《JOURNAL OF MANUFACTURING SYSTEMS》：A methodology for Digital Twin-based lifecycle management to support adaptive (dis-)assembly planning in circular repair factories
编辑推荐：
循环经济理念推动工业焦点从线性生产模式转向修复、再利用、再制造和产品寿命延长，然而循环修复环境中产品变异性高、组件状态不确定、过程信息不完整，使自动化面临显著挑战。为此，需要自适应决策机制来确定修复任务的执行策略，而产品生命周期管理（Product Lifec
循环经济理念推动工业焦点从线性生产模式转向修复、再利用、再制造和产品寿命延长，然而循环修复环境中产品变异性高、组件状态不确定、过程信息不完整，使自动化面临显著挑战。为此，需要自适应决策机制来确定修复任务的执行策略，而产品生命周期管理（Product Lifecycle Management, PLM）数据与数字孪生（Digital Twin, DT）环境的集成则有助于在物理执行前分析、仿真和优化修复过程。机器人抓取规划和基于仿真的装配验证在评估自动化拆卸与再装配操作可行性中发挥核心作用；当机器人执行因几何约束、可达性限制或过程不确定性而不可行时，人工作业成为可靠的备选策略。尽管循环制造、数字孪生和机器人自动化领域已有进展，当前仍缺乏将生命周期驱动的数据集成、自适应执行策略与机器人抓取规划统一于循环修复过程的集成方法。为此，研究人员提出了一种面向循环制造环境中自适应修复过程的新方法，将产品生命周期数据、基于数字孪生的仿真、机器人规划和自适应执行策略整合到统一框架中，以支持灵活高效的（拆卸）装配操作。
**论文解读：面向循环修复工厂的自适应（拆卸）装配规划——基于数字孪生的生命周期管理方法**
**一、研究背景与问题提出**
随着可持续制造和循环经济理念的兴起，工业焦点正从传统的线性生产模式向产品的修复（Repair）、再利用（Reuse）、再制造（Remanufacturing）和寿命延长方向转移。在循环修复环境中，产品不再被视为报废资产，而是可被修复并重新纳入生产循环的资源。然而，返回修复的产品具有高度变异性，其组件状态不确定、过程信息不完整，使得修复过程的自动化远比传统大批量制造更具挑战性。因此，亟需自适应决策机制来为给定修复任务确定最合适的执行策略。
产品生命周期管理（Product Lifecycle Management, PLM）数据涵盖设计信息、装配结构、制造数据和过程历史，被认为是辅助上述决策的关键要素。将生命周期数据集成到数字孪生（Digital Twin, DT）环境中，可以在物理执行前对修复过程进行分析、仿真和优化。在此背景下，机器人抓取规划（Robotic Grasp Planning）和基于仿真的装配验证在评估自动化拆卸与再装配操作可行性方面发挥着核心作用。合适的抓取构型、机器人轨迹和末端执行器（End Effector）的选择取决于零件几何形状、制造数据和装配约束。当机器人执行因几何约束、可达性限制或过程不确定性而不可行时，人工引导的手动装配可作为可靠的备选策略，从而在尽可能保持高自动化水平的同时实现灵活的过程执行。
尽管循环制造、数字孪生技术和机器人自动化领域已取得显著进展，当前仍缺乏将生命周期驱动数据集成、自适应执行策略和机器人抓取规划统一于循环修复过程的集成方法。该研究围绕三个核心研究问题展开：（1）如何设计一种基于数字孪生的生命周期管理方法，以实现循环修复工厂中的自适应（拆卸）装配规划？（2）如何建立自适应决策准则，以在不确定的循环修复条件下为（拆卸）装配任务选择最合适的执行模式？（3）定量机器人抓取规划如何在产品状态不确定的循环修复环境中支持自适应（拆卸）装配操作？
