如何理解PCB数字孪生？

受访者：Phil Voglewede

Phil Voglewede是Marquette大学的教授和机械工程副主席，最近被任命为Marquette大学欧姆龙高阶自动化实验室（Omron Advanced Automation Lab）主任。

Phil Voglewede说，数字孪生不仅仅是模仿人类的行为；不是通过挥动手臂来实现飞行，而是以一种人类从未见过的方式来实现自动化。该技术在尝试一些全新且不同，但最终是有效的理念。

Q

Phil，你如何看待数字孪生?

Phil Voglewede：数字孪生不仅仅是对所看到的数据进行仿真，还会将在仿真过程中得到的所有信息都引入其中，使得设计、制造、交付和现场性能更加稳健，并利用这些信息使生产达到更高的水平。数字孪生不仅仅是“嘿，我有CAD绘图或仿真”。现在我可以拥有更高精确性模型，因为我了解制造过程的一切：传送带上的转矩、拧入螺钉的顺序、产品在哪辆卡车上、生产现场耗能，以及对整体性能的影响。

如果我们能了解每个子组件、组件和成品是如何装配在一起的，我们就能完全重新思考这些部件是如何协同工作的。例如，为什么它需要6个螺栓？为什么不是3个按扣和1个搭扣呢？尤其是当可以使装配更容易时，比如推入配合或其他？我们可以了解产品全貌、目标和约束条件。当我们开始讨论六西格玛和Taguchi理论，并将这些信息反馈到设计，此时接近了工业3.0。我们最终关注的是系统——如果只是简单的自动化工程师或操作员的工作，那么通过数字孪生不会获得成功——需要推动从人工智能中获得更多信息。尽管人工智能有很多美好的未来，但我们尚未实现，必须以不同的方式切实关注过程，以及对设备是有意义的一切。

你知道，当人们第一次尝试飞行时，模仿的是鸟类的动作，像鸟一样摆动手臂。莱特兄弟停下来问：“我们到底在努力做什么？我们在努力飞行。所以让我们重温流体力学定律，开始更好地研究。”因而形成了新的想法，即如果人类想飞行，也许不应该像鸟一样飞行。而应该利用从鸟类身上学到的知识，但以不同的方式飞行。

自动化和人工智能也是一样，我们要做同样的事情。不能仅仅通过制造人形或人工神经网络来模仿人类，我们真正想要的是改善整个过程，包括设计、自动化和通过供应链的交付。在我看来，这就是数字孪生的愿景。

Q

我们已经在设计阶段实现了数字孪生。对于制造过程的数字孪生，首先需要对过程进行基准测试，实时收集（数字）数据，使数字孪生处于最新和活跃的状态。这似乎是最大的挑战。也许他们还没有看到这样做的投资回报率。

Voglewede：两者都有。很难证明投资回报率是合理的。我现在正在与一些公司合作，他们正纠结于这样一个问题:“投资回报怎么样?”我的建议是，不会有太多的即时回报。

例如，如果为了更好地了解炉内的温度变化，把传感器放在熔炉里，一个传感器显示温度偏离了设定值，那么就会了解到产品某一部分的温度曲线会与另一部分的温度曲线大不相同。这也许可以解释为什么会得到你认为不会得到的某种结果。它可能会帮助你了解过程，但不会立即产生更好的投资回报。

事实上，很难确定投资回报率。现在我们有了人工智能和机器学习，可以用它们来观察以前无法看到的发展趋势。我一直在努力为我所研究的过程建模，试图将它们关联成曲线拟合。所有这些事情都超出了我的能力。但当某个趋势出现时，人工智能会注意到，然后相关的情况就会发生。你可能认为你可以从这些信息中获得一些投资回报，但无法证明提前感知系统的成本。我无法证明不可预测的事情，但这正是工业4.0和数字孪生可以帮助实现的。

Q

Phil，感谢分享。

Voglewede：我的荣幸。

编辑：黄飞