火狐体育娱乐

西门子数字化工厂架构解读:生产数字孪生

来源:火狐体育娱乐  作者:火狐体育全站APP  2022-10-01 10:59:08

  :工艺是设计到制造的纽带;在数字化工厂中,结构化工艺更是中枢神经,定义与驱动数字化工厂高效运作。制造企业在MBD全三维数字化环境中,定义与验证结构化工艺,为现场生产系统中的人和机器传递一次性准确的工艺信息,最终支撑智能制造。

  本篇将重点阐述基于当前数字化工厂规划(大工艺)技术和结构化工艺设计与仿真技术,如何深入开展生产制造的数字孪生建设,以及数字孪生当前的能力状态。

  按照官方定义,数字孪生(Digital Twin):是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念,可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。针对制造企业来说,该装备系统既可指代企业交付给客户的产品,也可指代企业的生产工厂,甚至整个企业。

  在最新2020年工业与信息化部指导编写的《信息物理系统建设指南(2020)》中,对数字孪生的组成进行了细致定义,如下图所示:

  2,信息虚体(数字孪生体(Digital Twins)):即虚拟世界的虚拟产品,包括数字模型、孪生数据、孪生主线、数字孪生服务等。

  西门子总体愿景是为制造企业打造数字孪生,全面覆盖整个企业的全业务流程和产品的全生命周期。鉴于制造企业的复杂度和数字孪生技术的状态,西门子首先从产品、生产和运维三个阶段来分别打造数字孪生,然后通过数据主线(Digital Thread)进行这些数字孪生贯通,最后随着技术的成熟去构建制造企业的全面综合的一体化数字孪生。

  1.产品(Product)数字孪生:指真实产品与虚拟产品(对产品结构组成的模型化表达、对产品本身内在机理的虚拟表达)组成的相互作用系统。

  2.生产(Production)数字孪生:指真实生产与虚拟生产(虚拟的制造产品/对象,虚拟的工艺、虚拟的工厂/生产系统)组成的相互作用系统。

  3.运维(Performance)数字孪生:指真实产品与虚拟产品(对产品运行环境、运行状态、运行功效的虚拟表达)组成的相互作用系统。

  在生产数字孪生的系统中,主要包含制造产品、制造工艺、制造工厂这三个方面要素进行物理与虚拟的对应。

  1.制造产品:包含原材料、采购件、过程件/在制品、半成品、成品等被加工制造对象(物料)实物以及虚拟表达。(虚拟产品表达更多是对产品变形/组合过程及制造特性)

  2.制造工艺:包含产品制造过程中所采用的各种工艺过程(机加/钣金/焊接/喷涂、装配/维修/调试、热表/锻铸/特种加工等)的完整表达。(制造工艺在企业中是无形非实物的智力资产,制造工艺的虚拟表达更多就是工艺知识的全数字/结构化表达)

  3.制造工厂:包含制造企业车间现场的所有生产设备、设施、仪器、工装等生产资源的实物及虚拟表达。(虚拟工厂不仅只是工厂外形的表达,更多是工厂的工作逻辑、生产逻辑、运行状态的全面表达)

  正如前面文章的阐述,MBD技术发展,使得制造产品、制造工艺、制造工厂的数字化虚拟表达的技术日益成熟;数字化工厂的发展使得生产制造系统实物硬件更加数字化;实物更加易于数字化虚拟表达而且易于与数字化虚体进行交互。由真实和虚拟的“制造产品、制造工艺、制造工厂”组成的生产制造系统的数字孪生,开展虚拟生产和真实生产,以及相互指导与反馈优化,来提高数字化工厂的制造产能、效率和质量。

  在数字孪生发展的初期阶段,实物和虚拟的世界往往只是镜像或相互参考印证的关系。随着各种产品及生产制造设备/仪器的数字化智能化发展,实物和虚拟的产品/工艺/工厂之间的相互关联更加实时连接甚至直接相互作用,可以说是闭环的数字孪生。

