数字孪生，一座桥工业企业的数字化转型(图)

数字孪生，一座桥梁

工业企业的数字化转型需要制造理念、组织方式和商业模式的多种变革。一个产品，从设计理念出发，经历了制造、使用和报废，跨越时空，呈现出完整的生命周期。如果你想象这个产品有一份简历，那么它会忠实地记录与产品生命周期相关的每个阶段的数据。各种健康状况和风险一目了然，但事实并非如此。对于厂商来说，每个阶段的数据通常都是孤立分散的，尤其是用户使用产品的时候，基本上就是一个黑匣子。数据的划分使得产品的各个阶段都成为孤岛，相互脱节，数据失去了流动性，

数字孪生作为一种连接物理空间和数字空间的高保真、实时交互的可视化模型，随着工业互联网的发展成为一种新的有效解决方案。工厂的设备可以通过数字孪生的实时可视化模拟生产系统中机器的性能，为一线操作人员和管理人员形成决策支持系统。

图 1 数字孪生设备

数据驱动，中心轴

企业的数字化转型是由数据驱动的。数据的真正价值需要企业知识体系来提供。因此，数字化转型，我们首先要面对的是企业知识的梳理。然而，传统的知识体系往往呈现出非常僵化的状态。例如，工程图纸文件往往是企业的重要知识资产，但很多制造企业采用传统的图纸文件管理方式，以“底图”或“蓝图”的形式，进行分类归档。 . 代表企业的重要知识体系，如工艺指导书、操作手册、工程文件等，随着企业信息化的应用逐步发展起来，

然而，这些图纸和电子文档中存储的知识是静态的、分散的、碎片化的。粒度过大，缺乏语义联系，无法实现相互关联，流动性差。这种知识体系只是收集起来，却不能有效地重用。对于高级工程师来说，这只是一种存储方式，因为查找信息仍然非常低效；对于没有经验的员工来说，这些知识似乎是隐藏的。

面对数字化转型，工业企业因缺乏系统的知识体系支撑而面临诸多困难。行业场景复杂，海量多源异构行业数据，行业数据多样复杂，造成行业场景信息孤岛，数据利用价值低。数据浪费严重。虽然人工智能（AI）正逐渐成为大数据分析的重要技术，但传统的人工智能训练过于依赖人工开发的算法。它不能关联与自然语言相对应的概念、属性、关联等。

数字化也带来了新的问题。随着工业数字化的普及，海量的CAD、CAE文件，以及各种数字化的文档、手册、操作手册等，信息量不断增加，给用户的决策带来了新的痛点。

数字孪生将数字空间与物理世界紧密联系起来，带来了解决问题的新视角。但在工业场景中，有显性知识和隐性知识，各种结构化、半结构化和非结构化知识。这些弱相关的知识如何结合起来呢？

答案是编码系统。不同的知识系统往往有自己的一套编码规则。规则之间的引线就像一个羊毛球，相互串联。然而，重新解构编码系统，实现底层元数据的关联是一项笨拙的工作，但打开混乱的知识却是非常必要的。作者经过多年对管理软件的研究，建立了一套自动编码系统，可以将各种概念形成语义联系，使无形的知识显化。编码的系统化实际上是多种知识的正则化。在此基础上，可以构建数字孪生技术，将实时运行数据的动态记录叠加在传统静态模型上。

构建数字孪生的三步法

对于数字双胞胎而言，可视化可以被视为一种标准。但可视化不是数字孪生。构建机器数字孪生需要更完整的业务洞察力。

数字孪生的构建不仅是信息组织和表示的可视化，而且在构建过程中，企业的知识体系必须贯穿其中，做到信息上下游的后台链接。很清楚。在这个过程中，可以采用“双模数字孪生”的方法，即几何模型和机构模型相互嵌套。结合设计、制造和运维的不同阶段，将知识体系嵌入其中。

首先是建立与物理实体相对应的物理几何模型。建立物理几何模型，通常从备件开始。比如烟草包装机有1.50000个零件，需要逐个建模，建立设备零件库。这些组件库的最小单位是零件级别，例如螺钉和螺母。主要的数据获取方式包括从CAD软件、数据表和现场测绘等入手，建立物理等比例的数字模型。

图2 从备件建立物理几何模型和纹理模型

更难的是第二步，需要围绕物理空间的运行逻辑构建机制模型，对应运行轨迹。

机构模型是将几何空间的组成部分与控制系统的机器动作相匹配。机器的真实运动轨迹在几何模型中描述。其中，数据标签用于标识组件的状态，对应控制逻辑。例如，薄膜纸会拒绝无法包装的香烟和包装。卷烟无法包装的原因有几十种：薄膜褶皱、卷烟重量不足、圆周长不足、空气滴落、漏气、重量等。这些机理需要深入理解，然后做成对应的模型和算法。几何模型。

