英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
基于大数据的数字孪生驱动产品设计、制造与服务
摘要：随着新一代信息技术在工业和制造业中的应用，基于大数据驱动的制造时代即将到来。然而，虽然我们可以获得产品设计、制造、服务等整个生命周期的各种大数据，但可以发现，目前对产品生命周期数据的研究主要集中在物理产品上，而不是虚拟模型上。另外，由于产品物理空间和虚拟空间缺乏融合，产品生命周期中的数据是孤立的、零散的、停滞的，因此对制造企业来说是无用的。这些问题导致产品设计、制造和服务阶段的效率、智能化程度和可持续性水平低下。然而，我们需要物理、虚拟产品以及两者互联的数据来支持产品设计、制造和服务。因此，如何产生和使用融合的虚拟物理数据，更好地服务于产品生命周期，从而推动产品设计、制造和服务更加高效、智能和可持续，是我们在以往产品生命周期管理中对大数据研究的基础上，重点研究的课题。本文提出了一种基于数字孪生技术的产品设计、制造和服务的新方法，研究了数字孪生驱动的产品设计、制造和服务的具体应用方法和框架，并以三个实例分别说明了数字孪生在产品三个阶段的应用前景。
关键词：数字孪生、产品生命周期、设计、制造业、服务业、大数据、网络和物理融合。
1.介绍
产品生命周期管理（PLM）是一项业务活动，它以最有效的方式管理一家公司的产品，从最初的产品概念一直到产品消亡和处理。PLM是一种通过改进创新、缩短新产品上市时间、为现有产品提供卓越支持和新服务，以及更好地支持客户使用产品，使公司能够增加收入的活动 [1]。
如今，随着新一代信息技术在工业和制造业的应用（如物联网技术和设备被用于收集整个产品生命周期中产生的各种数据[2]，云技术被用于实现数据管理和处理[3]，人工智能被用于数据挖掘和实现附加值[4]），大数据驱动的制造时代即将到来。对于产品生命周期管理，许多研究者对产品数据管理[5]、产品信息建模[6]、产品信息跟踪[7]、集成框架[8]、知识管理[9]、产品制造的供需匹配[10]、产品装配[11]等进行了大量的研究。然而，虽然可以获得产品设计、制造、服务等整个产品生命周期的各种大数据，但PLM仍存在以下几个研究空白：
- 目前对产品生命周期数据的研究主要集中在物理产品上，而不是虚拟模型上。
- 即使涉及到来自虚拟模型的数据，产品物理空间和虚拟空间之间也缺乏收敛性，这就导致PLM中的数据往往是孤立的、零散的、停滞的。
- 一方面，当产品处于客户位置时，企业很难控制；另一方面，即使实现了控制，也很难提前对即将到来的需求或故障做出反应，也很难指导产品的设计、制造和维护。
这些问题导致产品设计、制造和服务阶段的效率、智能化程度和可持续性水平低下，因此，需要新的方法来解决上述问题。数字孪生是基于复杂产品的综合多物理、多尺度和概率模拟，并且使用可用的最佳物理模型、传感器更新等来反映其对应孪生体寿命的技术。数字孪生体这一概念，由物理产品、虚拟产品以及连接物理产品和虚拟产品的数据组成，可以实现产品物理空间和虚拟空间的融合。因此，如何产生和使用融合的孪生数据，更好地服务于产品生命周期，从而推动产品设计、制造和服务更加高效、智能和可持续，是我们在以往产品基于大数据的生命周期管理研究的基础上重点研究的问题[5]。
本文的其余部分安排如下：第2节介绍了产品生命周期的概念和PLM中的相关数据，并讨论了PLM中存在的不足。第3节介绍了数字孪生的概念及其工业应用。第4节研究了数字孪生在产品生命周期的三个阶段，即数字孪生驱动产品设计，数字孪生驱动产品制造，和数字孪生驱动产品服务中的潜在应用，以及每个阶段的案例研究。第5部分对本研究进行总结，并指出下一步的研究方向。
2.产品生命周期和相关数据
2.1产品生命周期和数据
产品生命周期的概念由Dean[12]于1950年提出，最早由Levitt[13]将其用于产品营销战略研究。产品生命周期最初是指从被市场接受到最终淘汰的过程。从生物学角度出发，产品的生命周期分为四个阶段，即引进、成长、成熟和衰退[14]。随着并行工程的兴起[15]，产品生命周期被扩展到工程领域，产品生命周期被重新定义，涵盖了从产品需求分析、设计、制造、销售、售后服务到回收利用的整个过程[16]。从制造商的角度理解特定的产品生命周期时[17]，它指的是从概念产生、设计、采购、制造到使用和回收的整个过程。如图1所示，产品生命周期的每个阶段都有其特定的活动，涉及到相关的人员和部门，并产生大量的数据[5]。
