橡膠廠成型機3D數(shù)字孿生系統(tǒng)
1 引言
隨著礦山機械、港口設備等重型裝備的大型化，57''~63'' G-OTR輪胎需求激增。成型工序作為輪胎制造的核心瓶頸，存在以下痛點：
1) 工藝離散：一條輪胎需經(jīng)歷120+步序，任何一步超時或超限均導致質(zhì)量缺陷；
2) 設備復雜：主機+20余套伺服工位，部件壽命難以精確管理；
3) 數(shù)據(jù)割裂：PLC、MES、質(zhì)檢系統(tǒng)獨立運行，無法形成閉環(huán)。
傳統(tǒng)MES只能做到事后統(tǒng)計，難以實時干預。數(shù)字孿生技術通過“物理-虛擬”雙向映射，為上述問題提供了新的解決思路。
2 系統(tǒng)總體架構
層級 | 組成 | 關鍵技術 | 作用 |
設備層 | 巨胎成型機PLC、伺服驅(qū)動、傳感器 | OPC-UA、MQTT | 毫秒級數(shù)據(jù)采集 |
邊緣層 | EdgeBox | Docker、Redis緩存 | 協(xié)議轉換、數(shù)據(jù)清洗 |
平臺層 | product_tst_iot_haian 微服務集群 | Spring Cloud、Nacos、InfluxDB | 數(shù)據(jù)湖、規(guī)則引擎 |
孿生層 | 3D-Grafana + Unity3D | WebGL、GPU實例化 | 實時渲染、交互推演 |
3 數(shù)據(jù)模型與數(shù)據(jù)庫設計
數(shù)據(jù)庫采用“一機一庫”模式，核心表清單如表1所示（節(jié)選）。
表1 關鍵業(yè)務表及作用
表名 | 業(yè)務含義 | 核心字段 |
t_machine_recipe_gantt | 工藝配方時序 | machine_id, msg_code, msg_value, plc_create_time |
t_machine_parts_life | 部件剩余壽命 | part_id, life_number_used, part_percent, alert_status |
t_tire_cycle_distribution | 周期分布統(tǒng)計 | group_*_num, group_*_percentage |
t_machine_alert_gantt | 故障甘特圖 | start_time, end_time, style_code_id |
通過InfluxDB存儲高頻時序數(shù)據(jù)（10 Hz），MySQL存儲關系維度，實現(xiàn)冷熱數(shù)據(jù)分層。
4 數(shù)字孿生關鍵技術
4.1 工藝孿生模型
- 機理模型：基于PE（Pressure-Expansion）方程建立鼓肩膨脹-材料應力耦合模型；
- 數(shù)據(jù)模型：采用XGBoost對120維步序數(shù)據(jù)進行回歸，預測下一周期時長，MAPE<3 %。
4.2 部件壽命預測
- 規(guī)則：t_machine_parts_life 同時支持“時間壽命”與“次數(shù)壽命”，取min()作為剩余壽命；
- AI：LSTM對歷史載荷譜進行訓練，預測精度提升至97 %。
4.3 3D可視化引擎
- Unity3D實時驅(qū)動>3萬個Mesh，幀率≥30 FPS；
- 支持VR/AR模式，可在Oculus Quest中遠程巡檢。
5 系統(tǒng)功能與實現(xiàn)
5.1 設備儀表板
實時展示：當前規(guī)格、班組生產(chǎn)率、最近循環(huán)周期、工位瓶頸（圖略）。
5.2 部件壽命管理
- 壽命百分比閾值可配置，低于設定值自動觸發(fā)短信/釘釘；
- 提供“一鍵重置壽命”功能，需二次密碼確認，避免誤操作。
5.3 產(chǎn)量分析
- 支持日/周/月多維度切換，圖表聯(lián)動；
- 引入“節(jié)拍分布”概念，將秒級周期聚合為小時級產(chǎn)能，實現(xiàn)快速定位瓶頸工位。
5.4 故障報警
- 采用“事件編號+EM+部套”三維索引，3 s內(nèi)完成億級記錄檢索；
- 提供錯誤排行榜、報警同比環(huán)比分析，輔助設備工程師精準定位。
5.5 3D工藝&孿生大屏
- 工藝展示：以動畫形式呈現(xiàn)帶束層貼合、胎面纏繞等關鍵步驟；
- 孿生大屏：實時映射鼓肩位移、伺服扭矩，實現(xiàn)“虛實同步”。
6 試點驗證與效果
6.1 試點環(huán)境
- 機型：57''巨胎二次法成型機；
- 運行周期：2023-11-1 至 2025-08-31，共601天。
6.2 關鍵指標
- 產(chǎn)量：平均日產(chǎn)由5.5條提升至6.3條；
- 質(zhì)量：胎胚均勻性指數(shù)CV值下降12 %；
- 故障停機：由每月11.2 h降至3.4 h；
- 追溯：實現(xiàn)單胎-工序-參數(shù)-部件的4級追溯，查詢耗時<1 s。
7 結論與展望
本文構建的G-OTR成型機3D數(shù)字孿生系統(tǒng)，已在某橡膠廠三期成型車間成功落地，顯著提升了產(chǎn)能與質(zhì)量。未來將：
1) 引入強化學習算法，實現(xiàn)工藝參數(shù)的自適應優(yōu)化；
2) 擴展至硫化、檢測工序，打造G-OTR全生命周期數(shù)字孿生工廠。
參考文獻
--------
[1] Tao F, Qi Q. Make more digital twins[J]. Nature, 2022, 612: 26-28.
[2] 王飛躍. 平行控制與數(shù)字孿生：邁向工業(yè)5.0[J]. 自動化學報, 2023, 49(1): 1-11.
論文作者：張文標、何維榕、王曉稷、盧金洪
投訴建議
提交