  西门子在传统的全集成自动化(TIA)的技术基础上,进一步拓展物联网技术的发展,把西门子开环的产品/生产/运维数字孪生逐步打造成闭环的数字孪生(= 虚拟模型 * 物理资产数据 * 虚实互连)。如下图所示。

  因此本篇将从开环和闭环两个层级来阐述生产数字孪生。开环数字孪生中重点阐述生产数字孪生体(DigitalTwins,即虚体部分)的应用与能力,即单独考虑基于产数字孪生体的仿真分析技术;闭环数字孪生更多讲述虚实结合之后的数字孪生(DigitalTwin,即虚实联合体)的应用与能力,即基于物联网软硬结合后的相关技术。最后畅想一下整个制造企业基于虚实工厂对客户直连制造的生产模式的支撑。

  在多数制造企业内,对于生产制造系统的管理与使用还是采用传统的方式,不透明、不精细、不优化。具体表现如下图的几个方面:

  生产系统不透明:通过传统的表格方式管理资产清单,仅仅记录数量与价值;对于资产真正实体形态,工作位置、加工能力说明、工作或维修的状态等都不清楚,而且随着工厂的调整,不下现场,根本不知道工厂的状态。

  生产产能不自知:对于工厂的产能只是模糊的概念,新增产能时只能大概估计;提升产能只能通过“大干几百天”或加班加点,而不是消除产能瓶颈或任务合理化。

  生产布局不优化:习惯性按功能区摆放,一张类似办公桌布局图来确定设备布局。没有综合考虑工艺流、物流、生产节拍等因素。

  工艺脱离车间现场:工艺员设计工艺时,难以全然明晰由设备/工装等组成复杂生产现场环境对工艺过程的影响。过度关注给工人编制工艺规程卡,而缺乏保障工艺一次正确性的能力。

  机器人还不是柔性设备:企业购买机器人时购买了厂商提供的P LC 程序,日后不能根据生产任务调整等优化或改变 PLC 程序,成为一台固化的自动化设备。

  工人只是高度柔性的设备:工作现场缺乏人性化考虑,对工作强度、工作舒适度等方面基于人因工程的分析和优化。

  基于产数字孪生体的仿真分析技术,可以很大程度上解决上述制造企业面临的问题。

  有人还在质疑,建立工厂的三维模型有意义吗?还没有游戏或电影制作工具的效果清晰好看。其实制造企业工厂三维建模的环境已经成熟:一方面企业需求越来越明显,另一方面数字化建模技术和应用越来越丰富。

  大家可能观察到,有些企业在采购生产设备时,要求设备供应商同时提供一套带三维模型的数字化设备,不仅只是三维造型,还包含能力参数说明手册等相关内容。现在生产线集成商在给企业提供交钥匙工程,也会提供一套数字化的生产线,让企业后续可持续使用。

  业界生产线设计/工厂建模工具已经成熟,例如西门子的NXLine Designer,能够利用丰富可扩充的生产线资源库,基于参数化的快速设计定制化的生产线;不仅实现生产线的三维可视化,甚至关联展示相关信息;同时三维模型可输出工程图纸,用于生产线的生产制造。

  采用点云技术实现历史资产快速3D可视化:除了自己从零开始为每个厂房新建模型外,还可以为现有的工厂进行快速扫描建模,用于工厂的整体直接可视,也可为未来生产线逐步调整优化过程中逐步建模提供背景;在NXLine Designer可以实现新建的三维模型和点云扫描模型组合在一起;随着工厂的持续优化改造,这些点云的模型逐步被新三维模型取代。

  工厂三维模型,一方面实现全球资产的数字化管理,让任何人在任何地点查看企业工厂景况;另外这些模型可以直接为工厂仿真/工艺仿真提供模型基础,也是生产数字孪生的基础;甚至可以基于工业物联网或生产现场系统集成获取实时数据,实现全球分布式工厂的实时信息触手可及,实时巡视;通过静态描述与实时动态相结合全方位多层次实现生产制造系统的透明化。

