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
基于大数据利用数字孪生驱动产品设计、制造和服务
Fei Tao amp; Jiangfeng Cheng amp; Qinglin Qi amp; Meng Zhang amp; He Zhang amp; Fangyuan Sui
摘要：如今，随着新一代信息技术在工业和制造业中的应用，大数据驱动的制造业时代正在到来。但是，尽管可以获得整个产品生命周期中的各种大数据，包括产品设计、制造和服务，但可以发现，当前对产品生命周期数据的研究主要集中于物理产品，而不是虚拟模型。此外，由于产品物理空间和虚拟空间之间缺乏融合，产品生命周期中的数据被隔离、碎片化和停滞，这对制造企业毫无用处。这些问题导致产品设计，制造和服务阶段的效率、智能、可持续性降低。但是，需要使用物理产品数据、虚拟产品数据以及将物理和虚拟产品联系在一起的连接数据来支持产品设计、制造和服务。因此，在以往的大型研究的基础上，重点研究了如何生成和使用融合的网络物理数据以更好地服务于产品生命周期，从而使产品设计、制造和服务更加高效、智能和可持续在产品生命周期管理中的数据。本文提出了一种由数字孪生驱动的产品设计、制造和服务的新方法。研究了数字孪生驱动产品设计、制造和服务的详细应用方法和框架。此外，给出了三种情况来说明数字孪生未来在产品的三个阶段中的应用。
关键词：数字孪生；产品生命周期；设计；制造；服务；大数据；网络和物理融合
1引言
产品生命周期管理（PLM）是一种业务活动，以最有效的方式来管理公司的产品，贯穿整个生命周期，从所有第一个理想产品一直到其被淘汰和处置。 PLM是通过改善创新，减少新产品的上市时间，为现有产品提供优质支持和新服务，以及为客户使用产品提供更好的支持来使公司增加收入的活动。
如今，随着新一代信息技术在工业和制造业中的应用，例如，采用物联网技术和设备来收集整个产品生命周期中生成的各种数据，使用云技术来实现数据管理和处理，人工智能用于数据挖掘和实现增值，大数据驱动的制造时代正在来临。对于PLM，许多研究人员对产品数据管理、产品信息建模、产品信息跟踪、集成框架、知识管理、产品制造的供需匹配、产品组装等进行了大量研究。但是，尽管可以获得整个产品生命周期中的各种大数据，包括产品设计、制造和服务，但发现，PLM中仍然存在以下几个研究空白：
1.当前对产品生命周期数据的研究主要集中在物理产品而不是虚拟模型上。
2.即使关注虚拟模型中的数据，产品物理空间与虚拟空间之间也缺乏融合。此外，由于缺乏收敛性，PLM中的数据通常是孤立的、零散的和停滞的。
3.一方面，公司很难在产品位于客户位置时保持控制，另一方面，即使实现了控制，也很难对即将到来的需求或故障做出响应并引导产品设计、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、智能和可持续性水平较低。因此，需要新的方式来解决上述问题。数字孪生是复杂产品的集成多物理场、多尺度和概率模拟，并使用最佳的可用物理模型、传感器更新等来反映其对应孪生的寿命。由物理产品、虚拟产品以及将物理和虚拟产品联系起来的连接数据组成的数字孪生的思想和概念可以实现产品物理空间和虚拟空间之间的融合。因此，在产品生命周期管理中，应基于以前研究的大数据，着重研究如何生成和使用融合的网络物理数据以更好地服务产品生命周期，从而使产品设计、制造和服务更高效、更智能、更可持续。
本文的其余部分安排如下。在第二部分中，介绍了产品生命周期的概念以及PLM中的相关数据，并讨论了PLM中现有的不足之处。第三部分介绍了数字孪生的概念及其工业应用。数字孪生在产品生命周期的三个阶段的潜在应用，即（1）数字孪生驱动的产品设计（2）数字孪生驱动的产品制造（3）数字孪生驱动的产品服务在第四部分中进行了研究，以及每个阶段的案例研究。第五部分总结了本研究并指出了未来的工作。
2产品生命周期及相关数据
2.1产品生命周期和数据
产品生命周期的概念由Dean在1950年提出，并由Levitt用于产品营销策略研究。产品生命周期最初指的是从市场接受到最终淘汰的过程。受生物学启发的产品生命周期分为四个阶段，即引进、成长、成熟和衰落。随着并行工程的兴起，产品生命周期被扩展到工程领域，从产品需求分析、设计、制造、销售和售后服务中回收利用重新定义了产品生命周期以覆盖整个过程。
从制造商的角度理解特定的产品生命周期时，它指的是从概念生成、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，涉及相关的员工和部门，并生成大量的数据。
