CN116128221B - 一种基于数字孪生的航发叶片再制造生产线调度方法 - Google Patents

Abstract

本发明公开了一种基于数字孪生的航发叶片再制造生产线调度方法,包括：基于物理再制造车间信息构建再制造车间数字孪生模型和历史孪生数据，获取若干组损伤叶片信息；基于若干组损伤叶片信息，构建基于损伤叶片再制造利润率的跨批次车间调度的优化模型，并进行优化求解，获取基于损伤叶片再制造利润率的跨批次调度方案；基于实时传感器，构建基于实时工序完成时间的车间动态调度模型，重新生成基于利润率模型和实时工序完成时间的车间动态调度方案；基于实时工序完成时间的车间动态调度模型修正若干工序的加工轨迹数字孪生仿真工时，进行下一批次损伤叶片再制造车间调度规划，完成损伤叶片再制造生产线调度。

Description

一种基于数字孪生的航发叶片再制造生产线调度方法

技术领域

本发明属于复杂零件再制造生产线数字孪生领域,尤其涉及一种基于数字孪生的航发叶片再制造生产线调度方法。

背景技术

在再制造车间调度中，由于工件的损伤程度不同，每道工序的加工时间是不确定的，因此多采用模糊变量等算法对传统制造车间的生产调度问题进行拓展求解。近年来，为了解决模糊变量带来的调度实时修正需求，数字孪生技术被引入到再制造车间的生产调度中，以再制造车间调度下批次损伤工件的加工时间、设备能耗、设备利用率等为优化目标，通过虚实交互反馈、数据融合分析等技术手段，使得损伤工件和再制造车间的数字空间模型和物理空间模型处于实时交互中，使二者能够及时地掌握彼此的动态变化并实时地做出调度响应。

在航发叶片的再制造体系下，叶片损伤区域各不相同，其处理时间和工艺路径存在较大不确定性；而同一种损伤区域的叶片，由于叶片损伤区域的面积、深度等损伤程度，以及叶片未损伤区域的服役变形差异仍有不同。因此与传统的制造相比，再制造车间的调度问题较为复杂，且对再制造车间中的不确定因素的准确描述和分析有利于生产管理。则在该背景下现有技术总体缺点如下：

(1)再制造过程中各叶片损伤状态、工艺流程、工序时间等非确定因素，由此造成的各件叶片的利润不同，使得现有再制造车间调度的目标函数(如最大完工时间最小、机器最大负荷最小、提前/拖期最小等指标)无法兼顾利润目标；

(2)现有再制造车间调度皆是针对单批次的，对于由上述非确定因素造成的批次叶片中单件或少量件数的存在，不可避免地导致以利润率为评价指标的下降，使得再制造车间调度效果不佳，急需跨批次调度方法；

(3)再制造过程的数字孪生主要解决的是各工序时间的确定化问题，而对于损伤叶片而言，主要工序为增材与减材加工工序，而单工序的时间占比最高的就是设备运行增减材加工时的轨迹时间。因此，借助数字孪生中的历史数据和实时数据，对关键工序加工时间进行准确评估，从而动态调整调度方案。

发明内容

本发明的目的在于提出一种基于数字孪生的航发叶片再制造生产线调度方法，一方面能够准确评估与修正数字孪生环境下各工序加工时间，从而使生成的调度方案更快速的响应实际车间状态；另一方面能够提高航发叶片再制造的利润率，从而为航空叶片的再制造车间调度提供技术支持。

为实现上述目的，本发明提供了一种基于数字孪生的航发叶片再制造生产线调度方法，包括：

S1、获取物理再制造车间信息，基于所述物理再制造车间信息构建再制造车间数字孪生模型和历史孪生数据；

S2、基于所述历史孪生数据和所述再制造车间数字孪生模型，获取若干组损伤叶片信息；

S3、基于若干组所述损伤叶片信息，构建基于损伤叶片再制造利润率的跨批次车间调度的优化模型；

S4、对所述基于损伤叶片再制造利润率的跨批次车间调度的优化模型进行优化求解，获取所述基于损伤叶片再制造利润率的跨批次调度方案；

S5、基于实时传感器，构建基于实时工序完成时间的车间动态调度模型，返回S4重新生成基于利润率模型和实时工序完成时间的车间动态调度方案；

S6、基于所述基于实时工序完成时间的车间动态调度模型修正若干工序的加工轨迹数字孪生仿真工时，获取修正数据，基于所述修正数据返回S2进行下一批次损伤叶片再制造车间调度规划，完成损伤叶片再制造生产线调度。

