成飞：打造全要素协同的智能制造工厂

一、企业简介

       成都飞机工业（集团）有限责任公司（简称“成飞”），隶属中国航空工业集团有限公司，创建于1958年，是我国航空武器装备研制生产和出口的主要基地，民机零部件重要制造商，国家和省市重点优势企业，本部占地近5平方公里（含机场）。目前，成飞所属企业包括贵飞、长飞、成飞民机、中航无人机、成飞会议、成飞航产，现有在册员工23000余人，其中，本部13000余人。

       成飞研制生产了歼-5、歼-7、枭龙、歼-10等有人机，以及翼龙系列等无人机，共生产各型飞机5300余架，出口18个国家900余架；研制生产了ARJ21、C919、CR929、AG600等大飞机机头。具备机头、舱门、翼面和壁板类航空大部件制造专业化优势，以及二代机、三代机规模化维修能力。为国家航空武器装备现代化建设和国民经济建设做出了突出贡献。

二、企业在智能制造方面的现状

       聚焦核心制造场景，通过开展柔性生产线系统、集中物料仓储系统、物流智能调度系统、厂房集中供液与切屑处理系统、车间生产智能管控平台等能力建设，构建基于数字孪生的虚拟制造和物理制造的数据协同平台，融合工艺、计划、设备、质控等管控要求，动态调度车间生产计划和制造资源，实现对车间制造执行过程的精准映射和反馈控制。具体如下：

       信息化应用现状:以大型复杂航空铝合金、钛合金结构件为加工对象，融合工艺、计划、设备、质控等管控要求，构建互联互通的信息化管控系统，主要包括以下关键系统：

       1）车间智能管控系统。整合车间制造数据，集中进行机型计划派发、资源调度、生产监控等；

       2）高级计划排程系统。基于资源、产能等约束，实现车间级、产线级的生产计划自动排程；

       3）工艺业务集成系统。融合技术状态、工艺任务、生产协同等功能，实现工艺业务在线管理；

       4）生产资源管理系统。针对刀具、工装、工具等生产资源，实现扫码入库、在线盘点等功能；

       5）自动化物流管理系统。根据生产计划，自动生成物流计划，调度AGV配送工件、刀具；

       6）设备运维监控系统。集状态监控、预修管理等功能为一体，实现设备全生命周期健康管理；

       7）数字化质量管理系统。基于历史数据，对质量风险自动进行分析预警，实现闭环质量管控。

       智能制造应用场景：聚焦柔性化生产、自动化仓储物流、智能化管控等核心制造场景，开展零件制造全流程智能化应用，主要包括以下典型场景。

       1）全面数据采集。搭建全链数据贯通治理的数据中台和面向多业务域的自主分析可视化管控平台，实现“现状可查，问题可辨，风险可控，未来可测”的数据驱动精准管控；

       2）自动物流配送。聚焦生产资源配送需求，依托AGV、RGV、立体库、机器人等自动化设备，构建高效、灵活、可靠的在自动化配送系统，实现物料、刀具的精准配送与回收；

       3）线内自动化加工。在生产线管控系统的管理下，自动进行程序下载、探头找正、刀具调用、零件切削等动作，实现零件优质、高效的自动化；

       4）尺寸在线检测。引进触发式测量、激光测量、超声测厚等技术，构建过程质量在线智能检测系统，实现产品过程尺寸在线检测和自动补偿；

       5）智能工艺设计。集成特征编程、后置处理、自动化仿真等关键技术，研发数字化工艺集成设计平台，实现基于特征的自动编程、一键式仿真，支撑工艺设计快速迭代优化；

       6）高级计划排程。建立三层五级计划管控模式，构建设备能力和任务需求匹配模型，开发APS计划排程系统，实现资源、产能等复杂约束条件下的生产计划动态排程。

       7）预防性设备维修。自主研发设备全生命周期智能运维管理平台，开展基于数据驱动的设备保养计划制定和优化，将传统的事后维修模式转变为事前预防、预测性维护模式。

       8）质量风险分析预警。集成过程质量特征设计、过程质量数据采集、过程质量数据统计三大功能，建立多维度质量数据评价与追溯机制，实现基于历史数据的质量风险预警。

       9）数字孪生管控。构建覆盖设备、产线、车间、工厂的数字孪生体，结合计算机仿真技术，开展从物料入库到成品交付的全流程虚拟可视化监控，实现工艺设计、物流调度、生产制造等关键环节的迭代优化。

       主要建设成效:构建车间级数字孪生管控平台，完成车间220余项关键运行数据、指标的实时动态监控与虚实精准映射，建成以“动态感知、实时分析、自主决策、精准执行”为特点的智能车间，实现计划自动排程、物流自主调度、产品自动加工、状态远程监控的车间自动化运行管控，设备完好率持续保持在98%以上，自动物流系统应用率提升至96%，车间设备利用率提升至90%以上，实现航空结构件制造绿色、高效、优质、低成本的制造，满足飞机快速研制和批产任务需求。

