3. 设备动作分解与时间建模

在虚拟验证中，设备节拍不是靠“感觉”估出来的，而是由一个个可观测、可计时的动作单元累加而成。动作分解与时间建模的任务，就是把设备完成一次工作循环的全过程拆成最小可描述的动作，为每个动作赋予时间属性，再沿着实际执行顺序找出决定节拍的那条关键路径。只有做到这一步，后续的产能计算、瓶颈定位和优化验证才有可靠的数据基础。

一、动作分解的粒度与原则

动作分解的核心问题是“拆到多细”。拆得太粗，时间模型无法反映真实差异；拆得太细，建模和验证成本急剧上升。工程上通常以基本动作单元为粒度，即设备完成一个不可再分且具有明确起止条件的运动或等待。判断标准有三条：该动作有独立的触发条件、有可测量的持续时间、其结束会改变设备状态或工件位置。

以一台典型的直角坐标搬运机械手为例，一个取放循环可以拆解为：等待来料到位信号、Z轴下降、真空吸盘开启并建立负压、Z轴上升、X轴横移至目标位、Z轴下降、真空释放、Z轴上升、X轴返回原点。这里“真空吸盘开启并建立负压”是一个动作单元，因为它有触发条件（吸盘输出）、有持续时间（负压建立时间），且结束状态是“工件已被吸附”。而“X轴横移”虽然包含加速、匀速、减速三个阶段，但在时间建模中通常作为一个整体动作处理，其持续时间由行程和速度曲线决定。

分解时还需要区分三类动作：执行动作（如气缸伸出、电机转动）、等待动作（如等待传感器信号、等待上游设备）、逻辑动作（如PLC扫描、信号确认）。等待动作往往被忽视，但在实际节拍中占比可能超过30%，必须显式建模。

二、动作时间模型的建立

每个动作单元的时间模型至少包含三个参数：名义时间、触发条件和时间分布类型。名义时间是设备在标准工况下的理论持续时间；触发条件决定该动作在时序中的起始时刻；时间分布类型则描述该动作的波动特性，常见有固定值、正态分布、均匀分布和三角分布。

对于气动执行动作，名义时间可由行程和平均速度估算。例如某气缸行程200mm，平均速度0.5m/s，则名义时间约为0.4s。但实际中气缸动作受气压波动、负载变化影响，可假设其服从正态分布，均值0.4s，标准差0.03s。对于伺服电机驱动的动作，时间由速度曲线决定，若采用梯形速度曲线，则需根据加速时间、匀速时间、减速时间分段计算。

等待动作的时间模型更为复杂。等待上游设备到位的时间通常取决于上游设备的节拍分布，不能简单设为固定值。在虚拟验证中，常用方法是先建立上游设备的时间模型，再通过信号交互逻辑推导等待时间的分布。若上游节拍稳定，等待时间可近似为固定值；若上游波动较大，则需用随机分布描述。

三、关键动作路径的识别

动作分解和时间建模完成后，需要沿着设备工作循环的实际执行顺序，计算每条路径的总时间，其中总时间最长的路径即为关键动作路径。关键路径上的动作时间直接决定设备节拍，任何对关键路径动作的优化都能缩短节拍；而非关键路径上的动作存在时间余量，优化它们对节拍无影响。

识别关键路径时，需要先画出动作时序网络。网络中的节点是动作单元，边表示先后约束关系。对于串行动作，路径唯一；对于存在并行分支的动作（如双工位同时作业），则需要分别计算各分支时间，取最大值作为该段路径时间。例如某设备在“X轴横移”的同时“旋转台旋转90°”，两者并行，则这段路径时间取两者中较大者。

下面这张图展示了一个搬运机械手取放循环的动作分解与关键路径识别结果。图中每个动作单元标注了名义时间和时间分布类型，红色路径为关键动作路径，蓝色为存在时间余量的非关键路径。

从图中可以看出，关键路径总时间约为4.15s，其中“X轴横移”0.90s和“等待来料到位”0.80s是占比最大的两个动作。若要缩短节拍，应优先优化这两个动作：例如提高X轴运行速度、缩短来料等待时间。而“Z轴下降放料”与“旋转台旋转90°”并行，前者比后者少0.15s，存在时间余量，单独优化它不会改变节拍。

四、时间参数的标定与验证

动作时间模型建立后，必须用实际数据标定。标定方法有两种：一是直接测量，在设备上安装传感器或利用PLC时间戳记录每个动作的起止时刻；二是间接推算，通过总节拍和已知动作时间反推未知动作时间。直接测量更准确，但需要设备可运行；间接推算适用于设计阶段或设备不可用的情况。

标定过程中要特别注意时间基准的统一。所有动作时间必须基于同一时钟源，且要明确是“动作执行时间”还是“动作间隔时间”。例如“等待来料到位”的0.8s，是从上一个动作结束到传感器信号触发的时间，还是从信号触发到下一个动作开始的时间？两者含义不同，建模时必须明确并保持一致。

验证环节则通过虚拟运行对比：将标定后的时间模型输入仿真工具，运行若干循环，统计节拍均值和波动范围，再与实测节拍对比。若偏差超过5%，需要检查是否有动作遗漏、时间分布假设不合理或并行逻辑错误。例如某动作实际存在“先导阀响应延迟”0.05s，若建模时忽略，累积后可能导致节拍偏差。

五、从动作模型到节拍优化

动作分解与时间建模的最终目的是支撑节拍优化。有了关键路径和每个动作的时间分布，就可以做敏感性分析：改变某个动作的时间参数，观察节拍变化幅度。若某动作时间减少10%能使节拍减少5%以上，说明该动作对节拍影响显著，值得优先投入优化资源。

优化方向通常有三类：缩短关键动作时间（如提高电机速度、优化气缸选型）、将串行动作改为并行（如增加工位、重叠动作）、减少等待时间（如优化上下游信号交互、增加缓冲）。在虚拟验证中，这些优化方案可以先在模型上快速试算，确认有效后再落地实施，从而降低试错成本。

例如上例中，若将“X轴横移”速度提高20%，名义时间从0.90s降至0.75s，关键路径总时间变为4.00s，节拍缩短0.15s。若同时将“等待来料到位”通过增加缓存工位降至0.5s，则节拍进一步降至3.70s。这些计算在时间模型上只需修改参数即可完成，无需实际改动设备。

总之，设备动作分解与时间建模是虚拟验证的基石。只有把动作拆得清楚、时间标得准确、关键路径找得正确，后续的产能分析和优化才有意义。实际工作中，建议从单台设备的一个完整循环入手，逐步扩展到整线，并持续用实测数据修正模型，使虚拟验证结果越来越接近真实产线表现。