工业4.0中的迭代式工业原型开发：用于海鲜加工厂工厂设计仿真的数据收集

《Proceedings of the Design Society》：Iterative industrial prototyping for Industry 4.0: data collection for factory-design simulation in seafood processing

　　

本文报道了用于模拟海鲜工厂的数据收集系统的迭代式工业原型开发。研究人员确定了实现工厂设计师进行有效设计探索所需的逼真度水平所需的数据，并提出了获取这些数据的方法。十六个物理原型展示了在设计过程中原型如何塑造动态需求。研究结果表明，模型需要三维形状和纹理，这些可以通过智能手机摄影测量法获得，弯曲刚度和多向摩擦可以通过悬臂梁试验和斜面试验获得。

研究背景与问题提出

挪威海鲜产业是挪威第二大出口产业，2024年出口额约160亿欧元。渔获来自远洋渔船和水产养殖，加工可在渔船或陆基鱼类加工厂（FPP）进行。目前鱼类生产线的设计主要依赖经验，在静态水平车间环境中设计、建造和测试，经过多次迭代后与顾客一起在试航中测试，最终投入运营。然而，生产线有时需要3至4年才能达到满负荷产能。原因之一是鱼类种类和尺寸全年变化，导致形状、尺寸、摩擦和刚度各异，这种变异在鱼类加工链的任何阶段都会引发不可预见的挑战，尤其是在运营的最初几年。另一个原因是渔船一次出海捕鱼长达4至6周，技术和操作问题的改进可能面临长时间等待，这给船东带来运营和财务风险，也给设备供应商带来设计项目挑战。工业4.0涉及实时数据流、机器人技术、数字孪生和人工智能（AI）等智能技术的使用，以实现智能工厂。在海洋加工背景下，在设计过程中使用工厂仿真来前置项目知识正受到关注，因为这可以实现更快的设计迭代并降低返工风险。此外，此类高保真仿真环境是为训练具身AI代理生成合成数据的重要跳板，从而促进工业4.0中“物理AI”（Physical AI）的发展。物理AI或具身AI指的是将AI代理实施到具有物理组件的机电系统中。GPU计算的最新进展使得大规模工厂环境以及软组织可变形物体（如生物力学仿真）的近实时仿真成为可能。虽然先前的研究探讨了使用铰接刚体对加工环境中的鱼进行建模，但这无法捕捉软组织与自动化加工设备交互的复杂接触行为。此外，在数字环境（如NVIDIA Omniverse）中对鱼类物种进行基于有限元的仿真被认为是缩短海鲜加工厂设计迭代的有前途路径，并且已经描述了设计仿真的早期努力。为了建立具有野生鱼类的工厂环境的有意义的设计仿真，需要捕捉生物力学特性的季节性变化。因此，本研究的第一个研究问题是：在系统设计工具中使用的海鲜加工系统级仿真模型需要哪些数据？系统级指的是仿真的保真度，介于全工厂仿真（大批量、低细节级别）和单个样本交互仿真（一两个样本、高细节级别）之间。研究人员将范围限制在NVIDIA Omniverse仿真环境（以下简称仿真环境）中使用所需的数据，并限于加工链初始阶段的整条圆鱼，暂不考虑去骨及下游加工。对于带有船上加工厂的远洋渔船，一个特定的设计约束是测量必须在海上高度动态的海洋环境中进行。由于渔获在收获后经历持续的生物变化，从僵直前期过渡到尸僵并最终到尸僵后软化，生物力学行为是时间依赖性的，应在收获后尽快测量。因此，数据收集设备的设计要求必须反映海事操作人员和工作条件。第二个研究问题是：数据收集夹具必须如何设计以用于远洋渔船？为了研究这一点，研究人员采用以人为中心的设计方法，通过与焦点小组的关键利益相关者进行访谈，并从迭代原型开发中收集经验。本论文的贡献总结如下：首先，基于先前的努力，提出了海洋海鲜加工工厂设计仿真中数据的初步需求。其次，建立了一套用于在远洋渔船中收集这些数据的设计要求，并描述了导致三个数据收集夹具并进行初步验证的迭代设计过程。因此，本论文的新颖贡献是：（i）开发和验证用于海鲜工厂设计仿真的数据收集设备；（ii）总结了原型在塑造工业环境中动态需求方面的作用。该论文发表在《Proceedings of the Design Society》。

