数字孪生系统与产品集成

来源：智造苑

作者：张智海、杨建新等

智能制造领域的数字孪生框架主要分为6个层级，包括基础支撑层、数据互动层、模型构建层、仿真分析层、功能层和应用层，如图1所示。

1）基础支撑层

建立数字孪生是以大量相关数据作为基础的，需要给物理过程、设备配置大量的传感器，以检测获取物理过程及其环境的关键数据。传感器检测的数据大致上可分为3类：

（1）设备数据，具体可分为行为特征数据（如振动、加工精度等）、设备生产数据（如开机时长、作业时长等）和设备能耗数据（如耗电量等）；

（2）环境数据，如温度、大气压力、湿度等；

（3）流程数据，即描述流程之间的逻辑关系的数据，如生产排程、调度等。

2）数据互动层

工业现场数据一般通过分布式控制系统（DCS）、可编程逻辑控制器系统（PLC）和智能检测仪表进行采集。近年来，随着深度学习、视觉识别技术的发展，各类图像、声音采集设备也被广泛应用于数据采集中。

数字传输是实现数字孪生的一项重要技术。数字孪生模型是动态的，基于实时上传的采样数据进行建模和控制，对信息传输和处理时延有较高的要求。因此，数字孪生需要先进可靠的数据传输技术，具有更高的带宽、更低的时延、支持分布式信息汇总，并且具有更高的安全性，从而能够实现设备、生产流程和平台之间的无缝、实时的双向整合/互联。5G技术因其低延时、大带宽、泛在网、低功耗的特点，为数字孪生技术的应用提供了一种基础技术支撑，包括更好的交互体验、海量的设备通信以及高可靠低延时的实时数据交互。

3）模型构建层

建模即建立物理实体虚拟映射的3D 模型，这种模型真实地在虚拟空间再现物理实体的外观、几何、运动结构、几何关联等属性，并结合实体对象的空间运动规律而建立。数字孪生由一个或多个单元级数字孪生按层次逐级复合而成，比如，产线尺度的数字孪生是由多个设备耦合而成。因此，需要对实体对象进行多尺度的数字孪生建模，以适应实际生产流程中模型跨单元耦合的需要。

4）仿真分析层

仿真模型则是基于构建的3D模型，结合结构、热学、电磁等物理规律和机理，计算、分析和预测物理对象的未来状态。例如飞机研发阶段，可以把飞机的真实飞行参数、表面气流分布等数据通过传感器反馈输入到模型中，通过流体力学等相关模型，对这些数字进行分析，预测潜在的故障和隐患。

5）功能层

即利用数据建模得到的模型和数据分析结果实现预期的功能。这种功能是数字孪生系统最核心的功能价值的体现，能实时反映物理系统的详细情况，并实现辅助决策等功能，提升物理系统在寿命周期内的性能表现和用户体验。

6）应用层

在工业领域，构建的数字孪生系统应用可贯穿工业设备整个生命周期，解决工业设备在设计、制造、调试、运行、运维、营销阶段各类问题。可预见的，数字孪生将在以下几大领域中落地，推动产业更快、更有效的发展，如在卫星/空间通信网络、船舶、车辆、电网、物流、制造车间、智能城市、智能家居、人体健康等领域产生巨大影响与变化。

1）产品设计阶段

传统的产品设计研发主要是通过纸张以及静态的CAD设计，在技术验证时，将生产出来的产品进行多次测试以及数据采集，因此研发周期长，成本造价高。而利用数字孪生技术可打破物理条件的限制，以更低的成本、更快的速度迭代产品和技术，提高设计的准确性，并虚拟验证产品在物理环境中的性能。此阶段的数字孪生体包含以下两功能：

（1）数字模型设计。构建一个全三维标注的产品模型，包含“产品三维设计模型+产品制造信息（PMI，Product Manufacturing Information）+ 关联属性”。三维模型可通过产品爆炸图的形式体现产品与各零部件之间的关系，PMI包含对产品的几何尺寸、公差、表面质量等信息，关联属性包括零件号、坐标系统、材料、版本、日期等。

