接上篇博客车间数字孪生解决方案（一）_Laynell的博客-CSDN博客
3、目标
企业通过开展数字孪生能够赋能基于模型的全生命周期价值链，具体能够实现的目标概况如下：
洞悉数据价值：实体孪生体运行状态数据全态可视化展示，让数据创造价值；
追求最优设计：基于模型的正向研发和协同创新，实现最优化产品设计、工艺设计、布局规划；
护航设备健康：设备状态信息的实时监测和健康状态的预测管理，做设备运行的健康卫士；
自动迭代优化：基于实时运行数据和知识图谱进行优化算法的无监督学习，控制物理实体最优作业；
守卫作业安全：通过实时的传感器数据及时了解现场“不安全状态”和“不安全行为”；
提供科学决策：基于态势数据、分析数据、预测数据、经验数据为决策提供有力支撑；
具体来说包括以下几个层面：
（1）实现生产流程可视化提高生产管控
围绕制造业数字化转型，数字孪生技术应用帮助生产制造企业优化产品生产制造流程，通过满足制造业企业的生产需求，制定全方位数字孪生服务，形成生产流程可视化、生产工艺可预测优化、远程监控与故障诊断在生产管控中高度集成，提升企业生产质量，提高对生产制造的管控水平。
（2）建设企业数字业务化降本增效
利用数字孪生技术，通过深化改革、技术改造和现代管理，实现企业数字业务化，以数据流带动技术流、资金流、人才流、物资流，实现降本增效。在设备方面，数字孪生帮助企业提升设备管理运行效率、降低产品生产设备故障率、降低设备维护成本等以降低企业运营成本。
（3）打造高度协同生产制造价值链释放价值
数字孪生技术促进上下游企业间数据集成和端到端汇聚，打造高度协同的上下游企业间生产制造链条，优化资源配置，提高企业效率，协同研发制造，推动企业释放更大的增值。
（4）构筑数字孪生运营模式赋能转型升级
数字孪生深入设计、生产、物流、服务等活动环节，贯穿产品的全生命周期，渗透到设备、车间、企业、产业链各个层级应用，创造以产业升级、业务创新、全数字化个性化定制为导向的新的运营模式，摆脱旧商业模式束缚，触发新型生产模式和商业模式的演进，助力企业升级改造，为传统制造转型升级赋能。
4、实施路径
4.1 车间数字孪生技术架构
车间数字孪生通过构建物理对象的数字化镜像，描述物理对象在现实世界中的变化，模拟物理对象在现实环境中行为和影响，以实现状态监测、故障诊断、趋势预测和综合优化。为了构建数字化镜像并实现上述目标，需要 IOT、建模、仿真等基础支撑技术通过平台化的架构进行融合，搭建从物理世界到孪生空间的信息交互闭环。整体来看，一个完成的数字孪生系统应包含以下四个实体层级：一是数据采集与控制实体，主要涵盖感知、控制、标识等技术，承担孪生体与物理对象间上行感知数据的采集和下行控制指令的执行。 二是核心实体，依托通用支撑技术，实现模型构建与融合、数据集成、仿真分析、系统扩展等功能，是生成孪生体并拓展应用的主要载体。 三是用户实体，主要以可视化技术和虚拟现实技术为主，承担人机交互的职能。 四是跨域实体，承担各实体层级之间的数据互通和安全保障职能。
4.2 数字孪生系统概念模型
数字孪系统（digital twin system, DTS）的概念模型如下图所示，包括虚拟车间、车间服务系统、车间孪生数据、连接。
?