**二、研究内容与重要意义**
针对上述研究问题，研究人员提出了一种面向循环制造环境中自适应修复过程的新方法。该方法将产品生命周期数据、基于数字孪生的仿真、机器人规划和自适应执行策略整合到统一框架中，以支持灵活高效的（拆卸）装配操作。论文将所提出的概念性框架与选定技术模块的原理验证型实现相结合：机器人抓取规划和数据驱动的（拆卸）装配优化方法进行了原型实现和实验验证，其余元素保持概念层面，为未来扩展提供基础。研究验证了所提出的抓取规划方法具有足够的可重复性，不同机器人与末端执行器配置之间可进行定量比较，以及装配组感知和制造几何感知的抓取规划优化方法的可行性。
本研究的重要意义在于：首次将产品生命周期数据集成、数字孪生仿真、自适应执行模式选择与机器人可行性分析统一于单个框架中，为循环修复工厂中高度可变的（拆卸）装配规划提供了结构化基础。通过将数字孪生技术与机器人、人工作业及人机协同执行方式相连接，该研究有助于发展更灵活、高效和可扩展的循环制造系统。论文发表在《JOURNAL OF MANUFACTURING SYSTEMS》。
**三、关键技术方法概述**
研究人员基于设计导向的研究方法开展研究。根据文献综述识别的差距，推导出功能性和操作性需求以指导方法开发。所提出的方法扩展了之前开发的在轨服务自适应夹爪放置方法。在原型实现方面，采用Python开发了机器人抓取规划软件模块，利用Open3D库进行点云处理，使用NumPy进行矩阵运算，通过trimesh库进行碰撞检测。并行夹爪抓取规划基于三维点云的几何驱动分析，利用RANSAC平面分割、主成分分析（Principal Component Analysis, PCA）投影和Shapely几何库进行碰撞检测；真空吸盘抓取规划采用确定性向内光线投射（Raycasting）策略，结合KD-Tree空间索引和多吸盘密封验证。验证阶段采用工业合作伙伴提供的工业装配体STEP模型，通过计算机生成点云作为输入数据。装配图（Assembly Graph）采用开源工具手动构建以清晰展示方法。
**四、主要研究结果**
*（1）抓取规划方法的可重复性验证*
两种抓取规划方法分别执行了500次独立运行以评估其可重复性和鲁棒性。并行夹爪使用相同点云输入，真空吸盘使用相同STL几何体输入。通过10,000次自助抽样（Bootstrap）分析估计GSS（Grasp Suitability Score，抓取适宜性评分）的统计不确定性。结果表明，两种方法在不同组件几何体上均表现出稳定的性能，为柔性循环修复环境中的基于仿真的机器人（拆卸）装配规划提供了可靠基础。对于螺纹零件，由于真空吸盘末端执行器（直径10 mm）仅有一小块平面适合抓取，500次运行中仅38次产生了有效TCP（Tool Center Point，工具中心点）。
*（2）并行与真空末端执行器抓取适宜性的定量比较*
研究人员评估了不同机器人和末端执行器配置组合的抓取性能。并行夹爪方面，Franka和UR5e机器人分别与Franka夹爪和Schunk夹爪组合，均产生了高GSS值的可行抓取构型，其中Schunk夹爪在两款机器人上均取得最高GSS值。真空吸盘方面，单吸盘（直径10 mm和20 mm）及两吸盘配置均产生可行抓取构型，但四吸盘配置因几何约束增加而未能识别出可行TCP。结果表明，所提出的GSS为不同硬件配置的比较和选择提供了一致的定量基础。
*（3）装配组感知的抓取规划验证*
利用自研脚本生成装配体的聚类点云表示，对Franka机器人搭配Franka并行夹爪和真空吸盘进行评估。结果显示，螺母（Nut）、销（Pin）和螺钉（Screw）子装配体可以单独被并行夹爪抓取，但在其父装配体中考虑邻近组件时却无法抓取。这一发现表明，机器人装配操作的抓取规划应在装配状态下进行，将邻近组件视为环境约束，从而识别出与后续装配或拆卸操作内在兼容的抓取姿态，减少中间重新抓取步骤。
*（4）制造几何感知的抓取规划验证*
