數(shù)字孿生體在產(chǎn)品生命周期管理中的應用探究

張長信

摘 要：目前，在整個產(chǎn)品生命周期中可獲得包括設(shè)計、制造、服務(wù)在內(nèi)各階段的大數(shù)據(jù)，但有關(guān)產(chǎn)品生命周期數(shù)據(jù)的研究主要還是圍繞物理產(chǎn)品而非虛擬模型進行。產(chǎn)品設(shè)計、制造和服務(wù)需要來自物理產(chǎn)品、虛擬模型以及這兩者間的連接數(shù)據(jù)來支持。基于數(shù)字孿生體的應用現(xiàn)狀，本文分析了如何獲得和使用交互性的虛擬數(shù)據(jù)更好地服務(wù)產(chǎn)品生命周期，從而推動產(chǎn)品設(shè)計、制造和服務(wù)更加高效、智能化地進展。

關(guān)鍵詞：數(shù)字孿生體;產(chǎn)品生命周期;設(shè)計;制造;服務(wù);大數(shù)據(jù)

1 概述

目前，隨著物聯(lián)網(wǎng)、云計算、人工智能等新一代信息技術(shù)在生產(chǎn)大數(shù)據(jù)的收集、處理與管理中的應用，[1，2]大數(shù)據(jù)驅(qū)動制造的時代即將到來。

產(chǎn)品生命周期管理（Product lifecycle management，PLM）作為一種高效的商業(yè)產(chǎn)品管理方式，從產(chǎn)品設(shè)計理念產(chǎn)生到其報廢淘汰，貫穿其整個生命周期。盡管PLM可以獲得包括設(shè)計、制造和服務(wù)在內(nèi)的各階段生命周期相關(guān)大數(shù)據(jù)，但其中仍存在諸如各階段數(shù)據(jù)通常呈現(xiàn)孤立、分散、停滯特征、用戶在產(chǎn)品使用過程中制造商難以對產(chǎn)品保持實時控制與響應等缺陷。[3]

這些問題導致產(chǎn)品的設(shè)計、制造和服務(wù)階段的效率不高，智能化和可持續(xù)性水平較低。數(shù)字孿生體（Digital Twin）作為有效的解決方案，是以數(shù)字化方式創(chuàng)建物理產(chǎn)品的虛擬模型，以數(shù)據(jù)模擬實體在生產(chǎn)系統(tǒng)中的表現(xiàn)，通過虛實交互反饋、數(shù)據(jù)融合分析、決策迭代優(yōu)化，為物理實體增加或擴展新的能力;[4]其面向產(chǎn)品全生命周期全過程，以提供更加實時、高效、智能的服務(wù)。

2 產(chǎn)品生命周期管理與現(xiàn)存問題

2.1 產(chǎn)品生命周期及相應數(shù)據(jù)

產(chǎn)品生命周期類比于生物學理念，指從產(chǎn)品被市場接受到最終淘汰的過程，其分為導入，生長，成熟和衰退四個階段。[5]隨著并行工程的興起，產(chǎn)品生命周期擴展到工程領(lǐng)域。這一概念從產(chǎn)品需求分析、產(chǎn)品設(shè)計與制造、銷售與售后服務(wù)的流線過程延伸為一種再循環(huán)過程。

產(chǎn)品生命周期作為一個迭代過程，其任何階段，都會收集、處理和運用大量數(shù)據(jù)，最終覆蓋整個周期過程，形成大數(shù)據(jù)。

2.2 產(chǎn)品生命周期數(shù)據(jù)現(xiàn)存的相關(guān)問題

在制造業(yè)走向大數(shù)據(jù)時代時，數(shù)據(jù)挖掘與分析在企業(yè)管理中所扮演角色的重要性愈加凸顯。當前，大數(shù)據(jù)主要通過關(guān)聯(lián)、預測和控制三個步驟來驅(qū)動智能制造業(yè)。通過有效地收集和分析整個產(chǎn)品生命周期中產(chǎn)生的相關(guān)數(shù)據(jù)可以為相應生產(chǎn)活動提供系統(tǒng)指導，幫助企業(yè)管理者解決跟運營和決策有關(guān)的問題。目前仍存在如下問題影響PLM的數(shù)據(jù)管理和應用。

