供需大厅

登录/注册

公众号

更多资讯,关注微信公众号

小秘书

更多资讯,关注荣格小秘书

邮箱

您可以联系我们 info@ringiertrade.com

电话

您可以拨打热线

+86-21 6289-5533 x 269

建议或意见

+86-20 2885 5256

顶部

荣格工业资源APP

了解工业圈,从荣格工业资源APP开始。

打开

数字孪生:从虚拟走向现实

来源:智能制造纵横 发布时间:2022-04-27 1031
工业金属加工智能制造其他运动控制传感器工业机器人液压与气动技术机械传动工业互联智能仓储物流仪器仪表智能加工设备 技术前沿
收藏
企业在实施基于模型的系统工程(MBSE)的过程中产生了大量物理的、数学的模型,这些模型为数字孪生的发展奠定了基础。

最早,数字孪生思想由密歇根大学Michael Grieves命名为“信息镜像模型”(Information Mirroring Model),而后演变为“数字孪生”的术语。2012年美国航空航天局(NASA)给出了数字孪生的概念描述:数字孪生是指充分利用物理模型、传感器、运行历史等数据,集成多学科、多尺度的仿真过程,它作为虚拟空间中对实体产品的镜像,反映了相对应物理实体产品的全生命周期过程。


微信图片_20220414145808.jpg


NASA也是在智能制造领域最先使用数字孪生概念的团体,在其阿波罗项目中,NASA使用空间飞行器的数字孪生对飞行中的空间飞行器进行仿真分析,监测和预测空间飞行器的飞行状态,辅助地面控制人员作出正确的决策。2015年之后,世界各国分别提出国家层面的制造业转型战略。这些战略的核心目标之一就是构建赛博物理信息系统(Cyber-Physical System,CPS),实现物理工厂与信息化的虚拟工厂的交互和融合,从而实现智能制造。数字孪生作为实现物理工厂与虚拟工厂交互融合的最佳途径,被国内外相关学术界和企业高度关注。


数字孪生是在MBD基础上深入发展起来的,企业在实施基于模型的系统工程(MBSE)的过程中产生了大量物理的、数学的模型,这些模型为数字孪生的发展奠定了基础。

数字孪生在制造业领域的应用场景


作为一个普遍适应的理论技术体系,数字孪生可以应用于众多场景,全球目前主要的应用领域有产品设计、产品制造、医学分析、工程建设等,其中,在中国应用最深入的是工程建设领域,关注度最高、研究最热的是智能制造领域。


数字孪生在制造业的一些典型应用:

• 产品研发
在制造过程中,产品研发不仅需要同时满足多方需求,而且在设计中可能还会涉及到形态、温湿度等多个方面的考量,尤其是对于高度复杂的产品而言,要完成产品部件的设计修改,尺寸装配,通常需要反复尝试,耗费大量人力和物力。利用数字孪生技术可以在研发阶段构建产品的数字孪生模型,并综合利用流体、电磁、热学等仿真软件。工程设计师不仅能看到产品外部变化,更能洞察内部零件动态,对产品进行设计优化、确认和验证,降低设计成本,缩短产品上市周期。


• 运行监控和智能运维
当设备生产流水线的仿真模型搭建完成后,将实时采集的装备运行过程中的传感器数据传递到其数字孪生模型进行仿真分析,可以对装备的健康状态和故障征兆进行诊断,预测维护工作的最佳时间点,提供维护周期的参考依据。不仅能够及时预测相应风险,还能做出高效迅速的反应,有效提升产品的可靠性和可用性,降低产线运维风险。


• 产线调试和工厂运行状态模拟
当制造企业在新建或改造产线以及工厂之前,可以利用数字孪生技术建立一个生产环境的虚拟样本,用数字化的方式将工业机器人、自动化设备、传感器,以及工作人员等模拟进整个制造环境中,在虚拟环境下进行设备诊断、过程模拟等仿真预测,在产线或工厂实际运行之前尽可能避免有可能出现的生产异常和现场故障等问题。