  例如:福特汽车与西门子开展合作,已经开始为全球诸多工厂建立的数字化模型,并沟通过与MOM集成,以及逐步采用IoT技术把生产设备信息放到Mindsphere平台管理分析,并最终集成到Intosite平台中进行展现。Intosite就是类似Google earth一样对全球工厂进行可视化展现的工具。

  数字化工厂不是简单的用自动化和数字化设备仪器取代原有生产硬件,而是追求更加精益的高效柔性制造工厂。在数字化工厂策划筹建时,就必须在数字化的环境里进行全面分析和验证。数字化工厂仿真工具(例如:西门子的Plant Simulation)能够低成本帮助企业实现这一目标。

  价值流分析:可以帮助制造企业进行精益价值流分析,绘制当前价值流图,站在企业的层面,对信息流、实物流分析发现产品全价值链增值过程中潜在的、对客户不增值的浪费活动,并制定策略,进行改进,形成全新的价值流图。价值流分析不仅仅对现有工厂进行基于产能或交货准确率策略进行优化,同时也可对新工厂导入新产品时进行决策辅助,选择总体价值最大化的产品组合进行该工厂生产。

  产能优化:工厂仿真工具能够对生产资源进行对象量化管理(例如每台资源量化的产能信息),对产品工艺进行的逻辑量化表达(先后顺序/工时/人员/设备/资源要求等),结合相应的控制策略,实现工厂的虚拟运行(周期可长可短,可快可慢),因此可快速知晓产能与产能瓶颈;并且通过优化生产工艺组合或调整产能瓶颈,最终满足产能需求或实现产能提升。

  仿真优化时,可考虑众多生产因素进行优化组合来提升产能:人员要求和配备;生产线节拍和利用率生产能力,性能;工作时间和换班模式;瓶颈、系统故障;布局安排、计划和先后顺序。这涉及到制造企业生产控制策略、处理原则的设定,例如:产能优先、交货准确率优先等。

  物流与产线布局优化:工厂仿真工具不仅分析关键设备产能需求,计算重要资源(工装/托盘/AGV小车/仓储货格)的具体数量需求;同时按照具体的工艺流和工厂布局进行虚拟运行,可对车间内/工厂内全面物流系统及产线布局进行校核优化,通过调整产线或物流布局,可减少物流不均衡、瓶颈、浪费等情况;甚至通过合理物流和布局,来达到产能最大或精益等目标。

  结合工厂的三维模型,还可对各种资源的位置干涉性、通过性;这不仅只考虑静态下的空间干涉,还包括移动设备在运动状态下,或带门设备的开关状态下的干涉性、通过性。

  降本绿色:而且通过带有成本信息和能耗信息的工厂的虚拟运行,能够快速计算出产品/生产成本(折旧+原材料+生产+停机+……),甚至工厂能耗信息,为工厂的精益成本控制和绿色节能运行提供决策支持。

  总之工厂仿真验证技术可以很大程度上解决“生产产能不自知”和“生产布局不优化”问题。

  正如前面章节所述,工艺员设计工艺时,难以全然明晰由设备/工装等组成复杂生产现场环境对工艺过程的影响。过度关注给工人编制工艺规程卡,而缺乏保障工艺一次正确性的能力。

  基于MBD的结构化工艺,以BOP为核心,有效组织三维的产品模型、工厂模型、资源模型等,为工艺的仿真与验证工具提供的三维仿真环境与结构化工序信息的基础。工艺的仿真与验证工具让工艺员身处在完全雷同生产现场境况的虚拟环境,进行工艺的设计思考和试错、验证调整,就像已经经过了多次的试制生产一样,出来就是满足现场需求的一次正确性的工艺。

  以装配维修工艺为例,工艺的仿真与验证工具(例如:西门子Process simulate)在虚拟环境中对装配/维修过程进行验证,是否会发生干涉,以及工装在动态使用过程中对装配过程的影响,从而确定最优的装配顺序和工装的使用方法。甚至在复杂的装配环境中,自主给工艺员推荐最优可行的安装路径。这种仿真对于越复杂的产品、越复杂的生产/维修环境收益最大。

