“数字孪生”（Digital Twin）正在成为智能制造新趋势!

S1543828798

“数字孪生”与建模仿真技术曾被称作智能制造业的下一波浪潮，工业4.0也要求，若要虚和实的互动以及相互增强，数字化模型必须先出现。

# \, p7 s. Q3 y0 L5 [7 O7 |
什么是数字孪生？
; \8 R! h8 ~& h& B1 x
8 G3 F3 K! b1 q, i. m

“数字化孪生”（Digital Twin）是指以数字化方式拷贝一个物理对象，模拟对象在现实环境中的行为，对产品、制造过程乃至整个工厂进行虚拟仿真，从而提高制造企业产品研发、制造的生产效率。
' u/ O2 z- E6 v# o; V# d( u" I+ ], X  {

' q1 t8 X7 n3 M% `4 ?

所有“产品”最早是人类大脑里的一个模糊概念，在没有数字化模型帮助的情况下，要打造出一件产品或一套生产流程，必然会经历多次迭代设计，有时候仅仅为了验证产品的某一个尺寸，部件之间的装配关系，流程的某一环节，就不得不制造出很多个中间产品或重新设计流程（被称为打样），耗费大量时间、金钱和人力。采用数字化模型的设计技术（常指CAD技术，即数字化辅助设计），就可在虚拟的三维数字空间里从无到有地创造出部件和产品以及工艺流程。在虚拟的三维空间里，可以轻松的修改部件和产品的每一处尺寸和装配关系，使得产品几何结构的验证工作、装配可行性的验证工作、流程的可实行性大为简单，因此可以大幅度减少迭代过程中的物理样机的制造次数，时间，成本。
' {* @# N3 ?9 y/ u0 N: E: P

) R) f- d( B0 \$ H3 L* E

除此之外，专门的电路CAD设计技术可以根据电路以及器件的原理，在三维数字空间设计出电路，并且也可以进行虚拟的验证和迭代设计。同样也可以大幅度减少制造物理样机的代价。这就是数字化模型一定会早于物理实体产品出现的原因。实际上，在最终的产品制造出来之前，有很多个数字化模型代表着产品迭代的各个阶段。这些模型或者其中的一部分，仍然有可能被以后的型号或者产品线所采用，这也是数字化模型的一个附加好处。

- Q, g: S8 Y" |7 \7 D8 {  a6 W1 x* k

☟“数字”正在成为智能制造新趋势

" U; l: L* ?3 Q7 B; R0 b

3 t) l: s( T1 V3 o( h

建模仿真的“前世今生”

建模仿真最早来源于上世纪60年代至70年代的计算机语言编写的数字算法，当时只是简单的用于计算特定物理现象，解决设计问题；之后的二十年，随着工作站和微机的普及以及计算能力的提高，仿真技术的应用逐渐遍及各个学科和不同层面；而且不会停留在设计阶段，正在向产品和系统的全生命周期扩展，构成与实体形影不离的“数字双胞胎”。由于仿真能够在产品生命周期提供无缝协助和优化，将会成为制造体系的核心功能之一，未来智能工厂是基于模型的系统工程或基于模型的制造，软件定义产品、决定企业盛衰，仿真技术制造系统关键组成部分的黄金时代才刚刚开始。Gartner预测，到2021年，全球50％的大型工业公司将使用数字双胞胎，从而使这些组织的效率提高10％，尤其是制造业和工程行业的公司，如果想要在竞争中保持领先地位，就需要考虑实施数字双胞胎。

制造业是目前数字双胞胎最常用的行业，按时向客户提供保质保量的产品对制造企业至关重要，如果机器的运转不能协同并以适当的容量工作，就回影响员工、生产、可交付性以及最终客户的满意度；采取实时监控、不中断生产的情况下进行测试、并且能够在设施中收集的数百万个数字据点获得更多信息，数字双胞胎使制造企业更加智能。

在德勤的一份案例研究中，一家工业制造企业决定采用数字双胞胎方法，来解决其在现场遇到的问题，从而解决维护费用和客户延迟交付。制造企业收集了设备以及正在生产的产品数据，来研究装配过程及其与产品质量的关系。因此，该项目能够识别低效率并优化装配流程，将返工率降低了15％至20％。

“数字孪生”国内现状

6 M. r1 r; _9 G4 L4 H+ H

最早在市场上提出“数字化孪生”模型概念的是西门子，基于模型的虚拟企业和基于自动化技术的现实企业的“数字化孪生”（Digital Twins），包括“产品数字化双胞胎”、“生产工艺流程数字化双胞胎”和“设备数字化双胞胎”，三个层面又高度集成为一个统一的数据模型，并通过数字化助力企业整合横向和纵向价值链，提供工业生态系统重塑和实现“工业4.0”自下而上的切实之路。

& W% G! a/ q8 L6 ?

数字孪生的引入国内仅仅几年时间，目前处于初步探索与实践环节，距离广泛应用还有很长的路要走；目前数字孪生技术还面临着诸多难题，主要可分为三类：一是高仿真度，高保真度的仿真建模是构建数字双胞胎体系的关键，数字孪生作为物理实体在数字空间的超写实动态模型，产品虚拟模型的高精度性、多物理场建模、高保真度响应模拟等是首要解决的技术难题。二是数据收集，由于数字孪生技术的应用以海量数据为基础，并且是基于全要素、全生命周期的数据，而有关这些数据所涉及的先进传感器技术、自适应感知、精确控制与执行技术等难题急需攻关。三是实时监测与健康预测技术也尚待完善，实时和预测是数字孪生的核心要素，一方面物理产品的数据动态实时反映在数字孪生体系中，另一方面，数字孪生基于感知的大数据进行分析决策，进而控制物理产品，而其中离不开相应的高实时性数据交互、高置信度仿真预测、超级计算能力等技术能力。此外，新的设计检验方法仍需进一步探索，使物理模式的实验结果更准确、更接近真实的工况，为数字孪生体的推演提供可靠的数据支撑。
+ H+ E9 G. Y+ ]2 y

目前中国制造业正处于转型升级的关键时期，通过物联网、大数据、人工智能和实体经济深度融合，使得中国制造竞争力得到大幅提升。未来，数字孪生也可结合物联网的数据采集、大数据处理和人工智能建模分析，实现对过去发生问题的诊断、当前状态的评估以及未来趋势的预测，并给予分析结果，模拟各种可能性，提供更全面的决策支持。

★情有独钟★

楼主，不论什么情况你一定要hold住！hold住就是胜利！hold就是对UG网最大的支持！

cx188

谢谢分享好东西