基于数字孪生的复杂重型装备制造智能化转型路径研究

孙明耀，吴 锋

(西安交通大学管理学院 过程控制与效率工程教育部重点实验室， 陕西 西安 710049)

0 前言

装备制造业是国家制造业发展的重点，复杂重型机械装备制造如火箭、核电、动车组等更是提升国家竞争力与综合实力的重要表现[1]。复杂的装备结构与制造工艺是复杂重型装备的特点。随着新一代信息技术的不断发展(如工业物联网、数字孪生、人工智能等)，传统装备制造模式难以满足市场对复杂重型装备在智能化、个性化以及可靠性方面的需求，复杂重型装备制造业亟待变革。

当前制造技术与新一代信息技术的融合正在引导制造业的另一种范式转变，通常被称为“工业4.0”，而依托新一代信息技术的智能制造则被认为是“工业4.0”的主攻方向[2]。数字孪生概念最初由Grieves于2003年提出，最初被定义为3D模型，其中包含有关实物产品、数字产品及其之间的连接的信息[3]。近些年来，NASA对数字孪生的定义得到了学术界与实业界的广泛认可：集成的产品、系统或过程的多物理场、多尺度的概率模拟，使用可用的物理模型、历史数据、实时数据等反映现实世界[4]。随着信息技术的不断发展，数字孪生技术可以将物理世界完全映射在数字网络世界，因此被认为是实现智能制造核心信息物理系统CPS的关键技术之一，对于推动制造业智能化升级转型具有重要作用。

基于此，本文首先分析复杂重型装备智能化转型的挑战，之后针对相应的问题，建立了基于数字孪生的复杂重型装备协同制造模式，并以此为基础，给出了复杂重型装备制造业智能化转型路径。

1 复杂重型装备制造智能化转型挑战

(1)复杂重型装备结构复杂且个性化程度高。单件小批的定制化制造模式是复杂重型装备制造的特征，因其规模庞大结构复杂，且每个产品均需要以用户的需求为基础进行设计或者更改设计，导致装备个性化程度较高[5]。以工业驱动汽轮机为例，工业驱动汽轮机用于驱动各种旋转机械设备如压缩机、鼓风机与泵等，其产品技术参数需要依据施工现场的环境以及高温、高压、变转速、变工况等条件下综合确定，因而具有高度的个性化特征[6]。随着人类需求的不断提高以及高科技技术的飞速发展，不仅装备制造工程越来越庞大，并且装备的服役环境也趋向极端化发展，如百万千瓦级核电设备、深海石油开采钻探设备与超临界发电机组等，这些因素导致复杂重型装备制造的个性化程度不断提升。

(2)集成化程度低。集成化程度低体现在三个方面。首先，企业内部纵向集成化程度低。企业内部信息系统自底层向上可划分为设备层、控制层、车间层、企业层以及协同层。纵向集成方式主要是为了解决各层级之间信息沟通问题，包括机器设备、生产系统以及运营系统等。但是复杂重型装备制造在每一层级均涉及复杂的系统、设施、环境等，导致企业内部纵向集成化程度低。其次，价值链企业间横向集成化程度低。复杂重型装备的制造区别于普通产品的制造，其往往需要多个模块、多个企业之间的协同才能完成。然而，由于缺乏有效的数据或者信息系统集成手段，导致装备价值链企业间的信息系统相互独立，产品数据流无法在各个不同企业信息系统间无缝传输，形成“信息孤岛”。最后，产品端到端数字化集成度低。产品端到端的数字化集成是实现智能制造的基础，其实现了产品从研发设计、生产、物流、销售以及服务的全生命周期的管理；然而，在复杂重型装备制造中，产品研发等高价值端环节数字化集成程度较高，但是组装等环节的数字化集成度较低，并且这块“短板”决定了整体数字化集成程度不高。

(3)人工参与度高，自动化程度低。复杂装备通常以模块化方式生产，各个模块在不同的企业生产，最后进行组装。由于装备个性化程度高，为满足不同用户的特殊需求，其生产模式经常为单价或者小批量的，且不同类型的产品通常需要不同的装配物料等，许多制程无法依靠设备机器完成，因此各个模块的生产均需要不同程度的人工介入，从而导致整个产品制程的自动化程度低，供应链效率低下[7]。

(4)用户参与创新程度低。实现用户的需求是复杂重型装备研发的目标，因此，用户参与产品全生命周期的管理对于实现产品的功能具有重要意义。然而，在实际的装备制造过程中，由于缺乏有效的用户需求集成方式，如，没有让用户直接参与设计的渠道，导致用户在下了订单以后，便不再参与装备的研发与制造过程。

