“數(shù)字雙胞胎”與建模仿真技術曾被稱作智能制造業(yè)的下一波浪潮，工業(yè)4.0也要求，若要虛和實的互動以及相互增強，數(shù)字化模型必須先出現(xiàn)。

什么是數(shù)字雙胞胎

“數(shù)字化雙胞胎”（Digital Twin）是指以數(shù)字化方式拷貝一個物理對象，模擬對象在現(xiàn)實環(huán)境中的行為，對產品、制造過程乃至整個工廠進行虛擬仿真，從而提高制造企業(yè)產品研發(fā)、制造的生產效率。

所有“產品”最早是人類大腦里的一個模糊概念，在沒有數(shù)字化模型幫助的情況下，要打造出一件產品或一套生產流程，必然會經歷多次迭代設計，有時候僅僅為了驗證產品的某一個尺寸，部件之間的裝配關系，流程的某一環(huán)節(jié)，就不得不制造出很多個中間產品或重新設計流程（被稱為打樣），耗費大量時間、金錢和人力。采用數(shù)字化模型的設計技術（常指CAD技術，即數(shù)字化輔助設計），就可在虛擬的三維數(shù)字空間里從無到有地創(chuàng)造出部件和產品以及工藝流程。在虛擬的三維空間里，可以輕松的修改部件和產品的每一處尺寸和裝配關系，使得產品幾何結構的驗證工作、裝配可行性的驗證工作、流程的可實行性大為簡單，因此可以大幅度減少迭代過程中的物理樣機的制造次數(shù)，時間，成本。除此之外，專門的電路CAD設計技術可以根據電路以及器件的原理，在三維數(shù)字空間設計出電路，并且也可以進行虛擬的驗證和迭代設計。同樣也可以大幅度減少制造物理樣機的代價。這就是數(shù)字化模型一定會早于物理實體產品出現(xiàn)的原因。實際上，在最終的產品制造出來之前，有很多個數(shù)字化模型代表著產品迭代的各個階段。這些模型或者其中的一部分，仍然有可能被以后的型號或者產品線所采用，這也是數(shù)字化模型的一個附加好處。

建模仿真的“前世今生”

建模仿真最早來源于上世紀60年代至70年代的計算機語言編寫的數(shù)字算法，當時只是簡單的用于計算特定物理現(xiàn)象，解決設計問題；之后的二十年，隨著工作站和微機的普及以及計算能力的提高，仿真技術的應用逐漸遍及各個學科和不同層面；而且不會停留在設計階段，正在向產品和系統(tǒng)的全生命周期擴展，構成與實體形影不離的“數(shù)字雙胞胎”。由于仿真能夠在產品生命周期提供無縫協(xié)助和優(yōu)化，將會成為制造體系的核心功能之一，未來智能工廠是基于模型的系統(tǒng)工程或基于模型的制造，軟件定義產品、決定企業(yè)盛衰，仿真技術制造系統(tǒng)關鍵組成部分的黃金時代才剛剛開始。Gartner預測，到2021年，全球50％的大型工業(yè)公司將使用數(shù)字雙胞胎，從而使這些組織的效率提高10％，尤其是制造業(yè)和工程行業(yè)的公司，如果想要在競爭中保持領先地位，就需要考慮實施數(shù)字雙胞胎。

制造業(yè)是目前數(shù)字雙胞胎最常用的行業(yè)，按時向客戶提供保質保量的產品對制造企業(yè)至關重要，如果機器的運轉不能協(xié)同并以適當?shù)娜萘抗ぷ鳎突赜绊憜T工、生產、可交付性以及最終客戶的滿意度；采取實時監(jiān)控、不中斷生產的情況下進行測試、并且能夠在設施中收集的數(shù)百萬個數(shù)字據點獲得更多信息，數(shù)字雙胞胎使制造企業(yè)更加智能。

在德勤的一份案例研究中，一家工業(yè)制造企業(yè)決定采用數(shù)字雙胞胎方法，來解決其在現(xiàn)場遇到的問題，從而解決維護費用和客戶延遲交付。制造企業(yè)收集了設備以及正在生產的產品數(shù)據，來研究裝配過程及其與產品質量的關系。因此，該項目能夠識別低效率并優(yōu)化裝配流程，將返工率降低了15％至20％。