三、参评智能制造项目详细情况介绍

       1.项目背景介绍

       1.1建设必要性

       面临机型产能需求迅猛提升和无人机井喷式发展的紧迫形势，结构件需求在短期内急剧攀升，对飞机结构件制造带来了三大挑战：

       一是为满足结构件轻量化、大型化的发展趋势，大量引入新结构、新材料、新工艺，导致工艺技术需求越来越多；

       二是结构件中高精特征、超大尺寸、复杂构型等增多，产品质量要求越发严格；

       三是市场需求急剧扩大，新研急速推进和批产快速上量并行的研制模式已成为常态。传统数控加工生产模式在当前背景下难以满足产品研制需求，急需通过计划自动排程、自动物流配送、过程尺寸自动补偿、数字孪生监控等技术的集成应用，加速完成数字化、智能化转型，实现优质、高效、低成本的航空结构件研制目标。

       同时，由于智能制造还处于发展阶段，行业内还没有形成完整的一套成熟管理体系和技术体系，导致车间虽然具备了智能制造基础条件，但还存在过程状态难以准确监控、业务系统之间集成度低、自动化技术成熟低等问题，距离“动态感知、实时分析、自主决策、精准执行”的运行目标还有较大差距。

       成飞公司作为我国航空制造业的领军企业，贯彻国家十四五规划提出“以智能制造为主攻方向深入实施制造强国战略,以推动制造业数字化、网络化、智能化发展”的发展战略，建设国内领先、世界一流的航空结构件智能车间，满足飞机研制需求，引领行业数字化、智能化转型。

       1.2痛点问题

       1)各类自动化设备、数字化系统的功能没有完全发挥。由于数据底座不一致、通信协议不统一等问题，AGV、机器人等自动化设备和工艺管理、生产管理等数字化系统之间集成度低，在自动化资源配送、零件加工检测一体化等场景存在断盲慢点。

       2）经验式的工艺设计方法难以匹配新机型研制需求。随着机型快速更新换代，结构零件呈现大空间、高精度、高强度、轻量化、复杂构型的发展趋势，大量引入新材料、新工艺、新构型，传统完全依靠工艺人员手动编程的工艺准备模式难以满足高质量、柔性化、标准化的制造需求。

       3）以抢修为主的设备运维模式导致停工时间较长。数控机床、AGV等核心设备故障仍然以事后抢修为主，导致障诊断、备件采购、设备维修等停工时间长，并且设备精度、可靠性等难以有效保证，对生产计划精准执行有较大冲击，设备故障原因导致的停工已成为制约车间高效、稳定运行的关键要素之一。

       4）无人干预的加工模式带来更严格的质量要求。质量控制方式从结果控制向过程控制转变，风险防控方向从制造环节向工艺设计环节转移，需广泛应用在机检测、质量数据自动追溯与分析等手段控制产品质量，降低无人干预模式下的质量风险。

       1.3主要目标

       聚焦高质、高效、低成本的智能车间建设目标，开展基于特征的智能化工艺设计、切削过程几何-物理仿真、设备精度自动监控及补偿、设备故障预警及诊断等关键技术研究，建设“动态感知、实时分析、自主决策、精准执行”的国内首家飞机结构件智能制造工厂，主要目标如下：

       1）构建数据驱动的决策和虚拟验证环境，实现数字化系统智能管控下的车间自动化运行，使“黑灯工厂”创新范式落地走实；

       2）提高智能化工艺设计、设备健康管理、过程质量监控等智能制造技术成熟度，将车间综合效能OEE高到国际一流水平；

       3）以航空结构件智能制造示范工厂为平台，形成可快速复制、大规模推广的“智改数转”车间建设一揽子解决方案及智能制造领域标准化体系。

       2.项目实施与应用情况详细介绍

       以全要素自主协同的车间智能管控系统为核心，向上对接各业务域数字化系统，向下兼容各执行系统及设备，采用车间管控层、生产执行层、基础设备层的三层典型架构模式，实现对资源、设备、人员等进行全局调度和管控。围绕“线外集中装夹、线内自动加工、在机测量、物流自动配送、统一生产管控、集中供液排屑”等典型智能化应用场景，以提升设备完好率、完好设备利用率、产品合格率等综合效能指标为总体目标，开展方案设计及工厂建设。

       2.1硬件条件建设

       (1)自动仓储系统

       针对传统仓储方式下，空间利用率低、库存管理效率不高、人工误操作频发的问题，建立涵盖原材料、工装、刀具、工具及量具等的多类型立体仓库，开发集成资源伺服系统与物流调度系统，搭配条码、二维码、射频识别（RFID）等信息识别技术，实现从入库到出库的全流程自动化管理，提升库存管理效率与响应速度。

