基于数字孪生的复杂产品混流装配线网络平衡动力学与优化研究

One of the key technologies for of mixed-model assembly line (MMAL) balancing is the accurate mapping and timely interaction between physical and virtual space, which plays an important role in the precise control and rapid reaction of manufacturing process oriented to complex products. In this project, the MMAL network with intelligent interaction is built based on digital twin, and the complex mechanism and dynamics of MMAL network balancing are studied based on the complex network theory. For the semantic discovery of pre-order balancing relations and the logical reasoning of post-order balancing relations, the hierarchy of manufacturing resource balancing relations oriented to complex products is firstly studied. The dynamic evolution behavior of balancing in the MMAL network is analyzed, and the dynamics of MMAL network are studied, such as emergence, transitivity, robustness, coupling and so on, which are the difficult nature of MMAL balancing. The dynamic evolution model of MMAL network is proposed based on the Barabási-Albert (BA) model. Data mining based on neural network is used to evaluate the balancing performance of manufacturing resource nodes and forecast the nondimensional MMAL network. The novel hybrid swarm intelligence optimization algorithm is developed, of which neighborhood structures and mobile strategies are improved based on the fitness landscape theory. Finally, the scheduling strategies of balancing optimization are studied. This project thus provides the new theory for the further development of intelligent manufacturing, transformation and upgrading of manufacturing and the key competitiveness of enterprises.

物理空间和虚拟空间的精确映射与适时交互是混流装配线平衡的关键技术，对提升复杂产品制造过程的精准管控和快速响应具有重要意义。本项目采用数字孪生技术构建虚实关联的复杂产品混流装配线网络，应用复杂网络理论研究混流装配线网络的平衡复杂机理和动力学过程。以邻序可平衡关系的语义发现和跨序可平衡关系的逻辑推理为目标，构建面向复杂产品的制造资源可平衡关系体系；分析混流装配线网络的平衡动态演化行为，研究平衡涌现性、传递性、鲁棒性、耦合性等动力学特性，揭示混流装配线网络平衡困难的本质；采用复杂网络理论的无标度模型，研究混流装配线网络平衡动态演化模型；采用神经网络理论，挖掘混流装配线网络中资源节点的平衡性能，无量纲化评估网络平衡；采用适应度地形理论指导算法的高效邻域结构和移动策略，开发新型混合群体智能优化算法，并研究平衡控制策略。为推进智能制造深入发展、助力制造业转型升级、提升企业核心竞争力提供新的理论基础。

面向复杂产品的混流装配线制造链长、制造环节多、制造过程动态多变，同时制造过程中影响因素众多、协调关系复杂、制造任务紧耦合。混流装配线平衡成为制约复杂产品制造系统规划、预测、评估、调度的瓶颈，影响制造过程精准管控和快速响应能力的提升。数字孪生技术以数字化方式创建物理实体的多维模型，具有实时同步、忠实映射、高保真度特性。通过研究数字孪生驱动的复杂产品装配技术，有助于实现复杂产品装配物理过程与数字模型的交互共融，从而提高复杂产品装配的数字化、智能化。本项目研究分为以下三个方面：.①基于数字孪生的制造资源管理架构和赛博物理生产系统（Cyber-Physical Production System, CPPS）信息建模。提出了一个实时、动态优化决策的制造系统架构，并给出了设备数字孪生和复杂产品数字孪生的构建方法。该架构分为物理层、虚拟层和应用层。设备数字孪生分为边缘端数字孪生和云端数字孪生；复杂产品数字孪生包括产品设计模型、信息融合模型、特征模型、行为模型、规则模型。为了应对物理资源与虚拟资源之间的互联互通挑战，利用AutomationML对CPPS进行信息建模，具体从资源、过程和产品三个方面实现，最后给出了整体叶盘制造的生产系统建模案例。.②智能群体算法求解混流装配线平衡优化问题（Mixed-Model Assembly Line Balancing Problem, MMALBP）。差分进化算法（Differential Evolutionary Algorithm, DEA）是一种基于群体差异的随机全局搜索启发式智能算法，本项目设计了一种新型的离散DEA，尝试求解多目标MMALBP。采用线生产效率和工位载荷波动构建一个自适应的多目标优化函数。开发了适度贪心算法分配作业元素，约束贪婪幅度。最后，采用生产实例测试算法，结果显示该算法能有效地求解MMALBP。.③数字孪生生产车间和制造资源优选评价。首先，提出了一种基于犹豫模糊语言的综合评价模型。首先构建了数字孪生车间质量评价的指标体系，采用OWA (Ordered Weighted Averaging)算子对评价指标进行了权重计算。最后，为解决评价模型的逆序问题，采用RIM(Reference Ideal Method)对所建立的智能机床设备评价决策模型进行求解，并以某航空企业的复杂设备优选为例进行了验证。

内容获取失败，请点击重试