1）由于目的和任務(wù)的不同，產(chǎn)品生命周期中各個階段產(chǎn)生的數(shù)據(jù)可能形成相互之間缺少聯(lián)系的信息孤島（information islands）。

2）產(chǎn)品生命周期的不同階段之間存在大量重復數(shù)據(jù)，這些重復數(shù)據(jù)可能造成資源浪費，影響數(shù)據(jù)共享。

3）大數(shù)據(jù)分析與整個產(chǎn)品生命周期中各種活動之間缺少相應的的交互和迭代，造成大數(shù)據(jù)分析與實際制造過程間無法并行比較。

4）目前大數(shù)據(jù)應用偏重于物理產(chǎn)品數(shù)據(jù)的分析，而非虛擬模型的數(shù)據(jù)分析。

針對上述問題，數(shù)字孿生體被視為一種有效的解決辦法，其實施是產(chǎn)品生命周期中信息空間與物理空間相互促進過程。數(shù)字孿生體可以直接分析大數(shù)據(jù)的應用價值，并將其跟產(chǎn)品生命周期活動的真實價值進行比較;其信息空間能做到模擬、監(jiān)控和優(yōu)化整個周期中的各種活動，同時實現(xiàn)周期中各分過程的無縫協(xié)調(diào)，避免信息孤島以及數(shù)據(jù)重復。

3 數(shù)字孿生體及其應用

3.1 數(shù)字孿生體的概念

數(shù)字孿生體的普適定義由E Glaessegen和D Stargel于2012年提出：[6]數(shù)字孿生體（Digital Twin）是復雜產(chǎn)品綜合了多物理量、多尺度、概率性的模擬仿真（multi-physics，multiscale，and probabilistic simulation），其充分利用有效物理模型、傳感器更新、運行歷史等來反映產(chǎn)品實體/孿生體的生命周期過程。同時，數(shù)字孿生體由三部分組成：物理產(chǎn)品、虛擬模型以及兩者間的鏈接數(shù)據(jù)。根據(jù)數(shù)字孿生體的這些解釋和定義，總結(jié)了數(shù)字孿生體的以下特征：

1）實時反映。數(shù)字孿生體中并存著物理空間和信息空間兩大空間，后者作為物理空間的真實反映，可以保持與物理空間的超高同步性和保真度。

2）交互和聚斂（Interaction and convergence）。該特點可以從三個方面來解釋。

（a）物理空間中的交互和聚斂。數(shù)字孿生體作為一種全流量、全元素、全業(yè)務(wù)的集成，物理空間中各個階段產(chǎn)生的數(shù)據(jù)都可以相互關(guān)聯(lián)。

（b）歷史數(shù)據(jù)和實時數(shù)據(jù)之間的交互和聚斂。數(shù)字孿生體在依靠專家知識的同時，還實時收集所有已配置數(shù)字孿生體系統(tǒng)的數(shù)據(jù)。該特性可使數(shù)據(jù)得以深入挖掘及充分利用。

（c）物理空間與信息空間之間的交互和聚斂。數(shù)字孿生體中物理空間和信息空間之間存在光滑的連接通道而非相互隔離，這使得它們很容易實現(xiàn)交互。[11]

3）自我進化。數(shù)字孿生體可以實時更新數(shù)據(jù)，以便虛擬模型可以通過其跟物理空間的并行比較進行持續(xù)改進。

3.2 數(shù)字孿生體的應用及研究現(xiàn)狀

自數(shù)字孿生體概念被提出以來，已被應用于諸多工業(yè)領(lǐng)域，并展現(xiàn)出大的潛力。

美空軍研究實驗室E J T uegel[7]等人運用數(shù)字孿生體對飛行器建立了超高保真飛行模型，通過將虛擬數(shù)據(jù)與實體數(shù)據(jù)進行比較分析，做出精確的疲勞壽命預測;該實驗室創(chuàng)建了一個對物理空間具有高保真度的模型框架，整合了各種相關(guān)數(shù)據(jù)，以模擬和評估氣動熱模型預測中耦合氣動熱彈性問題的可信度。B Bielefeldt等人[8]建立了一個基于數(shù)字孿生體概念的模型來監(jiān)測飛機結(jié)構(gòu)的損傷，他們使用飛機機翼的狀況案例驗證模型的有效性。E J Tuegel [9]提出了機身數(shù)字孿生體（Airframe Digital Twin，ADT）模型的概念，以降低飛機維護成本，他指出了模型實現(xiàn)的關(guān)鍵在于實施過程中通過貝葉斯升級（Bayesian updating）來降低模型的不確定性。K Reifsnider和P Majumdar[10]將數(shù)字孿生體與車載健康管理系統(tǒng)、維修歷史記錄以及歷史車隊數(shù)據(jù)相匹配，以此進行車輛的生命周期管理，顯著提高了安全性和可靠性。