       1）自动化硬件设备：仓储系统使用堆垛机完成高架仓库的自动存取，能够实现快速、准确的货物搬运，使用在固定轨道上运行的RGV，实现精确的位置控制，完成跨巷道的货物搬运。

       2）软件系统：开发仓库管理系统，实现货物从入库到出库的全程自动化管理，做到流程可追溯、库存有记录。系统采用智能算法，优化出入库调度，减少作业时间；结合数据分析技术，智能分析仓储作业数据，提供深入的业务洞察，以精准预测为目的，提供可靠决策。

       3）集成解决方案：智能仓储系统是一个高度集成的自动化与信息化综合体，其设计与实施涉及多个领域的技术和产品。针对车间软件系统数据交互及多类型硬件集成控制的需求，研发统一集成中转服务组件，确保所有系统和设备采用统一的数据格式和通信协议，统一管理所有系统和设备，实现数据的集中处理和设备的统一调度。

       通过自动仓储系统的应用，各类资源的出入库时间平均缩短30%，库存盘点准确率达到100%，仓库空间利用率较以前提升30%，显著加快了物流周转速度。

       (2)智能物流系统

       应用AGV、交互机构等物理实体数字化建模及AGV高精度定位等技术，实现多种类AGV的运输管理、物资交换的自动控制。自主研发智能物流系统，聚焦生产资源在车间内部的自动化、智能化配送，构建一个高效、灵活、可靠的配送系统，以支持车间的连续生产需求，实现从集中仓储区域到生产加工区域的物料精准配送与及时回收。

       1）多智能体的高度自动化集成控制响应：针对车间级物流管控涉及的软件系统数据交互及多类型硬件集成控制的需求，研发车间资源伺服系统，实现总控服务与立体库、AGV、机器人等多智能体的统一集成控制。

       2）基于实时制造信息的物流动态调度：为高效利用有限的生产加工资源，实现精准配送，根据实时制造信息，采用改进后的粗糙集算法，求解出柔性生产模式下各类加工资源的优选组合，并调度AGV将资源配送至相应产线。

       3）适配复杂场景的多车辆调度规划算法：为解决当前车间复杂仓储物流环境中AGV串行搬运方案存在的效率低、灵活性不足的问题，基于时空避障的多任务AGV调度技术，实现工厂内部道路资源受限、运输路径复杂、运输任务量大的情况下，提供高效率的多AGV并行调度方案。

       实现结构件出入线全过程自动化，大幅减少了生产线资源配送过程对人工搬运的依赖，物料供给及时率达92%，产线物流应用率达91.8%，生产资源平均配送时间缩短20%。

       (3)智能产线柔性配置

        针对航空结构件智能工厂需根据产品特性灵活调整优化生产流程和提升产品质量的需求，以提升自动化程度和设备利用率为目标，配置加工中心、工业机器人刀库、装卸站、穿梭车等设备设施，研发柔性线管控系统，实现线内零件的自动排产、自动运输、自动加工，提高设备利用率和产品合格率，满足敏捷制造、快速响应制造和精益生产需求。

       1）线内自动物流：主要包括工件自动交换、刀具自动交换两个部分。柔性线根据线内生产情况，通过线内物流小车、托盘交换机构实现工件在装卸站、缓存站、机床加工区之间的自动交换，满足线内工件自动运输功能，实现待加工零件的线边缓存。刀具配送至柔性线机床刀库后，机床能够根据加工需求自动换刀，实现刀具的自动调用。

        2）自动加工技术：根据零件工装、刀具、程序等生产资源准备情况，柔性生产线进行“自动排产、自动加工”。具体来讲，柔性生产线根据车间管控系统下发的生产订单，对生产订单进行解析，并根据线内零件工装、刀具等生产资源准备情况进行自动排产。工件、刀具等生产资源通过自动物流系统进入柔性生产线后，柔性生产线具备24小时连续加工的能力，通过探头自动找正、程序自动加载，实现加工过程的无人干预。

       通过产线柔性配置，实现线内自动物流、自动加工，减少了装卸占机时间、托盘交换时间，实现24小时无人干预连续加工，操作人员数量由120人减少至20人。

       (4)集中供液排屑系统

       针对传统数控设备在机处置的切削液和切屑处理效率低下、排放污染大的问题，搭建智能工厂集中供液排屑管控系统，通过集中式的供液系统对切削液进行集中管控和循环按需供给，采用多种切削液集中净化技术，自主开发切削液状态监控软件，实现切削液状态动态管理，有效提高切削液排放周期。

