基于数字孪生的白酒酿造车间架构设计

刘文斌 ，张贵宇 , ，庹先国 *，王耀 ，唐宇欣

1. 四川轻化工大学自动化与信息工程学院（宜宾 644000）；2. 四川轻化工大学人工智能四川省重点实验室（宜宾 644000）；3. 西南科技大学信息工程学院（绵阳 621010）

随着新一代信息技术在制造业的融合和应用，各国相继提出工业4.0、工业互联网、服务型制造、云制造等制造战略，推动信息物理系统（CPS）、数字孪生技术[1]的快速发展，为实现物理世界与虚拟世界深度融合与交互[2]提供前提条件。数字孪生技术深受学术界和工业界关注，各大公司相继对数字孪生技术进行应用研究。此外，数字孪生技术被广泛应用于交通[3-5]、医疗[6]、制造业[7]、智慧城市[8]、服务[9]、航空航天[10-11]等领域。

车间是制造业生产过程中的基础单元，要实现智能制造首先应该满足车间的智能化和数字化。数字孪生技术的提出及实现与制造业车间的融合，为车间生产过程的高效管理提供有效的理论和技术支撑。Grieves等[12]在2003年提出数字孪生体的概念，其实是物理实体在数字空间的映射模型。数字孪生体的本质是在数字空间构建一个动态实时反映物理实体当前的状态和行为，并能预测该物理实体未来的状态和行为的模型，基于此虚拟模型对物理实体及其行为进行仿真、分析、优化[13]。数字孪生模型的构建是实现生产车间智能管控、智能生产不可缺少的重要环节。

国外的白酒酿造多采用液态酿造方式，容易实现机械化、自动化，而国内白酒多采用固态酿酒工艺，机械化程度仅限于局部环节，与全方位机械化还有很大差距，故实现全自动化难度很大[14-15]。中国白酒的固态酿造工艺操作复杂、要求严苛、原料的连续性差，与液态、半固态发酵工艺相比更难实现自动化生产。近年来，在“中国白酒158计划”“中国白酒169计划”等推动下，白酒企业生产规模不断扩大，对白酒酿造车间的管控问题将更加突出。因此，完善管控优化、过程监控、设备维护、工艺优化、增产降耗、质量管控等要求将有利于提高白酒企业管理和科技含量水平，促进白酒酿造向自动化和智能化方向发展，促进白酒企业向安全、可控、低成本、可循环的方向发展。

1 基于数字孪生的白酒酿造车间系统架构

数字孪生驱动的白酒酿造车间架构从层次分为应用层、服务层、数据层、物理层、模型层、传输层。白酒酿造的工艺环节主要包括原粮粉碎、拌粮润粮、入窖发酵、上甑蒸馏、量质摘酒、摊晾拌曲等步骤，对其完成人员孪生模型、设备孪生模型、物料孪生模型、环境孪生模型等设计，并根据传感器获取的数据进行数据融合与交互。基于数字孪生驱动的白酒酿造车间系统架构。如图1所示。

图1 白酒酿造车间系统架构

2 基于数字孪生白酒酿造车间关键要素建模

2.1 基于数字孪生白酒酿造车间生产要素建模

在白酒酿造过程中，与生产相关的关键实体要素包括人员、设备、产品或物料。此外，酿造工艺方法指导生产，现场环境影响生产，有效监控手段实时跟踪优化生产。其白酒酿造车间数字孪生模型统一描述为：

式中：DTpro为白酒酿造过程数字孪生模型；DTpe为人员数字孪生模型；DTeq为设备数字孪生模型；DTma为产品或物料数字孪生模型；DTme为酿造方法数字孪生模型；DTen为环境数字孪生模型；DTre为维修数字孪生模型。

2.1.1 人员孪生建模

在白酒酿造过程中，各部分的操作都与人员有着密切的关系，对设备操作人员、维修人员、物料与产品运输人员等进行建模是保障白酒正常生产的关键要素之一。通过对相关人员位置信息、动作进行监控，获取人员数字孪生数据，其数字孪生模型为：

式中：Gper为人员几何模型；Cloc为相关人员位置信息模型；Cop为人员操作行为模型。对相关人员监控所得到视频图像信息，可以通过相应图像识别的方法来获取数字孪生空间中位置及行为数据。同时，每个人的操作经验、资历、熟练程度、健康情况等都要考虑到人员孪生模型中，记为Cab，如式（3）所示。

式中：Cab-ex为人员操作经验孪生模型；Cab-qu为人员资质孪生模型；Cab-pro为人员熟练程度孪生模型；Cab-he为人员健康情况孪生模型。

2.1.2 设备孪生建模

在白酒酿造车间可以采集到数据的主要设备包括上甑机器人、蒸馏装置、智能摘酒系统、摊晾机床等，为了更好地完成设备实体向虚拟空间的映射，在建立设备几何模型时，需了解尺寸、外形、与其他设备的关系等。根据设备实际运动模式、约束、经验，总结为物理模型、行为模型、规则模型。因此设备孪生模型定义为式（4）。