图片1 产品生命周期及相关数据
- 概念生成：根据客户需求、市场信息、投资计划等数据，定义新产品或产品设计改进的概念，定义产品的外观和主要功能。在这个阶段，需要处理各种数据，例如各种形式的客户需求，包括网上的评论、投诉和视频，市场信息（包括产品销售量、客户满意度、投资计划）等。
- 产品设计：产品开发团队通过交换和共享设计数据和思想，协同完成产品设计工作。产品设计所涉及的数据包括产品功能和外观的描述、产品配置、设计参数和试验数据等，即使是同类产品的历史故障数据也会对产品设计起到改善作用。
- 原材料采购：在这一阶段，通过分析原材料或零部件的可用性、报价、替代品、潜在供应商，为采购人员制定适当的采购计划。这一阶段考虑的数据包括制造商的数据（如原材料的类型、数量、性能）以及供应商的数据（如价格、距离、库存）等。
- 制造：根据设计规范，将原材料或零部件加工或组装成产品，然后通过质量检测对产品进行检验。在此阶段，需要对动态制造执行过程进行监控和管理。因此，需要实时采集生产要素（如人机材料环境）的属性、性能、参数和工艺条件，并进行记录，以便对生产过程进行监控。
- 运输：产品生产完成后，根据市场需求和订单运输到销售点。同时，产品售出后，为用户提供送货服务。为了准确、及时地运输产品，物流安排必须根据库存数据、订单数据、货位数据等进行优化。
- 销售：在这个阶段，产品的发布和营销是基于订单数据、客户数据、库存数据和供应商数据进行的。在销售过程中，顾客的偏好、偏好人群、订单的位置分布等信息可以提高产品的设计、生产、物流和销售进度。
- 使用：根据用户手册中的信息，用户可以正常操作产品。在使用阶段，会产生大量的数据，如产品状态数据、操作环境数据、用户行为数据等。这些数据不仅可以用于产品的维护和维修，还可以用于改进产品设计。
- 售后服务：此阶段负责产品的维护、服务和维修。根据从产品中获取的数据，生成适当的维护和服务解决方案并传送给制造商，从而为用户提供高效、准确的服务。在此过程中，需要记录并管理故障数据和原因、维护数据、部件质量和状态数据，以预测产品寿命和其他产品故障。
- 回收/处置：当产品被回收时，将分析单个组件的剩余价值，以根据产品状态数据和历史维护数据确定回收或处置的时间、方式、地点和内容。为了使产品回收效益最大化，需要考虑回收和拆卸的成本、部件的可重复使用状态、价值和剩余时间。
产品生命周期是一个迭代过程，在产品生命周期的任何阶段，都会收集、处理和使用大量的数据，从而形成大数据[5]。
2.2产品生命周期数据问题
信息技术的进步正推动制造业走向大数据时代。数据分析与挖掘在制造业管理中正逐渐发挥着越来越重要的作用。大数据可以通过有效地收集和分析在整个产品生命周期中产生的各种数据，为相关的生产活动提供系统的指导[5]。此外，它还可以帮助企业管理者解决与经营决策相关的问题，充分挖掘制造大数据的价值，提高制造效率。目前，智能制造是以大数据为驱动力，通过关联、预测和控制三个步骤来实现的[18]，旨在从各种数据的关系和统计特征中寻找新的价值。
然而，影响产品数据管理和应用的一些问题仍然存在：（1）不同的目的和任务，在整个产品生命周期的各个阶段生成的数据，可能在产品生命周期的不同阶段之间形成信息孤岛。（2） 在产品生命周期的不同阶段存在着大量的重复数据。这些重复的数据可能会造成大量的资源浪费和数据共享问题。（3） 在整个产品生命周期中，大数据分析与各种活动之间相对地缺乏交互和迭代。因此，大数据分析与实际制造过程不能并行比较。（4） 目前大数据的应用主要集中在物理产品数据的分析上，而不是虚拟模型数据的分析上。
针对上述问题，数字孪生被认为是一种有效的解决方案。数字孪生的实现是产品生命周期虚拟空间与物理空间相互促进的过程。数字孪生可以直接比较和分析大数据的理论价值和产品生命周期活动的实际价值。因此，它可以迭代地优化整个产品生命周期中的各种活动。在数字孪生兄弟的虚拟空间中，可以对整个产品生命周期中的各种活动进行模拟、监控、优化和验证。同时，可以实现整个产品生命周期的无缝协调。因此，可以有效地避免信息孤岛和数据重复。
3.数字孪生及其应用
3.1数字孪生的概念
