数字孪生,与其它新兴技术诸如物联网、数据挖掘和机器学习一样,为当今制造模
式向智能制造的转变提供了巨大的潜力。通过对智能制造研究成果量化分析、梳理和总
结,可以发现数字孪生作为突破性的应用技术框架,将会成为实现信息物理系统乃至智
能制造的必要方法,值得深入和全面地展开研究。
现代制造业为了提升在效率、智能化和可持续性方面的管理水平,需要将工厂全生
命周期各个阶段的数据与物理系统融合,体现在规划、生产控制和流程再造等各个阶段。
现代工厂面临着快速变化的市场节奏,所以需要敏捷有效的规划方法;现代工厂的生产
控制面对复杂环境和高实时性的要求,因此需要智能的生产控制优化手段;现代工厂面
对全球化和新技术带来的机遇和挑战,需要灵活实用的精益制造和优化方法。新型的数
字孪生信息技术方法有望帮助工厂更好地应对全生命周期的新问题和挑战。
本文提出了面向工厂全生命周期构建数字孪生的方法框架,提出方法框架的构成核
心即数字孪生实践环(Digital Twin Practice Loop,DTPL),并说明了DTPL的组成要
素和作用。在数字孪生方法框架的基础上,展开研究了面向制造型企业不同阶段的数
2022-04-27 16:05:46
20.88MB
机器学习