式中：Geq为设备几何模型；Cph为设备物理模型；Cbe为设备行为模型；Cru为设备规则模型。

2.1.3 产品或物料建模

对于白酒酿造车间白酒产量或酒醅主要关注的是酒醅的位置情况、状态信息、白酒的品质情况。其数字孪生模型为：

式中：Gma为白酒和酒醅的几何模型；Cpo为白酒运输、酒醅补料的孪生模型；Cst为白酒产量和酒醅的状态模型；Cqu为头段酒、中段酒、尾酒分段模型。

2.1.4 酿造工艺方法建模

在白酒酿造车间中，酿造工艺方法直接影响白酒的品质。白酒酿造工艺主要有原料处理、出窖、配料和搅拌、蒸酒蒸粮、打量水、摊晾、撒曲、入窖、封窖发酵。发酵原酒的质量因地区、原料、窖池、工艺、技术等因素而相差甚远[16]。如今，酿酒技术不断进步，白酒的制造工艺也在不断改善，但是在不同地区仍有一定的区别。其定义模型为式（6）。

式中：Crmt为原料处理方法模型；Cim为配料和搅拌的方法模型；Ctw为蒸酒蒸粮的方法模型；Ccw为打量水的温度变化模型；Cso为摊晾方式数字模型；Cs为撒曲量的模型；Ccf为发酵方法模型。

2.1.5 环境孪生建模

白酒是经过发酵而产生的，酒的品质会受酿造的气候和环境的影响。白酒发酵使用的是微生物，窖池里面的主要微生物有酵母菌、根霉菌等，这些菌种最适合生长在温度30～35 ℃之间，当发酵过程进行时会产生大量热量，导致窖池温度变高。如果发酵在夏季高温的时候进行，入池发酵的起步温度将达到30 ℃以上，最终发酵温度会达到40 ℃左右，这样会导致产生大量的酸，酒的产量就会大幅降低。其定义的数字孪生模型为式（7）。

式中：Cwe为外界天气气候情况模型；Chu为整个白酒酿造车间的湿度模型；Ct-h-a为窖池的温度、湿度、酸度的数字孪生模型。

2.1.6 维修孪生建模

白酒酿造车间维修是保障整个生产流程顺利进行的关键之一，酿造车间结构复杂，维修技术难度大，维修环境恶劣。维修效率低不仅会造成白酒产量的减少，还有可能导致安全事故的发生。其定义的孪生模型为式（8）。

式中：C3D为设备关键部位的3D模型；Cin为关键部位数据实时交互接口模型；Cda为维修数据模型，Cda= {Cha,Chis}，Cha为损伤数据模型，可以通过对设备在线运行监测获取数据，Chis为部件的历史维修信息模型，可以从维修报告中获取。

2.2 数据采集与获取

在白酒酿造车间通过获取设备各个阶段相关数据以及相关参数数据、监控系统数据，以实时检测相关设备运行情况，从而对设备健康状况进行推断。白酒酿酒整个工艺环节获取的数据可以分为4类：设备维修数据、环境数据、设备运行数据、白酒产量与酒醅数据。维修数据包括上甑机器人维修数据、摊晾机床维修数据、摘酒系统维修数据等，环境数据包括有天气、湿度、窖池管理系统监测数据。设备运行动态数据包含设备本身记录数据、状态监控数据、运行的轨迹路线。白酒产量与酒醅数据包含人工统计数据、系统物料管理数据。如图2所示。

图2 白酒酿造车间工艺流程数据

为实现系统应具备数据集成、数据分析、可视化仿真、白酒酿造工艺知识等功能，需要对数据进行采集、集成、处理与挖掘。数据集成是白酒酿造车间生产过程中收集到的相关数据，如相关设备姿态数据、运行的位置信息、温度、性能指标、维修数据、环境数据、白酒产量与物料数据等。通过传感器、窖池信息管理系统、监控系统等方式实时收集，利用数据转换进行数字测量。数据分析与处理是指白酒生产过程中对实时采集到的数据进行清洗、聚合、泛化、离散化、特征选择等[17-18]操作，提取白酒酿造车间数字孪生模型所需要的数据，利用Hadoop、Apache等软件处理数据，数据仓库、数据流等软件管理数据。可视化仿真是为了检测设备故障、运行状态检测以及安全评估服务。白酒酿造工艺知识是为了在仿真过程中发生故障实时给生产操作员发送预警信息，提供安全性评估报告、维修报告、服务报告等。如图3所示。

