浏览数：327
个性化印章生产线
参赛方向： 3D/VR/AR软件系统及服务平台创新应用
参赛赛区： 江苏赛区
参赛组别： 教师组
参赛院校： 南京理工大学
参赛院系： 工程训练中心
参赛教师： 周成，居里锴，申小平，韦晓凯，游安华
以加大技术创新投资，建立智能制造体系，培养“再工业化”为重点方向的美国工业互联网；以建立智能工厂，实现智能生产为重点方向的德国工业4.0；以智能制造为主攻方向，实现两化深度融合的中国制造2025是当今世界主流的三大工业模式，他们共有的特征是构建智能制造体系，打造“智能公章”。智能制造对人才培养提出了新的要求，一方面需要培养掌握虚拟现实、人工智能、物联网、数字孪生、云计算、大数据分析等关键技术的专业人才，另一方面需要培养具备融合以上技术的跨学科工程创新能力的人才。
南京理工大学通过建设一套个性化印章生产线系统展现智能制造技术特征。产线基于IoT、云计算、AR、Digital Twin等新一代信息技术，贯穿设计、生产、管理、服务等制造活动各环节，具有过程信息自感知、管理系统自决策、加工设备自执行等功能，体现个性化定制、自动化生产、可视化监测、智能化预警等智能制造技术特征。通过个性化印章生产线教学，能够激发学生的学习兴趣，了解智能制造技术特征，提高学生的创新能力。
个性化印章生产线主要由仓储物流系统、加工制造系统、装配与后处理系统、信息管理系统等组成，系统布局如下图。
仓储物流系统由立体仓库与堆垛机系统、出入库平移台、AGV运载机器人、加装在智能移动机器人上的协作式机器人、RFID识别系统等组成。加装在AGV上的机械手收到MES给的生产任务后，到立体仓库取出需要的原件，送至中转台；移动机器人抓取成品后，送到指定地点或入库。
加工制造系统由数控车床、精雕机、上下料工业机器人、机器人末端工具等组成。通过工业机器人上下料，实现工件在数控车床与精雕机中的自动加工。
装配与后处理系统由一套ABB工业装配机器人、末端手爪工具、装配工作台等组成，主要用于加工成品各工件自动化装配作业，完成成品工件装配等一系列后处理功能并最终入库。
信息管理系统由印章下单系统、自动控制系统、生产线数字孪生系统、AR信息展示系统组成。实现生产过程的个性化定制、自动化生产、可视化监测、智能化预警等。
该定制系统的主要功能模块与体系结构都是在满足个性化定制需求的基础上定制的。定制系统的体系结构如下图，整个系统可以分为三层。
个性化定制系统整体架构
（1）用户层：用户进行定制操作的入口，即客户端浏览器，用户通过浏览器向Web服务器提出服务请求，返回的信息在浏览器上显示，完成与后台的交互。
（2）应用层：应用层是用户与平台交互的一层，也是整个平台价值最能体现的一层，系统的各种功能在这层实现，包括了用户的定制设计、订单管理和生产指令下发，应用层为实现用户定制和生产加工的逻辑实现层。
（3）数据层：数据层是整个平台的底层基础，它提供了系统运行的基础数据和实时数据，包含产品数据和生产数据。
（1）印章定制模块
该模块根据印章的可选配置，包括功能（公章/私章）、材质（塑料/铜）等构建可视化选配界面提供给用户选择。
印章可选配置
个性化选配主页面
印章定制页面
（2）印章三维模型展示模块
要实现在产品定制过程中客户驱动的个性化定制本质上就是要实现用户与产品三维模型的实时交互。根据不同的定制配置，动态展示产品的三维模型。本系统采用Web GL技术，使用目前技术最为成熟的Three.js框架，通过创建HTML脚本来实现产品模型的实时交互。印章三维模型展示页面如下图所示。
印章三维模型展示页面
（3）数据库模块
数据库存储了个性化定制服务所需的各种持久性数据信息。根据对印章定制流程的分析，建立对应的数据表。
数据表构建
要实现提交定制信息到定制化生产全流程的自动化，需要解决选配系统与生产系统的实时通信。确保终端用户的订单信息能够转化为生产数据，下发各个设备进行生产。
整个选配系统是基于Thingworx物联网平台来完成。Thingworx软件提供Thingworx Edge SDK的远程方法绑定技术来实现与其他系统的通信功能。Thingworx部署在服务器上，生产系统需要和服务器保持在同一局域网内，通过以太网与选配系统进行连接。整个印章个性化定制系统的网络拓扑图如下。 印章个性化定制系统的网络拓扑图
具体来说，当用户提交订单信息后，需要将定制的印章物料清单传递给码垛机进行物料的传送，将对应的数控程序下发给数控车床，将对应的印章雕刻程序下发给精雕机。当用户提交订单后，在选配系统中通过编写****脚本形成物料清单如图下图所示，记录了印章的材质、功能等信息；
选配系统物料清单的形成
通过Thingworx提供的Thingworx Edge SDK，将物料清单信息传递给PLC，来控制码垛机的取料。
Thingworx Edge SDK程序
