航空航天制造业是关系国家安全的高技术产业，是知识密集性、技术密集性、综合性强、多学科集成的产业，同时是高投入性、高附加值和高风险性的产业，其最典型的特点是离散式生产，产品结构、工艺流程十分复杂，产品

航空航天制造业是关系国家安全的高技术产业，是知识密集性、技术密集性、综合性强、多学科集成的产业，同时是高投入性、高附加值和高风险性的产业，其最典型的特点是离散式生产，产品结构、工艺流程十分复杂，产品配套的零件种类和数量众多，尤其是大量的结构件需要机械加工与装配，使得生产过程、协调关系非常繁杂且生产周期长。这些特点使得航空航天制造业成为智能制造技术最有潜力的应用领域之一，从数万个零部件的设计、试验、制造、组装、测试、运输，到成品的飞行、维修，智能制造技术的应用空间无处不在。同时，航空航天工业是先进制造技术发展的重要领域，作为国之重器，是国家科技、经济、国防实力和工业化水平的重要标志。使用智能制造推进航空航天工业转型升级和创新发展，对于我国高端装备制造业未来的发展将具有重大引领示范作用，是推动工业转型升级的强大引擎。

经过多年发展，我国航空航天工业在信息化、自动化和网络化发展上已经取得了长足进步，但在广域协同、数字化企业、生产制造执行与集成以及自动化装配等方面依然远远落后于国际领先水平，特别是在试验及生产阶段，生产现场各种资源状态难以及时地准确掌握，无法保证信息的继承性与可追溯性；生产加工过程中产生的数据信息与问题反馈较慢；依然需要大量纸质文件，自动化程度低；仓储管理自动化程度低，难以实现信息的同步更新，错误率较高；尚未打通数字化制造生产线，模拟量传递依然大量存在等。因此，建立一套先进有效的信息集成、实时监控的航空航天智能制造体系，增强决策部门在生产过程中的迅速反应能力，为决策者提供实时、准确、详细的现场资料，及时解决现场问题，显得尤为重要，但由于这个体系过于庞大，今天我们先就其中两个方面进行探讨，一是面向航空航天企业级别的工业互联网平台，二是面向航空航天企业生产系统的数字化。

I.      面向航空航天企业级别的工业互联网平台

1.1      平台搭建面临的关键问题及解决方案

我们知道，智能制造基于人工智能技术，是利用先进的信息技术，实现所有工业设备的识别、感知、互联，通过大量的数据采集、存储和分析，反哺整个产品的研发过程，通过人与智能机器的合作，让制造工业扩展到柔性化、智能化和高度集成化。具体到航空航天企业内部，要实现工业设备（生产设备、物流装备、试验设备、质量检验等）与信息系统、业务流程、企业的产品与服务、人员之间的互联，实现企业IT网络与工控网络的互联，实现从车间到决策层的纵向互联需要从整体上建设企业级的工业互联网平台。但这样的工业互联网系统的应用非常复杂，要求包括低成本，强大的传感器和可与现有系统集成的其他设备。事实上，许多现有的设备、装置可能需要进行改造以适应企业物联网系统的网络化集成需求，存在显著的整合挑战。其中，非常突出的三大问题如下：

一、     设备兼容问题，如何解决物联网中所用的传感器能够与原有设备已应用的传感器相兼容是工业互联网推广所面临的难题之一。工业物联网将是一个多设备、多网络、多应用、互联互通、互相融合的综合性网络，设备兼容关键是标准的统一，航空航天工业设备的接口标准、通讯协议、管理协议的标准化是一项巨大的工程，需要非常了解这个行业的专业的软硬件设计服务来解决。

二、     信息数据的采集与智能处理的问题，智能数据采集技术是工业物联网发展的一个新的方向，如何解决多设备、多通道、高并发的实时数据采集，并且在数据采集的同时还要快速对数据进行分析、预警、处理这些都是当下企业级工业互联网系统需要解决的难题。

三、     安全问题，工业物联网安全主要涉及数据采集安全、网络传输安全等过程，信息安全对于企业运营起到关键作用，例如在环境试验、疲劳试验等过程中采集数据需要长时间的连续运行，如何保证在数据采集以及传输过程中信息的准确无误是工业互联网应用于实际生产的前提。

