【数字孪生】数字孪生系列报道：15家单位22位作者研究成果，数字孪生应用探索

2018 年 5 月 17 日 产业智能官 CIMS

《计算机集成制造系统》数字孪生系列报道（一）：数字孪生及应用

根据我国制造强国发展战略部署，从现在到2025年，是我国进入制造强国行列、实现制造业转型升级的关键时期。我国制造业领域大量科技工作者积极投身新一轮产业革命，不断开辟探索新前沿新方向，正在实现从跟跑向领跑转变，从而深刻影响和改变国家力量对比，重塑世界经济结构和国际竞争格局。为引导科研方向，推动科技创新，探索应用新技术、新媒体、新手段等新型出版方式，不断提高我国科技期刊在学术传播中的主导作用，《计算机集成制造系统》公众号将联合业内知名专家，推出系列专题，第一时间宣传报道我国科技工作者在工业革命核心技术方面取得的新进展、新成果。期待广大专家学者积极参与，共同推进我国制造业领域科学研究与知识传播能力的协同提高，创新发展。

第一期将深度介绍国内单位在数字孪生技术与应用方面取得的系列研究成果。今天将推出由北航陶飞教授组织国内15家单位共同完成的《数字孪生及其应用探索》一文，该文为本刊2018年刊发的首篇文章，敬请关注！

15家单位22位作者研究成果：数字孪生应用探索

《计算机集成制造系统》2018年首篇文章推荐

随着新一代信息技术与制造业的融合与落地应用，世界各国纷纷出台了各自的先进制造发展战略，如美国工业互联和德国工业4.0，其目的之一是借力新一代信息技术，实现制造的物理世界和信息世界的互联互通与智能化操作，进而实现智能制造[1]。与此同时，在“制造强国”和“网络强国”大战略背景下，我国也先后出台了“中国制造2025”和“互联网+”等制造业国家发展实施战略。此外，党的十九大报告也明确提出“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”。其核心是促进新一代信息技术和人工智能技术与制造业深度融合，推动实体经济转型升级，大力发展智能制造。因此，如何实现制造物理世界与信息世界的交互与共融，是当前国内外实践智能制造理念和目标所共同面临的核心瓶颈之一[2]。

数字孪生（Digital Twin）是以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为。作为一种充分利用模型、数据、智能并集成多学科的技术，数字孪生面向产品全生命周期过程，发挥连接物理世界和信息世界的桥梁和纽带作用，提供更加实时、高效、智能的服务，为解决物理世界与信息世界的交互与共融提供有效的解决途径。

数字孪生近期得到了广泛和高度关注。全球最具权威的IT研究与顾问咨询公司Gartner连续两年（2016年和2017年）将数字孪生列为当年十大战略科技发展趋势之一。世界最大的武器生产商洛克希德马丁公司2017年11月将数字孪生列为未来国防和航天工业6大顶尖技术之首；2017年12月8日中国科协智能制造学术联合体在世界智能制造大会上将数字孪生列为了世界智能制造十大科技进展之一。于此同时，许多国际著名企业已开始探索数字孪生技术在产品设计、制造和服务等方面的应用[4]。

虽然已有企业初步探索了数字孪生的相关应用，但数字孪生在实际应用过程中仍存很多问题和不足，如：①缺乏系统的数字孪生理论/技术支撑和应用准则指导；②数字孪生驱动的应用产生的比较优势不明；③在产品生命周期各阶段的应用不全面。

2017年7月25日在北航召开了“第一届数字孪生与智能制造服务学术研讨会”，来自全国20多所高校的70余名学者参加了研讨。本文是在研讨会结束后，由北航陶飞教授发起，参考CIRP的Keynote Paper的组织和写作模式，邀请并组织国内十多个单位，针对以上问题，在研究分析数字孪生当前应用现状，总结当前数字孪生理论与技术研究进展基础上，基于前期成果提出的数字孪生五维结构模型，提出数字孪生驱动的六条应用准则（如图1所示），并探索数字孪生驱动的14类应用。由来自国内15家单位22位作者的最新研究成果《数字孪生及其应用探索》发表于《计算机集成制造系统》2018年第1期首篇上[3]。

图1 数字孪生五维结构模型与应用准则[3]

数字孪生应用准则：

①信息物理融合是基石

②多维虚拟模型是引擎

③孪生数据是驱动

④动态实时交互连接是动脉

⑤服务应用是目的

⑥全要素物理实体是载体

依据以上六条数字孪生驱动的应用基本准则，进一步尝试探索数字孪生驱动的14类应用的初步概念，并分析其与传统（或现有）方法的区别，以及其实施过程中所需突破的关键问题和技术等，从而为数字孪生理念的进一步应用提供参考。

数字孪生技术不仅可利用人类已有理论和知识建立虚拟模型，而且可利用虚拟模型的仿真技术探讨和预测未知世界[4]，来发现和寻找更好的方法和途径、不断激发人类的创新思维、不断追求优化进步。数字孪生技术为当前制造业的创新和发展提供了新的理念和工具，得到了工业界和学术界越来越广泛的关注。本文首先总结了数字孪生理论研究和企业应用上的当前进展，分析和探讨了当前数字孪生技术存在的问题和不足。同时，从应用需求出发，基于提出的数字孪生五维结构模型，设计了数字孪生驱动的应用六条基本准则。依据六条基本准则，进一步探索了数字孪生驱动的14类应用初步设想，以及与传统（或现有）方法的区别，数字孪生理念实施过程中所需突破的关键技术等。期望相关工作能为相关学者进一步开展数字孪生理论、技术和工程应用研究提供启发及参考。

CIMS刊发的数字孪生相关文章列表：

[1] 陶飞, 张萌, 程江峰, 戚庆林. 数字孪生车间---一种未来车间运行新模式[J]. 计算机集成制造系统, 2017, 23(1): 1-9.

[2] 陶飞, 程颖, 程江峰, 张萌, 徐文君, 戚庆林. 数字孪生车间信息物理融合理论与技术[J]. 计算机集成制造系统, 2017, 23(8): 1603-1611.

[3] 陶飞, 刘蔚然, 刘检华, 刘晓军, 刘强, 屈挺, 胡天亮, 张执南, 向峰, 徐文君, 王军强, 张映峰, 刘振宇, 李浩, 程江峰, 戚庆林, 张萌, 张贺, 隋芳媛, 何立荣, 易旺民, 程辉. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1): 1-18.

[4] 庄存波, 刘检华, 熊辉, 丁晓宇, 刘少丽, 瓮刚. 产品数字孪生体的内涵、体系结构及其发展趋势[J]. 计算机集成制造系统, 2017,23(04):753-768.

《计算机集成制造系统》编辑部

《计算机集成制造系统》数字孪生系列报道(二): 数字孪生车间

作者 CIMS

本期介绍本刊刊发的第1篇数字孪生方面的论文：《数字孪生车间——一种未来车间运行新模式》。该文2017年发表在《计算机集成制造系统》第1期上，由北京航空航天大学陶飞教授带领的数字孪生研究小组完成。原文部分内容摘录如下：

随着云计算、物联网、大数据、移动互联、人工智能等新一代信息技术与制造的融合，世界各国相继提出了国家层面的制造发展战略，代表性的如工业4.0、工业互联网、基于CPS的制造、中国制造2025和互联网+制造、面向服务的制造或服务型制造等。虽然这些战略提出的背景不同，但其共同目标之一是实现制造的物理世界和信息世界的互联互通和智能化操作，而其共同瓶颈之一是如何实现制造的物理世界和信息世界之间的交互与共融。车间是制造活动的执行基础，实现车间物理世界和信息世界的交互与共融是发展先进制造模式，实现智能制造的迫切需求。另一方面，如图1所示，从车间自身发展历程来看，在经历了前三个阶段的发展和演变后，车间物理空间与信息空间的实时交互和进一步融合也是车间未来发展和演变的趋势。而与此同时，数字孪生作为实现物理世界和信息世界实时交互和融合的一种有效方法，得到了越来越多的关注。在这种背景下，北京航空航天大学陶飞教授等基于数字孪生技术首次探讨并提出了一种车间运行新模式——数字孪生车间，并对数字孪生车间的系统组成、运行机制、特点、关键技术等进行了阐述［1］。

图1 车间从物理空间到信息物理空间交互与融合的演变过程[1]

数字孪生车间基于新一代信息技术和制造技术，通过物理车间与虚拟车间的双向真实映射与实时交互，实现车间全要素、全流程、全业务数据的集成和融合，在车间孪生数据的驱动下，实现车间生产要素管理、生产活动计划、生产过程控制等在物理车间、虚拟车间、车间服务系统间的迭代运行，从而在满足特定目标和约束前提下，达到车间生产和管控最优。

如图2所示，数字孪生车间主要由四部分组成，包括物理车间、虚拟车间、车间服务系统、车间孪生数据。物理车间是车间客观存在的实体集合，主要负责接收生产任务，并严格按照虚拟车间仿真优化后的生产指令组织生产活动。虚拟车间是物理车间的忠实数字化镜像，它对生产计划、活动、指令等进行仿真、评估及优化，并对生产过程进行实时监测、调控与预测。虚拟车间本质上是模型的集合，它不断积累物理车间的实时数据与知识，在对物理车间高度保真的前提下，对其运行过程进行连续的优化。车间服务系统是各类服务系统功能的集合或总称，在车间孪生数据的驱动下，为车间的智能化管控提供支持，包括设备故障诊断及维修服务，生产计划服务，产品质量控制服务等。车间孪生数据主要包括物理车间数据、虚拟车间数据、车间服务系统数据以及三者在综合、统计、关联、聚类、演化、回归及泛化等操作下衍生的融合数据，它为数字孪生车间孪生数据的共享、集成与融合提供平台。

