数字孪生驱动的大数据制造服务模式
发布时间：2020-12-26 05:14
大数据、数字孪生等新技术引发了人们对制造模式的新思考,结合《中国制造2025》中制造业服务化重要内容,提出一种数字孪生驱动的大数据制造服务新模式。从智能制造与数字孪生、制造服务模式方面综述了国内外相关研究进展;提出了一个数字孪生驱动的大数据制造模式开放式体系架构及其运作逻辑;从数字孪生驱动的2个世界及其描述、数字孪生与大数据的结合、大数据制造服务模式中模型建立与优化3个方面对大数据制造服务模式使能技术进行了研究。该制造服务模式对促进中国传统制造企业转型升级和提升新国际竞争环境下综合竞争力具有理论和现实意义。
【文章来源】：科技导报. 2020年14期 北大核心
【文章页数】：10 页
【部分图文】：
数字孪生发展历程
工业互联网引发生产范式变革，推动形成数据驱动制造模式。从构成要素角度看，机器、数据和人构成了工业互联网生态系统。从核心技术角度看，贯彻工业互联网始终的是数据资源，工业互联网的本质就是构建一套数据采集、存储、管理、计算、分析和应用的工业大数据资源体系，即将正确的数据在正确的时间传递给正确的人和机器，以信息流带动技术流、资金流、人才流、物资流，进而不断优化制造资源的配置效率。从杂乱无章的原始数据到具有价值的决策信息，由此形成了用数据生产、管理和决策的制造范式，也就是计划、协调、决策及执行，为此从数字孪生、大数据及生产性服务的实现和服务执行机制的角度构建了数字孪生驱动的代理人大数据制造服务模式体系架构（图2），分为5大部分：“虚拟世界（产品全生命周期）”“物理世界（大数据）”“数据处理机制（数字孪生）”“数字模型”及“应用”，从而将各类平台上的创新成果与经济社会各领域深度融合起来，产生化学反应、放大效应，形成更广泛的以互联网为基础设施、数字孪生为桥梁和大数据为工具的数字经济发展新形态。如图2所示，数字孪生驱动的大数据制造服务模式针对产品全生命周期中各个阶段（物理世界）（设计、加工、装配、运行、维护、拆解、回收）进行检测或验证，通过智能感知/传感、工业以太网等，实现大数据原始数据采集等；同时，基于数字孪生中针对非结构化数据、半结构化数据、结构化数据处理机制，通过大数据收集、大数据处理和大数据分析层的数字模型，以应用层功能化方式（如决策应用、协同应用、规划应用、动态调度、质量预测、事先维护、智能回收等），实现与大数据（虚拟世界）的相应映射，进而利用大数据分析技术推动制造业向定制化和精准服务化转型。这里，应用关联分析法对企业调度信息和订单信息进行回溯研究；应用预测分析法对生产中的设备维护周期和质量监控力度进行模拟预测，形成事先维护、事先控制的质量管理与设备维护机制；利用聚类分析法对能耗数据与回收数据进行动态关联，探索企业生产制造低碳化、清洁化、循环化的发展路径。通过产品全生命周期中各环节的数据互相关联，最终形成数字孪生驱动的大数据制造模式闭环运作生态。此外，从大的使能技术层角度看，则大致可以划分为技术层、大数据收集层、大数据处理层、大数据分析层及应用服务层（表2）。
如图3所示，数字孪生驱动的大数据制造服务模式涉及两个世界——物理世界、虚拟世界，涵盖了产品全生命周期各个环节，是近年来兴起的云制造（云服务、物联网、云计算）、制造服务（面向服务的生产、制造网络）、制造服务化（从服务经济进化到服务嵌入）的集成，其核心是数字孪生、大数据两个技术支持，也对该制造服务模式结构、运行方式和演化起到了重要作用。从制造服务化维度来看，数字孪生相继经历了服务经济、服务增值、服务增强及服务嵌入等阶段。“服务经济”是美国经济学家维克托·福克斯（Victor R.Fuchs）在1968年对起始于20世纪50年代的全球经济结构性变革的称呼[13]，也是第三产业在国家GDP中占比高的美国、英国等老牌资本主义国家的典型社会特征之一。