利用增材制造（Additive Manufacturing）G-Code文件，通过自研G-Code解析器和几何重建流程生成点云，并与STEP文件导出的点云进行比较。结果表明，制造数据衍生的几何表示会影响抓取规划结果。对于并行夹爪，STEP点云的GSS高于G-Code点云；对于真空吸盘，G-Code点云的密封评分（Seal Score）为0.148，远低于STEP点云的0.595，说明层状离散化表面表示对密封质量的评估产生了负面影响。该实验证明了将制造衍生几何信息集成到机器人抓取规划中的可行性。
*（5）人机/机器人执行决策框架验证*
基于抓取规划和可行性分析结果，对决策框架进行了概念验证。决策框架根据可行性指标将执行策略分为三类：完全机器人引导执行、人机协同执行和人工引导执行。通过对工业产品装配图注入抓取规划结果的解析评估，该框架能够系统地将定量机器人可行性指标映射到相应的执行策略，为专家提供了结构化的决策支持，减少了个案专家评估的范围。
*（6）循环修复案例研究*
通过一个理论循环修复案例展示了方法的整体应用。案例假设产品在巴西制造后出售给物流公司，用于海军舰船上的信息物理机器（Cyber-Physical Machine）驱动系统。产品受损后，物流公司在船舶到港前将产品数字孪生（Product Digital Twin）传输至循环修复工厂，工厂据此提前进行过程规划和资源分配。基于使用阶段数据和损伤报告识别受损组件，执行拆卸规划仿真以评估每个拆卸操作的机器人可行性，并为每个步骤分配合适的执行策略。在可行拆卸路径中，选择具有最高总体抓取适宜性的路径，以提升自动化执行潜力。由于受损组件已超出预期使用寿命，选择制造相同替换零件，并从G-Code生成更精确的几何点云用于再装配规划。产品到达后，可通过三维扫描获取物理状态并与数字表示配准，触发抓取规划和过程仿真结果的更新，实现物理产品与数字孪生的持续同步。
**五、讨论与结论**
本研究提出的方法建立了统一框架，将产品生命周期数据集成、数字孪生仿真、自适应执行模式选择与机器人可行性分析连接起来，以支持循环修复过程中高度可变的（拆卸）装配规划。所开发的方法整合了CAD模型、装配结构、制造数据、过程历史和修复信息等异构生命周期数据源，在此基础上利用仿真驱动方法评估机器人抓取可行性、末端执行器适用性、装配可达性和执行约束。
定量抓取规划方法的验证结果表明其具有足够的可重复性，不同机器人与末端执行器配置之间具备可比较性，抓取适宜性评分适用于硬件配置选择。此外，装配组感知抓取规划、制造几何感知抓取规划等数据驱动优化方法得到了部分验证。基于已验证的仿真方法输出，提出了一个概念性决策框架，用于在机器人引导、人机协同和人工执行策略之间进行选择，综合考虑执行可行性、过程约束、生命周期相关准则和人类专家判断。
**研究结论（翻译）**：所提出的方法建立了统一框架，将产品生命周期数据集成、基于数字孪生的仿真、自适应执行模式选择和机器人可行性分析连接，以支持循环修复过程中高度可变的（拆卸）装配规划。该方法将异构生命周期数据源（如CAD模型、装配结构、制造数据、过程历史和修复信息）集成到统一数字孪生环境中。在这一数据基础之上，利用仿真驱动的方法在物理过程执行前评估机器人抓取可行性、末端执行器适用性、装配可达性和执行约束。在该框架内，开发并原型实现了并行夹爪和真空吸盘末端执行器的定量抓取规划方法。验证结果表明抓取规划方法具有足够的可重复性，不同机器人和末端执行器配置之间可进行比较，且所提出的抓取适宜性评分适用于硬件配置选择。此外，提出并部分验证了多项数据驱动的（拆卸）装配规划优化方法。总体而言，所提出的方法展示了生命周期数据集成和基于数字过程孪生的仿真如何通过结构化决策支持减少重新规划工作量，并提高循环制造环境中的预期过程成功率。
研究同时指出，当前工作主要具有概念性和原型性质，验证聚焦于功能可行性和方法一致性而非统计假设检验或定量性能基准测试。三个研究问题得到了不同程度的回答，其中研究问题三（定量机器人抓取规划）回答最为充分，研究问题一和二仍有待进一步的工业部署验证。未来研究应聚焦于将原型实现扩展为完全集成的数字过程孪生环境，完善抓取规划和优化方法，实现概念性模块的完整软件开发，探索动态人机任务分配策略，并整合更多生命周期数据源以支持预测性修复规划和实时自适应过程控制。
