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
2017年12月6日收到，2018年1月6日接收，2018年1月15日发布，2018年2月28日当前版本。
数字对象标识符10.1109 / ACCESS.2018.2793265
数字孪生和大数据迈向智能制造和工业4.0：360度全方位比较
戚庆林和陶飞，（IEEE高级会员）
北京航空航天大学自动化科学与电气工程学院，北京100083，中国
通讯作者：陶飞 (ftao@buaa.edu.cn)
这项工作既由中国的北京诺瓦计划资助项目Z161100004916063资助，又由中国国家自然科学基金资助项目51475032和Grant 51522501资助。
摘要 随着以大数据和数字孪生为代表的新一代信息技术的发展，智能制造正成为全球制造转型升级的重点。智能源于数据。制造业大数据的综合分析有利于制造业各个方面的发展。此外，数字孪生为解决实现智能制造的重要瓶颈——制造业的网络物理整合，铺平了道路。本文重新审视了大数据和数字孪生在制造业中的运用，包括他们的概念及其在产品设计、生产计划、制造和预测性维护中的应用。在此基础上，从总体和数据的角度比较大数据和数字孪生之间的异同。 由于大数据和数字双胞胎可以互补，因此本文还将介绍如何将它们进行整合以促进智能制造行业的发展。
关键词 大数据, 数字孪生, 智能制造, 综合比较, 整合。
1前言
互联网、物联网（IoT）、大数据、云计算、人工智能（AI）等新一代信息技术（New IT）的发展[1]，为许多行业带来了宝贵的机遇。如图1所示，越来越多的事物被关联到互联网。Gartner预测，到2020年，将有超过200亿台设备（大部分来自制造业）与物联网连接[2]。因此，将生成包括结构化、半结构化和非结构化数据在内的大量数据，到2020年，这些数据将超过40泽字节（ZB）[3]。借助云计算的强大存储和计算能力，可以运用大数据的分析模型和算法来整理、分析和挖掘这些原始数据[4]、[5]，以获得有用的信息。同时，具有自学习能力的人工智能借助数据分析变得越来越智能化。
图1 新一代信息技术及其应用
信息
原因
决策
执行
判断
学习
自我调节
自我管理
自我学习
数据分析
数据存储
数据发掘
数据整理
分析
整理
收集
整理、分析和挖掘原始数据
大量的、不同种类的数据被采集
结构化数据
半结构化数据
非结构化数据
200亿台设备
2020年
人工智能
云计算
大数据
物联网
在制造业中，大数据涉及从产品生命周期中获取的大量结构化、半结构化和非结构化数据。制造业日益数字化为智能制造开辟了机会[6]。制造数据通过物联网[7]被实时、自动地采集。通过基于云计算的大数据分析，制造商可以发觉到制造流程的瓶颈，了解问题产生的原因和影响，找到解决方案。为了提高生产效率，制造工艺不断得到改进，并且越来越精细化，其竞争也越来越激烈。所有来自制造大数据的有价值信息都反作用于产品设计、制造、MRO（维护，修理和大修）等，它可以帮助制造业实现向智能制造的变革。
此外，现实世界与虚拟世界的双向联系与融合越来越受到关注。数字孪生为实现网络物理整合铺平了道路。数字孪生是以数字方式为物理对象创建虚拟模型，以模拟他们的状态[8]。虚拟模型可以通过传感器采集的数据了解物理实体的状态，从而预测、估计和分析其可能的动态变化。同时，物理对象也将根据仿真得到的优化方案对这些变化做出响应[6]。通过网络物理闭环，数字孪生可以实现对于整个制造过程的优化[9]。
总而言之，采集和分析大量的制造数据从而找到相关规律和理论，已经成为智能制造的关键。同时，数字孪生打破了现实世界与关于制造业的虚拟世界之间关联的阻碍。但是，大数据与数字孪生之间存在哪些异同？他们各自的优点是什么？是否有可能构建一座桥梁，从而将大数据和数字孪生结合在一起？如何将它们进行融合？这些问题都值得深思和探讨。因此，本文阐述了大数据和数字孪生的概念，以及它们在制造业中的应用。在此基础上，从不同方面对它们进行比较。本文的主要贡献包括：
（1）阐述了大数据和数字孪生的概念。讨论了制造业大数据的数据来源、数据处理和数据应用，以及数字孪生在制造业中的应用。
（2）从总体和数据等多方位角度对大数据与数字孪生在制造业中的作用的异同进行了比较，并对其各自的优势进行了讨论。
