数字孪生如何增强敏捷性,提高运营效率

制造业的数字化转型水平仍不高已成行业共识。

本文改写自Power & Motion,作者 Zohair Mehkri(伟创力数字孪生技术总监)

数字孪生能够及时发现问题、实现更多结果可视化,以及更好地优化产品制造,从而显著提升效率。

数字孪生如何增强敏捷性,提高运营效率

制造业的数字化转型水平仍不高已成行业共识。超过90%的制造商表示,他们在数字化创新上面临着各种障碍。企业希望利用工业4.0技术推进其运营已然成为趋势,而数字孪生能够帮助它们扩大全球工厂的运营规模、及时发现问题、实现更多结果可视化,并优化产品制造。

通过绘制工厂、生产线和硬件的完整虚拟化访问足迹,数字孪生可以为企业显著增效。为了获得这些成效,领导者必须理解数字孪生的基本原理,了解仿真技术如何为数字孪生提供技术支持,以及大规模实施该技术的障碍。

数字孪生的基本原理

首先,理解数字孪生的含义至关重要。数字孪生,顾名思义,是真实世界资产的精确复制品(或称“孪生体”),它为物理世界和虚拟对应物之间架起了实时连接的桥梁。

数字孪生在过去十年中发展迅速,但实际上,对物理世界进行建模的概念已经存在了几十年。电子技术的出现推动仿真概念诞生,随着时间的推移,这一概念已经发展为一个强大的运营决策工具。

但是,仿真和数字孪生并不能一概而论,而了解这两者之间的区别至关重要。

数字孪生如何增强敏捷性,提高运营效率

数字孪生是真实世界资产的精确复制品,它为物理世界和虚拟对应物之间架起了实时连接的桥梁。

仿真与数字孪生

世界上的每个环境都由空间、时间和物质三种要素组成。物质可以是该环境中的任何物理“元素”。例如,在工厂中,物质可能是箱子、机器、材料、人等等。仿真则是指通过进入这些物理空间,在数字空间中对其环境中的元素以完全相同的方式进行建模。这个模型是物理环境中正在发生的事情的基本反映。

尽管仿真与数字孪生都使用基于虚拟模型的仿真技术来复制系统的各种流程,但数字孪生是一个可扩展的虚拟环境,由在物理世界和数字世界之间建立实时连接的各种技术组合而成。

数字孪生是仿真模型更进一步的体现——数字孪生可以复制多个组件交互的、更复杂的资产或流程。数字孪生覆盖了仿真技术忽略的其他因素,如 IT系统、财务程序、环境的湿度和温度等变量,以及管道、墙壁等人和物理特征等。

数字孪生使用连接到真实世界资产的传感器来收集、交流、分析和使用实时数据,从而推动智能行动。这种从物理世界到数字世界,再回到物理世界的持续同步循环,正在为更加精准的建模释放巨大潜力。随着数字孪生的迅速崛起和加速应用,这一领域的创新刚刚蓬勃起步,科技行业的领导者们正努力创造一个更加互联的未来,激发数字孪生背后蕴藏的无尽潜力。

企业专注数字化的缘由

工厂是由高度复杂的机械部件构成,这些部件之间,以及它们与整个公司的系统之间不断产生相互作用。这种复杂性使得人们很难理解如何推动生产现场的改进,以及这些改变对上下游带来的影响。传统上,在工厂进行任何改变都是一项繁琐的、耗时的且成本高昂的工作。这需要我们实际地去移动设备、人和生产线以完成测试,并观察这些调整是否能有效提高产量和改善运营。

通过使用数字孪生技术,企业可以在允许改变和优化虚拟环境中测试更新的设备或产品配置,而无需任何物理世界的工厂参与。这样可以使潜在问题在经历漫长的试错过程之前暴露得更加突出,从而降低成本高昂的误判和时间损失的风险。

在没有仿真的情况下,这一测试过程可能需要几个月才能完成。比如,由于关乎患者健康,医疗设备的制造需要精确的规划和预测,可能需要数年时间。在某个案例中,制造技术公司伟创力仅用了三周的时间就创建了一个工厂车间的数字孪生,并成功地加速和优化了 II类糖尿病产品的开发。

数字孪生应用落地的经验

从理论上讲,数字孪生前景无限,甚至可以从根本上颠覆行业。但是,一个成功的数字孪生项目需要的不仅仅是提供技术能力,它还需要与业务目标保持一致,并对营收和净利润产生可衡量的影响。

因此,数字孪生的部署必须契合现有工作流和企业运营。数字孪生并不是单独存在的,它与现有流程、数据和技术相联系,是整个生态系统的一部分。

此外,优质数据是可靠的数字孪生解决方案的基础。将海量数据转化为实用、实时的数字孪生仿真,意味着要进行一些严格的流程精简,这正是机器学习和人工智能深耕多年的领域。

虽然数字孪生有助于推动创新、加速产品开发,但企业必须能够管理数据流中的空白,并愿意采取必要的行动来在现有资产和流程的基础上实现真正的价值。

未来,更加互联

数字孪生旨在确定哪些输入变量会对特定产出产生最大的影响,使制造商能够预测未来结果,并在问题发生之前识别它们。描述制造业务中的物理资产和流程的关键变量,是数以百计甚至数以千计的。

拥有准确的生产数据和相关信息,数字孪生就有可能消除生产线测试的物理限制,打破设施和部门之间的壁垒,从而优化决策,解决制造业面临的最大挑战。

来源:业界供稿

0赞

好文章,需要你的鼓励

2023

01/06

15:18

分享

点赞

邮件订阅