徐曼菲， 张弦弦， 邱 枫， 刘治红

（中国兵器装备集团自动化研究所智能制造事业部， 四川绵阳 621000）

0 引言

近年来，国家相继推出了两化融合及中国制造2025制造能力提升工程及各项政策， 各部委积极响应制定并发布了多项智能制造发展推进计划和项目指南， 如科技部《智能制造科技发展“十二五”重点专项规划》、工信部《智能制造发展规划（2016—2020 年）》等； 2018 年，科工局发布了《智能制造专项行动计划项目指南》，旨在推动智能制造在军工产品研制中的应用， 提升研制能力和研制水平，为国防和军队建设提供保障[1]。 车间与生产线的数字化与智能化建设是我国军工制造企业实施创新驱动发展、价值创造战略的基本途径，是提升企业整体现代化水平的必经之路[2]。

军工数字化生产线制造过程属于典型离散制造过程，主要承担着计划生产与科研试制双重任务，即需要进行成熟型号的批量化生产， 也需要进行科研型号的小批量试产，变产成为军工生产企业一种典型的特征[3]。 在智能制造技术不断发展的趋势下， 新一代身管武器制造模式亟需从传统的大批量生产模式向以柔性供给模式为主的多品种、变批量、高度定制的供给能力转变。

因此， 笔者面向军工行业数字化车间多品种、 变批量、刚柔并济的模式发展需求，采用先进的数字化制造技术，提出了一种基于C/S 架构的身管武器加工过程集成管控方法，构建柔性与效率平衡的身管武器加工过程集成管控系统，形成面向新一代武器平台发展需求的柔性、精准、智能管控新模式，为军队“能打仗、打胜仗”提供优质的基础产品保障。

1 国内外现状分析

1.1 国外现状

美国通用电气作为全球大型军工企业智能化发展的领跑者，其生产的产品种类多、产品批量和市场规模大， 通过工业互联网实现大数据、云计算等新一代信息技术与先进制造技术及装备的融合，实现了产品多品种、变批量、跨地域、高效、敏捷生产制造，提高了产品研制生产质量、降低制造成本[4]；雷声导弹系统公司亨茨韦尔红石兵工厂使用了SAP 公司的制造创新与智能软件系统，提供计划调度、质量监控、现场管理、数据采集、设备监控、人员管理、物料追溯等生产管理功能[5]；白萌设计了一种跨网段信息异步交互的数字孪生车间架构， 基于数字孪生五维模型描述了数字孪生车间的组成， 提出了虚实融合的分层管控模式[6]。

1.2 国内现状

王伟在分析弹药生产业务流程和管控需求基础上，设计了基于MES 的生产管理系统，实现了对生产线的综合管理[7]；刘春明提出了一种面向离散型小微制造企业的车间管理系统设计方法，建立了订单模型、工艺模型、班组模型和排产模型，最终构建一个能自动分解订单、实现企业排程与推演的车间管理系统[8]。

张新生提出一种基于数字孪生重构了车间管控系统的体系架构，可实现生产计划执行、生产过程调度、产品质量管控、生产绩效统计分析等功能[9]。从整体而言，国内在排产计划的精细程度、 可视化全粒度智能管控应用方面相较国外军工制造企业仍有较大差距。

2 身管武器机精密加工生产线

以某厂身管武器精密加工单元为对象， 目前该厂生产线共有约30 个生产相关自动化设备单元，具体情况如表1 所示。通过集成肖布林高精度车床、雷尼绍多功能比对仪、机器人系统、超声波研磨清洗机、随行工装、自动上下料站、工装吹扫机构、气密检测机构、单元安全防护系统等，如图1 所示，实现工件装夹后无需人工干预即可完成该工序段工件的加工、抛光、清洗、烘干、检验等内容；同时， 配合生产过程一体化管控系统， 可对生产执行情况、 设备状态、 工件加工质量检测等方面进行数字化管理，最终实现无人化、高效化、智能化的目标。

表1 自动化设备情况

图1 单元三维布局图

3 总体设计方案

总体技术架构如图2 所示。采用层次化的体系架构，自下向上分为四个层次：设备层、数据采集层、数据管理层、管控层。集中管控系统负责高精度数控车床、机器人、超声波研磨清洗机、比对仪、人工操作单元的管理，以及与上层一体化管控系统信息交互， 并预留可能接入的双主轴排刀车床、研磨设备的数据采集接口。通过对单元内设备数据采集和各设备的自动化控制， 实现产品在本单元内完成要求的加工及检测。

图2 系统总体架构

（1）设备层：由六轴工业机器人、高精度车床、超声波清洗研磨机、比对仪等组成，所有设备均带数字化通信接口。

（2）数据采集层：通过与各设备自动化控制系统集成，自动获取设备状态、工艺参数、质量数据等实时数据，并下传生产指令数据到设备； 对于工件在单元内的物流状态、实时检测数据将通过RFID、传感器等方式自动采集。