对很多大型系统集成商来说，系统级运营经验并不缺乏，客户的需求也非常明了，但缺乏对航空航天行业业务的深度了解，成为了这些传统系统集成商进入全新领域的最大的障碍。反而，在航空航天垂直领域具有深厚工程经验积累的系统服务商更容易成功，就拿之前为航天某所搭建了工业互联网平台的大禹汇智举例来说，其在航空航天行业已有二十余年的技术沉淀和实践积累，推出了下一代基于CPS的工业互联网平台DMS-MINDSPACE，并籍此平台搭建了面向我国高新技术装备制造领域的一系列解决方案。DMS-MINDSPACE平台架构如图1所示，融合IT、OT技术，预置了大量通用性和行业性模块，通过不同模块的积木式组合，灵活支撑多领域的应用。同时，该平台基于工业互联网技术，拥有高弹性框架，通过平台提供的二次开发接口，用户可以快速轻松地构建自己的个性化应用，也可以最大限度的达到设备互联、流程互通、数据互享的理想状态。从图中可以看出，DMS-MINDSPACE包含工业使能平台DMS-AES、数据采集与监控平台DMS-SCADA、数据交换平台DMS-XLINK、数据中心DMS-EDC、大数据分析平台DMS-BDAS五个部分，基于此，向下支持产品从研发、制造到维保的全生命周期所需的各类软硬件资源，向上支撑各类应用，如研发协同平台、产线规划验证平台、试验管理平台、维护保障系统等，从而达到智能制造。

图1  大禹汇智工业互联网平台DMS-MINDSPACE

作为DMS-MINDSPACE其中一部分，企业级物联网平台系统DMS-SCADA涵盖了多种工业总线（如RS485、Modbus、Profibus、CAN、FlexRay等）、网络通讯协议（如TCP/IP，UDP，HTTP，HTTPS，FTP，FTPS等）的标准化集成接口，特别是支持多种航空总线（如1553B、ARNIC429、AFDX和FC等）的快速集成，确保整个系统不会存在任何兼容性的问题，专业化的航空航天企业物联网系统通过传感器和网络实现了对科研、生产过程实行智能监控、智能控制、智能诊断、智能决策和智能维护：检测生产过程、实时采集参数、监控生产设备、监测材料消耗。如在科研试验、产品检测、资源管控、外场试验等环节，利用工业互联网建立智能远程测控系统，实现对各类设备的智能测控和管理，从而优产品设计及生产流程，提高产品质量，促进航空航天企业的安全生产和科研管理。

1.2      某航天企业实际应用案例分享

某航天企业曾提出自动化检测系统定制开发项目，该项目要求实现全部试验设备网络化集成、试验业务远程集控、企业级数据采集及监控等，同时为上层各种管理系统和平台提供实时的设备状态、信息和实时数据，实现企业内部自动化、实时化的业务管控，为企业后续的智能化发展做好铺垫，该项目最终采纳大禹汇智的方案，在DMS-MINDSPACE平台上进行延伸开发，系统规划见图2。这个项目对于航空航天企业来说，其实是非常具有参考价值的工业互联网平台应用实例。

图2 某航天企业的应用示例

为了很好的达到用户想要的效果，该系统架构设计为三级：现场级、调度级和企业级。

现场级主要实现系统的基础设备联网及控制，该级别是部署在试验部门或生产部门的试验室、生产车间内部，例如产品装调部的各类整机、分机试验器和各种高低温箱、振动台等试验设备。通过网络实现相关设备、智能仪器仪表的网络化集成。针对不同的设备情况在现场级系统可以实现与DCS/DNC分布式控制子系统的集成、智能PLC设备的集成、各种传感器、智能仪表的集成。针对DCS/DNC和智能PLC设备系统采用软件层面的集成即可实现相关子系统及设备的数据采集及远程监控管理。

调度级的主要应用部门就是产品装调部等业务部门。调度级主要实现系统的远程统一监控管理及实时数据采集的存储、分析和预警管理。通常调度级即监控系统的主应用平台，部署在集控中心，通过网络与现场级的设备互联，在集控中心通过工作站、操控台实现远程的设备操控及监控，所有试验过程中产生的数据实时传送到系统平台的数据库中存储，实时数据库用于实时数据分析及应急处理，历史数据库用于永久存储采集到数据，可用于后续的数据分析及应用。

