400-616-5551

您所在位置: 首页> 学习课程> 大数据培训班 | 数字孪生技术都能解决哪些问题?

大数据培训班 | 数字孪生技术都能解决哪些问题?

发布百知教育 来源:学习课程 2019-12-09

导读:数字孪生技术都能解决哪些问题?如今在哪些领域正在被应用?本文带你详细梳理。


作者:梁乃明 方志刚 李荣跃 高岩松 等

来源:大数据DT(ID:bigdatadt)



基于数字孪生的智能制造系统如图1-10所示。


大数据培训班

▲图1-10 基于数字孪生的智能制造系统


数字孪生的概念最早由密歇根大学的Michael Grieves博士于2002年提出(最初的名称为“Conceptual Ideal for PLM”),至今有超过15年的历史。


Michael Grieves与NASA长期合作。在航天领域,航天器的研发和运营必须依赖于数字化技术:在研发阶段,需要降低物理样机的成本;在运营阶段,需要对航天器进行远程状态监控和故障监测。这也是后来NASA把数字化双胞胎(即数字孪生)作为关键技术的原因。图1-11展示了数字孪生技术在装备行业的应用。


大数据培训班


▲图1-11 数字孪生技术在装备行业的应用(一)


数字孪生被形象地称为“数字化双胞胎”,是智能工厂的虚实互联技术,从构想、设计、测试、仿真、生产线、厂房规划等环节,可以虚拟和判断出生产或规划中所有的工艺流程,以及可能出现的矛盾、缺陷、不匹配,所有情况都可以用这种方式进行事先的仿真,缩短大量方案设计及安装调试时间,加快交付周期。


数字化双胞胎技术是将带有三维数字模型的信息拓展到整个生命周期中的影像技术,最终实现虚拟与物理数据同步和一致,它不是让虚拟世界做现在我们已经做到的事情,而是发现潜在问题、激发创新思维、不断追求优化进步——这才是数字孪生的目标所在。


数字孪生技术帮助企业在实际投入生产之前即能在虚拟环境中优化、仿真和测试,在生产过程中也可同步优化整个企业流程,最终实现高效的柔性生产、实现快速创新上市,锻造企业持久竞争力。


数字孪生技术是制造企业迈向工业4.0战略目标的关键技术,通过掌握产品信息及其生命周期过程的数字思路将所有阶段(产品创意、设计、制造规划、生产和使用)衔接起来,并连接到可以理解这些信息并对其做出反应的生产智能设备。


数字孪生将各专业技术集成为一个数据模型,并将PLM(产品生命周期管理软件)、MOM(生产运营系统)和TIA(全集成自动化)集成在统一的数据平台下,也可以根据需要将供应商纳入平台,实现价值链数据的整合,业务领域包括“产品数字孪生”“生产数字孪生”和“设备数字孪生”(见图1-12和见图1-13)。



01 产品数字孪生


在产品的设计阶段,利用数字孪生可以提高设计的准确性,并验证产品在真实环境中的性能。这个阶段的数字孪生的关键能力包含:


  • 数字模型设计,使用CAD工具开发出满足技术规格的产品虚拟原型,精确地记录产品的各种物理参数,以可视化的方式展示出来,并通过一系列验证手段来检验设计的精准程度;

  • 模拟和仿真,通过一系列可重复、可变参数、可加速的仿真实验,来验证产品在不同外部环境下的性能和表现,在设计阶段就可验证产品的适应性。


产品数字孪生将在需求驱动下,建立基于模型的系统工程产品研发模式,实现“需求定义–系统仿真–功能设计–逻辑设计–物理设计–设计仿真–实物试验”全过程闭环管理,从细化领域将包含如下几个方面(见图1-14):


python培训班


1. 产品系统定义


包括产品需求定义、系统级架构建模与验证、功能设计、逻辑定义、可靠性、设计五性(包含可靠性、维修性、安全性、测试性及保障性)分析、失效模式和影响分析(Failure Mode and Effect Analysis,FMEA)等。