數(shù)字雙胞胎的國內現(xiàn)狀

最早在市場上提出“數(shù)字化雙胞胎”模型概念的是西門子，基于模型的虛擬企業(yè)和基于自動化技術的現(xiàn)實企業(yè)的“數(shù)字化雙胞胎”（Digital Twins），包括“產品數(shù)字化雙胞胎”、“生產工藝流程數(shù)字化雙胞胎”和“設備數(shù)字化雙胞胎”，三個層面又高度集成為一個統(tǒng)一的數(shù)據模型，并通過數(shù)字化助力企業(yè)整合橫向和縱向價值鏈，提供工業(yè)生態(tài)系統(tǒng)重塑和實現(xiàn)“工業(yè)4.0”自下而上的切實之路。

數(shù)字雙胞胎的引入國內僅僅幾年時間，目前處于初步探索與實踐環(huán)節(jié)，距離廣泛應用還有很長的路要走；目前數(shù)字雙胞胎技術還面臨著諸多難題，主要可分為三類：一是高仿真度，高保真度的仿真建模是構建數(shù)字雙胞胎體系的關鍵，數(shù)字雙胞胎作為物理實體在數(shù)字空間的超寫實動態(tài)模型，產品虛擬模型的高精度性、多物理場建模、高保真度響應模擬等是首要解決的技術難題。二是數(shù)據收集，由于數(shù)字孿生技術的應用以海量數(shù)據為基礎，并且是基于全要素、全生命周期的數(shù)據，而有關這些數(shù)據所涉及的先進傳感器技術、自適應感知、精確控制與執(zhí)行技術等難題急需攻關。三是實時監(jiān)測與健康預測技術也尚待完善，實時和預測是數(shù)字孿生的核心要素，一方面物理產品的數(shù)據動態(tài)實時反映在數(shù)字孿生體系中，另一方面，數(shù)字孿生基于感知的大數(shù)據進行分析決策，進而控制物理產品，而其中離不開相應的高實時性數(shù)據交互、高置信度仿真預測、超級計算能力等技術能力。此外，新的設計檢驗方法仍需進一步探索，使物理模式的實驗結果更準確、更接近真實的工況，為數(shù)字孿生體的推演提供可靠的數(shù)據支撐。

目前中國制造業(yè)正處于轉型升級的關鍵時期，通過物聯(lián)網、大數(shù)據、人工智能和實體經濟深度融合，使得中國制造競爭力得到大幅提升。未來，數(shù)字雙胞胎也可結合物聯(lián)網的數(shù)據采集、大數(shù)據處理和人工智能建模分析，實現(xiàn)對過去發(fā)生問題的診斷、當前狀態(tài)的評估以及未來趨勢的預測，并給予分析結果，模擬各種可能性，提供更全面的決策支持。

來源：OFweek工控網

企業(yè)數(shù)字化轉型實現(xiàn)智能制造的十個必學知識！

智能制造是一個非常大非常廣的概念，除了涉及制造企業(yè)本身，還與供應鏈的上下游企業(yè)息息相關，它包含自動化、信息化、智能物流、智能計算、智能決策等多個方面。

市場背景：智能制造改革牽扯的是整個制造業(yè)，毫無疑問這是一個萬億級別的大市場。所屬的細分市場各個都是大片藍海：未來10年中國機器人市場將達6000億元人民幣；預計2018年，中國民用無人機市場將達到110.9億元；預計至2020年，中國自動化物流系統(tǒng)市場規(guī)模將超過1000億元……

智能制造的實現(xiàn)是一個從手工到半自動化，再到全自動化，最終實現(xiàn)智能化、柔性化生產的過程。智能制造將制造業(yè)與信息技術和互聯(lián)網技術相結合，在生產工藝、生產管理、供應鏈體系、營銷體系等多個方面實現(xiàn)全產業(yè)鏈的互聯(lián)互通。

那么，企業(yè)該如何實現(xiàn)自己的智能制造改革呢？以下十項技術都是知識點：

1.多源多通道數(shù)據實時采集感知技術

多源傳感器數(shù)據采集是智能制造過程中實現(xiàn)智能感知的前提，通過各類傳感器（壓力傳感器、位移傳感器、視覺傳感器等）組成，實現(xiàn)對多源多通道分布式數(shù)據的實時采集、分析和轉換等。

