生產(chǎn)制造環(huán)節(jié)是數(shù)字孿生技術(shù)的一個重要應(yīng)用場景。當前個性化、多元化的市場消費需求成為主流，制造業(yè)正面對日益激烈的市場競爭，面臨著巨大的時間、成本、質(zhì)量、產(chǎn)品差異化等方面的壓力。企業(yè)難以適應(yīng)市場環(huán)境的突變，例如受此次受疫情的影響，如何利用技術(shù)手段迅速實現(xiàn)復工復產(chǎn)，是每個制造企業(yè)需要面對的問題。
除此以外，企業(yè)還面臨著很多棘手的問題需要解決，例如新產(chǎn)品研發(fā)和生產(chǎn)周期過長，無法實現(xiàn)從“以產(chǎn)定銷”到“按需生產(chǎn)”模式轉(zhuǎn)變；企業(yè)投入大量的人力物力財力進行產(chǎn)品創(chuàng)新，卻無法準確評估新產(chǎn)品是否可以在現(xiàn)有的制造條件下進行生產(chǎn)，因為新設(shè)計的產(chǎn)品必然要求新的工藝、新的工裝甚至新的設(shè)備、新的生產(chǎn)線，如果在產(chǎn)品創(chuàng)新設(shè)計之初不仔細評估新產(chǎn)品的可制造性，則必然帶來巨大的隱患。
而搭建基于數(shù)字孿生技術(shù)的數(shù)字化工廠是解決這些問題的最佳途徑，通過依托產(chǎn)品整個周期的真實相關(guān)數(shù)據(jù)，在虛擬環(huán)境中對生產(chǎn)全過程進行仿真、優(yōu)化及重構(gòu)。通過創(chuàng)建虛擬模型來模擬生產(chǎn)過程，并且這些虛擬模型可以為物理工廠車間里所有連接的機器、工具和設(shè)備進行數(shù)字操作。這就可以使企業(yè)能夠快速配置生產(chǎn)系統(tǒng)，以最大限度地提高效率，提高資產(chǎn)利用率，防止停機，具備一定的靈活性。
01、數(shù)字孿生概念的發(fā)展歷史
密歇根大學的邁克爾·格里夫斯教授在2003年提出了“物理產(chǎn)品的數(shù)字表達”的概念，并指出物理產(chǎn)品的數(shù)字表達應(yīng)能夠抽象的表達物理產(chǎn)品，能夠基于數(shù)字表達對物理產(chǎn)品進行真實條件或模擬條件下的測試。這個概念雖然沒有被稱作數(shù)字孿生，但是它具備數(shù)字孿生所具有的組成和功能，即創(chuàng)建物理實體的等價虛擬體，虛擬體能夠?qū)ξ锢韺嶓w進行仿真分析和測試。邁克爾·格里夫斯教授提出的理論，可以被看做是數(shù)字孿生在產(chǎn)品設(shè)計過程中的應(yīng)用。
數(shù)字孿生
在那之后，數(shù)字孿生的概念逐步擴展到了模擬仿真、虛擬裝配和3D打印這些領(lǐng)域，而到了2014年以后，隨著物聯(lián)網(wǎng)技術(shù)、人工智能和虛擬現(xiàn)實技術(shù)的不斷發(fā)展，更多的工業(yè)產(chǎn)品、工業(yè)設(shè)備具備了智能的特征，而數(shù)字孿生也逐步擴展到了包括制造和服務(wù)在內(nèi)的完整的產(chǎn)品周期階段，并不斷豐富著數(shù)字孿生的形態(tài)和概念。
02、數(shù)字孿生概念的不同形態(tài)
數(shù)字孿生技術(shù)貫穿了產(chǎn)品生命周期中的不同階段，它同PLM（Product Lifecycle Management）的理念是不謀而合的?？梢哉f，數(shù)字孿生技術(shù)的發(fā)展將PLM的能力和理念從設(shè)計階段真正擴展到了全生命周期。數(shù)字孿生以產(chǎn)品為主線，并在生命周期的不同階段引入不同的要素，形成了不同階段的表現(xiàn)形態(tài)。
設(shè)計階段的數(shù)字孿生
在產(chǎn)品的設(shè)計階段，利用數(shù)字孿生可以提高設(shè)計的準確性，并驗證產(chǎn)品在真實環(huán)境中的性能。這個階段的數(shù)字孿生，主要包括如下功能：
數(shù)字模型設(shè)計：使用CAD工具開發(fā)出滿足技術(shù)規(guī)格的產(chǎn)品虛擬原型，精確的記錄產(chǎn)品的各種物理參數(shù)，以可視化的方式展示出來，并通過一系列的驗證手段來檢驗設(shè)計的精準程度；
模擬和仿真：通過一系列可重復、可變參數(shù)、可加速的仿真實驗，來驗證產(chǎn)品在不同外部環(huán)境下的性能和表現(xiàn)，在設(shè)計階段就驗證產(chǎn)品的適應(yīng)性。
制造階段的數(shù)字孿生
在產(chǎn)品的制造階段，利用數(shù)字孿生可以加快產(chǎn)品導入的時間，提高產(chǎn)品設(shè)計的質(zhì)量、降低產(chǎn)品的生產(chǎn)成本和提高產(chǎn)品的交付速度。產(chǎn)品階段的數(shù)字孿生是一個高度協(xié)同的過程，通過數(shù)字化手段構(gòu)建起來的虛擬生產(chǎn)線，將產(chǎn)品本身的數(shù)字孿生同生產(chǎn)設(shè)備、生產(chǎn)過程等其他形態(tài)的數(shù)字孿生高度集成起來，實現(xiàn)如下的功能：