2. 结构设计仿真


包括机械系统的设计和验证。包含机械结构模型建立、多专业学科仿真分析(涵盖机械系统的强度、应力、疲劳、振动、噪声、散热、运动、灰尘、湿度等方面的分析)、多学科联合仿真(包括流固耦合、热电耦合、磁热耦合以及磁热结构耦合等)以及半实物仿真等。


3. 3D创成式设计


创成式设计(Generative Design)是根据一些起始参数通过迭代并调整来找到一个(优化)模型。拓扑优化(Topology Optimization)是对给定的模型进行分析,常见的是根据边界条件进行有限元分析,然后对模型变形或删减来进行优化,是一个人机交互、自我创新的过程。


根据输入者的设计意图,通过“创成式”系统,生成潜在的可行性设计方案的几何模型,然后进行综合对比,筛选出设计方案推送给设计者进行最后的决策。


4. 电子电气设计与仿真


包括电子电气系统的架构设计和验证、电气连接设计和验证、电缆和线束设计和验证等。相关仿真包括电子电气系统的信号完整性、传输损耗、电磁干扰、耐久性、PCB散热等方面的分析。


5. 软件设计、调试与管理


包括软件系统的设计、编码、管理、测试等,同时支撑软件系统全过程的管理与Bug闭环管理。


6. 设计全过程管理


包括系统工程全流程的管理和协同,设计数据和流程、设计仿真和过程、各种MCAD/ECAD/软件设计工具和仿真工具的整合应用与管理。



02 生产数字孪生


在产品的制造阶段,生产数字孪生的主要目的是确保产品可以被高效、高质量和低成本地生产,它所要设计、仿真和验证的对象主要是生产系统,包括制造工艺、制造设备、制造车间、管理控制系统等。


利用数字孪生可以加快产品导入的时间,提高产品设计的质量,降低产品的生产成本和提高产品的交付速度。产品生产阶段的数字孪生是一个高度协同的过程,通过数字化手段构建起来的虚拟生产线,将产品本身的数字孪生同生产设备、生产过程等其他形态的数字孪生高度集成起来,具体实现如下功能(见图1-15):


大数据应用


▲图1-15 数字孪生技术在装备行业应用——生产数字孪生


1. 工艺过程定义(Bill of Process,BOP)


将产品信息、工艺过程信息、工厂产线信息和制造资源信息通过结构化模式组织管理,达到产品制造过程的精细化管理,基于产品工艺过程模型信息进行虚拟仿真验证,同时为制造系统提供排产准确输入。


2. 虚拟制造(Virtual Manufacturing,VM)评估–人机/机器人仿真


基于一个虚拟的制造环境来验证和评价我们的装配制造过程和装配制造方法,通过产品3D模型和生产车间现场模型,具备机械加工车间的数控加工仿真、装配工位级人机仿真、机器人仿真等提前虚拟评估。


3. 虚拟制造评估–产线调试


数字化工厂柔性自动化生产线建设投资大、周期长,自动化控制逻辑复杂,现场调试工作量大。


按照生产线建设的规律,发现问题越早,整改成本越低,因此有必要在生产线正式生产、安装、调试之前在虚拟的环境中对生产线进行模拟调试,解决生产线的规划、干涉、PLC的逻辑控制等问题,在综合加工设备、物流设备、智能工装、控制系统等各种因素中全面评估生产线的可行性。


生产周期长、更改成本高的机械结构部分采用在虚拟环境中进行展示和模拟;易于构建和修改的控制部分采用由PLC搭建的物理控制系统实现,由实物PLC控制系统生成控制信号,虚拟环境中的机械结构作为受控对象,模拟整个生产线的动作过程,从而发现机械结构和控制系统的问题,在物理样机建造前予以解决。