数字孪生的概念是Grieves于2003年在密歇根大学（University of Michigan）关于PLM的演讲中首次提出的。到目前为止，人们对数字孪生提出了几种解释和定义。例如，Hochhalter等人 [20] 相信digital twin是一种生命管理和认证模式，其中模型和模拟包括竣工车辆状态、经验丰富的载荷和环境以及其他特定车辆的历史，以便在各个航空航天车辆的整个使用寿命期间实现高保真建模。Reifsnider和Majumdar[21]认为，数字孪生是一种超高保真仿真，集成了车载健康管理系统、维修历史以及历史车辆和车队数据。它可以反映特定飞行物理孪生体（或尾数）的整个寿命，从而在安全性和可靠性方面获得显著提高。
2012年，Glaessegen和Stargel给出了迄今为止被大多数人认可和使用的数字孪生体的一般定义[22]：数字孪生体是一个复杂产品的综合多物理、多尺度、概率模拟，并使用了可利用的最佳物理模型、传感器更新等，以反映对应孪生体的生命周期。同时，数字孪生由物理产品、虚拟产品和连接物理产品和虚拟产品的数据三部分组成。
根据这些对数字孪生的解释和定义，总结了数字孪生的以下特点：（1）实时反射。数字孪生体中存在两个空间：物理空间和虚拟空间。虚拟空间是物理空间的真实反映，能够与物理空间保持超高的同步性和保真度。（2） 互动与融合。这一特点可以从三个方面来解释：（a） 物理空间中的相互作用和汇聚。数字孪生是一种全流程、全要素、全服务的集成。因此，在物理空间中各个阶段产生的数据可以相互连接。（b） 历史数据与实时数据的交互与融合。数字孪生数据更全面，它不仅依赖于专家知识，而且能够实时地从所有部署的系统中收集数据。因此，通过收敛，可以对数据进行深度挖掘和更充分的利用。（c） 物理空间与虚拟空间的相互作用与融合。数字孪生中的物理空间和虚拟空间并不是孤立的。两个空间之间存在平滑的连接通道，这使得它们很容易相互作用[23]。（3） 自我进化。Digital twin可以实时更新数据，通过将虚拟空间与物理空间进行并行比较，使虚拟模型得到持续改进[24]。
3.2数字孪生的应用
自从数字孪生概念提出以来，已经在许多工业领域得到应用，显示出巨大的潜力。美国空军研究实验室结构科学中心（Structural Sciences Center）利用数字孪生构建了逼真的高保真飞行模型，并将虚拟模型数据与物理数据相结合，以实现更精确的疲劳寿命预测[24]。美国空军研究实验室创建了一个框架，在该框架中，该模型集成了各种数据，并对物理空间具有高保真度，以模拟和评估气动热弹性耦合问题的气动热模型预测的可信度[25]。Bielefeldt等人 [26]还建立了基于数字孪生的飞机结构损伤检测模型，并以飞机机翼为例验证了该模型的有效性。Hochhalter等人 [27]提出将数字孪生技术与感观粒子技术相结合，实现实时检测和必要时的航天器检修、更换。Tuegel[28]在数字孪生的基础上，提出了机身数字孪生（ADT）的概念，以达到降低飞机维修成本的目的。同时他还指出了实现过程中面临的挑战。Cerrone等人 [29]建立了数字孪生试样模型，并进行了求解裂纹路径模糊度的仿真实现。仿真结果表明，采用数字孪生可以降低剪切载荷下的预测精度。此外，PTC正试图建立一个虚拟空间，作为一个独特的物理产品在产品设计过程中的一对一表示。许多其他全球知名公司（如达索系统公司、西门子PLM软件公司）也对数字孪生的应用表示了极大的兴趣[30]。
根据上述数字孪生技术的应用，目前数字孪生技术主要应用于航空航天领域的故障预测，主要应用于产品服务和维修阶段。数字孪生电路具有数字孪生电路的特点，特别是物理产品与虚拟产品之间的同步连接和超高保真度，具有很高的解决PLM中上述问题的潜力。本文将着重介绍它在产品设计、产品制造和产品服务中的潜在应用。
4.数字孪生驱动生产设计、制造和服务
4.1数字孪生驱动产品设计
4.1.1现有产品设计过程
众所周知，产品设计过程是指特定设计从开始到结束的整个过程及其所包含的每个阶段的工作步骤。传
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[239770]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
