導讀：隨著物聯網、大數據、人工智能等技術的發展，新一代信息技術與制造業正在深度融合，人們與物理世界的交互方式正在發生轉折性的變化。數字化轉型，正在成為企業的重要戰略，而數字孿生，則成為全新焦點。本文通過對數字孿生在工廠中的實際應用，為企業數字化轉型提供了一套落地可行的方法。

引言

工業企業的數字化轉型，需要面臨制造理念、組織方式和商業模式的多種變革。一個產品，從設計理念開始，經歷了制造、使用和報廢，跨越了時空，呈現出一個完整的生命周期。如果設想這種產品有一本履歷表，那么它將忠實地記錄了這個產品的各階段生命周期相關的數據。各種健康狀況和風險，都會一目了然，然而事實卻并非如此。對于制造商而言，各階段的數據通常呈現孤立、分散的特征，尤其是用戶對于產品使用過程中，基本就是黑匣子。數據的分裂，讓產品的各個階段，都成為一座座孤島而互不相連，數據失去了流動性，大大約束了人們的洞察力。

數字孿生，作為連接實體與數字空間的一種高保真、實時互動的可視化模型，隨著工業互聯網的發展，成為一種全新而有效的解決方案。工廠的設備，可以通過實時可視化的數字孿生，模擬機器在生產系統中的表現，通過虛實交互、數物融合和知識自動化，形成一線操作者和管理者的決策支撐系統，提供更加實時、高效、智能的服務[1]。

一、研究背景

企業數字化轉型，圍繞著數據驅動而來。而數據要真正產生的價值，需要靠企業知識體系來提供。因此，數字化轉型，首先需要面對的是企業知識的梳理。但是傳統的知識體系，往往呈現非常僵化的狀態。例如，工程圖檔往往是企業的重要知識資產，但很多制造企業都是采用傳統的圖紙檔案管理方式，以“底圖”或“藍圖”的形式，進行分類、分密級歸檔保存。而代表企業重要的知識體系，如工藝說明、操作手冊、工程文件等，已經隨著企業信息化應用的逐步發展，一般都是通過掃描后進行管理。

然而這些圖紙、電子文檔所保存的知識，都是靜態、分散和割裂的。顆粒度太大，缺乏語義的連接，無法實現相互之間的關聯，流動性很差。這種知識體系，只是被收藏起來，但卻無法高效重復使用。對于資深工程師而言，這只是一種儲存方式而已，因為信息查找而言，仍然非常低效；而對于經驗不足的員工而言，這些知識則像是被隱藏起來。

面臨數字化轉型，由于缺乏系統性的知識體系支撐，因此工業企業呈現出如下的困境：

1）工業場景復雜，存在海量多源異構的工業數據，多樣性、復雜性的工業數據，造成工業場景信息孤島化，數據利用價值低。

2）工業場景中，存在顯性知識與隱性知識，各種結構化、半結構化和非結構化知識，知識關聯性弱。

3）人工智能（AI）正在逐漸成為大數據分析的重要技術，但是傳統AI訓練，過度依賴人工開發算法。它無法關聯自然語言所對應的概念、屬性、關聯性等。

4）隨著工業數字化普及，海量的CAD、CAE文件以及數字化的各類文檔、說明書、操作手冊等，信息量暴增，給用戶決策帶來新的痛點。

5）工業知識專業性強，且涉及技術領域廣。零散化的知識晦澀難懂，工業術語解釋專業性強，經驗知識傳播、傳承困難。

而通過知識圖譜，可以將各種概念，通過編碼連接的方式，形成語義連接，將隱形的知識顯性化；而數字孿生技術，則可以在傳統靜態模型中，增加了實時運行數據的反饋，動態記錄，并且用可視化的方式進行展現。這將徹底改變原有的知識管理方式，激活沉默的知識資產，從而幫助人們重新認識、管理和控制機器世界。

二、構建數字孿生的方法論

構建機器數字孿生，不僅僅是信息組織和表現形式的圖形化，更在于構建過程中，是將企業的知識體系貫穿其中，信息上下游之間的背景鏈路清晰明了。而在構建數字孿生的過程中，可以采用“雙模數字孿生”的方式，就是將幾何模型和和機理模型相互嵌套。結合不同的設計、制造和運維的階段，知識體系嵌入其中，最終在使用的時候，就可以實現知識自動化。

01建立物理幾何模型，對應物理實體

構建物理幾何模型，首先是從零配件開始。例如，一臺煙草包裝機，有1.5萬個零件，需要一一建模，并且建立設備零部件庫。這些零部件庫的最小單位為零件級別，如螺絲、螺母。主要數據獲取方式，包括從CAD軟件、數據表以及現場測繪開始，構建實體等比的數字化模型。

02建立機理模型，對應運行軌跡

機理模型，就是要將幾何空間的零部件，跟控制系統的機器動作進行匹配。機器的真實運動軌跡，在幾何模型都有對應描述作。這其中，都是通過數據標簽，來標識零部件的狀態，并且跟控制邏輯相對應。例如，薄膜紙會剔除那些無法包裝的煙支和煙包。而煙支無法包裝的原因會有幾十種：薄膜褶皺、煙支重量不夠、圓周不夠圓、空投、漏氣、重量等。需要深入了解這些機理，然后將其做成模型和算法，并與幾何模型相對應。