此外，美國參數(shù)技術(shù)公司（Parametric Technology Corporation，PTC）正在嘗試建立一個信息空間作為對產(chǎn)品設(shè)計過程中所用實體的一對一表示。另外諸如達索（Dassault Systèmes）、西門子工業(yè)軟件（Siemens PLM Software）等知名企業(yè)對于數(shù)字孿生體的應用及其潛力也表示了極大的肯定。[11]

根據(jù)上述數(shù)字孿生體的應用情況，目前數(shù)字孿生體主要應用于航空航天、車輛工程等領(lǐng)域的故障預測，實施于產(chǎn)品維修和維護階段。鑒于數(shù)字孿生體的特點，特別是物理產(chǎn)品與相應虛擬產(chǎn)品之間的同步聯(lián)動和超高保真度，數(shù)字孿生體解決PLM存在的上述問題具有很大的潛力，同時有望在更多工程領(lǐng)域取得應用突破。

4 產(chǎn)品數(shù)字孿生體在全生命周期各階段的實施途徑

4.1 產(chǎn)品設(shè)計階段

為實現(xiàn)物理產(chǎn)品的數(shù)字孿生體，必須有一種準確、高效的數(shù)字化表達方式，其可以支持包括產(chǎn)品設(shè)計、加工裝配、使用維修在內(nèi)的產(chǎn)品生命周期各階段的數(shù)據(jù)定義與傳輸。近年出現(xiàn)的產(chǎn)品定義模型（Model Based Definition，MBD）作為實現(xiàn)產(chǎn)品數(shù)字孿生體的有效途徑，遵從產(chǎn)品設(shè)計中的并行協(xié)同理念和單一數(shù)據(jù)源原則，可將產(chǎn)品相關(guān)設(shè)計參數(shù)、工藝流程、過程管理等信息全部整合在其虛擬三維模型中，保證了產(chǎn)品被賦予的定義數(shù)據(jù)能夠驅(qū)動處于制造過程下游的各個環(huán)節(jié)。[12]

MBD技術(shù)主要包括兩類數(shù)據(jù)：（1）產(chǎn)品的幾何信息，即廣義的設(shè)計模型;（2）產(chǎn)品的非幾何信息，其跟產(chǎn)品數(shù)據(jù)管理（Product Data Management，PDM）軟件（兼容于3D設(shè)計軟件）協(xié)同存儲和管理設(shè)計信息。另外，實現(xiàn)基于三維模型的產(chǎn)品定義后，需基于該定義模型進行工藝設(shè)計、工裝設(shè)計，以及制造過程規(guī)劃，有時還要對產(chǎn)品功能測試進行交互仿真以及后期優(yōu)化;為保證仿真、優(yōu)化過程的有效性，需考慮以下三點。

4.1.1 虛擬模型的高保真度

產(chǎn)品建模不僅要考慮形狀、尺寸、公差等幾何特征信息，還要關(guān)注物理環(huán)境中的應力分析，還原產(chǎn)品的動力學、熱力學特性，及材料的剛度、塑性、疲勞強度等物理性質(zhì)。可運用神經(jīng)網(wǎng)絡(luò)、深度學習等方法，參照同類產(chǎn)品群的歷史數(shù)據(jù)對現(xiàn)有模型進行定期優(yōu)化，以取得接近于現(xiàn)實物理環(huán)境中實體產(chǎn)品的功能、特性。

4.1.2 仿真的準確性和實時性

如上述的應力分析、材料力學模擬，都可以通過ANSYS、Abaqus等實用的仿真軟件來實現(xiàn)，并進行優(yōu)化。

4.1.3 模型輕量化技術(shù)

