數字孿生應用案例分享

數字孿生是綜合運用感知、計算、建模等信息技術，通過軟件定義，對物理空間進行描述、診斷、預測、決策，進而實現物理空間與數字空間的交互映射。

2003年，數字孿生最初是在格里夫斯的產品生命周期管理（PLM）執(zhí)行課程中提出，他將其定義為三個維度，包括一個“物理實體”、一個“數字對應物”和一個將兩部分聯系在一起的“連接”。

2010年，美國宇航局在《建模、仿真、信息技術》草案中詳細闡述了航天飛行器數字孿生的定義和功能，“一個綜合的多物理場、多尺度的飛行器或系統(tǒng)模擬，使用最佳可用的物理模型、傳感器數據更新、歷史數據等來反映其相應壽命”。

2011年，美國空軍探索了數字孿生在飛機結構健康管理中的應用。

2012年，美國宇航局和美國空軍聯合發(fā)表了一篇關于數字孿生的論文，指出它是未來飛行器的關鍵技術。

2014年，數字孿生白皮書發(fā)表，其三維度結構得到廣泛宣傳。隨后，它被引入航空航天工業(yè)以外的更多領域，如汽車、石油和天然氣、醫(yī)療保健和醫(yī)藥等。

2020年，工信部牽頭發(fā)布《數字孿生白皮書》。

數字孿生的概念非常大。我們簡單的看一下這個概念所提供的典型的好處:

1、模型

數字孿生對于每個物理對象，都有一個“數字鏡像”存在于虛擬世界中，并與它在整個生命周期中一起“工作”。數字孿生的模型，不僅僅是3D模型，它包括幾何尺寸、物理特性和行為等，具有實時同步、可靠映射和高保真等特點。

2、數據

數字孿生數據由五部分組成：一是來自物理實體的數據，主要包括運行狀態(tài)和工作條件；二是來自虛擬鏡像的數據，由模型參數和模型運行數據組成；三是來自服務應用的數據，描述服務的封裝、組合、調用等；四是從收集的數據中挖掘或從現有數據庫和系統(tǒng)中獲取的領域知識；最后是以上數據的融合處理數據，可以通過數據融合算法（如神經網絡、D-S算法和卡爾曼濾波）獲得。

3、服務

服務又分為面向物理實體和面向虛擬鏡像兩種服務。這些服務通過實時調節(jié)使物理實體按預期工作，并通過物理實體與鏡像模型的關系校準以及模型參數校準保持虛擬鏡像的高保真度。

4、連接

從概念圖可以看到，在五維數字孿生中的連接，不止于物理實體與虛擬鏡像之間的連接，還包括他們與服務以及數字孿生數據之間的雙向連接。由此也可以看出，數字孿生中服務和數據角色的增加，也帶來了整個體系角色之間聯系的復雜化。

當代數字孿生的五個維度概念

PE表示物理實體，VE表示虛擬實體，SS表示服務（應用），DD表示孿生數據，CN表示各組成部分間的連接。

近年來，數字孿生得到越來越廣泛的傳播。同時，得益于物聯網、大數據、云計算、人工智能等新一代信息技術的發(fā)展以及“工業(yè)4.0”的推進，數字孿生在智能制造領域已逐步開始落地。

智能制造領域的數字孿生體系框架主要分為六個層級，包括基礎數據層、數據交互層、基礎模型層、仿真分析層，功能層和應用層。

智能制造領域數字孿生體系框架

基礎數據層 ：數據是基礎，建立數字孿生要以大量相關數據為依據，需要從各方面獲取數據來完善自身建模，建模的完整度與數據的完整性成正比。數據大致上可分為三類：

數據交互層 ：工業(yè)現場數據一般通過分布式控制系統(tǒng)（ DCS）、可編程邏輯控制器系統(tǒng)（ PLC）和智能檢測儀表進行采集。近些年來，隨著深度學習、視覺識別技術的發(fā)展，各類圖像、聲音采集設備也逐漸被應用于數據采集中 。

數據采集后就需要進行傳輸，數據傳輸是實現數字孿生至關重要的一部分。數字孿生模型是動態(tài)的，建模和控制基于實時上傳的采樣數據進行，對信息傳輸和處理時延有較高的要求。因此，數字孿生需要先進可靠的數據傳輸技術，具有更高的帶寬、更低的時延、支持分布式信息匯總，并且具有更高的安全性，從而能夠實現設備、生產流程和平臺之間的無縫、實時的雙向整合 / 互聯?，F今良好的網絡通訊環(huán)境為數字孿生技術的應用提供基礎技術支撐，包括更好的交互體驗、海量的設備通信以及高可靠低延時的實時數據交互。

接收到關鍵數據后可進行數據仿真處理，即虛擬實體實時動態(tài)映射物理實體的狀態(tài)，在虛擬空間通過仿真驗證控制效果，根據產生的洞察反饋至物理資產和數字流程，形成數字孿生的落地閉環(huán)。數字孿生的交互包括物理 - 物理、虛擬 - 虛擬、 物理 - 虛擬、人機交互等交互方式 。