图2 数字孪生车间主要系统组成[1]

如图3所示，数字孪生车间的运行是物理车间、虚拟车间以及车间服务系统在车间孪生数据的驱动下，两两之间不断交互与迭代优化的过程。车间服务系统根据生产任务产生资源配置方案，并根据物理车间的实时状态数据以及虚拟车间的仿真及预测数据等对其进行迭代优化与调整，实现生产要素的配置最优；车间服务系统将生成的生产计划传送至虚拟车间进行循环验证与迭代优化，实现生产计划最优；虚拟车间实时地监控物理车间的运行，根据物理车间的实时状态不断进化，并迭代反馈优化策略指导物理车间的生产，实现生产过程最优。数字孪生车间在迭代运行与优化的过程中得到持续的完善与提升，车间孪生数据也在不断的更新与扩充。

图3 数字孪生车间运行机制[1]

如图4所示，数字孪生车间的关键技术可以分为5大类：①物理车间“人-机-物-环境”互联与共融技术，②虚拟车间建模、仿真运行及验证技术，③车间孪生数据构建及管理技术，④数字孪生车间运行技术，⑤基于数字孪生车间的智能生产与精准服务技术。具体感兴趣读者可查阅原文[1]。

图4 数字孪生车间关键技术[1]

此外在本论文发表后，在此文研究基础上，笔者进一步探索了数字孪生车间中的物理车间、虚拟车间、车间服务系统以及车间孪生数据的运行机制与实现方法[2]。其中，物理车间除传统车间所具备的功能和作用外，还需要实现基于物联网的车间人、机、物、环境等生产要素的互联与互操作；虚拟车间需要从几何、物理、行为、规则等多个维度对物理车间进行刻画，并且在与物理车间同步运行的同时不断进化，从而保证对生产计划、活动、指令等进行真实可靠的仿真、分析及评估等；车间服务系统通过需求解析与分解、服务搜索匹配以及服务组合等，实现对物理车间的运行优化以及虚拟车间的模型检测与矫正等，并形成按需使用的服务模式；车间孪生数据利用各类数据融合算法对物理车间数据、虚拟车间数据、车间服务系统数据进行融合处理，从而形成更加全面与准确的信息物理融合数据，用于驱动数字孪生车间的运行。

随着制造的物理世界和信息世界的不断交互与共融，数字孪生车间将成为一种未来车间运行的新模式。数字孪生车间对实现工业4.0、工业互联网、基于CPS的制造、中国制造2025、互联网+制造、云制造、面向服务的制造等先进制造模式和战略具有重大潜在推动作用，随着新一代信息技术和制造技术的发展，实现数字孪生车间的落地应用已逐渐成为可能。期望相关研究工作能够为后续数字孪生车间的理论、技术和工程应用研究提供启发与参考。

参考文献

［1］陶飞，张萌，程江峰，戚庆林. 数字孪生车间---一种未来车间运行新模式.计算机集成制造系统[J].2017，23(1): 1-9.

［2］Tao F, Zhang M. Digital twin shop-floor: a new shop-floor paradigm towards smart manufacturing [J]. IEEE Access, 2017, 5: 20418-20427.

数字孪生系列报道（三）：数字孪生车间——玻璃生产线设计

作者 CIMS

本期介绍由广东工业大学刘强教授团队撰写的《基于数字孪生的中空玻璃生产线设计与解耦方法》，该文2017年刊发在《IEEE Access》期刊第5卷。原文部分内容摘录如下：

论文提出了一种基于数字孪生的中空玻璃自动化生产线快速定制设计与优化方法(如图1所示)。该方法紧紧围绕客户场地、产能、成本、遗留设备等个性化需求，首先建立了中空玻璃自动化生产线的专用数字化参考模型，支撑客户进行设备快速选型与数字化建模、整线布局设计、设备动作实现与在制品运动规划等；其后，攻克了“模型-装备-监控”多视图同步技术，将数字化的制造系统模型和物理装备进行虚实同步集成，形成整线的数字孪生系统，利用该系统进行多设备异地分布式集成与半实物化的近物理仿真，解决了生产线设计与集成测试成本高、周期长的问题；进而，分析了中空玻璃自动化生产过程中存在的耦合优化问题，提出了一种策略性解耦与计算性解耦相结合的解耦算法，作为引擎驱动自动化生产线及数字孪生系统的运行优化。

图1 基于数字孪生的生产线快速定制设计与优化方法

如图2所示，基于数字孪生技术，搭建智能车间定制设计平台，实现车间的快速化定制。首先对车间装备进行三维建模，建立设备模型库，对单元设备进行模块化封装；再依据车间场地和工艺流程等对车间进行布局规划和仿真模型装配；然后对生产线的每一个环节进行运动方式设计、控制方案设计、执行算法引擎设计、仿真模拟动态运行；最后对设计方案进行效率分析、负荷分析、设计修正等。在该平台上可以对设备模型进行模块化封装，定制设计形成的设计方案（装配方案、运动方案、控制方案）可以进行动态运行、效果验证等，因此能够实现智能车间生产整线的快速化定制设计。

图2 基于数字孪生的车间定制设计平台

如图3所示，提出了基于数字孪生的智能车间多视图同步技术，实现了车间虚实联动。利用数字孪生技术，保证实物与模型成功握手，完成通讯，确保在要求精度范围内两者的实时信息交互；采用时间包络机制，消除实物设备与数字模型的异步采样周期和PLC通讯时间产生的影响，实现异步采样、虚实同步的异步周期同步化过程，实物设备完成到数字模型的真实完整映射，模型反映实物的真实全生命过程，同时具备与实物模型高忠实度的物理属性，如摩擦力(F)、重力(G)、加速度(a)等。多视图同步技术可以真实模拟实物的整线配置、布局和运动情况，并将整线配置和运行过程中的优化问题抽象成数学模型，同时研发专用算法求解数学模型，根据求解结果调整整线参数配置和运行，如此迭代运行，支持整线优态运行。

图3 基于数字孪生的智能车间多视图同步技术

如图4所示，提出了新型的智能车间分布式集成方法，支持不同单机供应商的设备进行异地上线测试。搭建工业控制网络，建立车间数字化模型与车间实物设备之间的通讯通道，利用软PLC控制数字化模型的动作，利用脚本控制在制品运动；通过下行指令二分、上行信号互较等机制，实现车间数字化模型与实物之间的动作与运动同步，大幅降低集成周期与集成成本。

图4 新型智能车间分布式集成方法

如图5所示，论文搭建了中空玻璃自动化生产线快速定制设计与优化系统，研发了首条国产中空玻璃自动化生产线及其数字孪生系统，通过订单的模拟投放与整线的近物理仿真运行，进行整线性能评估与调控，初步试验结果表明该方法能有效提高了中空玻璃自动化生产线的定制设计效率与制造执行性能。基于数字孪生搭建的智能车间定制设计方法与平台具有多种应用模式，如：1）快速化定制，根据客户的个性化需求，快速部署满足客户需求的自动化生产线；2）分布式集成，支持设备异地集成，降低了整线集成周期与场地占用成本；3）透明化监控，通过将现场信息实时反馈到模型与系统，实现跨粒度、全视角的透明化监控；4）智能化运维，通过订单的模拟投放，精准预测订单的交货期、执行成本。

图5 中空玻璃自动化生产线快速定制设计与优化系统

数字孪生系列报道（四）：数字孪生车间信息物理融合

作者 CIMS

本期介绍《计算机集成制造系统》刊发的第二篇关于数字孪生车间方面的研究论文《数字孪生车间信息物理融合理论与技术》，该文刊发在本刊2017年第8期上，原文部分内容摘录如下：

为促进实现智能制造，世界各国相继提出了不同的国家层面制造发展战略。这些制造发展战略的共同目标之一都是要实现制造的物理世界和信息世界的互联互通和智能化操作；然而，实现这一共同目标的主要瓶颈则是如何实现制造的物理世界和信息世界之间的交互与共融，即信息物理融合这一科学问题。

从作为制造活动执行基础的车间层面出发，为逐步解决车间层信息物理融合难题，最终实现智能生产和精准服务这一目标，国内外学者和实践者分别围绕车间制造物联、数字/虚拟车间建模、车间数据/信息集成、车间智能运行与精准管理等多个方面开展了大量研究和建设工作，但在新一代信息技术背景下仍存在很多局限和不足。对此，我国学者将数字孪生技术引入到车间研究与应用中，探索了数字孪生车间（Digital Twin Shop-floor, DTS）的概念（详见本刊数字孪生系列报道（二）：数字孪生车间）。

作为实现制造物理世界和信息世界智能互联与交互融合的一种潜在有效途径，DTS近期已被国内外相关领域学术界和企业界高度关注。信息物理融合既是DTS的目标，也是构建和实践DTS所面临核心挑战之一。为具体解决DTS的信息物理融合这一核心问题，给企业未来开展DTS实践提供参考，本文作者在前期研究基础上进一步设计了DTS参考系统架构，主要包括物理层、模型层、数据层、服务层和应用层，如图1所示。

图1 数字孪生车间参考系统架构[1]