可选的，所述物理再制造车间信息包括清洗装备、检测装备、增材加工装备、减材加工装备、车间转运装备及自动化装备。

可选的，所述历史孪生数据包括：损伤叶片评估指标、损伤分组、理论模型、再制造工艺路线及加工轨迹。

可选的，基于所述历史孪生数据和所述再制造车间数字孪生模型，获取若干组损伤叶片信息包括：

基于所述历史孪生数据和所述再制造车间数字孪生模型，获取损伤叶片数据；

基于所述损伤叶片数据对若干件损伤叶片进行检测，构建若干件所述损伤叶片的实际模型；

将若干件所述损伤叶片的实际模型与所述理论模型进行对比，基于所述损伤叶片评估指标进行评估分组，获取若干组损伤叶片信息。

可选的，对所述基于损伤叶片再制造利润率的跨批次车间调度的优化模型进行优化求解，获取基于所述损伤叶片再制造利润率的跨批次调度方案包括：

基于所述基于损伤叶片再制造利润率的跨批次车间调度的优化模型，构建所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标；

对所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标进行优化求解，获取基于所述损伤叶片再制造利润率的跨批次调度方案。

可选的，构建所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标包括：

基于若干组所述损伤叶片信息，获取单件损伤叶片的再制造利润；

基于所述历史孪生数据，获取所述单件损伤叶片的工序；

对所述单件损伤叶片的工序进行再制造调度，获取再制造调度后的加工开始时间点和结束时间点；

基于所述单件损伤叶片的再制造利润、所述再制造调度后的加工开始时间点和结束时间点，构建所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标。

可选的，对所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标进行优化求解，获取所述基于损伤叶片再制造利润率的跨批次调度方案的方法包括：

基于所述历史孪生数据和若干组所述损伤叶片信息，对所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标匹配多目标优化算法，获取基于所述损伤叶片再制造利润率的跨批次调度方案。