“服务增值”是伴随着人类社会科学技术的飞速发展而诞生的，目前依然没有权威公认的定义，但其核心内容是：针对客户需要，在原有价值链各个环节为客户提供超出常规服务（传统服务经济）范畴的服务，使价值链相应环节相对于以前有价值提升（原本没有价值增值的一些环节也由此而成为有效价值链的一环）。“服务增强”是在“服务增值”基础上，使价值链中产生价值增值的环节被突出出来，而且通过对该环节加大“投入”（人力或物力等），从而使得该环节客户满意度在原有基础上有进一步提高。“服务嵌入”是在“服务增强”基础上，把服务融入到价值链各个环节中，使服务成为相应环节的有机组成部分（一体化）。
【参考文献】：
期刊论文
[1]制造企业动态能力对其服务智能化绩效影响的研究[J]. 韩箫亦,董京京,许正良. 工业技术经济. 2020(02)
[2]服务型制造发展展望与对策建议[J]. 齐晓轩,夏国钦,时巍,王勋. 产业创新研究. 2019(12)
[3]数据驱动的产品创新设计研究[J]. 肖人彬,林文广. 机械设计. 2019(12)
[4]大数据发展、制度环境与政府治理效率[J]. 赵云辉,张哲,冯泰文,陶克涛. 管理世界. 2019(11)
[5]智能制造是“中国制造2025”主攻方向[J]. 周济. 企业观察家. 2019(11)
[6]智能制造与数字孪生：关键技术与发展趋势[J]. 互联网经济. 2019(Z2)
[7]供需交互视角下的产品服务系统方案配置[J]. 罗建强,吴启飞. 计算机集成制造系统. 2020(05)
[8]智能制造、数字孪生与战略场景建模[J]. 肖静华,谢康,迟嘉昱. 北京交通大学学报(社会科学版). 2019(02)
[9]云制造服务平台系统的设计与开发[J]. 周灼,苑明海,孙超,邓坤. 计算机技术与发展. 2019(07)
[10]云制造联盟——一种基于信息服务平台的新型制造业组织模式[J]. 王京,陈伟,高长元,白云. 科学管理研究. 2018(06)
本文编号：2939102
【文章来源】：科技导报. 2020年14期 北大核心
【文章页数】：10 页
【部分图文】：
数字孪生发展历程
工业互联网引发生产范式变革，推动形成数据驱动制造模式。从构成要素角度看，机器、数据和人构成了工业互联网生态系统。从核心技术角度看，贯彻工业互联网始终的是数据资源，工业互联网的本质就是构建一套数据采集、存储、管理、计算、分析和应用的工业大数据资源体系，即将正确的数据在正确的时间传递给正确的人和机器，以信息流带动技术流、资金流、人才流、物资流，进而不断优化制造资源的配置效率。从杂乱无章的原始数据到具有价值的决策信息，由此形成了用数据生产、管理和决策的制造范式，也就是计划、协调、决策及执行，为此从数字孪生、大数据及生产性服务的实现和服务执行机制的角度构建了数字孪生驱动的代理人大数据制造服务模式体系架构（图2），分为5大部分：“虚拟世界（产品全生命周期）”“物理世界（大数据）”“数据处理机制（数字孪生）”“数字模型”及“应用”，从而将各类平台上的创新成果与经济社会各领域深度融合起来，产生化学反应、放大效应，形成更广泛的以互联网为基础设施、数字孪生为桥梁和大数据为工具的数字经济发展新形态。如图2所示，数字孪生驱动的大数据制造服务模式针对产品全生命周期中各个阶段（物理世界）（设计、加工、装配、运行、维护、拆解、回收）进行检测或验证，通过智能感知/传感、工业以太网等，实现大数据原始数据采集等；同时，基于数字孪生中针对非结构化数据、半结构化数据、结构化数据处理机制，通过大数据收集、大数据处理和大数据分析层的数字模型，以应用层功能化方式（如决策应用、协同应用、规划应用、动态调度、质量预测、事先维护、智能回收等），实现与大数据（虚拟世界）的相应映射，进而利用大数据分析技术推动制造业向定制化和精准服务化转型。