基于上述参考系统架构并结合前期提出的DTS四部分系统组成，本文作者对DTS信息物理融合科学问题进行了系统性研究与分析，为企业开展智能车间建设、实现智能生产和精准管理提供了一种新的解决参考思路。DTS信息物理融合科学问题可进一步细分为物理车间异构要素融合（即物理融合）、虚拟车间多维模型融合（即模型融合）、车间物理-信息数据融合（即数据融合）、车间服务融合与应用（即服务融合）这四个关键问题[1]。

（一）物理融合[1]

如图2所示，物理是指通过可靠感知物理车间内人、机、物、环境异构全要素信息，实时传输动态网络环境下海量感知数据至信息层，集成规约多源多模态异构数据，并精准控制混杂动态环境下车间异构制造资源的行为协同，从而实现车间内“人-机-物-环境”全要素的智能感知互联、高效数据传输与集成、实时交互与控制、智能协作与共融。

图2 车间异构要素物理融合[1]

（二）模型融合[1]

如图3所示，模型融合是为实现物理车间到虚拟车间的真实完整映射与反映，分别从几何、物理、行为、规则等多个维度对车间进行建模，并对所建立的模型进行评估和验证保证模型的正确性和有效性；在此基础上，通过将各维度模型进行关联、组合与集成，使其在信息空间级连与融合为一个完整的、具备高忠实度的虚拟车间模型。

图3 虚拟车间多维模型构建与融合[1]

（三）数据融合[1]

如图4所示，数据融合是指在实现车间物理融合与模型融合基础上，基于车间运行一致性原理，对物理车间现场实时数据、虚拟车间模型数据、仿真数据、车间服务系统数据等覆盖全要素、全流程、全业务的相关数据进行生成—建模—清洗—关联—聚类—挖掘—迭代—演化—融合等操作，有效真实刻画和反映车间运行状态、要素行为等各类动态演化过程、演化规律、统计学特性等。

图4 数字孪生车间数据融合[1]

（四）服务融合[1]

融合了物理-信息数据的车间孪生数据不仅能反映物理车间和虚拟车间的运行情况，反之也能驱动并影响物理车间和虚拟车间的运行。如何基于车间孪生数据，结合现有信息系统，形成车间生产运行过程中所需的各类服务（如智能排产服务、产品质量管理服务、协同工艺规划服务、生产过程管控服务、设备健康管理服务、能效优化分析服务等），从而以融合服务协作的方式，实现车间智能生产、精准管控、可靠运维等智能目标，是物理融合、模型融合、数据融合在车间生产应用的最终体现。以上过程定义为数据驱动的服务融合[1]。

信息物理融合是实现工业4.0、美国工业互联网、中国制造2025和“互联网+制造”等先进制造战略或计划的共同挑战，是智能制造落地应用所需解决的关键科学问题。针对当前数字化车间及其生产运行过程所存在物理车间全面/实时数据难获取（物理分离）、虚拟/数字化模型难建立且仿真分析缺乏系统性（模型独立）、物理和信息数据双向动态链接与融合不足（数据孤岛）、生产与管理缺乏考虑运行规律且全面实时数据驱动不足（应用被动）等不足，目前进一步设计了数字孪生车间的系统实现参考框架，并探讨了数字孪生车间信息物理融合这一科学问题[1]。

本文相关工作为相关学者开展数字孪生车间理论与技术研究、为企业建设并实践数字孪生车间提供了一定理论与技术参考。

原文信息如下：

[1]陶飞, 程颖, 程江峰, 张萌, 徐文君, 戚庆林. 数字孪生车间信息物理融合理论与技术[J]. 计算机集成制造系统, 2017, 23(8): 1603-1611.

数字孪生系列报道（五）：数字孪生车间使能技术——物联系统主动调度

作者 CIMS

本期介绍由西北工业大学王军强教授团队撰写的《物联制造系统的主动调度研究》，该文2016年刊发在《International Journal of Advanced Manufacturing Technology》期刊第1期。原文部分内容摘录如下：

物联制造系统(Physical Internet-based Manufacturing System, π-MS)以物联为特征，通过物理空间和信息空间的感知互动，使得生产管理与过程控制呈现出新的转变：①驱动方式：由能量驱动型向信息驱动型转变；②响应方式：由原先的被动响应向主动应对转变；③过程控制：由原先的粗放控制向精确控制转变；④管理方式：由原先的“黑箱”式管理向透明化管理发展；⑤管理形式：由原先的层级结构向扁平化结构转变；⑥管理维度：由原先的“管理－被管理”二维管理维度向网状协作的多维管理维度转变；⑦决策方式：由原先的行政指派向自主交互转变。

生产调度是生产车间决策优化、过程管控、性能提升的神经中枢，是生产车间有序平稳、均衡经济、敏捷高效的运营支柱。面向物联制造系统新环境下生产调度呈现的新特征、带来的新变化、引发的新问题，主动调度研究课题应运而生。本文旨在探索物联制造环境带来的深刻变化，挖掘生产调度衍生出的新特征、新行为，结合物联制造的优势特征，以物物互联、主动感知、主动推送等技术为支撑，以应对生产扰动和变化为突破口，以激发资源活力为导向，开展主动调度交互机理和优化方法等相关基础理论研究，以达到提升制造系统的自主性、柔性、灵敏性和健壮性的目的。

1.调度分类

以调度主动权的拥有者为分类标准，将调度分为被调度(Passive Scheduling)和主动调度(Initiative Scheduling)：

①被调度：传统制造系统下调度主动权由指挥中心（管理者或调度器）掌握，指挥中心安排工序使用的具体机器、加工时间及顺序，是现有常见的调度方式；

②主动调度：物联制造系统下调度主动权由工件与机器自主掌握，工件、机器拥有调度的主动性，这是主动调度区别于被调度的最大特色，是一种崭新的调度方式。

2.主动调度定义

主动调度(Initiative Scheduling, IS)是在物联制造系统的支撑下，发挥工件、机器的主观能动性，通过物联要素的感知互动、自主决策、动态交互，在满足约束条件的前提下实现生产调度主体“工件－机器”的协同匹配，以使调度主体的利益达到协调与优化。

3.主动调度使能体

主动调度的调度主体根据组成规模、层级结构形成了不同的调度使能体(Enabling Unit)，本文将其定义为自主体、自治组。

①自主体处于生产管理与控制的物理层，是调度使能体最基础的构成单元，强调调度执行实体的主动处理问题能力。自主体是针对个体而言，展示出个体的“能动性”特质。

②自治组处于生产管理与控制的运作层，强调调度执行实体自主地形成群体而具备的自治能力。自治组是针对多个关联自主体而言，展示出自主体的“社会性”特质。

4.调度要素关系演化

在被调度模式下，调度四要素组成了T型框架，如图1所示。

图1 传统调度要素关系

在主动调度模式下，调度四要素组成了π型框架，如图2所示。

图2 主动调度要素关系

5.调度运作模式分析

被调度模式下，指挥中心和工件、机器之间角色是指挥者和执行者的角色，组织形式为层级结构，关系为“管理－被管理”的关系。因此， “指挥中心和机器”之间形成了“调度与被调度”二元层级关系，如图3所示。

图3 被调度运作模式

主动调度运作模式下，主动调度决策权呈现出权利重心下移、趋于分散等新的特征。调度运作模式演化为“自主体－自治组－仲裁区”之间“自主体互调度－自治组互调度－仲裁调度”多元新型协作关系，如图4所示。

图4 主动调度运作模式

6.调度行为分析

在被调度中，即便出现扰动，工件、机器也只能被动接收指令和服从指令，由指挥中心进行决策并下达指令。因此，传统研究工件、机器只有执行，没有“行为”。而在主动调度中，调度主体拥有调度的主动权，并且能够展现出决策的自主性。

主动调度在行为上表现为“互调度(Inter-scheduling)”行为，具体表现为个体行为和组织行为两个层面：①个体互调度行为：自主体与自主体之间的“互调度”；②组织互调度行为：为自治组与自治组之间的“互调度”。

互调度交互体系如图5所示。

图5互调度交互体系

7.主动调度研究热点

主动调度模式是不同于传统调度的一种全新调度模式，最大特色在于其“主动性”，显著特征为“互调度”行为，是智能制造系统研究和应用首要解决的挑战性课题，亟需在以下难点问题取得突破：

(1)主动调度建模方法方面：针对主动调度行为，需要提出新的建模方法，既能真实地描述调度要素之间的关系，更能形象地刻画主动调度模式下自主体自主响应、自主体互调度、自治组互调度等新的调度行为；

(2)主动调度互调度机理方面：针对物联制造系统新型互调度模式，亟需系统地研究交互机制、交互方法，揭示自主体、自治组间互调度机理，提出物联制造系统主动调度优化的核心理论与方法体系，为主动调度的研究应用提供理论基础；

(3)主动调度使能体决策方面：针对主动调度模式下允许“工件-机器”的自行选配、自主决策，使得“工件-机器”自主交互的关系数目以及选择范围呈指数增长，自主体、自治组的决策空间更广、复杂性更高，需要研究决策方法，以有效地降低求解难度，提高求解效率；

(4)主动调度性能分析与评价方面：针对主动调度模式下的新型互调度问题，研究多目标评价方法，分析主动调度的效率和效能等性能指标，评价自主体、自治组间互调度解空间的映射关系以及调度方案的优劣。

原文出处：Jun-Qiang Wang, Guo-Qiang Fan, Fei-Yi Yan, Ying-Feng Zhang, Shu-Dong Sun. Research on Initiative Scheduling Mode for a Physical Internet-based Manufacturing System [J]. International Journal of Advanced Manufacturing Technology, 2016,84(1):47-58.

