用于制造机器人集群及工厂布局场景化设计评估的数字孪生技术

《Scientific Reports》：Digital twin for scenario-based design evaluation of manufacturing robotic fleets and factory layouts

　　

摘要

数字孪生技术日益被应用于工业系统中，以支持数据驱动的决策制定、减少人工干预，并提升自动化环境中的协作效率。本研究探讨了基于数字孪生的仿真框架如何通过同时建模生产流程、工厂布局以及具有运输和操作等特定功能的多样化机器人队伍，来实现对生产吞吐量的场景化设计评估。该框架能够高精度地呈现机器人操作、工作流程动态以及各种制造环境中的空间限制。在受现有基础设施约束的旧厂环境中，该框架揭示了机器人队伍的可扩展性极限以及因拥堵而导致的效率下降问题；而在新建厂环境中，该框架则有助于系统地评估不同的布局配置、机器人队伍规模以及功能分配平衡情况。研究结果表明，瓶颈问题不仅可能源于空间限制，还可能来自机器人队伍内部的失衡状况。在一个典型的案例研究中，即便在旧厂布局中增加机器人数量，其带来的提升也十分有限；而在新建厂布局中，通过合理的配置，无需降低每台机器人的工作效率，就能实现高达3.5\(\times\)的吞吐量提升。