2 基于数字孪生的复杂重型装备个性化定制生产模式

复杂重型装备定制的主流是通过预测客户需求，增强客户参与度并提供交互式服务来使产品适应客户的新需求。但是，当前的产品定制框架无法实现此目标，因为现有定制化框架只关注物理世界的实体。作为一种虚拟现实集成技术，数字孪生技术充分利用了来自物理和虚拟空间的海量数据，并可以通过虚拟模型补偿现实世界中数据的缺失[8]。因此，将数字孪生技术与现行框架整合集成可增强复杂重型装备定制化功能。

针对复杂重型装备制造个性化程度高、集成化程度较低、重复性人工劳作过多以及用户参与创新程度低的问题，本文提出了一种基于数字孪生技术的复杂重型装备个性化定制发展模式，如图1所示。该模型集成制造商生态系统、个性化产品以及用户环境等，将现实世界中的物理实体与需求等因素以数字的形式映射于网络空间中，以提升数据处理的效率与可靠性等。

图1 基于数字孪生的复杂重型装备制造模式

(1)物理实体模型层。将实体世界中的相关主体分为制造系统、定制化装备与用户需求环境三个方面[9]。从产品设计研发到投入使用，制造系统与用户需求分别通过集成化的信息系统与定制化装备进行信息交互，从而可以实时反馈生产端与需求端所了解到的装备功能需求等信息，进而提升复杂重型装备的定制化水平。从复杂重型装备设计到使用阶段，制造系统与用户需求环境模块都与产品模块交互。以工业物联网技术为代表的新一代信息技术可以持续地监控产品运行状态，进而及时调整生产计划和相应参数等，提高装备综合利用率。此外，定制化产品模型也可与用户需求环境进行交互，动态地适应用户不断变化的行为。

(2)工业云数据处理层。将物理层级的实体模型转换为数字孪生技术所需的数字信号，并不断地集成分析虚拟层中的数据以产生对物理层级实体模型的有用信息是工业云数据处理层的主要作用。整体来说，该层级主要实现数据存储、数据预处理、数据分析与信息转换等功能[10]。此外，从数据分析中得出的模式和知识也将被适当地存储起来，以备将来使用。例如，当产品故障时，数据处理层级会依据产品故障的特点与现有数据库中的相应信息进行比对，如果差别较大，该故障会以新知识的形式存储于产品故障专家知识库中。

(3)虚拟数字孪生层级。数字孪生层级的主要作用是发现隐含的客户需求，提高产品质量并增强客户参与度。与物理实体模型相对应，数字孪生层级同样包括三个模块：制造生态系统数字孪生、定制化装备数字孪生与用户需求环境数字孪生。制造系统数字孪生模型通过工业物联网对制造实体资源信息的连续收集与反馈，并将相应的资源(人、机、料、法、环)以数字的形式反映在虚拟网络模型中，实现与其它数字化模块的信息无缝传输与集成。复杂重型装备的制造涉及价值链上的诸多主体，包括零部件供应商、模块化制造商、组装商与售后服务商等，因此，建立一个以工业物联网平台为基础的复杂重型装备全球制造商生态系统，可以使得产品价值链企业间建立一种共生关系，从而在彼此之间形成新的协同效应[11]。定制化装备数字孪生是实体产品的数字化表现形式，反映了产品从设计研发到使用的各个阶段定制化模式。通过对实体模型层级中用户行为与使用环境的不断监控与分析，定制化装备数字孪生模块可以有效地预测潜在的用户不满意，同时不断探索用户的新需求并实现自适应。用户需求环境数字孪生模型反映了实体模型中的用户行为、产品的安装与使用环境信息等，其反映产品如何实现与用户还有周围环境的交互[12]。

3 复杂重型装备制造企业智能化转型路径分析

基于上述数字孪生与复杂装备制造个性化定制框架，本文建立了依托数字孪生技术的复杂重型装备制造业智能化转型路径。

3.1 建立数字孪生的建模及仿真平台

建立数字孪生的建模及仿真平台的主要内容有：

(1)为单元模块制造企业创建社区建模和仿真平台，建立具有即插即用功能的标准化开源计算平台(可定制的，开放式访问软件，数据网络)。建立这种平台还需要制定相关标准和协议来支持通用模块的整合和匹配以及有效的数据交换。

