数字孪生驱动的智能制造的技术路径，如何驱动智能制造进一步发展

数字孪生驱动的智能制造的技术路径，如何驱动智能制造进一步发展

2020年9月18日，中国工程院在机械运载领域发布了工程研究前沿（一共9个领域，184个前沿研究与开发），题目是：数字孪生驱动的智能制造。数字孪生是当前的热点，智能制造走到了现在，数字孪生已经被大家认为是一个普遍的抓手。这个还是有道理的。下面笔者就结合自己的认识和理解，对这个题目进行一下初步的分析，仅供大家参考。

（1）数字孪生与智能制造的关系

对于智能制造，我们有一个普遍的模式概念，就是涵盖：感知、识别、采集、分析、推理和执行，形成这么一个闭环，其核心的理念就是赛博物理系统（CPS）。

CPS的对象是产品或者制造资源。我们可以建立面向产品的CPS。不管是从产品的功能性能，还是说运行服役，也可以在这个过程当中加入产品形成过程所需要的制造资源，甚至现在也有一些直接面向制造资源的，比如设备状态的预测与维护等等。这些都是从不同的层次或者维度对CPS各种应用形式的一种延伸。

其实不管是CPS还是数字孪生，其表现形式上来说，是基于物理实体附加软件或者赛博层面的系统进行融合，其目的是为了能够更加精准精确精细的描述物理实体的行为内涵，也有利于我们对物理实体的功能性能和行为进行更加准确的分析和预测。

在融合的基础上，这个链条其实是一个闭环的链条。我们可以借助于工业互联或者物联来获得产品或者产品制造过程当中的各种状态数据，并进一步的构建基于这些状态数据的分析推理模型，在做出分析推理决策之后，对物理实体或系统进行干预，这是一个完整的闭环控制过程也是典型的赛博物理系统所追求的要点。而在这个链条当中，最重要的是所构建的分析推理模型。其核心的目的是决策。一般来说这种决策都是比较复杂的，这种分级推理决策模型也是很难建立的，但这正是我们努力的方向。

智能制造不管是从字面的含义，还是说是从技术的角度来说，其落脚点都是制造，都是在为制造赋予智能化或者说赋能。而制造的对象就是产品积极制造过程以及产品的服役运行，围绕着这些来开展GPS或者数字孪生，是非常贴切的，也是直接面向了问题。

从产品本身来说。这个产品都是对物理规律的某种运用。我们所做的CAE分析，也是在试图。主动的掌握产品背后的物理机理模型。而这些物理机理模型。目前在实际运用过程当中，主要还是掌握在产品设计人员的头脑之中的，也就是他们的知识与经验。因此这种物理机理模型的构建一定是需要非常好的专业背景机器，多专业的一种综合。这是企业的实际业务。如果是简单的事情，可能大家也会发现，就没有必要使用那么多设计分析人员了，正是因为这些设计分析人员的知识和经验无可替代或者说难以替代。才为我们的技术发展指明了方向，这是与实际业务直接密切相关的。

而对于产品的形成过程来说。最主要涉及到两个方面，一是管理决策，二是工艺决策。这个一般来说也是企业的核心竞争优势重点，否则的话，也就无从来区分各个企业之间的差别了。数字孪生的提出，其本意或者说出发点更多的是面向工艺决策（建立产品形成过程当中，各个工艺环节的工艺推理决策时间类似自适应加工等等典型的智能制造的特点），是对我们之前关于智能制造或者说CPS更多地关注于管理层是方面或者说过于关注管理层次方面的一种纠正。当然了，我们也不能走向极端。因为对于制造运行过程来说。管理也是极其重要的。面向管理所构建的这种模型与我们传统的工艺机理分析决策模型相比来说。可能在显示度上面要差一些，但是这个也是绝对必要的，比如我们面向产线车间或者工厂运行所构建的APS模型，其实也是一种数字孪生在管理决策方面的一种体现。

