數字孿生——
制造業智能化轉型的關鍵驅動力
隨著信息技術的發展，制造技術的進步，人們的物質生活日益豐富，同時對產品的智能化、個性化需求也越來越多。如何提高生產效率，縮短產品上市時間，采取更靈活、柔性的生產模式，提高資源和能源利用率，快速響應市場智能化、個性化、多變的需求是當今全球工業面臨的主要問題。為了解決這些問題，全球主要工業強國，紛紛提出各自的智能制造戰略愿景規劃，像德國提出“工業4.0”，美國提出“制造業復興計劃”，我國提出“中國制造2025”戰略。數字孿生技術作為構建元宇宙的核心技術之一，與工業物聯網、5G通信、大數據，云計算、人工智能、3D可視化等一系列技術，可以構建出現實世界物體的虛擬鏡像，在幾何形狀、物理模型、行為狀態等方面進行模擬、仿真、預測和輔助決策，從而能有效解決上述問題，實現智能制造的愿景。
1.數字孿生的起源
“孿生”的概念最早起源于美國國家航空航天局的“阿波羅計劃”。數字孿生(“Digital Twin”)這一概念最早由美國的Michael Grieves博士于2002年在密西根大學和NASA的研討會上提出。在他看來，隨著系統的復雜性日益增加，現代產品系統、生產系統、企業系統本質上是都屬于復雜系統。為了優化、預測復雜系統的性能，我們需要一個可觀測的數字化模型，一個產品的多物理場、綜合性的數字化表示，以便于在產品的整個生命周期中維護和重復使用在設計、制造、運營過程中的數字信息，通過分析和挖掘產品或設備的狀態數據，傳感器數據，操作歷史數據，從而實現狀態診斷、行為預測，智能調度。此外，通過積累數據庫實例，工業大數據分析師可以評估特定系列設備及其部件、并反饋給產品設計師和工藝設計師、用于產品和工藝的持續改進，最終形成閉環的數字孿生。直到2010年，“Digital Twin”一詞在NASA的技術報告中被正式提出；2012年，美國國家航空航天局與美國空軍聯合發表了關于數字孿生的論文，重點應用于未來飛行器發展。2015 - 2020年為數字孿生應用萌芽期，各大工業軟件巨頭紛紛布局數字孿生業務。近2年數字孿生進入了快速發展期，數字孿生與AI、AR/VR等新興技術融合，廣泛應用在各個行業。
2.數字孿生的典型特征
數字孿生的本質是信息建模，旨在為現實世界中的實體對象在數字虛擬世界中構建數字模型，但數字孿生涉及的信息建模已不再是基于傳統的底層信息傳輸格式的建模,而是對實體對象外部形態、內部機理和運行關系等方面的整體抽象描述。其難度和應用效果相較于傳統建模呈指數級增長，主要表現為數字孿生可以有多個變身，即根據不同用途和場景構建形態各異的數字模型。
1.互操作性
數字孿生中的物理對象和數字空間能夠雙向映射、動態交互和實時連接，因此數字孿生具備以多樣的數字模型映射物理實體的能力，具有能夠在不同數字模型之間轉換、合并和建立“表達”的等同。
2.可拓展性
數字孿生技術具備集成、添加和替換數字模型的能力，能夠針對多尺度、多物理、多層級的模型內容進行擴展。
3.實時性
數字孿生技術要求數字化，即以一種計算機可識別和處理的方式管理數據以對隨時間軸變化的物理實體進行表征。表征的對象包括外觀、狀態、屬性、內在機理，形成物理實體實時狀態的數字虛體映射。
4.高保真性
數字孿生的保真性指描述數字虛體模型和物理實體的接近性。要求虛體和實體不僅要保持幾何結構的高度仿真，在狀態、相態和時態上也要仿真。值得一提的是在不同的數字孿生場景下，同一數字虛體的仿真程度可能不同。例如工況場景中可能只要求描述虛體的物理性質，并不需要關注化學結構細節 。
5.閉環性
數字孿生中的數字虛體，用于描述物理實體的可視化模型和內在機理，以便于對物理實體的狀態數據進行監視、分析推理、優化工藝參數和運行參數，實現決策功能，即賦予數字虛體和物理實體一個大腦，因此數字孿生具有閉環性 。
3.數字孿生分層架構
數字孿生技術架構可以劃分為四層：物理層、數據層、模型層、功能層。
