数字孪生---制造业数智化转型的关键驱动力

数字孪生—— 制造业智能化转型的关键驱动力， 随着信息技术的发展，制造技术的进步，人们的物质生活日益丰富，同时对产品的智能化、个性化需求也越来越多。如何提高生产效率，缩短产品上市时间，采取更灵活、柔性的生产模式，提高资源和能源利用率，快速响应市场智能化、个性化、多变的需求是当今全球工业面临的主要问题。为了解决这些问题，全球主要工业强国，纷纷提出各自的智能制造战略愿景规划，像德国提出“工业4.0”，美国提出“制造业复兴计划”，我国提出“中国制造2025”战略。数字孪生技术作为构建元宇宙的核心技术之一，与工业物联网、5G通信、大数据，云计算、人工智能、3D可视化等一系列技术，可以构建出现实世界物体的虚拟镜像，在几何形状、物理模型、行为状态等方面进行模拟、仿真、预测和辅助决策，从而能有效解决上述问题，实现智能制造的愿景。

一.数字孪生的起源 “孪生”的概念最早起源于美国国家航空航天局的“阿波罗计划”。数字孪生(“Digital Twin”)这一概念最早由美国的Michael Grieves博士于2002年在密西根大学和NASA的研讨会上提出。在他看来，随着系统的复杂性日益增加，现代产品系统、生产系统、企业系统本质上是都属于复杂系统。为了优化、预测复杂系统的性能，我们需要一个可观测的数字化模型，一个产品的多物理场、综合性的数字化表示，以便于在产品的整个生命周期中维护和重复使用在设计、制造、运营过程中的数字信息，通过分析和挖掘产品或设备的状态数据，传感器数据，操作历史数据，从而实现状态诊断、行为预测，智能调度。此外，通过积累数据库实例，工业大数据分析师可以评估特定系列设备及其部件、并反馈给产品设计师和工艺设计师、用于产品和工艺的持续改进，最终形成闭环的数字孪生。直到2010年，“Digital Twin”一词在NASA的技术报告中被正式提出；2012年，美国国家航空航天局与美国空军联合发表了关于数字孪生的论文，重点应用于未来飞行器发展。2015 - 2020年为数字孪生应用萌芽期，各大工业软件巨头纷纷布局数字孪生业务。近2年数字孪生进入了快速发展期，数字孪生与AI、AR/VR等新兴技术融合，广泛应用在各个行业。

二.数字孪生的典型特征 数字孪生的本质是信息建模，旨在为现实世界中的实体对象在数字虚拟世界中构建数字模型，但数字孪生涉及的信息建模已不再是基于传统的底层信息传输格式的建模,而是对实体对象外部形态、内部机理和运行关系等方面的整体抽象描述。其难度和应用效果相较于传统建模呈指数级增长，主要表现为数字孪生可以有多个变身，即根据不同用途和场景构建形态各异的数字模型。

1.互操作性 数字孪生中的物理对象和数字空间能够双向映射、动态交互和实时连接，因此数字孪生具备以多样的数字模型映射物理实体的能力，具有能够在不同数字模型之间转换、合并和建立“表达”的等同。

2.可拓展性 数字孪生技术具备集成、添加和替换数字模型的能力，能够针对多尺度、多物理、多层级的模型内容进行扩展。

3.实时性 数字孪生技术要求数字化，即以一种计算机可识别和处理的方式管理数据以对随时间轴变化的物理实体进行表征。表征的对象包括外观、状态、属性、内在机理，形成物理实体实时状态的数字虚体映射。

4.高保真性 数字孪生的保真性指描述数字虚体模型和物理实体的接近性。要求虚体和实体不仅要保持几何结构的高度仿真，在状态、相态和时态上也要仿真。值得一提的是在不同的数字孪生场景下，同一数字虚体的仿真程度可能不同。例如工况场景中可能只要求描述虚体的物理性质，并不需要关注化学结构细节 。/输送设备的选用等。

5.闭环性 数字孪生中的数字虚体，用于描述物理实体的可视化模型和内在机理，以便于对物理实体的状态数据进行监视、分析推理、优化工艺参数和运行参数，实现决策功能，即赋予数字虚体和物理实体一个大脑，因此数字孪生具有闭环性 。