主要关键技术方法

研究人员采用了几个主要关键技术方法。首先，为了解用户需求、生成初始需求并根据原型学习的反馈调整需求，研究人员与海洋加工业的主要利益相关者组成的焦点小组进行了访谈。焦点小组由价值链中的主要利益相关者代表组成，包括两家主要渔船船队所有者的代表（运营知识）、两家不同的陆上鱼类加工设施的代表（用户知识）、两家不同的鱼类加工设计师和集成商的销售和工程代表（技术设备知识），以及一家海鲜公司的代表（产品知识）。在项目开始、初始原型制作后、设备详细设计期间和验证测试后共举行了四次焦点小组会议。项目组向焦点小组展示物理原型，并在每次设计迭代中获得形成性反馈。其次，为了探索要测量的参数（RQ1）以及如何设计夹具以适应在远洋渔船中的使用（RQ2），研究人员遵循先前研究概述的原则，对关键功能进行了迭代原型制作。该方法认为产品需求是动态的，并在整个设计过程中可能发生变更，其起源于模糊前端低技术成熟度项目。研究人员遵循原型定义，即原型是“产品在一个或多个感兴趣维度上的近似”。因此，原型可以采取物理或非物理形式，如草图、数学模型、仿真、测试组件和功能预生产版本。此外，原型的保真度在过程开始时保持较低以便快速迭代，并随着动态需求逐渐巩固而在整个项目中提高。物理原型产生的数据在每次迭代后在仿真环境中不断验证和测试。评估标准包括数据质量、操作时间和工业鲁棒性。