模型輕量化技術(shù)極大減少了模型的存儲空間，從而便于直接從三維模型中提取工藝設(shè)計和交互仿真所需要的幾何信息、特征信息和屬性信息，避免附帶不必要的冗余信息。[2]另外，通過該項技術(shù)，基于實時數(shù)據(jù)的產(chǎn)品的可視化仿真、復雜系統(tǒng)與生產(chǎn)線仿真可全部實現(xiàn)。同時，輕量化的模型減少了系統(tǒng)間的信息傳輸時間與成本，促進了價值鏈的端到端集成、供應鏈上下游企業(yè)間的信息共享與業(yè)務(wù)流程集成。

4.2 產(chǎn)品制造階段

產(chǎn)品數(shù)字孿生體跟其實體的不斷交互是其發(fā)展的關(guān)鍵。在產(chǎn)品制造階段，現(xiàn)實世界中檢測、制造進度、物流等多方面的實測數(shù)據(jù)被不斷傳遞到虛擬信息空間中進行實時展示;同時進行實測值與設(shè)計值、實際所用物料與設(shè)計物料、實際完成進度與計劃完成進度的多方面比對，實現(xiàn)基于產(chǎn)品模型的生產(chǎn)過程監(jiān)控與生產(chǎn)實測數(shù)據(jù)分析。此外，根據(jù)生產(chǎn)中的實測數(shù)據(jù)，實現(xiàn)對產(chǎn)品質(zhì)量、制造資源使用、制造進度的智能預測與分析;與此同時，智能決策模塊根據(jù)上述預測與分析的結(jié)果更新相應的制造解決方案并反饋給實體產(chǎn)品，從而實現(xiàn)對實體產(chǎn)品的動態(tài)控制與優(yōu)化，達到虛擬空間實時操控現(xiàn)實制造的目的。

綜合上所述，在復雜的動態(tài)實體空間中實現(xiàn)多源異構(gòu)數(shù)據(jù)的實時、準確采集，以及有效信息的提取與傳輸是實現(xiàn)制造階段數(shù)字孿生體的前提條件。近十年，包括物聯(lián)網(wǎng)、傳感網(wǎng)、語義分析與識別在內(nèi)的信息技術(shù)的迅速發(fā)展為此提供了一套切實可行的解決方案;此外，數(shù)據(jù)挖掘、人工智能、深度學習等技術(shù)的探索，也提供了重要的技術(shù)支持。[13]

4.3 產(chǎn)品服務(wù)階段

產(chǎn)品的使用和維護階段，仍需對包括產(chǎn)品的空間位置、使用環(huán)境、質(zhì)量狀況、功能狀態(tài)等產(chǎn)品信息進行實時測控，并根據(jù)這些實時數(shù)據(jù)生成使用及維護歷史記錄，從而對產(chǎn)品性能、健康狀況、壽命期限進行預測與分析，并對產(chǎn)品質(zhì)量問題發(fā)出預警。當產(chǎn)品出現(xiàn)故障或是質(zhì)量問題時，能夠?qū)崿F(xiàn)產(chǎn)品空間位置的及時定位，并對其故障和質(zhì)量問題進行原因分析、維護與升級，或是報廢替換等，同時生成相關(guān)記錄。一方面，在物理空間，采用物聯(lián)網(wǎng)、傳感技術(shù)、移動互聯(lián)技術(shù)將與物理產(chǎn)品相關(guān)的實測數(shù)據(jù)（最新的傳感數(shù)據(jù)、位置數(shù)據(jù)、外部環(huán)境感知數(shù)據(jù)等）、產(chǎn)品使用數(shù)據(jù)和維護數(shù)據(jù)等關(guān)聯(lián)映射至虛擬空間的產(chǎn)品數(shù)字孿生體。另一方面，在虛擬空間，采用模型可視化技術(shù)實現(xiàn)對物理產(chǎn)品使用過程的實時監(jiān)控，并結(jié)合歷史使用數(shù)據(jù)、歷史維護數(shù)據(jù)、同類型產(chǎn)品相關(guān)歷史數(shù)據(jù)等，采用動態(tài)貝葉斯、機器學習等數(shù)據(jù)挖掘方法和優(yōu)化算法，實現(xiàn)對產(chǎn)品模型、結(jié)構(gòu)分析模型、熱力學模型、產(chǎn)品故障和壽命預測與分析模型的持續(xù)優(yōu)化，使產(chǎn)品數(shù)字孿生體和預測分析模型更加精確、仿真預測結(jié)果更加符合實際情況。

