(2) 通过使用合适的商用仿真工具，构建行业专用和适用于特定业务背景的虚拟工厂系统.目前，类似的平台还不具备通用性，需要企业用户和商业合作伙伴共同开发，构建可集成、可扩展的工厂模型和APP工具，以实现多层面、不同管理权限、不同合作伙伴共享信息的访问机制.新的平台应能够收集现场不同粒度的生产数据、订单流转数据和产品配置数据等，实现不同管理尺度的功能，以便从工厂经理到设备操作员都能提取有用的结果和信息，从而向上汇总关键绩效指标和趋势数据；向下深度挖掘关联数据和状态信息.

(3) 确保数字资产与物理资产的一致性.虚拟工厂作为时间维度上的数字资产，虽然数字机器不存在物理空间上整机的磨损，易损件和配件、辅料的消耗，但在时间维度上，性能、指标和价格是顺着时间的变化呈非线性变化(变化曲线因设备性能不同而异)的.现实工厂中环境条件(如振动、温湿度、洁净度)的变化会影响真实设备的运行精度和使用寿命，但虚拟工厂只需表达类似这种生产工序之间、环境之间的关联性，即可运行近于实时的新数据，自动建模，并在短时间内根据实际设备和设施维护情况等情形判定是否需要重建.

(4) 解决高逼真、高保真的数字模型需求与数据采集频率、颗粒度之间的矛盾.强大的图像处理功能和高速的计算能力需要高性能计算服务中心(High Performance Computing Center，HPCC)作支撑，需要企业投入大量的资金和维护成本.系统在分析和展示阶段往往需要复杂的计算分析，而不需要高频率的现场实时数据；在运行维护阶段，对模型的细节并没有过多的要求.然而，轻量化的模型和高频率的现场实时数据均是快速发现问题和解决问题所必需的.

(5) 需要支持制造业现场操作决策的先进集成开发工具[33]，如基于数字线索的下料切割、切削加工、增材制造、冲压焊接、涂装装配、调试试验等集成仿真数字工具.而目前的解决方案过于专业和独立，不利于现场一线技术工人和操作者的使用；已有数字工具多为零碎的“珍珠式”软件套件，未通过数字线索进行串联，不便使用.制造业需要有行业一致性的模型表达语言，以便精确地定义模型对象和具有不同抽象级别的对象之间的关系.此外，信息交换机制必须保持一致.

(6) 支持制造业中各种例外情况的处理引擎和算法的开发[34].虽然目前的仿真软件和系统考虑了各种“what-if”知识模块，但生产和产品的复杂性导致各种问题层出不穷，一个意外和突发情况即可让系统无所适从，因此必须开发灵活的意外应急处理模块，使系统能迅速从采集和更新的数据中开发、补充知识库，以采取相应的行动，保持操作的自愈性、稳健性和完整性.

(7) 开发性价比高、用户体验好的人机互动接口.以往的虚拟工厂操作比较笨拙，用户接口非常复杂且难以理解，以至技术人员几乎无法使用，操作人员往往被访问用户接口的数量或传播信息的复杂性所困惑.实际上，高级工厂经理需要理解与生产绩效、财务成本等指标相关的展示数据；设备维护和管理人员只需了解与生产相关的订单、原辅料、工艺参数、设备维护及使用状态等数据.新的系统应能通过层次化醒目地展示数据，以触摸式或感应式交换输入输出信息.

4 结束语

基于数字孪生的虚拟工厂通过集成过程模型、仿真软件、信息化系统、虚拟现实和增强现实系统，带来了以下好处：不同地点的人可以在同一项目上更好地合作；通过虚拟新产品设计，减少生产准备时间和物料的浪费；在项目的各阶段，不同地点的工作人员之间的协作都很方便；决策过程能够促进互动创新；不同的缔约方可共享和访问产品设计有关的知识库；开发过程以人为中心，工人的效率和安全意识通过虚拟机器和生产线的培训学习得以增强，并且可在虚拟环境中对工人进行安全应急能力的培训.

后续将围绕虚拟工厂建模技术的标准化和模块化、制造业专用知识库在虚拟工厂的表述和获取、智能工厂全生命周期中基于集成模型的虚拟工厂理论和关键技术等开展深入研究.