在全球化经济的今天，企业竞争日趋激烈。产品智能化和制造业服务化的形成给传统制造企业带来越来越大的竞争压力；同时，产品的复杂性和生产管理的难度也给制造企业造成了很大的困惑。譬如，能否按期交货，质量是否有保障,产能能否提升，人们试图通过信息化与工业化的深度融合来解决这些问题。
二十世纪八十年代，学者们通过知识工程、软件系统、机器视觉和控制进行集成，对生产过程进行建模，使智能装备能够在无人干预的情况下进行小批量生产，其计算机系统特征是基于知识库的专家系统[1]；二十世纪九十年代，企业将产品设计、生产到市场销售等各个环节以计算机信息化的方式集成起来,建立可以发挥高效的先进生产系统，其信息系统主要围绕计算机集成制造系统（Computer Integrated Manufacturing Systems,CIMS）建设[2]；进入二十一世纪，随着机器学习、深度学习等新一代人工智能技术应用于制造业，生产系统具备了初步学习的能力，其智能化特征主要基于新一代人工智能系统（AI2.0[3]）。智能工厂建设由此应运而生,其主要目标是实现产品交货期最短、工厂运营资源消耗最少、生产效率最高、生产批量最小（直至最小投入批量为1）以及产品换型生产转换时间最短等。
基于数字孪生的智能工厂与计算机集成制造系统（CIMS）都是面向制造业的信息集成，除了集成CAD、CAM、CAT和CAPP等信息系统，还明确提出了逻辑层次结构，并整合了敏捷制造、并行工程以及虚拟制造等方法论的理论概念。
计算机集成制造系统的集成方面存在如下技术障碍[4]。
1）制造科学基础不适应。缺乏大量而快速的制造工艺机理模型，计算机集成制造系统未形成单独的学科，导致制造柔性的不足。
2）未解决的数据技术问题。数据存储类型为单一的结构化数据存储系统，且各种数据交换缺乏权威的标准体系。
3）制造系统内部智能化程度低。当时的人工智能处于初级发展阶段，计算能力不足。在制造型企业的生产调度现场，大量决策还需依赖经验型的人员。
4）工程教育和应用不适应。由于缺乏制造运营人员参与，商业化软件在制造业的二次开发和推广中后继乏力。
基于数字孪生的智能工厂则更加强调基于工业互联网平台的应用，将企业内的物联网和企业外的互联网紧密结合，挖掘有效的生产实时数据，结合业务专家的知识领域，并通过数字孪生的表现形式为工厂各决策层提供数据分析和应用。
智能工厂融合新一代信息技术、智能装备及先进的生产方式，使新产品从设计或客户的个性化订单开始，到生产出成品的时间大为缩短。企业能够快速地响应客户，满足产品个性化发展的市场需求。
02智能工厂总体运行体系
基于信息流的集成,构建具有“全面感知、设备互联、数字集成、智能预测”等特征的智能工厂运行体系，如图1所示。
图1智能工厂运行体系
智能工厂运行体系的主要内容包括以下几方面。
1)技术创新体系：包括了与产品设计创新相关的系统，如CAD/EDA、CAPP、CAM以及智能工厂设计的相关系统，如基于三维实体的工厂信息模型(Plant Information Model,PIM[5])、工厂运行仿真系统等。
2)经营管理体系：包括了对产、供、销、人、财、物等业务进行管理的ERP系统、对企业供应链管理的SCM系统以及对产品提供远程维护及服务的智能服务中(Intelligent Support Center,ISC)。
3)制造运行体系-信息物理生产系统(Cyber-Physical Production Systems,CPPS[6])：包括智能化的生产设备、物流设备、传感检测设备、网络设施和对生产过程进行实时管控的制造运营管理系统(Intelligent Manufacturing Execution System,IMES)。
生产设备、物流设备和其生产出来的产品构成了智能工厂的物理空间；技术创新体系中的产品模型、工厂信息模型(PIM)以及经营管理体系中的各种企业业务流程则存在于一个数字化、信息化和网络化的空间中。通过制造运行体系(CPPS)将这2个空间有机地连接在一起，形成一个完整的智能生产系统。
当企业获得客户需求后，通过ERP系统生成订单。订单一般包括以下两类。
