新闻资讯

3DCAT实时渲染云平台

让任意设备随时随地访问您的3D应用

工业环境中的数字孪生和数字孪生技术
数字孪生已准备好改变制造流程,并提供新的方法来降低成本、监控资产、优化维护、减少停机时间并实现互联产品的创建。数字双模式,虽然不是新的,正在进入制造业和其他行业如建筑业快速。物联网是驱动因素之一。工业、非学术背景下的数字孪生。 当您开始将IoT 端点、设备和物理资产连接到数据传感和收集系统时,这些系统会转化为洞察力并最终转化为优化/自动化的流程和业务成果,就像我们对工业物联网 (以及其他事物)所做的那样,至少可以说,出现了一些新的可能性。 即使我们真的只看到了可能性的冰山一角,有时也需要一点想象力来理解这些机会。 数字孪生就是一个完美的例子,也是工业 4.0愿景和工业互联网的关键。数字孪生绝对准备兑现他们在制造及其他领域的许多承诺。一个明显的标志是工业物联网平台中对数字孪生用例的日益支持。 数字孪生是推动业务成果的活模型 我们都已经习惯了数字化的概念和实践:书籍变成电子书,纸质信息变成电子格式和数字处理,音乐以比特和字节为单位,不胜枚举。我们也开始了解相反的情况,例如 3D 打印。数字双胞胎再次与众不同。它们是物理资产的数字(软件)副本。这就是真正简单的定义。让我们更深入地了解一下。 数字孪生:两倍的乐趣,两倍以上的可能性 首先,让我们回到数字化纸质信息的示例,也称为文档捕获和扫描。 一旦完整文档或更重要的是我们需要从纸质文档中获得的信息被扫描和存档或用于驱动任何业务流程,我们可以对原始文档做两件事:删除它或保留它,例如用于备份和监管原因。 如果我们把它扔掉,无纸化的梦想就没有了,我们所拥有的只是数字信息。没有副本。对于数字孪生,顾名思义,我们有两个版本的“事物”:物理版本和数字孪生版本。在这种情况下,我们不是指要数字化的纸质文件或一批纸,而是指我们从物联网中了解的物理资产,今天主要是网络物理系统工业互联网和工业4.0,包括智能工厂。 数字孪生是物理事物或系统的动态软件模型 就像我们在物联网示例中提到的劳斯莱斯一样,您有一个带有传感器和大量精密零件和技术的飞机发动机。 如果你可以做一个完全的虚拟副本(不要与混淆增强现实但这是未来,你会阅读下面)在云由工程师设计的CAD(计算机辅助设计)和三维CAD模型和“功能”作为真正的引擎会做但然后在虚拟形式(模拟)? 如果虚拟副本真的是一个数字双胞胎,因此就像真实的东西一样,那将有助于我们检测可能的问题,测试新设置,模拟各种场景,分析需要分析的任何东西,事实上,几乎可以做任何事情我们希望在一个虚拟或数字环境中,知道我们用那个数字孪生做的事情也会在用“真实”的物理资产做的时候发生。这也是我们以全新的方式谈论创新和产品设计的地方。 物联网为渴望获得真实数据的数字双胞胎提供支持 好的,但我们如何确定情况会如此呢?这就是传感器和物联网或更好的数据的用武之地。我们示例中的引擎或任何其他物理资产帮助我们制作数字双胞胎,因为它提供了使数字双胞胎成为真正双胞胎所需的数据。