       1）切削液进行集中净化：与供应商联合开发智能工厂集中供液排屑管控系统，通过搭建与数控设备物理隔离的集中式供液系统，对切削液进行集中管控和循环按需供给，采用精密循环过滤技术、在线循环净化技术、离心除油等技术对切削液进行集中净化；

       2）切削液寿命管理：自主研发包含温度、浓度、PH值、电导率等指标的切削液状态实时监控技术，实现切削液状态实时监测动态管控，有效延长了切削液排放周期，降低了切削液危废排放量；

       3）切屑自动压块：搭建集中式的切屑分离、压块系统，实现整个车间的切屑自动压块功能，有效提高了生产效率和降低了生产环境污染。
实现切屑、切削液的集中自动化绿色管理，车间近半年内切削液使用成本相较传统模式降低60%以上，切削液排放周期从1年延长至5年，液体危废排放从80吨/年下降至2吨/年。

       2.2数字化系统集成

       (1)全链数据贯通与数据治理

       面向设备数据采集存储、业务数据分析应用需求，针对数据获取不完整、数据质量不可靠、数据跨业务共享难等问题，采用“业务数据化、数据资产化、资产业务化”方法论，搭建全链数据贯通治理的数据中台和面向多业务域的自主分析可视化管控平台，实现“现状可查，问题可辨，风险可控，未来可测”的数据驱动精准管控。

       1）创立多源异构数据汇聚的数据仓库：构建全局数据建模方法，建立从流程架构向数据架构推导的层次模型，形成数据标准体系，实现关键设备数据及生产过程数据自动采集与数据仓库统一存储，为数字化车间提供权威、规范的数据基础保障。

       2）搭建全链数据贯通与治理的数据中台：基于全局数据模型，规范数据“存通治用”过程，并开展全流程协同数据要素标识与治理，建立全链数据贯通与治理的数据中台，为业务决策和优化提供强有力的数据支撑。

       3）大数据分析驱动的数据应用机制：构建面向多业务域的自主分析数字化体验平台，通过对核心业务指标的实时分析及指令下达，实现“现状可查，问题可辨，风险可控，未来可测”的数据驱动精准管控，支撑数字孪生车间演进。

       4）微服务应用组件“插拔式”接入：构建分层解耦的全业务域数字化平台，打造统一数据底座，建立车间级微服务，实现微服务应用组件“插拔式”接入，实现全业务域数据共享与信息贯通。

      制定了车间全局数据模型规范，构建了“端-边-云”数据服务架构，保障了车间日均17亿条数据的高频实时采集与传输，实关键业务数智化现场覆盖率达到100%。

       (2)业务系统集成集成

       航空结构件智能车间整体架构以全要素自主协同的车间智能管控系统为核心，向上对接各业务域数字化系统，承接工艺、设备、质量、生产核心业务，向下兼容各执行设备，对资源、设备、人员进行全局调度和管控。

       1）纵向数据精准传递：基于ESB企业服务总线，向上联动PDM、ERP等企业层业务系统，实时接收BOM、数模等生产信息，反馈订单交付信息，实现车间与公司制造信息的协同管控；向下承担工艺设计集成平台、设备运维管理平台、APS智能排程系统、质量管控平台等车间业务系统与MES系统之间的数据集成，实现对生产执行、资源管控、现场监管等生产过程的全面管理。开发基于数字孪生的车间智能管控系统，向上与MES系统集成交互，接收生产任务并反馈任务状态；向下对接柔性生产线、集中供液排屑系统、自动检测系统、自动化物流系统、加工监控系统、设备状态监控系统、SPC控制系统等生产线层数字化系统，为车间运行的虚拟推演和远程监控提供数据支撑。构建基于“端-边-云”数据服务架构的工控数据总线，创新联接多物理实体兼容数据接入技术，建立全局数据统一建模方法，实现生产线层数字化系统向设备层各物理实体的控制指令下发以及实时数据采集与传输，解决了生产过程数据关联难、一致性差的问题，确保数据源头质量。

       2）横向业务系统互联互通：以MES为核心，基于ESB服务总线，接入工艺设计集成平台FO、NC程序、工序说明书等工艺数据内容，设备运维管理平台设备维保计划等设备数据内容，APS智能排程系统资源配置方案、订单排程结果等生产执行数据，质量管控平台质量分析、追溯、监控等质量数据内容，实现对生产进度、调度、物料等执行过程的监控。

       通过业务集成，打造面向复杂约束条件下的生产计划、全流程自预警的质量管理和多因素耦合下的预测性设备保障的网络化协同的车间管控平台，满足，实现车间全局的“动态感知、实时分析、自主决策、精准执行”的车间数智管控需求。