企业级是业务管控层，从业务管控的角度实现各业务部门的试验检测业务管理，主要下发各种试验任务、对试验任务的执行进行实时动态监控，监控系统获取的实时设备状态信息、数据信息可以同步传输给管控层的相关系统，例如设备的状态信息反馈给MES系统，试验数据反馈给TDM系统等。业务管理系统也可以下发各种试验任务信息、试验执行信息给监控系统，例如从CAPP获取试验工艺并自动下发给DNC系统执行，从MES系统获取试验任务排产信息，从TDM系统获取试验任务准备及执行信息等。在企业级层面也可以通过监控系统的组态功能实现远程的试验过程监控管理。

最终，凭借此项目，该航天企业在现场级成功实现了XX型号相关的试验器、试验设备的网络化集成，在调度级实现相关试验器及设备的自动化数据采集和远程监控，实现试验过程的实时监控，在企业级实现XX型号产品试验检测业务的数字化、流程化管控，理想达成了预期目标。

II.    面向航空航天企业生产系统的数字化

如前所述要实现智能制造，不仅需要借助工业互联网来实现数据的流通、信息孤岛的连接，还需要将物理实体进行数字化，转变为数字虚体，即进行建模和仿真验证，特别是针对智能化水平较低的生产阶段，如果能帮助企业在生产系统建立之初就进行合理规划，实现资源最大化利用、流程最优化，就可以避免人力、物资的浪费，有效缩短研发成本与周期。根据航空航天企业生产系统的特点，我们分为三个层面来讨论。

2       

2.1      工厂层面的数字化

工厂层面的数字化即对工厂中所有资源布局进行虚拟仿真和规划，包括工厂中所用的各种资源，从地面和高架输送机、通道、起重机、设备、机床、物料集装箱和操作人员，通过虚拟工厂设计能清晰的明了工厂设计、布局与安装过程，很容易理解和表达所有工厂资源（从传送带、夹楼层以及起重机到容器、AGV和操作者）。并基于工厂的布局、工艺过程开展各类仿真，包括：

  零件流的静态分析与动态仿真。

  数字化工厂生产与装配过程平衡仿真分析。

  中心仓库复杂物流配送策略与路径仿真分析。

  人力资源排班与劳动强度仿真评估。

  生产物流系统仿真分析。

2.2      车间层面的数字化

车间层数字化的主要任务是进行车间的制造设备、辅助设备、操作区域的布局规划，分析物流瓶颈，根据产品信息、工艺信息和生产计划信息，对车间进行虚拟仿真调度。车间层仿真主要包含三个方面，即车间布局仿真、车间调度仿真和车间物流仿真。

A.  车间布局仿真，即根据产品的工艺特征、生产场地、制造资源等信息，对车间的设备（主要设备、辅助设备等）布局进行仿真规划或修改，分析车间的布局及设施规划等相关问题，计算并校验设备的占地面积及空间。

B.  车间调度仿真，即针对某个布局方案，根据车间生产计划安排生产的产品品种和数量，仿真优化各个品种的投入产出顺序和库存标准，以获得在生产物流时间、设备利用率等指标的最优值。

C.  车间物流仿真，即指针对某个布局方案，根据产品工艺和生产计划，分析在一定批量生产条件下，车间物流搬运的成本，包括搬运距离、次数、重量等，找出车间存在的物流瓶颈。

其中，车间布局仿真是车间调度仿真和车间物流仿真的基础。车间布局与设备的利用率、产品生产效率等密切相关，如果设计不当，就会造成设备利用率低、产品不能满足用户需求、操作人员空闲等问题。例如，设备之间的物料运输路线长度决定了物料的运输成本，而运输线的长度与设备的布局有关，因而设备布局问题就是在数字化空间中合理安排设备的位置，使得运输总成本最小化。所以，如何合理地进行车间布局，以保证车间的高效运行是一个非常重要的问题。