2021-09-09

关于不同行业中数字孪生技术的五个示例
数字孪生 (DT) 是物理对象的数字副本。使用这项技术,企业可以更好地了解产品性能、提高产品质量、改善客户服务、降低运营成本等. 数字孪生技术解释。根据业务目标的不同,数字孪生的使用场景可能存在三种不同复杂程度的场景。 基础层:资产监控。为了创建数字孪生,数据工程师收集真实世界对象的相关数据(实时和历史传感器数据、维护数据等)。随后,他们将该信息提供给数字孪生软件,该软件在云中创建对象的虚拟模型。此类模型允许监控实物资产并收集有关它们的数据以备将来使用。在这个层面上,数字孪生只不过是具有直观界面的数据历史记录器,无论是在功能还是成本方面。 中级:假设模拟。可以使用假设模型来扩充基本数字孪生。这使公司能够试验资产或流程的运营设置,以找到最佳运营配置。 高级:支持人工智能的系统。数字孪生还可以配备算法,这些算法根据传感器收集的数据进行训练。此类系统可以快速检测异常行为并建议或启动纠正措施。 零售业的数字孪生 在零售行业, 数字孪生可能会在供应链和商店中派上用场。为了创建供应链模拟,零售商使用实时传感器和设备数据,以及 ERP 和其他业务系统数据。这些模型概述了供应链的性能,包括资产、仓库、物料流、库存位置和人员。为了创建店内数字副本,零售商使用 RFID 阅读器、运动传感器和智能货架捕获的数据。这些模型使他们能够分析客户移动和购买行为,并测试产品的最佳位置。 现实生活中的例子:超市 连锁超市根据来自支持物联网的货架和销售系统的数据创建了实体店的数字孪生。现在,商店经理可以轻松管理库存并测试不同商店布局的有效性。 好处:借助数字孪生,零售商可以: 有效管理产品供应。数字孪生可帮助零售商在几秒钟内识别瓶颈、供应短缺和需求曲线。基于这些见解,他们可以补充商品、重新调整产品的位置,并制作有针对性的广告,以减少浪费并促进销售。 避免供应链中断。零售商可以将他们的数字孪生模型与本地交通和天气等外部实时数据相结合。通过这样做,他们可以对可能破坏其供应链的任何类型的事件做出响应。 优化物流成本。据波士顿咨询集团称,数字孪生可帮助零售商将资本支出最小化 10%,将过剩库存减少 5%,并将 EBITDA(息税折旧及摊销前利润)提高 1-3%。 公用事业中的数字孪生:供水 供水企业组织使用数字孪生来确保不间断供水并为紧急情况做好更好的准备。通过数字副本,他们可以准确评估当前供水系统的行为,在故障发生之前识别故障,并模拟假设情景。 水务公司基于传感器和执行器创建水系统的虚拟表示,这些传感器和执行器捕获物理系统性能的数据。此外,他们还使用来自水行业信息系统的数据,例如 CMMS(计算机维护管理系统)、GIS(地理信息系统)和 SCADA(监督控制和数据采集)。 现实生活中的例子:城市供水 葡萄牙公用事业组织 Aguas do Porto (AdP) 负责波尔图市的供水。AdP 使用数字双胞胎来预测洪水和水质问题,改善城市服务和响应能力,并确保水基础设施的弹性。 该解决方案基于传感器和遥测数据以及 20 个其他来源的信息创建虚拟模型:客户服务管理、计费、维护、资产会计等。数字孪生使 AdP 能够实时监控供水系统。它们还用于创建用水量预测并模拟管道爆裂以及阀门和泵关闭的场景。 好处 数字孪生可帮助公用事业公司快速定位潜在泄漏并减少水损失。通过虚拟仿真,他们可以测试水系统运行的不同方法,以提高应急响应能力、提高供水可靠性并节约能源。 AdP证实了这一点:他们能够将运营收益提高 23%,并将修复管道爆裂所需的时间缩短 8%。他们还将供水中断减少了 23%,下水道坍塌的次数减少了 54%。 制造业中的数字孪生 在工业制造中,数字孪生用于模拟生产过程。根据来自连接到机器、制造工具和其他设备的传感器的数据,制造商可以创建真实世界产品、设备元素、生产过程或整个系统的虚拟表示。 因此,出于生产目的,此类模拟有助于跟踪机器操作并实时调整。借助机器学习算法,数字孪生可帮助制造公司在问题发生之前识别问题并预测未来结果。 出于维护目的,数字孪生允许监控设备健康状况并及时识别潜在异常。他们捕获有关设备操作的实时数据,并使用有关故障的历史数据以及上下文维护数据对其进行扩充。在机器学习和人工智能的帮助下,该解决方案可以预测何时需要进行维护工作。根据这些数据,公司可以采取主动措施来防止停产。 现实生活中的例子:消费品制造 联合利华 PLC 正在使用数字孪生使生产过程更加高效和灵活。该公司已经创建了其工厂的虚拟模型。在每个位置,物联网传感器将温度和电机速度等实时性能数据输入到企业云中。使用先进的分析和机器学习算法,物联网数字孪生模拟复杂的假设场景,以确定最佳操作条件。这有助于制造商更精确地使用材料并限制不符合质量标准的产品的浪费。目前,联合利华在北美、南美、欧洲和亚洲运营着八个数字孪生。 现实生活中的例子:医药制造 制药领域数字孪生技术的一个很好的例子是数字转型咨询公司 Atos 和工程公司西门子之间的合作。两家公司正在为制药行业开发数字孪生解决方案。系统创建特定生产步骤的数字表示。与安装在实际工厂上的物联网传感器连接,它提供了所有操作细节的即时视图。在人工智能和高级分析的支持下,该解决方案还为流程质量和可靠性提供了优化措施。 好处是在生产线上使用数字孪生的制造公司报告了以下影响: 提高产品质量:波音公司使用数字孪生概念将零件的首次质量提高了 40%。 更高的生产效率:德勤为其制造客户减少了 20% 的转换时间。 提高盈利能力: Challenge Advisory 概述说,他们的汽车客户能够将年利润率提高多达 54%。 医疗保健中的数字孪生 在医疗保健领域,数字孪生可用于设计医疗设备,尤其是腔静脉过滤器。它需要两个虚拟副本:具有特定解剖和生理特征的患者数字孪生和具有设备参数的医疗设备数字孪生。通过关联这两种模型,医疗保健研究人员可以看到将特定设备安装到患者体内时会发生什么。 数字孪生还通过针对不同条件和不同患者运行数百个模拟来帮助优化设备的性能。 真实示例:用于设备设计的人体心脏模型 一些国际研究合作项目,致力于开发和验证基于 MRI 图像和 ECG 数据的高度准确的个性化数字人类心脏模型。该项目涉及 FDA、领先的心血管研究人员、教育工作者、医疗设备开发商和执业心脏病专家。他们正在利用数字孪生心脏来模拟体内(活生物体)条件,可视化无法看到的解剖结构,并更快地改进心脏设备的设计。该团队希望该实验将成为未来计算机模拟(通过计算机模拟执行)试验的剧本。 好处 数字孪生使医疗保健公司能够为个体患者设计和定制复杂的医疗设备,使其与个人独特的解剖和生理系统兼容。它们通过减少手术和临床试验的需要来加速设计过程并降低成本,大大减少动物试验,并产生零副作用。

