數字孿生技術在淀粉行業的應用前景

叔謀 ，劉穎慰 ，許克家 ，趙國興 ，李義 ，佟毅

1. 中糧營養健康研究院有限公司（北京 102209）；2. 營養健康與食品北京市重點實驗室（北京 102209）；3. 老年營養食品研究北京市重點實驗室（北京 102209）；4. 玉米深加工國家工程研究中心（長春 130033）；5. 中糧生物科技股份有限公司（蚌埠 233010）

隨著第四次信息工業革命浪潮的到來，新一代數字智能化技術應運而生，物聯網、大數據、云計算等計算分析手段紛至沓來。其廣泛的應用性突破了傳統的行業壁壘，通過工業智能化，不斷提升企業的生產效率、產品質量及管理水平。“中國制造2025”提出“加快新一代信息技術與制造業深度融合為主線，以推進智能制造為主攻方向”的戰略方針，更是體現了我國對智能工廠、智能裝備、智能制造的高度重視，力求緊跟世界發達國家步伐，甚至完成超越的發展決心與毅力。當前，以淀粉加工行業為代表的傳統農產品加工工業，通過智能數字化升級實現節能降耗的需求已迫在眉睫，該文旨在探索數字孿生技術針對淀粉加工工業中的可行性應用及前景。

1 數字孿生概念

自2003年數字孿生（Digital twin）概念在美國密歇根大學產品周期管理課程上被提出以來[1]，數字孿生技術得到長期的發展與完善，從最初軍工及航天航空領域逐步拓展到機械制造業、電器自動化、能源化工等多個領域。數字孿生是指通過數字化構建的物理實體模型，結合傳感器更新、歷史數據的綜合運用，集成在虛擬平臺上的多學科、多尺度、多物理量的仿真過程。其核心本質是通過物理實體和虛擬模型雙向實時（準實時）的全周期交互映射模型，實現現實生產線、裝備、管理系統的實時映射響應反饋，同時通過大量積累的后臺數據分析，迭代計算完善產品的精確控制、指標的合理預測等生產要素[2-5]。

1.1 數字孿生模型

“數字孿生”顧名思義，即利用計算機技術在數字虛擬空間中建立實體生產線或產品的數字化多維映射模型。它不簡單是實體生產線的一個虛擬三維投影，而是具有多物理性、多層次、融合交叉學科、可計算分析和進行概率預測的綜合體[6]。多物理性表明虛擬模型不僅僅只是實體的幾何呈現，更可以反映實體諸如物料及能量守恒的熱力學特性、設備機械的結構力學特性等實際屬性[7]。多層次意味著完整的數字孿生模型不僅僅只針對產品或生產線上的某一組件或設備，而是基于產品生產線全生命周期的完整模型。其搭建過程即是將多個小數字孿生體整合成完全體的過程，如同搭建實體生產線一樣，多組設備搭配建立操作單元、多個操作單元形成一個操作車間、多個車間連接完成一條生產線，數字孿生模型通過相同的層次布局，從點到線，由線及面，將多個小孿生模型整合集成，最終實現全生命周期的仿真模擬。

1.2 數字孿生集成

數字孿生模型不僅要繼承實體的物理特性，同時要兼具全生產周期數據信息中心的功能。面對規模大、分布廣的實體系統時，其龐大復雜的管理結構、相對獨立的生產單元、冗長的產業鏈條、品種多樣的產品方向經常導致其豐富的信息資源并不能被很好地收集利用和統一管理，進而形成一座座孤立的“信息孤島”[8-10]，彼此間的協同優化難以進行。數字孿生模型利用計算機信息儲存處理能力強的優勢，可以全面地整合實體數據，原料及中間過程品的檢測數據、固定設備的性能參數、生產線實時監控的各項指標甚至是邊界內人為和自然等環境因素都可以進行數字化整合提煉，并納入到數字孿生模型中。將這些數據利用大數據工具進行數據清洗、挖掘，并運用多種機器學習算法諸如神經網絡、貝葉斯算法、隨機森林等加以分析計算，進而可實現流程仿真、行為驗證、產品評估預測等多種可指導實際生產的信息模型，提供給實體系統作為參考決策，打造出高效的數字驅動模式。