多源傳感器數(shù)據采集系統(tǒng)包含以下幾項技術：

· 信號轉換技術

· 實時網絡通信技術

· 多線程管理技術

· 數(shù)據緩存池技術

· 黑匣子技術

· 信息安全技術

2.異構數(shù)據內容融合與傳輸共享技術

通過對各種異構計算數(shù)據進行內容分析和融合處理，從海量數(shù)據中挖掘隱藏信息和有效數(shù)據，提高智能制造過程中各種裝備狀態(tài)監(jiān)測的準確性。

異構數(shù)據包括：海量的多媒體傳感數(shù)據、文本/超文本、聲音數(shù)據、影像數(shù)據、視頻序列等。

3.復雜工況的多任務自適應協(xié)同技術

智能制造的實現(xiàn)往往需要能夠自主分析當前的工況環(huán)境和任務要求，實現(xiàn)多任務自適應協(xié)同規(guī)劃，并根據不同任務難度自適應調整作業(yè)策略。

多工況包含以下幾種（以挖掘作業(yè)為例）：

· 常用，挖掘形狀規(guī)則，且經常使用該功能

· 特殊，挖掘形狀規(guī)則，但不經常使用

· 自主標記，挖掘形狀不規(guī)則，但經常使用

· 高度自定義，高度依賴駕駛經驗的操作

4.多機協(xié)同的集群化交互與控制技術

智能制造的多機集群模仿生物集群行為，單機間通過彼此信息交互與自主控制來進行協(xié)同工作，從而可在各種險惡環(huán)境下低成本完成多樣性的復雜任務。

具體包括：

· 遠程操控端，人機交互裝置遠程遙控，任務指派和監(jiān)控

· 移動用戶端，網頁、APP做任務指派和監(jiān)控

· 智能機械端，環(huán)境感知、機身工況傳感、自主作業(yè)控制

· 移動互聯(lián)網，無線數(shù)據通訊承載

· 衛(wèi)星定位，導航與測量輔助

· 云端數(shù)據中心，環(huán)境建模分析，任務和軌跡規(guī)劃，大數(shù)據分析和診斷

5.大數(shù)據驅動故障診斷深度學習技術

制造裝備運行過程中產生的海量特征數(shù)據蘊含大量的故障信息，在收集智能裝備運行特征數(shù)據的基礎上，應用深度學習算法對大數(shù)據進行知識挖掘，獲尋與故障有關的診斷規(guī)則，實現(xiàn)對制裝備的故障進行智能預測和分析。

6.數(shù)字孿生與數(shù)字樣機建模分析技術

數(shù)字孿生充分利用物理模型、傳感器更新、運行歷史等數(shù)據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映了相對制造過程中各裝備的全生命周期過程。

7.多技術路線工作方案優(yōu)化決策技術

針對不確定性的、半結構化或非結構化的智能制造工作方案決策問題，通過信號推理、定量推理等方法，在不確定性、不完備、模糊信息的環(huán)境下實現(xiàn)智能制造與產品設計旨在服役多目標多技術路線工作方案優(yōu)化的自主決策。

8.工藝工裝協(xié)同推送與自動裝夾技術

個性化推送技術及語義檢索技術融入工藝工裝推送過程中，基于融合智能裝備與產品工藝工裝特征的個性化語義檢索，形成個性化的工藝工裝協(xié)同推送機制，提高智能制造工藝設計過程中獲取產品工藝工裝的效率。

9.產品知識圖譜與知識網絡構建技術

通過對分布的多學科知識數(shù)據進行結構層次上的集成，消除多學科多領域知識數(shù)據的語法和語義分歧，使得數(shù)據結構具有一致性，進而對設計設計庫數(shù)據進行知識表示，完成知識庫的建立。

結構化數(shù)據、半結構化數(shù)據、非結構化數(shù)據通過結構化改造和篩選整合，形成趨同或者一致且無冗余的結構化數(shù)據，也就是將客觀世界主觀抽象成設計數(shù)據庫，再通過知識表示形成知識庫。

10.機電液一體化云平臺知識服務技術

知識服務技術著手于知識的自動推送，有序地組織機、電、液一體化跨學科知識，并在合適的設計過程中推送給設計人員合適的設計知識，從而實現(xiàn)跨學科知識服務的個性化、高效化和智能化。