这里，应用关联分析法对企业调度信息和订单信息进行回溯研究；应用预测分析法对生产中的设备维护周期和质量监控力度进行模拟预测，形成事先维护、事先控制的质量管理与设备维护机制；利用聚类分析法对能耗数据与回收数据进行动态关联，探索企业生产制造低碳化、清洁化、循环化的发展路径。通过产品全生命周期中各环节的数据互相关联，最终形成数字孪生驱动的大数据制造模式闭环运作生态。此外，从大的使能技术层角度看，则大致可以划分为技术层、大数据收集层、大数据处理层、大数据分析层及应用服务层（表2）。
如图3所示，数字孪生驱动的大数据制造服务模式涉及两个世界——物理世界、虚拟世界，涵盖了产品全生命周期各个环节，是近年来兴起的云制造（云服务、物联网、云计算）、制造服务（面向服务的生产、制造网络）、制造服务化（从服务经济进化到服务嵌入）的集成，其核心是数字孪生、大数据两个技术支持，也对该制造服务模式结构、运行方式和演化起到了重要作用。从制造服务化维度来看，数字孪生相继经历了服务经济、服务增值、服务增强及服务嵌入等阶段。“服务经济”是美国经济学家维克托·福克斯（Victor R.Fuchs）在1968年对起始于20世纪50年代的全球经济结构性变革的称呼[13]，也是第三产业在国家GDP中占比高的美国、英国等老牌资本主义国家的典型社会特征之一。“服务增值”是伴随着人类社会科学技术的飞速发展而诞生的，目前依然没有权威公认的定义，但其核心内容是：针对客户需要，在原有价值链各个环节为客户提供超出常规服务（传统服务经济）范畴的服务，使价值链相应环节相对于以前有价值提升（原本没有价值增值的一些环节也由此而成为有效价值链的一环）。“服务增强”是在“服务增值”基础上，使价值链中产生价值增值的环节被突出出来，而且通过对该环节加大“投入”（人力或物力等），从而使得该环节客户满意度在原有基础上有进一步提高。“服务嵌入”是在“服务增强”基础上，把服务融入到价值链各个环节中，使服务成为相应环节的有机组成部分（一体化）。
【参考文献】：
期刊论文
[1]制造企业动态能力对其服务智能化绩效影响的研究[J]. 韩箫亦,董京京,许正良. 工业技术经济. 2020(02)
[2]服务型制造发展展望与对策建议[J]. 齐晓轩,夏国钦,时巍,王勋. 产业创新研究. 2019(12)
[3]数据驱动的产品创新设计研究[J]. 肖人彬,林文广. 机械设计. 2019(12)
[4]大数据发展、制度环境与政府治理效率[J]. 赵云辉,张哲,冯泰文,陶克涛. 管理世界. 2019(11)
[5]智能制造是“中国制造2025”主攻方向[J]. 周济. 企业观察家. 2019(11)
[6]智能制造与数字孪生：关键技术与发展趋势[J]. 互联网经济. 2019(Z2)
[7]供需交互视角下的产品服务系统方案配置[J]. 罗建强,吴启飞. 计算机集成制造系统. 2020(05)
[8]智能制造、数字孪生与战略场景建模[J]. 肖静华,谢康,迟嘉昱. 北京交通大学学报(社会科学版). 2019(02)
[9]云制造服务平台系统的设计与开发[J]. 周灼,苑明海,孙超,邓坤. 计算机技术与发展. 2019(07)
[10]云制造联盟——一种基于信息服务平台的新型制造业组织模式[J]. 王京,陈伟,高长元,白云. 科学管理研究. 2018(06)
本文编号：2939102
本文链接：https://www.wllwen.com/jingjilunwen/gongyejingjilunwen/2939102.html