       (3)全流程业务仿真

       面向工厂规划、工艺布局、产线设计、物流规划等业务活动，针对工厂设计建设周期长、布局不合理、产能受限等问题，搭建智能工厂数字化设计与交付平台，贯穿总体设计、详细设计、迭代优化关键阶段，开展全要素物理实体高保真建模，构建智能车间等比例模型，基于仿真模型，完成物流调度、生产作业等场景迭代优化，实现工厂数字化交付，缩短工厂建设周期。

       1）构建全要素三维模型库：提出了基于3DsMAX的智能厂房全要素参数化建模的模块化优化方法，将厂房各实体元素对象进行划分，采用参数化建模方法，将几何模型、运动模型利用运动链进行统一，基于功能特征树建立三维模型库，实现了三维模型的高可重复利用性，提高了建模效率。

       2）搭建车间建设全流程仿真平台：面向智能车间建设全生命周期，基于所构建的智能车间生产资源模型，搭建三维可视化的生产仿真平台，以实现车间各物理场景的实时展现。依据阶段目标开展生产系统仿真、物流路径规划仿真、生产线运动仿真及异常处理能力仿真。通过仿真平台的评估功能，在虚拟环境中验证不同调度方案的效果，发现潜在瓶颈，综合先进敏捷、兼容复制、安全环保、经济高效等建设原则对方案进行迭代优化，形成最终的智能工厂详细设计方案，提高工厂设计作业的精准性和有效性。

       构建飞机结构件数字化智能车间从设备级、系统级到车间级的多层次全要素三维模型库，并基于网格化代理技术实现模型的轻量化与精细化，模型大小控制在100M以内，打开时间不超过20S，解决了智能车间场景模型渲染效率低、仿真测评不准确等问题。

       (4)数字孪生工厂运营

       针对飞机结构件智能制造过程中物理世界和虚拟空间的实时映射和交互需求，通过构建覆盖设备、产线、车间、工厂的数字孪生智能体，实现从物料入库到成品交付的航空结构件制造全流程的三维虚拟可视化监控，增强了生产流程的透明度和可控性。结合计算机仿真技术，实现工厂内部的工艺设计、物流调度、生产制造等关键环节的低成本迭代优化，减少实际生产中的试错成本。

       1）高质量实时数据仓库：以统一数据采集平台为基础、企业服务总线为主要路径，将工厂各物理制造要素所产生的多源异构状态数据，全部整合至数据仓库，为数字孪生车间提供实时、高质量的数据来源。

       2）构建多层级数字孪生环境：基于高精度建模与渲染技术，构建设备、产线、车间、工厂多层级的三维数字模型，可实时映射车间的设备状态、布局以及生产流程，为用户提供直观全面的虚拟现实体验。通过数字孪生环境，可实现低成本虚拟操作与调试，优化决策流程，提升车间的整体管理效率。

       3）车间管控系统可视化展示：基于数字孪生模型的构建与业务流程的优化，针对智能制造透明化与可控性需求，形成加工过程管控、产线精益管控、设备状态管控、车间集成管控等面向多业务域的虚实映射与可视化展示，推动车间向智能化、精益化方向发展。

       数字孪生车间构建了覆盖生产、设备、质量等业务的虚拟仿真验证环境，通过基于大数据驱动的模拟和分析，精准识别生产瓶颈、设备故障、质量风险等，指导提前开展流程优化和防线防范，提高了生产的效率和灵活性。

       2.3数字化工艺设计

       (1)产品研制设计制造一体化

       针对传统研制模式流程串行、制造信息与设计信息难以有效融合等问题，构建设计制造一体化协同并行管理模式，基于智能化工艺设计需求，融入知识工程、智能工艺设计等先进技术，支撑高端航空装备跨专业、跨地域、跨组织的设计制造协同研发。

       1）构建设计制造一体化管理模式：在总体方案设计阶段，将产品制造友好性、装配友好性指标及产品性能指标一并进行分解，作为基础设计输入；在结构初步设计阶段，基于工艺知识库对零件布局和配合关系进行调整，保证结构具备较好的可加工性，提升零件工艺友好性；在详细设计前段，基于工艺资源库，对零件结构具体尺寸进行调整，无需新订刀具、工装等制造资源即可顺利完成加工，提升零件的生产友好性；在详细设计后段，使用数字化产品结构设计工具，快速完成产品转角倒角、标注信息、孔位信息等设计工作。

       2）制造过程与设计过程并行：于零件设计成熟度管理，在完成初步设计后，即可确定零件毛坯尺寸，开展材料采购及准备工作；在完成详细设计前段后，开展工艺方案策划及粗加工工作；详细设计后段与零件具体工艺准备同步开展，在零件正式发图后，只需少量修改NC程序即可开展零件精加工工作。通过零件结构设计-工艺设计-生产制造错位并行，进一步缩短产品研制周期。