PLC将对应的物料清单写入DB块，来进行取料，如图所示。
PLC记录订单信息
业界普遍将物联网的技术架构认定为三层：感知层、网络层和应用层。类似的，在将物联网这一技术运用到本产线中时，也从这三个层次进行展开。
感知层是获取信息的来源，通过RFID技术、汇聚节点、M2M终端、感知节点等来感知相关数据。感知层是物联网发展和应用的基础，感知节点将感知信息通过汇聚节点汇聚、分析、处理以及传送数据；其中涉及到的技术有RFID技术、传感器和控制技术、无线通信技术等。
具体来说，本产线中感知层的信息来源可分为设备自身数据和外部传感器数据。根据自动化生产线的工作流程具体说明感知层的数据库来源。
（1）巷道式堆垛机。由于自身通过直流电机驱动所以不具有闭环反馈功能，设备自身数据只有当前运行速度，其主要数据源于激光测距仪和光电传感器，光电传感器用于堆垛机位置的模糊定位主要用于PLC控制，通过检测光电传感器的信号，判别堆垛机此刻的位置，并结合目标位置，为堆垛机赋予恰当的运动速度；激光测距仪用于准确获知当前堆垛机的位置信息，主要用于三维虚拟环境中模型的驱动。
堆垛机光电传感器
（2）立体仓库、安全光幕、安全门。立体仓库不具有设备数据，其数据源于每一仓格上的行程开关，用于判断仓库状态；安全光幕和安全门的数据是设备自身数据，由安全PLC控制并统一采集、上传。
立库安全门 立体仓库仓格行程检测开关
（3）出入库平台。出入库平台本身不具有设备数据，其数据源于光电传感器和RFID读卡器。光电传感器用于判断托盘是否运动到位；高频RFID读卡器用于读写托盘信息，用于校验物料和成品信息的录入。
高频RFID读卡器 RFID标签
（4）车床、精雕机。作为数控加工中心，这两者的数据主要源于设备自身的数据，包括门的状态、机床运行状态、运行参数等等，其中由于精雕机使用专用夹具因此通过引入磁性开关来判断气动夹具的状态信息。
（5）AGV Car、AGV Robot。AGV Car数据源于设备自身的数据，AGV Robot数据既有设备自身的数据，机械臂实时位置、运动速度等；也有外部传感器数据，如单目摄像机拍摄的图片，电动手爪的状态。
AGV Robot电手爪 AGV Robot摄像头
（6）中转平台、翻转平台。中转平台数据来自光电传感器，用于检测物料是否放置到位；翻转平台数据来自磁性开关用于检测三个气缸的状态信息。
翻转平台磁性开关
（7）搬运ABB。与AGV Robot类似，数据既有设备自身的数据，机械臂实时位置、运动速度等；也有外部传感器数据，磁性开关用于检测气动手爪的状态。
搬运机器人手爪磁性开关
（8）ABB装配单元。数据既有设备自身的数据，机械臂实时位置、运动速度等；也有外部传感器数据，磁性开关用于检测气动手爪、气动夹具的状态，光电传感器用于检测零件是否放置到位。
装配机器人手爪磁性开关
网络层建立在现有的工业互联网基础之上，通过各种接入设备与工业互联网的连接，用于感知数据的传输、存储、查询、分析、挖掘以及基于感知数据的决策和行为控制。产线网络拓扑图如下。
产线网络拓扑结构图
数据传输。传感数据的传输介质分为有线和无线两种。除AGV采用WIFI传输信息，其余设备均接入现场工业以太网交换机并以光纤连接到云服务器。
感知数据的存储、查询、分析、挖掘是基于Thingworx物联网平台实现的，该平台对传感数据具有成熟的解决方案，对实时数据和历史数据提供不同的存储方案，在保证性能的同时，最大程度的降低了系统性能消耗。
应用层利用经过分析处理的感知数据为用户提供丰富的特定服务，主要完成信息的处理和人界界面等问题。本系统应用层主要是将Thingworx中的实时数据，提取、解析、传输并与相应的模型进行数据绑定。
Digital Twin技术主要用于产线加工过程的可视化监控。
产线Digital Twin（DT）主要是针对生产流程的一个实时仿真，通过原比例建模，实时数据驱动，实现了“虚实同步”的初衷。产线DT主要实现生产流程的虚拟再现，通过使用真实数据驱动模型实时再现生产线上真实设备的加工运行状态，为相关的工作人员快速响应生产现场问题提供一种直观的方式。
产线DT的架构可以分为三部分：数据、模型以及可视化交互属性的定义。产线DT的驱动数据有两种：设备运行实时数据以及人机交互的数据，这里人机交互数据指由于改变观察视角而引起的场景中渲染管线的变化。
建模。首先根据设备厂商提供的相关数据资料和现场测绘，利用三维CAD软件Creo，多媒体建模软件3DS Max等软件对自动化生产线的厂房、设备、工装、车间6S元素进行三维建模，并生成.FBX格式的文件；利用Unity 3D虚拟现实引擎搭建整条产线的虚拟环境。
