【数字孪生】面向智能制造的数字孪生

2020 年 5 月 10 日 产业智能官
【数字孪生】面向智能制造的数字孪生


译者:冯 超  来源:工业工程共学社 


摘要

数字孪生为制造业虚拟网络与现实世界之间的整合提供了一种有效的方法。同时,智能制造可以优化整个制造过程的业务流程和操作流程,达到新的更高的生产力水平。智能制造和数字孪生的结合将彻底改变产品的设计,制造,使用,维护,维修和运营以及其他过程。与服务相结合,通过制造的虚拟世界和物理世界的双向连接,数字孪生将产生更合理的制造规划和精确的生产控制,以帮助实现智能制造。本文重点阐述了制造服务与数字孪生的融合以及制造商如何以服务的形式使用数字孪生的各种组件。

 

关键词:数字孪生;制造业;智能制造;网络物理融合


  1. 介绍


随着物联网、大数据、云计算、人工智能等新一代信息技术的发展及广泛应用,推动了制造业向智能制造的方向发展。网络世界中先进的计算和分析能力为智能制造打开了一个光明的前景,虚拟网络与现实世界相融合的概念被越来越多的制造商所接受。然而,如何将制造业的现实世界和网络世界融合起来,仍然是一个严峻的挑战。


数字孪生是以数字方式为现实物体创建高度仿真的虚拟模型来研究其行为的车间物联网技术,这为实现虚拟网络与现实世界的融合提供了可能。凭借数字孪生可以集成复杂的制造过程,从而实现产品设计、加工以及智能服务等闭环优化。数字孪生越来越受到关注,美国高德纳公司将数字孪生列为2017年和2018年十大战略技术趋势之一。洛克希德·马丁公司的专家预测,未来几年,数字孪生将成为国防和航天领域最重要的技术。


此外,随着制造业向社会化和服务化发展,服务在制造业中发挥着越来越重要的作用,越来越多的制造商采用服务逻辑来应对激烈的竞争,从而获得更多的收入。服务可以屏蔽由不同供应商使用不同标准和通信协议/接口执行的资源的异构性,并支持它们之间的交互和集成。服务具有按需使用、动态重构和平台独立性等特点,使制造业具有大规模共享和协作的优势。


基于“一切皆服务”(Xaax)的概念,服务可以充分释放数字孪生的潜力。通过服务,数字孪生的每个组成部分都可以以方便的“现收现付制”方式共享和使用,特别是不容易快速创建的虚拟模型。此外,在数字孪生的工作过程中,服务是不可分割的一部分,很多活动都需要第三方服务的支持。例如,多源数据融合需要算法、计算和存储服务。本文将数字孪生与服务结合起来,具体阐述了如何将数字孪生为服务来使用。


2. 通用数字孪生概念模型


2003年,Grieves在密歇根大学关于产品生命周期管理的演讲中首次提出了数字孪生的概念。到目前为止,数字孪生已经成为了最受欢迎的技术之一。由于数字孪生具有巨大的颠覆性发展潜力,因此越来越受到业界的关注。许多著名的公司在他们自己的业务中广泛地应用了数字孪生。其中最典型的公司如下表1所示,针对知名企业对数字孪生的频繁使用,提出了数字孪生的一些解释和定义。数字孪生最常用的定义是Glaessegen和Stargel在2012年提出的,它由物理产品、虚拟产品和它们之间的联系三部分组成。


