智能制造的核心技术之建模与仿真技术！

01

建模与仿真技术的发展趋势

智能制造从单元化，过渡到集成化，再到网络化智能化，建模与仿真技术呈现出新的技术特点和技术应用。

总的来说，伴随智能制造发展的脚步，建模与仿真技术将会更加紧密地与5G、云计算、大数据、人工智能相结合。

建模与仿真技术正呈现出实时化仿真、分布式嵌入式仿真、云端建模与仿真、多端建模与仿真和模型资源共享、虚实结合的建模与仿真、人与加工过程参与建模与仿真互动、大数据驱动的混合建模、人工智能和群体智能优化技术结合的建模与仿真等趋势。

随着制造业的发展，建模仿真技术将发挥更加重要的作用。与此同时，由于智能制造系统的新的特点，对仿真技术提出了更高的要求。

面向制造全生命周期的模型工程

数字模型的建立与管理是制造企业实现制造系统数字化的重要基础。由于制造过程的复杂性，制造生命周期的数字模型拥有一些新的特点。

（1）模型的组成更复杂。模型的组成元素越来越多，元素之间的关系更加复杂。

（2）模型的生命周期更长。智能制造系统中的模型将参与产品的整个生命周期。由于模型元素之间关系的复杂性，模型的演化过程将会非常复杂且呈现高度不确定性。

（3）模型具有高度异构性。大量的模型是由不同的机构采用不同的平台、结构、开发语言和数据库来构建。

（4）模型的可信度极难评估。由于对模型的依赖性的增强，模型的可信度问题也变得越来越重要。由于模型的复杂度增加，评估模型的可信度变得更加困难。

（5）模型的可重用性。为了提高模型开发的效率与质量，模型重用的作用和价值变得更加重要。

综上所述，迫切需要一种面向复杂制造过程全生命周期的模型理论和方法。

面向大数据的仿真技术

由于制造系统的复杂化，在制造的全生命周期内产生大量的数据。大数据的出现对仿真技术带来了新的机遇，同时仿真技术对制造大数据的获取、处理、管理和使用也将发挥重要作用。

一方面，大数据可以对仿真建模提供新的途径和方法。由于制造系统的高度复杂性，导致采用传统方法对复杂系统建模非常困难。而利用系统运行产生的大量数据样本，通过机器学习的方式可以建立逼近真实系统的“近似模型”。大数据对于仿真分析方法也将产生重要影响，仿真将从对因果关系的分析转向对关联关系的分析，同时大数据为仿真分析也将提供新的资源和手段。

另一方面，制造大数据也将成为建模仿真的重要研究对象，借助仿真技术挖掘并发挥大数据在制造各环节中的价值。此外，仿真技术还可用于大数据的筛选和预处理，大数据存储策略、迁移策略以及传输策略的优化等方面。建模与仿真和大数据将相互促进、相互补充。两者的结合将有力的促进智能制造的发展。

02

建模与仿真技术

在智能制造中的典型应用案例

建模与仿真技术在制造车间设计中的应用

一般可以把车间的设计过程分为两个主要阶段：初步设计阶段和详细设计阶段。初步设计阶段的任务是研究用户的需求，然后由此确定初步设计方案。

详细设计阶段的主要任务是在初步设计的基础上，提出对车间各个组成单元的详尽而完整的描述，使设计结果能够达到进行实验和投产决策的程度，具体来说即确定设备、刀具、夹具、托盘、物料处理系统、车间布局等。

而仿真技术则主要用于方案的评价和选择。在初步设计阶段，可以在仿真程序中包含经济效益分析算法，运行根据初步设计方案所建立的仿真模型，对以下信息进行评价：新车间中生产的产品类型和数量能否满足用户要求，产品的质量和精度是否能够满足要求，新车间的效率和投资回收率是否合理。

在详细设计阶段，使用仿真技术可以对候选方案的以下方面做出评价：在制造主要零件时，车间中主要加工设备是否能够得到充分的利用，负载是否比较平衡，物料处理系统是否能够和车间的柔性程度相适应，新车间的整体布局是否能够满足生产调度的要求，是否具有一定的可重构能力，在发生故障时，车间生产系统是否能够维持一定程度的生产能力。