生產(chǎn)過程仿真：在產(chǎn)品生產(chǎn)之前，就可以通過虛擬生產(chǎn)的方式來模擬在不同產(chǎn)品、不同參數(shù)、不同外部條件下的生產(chǎn)過程，實現(xiàn)對產(chǎn)能、效率以及可能出現(xiàn)的生產(chǎn)瓶頸等問題的提前預(yù)判，加速新產(chǎn)品導入的過程；
數(shù)字化產(chǎn)線：將生產(chǎn)階段的各種要素，如原材料、設(shè)備、工藝配方和工序要求，通過數(shù)字化的手段集成在一個緊密協(xié)作的生產(chǎn)過程中，并根據(jù)既定的規(guī)則，自動的完成在不同條件組合下的操作，實現(xiàn)自動化的生產(chǎn)過程；同時記錄生產(chǎn)過程中的各類數(shù)據(jù)，為后續(xù)的分析和優(yōu)化提供依據(jù)。
服務(wù)階段的數(shù)字孿生
隨著物聯(lián)網(wǎng)技術(shù)的成熟和傳感器成本的下降，很多工業(yè)產(chǎn)品，從大型裝備到消費級產(chǎn)品，都使用了大量的傳感器來采集產(chǎn)品運行階段的環(huán)境和工作狀態(tài)，并通過數(shù)據(jù)分析和優(yōu)化來避免產(chǎn)品的故障，改善用戶對產(chǎn)品的使用體驗。這個階段的數(shù)字孿生，可以實現(xiàn)如下的功能：
優(yōu)化客戶的生產(chǎn)指標：對于很多需要依賴工業(yè)裝備來實現(xiàn)生產(chǎn)的工業(yè)客戶，工業(yè)裝備參數(shù)設(shè)置的合理性以及在不同生產(chǎn)條件下的適應(yīng)性，往往決定了客戶產(chǎn)品的質(zhì)量和交付周期。而工業(yè)裝備廠商可以通過海量采集的數(shù)據(jù)，構(gòu)建起針對不同應(yīng)用場景、不同生產(chǎn)過程的經(jīng)驗?zāi)Ｐ停瑤椭淇蛻魞?yōu)化參數(shù)配置，以改善客戶的產(chǎn)品質(zhì)量和生產(chǎn)效率。
產(chǎn)品使用反饋：通過采集智能工業(yè)產(chǎn)品的實時運行數(shù)據(jù)，工業(yè)產(chǎn)品制造商可以洞悉客戶對產(chǎn)品的真實需求，不僅能夠幫助客戶加速對新產(chǎn)品的導入周期、避免產(chǎn)品錯誤使用導致的故障、提高產(chǎn)品參數(shù)配置的準確性，更能夠精確的把握客戶的需求，避免研發(fā)決策失誤。
03、數(shù)字孿生的意義
1、更便捷，更適合創(chuàng)新
數(shù)字孿生通過設(shè)計工具、仿真工具、物聯(lián)網(wǎng)、虛擬現(xiàn)實等各種數(shù)字化的手段，將物理設(shè)備的各種屬性映射到虛擬空間中，形成可拆解、可復制、可轉(zhuǎn)移、可修改、可刪除、可重復操作的數(shù)字鏡像，這極大地加速了操作人員對物理實體的了解，可以讓很多原來由于物理條件限制、必須依賴于真實的物理實體而無法完成的操作，如模擬仿真、批量復制、虛擬裝配等，成為觸手可及的工具，更能激發(fā)人們?nèi)ヌ剿餍碌耐緩絹韮?yōu)化設(shè)計、制造和服務(wù)。
2、更全面的分析和預(yù)測能力
現(xiàn)有的產(chǎn)品生命周期管理，很少能夠?qū)崿F(xiàn)精準的預(yù)測，因此往往無法對隱藏在表象下的問題提前進行預(yù)判。而數(shù)字孿生可以結(jié)合物聯(lián)網(wǎng)的數(shù)據(jù)采集、大數(shù)據(jù)的處理和人工智能的建模分析，實現(xiàn)對當前狀態(tài)的評估、對過去發(fā)生問題的診斷，以及對未來趨勢的預(yù)測，并給予分析的結(jié)果，模擬各種可能性，提供更全面的決策支持。
3、經(jīng)驗的數(shù)字化
在傳統(tǒng)的工業(yè)設(shè)計、制造和服務(wù)領(lǐng)域，經(jīng)驗往往是一種模糊而很難把握的形態(tài)，很難將其作為精準判決的依據(jù)。而數(shù)字孿生的一大關(guān)鍵進步，是可以通過數(shù)字化的手段，將原先無法保存的專家經(jīng)驗進行數(shù)字化，并提供了保存、復制、修改和轉(zhuǎn)移的能力。例如，針對大型設(shè)備運行過程中出現(xiàn)的各種故障特征，可以將傳感器的歷史數(shù)據(jù)通過機器學習訓練出針對不同故障現(xiàn)象的數(shù)字化特征模型，并結(jié)合專家處理的記錄，將其形成未來對設(shè)備故障狀態(tài)進行精準判決的依據(jù)，并可針對不同的新形態(tài)的故障進行特征庫的豐富和更新，最終形成自治化的智能診斷和判決。
