|
智能制造是新質(zhì)生產(chǎn)力形成和發(fā)展的重要驅動(dòng)力，是工業(yè) 4.0/5.0 的核心，以及推動(dòng)實(shí)現高效、靈活、綠色、智能的生產(chǎn)方式。數字孿生技術(shù)作為智能制造的關(guān)鍵技術(shù)之一，通過(guò)構建物理設備與虛擬模型之間的實(shí)時(shí)映射和同步，為制造業(yè)的智能化、高效化提供有力支持，推動(dòng)制造業(yè)的轉型升級。 智能制造數字孿生是在現代傳感技術(shù)、網(wǎng)絡(luò )技術(shù)、自動(dòng)化技術(shù)、擬人化智能技術(shù)等技術(shù)的基礎上，通過(guò)智能化的感知、人機交互、決策和執行技術(shù)，對產(chǎn)品、制造過(guò)程或整個(gè)工廠(chǎng)進(jìn)行虛擬仿真，實(shí)現設計過(guò)程、制造過(guò)程、管理過(guò)程和制造裝備智能化，提高制造企業(yè)產(chǎn)品研發(fā)、制造和管理效率，是信息技術(shù)、智能技術(shù)與裝備制造技術(shù)的深度融合與集成。例如，在產(chǎn)品設計方面，通過(guò)數字孿生構建產(chǎn)品虛擬模型，進(jìn)行產(chǎn)品性能仿真和優(yōu)化設計，提高產(chǎn)品設計質(zhì)量和效率 ；在生產(chǎn)制造方面，實(shí)時(shí)監控生產(chǎn)過(guò)程，預測設備故障，優(yōu)化生產(chǎn)流程，降低生產(chǎn)成本 ；在供應鏈管理方面，基于數字孿生實(shí)現供應鏈數據的集成和共享，優(yōu)化資源配置，提高供應鏈協(xié)同效率。 本文首先介紹了智能制造數字孿生概念模型和技術(shù)框架；其次，闡述了智能制造數字孿生關(guān)鍵技術(shù)，最后，對未來(lái)技術(shù)發(fā)展進(jìn)行展望。 1 智能制造數字孿生概念模型 1.1 概念模型要求 智能制造數字孿生概念模型 ( 以下簡(jiǎn)稱(chēng)“概念模型”) 是在數字空間實(shí)現物理實(shí)體及過(guò)程的屬性、方法、行為等特性的數字化建模，是對實(shí)體對象外部形態(tài)、內部機理和運行關(guān)系等的整體抽象描述。概念模型主要應滿(mǎn)足如下要求 ： (1) 持續迭代更新。在生產(chǎn)過(guò)程中，各類(lèi)生產(chǎn)數據實(shí)時(shí)變化，概念模型應能根據物理實(shí)體的運行狀態(tài)和反饋信息持續更新迭代，保持與物理實(shí)體的同步。 (2) 虛實(shí)交互映射。支持虛擬空間與物理空間的交互，虛擬空間既能實(shí)時(shí)反映制造過(guò)程物理空間狀態(tài)，更應能通過(guò)數據融合、分析、優(yōu)化、控制物理空間的運行。 (3) 多源數據驅動(dòng)。制造過(guò)程涉及數據類(lèi)型眾多，應能融合多源異構數據，包括實(shí)時(shí)傳感器數據和歷史數據，以提高概念模型的準確性。 (4) 自適應參數調整。概念模型能根據不同應用場(chǎng)景支持自適應調整參數設置，以提高概念模型在不同環(huán)境下的適用性。 (5) 迭代優(yōu)化決策。結合虛擬仿真與數據分析，支持迭代優(yōu)化決策，輔助實(shí)現生產(chǎn)系統的智能化。 1.2 概念模型架構 本文提出由物理實(shí)體、服務(wù)實(shí)體、數字孿生實(shí)體、數據實(shí)體和各部分間的連接實(shí)體組成的五維數字孿生模型�；谖墨I，針對智能制造領(lǐng)域特點(diǎn)，提出如圖 1 所示概念模型架構。 