第四次工业革命的到来,是对日益复杂的工作环境的一种解决方案,预示着制造业的新纪元。认知和智能过程的引入开辟了范围广泛的提高生产率的可能,这些驱动着制造业的数字化转型。目前,工厂数字孪生尚处于技术验证和应用探索阶段。比较典型的有2D或半3D的工厂数字孪生、工作单元级别的数字孪生,以及工厂/产线级别关键要素的数字孪生。
2D或半3D的工厂数字孪生其实质是绕过了建立全量工厂数字模型的过程,直接利用工厂2D或者半3D的图片来直观展示工厂或产线的布局,通过叠加数据热点的形式来动态展示设备、产线的实时运行状态。
优点是简洁、直观,不影响系统性能;其缺点是工厂/产线布局图是固定不变的,不能随着产线调整而发生相应的调整,同时也不支持实时数据驱动的设备运动模拟和仿真,如机械臂或AGV的实时运动轨迹以及产品在产线上的移动等。这种场景一般用于仅关注产线关键KPI的监和预警,实现难度不大,只需产线实时数据和关键KPI计算模型即可。
数字孪生是工厂,产品或过程的物理属性的近实时表示。它的应用范围很广。通过连接生成实时数据的对象,可以开发产品从设计和开发阶段到生产周期结束的数字足迹。可以根据一系列标准对数据进行处理和汇总,并根据特定用例以各种形式呈现。随着时间的流逝,出现了基于历史和当前行为的不断发展的数字资料。这可以导致开发更丰富的模型以及对系统固有的不可预测性进行实际测量。
过去,从技术和经济角度来看,处理生成对象的高度逼真的数字副本所需的大量数据都是不可行的。但是,近年来,计算,存储和带宽的成本已急剧下降。这样可以快速收集,聚合和分析由连接的智能技术生成的数据。
结构良好的Digital Twin可以简化可能场景的模拟并预测可能的结果,使人们可以尝试新策略而不会影响生产。这不仅节省了宝贵的时间,而且还可以在将其部署到物理流程之前,通过前瞻性策略帮助发现可能的缺陷。通过在生产的每个步骤分析机器的性能和产品的质量,可以优化流程,从而以更低的成本生产出更好的产品。组件的近实时跟踪可以提醒相关的利益相关者注意故障的严重性,从而可以通过预测性维护在实际发生问题之前避免可能发生的问题。Digital Twin可以通过促进远程执行协助和其他服务任务来增加价值。
工作单元级数字孪生将3D建模从工厂缩小到了工作单元级别,以工作单元为基础实现完整的数字孪生内容,包括3D建模、数据采集、数据建模、机理模型和机器学习模型等。
这种数字孪生有助于探索工厂数字孪生的技术实现路径,找出关键技术难点予以突破,并在此基础上沉淀各种工业机理模型,探索更高级、更智能化的应用,如机械臂的故障预测分析、上下料的最优路径求解等。随着技术的成熟和应用的深入,可逐步将孪生模型延伸至整个产线以及整个工厂。
我们已经看到Digital Twins被广泛应用于各种制造业。例如,在汽车工业中,Digital Twins可用于选择汽车的型号,世代和配置,以对微控制器,传感器和执行器的数量和类型以及已安装的软件组件进行建模。使用数字孪生,制造商可以根据所需平台自动执行数据收集过程,以协调各种数据模型。这使数据科学家无需知道目标平台的技术细节即可访问特定的数据点(例如车速)。
虽然目前的工厂数字孪生尚存在不足,但是全球领先企业和科研机构已经纷纷投入工厂数字孪生技术的研究和应用,并且已经取得了一定成效。我们相信,随着数字技术的快速发展,真正的工厂数字孪生必将触手可及。
北京四度科技专注于工业虚拟现实展示系统,工业数字孪生系统,如有数字化工厂咨询,请联系我们。
责任编辑:tzh
评论
查看更多