  同时可基于仿真验证后的最优装配维修工艺,形成可视的视频、交互式作业指导书,甚至结合AR进行应用,让操作工人更准确理解工艺,更正确执行工艺,提高生产效率与质量。

  机器人用于生产的场景越来越多,但企业购买机器人时购买了厂商提供的PLC程序,日后不能根据生产任务调整等优化或改变PLC程序,成为一台固化的自动化设备。

  在数字化工厂环境,多品种切换或者新品种的引入都会要对机器人的PLC程序进行切换、调整、优化。机器人仿真与虚拟调试工具(例如西门子PS Robot)能够快速满足这一需求,使机器人真正成为高柔性自动化装备。

  机器人仿真与虚拟调试工具,对含机器人协作或生产系统进行虚拟调试,可以在虚拟环境下提前进行全方位的调试,验证机械操作顺序、校核PLC控制代码、机器人控制程序和HMI、测试安全互锁装置、执行系统诊断测试等,在硬件还没有到位之前就能得到正确的PLC、控制策略等。最终提升机器人协作效率和减少生产系统的调试准备时间,确保一次正确性。

  在数字化工厂中的工人,是最为珍贵的高度柔性的设备,必须让工人能持续稳定健康工作;如何设计工艺、如何设计工位、清晰知晓工人的劳动强度等非常关键。结合工艺和工位下进行人因工程分析,能够有效解决这一问题。

  西门子PS Human就能提供一个三维的环境来对工人在操作过程中的身体状态进行合理分析(结合人机交互性评估,对工位的布局,人机交互可行性进行模拟,人体的操作姿态,人体受力,人体的可视、可达性进行评估,从而对产品、资源(设备、工装、工具等)、人体三者之间的协同进行全面模拟。),分析当前工位设计与工艺方法的人因效果;通过优化工艺方法(可操作性/可达性等)或工位布局/工装结构等优化设计,确保更加高效安全健康工作。

  西门子PS Human具有最为丰富和标准的人体模型库;同时可与各种运动捕获设备相结合来快速定义人的操作运动,提高整个仿真分析的效率。

  西门子一直深入研究闭环数字孪生的价值应用,构建了“基于工厂实际数据的仿真验证”场景,来验证其业务价值和可行性。

  主体场景是通过物联网(IOT)边缘端,把关注的众多数据实时上传到工业物联网平台(Mindsphere)上,然后把这些数据传递到Plant Simulation中进行分析验证,支撑决策再作用到实际工厂中。

  基于物联网的实时数据,在Plant的虚拟工厂中,实时显现工厂的运作状态;是数据驱动的实际状态,不是视频或图片。

  Plant的虚拟工厂中有工厂的实时数据,可以更加准确的进行未来生产的预测或业务优化处理,或紧急查单等情况的最正确处理。

  可以在Plant的虚拟工厂模拟回放一段时间内的历史数据,可对生产现场进行历史回放,有利于找出生产问题的根本原因,而不是通过问题现场的猜测或询问。

  总之,基于Mindsphere云平台实时/历史数据,导入Plant Simulation进行仿真,对实时/历史业务复现与分析,针对关键历史事件对数字化双胞胎进行优化校准,挖掘更多行业数据价值。

  基于物联网技术把生产现场的数据反馈到三维的工厂模型中,可以进行基于虚拟工厂的生产系统巡检,实现各车间生产管理人员的高效安全生产巡检。同时结合物联网数据和AR技术,实现基于三维增强现实进行生产巡检,巡查数据:产线三维模型、订单数据、工艺数据、环境数据、设备运行数据、预警数据、故障数据、责任人数据。