数字孪生系列报道（六）：数字孪生车间使能技术——数控机床的智能工艺规划

作者 CIMS

本期介绍山东大学胡天亮副教授团队关于数字孪生使能技术的研究成果，其成果分别刊发在《International Journal of Advanced Manufacturing Technology》期刊2018年第94卷（题名《基于云技术的数控加工工艺知识库设计和实现》）、《International Journal of Advanced Manufacturing Technology》online（题名：《应用于数控机床智能控制器自主工艺规划的基于STEP的加工数据模型》）和《Journal of Intelligent Manufacturing》online（题名：《应用于数控机床控制器的基于知识的智能加工工艺规划方法》）。这三篇文章从加工任务模型、智能工艺库和智能工艺方法三个方面阐述了数字孪生车间使能技术——数控机床智能工艺规划方法。原文部分内容总结摘录如下：

数控机床是数字孪生车间中物理车间的执行层基础关键装备，其对加工任务的智能工艺规划能力关乎数字孪生车间生产任务执行的智能性。依据车间的数字孪生车间的理念，数字孪生车间虚实共生的孪生信息可为数控机床提供加工资源模型和决策支持。随着智能制造模式的逐步应用，作为数控机床的大脑-数控系统缺乏智能性的弊端逐渐显现出来。其中工艺规划的智能性是实现数控系统智能性的关键。考虑当前加工任务复杂化、定制化小批量产品的需求上涨，传统的依靠工艺人员进行工艺规划的方法将带来以下弊端：

加工准备周期长，数控机床有效加工时间低。

固定的工艺规划方案无法及时响应车间数控机床的状态变化。

产品的质量和生产效率依赖于工艺规划师自身的经验水平。

为解决上述问题，课题组通过设计适用于智能加工工艺规划的加工任务模型、搭建基于云技术的加工工艺知识库、设计智能控制器架构以实现数控机床控制器的智能加工工艺规划。

1、数控机床智能工艺规划方法的提出

图1列出了传统的以ISO 6983（G/M代码）为数据模型的机床控制系统及以STEP-NC为模型的三种机床控制系统。传统的机床控制系统通过解析G/M代码生成刀具轨迹，其仅仅是命令的忠实执行者。随着STEP-NC模型的出现，出现了STEP-Compliant机床数控系统，该类型的控制系统可以通过解析STEP-NC文件获取对工件的描述，初步具备了理解上游设计的能力。部分学者针对基于STEP-NC的数控系统展开了研究。其研究成果总结如下：

通过在数控系统内部将STEP-NC文件转换为G/M代码，实现了传统数控机床控制器对STEP-NC文件的兼容；

通过在数控系统内部嵌入CAM，实现了根据STEP-NC文件直接生成运动控制指令；

通过设计包含实时控制、动态质量等智能功能，实现了根据STEP-NC文件智能执行加工任务的能力。

图1 传统控制器及STEP-Compliant控制器

然而由于STEP-NC文件中缺少对工件尺寸公差及表面粗糙度等的加工要求表述能力，无法向控制器传达精确的加工任务要求；且该文件已包含了部分工艺规划信息，限制了控制器进行完全自主工艺规划的能力。为解决以上问题，课题组设计的数控系统智能工艺规划方案如图2所示。

图2 控制器进行智能工艺规划的流程

通过对加工任务、加工资源模型的设计，机床数控系统可解析用户提交的加工资源及加工任务文件，在云知识库的支持下实现自主的加工工艺规划。该知识库基于Hadoop架构建立，开放性好，可通过接收用户反馈不断更新知识实现更优的工艺规划决策。

2、加工任务模型的设计

加工任务模型整体结构设计如图3所示。考虑到同上游设计软件及已有标准的兼容性，该模型应用了ISO 10303-11中定义的EXPRESS语言进行描述。依照该模型可生成加工任务文件，同STEP-NC文件相比，其删除了对机床刀具及工艺规划的描述，增加了对加工表面及相应派生要素（如轴线）的定义，同时也增加了表面之间、表面与派生要素之间、派生要素之间的几何公差定义，使其具备了对加工任务要求的表述能力。

图3 加工任务模型整体结构

3、加工资源模型的设计

加工资源模型整体结构设计如图4所示。该模型由本体语言OWL表示，依据该模型生成的加工资源模型文件为XML格式，方便人机理解和网络传输。在STEP-NC定义的组件、功能及刀具的基础上，增加了机床的基本信息来更全面的描述机床的加工能力。该文件可在数控机床出厂时默认存储在控制器固定路径，加工资源文件与数控机床一一对应。

图4 加工资源模型整体结构

4、加工工艺知识聚集方法

加工工艺知识可看作是工程的实例，每个工程由加工任务及其对应的加工工艺规划方案构成，如图5所示。

图5 加工任务、加工资源、工艺规划及加工工艺知识之间的联系

知识的聚集可看作是工程实例在知识库中不断积累的过程，如图6所示。在知识库构建之初，需要由专家提供部分样本工程实例并定义规则实现工步排序等逻辑功能。在知识库的应用过程中，通过推理会不断得到新的加工工艺方案，用户可将该方案直接或改进后提交至知识库作为新的知识。即在该设计下，知识的聚集是个开放且长期有效的过程，通过评分反馈可以过滤低质量的加工工艺知识，配合定期清理可保证知识库平稳的运行。

图6 知识聚集过程

5、基于云技术的加工工艺知识库的设计

考虑到大量知识的存储及有效处理，知识库建立在分布式系统基础架构Hadoop上，该架构支持数据的并行处理并且可通过扩展集群拥有不断扩展的存储空间。知识库的框架如图7所示，采用适合大数据存储的列式数据库HBase进行知识存储，同时借助于Hadoop提供的Map/Reduce编程框架实现了查询引擎和推理引擎。查询引擎负责查找与加工任务中工件描述相匹配的知识实例，当无法找到相同工件或加工资源无法执行对应的工艺规划时，推理引擎将根据制造特征进行对应的操作推理并依据规则生成加工工艺规划方案。

图7 加工工艺知识库框架

6、基于加工工艺知识库的机床智能数控系统设计

机床智能控制系统结构如图8所示。知识库相当于智能数控系统的大脑，同控制器之间通过网络进行文件传输，并基于统一的加工工艺知识模型对文件进行解析，以此实现两者的交互。考虑到EXPRESS格式的文件不适合直接用于网络传输，控制器内置了STEP转换器可将EXPRESS格式文件转换为更为轻便的XML文件。在提交加工任务文件和加工资源文件至知识库后，知识库会根据加工资源推送可行的加工工艺规划方案，控制系统解析方案并根据加工任务文件和加工资源文件生成刀轨，经虚拟加工后选择最优的方案执行。

使用此方法用户可专注于工件的设计，将加工任务提交至智能控制器后，实现数控系统自主加工工艺规划。同时为了提高加工工艺规划的效率，控制器内部设计了缓存模块用于存储常用的加工工艺方案，任务加载模块优先访问缓存模块，无法找到可行加工工艺时才会访问知识库。

图8 带有知识库接口的智能控制器结构

7、后续研究

该研究以一台数控机床可完成对工件的全部加工任务为前提，而实际上当前的大多数工件需要多台机床分工序来满足其加工要求。后续研究将专注于以下两个方面：

从知识库设计的角度，如何在进行加工工艺规划时综合考虑多台机床的加工资源。

从数控机床控制系统设计的角度，如何控制多台机床基于知识库推送的加工工艺方案进行协同加工。

原文出处：

1.Ye, Y., Hu, T., Zhang, C. et al. Design and development of a CNC machining process knowledge base using cloud technology[J]. The International Journal of Advanced Manufacturing Technology 2018, 94: 3413.

https://doi.org/10.1007/s00170-016-9338-1.

https://link.springer.com/article/10.1007%2Fs00170-016-9338-1.

2.Zhu, W., Hu, T., Luo, W. et al. A STEP-based machining data model for autonomous process generation of intelligent CNC controller[J]. The International Journal of Advanced Manufacturing Technology ,2018,online.

https://doi.org/10.1007/s00170-017-1554-9.

https://link.springer.com/article/10.1007%2Fs00170-017-1554-9.

3.Ye, Y., Hu, T., Yang, Y. et al. A knowledge based intelligent process planning method for controller of computer numerical control machine tools[J]. Journal of Intelligent Manufacturing ,2018,online.

https://doi.org/10.1007/s10845-018-1401-3.

https://link.springer.com/article/10.1007%2Fs10845-018-1401-3.

