数字化赋能制造业

沈彬

弗劳恩霍夫协会智能制造项目中心

中方副主任

01制造过程数字化赋能的需求

与国内外现状

制造业是衡量一个国家综合国力的重要标志，在世界主要工业国的经济增长中都起到了发动机的作用。互联网和信息工程的兴起为制造业转型升级提供了新的方向和途径，能够助力传统制造业从粗放型转向精细型发展，提高产品质量和能源利用率，减少碳排放。目前，中国、美国和欧洲均开展了制造过程数字化赋能的探索与布局，如中国制造2025，美国工业互联网和德国的工业4.0等。其中，中国侧重于基于互联网和信息工程为制造提质增效；美国侧重于应用数据进行制造的革新，激活传统工业；而欧洲则侧重于利用物联信息系统，将生产中的供应、制造和销售信息数据化、智慧化，最后达到快速、有效、个人化的产品供应。三者各有侧重，但都致力于通过构建物联网将生产各个环节连接起来，实现具备自主优化能力的自适应生产过程。

02 制造过程数字化赋能的构想与蓝图

制造过程数字化赋能可以分为三个阶段：数据采集、数据分析、反馈赋能，在物理空间和数字空间之间构成闭环，即：基于物理空间的状态信息对数字空间中的模型进行修正；进而通过在数字空间中高精度的模拟与仿真，实现对物理空间中产品生产过程的自主优化。

数据采集：数据采集指从数控系统、加工设备、软件以及各类传感器中采集并融合的状态数据；同时，还需设计合理的数据存储架构以保证数据的兼容性，实现信息在不同工序以及产品全生命周期中的传递和通讯。

数据分析：制造过程中的状态数据量大，复杂性高，常采用神经网络、决策树或相关性分析等手段进行特征提取、预测分析和决策优化。与传统的DOE实验设计方法相比，该方法能够对数据进行更加深入细致的分析，从而挖掘出更多深层知识。此外，构建制造工艺专家系统能够借助已有的经验来分析数据和实际物理过程之间的关系，进一步与大数据分析方法融合，在数字空间中构建能够反映真实物理空间状态的高精度数字模型。

反馈赋能：在反馈赋能阶段，包含在线优化和离线优化两部分。在线优化对实时性要求高，能够通过对采集到的数据信息进行在线即使的分析，实时预测加工质量并对加工工艺参数进行在线优化。在线优化过程中，可以通过5G技术解决信号传输时延大的问题。离线优化则针对制造流程进行优化，通过对产品生产全过程的数据进行综合分析，挖掘出造成效率低下或产品质量低下等存在较大改进空间的关键环节，对其进行针对性改进。进而对整体流程进行优化改进，如优化设计生产计划等。无论是在线优化还是离线优化，均有数字（数据）驱动与自主优化的特点。

03 制造过程数字化赋能的应用实例

以数字化赋能在整体叶盘加工过程中的应用为例。整体叶盘作为发动机的核心部件，其加工的形位精度和表面质量都有严格的要求，保证整体叶盘不发生质量偏心。通过采集到的振动信号、主轴负载等信息，并将这些信息与刀具加工轨迹的空间信息进行同步与聚合，构建数字孪生模型对刀具磨损、工件变形、形位误差以及加工表面完整性的在线监测与预测。进一步地，基于对以上数据的分析，通过自主调控加工参数，实现加工过程可靠性与一致性以及机床效能的同步提升。在整体叶盘全生命周期管理方面，其加工过程本身耗时耗力，检测手段也同样繁琐复杂，此外，在服役一段时间后还需进行表面修复。因此，对整体叶盘加工、检测、修复等过程中的各类状态数据进行智能感知、分析与利用，对于保障其在服役过程中的高性能与高可靠至关重要。

04制造过程数字化赋能的关键技术

与未来展望

制造过程的数字化赋能对于自主提升生产过程质量与效率有着显著效果，未来具有极其广阔的发展空间。在这一领域，以下两方面研究有望获得显著进展：

基于5G的云边协同：若将所有数据都上传至云端分析后再下放至各个生产设备，则时延过大，难以做到数据和实际加工过程的同步。因此需要将数字信息空间分为云端和边缘端两个部分，云端主要负责大批量数据的分析与处理，通过大数据技术得出优化决策并将其下发到各边缘端；边缘端应用下发的优化模型，实时调整加工参数，实现自适应加工过程。在边缘（生产设备）端数据传输的实时性高，部署具有高带宽、低时延的5G网络可望有效解决这一问题。

灰箱模型驱动的加工过程建模：如果将基于物理学原理的模型如运动学、动力学和有限元模型称为白箱模型，则基于大数据分析的模型可以称之为黑箱模型。白箱模型往往计算复杂，实时性差，但能反映加工过程的行为机理；黑箱模型往往运行效率高，能够反映制造过程实际状态，但是无法反映加工过程的行为机理；若能结合两者构建灰箱模型，发挥各自长处，将进一步提升模型的准确性和效率，从而更好地为生产过程服务。（END）

作者介绍

沈彬，工学博士，上海交通大学机械与动力工程学院副研究员，博士生导师，国家优秀青年基金获得者，担任机械系统与振动国家重点实验室固定成员、上海交通大学弗劳恩霍夫协会智能制造项目中心中方副主任。主要研究方向为高性能表面制造与智能制造，作为负责人主持国家/省部级课题20余项，发表SCI论文90余篇，获授权发明专利6项。曾获国家技术进步奖二等奖（2017年）、中国机械工业科学技术奖（技术发明奖）一等奖（2014年）、上海市科技进步奖二等奖（2011年）、中国机械工程学会上银优秀机械博士论文奖（2011年）与上海市优秀博士论文奖（2011年）。获上海市浦江人才计划（2016年）与晨光学者人才奖励计划（2012年）。

扫码关注我们

电话: 021-62932251/3031

邮箱: jidong.mem@sjtu.edu.cn

地址: 上海市徐汇区广元西路55号

上海交通大学机械与动力楼

官网: mem.me.sjtu.edu.cn