1.3 數字孿生交互

數字孿生驅動的核心是虛擬模型和其實體之間保持實時交互的動態聯系。虛擬模型根據從實體系統獲取的信息數據，結合計算機計算、大數據分析，通過不斷迭代實現自身模型構建的修正完善。同時通過虛擬模型的仿真預測、統計分析得到的優化結果，以最快的方式反饋回實體生產線，力求最短時間、最大程度地優化工藝方案[11-12]。因此虛實體之間數據信息傳遞形成的數字紐帶（Digital thread）是使數字孿生體系發揮作用的關鍵[8]。依托生產線流程中各環節裝備、儀器裝配的傳感器，將最新的實測參數如溫度、壓力、流量通過邊緣接口傳遞導出，匯聚到云端平臺[13]，再利用邊緣計算等數據處理方法對數據進行整合，形成基于實體的工業數據互聯網絡平臺，并對接到虛擬模型上，使之數據得以實時更新[14]。因此在此基礎上搭建的虛擬模型，其數據將保持很強的時效性，并可以通過不斷的迭代優化，提升模型的分析預測能力，進而可以針對工況的變化做出及時準確的判斷評估，再將在虛擬模型上優化出的結果方案形成生產運行的實際指令，對實體生產線進行調控。最終完成從實體監測映射到虛擬分析優化再反饋實體調控的完整閉環。

圖1 數字孿生架構模型

2 數字孿生與淀粉行業結合

以谷類、薯類、豆類等可食用植物經清洗、磨碎、分離、成型、干燥（或不干燥）等工序加工，可制成多種類的淀粉產品[15]。根據原料的不同（玉米、小麥、稻谷、馬鈴薯等），不同種類的淀粉加工工藝略有差別。多步連續過程中分階段還可生產多種副產品（胚芽油、蛋白、纖維飼料等）。近30年，隨著社會生產力的發展提高，多數淀粉加工企業建立由機械、電氣儀表結合計算機圖像技術搭建的DCS集散控制系統，初步實現了自動化生產[10]。然而由于原料價格的波動和淀粉市場的激烈競爭，通過智能生產新技術來實現企業的精益加工、提質增效、節能降耗將成為未來淀粉行業的發展方向。

數字孿生技術作為打造智能化生產系統的手段，與淀粉企業的長期戰略目標不謀而合，其在工藝參數優化、產品質量控制、設備維護保障上的多種應用可能，將逐步推進淀粉企業的數字化和智能化。

2.1 數字孿生在工藝參數優化中的應用

生產工藝參數是指導操作人員生產的重要依據，例如在玉米淀粉生產中，浸泡工序中的浸泡水量、時間、浸泡溫度，分離工序中的分離篩壓力、洗滌水流量，干燥工序中的蒸發的溫度、真空度等，這些工藝參數貫穿于淀粉加工的每一步流程，對生產能耗、產品收率有著不同程度的影響。現今的淀粉生產企業對于生產工藝參數的設定，大量依賴于現場操作的實際經驗[16]，且各個操作單元相對獨立運行，其設定的指標參數往往僅局限于當前工段的相對優化，因此難以實現淀粉生產全流程能耗收率最優化的解決方案。此外鑒于企業生產中產能供給、市場需求的不斷變化，為了保證各個設備生產效能互相匹配并得到充分發揮，避免產能不足引起的生產瓶頸或產能過剩導致的冗余浪費，企業一般組織周期性的技術測定來對生產工藝參數進行指導修正。但受限于保證工況穩定的需要，一般工廠僅會在原料或產品出現重大變化，或設備工藝產生較大改革時，才會進行技術測定，且通常限于局部的性能測定。

引入數字孿生技術將有效地解決上述兩個問題。當搭建起面向整個生產鏈的數字孿生模型后，實體生產線的各個工藝指標參數數據都可以通過傳感器快速傳遞到工業互聯網平臺進行整合，提供給虛擬模型用于大數據分析。利用聚類分析、神經網絡等先進的機器學習算法，可以實現跨工段、跨車間的參數相關性分析，同時利用數據迭代反饋的高效靈活性，極大降低淀粉生產環節中因反饋的不確定性、物性變化的非線性、監測數據的時滯性而帶來的建模誤差[17]。