2021-09-09

工业 4.0 的数字孪生:应用、优势和注意事项
随着物联网 (IoT) 变得越来越普遍,数字孪生在过去几年中引起了极大的兴趣。数字孪生是一种虚拟模型,它反映了整个生命周期中的物理对象或过程。该技术在物理世界和数字世界之间提供了近乎实时的桥梁,使您能够远程监视和控制设备和系统。最终,它可以执行仿真模型来测试和预测不同“假设”场景下的资产和流程变化。利用数字孪生,公司可以实现实质性的好处,例如改进运营、产品和服务创新以及更快的上市时间。 创建数字孪生需要不同的元素,包括: 传感器捕获资产和流程的操作行为(振动、温度、压力等)及其运行环境(空气温度、湿度等) 通信网络提供从物理设备到数字世界的安全可靠的数据传输 一个数字平台,用作现代数据存储库,将车间传感器数据与高级业务数据(例如 MES、ERP)汇集在一起并存储起来。通过结合这些数据源,可以使用先进的人工智能/机器学习算法为数据驱动的决策得出可操作的见解。 数字双胞胎最初是在航空航天业中实现的,现在在垂直工业领域越来越受欢迎。您可以构建几乎所有大小的数字孪生体——从单个组件和资产(转子、涡轮机、管道等)到复杂的流程和环境(生产线、制造工厂、风电场等)。数字孪生模型的复杂程度和详细程度取决于 IT 基础架构的可用性和成熟度。 数字孪生在工业 4.0 中的应用 数字孪生技术提供前所未有的资产和生产可见性,以发现瓶颈、简化运营和创新产品开发。以下是工业 4.0 数字孪生的三大应用。 预测性维护:获得设备健康和性能的整体视图,公司可以立即检测其操作中的异常和偏差。可以主动计划备件的维护和补充,以最大限度地缩短服务时间并避免代价高昂的资产故障。对于 OEM 而言,使用数字孪生的预测性维护可以提供新的基于服务的收入流,同时帮助提高产品可靠性。 流程规划和优化:数字足迹摄取生产线的传感器和 ERP 数据,可以全面分析重要的 KPI,如生产率和废品数量。这有助于诊断任何低效率和吞吐量损失的根本原因,从而优化产量并减少浪费。更进一步,关于设备、流程和环境的丰富、集成的历史数据可以实现停机时间预测,以改进生产调度。 产品设计和虚拟原型: 在用产品的虚拟模型提供对使用模式、退化点、工作负载能力、产生的缺陷等的全面洞察。通过更好地了解产品的特性和故障模式,设计人员和开发人员可以正确评估产品的可用性和改进未来的组件设计。同样,OEM 可以根据特定的使用行为和产品实施环境为不同的客户群体提供定制的产品。此外,数字孪生技术还有助于开发虚拟原型,并根据经验数据为特征测试运行稳健的模拟。 部署数字孪生的关键考虑因素 在具有专有工业协议的传统自动化和控制系统中,传感器数据被封装在本地、闭环过程中,不能在外部交换。通过物联网连接改造棕地以打破这些孤岛并使整个公司都可以访问有价值的数据,这可能是一个艰巨的过程。此外,连接移动工业车辆和远程、难以访问的设备将需要不同类型的连接,以满足移动支持和范围等特殊要求。因此,在启动数字孪生项目之前,公司应考虑是否已具备足够的通信基础设施来有效收集数据。 即使手头有足够的数据,构建和分析这些数据以创造价值将是另一个需要克服的障碍。为避免过于复杂,从一开始就评估您现有的数字能力并相应地确定数字孪生模型细节的最佳水平非常重要。同样,需要一种平衡的方法来保留软件、模拟和分析资源。 启动数字孪生计划的最佳方式是确定具有最高价值创造潜力的资产和流程,然后开始试点实施。数字孪生应该是一个不断发展和扩展的正在进行中的工作——随着您的 IT 能力的扩展和成熟。通常,各种单个组件的数字孪生体稍后可以相互连接,以形成高度复杂的机器或流程的大型复合孪生体。此外,随着时间的推移递归监控和测量创造的价值将提供一个更好的想法,可以实现最有形的好处。

