陈根:数字孪生,彰显技术价值
文/陈根
自数字孪生的概念被提出以来,其技术在不断地快速演化,无论是对产品的设计、制造还是服务,都产生了巨大的推动作用。
数字孪生同沿用了几十年的、基于经验的传统设计和制造理念相去甚远,使设计人员可以不用通过开发实际的物理原型来验证设计理念,不用通过复杂的物理实验来验证产品的可靠性,不需要进行小批量试制就可以直接预测生产瓶颈,甚至不需要去现场就可以洞悉销售给客户的产品运行情况。
也就是说,数字孪生可以通过设计工具、仿真工具、物联网、虚拟现实等各种数字化的手段,将物理设备的各种属性映射到虚拟空间中,形成可拆解、可复制、可转移、可修改、可删除、可重复操作的数字镜像。
在一定程度上,这极大加速了操作人员对物理实体的了解,可以让很多原来由于物理条件限制、必须依赖于真实的物理实体而无法完成的操作方式(如模拟仿真、批量复制、虚拟装配等)成为触手可及的工具,更能激发人们去探索新的途径来优化设计、制造和服务。
只要能够测量,就能够改善,这是工业领域不变的真理。无论是设计、制造还是服务,都需要精确地测量物理实体的各种属性、参数和运行状态,以实现精准的分析和优化。
但是传统的测量方法必须依赖价格昂贵的物理测量工具,如传感器、采集系统、检测系统等,才能够得到有效的测量结果,而这无疑会限制测量覆盖的范围,对于很多无法直接采集的测量值的指标往往爱莫能助。
数字孪生则可以借助物联网和大数据技术,通过采集有限的物理传感器指标的直接数据,并借助大样本库,通过机器学习推测出一些原本无法直接测量的指标。
例如,可以利用润滑油温度、绕组温度、转子扭矩等一系列指标的历史数据,通过机器学习来构建不同的故障特征模型,间接推测出发电机系统的健康指标。
而且,现有的产品全生命周期管理很少能够实现精准预测,因此往往无法对隐藏在表象下的问题进行预判。而数字孪生可以结合物联网的数据采集、大数据的处理和人工智能的建模分析,实现对当前状态的评估、对过去发生问题的诊断,并给予分析的结果,模拟各种可能性,以及实现对未来趋势的预测,进而实现更全面的决策支持。
此外,在传统的工业设计、制造和服务领域,经验往往是一种捉摸不透的东西,很难将其作为精准判决的数字化依据。
相比之下,数字孪生技高一筹,它的一大关键性进步就是可以通过数字化的手段,将原先无法保存的专家经验进行数字化,并可以保存、复制、修改和转移。未来,期望数字孪生技术可以在更多的领域发挥其作用。