5 結(jié)語

隨著大數(shù)據(jù)驅(qū)動制造時代的到來，面向制造業(yè)的物聯(lián)網(wǎng)、大數(shù)據(jù)、和云計算等許多新技術(shù)已經(jīng)應用于PLM。但是，目前的技術(shù)主要關(guān)注物理產(chǎn)品數(shù)據(jù)，而不是虛擬模型的數(shù)據(jù)。為產(chǎn)品生命周期各個階段產(chǎn)生數(shù)據(jù)形成的信息孤島與數(shù)據(jù)重疊，提高大數(shù)據(jù)分析與產(chǎn)品生命周期中的各種活動間的交互和迭代，將具有超高同步性和保真度的數(shù)字孿生體，運用于產(chǎn)品設(shè)計、制造和服務(wù)階段。

但目前產(chǎn)品數(shù)字孿生體的構(gòu)建和應用在全球范圍內(nèi)尚處于初級階段，其應用主要局限于產(chǎn)品設(shè)計階段，在產(chǎn)品制造和生產(chǎn)管理方面缺少實踐。因此，探討產(chǎn)品制造與生產(chǎn)的數(shù)字孿生體構(gòu)建與應用，整合產(chǎn)品生產(chǎn)全周期的數(shù)字化交互，會將產(chǎn)品創(chuàng)新、制造效率提升至一個新的高度。

參考文獻：

[1]Xu L D，He W，Li S.Internet of Things in Industries：A Survey[J].IEEE Transactions on Industrial Informatics，2014，10（4）：2233-2243.

[2]Jiang L，Xu L D，Cai H，et al.An IoT-Oriented Data Storage Framework in Cloud Computing Platform[J].IEEE Transactions on Industrial Informatics，2014，10（2）：1443-1451.

[3]Li J，Tao F，Cheng Y，et al.Big Data in product lifecycle management[J].International Journal of Advanced Manufacturing Technology，2015，81（1-4）：667-684.

[4]陶飛，劉蔚然，劉檢華，等.數(shù)字孿生及其應用探索[J].計算機集成制造系統(tǒng)，2018，24（1）.

[5]Rink D R，Swan J E.Product life cycle research：A literature review[J].Journal of Business Research，1979，7（3）：219-242.

[6]Glaessgen E，Stargel D.The Digital Twin Paradigm for Future NASA and U.S.Air Force Vehicles[C].Aiaa/asme/asce/ahs/asc Structures，Structural Dynamics& Materials Conference Aiaa/asme/ahs Adaptive Structures Conference Aiaa.2012.

[7]Tuegel E J，Ingraffea A R，Eason T G，et al.Reengineering Aircraft Structural Life Prediction Using a Digital Twin[J].International Journal of Aerospace Engineering，2011，（23）：1687-5966.

[8]Bielefeldt B，Hochhalter J，Hartl D.Computationally Efficient Analysis of SMA Sensory Particles Embedded in Complex Aerostructures Using a Substructure Approach[C].ASME 2015 Conference on Smart Materials，Adaptive Structures and Intelligent Systems.2015：V001T02A007.

[9]Tuegel E.The Airframe Digital Twin：Some Challenges to Realization[C].Aiaa/asme/asce/ahs/asc Structures，Structural Dynamics & Materials Conference Aiaa/asme/ahs Adaptive Structures Conference Aiaa.2013.

[10]Reifsnider K，Majumdar P.Multiphysics Stimulated Simulation Digital Twin Methods for Fleet Management[C].Aiaa/asme/asce/ahs/asc Structures，Structural Dynamics，and Materials Conference.2013.

[11]于勇，范勝廷，彭關(guān)偉，等.數(shù)字孿生模型在產(chǎn)品構(gòu)型管理中應用探討[J].航空制造技術(shù)，2017，526（7）：41-45.

[12]Briggs C，Brown G B，Siebenaler D，et al.Model-Based Definition[C].Aiaa/asme/asce/ahs/asc Structures，Structural Dynamics，& Materials Conference Aiaa/asme/ahs Adaptive Structures Conference.2013.

[13]莊存波，劉檢華，熊輝，等.產(chǎn)品數(shù)字孿生體的內(nèi)涵、體系結(jié)構(gòu)及其發(fā)展趨勢[J].計算機集成制造系統(tǒng)，2017，23（4）：753-768.