图1. 产品生命周期及相关数据
1.概念生成：根据客户的需求、市场信息、投资计划和其他数据，定义新产品或产品设计改进的概念以及产品的美学和主要功能。在此阶段，需要处理各种数据，例如各种形式的客户需求，包括评论、投诉和互联网上的视频，包括产品销售量、客户满意度、投资计划等在内的市场信息。
2.产品设计：产品开发团队通过交换和共享设计数据和想法来共同完成产品设计工作。产品设计中涉及的数据包括产品功能、外观的描述、产品配置、设计参数和测试数据等，甚至类似产品的历史故障数据也将改善产品设计。
3.原材料采购：在此阶段，通过分析材料或零件的可用性、报价、替代品和潜在供应商，为购买者制定适当的采购计划。此阶段考虑的数据包括制造商的数据，例如原材料的类型、数量、性能以及供应商数据，例如价格、距离、库存等。
4.制造：根据设计规范，将原材料或组件加工或组装成产品，然后通过质量测试对产品进行检查。在此阶段，需要监视和管理动态制造执行过程。因此，要实时收集生产要素（例如人机材料环境）的属性、性能、参数和过程条件，并进行记录以监控生产过程。
5.运输：生产完成后，根据市场需求和订单将产品运输到销售点。同时，在销售产品之后，向用户提供交付服务。为了准确及时地运输产品，必须根据库存数据、订单数据和位置数据等对物流安排进行优化。
6.销售：在此阶段，产品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，客户的偏好、偏好人群、订单的位置分布以及其他信息可以改善产品设计、生产、物流和销售进度。
7.使用：根据用户手册中的信息，客户可以正常使用产品。在使用阶段，将生成大量数据，例如产品状态数据、操作环境数据和用户行为数据。这些数据不仅可以用于产品维护和修理，还可以用于改进产品设计。
8.售后服务：此阶段负责产品维护、服务和维修。根据从产品获得的数据，生成适当的维护和服务解决方案并将其传输给制造商，从而向用户提供了有效而准确的服务。在此过程中，将记录和管理故障数据及其原因，维护数据、组件质量和状态数据以预测产品寿命和其他产品故障。
9.回收/处置：回收产品时，将根据产品状态数据和历史维护数据分析各个组件的剩余价值，以确定何时、如何、在何处以及以何种方式进行回收或处置。为了最大程度地提高产品回收利用率，需要考虑回收和拆卸的成本、组件的可重复使用状态、价值和剩余时间。
产品生命周期工程是一个反复的过程。在产品生命周期的任何阶段，都会收集、处理和使用大量数据，从而形成大数据。
2.2有关产品生命周期数据的问题
信息技术的进步正在推动制造业迈向大数据时代。数据分析和挖掘在制造企业管理中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生成的各种数据来为相关的生产活动提供系统的指导。此外，它可以帮助企业管理解决与运营和决策相关的问题，可以充分挖掘制造大数据的价值以提高制造效率。当前，智能制造是由大数据驱动的三个步骤，即关联、预测和控制，它是从各种数据的关系和统计特性中找到新的价值。
但是，仍然存在一些影响产品数据管理和在PLM中应用的问题：（1）由于用途和任务不同，整个产品生命周期各个阶段生成的数据可能会在产品生命周期的不同阶段之间形成信息岛。（2）在产品生命周期的不同阶段存在大量重复数据，这些重复的数据可能导致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相对缺乏大数据分析和各种活动之间的交互和迭代。因此，无法并行比较大数据分析和实际制造过程。（4）大数据的当前应用优先用于物理产品数据而非虚拟模型数据的拓扑分析。
针对上述问题，数字孪生被视为一种有效的方法。数字孪生的实现是产品生命周期虚拟空间和物理空间之间的相互促进过程。数字孪生可以直接比较和分析大数据的理论价值以及产品生命周期活动的真实价值。结果，它可以在整个产品生命周期中迭代地优化各种活动。在数字孪生的虚拟空间中，可以模拟、监视、优化和验证整个产品生命周期中的各种活动。而且，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
数字孪生的概念由Grieves于2003年在密歇根大学关于PLM的演讲首次发表。迄今为止，已经提出了数字孪生的几种解释和定义。