圖 1？ 智能制造數字孿生概念模型架構 (1) 物理實(shí)體 物理實(shí)體是基礎，對智能制造的每一個(gè)數字孿生應用場(chǎng)景，可以進(jìn)一步劃分單元級、系統級和復雜系統級等不同粒度層次。例如，整個(gè)智能工廠(chǎng)的數字孿生，車(chē)間生產(chǎn)線(xiàn)可作為單元級，生產(chǎn)線(xiàn)所在車(chē)間可作為系統級，而整個(gè)工廠(chǎng)則作為復雜系統級。如果以車(chē)間為數字孿生對象，則可將構成生產(chǎn)線(xiàn)的設備作為單元級，實(shí)現單個(gè)設備的監測、故障預測和預警以及維護；生產(chǎn)線(xiàn)作為系統級，對生產(chǎn)進(jìn)行調度、進(jìn)度控制和產(chǎn)品質(zhì)量控制；整個(gè)車(chē)間則作為復雜系統級，對整個(gè)車(chē)間生產(chǎn)運行進(jìn)行監測與調度優(yōu)化。 (2) 數字孿生實(shí)體 數字孿生實(shí)體根據物理實(shí)體的不同層次和特點(diǎn)，從不同時(shí)間和空間尺度對物理實(shí)體進(jìn)行描述，包括幾何模型、物理模型、規則模型和行為模型等，支持產(chǎn)品數字孿生、生產(chǎn)數字孿生、設備數字孿生，貫穿整個(gè)智能制造產(chǎn)品生命周期管理價(jià)值鏈。 幾何模型描述物理實(shí)體如工廠(chǎng)、車(chē)間、生產(chǎn)線(xiàn)、設備或設備元器件等的形狀、尺寸、位置、空間布局或裝配關(guān)系等，一般具有時(shí)空一致性，常用軟件工具通過(guò)三維建模方式創(chuàng )建。 物理模型在幾何模型基礎上增加物理實(shí)體的物理屬性、約束和特征等，如結構、流體、電場(chǎng)、磁場(chǎng)建模仿真等，可從微觀(guān)和宏觀(guān)等不同尺度通過(guò)一些工具軟件進(jìn)行數學(xué)近似模擬和刻畫(huà)。 行為模型描述不同層次、不同時(shí)空下物理實(shí)體在內外部不同作用因素和作用機制下的行為和行為演化，是一個(gè)復雜的過(guò)程，可采用馬爾可夫鏈、有限狀態(tài)機等進(jìn)行描述。 規則模型描述領(lǐng)域、準則、知識和經(jīng)驗，例如設備操作規程、設備調優(yōu)參數、生產(chǎn)線(xiàn)運行管理規則、物料投放標準等，隨著(zhù)規則的增加和演化，使數字孿生實(shí)體逐漸形成實(shí)時(shí)判斷、自?xún)?yōu)化、自校正和預測等能力，對物理實(shí)體進(jìn)行控制和運行指導。規則模型可以通過(guò)整合現有知識庫，并結合機器學(xué)習技術(shù)來(lái)發(fā)掘新的規則，從而構建和完善。通過(guò)虛擬現實(shí) (VR) 和增強現實(shí) (AR) 等技術(shù)對幾何模型、物理模型、行為模型和規則模型等進(jìn)行集成、融合和一致性校核，并與物理實(shí)體虛實(shí)疊加及融合顯示，提高數字孿生體的真實(shí)性、沉浸性和交互性。 (3) 服務(wù)實(shí)體 服務(wù)實(shí)體對數據、模型、算法等進(jìn)行服務(wù)化封裝，為數字孿生實(shí)現提供服務(wù)支持。根據服務(wù)類(lèi)型，可分為數據服務(wù)、仿真服務(wù)、業(yè)務(wù)服務(wù)等。