虚拟车间是客观存在的生产设备、人员、产品、物料等实体的集合，主要负责接收车间服务系统下达的任务，并严格按照仿真优化后的预定义的指令，执行生产活动并完成生产任务。虚拟车间的设备、人员、产品、物料等生产要素的实时状态数据可通过各类传感器进行有效采集。由于这些数据来自不同数据源，存在数据结构不同、接口不同、语义各异等问题，因此，为了实现对多源异构数据的统一接入，需要一套标准的接口与协议转换装置。
虚拟车间是虚拟车间的忠实完全数字化镜像，从几何、物理、行为、规则多个层面对虚拟车间进行描述与刻画，主要负责对虚拟车间的生产资源与生产活动进行仿真、评估及优化，并对实际生产过程进行实时监测、预测与调控等。虚拟车间本质上是由多个几何、物理、行为及规则模型构成的模型集合，能够对虚拟车间进行全面地多维度描述与刻画。根据数字孪生3层结构，虚拟车间中包括人员、设备、工具等单个生产要素的单元级模型，由多个生产要素单元级模型构成的系统级模型，以及包括多个系统级模型及模型间交互与耦合关系的复杂系统级模型。
车间孪生数据是虚拟车间、虚拟车间、车间服务系统相关数据、领域知识，以及通过数据融合产生的衍生数据的集合，是虚拟车间、虚拟车间、车间服务系统运行交互与迭代优化的驱动。融合数据是车间孪生数据的重要组成部分，是通过特定的规则将来自物理和信息空间的数据聚合在一起得到的。其中，物理空间的数据主要指虚拟车间相关数据，这些数据是物理实体产生的真实数据；信息空间的数据主要指虚拟车间相关数据和车间服务系统相关数据，这些数据不是从物理空间直接采集得到的，而是在物理数据的基础上，利用信息空间模型仿真、算法推演、系统衍生等过程得到的，是对物理数据的补充。
车间服务系统是数据驱动的各类服务功能的集合或总称，它将DTS运行过程中所需数据、模型、算法、仿真、结果进行服务化封装，形成支持DTS管控与优化的功能性与业务性服务。车间服务系统的运行过程包括子服务封装、需求解析、服务组合及服务应用。
连接实现DTS各部分的互联互通，它包括虚拟车间和车间孪生数据的连接、虚拟车间和虚拟车间的连接、虚拟车间和车间服务系统的连接、虚拟车间和车间孪生数据的连接、虚拟车间和车间服务系统的连接、车间服务系统和车间孪生数据的连接。
4.3 数字孪生运行机制
DTS的优化机制主要包括对生产要素管理、生产活动计划、生产过程控制3个方面的迭代优化，如下图所示。其中，基于虚拟车间与车间服务系统的交互，可实现对生产要素管理的迭代优化；基于车间服务系统与虚拟车间的交互，可实现对生产计划的迭代优化；基于虚拟车间与虚拟车间的交互，可实现对生产过程控制的迭代优化。
?
?
上图中阶段①是对生产要素管理的迭代优化过程，反映了DTS中虚拟车间与车间服务系统的交互过程，其中车间服务系统起主导作用。当DTS接到一个输入（如生产任务）时，车间服务系统中的各类服务在孪生数据中的生产要素管理数据及其他关联数据的驱动下，根据生产任务对生产要素进行管理及配置，得到满足任务需求及约束条件的初始资源配置方案。车间服务系统获取虚拟车间的人员、设备、物料等生产要素的实时数据，对要素的状态进行分析、评估及预测，并据此对初始资源配置方案进行修正与优化，将方案以管控指令的形式下达至虚拟车间。虚拟车间在管控指令的作用下，将各生产要素调整到适合的状态，并在此过程中不断将实时数据发送至车间服务系统进行评估及预测，当实时数据与方案有冲突时，车间服务系统再次对方案进行修正，并下达相应的管控指令。如此反复迭代，直至对生产要素的管理最优。基于以上过程，阶段①最终得到初始的生产计划/活动。阶段①产生的数据全部存入孪生数据，并与现有的数据融合，作为后续阶段的数据基础与驱动。
阶段②是对生产计划的迭代优化过程，反映了DTS中车间服务系统与虚拟车间的交互过程，在该过程中，虚拟车间起主导作用。虚拟车间接收阶段①生成的初始的生产计划/活动，在车间孪生数据中的生产计划及仿真分析结果数据、生产的实时数据以及其他关联数据的驱动下，基于几何、物理、行为及规则模型等对生产计划进行仿真、分析及优化。虚拟车间将以上过程中产生的仿真分析结果反馈至车间服务系统，车间服务系统基于这些数据对生产计划做出修正及优化，并再次传至虚拟车间。如此反复迭代，直至生产计划最优。基于以上过程，阶段②得到优化后的预定义的生产计划，并基于该计划生成生产过程运行指令。阶段②中产生的数据全部存入车间孪生数据，与现有数据融合后作为后续阶段的驱动。
阶段③是对生产过程的实时迭代优化过程，反映了DTS中物理车间与虚拟车间的交互过程，其中物理车间起主导作用。物理车间接收阶段②的生产过程运行指令，按照指令组织生产。在实际生产过程中，物理车间将实时数据传至虚拟车间，虚拟车间根据物理车间的实时状态对自身进行状态更新，并将物理车间的实际运行数据与预定义的生产计划数据进行对比。若二者数据不一致，虚拟车间对物理车间的扰动因素进行辨识，并通过模型校正与物理车间保持一致。虚拟车间基于实时仿真数据、实时生产数据、历史生产数据等数据从全要素、全流程、全业务的角度对生产过程进行评估、优化及预测等，并以实时调控指令的形式作用于物理车间，对生产过程进行优化控制。如此反复迭代，实现生产过程最优。该阶段产生的数据存入车辆孪生数据，与现有数据融合后作为后续阶段的驱动。
通过阶段①②③的迭代优化，车间孪生数据被不断更新与扩充，DTS也在不断进化和完善。
4.4 车间数字孪生推进步骤
数字孪生技术尚处于应用探索阶段，不同企业的业务流程、工作模式等各不相同，推进数字孪生切忌贪大，要由点到面，分步骤实施。具体来说，企业在推进数字孪生时可以遵循以下步骤：
?
