第1章 数字孪生推进装备制造业转型与升级
1.1 数字孪生技术成为企业转型的关键驱动力
随着制造业再次成为全球经济稳定发展的驱动力，世界各主要工业国家都加快了工业发展的步伐：从美国的“制造业复兴”计划到德国的“工业4.0”战略，再到中国的“智能+”发展规划，制造业正逐步成为各国经济发展的重中之重，引领未来制造业的方向也成为制造业强国竞争的一个战略制高点。
2019年3月，我国政府工作报告中提出：推动传统产业改造提升。围绕推动制造业高质量发展，强化工业基础和技术创新能力，促进先进制造业和现代服务业融合发展，加快建设制造强国。打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。
随着“中国制造2025”的推进，工信部启动了众多企业的智能制造项目，从数字化车间、智能工厂、大数据分析应用、云平台建设、工业物联网应用到现在的“智能+”项目，越来越多的企业建立了各自的数字化系统、自动化生产系统、物流系统以及系统集成应用，同时大家也意识到随着数字系统的建立，关键在于将数字主线和数字孪生落到实处，未来企业数字化智力资产越多，“智能+”将越能为企业带来更大的价值。
提高生产力、缩短产品上市时间、采取更灵活的生产模式以及提高资源和能源利用效率，是全球工业面临的挑战，也是“工业4.0”提出的未来制造业的目标。为了实现这种先进的生产模式，需要融合现实生产和虚拟生产的技术，基于人工智能、大数据、互联网、人，通过数字化工程、数字化制造等各种信息技术实现柔性制造，经济高效地满足客户个性化的定制需求。未来工厂的智能化程度将很高，这种智能将通过使用微型化处理器、存储装置、传感器和发送器来实现，这些装置将被嵌入几乎所有的机器、半成品和材料以及用于组织数据流的智能工具和新型软件中。所有这些创新将使产品和机器能够相互通信并交换命令。未来的工厂将在很大程度上自行控制和优化其制造工序，实现智能制造。
2015年，我国正式提出了“中国制造2025”的战略。“中国制造2025”和“互联网+”概念包罗万象，其内容相当于美欧日近年来相关战略计划的有机综合。表1-1中详细对比了中国制造2025、德国工业4.0和美国制造业复兴的战略内容和特征等信息。从这些特征来看，整个工业领域也正在经历一场制造业的大变革，将引领传统制造业迈向定制化、信息化、数字化和绿色化。
表1-1 中国、德国和美国制造业升级对照表
从2017年起，人工智能一直是政府关注的发展重点，创业创新成为焦点词。2019年全国两会在科技创新方面则要求继续促进新兴产业加快发展。深化大数据、人工智能等研发应用，培育新一代信息技术、生物医药、新能源汽车、新材料、高端装备等新兴产业集群，壮大数字经济。支持新业态、新模式发展，促进平台经济、共享经济健康成长。加快在各个领域推进“互联网+”。
按照老子《道德经》所言：“人法地，地法天，天法道，道法自然”，人工智能的发展应当从效法人的智能开始，即从眼、耳、鼻、舌、身、意六根的仿生开始，努力实现“状态感知，实时分析，自主决策，精确执行，学习提升”。借助20世纪诞生并飞速发展的计算机互联网——从数字0/1开始，从数字程序与数字数据开始，借助计算机、互联网创建和运行的Cyber来模拟实现，为人类开辟了一条“究天人之际、通古今之变”，沟通天地人的可达、可操作的沟通通道。人工智能技术源起于数字化，应用于数字孪生，成就于CPS，因此数字基础设施建设势在必行。
1.2 西门子的最新数字孪生技术应用
在中国，西门子作为本土工业企业的合作伙伴已有140 多年，见证并参与了中国制造业的发展，对中国制造业有着深刻而准确的理解。现在，西门子将现实和虚拟的生产世界相结合，着力推动制造业未来的发展。其前瞻性的远景规划、丰富的行业知识，为工业4.0及数字化企业平台的未来发展奠定了坚实的基础。
