1704015250
然而，数字孪生模型更加强调了物理世界和虚拟世界的连接作用，从而做到虚拟世界和真实世界的统一，实现生产和设计之间的闭环。如图3-2所示，可通过3D模型连接物理产品与虚拟产品，而不只是在屏幕上进行显示，3D模型中还包括从物理产品获得的实际尺寸，这些信息可以与虚拟产品重合并将不同点高亮，以便于人们观察、对比。
1704015251
1704015252
1704015253
1704015254
1704015255
图3-2 可进行虚拟产品与物理产品对比的3D模型
1704015256
1704015257
“工四100术语”对数字孪生模型的定义是：数字孪生模型是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生模型是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。以飞行器为例，数字孪生模型可以包含机身、推进系统、能量存储系统、生命支持系统、航电系统以及热保护系统等。它将物理世界的参数重新反馈到数字世界，从而可以完成仿真验证和动态调整。数字孪生有时候也用来指对一个工厂的厂房及生产线，在其没有建造起来之前，就完成相应的数字化模型。从而在虚拟的赛博空间中对工厂进行仿真和模拟，并将真实参数传给实际的工厂建设，而在工房和生产线建成之后，在日常的运维中两者继续进行信息交互。因此，数字孪生模型更加强调模型在产品全生命周期使用过程中虚拟产品与物理产品之间的反馈、交互。
1704015258
1704015259
值得注意的是数字孪生与目前现有的一些技术又有一定的不同。首先，数字孪生不是构型管理的工具，构型管理是项目变更控制的一个重要工具，它涉及所有的技术和组织措施，包括构型项的确认、控制、记录和审计。数字孪生是一种分辨不同时点的系统配置的方法，它处理工作项或系统的物理特性、功能特征，并对这些特性和特征的任何变更实施控制，审计这些工作项和系统，证实其与需求相一致，以确保项目产品描述的正确和完整，它主要强调对产品制造流程的控制。其次，数字孪生模型不是产品的3D尺寸模型。仅针对数字孪生模型的3D表述来看，数字孪生模型不仅包含尺寸信息，还含有特性、功能等信息。同时，数字孪生模型也不是产品的MBD定义。MBD是一种产品数字化定义的方法，它是指产品定义的各类信息按照模型的方式组织，其核心组成是产品的几何模型，所有相关的工艺描述信息、属性信息、管理信息等都附着在产品的三维模型中，一般情况下不再有二维工程图纸。MBD改变了传统的由三维实体模型来描述几何信息，而用二维工程图纸来定义尺寸、公差和工艺信息的产品数字化定义方法。同时，MBD使三维数模作为生产制造过程中的唯一数据来源，改变了传统以二维工程图纸为主、以三维实体模型为辅的制造方法。可以看到MBD包含了制造信息和设计信息，它的信息流动是从模型到产品，但数字孪生模型除了包含各类信息之外，还具有模型与产品之间信息双向流动的特性。因此，可以看出数字孪生模型是各种技术的综合体。
1704015260
1704015261
3.1.2 数字孪生模型在制造中的作用
1704015262
1704015263
1.预见设计质量和制造过程
1704015264
1704015265
传统模式下，在产品设计完成后必须先制造出实体零部件，才能对设计方案的质量和可制造性进行评估，这不仅导致成本增加，并且也加长了产品研发周期，而通过建立数字孪生模型，任何零部件在被实际制造出来之前，都可以预测其成品质量，判断其是否存在设计缺陷，比如零部件之间的干扰、设计是否符合规范等。通过分析工具找到产生设计缺陷的原因，并直接在数字孪生模型中修改相应的设计，再重新进行质量预测，直到问题得以解决。
1704015266
1704015267
在实际制造系统中，只有当全部流程都无差错时，生产才能得以顺利开展。通常在试用之前要将生产设备配置好，以实现流程验证，判断设备是否正常运转。然而，在这个时候才发现问题可能会引起生产延误，并且这时解决问题所需要的费用将远远高于流程早期。
1704015268
1704015269
当前自动化技术应用广泛，最具颠覆性意义的是用机器人来替代工作人员的部分工作，投入机器人的企业必须评估机器人能否在生产过程中准确地执行人的工作，机器人的大小和工作范围是否会对周围的设备产生干涉，以及它会不会伤害到附近的操作员。机器人的投入成本较大，因此十分有必要在初期便对这些问题进行验证。
1704015270
1704015271
较为高效的途径是建立与制造流程对应的数字孪生模型，其具备所有制造过程细节，并可在虚拟世界中对制造过程进行验证。当验证过程中出现问题时，只需要在模型中进行修正即可，比如机器人发生干涉时，可以通过调整工作台的高度、反转装配台、输送带的位置等来更改模型，然后再次进行仿真，确保机器人能正确达到任务目标。