物理層：就是數字孿生系統描述刻畫的現實世界中的物理對象。不同類型的數字孿生應用，物理實體是不一樣的，像智能工廠數字孿生，所描述刻畫的物理對象，就是工廠、車間，產線，工位，及工廠中的人、機、料、法、環等生產要素。不同的行業，其描述刻畫的物理對象也會有所差異。
數據層：數字孿生是基于數據驅動的，要實現物理實體與虛擬孿生體之間的實時映射和互動，就必須實現兩者之間的數據互通，而數據層就是物理實體與虛擬孿生體之間連接的橋梁，主要負責實現數據的采集，數據的傳輸，以及數據的處理等。
模型層：模型層是數字孿生的核心，它包括幾何模型、規則模型、機理模型、算法模型等。幾何模型是從外形上對物理實體進行刻畫。規則模型是對物理對象業務邏輯的一種抽象或描述，確保虛擬孿生體與物理體有著同樣的運作流程和業務邏輯。機理模型是物理設備的運行機理或物理規律的抽象描述，通過這種明確的機理模型，可以通過虛擬體預測出物理對象的行為或狀態，從而提前進行干預處理。算法模型主要是從海量數據的分析和挖掘中，找到潛在或無法通過公式或定理確定的知識或洞察，為管理決策提供依據。 功能層：在數據層和模型層之上，數字孿生以軟件為載體，就具備了對物理對象的描述、診斷、預測和決策的能力。 應用層：有數字孿生下面的四層技術架構作支撐，就可以開發出面向不同行業和場景的數字孿生應用。數字孿生的應用場景比較豐富，在智能制造、智慧交通、智慧城市、智慧建筑、智慧醫療等行業有很多實際的應用。
4.數字孿生在制造行業的應用
數字孿生在制造行業的應用主要分為三大類：產品數字孿生、生產數字孿生、設備數字孿生，貫穿了整個產品生命周期管理(PLM)價值鏈。
1.產品數字孿生
? ? ? ?在產品設計階段，通用數字孿生進行產品的三維數字模型設計，精確的記錄產品的各種物理參數，以可視化的方式展示出來，并通過模擬和仿真來驗證產品在不同外部環境下的性能和表現，在設計階段就要能驗證產品的適應性。相比于需要先生產出一個批物理樣機，才能驗證產品的適應性和性能的傳統生產制造方式而言，產品周期大大縮短，同時設計驗證成本也大大降低。
2.生產數字孿生
? ? ? ?在產品的制造階段，生產數字孿生的主要目的是確保產品可以被高效、高質量和低成本地生產，它所要設計、仿真和驗證的對象主要是生產系統，包括制造工藝、制造設備、制造車間、管理控制系統等。通過數字孿生可以加快產品的導入時間，提高產品的設計質量，降低生成成本和提高產品的交付速度。通過數字化手段建立起來的虛擬產線，將產品本身的數字孿生同生產設備、生產過程等其他形態的數字孿生高度集成起來，提高協同效率。
3.工藝過程定義
? ? ? ?將產品信息、工藝過程信息、工廠產線信息和制造資源信息通過結構化模式組織管理，達到產品制造過程的精細化管理，同時為制造系統的排產提供準確輸入。
4.虛擬制造
? ? ? ?基于一個虛擬的制造環境來驗證和評估我們的裝配制造過程和裝配制造方法，通過產品的3D模型和生產車間現場模型，具備機械加工車間的數控加工仿真、裝配工位級人機仿真、機器人仿真等能力，從而可以進行提前進行虛擬評估。
5.虛擬產線調試
? ? ? 數字化工廠柔性自動化生產線建設周期長，投資大，自動化控制邏輯復雜，現場調試工作量大。通過在虛擬環境中，提前進行產線的仿真調試，從而可以及時發現生產線的規劃、干涉、PLC的邏輯控制問題，同時也可能以在綜合加工設備、物流設備、智能工裝、控制系統等各種因素中全面評估生產線的可行性。在實際的產線建設中，通過這種虛擬產線調試技術，可以及時發現產線設計問題，極大的降低整改成本。
6.生產過程仿真
? ? ? ?實現平面大屏和組態設計功能，可以在大屏設計器上進行拖拽設計，并且將設備數據，或者數據庫數據直接關聯到大屏設計的組件上進行展示；可以在網頁上對工業場景畫面進行組態建模，形成展示。
7.生產過程監控管理
? ? ? 通過采集生產線上的各種生產設備的實時運行數據，實現全部生產過程的可視化監控，并且通過經驗或者機器學習建立關鍵設備參數、檢驗指標的監控策略，并能對異常情況進行及時的跟進處理，實現穩定并不斷優化的生產過程。