数字孪生系列报道（七）：数字孪生车间使能技术——制造资源物理-信息建模及自适应协同

作者 CIMS

本期介绍西北工业大学张映锋教授团队关于制造资源物理-信息建模及自适应协同的研究成果，其成果分别发表在《IEEE Transactions on Industrial Informatics》期刊2017年第13期（题名：Agent and cyber-physical system based self-organizing and self-adaptive intelligent shopfloor）、《IEEE Transactions on Industrial Informatics》期刊2017年12月在线发表（题名：CPS-Based smart control model for shopfloor material handling）、《IEEE Transactions on Automation Science and Engineering》期刊2016年第3期（题名：IoT-enabled Real-time Production Performance Analysis and Exception Diagnosis Model）。这3篇文章从智能制造系统的自适应协同控制体系、底层制造资源的智能化建模、物料智能搬运等方面阐述了数字孪生车间使能技术——制造资源的物理-信息建模及自适应协同方法与技术。原文部分内容摘录如下：

1.研究背景

近年来，随着先进的信息技术、制造技术及新兴的云计算、物联网等技术的迅猛发展，新一轮科技革命和产业革命蓄势待发，智能制造、绿色制造、服务型制造、云制造、物联制造、信息物理融合系统等日益成为生产方式变革的重要方向，跨领域、协同化、网络化的创新平台正在重组制造业的创新体系，有力地推动着制造系统向服务化、智能化、绿色化的方向发展，更驱动着未来制造模式的创新。

制造资源的信息物理融合建模及其高效快速的调用是制造系统智能化的重要基础，也是制造企业应对快速变化的市场需求及时调整生产方案的技术支撑。作为世界工业发展风向标之一的德国工业界提出了“工业4.0（Industry 4.0）”战略，其目标是建立一个高度灵活的个性化和数字化的产品与服务的智能生产模式，实现工业领域新一代革命性技术的研发与创新，促使德国工业在新一轮全球工业革命中占领先机，工业4.0被德国政府《高技术战略2020》确定为十大未来项目之一。《中国制造2025》也明确要求要以促进制造业创新发展为主题，以提质增效为中心，以加快新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向，实现制造业由大变强的历史跨越。

在此背景下，课题组基于数字孪生、智能体、信息物理系统等技术，提出了一种“物物互联，感知制造”的物联制造模式，系统地研究了一种具备生产自组织与异常自适应能力的车间级智能生产系统的组成、整体结构、运行机制、关键技术等问题。

2.一种具有自组织与自适应能力的智能生产系统体系架构及关键技术

如图1所示，该智能生产系统在信息物理高度融合的物联网环境下主要由三部分组成，分别是制造资源智能体、自组织模块、自适应模块。在物联网基础设施的帮助下，多源实时生产信息可以被准确传输到制造资源智能体，并在多个智能体交互的过程中作为自主决策的辅助信息。自组织模块可以识别生产系统中的制造资源与生产需求，并根据生产规则进行优化配置。当出现生产异常时，自适应模块可以运用多层次事件结构等工具快速定位问题，并协调相关资源寻求问题的解决。

图1 具备自组织与自适应能力的智能生产系统体系架构

3.融合Agent理念与信息-物理技术的底层制造资源的智能化建模

3.1 加工设备的智能化建模

为了实现制造资源的信息物理深度融合，课题组设计了一种底层制造资源系统化的建模方法。如图2所示，传统的物理资源在多种传感器、执行器、及通讯网络的协助下具备了多源制造信息获取与指令执行的能力，这种封装了额外能力的资源被称为“信息物理融合资源”。利用面向服务架构，制造系统中常用的需求调用、状态查询、生产队列排序、信息共享等操作均被封装为服务，存储于资源智能体中。在这些服务的协助下，制造资源可以根据物理场景的实时数据并结合知识库与推理机，自主调用相关服务，高效完成相关生产工作，并按需将控制指令反馈给生产现场的执行器，执行效果会进一步被传感器采集，交由计算模型判断效果，实现了信息物理深度融合。利用利用统一资源发现获取接口等协议，被封装的制造服务可以被外部资源调用，从而实现了智能车间中的高效任务调配与协同，设计的软硬件系统见图3。

图2 制造资源智能化模型

图3 基于制造资源端智能化建模（Agent）的硬件装置和软件系统

3.2 搬运设备的智能化建模

物料配送是保证生产系统进行高效运转的关键，结合物联网技术，我们设计了一种具有感知和交互能力的搬运载体模型，既搬运设备的智能化。如图4所示，通过对搬运载体配置各类传感器（如RFID电子标签）、软件系统和无线传感装置，实现搬运载体的智能化，使得搬运载体能够感知自身的实时状态信息（如工作状态、承载情况等），同时获取当前的车间物料任务信息，并通过软件系统实现搬运载体与后台服务器的交互，得到与自身匹配的最优配送任务。

图4 基于CPS的智能搬运设备智能化建模

4.基于底层智能制造资源的制造系统实时性能分析

基于底层智能制造资源主动感知的各类实时制造信息，我们设计了如图5所示的生产过程的主动感知与性能分析体系构架。在该框架下，通过关键事件建立与生产性能关键指标的动态聚合关系，基于从底层智能制造资源采集而来的实时信息即基本事件进行分析，获取生产管理者所关心的生产过程关键性能量化信息，且在异常发生时，主动高效地感知生产异常的状态与级别，并快速获取导致异常产生的原因。

图5 生产过程的主动感知与性能分析体系构架

5.基于底层智能制造资源的制造系统协同优化

图6展示了出现生产异常时（或在系统识别出潜在的异常趋势时），自适应模块的运作逻辑。生产过程中的事件按照其来源、复杂程度、重要性等被分为原始事件、基本事件、复杂事件、关键事件等。低层次的异常事件往往意味着独立制造资源的扰动或异常，需要进行小规模的生产参数调整或资源优化。较高级别的生产事件往往需要调动多个资源进行协调，利用资源替代、补充、修复等方式消除异常。关键事件则对系统的正常运行起到了决定性的影响，解决这类异常需要借助制造系统知识库中的异常消减知识等信息，结合多个制造资源的实时状态，在较大范围乃至全局重新进行资源配置或重调度，以尽可能减少异常带来的影响。

图6 制造系统多层次自适应智能控制体系构架

原文出处：

[1]Zhang Yingfeng, Zhu Z.F., Lv J.X. CPS-Based smart control model for shopfloor material handling [J]. IEEE Transactions on Industrial Informatics, DOI: 10.1109/TII.2017.2759319.

[2]Zhang Yingfeng, Qian C., Lv J.X., Liu Y. Agent and cyber-physical system based self-organizing and self-adaptive intelligent shopfloor[J].IEEE Transactions on Industrial Informatics, 13 (2), 737-747.

[3]Zhang Yingfeng, Wang W.B., Wu N.Q., Qian C. IoT-enabled Real-time Production Performance Analysis and Exception Diagnosis Model[J].IEEE Transactions on Automation Science and Engineering, 13(3), 1318-1332.

数字孪生系列报道（八）：数字孪生驱动的产品设计

作者 CIMS

本期将介绍由北京航空航天大学陶飞教授带领的数字孪生研究组和澳大利亚新南威尔士大学Ang Liu教授、美国南加州大学Stephen C.-Y.Lu教授、新加坡国立大学A.Y.C.Nee教授等共同发表在《International Journal of Production Research》上有关数字孪生驱动的产品设计（Digital twin driven product design framework）方面的研究工作。文章概要翻译介绍如下：

随着新一代信息技术在工业和产品设计中的应用，数据驱动型产品设计的新范式已经出现。近年来，数字设计包（如CAD，FEA，CAE，CAM等）的普遍应用表明，设计过程比以往任何时候都更加数字化。利用物联网（IoT）可以实现数据直接从智能产品中收集，实时传输到“云”，并使用大数据进行分析。然而，随着信息物理系统的发展，虚拟空间及其与物理空间的无缝融合交互获得重视。数据驱动的产品设计主要侧重于物理产品数据的分析而非虚拟模型，换言之，产品物理空间与虚拟空间之间的融合通常是不存在的。传统上，虚拟产品和实物产品是以相互分离的方式建立、分析和升级的。因此，需要一个新的框架，可以有效地融合、集成和同步虚拟产品与物理产品并支持它们之间巨大的数据互动。在此背景下，能否使得产品物理空间与虚拟空间的数据及信息共融？一对虚拟/物理产品在设计中能否协同作用？是否有新的理论或技术可以驱动设计从而产生产品设计的新形式？这些问题值得我们深入思考并进行挖掘。

与此同时，数字孪生作为实现物理世界和信息世界实时交互融合的一种有效方法，近来在全球得到了广泛关注。北京航空航天大学陶飞教授带领的数字孪生研究组，和澳大利亚新南威尔士大学刘昂教授，美国南加州大学Stephen C.-Y.Lu教授，新加坡国立大学A.Y.C.Nee教授等共同在充分研究数字孪生及产品设计相关概念及理论的基础上，提出了数字孪生驱动的产品设计方法，相关研究工作发表在International Journal of Production Research上[1]。

相关研究主要集中在一对虚拟产品和物理产品之间的协同作用。在虚拟世界中，实现产品结构可视、行为模拟、性能优化等功能。在物理世界中，产品性能、行为和与用户的交互过程被传感器记录并由执行器控制。数字孪生驱动的产品设计框架如图1所示，设计过程分为五个阶段：任务阐述、概念设计、实体设计、详细设计和虚拟验证，每个阶段进一步分为多个子步骤。设计者通过客户评论和使用习惯等数据更好地了解客户需求；通过比较不同情况下虚拟产品的性能，确保产品实际/期望行为之间的不一致性降到最低并避免冗长测试，从而加速设计周期。

图1 Framework of digital twin-driven product design (DTPD)[1]

在理论研究的基础上，以共享单车的再设计中任务阐述、概念设计、虚拟验证环节为例(如图2)，具体阐述了该框架的实际应用方法。传统的自行车设计方法大多是基于设计者自身的知识和经验。而基于数字孪生的自行车设计如图3所示，主要由三部分组成：虚拟空间中的虚拟自行车，物理空间中的真实自行车以及虚拟和真实自行车之间的交互数据。共享单车使用广泛，含有丰富的自行车相关数据，基于物联网和移动互联网，虚拟空间可以获得如速度、加速度、车轮压力、用户评论以及相关的环境数据等丰富数据。利用这些数据，在虚拟空间中可建立虚拟自行车模型，该模型是物理自行车的忠实映射。在自行车的全生命周期中，虚拟空间将与物理空间协同作用。