數據服務(wù)包括數據采集、存儲、清洗、關(guān)聯(lián)、融合、挖掘、接入、訪(fǎng)問(wèn)等各類(lèi)數據管理、處理與訪(fǎng)問(wèn)服務(wù) ；仿真服務(wù)包括建模仿真、仿真模型組裝、仿真模型融合、仿真模型管理等。業(yè)務(wù)服務(wù)對數字孿生應用過(guò)程中面向不同制造領(lǐng)域、不同層次用戶(hù)滿(mǎn)足各類(lèi)制造業(yè)務(wù)需求的服務(wù)進(jìn)行封裝，以各類(lèi)軟件形式存在，包括面向現場(chǎng)操作人員的服務(wù)、面向管理決策人員的服務(wù)等，按需使用、靈活組合，實(shí)現各類(lèi)制造業(yè)務(wù)能力。 (4) 數據實(shí)體 數據實(shí)體集成融合信息數據、物理數據，滿(mǎn)足信息空間與物理空間的一致性需求，為智能制造數字孿生提供全要素、全流程和全業(yè)務(wù)的數據支持。物理數據包括反映各類(lèi)物理實(shí)體規格、功能、性能、關(guān)系等的靜態(tài)屬性數據與反映物理實(shí)體運行狀況、性能、環(huán)境參數等的動(dòng)態(tài)過(guò)程數據，這些數據通過(guò)預設的標準值和各類(lèi)傳感器采集的數據進(jìn)行設定和獲取。 信息數據包括數字孿生模型數據、知識數據、生產(chǎn)制造業(yè)務(wù)數據等。模型數據反映數字孿生實(shí)體幾何模型、物理模型、行為模型和規則模型等孿生模型數 ；知識數據包括各類(lèi)制造業(yè)務(wù)標準與規則、生產(chǎn)知識、專(zhuān)家知識等 ；生產(chǎn)制造業(yè)務(wù)數據包括生產(chǎn)管理、產(chǎn)品管理、物料管理、調度管理、企業(yè)管理等數據。 (5) 連接實(shí)體 連接實(shí)體實(shí)現物理實(shí)體、數字孿生實(shí)體、服務(wù)實(shí)體以及數據實(shí)體之間的普適化工業(yè)互聯(lián)，支持虛實(shí)實(shí)時(shí)互聯(lián)與融合。通過(guò)各種傳感器、嵌入式系統等對物理實(shí)體數據進(jìn)行實(shí)時(shí)采集并傳輸到孿生數據實(shí)體，經(jīng)過(guò)孿生數據實(shí)體處理后的通過(guò)相應的協(xié)議傳輸反饋給物理實(shí)體，實(shí)現物理實(shí)體的運行優(yōu)化。物理實(shí)體實(shí)時(shí)數據通過(guò)協(xié)議傳輸到數字孿生實(shí)體，進(jìn)行數字孿生模型的虛實(shí)一致性校正，數字孿生實(shí)體仿真分析等數據轉化為控制指令傳輸到物理實(shí)體，對物理實(shí)體進(jìn)行實(shí)時(shí)交互控制。物理實(shí)體、數字孿生實(shí)體和數據實(shí)體與服務(wù)實(shí)體實(shí)時(shí)連接，進(jìn)行數據、模型、業(yè)務(wù)服務(wù)的實(shí)時(shí)訪(fǎng)問(wèn)與優(yōu)化。 1.3 概念模型準確性和可靠性 概念模型的準確性和可靠性是數字孿生技術(shù)應用于智能制造的關(guān)鍵�？赏ㄟ^(guò)如下手段保障概念模型的準確性和可靠性。 (1) 數據融合。集成不同來(lái)源數據，通過(guò)時(shí)空對齊、格式對齊等數據融合的方式，提高數據的準確性和一致性。 (2) 精確建模。采用精確數學(xué)模型和算法，模擬物理實(shí)體的行為，使概念模型能夠準確反映物理實(shí)體的特性。 (3) 概念模型校準。對數字孿生實(shí)體和物理實(shí)體進(jìn)行數據同步性和一致性檢查，確保數據同步和一致。 (4) 閉環(huán)反饋。比較數字孿生模型的輸出與物理實(shí)體的實(shí)際性能差異，向模型依據差異情況進(jìn)行模型調整，建立模型與物理實(shí)體的閉環(huán)反饋機制。 (5) 概念模型持續自學(xué)習和優(yōu)化。通過(guò)人工智能等技術(shù)，進(jìn)行概念模型持續自調整和自?xún)?yōu)化，持續提高模型預測和分析能力。 (6) 概念模型測試和驗證。進(jìn)行不同場(chǎng)景下概念模型準確性和可靠性測試和驗證。 (7) 安全性保護。確保概念模型數據安全，防止數據泄露和篡改。 2 智能制造數字孿生技術(shù)架構 智能制造數字孿生技術(shù)架構描述了智能制造數字孿生概念模型不同實(shí)體之間交互的技術(shù)實(shí)現結構。如圖 2 所示，物理層涉及制造領(lǐng)域人員、設備、物料、工藝、環(huán)境等生產(chǎn)要素。不同制造領(lǐng)域的物理實(shí)體有所不同。例如，鋼鐵冶煉加工企業(yè)，物理實(shí)體有冶煉高爐、礦石、鑄件、冶煉控制系統等 ；船舶制造企業(yè)，物理實(shí)體有船舶原型、船舶部件、待修船舶等。 圖 2 智能制造數字孿生技術(shù)架構 感知傳輸層提供物理層不同層次之間的互通。數據層包括物理實(shí)體的各類(lèi)靜態(tài)和動(dòng)態(tài)數字化信息。 模型層和服務(wù)層為應用層提供各類(lèi)服務(wù)，包括模型服務(wù)、數據服務(wù)、仿真服務(wù)和業(yè)務(wù)服務(wù)等。應用層利用上述各層能力，靈活構建智能制造不同領(lǐng)域、不同粒度的數字孿生實(shí)體，例如生產(chǎn)過(guò)程數字孿生、設備數字孿生、工藝優(yōu)化數字孿生等，覆蓋產(chǎn)品生命周期管理全價(jià)值鏈和制造全流程鏈。 3 智能制造數字孿生關(guān)鍵技術(shù) 3.1 數字孿生建模技術(shù) 建模根據被仿真對象或系統的構成要素、運動(dòng)規律、約束條件和物理特性等，建立形式化的與物理實(shí)體相對應的虛擬數字孿生實(shí)體模型，反映物理實(shí)體的外觀(guān)、內部的特性、結構和行為。具體在智能制造領(lǐng)域，建模技術(shù)是針對制造中的載體 ( 如數控機床 )、制造過(guò)程 ( 如加工過(guò)程中的熱、力等 ) 和被加工對象 ( 如被制造的飛機 ) 等，應用機械、物理、力學(xué)、計算機和數學(xué)等知識，對建模對象的一種近似表達。 數字孿生實(shí)體模型在范圍上，有全局結構模型( 例如工廠(chǎng)全生產(chǎn)線(xiàn) )、局部結構模型 ( 如某一車(chē)間生產(chǎn)裝置 )、產(chǎn)品結構模型和生產(chǎn)計劃調度模型等 ；在方法上，有數學(xué)解析模型 ( 如狀態(tài)空間模型 )、圖示—解合模型 ( 如 Petri 網(wǎng)模型 ) 等 ；在功能上，有結構描述模型、系統分析模型、系統設計實(shí)施模型和系統運行管理模型等。 建模的主要過(guò)程包括制造數據采集與集成、模型創(chuàng )建、實(shí)時(shí)數據同步、閉環(huán)反饋和持續學(xué)習、可視化用戶(hù)交互和數據安全保護等。 (1) 數據集成與融合 集成多個(gè)來(lái)源的數據，包括各類(lèi)傳感器數據、生產(chǎn)數據、設計數據、操作數據、原材料數據等。通過(guò)時(shí)空對齊、格式對齊、語(yǔ)義對齊、數據清洗、誤差矯正等進(jìn)行集成和融合，確保不同來(lái)源數據基于統一基準。 (2) 數字孿生實(shí)體模型創(chuàng )建 基于集成后的融合數據，構建物理實(shí)體的數字表示，即數字孿生實(shí)體模型。數字孿生實(shí)體模型的創(chuàng )建涉及到多種建模技術(shù)，包括幾何建模、物理建模、行為建模等，使模型能夠真實(shí)地反物理實(shí)體的各個(gè)方面。常用的建模技術(shù)主要有多尺度建模、多物理場(chǎng)建模、有限元分析 (FEA)、計算流體動(dòng)力學(xué)(CFD)、數據驅動(dòng)建模、蒙特卡洛模擬和模型降階等。多尺度建�？梢酝瑫r(shí)用于模擬物理實(shí)體的整體行為和局部細節，可處理從宏觀(guān)的系統級到微觀(guān)的組件級不同尺度問(wèn)題 ；多物理場(chǎng)建模能夠模擬多個(gè)物理過(guò)程如流體力學(xué)、熱力學(xué)和電磁學(xué)等的模型，能夠更準確反映物理實(shí)體行為 ；計算流體動(dòng)力學(xué)(CFD) 可以用于模擬物理實(shí)體周?chē)牧黧w環(huán)境，如氣流、水流等 ；有限元分析作為一種求解偏微分方程的數值方法，可以用于模擬和分析模型中物理實(shí)體的應力、應變、溫度分布等 ；蒙特卡洛模擬通過(guò)隨機抽樣和統計計算來(lái)模擬物理實(shí)體的行為，可以用于模擬不確定性和風(fēng)險，是一種基于概率和統計理論的建模方法 ；數據驅動(dòng)方法采用機器學(xué)習等對物理數據進(jìn)行分析，學(xué)習和發(fā)現物理實(shí)體的行為規律，進(jìn)行物理實(shí)體行為預測和優(yōu)化。 在智能制造的許多場(chǎng)景中，對實(shí)時(shí)性有很高的要求，同時(shí)計算資源受限，通過(guò)模型降階，降低模型復雜度，保留模型的主要特征，減少模型參數和計算量，提高模型的計算效率。實(shí)時(shí)性在不同的智能制造場(chǎng)景有不同的需求，應在需求與效能、代價(jià)之間取得平衡。 (3) 實(shí)時(shí)數據同步 通過(guò)高效的數據采集、傳輸和處理，進(jìn)行數字孿生實(shí)體與物理實(shí)體的數據同步。通過(guò)高效的傳感器技術(shù)、實(shí)時(shí)數據傳輸協(xié)議，以及云計算或邊緣計算資源進(jìn)行大量數據的預處理，提升數據傳輸效率。 (4) 閉環(huán)反饋和持續學(xué)習 通過(guò)閉環(huán)反饋機制，使模型輸出用于指導物理實(shí)體的操作，實(shí)體反饋用于更新模型，通過(guò)機器學(xué)習等技術(shù)實(shí)現模型的持續學(xué)習和優(yōu)化。 (5) 可視化用戶(hù)交互 使用戶(hù)能夠輕松與數字孿生模型交互，并理解模型的輸出。通過(guò) VR 和 AR 等技術(shù)來(lái)提高用戶(hù)體驗，提供直觀(guān)的用戶(hù)界面和可視化工具。 (6) 安全性和隱私 通過(guò)加密技術(shù)和訪(fǎng)問(wèn)控制等來(lái)保護數據和模型。 3.2 數字孿生仿真技術(shù) 數字孿生仿真技術(shù)是建模的延續。