2021-09-09

数字孪生驱动智能制造,工业数字孪生创造价值
近年来出现了多种技术,有助于推动智能制造和工业物联网的发展。其中包括大数据、高级分析、人工智能 (AI) 和机器学习 (ML)、操作智能、高级机器人、网络物理系统、下一代材料科学和增材制造的衍生式设计。然而,尽管所有这些技术都在改变当今制造业的面貌,但 ARC 咨询集团的研究表明,工业物联网、互联智能资产,尤其是数字孪生,对公司实施智能制造的方式产生了最直接和重大的影响。 数字孪生的基本概念并不新鲜。这涉及将虚拟工程模型与物理产品或设备在允许更改和优化设计和构建产品的环境中合并。然而,由于使能技术的进步和发展,我们看到人们重新关注数字孪生的实施以及可能获得的相关好处。使用代表产品和生产系统的数字孪生模型,制造商可以减少与组装、安装和验证工厂生产系统相关的时间和成本。此外,为资产管理实施数字孪生通常可为现场维护设备提供可量化的好处。 在制造业中, 数字孪生是设计、建造和维护的物理产品的虚拟表示;通过基于物理产品、生产系统或设备的准确配置的实时过程数据和分析进行增强。这实质上是支持性能优化所需的数字孪生的操作环境。虽然虚拟模型本质上是概念性的,但实时和操作数据是真实物理事件的数字表示。CAD 模型代表数字孪生物理对应物的虚拟配合、形式和功能。但是,需要实时运营和资产数据来执行定义基于性能的数字孪生的状态和行为并允许优化和流程改进的分析应用程序。 基于现实世界的实施,制造商正在考虑新的商业模式,他们销售服务代替产品本身,然后利用数字孪生来监控和优化其可用性和性能。为客户提供产品/设备的使用以及基于数字双胞胎的预测/规定能力的完整维护和运营优化。制造商维护设备的所有权,同时提供基于数字孪生的维护服务,作为一种更易于管理和盈利的商业模式。 今天如何实施数字孪生 实施数字孪生的最初重点领域之一是资产生命周期管理 (ALM)。维护现场资产传统上是一项耗时且成本高昂的任务,但对设备和智能制造系统正常运行时间。如今,维护技术人员可以利用增强现实 (AR) 等技术访问虚拟工程模型,并将这些模型覆盖在他们使用专用 AR 护目镜或眼镜进行维护的物理设备上。这使他们能够使用最准确和最新的工程,帮助确保有效执行正确的维护和性能规范。这些基于虚拟和物理环境合并的相同维护方法可以应用于工厂生产系统、机器和工作单元。 当今先进的 虚拟仿真技术是数字双胞胎不可或缺的组成部分。综合仿真平台可以同时仿真和验证产品设计的功能,使设计人员能够随时验证他们的设计。在数字孪生的背景下,实时传感器数据可用于填充模拟应用程序,然后模拟物理产品并实现设计改进。 各种复杂的工业产品或设备的三维可视化内容都可以发布到3DCAT实时渲染云平台,用户可实时体验各种复杂产品/设备的实时效果,更新也更加快速、高效。 各种工业产品或设备都可以使用先进仿真手段进行展示,可将复杂的机械设备拆解、整合、组合、配置,让用户的体验更新直观,对产品/设备的了解更加深入。