西门子工业软件平台是实现工业4.0的载体。它可以实现从产品设计、生产规划、生产工程，到生产执行和服务的全生命周期的高效运行，以最小的资源消耗获取最高的生产效率。该平台的实现需要企业以数字化技术为基础，在物联网、云计算、大数据、工业以太网等技术的强力支持下，集成目前最先进的生产管理系统及生产过程软件和硬件，如产品生命周期管理（PLM）软件和制造执行系统（MES）软件以及全集成自动化（TIA）技术。西门子的整体解决方案可以帮助中国工业企业实现升级转型，以更高生产力、更高效能、更短产品上市时间、更强灵活性在国际竞争中占据先机（见图1-1）。
图1-1 西门子数字化平台
西门子数字化平台软件套件集成应用包含了PLM、ERP、MOM、WMS、仓储物流和生产线集成能力（见图1-2）。
图1-2 西门子数字化平台软件套件集成应用
总之，作为工业技术和工业软件的全球领导者之一，西门子将积极在中国的“工业4.0”变革中（也就是“两化深度融合”的高阶阶段）扮演世界级实践者和战略提供商两个关键角色。作为世界级实践者，西门子使用自身发明创造的技术实现卓越运营，为广大用户提供实践经验；作为战略提供商，西门子愿意与广大用户分享这些经验，并提供世界级工业软件和解决方案，一起推动“工业4.0”的转变进程。
西门子认为，制造业存在如下基本需求：保障产品质量、提高生产效率、缩短产品上市时间、增加制造的灵活性。然而在传统的制造条件下，企业通常得牺牲灵活性来提升生产效率和缩短产品上市时间。如何同时满足这些需求决定了西门子的创新方向——智能制造，这也就是西门子定义的“工业4.0”。
（1）智能创新平台
日新月异的技术创新和日益个性化的客户需求给产品创新带来了新的严峻挑战。为此，智能创新平台（Smart Innovation Platform）应运而生。智能创新平台主要有四个特点：用户参与，智能模型，实现产品，可持续系统。用户参与指的是建立开放式创新环境，不仅要实现企业内部多专业协同优化，而且要实现与供应链协同创新，甚至是用户侧创新；智能模型要求建立产品的数字化模型，包括产品概念、详细设计、仿真、测试、生产、质量、服务等一切信息；实现产品指的是在设计阶段即能有充分信心将产品高效生产出来；可持续系统是保证智能创新平台能够自我升级改造，以保持可持续的竞争优势。打造智能创新平台的核心技术是传统上属于三个不同专业世界——产品生命周期、制造运营管理、生产自动化三个层次的大集成（见图1-3）。
图1-3 智能创新平台的四大特征
（2）数字孪生技术应用
作为支撑世界经济发展的重要支柱，制造业与互联网的无缝融合也将促使制造企业的生产力和生产水平得到进一步提升，这是制造业革命的关键所在。与此同时，引入互联网及数字化技术对“中国制造2025”“工业4.0”的重大战略执行也有更多助力。作为“工业4.0”的发起者和重要的构建者，西门子在市场上提出“数字孪生（Digital Twins）”模型概念，即基于模型的虚拟企业和基于自动化技术的现实企业（西门子形象地称之为“数字孪生”），包括“产品数字孪生”“生产数字孪生”和“设备数字孪生”，三个层面又高度集成为一个统一的数据模型，并通过数字化助力企业整合横向和纵向价值链，为工业生态系统重塑和实现“工业4.0”构筑了一条自下而上的切实之路（见图1-4和图1-5）。
图1-4 数字孪生技术应用图
图1-5 数字孪生应用（产品+生产+设备）
（3）基于模型的数字化企业（MBD/MBE）技术应用
基于模型的企业（MBE）在统一的基于模型的系统工程（MBSE）指导下，通过创建贯穿企业产品整个生命周期的产品模型、流程管理模型、企业（或协作企业间的）产品管理标准规范与决策模型，并在此基础上开展与之相对应的基于模型的工程（MBe）、基于模型的制造（MBM）和基于模型的服务（MBs）的实施部署。基于模型的工程、基于模型的制造和基于模型的服务作为单一数据源的数字化企业系统模型中的三个主要组成部分，涵盖了从产品设计、制造到服务的完整的产品全生命周期业务，以MBD主模型为核心在企业各业务环节顺畅流通和直接使用，从虚拟的工程设计到现实的制造工厂直至产品的上市流通，基于MBD的产品模型始终服务于产品生命周期的每个阶段。MBE在强调MBD模型数据、技术数据包、更改与配置管理、企业内外的制造数据交互、质量需求规划与检测数据、扩展企业的协同与数据交换六个方面的同时，更加强调扩展企业跨供应链的产品全生命周期的MBD业务模型和相关数据在企业内外顺畅流通和直接重用。构建完整的MBE能力体系是企业的一项长期战略，在充分评估企业能力条件的基础上，统一行动，以MBD为统一的“工程语言”，在基于模型的系统工程方法论指导下，全面梳理企业内外、产品全生命周期业务流程、标准规范，采用先进的信息技术，形成一套崭新的、完整的产品研制能力体系（见图1-6）。