另外，數字孿生將發揮它的實時性。隨著各種傳感器、邊緣端口的完善，實體生產線上各個位點的指標參數信息（如溫度、壓強、流量等）都可以及時同步到云端網絡平臺，并反映到對應的虛擬模型上。再通過計算機的高速運算模擬便可進行全面測定整個生產系統效能，通過虛擬模型仿真模擬進行預測，不僅可以節省原有實體技術測定所需的人力物力，更重要的是可以將原本需要的測定周期大幅縮短，從每季度或半年降到以天甚至是小時為單位的周期性測定，及時發現生產鏈的瓶頸或冗余等問題，生產指令反饋到實體，最高效率地節能降耗，控制生產成本，及時合理地實現工藝參數的優化，最終提升終端產品價值。

2.2 數字孿生在全面質量控制中的應用

淀粉作為廣泛食用的農業深加工產品，其質量保證必須滿足國家相應的質量標準和生產管理規范[14]。當今淀粉企業已經由傳統的只限于產品質量檢驗，轉變為從原料收購、中間產品質量控制、產品售后反饋的全面質量控制，力求最大程度為客戶提高滿意的優質產品[15]。從原輔料、添加劑的采購，加工過程中間品的抽樣，到產品的包裝、貯存各個環節，工廠都有相應的質檢部門，投入大量的人力物力進行抽檢、記錄。嚴格把控原料進場標準、中間產品質量，力求將產品的“事后處理”改變為“事前把關”，避免因產品不合格而造成的經濟損失。然而鑒于現行的管理條件，各個環節的質量控制相對獨立，經常出現“信息孤島”的局面，上游的物料變化信息并不能及時協助指導下游工藝進行調整，從而導致生產過程中出現較大波動，嚴重時甚至導致停車返料。

應用數字孿生技術后，從進廠的原料檢測開始，檢測數據即可上傳至數據平臺，結合過往的經驗數據，針對不同批次的原料品質，利用虛擬模型進行線上分析模擬，給出適應該批次的加工條件，調整工藝指標參數，并及時下達指令到各個單元生產車間。再通過中間產品檢測指標數據進行分步微調，最大程度地控制過程波動，從而保障質量的多級把關，實現產品全生命周期的質量控制。此外輔助生產的相關服務保障供應（輔料、包裝、倉儲等）以及設備零備件，也應當建立相應的數據庫和信息管理系統，并接入數字孿生模型適用的數據信息網絡，保障及時合理地實現供應、調配，進而更好地保證產品質量。

2.3 數字孿生在設備維護保障中的應用

淀粉加工涉及多種類、多套設備的綜合使用。從物料的機械輸送、分離脫水、干燥蒸發到水電氣力輸送、空氣除塵凈化，大量化工機械設備參與其中。為了盡可能地保障產能，淀粉加工企業生產線長期處于高負荷運轉狀態中，設備機器伴隨著老化、役齡的增加，發生故障的概率風險不斷升高。當今淀粉企業的設備保養仍處于傳統的人工模式，安排操作人員定期值班巡查記錄，一般采用目視、耳聽、手摸、嗅覺的方式，以及使用一些簡單的儀表檢測工具[15]。如發現異常狀況再調撥相關技術人員處理。這種方式大量依賴操作人員的經驗判斷，一旦問題發現不及時，即可造成設備故障導致的停機檢修，影響正常的加工生產[18]。

設備的數字孿生模型可以用于評估故障風險，進行預測性維護。實體的設備型號、最初的設計參數、生產使用中的歷史負荷數據、維修記錄等相關信息都被傳輸到以數據信息作為紐帶的網絡平臺。在虛擬模型體上可以通過計算機手段搭建預測設備疲勞程度的仿真模型，有效地預測設備故障風險。例如通過蒸發濃縮中多效蒸發器的真空度下降的變化趨勢判斷是發生泄露故障還是正常泄壓操作。通過信息化的數據分析，虛擬模型對實體的及時行為指令反饋，還將大大減輕傳統人工操作的失誤風險，降低事故處理的反應時間。

3 結語與展望

數字孿生技術從提出至今已經過近20年的快速發展，從最初的信息通信、航空航天等高精尖領域的應用探索逐步擴展到微電子產業、車輛船舶工業、機械制造、石油化工等行業。其應用在工業設計模擬、生產工藝優化、排產組織管控、設備運維保障等多方面的優勢日趨顯著。以淀粉行業為代表的農產品深加工行業，作為保證國家經濟民生的傳統產業，通過技術創新以實現節能降耗、減本增效已勢在必行。未來以數字孿生領銜的智能生產技術必將掀起淀粉行業的智能產業革命，為農產品深加工行業開啟新的篇章。