基于数字孪生的柔性作业车间动态调度

Posted 2021-06-02 码丽莲梦露

研究框架：

柔性作业车间调度问题需要解决地是柔性作业系统下的调度问题，其柔性包括了：机器柔性、工艺柔性、产能柔性等。

数字孪生是虚拟世界中的一种虚拟的、动态的模型，它与现实世界中对应的物理实体完全一致，能够及时地模拟物理实体地特征、行为、性能等。

研究问题：

（1）借助实时或离线的生产数据来驱动车间调度是目前调度模式研究的趋势之一，但这些调度模式都有自身的局限性，难以满足制造企业对调度模式在自主性、智能性、预测性等方面提出更高的要求。如何实现调度的物理空间与信息空间的实时交互共融，加强物理空间与信息空间数据融合，是实现满足制造企业在智能制造背景下对调度模式提出的新的要求的关键。

（2）针对柔性作业车间调度动态问题，如何充分利用大数据技术、人工智能技术、数据挖掘技术从调度相关数据中挖掘调度知识并指导柔性作业车间动态调度，形成一种自主、先见、智能化的调度模式的研究可以进一步深入。

（3）如何结合数字孪生来优化车间调度，得到数字孪生驱动的调度优化模式。

1 数字孪生驱动的智能车间调度模式

数字孪生驱动的调度模式整体架构如下图：

该架构由5个部分与三个关键技术构成：

5个部分：物理车间、虚拟空间、调度数据融合框架、孪生调度数据源、智能调度决策执行系统。

三个关键技术：调度数据智能化实时采集、多元异构调度大数据融合与管理、数字孪生驱动的车间调度决策智能优化。

物理空间是现实空间中所有物理实体的集合，虚拟空间是物理空间在虚拟空间中的数字化描述。虚拟空间包含物理空间的全要素、全数据、全模型、全空间信息，这些信息通过要素、行为、规则三个层面的模型来描述。

要素层面：通过三维软件和有限元法对人、机、物、环境等生产要素的几何模型和物理特性进行全面刻画。

行为层面：通过FlexSim、Demo3d等三维仿真工具对车间要素的行为和响应机制进行建模，得到人员行为、设备操作和物料运输等虚拟化模型。

规则层面：通过数据分析算法、数据挖掘算法构建得到车间要素间的关联规则模型、车间运行规则模型和演化规则模型，保证数字孪生车间的运行机制能够与实际情况相匹配，真实模拟物理车间的行为、状态、运行和演化。

调度数据融合框架：将物理车间、虚拟车间及智能调度决策执行系统产生的调度相关数据进行数据集成与融合，以此构建一个单一的数据源（孪生调度数据源），作为驱动智能车间调度的数据共享平台，消除信息孤岛，包含实时调度数据融合框架、离线数据融合框架。

实时调度数据融合框架：用于处理实时调度相关数据，包括物理车间中智能感知设备采集得到的实时调度相关数据，虚拟车间中仿真、预测、评估、优化等工作产生的实时数据，以及调度决策执行系统产生的实时执行数据。

智能化的实时调度数据采集模型：

多源异构大数据融合框架：

调度方案优化模型智能性主要体现在以下四个方面：

（1）异常发生时，调度方案优化模型主动感知，快速判断、敏捷响应，是一种主动应对型的优化模式；

（2）利用孪生调度数据源中所蕴含的调度知识来指导车间调度，即低成本且快速的优化模式。

（3）使用多个知识模型，结合仿真、预测、评估等手段选出最优方案，是一种优中选优的优化模式；

（4）各服务模型利用选出的最优方案不断更新自身的知识模型，实现知识模型的自我完善，是一种不断再学习的优化模式。

数字孪生驱动的智能调度决策优化模式如下图：

2 新调度模式下柔性作业车间调度问题的数据处理

2.1 新调度模式下柔性作业车间动态调度问题相关数据采集模型

        基于数字孪生的调度新模式本质上是对调度孪生数据源中所蕴含的调度知识的挖掘与运用，将调度相关数据转换为可用于调度规则挖掘或调度规则运用的数据形式。

(1)实时调度相关数据采集模型

2.2 柔性作业车间动态调度问题相关数据融合模型

     通过柔性作业车间动态调度问题数据采集模型，可以得带柔性作业车间动态调度问题相关数据，这些数据来自于物理车间于虚拟车间的多个数据源，数据之间存在信息孤岛，无法直接从中挖掘调度规则或作为调度规则的输入数据，从而充分利用这些具有工业大数据特点的调度相关数据，用于解决柔性作业车间动态调度问题

该模型包括基于XML信息模板的调度相关数据清洗模型、调度相关数据整合模型、调度相关数据多指标筛选机制以及调度相关数据基于扰动属性聚类策略。