图1-6 基于模型的数字化企业（MBE）总图
（4）增材制造
三维打印技术已经存在数十年之久，随着可用材料的增加，发展成为增材制造，它的革命性在于可以彻底解决传统的“零件+装配”的复杂性成本随产品复杂性增加而增加的问题。加工一个部件，原来需要13道工序，使用不同设备，在使用一台混合（打印+NC）制造机床后，只需一道工序（见图1-7）。并且，所有过程可以使用软件工具进行仿真、验证（见图1-8）。
图1-7 从传统“零件+装配”到增材制造
图1-8 最新技术之增材制造
通过三维的产品零部件设计、零部件数字化仿真验证、设计及仿真数据统一管理、3D零部件传递给3D打印机，进行零部件的一次加工成型，同时将设计数据、设计仿真数据、3D打印制造数据统一在单一平台进行管理。
（5）信息物理系统和新一代机器人技术
信息物理系统（Cyber-Physical System, CPS）是一个综合计算、网络和物理环境的多维复杂系统，通过3C（Computing, Communication, Control）技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。CPS实现计算、通信与物理系统的一体化设计，可使系统更加可靠、高效、实时协同，具有重要而广泛的应用前景。Google无人驾驶汽车是CPS的一个很好例子：你只需要告诉它去哪里，无须告诉它如何走。
将来的CPS生产系统也可以做成这样，包含了将来无处不在的环境感知、嵌入式计算、网络通信和网络控制等系统工程，使物理系统具有计算、通信、精确控制、远程协作和自治功能。它注重计算资源与物理资源的紧密结合与协调，主要用于一些智能系统，如机器人、智能导航等。例如，罗罗（Rolls-Royce）和西门子参与的新一代机器人可以根据环境识别抓取对象（见图1-9）。
图1-9 新一代机器人
1.3 数字孪生关键技术说明
基于数字孪生的智能制造系统如图1-10所示。
图1-10 基于数字孪生的智能制造系统
数字孪生的概念最早由密歇根大学的Michael Grieves博士于2002年提出（最初的名称为“Conceptual Ideal for PLM”），至今有超过15年的历史。Michael Grieves与NASA长期合作。在航天领域，航天器的研发和运营必须依赖于数字化技术：在研发阶段，需要降低物理样机的成本；在运营阶段，需要对航天器进行远程状态监控和故障监测。这也是后来NASA把数字化双胞胎（即数字孪生）作为关键技术的原因。图1-11展示了数字孪生技术在装备行业的应用。
图1-11 数字孪生技术在装备行业的应用（一）
数字孪生被形象地称为“数字化双胞胎”，是智能工厂的虚实互联技术，从构想、设计、测试、仿真、生产线、厂房规划等环节，可以虚拟和判断出生产或规划中所有的工艺流程，以及可能出现的矛盾、缺陷、不匹配，所有情况都可以用这种方式进行事先的仿真，缩短大量方案设计及安装调试时间，加快交付周期。数字化双胞胎技术是将带有三维数字模型的信息拓展到整个生命周期中的影像技术，最终实现虚拟与物理数据同步和一致，它不是让虚拟世界做现在我们已经做到的事情，而是发现潜在问题、激发创新思维、不断追求优化进步——这才是数字孪生的目标所在。
数字孪生技术帮助企业在实际投入生产之前即能在虚拟环境中优化、仿真和测试，在生产过程中也可同步优化整个企业流程，最终实现高效的柔性生产、实现快速创新上市，锻造企业持久竞争力。
数字孪生技术是制造企业迈向工业4.0战略目标的关键技术，通过掌握产品信息及其生命周期过程的数字思路将所有阶段（产品创意、设计、制造规划、生产和使用）衔接起来，并连接到可以理解这些信息并对其做出反应的生产智能设备。