1)新产品订单：通过产品模型和工艺模型的快速设计能力，满足客户对新产品的个性化要求。
2)成型产品的配置订单：客户在已有的产品系列上，根据企业提供的功能特征选配清单定制。
由产品数据管理(Product Data Management,PDM)系统提供产品配置功能，通过变量化或参数化的BOM系统，快速满足客户的配置需求。
在通过技术创新体系建立了产品模型后，ERP系统下达产品的制造指令。该指令和PDM中的产品配置模型一起下达到IMES中，IMES通过智能设备的接口将作业指令、工艺参数和控制程序等下达到设备,并启动产品的加工制造，实时监控制造过程，将制造过程的状态数据反馈给ERP系统，将产品的制造档案反馈给PDM系统。同时工厂的制造运行模型和物流运行模型调用IMES的状态数据进行仿真运算，发现现场运行可能出现的问题。IMES的排产模块对制造过程进行优化调度，优质高效、智能化地完成制造产品的加工制造任务。IMES通过在制品的信息跟踪产品制造档案获得相关的生产信息,不仅提供了产品的质量追溯能力，同时也为PLM系统进行产品远程维护和服务(ISC)提供支撑。
在技术创新体系中，除了产品设计的功能外，还包括智能工厂的工厂信息模型(PIM)设计。这些模型过去仅仅是工厂建设时进行优化设计使用的，但是企业面对越来越个性化的市场,这种个性化导致产品的更新换代加速，这也要求工厂的制造运行体系具备不断适应新产品、新工艺的能力，因而其生产线、物流线具有一定的柔性，可以按照新的产品工艺进行灵活调整。而这种调整的复杂性，只有通过仿真的方式才能获得更好的成效，因此，在智能工厂的运行过程中，工厂的设计模型将起到至关重要的作用。扩展的工厂信息模型(extensible Plant Information Model,XPIM)以三维形象化的方式展示实际的工厂运行状态，由此成为智能工厂现场指挥的基础平台。
扩展的工厂信息模型(XPIM)包含了仿真模型和实体模型两部分，其中仿真模型包括工艺仿真模型、性能仿真模型和建造仿真模型等。
许多发达国家早已将基于模型的数字化制造(Model Based Manufacturing,MBM[7])、虚拟技术应用到智能工厂建设中，如大型汽车制造商将数字制造、虚拟技术应用到汽车样机设计和工厂生产制造中，但作为产品的数字样机模型和工厂的工程模型，往往与工厂的实际应用存在一定的信息割裂。数字孪生作为一项新技术，它实现了现实物理系统向网络化、数字化系统的反馈，是工业领域一次逆向思维的创新。
北航的陶飞教授在2017年提出数字孪生车间的概念：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，以便更好地管理产品的全生命周期(包括产品设计、制造和服务)[8]。在Michael Grieves教授的数字孪生白皮书中[9]，大众的数字孪生工厂将3D可视化模型与达索的制造运营管理系统APRISO®进行链接，在模型中动态地展示生产进度、设备OEE及维修保养等工厂运营管理活动。
03、基于数字孪生的智能工厂建设架构
在ISA-95《企业-控制系统集成》标准中，制造运作管理活动模型包括生产运作管理、库存运作管理、维护运作管理和质量管理等活动，功能分为设备级、区域级、车间级、工厂级和企业级五层架构。
图2工厂信息化层次模型
图2所示为工厂信息化层次模型。图2a所示的参考模型描述了传统工厂信息化层次模型。
传统工厂/车间管控系统主要在工厂/车间管理层、生产监控层、生产线监控层和单元控制层进行管理，生产过程中的调度、设备预防维护和数据的分析等活动还主要由人来决策。智能工厂尽可能地取代一线人员在制造活动中的决策任务，使生产作业更加柔性化、自动化和高效化。
传统工厂/车间管控系统存在如下问题。
1）信息化开发平台多样化。
2）缺少工厂/车间现场智能分析模型。
3）缺乏支撑智能分析的工业大数据。
4）制造执行系统缺乏仿真分析。
5）系统架构支持移动终端、AR/VR的融入。
6）生产过程缺乏可视化监控。