从表1可以看出,数字孪生反映了物理对象和虚拟模型的双向动态映射。通过构建集成制造过程的数字孪生,可以有效地提高产品设计、生产计划到制造实施的创新和效率。


对于智能制造来说,从小型的设备和生产线,到大型的车间或整个工厂,它们都可以看作是一个数字孪生体。因此,从智能制造的角度来看,数字孪生可以分为三个层次,即:单元级、系统级和SoS(系统的系统)级。单元级、系统级和SoS级数字孪生是一个逐步推进的系统模型。系统级数字孪生可以看作是多个单元级数字孪生相互配合的集成。多个单元级数字孪生或多个系统级数字孪生构成SoS级数字孪生,即;复杂的系统。单元级和系统级数字孪生符合Glaessegen对数字孪生的三维定义,即:物理实体、虚拟模型以及它们之间的连接。如图1所示,其中设备为单元级数字孪生。设备是参与制造活动的最小单位,制造活动的优化是通过设备的调整来实现的。对于系统级数字孪生,由机床、机械手等组成的智能生产线构成。对于单元级和系统级的数字孪生体,虚拟模型是从设备和生产线的几何形状、功能和运行状态出发,通过数字描述对物理设备进行超高保真映射,将基本属性、实时状态等数据传输到虚拟模型中,驱动仿真和预测。然后,对虚拟模型的参数进行反馈,以优化物理实体。在闭环交互过程中,物理实体和虚拟模型共同演化。对于SoS级(如车间)来说,精确的车间管理和可靠的运营与服务密不可分,对智能制造来说非常重要。为了进一步推广数字孪生理论和技术,笔者增加了服务,再融合数据模块。将数字孪生的三维结构扩展到五维,即物理实体、虚拟模型、服务、融合数据以及它们之间的连接。如图1所示:①物理实体是客观实体的集合,具有特定功能的完成生产任务的输入和输出;②虚拟模型是数字图像化的物理实体,它可以完全地反映物理实体的生命周期;③服务集成了管理、控制和优化等各种功能,可根据需求提供应用服务;④融合数据是数字孪生的核心驱动因素,包括来自物理实体,虚拟模型和服务的数据,以及它们的融合数据;⑤连接上面的四个部分,确保实时交互和迭代优化。基于数字孪生的五维结构,数字孪生车间为实现智能制造提供了新的途径。

表1  8家著名公司对于数字孪生的理解


图1 单元级、系统级、SoS级数字孪生和五维模型


3. 数字孪生的服务化


模型和数据是数字孪生的核心。然而,虚拟模型的创建是一个复杂而专业的过程,数据融合和分析也是如此。对于没有相关知识的用户来说,构建和使用数字孪生是很困难的。因此,模型必须能够被用户共享,数据分析外包给第三方专业组织。此外,在制造业社会化的背景下,制造业所涉及的物质资源是地理分布的。服务所具有按需使用、动态重新配置和平台独立性的特点,为解决上述问题铺平了道路。通过互联网,用户可以访问和使用各种元素来建立数字孪生。

服务封装是将数字孪生的各种组件转换成具有统一描述的服务。如图2所示,服务封装的第一步同时也是最重要的一步是建立信息模板,该模板由多种信息组成。对于物理对象,这些信息包括基本属性(如名称、ID、地址等)、QoS(如时间、成本、可靠性、满意度等)、容量(如精度、大小、流程等)、实时状态(如过载、空闲、维护等)以及输入和输出。物理对象的信息模板可以描述为式(1)。


PO={Basic,QoS,Cap,Status,Input,Output}               (1)


其中Basic表示标识物理对象的基本属性。服务质量(QoS)是对进行用户选择的物理对象性能的评价;Cap表示物理对象可以执行的函数;状态(Status)表示物理对象是否可用。以数控机床为例,其生产能力包括形状加工能力(如平面、孔、螺纹等)、精度(如粗糙度、挠度等)、零件加工能力(如齿轮、板材等)、尺寸(如高度、宽度、坐标等)等。状态包括过载、空载、维修等;对于输入和输出,数控机床可以是材料,如钢、铝合金等,输出可以是一个部分,或者一个小的乘积。它们可以形式化为(2)-(5):


Basic={type,name,ID,address,color,delivery_time,…}          (2)

QoS={cost,time,reliability,trust,Fun_similarity,…}          (3)

Cap={sharp_cap,precision_cap,parts_cap,size_cap,…}          (4)

Status={load,health,…}                    (5)


同样,虚拟模型也可以由信息模板描述。与物理实体不同,虚拟模型可以同时被多个用户使用。此外,虚拟模型需具有可复制性,而无需为相同或相等的物理对象重复创建。因此,当虚拟模型被封装到服务中供用户共享时,不仅模型的创建者可以获得好处,而且用户还可以减少成本和时间。虚拟模型的信息模板如式(6)所示。


VM={Ori_phy,Creator,Ori_ID,Cur_ID,Owner,QoS,Online_site,Input,Output,…} (6)


其中,Ori_phy表示创建虚拟模型的原始物理对象;Creator是根据自己的专业知识构建模型的人;Ori_ID是第一次创建模型时的原始标识号;Cur_ID是当前副本的标识号;所有者是拥有模型的人。拥有版权或可能是创作者的所有者可以通过出租模型或出售复制品来赚取利润;与物理对象相似,QoS是对模型性能的评价,包括成本、可靠性、功能等;Online_site表示用户可以访问或下载模型的在线地址;输入和输出可能会根据特定的模型而有所不同。