例如，Hochhalteretal相信数字孪生是一种生命管理和认证范式，其中，模型和模拟包括已建成的车辆状态、经验丰富的载荷和环境以及其他特定于车辆的历史记录，从而能够对单个航空航天器的整个使用寿命进行高保真建模。Reifsnider和Majumdar认为，超高保真度模拟的数字孪生模型与车载健康管理系统，维护历史记录以及历史车辆和车队数据相结合。它可以反映特定飞行中的物理双胞胎（或尾翼编号）的整个寿命，从而可以显着提高安全性和可靠性。
Glaessegen和Stargel于2012年给出了数字孪生的一般定义，迄今为止，大多数人已经认可并使用了数字孪生：数字孪生是一种集成的多物理场、多尺度和概率模拟的复杂产品，并使用现有的最佳物理方法、型号和传感器更新等，以反映其相应双胞胎的寿命。同时，数字孪生包括三个部分：物理产品、虚拟产品以及将物理和虚拟产品联系在一起的关联数据。
根据这些解释和对数字孪生的定义，总结了数字孪生的以下特征：（1）实时反射。数字孪生中存在两个空间，即物理空间和虚拟空间。虚拟空间是物理空间的真实反映，可以与物理空间保持超高同步性和高保真度。（2）互动与融合。该特性可以从三个方面进行解释。 （a）物理空间的相互作用和融合。数字孪生是一种全流程、全元素和全服务的集成。因此，物理空间各个阶段生成的数据可以相互连接。 （b）历史数据与实时数据之间的交互作用和融合。数字孪生数据更全面。它不仅取决于专家的知识，而且还可以实时从所有部署的系统中收集数据。因此，可以通过融合深入挖掘数据并更充分地利用数据。（c）物理空间和虚拟空间之间的相互作用和融合。物理空间和虚拟空间不是在数字孪生系统中隔离的。在两个空间之间存在平滑的连接通道，这使它们易于交互。（3）自我进化。数字孪生可以实时更新数据，因此通过并行比较虚拟空间和物理空间，虚拟模型可以得到持续的改进。
3.2数字孪生的应用
自从提出数字孪生概念以来，它已在许多工业领域得到应用，并显示出其巨大的潜力。
美国空军研究实验室的结构科学中心采用数字孪生模型建立了逼真的高保真飞行模型，并将虚拟模型数据与物理数据结合在一起，从而做出了更准确的疲劳寿命预测。空军研究实验室创建了一个框架，该模型在其中集成了各种数据并且对物理空间具有很高的保真度，以模拟和评估对耦合空气热弹性问题的热模型预测的置信度。Bielefeldt等还建立了一个基于数字孪生的模型来检测和监视飞机结构的损坏，他们使用飞机机翼的情况证明了该模型更有效。Hochhalter等提出将数字孪生与感官粒子技术相结合，以实现实时检测和必要时航空航天器的检查，维修和更换。Tuegel基于数字孪生提出了飞机数字孪生（ADT）的概念，以实现降低飞机维护成本的目标，他还指出了实现过程中的挑战。Cerrone等建立了数字孪生试样的模型，并进行了仿真实施以解决裂纹路径的歧义。仿真结果表明，使用数字孪生可以减少剪切载荷下的不准确预测。此外，PTC试图建立一个虚拟空间，以一对一地表示要在产品设计过程中使用的独特物理产品。其他许多全球知名公司（例如Dassault Systegrave;mes，Siemens PLM Software）也对数字孪生的应用表示了极大的兴趣。
根据上述数字孪生的应用，数字孪生目前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护阶段。凭借数字孪生的总结特性，尤其是物理产品与相应虚拟产品之间的同步链接和超高保真度，数字孪生具有解决PLM中存在的上述问题的巨大潜力。本文将重点介绍其在产品设计、产品制造和产品服务中的潜在应用。
4数字孪生驱动的生产设计、制造和服务
4.1数字孪生驱动产品设计
4.1.1现有产品设计流程
众所周知，产品设计过程是指从头到尾进行特定设计的整个过程以及其中包含的每个阶段的工作步骤。传统的产品设计过程以个人的专业知识和经验为中心。在这种情况下，设计人员必须进行各种测试以在设计阶段不断证明设计的有效性和可用性。相比之下，现代产品设计越来越趋向于以客户为中心并增强客户参与度。同时，产品设计过程变得越来越虚拟化、网络化和可视化。因此，现代大数据驱动的产品设计过程和云制造应运而生。
但是，这些过程肯定仍然存在一些问题。例如，大数据驱动的产品设计过程主要侧重于物理数据的分析，而不是虚拟模型的数据，即通常不存在产品物理空间与虚拟空间之间的融合。尽管由于缺乏大数据分析与各种活动之间的交
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[238430]，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。