創(chuàng )建和運行數字孿生實(shí)體，在虛擬實(shí)體環(huán)境中模擬和分析物理實(shí)體的行為，保證數字孿生體與對應物理實(shí)體實(shí)現有效閉環(huán)。智能制造領(lǐng)域的仿真技術(shù)主要有： 產(chǎn)品仿真：如系統仿真、多體仿真、物理場(chǎng)仿真、虛擬實(shí)驗等 ； 制造仿真 ：如工藝仿真、裝配仿真、數控加工仿真等 ； 生產(chǎn)仿真：離散制造工廠(chǎng)仿真、流程制造仿真等。 數字孿生的仿真程度是智能制造數字孿生成功的關(guān)鍵。制造產(chǎn)品的每個(gè)物理特性都有自己的特定模型，如結構動(dòng)力學(xué)模型、熱力學(xué)模型、應力分析模型、疲勞損傷模型和材料狀態(tài)演化模型等�；诙辔锢砑赡Ｐ偷姆抡婕夹g(shù)可以將這些基于不同物理特性的模型關(guān)聯(lián)在一起，更準確地反映物理實(shí)體在真實(shí)環(huán)境中的狀態(tài)和行為，使虛擬產(chǎn)品取代物理原型成為可能。通過(guò)一些多物理場(chǎng)仿真軟件，如ANSYS、COMSOL Multiphysics 等， 可 以模擬多個(gè)物理領(lǐng)域，創(chuàng )建復雜的數字孿生模型，模擬熱力學(xué)、流體力學(xué)、電磁學(xué)等多個(gè)物理過(guò)程。 為了使數字孿生實(shí)體能夠真實(shí)地反映物理實(shí)體的行為，準確性至關(guān)重要。通常涉及復雜的數學(xué)模型和算法，以確保數字孿生實(shí)體能夠準確地預測和模擬物理實(shí)體的性能。 數字孿生仿真不僅用于模擬物理實(shí)體的當前狀態(tài)，還用于預測未來(lái)的行為和性能，進(jìn)行參數優(yōu)化和敏感性分析，找出影響物理實(shí)體性能的關(guān)鍵參數，并優(yōu)化這些參數以提高性能。 通過(guò)如 Unity、Unreal Engine 等 VR 和 AR 工具，創(chuàng )建交互式的數字孿生仿真實(shí)體，提供沉浸式的用戶(hù)體驗。 3.3 數據分析技術(shù) 數據分析技術(shù)是實(shí)現對數字孿生實(shí)體數據進(jìn)行深度挖掘和分析的關(guān)鍵技術(shù)，通過(guò)數據分析，提取有價(jià)值的信息，以進(jìn)行決策制定和物理實(shí)體運行控制和優(yōu)化，如運行參數的調整、故障預測和預防、性能優(yōu)化等。 以機器學(xué)習和深度學(xué)習為代表的人工智能技術(shù)，是數字孿生數據分析技術(shù)的重要方向，可以提升數字孿生實(shí)體的智能水平、預測能力和自主決策能力，在智能制造數字孿生領(lǐng)域廣泛應用。 (1) 數據驅動(dòng)的建模與學(xué)習。使用機器學(xué)習算法來(lái)分析數字孿生產(chǎn)生的大量數據，從而發(fā)現隱藏的模式和關(guān)聯(lián)。這些算法可以幫助改進(jìn)數字孿生實(shí)體的準確性，并預測未來(lái)的行為。 (2) 特征提取。通過(guò)深度學(xué)習技術(shù)提取無(wú)法通過(guò)傳統的物理模型來(lái)捕捉的復雜系統特征，提高數字孿生實(shí)體的泛化能力。 (3) 優(yōu)化控制。通過(guò)強化學(xué)習技術(shù)，訓練數字孿生實(shí)體的優(yōu)化控制能力，持續完善數字孿生實(shí)體的優(yōu)化控制策略生成能力，應用于物理實(shí)體，提高系統的效率和性能。 (4) 異常檢測。