全部新闻 企业新闻 行业观察
您的位置:首页/ 新闻中心 / 行业观察

行业观察 | 看智能制造如何实现“数字孪生”

作者:艾欧特科技 发布时间:2021-06-15

智能制造是中国制造业发展的前进方向,未来制造将结合人工智能、物联网、大数据等技术,进一步改变了产品配置、生产计划和实时决策,从而优化盈利能力。智能制造里使用更多尖端的技术,例如物联网将工厂里所有人、产品和设备连接起来,使得人类和机器能够协同工作,从而创建更高效、更具成本效益的业务流程。

数字化工厂.jpg

随着智能制造技术的发展,生产可视化逐渐成为行业的重点创新领域,“数字可视化”按照生产调度及管理人员实际业务需要,以图形化的方式呈现公司生产业务数据,多角度综合展示公司原料经常,装置加工,物料库存,产品出厂,能源消耗,质量监测,安全环保关键绩效指标等信息。“数字孪生”的应用大大增加了员工的工作效率,降低操作学习成本,在质量把控和安全预警方面发挥出巨大的作用。

企业为什么需要“数字孪生”?

离散工业的研发成本普遍很高,而其中消耗最大的,是试错成本。传统工业当中,有人制造出一台新设备,就必须全部造完,零部件组装好,随后试运行,运行的过程中发现错误,修改是很累的,零件拆了改,改了再装,一次次人工试验、动手安装,最终才能完成。

智慧工厂架构.jpg

运用数字化技术(即实现“数字孪生”),能够大幅降低研发过程中的试错成本。就是这台设备无需真的“造”出来,只需把每一个零部件的材料、物理属性、形状大小全部输入电脑,怎样运作的工作原理也输入电脑。随后由电脑来模拟它运行时是什么状况,会有哪些效果。工程师如果觉得结果不过关,可以直接在电脑里修改设计。

“数字孪生”的工业应用,实质上就是把现实中的工厂,从设备、流水线到车间,一切都转化成数据,由电脑虚拟运作,产生一个个模拟结果。不满意的部分,直接在电脑里改。如果等一切都已经变成物理设备,成为真实的生产线,再提什么“数字化”,就为时已晚了。

数字孪生工厂.jpg

智能制造生产如何构建机器数字孪生?

构建机器数字孪生,不仅仅是信息组织和表现形式的图形化,更在于构建过程中,是将企业的知识体系贯穿其中,信息上下游之间的背景链路清晰明了。而在构建数字孪生的过程中,可以采用“双模数字孪生”的方式,就是将几何模型和和机理模型相互嵌套。结合不同的设计、制造和运维的阶段,知识体系嵌入其中,最终在使用的时候,就可以实现知识自动化。

01

建立物理几何模型,对应物理实体

构建物理几何模型,首先是从零配件开始。例如,一台烟草包装机,有1.5万个零件,需要一一建模,并且建立设备零部件库。这些零部件库的最小单位为零件级别,如螺丝、螺母。主要数据获取方式,包括从CAD软件、数据表以及现场测绘开始,构建实体等比的数字化模型。

02

建立机理模型,对应运行轨迹

机理模型,就是要将几何空间的零部件,跟控制系统的机器动作进行匹配。机器的真实运动轨迹,在几何模型都有对应描述作。这其中,都是通过数据标签,来标识零部件的状态,并且跟控制逻辑相对应。例如,薄膜纸会剔除那些无法包装的烟支和烟包。而烟支无法包装的原因会有几十种:薄膜褶皱、烟支重量不够、圆周不够圆、空投、漏气、重量等。需要深入了解这些机理,然后将其做成模型和算法,并与几何模型相对应。

智能制造可视化.jpg

03

三类知识模型的构建

第一种是设计类。要设备的设计资料出发,运用数字孪生技术,全面刻画设备的物理属性,实现虚拟设备对物理设备的真实映射,最终完成对物理设备的完全镜像。

第二类是制造知识模型的构建。运用数字孪生技术全面的刻画设备与产品之间的属性,实现虚拟设备与物理设备的数字模型真实映射。制造阶段所涉及的知识按其特性可分为三类:

(1)基础知识:为装备制造企业核心数据,企业组织结构、岗位、工种、人员、存货档案、固资编码、供应商等信息。

(2)生产管理知识:如生产计划、产品指标、原材料清单、绩效考核指标等。

(3)设备知识:如供应商、规格型号、操作说明、操作规程等。

第三类是运维知识模型的构建。基于设备服务知识模型,在采集的实时数据、历史数据及领域知识等,共同实现设备的多维数字孪生模型构建。建立各种故障代码、维修对策库,并且提前通过虚拟模型,进行仿真验证,从而实现对机器状态检测、故障预测以及维修策略建议等功能。

以上三种知识模型的建立,都离不开一套表达各种物品之间关系的知识图谱,这是构建在行业规则之上的编码体系,具有很强的支撑作用,能够快速建立知识模型,并且用可视化的方式,将背后的知识体系表达出来。未来核心智能制造与人工智能融合,实现智能制造可视化,将成为制造业转型发展的突破口。