（3）讨论了数字孪生和大数据之间的互补性。并说明了数字双胞胎，大数据和服务如何联合起来推动智能制造。
本文的其余部分安排如下。大数据的概念和应用将在第二部分中进行介绍，其次是第三部分中关于数字孪生的介绍。第四部分对数字孪生和大数据在制造业中的运用进行了比较。在第五节中，讨论了它们在制造业中的融合。最后，在第六节得出结论。
II.制造业中的大数据
在万物互联（Internet of Everything，IOE）时代，越来越多的物理设备被连接到互联网，使得大量的数据被RFID，传感器，网关等收集，并通过物联网进行传输。此外，移动互联网，社交网络，电子商务等，大大拓展了互联网的应用。因此，各种数据爆发。在各个行业，决策的制定也越来越多地依靠数据和分析，而不是经验。数据正成为人类社会重要的资产，大数据的时代已经到来[10]。
A.大数据的概念
毫无疑问，大数据已经越来越重要。然而，对于大数据的定义还没有达成统一的意见。一般来说，大数据是描述由数据源产生的大量结构化、半结构化和非结构化数据，这些数据需要耗费大量时间和金钱去存储和分析，从而获得巨大的价值。因此，就数据本身来说，大数据是指在一段可容忍的时间范围内，无法通过常规数据工具收集、存储、管理、共享、分析和计算的海量数据[11]。对于数据用户来说，他们更关注数据的价值而不是其庞大的数量 [12]。因此，大数据也被解释为能够快速从各种含量数据中获取隐藏价值和信息的能力。它超越了用户的一般处理能力。
此外，大数据还可以通过以下特性来定义，即数据量（Volume）、多样性（Variety）、速度（Velocity）和价值（Value）——4Vs [13]。关于Volume，它指的是数据规模庞大，从几PB（1000TB）到ZB（10亿TB）[14]。至于Variety，这意味着数据的大小，内容，格式和应用是多样化的。例如，数据包括结构化数据（例如数字，符号和表格）、半结构化数据（例如树木，图表和XML文档）以及非结构化数据（例如日志，音频，视频，文档和图像）[12]。Velocity意味着数据的生成速度很快，数据处理需要高度的及时性。面对海量数据，速度就是企业的生命。对于Value来说，数据的重要性不在于其庞大的数量，而是其无限的价值。如何通过强大的算法从海量数据中提取信息，这是企业提高其自身竞争力的关键。此外，大数据的特点被扩展到10Vs，即数据量（Volume）、多样性（Variety）、速度（Velocity）、价值（Value）、精确（Veracity）、想象力（Vision）、易变性（Volatility）、 描述性（Verification）、有效性（Validation） 以及变异性（Variability）[15]。
B.大数据驱动的智能制造
1）制造业的数据来源
在制造业中，大数据是指在产品生命周期中采集的数据，如设计、制造、MRO等[16]，这些数据也具有4Vs特征，即数据量（大量数据）、多样性（数据本身以不同的形式出现，并且来源不同）、速度（数据以非常高的速度生成和更新）以及价值（隐藏在数据中的巨大价值）。制造数据通常来自以下方面（见图2）：
图2.大数据在制造业中的来源、处理及应用
用户
用户
网络
网络
网络通讯
信息系统
生产资源
产品
环境
材料
设备
物联网
数据源
数据流程
数据采集
实时数据
数据分析
线下数据
数据传输和存储
数据整理
数据可视化
数据分析
下一
循环
功能分析
废品诊断
主动式服务
智能MRO
智能产品
能力平衡
质量控制
工艺优化
智能计划
材料计划
生产计划
智能时间表
智能设计
产品预测
需求分析
设计优化
(1) 制造资源数据，包括a）运用工业物联网技术从智能工厂收集的关于实时性能、运行条件等的设备数据； b）从材料和产品本身以及服务系统收集的材料和产品数据，如性能、库存、使用环境等；c）环境数据（例如，温度，湿度，空气质量等）等。
(2) 来自制造信息系统（例如，MES，ERP，CRM，SCM和PDM）以及计算机辅助系统（例如CAD，CAE和CAM）的管理数据。这些数据包括设计方案、订单调度、物料分配、生产计划、市场营销和销售、服务管理、财务等。