2021-09-09

数字孪生与智能制造相关概念的关系
数字孪生,说直白一些,其实也是一种理念、模式或机制,相对于CPS似乎更加能够引起大家的共鸣,这都是可以利用和引导大家发展的。对数字孪生的看法,也应该抱着一种开放的态度,这不是谁家的自留地,也不是单靠某几家就可以搞出来的,因为这本就不是一个具体的东西,只有百花齐放才能够落地结果。 (1)数字孪生与工业互联网的关系 数字孪生是闭环CPS过程的典型体现,具有“虚实同步、以实融虚、以虚控时”特点,工业互联网/工业互联网资源状态及控制的泛在化基础设施能力是支持数字孪生得以实现的基础,同时数字孪生也是工业互联网平台贯通软硬环节的有效支撑。数字孪生所强调的物理实体的状态数据采集,尤其是实时的数据采集,就与当前工业互联网发生了密切的关系。即使在没有工业互联网之前,我们对于物理实体也总是想办法通过各种传感器来进行数据采集,只是比较繁琐,可能实时性也不够,更别说实现对物理实体指令驱动下干预运行的功能。因此对于工业互联网来说,从基础设施的角度,应该尽量的统一标准,否则的话也只是一种理念,看起来也很美好,其实很难做。当国内沉浸于智能制造和工业4.0的宏大理念的时候,其实不管是德国还是美国,都在发展工业互联网标准,比如德国为资产设备所施加的管理壳,或者提出的与实体相对应的代理AGENT,个人认为这才是应该我们认真注意的,否则又是在建空中楼阁,或者寄希望于单打独斗的建平台对抗国外的整个体系。 (2)数字孪生与建模仿真的关系 数字孪生的目标建立实现与物理实体安全相对应的数字孪生体,并在此基础上实现双向的数据采集和干预控制,强调的是闭环控制关系,但这个过程在实际中没有必要完全具备或其实也不能够一蹴而就。数字孪生的发展是随着技术进步而演进的,从而使得之前的一些想象有了变成现实的可能。比如我们在建模与仿真过程当中,我们需要对模型进行验证和校验,也许以前我们只是对所建的模型进行与实体相对应的某些特点的教研与验证,那随着技术手段的发展,我们越来越可以对模型对于实体的完全映射进行探索。我认为建模与仿真其实是对物理实体的单向预测分析,虽然能够走到这一步,也已经很不容易了,我们大量的CAE软件就是在做这些事情,但数字孪生所强调的是闭环关系,其核心在于对物理实体的实时干预执行,在工业互联网以及TSN等实时性的数据采集和控制技术的支持下,实现对物理实体的闭环控制也就有了可能。建模仿真的目的是为了评估,评估的目的是为了预测,预测的目的是为了决策,决策的目的是为了优化,优化的目的是为了实现对实体的纠偏干预,从而实现闭环的数字孪生控制,从这个角度来说,当前的建模与仿真也需要大踏步的前进,从离线走向在线,从软件为主走向软硬一体融合。 (3)数字孪生与工业软件或工业APP的关系 这两个本来不是一个维度的东西,数字孪生是从一个回路的角度所描述的闭环系统。但数字孪生闭环回路当中的决策分析环节,即体现为数字孪生体,一般都是以软件的形式作为展现载体。从这个角度来说,数字孪生体也是工业软件的一种,但就数字孪生来说,其本质上是扩展了工业软件的范围与内涵。同时,数字孪生体的本质是决策,如果只是局限于认为三维形式的产品或产线仿真推理分析才是数字孪生体,其实也是有失偏颇的。 数字孪生体其核心功能是基于知识经验沉淀的推理分析,内嵌了机理或者决策模型。比如我们经常见到的仿真分析系统,包括较为抽象的生产运营管理决策工具,都是常见的数字孪生体。由于数字孪生体直指企业工艺优化或者运行管理的决策,必须具备深厚的专业领域知识以及生产管理经验,其技术复杂度和开发的难度都是非常高的,我们一般说工业软件难以开发,更多的味道就在这个里面。 工业APP是在工业互联网语境下提出来的,通过建立工业互联网平台形成工业软件系统或模块的互操作机制。这种语境下的工业APP其实并不追求大而全,更多的是像一种插件一样,通过类似工业现场所用的各种总线那种概念的业务总线/中台和数据总线/中台的事件驱动与数据服务的方式,能够通过配置即可实现与其他工业APP的集成和互操作,从而形成支持业务运行的动态可重构系统。这种工业APP与传统的相对独立的工业软件是不一样的,是工业软件的一种新型形态。那种基于传统的工业软件,如MES、ERP等,通过云化就号称是工业APP,其实还是比较勉强的,也不是工业互联网语境下的工业APP的真实意思。所谓的工业互联网平台的核心应该是在这个方面,就是形成类似工业操作系统的一个平台,但是这方面现在看来其实还有很长的路要走的。 工业软件是产品研发过程中知识经验的软件物化,是工业APP所强调的服务化特点的源头支撑。数字孪生闭环过程中的数字孪生体是工业软件的重要体现方式,体现了对物理对象的几何、物理、行为、规则及约束的多维、不同粒度的多空间、推进演化/实时过程/外部干扰的多时间等尺度的综合 一般我们说某个企业能够在市场上长期立足更多的其实是在说都企业有自己的know-how,也就是知识,而这种知识更多的是体现在工艺人员的头脑或者经验中,比如我们经常提的大国工匠,其实更多的说的存在他们头脑中的经验知识。这些知识经验一般都是比较模糊的,想要把它提炼出来变成一个软件形式,其中最核心的就是建模,分析问题的内涵、表达问题的关联因素及其关系,描述这个问题的求解推理方式。 应该说企业在长期的发展过程当中大多并没有相关的工业软件,更多的是依靠人,有经验的人来来开展这个事情,但其实已经做得挺不错了或者有效的支撑了我们制造业的发展,解决了很多问题或者支撑了企业的工艺发展。虽然人具有最大的柔性,但这种局面也说明,可能在很大程度上面向实际问题的解决,其实并不是或需要那么精密,或者说在精确性上面来说一定要如同计算机的精密、精准的定量计算那样。其实这里面也暴露了一个最简单的道理,就是很多工业问题,可能最好的方式是只需要花20%的精力就能解决80%的问题。说这个呢,主要是想表明一下,工艺的建模,也应该本着这个目的,也未必一定要需要等到,好像所有的原理机理一定要彻底的清楚明白和表征,完全的精准的,精确的定量,才能够进行和开展,这应该是解决实际问题的一种可行的思路。这也是数字孪生发展的应有之义。 而对于企业来说,这些有知识和经验的,老工人或老师傅应该是企业的宝贵财富,记得之前有人提过进行智能制造好像就是机器换人,好吧,如果就算是做了这个事情,把人换下来之后来做啥?这是最关键的,就是要想办法把这些人的知识和经验能够物化地沉淀下来,虽然自动化做到了一部分,但自动化所物化或沉淀其实更多的还是一种简单的知识经验的沉淀。 (4)数字孪生与MBSE/数字主线的关系 基于模型的系统工程(MBSE)是实现全生命周期集成研发的核心思想,数字化孪生体将促进建模、仿真与优化技术无缝集成到产品全生命周期的各个阶段,也是面向加工、装配等DFX技术发展的重要使能基础,是推动MBSE核心思想发展的重要着力点。数字主线是从过程业务数据驱动的角度实现全生命周期集成的重要技术,从狭义角度而言,为全生命周期各阶段业务模型的处理提供数据衔接传递支持,从广义角度而言,为整个全生命周期链条提供统一的信息模型规范支持,是数字孪生体在不同尺度上的数据获取与分析方面的具体体现,是数字孪生闭环控制模型的重要支撑。 而对于数字主线来说,一般认为是面向全生命周期集成的产品模型在各阶段演化利用的沟通渠道,一般认为数字主线是依托于贯穿产品全生命周期的业务系统的,而这个业务系统是可以认为是广义上的CPS的。其实感觉这种区分是对一个CPS当中分析推理决策模型的内部细分,因为数字孪生体所代表的模型本来就是一个广义的复杂模型,总体模型内部也是可以分成多个小模型的,彼此之间具有关联(比如生产中的数字孪生体,这个模型应该是综合包括产品模型和装备模型的,这些状态融合在一起,才能够有效的分析推理决策产品的实时实际状态的),数字主线就是将这些小模型之间的关联关系进行明确和提供支持。因此从全生命周期这个广义的角度来说,数字主线是属于面向全生命周期的数字孪生体的。从另外一个角度来说,数据主线所依托的业务系统,在面向全生命周期的过程范畴,也可以视作是一个CPS闭环过程,就是所谓的系统之系统的CPS,其实从广义的角度来说,这也是一个数字孪生过程。