2.3      生产线层的数字化

生产线层数字化的主要任务包括：

A.  生产线布局仿真，即对初步完成的生产线进行物流规划、生产线平衡、瓶颈、加工成本、设备利用率与负荷率、工件的平均通过时间、工人工作效率等的分析，以判断生产线布局是否合理，是否满足制造的要求，并且进行生产线的调度与控制优化设计。

B.  生产线物流仿真，即根据生产计划和工艺过程等资料在数字化环境中建立数字化的生产线模型，确定物料在生产线内各个设备间的转移，对同一生产线内各个工序之间的物流方案进行决策，包括生产节拍、输送方案、夹具的确定，运行仿真判断物流分流策略和控制规则是否合理，验证缓冲区容量和仓库容量是否过大或过小。

C.  生产线调度仿真，即根据生产计划和工艺路线，以及生产线上各设备完成的工艺情况，对各个产品的投产顺序和批量进行决策，通过仿真来判断决策是否合理。

D.  生产线能力仿真，即进行生产线的平衡仿真分析，根据仿真结果（如机床利用率）判断生产线上的各种随机因素对平衡性的影响，找出瓶颈工位，调整参数重新配置，再次进行仿真，如此反复直到优化工序消除瓶颈，得到优化的生产线规划方案。

2.4      航空航天企业生产现场实现数字化的技术路径

综合以上分析可知，航空航天企业生产系统的数字化属于复杂的离散事件系统，在系统设计与控制过程中存在许多优化问题，比如物流系统的物流路径的优化、生产节拍的优化等。各仿真是建立数学逻辑模型并在计算机上运行生产模拟的过程，为解决复杂系统的问题提供了有效的手段，为复杂系统设计提供了技术性和经济性的最直观有效的分析方法。如基于Witness工具，搭建生产线仿真分析及优化系统并运行生产或装配车间系统模型，通过仿真分析物流系统拥堵情况，找到导致系统阻塞工位，最终优化物流系统，以此完成数字化工程决策与支持。以大禹汇智为某航空企业提供的技术方案为例，我们来看一下航空航天企业生产现场实现数字化的技术路径。

首先需要通过建立参数化的、自动化生成的生产仿真模型，模拟加工设备、物料缓存区、厂内物流系统的运作状态，分析工艺、物流堵塞、节拍不平衡、设备堵塞等问题，实现持续改善和优化。同时，通过指标分析与仿真优化技术，实现对规划方案的综合评估与优化。总体解决方案如图3所示：

图 3 仿真模型生成技术框架

1)   首先采用XML规范建立工艺参数数据接口，实现与工艺设计平台、MES系统以及物料管理系统的数据交换，利用XML转换成不同格式目标文件的能力，实现数据驱动下的生产仿真模型的自动生成，其中双向的实线箭头表示数据的存储与索引，虚线箭头表示从模型参数配置到仿真工具环境下自动生成模型的流程。可以通过XML格式接口，将相关数据自动录入到参数化配置中，之后借助XML解析技术生成标准化的输入输出界面并结合人工指定部分关键参数，通过软件内部函数调用已经开发好的仿真模块功能来实现自动化的模型生成过程。

2)   其次建立工艺参数、物流参数、制造资源布局等的数据逻辑模型，包括生产计划、资源模型、工艺参数、工艺逻辑、物流参数、仿真结果等内容：

a)   生产计划：拟定目标产能，明确产品或订单到达系统的形式，确定生产线生产节拍。

b)   工艺逻辑：主要实现不同工序间的串行、并行作业方式调整。

c)   资源模型：管理制造资源信息，进行资源参数化调整。

d)   物流参数：调整厂内物流设备的数量、运行速度、循环路径。

e)   工艺参数：进行加工时间、人员数量的调整。

f)   仿真结果：直观地在仿真界面上显示仿真结果，为下一步的系统调整提供数据支持。

3)   然后建立生产线随机事件概率统计模型与描述工具，对工人学习曲线、零件的到达时间间隔、返工、设备故障、设备修理等随机来源进行建模。

4)   最后基于仿真优化的规划方案优化流程与设备配置，借助软件工具提供的优化算法，解决实际生产线规划的问题，达到最优的仿真目标。

图 4 仿真系统运行框架