此外,数据对于智能制造非常重要。然而,由于各种标准和通信协议/接口的不同,数据很难获得和理解。通过使用统一模板来描述数据,用户可以方便地使用数据。一般来说,数据的信息包括拥有数据的数据提供者、收集数据的数据源、用于识别数据的数据ID、表示数据类型的数据类型以及数据抽象(data abstract),即数据值的简要介绍。因此,可以描述为(7)。


Data={D_prov,D_soure,D_ID,D_type,D_abstract,…}     (7)


信息模板描述了用户想要知道和必须知道的大部分信息。在建立信息模板之后,基于诸如XML语言的服务描述语言将各种物理对象、虚拟模型和数据封装到服务中(见图2)。举个例子,冲压机和PLC控制单元的信息模板由基于XML的服务封装。其中,信息模板包括冲压机和PLC控制单元的基本信息、处理能力、工艺参数和轴信息。图3显示了基于XML的冲压机和PLC控制单元的服务代码。


图2 数字孪生的服务封装


图3 基于XML的服务封装



4. 数字孪生的应用


在服务封装之后,数字孪生被发布到服务池和管理平台,在那里它们被管理以由不同的用户共享。如图4所示,数字孪生服务包括设备服务、技术服务、测试服务、数据服务、知识服务、算法服务、模型服务、仿真服务等。此外,还有许多辅助服务,如金融服务、物流服务、培训服务、设备维修服务等。服务管理包括搜索、匹配、调度、组合、事务、容错等。当向管理平台提交一个任务后,它被分解为可以由单个服务完成的子任务。根据QoS,执行制造业服务供需匹配和调度以选择最优服务。在服务事务之后,组合并调用所选服务以协同完成任务。最后,将结果反馈给用户。


数字孪生服务可用于产品设计、生产计划、制造执行和设备PHM(设备健康管理)以及其他应用程序。


在产品设计中,它是预期、解释和物理世界之间来回交互的过程。数字孪生设计是在现有实物产品的基础上,将设计者心中所期望的产品转化为虚拟世界中的数字表征。为了创新产品,设计师必须研究大量的数据来获取有价值的信息。因此,与产品相关的数据是最重要的资产之一。此外,设计师也不具备处理海量数据的专业能力。服务是上述问题的答案。设计人员只需将他们的需求提交到服务管理平台。服务管理器将匹配设计人员需要的数据服务和用于处理数据的模型和算法服务。通过调用、组合和操作这些服务,将结果返回给设计器。因此,设计师以“即付即用”的方式获得他们想要的东西。此外,在产品的功能结构和组件设计完成后,还需要对设计质量和可行性进行测试。借助数字孪生,设计师可以通过对虚拟产品的验证,快速、轻松地预测产品行为,而不需要等到产品原型生成。但虚拟验证需要制造现场(如生产线或车间等)的模型,而设计师没有。服务封装之后,可以通过服务搜索、匹配、调度和调用来使用模型服务。通过服务,可以方便地将数字孪生应用到产品设计中,使产品设计更有效地减少预期行为与设计行为的不一致,大大缩短了设计周期,降低了成本。


图4 数字孪生管理与应用


一般来说,产品制造是在车间内从原材料输入到成品输出的整个加工过程。为了降低成本,缩短生产时间,提高生产效率,有必要对生产过程进行预先定义。在生产计划和制造执行阶段,数字孪生提供了一种有效的方法来制定计划、优化和执行流程。首先,将生产任务提交给服务管理平台,进行资源服务供需匹配调度,寻找可用资源。然后,根据机床、机械手等实物资源的实时状态,制定生产计划。数字孪生车间可以在虚拟空间中模拟生产计划,甚至在实际生产过程中就能发现潜在的冲突。然而,数字孪生车间是一项复杂而专业的工作,特别是几何模型、规则模型、行为模型和动力学模型。在服务的帮助下,这些模型不必由制造商自己创建。对于物理设备和普适规则,可以购买其他厂商已经建立的模型,以服务的形式使用。目前厂家只需要创建只适合自己的特殊型号。此外,在车间的运行过程中,需要从数字孪生车间的服务系统调用数据处理、车间管理等服务。