(2)开发数字孪生的软件工具箱和计算架构，去更有效地进行数据挖掘和解决复杂的用户相关问题，并且将决策制定基于更广的企业和工厂的数据环境中；同时，由于从物理实体所收集到的数据量越来越大，风险评估与安全管理将会在软件工具中占有更高的位置；

(3)将用户因素和决策集成到数字孪生相关软件与用户界面中，使得用户的需求可以实时地反映在产品制造的各个阶段与环节；同时，数字孪生建模与仿真平台应开发相应接口，以确保这些平台可以被用户访问，供用户们交流并且能够提供知识产权保障。

(4)将制造资源决策工具集成应用于价值链所有企业中，来提升制造工厂对于资源的使用和选择的实时决策能力。开发出可供操作员使用的决策工具，该工具具有解释工厂的相关资源数据和做出有效选择的功能；可以根据不同的生产流程、产品、资源来对资源选择进行比较；从资源的角度整合工厂的所有功能。

3.2 建立工业数据收集与管理系统

(1)建立针对所有制造型企业的一致的高效的数据方法。产品价值链端到端的数字化集成是数字孪生技术的保障。由于复杂重型装备涉及企业众多，而企业间的数据管理方式又存在差异，导致数据的使用效率低下。因此，若要实施数字孪生系统，需要对当前的数据管理系统与方法进行改进，包括更好的数据协议、数据接口和数据交互标准。

(2)开发针对所有制造企业的稳健的数据收集框架。为了获取更加稳定和完整的信息、保证数据的真实度，需要开发一套信息系统构架，并能够保障与制造设备和系统相关的、高效的信息传递。数据融合技术可以用在融合来自不同来源的传感器获取的数据，并实现更高的测量精度，从而使管理者能够对工厂运营进行更全面的分析和优化。

3.3 进行各维度的高度集成

(1)企业内层级的纵向集成。完成企业内部自下而上关于设备层、控制层、车间层与企业层信息系统的集成，保障数据的无缝衔接与共享。具体工作包括：统一数据格式，建立中心数据库；共享生产报告以优化生产；开发开放的平台软件和硬件设施；整合产品和制造过程模型。

(2)价值链层级的横向集成。通过横向集成开发公司间交互的价值网络；整合价值链上各合作伙伴之间以及企业与用户之间的价值网络，实现价值链上各环节之间的无缝交流与衔接，实现产品开发、生产制造、经营管理等在不同的企业间的信息共享和业务协同。

(3)端到端的数字化集成。覆盖产品及其联系的制造系统的完整价值链端到端的数字化集成；所谓端到端是实现产品全生命周期的价值链创造。通过整合价值链上涉及产品生命周期的企业，实现产品从研发设计、生产、物流、销售以及服务的全生命周期的管理，重构产业链各环节的价值体系，可以实现企业内部运营成本的降低、销售市场的扩大以及更高的客户满意度。

3.4 开发数字孪生的教育和培训体系

(1)开发技术培训和维护模块。开发可用于所有级别员工的培训包，内容包括从数据到工厂资产等各方面；

(2)全面考虑相关部署元素(包括模块开发人员、用户、安装和维护等方面)来开发实习和培训项目，加强与高等教育界在数字孪生相关课程方面的合作并在教学方法中纳入行业经验和要求。创建设计标准和直观的员工用户界面，以保证员工的持续学习，并制定包括用户反馈和验证在内的问题解决方案。

(3)在开发新技术的同时实施和完善相关培训计划，并将培训计划扩展到新的行业以及大学中去。

4 结论

由于复杂重型装备制造个性化程度高、集成化程度低、重复性人工劳作过多以及用户参与创新程度低等问题，导致智能化转型发展较慢。数字孪生技术将繁杂的物理实体资源等以数字的形式映射于网络空间中，对于集成化管理制造过程具有重要意义。

针对复杂重型装备智能化转型中遇到的问题，本文建立了基于数字孪生的复杂重型装备协同制造模式，从制造生态系统、定制化产品、用户需求环境三个方面对该模式进行了探析，分析了各数字孪生模块的作用与模块之间的交互机理。以此为基础，本文从建立数字孪生的建模及仿真平台，建立工业数据收集与管理系统，进行各维度的高度集成与开发数字孪生的教育和培训体系四个方面对复杂重型装备企业推行数字孪生技术，以实现智能化转型路径与方法进行了分析。研究结果对复杂重型装备企业推行智能制造具有一定的启发。