针对以上问题，本文提出如图2b所示的新型工厂信息化层次模型。基于数字孪生的新型工厂/车间管控系统扩展了数字孪生系统和生产大数据管理平台，以数字孪生系统为纽带,打通以ERP为核心的企业管理系统、以MES为核心的工厂级（或车间级）的生产执行系统、以及仿真分析系统的数据孤岛。开发形成以数字孪生为纽带，开放性强、可扩展的新型工厂/车间管控系统架构。新型工厂/车间管控系统摆脱了强耦合的分层体系束缚，形成以数字孪生系统为核心的网状结构。
短期目标：从虚拟工厂的维度实现对工厂的生产要素、生产活动计划以及生产过程控制进行管理。
中期目标：实现物理工厂与虚拟工厂的双向映射与实时交互，实现物理工厂及虚拟工厂的全要素、全流程以及多业务数据的融合。
长期目标：构建生产管控云平台，使工厂具备虚实联动、数据驱动生产的能力，基于数字孪生进行过程管控、智能化排产及调度，探索一条工厂生产和管控最优的运行新模式。
通过人工智能、大数据平台和AR/VR等新一代信息技术手段的应用,建立一套符合企业未来智能工厂生产管控需求、功能全面、集成性高、技术先进以及运行稳定的数字孪生系统，从而辅助整个工厂/车间的生产管控过程,赋能传统制造，全面提升企业的智能制造管理水平。基于数字孪生的智能工厂架构如图3所示。
图3基于数字孪生的智能工厂架构
基于数字孪生的智能工厂系统具有以下功能：将物理工厂中的实体模型及业务模型转化为虚拟工厂的信息模型，并建立虚拟工厂与物理工厂之间低延时、高保真的虚拟镜像；利用基于数字孪生的智能工厂仿真计算能力，仿真模拟产品从需求到产品、从订单到交付的制造全过程;形成优化的仿真结果，指导物理工厂的建立和运营；物理工厂的实时数据和状态为虚拟工厂的模型提供准确的修正[11]。通过工厂的数字孪生，建立三维可视界面的IMES系统，方便生产管理人员从多个视角了解生产过程、发现生产异常并快速进行处理,从而使生产管理更加透明化、实时化、可视化和协同化。IMES系统主要实施技术的创新点如下。
1）数据驱动的三维虚拟工厂实景和实际绩效呈现：以三维虚拟工厂模型为载体，以多维统计图表为展现形式,动态可视化展示与车间生产过程相关的实时信息和绩效信息（如设备状态、生产进度、质量状况、物流状态和工厂能耗等）。
2）生产异常的指挥与协同调度：通过IMES与设备监测系统的交互，可以及时、动态地发现生产过程中出现的各种异常，比如设备故障、物料短缺和质量超差等。通过仿真和优化分析，可以对作业计划进行优化，消除制造过程瓶颈，保证制造任务准时、高效的执行。
3）生产系统的数据全过程贯通：生产系统的开发、实施、运营及退役是构建生产系统全生命周期的重要内容[12]。探索基于数字孪生的虚实系统集成接口方式和标准,建立基于工厂孪生数据驱动的虚拟工厂模型和物理工厂同步运行及反馈机制，实现智能工厂生产系统的虚拟验证与同步运行。
04、基于数字孪生的虚实系统集成
作为智能工厂中枢的数字孪生系统，具有自学习、自组织、自配置和自适应的特点。工厂内部各个系统需要进行互联互通，基于数字孪生的虚实系统集成主要体现在以下两方面。
1）物理工厂的信息高度集成。智能工厂须打通信息技术与运营技术的鸿沟，确保业务流、工艺流与物料流的信息互联互通，以生成实时决策所需的各项数据，同时数据基于模型和算法生成数字孪生系统的数据集和数据类型（结构化、相对非结构化）。智能工厂中的智能传感器遍布各项企业生产要素和资源，因此数字孪生系统可不断从设备、仪器仪表、PLC、单元控制系统、车间管理系统及企业管理系统抓取不同的数据，确保数据的持续更新。
2）数字孪生系统作为物理工厂与虚拟工厂集成的纽带。数字孪生系统实现智能工厂现场作业的自动化决策，车间的所有制造活动通过数字孪生系统在虚拟工厂进行仿真建模与分析。在制造过程中，数字孪生系统自动向IMES传送最优的指令，IMES协调现场控制系统执行生产活动，并接收过程控制系统（Process Control System,PCS）反馈的实时数据；同时现场采集数据通过数字孪生系统传入虚拟工厂进行模型和参数的修正,从而形成智能车间闭环管控。
3.1信息集成的框架