数字孪生将各专业技术集成为一个数据模型，并将PLM（产品生命周期管理软件）、MOM（生产运营系统）和TIA（全集成自动化）集成在统一的数据平台下，也可以根据需要将供应商纳入平台，实现价值链数据的整合，业务领域包括“产品数字孪生”“生产数字孪生”和“设备数字孪生”（见图1-12和见图1-13）。
图1-12 数字孪生技术在装备行业的应用（二）
图1-13 数字孪生技术在装备行业的应用（三）
（1）产品数字孪生
在产品的设计阶段，利用数字孪生可以提高设计的准确性，并验证产品在真实环境中的性能。这个阶段的数字孪生的关键能力包含：数字模型设计，使用CAD工具开发出满足技术规格的产品虚拟原型，精确地记录产品的各种物理参数，以可视化的方式展示出来，并通过一系列验证手段来检验设计的精准程度；模拟和仿真，通过一系列可重复、可变参数、可加速的仿真实验，来验证产品在不同外部环境下的性能和表现，在设计阶段就可验证产品的适应性。
产品数字孪生将在需求驱动下，建立基于模型的系统工程产品研发模式，实现“需求定义-系统仿真-功能设计-逻辑设计-物理设计-设计仿真-实物试验”全过程闭环管理，从细化领域将包含如下几个方面（见图1-14）：
图1-14 数字孪生技术在装备行业应用——产品数字孪生
●产品系统定义：包括产品需求定义、系统级架构建模与验证、功能设计、逻辑定义、可靠性、设计五性（包含可靠性、维修性、安全性、测试性及保障性）分析、失效模式和影响分析（Failure Mode and Effect Analysis, FMEA）等。
●结构设计仿真：包括机械系统的设计和验证。包含机械结构模型建立、多专业学科仿真分析（涵盖机械系统的强度、应力、疲劳、振动、噪声、散热、运动、灰尘、湿度等方面的分析）、多学科联合仿真（包括流固耦合、热电耦合、磁热耦合以及磁热结构耦合等）以及半实物仿真等。
●3D创成式设计：创成式设计（Generative Design）是根据一些起始参数通过迭代并调整来找到一个（优化）模型。拓扑优化（Topology Optimization）是对给定的模型进行分析，常见的是根据边界条件进行有限元分析，然后对模型变形或删减来进行优化，是一个人机交互、自我创新的过程。根据输入者的设计意图，通过“创成式”系统，生成潜在的可行性设计方案的几何模型，然后进行综合对比，筛选出设计方案推送给设计者进行最后的决策。
●电子电气设计与仿真：包括电子电气系统的架构设计和验证、电气连接设计和验证、电缆和线束设计和验证等。相关仿真包括电子电气系统的信号完整性、传输损耗、电磁干扰、耐久性、PCB散热等方面的分析。
●软件设计、调试与管理：包括软件系统的设计、编码、管理、测试等，同时支撑软件系统全过程的管理与Bug闭环管理。
●设计全过程管理：包括系统工程全流程的管理和协同，设计数据和流程、设计仿真和过程、各种MCAD/ECAD/软件设计工具和仿真工具的整合应用与管理。
（2）生产数字孪生
在产品的制造阶段，生产数字孪生的主要目的是确保产品可以被高效、高质量和低成本地生产，它所要设计、仿真和验证的对象主要是生产系统，包括制造工艺、制造设备、制造车间、管理控制系统等。利用数字孪生可以加快产品导入的时间，提高产品设计的质量，降低产品的生产成本和提高产品的交付速度。产品生产阶段的数字孪生是一个高度协同的过程，通过数字化手段构建起来的虚拟生产线，将产品本身的数字孪生同生产设备、生产过程等其他形态的数字孪生高度集成起来，具体实现如下功能（见图1-15）：
图1-15 数字孪生技术在装备行业应用——生产数字孪生
●工艺过程定义（Bill of Process, BOP）：将产品信息、工艺过程信息、工厂产线信息和制造资源信息通过结构化模式组织管理，达到产品制造过程的精细化管理，基于产品工艺过程模型信息进行虚拟仿真验证，同时为制造系统提供排产准确输入。