三.数字孪生分层架构 数字孪生技术架构可以划分为四层：物理层、数据层、模型层、功能层。 物理层：就是数字孪生系统描述刻画的现实世界中的物理对象。不同类型的数字孪生应用，物理实体是不一样的，像智能工厂数字孪生，所描述刻画的物理对象，就是工厂、车间，产线，工位，及工厂中的人、机、料、法、环等生产要素。不同的行业，其描述刻画的物理对象也会有所差异。 数据层：数字孪生是基于数据驱动的，要实现物理实体与虚拟孪生体之间的实时映射和互动，就必须实现两者之间的数据互通，而数据层就是物理实体与虚拟孪生体之间连接的桥梁，主要负责实现数据的采集，数据的传输，以及数据的处理等。

模型层：模型层是数字孪生的核心，它包括几何模型、规则模型、机理模型、算法模型等。几何模型是从外形上对物理实体进行刻画。规则模型是对物理对象业务逻辑的一种抽象或描述，确保虚拟孪生体与物理体有着同样的运作流程和业务逻辑。机理模型是物理设备的运行机理或物理规律的抽象描述，通过这种明确的机理模型，可以通过虚拟体预测出物理对象的行为或状态，从而提前进行干预处理。算法模型主要是从海量数据的分析和挖掘中，找到潜在或无法通过公式或定理确定的知识或洞察，为管理决策提供依据。 功能层：在数据层和模型层之上，数字孪生以软件为载体，就具备了对物理对象的描述、诊断、预测和决策的能力。 应用层：有数字孪生下面的四层技术架构作支撑，就可以开发出面向不同行业和场景的数字孪生应用。数字孪生的应用场景比较丰富，在智能制造、智慧交通、智慧城市、智慧建筑、智慧医疗等行业有很多实际的应用。

四.数字孪生在制造行业的应用 数字孪生在制造行业的应用主要分为三大类：产品数字孪生、生产数字孪生、设备数字孪生，贯穿了整个产品生命周期管理(PLM)价值链。

1.产品数字孪生 在产品设计阶段，通用数字孪生进行产品的三维数字模型设计，精确的记录产品的各种物理参数，以可视化的方式展示出来，并通过模拟和仿真来验证产品在不同外部环境下的性能和表现，在设计阶段就要能验证产品的适应性。相比于需要先生产出一个批物理样机，才能验证产品的适应性和性能的传统生产制造方式而言，产品周期大大缩短，同时设计验证成本也大大降低。

2.生产数字孪生 在产品的制造阶段，生产数字孪生的主要目的是确保产品可以被高效、高质量和低成本地生产，它所要设计、仿真和验证的对象主要是生产系统，包括制造工艺、制造设备、制造车间、管理控制系统等。通过数字孪生可以加快产品的导入时间，提高产品的设计质量，降低生成成本和提高产品的交付速度。通过数字化手段建立起来的虚拟产线，将产品本身的数字孪生同生产设备、生产过程等其他形态的数字孪生高度集成起来，提高协同效率。

3.工艺过程定义 将产品信息、工艺过程信息、工厂产线信息和制造资源信息通过结构化模式组织管理，达到产品制造过程的精细化管理，同时为制造系统的排产提供准确输入。

4.虚拟制造 基于一个虚拟的制造环境来验证和评估我们的装配制造过程和装配制造方法，通过产品的3D模型和生产车间现场模型，具备机械加工车间的数控加工仿真、装配工位级人机仿真、机器人仿真等能力，从而可以进行提前进行虚拟评估。

5.虚拟产线调试 数字化工厂柔性自动化生产线建设周期长，投资大，自动化控制逻辑复杂，现场调试工作量大。通过在虚拟环境中，提前进行产线的仿真调试，从而可以及时发现生产线的规划、干涉、PLC的逻辑控制问题，同时也可能以在综合加工设备、物流设备、智能工装、控制系统等各种因素中全面评估生产线的可行性。在实际的产线建设中，通过这种虚拟产线调试技术，可以及时发现产线设计问题，极大的降低整改成本。

6.生产过程仿真 实现平面大屏和组态设计功能，可以在大屏设计器上进行拖拽设计，并且将设备数据，或者数据库数据直接关联到大屏设计的组件上进行展示；可以在网页上对工业场景画面进行组态建模，形成展示。

