2 提升产品研制效率的有力工具－－－－数字孪生（Digital Twin）技术

数字孪生是指充分利用物理模型、传感器采集的实时数据、运行的历史数据等信息，集成多学科、多物理量、多尺度、多概率的仿真过程，它实现了物理世界向数字世界中数字化模型的反馈，真正能够保证数字世界与物理世界在全生命周期范围内的协调一致，从而确保基于数字化模型进行的各类仿真、分析、数据积累、挖掘、人工智能等应用在物理世界中的适用性。

数字孪生技术可应用于产品设计、工艺设计、设备管理等领域，以提高产品的研发水平和效率。

在产品设计阶段，可以利用数字孪生模型建立无数个数字模型，并在模型中仿真制造过程、研究影响产品的环境因素／产品结构因素等，从而预测和优化设计质量，而无需高成本的实物模型来验证／调整设计方案。如零部件之间的干扰，设计是否符合规格等。

在工艺设计阶段，利用数字孪生模型对制造方式、所需资源及制造地点等方面进行模拟规划，实现工艺设计人员和制造人员的协同。一旦发生设计变更，可以在数字孪生模型中方便地更新制造过程。如更新面向制造的物料清单、制造工序、时间估值等。

在计划调度阶段，调度人员可采用数字孪生模型进行生产过程验证，以提高计划调度的有效性。如产品与设备／制造环境的干涉问题等。

在工艺质量分析阶段，MES系统可以利用数字孪生模型，将MES／Control层产生的实际生产信息与PLM中相应的产品设计／工艺设计等信息做对比分析，检查二者间是否存在差异；如存在差异，找出造成差异的原因和处理方法。存在差异的信息被记录在PLM的异常报警数据库中。

在知识管理方面，利用数字孪生、大数据技术，可持续累积产品设计／制造／运维的相关知识，帮助设计人员实现知识重用和持续性迭代优化，达到产品不断创新、流程不断优化的目的。

值得提醒的是，不同的工业软件厂商在打造数字孪生解决方案时的理念不仅相同，所以，企业要根据自身需要来选择相应的解决方案。

3 从数字化迈向智能化的工具－－－－数据挖掘技术

MBD／MBE可以实现产品设计／制造／运维全过程三维数字化，可以实现研制过程中显性问题的快速处理，可以将研制过程中的经验和知识累积起来，避免这些显性问题的重复再显，使企业知识得到有效管理。但怎样利用这些知识找出研制过程中的隐性问题得借助于数据挖掘技术。

通过对产品研制过程历史数据的挖掘，找出数据之间的相关性，发现新知识，并利用知识对制造系统人／机／料／法／环／测的结构和关联性进行精确建模，产生能够指导制造系统活动的数字孪生模型，使设计人员能够在虚拟的生产环境中实现无限的重复性设计过程，从而避免出现设计质量问题的发生。

通过对生产过程历史大数据的挖掘，找出问题产生的隐性线索、关联性和根本原因等因素，建立预测模型，实现对工艺参数的趋势管理，在没有发生问题时就能提前预警和纠偏，尽量避免不合格产品的出现；实现对设备关重件的寿命预测，确保生产过程无故障的同时，还可以对备品备件库存进行智能调整，尽量达到零库存的目标。

4 生产过程大数据形成的枢纽－－－－ MES层规划研究

MES系统是车间计划调度、生产班组、物料管理、设备管理、工序检验、工艺质量、综合统计等生产管理的统一平台。可以实现生产指令的下达、生产过程信息采集、生产过程状况的汇总和上报，这些信息可通过工业互联网与车间各部门、车间Control层、ERP、PLM进行传递。

MES层介于ERP层和Control层之间，是生产过程大数据形成的枢纽。生产过程大数据包括工艺设计数据、原材料、工装／模具、生产环境、设备状态、实际生产工艺数据、工序检验数据等信息。

MES与PLM实时通信，可以将生产过程数据同PLM中的产品设计／工艺设计等信息作对比分析，并将分析结果传递给PLM。

因此，在规划MES层数据采集系统时，要考虑产品设计／工艺设计／数字孪生模型的建立及应用等需求。MES系统可以包括制造资源、设备管理、生产调度、生产班组、生产监控、工艺质量管控、综合查询、统计报表等模块。