图3 白酒酿造车间数据融合与集成框图

2.3 虚拟白酒酿造车间

数字空间对白酒酿造车间生产线进行映射，能从多维、多物理实时观察车间运行情况。数字空间与实体空间的交互映射有几个部分：（1）人员，实时映射出人员的身份、所在位置、人员对设备操作等信息，对人员实现可视化管理；（2）设备，酿造设备是整个车间重要的组成部分，任何一个设备出现问题，都会导致整个生产线瘫痪；（3）产品与物料，白酒的产量直接关系到生产效益问题，实时映射能了解生产情况，做出相应调整，获得利益最大化；物料的输送及时是关系到其他环节按时进行的先决条件，实时映射能保证生产线顺利进行，保障生产效率；（4）酿造工艺方法，实时显示酿造工艺方法能保障工艺稳定，控制工况复杂多变等问题；（5）环境，实时显示白酒酿造车间环境参数信息，了解环境变化情况，切实保障各工艺环节都在合适的环境下进行；（6）维修系统，通过实时映射对设备的故障部件及系统及时维修，为智能维修提供基础。

通过物理空间收集到数据，在数字空间虚拟化人员、设备、产品物料、酿造工艺方法、环境、维修系统等，对虚拟的模型进行分析，对白酒酿造车间进行智能监控，从而达到顺利调度、安全运行、智能维修等功能。从多个维度对模型进行初始化，使得数字孪生模型与车间物理实体相匹配。在数字空间实现同步初始化，利用数据驱动实现技术人员、设备、产品物料、酿造工艺方法、环境、维修系统进行多维度映射，对数字空间获得数据进行分析，实时映射，从而实现智能维修、智能生产。数字空间结构如图4所示。

图4 酿造车间数字空间结构图

3 基于数字孪生酿造车间关键技术分析

3.1 建模与仿真技术

建模是数字孪生体进行上层操作的必要条件，是创建数字孪生模型的核心技术。建模不仅包括对物理实体的几何结构进行三维建模，也包括对物理实体中设备运行机理、环境、人员姿态、设备维修等信息进行数字孪生建模。数字孪生模型具有独特性，不同物理实体将建立不同的数字孪生模型。对于白酒行业的数字孪生模型，主要依靠CAD、Matlab、SOLIDWORKS等建模工具。仿真是验证数字孪生模型的一种方法，检验模型的正确性和有效性。仿真是将具备确定性规律和完整机理的模型以软件的方式来模拟物理实体的一种技术。在建模正确和感知数据完整的前提下，仿真可以基本反映物理实体一定时间段的状态。

与传统计算机辅助设计/计算机辅助制造（CAD/CAM）技术相比，多维度的建模需要融合环境等更多因素，以及温度、湿度、酸度等多种属性，保证最大限度地实现模拟现实状态。Leu等[19]提出从3D表面获取数据，构建CAD模型，同时与增强现实（AR）技术相结合，提供运动捕捉、力学建模和多动态渲染等操作，集成了生产系统的设计、规划、评估、测试等功能。

3.2 多源数据融合技术

数字孪生驱动白酒酿造车间过程中会产生大量的多源数据，为了剔除其中的噪声数据，需将其中各类数据进行融合和转换，如图5所示。利用数据将物理运行生产状态映射到数字空间中，是实现白酒酿造车间安全与控制的基础。对于白酒酿造车间产生的不同生产数据，应该采用不同的融合技术，如机器学习、深度学习处理其中的文本数据，利用VAE、零膨胀模型处理小样本数据。处理后的文本数据、小样本数据、不平衡数据形成多模态数据，将其融合反映生产车间设备运行安全性的多维数据，采用数据挖掘方式判定车间设备运行的安全性。

图5 车间设备运行安全性数据融合技术

3.3 可视化平台处理技术

统一平台有机地融合多维物理建模仿真、数据管理、数据分析、模型与数据融合、动态数据驱动决策等多个模块，并通过可视化的形式展现出来，可使操作者进行统一处理[20-22]。达索公司[22]依据数字孪生、数据驱动、虚实融合等技术建立3D EXPE-RIENCE体验平台，此平台利用知识和专业技术将所有技术和功能集成到一个统一的数字化创新环境中，以实现设计的创新、产品的开发、仿真、制造、服务等环节。

根据用户不同的可视化显示需求，监控视角模块提供不同的视角切换功能，保证系统全面、有效地进行可视化监控。通过虚拟相机切换不同角度来获取不同的观察角度和图像，从而实现白酒酿造车间运行状态的360°监控。白酒酿造车间监控效果如图6所示。

图6 监控效果图

4 结语

目前，白酒酿造车间对数字孪生技术体系下的相关技术应用还处于初步探索阶段，尚未普及应用。但随着数字孪生技术在产品设计、生产、运维等方面运用优势显著增加，把数字孪生技术引入白酒行业指日可待，对增强白酒酿造车间各要素之间的融合，对物理空间和数字空间、人员孪生体、设备孪生体、物料和产品孪生体、环境孪生体等之间的交互有着重要意义。数字孪生的应用十分广泛，不但充分融合现有的各科学知识来建立模型、数据分析，更利用虚拟环境的仿真来预测未知的场景，不断推进科技进步，探索更优方法，追求创新技术。试验从对数字孪生技术的理解及其在白酒酿造车间的应用场景展开阐述，尝试设计白酒酿造车间的体系架构，并对数字孪生的关键技术展开讨论，以引起白酒行业对数字孪生技术的关注和思考。