(3) 互联网数据，包括a）从电子商务平台（例如亚马逊，沃尔玛和淘宝）和社交网络平台（例如，Twitter，Facebook，LinkedIn和YouTube）收集的用户数据，诸如用户评论，偏好和行为等；b）开放网站（例如政府和公共服务网站）的公共数据等。
2)数据处理
然而，单纯的原始数据几乎没有用处。必须通过相应措施对其进行处理以提取其中的有用信息（参见图2）。首先，通过各种途径收采集数据，例如物联网（如智能传感器和RFID）[17]、[18]、API（应用程序编程接口）、SDK（软件开发工具包）、网络爬虫等。由于多源，异构，多尺度，高噪声等特性，制造数据需要在进一步处理之前进行过滤[19]。然后，将过滤之后的数据集成并存储起来，便于各个级别的制造数据之间进行交换和共享。接下来，基于云计算，通过先进的分析方法和工具（如机器学习，预测模型等）分析和挖掘实时数据或离线数据所提供的信息[20] - [22]。宝贵的信息是从大量的动态和模糊数据中提取的，这使制造商深入了解产品生命周期各个阶段成为可能。因此，制造商将做出更加理性、迅速和全面的决策，并提高其竞争力。
3）大数据在制造中的应用
大数据对制造业产生了前所未有的影响，涉及以下几个方面，如图2所示。
(1) 在大数据时代，产品设计从基于灵感和经验的设计转向由数据和分析驱动的设计。通过对用户行为和市场趋势的大数据分析，设计师可以准确量化客户需求，将客户需求融入到产品特性和质量要求之中[23]。由于大数据分析，产品设计得到显著加速和优化。
(2) 在制造开始之前，智能生产计划是依据制造资源数据制订的。根据全球数据（如可用资源和能力信息，材料数据，工艺参数和约束条件）之间的联系，可以快速生成全球性的优化计划程序，从而提高计划效率和准确性。
(3) 在制造过程中，实时数据使制造过程监控成为可能，因此制造商可以随时掌握变化，以制定最佳的操作控制策略[24]。 此外，凭借大数据分析，产品质量控制和改进被嵌入从原材料到成品的每一步。 例如，质量缺陷的早期预警和故障根源的快速诊断可由此实时实现，以保证产品的高质量。
(4) 最后，凭借强大的预测能力[25]，大数据改变了传统的、被动的MRO模式。通过收集和分析来自智能设备或产品的海量数据，主动开展为预防MRO [27]而进行的设备或产品健康监测、故障诊断[26]以及操作过程优化等操作。
C. 总结
综上所述，可以得出如下结论：首先，数据是非常宝贵的资产，它使智能制造成为可能。其次，大数据的战略意义不在于掌握海量数据，而在于通过专业手段来获取具有特定意义的价值。此外，融合数据的价值远远大于单一类型的数据。
III. 数字孪生
随着新信息技术的兴起，制造业中网络世界运用的范围、程度、功能，以及与物理世界的融合得到了加强[28]。 数字孪生为网络物理整合铺平了道路。 它成为连接物理世界与网络世界之间的桥梁，为制造企业提供实现智能生产和精确管理的新途径。
A.数字孪生的概念
数字孪生的概念首次由Grieves提出[29]。一般来说，数字孪生就是以数字方式为物理对象创建一个虚拟模型，以模拟他们在真实环境中的行为[8]。因此，数字双胞胎由三部分组成，即物理世界中的物理实体，虚拟世界中的虚拟模型以及连接这两个世界的数据（参见图2）[29]。
数字孪生反映了物理对象和虚拟模型之间的双向动态映射[28]。具体而言，它是物理实体的虚拟化。物理操作过程以虚拟手段进行判断，分析，预测和优化。相应的，这也是虚拟过程的具体化。在对产品设计，制造和维护过程进行仿真和优化之后，数字孪生也将指导物理过程执行优化方案[9]。在虚拟与现实交互的过程中，将数据进行整合是必然趋势。来自物理世界的数据通过传感器传输到虚拟模型，以完成仿真、验证和动态调整。仿真数据被反馈给物理世界以响应变化，改进操作并增加效率。只有在相互融合的数据环境的基础上，交叉分析才有可能。
B.数字孪生在制造中的应用
如图3所示，数字孪生集成了所有制造工艺，可实现产品设计，制造和智能MRO等的闭环和优化。[9]
图3. 制造业中的数字孪生
主动维护
增值服务
最佳生产
验证
<p
全文共17698字，剩余内容已隐藏，支付完成后下载完整资料</p
资料编号：[15926]，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。