图2 The use flows and interaction mode of shared bicycles [1]

如图3所示，设计者可以通过数字双胞胎获得上一代自行车的所有数据，对下一代自行车进行再设计。在任务阐述阶段，设计人员可以访问在线用户的意见，不同于以往的问卷或电话采访方式。通过分析这些评论，设计师可以发现自行车的设计缺陷、用户的特殊需求以及未来发展的方向，并将用户需求转化为功能需求。例如，大多数共享单车没有后座，这对于携带东西或朋友极为不便。因此，用户提出需求后，设计师应该有一个基本的判断——下一代设计应考虑添加后座。

图3 Digital Twin-driven bicycle design and virtual verification under DTPD

一旦功能要求得到设计者的确认，就会进入概念设计阶段，功能需求将被映射到设计参数、工作原理和物理结构。以后座设计为例，设计师将比较实际调整过后与原始后座高度之间的差异，加深对理想和真实情境的理解。采用数字孪生驱动产品设计方法，设计人员可以对自行车的参数，用户人群的分布情况以及用户对自行车使用的意见进行综合比较分析。最终，自行车的后座被设计为合适的高度。此外，由于后座应能承受一定的重量，所以设计高度的同时也会综合考虑后座的材料、形状、面积等因素。

虚拟验证部分包括性能预测、制造过程验证、功能验证三个步骤。在性能预测中，设计人员使用维护和故障的历史信息以及工程和材料科学的知识来模拟各种物理世界中的操作，并实时预测性能指标的变化。例如，自行车的数字孪生模型可以预测后排座椅重量增加时，后座车轮和轮胎压力等相关参数的变化。在接下来的制造过程验证中，设计人员使用数字孪生模型来模拟自行车的制造过程。一方面，通过虚拟空间的模拟，设计人员可以在最短的时间内确定最佳的工艺流程。另一方面，通过精确的模拟可以降低高次品率步骤。例如，通过对材料和设备的关键步骤和数据关系映射的模拟，可以减少一些组件的断裂。最终的功能验证部分，首先通过整合客户的物理数据来验证自行车的人机工程学，并找出可能存在的设计问题。其次，通过整合各种环境数据来验证不同情况下自行车的功能。例如，制动距离、轮胎磨损速度、后座寿命等，都可通过孪生模型在不同的情境条件下进行测试。在虚拟验证中，一旦发现不合格的问题，可通过迭代设计过程来改进设计方案。

文章研究提出了基于数字孪生的设计框架，其出现使产品设计出现新的转变，总结如下：

①驱动方式：由个人经验与知识驱动转为孪生数据驱动。

②数据管理：由设计阶段数据为主扩展到产品全生命周期数据。

③创新方式：由需求拉动的被动式创新转变为基于孪生数据挖掘的主动型创新。

④设计方式：由基于虚拟环境的设计转变为物理与虚拟融合协同的设计。

⑤交互方式：由离线交互转变为基于产品孪生数据的实时交互

⑥验证方式：由小批量产品试制为主转变为高逼真度虚拟验证为主。

目前，对数字孪生驱动的产品设计已做出了上述初步探讨，在相关理论、关键技术、运行机制等方面仍待进一步深入研究。

相关文章信息如下：

[1]Tao F., Sui F., Liu A., Qi Q., Zhang M., Song B., Guo Z., Lu S., and Nee A.Y.C. 2018. “Digital twin driven product design framework”.International Journal of Production Research, DOI: 10.1080/00207543.2018.1443229 (First Online: 28 Feb, 2018).

[2] Tao F, Cheng J, QI Q, Zhang M, Zhang H, Su F, Digital twin-driven product design, manufacturing and service with big data, The International Journal of Advanced Manufacturing Technology,2018, Volume 94, Issue 9–12, pp 3563–3576 (First Online: 16 March 2017) .

数字孪生系列报道（九）：数字孪生驱动的产品服务生命周期管理

作者 CIMS

本期介绍郑州轻工业学院河南省机械装备智能制造重点实验室李浩副教授团队关于制造服务与数字孪生的相关研究成果。在国家科技支撑计划课题“基于全生命周期的高端重型装备制造服务系统关键技术研究与应用”（2015.4-2017.12）的资助下，其成果分别刊发在《International Journal of Advanced Manufacturing Technology》期刊2016年第4期（题名：一种广义产品<广义产品即产品与服务>模块化数据建模方法）、《IEEE Transactions on Systems, Man, and Cybernetics-Systems》期刊2017年第3期（题名：模块化产品服务系统双层配置优化方法）和《Journal of Intelligent Manufacturing》期刊2018年在线发表（题名：一种面向复杂产品的MRO服务资源调度优化方法）。基于以上理论研究与应用实践，笔者近年来主要研究复杂产品服务业务建模和数据建模方法，随着数字孪生与大数据技术的兴起，研究方向逐渐引入到深层次的数字孪生驱动的产品服务关键技术与应用上来。下面对笔者团队的研究成果进行简要的概述：

一、基于数字孪生的产品服务基本模型

产品服务是产品销售、安装调试、运行、故障处理、回收再制造过程中的基本服务和增值服务的总称，是实施传统制造业转型升级和产品价值增值的重要抓手。

基于数字孪生（Digital Twins，DT）的产品服务是在数字孪生系统的支撑下，通过服务过程中的人、产品、配套资源等要素之间的虚实同步，实现资源的优化配置与有机融合，从而实现服务的低成本高效率的提供；同时，也极大降低了用户在产品服务期间的生产成本损失。为服务运营商和用户实现了价值共享。

基于DT的产品服务模型如图1所示，它包含了来自于服务人员管理、服务工作流、备品备件、产品的虚拟样机、远程监控、故障诊断、智能分析与性能预测、服务BOM管理等系统的数据模型。基于DT的产品服务模型能与CRM、ERP和PDM能与重要信息化系统实现业务流与数据流的对接。建立基于DT的产品服务模型，能有效支持复杂产品的快速维修、预测性维护和再设计等，实现服务阶段的产品与服务数据全面管理。

图1 数字孪生驱动的产品服务基本模型

二、基于数字孪生的产品服务基本特征

基于DT的产品服务是不同于传统产品服务的一种新型服务模式，数字孪生同时也给产品服务带来了新的服务提供方式与价值增值模式。基于DT的产品服务通过服务过程的虚实共生，使得服务管理与优化呈现出新的转变。探索数字孪生对产品服务带来的巨大变化，结合虚实共生的优势特征。

（1）响应方式；由原先的客户主动响应向服务商主动服务转变；客户服务原先是客户主动的请求。基于大数据分析和当前客户的产品或服务在线运行情况，主动智能判断可能的需求。服务响应由服务商主动识别与个性化推荐给当前在用客户和潜在客户群体。

（2）服务调度：由原先的客户被动等待向服务商基于数字模型主动敏捷调度转变；服务调度不同于一般的车间调度，它具有时效性、紧急性等特征。基于数字模型的零部件寿命预测与故障预测方法，提前预警与个性化定制故障后的资源配置，实现主动敏捷调度。

（3）故障诊断与维修模式：由原先的事后维修转变为以故障预测和事前保养维护为主。基于在线监测、故障诊断和性能预测模型与方法，提前智能预测各种故障发生的概率与时间，尽可能的降低设备停产对客户的生产损失。

（4）过程管理：由传统多个孤立服务管理向实时化、透明化、全集成化的服务生命周期管理转变。当前，大多数制造企业的服务过程管理如服务需求管理、MRO管理、人员派工管理、远程监视系统没有实现内部的集成，更没有实现与ERP、CRM、PDM等外部主要系统的集成。

三、基于数字孪生的产品服务关键理论与技术

服务阶段的数字孪生体系包含了服务人员与服务工作流模型、备品备件状态模型、产品的虚拟样机模型、产品故障模型、基于实时监测结果的智能分析模型、机器学习与性能预测，维修服务BOM状态模型等。服务阶段的数字孪生真正表达了在服役产品生命周期的完整信息，只有建立服务阶段的数字孪生模型，才能有效支撑复杂产品的快速服务和预测性维护，实现服务阶段的产品数据管理。亟需在以下难点问题取得突破。

（1）在虚实映射机制与集成方面

新型产品服务模式下，资源、工作流、产品实时监控、产品数据模型等存在多个系统中，如：PDM系统中存在产品设计数据EBOM和三维模型；CRM系统中存在客户数据与服务需求数据；ERP中存在制造阶段的MBOM信息、备品备件信息、质量信息等。跨业务、跨系统之间的虚实映射与无缝集成存在较大难题，研究它们之间的虚实转换机制与集成方法，实现服务对象层、业务层、数据层之间的数据有机转换、集成与优化管理。

（2）在资源要素建模方面

资源要素主要包括服务人员、备品备件、工艺装备及辅料等，数字孪生驱动的产品服务过程具有实时性和透明性，关键备品备件和易损件的实际提供状态需要进行数字化建模与实时同步显示，建立资源要素在工作流过程中的即时状态模型，支持设备大修的优化调度决策。

（3）在复杂产品远程监控与性能预测方面

建立关键零部件运行状态实时监控系统，融合多传感器信息，分别从关键零部件级和系统级建立故障诊断模型，建立多参数故障预警与性能预测分析模型，使得产品运行过程的可视化与可预测化。确保系统数据与实际监测数据、性能预测数据与零部件的实际状态相一致。