2021-06-29

数字孪生是软件定义制造实现的支撑
无疑问,自动化技术是智能制造发展的重要支撑技术之一。无可质疑,很多企业将自动化线建设视为智能制造的重要抓手。并且涌现出了一些“黑灯生产”、“无人工厂”的示范案例。本质上,或者大多数情况下,自动线更多的体现为物流周转基础上的联动动作时序的协调,可以视之为一系列离散硬件装置在特定动作序列约束下运行的生产线。传统的自动线是通过PLC梯形程序进行控制,或者通过专门的工控软件进行控制,不仅控制正常的流程,也应该具有一定程度的异常处理控制能力。 因此,结合目前很多企业在上马自动化线或已经建成自动化线的局面下,如何进行智能化提升,也是不得不和必须面对的问题,而这个过程其实与数字孪生也是不谋而合的。本部分从两个方面论述:一是德国工业4.0关于自动化柔性线的智能管控思路;二是融合APS的自动化柔性线智能提升步骤。 1)德国工业4.0关于自动化柔性线的管控思路 在数字车间这个方面,德国工业4.0其实早就提出了这方面的理念,这种理念的核心含义就是软件定义制造,其手段主要是通过将物理实体或者物理生产线当中的每一个硬件实体,都抽离与其相对应的软件AGENT或者SERVICE,所谓的智能管控,就是对这些硬件资源的运行进行配置形成“务联网”,是服务的“务”而不是物体的“物”,“物联”只是最终的表现形式,其背后是通过“务联”实现业务的有序运转。 图1是德国工业4.0的典型资料图片,其所表达的含义是生产线中所有的硬件单元都有对应的软件形式的服务,比如传感器服务、控制服务、通讯服务、校验服务、信息服务等,整个CPS网络系统就是一个服务连接网络,具有“服务联网”的概念,这些服务有层次并且能够动态组合配置。所谓的智能管控,体现为硬件资源的离散化,通过服务化封装,实现业务资源链条的重构与控制,并可以进一步的支持“软件定义制造”理念的落地。其中如图1所示的生产线中的各种传感器、泵、阀、控制器、通讯装置等都有与其相对应的服务,而这种服务其实就是直接面对硬件资源的数字孪生,在此基础上构建的服务层级或者服务网络或者服务链条(ERP或MES的新型式),其实都是对数字孪生的进一步深入应用,其目的是支持实现自动化+柔性的智能制造新局面。 (2)融合APS的自动化柔性线智能提升步骤 德国工业4.0所宣传自动化柔性线智能管控的核心是实现资源的柔性配置,而这种配置的手段就是面向智能制造的APS的重要发展方向。融合APS的自动化柔性线智能提升步骤如下所述。 提升自动线构成要素装置的CPS独立控制能力:对于自动化产线线而言,一般都是连续的没有间断的按照时序执行动作。但这些动作时序的执行,也是需要依靠一些构成要素装置的,比如阀、泵等,或者是各种集成程度的独立装置等。对这些要素按照能够状态反馈、指令执行的方式,进行改造和提升,为后续的智能化柔性控制提供支持。 支持任何构成要素装置的必要性联动控制能力:这种联动控制并不是限定自动化产线中某两个装置的固定时序,其核心目的是增加柔性,目标是自动线上任何需要建立关联的构成要素装置能够实现联动控制。这方面的分析可以从产品的工艺流程角度入手,按照生产过程中各个构成要素装置时序关系进行分析。 以产品性能保证为核心的工艺知识沉淀及物化能力:产线对产品性能保证的技术提升无止境的,根据需要可以分析产品的性能指标的保证机制,比如引入机器视觉、比如引入自适应加工等,丰富自动线运行的知识基础上的智能化内涵。 多产品混线生产的关联控制与协调能力:只有当自动线能够支持多产品混线生产,自动线能够提供柔性的关联控制与协调能力,才能说这条线具有智能的味道。比如自动数控加工线,可以自动的获取状态并进行分析,可以下发指令进行硬件装置的工作参数调整;比如自动数控加工线,根据需要为不同的硬件装置传递不同的数控程序;比如不同产品的工艺流程不同,可以通过柔性的联动控制,实现生产路径的快速转换,以及不同品种产品在自动线上的混流交叉生产。 基于APS的软硬一体化控制的柔性控制:如果自动线只是生产一种产品,则所有的硬件要素装置锁定了某种动作指令序列而已。但如果自动线是多品种混线的,则动作指令序列将具有复杂的组合联调配置要求。如果这种组合判断比较简单,可以通过PLC或工控软件来实现。但如果这种组合判断比较复杂,尤其是加入了智能化体现的分析、推理、决策等内容,单纯的状态0-1式或阈值式判断将无法满足需求,需要引入复杂软件系统的形式进行控制,才能满足需求。并且,这种复杂软件控制系统,面对多产品混流生产的复杂的生产过程,将是目前传统的APS向软硬一体化紧密关联协调控制的重要转变和发展方向。