采用人工智能技術(shù)進(jìn)行系統異常檢測，預測潛在的故障、發(fā)現異常行為，進(jìn)行預防性維護。 (5) 自然語(yǔ)言處理與交互式查詢(xún) ：集成自然語(yǔ)言處理 (NLP) 技術(shù)，允許用戶(hù)以自然語(yǔ)言與數字孿生實(shí)體交互，查詢(xún)系統的狀態(tài)，并獲得直觀(guān)的反饋。 (6) 計算機視覺(jué)與狀態(tài)監測 ：結合計算機視覺(jué)技術(shù)，數字孿生可以使用圖像和視頻數據來(lái)監測物理實(shí)體的狀態(tài)，并自動(dòng)識別和分類(lèi)不同的狀態(tài)或事件。 (7) 生成對抗網(wǎng)絡(luò ) (GANs) 與數據增強 ：使用GANs 生成新的數據點(diǎn)，以增強訓練數據集，特別是在數據稀缺或需要模擬罕見(jiàn)事件時(shí)。 (8) AI 輔助的模型校準與參數優(yōu)化 ：利用人工智能算法自動(dòng)調整數字孿生實(shí)體的參數，以更好地擬合實(shí)際觀(guān)測數據，提高數字孿生實(shí)體的預測精度。 (9) 自動(dòng)化決策與自主系統 ：將人工智能相應算法集成到數字孿生實(shí)體中，使其能夠基于實(shí)時(shí)數據和預先設定的目標自動(dòng)做出決策，實(shí)現系統的自主運行。 通過(guò)這些方法，數字孿生技術(shù)可以充分利用人工智能的能力，實(shí)現更高級的智能模擬、預測分析和自主決策，為各種應用場(chǎng)景提供更深入的洞察和更有效的解決方案。隨著(zhù) AI 技術(shù)的不斷進(jìn)步，數字孿生與人工智能的結合將越來(lái)越緊密，持續推動(dòng)制造領(lǐng)域數字化轉型和智能化升級。 4 未來(lái)技術(shù)發(fā)展展望 智能制造代表著(zhù)當今先進(jìn)的制造業(yè)發(fā)展模式。數字孿生已成為智能制造的核心，以及智能制造不可分割的組成部分。本文提出的智能制造數字孿生概念模型，已在新能源、電子、鋼鐵等領(lǐng)域應用，取得了較好的應用成效。在更加精細化、智能化、高效化的智能制造發(fā)展進(jìn)程中，如何實(shí)現全制造要素的柔性按需組合，全制造流程的自學(xué)習、自適應和自進(jìn)化，以及如何根據制造場(chǎng)景、制造任務(wù)的不同，在大模型日益成為基礎設施的大背景下，基于交互描述式進(jìn)行數字孿生實(shí)體的自生成，將為智能制造領(lǐng)域的數字孿生提供無(wú)限的發(fā)展空間和可能。 來(lái)源：新工業(yè)網(wǎng)本文推薦閱讀 僅供學(xué)習、交流之目的。版權歸原作者或機構所有，若涉及版權問(wèn)題，煩請留言聯(lián)系，我們將第一時(shí)間更正或刪除。 中服云（www.cserver.com.cn）——長(cháng)期致力于工業(yè)物聯(lián)網(wǎng)平臺及工業(yè)APP的研發(fā)和服務(wù)，工業(yè)物聯(lián)網(wǎng)技術(shù)業(yè)界領(lǐng)先。全力打造自動(dòng)數據采集獲取技術(shù)+數據分析價(jià)值挖掘技術(shù)兩個(gè)核心技術(shù)，基于“平臺+APPS”的產(chǎn)品架構思想。從數字化底座、到智能化生產(chǎn)、再到生產(chǎn)環(huán)境的智能化，形成了完整的“中服云”數智化產(chǎn)品品牌。致力于業(yè)務(wù)層和物理層的深度融合，從根本上解決智能化的核心問(wèn)題。 |