       通过零件结构设计-工艺设计-生产制造错位并行开展，进一步缩短从产品设计开始到产品交付的总研制周期，相比传统飞机研制模式，研制效率提升50%以上，结构零件智能工厂“无人干预”工艺方案适配率从50%提升至80%。

       (2)结构件工艺数字化设计

       针对工艺设计严重依赖经验、人机交互繁琐、多系统频繁切换等问题，提出了工艺设计闭环控制策略，集成特征编程、后置处理、自动化仿真等关键技术，研发数字化工艺集成平台，满足快速换代和批产上量条件下的工艺设计快速迭代优化。

       1）工艺业务管理系统：数字化工艺管理是数字化工艺设计不可或缺的支撑条件，自主研发工艺业务系统，集权限管理、职责分工、技术状态、工艺状态、任务管理、柔性线资源管理、工艺知识库七大模块为一体，向上承接企业PDM系统机型BOM数据并进行工艺分工及技术状态管理，向下打通工艺管理系统与生产管理系统，实现工艺信息和生产数据的互通，并对下达的工艺任务进行跟踪。

       2）工艺集成设计平台：开展数字化编程与仿真研发工作，以MBD三维模型为输入，突破智能编程、后置处理和自动化仿真等关键技术，研发数字化工艺设计软件。包括设计开发专用的集成平台项目文件，通过智能数控编程，将原始数模信息处理为前置APT程序；通过软件平台监控前置APT状态、后置NC程序状态及仿真结果，并实现后置程序和仿真优化程序的自动调用；基于仿真结果进行程序修正，实现“CAM→后置→仿真”循环和有序集成，搭建出高效的数字化工艺支撑环境，使系统间的数据交换和配置设置自动化，提高工艺设计的效率和质量，最终在典型结构件上进行测试应用。

       通过数字化工艺集成平台的推广应用，实现工艺信息和生产数据的互通，降低了工艺人员的重复劳动量，保障工艺设计结果的正确性和合理性，实现工艺设计快速迭代优化，缩短工艺定型周期，工艺设计综合效率提高1倍以上。

       2.4智能设备管理

       (1)设备运行状态智能监控

       针对设备运行过程因发生异常未及时停机而导致设备、零件质量受损、计划外停机时间长等问题，构建数据和机理融合驱动的数控设备关键功能部件健康状态监测与评估模型，设计关键功能部件健康状态监测与评估模型自动化构建方法，实现数控设备电主轴、进给轴等关键功能部件健康状态的异常检测、状态评估和故障预警，推动设备运维模式从事后抢修向视情维护转变，有效提升设备完好率。

图11 关键功能部件状态监测与评估示意图

 

图12 设备运行状态实时监控示意图

       1）设备多源数据统一采集：针对航空结构件智能制造示范工厂多条数控加工柔性生产线数十台数控设备关键功能部件健康状态实时监测与评估场景，在电主轴、进给轴等关键功能部件部署振动和电流传感器，开发设备多源数据统一采集平台，实现数十台数控设备的多种传感器、数控系统、控制信号等多源数据在线同步采集；

       2）部件健康状态监测：构建数据和机理融合驱动的设备关键功能部件健康状态监测与评估模型，开发基于分布式策略的柔性生产线设备实时监控与健康管理系统，实现了电主轴、进给轴等关键功能部件健康状态的异常检测、状态评估和故障预警，能够同时监测工厂数十台设备健康状态，在加工过程中设备出现异常时及时报警停机，避免设备、零件质量受损和非计划停机，推动设备运维模式从事后抢修向事前维护转变，有效提升了智能工厂的设备完好率。

       设备多源数据统一采集平台实现了数十台数控设备的多种传感器、数控系统、控制信号等多源数据在线同步采集，其中主轴转速、电流等30项数据采集（100Hz）和15项非实时数据的采集，振动采集频率达到15000Hz；柔性生产线设备实时监控与健康管理系统已在全部数控设备上部署，成功监测到主轴、进给轴等关键功能异常，有效避免了设备、零件质量受损，设备平均完好率由92%提升至98%。

       (2)设备智能运维管理

       针对传统设备抢修为主的运维模式中缺乏运维数据支撑、设备状态不透明等问题，自主研发设备全生命周期智能运维管理平台，开展基于数据驱动的设备保养计划制定和优化，将传统的事后维修模式转变为事前预防、预测性维护模式，有效提高设备完好率。

图13 设备运维管理数据中心

       1）智能运维管理平台：构建机床BOM，研发设备全生命周期智能运维管理平台，对多种类异构设备信息实现统一数据管理，集成运维管理、状态管理及保障管理等全业务功能，推动设备全生命周期的状态管理、知识工程驱动的业务管理、数据驱动的运维决策等运维策略的落地应用。