对于正在运行的工厂,可以通过数字孪生技术实现工厂日常运转的可视化,对产线运行现状、设备工作状态、订单完成情况、成品质量、现场能耗等有一个直观的了解,从而对实际生产情况及时进行调配和管理,实现真正的智能化。


2020年11月11日,在由工信部牵头发布的《数字孪生白皮书》中,将数字孪生划分为“基础支撑”、“数据互动”、“模型构建”、“仿真分析”、“共性应用”、“行业应用”六大核心模块,对应从设备、数据到行业应用的全生命周期。


由此可见,数字孪生技术的发展成熟,可以真正在全生命周期范围内,保证数字与物理世界的协调一致。各种基于数字化模型进行的仿真、分析、数据积累、挖掘,甚至人工智能的应用,都能确保它与现实物理系统的适用性,而这也是数字孪生对智能制造的意义所在。智能系统的智能首先要感知、建模,然后才是分析推理。如果没有数字孪生对现实生产体系的准确模型化描述,所谓的智能制造系统就是无源之水,无法落实。对于我国推行智能制造战略而言,数字孪生的应用无疑是其中的重中之重。

应用数字孪生面临的实际问题


对于制造企业而言,建立数字孪生模型体系的优点显而易见,但是作为一个被提出不到二十年,被广泛熟知不到十年的新兴领域,数字孪生真正被应用实施到企业还存在较大的困难。


首先,数字孪生是一项应用门槛相对较高的技术。在技术层面:数字孪生囊括了仿真、MBSE、人工智能等多项技术,企业需要达到一定的数字化水平才能建立数字孪生体系并让其真正发挥作用。在运维层面:一是数字孪生对使用者素质要求很高,需要很长时间才能培养和建立一个熟练运用的团队;二是项目执行需要现场生产和管理部门提供合作,且一般情况下现场研究和仿真建模的工作周期很长;三是很多仿真变量数据不能被有效收集;四是一个仿真场景只能用于特定情况,而在业务环境发生变化时需要重新构建模型。这些问题导致在很多情境下,仿真所需要的成本大于其收益,制约了数字孪生体系在企业的构建。


其次,数据过量,难以构建生产控制的数字孪生方法。由于工业大数据维度过大和数据产生速度过快,目前仍然鲜见基于机器学习的生产控制数字孪生框架模型的研究。传统生产控制优化方法的建模通常是单一过程,是一次性的知识输出,而数字孪生方法是物理制造工厂和虚拟数字工厂之间的连续交互过程。


在数字孪生框架中,虚拟数字工厂模型将不断地从物理生产线收集实时数据,并使用实时数据和历史数据进行模型培训、模型验证、模型更新,并最终反馈给真实工厂,以实现生产控制目的。在现实世界中,物理工厂将根据虚拟工厂模型的仿真和优化结果进行生产。随着大量工业数据被采集,考虑实体工厂已经存在的大量原始数据,而数据挖掘技术目前仍不能很好地处理大数据用于智能生产控制,当前的数字孪生应用很可能出现严重信息过载问题。


最后,数字孪生对提升传统流程精益效果存疑。无论是重建工厂还是工厂改造,规划、生产控制和流程再造始终是制造企业全生命周期中最核心的、关联知识密度最大的三个阶段。流程再造阶段精益方法的精确度和可行性问题是工厂改造的关键,但是目前市面上现存的数字孪生模型并不能比较清楚地得出改善的结果,数字孪生亟需更大的技术发展。


对于制造业而言,数字孪生的发展是一次逆向思维的壮举,它实现了现实物理世界向数字化虚拟世界的反馈。企业建立数字孪生体系是为了通过虚拟世界的映射更好地为物理世界服务,从而实现真正的数字化、智能化未来。


来源:荣格-《智能制造纵横》

原创声明:
本站所有原创内容未经允许,禁止任何网站、微信公众号等平台等机构转载、摘抄,否则荣格工业传媒保留追责权利。任何此前未经允许,已经转载本站原创文章的平台,请立即删除相关文章。

收藏
推荐新闻