通过上面的一些分析和描述，我们可以看到。数字孪生所关注的东西与智能制造所应该关注的东西其实是高度契合的。因此将数字男生当做智能制造的抓手是很有必要也是非常正确的。

多说一句，既然大家都接受了数字孪生这个东西，其实也没有必要非的纠结于说数字孪生与CPS没有本质上的区别，我们干脆就用CPS来说吧，其实这些都是无所谓的，可能数字孪生更加平易近人或者这个词语就能够比较明要做哪些事情，而赛博物理系统相对来说比较抽象，虽然赛博物理系统更加学术化一些或者严谨一些，但不可否认，数字孪生这个词儿还是比较形象的。

（2）数字孪生驱动的智能制造的技术路径

第2点是基于知识工程的多物理场产品耦合建模与分析技术。对于数字孪生来说，产品的研制如果能够实现完全的在数字空间就实现精准精确的表达与分析，这当然是一种理想目标，或者说无物理模型的一次成功，也是数字孪生的一种使命。虽然刚开始数字孪生是需要与物理实体融合的，但其最终的目标是要脱离物理实体的，或者说实现所建立模型的深度演变与复用。在这个过程当中，最重要的是建立面向产品功能性的行为的分析推理决策模型。这个知识体系是比较庞大的。企业当中的研发设计人员的知识和经验是一个很好的工作重点或者对象，如果能够实现基于知识工程的沉淀，形成物理化的可见的载体则善莫大焉。

第3点是基于MBSE和数字主线的深度集成。数字孪生当中的孪生，应该从更大的视野范围内来看，而不是仅仅纠结于产品设计分析的多物理场耦合，当然了这也是一个方面。对于整个产品的研制来说，应该贯彻MBSE的思想，与其相关的比如 MBD、数字主线等等都是可以纳入到这个范围里面的。但无论如何。应该强化系统工程的这种理念，也许对于企业来说，甚至可以起到事半功倍的效果。这个方面。是以模型为载体，这是可见的，以数字主线为支撑，这个可能是不可见的，来实现对整个研制过程的一种数字孪生。其实现在很多企业都在建统一的数据中心，或者说集成数据平台，其中也包括业务流程方面的协同，其目的都是将企业现有的研制，在进行深化提高以后，进行某种形式的固化和提升，其中最核心的也是体现了系统工程的思想。

第4点是面向制造执行或者运营的数字孪生，这其中包括两部分内容，一个是管理层面上的，一个是工艺层面上的。管理层面上面可以结合制造运营的某个指标或者说多个指标。一方面实现跨数字化业务系统的综合，另外一个方面就要构建面向这些指标的分析推理模型，实现实际制造运营状态的一种抽象描述。并且这个分析推理的结果，最终会反映和落实到企业制造运营系统当中的各项改进或者调整当中。比如我们经常见到的是建立基于APS的资源优化配置分析推理决策模型，我们可以基于这个模型实现对制造执行过程当中所有指导要素的统一优化配置可以实现。当前制造要素优化配置也可以实现未来可预计或不可预计的各种生产扰动下的制造要素的优化配置。工艺层面上的数字孪生，这是我们之前比较忽视（之前很大程度上我们在智能制造这个语境下面过于偏重于管理了），但是应该极为加强的一种数字孪生。比如我们耳熟能详的大国工匠，或者说高技能人才。他们的工作基本上都是和工艺直接和密切相关的。如果能够将他们大脑中的工艺机理决策模型沉淀下来，这个其实是数字孪生闭环当中最重要的分析推理决策环节所要形成的依据也是看得见的抓手。工艺的类型是多种多样的，这也是企业最核心的一种优势重点，我们经常说的人是最重要的资产在很大程度上，其实在表达的是这个意思。

其实数字孪生驱动的智能制造还有很多条技术路径，但所有的这些技术路径最根本的一个思考出发点就是：和业务结合以及实现业务改进，按照这种基本的原则来结合企业的实际情况推进数字孪生驱动的智能制造，一般来说都不会走偏。

啰里啰嗦的说了很多，语音输入，错误和疏漏在所难免。一己之见，仅供参考。