物理设备性能的下降是不可避免的。当设备发生故障时,会导致较高的维护成本和任务延迟。PHM是监测设备状态,预测和诊断设备故障和部件寿命所必需的。在数字孪生PHM中,物理设备的虚拟模型与设备的真实状态是同步的,实时掌握设备运行状态和各部件的健康状况。该设备的高保真数字镜即使在物理距离之外也能提供对该设备的访问。此外,数字孪生的相互作用可以减少外界环境的干扰,提高准确性。在上面的过程中,模型是通过服务访问的。此外,当故障发生时,将调用维修服务来修复或替换损坏的设备。


5. 结论


数字孪生(DT)通过在制造业中将网络和物理世界的整合,为实现智能制造和工业4.0提供了一个良好的平台。面向服务的体系结构可以扩展DT的功能。通过服务,DT在设计、制造和PHM方面具有很高的应用潜力。结合服务和数字孪生,指定了如何将数字孪生的各种组件封装到服务中并以服务指令的形式使用。目前,该研究还处于起步阶段,改进和丰富DT建模和服务化方法仍需大量工作。


先进制造业+工业互联网




产业智能官  AI-CPS


加入知识星球“产业智能研究院”:先进制造业OT(自动化+机器人+工艺+精益)和工业互联网IT(云计算+大数据+物联网+区块链+人工智能)产业智能化技术深度融合,在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的产业智能化平台;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。


产业智能化平台作为第四次工业革命的核心驱动力,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; 重构设计、生产、物流、服务等经济活动各环节,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、新业态和新模式; 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。

产业智能化技术分支用来的今天,制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中, 利用工业互联网形成数字化、网络化和智能化力量,实现行业的重新布局、企业的重新构建和焕然新生。

版权声明产业智能官(ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源,涉权烦请联系协商解决,联系、投稿邮箱:erp_vip@hotmail.com。




登录查看更多
18

相关内容

CAP原则又称CAP定理,指的是在一个分布式系统中,Consistency(一致性)、 Availability(可用性)、Partition tolerance(分区容错性),三者不可得兼。
小贴士
相关资讯
【数字孪生】从CAD数据到数字孪生
产业智能官
16+阅读 · 2019年11月11日
图说报告 | “智能+”的终极版图:数字孪生世界
人工智能学家
12+阅读 · 2019年8月20日
【数字孪生】九论数字孪生
产业智能官
33+阅读 · 2019年7月6日
【数字孪生】工业互联网支持下的数字孪生车间
产业智能官
10+阅读 · 2019年6月3日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
23+阅读 · 2018年9月28日
德勤:工业4.0与数字孪生(附PDF下载)
走向智能论坛
12+阅读 · 2018年9月6日
相关VIP内容
专知会员服务
180+阅读 · 2020年6月16日
专知会员服务
135+阅读 · 2020年3月31日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
90+阅读 · 2020年1月2日
【文献综述】边缘计算与深度学习的融合综述论文
专知会员服务
81+阅读 · 2019年12月26日
电力人工智能发展报告,33页ppt
专知会员服务
57+阅读 · 2019年12月25日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
81+阅读 · 2019年12月12日
相关论文
WaveTTS: Tacotron-based TTS with Joint Time-Frequency Domain Loss
Rui Liu,Berrak Sisman,Feilong Bao,Guanglai Gao,Haizhou Li
3+阅读 · 2020年4月6日
Learning Dynamic Routing for Semantic Segmentation
Yanwei Li,Lin Song,Yukang Chen,Zeming Li,Xiangyu Zhang,Xingang Wang,Jian Sun
6+阅读 · 2020年3月23日
Recent Advances and Challenges in Task-oriented Dialog System
Zheng Zhang,Ryuichi Takanobu,Minlie Huang,Xiaoyan Zhu
16+阅读 · 2020年3月19日
TinyBERT: Distilling BERT for Natural Language Understanding
Xiaoqi Jiao,Yichun Yin,Lifeng Shang,Xin Jiang,Xiao Chen,Linlin Li,Fang Wang,Qun Liu
8+阅读 · 2019年9月23日
FocusNet: An attention-based Fully Convolutional Network for Medical Image Segmentation
Chaitanya Kaul,Suresh Manandhar,Nick Pears
4+阅读 · 2019年2月8日
Yue Zhang,Jie Yang
13+阅读 · 2018年5月15日
Unnat Jain,Svetlana Lazebnik,Alexander Schwing
8+阅读 · 2018年3月29日
Nathan D. Cahill,Tyler L. Hayes,Renee T. Meinhold,John F. Hamilton
4+阅读 · 2018年3月27日
Top