数据流（以ABB为例）。数据采集：ABB提供的PC SDK允许系统集成商、第三方或个人用户为IRC5控制器添加自定义的应用程序。这种自定义的、独立的应用程序通过网络与机器人控制器进行通信，并可以作为独立的PC应用程序使用。本文通过该PC SDK开发的应用程序的功能主要包括两部分：扫描在线的ABB机器人；采集所有在线机器人的六关节轴角度以及末端的世界坐标和IO信息（末端执行器状态），部分程序和结果如下图所示。
（a）扫描在线的ABB机器人
（b）读取ABB机器人轴坐标
（c）读取ABB机器人IO信息
数据传输与存储。Thingworx提供了相应的数据访问接口，只需在开发环境中使用C#语言将数据与相应的接口进行绑定，就可以实现数据的上传；由于Thingworx内部已经集成了PostgreSQL数据库，对于上传的数据会进行自动保存。
（a） 建立通信连接
（b） 定义通信数据类型
数据提取。Thingworx支持网页访问数据库，因此本文通过编写C#程序访问特定网址的方式获取实时数据，并设定数据读取频率。****函数可实现每秒50次的数据更新，但考虑实际应用需求和服务器处理能力，设定数据读取频率为10。
获取实时数据
数据解析与绑定。从Thingworx中提取的数据包括产线所有运行信息，因此在获取实时数据后，我们还需要对数据进行解析和绑定。
数据解析
这里我们使用了Unity3D提供的Dotween插件，它提供了常用运动的API函数，可以快速对模型的运动进行定义。
基于实时数据的模型驱动
具体来说，我们将虚拟场景中的物体分为两类静态物体和动态物体。静态物体，指在实际过程不存在运动或运动不可见部分的物体，我们在U3D中将对应模型的图层属性设置为失效即可。
对于运动的物体，我们采用场景树的方式对虚拟场景中的物体进行管理，利用树结构来表现物体之间的层级关系，一个场景树中包含该场景下的所有信息，子节点是父节点的子物体，所有节点是根节点的子物体。以装配机器人为例，定义装配机器人六轴自下而上分别为1-6，我们以1轴为父物体，2轴为1轴子物体，以此类推我们得到如下图所示的场景树，使用场景树的好处在于：我们可以直接将采集到数据直接与对应关节进行绑定，子物体运动不会影响父物体，但父物体运动时将会带动子物体一起运动，这就避免了对机器人位姿的求解。
基于微软HOLOLENS眼镜和Unity3D虚拟现实引擎，将设备数据通过AR的方式进行展示。具体内容有：各设备的名称，当前任务，以及其他设备状态参数。
AR系统架构与产线DT类似，只是其驱动数据只由设备实时数据提供。
AR展示与产线DT的主要区别在于，HOLOLENS插件和预制体的导入，其他部分与生产DT实现方式类同。下面主要介绍HOLOLENS插件和预制体的导入部分的设置。将下载好的HOLOLENS插件导入U3D中后选择HOLOLENS开发平台。
在playersetting中进行修改
将原始场景中的camera替换为HoloLens插件里面的camera的预制体，同时将几个相关的预制体拖入场景。
个性化印章生产线采用工业数字化制造车间为原型背景，考虑教学开放性特点，融合光、机、电、气与信息管理技术等进行高度集成，包含工业堆垛机设备、立体化仓库设备、工业串联机器人、AGV运载机器人、RFID识别系统、数控车床、以及物联网等工具，应用IoT、Digital Twin、AR等新一代信息技术，与工业现场完全相同，以下为本系统应用IoT、Digital Twin、AR的主要创新点。
（1）应该IoT技术实现个性化定制
个性化定制系统通过构建图形化的操作界面，向用户提供基于Web的印章个性化定制功能，用户可以根据自己的个性喜好来实现印章的个性化定制设计。在用户确认订单后直接将订单信息转化生产指令下发至生产系统指导生产。系统采用B/S体系结构，结合****、WebGL、Java等技术，具有轻量级、易维护、可移植性好等优点。
（2）应用IoT/Digital Twin/AR技术实现可视化监控
本制造系统实时三维可视化监控系统，依据物联网采集的数据，采用产线DT和增强现实AR两种监控方式用于不同场景下的生产线的可视化监控。
产线DT主要实现生产流程的虚拟再现，通过使用真实数据驱动模型实时再现生产线上真实设备的加工运行状态，为相关的工作人员快速响应生产现场问题提供一种直观的方式
AR展示是对产线DT的一种补充，在实际生产过程中，由于现场人员无法有效地对设备的运行状态进行监控，无法确定当前设备的工作状态是否正常，更多的是凭借经验或者靠近设备进行观测，这往往存在安全隐患，并且效率低下。为了解决这一问题，基于微软HOLOLENS眼镜和Unity3D虚拟现实引擎，将设备名称、当前任务以及其他设备状态参数数据通过AR的方式进行展示。
在《金工实习》《机械工程综合实习》《金工实习（非机类）》、《工程文化》、《智能制造基础实践》等课程中开设“智能制造”实习项目，改革工程训练系列课程。年实训人数2000人左右。
依托生产线录制《智能制造》视频公开课，并在华信SPOC在线学习平台上线。
