“面向孿生”的制造模式，這個概念有新意！

格睿普創始人、北京航天航空大學副教授肖文磊近年來，人工智能技術的興起帶來了新一輪科技革命，工業領域也進行了諸多嘗試。格睿普創始人、北京航天航空大學副教授肖文磊在接受《中國電子報》記者專訪時表示，要做機械加工（以下簡稱“機加工”）行業核心環節的創新，建構智能機加工工廠中的房間，打造機加工行業服務規模化平台，讓人工智能技術真正為制造過程帶來改變。針對機加工行業在智能化方面的痛點，肖文磊團隊提出了“面向孿生”的制造模式，在數控機床中引入人工智能和數字孿生技術，将已有的操作經驗資料化，自主研發了工業制造仿真引擎GPCORE、數控機床邊緣孿生系統GrapeSim、雲孿生系統GrapeSaaS，形成了邊雲協同數控機床數字孿生解決方案。據了解，這套解決方案擁有六項專利，可閉源商用，目前已經在中國商飛、中航工業成飛、金航數位、中國工程實體研究院、中科院自動化所等多家科研院所和企業進行了傳遞應用，可以實作快速、大規模的複制推廣。從自動化到智能化如何開發符合工業特點的工業軟體是肖文磊一直思考的問題：“工業以太網不等于工業加以太網，工業網際網路也不等于工業加網際網路。工業有特殊性，不是直接一個加法就能完成的。”通過回顧計算機行業在20世紀60年代的軟體危機，肖文磊提出了“制造危機”的概念，即落後的制造方式無法滿足迅速變化的設計需求，導緻産品設計與生産管理過程中出現一系列嚴重問題的現象。他表示，如果在落後的制造方式上盲目地進行數字化更新，就容易造成數字化的環節之間無法互聯，形成“智能孤島”。

實際生産線部署的邊雲協同數字孿生系統

對于機加工行業，肖文磊認為目前在簡潔性、相容性、智能化三個方面存在問題。複雜的工藝細節和頻繁的工藝調整，導緻機加工的操作準備時間較長，制造流程不夠簡潔。不同廠商、不同版本的數控機床與系統之間存在差異，使得操作經驗不具有普适性，案例難以遷移，相容性不足。傳統的自動化制造體系集合了過多的工業軟體，生産成本高，對操作人員的依賴和要求也高，容易引起人為遲滞，同時也難以滿足當下對于柔性化、智能化制造的需求。這些問題導緻機加工制造與硬體綁定、對人工依賴程度高，阻礙了機加工行業從自動化向智能化的轉變。“體力勞動可以通過自動化得到極大地解放，但是腦力勞動的自動化水準卻非常低。‘人’在制造過程中的作用尚未得到充分的認識，也就難以真正從複雜的生産過程中解放出來。各種問題的求解，最終決策在很大程度上仍然依賴于人的智慧。”肖文磊說道，“智能制造的目的在于減少人在制造中的腦力勞動。”從經驗到資料“讓資訊多跑路，讓人少跑路”，這是肖文磊所期望的智能化數控機床系統。資料在智能制造中尤為重要，工藝調整優化、訓練人工智能都離不開它。然而機加工行業卻缺乏足夠的資料。肖文磊介紹說：“有的工廠加工一個零件，斜着切一刀不平的話，它會顫振、抖動，表面不光滑。我關心的是，這個時候信号是什麼，用了什麼參數，電流是多少，切削力是多少。這些資料根本找不回來，因為這個機床就沒有這些資訊。是以想優化也優化不了。”記者在采訪中了解到，傳統的數控機床無法導出資料或者導出的資料沒有标簽，使得操作過程難追溯、工藝流程難優化。需要調整工藝時，由于缺乏曆史記錄，操作十分依賴老勞工的經驗，容易導緻技術斷檔和品質不穩定等問題。“有大資料才有大模型，人工智能沒資料就全是小模型。”他補充道。

北京航空航天大學江西研究院實際部署的邊雲協同數字孿生系統現在肖文磊團隊開發的這套數控機床數字孿生解決方案可以對機床及加工過程進行仿真，實時感覺機床狀态并采集相關資料，将操作過程數字化，形成可以回溯的操作記錄，做到“加工即實驗”。有了足夠“大”的資料，人工智能也就有了更多的施展空間。據了解，這套解決方案包含了加工工藝生成的智能化算法與功能、CAD圖紙加工特征的智能識别模型、基于切削率的加工成本核算模型、加工過程的自動推理預測模型、基于機床零件加工狀态資料的工藝參數優化模型等多種人工智能算法模型。在這些算法的加持下，機床作業系統能夠學習勞工的操作和過往的調試資料，針對不同需求進行自動調整，進而做到任務與硬體無關。以刀具管理為例，在傳統生産中，加工工藝的程式是既定的，一組刀具需要保持初始值一緻。當一把刀出現磨損需要更換時，就需要更換整組刀具。這不僅造成了浪費，也讓生産與硬體綁定，難以靈活調整。而智能化機床系統會為每一把刀生成數字孿生，實時記錄刀具的狀态，包括使用情況、磨損情況、使用壽命，進行全生命周期管理。更換了一把刀，智能化機床系統的人工智能算法會自動調整工藝程式，将制造與硬體隔離。通過人工智能驅動的制造系統，加工工廠中的房間也能夠在數控機床任務執行、成本核算、工藝優化、加工服務等多個方面實作智能化，減少加工前中後流程對資訊化系統和人員的依賴，提高機床使用率、加工效率與加工品質，實作降本增效。從機床到平台網際網路早已是現代生活的必需品，而在工業生産中，則是另一番景象。傳統的機床裝置不聯網，每一台機床在生産中獨立運作。在智能制造的背景下，IT、OT趨向融合。聯網的機床不僅讓資料分享、大模型訓練更加友善，也讓機床端的邊緣孿生系統與雲孿生系統協同運作，為大規模智慧工廠的建構提供了可能。據了解，雲孿生系統GrapeSaaS分為四層，元工廠層、基建層、孿生層、業務層。元工廠層基于需求自動程式設計，提供服務化STEP-NC（一個面向對象的新型NC程式設計資料接口國際标準），基建層為制造相關實體及資源提供統一的資料存儲、資料通信等服務，孿生層形成智能制造微服務，業務層結合業務場景形成制造行業解決方案。目前，肖文磊團隊已經完成第二層，即基建層的開發。在肖文磊對于邊雲協同數控機床數字孿生解決方案的完整設想中，人的參與大幅減少，工程師及開發人員的工作量也有所降低，制造過程多由機器決策、溝通、執行，無人化制造初現雛形。在過去的幾十年中，數控技術不斷發展，但現在數控機床程式設計所使用的語言仍是20世紀50年代發明的G代碼。這是一種類似于計算機彙編的語言，工程師通過G代碼設計刀具的移動路線和進給速率，即針對制造過程進行程式設計。而仿真系統可以對每一個實體，如刀具、零件、機床，生成數字孿生，即以對象為中心。肖文磊将這種兩者分别總結為“面向過程”和“面向對象”。他希望由“面向過程”到“面向對象”的轉變可以解決機加工行業的“制造危機”，在未來以這套邊雲協同數控機床數字孿生解決方案全面革新機床數控系統及生産方式，打造機加工行業服務規模化平台。

作者丨吳修齊編輯丨邱江勇美編丨馬利亞監制丨趙晨