可选的，基于实时传感器，构建基于实时工序完成时间的车间动态调度模型，返回S4重新生成基于利润率模型和实时工序完成时间的车间动态调度方案包括：

基于实时传感器监测所述损伤叶片再制造工艺流程中若干工序的实际工时，构建基于实时工序完成时间的车间动态调度模型；

基于所述基于实时工序完成时间的车间动态调度模型，返回执行S4，重新生成利润率模型和实时工序完成时间的车间动态调度方案。

可选的，基于所述基于实时工序完成时间的车间动态调度模型，返回执行S4，重新生成利润率模型和实时工序完成时间的车间动态调度方案包括：

基于所述基于实时工序完成时间的车间动态调度模型，获取若干所述损伤叶片工序的实际工时

基于所述基于损伤叶片再制造利润率的跨批次调度方案，获取若干所述损伤叶片工序的仿真工时；

基于若干所述损伤叶片工序的实际工时和若干所述损伤叶片工序的仿真工时，获取若干工时差异；

基于若干所述工时差异，返回执行S4，重新生成利润率模型和实时工序完成时间的车间动态调度方案。

可选的，基于所述实时工序完成时间的车间动态调度模型修正若干工序的加工轨迹数字孪生仿真工时，获取修正数据包括：

基于所述实时工序完成时间的车间动态调度模型，获取若干所述损伤叶片工序的实际工时；

基于若干所述损伤叶片工序的实际工时修正若干所述损伤叶片工序的仿真工时，获取修正数据；

所述若干所述损伤叶片工序的仿真工时为若干工序的加工轨迹数字孪生仿真工时。

本发明具有以下有益效果：

本发明针对航发破损叶片再制造车间中，各叶片存在的损伤状态、工艺流程、工序时间等非确定因素造成的再制造车间调度难题，以批次利润率为目标开展再制造车间调度，实现再制造经济效益的最大化。同时，针对单批次破损叶片中少量零件造成的总调度时间额外增加情况，提出了跨批次调度方法，提高了破损叶片的再制造效率。此外，针对上述非确定因素造成的数字孪生环境下工序轨迹工时仿真偏差问题，借助历史和实时数据提出了基于实时工序完成时间的车间动态调度和加工轨迹数字孪生仿真工时修正，从技术上提高了工时仿真的准确性，同时提高了再制造车间的动态响应能力。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例一种基于数字孪生的航发叶片再制造生产线调度方法的流程示意图；

图2为本发明实施例基于数字孪生的航发叶片再制造车间调度总体框架；

图3为本发明实施例提出的数字孪生下损伤叶片加工轨迹。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请一种基于数字孪生的航发叶片再制造车间调度方法，该方法包括了物理再制造车间、再制造车间数字孪生模型、再制造孪生数据、再制造车间调度方法4个部分。其中，再制造孪生数据包括历史数据、实时数据和调度方案；再制造车间调度方法包括基于利润率模型的跨批次调度、基于实时工序完成时间的车间动态调度和加工轨迹数字孪生仿真工时修正。

如图1-2所示，本实施例中提供一种基于数字孪生的航发叶片再制造生产线调度方法，包括：

步骤一、构建再制造车间数字孪生模型与历史孪生数据

通过建模技术对物理再制造车间进行数字化映射，形成再制造车间资源要素组成虚拟模型。同时，将该再制造车间适用的损伤叶片评估指标及损伤分组、理论模型V、再制造工艺路线及各工序加工轨迹作为历史数据，具体实施方式如下：

1)破损叶片的物理再制造车间通常包括清洗装备、检测装备、增材加工装备、减材加工装备、车间转运装备及其它自动化装备等，采用数字化建模方法构建各装备的数字孪生模型。

2)破损叶片的评估存在严格的标准，按照标准分为小、中、大三类，对不同损伤类型分别采用激光增材制造、等离子补片焊接和线性摩擦焊更换叶片等方法进行再制造。而这其中，相同损伤标准下损伤区域的不同可细分为橼板面、叶根面、进排气边、叶背叶盆等组别，各区域对应的工艺路线及各工序加工轨迹完全不同。

3)将上述损伤叶片评估指标及损伤分组，及其对应的理论模型V，再制造工艺路线及各工序加工轨迹，及其对应的装备数字孪生模型作为历史数据存入孪生数据库中。

步骤二、采集批次损伤叶片数据及评估分组

通过物理再制造车间内检测装备对第w(w＝1,…,W)批次损伤叶片进行数据采集与处理，建立每件叶片实际模型，通过与理论模型对比后借助损伤评估指标进行分组，即该批次n_w件损伤叶片分为G组，每组s_wg件，其中，w为损伤叶片的批次，W为损伤叶片的总批次数，n_w为第w批次中损伤叶片的数量，G为n_w件损伤叶片评估分组后的总组数，g为损伤叶片评估分组后的组数，s_wg为第g组损伤叶片的数量，具体实施方式如下：

在物理再制造车间内清洗装备对第w批次共n_w件损伤叶片进行表面清洗后，利用检测装备对损伤叶片进行损伤检测及型面检测，利用CAD造型技术构建叶片实际模型，将该模型与V对比后依照评估指标进行损伤分组，即该批次n_w件损伤叶片分为G组，每组s_wg件。

步骤三、构建基于损伤叶片再制造利润率的跨批次车间调度的优化模型

1)由工艺人员给定第g组单件损伤叶片的再制造利润为Y_g，从孪生数据中获得该组叶片再制造对应的工艺路线，包括K个工序P_g{p_g1,…p_gk,…,p_gK}。在车间调度时第k个工序p_gk对应加工装备为M_bm，其中b＝1,…,B为加工装备类别,m＝1,…,M为b类M台加工装备的序号，其中，K为工序总数，P_g{p_g1,…p_gK,…,p_gK}为K个工序，k为工序数，p_gk为第k个工序，M_bm为车间调度时第k个工序对应的加工装备。