研究结果

1. 3.
   初始设计要求
   3.1. 工厂设计仿真
   NVIDIA Omniverse是一个针对刚体运动学和动力学优化的仿真环境，面向机器人和自动化系统的仿真。最近，使用共旋有限元法（CFEM）的软组织仿真被添加进来。CFEM处理生物力学组织典型的大变形，同时保留线弹性材料模型。尽管这通过忽略非线性和各向异性行为降低了保真度，但它提高了仿真速度和稳定性。CFEM使用三种模型：（i）视觉模型（表面网格），（ii）用于接触检测的碰撞模型，以及（iii）用于内部力计算的计算模型。这些模型映射在一起，允许不同的网格密度以优化计算速度，这对于近实时仿真50条或更多鱼至关重要。有限元模型的保真度应反映仿真的预期结果。虽然CAE软件中存在复杂的有限元模型，但Omniverse目前仅支持均质各向同性材料。因此，杨氏模量（Young’s modulus）和泊松比（Poisson’s ratio）足以描述材料行为，影响拉伸、压缩、压痕、剪切和弯曲刚度。根据生物力学测试类型，可能会产生一系列杨氏模量值。对于在工厂环境中仿真软鱼模型，初步结果表明弯曲刚度主导宏观行为，因为制造流程源于线上样本之间的碰撞和弯曲。鱼与加工线中各种材料之间的摩擦参数会影响宏观行为，需要量化。研究人员假设这些参数会根据鱼壳方向与输送机或其他制造线材料的相对速度以及死亡后的时间（因为鱼在加工过程中会变干）而变化。设计仿真旨在复制远洋渔船中加工厂的操作条件，因此摩擦参数应反映这一点，并尽可能新鲜地测量。
   3.2. 远洋渔船中的数据收集设备
   为了在远洋渔船中测量几何形状、刚度和摩擦参数，需要进行物理实验。焦点小组建议，尽管可以在设计过程开始时使用低保真原型，但远洋渔船的操作条件施加了几个必须考虑的约束。设备将被放置在海上的鱼类加工设施内，因此需要容忍操作环境。所有电气设备和连接应具有IP67防护等级，首选材料为AISI 304不锈钢。塑料应能承受湿度、温度变化和用于清洁的强化学品，合适的材料可以是PEHD500或PE。应遵循卫生设计原则。设备的目标是能够派遣出海，研究人员参与最少，因此还必须易于操作和坚固。用户是渔民，他们除了在繁忙、潮湿、寒冷且有时混乱的环境中管理渔获外，还需要操作数据收集设备。原因很简单，这可能是获得足够数据并捕捉足够数据变化（季节、地理变化）的唯一途径。因此，自动化水平应足以将工作量降至最低，但不能损害数据质量。
2. 4.
   原型制作
   4.1. 探索三维扫描技术
   研究人员探索了多种三维扫描技术，包括基于结构光、激光三角测量、摄影测量或坐标测量机（CMM）的技术。CMM使用龙门式接地机械臂精确测量坐标点，但扫描速度被认为太慢。起点是使用商业三维扫描仪（Einscan HX，Shining 3D，中国），它使用混合激光和LED光源（原型A）。初始测试很快发现鱼鳞的反射表面存在问题，生成的三维模型不能提供令人满意的结果。手动附加基准标记以提高准确性也被认为不切实际。因此，重点转向探索摄影测量法，并开始新的设计周期。摄影测量法的额外好处是可以将照片级真实感的纹理无缝集成到三维模型中。第一次迭代（原型B）使用了安装在旋转臂上的Realsense D435相机，基于一个开放的摄影测量项目。然而，三维物体上的细节水平不令人满意，也没有提供纹理。在下次迭代（原型C）中，使用了商业RealityCapture摄影测量软件与低分辨率USB相机和高分辨率相机。低分辨率相机型号因细节不足被迅速放弃。多个高分辨率USB相机分布在桶形配置中，并进行了多项测试。首先测试了六张图片偏移60度，但没有重建出三维物体。接下来，24张图片偏移15度导致部分重建的物体。进一步，通过去除背景，可以重建整个物体，但在合并物体的两半时存在问题。接下来的测试将相机分布在三个不同高度，层间有偏移角，拍摄了18张图片，但三维重建未成功，表明图像间重叠太低。从这里明显看出需要更多图像以获得更好质量。另一项测试因此将整个桶每样本旋转22.5度，每层总共96张图像。结合去除背景，该策略产生了更好的结果。此外，通过旋转鱼并以每秒15帧捕获视频流，获得了总共190张图像，并创建了具有足够质量的三维模型。由于减少海上操作工作量的初始要求，以及先前经验表明需要多张图像才能获得满意结果，研究人员制作了具有自动驱动的基于摄影测量的设计（原型D）。该设计涉及将鱼挂在钩子上，通过步进电机以10度增量旋转。八个相机阵列安装在容器内，鱼被降入容器以确保一致的光照条件。