1704015272
1704015273
通过使用数字孪生模型，在设计阶段便能预测产品性能，并能根据预测结果加以改进、优化，而且在制造流程初期就能够了解详细信息，进而展开预见，确保全部细节均无差错，这有极大的意义，因为越早知道如何制造出色的产品，就能越快地向市场推出优质的产品，抢占先机。
1704015274
1704015275
2.推进设计和制造高效协同
1704015276
1704015277
随着现代产品功能复杂性的增加，其制造过程也逐渐复杂，对制造所涉及的所有过程均有必要进行完善的规划。一般情况下，过程规划是设计人员和制造人员基于不同的系统而独立开展工作。设计人员将产品创意传达给制造部门，再由他们去考虑应该如何合理地制造。这样容易导致产品的信息流失，使得制造人员很难看到实际状况，出错的概率增大。一旦设计发生变更，制造过程将会出现一定的滞后，数据无法及时更新。
1704015278
1704015279
在数字孪生模型中，对需要制造的产品、制造的方式、资源以及地点等各个方面可以进行系统的规划，将各方面关联起来，实现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，包括更新面向制造的物料清单，创建新的工序，为工序分配新的操作人员，并在此基础上进一步将完成各项任务所需的时间以及所有不同的工序整合在一起，进行分析和规划，直到产生满意的制造过程方案。
1704015280
1704015281
除了过程规划之外，生产布局也是复杂的制造系统中的重要工作。一般的生产布局图是用来设置生产设备和生产系统的二维原理图和纸质平面图，设计这些布局图通常需要大量的时间精力。由于现今竞争日益激烈，企业需要不断地向产品中加入更好的功能，并以更快的速度向市场推出更多的产品，这意味着制造系统需要持续扩展和更新，但静态的二维布局图缺乏智能关联性，修改起来又会耗费大量时间，制造人员难以获得有关生产环境的最新信息，因而难以制定明确的决策和及时采取行动。
1704015282
1704015283
然而，借助数字孪生模型可以设计出包含所有细节信息的生产布局图，包括机械、自动化设备、工具、资源甚至是操作人员等各种详细信息，并将之与产品设计进行无缝关联。比如在一个新的产品制造方案中，所引入的机器人干涉了一条传送带，布局工程师需要对传送带进行调整并发出变更申请，当发生变更时，同步执行影响分析来了解生产线设备供应商中，哪些会受到影响，以及对生产调度会产生怎么样的影响，这样在设置新的生产系统时，就能在需要的时间内获得正确的设备。
1704015284
1704015285
基于数字孪生模型，设计人员和制造人员实现协同，设计方案和生产布局实现同步，这些都大大提高了制造业务的敏捷度和效率，帮助企业应对更加复杂的产品制造挑战。
1704015286
1704015287
3.确保设计和制造准确执行
1704015288
1704015289
如果制造系统中的所有流程都准确无误，生产便可以顺利开展，但万一生产进展不顺利，由于整个过程非常复杂，制造环节出现问题并影响产出的时候，很难迅速找出问题所在。最简单的方法是在生产系统中尝试用一种全新的生产策略，但是面对众多不同的材料和设备选择，清楚地知道哪些选择将带来最佳效果又是一个难题。
1704015290
1704015291
针对这种情况，可以在数字孪生模型中对不同的生产策略进行模拟仿真和评估，结合大数据分析和统计学技术，快速找出有空档时间的工序。调整策略后再模拟仿真整个生产系统的绩效，进一步优化实现所有资源利用率的最大化，确保所有工序上的所有人都尽其所能，实现盈利能力的最大化。
1704015292
1704015293
为了实现卓越的制造，必须清楚了解生产规划以及执行情况。企业通常难以确保规划和执行都准确无误，并满足所有设计需求，这是因为如何在规划与执行之间实现关联，如何将从生产环节收集到的有效信息反馈至产品设计环节，是一个很大的挑战。
1704015294
1704015295
利用数字孪生模型可以搭建规划和执行的闭合环路，将虚拟生产世界和现实生产世界结合起来，具体而言，就是集成PLM系统、制造运营管理系统以及生产设备。过程计划发布至制造执行系统之后，利用数字孪生模型生成详细的作业指导书，并与生产设计全过程进行关联，这样一来，如果发生任何变更，整个过程都会进行相应的更新，甚至还能从生产环境中收集有关生产执行情况的信息。
1704015296
1704015297
此外还可以使用大数据技术直接从生产设备中收集实时的质量数据，将这些信息覆盖在数字孪生模型上，对设计和实际制造结果进行比对，检查两者是否存在差异，找出产生差异的原因和解决方法，确保生产能完全按照规划来执行。
1704015298
1704015299
3.1.3 数字孪生模型的应用和进展