江苏龙网

  1. 首页 > 资讯 > 资讯 > >

根叔|根叔新作！浅说数字孪生( 四 )


不只是对象的，更是环境的、系统的。很多人尚未意识到，数字孪生技术可以仿真人在实际问题中感知不到的某些环境。
根叔|根叔新作！浅说数字孪生
文章图片
例如，特斯拉对每一个售出的车都建立数字孪生体。[13]未来，特斯拉和其它汽车公司还会继续发展自动驾驶汽车。不难想象，驾驶条件的数据（白天/黑夜、天气等），道路性质（弯道、上下坡等）和驾驶者行为，以及事故发生情况等数据都将被聚合起来进行分析，从而驱动某一型号汽车性能的提升与改善。来自单个汽车的数据被分析后可用来微调车辆行为。
又如，风电系统的运行优化和风场的维护非常复杂，尤其是建设在海上的风场，维护需要调用船舶、直升机、海洋工程船等特殊设备，成本更加高昂，且维修周期更长。由于风机运行环境较恶劣、风资源的随机性，以及风场多地处偏远地区等客观因素，进行人工的状态监控和维护排程难以实现风能利用的最大效率。风场的运维策略和排程的优化需要综合考虑许多的因素，包括风机的当前健康状态、维护机会窗口、对未来几天内风资源的预测、维护资源的可用性、维护人员的数量和技能、船舶的路径和成本、海上天气状况等多个维度的因素。[14]这都是建立其数字孪生体时需要考虑的因素。
不只是针对产品，还有针对使用者的。对于常规的非自动驾驶模式，除了车的数字孪生模型，还需建立驾驶者数字孪生模型，以便在困难情况下基于特定的驾驶者行为反应，能使驾车效果进一步微调。在汽车的新产品开发中，公司可通过其正在运行的具有千千万万里程的汽车数据去模拟汽车性能和驾驶者反应，以评估设计改变的效果。更一般地，收集产品使用数据和用户行为及反应数据可建立仿真模型，辅助设计决策，平衡不同设计方案的优劣，且预测市场接受的程度。总之，通过对各种情况下的车辆数据和驾驶者数据的聚集融合，并进行仿真，能够驱动汽车的新产品开发或创新设计。
孪生数据不只是产生在设计中，且产生在产品全生命周期内。孪生数据不仅产生于产品的设计，而且在产品的制造、运行、维护等全生命周期过程中，都不断地产生孪生数据。有必要进一步深刻理解孪生数据：
切勿认为孪生数据只是产品设计中的几何、制造、物理等信息，孪生数据在产品的全生命周期内而不断丰富。
一个物理实体不是仅对应一个数字孪生体，可能需要多个从不同侧面或视角描述的数字孪生体。人们很容易认为一个物理实体对应一个数字孪生体。如果只是几何的，这种说法尚能成立。恰恰因为人们需要认识实体所处的不同阶段、不同环境中的不同物理过程，一个数字孪生体显然难以描述之。如一台机床在加工时的振动变形情况、热变形情况、刀具与工件相互作用的情况……这些情况自然需要不同的数字孪生体进行描述。
不同的建模者从某一个特定视角描述一个物理实体的数字孪生模型似乎应该是一样的，但实际上可能有很大差异。前述一个物理实体可能对应多个数字孪生体，但从某个特定视角的数字孪生体似乎应该是唯一的，实则不然。差异不仅是模型的表达形式，更重要的是孪生数据的粒度。
如在所谓的智能机床中，通常人们通过传感器实时获得加工尺寸、切削力、振动、关键部位的温度等方面的数据，以此反映加工质量和机床运行状态。华中数控的做法显然更进一步，他们获取的数据有：[15]
● 运动轴状态：电流、位置、速度等；
● 主轴状态：功率、扭矩、速度等；
● 机床运行状态数据：PLC、I/O、报警和故障信息等；
● 机床操作状态数据：开机、关机、断电、急停等；
● 程序数据：程序名称、工件名称、刀具、加工时间、程序执行时间、程序行号等。
显然，这里收集的数据细目多，粒度细。不同的建模者对数据的取舍肯定不一样。一般而言，细粒度数据有利于人们更深刻地认识物理实体及其运行过程。
数字孪生的关键不仅在于孪生数据的粒度，更在于孪生数据的特别关联。如华中数控认识到，数控机床工作状态大数据与加工G代码指令密切相关，与零件加工质量、精度和加工效率之间也存在关联关系。基于大数据分析和深度学习技术，将从G代码中提取的切削参数、刀具信息和对应的车床加工过程指令域功率数据作为神经网络的输入和输出，建立数控车床工艺系统的神经网络模型。请注意，这里不只是满足于收集的数据更多更细，而且要把这些数据融合起来解决问题。这里融合是关键，意指数据的关联。数据之间缺乏关联，再多再细亦枉然。
其实，数字孪生应用的程度体现企业数字化的深度。
企业数字化的深度
主要体现在数字孪生技术对企业活动刻画的程度，也就是孪生数据的粒度及其关联程度。
数字孪生尚无固定的技术体系、模式和方法。到目前为止，数字孪生体的构造方式五花八门。反映物理实体的各种数字模型似乎均可视为数字孪生模型。尽管如此，未来关于数字孪生建模的规律与方法还需众多的实践者去完善和丰富。
数字孪生体不能只是物理实体的镜像，而是与物理实体共生。有一些学者或专家或许认为数字孪生只是物理实体在数字空间的镜像。此说只能算部分正确。在产品设计开发阶段，设计者在数字空间中进行设计时，还没有对应的物理实体，但此时的数字模型依然可视为一种数字孪生模型。最终确认的数字模型可“生”出物理实体。可以认为，这时的数字孪生体是物理实体在“孕育”阶段的“胚胎”。在物理实体（产品）系统（包括特定的环境）的运行过程中，各种过程数据又不断地丰富数字孪生模型。在产品运行过程中，孪生模型对获得的数据进行分析或仿真而获得的衍生数据反过来又能够优化控制产品的运行。所以“共生”发生在产品的全生命周期。此外，“镜像”说容易使人误解成数字孪生体只是物理实体外观或几何在数字空间中的映射。


推荐阅读


上一篇： 记得|塑胶袋bye！日本GAP改用再生纸袋并收费 逛街记得自备购物包

下一篇： 无用|修理厂工作8年小舅子道出秘密汽车上最无用的四大保养，别被坑