03三類知識模型的構建

第一種是設計類。要設備的設計資料出發，運用數字孿生技術，全面刻畫設備的物理屬性，實現虛擬設備對物理設備的真實映射，最終完成對物理設備的完全鏡像。

第二類是制造知識模型的構建。運用數字孿生技術全面的刻畫設備與產品之間的屬性，實現虛擬設備與物理設備的數字模型真實映射。制造階段所涉及的知識按其特性可分為三類：

（1）基礎知識：為裝備制造企業核心數據，企業組織結構、崗位、工種、人員、存貨檔案、固資編碼、供應商等信息。

（2）生產管理知識：如生產計劃、產品指標、原材料清單、績效考核指標等。

（3）設備知識：如供應商、規格型號、操作說明、操作規程等。

第三類是運維知識模型的構建。基于設備服務知識模型，在采集的實時數據、歷史數據及領域知識等，共同實現設備的多維數字孿生模型構建。建立各種故障代碼、維修對策庫，并且提前通過虛擬模型，進行仿真驗證，從而實現對機器狀態檢測、故障預測以及維修策略建議等功能。

以上三種知識模型的建立，都離不開一套表達各種物品之間關系的知識圖譜，這是構建在行業規則之上的編碼體系，具有很強的支撐作用，能夠快速建立知識模型，并且用可視化的方式，將背后的知識體系表達出來。

三、數字孿生提升現場員工能力

在知識體系的基礎上，構建了高保真的數字孿生，就可以在現場，提高員工的判斷力，從而提升工廠的運營效率。

01化簡為繁，輕松看透機器的奧秘

機器作為工業生產的必備工具，可視化管理是工業數字化轉型必經階段。而數字孿生，則更勝一籌，不僅僅讓使用者對設備有形象具體的圖形理解，對設備現實的狀況及所有參數數據等信息一目了然，而且以非常體系化的方式，引導用戶輕松使用機器。

設備數字孿生，可以將一臺機器以3D的形式，展示設備整機、部套、零件之間的層次關系。用戶可以借助于導航樹，在煙機的不同零部件之間進行自由切換，深度了解。數字孿生會呈現出拆分動畫，逐級遞進，用戶可以直接與場景中的3D對象進行交互，用層層“爆炸圖”的方式，查看機械零件、子部件的詳細信息。

圖1：機械結構層層分解圖

設備的元器件、油路、氣路等，都是等比例建模，攜帶各種屬性信息。設備數字孿生，就像為操作者提供了一臺CT機，看到機器的各種結構和屬性，從而對機器有著深刻的了解。

02聰明機器傻瓜式操作：“虛擬專家”在線培訓

基于數字孿生技術創造出來的3D互動模擬的在線培訓系統，可以實現現實與虛擬仿真的統一。它突破了“分別翻看圖紙說明書“的傳統培訓模式的限制，而是直接“在線手把手”。各種不同的操作規范、說明手冊等，都被統一集成到一個界面上，每一步行動都有說明和提示。在大大縮短培訓周期的同時，豐富了培訓內容，并減少了現場實訓的成本損耗和危險性。以前一臺進口的高端煙草機械，即使是成熟的工人，完全掌握一臺機器，需要用兩三年。而現在生手工人，只需要3-6個月就可以完全上手，大大減少了對熟練工人的依賴性。

圖2：虛擬專家引導操作培訓

03提升設備運行效率，實現自適應

傳統設備管理工作中，設備監管、設備控制、設備維護、庫存管理等各個業務模塊之間數據不互通互聯，存在信息孤島。同時還存在設備管理效率較低、設備維護成本高等問題。而基于數字孿生的設備管理應用，能夠讓現場發生故障的時候，不僅僅是知其然，而且知其所以然。

例如機器如果發生停機故障，傳統方式需要統治維修人員，然后去現場排查，排查往往又需要半天時間，找到故障原因。機器非計劃停產，會給企業帶來很大的損失。但這種現象，在車間里非常普遍。

而通過機器數字孿生，就可以在車間的任何一臺人機界面上，直接就可以看到什么位置、何種部件、發生了何種故障。如圖3中所示意。

圖3：設備數字孿生自動完成故障報警及診斷

這種基于設備服務知識模型，能夠對設備狀態進行評估，準確預警，從而幫助優化設備檢測、維修計劃安排和人力資源分配，大大提高了設備的運行效率與可靠度。

這種應用，也可以在云平臺上，對多個系統實時遠程管理，并且可以細化到產線級、設備級、零部件級的運行狀態，了解設備故障問題嚴重程度、故障描述、處理方法等

而下一步，設備數字孿生將進一步推動智能機器的進化，實現自適應的機器控制。根據故障情況，可以直接反向去控制機器。

結束語

從圖紙到零件，從制造商到最終客戶，從決策者到管理者再到操作者，數字孿生的應用貫穿在整個設備的全生命周期之中。而知識作為指導人和機器學習及做事的指令集合和規則體系[4]，為高保真、實時互動的數字孿生提供了核心支撐。通過數字孿生技術，實現工業知識模型化、模型軟件化、軟件云端協同化，推動業務流程與機器效率的提升，真正實現了知識自動化。

實際上，數字孿生的應用并不限于機器，往上它還有車間級、企業級和城市級。不同層次的數字孿生，對應不同的決策判斷，從而使得數字化轉型可以逐層切入。高保真、實時交互的數字化孿生，成為數字化轉型的重要支點。

審核編輯 ：李倩