2)对第w批次第g组中第i＝1,…,s_wg件破损叶片，i为第w批次第g组中破损叶片数，其p_gk工序在数字孪生环境下再制造调度后的加工开始时间点为结束时间点为/>则该工序的工时为/> 则该叶片的名义总工序工时为/>由此定义其名义利润率为：

而该叶片在再制造车间调度后的总工时为其中，/>为第w批次第g组中第i件破损叶片的第一个工序的加工开始时间点，由此定义其实际利润率为：

建立基于再制造利润率的再制造车间调度优化目标为：

该优化目标在数字孪生下进行车间调度时，每个破损叶片的单个工序时间由数字孪生下的加工轨迹仿真运行获得。如图3所示，由于g组中每件叶片的破损状态皆不相同，则在调度前由检测设备建立的第w批次第g组中第i件破损叶片实际模型为/>则在容许偏差下定义V与/>间的差异为/>已知以V为对象的破损叶片在p_gk工序中对应的加工轨迹为TL_gk，则/>对应的加工轨迹为/>由此在数字孪生下仿真获得该工序的工时为/>

由车间人员给定跨批次调度阈值为α，若则第w批次第g组中第i件破损叶片移入第w+1批次进行车间调度，则在当前第w批次不考虑该叶片，迭代执行步骤四再次生产调度方案。

步骤四、求解基于利润率模型的跨批次调度方案

利用数字孪生再制造车间调度的总体框架中历史数据、批次破损叶片检测与分组数据，对基于利润率模型的跨批次调度优化目标及条件匹配最有效的多目标优化算法，获得调度方案并下发车间执行，具体实施方式如下：

采用如遗传算法等多目标优化算法对基于利润率模型的跨批次调度优化目标进行求解，将构建的车间调度方案在数字孪生环境下进行仿真后，下发至物理再制造车间执行。

步骤五、构建基于实时工序完成时间的车间动态调度机制

1)车间调度方案执行过程中，实时对增材加工装备和减材加工装备运行状态进行监测，记录第w批次第g组中第i件破损叶片在M_bm上完成p_gk工序的实际工时，并与进行比较获得工时差异/>

2)在当前车间调度方案执行时间点，若累计工时偏差为启动车间动态调度机制。在该时间点，已完成所有工序的破损叶片不参加动态调度；正在工序执行中的叶片，需完成当前工序，其剩余工序参与动态调度；对于还未进行再制造的叶片，其全部工序参与动态调度，利用步骤四求解算法构建基于利润率模型和实时工序完成时间的车间动态调度方案，下发至物理再制造车间执行；若累计工时偏差为/>该叶片的p_gk+1工序开始时间调整为继续执行当前车间调度方案。

步骤六、修正加工轨迹数字孪生仿真工时

建立中/>个刀位点的时间修正系数/> 为第w批次第g组第i件损伤叶片在第k个工序的刀位点，并在该数据存入数据孪生数据库中。则在第w+1批次(下一批次)车间调度时，加工轨迹/>对应的数字孪生下仿真工时修正为

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，包括以下步骤：

S1、获取物理再制造车间信息，基于所述物理再制造车间信息构建再制造车间数字孪生模型和历史孪生数据；

S2、基于所述历史孪生数据和所述再制造车间数字孪生模型，获取若干组损伤叶片信息；

S3、基于若干组所述损伤叶片信息，构建基于损伤叶片再制造利润率的跨批次车间调度的优化模型；

S4、对所述基于损伤叶片再制造利润率的跨批次车间调度的优化模型进行优化求解，获取所述基于损伤叶片再制造利润率的跨批次调度方案；

S5、基于实时传感器，构建基于实时工序完成时间的车间动态调度模型，返回S4重新生成基于利润率模型和实时工序完成时间的车间动态调度方案；

S6、基于所述基于实时工序完成时间的车间动态调度模型修正若干工序的加工轨迹数字孪生仿真工时，获取修正数据，基于所述修正数据返回S2进行下一批次损伤叶片再制造车间调度规划，完成损伤叶片再制造生产线调度。

