目录
摘要
虚拟车间的概念已经提出多年，许多公司已经建立了自己的虚拟车间进行规划和模拟。但是只有虚拟车间不能实现智能制造所需的物理世界和虚拟世界的交互。数字孪生车间是实现虚拟车间和物理车间融合、优化活动的有效途径。本文研究了数字孪生车间的概念，将数字孪生车间分为三个部分：虚拟车间、物理车间和数字孪生引擎。同时，本文着重分析了数字双生引擎在数字双生车间系统中的定义和作用，并提出了一种基于虚拟车间模型的数字双生车间构建架构。最后，以某智能制造单元数字双生车间的实现为例，验证了基于数字双生引擎的智能制造单元数字双生车间的有效性和功能性。
1.介绍
虚拟车间模型广泛应用于各种企业的各种场景中，如车间规划和仿真，典型的应用包括物流仿真和工厂布局仿真。通过虚拟仿真，可以预览车间生命周期各阶段的关键要素，提前发现车间的设计问题，减少车间建设过程中设计方案的变更。然而，基于几何模型的虚拟车间不能反映智能制造所需的物理世界和虚拟世界的相互作用和融合。数字双胞胎的一个重要特点是物理世界和虚拟世界的联系，它将虚拟世界和现实世界统一起来，实现生产和设计之间的闭环。因此，数字孪生是实现车间虚实融合和智能优化管理的有效途径。
2002年，格里夫斯在产品生命周期管理过程中首次提出了数字双胞胎的概念，称为产品生命周期管理概念理想模型。它具备数字孪生的所有要素：真实空间、虚拟空间、连接真实空间和虚拟空间的数据流。数字孪生概念的前提是物理系统和虚拟系统的存在，虚拟系统包含物理系统的所有信息。目前，数字孪生的概念和框架已经在许多领域得到了验证和应用。西门子的数字双胞胎包括“产品数字双胞胎”、“生产数字双胞胎”和“性能数字双胞胎”，它们高度集成到一个统一的数据模型中。美国空军研究中心基于DT对飞机结构的寿命进行了预测，并总结了DT的技术优势。
车间是日常生产制造活动的场所。如何将数字孪生技术应用到车间层面是许多学者和企业关注的焦点。陶飞等人提出了数字孪生车间的概念，并设计了数字孪生车间系统的参考架构。同时，从数字孪生车间的构成角度，对物理车间的异构元素融合、虚拟车间的多维模型融合、车间物理-数据融合、车间服务应用融合等关键问题进行了研究和分析，为企业实现数字化双生车间提供了参考架构。数字孪生的关键是实现虚拟车间和真实车间的交互和融合，以及如何为车间管理人员提供智能服务。虚拟车间和物理车间集成的基础是数据采集和融合。数据是数字化双车间建设的基础。唐尼等人对来自传感器的复杂数据的分析和实时生产数据收集进行了研究[8]。在传感器数据和制造数据的融合中，易等人对数字双数据融合的要求进行了理论研究[9]。智能服务是数字化双车间的最终目的，如设备故障诊断、生产过程预测和实时物流规划指导。虽然对DT技术和数字双生车间的概念进行了许多研究，但仍存在一些问题：（1）大多数研究都强调了虚实融合和智能的重要性，但对虚拟与物理车间连接和提供智能服务的体系结构的实现缺乏清晰的设计和分析；（2）数字双车间系统的组件角色不清楚。
基于上述问题，本文研究了基于分布式测试引擎的分布式测试车间的构建方法和框架，提出了实现分布式测试车间的分布式测试引擎体系结构。
2. 数字孪生车间
基于以上分析，DT车间可以定义为以精确映射物理车间所有要素的虚拟车间为基础，结合智能算法模型，具有智能决策能力的虚实融合车间系统。在数字孪生车间中，新一代信息技术被用来实现真实车间和虚拟车间之间的双向实时交互映射。
DT车间强调物理车间和虚拟车间的协调和统一，提供基于智能算法的各种智能分析和预测服务。所以DT车间有两个重要的模式。首先是物理车间和虚拟车间之间的实时连接模块；另一个是智能计算模块。