       2）数据驱动设备维修：建设大数据数据中心，实时分析统计设备运维全业务运行指标，并结合基于知识工程的设备维修专家知识库，通过历史数据回溯和故障树特征信息搜索，实现维修方案智能推荐。

       以设备完好率指标为牵引，通过对数控机床、物流交换平台、集中供液系统、自动换刀系统等的全生命周期健康管理，实现事后抢修项预防性维修的转变，保持98%以上的设备完好率。

        2.5智能生产管理

       (1)柔性生产线智能排产调度

       针对航空结构件产品构型变化快、长周期计划预测难度大，生产计划因设备负荷、原材料短缺等影响频繁调整的现象，以制造周期最短、机床闲置最小为目标，建设智能排产调度系统，构建工艺、设备、人员、资源等多约束排产模型、多目标排产寻优等技术实现智能车间资源的动态调度，完成智能车间生产线智能排程调度，促进制造周期缩短，提升产能效率。

图14 基于多元约束的APS排程模型

       1）线内排程数据准备：通过对系统中的工艺信息、生产信息、设备信息、生产资源信息等进行采集、清洗、加工，完成零件排程前的数据准备；

       2）线内混合动态排程：以零件最后完工时间最短、机床闲置等待时间最小为约束目标，建立混合整数模型，约束包含基本排程约束、生产现场定制约束,模型求解采用启发式算法求解。

       通过软件数据清洗及模型计算等信息化手段应用，月计划排程需耗费5-7天减少到1天以内完成，周计划排程从5-6小时减少到1小时以内完成。

       (2)基于能力平衡的生产计划优化

       针对工厂内部生产计划受资源供给、产能负荷等因素影响频繁变化的问题，建立三层五级计划管控模式，构建设备能力和任务需求匹配模型，通过信息化系统自动抓取、分析资源配套情况，推动生产计划排产所需资源的集成管控，实现设备高效产出、产品准时交付。

图15 生产能力平衡模型

       1）生产能力平衡：通过分析结构件机加生产组织特点，以生产订单为输入，建立由产能核算、负荷分析到智能决策的生产能力平衡系统，提高能力评估的效率、准确性及科学性，推进了生产决策落地实施；

       2）计划自主优化：基于历史生产大数据和数字孪生系统，提前发现瓶颈、预知风险，并结合计划排产管理方法，动态调整生产计划，实现计划管理高效、精准。

       项目施行后，生产现场的计划可执行性大幅提高，内部设备工时产出提升12%以上，生产准时交付率由98.2%提升到99.1%，生产制造周期缩短19.4%以上。

       (3)多构型产线生产过程智能集成管控

       针对各产线运行逻辑、数据结构不统一，难以有效协同的问题，统一生产过程数据模型，开发多构型产线适配的国产化产线管控系统，集成高兼容性的异构信息自适应集成组件，融合基于粗糙集的生产线内任务动态排程技术，打破产线控制系统与车间管控系统之间的通讯壁垒，实现车间与产线之间计划信息以及制造资源信息的无缝集成。

图16 生产线管控系统示意图

      1）构建快速响应市场需求的模块化平台：创新性地设计了一种微服务化、分布式、模块化解耦的生产线管控平台架构，实现了多类型生产线管控系统的快速配置管理，产线管控平台部署周期较传统定制实施应用模式缩短了约 2/3，可快速满足市场需求。

       2）研发高兼容性的异构信息自适应集成组件：针对生产线设备自动化协同运行过程中异构信息集成难题，设计研发了一套基于消息队列的异构信息集成中间件，各组件无需定制开发接口，只需按统一消息结构，以发布/订阅方式获取统一格式数据，实现了各硬件控制系统间的统一集成与协同自动化运行，并支持各设备按需热插拔，快速接入接出。

       3）开展生产线内任务动态排程技术研究：针对急件插单、资源缺乏、设备故障等多重不确定因素导致的生产任务调整需求，进行任务动态排程研究。开展数据清洗、预处理及决策表构建，通过粗糙集理论计算决策属性的上、下近似集，利用属性约简方法去除冗余属性，保留生产任务中的关键影响因素。基于约简后的决策表，提取出生产任务排程的规则集，结合当前生产状况和资源情况实现对生产任务的排程优化。

       通过柔性生产线集成管控平台的应用，实现车间与产线之间计划信息以及制造资源信息的无缝集成，支撑生产线的24小时全程自动化运行。

       2.6数字化质量管理

       (1)过程质量在线智能检测

       针对日益复杂的过程质量数据采集需求，突破触发式测量、激光测量、超声测厚等关键技术，研制系列化在机测量装置，开发配套使能软件，构建过程质量在线智能检测系统，实现产品缺陷在线识别和质量自动判定。