2.如权利要求1所述的基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，所述物理再制造车间信息包括清洗装备、检测装备、增材加工装备、减材加工装备、车间转运装备及自动化装备。

3.如权利要求1所述的基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，所述历史孪生数据包括：损伤叶片评估指标、损伤分组、理论模型、再制造工艺路线及加工轨迹。

4.如权利要求3所述的基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，基于所述历史孪生数据和所述再制造车间数字孪生模型，获取若干组损伤叶片信息包括：

基于所述历史孪生数据和所述再制造车间数字孪生模型，获取损伤叶片数据；

基于所述损伤叶片数据对若干件损伤叶片进行检测，构建若干件所述损伤叶片的实际模型；

将若干件所述损伤叶片的实际模型与所述理论模型进行对比，基于所述损伤叶片评估指标进行评估分组，获取若干组损伤叶片信息。

5.如权利要求1所述的基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，对所述基于损伤叶片再制造利润率的跨批次车间调度的优化模型进行优化求解，获取基于所述损伤叶片再制造利润率的跨批次调度方案包括：

基于所述基于损伤叶片再制造利润率的跨批次车间调度的优化模型，构建所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标；

对所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标进行优化求解，获取基于所述损伤叶片再制造利润率的跨批次调度方案。

6.如权利要求5所述的基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，构建所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标包括：

基于若干组所述损伤叶片信息，获取单件损伤叶片的再制造利润；

基于所述历史孪生数据，获取所述单件损伤叶片的工序；

对所述单件损伤叶片的工序进行再制造调度，获取再制造调度后的加工开始时间点和结束时间点；

基于所述单件损伤叶片的再制造利润、所述再制造调度后的加工开始时间点和结束时间点，构建所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标。

7.如权利要求6所述的基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，对所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标进行优化求解，获取所述基于损伤叶片再制造利润率的跨批次调度方案的方法包括：

基于所述历史孪生数据和若干组所述损伤叶片信息，对所述基于损伤叶片再制造利润率的跨批次车间调度的优化目标匹配多目标优化算法，获取基于所述损伤叶片再制造利润率的跨批次调度方案。

8.如权利要求1所述的基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，基于实时传感器，构建基于实时工序完成时间的车间动态调度模型，返回S4重新生成基于利润率模型和实时工序完成时间的车间动态调度方案包括：

基于实时传感器监测所述损伤叶片再制造工艺流程中若干工序的实际工时，构建基于实时工序完成时间的车间动态调度模型；

基于所述基于实时工序完成时间的车间动态调度模型，返回执行S4，重新生成利润率模型和实时工序完成时间的车间动态调度方案。

9.如权利要求8所述的基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，基于所述基于实时工序完成时间的车间动态调度模型，返回执行S4，重新生成利润率模型和实时工序完成时间的车间动态调度方案包括：

基于所述基于实时工序完成时间的车间动态调度模型，获取若干所述损伤叶片工序的实际工时；

基于所述基于损伤叶片再制造利润率的跨批次调度方案，获取若干所述损伤叶片工序的仿真工时；

基于若干所述损伤叶片工序的实际工时和若干所述损伤叶片工序的仿真工时，获取若干工时差异；

基于若干所述工时差异，返回执行S4，重新生成利润率模型和实时工序完成时间的车间动态调度方案。

10.如权利要求9所述的基于数字孪生的航发叶片再制造生产线调度方法，其特征在于，基于所述实时工序完成时间的车间动态调度模型修正若干工序的加工轨迹数字孪生仿真工时，获取修正数据包括：

基于所述实时工序完成时间的车间动态调度模型，获取若干所述损伤叶片工序的实际工时；

基于若干所述损伤叶片工序的实际工时修正若干所述损伤叶片工序的仿真工时，获取修正数据；

所述若干所述损伤叶片工序的仿真工时为若干工序的加工轨迹数字孪生仿真工时。