容器内涂成粉红色以轻松去除背景。使用RealityCapture软件处理摄影测量，该原型产生了约800张具有足够重叠的图像，从而生成了具有良好纹理的高质量三维模型。在使用原型D一段时间后，扫描时间和后处理时间被确定为关键功能，因为海上可用的模型扫描时间稀缺，延长后处理时间使模型验证变得困难。本质上，用于摄影测量的照片越多，实际扫描时间越长，后处理时间也越长。为了提供原型D的基准，测试了基于摄影测量的智能手机应用程序（MagiScan，AR Generation，波兰）（原型E）。实验室测试很快表明，该应用程序即使使用更少图像也能提供更好的质量。这大大减少了扫描时间、后处理时间和三维模型质量（模型中没有异物）。为了验证现场使用，它在光照条件变化的鱼类加工厂进行了测试。比较显示智能手机应用程序优于定制原型。
   4.2. 刚度测量夹具
   刚度测量的目的是近似杨氏模量，以充分描述鱼在加工设施中的生物力学行为。首先，通过使用手持式拉伸测力计手动测量拉伸刚度进行了低保真初始探测实验（原型F）。得到的刚度值转换为杨氏模量并在仿真环境中测试，但所得模量看起来不真实。接下来，进行了一组记录尾部因重力偏转的实验（原型G）。这试图测量弯曲刚度，但更适合确定被动活动范围。为了调整杨氏模量，进行了一组跌落测试并与仿真模型进行视觉比较（原型H）。然而，为了建立描述鱼在加工中行为的可靠刚度参数，研究人员得出结论，需要弯曲刚度的稳健力-位移曲线。在传统力学中，准静态弯曲刚度在三或四点弯曲试验或悬臂弯曲试验中测量。由于海洋物种形状高度不规则和多变，这些经典方法不适用。焦点小组让团队意识到，一些工作集中在测量海洋物种的尸僵硬度，这些主要基于悬臂弯曲试验。虽然生物力学组织中的刚度取决于负载速度，但由于仿真环境中的实现限制，选择了准静态方法。为了测量这一点，制作了悬臂式弯曲夹具原型（原型I）。该原型由铝型材框架、用于连接鱼头的线性滑动托架以及带有用于尾部连接的测力计的线性执行器组成。线性执行器由工业级伺服电机组成，通过集成旋转增量编码器进行位置传感，旋转运动通过导螺杆转换为线性运动。序列由工业可编程逻辑控制器（PLC）控制。在第一次测试迭代中，样本通过鳃部的钩子连接到线性托架，尾部通过静绳连接到测力计。样本为养殖鳕鱼。虽然这次迭代证明了概念可行性，但也发现了几个问题。首先，连接到托架不能充分防止样本旋转，从而影响了弯曲刚度测量。其次，托架的线性导轨很快腐蚀，导致运动不平稳。因此进行了重建（原型J），用三维打印支架设计替换托架，并用高质量不锈钢部件替换线性导轨。尾部连接保持不变。下一轮测试使用了公司G的养殖鳕鱼。测试很快揭示库存尺寸变化比预期大，支架和导轨必须变大。因此启动了第三次重建（原型K）。直到此时，需求尚未定义尺寸和重量限制，测试协议也不明确。设定了最大长度900毫米作为长度限制，支架和线性导轨重新设计考虑了这些新要求。经过几次迭代，测试最终运行至200牛力或300毫米位移。
   4.3. 摩擦测量夹具
   为了测量静态和动态摩擦，经典的斜面滑动实验构成了基础。为了开发用于此目的的夹具，一般要求是尽量减少手工劳动、处理恶劣环境、卫生要求，以及提供快速更换工厂环境材料的灵活性。这项探索也从低保真探测实验开始。中密度纤维板（MDF）风格的板和门铰链（原型L）允许快速测试鱼在四种不同材料上的摩擦系数：不锈钢（AISI 304）、塑料（PEHD）、输送带（聚甲醛）和纹理/硬化不锈钢板（5WL）。该原型的目的是启动测试协议的制定。板逐渐倾斜直到检测到滑动运动，给出静摩擦系数。滑动开始后，两个固定点之间的时间与倾斜角结合，提供了动摩擦系数的信息。测试很快揭示鱼的粘液表面影响摩擦。具体来说，当暴露在新鲜空气中时，粘液表面变干，显著增加了摩擦。为了克服这一点，鱼标本在测试前后保持浸没在盐水中，以确保所有标本的条件相似。此外，滑动表面用盐水湿润。另一个重要的经验是头先与尾先的摩擦差异，验证了方向可变性的假设。为了减少手工劳动和最小化人为错误，制作了半自动夹具原型（原型M）。它使用NEMA 30步进电机与剪式升降齿轮自动倾斜平面，激光传感器检测滑动运动，以及带有软件的相机测量两个固定点之间的时间。倾斜测量是手动的，最大倾斜度为25度。收集了两个重要经验：（i）倾斜角不足以在输送材料上产生滑动，（ii）手动倾斜测量太不精确。此外，注意到夹具在数据记录和卡顿运动方面花费的时间有限。