13161216443

您所在位置: 首頁> 學習課程> 大數據培訓班 | 數字孿生技術都能解決哪些問題?

大數據培訓班 | 數字孿生技術都能解決哪些問題?

發布百知教育 來源:學習課程 2019-12-09

導讀:數字孿生技術都能解決哪些問題?如今在哪些領域正在被應用?本文帶你詳細梳理。


作者:梁乃明 方志剛 李榮躍 高巖松 等

來源:大數據DT(ID:bigdatadt)



基于數字孿生的智能制造系統如圖1-10所示。


大數據培訓班

▲圖1-10 基于數字孿生的智能制造系統


數字孿生的概念最早由密歇根大學的Michael Grieves博士于2002年提出(最初的名稱為“Conceptual Ideal for PLM”),至今有超過15年的歷史。


Michael Grieves與NASA長期合作。在航天領域,航天器的研發和運營必須依賴于數字化技術:在研發階段,需要降低物理樣機的成本;在運營階段,需要對航天器進行遠程狀態監控和故障監測。這也是后來NASA把數字化雙胞胎(即數字孿生)作為關鍵技術的原因。圖1-11展示了數字孿生技術在裝備行業的應用。


大數據培訓班


▲圖1-11 數字孿生技術在裝備行業的應用(一)


數字孿生被形象地稱為“數字化雙胞胎”,是智能工廠的虛實互聯技術,從構想、設計、測試、仿真、生產線、廠房規劃等環節,可以虛擬和判斷出生產或規劃中所有的工藝流程,以及可能出現的矛盾、缺陷、不匹配,所有情況都可以用這種方式進行事先的仿真,縮短大量方案設計及安裝調試時間,加快交付周期。


數字化雙胞胎技術是將帶有三維數字模型的信息拓展到整個生命周期中的影像技術,最終實現虛擬與物理數據同步和一致,它不是讓虛擬世界做現在我們已經做到的事情,而是發現潛在問題、激發創新思維、不斷追求優化進步——這才是數字孿生的目標所在。


數字孿生技術幫助企業在實際投入生產之前即能在虛擬環境中優化、仿真和測試,在生產過程中也可同步優化整個企業流程,最終實現高效的柔性生產、實現快速創新上市,鍛造企業持久競爭力。


數字孿生技術是制造企業邁向工業4.0戰略目標的關鍵技術,通過掌握產品信息及其生命周期過程的數字思路將所有階段(產品創意、設計、制造規劃、生產和使用)銜接起來,并連接到可以理解這些信息并對其做出反應的生產智能設備。


數字孿生將各專業技術集成為一個數據模型,并將PLM(產品生命周期管理軟件)、MOM(生產運營系統)和TIA(全集成自動化)集成在統一的數據平臺下,也可以根據需要將供應商納入平臺,實現價值鏈數據的整合,業務領域包括“產品數字孿生”“生產數字孿生”和“設備數字孿生”(見圖1-12和見圖1-13)。



01 產品數字孿生


在產品的設計階段,利用數字孿生可以提高設計的準確性,并驗證產品在真實環境中的性能。這個階段的數字孿生的關鍵能力包含:


  • 數字模型設計,使用CAD工具開發出滿足技術規格的產品虛擬原型,精確地記錄產品的各種物理參數,以可視化的方式展示出來,并通過一系列驗證手段來檢驗設計的精準程度;

  • 模擬和仿真,通過一系列可重復、可變參數、可加速的仿真實驗,來驗證產品在不同外部環境下的性能和表現,在設計階段就可驗證產品的適應性。


產品數字孿生將在需求驅動下,建立基于模型的系統工程產品研發模式,實現“需求定義–系統仿真–功能設計–邏輯設計–物理設計–設計仿真–實物試驗”全過程閉環管理,從細化領域將包含如下幾個方面(見圖1-14):


python培訓班


1. 產品系統定義


包括產品需求定義、系統級架構建模與驗證、功能設計、邏輯定義、可靠性、設計五性(包含可靠性、維修性、安全性、測試性及保障性)分析、失效模式和影響分析(Failure Mode and Effect Analysis,FMEA)等。