（4）在物理产品与服务集成的生命周期数据建模与演化方面

在服务生命周期过程中，物理产品与服务相集成的数据模型及生命周期状态变化规律的研究，能有效支持服务生命周期履历管理和价值增值。产品服务BOM记录了产品服务阶段产品履历表的维修次数、每次维修的零部件信息等，是实现产品生命周期管理非常重要的一部分。同时，对于产品再设计的可靠性分析与优化提供重要支撑。

四、案例展示

案例1：某大型复杂产品的制造服务管理系统

某大型制造企业的制造服务管理系统如图2所示，它包括产品服务管理子系统和产品远程监控与故障诊断子系统。产品服务管理子系统：包括服务业务系统（需求管理、商机管理、工作令管理、计划管理、工单管理等）、服务管理系统、系统管理子系统、开放地图、ERP接口、报表系统、备品备件管理、服务BOM管理等模块。产品远程监控与故障诊断子系统包括产品状态信息远程采集传输子系统、产品远程故障诊断子系统和产品远程状态监控与故障诊断数据库管理系统等。

图2 服务BOM管理及产品远程监控与故障诊断子系统部分页面

案例2：云环境下的设备远程监控平台

设备运营商提供的云环境下的设备远程监控平台如图3所示，该平台确保了业主在不同地点实现对特定地点室内的空调、电力、供水等基础设施的运行参数实时在线监控、历史故障追溯、实时视频监控等功能。

图3 云服务监控系统

以上案例目前仍处于产品业务流与数据流集成阶段，在数字模型构建与应用、业务流与数据流集成、跨系统集成、服务生命周期数据管理等方面仍未达到基于数字孪生的产品服务模型的程度。

五、后续研究与应用

在理论研究方面，（1）在虚实映射机制与集成方法方面，跨系统的实测数据、历史数据、三维模型、基础数据等存在复杂关联关系，需要理清基于DT的产品服务模型中各要素之间的虚实映射机制。（2）基于在线实测数据的关键零部件主动调度优化。关键件的定制周期直接决定了设备停机时间。因此，关键备品备件以及易损件的实际提供或加工状态需要进行数字化实时显示，支持设备大修的主动调度与优化决策。（3）基于DT的复杂产品性能预测方法。建立多参数故障预警、诊断分析模型。

在技术开发与应用方面，（1）开发产品设计阶段的全三维数字化模型，将三维数字化模型传递并实现模型的管理，加强实时状态数据与动态全三维数字化模型的结合。（2）制造服务系统与ERP系统和CRM系统集成相对较为容易，可实现制造BOM到服务BOM的转换；然而，服务BOM的生命周期演化管理以及服务BOM与设计BOM（PDM）集成与服务数据回朔存在较大难题。

原文出处：

[1]Hao Li, Shanghua Mi, Qifeng Li, Xiaoyu Wen, Dongping Qiao, Guofu Luo. A scheduling optimization method for MRO service resources for complex products [J]. Journal of Intelligent Manufacturing, 2018， DOI: 10.1007/s10845-018-1400-4.

[2]Hao Li, Yangjian Ji, Guofu Luo, Shanghua Mi. A modular structure data modeling method for generalized product [J]. International Journal of Advanced Manufacturing Technology，2016, 84 (1-4):197-212.

https://link.springer.com/article/10.1007%2Fs00170-015-7815-6.

[3]Hao Li, Yangjian Ji, Liang Chen, Roger Jianxin Jiao. Bi-level coordinated configuration optimization for product-service system modular design [J]. IEEE Transactions on Systems, Man, and Cybernetics-Systems. 2017, 47(3):537-554.

http://ieeexplore.ieee.org/document/7364287/.

数字孪生系列报道（十）：数字孪生驱动的复杂产品装配工艺

作者 CIMS

本期介绍东南大学刘晓军副教授团队关于数字孪生驱动的复杂产品装配工艺的相关研究成果。其成果分别刊发在：《International Journal of Advanced Manufacturing Technology》期刊2016年第1期（题名：Assembly process modeling mechanism based on the product hierarchy）、《Journal of Manufacturing Systems》期刊2017年第42卷（题名：An inspecting method of 3D dimensioning completeness based on the recognition of RBs）、《Computer-Aided Design》期刊2014年第5期（题名：An intelligent approach for dimensioning completeness inspection in 3D based on transient geometric elements）、《计算机集成制造系统》期刊2014年第8期（题名：基于轨迹相交的三维顺序尺寸标注完备性检查）、《计算机集成制造系统》期刊第2015年第2期（题名：基于相差轨迹的三维标注缺失尺寸推荐）。该团队对数字孪生驱动的复杂产品装配工艺研究情况如下：

复杂产品装配是产品功能和性能实现的最终阶段和关键环节，是影响复杂产品研发质量和使用性能的重要因素，装配质量在很大程度上决定着复杂产品的最终质量。在工业化国家的产品研制过程中，大约1/3左右的人力在从事与产品装配有关的活动，装配工作量占整个制造工作量的20%-70%，据不完全统计，产品装配所需工时占产品生产研制总工时的30%-50%，超过40%的生产费用用于产品装配，装配的工作效率和质量对产品制造周期和最终质量都有极大的影响。

随着航天器、飞机、船舶、雷达等大型复杂产品向着智能化、精密化和光机电一体化的方向发展，产品零件结构越来越复杂，装配与调整已经成为复杂产品研制过程中的薄弱环节。这些大型复杂产品具有零部件数量种类繁多、结构尺寸变化大且形状不规整、单件小批量生产、装配精度要求高、装配协调过程复杂等特点，其现场装配一般被认为是典型的离散型装配过程，即便是在产品零部件全部合格的情况下，也很难保证产品装配的一次成功率，往往需要经过多次选择试装、修配、调整装配，甚至拆卸、返工才能装配出合格产品。目前，随着基于模型定义（Model Based Definition，MBD）技术在大型复杂产品研制过程中的广泛应用，三维模型作为产品全生命周期的唯一数据源得到了有效传递，促进了此类产品从“设计-工艺-制造-装配-检测”每个环节的数据统一，使得基于全三维模型的三维装配工艺设计与装配现场应用越来越受到关注与重视。

全三维模型的数字化工艺设计是连接基于MBD的产品设计与制造的桥梁，而三维数字化装配技术则是产品工艺设计的重要组成部分。三维数字化装配技术是虚拟装配技术的进一步延伸和深化，即利用三维数字化装配技术，在无物理样件、三维虚拟环境下对产品可装配性、可拆卸性、可维修性进行分析、验证和优化，以及对产品的装配工艺过程包括产品的装配顺序、装配路径以及装配精度、装配性能等进行规划、仿真和优化，从而达到有效减少产品研制过程中的实物试装次数，提高产品装配质量、效率和可靠性。基于MBD的三维装配工艺模型承接了三维设计模型的全部信息，并将设计模型信息和工艺信息一起传递给下游的制造、检测、维护等环节，是实现基于统一数据源的产品全生命周期管理的关键，也是实现装配车间信息物理系统中基于模型驱动的智能装配的基础。

伴随着德国“工业4.0”、美国“工业互联网”以及“中国制造2025”战略的相继提出，其战略核心就是通过信息物理融合系统（Cyber-Physical System，CPS）实现人、设备与产品的实时连通、相互识别和有效交流，从而构建一个高度灵活的智能制造模式。为实现复杂产品的三维装配工艺设计与装配现场应用的无缝衔接，面向智能装配的信息物理融合系统是实现复杂产品“智能化”装配的基础，其核心问题之一是如何将面向产品实际装配过程的物理世界与三维数字化装配过程的信息世界进行交互与共融。

随着新一代信息与通信技术（如物联网、大数据、工业互联网、移动互联等）和软硬件系统（如信息物理融合系统、无线射频识别、智能装备等）的高速发展，数字孪生（Digital Twin）技术的出现为实现制造过程中物理世界与信息世界的实时互联与共融、实现产品全生命周期中多源异构数据的有效融合与管理以及实现产品研制过程中各种活动的优化决策等提供了解决方案。因此，借助数字孪生技术，构建基于数字孪生驱动的产品装配工艺模型，实现装配车间物理世界与数字化装配信息世界的互联与共融，是有效减少工艺更改和设计变更，保证装配质量，提高一次装配成功率，实现装配过程智能化的关键。

一、基于数字孪生的产品装配工艺设计基本框架

数字孪生驱动的装配过程将基于集成所有装备的物联网，实现装配过程物理世界与信息世界的深度融合，通过智能化软件服务平台及工具，实现零部件、装备和装配过程的精准控制，对复杂产品装配过程进行统一高效地管控，实现产品装配系统的自组织、自适应和动态响应，具体的实现方式如图1所示。

图1 数字孪生模型驱动的复杂产品智能装配

通过建立三维装配孪生模型，引入了装配现场实测数据，可基于实测模型实时高保真地模拟装配现场及装配过程，并根据实际执行情况、装配效果和检验结果，实时准确地给出修配建议和优化的装配方法，为实现复杂产品科学装配和装配质量预测提供了有效途径。数字孪生驱动的智能装配技术将实现产品现场装配过程的虚拟信息世界和实际物理世界之间的交互与共融，构建复杂产品装配过程的信息物理融合系统，如图2所示。