图17 在机检测关键技术攻关

       1）高精度在机测量：针对结构件腹板厚度、蜂窝型面轮廓、结构件群孔孔位等航空零部件特殊难测量特征，通过自主研制基于机械触发、超声回波、激光渡跃、白光共焦等测量原理的多元在机检测系统，对柔性加工零件全特征在机测量全覆盖，研究测量特征自动识别与时间最优测量路径规划方法及测量系统多误差解耦高精度标定算法，实现各类特征的高精度测量。

       2）SPC质量控制：在高精度在机测量的基础上，设计柔性生产线闭环质量管控流程，通过质量特征设计-数据采集-统计分析，改良SPC控制模型，提高质量风险预警及异常报警的准确性，开发检测数据设计、质量控制等子系统，完成质量管控与柔性生产线的深度集成，实现柔性生产线实时闭环质量管控的自动化运行，有效控制加工异常和批次性质量风险。

       初步建立零部件过程质量管控体系，实现了柔性生产线过程质量特征全向高精度检测，累计检测零件数千项，特征全向检测精度由0.2mm提高至0.01mm，综合检测效率提升约30%。

       (2)柔性生产线质量追溯与分析改进

       针对智能工厂柔性生产线过程质量难追溯的问题，构建小样本高保真的关联数据统计分析模型，建立多维度质量数据评价与追溯联系，开发过程质量特征设计系统、过程质量数据采集系统、过程质量数据统计三大系统，探索融合历史数据的质量风险预警及异常报警方法。

图18 柔性生产线多维评价与实时闭环质量管控系统

       1）研发多维度评价与实时闭环质量管控系统：应用相似特征质量数据关联算法、质量数据评价和追溯技术、闭环质量管控技术、质量管控与加工实时自动化闭环控制技术，实现制造系统能力的综合评估。

       2）相似特征质量数据关联算法：建立了强关联性的相似特征质量数据集，通过历史数据和相似特征对样本容量进行了高保真扩充；解决了多品种小样本数据的统计失真问题。

       3）质量数据评价和追溯：建立零件、工序、特征多维度的质量数据评价和追溯联系，自主研发了质量数据管理平台，实现了对关键质量特征的立体质量管控。

       4）闭环质量管控：建立了全设备多特征过程质量数据模型，打通了质量数据与生产管控的数据通道；有效控制了柔性生产线过程质量，显著提高了生产线零件加工合格率。

       累计应用于框、梁、接头等上万项零件，实现了生产线质量管控流程闭环，产品合格率提升至99.98%，达到5.25西格玛水平，在航空结构件制造领域处于领先水平。

       3效益分析

       3.1突破数据安全等关键技术，创新黑灯工厂新范式

       在多条全自动柔性生产线，铝合金、钛合金2套集中供液排屑系统，物料、刀具2套自动物流系统全面应用的基础上，开展工艺、生产、设备、信息化关键技术自主研发与应用。形成数据驱动的决策和虚拟验证环境，创新融合工艺设计全流程闭环控制，实现设备实时监控与健康管理、基于能力平衡的智能排程调度。以逐步完善的标准化体系为支撑，依托全面数据采集技术的应用和大数据平台/总线的构建，实现“动态感知、实时分析、自主决策、精准执行”的车间全流程黑灯自动化作业，助力“黑灯工厂”创新范式落地走实，培育发展新质生产力。

图19 智能车间关键技术示意图

       3.2实现智能工厂标准化运行，取得企业显著经济效益

       依托产线柔性配置、设备智能运维管理、集中供液排屑、在机自动检测、工艺数字化设计、APS计划排程、数字孪生系统、供应链计划协同，实现工厂运营优化；推进基于数据驱动的决策模式进行资源分配、工艺优化、生产流程优化、生产管控和预测性维护，解决高端航空装备制造难度大、生产周期长、制造成本和柔性要求高等问题，降低研发的风险和成本，提升生产效率和产品质量，各类指标得到大幅提升。

       3.3形成标准化系列解决方案，助力行业数智化转型

       以航空结构件智能制造示范工厂为平台，以使能软件、工业工具、仪器设备等为载体，构建包含“设计-编程-仿真”全流程数字化工艺设计与仿真的智能工艺技术工具包，包含高级计划排程、生产智能调度、智能仓储物流管理等主要模块的生产管控工具包，包含边缘计算、大数据分析、AR/VR应用等核心技术的智能管控工具包，形成可快速复制、大规模推广的“智改数转”车间建设一揽子解决方案及智能制造领域各层级标准1000余份，并已向50余家企业服务输出，实现供应链企业异地协同。同时，培养了一支涵盖智能化工艺与仿真、数据采集与处理、信息化管控系统开发的专业人才队伍，为后续智能示范工厂进一步建设及成果推广应用提供技术与管理人才支撑，助力行业数智化转型。

图20 标准化解决方案示意图