2. 結構設計仿真


包括機械系統的設計和驗證。包含機械結構模型建立、多專業學科仿真分析(涵蓋機械系統的強度、應力、疲勞、振動、噪聲、散熱、運動、灰塵、濕度等方面的分析)、多學科聯合仿真(包括流固耦合、熱電耦合、磁熱耦合以及磁熱結構耦合等)以及半實物仿真等。


3. 3D創成式設計


創成式設計(Generative Design)是根據一些起始參數通過迭代并調整來找到一個(優化)模型。拓撲優化(Topology Optimization)是對給定的模型進行分析,常見的是根據邊界條件進行有限元分析,然后對模型變形或刪減來進行優化,是一個人機交互、自我創新的過程。


根據輸入者的設計意圖,通過“創成式”系統,生成潛在的可行性設計方案的幾何模型,然后進行綜合對比,篩選出設計方案推送給設計者進行最后的決策。


4. 電子電氣設計與仿真


包括電子電氣系統的架構設計和驗證、電氣連接設計和驗證、電纜和線束設計和驗證等。相關仿真包括電子電氣系統的信號完整性、傳輸損耗、電磁干擾、耐久性、PCB散熱等方面的分析。


5. 軟件設計、調試與管理


包括軟件系統的設計、編碼、管理、測試等,同時支撐軟件系統全過程的管理與Bug閉環管理。


6. 設計全過程管理


包括系統工程全流程的管理和協同,設計數據和流程、設計仿真和過程、各種MCAD/ECAD/軟件設計工具和仿真工具的整合應用與管理。



02 生產數字孿生


在產品的制造階段,生產數字孿生的主要目的是確保產品可以被高效、高質量和低成本地生產,它所要設計、仿真和驗證的對象主要是生產系統,包括制造工藝、制造設備、制造車間、管理控制系統等。


利用數字孿生可以加快產品導入的時間,提高產品設計的質量,降低產品的生產成本和提高產品的交付速度。產品生產階段的數字孿生是一個高度協同的過程,通過數字化手段構建起來的虛擬生產線,將產品本身的數字孿生同生產設備、生產過程等其他形態的數字孿生高度集成起來,具體實現如下功能(見圖1-15):


大數據應用


▲圖1-15 數字孿生技術在裝備行業應用——生產數字孿生


1. 工藝過程定義(Bill of Process,BOP)


將產品信息、工藝過程信息、工廠產線信息和制造資源信息通過結構化模式組織管理,達到產品制造過程的精細化管理,基于產品工藝過程模型信息進行虛擬仿真驗證,同時為制造系統提供排產準確輸入。


2. 虛擬制造(Virtual Manufacturing,VM)評估–人機/機器人仿真


基于一個虛擬的制造環境來驗證和評價我們的裝配制造過程和裝配制造方法,通過產品3D模型和生產車間現場模型,具備機械加工車間的數控加工仿真、裝配工位級人機仿真、機器人仿真等提前虛擬評估。


3. 虛擬制造評估–產線調試


數字化工廠柔性自動化生產線建設投資大、周期長,自動化控制邏輯復雜,現場調試工作量大。


按照生產線建設的規律,發現問題越早,整改成本越低,因此有必要在生產線正式生產、安裝、調試之前在虛擬的環境中對生產線進行模擬調試,解決生產線的規劃、干涉、PLC的邏輯控制等問題,在綜合加工設備、物流設備、智能工裝、控制系統等各種因素中全面評估生產線的可行性。


生產周期長、更改成本高的機械結構部分采用在虛擬環境中進行展示和模擬;易于構建和修改的控制部分采用由PLC搭建的物理控制系統實現,由實物PLC控制系統生成控制信號,虛擬環境中的機械結構作為受控對象,模擬整個生產線的動作過程,從而發現機械結構和控制系統的問題,在物理樣機建造前予以解決。


