數字孿生體在產品生命周期管理中的應用探究

張長信

摘 要：目前，在整個產品生命周期中可獲得包括設計、制造、服務在內各階段的大數據，但有關產品生命周期數據的研究主要還是圍繞物理產品而非虛擬模型進行。產品設計、制造和服務需要來自物理產品、虛擬模型以及這兩者間的連接數據來支持。基于數字孿生體的應用現狀，本文分析了如何獲得和使用交互性的虛擬數據更好地服務產品生命周期，從而推動產品設計、制造和服務更加高效、智能化地進展。

關鍵詞：數字孿生體;產品生命周期;設計;制造;服務;大數據

1 概述

目前，隨著物聯網、云計算、人工智能等新一代信息技術在生產大數據的收集、處理與管理中的應用，[1，2]大數據驅動制造的時代即將到來。

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

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

2 產品生命周期管理與現存問題

2.1 產品生命周期及相應數據

產品生命周期類比于生物學理念，指從產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，產品生命周期擴展到工程領域。這一概念從產品需求分析、產品設計與制造、銷售與售后服務的流線過程延伸為一種再循環過程。

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

2.2 產品生命周期數據現存的相關問題

在制造業走向大數據時代時，數據挖掘與分析在企業管理中所扮演角色的重要性愈加凸顯。當前，大數據主要通過關聯、預測和控制三個步驟來驅動智能制造業。通過有效地收集和分析整個產品生命周期中產生的相關數據可以為相應生產活動提供系統指導，幫助企業管理者解決跟運營和決策有關的問題。目前仍存在如下問題影響PLM的數據管理和應用。

1）由于目的和任務的不同，產品生命周期中各個階段產生的數據可能形成相互之間缺少聯系的信息孤島（information islands）。

2）產品生命周期的不同階段之間存在大量重復數據，這些重復數據可能造成資源浪費，影響數據共享。

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

4）目前大數據應用偏重于物理產品數據的分析，而非虛擬模型的數據分析。

針對上述問題，數字孿生體被視為一種有效的解決辦法，其實施是產品生命周期中信息空間與物理空間相互促進過程。數字孿生體可以直接分析大數據的應用價值，并將其跟產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、監控和優化整個周期中的各種活動，同時實現周期中各分過程的無縫協調，避免信息孤島以及數據重復。

3 數字孿生體及其應用

3.1 數字孿生體的概念

數字孿生體的普適定義由E Glaessegen和D Stargel于2012年提出：[6]數字孿生體（Digital Twin）是復雜產品綜合了多物理量、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品實體/孿生體的生命周期過程。同時，數字孿生體由三部分組成：物理產品、虛擬模型以及兩者間的鏈接數據。根據數字孿生體的這些解釋和定義，總結了數字孿生體的以下特征：

1）實時反映。數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。數字孿生體作為一種全流量、全元素、全業務的集成，物理空間中各個階段產生的數據都可以相互關聯。

（b）歷史數據和實時數據之間的交互和聚斂。數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字孿生體系統的數據。該特性可使數據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交互。[11]

3）自我進化。數字孿生體可以實時更新數據，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改進。

3.2 數字孿生體的應用及研究現狀

自數字孿生體概念被提出以來，已被應用于諸多工業領域，并展現出大的潛力。

美空軍研究實驗室E J T uegel[7]等人運用數字孿生體對飛行器建立了超高保真飛行模型，通過將虛擬數據與實體數據進行比較分析，做出精確的疲勞壽命預測;該實驗室創建了一個對物理空間具有高保真度的模型框架，整合了各種相關數據，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]建立了一個基于數字孿生體概念的模型來監測飛機結構的損傷，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，他指出了模型實現的關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]將數字孿生體與車載健康管理系統、維修歷史記錄以及歷史車隊數據相匹配，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，美國參數技術公司（Parametric Technology Corporation，PTC）正在嘗試建立一個信息空間作為對產品設計過程中所用實體的一對一表示。另外諸如達索（Dassault Systèmes）、西門子工業軟件（Siemens PLM Software）等知名企業對于數字孿生體的應用及其潛力也表示了極大的肯定。[11]

