数字孪生是什么？我该怎么用？.pdfVIP

数字孪⽣是什么？我该怎么⽤？ ⼯⼚管理者需要监控设备、⽣产线和运营流程 从⽽实现维护 减少时间与⽣产成本。⽬前 已经有不少⾏业进⾏了⼀ 定程度的数字化转型 也借此实现了运营历史可视化 进⼀步提升了决策能⼒。 但除了回顾历史数据 即审视已经发⽣的事件之外 管理者还需要对未来可能出现的情况做出评估 对潜在情境与相应 后果做出展望 确保最终决策更具说服⼒。 这类场景之前就存在于制造业 利⽤软件进⾏不同类型的场景重现。通过模拟各类零件、元件与产品的设计与使⽤⽅ 式 制造商可以验证不同设备在不同负载、流程或环境下的实际表现。此外 制造商还经常利⽤设备上的信息构建流程 模拟 ⽤以验证设备的实际效能与⽣产线的运⾏情况。时⾄今⽇ 丰富的历史数据与设备实时指标采集已经让数字孪⽣ 成为可能。 从数字孪⽣说起 数字孪⽣是⼀种从物理系统收集数据、再对结果进⾏记录与操作的技术 其⽬标就是建⽴起与真实系统⾼度契合的数字 化副本。有了数字孪⽣ 我们才能深度研究对象、机器、原型设计或流程的功能表现。在实践层⾯ 数字孪⽣就是根据 实物资产建⽴的数学模型 由相关资产的历史与实时数据组合⽽成。 借助数字孪⽣技术 我们终于能够摆脱现实的束缚 在虚拟环境下开展⼀系列纯数字形式的研究。管理者与分析师可以 借此评估潜在情境 模拟设备、⽣产线与流程可能⾯临的种种状况。 虽然数字孪⽣与强调场景模拟 但它跟设计模拟、或者说理论模拟之间还是有着不少差别。下⾯ 我们就以具有有限元 分析的计算机辅助设计 （CA D）软件为例 聊聊⼆者在模拟意义上的区别。 数字孪⽣使⽤的是⽬标设备或流程实时收集的真实数据 ⽽理论模拟则只能使⽤关于材料、环境及制造商的通⽤数据。 顾名思义 设计模拟就是在设计阶段依靠各类标称数据对潜在的零件、设备或流程解决⽅案进⾏规划。与此不同 数字 孪⽣则更强调为已经成型的设备或流程建⽴数字化表⽰ 再配合传感器实时收集到的数据不断完善这样⼀套数学模型。 因此 数字孪⽣会在整个⽣命周期之内持续跟踪对象 ⽽不再局限于其中某个特定阶段。这就保证了更新数据能够与现 实世界随时交互、同步变化。以此为基础 我们才能测试并剖析哪些变更切实有效 结合流程运营产⽣的实际数据尝试 提⾼准确性、并随时间推移跟踪各类不符合预期的异常情况。 这类数字副本带来的是⼀套复杂且可靠的综合视图 能够在不造成失真的前提下复制需要重现的内容。从这个意义上 讲 数字孪⽣堪称⼯业⽣产与流程分析的新希望。它能够模拟未来情境、开展预测分析 保证在潜在问题发⽣之前抢先 调整操作规划。 总体⽽⾔ 数字孪⽣能帮助企业提升透明度与可见性 强化管理者的控制能⼒。在掌握了设备的运⾏条件与产品的潜能 空间之后 管理者也能更好地在⽣产环境中维持稳定的⽣产⼒⽔平。也正因为如此 数字孪⽣才被普遍视为⼯业 4.0的 关键技术。 数字孪⽣技术构成 物联⽹ 要建⽴数字孪⽣ 我们⾸先要从待建模的资产中提取出⼤量运营数据——包括历史数据与实时数据两个部分。⽽数据收 集的实现 ⾃然离不开物联⽹、特别是物联⽹传感器技术。 物联⽹由⼤量接⼊⽹络的⽆线传感器组成 这些传感器不断收集并发送数据、借以实现监控。这部分数据可以利⽤边缘 计算技术进⾏处理 再由云端进⾏存储和展⽰。 这项技术的优势 在于它能够持续对资产开展实时监控。传感器会随时更新信息 并通过编程⽅式在设备或流程发⽣变 化时⽴即发送警报和附加信息。如此⼀来 运营状况分析将变得及时且详尽 帮助管理者快速发现负⾯因素并采取补救 措施。 措施。 对数字孪⽣来说 物联⽹堪称不可或缺的技术⽀柱。物联⽹将帮助我们发送⽤于更新数字副本的真实数据 并⽴⾜任意 时间点对当前状况实施研究和操作。⽽在此期间产⽣及发送的⼤量数据 也将成为诊断及预测等⼤数据分析应⽤的必要 素材。 AI 实现数字孪⽣的另⼀项前置科技正是⼈⼯智能 （A I）。作为当前极度热度的计算机科学领域 A I致⼒于研究在计算机化 系统中实现⾃主性与学习能⼒的可⾏⽅法。 换句话说 A I使得软件与硬件系统能够像⼈类⼀样学习和进化 使其以更快速度执⾏⼈类部署的任务。与数字孪⽣⾼度 相关的A I⼦领域 主要有机器学习 （ML）与深度学习 （DL）两种。 在数字孪⽣的概念中 A I负责提供处理物联⽹数据所必需的认知能⼒。物联⽹只是通过传感器捕捉并⽣成⼤量数据 后 续的数据管理、模式识别、数学解码、洞察提炼与问题解决等就要依靠A I智能模型来完成。 利⽤这些信息 A I模型可以执⾏预测分析 抢在重⼤问题发⽣前提出预警与修复⽅案。有了这样⼀位得⼒助⼿ 企业管 理层就能加快⾏动速度、提⾼效率 进⽽主动降低运营成本和风险