●虚拟制造（Virtual Manufacturing, VM）评估-人机/机器人仿真：基于一个虚拟的制造环境来验证和评价我们的装配制造过程和装配制造方法，通过产品3D模型和生产车间现场模型，具备机械加工车间的数控加工仿真、装配工位级人机仿真、机器人仿真等提前虚拟评估。
●虚拟制造评估-产线调试：数字化工厂柔性自动化生产线建设投资大、周期长，自动化控制逻辑复杂，现场调试工作量大。按照生产线建设的规律，发现问题越早，整改成本越低，因此有必要在生产线正式生产、安装、调试之前在虚拟的环境中对生产线进行模拟调试，解决生产线的规划、干涉、PLC的逻辑控制等问题，在综合加工设备、物流设备、智能工装、控制系统等各种因素中全面评估生产线的可行性。生产周期长、更改成本高的机械结构部分采用在虚拟环境中进行展示和模拟；易于构建和修改的控制部分采用由PLC搭建的物理控制系统实现，由实物PLC控制系统生成控制信号，虚拟环境中的机械结构作为受控对象，模拟整个生产线的动作过程，从而发现机械结构和控制系统的问题，在物理样机建造前予以解决。
●虚拟制造评估-生产过程仿真：在产品生产之前，就可以通过虚拟生产的方式来模拟在不同产品、不同参数、不同外部条件下的生产过程，实现对产能、效率以及可能出现的生产瓶颈等问题的提前预判，加速新产品导入的过程；将生产阶段的各种要素，如原材料、设备、工艺配方和工序要求，通过数字化的手段集成在一个紧密协作的生产过程中，并根据既定的规则，自动地完成在不同条件组合下的操作，实现自动化的生产过程；同时记录生产过程中的各类数据，为后续的分析和优化提供依据。
●关键指标监控和过程能力评估：通过采集生产线上的各种生产设备的实时运行数据，实现全部生产过程的可视化监控，并且通过经验或者机器学习建立关键设备参数、检验指标的监控策略，对出现违背策略的异常情况进行及时处理和调整，实现稳定并不断优化的生产过程。
（3）设备数字孪生
作为客户的设备资产，产品在运行过程中将设备运行信息实时传送到云端，以进行设备运行优化、可预测性维护与保养，并通过设备运行信息对产品设计、工艺和制造迭代优化（见图1-16和图1-17）。
图1-16 数字孪生技术在装备行业应用——设备数字孪生
图1-17 数字孪生和物联网技术在装备行业的应用
●设备运行优化：通过工业物联网技术实现设备连接云端、行业云端算法库以及行业应用APP，以西门子MindSphere平台为例说明运营数字化双胞胎的架构（见图1-17）。
✧连接层MindConnect：支持开放的设备连接标准，如OPC UA，实现西门子与第三方产品的即插即用。对数据传输进行安全加密。
✧平台层MindSphere：为客户个性化APP的开发提供开放式接口，并提供多种云基础设施，如SAP、AWS、Microsoft Azure，并提供公有云、私有云及现场部署。
✧应用层MindApps：应用来自西门子与合作伙伴的APP，或由企业自主开发的APP，以获取设备透明度与深度分析报告。
●可预测性维护、维修与保养：基于时间的中断修复维护不再能提供所需的结果。通过对运行数据进行连续收集和智能分析，数字化开辟了全新的维护方式，通过这种洞察力，可以预测维护机器与工厂部件的最佳时间，并提供了各种方式，以提高机器与工厂的生产力。预测性服务可将大数据转变为智能数据。数字化技术的发展可让企业洞察机器与工厂的状况，从而在实际问题发生之前，对异常和偏离阈值的情况迅速做出响应。
●设计、工艺与制造迭代优化：复杂产品的工程设计非常困难，产品团队必须将电子装置和控件集成入机械系统，使用新的材料和制造流程，满足更严格的法规，同时必须在更短期限内、在预算约束下交付创新产品。传统的验证方法不再足够有效。现代开发流程必须变得具有预测性，使用实际产品的“数字孪生”驱动设计并使其随着产品进化保持同步，此外还要求具有可支撑的智能报告和数据分析功能的仿真和测试技术。产品工程设计团队需要一个统一且共享的平台来处理所有仿真学科，而且该平台应具备易于使用的先进分析工具，可提供效率更高的工作流程，并能够生成一致结果。设备数字孪生能帮助用户比以前更快地驱动产品设计，以获得更好、成本更低且更可靠的产品，并能更早地在整个产品生命周期内根据所有关键属性预测性能。