为打通物理工厂（物理世界）与虚拟工厂（虚拟世界）的壁垒，信息集成框架基于数字孪生的纽带进行数据交换，基于数字孪生的工厂/车间信息集成框架如图4所示。虚拟工厂应具有仿真分析功能，但目前的数字孪生系统与仿真分析系统都是独立的产品，因此二者通过基于数字孪生的模型进行信息集成[13]。数字孪生可针对物理工厂/车间内的生产、环境和产品情况持续开展实际的数据测量。基于产品设计工艺仿真和生产系统仿真的强大快速处理能力,数字孪生系统从产品设计及产品制造系统中获取重要信息，以三维可视化方式呈现企业经营生产活动对象或流程，并反馈在物理工厂中进行设计与流程的优化。敏捷、可拓展的信息系统架构集成仿真分析系统、企业内部信息化应用系统和工厂/车间数字孪生系统，并满足未来企业云平台下的电子商务系统、个性化定制系统和远程运维系统等创新商业模式的发展。
图4基于数字孪生的工厂/车间信息集成框架
3.2信息集成的接口技术
为了能够适应未来多变的需要，基于数字孪生的智能工厂便于后期进行重构和扩展,系统架构采用微服务[14]。基于企业服务总线（Enterprise Service Bus,ESB）[15]的智能工厂系统集成如图5所示，采用企业服务总线技术和工业物联网（Industry Internet of Things,IIoT）[16]技术，将数字化设计、生产、试验及运维服务的异构信息集成打通，实现制造业工厂的设施、设备、人和组织互联互通。数字孪生系统集成感知系统、通信系统、计算系统和控制系统，实现对智能工厂安全可靠、实时协同地感知、联结、分析和控制。
图5基于企业服务总线（ESB）的智能工厂系统集成
基于云平台迁徙的信息化系统映射到虚拟工厂系统中，通过各类结构性数据和非结构性数据的实时更新，同步驱动物理工厂。将基于业务的企业服务总线开发单独的APP应用，系统统一管理，借助云服务器管理各类数据。硬件的更换和产品的变更、供应链的波动均对生产系统和企业运营管理影响较小，能达到即插即用，后期的生产设施改造和产品的更新换代无需重新改造信息化系统。控制系统采用管理壳技术封装成管理壳的组件，通过将设备、仪表、自控和物料等的信息分类成为“清单+组件管理器”，进行基于管理壳的封装服务口。
05、基于数字孪生的智能工厂关键技术
基于数字孪生的智能工厂关键技术主要分为五大类：物理工厂的工业物联网技术、虚拟工厂的建模仿真及验证技术、工业大数据构建及管理技术、虚拟工厂与物理工厂融合应用技术及基于数字孪生的场景应用技术。
1）物理工厂的工业物联网技术的难点：建立业务领域的互联网与生产领域的控制网络融合的体系，构建多回路、高分辨率采样周期和网络延时、抖动和丢包等情况下的应对方案。
2）虚拟工厂的建模仿真及验证技术的难点：建立多任务、多规则和不确定性虚拟场景下的机理模型/数据模型/计算模型,实现生产线虚拟调试、在线反馈信息、流程参数控制及业务与工艺等大数据驱动生产线的执行和满足客户需求的成本最优化作业模式等功能。
3）工业大数据构建及管理技术的难点：建立基于边缘计算和云计算相结合的工业大数据存储、计算、分析和展示的体系和框架，实现多冗余、高速和低成本的应用方案。
4）虚拟工厂与物理工厂融合应用技术的难点:探索典型制造业的业务■数据■生产多维度的虚实融合与大数据协同技术，构建智能工厂的资源、人员、业务及生产活动等在数字孪生空间的虚实双向映射，开发面向制造业的数据总线技术在多平台、多架构和多体系中的集成和应用。
5）基于数字孪生的场景应用技术的难点:研究基于数字孪生的制造平台下，构建大规模个性化定制平台、远程运维平台和产品全生命周期数字设计制造运营一体化模式，或以供应链优化为核心的网络协同制造模式等典型商业新模式的应用。
智能工厂作为智能制造的载体，发挥着制造业转型升级主战场的作用。智能工厂以互联互通的物理工厂为基础，通过数字孪生构建虚拟工厂，对生产进行规划、设计、优化和监控，从而提升企业的运营管理能力。本文结合案例，对基于数字孪生的智能工厂架构进行了研究，探讨了基于数字孪生的虚实集成关键技术，并对模型车总装车间数字孪生系统进行了设计实现。
后续研究将围绕基于数字孪生的工厂轻量化建模技术、多学科多专业的并行协同平台开发和基于数字孪生的智能工厂高速实时数据采集等关键技术开展深入研究。