本文最后将物理车间和虚拟车间之间的实时连接以及智能计算模块定义为分布式测试引擎。为了在DT车间系统中实现对物理车间的智能感知，物理车间需要具有数字访问能力，因此DT车间系统最终分为三个部分，包括数字物理车间、虚拟车间和DT引擎。DT车间系统如图1所示。
基于以上分析，设计了DT车间系统的体系结构，如图2所示，包括系统层和功能层。系统层由DT车间系统的三个子系统（数字化物理车间、DT引擎、虚拟车间）组成；功能层包含子系统服务最终提供的功能。从分布式制造车间系统的体系结构可以看出，分布式制造引擎是实现数字化物理车间和虚拟车间虚实融合的关键，也是实现系统智能化的核心。
一方面，DT引擎是实现数字化物理车间和虚拟车间实时同步的驱动引擎。另一方面，它是DT车间智能算法和智能计算引擎的核心，为生产管理人员提供先进的智能服务。在分布式测试引擎的支持下，分布式测试车间可以实现虚拟-现实交互驱动，并提供各种智能功能。
如前所述，DT引擎在功能上可分为交互式驾驶和智能计算。如图2所示，根据系统的功能特点，DT引擎的功能模块可以分为数据交互模块、数据ETL模块、数据存储模块和数据分析模块。
（a）数据交互模块:数据交互模块主要由各种交互界面组成，主要包括与数字化物理车间的交互界面、与虚拟车间的交互界面以及与外部系统的交互界面；
（b）数据ETL模块:由于车间设备的多样性和不同设备之间数据结构的巨大差异，存在多源异构数据和无效数据等问题。数据ETL模块主要旨在通过提取、清理和加载车间数据来解决这些问题，以获得可直接用于分析的可靠数据；
（c）数据存储模块:数据存储模块主要针对制造车间的数据多样性，其中结构化数据和非结构化数据的存储特点不同，应根据车间数据的特点采用不同的存储方式；
（d）数据分析模块:数据分析模块利用数据挖掘、机器学习、大数据软件等相关技术实现对车间信息的分析，挖掘车间有价值的数据，并转化为知识模型为车间服务；
3. 数字双引擎的实现架构
本文将DT引擎的实现架构分为数据层、计算引擎层和模型层三层，具体实现DT引擎，如图3所示。
A .数据层
数据层是车间大型数据存储的基础，主要由数据预处理和数据仓库组成。
数据仓库是车间大数据的存储仓库，是DT发动机的数据库。由于车间的数据量非常大，需要一个稳定的分布式数据库来满足数据存储要求。目前，分布式数据仓库主要包括HDFS、HBase、MongoDB、Impala等。HDFS是一个大规模的分布式文件系统，具有高可用性、大存储容量和存储格式多样化的特点，满足车间大数据存储的需求。同时，HDFS系统是蜂巢数据仓库的底层依赖，对离线分析有很好的支持。
由于数据仓库的多样性，对数据也有不同的要求，所以通过不同的数据采集协议采集的数据需要经过特定的处理，才能存储在特定的数据仓库中。这个过程被称为ETL（提取-转换-加载）。ETL过程可以分为三个阶段：（1）从数据源中提取可以分析的有用数据。（2）对数据进行转换，使数据符合主题仓库的结构，并使用数据清洗和数据净化过程，以保证转换后的数据质量；（3）加载质量保证数据，并将其转换到目标数据仓库中。
数据仓库高度可用和持久的特性为数据挖掘引擎的后续工作提供了数据支持。
B. 计算引擎层设计
计算引擎层是DT引擎的计算中心。基于数据层提供的数据，通过多种智能算法训练算法模型，为模型层提供支持。计算引擎层主要分为两部分，智能计算引擎和交互式驱动引擎。
智能计算引擎主要分为三个模块，包括离线分析模块、实时预测分析模块和知识推理模块。