第三步涉及三个知识模型的构建。

首先是设计课。从设备的设计数据出发，利用数字孪生技术对设备的物理属性进行全面描述，实现虚拟设备到物理设备的真实映射，最终完成物理设备的完整镜像。

二是制造知识模型的构建。使用数字孪生技术全面描述设备与产品之间的属性，实现虚拟设备与物理设备之间数字模型的真实映射。制造阶段涉及的知识按其特点可分为基础知识、管理知识和设备知识。基础知识，体现在装备制造企业的核心数据、企业组织结构、岗位、工种、人员、库存档案、固定资金代码、供应商等信息中。生产管理知识表现为生产计划、产品指标、原材料清单、绩效考核指标。和设备知识，例如供应商，

三是运维知识模型的构建。基于设备服务知识模型数字化孪生系统，采集的实时数据、历史数据和领域知识等，共同实现设备多维数字孪生模型的构建。建立各种故障代码和维修对策库，并提前通过虚拟模型进行仿真验证，从而实现机器状态检测、故障预测和维修策略建议等功能。

图3 装备制造知识模型和运维知识模型构建

上述三种知识模型的建立，离不开一组表达各种物品之间关系的知识图谱。这是一个建立在行业规则之上的编码系统，具有很强的支撑作用，可以快速构建知识模型。并用视觉的方式来表达其背后的知识体系。

提高现场工作人员的能力

在知识体系的基础上，构建高保真数字孪生，可以提高员工在现场的判断力，从而提高工厂的运营效率。

机器是工业生产必不可少的工具，可视化管理是工业数字化转型的必然阶段。数字双胞胎甚至更好。不仅让用户对设备有图形化、具体化的了解，设备的实际状态和所有参数数据等信息一目了然，还以非常系统的方式指导用户轻松使用机器。

设备数字孪生可以3D显示一台机器，展示整机、零件、零件之间的层级关系。借助导航树，用户可以在引擎盖的不同部分之间自由切换，深入了解。数字孪生将呈现一个分割动画，一步一步进行。用户可以直接与场景中的 3D 对象进行交互，以逐层“分解图”的形式查看机械零件和子装配体的详细信息。

图 4 机械结构逐层分解图

设备的部件、油路、气路等都是比例建模，承载着各种属性信息。设备的数字孪生就像提供一台CT机，让操作者看到机器的各种结构和性能，从而对机器有深入的了解。

这意味着像傻瓜一样的操作是智能机器。基于数字孪生技术，可构建3D交互仿真在线培训系统，实现现实与虚拟仿真的统一。它突破了传统培训模式“单独阅读绘图说明”的限制，直接在线“动手”。各种操作规范、使用说明书等，集成在一个界面中，每一步都有说明和提示。在大大缩短培训周期的同时，丰富了培训内容，降低了现场培训的成本损失和危险。过去，一台进口的高档卷烟机，即使是一个成熟的工人，也需要两三年的时间才能完全掌握一台机器。但现在，

图5 虚拟专家指导操作培训

设备的效率也开始直接优化。在传统的设备管理工作中数字化孪生系统，设备监管、设备控制、设备维修、库存管理等各个业务模块之间的数据互不互联，存在信息孤岛。同时，还存在设备管理效率低、设备维护成本高等问题。而基于数字孪生的设备管理应用不仅可以知道发生了什么，还可以知道现场发生故障时的原因。

如果机器出现故障，传统方法需要协调维修人员，然后到现场进行调查。往往需要半天时间才能找到失败的原因。机器的非计划停机会给企业带来很大的损失。但这种现象在车间非常普遍。

并且通过机器数字孪生，您可以在车间的任何一个人机界面上，直接看到在哪里、发生了哪些部件、发生了什么样的故障。如图 3 所示。

图6 设备数字孪生自动完成故障报警与诊断

这种基于设备服务知识的模型可以准确地评估设备状态并进行预警，从而有助于优化设备测试、维护计划和人力资源配置，大大提高设备的运行效率和可靠性。

事实上，这个应用程序还可以在云平台上实时远程管理多个系统，并且可以细化到产线、设备、组件级别的运行状态，了解设备故障的严重程度、故障描述、处理方法， ETC。

下一步，设备的数字孪生将进一步推动智能机器的进化，实现机器的自适应控制。根据故障情况，可直接反转机器进行控制。

小记：从头到尾，串起来

从图纸到零部件，从制造商到终端客户，从决策者到管理者再到操作者，数字孪生的应用贯穿设备的全生命周期。知识体系为高保真、实时交互的数字孪生提供核心支撑。

通过数字孪生技术，实现行业知识建模、模型软件化、软件云协同，促进业务流程和机器效率的提升。在机器之上，有车间级、企业级和供应链级。不同层次的数字孪生对应不同的决策判断，从而可以层层切入数字化转型。高保真、实时交互的数字孪生已经成为企业数字化转型的重要桥梁。