设想可能性。第一步，设想并选出数字孪生可产生收益的系列方案。虽然不同企业活不同环境下适用方案会有所不同，但通常都具备以下两大重要特点：
- 所设想的产品或生产流程对企业弥足珍贵，因此须投资创建数字孪生。
- 存在一些尚不明朗的未知流程或产品问题，有望为客户或企业创造价值。
方案选定后，对每个方案进行评估，以确定可运用数字孪生快速获得收效的流程。建议集中召开构思会议，由运营、业务及技术领导层成员共同推进评估过程。
确定流程。接下来，确定潜在价值最高且成功概率最大的数字孪生试用模型。综合考虑运营、商业、组织变革管理因素，以打造最佳试运行方案。与此同时，重点关注有望扩大设备、选址或技术规模的领域。
试运行项目。通过敏捷迭代周期，迅速投入试运行，以加速学习进程，有效管理风险，并实现投资收益最大化。试运行项目可以为业务部门或产品的一个子集，但需能证明其对企业的价值。推进试行项目的过程中，实施团队应随时随刻强调适应性与开放式思维，打造一个未可知的开放式生态系统，该系统可顺时应势，整合新数据（结构化及非结构化)，并接纳新的技术与合作伙伴。虽然无须知道数据的各种来源（如新的传感器以及外部数据源)，但需制定相应解决方案，协助扩展端到端解决方案（涵盖初期开发至售后服务）。一旦在初期实现了价值，即应考虑借助良好的发展势头，实现更大的收益。与此同时，应向企业高层汇报所实现的价值。
实现流程工业化。试运行有所斩获后，可立即运用现有工具、技术与脚本，将数字孪生开发与部署流程工业化。协调试运行团队预期，并管理其他试图采用相同模型的项目。就数字孪生流程提出洞见，并汇报至企业高层。这一过程包括对企业各种零散的实施过程进行整合，实施数据湖，提升绩效与生产率，改善治理与数据标准，以及推进组织结构变革，从而为数字孪生提供支持。
扩大数字孪生规模。成功实现工业化后，应重点把握机会扩大数字孪生规模。目标应当锁定相近流程以及与试运行项目相关的流程。借鉴试运行经验，并采用试运行期间使用的工具、技术以及脚本，快速扩大规模。在此期间，继续向企业高层以及利益相关者汇报运用数字孪生所实现的价值。
监控与检测。对解决方案进行监控，以客观检测数字孪生所创造的价值。确定循环周期内是否可产生切实收益，提升生产率、质量、利用率，降低偶发事件以及成本。反复调试数字孪生流程，观察结果，以确定最佳配置方案。
更为重要的是，与传统项目不同，数字孪生并不会在有所收效后戛然而止。要长期在市场占据独特优势，企业应不断在新的业务领域再次进行尝试。
总而言之，能否在数字孪生创建之初收获成功，取决于是否有能力制定并推进数字孪生计划，同时确保其持续协助企业提升价值。为了实现这一目标，企业须将数字化技术与数字孪生渗透至整个组织结构，涵盖研发与销售，并运用数字孪生改变企业的业务模式及决策过程，从而源源不断地为企业开创新的收入来源。?