这触发了新的设计迭代，使用光学编码器进行自动倾斜测量，以及新的伺服电机与静绳和两个气体弹簧用于运动支撑（原型N）。改进的精度允许验证恒定加速度用于动摩擦系数的假设。为了克服静绳磨损和运动范围的问题，伺服电机被两个300毫米行程线性执行器（每个500牛容量）替换（原型O）。数据收集和驱动控制由PLC处理。初始验证实验产生了可靠的结果。然而，在用养殖鳕鱼测试期间，鱼标本的意外尺寸挑战了夹具在启动阶段的负载能力。设定了10公斤的最大重量作为上限。此外，假设不仅头先或尾先会影响摩擦，侧面也会影响，因为这是加工厂的常见场景。因此，构建了新原型（原型P），具有更宽的底座，适应侧向摩擦测量，升高底座以提供更好的启动运动动力，以及新的更强的线性执行器。此外，编码器替换为IP68级光电传感器和用于滑移检测的激光传感器。相机保留用于冗余，并添加了带有网格激光雕刻的黑色阳极氧化铝板用于参考。
3. 5.
   初步验证结果
   在不到12个月内制作了总共16个原型，用于迭代三维扫描、刚度测量和摩擦测量的需求。最终迭代的夹具（原型E、K和P）在鱼类工厂环境的数据收集实验中进行了验证。一个由五名用户组成的团队按照预定义协议操作夹具。在四天内测量了80条野生鱼，每条鱼的循环时间为10至12分钟。数据质量令人满意。没有报告设备故障或鲁棒性问题。得到的三维模型和摩擦参数已在仿真环境的数字原型中得到验证。在受控比较测试中，行业专家观察到数字环境中模拟的鱼行为与相同物理条件下真实鱼的行为非常匹配。这种定性验证证实了仿真环境中捕捉的变形和接触响应足够逼真，对工业用途有意义。弯曲刚度测量有待验证。
4. 6.
   讨论
   本文探讨了海洋海鲜加工工厂设计仿真需要哪些数据（RQ1），以及通过迭代工业原型制作方法获取这些数据的方法（RQ2）。动态需求在整个产品开发过程中通过原型制作和与由关键利益相关者组成的焦点小组的访谈得以塑造。数据收集设备的测试最初是用养殖鳕鱼进行的，它们的大小、形状和颜色相对相似。这为技术的工作情况以及收集数据的质量提供了良好的控制。行业专家的定性验证证实，模拟鱼行为与物理测试的观测结果吻合良好。一个示例仿真改编自先前研究。一家工业合作伙伴还将这些模型用于新设计的证明概念评估。该合作伙伴在早期设备评估和规划中应用了这些仿真结果，并对数字成果的价值表达了信心。这种早期的工业采用表明了实际相关性，并支持了该方法在现实世界中实施的潜力。随着初始需求在整个设计过程中演变，研究人员总结了当前的需求状态——解决RQ1和RQ2。需要注意的是，弯曲刚度需求目前基于简单的仿真验证，还需要更严格的数据分析。关键利益相关者的积极参与结合大量物理原型对于实现设计-构建-测试的快速循环至关重要。开始时，原型保持低保真度，用于探索和沟通——专注于“什么”（RQ1）。后来，保真度提高，原型用于细化和主动学习——更多地专注于“如何”（RQ2）。虽然更全面的文献综述可能防止了“死胡同”，例如三维扫描技术的探索，但从最初原型制作阶段对鱼标本的主动学习和利益相关者参与有双重好处，否则这些好处会被错过。此外，工业背景和约束影响了原型，特别是在最后迭代中。虽然材料和组件（传感器、执行器、控制器）是工业级的，但制造方法和组件的选择考虑到了迭代速度。第一轮原型制作在校园环境（生物学实验室和创客空间）中进行，但夹具很快转移到一家工业合作伙伴，并在鱼类加工设施进行测试。这为夹具的使用和需求塑造提供了宝贵的见解。总体目标（开发用于工厂设计师的仿真工具）与本研究中使用的密集型原型设计过程之间的对比引发了关于最佳实践设计方法的讨论：设计师何时应仿真，何时应原型制作？研究人员的发现支持这样一个基本因素：设计-原型-测试-反思的快速循环。这是低技术成熟度敏捷设计理念的核心组成部分，但有时会因为较高的短期项目风险而在行业中遇到怀疑。虽然仿真可以解决有针对性的问题并加速迭代，但目前它们无法匹配从物理原型获得的洞察的丰富性和不可预测性。然而，研究人员预计仿真将在“物理AI设计”（Design for Physical AI）中变得越来越重要，因为需要大型结构化数据集来训练模型。在这种情况下，仿真可以通过实现数据生成和更快的设计替代方案探索来补充物理原型制作。
5. 7.
   结论
   本文确定了用于仿真海鲜加工工厂的动态数据需求，并展示了获取这些数据的方法：通过摄影测量法获得三维形状，通过悬臂梁实验获得弯曲刚度，通过斜面实验获得摩擦参数。研究人员的成果表明，与利益相关者积极参与的迭代原型制作对于发现和塑造这些不断发展的需求至关重要。