7.生产过程监控管理 通过采集生产线上的各种生产设备的实时运行数据，实现全部生产过程的可视化监控，并且通过经验或者机器学习建立关键设备参数、检验指标的监控策略，并能对异常情况进行及时的跟进处理，实现稳定并不断优化的生产过程。

8.设备数字孪生 在产生制造过程中，有一些装备或设备对产生过程起着关键性的作用，一旦这种装备异常或损坏给生产线带来的损失往往也非常巨大。设备数字孪生通过建立设备的数字孪生模型，实时监控设备运行状态信息，利用设备运行的历史数据，实时数据，操作数据等，再结合大数据分析与挖掘技术，就可以进行设备运行优化，可预测性的维护与保养，减少关键生产设备非计划性的停机风险，延长关键装备的使用寿命。

9.设备运行优化 通过采集生产线上的各种生产设备的实时运行数据，实现全部生产过程的可视化监控，并且通过经验或者机器学习建立关键设备参数、检验指标的监控策略，并能对异常情况进行及时的跟进处理，实现稳定并不断优化的生产过程。

10.可预测试维护 通过对设备的运行数据进行连续收集和智能分析，数字化开辟了全新的维护方式，通过这种洞察力，可以预测维护机器与工厂部件的最佳时间，在设备的运行状态数据异常或偏离阈值的情况下迅速做出响应，减少生产设备的中断时间，提升产线的产能。

11.设计工艺与制造迭代优化 基于设备的数字孪生，实时监控设备的运行状态数据，有了这些数据结合数据分析和算法模型，就可以更好的了解设备实际的性能和质量情况，为设备的设计和工艺制造提供真实的反馈，从而形成产品生命周期的迭代闭环。

五.数字孪生方面的探索 近几年，在国家“智能制造”战略大力推进背景下，作为智能制造整体解决方案服务商，也在加大核心技术自研，积极布局数字化关键技术：物联网技术，大数据与人工智能技术 ，数字孪生技术等。在数字孪生方向，结合制造业的相关业务场景，也逐步有一些数字孪生项目在实际的制造产线中应用落地，为制造业智能化转型助力。 在制造领域，基于自研数字孪平台架构，能为行业客户提供工厂（园区）数字孪生、产线（过程）数字孪生、设备（运维）数字孪生三种类型的解决方案。

1.工厂（园区）数字孪生解决方案 该解决方案主要面向工厂/园区整体做精细数字化管理的场景。利用孪生平台的建模能力，对工厂(园区)、车间、产线以及关键设备逐级建模，并进行结构化的3D可视化呈现，并通过实时数据协议，将HG-IIoT平台采集到的制造现场关键生产要素数据，如人员数据、机器数据、物料数据、规则数据、环境数据，实时传输到工厂虚拟孪生体中，从而建立物理体与虚拟孪生体之间的实时互动和精准映射。工厂管理层，可以通过通过工厂、车间、产线、设备等不同层级下钻实时掌握整个工厂的运行状态、产能达成进度、人员状态，物料情况、机器设备的运转情况等，从而为下一步的计划和排产提供输入。

2.产线（过程）数字孪生解决方案 该解决方案主要是面向生产制造过程，尤其是企业核心制造产线进行数字化的智慧管控。通过部署在制造现场的边缘端SCADA系统，将产线上各种生产设备运行的实时数据采集上报，从而形成对整个产线的全过程实时监控。此外，通过结合生产现场专家的经验，以及机器学习算法模型建立关键设备参数、检验指标的监控策略，并能对异常情况进行及时的跟进处理，实现稳定并不断优化的生产过程。

3.设备（运维）数字孪生解决方案 该解决方案主要是面向重型装备的预测性维护管理。通过为重型装备建立数字化三维模型，并利用传感器将设备的运行状态数据进行实时上报和存储，再基于机器学习算法模型对设备的历史数据和实时数据进行分析与挖掘，从而可以推测出设备与部件的最佳维护保养时间点，在设备参数出现异常或偏离正常的阈值时，能及时告警和处理，减少意外机器时间，提升设备的利用率，延长机器的使用寿命。 以上是在数字孪生方面的一些初步探索和应用，相信随着我们对数字孪生及相关新技术的进一步研究和实践，未来一定会有更多的数字孪生解决方案呈现出来，为制造业企业解决数智化转型痛点，为国家智能制造战略深入落地添砖加瓦。