2021-06-29

数字孪生概念内涵的4点判断
数字孪生是近几年得到重视的一个概念,尤其是与之前智能制造、CPS等相比,人们感觉 数字孪生是更加落地或可以作为抓手的一个概念。虽然从字面来说,“数字”、“孪生”是偏向于与物理实体相对应的“虚体”的含义,但既然涉及到“孪生”一定是有其物理实体对照物的,并且一定是与物理实体对照物具有关系的一种综合概念。 (1)数字孪生是强调实时性的CPS 赛博物理系统(CPS)作为智能制造的核心模式,体现了动态感知、实时分析、自主决策、精准执行的闭环过程,支持了装备/系统的自适应、自组织的智能化发展理念。数字孪生是CPS的具体体现,重点是突出虚实融合下的数据处理、仿真分析、虚拟验证及运行决策等。 其中的核心在于,对于业务对象而言,所谓的分析推理其实也是基于模型的,而这个模型是基于状态感知和实时采集基础所建立的,这个模型能够支持分析推理,虽然这种分析推理可能只是某个方面的,但也是对对象的某种 数字孪生或者某种程度上的数字孪生。因此从这个角度而言,数字孪生其实是CPS的某个子集。数字孪生因为特意强调了“孪生”,不可避免的具有一定的实时性特点,而传统的CPS从理念角度是涵盖了实时和非实时两种情况的。 (2)可视化不等于数字孪生 数字孪生与可视化展示是“皮”与“毛”的关系。数组孪生一定是在某个方面反映物理实体的,这是毋庸置疑的。但这某个方面只是物理实体的某些特性,而未必是全部的特性,有些方面可能并不需要建立可视化展示。 比如我们通过APS来对车间的运行状态进行表达,并在此基础上给出进一步持续的资源优化配置方案,这个背后当然是有模型的,但这个模型未必是可以展示的。 比如对于复杂电子产品的研制,一般分为电讯总体和结构总体。对于复杂电子产品来说,电讯总体显然是更重要的,实际当中也是这个样子的。但是电讯总体更多的表达的是这个复杂电子产品内部的信号输入输出之间的关联关系,更多的是一种逻辑上的表达。笔者见过的一些单位就是通过MATLAB或者说利用商业化仿真软件的一些模型来进行表达。而结构总体才是真正的可见物理实体表达,是这个复杂电子产品各个组成部分可见的物理实体之间的关联关系。从最终的结局来说,我们这两个方面应该是都需要的,实际操作过程当中,这两个方面的一体化集成也是我们追求的目标。但现有复杂性和技术条件制约,分成两个部分来分别开展这方面的工作,是更为实用的一种做法。 数字孪生更多的强调内在关系而不是外部展示,同时,数字孪生在技术限制下,也可能只是对物理实体进行某个侧面的分析。 (3)三维模型不是数字孪生的必备 一般而言目前很多说数字孪生的都是基于三维的产品或产线模型,其实本不必如此的。只要这个模型能够有效地表达并支持进行产品或产线某方面分析的特性,我们就可以认为这就是一种数字孪生。 比如,建立数学模型,并通过MATLAB进行数字化程序表达,这个能够求解的程序,我认为就是一种数字孪生;比如对于APS,属于基于车间当前状态的某种决策模型,虽然可以通过形式化的数学方式进行表达,但其更多的还是由某种软件系统表达的,通过这个程序系统或内在的分析模型,可以进行产线的产能评估、瓶颈分析、外协/分批决策等,我认为这也是一种数字孪生。但这些模型与传统所说的图形三维是没有关系的。是否支持决策是数字孪生的根本,其他的都是外在。其实从这个角度进一步思考,比如MES我就认为是一种大号的CPS,并非CPS一定是面向设备或单元的,这应该就是所谓的系统级CPS的本质含义了吧。 (4)数字孪生不是凭空来的 虽然数字孪生的概念很热,但数字孪生并不是凭空来的天赐之物。就如同工业界的很多好的理念,比如单元化、精益生产等,都是根据实际总结出来的一样。关于数字孪生乃至CPS,其实在概念没出来之前已经有很多实践了。 人类有三种实践,物理实验只是其中一种,另外两个的理论推导和计算机模拟,其实都是现实实物的抽象,从这个角度而言,其实都算孪生,只是不都是数字化而已。但一般而言,计算机模拟在内涵上很大程度上也是由理论分析模型支持才能实现的。

2021-06-29

数字孪生体现了管理经验的知识沉淀,能够有效的提升智能管控水平
造执行过程管控需要根据不同的企业类型及其生产特点,需要贯彻和综合不同的先进管理思想。但是一般来说这些管理思想,比如精益思想,很多企业甚至很多专家,还认为这只是一种指导性的方法论而已,从中理出来一些原则或者说是方法手段,对生产过程当中的某一点、某个业务进行实施应用。 这样理解是带有一定的片面性的,实际上来说也有感觉,这些先进管理思想,在实际当中的运用,更多的是一种割裂性的碎片化的实践。如果做了或实施应用了一个制造执行系统,这个制造执行系统如果不体现先进的管理思想,那相当于这个制造执行系统,那么这就是一个没有灵魂的系统。一般来说能解决问题简直就是个奇迹啊。 因此应该将各种先进的管理思想,把它细化落实或者凝炼成管理经验与知识,并且系统化而不是孤立的体现在生产管理当中,尤其是智能管控方面。这些经验和知识的沉淀或者说物化或者更明确的进行软件化,其实也是相当于建立了内部有机关联的决策模型。而这种决策模型,本质上来说,其实是制造执行过程的数字孪生,或者某个侧面指标或目标的数字孪生。 比如可以建立面向产线或者车间的排产调度模型,在这个里面体现TOC等思想,当然体现的不仅仅是TOC,还有很多其他的先进的排产调度思想。见到一个约束就进行处理,其实还是挺被动的,也不利于系统的发展。所以自己一直在揣摩,如果能够将一些先进的管理经验知识和管理思想,融合到APS当中,也许可以达到一种事半功倍的效果,应该是APS将来的一个重要的发展趋势。 比如在制造执行过程当中我们可以建立前后工序之间的精度链条模型,根据前道序的加工精度实现,等下一道工序基准的调整,这种分析,就是 数字孪生的一种体现,整个生产过程具有自组织的味道。这既是管理的思想,也是工艺的思想,相当于是一种融合。