4. 虚拟制造评估–生产过程仿真


  • 产品生产之前,就可以通过虚拟生产的方式来模拟在不同产品、不同参数、不同外部条件下的生产过程,实现对产能、效率以及可能出现的生产瓶颈等问题的提前预判,加速新产品导入的过程;

  • 生产阶段的各种要素,如原材料、设备、工艺配方和工序要求,通过数字化的手段集成在一个紧密协作的生产过程中,并根据既定的规则,自动地完成在不同条件组合下的操作,实现自动化的生产过程;

  • 同时记录生产过程中的各类数据,为后续的分析和优化提供依据。


关键指标监控和过程能力评估:通过采集生产线上的各种生产设备的实时运行数据,实现全部生产过程的可视化监控,并且通过经验或者机器学习建立关键设备参数、检验指标的监控策略,对出现违背策略的异常情况进行及时处理和调整,实现稳定并不断优化的生产过程。



03 设备数字孪生


作为客户的设备资产,产品在运行过程中将设备运行信息实时传送到云端,以进行设备运行优化、可预测性维护与保养,并通过设备运行信息对产品设计、工艺和制造迭代优化。




1. 设备运行优化


通过工业物联网技术实现设备连接云端、行业云端算法库以及行业应用APP,以西门子MindSphere平台为例说明运营数字化双胞胎的架构(见图1-17)。


2. 连接层MindConnect


支持开放的设备连接标准,如OPC UA,实现西门子与第三方产品的即插即用。对数据传输进行安全加密。


3. 平台层MindSphere


为客户个性化APP的开发提供开放式接口,并提供多种云基础设施,如SAP、AWS、Microsoft Azure,并提供公有云、私有云及现场部署。


4. 应用层MindApps


应用来自西门子与合作伙伴的APP,或由企业自主开发的APP,以获取设备透明度与深度分析报告。


5. 可预测性维护、维修与保养


基于时间的中断修复维护不再能提供所需的结果。通过对运行数据进行连续收集和智能分析,数字化开辟了全新的维护方式,通过这种洞察力,可以预测维护机器与工厂部件的最佳时间,并提供了各种方式,以提高机器与工厂的生产力。


预测性服务可将大数据转变为智能数据。数字化技术的发展可让企业洞察机器与工厂的状况,从而在实际问题发生之前,对异常和偏离阈值的情况迅速做出响应。


6. 设计、工艺与制造迭代优化


复杂产品的工程设计非常困难,产品团队必须将电子装置和控件集成入机械系统,使用新的材料和制造流程,满足更严格的法规,同时必须在更短期限内、在预算约束下交付创新产品。


传统的验证方法不再足够有效。现代开发流程必须变得具有预测性,使用实际产品的“数字孪生”驱动设计并使其随着产品进化保持同步,此外还要求具有可支撑的智能报告和数据分析功能的仿真和测试技术。


产品工程设计团队需要一个统一且共享的平台来处理所有仿真学科,而且该平台应具备易于使用的先进分析工具,可提供效率更高的工作流程,并能够生成一致结果。设备数字孪生能帮助用户比以前更快地驱动产品设计,以获得更好、成本更低且更可靠的产品,并能更早地在整个产品生命周期内根据所有关键属性预测性能。


关于作者:本书的作者均来自数字孪生的国际级实践者和技术提供商——德国西门子数字化工业软件,是名副其实的建设数字化企业的实战派,主要执笔人均在西门子有20年左右的丰富工作经验。


本文摘编自数字孪生实战:基于模型的数字化企业(MBE),经出版方授权发布。


大数据培训班:http://www.baizhiedu.com/bigdata2019


上一篇:大数据培训班 | 零基础学习大数据怎么可以轻松入门?

下一篇:应届生去公司找个Java程序员的职位需要什么技能?

相关推荐

www.baizhiedu.com

有位老师想和您聊一聊

关闭

立即申请