3 基于数字孪生的智能生产管控应用重点
不同制造企业的生产系统类型存在较大差别，其对智能管控的需求也是不同，在应用数字孪生技术方面也各有侧重。本文重点结合作者经验，对离散型加工制造业的基于数字孪生的智能生产管控应用重点进行介绍。
3．1 制造资源服务化智能配置管理决策
对于智能生产系统而言，制造资源优化配置是数字孪生技术在管理层面的核心决策是能技术，在工业软件领域具体体现为APS。APS的核心在于基于生产系统的运行状态构建基于规则和知识的智能算法模型，对制造资源配置进行评估和优化［3］。APS的典型应用场景体现在交货期答复、确保交货期以及快速响应调整三个方面，是贯穿整个生产过程的综合决策，如图1所示。
图1 APS典型应用的三个层次
（1）交货期答复决策分析
客户订单必然带有交货期要求，快速有效的回答就是企业必须面对和解决的问题。
l 基于产线当前快照状态的排产，不能假定产线是空的，也就是说应该是在当前运行状态基础上的持续决策分析；
l 对于客户订单优先级较高，则属于插入式而非追加式排产，需考虑其对当前在制的交货期产生影响的，如何保证影响最小或特定追求，是需要解决的决策问题；
l 如果为了满足新订单的交货期，原有任务外协也是需要解决的核心决策问题；
l 当产能评估存在问题时，在资源利用率，分批优化、单元化运行等方面存在一系列的决策问题；
l 在调整资源能力时，关系到瓶颈设备识别、加班范围及其班制等决策问题；
l 作业计划与物料计划的关联协调，也是需要解决的决策问题。
（2）确保交货期决策分析
确保交货期决策分析需综合运用多种手段，以满足当前大规模定制生产所要求的订单碎片化、短交货周期等要求：
l 订单、工序的合理分割，以及工序间接续方式的优化设置缩短订单的生产周期等决策分析；
l 小批量订单的组批生产，减少不必要的生产切换，实现交货期与生产经济批量的权衡优化的决策分析；
l 工序级配作、层次化关联订单、批处理环节组批等齐套协同生产的决策分析；
l 作业计划与物料计划的联动计划制定的决策分析
（3）快速响应调整决策分析
动态调度决策分析的目标是在实时掌握生产现场资源使用情况、已有作业计划的执行情况等基础上，通过对作业计划的动态调整使作业计划与生产现场的实际制造执行状态保持一致，始终保证对现场的指导性。在这个过程中，需要响应来自计划任务、生产工艺、物料资源、生产执行等层次的生产扰动，以实现快速的响应调整［3］。典型的生产扰动因素及其调整要求示意如图2所示。
图2 典型的生产扰动因素及其调整要求示意图
3．2 自适应智能加工工艺决策
自适应智能加工是数字孪生技术在智能生产领域的重要体现形式，其核心在于构建内嵌工艺机理模型的数字虚体，并且综合了数据采集和指令下发，是数字孪生的完整体现。对于智能生产系统而言，其需要关注的工艺模型是多种多样的。本文结合笔者的科研经验，针对某种复杂薄壁零件的自适应加工需求，开展了基于在线测量的工艺孪生技术研究。该复杂薄壁零件的加工存在特征尺寸的保证依靠频繁的手工检测、数控程序调整来实现，不仅费时费力，并且由于占用设备导致设备利用率难以提高等问题。该案例的核心是通过在线测量工艺执行过程的加工状态数据，通过所构建的三维工艺模型，其中内嵌了模型对比及补偿分析算法，实现自动的分析决策和下发执行，从而形成了形成“在线测量－补偿分析－程序调整－下发执行”闭环控制机制，提高了加工效率和保证了加工精度。基于加工工艺参数补偿决策的数字孪生技术思路如图3所示。
图3 基于加工工艺参数补偿决策的数字孪生技术
基于加工工艺参数补偿决策的数字孪生技术思路主要体现为如下几个方面：
（1）在线测量：针对复杂零件的典型特征，通过在线切换测量头的方式，获得加工过程中的特征尺寸点云数据，并将该数据进行传输以作为补偿分析的依据；
（2）补偿分析：首先对获得的测量的点云数据进行处理分析，重构形成实际加工状态的三维模型；随后将重构获得三维实际模型与目标或理论模型进行基于基准的重合，获得典型特征点、边、面、曲面的偏差数据；基于复杂薄壁零件加工尺寸精度的关联关系以及实际加工约束，推导得出指导实际生产的下一步加工补偿数据；
（3）程序调整：建立参数化的数控程序模型，通过补偿数据驱动数控程序的自动更新；
（4）下发执行：利用DNC等程序传输手段，将新生成的带补偿设置的数控程序传输到机床，实现快速的加工指导；
（5）持续控制：通过上述四个步骤的持续运行，能够快速的指导生产调整，不仅有利于提高加工效率，也有利于保证加工精度。