离线分析模块主要用于车间数据分析和模型培训。主要技术包括主流大数据框架Hadoop和Spark。Hadoop和Spark都可以以分布式方式处理大量数据。使用大数据分析。Hadoop、Spark等技术可以轻松应对车间大数据分析的应用场景，并可以根据用户需求对车间数据进行不同维度的统计分析。同时，Spark MLlib是一个打包的机器学习库。DT引擎通过调用包很容易达到模型训练的目的。Hive和Impala也是分布式的、高可用性的，支持简单友好的SQL查询，所以在离线分析层，也可以使用这种类型的数据库对车间数据进行离线分析，比如车间数据报表。
实时预测分析模块服务于车间的预测和分析功能。大型数据框架，如Spark Streaming, Flink, and Storm 。
交互式驱动引擎是虚拟车间和物理车间之间的交互式同步工具。DT引擎是虚拟车间和物理车间之间的中心，实现数据交互、虚实同步、生产管理和控制指令的发布。
4. 个案研究
本部分以智能制造单元为研究对象，验证了基于分布式制造引擎的分布式制造车间的构建体系结构。基于智能制造单元的物理部分和制造单元的虚拟模型，通过分布式制造引擎的实现最终实现分布式智能制造单元。
A. 智能制造单元简介
1) 智能制造单元的物理部分:智能制造单元的物理部分主要包括物理环境、生产设备和通信设备。生产设备包括生产单元中的两个生产机械臂、数控系统的激光雕刻机、传送台、自动升降台和两个仓库。通信设备主要指用于控制设备数据采集和通信的接入设备iBOX。该装置可以实时采集机床设备的参数，如机器人手臂的实时关节角度等。采集的参数和频率可以根据具体要求进行配置。此外，与云MES系统的信息交换过程也是通过iBOX完成的。
该系统的关键参数，如机械臂的状态信息、雕刻机的状态数据、仓库的状态信息等。可以通过WebService接口从云MES获取，这是DT单元实现的基础。
2）智能制造单元虚拟模型:基于Unity和Plant仿真平台开发制造单元的虚拟模型，主要包括三维交互模型和物流模型两部分，如图4所示。
基于统一建模语言开发了三维交互模型，基于工厂仿真构建了生产单元的物流模型。三维交互模型主要用于智能制造单元的生产仿真，包括三维虚拟模型和虚拟设备动作模型。生产单元的物流模型主要用于智能制造单元的物流仿真，三维虚拟模型可以由物流模型驱动实现三维物流仿真。因此，没有DT引擎的支持，智能制造单元的虚拟模型和物理部分相互独立存在，虚拟模型和物理部分之间没有交互反馈，无法实现智能制造单元的物理部分和虚拟模型之间的协调和统一。
B.DT制造单位
基于DT发动机框架的DT车间系统如图5所示。
DT车间系统通过实时监控功能监控设备的实时状态和制造生产信息。设备的实时状态通过DT引擎从制造单元中的设备获得。通过web服务接口从云MES获取生产信息，然后在智能制造单元的虚拟环境中进行数字化监控。
离线仿真功能主要包括加工过程仿真和物流仿真。加工过程仿真来自于虚拟制造单元自身内置的功能，物流仿真是通过DT引擎与物流仿真软件Plant Simulation之间的交互来获得的。
单元评估功能主要包括设备健康评估和KPI评估，可以通过算法模型结合生产和设备数据进行计算和分析。
5. 结论
基于DT引擎的DT车间解决了虚拟车间模型和物理车间之间的隔离问题，达到了协调统一物理车间和虚拟车间的目的。同时，基于大数据的分析和应用，DT车间可以提供更好的智能服务。本文基于分布式测试车间的体系结构和实现过程，提出了分布式测试引擎的概念，并将其视为分布式测试车间的服务和驱动中心。最后，以智能制造生产单元为例验证了分布式制造车间实施的有效性，但分布式制造系统如何在分布式制造车间系统中更好地提供智能服务还需要进一步研究。