图2 数字孪生驱动的复杂产品智能装配系统框架

二、基于数字孪生的产品装配工艺设计方法特点

传统（现有）的产品数字化装配工艺设计方法大多基于理想数模，该模型可在装配工艺设计阶段用于检查装配序列、获取装配路径、装配干涉检测等环节，然而对于单件小批量生产的大型复杂产品现场装配而言，现阶段的三维数字化装配工艺设计并不能完全满足现场装配发生的修配或调整等实时工艺方案的变化，主要是由于在装配工艺设计阶段未考虑来自零件制造误差以及装配过程误差等因素造成的，导致产品装配工艺设计时存在以下的不足：

1.装配工艺设计阶段没有充分考虑实物信息和实测数据

基于MBD技术的三维装配工艺设计提供了一种以工艺过程建模与仿真为核心的设计方法，利用集成的三维模型来完整表达产品定义，并详细描述了三维模型的工艺信息（可行装配序列和装配路径等）、装配尺寸、公差要求、辅助工艺等信息。然而，上述模型并不考虑制造过程，更不考虑实际装配过程模型的演进，因此，将产品装配制造过程模型和理想数模相结合，在装配工艺设计阶段就充分考虑实物信息，可高保真度地仿真复杂产品实物装配过程，提高其一次装配成功率。

2.不能实现虚拟装配信息与物理装配过程的深度融合

目前的虚拟装配技术主要是基于理想几何模型的装配过程分析仿真与验证，面临着如何向实际装配应用层面发展的瓶颈问题。由于虚拟装配技术在装配误差累计、零件制造误差对装配工艺方案的影响等方面缺乏分析和预见性，导致虚拟装配技术存在“仿而不真”的现象，无法彻底解决在面向制造/装配过程中的工程应用难题。上述问题的核心是虚拟装配技术无法支持面向生产现场的装配工艺过程的动态仿真、规划与优化，无法实现虚拟装配信息与物理装配过程之间的深度融合。

3.现有三维装配工艺设计无法高效准确地实现装配精度预测与优化

大型复杂产品装配过程中，经常采用修配法或调整法进行现场产品装配作业，如何对装配过程误差累积进行分析，在产品实际装配之前预测产品装配精度，如何根据装配现场采集的实际装配尺寸实时设计合理可靠的装调方案，是当前三维装配工艺设计的难点之一。当前的三维装配工艺设计技术由于没有考虑零件实际制造精度信息以及实际几何表面的接触约束关系等影响因素，导致现有装配精度预测与优化方法很难运用于实际装配现场。

综上所述，相对于传统的装配，数字孪生驱动的产品装配呈现出新的转变，即工艺过程由虚拟信息装配工艺过程向虚实结合的装配工艺过程转变，模型数据由理论设计模型数据向实际测量模型数据转变，要素形式由单一工艺要素向多维度工艺要素转变，装配过程由以数字化指导物理装配过程向物理、虚拟装配过程共同进化转变。

三、基于数字孪生的产品装配工艺设计关键理论与技术

实现数字孪生驱动的智能装配技术，构建复杂产品装配过程的信息物理融合系统，亟需在以下技术问题取得突破：

1.在数字孪生装配工艺模型构建方面

研究基于零件实测尺寸的产品装配模型重构方法，基于零件实测尺寸重构产品装配模型中的零件三维模型，并基于零件的实际加工尺寸进行装配工艺设计和工艺仿真优化。课题组前期研究了基于三维模型的装配工艺设计方法，包括三维装配工艺模型建模方法，三维环境中装配顺序规划、装配路径定义的方法，装配工艺结构树与装配工艺流程的智能映射方法。部分研究工作发表在International Journal of Advanced Manufacturing Technology上[1]。

2.在基于孪生数据融合的装配精度分析与可装配性预测方面

研究装配过程中物理、虚拟数据的融合方法，建立待装配零件的可装配性分析与精度预测方法，并实现装配工艺的动态调整与实时优化。研究基于实测装配尺寸的三维数字孪生装配模型构建方法，根据装配现场的实际装配情况和实时测量的装配尺寸，构建三维数字孪生装配模型，实现数字化虚拟环境中三维数字孪生装配模型与现实物理模型的深度融合。课题组前期在尺寸标注规范化及完备性检测等方面开展了前期的探索性工作，相关研究成果发表在Journal of Manufacturing Systems、Computer-Aided Design、计算机集成制造系统等期刊[2-5]，该研究成果可作为三维尺寸链提取及建立、装配尺寸链分析计算与装配精度预测的前提条件。

3.在虚实装配过程的深度整合及工艺智能应用方面

建立三维装配工艺演示模型的表达机制，研究三维装配模型的轻量化显示技术，实现多层次产品三维装配工艺设计与仿真工艺文件的轻量化。研究基于装配现场实物驱动的三维装配工艺现场展示方法，实现现场需要的装配模型、装配尺寸、装配资源等装配工艺信息的实时精准展示。研究装配现场实物与三维装配工艺展示模型的关联机制，实现装配工艺流程、MES系统及装配现场实际装配信息的深度集成，完成装配工艺信息的智能推送。

四、案例展示：部装体现场装配应用平台示例

为实现面向装配过程的复杂产品现场装配工艺信息采集、数据处理和控制优化，构建基于信息物理融合的现场装配数字孪生智能化软硬件平台，该平台可为数字孪生装配模型的生成、装配工艺方案的优化调整等提供现场实测数据。

Ⅰ：装配部装体（局部）；Ⅱ：关节臂测量仪设备及工控机；Ⅲ：激光跟踪仪设备及工控机；Ⅳ：激光投影仪设备（组）及工控机；Ⅴ：计算机控制平台和相关软件系统。

图3 基于信息物理融合的现场装配数字孪生智能化硬件平台示意图

该平台系统示意图如图3所示，它包括产品装配现场硬件系统（如关节臂测量仪、激光跟踪仪、激光投影仪设备（组）、计算机控制平台等）和三维装配工艺设计相关软件（如三维装配工艺设计软件、轻量化装配演示软件等）。基于数字孪生的产品装配工艺设计流程为：首先，将产品三维设计模型、结构件实测状态数据作为工艺设计的输入，进行装配序列规划、装配路径规划、激光投影规划、装配流程仿真等预装配操作，推理生成面向最小修配量的装配序列方案，将修配任务与装配序列进行合理协调；然后，将生成的装配工艺文件经由工艺审批后下放至现场装配车间，通过车间电子看板指导装配工人进行实际装配操作，并在实际装配前对初始零部件状态进行修整；最后，在现场装配智能化硬件设备的协助下，激光投影仪设备（组）可实现产品现场装配活动的高效准确地激光投影，避免错装漏装，提高一次装配成功率，激光跟踪仪可采集产品现场装配过程的偏差值，并实时将装配过程偏差值反馈至工艺设计端，经由装配偏差分析与装配精度预测可给出现场装调方案，实现装配工艺的优化调整与再指导，高质量地完成产品装配任务。

目前，对数字孪生驱动的产品装配工艺设计做了上述初步探索，本课题组在三维装配工艺建模机制、三维装配工艺设计与轻量化装配工艺演示等方面完成了部分探索工作，这些工作目前正处于研发向工程应用的推进阶段，而在数字孪生驱动的三维装配工艺应用、智能化装配平台搭建、跨系统跨平台软硬件集成等方面处于刚起步研究阶段，仍待进一步深入研究。

原文出处：

[1]Xiaojun Liu, Zhonghua Ni, Jinfeng Liu, et al. Assembly process modeling mechanism based on the product hierarchy[J]. International Journal of Advanced Manufacturing Technology, 2016, 82(1-4):391-405.

[2]Xiaojun Liu, Jialu Xing, Yalong Cheng, et al. An inspecting method of 3D dimensioning completeness based on the recognition of RBs[J]. Journal of Manufacturing Systems, 2017, 42:271-288.

[3]Yalong Cheng, Zhonghua Ni, Tingyu Liu, Xiaojun Liu. An intelligent approach for dimensioning completeness inspection in 3D based on transient geometric elements[J]. Computer-Aided Design, 2014, 53(5):14-27.

[4]程亚龙, 刘晓军, 刘金锋. 基于轨迹相交的三维顺序尺寸标注完备性检查[J]. 计算机集成制造系统, 2014,20(8):1799-1806.

[5]程亚龙,刘晓军,刘金锋,倪中华. 基于相差轨迹的三维标注缺失尺寸推荐[J]. 计算机集成制造系统, 2015,21（2）:410-416.

感谢有您！《计算机集成制造系统》数字孪生系列报道完美收官

作者 CIMS

为期一个月的数字孪生系列报道顺利落下帷幕，通过对近年来国内数字孪生技术方面取得重大成果的回顾、解析、重构，让广大读者能够更加全面深入系统的了解数字孪生技术的概念、理论、应用和发展。通过这次系列报道，我们从中看到的不仅仅是我国科研工作者在数字孪生技术方面取得的丰硕成果，更是制造强国大背景下几代科研人的锐意进取、勇攀高峰的勇气和实力。感谢北京航空航天大学陶飞教授、广东工业大学刘强教授、西北工业大学王军强教授和张映锋教授、山东大学胡天亮副教授、郑州轻工业学院李浩副教授、东南大学刘晓军副教授等专家对本次系列报道的大力支持，也感谢各位专家读者对系列报道的持续关注。《计算机集成制造系统》公众号将继续以传播行业知识、服务科学研究、推进制造业创新为宗旨，陆续推出系列专题报道。期待各位专家读者不吝赐稿，共同促进制造业学术交流百花齐放、百舸争流。

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能官 AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。