  基于物联网的实时数据构建生产数字孪生,结合各种预测式维修、人工智能、远程控制、AR等先进技术,还可以在更多的场景发挥巨大价值。下面举几个实例。

  第一个实例是基于物联网状态监测与效率/质量数据结合分析,沉淀经验:分析质量或效率最佳的物联网获取机床工作状态信息,总结经验;反之总结教训。结合AI的深度学习和设备实时自动控制,实现设备自主调整工作状态参数达到最佳效果。下图所示的实例是某汽车企业,采用机器视觉,监测生产线上的每一个钣金产品,然后把数据上传到Mindsphere平台上AI进行品质分析,获取到产品品质最好时的生产线各种参数状态,最后实时调整和监控生产线,使其始终处于最佳的工作状态。几个关键点是:

  第二个实例是某企业采用物联网技术,对工厂共用工具/资源的位置和状态进行监控,采用移动客户端工业APP进行展示与查找,能大大节省复杂工厂环境下工人查找物料的时间浪费。同时在材料下料车间中对余料的寻找和再次优化利用(例如板料优化排布利用/棒料综合使用)。

  第三个实例是传统污水处理行业的数字化转型之路:利用物联网技术,实现关键设备(鼓风机)的稳定运行,远程诊断和复位;基于AR/VR的设备远程设备维修和指导;根据阶梯电价动态调整关键设备工艺参数,在保证出水质量的前提下节省能耗;通过海量运营数据的学习,挖掘隐藏在数据背后的工艺参数“密码”。

  C2M是英文Customer-to-Manufacturer(用户直连制造)的缩写;C2M模式,是指用户直连制造商,即消费者直达工厂,强调的是制造业与消费者的衔接。这是众多制造企业追求的模式,企业与用户紧密连接,企业准确把握需求与订单,用户清晰制造自己个性化产品的状态。

  西门子按照C2M思想,综合运用西门子各种数字化技术,尤其是数字孪生技术,搭建了一个类似九宫格的孪生工厂(实际工厂通过几个PLC等进行简化模拟),模拟C2M场景的运行。下图为模拟场景中工厂的虚拟模型。

  下图为基于孪生工厂之上运行的数字化系统,实现从用户查看商品,定制订单到企业接收订单后一些列业务活动的执行,直至客户接收商品后的点评闭环过程。下面稍微解释一下几个关键过程的运行:

  在APP中查看与下订单:用户在移动端的APP查看商品;并可根据自己个性需求进行适当的定制;下订单。

  零件与工艺准备:如果是定制产品,工程师需要基于订单定制需求在PLM环境进行产品设计与生产工艺准备。

  MES中接收订单与APS优化排程:订单进入企业后在高级计划与排程(APS)系统中进行自动计划安排;为了更精确的确保订单及时交付,可结合采用工厂仿真技术对产能进行合理验证;最终给与用户最为精准的订单执行计划信息。

  在虚拟/实物工厂中进行订单的执行:计划确认后直接由MOM系统组织生产。在本环境中,订单可在虚拟工厂中执行,也可在实物工厂中执行。其中虚拟和实物工厂通过物联网技术把诸多信息进行完全同步。虚拟工厂和实物工厂联合生产的模式,即可首先采用虚拟工厂进行验证优化和生产预测;也可以基于实物工厂生产数据的回放验证,找出实际工厂的问题根源等。

  优化工厂作业订单组合:如果在虚拟工厂中执行,可以利用虚拟工厂仿真优化技术,更好优化作业任务组合,实现工厂效率最高,所有订单准时交付。

  工厂与MES订单生产信息实时沟通:无论是虚拟工厂还是实物工厂,都会实时与MES保持双向沟通,确保订单的准确执行。

  在MES中检查订单状态:在MES系统中,全面检查和记录虚拟和实物工厂的订单执行状态

  紧急订单:对于紧急订单,可以现在虚拟工厂进行快速执行,得到最佳策略后,再到实物工厂进行。

  在APP中查看订单状态与反馈:用户通过移动APP,随时查看订单执行和交付情况,进行及时反馈。

  基于孪生工厂技术,不仅仅实现用户直连制造,提高用户的极致体验感;同时实现基于虚实工厂的联合制造,实现双保险的安全生产,提高生产的透明度和可预期性。