（2）模拟和仿真。通过一系列可重复、可变参数、可加速的仿真实验，验证产品在不同外部环境下的性能和表现。在设计阶段就能验证产品的适应性。

2）工艺规划阶段

在“三维设计模型+PMI+关系属性”的基础上，实现基于三维产品模型的工艺设计。具体的实现步骤包括：三维设计模型转换 、三维工艺过程建模、结构化工艺设计、基于三维模型的工装设计、三维工艺仿真验证及标准库的建立，最终形成基于数字模型的工艺规程（model based instructions，MBI），具体包括工艺BOM、三维工艺仿真动画、关联的工艺文字信息和文档。

3）生产制造阶段

传统工业制造阶段，由于生产环节复杂，与企业系统间存在的“信息壁垒”的问题，无法掌握生产状态、设备生产、排产的信息，造成了对产品的质量保证以及交期的忧虑。数字孪生可助力工业设备的智能化制造，通过构建设备生产过程的数字孪生模型，对生产、检测关键环节实现智能监管，全面掌握生产需求、生产状况等，解决质量监管问题，提高产品质量保证。

数字孪生在生产制造阶段的3个功能：

（1）生产过程仿真。在产品生产之前就可以通过虚拟生产的方式来模拟不同产品、不同参数、不同外部条件下的生产过程，实现对产能、效率及可能出现的生产瓶颈等问题的预判，加速新产品导入过程的准确性和快速化。 

（2）数字化生产线。将生产阶段各个要素：如原材料、设备、工艺配方和工序要求，通过数字化的手段集成在一个紧密协作的生产过程中，并根据既定的规则自动完成不同条件组合下的操作，实现自动化生产过程。同时记录生产过程中的各类数据，为后续的分析和优化提供可靠的依据。

（3）关键指标监控和过程能力评估。通过采集生产线上的各种生产设备的实时运行数据，实现全部生产过程中的可视化监控，并且通过经验或机器学习建立关键设备参数、检验指标的监控策略，对出现违背策略的异常情况进行及时处理和调整，实现稳定并不断得到优化的生产过程。

4）产品服务阶段

传统设备运营模式下，对产品故障的处理要经过“发现故障—致电售后—售后维修”等一系列被动流程。然而随着物联网技术的成熟，许多大型工业产品都使用了大量传感器来采集产品运行阶段的信息，通过数据分析和优化，化“被动式服务”为“主动式服务”，在设备出事前进行预测，以便预防性更换部件，避免意外停机，改善用户对产品的使用体验。数字孪生在这个阶段中可实现如下3个功能：

（1）远程监控和预防性维护。通过读取智能工业产品的传感器或控制系统的各种实时参数，构建可视化的远程监控，并根据采集的历史数据构建层次化的部件、子系统乃至整个设备的健康指标体系，利用人工智能技术实现趋势预测。

（2）优化客户生产指标。工业装备厂商可以通过采集海量数据，构建针对不同应用场景、生产过程的经验模型，帮助客户优化参数配置，改善装备参数设置的合理性，从而提高产品质量和生产效率。

（3）产品使用反馈。通过采集工业产品实时运行的数据，工业装备厂商可以洞悉客户对产品的真正需求，不仅能帮助客户缩短新产品的导入周期、避免产品错误使用导致的故障、提高产品参数配置的准确性，更能精确掌握客户需求，避免研发决策失误。

5）产品报废/回收阶段

在生命周期的最后阶段普遍面临着报废和回收的问题。此阶段将记录报废/回收数据，包括原因、产品使用寿命等，为下一代产品的设计改进和创新、同类型产品的质量分析及预测、基于物理的产品仿真模型和分析模型的优化等提供数据支持。

由此可见，产品制造完成后的服务与报废阶段，仍要实现物理产品的互联互通，实现对物理产品的全生命周期闭环数据管理。在数据中心的运维场景中，保障配电系统及其它服务器设备的可靠性是实现数据中心可用性的关键。为此，基于数字孪生的三维应急操作指导（emergency operation procedure, EOP）系统（图2），综合手机的产品全生命周期信息，将设备可能发生事件的情况、应对的方法策略、运维操作指南直观的分析显示出来，确保运维人员可以迅速启动、有序有效的组织实施各项应对措施。