根據上述數字孿生體的應用情況，目前數字孿生體主要應用于航空航天、車輛工程等領域的故障預測，實施于產品維修和維護階段。鑒于數字孿生體的特點，特別是物理產品與相應虛擬產品之間的同步聯動和超高保真度，數字孿生體解決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域取得應用突破。

4 產品數字孿生體在全生命周期各階段的實施途徑

4.1 產品設計階段

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

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

4.1.1 虛擬模型的高保真度

產品建模不僅要考慮形狀、尺寸、公差等幾何特征信息，還要關注物理環境中的應力分析，還原產品的動力學、熱力學特性，及材料的剛度、塑性、疲勞強度等物理性質。可運用神經網絡、深度學習等方法，參照同類產品群的歷史數據對現有模型進行定期優化，以取得接近于現實物理環境中實體產品的功能、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，并進行優化。

4.1.3 模型輕量化技術

模型輕量化技術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，基于實時數據的產品的可視化仿真、復雜系統與生產線仿真可全部實現。同時，輕量化的模型減少了系統間的信息傳輸時間與成本，促進了價值鏈的端到端集成、供應鏈上下游企業間的信息共享與業務流程集成。

4.2 產品制造階段

產品數字孿生體跟其實體的不斷交互是其發展的關鍵。在產品制造階段，現實世界中檢測、制造進度、物流等多方面的實測數據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計值、實際所用物料與設計物料、實際完成進度與計劃完成進度的多方面比對，實現基于產品模型的生產過程監控與生產實測數據分析。此外，根據生產中的實測數據，實現對產品質量、制造資源使用、制造進度的智能預測與分析;與此同時，智能決策模塊根據上述預測與分析的結果更新相應的制造解決方案并反饋給實體產品，從而實現對實體產品的動態控制與優化，達到虛擬空間實時操控現實制造的目的。

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

4.3 產品服務階段

產品的使用和維護階段，仍需對包括產品的空間位置、使用環境、質量狀況、功能狀態等產品信息進行實時測控，并根據這些實時數據生成使用及維護歷史記錄，從而對產品性能、健康狀況、壽命期限進行預測與分析，并對產品質量問題發出預警。當產品出現故障或是質量問題時，能夠實現產品空間位置的及時定位，并對其故障和質量問題進行原因分析、維護與升級，或是報廢替換等，同時生成相關記錄。一方面，在物理空間，采用物聯網、傳感技術、移動互聯技術將與物理產品相關的實測數據（最新的傳感數據、位置數據、外部環境感知數據等）、產品使用數據和維護數據等關聯映射至虛擬空間的產品數字孿生體。另一方面，在虛擬空間，采用模型可視化技術實現對物理產品使用過程的實時監控，并結合歷史使用數據、歷史維護數據、同類型產品相關歷史數據等，采用動態貝葉斯、機器學習等數據挖掘方法和優化算法，實現對產品模型、結構分析模型、熱力學模型、產品故障和壽命預測與分析模型的持續優化，使產品數字孿生體和預測分析模型更加精確、仿真預測結果更加符合實際情況。

5 結語

隨著大數據驅動制造時代的到來，面向制造業的物聯網、大數據、和云計算等許多新技術已經應用于PLM。但是，目前的技術主要關注物理產品數據，而不是虛擬模型的數據。為產品生命周期各個階段產生數據形成的信息孤島與數據重疊，提高大數據分析與產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字孿生體，運用于產品設計、制造和服務階段。

但目前產品數字孿生體的構建和應用在全球范圍內尚處于初級階段，其應用主要局限于產品設計階段，在產品制造和生產管理方面缺少實踐。因此，探討產品制造與生產的數字孿生體構建與應用，整合產品生產全周期的數字化交互，會將產品創新、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.數字孿生及其應用探索[J].計算機集成制造系統，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，彭關偉，等.數字孿生模型在產品構型管理中應用探討[J].航空制造技術，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.產品數字孿生體的內涵、體系結構及其發展趨勢[J].計算機集成制造系統，2017，23（4）：753-768.