數據建模與仿真層 ：建立數字孿生的過程包括建模與仿真。建模即建立物理實體虛擬映射的 3D 模型，這種模型真實地在虛擬空間再現物理實體的外觀、幾何、運動結構、幾何關聯等屬性，并結合實體對象的空間運動規(guī)律而建立。仿真模型則是基于構建好的 3D 模型，結合結構、熱學、電磁、流體等物理規(guī)律和機理，計算、分析和預測物理對象的未來狀態(tài)。

數字孿生模型常用于以下幾個方面：

1、仿真優(yōu)化 ：使用天氣、能源成本或性能因素等變量，觸發(fā)模型運行成百上千個假設分析仿真，對當前狀態(tài)的虛擬實體進行評估。 這樣就能夠在實驗階段中對虛擬實體進行優(yōu)化或控制，從而緩解風險、降低成本和提高效率。

2、預測性維護 ：在工業(yè) 4.0 應用中，模型可以用來確定剩余使用壽命，通知運營部門在最適當的時間檢修或更換設備。

3、異常檢測 ：模型與實際資產并行運行，并會立即標記偏離預期（仿真）行為的運營行為。數字孿生模型會尋找運營行為中的異常現象，以幫助避免災難性破壞。

4、故障隔離：異?？赡苡|發(fā)一連串的仿真，以便隔離故障，識別根本原因，使工程師或系統(tǒng)能夠采取適當措施。

對于數字孿生的具體實施，根據不同案例的總結，其基本的系統(tǒng)架構如下，可在此基礎上根據各項目需求的不同進行細化補充：

系統(tǒng)所需的數據大部分來自于底層PLC相關設備，最常用的數據集成方式就是通過OPC協議，當然也可通過Modbus、webservice等接口協議，上位根據需求開發(fā)相應接口，來建立連接。

孿生產線：依據現場實際布局，建立基于離散系統(tǒng)仿真的虛擬生產線，并建立通過接口可以接收調度 指令的控制模型和物流模型，用于與實際生產線的同步驗證、虛擬調試。

仿真數據庫：建立與實際生產數據庫一致的仿真生產數據庫，并仿真運行，保存產生的實時仿真生產數據。

1、 工廠物流配送

通過相關專業(yè)軟件，完成設備的建模、輕量化和分解工作。

按照生產設備的單元輸入參數，以單體設備為單元在仿真系統(tǒng)中建立虛擬仿真模型。

根據業(yè)務場景需求，構建機理模型，實現基于生產過程實時數據驅動的仿真過程。

通過 OPC UA 解決不同系統(tǒng)間的接口集成和信息協同的互操作問題。

通過仿真及機理模型，對系統(tǒng)輸入數據進行多參數多水平的仿真試 驗分析，根據試驗分析的結果進行輔助決策。

應用數字孿生技術能驗證和優(yōu)化庫存容量水平、設備參數及參數等設計技術指標，還能校驗信息系統(tǒng)中數據的準備性和完整性，不僅能發(fā)現物流規(guī)劃方案中存在的問題，還可以進一步挖掘管理中存在的問題。

2、瓶裝飲料工廠

飲料生產線一般的處理工藝為：儲罐→過濾器→化糖鍋→雙聯過濾→調配系統(tǒng)→雙聯過濾器→均質→脫氣→殺菌機→保溫罐→沖洗灌裝封蓋→上蓋機→吹干機→噴碼機→貼標機→紙箱包裝。

根據其工廠設備布局及生產工藝構建虛擬孿生工廠車間，真實還原現實物理生產車間，并模擬生產過程，實現對各個生產流程的可視化，同時直觀的反應出各流程的實時狀態(tài)。

利用數字孿生可以加快產品導入的時間，提高產品設計的質量、降低產品的生產成本和提高產品的交付速度。在服務階段，結合物聯網技術和三維大數據可視化技術，采集產品運行階段的環(huán)境和工作狀態(tài)，并通過數據分析和優(yōu)化來避免產品的故障，改善用戶對產品的使用體驗。

3、智能實驗室

漢思助力上海某國際獨立第三方檢測、檢驗和認證機構完成其智能實驗室的落地。智能實驗室是基于德國工業(yè)4.0參考架構模型來打造的，這標志著無人化、智能化、信息化、云端化，從TIC行業(yè)中從理論走向實際的完美呈現。

實驗室主要是對辦公座椅錐形壓力管進行強度和疲勞測試，將通過專業(yè)測量儀器對管件以小于30HZ的頻率進行300萬次交變矩應力疲勞測試。完成后還將進行磁粉探傷測試。

通過數字化仿真平臺，將智能實驗室的整體工藝及自動化實現過程進行了完美復現。通過專家系統(tǒng)中的深層神經網絡算法、數據分析、工藝參數優(yōu)化等方法，提高了系統(tǒng)的自學習能力及效率。

同時通過漢思ThingBelt平臺進行數據采集、工況展示、異常展示統(tǒng)計、訂單管理等功能。充分展現了“上下貫通，左右協同，資源共享”的工業(yè)4.0實驗室特色。