4. 虛擬制造評估–生產過程仿真


  • 產品生產之前,就可以通過虛擬生產的方式來模擬在不同產品、不同參數、不同外部條件下的生產過程,實現對產能、效率以及可能出現的生產瓶頸等問題的提前預判,加速新產品導入的過程;

  • 生產階段的各種要素,如原材料、設備、工藝配方和工序要求,通過數字化的手段集成在一個緊密協作的生產過程中,并根據既定的規則,自動地完成在不同條件組合下的操作,實現自動化的生產過程;

  • 同時記錄生產過程中的各類數據,為后續的分析和優化提供依據。


關鍵指標監控和過程能力評估:通過采集生產線上的各種生產設備的實時運行數據,實現全部生產過程的可視化監控,并且通過經驗或者機器學習建立關鍵設備參數、檢驗指標的監控策略,對出現違背策略的異常情況進行及時處理和調整,實現穩定并不斷優化的生產過程。



03 設備數字孿生


作為客戶的設備資產,產品在運行過程中將設備運行信息實時傳送到云端,以進行設備運行優化、可預測性維護與保養,并通過設備運行信息對產品設計、工藝和制造迭代優化。




1. 設備運行優化


通過工業物聯網技術實現設備連接云端、行業云端算法庫以及行業應用APP,以西門子MindSphere平臺為例說明運營數字化雙胞胎的架構(見圖1-17)。


2. 連接層MindConnect


支持開放的設備連接標準,如OPC UA,實現西門子與第三方產品的即插即用。對數據傳輸進行安全加密。


3. 平臺層MindSphere


為客戶個性化APP的開發提供開放式接口,并提供多種云基礎設施,如SAP、AWS、Microsoft Azure,并提供公有云、私有云及現場部署。


4. 應用層MindApps


應用來自西門子與合作伙伴的APP,或由企業自主開發的APP,以獲取設備透明度與深度分析報告。


5. 可預測性維護、維修與保養


基于時間的中斷修復維護不再能提供所需的結果。通過對運行數據進行連續收集和智能分析,數字化開辟了全新的維護方式,通過這種洞察力,可以預測維護機器與工廠部件的最佳時間,并提供了各種方式,以提高機器與工廠的生產力。


預測性服務可將大數據轉變為智能數據。數字化技術的發展可讓企業洞察機器與工廠的狀況,從而在實際問題發生之前,對異常和偏離閾值的情況迅速做出響應。


6. 設計、工藝與制造迭代優化


復雜產品的工程設計非常困難,產品團隊必須將電子裝置和控件集成入機械系統,使用新的材料和制造流程,滿足更嚴格的法規,同時必須在更短期限內、在預算約束下交付創新產品。


傳統的驗證方法不再足夠有效?,F代開發流程必須變得具有預測性,使用實際產品的“數字孿生”驅動設計并使其隨著產品進化保持同步,此外還要求具有可支撐的智能報告和數據分析功能的仿真和測試技術。


產品工程設計團隊需要一個統一且共享的平臺來處理所有仿真學科,而且該平臺應具備易于使用的先進分析工具,可提供效率更高的工作流程,并能夠生成一致結果。設備數字孿生能幫助用戶比以前更快地驅動產品設計,以獲得更好、成本更低且更可靠的產品,并能更早地在整個產品生命周期內根據所有關鍵屬性預測性能。


關于作者:本書的作者均來自數字孿生的國際級實踐者和技術提供商——德國西門子數字化工業軟件,是名副其實的建設數字化企業的實戰派,主要執筆人均在西門子有20年左右的豐富工作經驗。


本文摘編自數字孿生實戰:基于模型的數字化企業(MBE),經出版方授權發布。


大數據培訓班:http://www.onhairsalon.com/bigdata2019


上一篇:大數據培訓班 | 零基礎學習大數據怎么可以輕松入門?

下一篇:應屆生去公司找個Java程序員的職位需要什么技能?

相關推薦

www.onhairsalon.com

有位老師想和您聊一聊

關閉

立即申請