（3）数据管理层：实现从工件进入单元到运出单元所有生产过程环节数据的统一管理，构建制造过程数据中心。

（4）管控层：接收ERP 或外部输入的生产任务数据，进行生产任务执行管理、设备运维管理、生产质量管理、生产安全管理、物流运行管理、信息发布管理、系统管理、系统集成等。

3.1 数据采集与交互

针对不同采集对象的实际数据接口情况， 对于含控制器的自动设备，通过网口、串口采用WebService、Socket、API 以及DB-Link 的形式进行数据自动采集；对于质检设备等自身含数据存储的设备， 采用Socket、WebService、API 等形式进行数据集成；对于RFID 等设备，通过TCP/IP 进行采集；对于传感器，可通过RS-232/485 接口进行数据采集。 身管武器精密加工单元数据采集项见表2。

表2 精密加工单元数据项

（1）FANUC 系列： 通过OPC-FOCAS，FOCAS 2 协议采集。 在系统运行时，通过OPC-FOCAS 获取控制系统命令来进行设备运行数据采集和记录机床的各种状态值。接线方式，见图3。

图3 Fanuc 系列设备接线方式

（2）新代10.114：通过API，协议开发包定制采集。在系统运行时，通过API 获取设备运行数据，采集和记录机床的各种状态值。接线方式如图4 所示。

图4 新代系列设备接线方式

（3）西门子802D：通过数据采集器外挂采集。采集的各类电信号（数字量或模拟量），转换成通用协议进行记录机床的各种状态值，见图5。

图5 西门子系列设备接线方式

3.2 多品种混线智能排产

针对四种类型加工产品及生产线流水、离散作业一体化，制造单元、制造设备等资源协同调度的特点， 对高密度数字阵列组件产品生产中涉及到的制造单元、制造设备等各资源、工艺流程以及订单、工艺路线等调度约束进行统一建模，其技术路线见图6。

图6 身管武器多品种智能排产技术路线

（1）多品种、变批量订单建模：根据订单所属图号找出排产涉及的所有产品的品种；再根据订单交货期、订单数量、订单优先级等订单信息，利用编码技术建立数学模型，并形成对应的数据库表，从而实现对订单的建模过程。

（2）资源建模：根据各资源的特征，分别利用编码技术建立数字模型，并形成对应的数据库，从而实现对生产资料的资源建模过程。

（3）工艺流程建模：在资源模型形成的基础上，对四种类型身管产品生产工艺流程进行建模。 工艺流程模型体现为，从资源角度出发建立的加工单元内流水/制造设备内离散作业一体化模型， 确保生产过程中生产资源较高的利用率和较合理的资源调配。

（4）调度约束建模：利用面向任务和资源的调度约束筛选技术筛选出制约最优生产方式的调度约束并建立数字模型，从而形成了以工艺路线约束模型、生产资源约束模型和任务优先级约束模型为主的调度约束模型。 其约束与目标分析表，见表3。

表3 多品种变批量混流排产调度约束与目标分析表

3.3 可视化运维监控

针对目前身管加工过程环境复杂、运维人工参与多、运维数据分析挖掘难、管控效率低等问题，开展身管加工单元三维建模运维状态三维可视化显示模块设计，构建基于管理实体、输出层、功能层、接入展现层的运维管控模式；结合系统采集数据实现对身管高效加工运行状态的系统监测和服务管理；通过设备、环境特征的提取和建模，建立身管高效加工单元模型库， 实现数字化三维模型与系统现实状态的实时映射，支撑其应用层的可视化运维监控、系统柔性调度、故障诊断等功能，快速提升身管高效加工智能运维管控和决策能力，技术架构，见图7。

图7 可视化监控技术架构

4 系统实现及验证

身管加工一体化集成管控系统作为数据采集与交互、多品种混线排产、可视化监控3 个模块的集成管控平台，前端采用elmentUI+VUE，后端采用springboot 框架，主流的JAVA 语言， 数据库采用Mysql， 包含了远程报警、加工准备、加工监控、加工执行、加工数据统计、系统管理6 个功能板块，见图8。

图8 身管加工过程集成管控系统

5 结束语

笔者以身管武器精密加工生产线为应用对象， 对其通过底层数据采集感知、四种产品混线智能排产、全粒度的可视化分析展示等关键技术攻关，开发了一种基于C/S架构的身管武器加工过程集成管控系统与产线进行配套使用，并可与现有MES 系统进行无缝对接。

身管武器加工过程集成管控系统建立了一套从数据智能感知、接收任务执行排产、加工结果反馈、异常报警等一系列与加工任务执行有关的信息通道， 实现了智能排产、 数据采集与交互、 可视化监控等功能的一体化运行，让整个精密加工任务执行过程“可知、可管、可控”，为军工企业推行智能制造战略提供应用示范。