（1） 制造资源管理： 建立人员／绩效、设备、仪器仪表、原材料、工装模具、半成品／产品等台账。本模块中，库存管理具有出入库和盘点操作功能；库存量不足时，MES系统能够自动预警；工装模具／仪器仪表需要周检时，MES系统能够自动预警。本模块中仪器仪表的周检信息可来源于Control层。

通过对本模块历史大数据和当前任务计划、在制状况、设备状态及使用记录、原材料、工装模具等信息的挖掘分析，可实现库存的智能化预警，达到及时调整库存量的目的。

（2） 设备管理：可从PLM中调阅设备图纸、维修规程、技术精度等资料，并具有设备保养、日常点检、备品备件、设备／仪表运行状态、运行环境（包括环境温湿度／仪器仪表周检信息／电网参数）以及关重件的供应商／加工工艺／采购时间／使用时间／故障履历等信息的管理功能。本模块中的设备／仪表运行状态、运行环境等信息来源于Control层。

通过对本模块历史大数据的挖掘，可建立设备关重件故障预警模型，采用性能衰退分析和预测分析法，预测故障发展趋势及后果，进而提出相应的处理措施，使设备达到近乎零故障的目标。如避免在生产过程中，因出现旋转轴变形或断裂、刀具报废等故障而导致产品报废的现象。

（3） 计划调度：根据PLM中实时更新的工艺设计、ERP的周计划以及车间设备、原材料库存、工装模具、在制任务等状况进行生产调度，经仿真验证合格后传递到生产现场的数字化应用终端，实现对设备使用、派工状态、完工信息等管理。

（4） 生产班组作业：作业前，先进行设备日常点检，并在现场终端上录入点检结果；作业前，从PLM中读取实时更新的三维产品工程数据／三维工装资源数据／操作过程工艺图解／操作动画等资料，并在现场终端上进行多媒体培训；在现场终端上确认生产任务单及生产任务完工状况。现场终端可自动汇总或补录生产数据。

（5） 生产监控管理：实现对车间生产信息和报警信息的实时看板显示功能，达到及时发现问题、汇报问题并处理问题的目标。生产信息包括工序生产进度（如工序开始时间／耗时预警／结束时间预警／总段数／当前运行段号／本段剩余时间／结束时间等）、物料管理、设备状态（如运行／暂停／关机等）、生产数据统计等；报警信息包括设备报警（如通讯中断／设备超差等）、工艺报警（如工艺超差等）、库存预警、计量预警、质量预警、人员缺勤、其它原因的报警等信息。本模块的工序进度、设备状态信息、设备报警、工艺报警、计量报警等信息来源于Control层。

（6） 工艺质量管控：具有产品设计、工艺设计、原材料、工装模具、生产环境、设备／仪表运行状态、生产工艺数据、工序检验、出厂、运维等产品全生命周期信息的集成能力。本模块中的产品设计、工艺设计、运维等信息来源于PLM；生产工艺数据、生产环境、设备／仪表运行状态等信息来源于Control层；原材料、工装模具等信息也可来源于Control层。

本模块可以实现以下功能：

●自动统计产品的合格率和不合格率；

●根据原材料／工装模具／生产环境／产品设计数据／工艺设计数据／实际生产工艺数据等信息，对出厂产品进行质量性能预测和预防性维护；

●实现对不良产品的追溯管理功能；

●将实际生产信息传递到PLM中；

●将实际生产信息与PLM中相应的设计信息进行对比分析，如有差异，找出产生差异的原因及处理方法，并将分析结果传递到PLM中。

通过对本模块产品质量历史大数据的挖掘，可以研发产品质量控制系统，实现在制品流转过程中产品质量性能的动态预测，提升在线质量检测能力，实现尽早发现问题，并尽早预警和纠偏，以稳定并提升产品合格率的目标。

（7） 综合查询：按月查询周计划／生产完成情况／设备状态／耗能／生产环境／报警等信息。本模块的设备状态／耗能／生产环境／部分报警等信息来源于Control层。

（8） 统计报表：按月统计产品台帐／产品质量／车间产量／车间耗能／设备利用率／生产周期等信息。本模块中耗能信息来源于Control层。

通过对产量和电耗大数据的挖掘建模，预先设定理想电耗曲线，就可以合理安排每天的生产负荷，实现节电的目标。