2021-06-29

数字孪生体现了工艺知识的沉淀,能够有效的提升核心工艺能力
工艺是与产品质量和生产效率直接相关的专门知识,任何一个企业即使是在手工管理模式下,也应该是非常重视工艺的,所以开展智能制造、工业互联网等方面的技术研究和探索应用的时候,工艺都是重要的目标服务对象。 其实很久以前,工业过程建模与仿真,这是大家耳熟能详的一个技术方向,也是一个范围很广的技术方向。数字孪生与之前的工业过程建模与仿真还是不一样的。传统的工艺过程建模与仿真,可能更多是脱离于实体的一种孤立的运行,而数字孪生是一种与实体双向连接的运行?如果简单来理解,可以理解成一个是在线,一个是离线。 数字孪生更偏重于动态的在线。 但不管怎么样,数字孪生或者说为了实现数字孪生的第一步就是建模。需要进行建模,当前工业互联网技术的发展,从实体上面来获取各种各样的实时状态提供了手段,也为建模及其应用提供了扩展空间。但这些工业互联网等都不是最主要的,只是外围支撑的手段而已,最主要的还是怎么使得这个模型能够表达的真实。在仿真领域,很久以前有一句话是这么说的,做虚拟仿真切忌“虚而不拟,仿而不真”,其实就是说的这个模型是否准确?是否能够反映实际?其实美国长期以来,从上个世纪五六十年代开始,就一直在国防先进制造等计划中持续的支持和发展建模与仿真。可能刚开始有些人觉得这方面比较虚,但是这个方面其实是对工艺机理进行深入探究的代名词。不论是解决实际问题,还是推动技术发展,甚至相关工业CAE软件的发展,都是极其需要和重要的。 工艺的类型是多种多样的,相关的 数字孪生模型,也是多种多样的,所涉及到和所综合的学科知识也是不一样的,这才是真正的专业知识的沉淀凝练。我们说的智能制造在很大程度上是体现为数字孪生的综合运用的。 比如对切削加工来说,可以基于工艺推理模型,对工件的加工质量进行实时的评判,并能够根据决策分析结果,对相关的工艺参数进行及时有效的调整,这样就具有一种自适应的味道。 比如,针对某企业薄壁件加工变形控制方面的研究中,就综合运用了内部应力场重构控制、切削工艺建模与仿真分析、弱刚度变形补偿等措施,虽然是针对具体的零件来开展的,虽然里面也具有很多的经验的成分,当然也是融合了一些数字化定量的技术研究,后续应该将这个过程进行沉淀,沉淀成一个分析推理的模板,后续只要按照这个步骤来做,任何薄壁零件的加工变形控制问题都可以得到解决或者一定程度的解决,这也是数字孪生的一种体现。 对每一次走刀之后的加工型面进行测量并进行曲面重构,同时与理想的型面进行比较分析,找出偏差进行补偿,调整刀位轨迹并生成数控程序,可以有效的提高加工精度。这个过程里面所开发的分析软件,其实也是一种数字孪生。 工艺数字孪生是夯实和提升我们制造实力的根本,从做大转向做强的必然途径。

2021-06-29

数字孪生的核心是基于工艺和管理知识的决策
对于数字孪生而言,在物理实体和数字虚体之间,横亘着两个关系:一个是自下而上的状态感知和数据采集,一个是自上而下的实时控制,但这些仍然只是看得见的关联关系,更为核心的是所建立的数字虚体或者 数字孪生体应该具有与物理实体相对应的孪生效果,当然这种孪生效果不能仅仅是形似,而是为了神似,而神似的目的就是要能够支持基于所采集的数据状态信息进行分类、分析、推理、决策和预测。 数字孪生的核心是决策,而执行这个的是数字孪生闭环关系中的数字孪生体,其核心重点是建模分析和推理。如果只是强调三维可视化展示,其实是有点舍本逐末,不仅不符合数字孪生所追求的分析推理,更是与数字孪生体要对物理实体进行干预的要求相去甚远。也许在很多情况下面,真正起决定作用或者说发挥更重要作用的,对于显示的要求并不是那么高。从以决策为核心出发,基于实际执行状态的APS,其实也可以认为是一种数字孪生,其中涉及大量的模型和算法,并且是对生产进行预测分析与优化,但可能连显示都没有。其实我们以前做各种各样的CAE分析,也是强调试验验证和模型校验的,只是这个反复迭代的过程比较冗长,与当前所提的数字孪生所强调的实时性不同。但其实这方面的努力,我认为也都是抓住了数字孪生最核心的决策要求,也为当前数字孪生体的发展提供了基础支持,从某种角度来说,这种工作更加有意义。 数字孪生的核心是决策,包括分析、推理、预测等,至于结果的展示并不一定是可视化。但现在见到的一些宣称数字孪生的,包括产品的或者产线的,基本都比较强调可视化的运用,可视化是可以有的,但从内核功能来说并不是必须的。数字孪生强调的是虚实同步映射,目前能做的大多体现为实向虚的映射,比如通过虚拟的产线模型反映实际产线的实际运行状态,但这个其实只是展示而已。数字孪生最重要的是分析推理及其之后对物理实体的干预,说的是内在相似而不是简单的外表。从这个角度来说,目前实向虚的技术和案例已经较多,但虚向实的优化干预仍需进一步努力。

2021-06-29

商务咨询:4008037298