8.設備數字孿生
? ? ? ?在產生制造過程中，有一些裝備或設備對產生過程起著關鍵性的作用，一旦這種裝備異?；驌p壞給生產線帶來的損失往往也非常巨大。設備數字孿生通過建立設備的數字孿生模型，實時監控設備運行狀態信息，利用設備運行的歷史數據，實時數據，操作數據等，再結合大數據分析與挖掘技術，就可以進行設備運行優化，可預測性的維護與保養，減少關鍵生產設備非計劃性的停機風險，延長關鍵裝備的使用壽命。
9.設備運行優化
? ? ? 通過采集生產線上的各種生產設備的實時運行數據，實現全部生產過程的可視化監控，并且通過經驗或者機器學習建立關鍵設備參數、檢驗指標的監控策略，并能對異常情況進行及時的跟進處理，實現穩定并不斷優化的生產過程。
10.可預測試維護
? ? ? ?通過對設備的運行數據進行連續收集和智能分析，數字化開辟了全新的維護方式，通過這種洞察力，可以預測維護機器與工廠部件的最佳時間，在設備的運行狀態數據異?；蚱x閾值的情況下迅速做出響應，減少生產設備的中斷時間，提升產線的產能。
11.設計工藝與制造迭代優化
? ? ? ?基于設備的數字孿生，實時監控設備的運行狀態數據，有了這些數據結合數據分析和算法模型，就可以更好的了解設備實際的性能和質量情況，為設備的設計和工藝制造提供真實的反饋，從而形成產品生命周期的迭代閉環。
5.華工賽百數字孿生方面的探索
? ? ? ?近幾年，在國家“智能制造”戰略大力推進背景下，華工賽百作為智能制造整體解決方案服務商，也在加大核心技術自研，積極布局數字化關鍵技術：物聯網技術，大數據與人工智能技術 ，數字孿生技術等。在數字孿生方向，結合制造業的相關業務場景，也逐步有一些數字孿生項目在實際的制造產線中應用落地，為制造業智能化轉型助力。
? ? ? ?在制造領域，華工賽百基于自研數字孿平臺架構，能為行業客戶提供工廠（園區）數字孿生、產線（過程）數字孿生、設備（運維）數字孿生三種類型的解決方案。
自研數字孿生平臺架構圖 1.工廠（園區）數字孿生解決方案 該解決方案主要面向工廠/園區整體做精細數字化管理的場景。利用孿生平臺的建模能力，對工廠(園區)、車間、產線以及關鍵設備逐級建模，并進行結構化的3D可視化呈現，并通過實時數據協議，將HG-IIoT平臺采集到的制造現場關鍵生產要素數據，如人員數據、機器數據、物料數據、規則數據、環境數據，實時傳輸到工廠虛擬孿生體中，從而建立物理體與虛擬孿生體之間的實時互動和精準映射。工廠管理層，可以通過通過工廠、車間、產線、設備等不同層級下鉆實時掌握整個工廠的運行狀態、產能達成進度、人員狀態，物料情況、機器設備的運轉情況等，從而為下一步的計劃和排產提供輸入。
2.產線（過程）數字孿生解決方案 ? ? ? ?該解決方案主要是面向生產制造過程，尤其是企業核心制造產線進行數字化的智慧管控。通過部署在制造現場的邊緣端SCADA系統，將產線上各種生產設備運行的實時數據采集上報，從而形成對整個產線的全過程實時監控。此外，通過結合生產現場專家的經驗，以及機器學習算法模型建立關鍵設備參數、檢驗指標的監控策略，并能對異常情況進行及時的跟進處理，實現穩定并不斷優化的生產過程。
3.設備（運維）數字孿生解決方案 ? ? ? 該解決方案主要是面向重型裝備的預測性維護管理。通過為重型裝備建立數字化三維模型，并利用傳感器將設備的運行狀態數據進行實時上報和存儲，再基于機器學習算法模型對設備的歷史數據和實時數據進行分析與挖掘，從而可以推測出設備與部件的最佳維護保養時間點，在設備參數出現異?；蚱x正常的閾值時，能及時告警和處理，減少意外機器時間，提升設備的利用率，延長機器的使用壽命。 ? ? ? ?以上是華工賽百在數字孿生方面的一些初步探索和應用，相信隨著我們對數字孿生及相關新技術的進一步研究和實踐，未來一定會有更多的數字孿生解決方案呈現出來，為制造業企業解決數智化轉型痛點，為國家智能制造戰略深入落地添磚加瓦。
