孔宪光:基于数字孪生的工业大数据智能分析与实践

责任编辑:田小梦 2018.10.19 18:09 来源:通信世界全媒体

通信世界网消息(CWW)10月19日,“数享家峰会暨数字孪生发展论坛”在京召开。西安电子科技大学智能制造与工业大数据技术研究中心主任孔宪光分享出基于数字孪生在工业大数据的分析和实践。

演讲全文如下:

孔宪光:大家下午好!

我带来的题目是《基于数字孪生的工业大数据智能分析与实践》,PPT主要视角是,如何将大数据核心技术和数字孪生和CPS的技术进行交叉融合,用于智能制造和智慧建造的分析实践。

首先从数字孪生这个大数据发展的角度上讲,在工业领域的大数据它基本上会从几个方面进行扩展:

第一个方面,所有的工业大数据都是从装备层面开始,从装备层面慢慢跟业务深度的耦合,研发设计、体验。然后从业务端就会慢慢的拓展到产品全生命周期的相互阶段的关联耦合,慢慢过渡到全产业链的大数据分析,以及跨产业的大数据分析。

第二个方面,工业级的大数据分析是需要工业人工智能技术的快速发展,工业人工智能技术绝对不是其他行业的人工智能技术。在工业行业的翻版应用,要结合行业内专业算法和结构化处理,结合工业的深度融合。

第三个方面,信息物理系统与数字孪生是指导大数据智能分析的重要方法。人机物新一代智能信息系统,其中特别强调物理空间和信息空间虚控和虚实融合的数字数字孪生技术应用。可以这么讲,数字孪生技术是信息物理系统中的非常重要的基础和灵魂,也是打通物理空间和信息空间的一个通道。

第四个方面,多模态融合的工业大数据分析建模工具是价值萃取的明珠。这里面包括描述性分析发生什么?现在正在发生什么?规定性的分析,以及为什么发生?诊断性分析以及将来发生什么?是预测性分析,以及指导性分析,避免发生。

第五个方面,数字孪生和工业大数据必须结合工业互联网体系进行传播放大和应用。工业领域的碎片化的知识挖掘,必须通过不同层次的数字孪生体进行价值和支持的萃取,形成知识胶囊和颗粒之后跟APP结合,形成个体、群体和产业链级成百上千上万的APP应用,服务于工业领域。

第二部分结合这两个技术的研究形成一套分析方法,并在多个行业和多个项目中进行实践应用。

首先要做这件事情,必须了解CPS、数字孪生和数字孪生体的关系。CPS,你看到图上所有的全部就是CPS系统;数字孪生是打通物理空间和信息空间中间的部分通道,叫数字孪生技术。数字孪生技术产生的对象数据和模型的结果是数字孪生体,数字孪生体之间包括了很多复杂的联系,会通过数字纽带,也叫数字主线,或者叫数字链,然后通过相互联系,存在信息空间里面,这个是一个非常重要的基础。

第二个方面,基于数字孪生技术,把工业大数据的分析方面变成一种一种多模态虚实融合的方法,从咨询将我们一个业务问题如何变成一个数学问题?将我们一个数学问题如何应用数字孪生技术进行虚实多模态的融合分析?然后能够在不同层次进行应用,这是我们的一套方法论。

首先工业大数据咨询,一方面来讲会从三个维度:

1、业务维度,怎么驱动解决问题?

2、数据维度,如何去进行产业链和跨产业链的数据应用?

3、知识挖掘维度,怎么挖掘我们专家系统,专家的知识,以及知识如何产生知识?

这种分析的图谱,也是数字孪生的图谱,是非常重要的。这是数字孪生和工业大数据的一个战略规划。从刚才讲的装备业务、产品生命周期、产业链、单元级系统级产生这样一个图谱,逐步推进我们数字孪生的发展。

第三个方面,简单实践。我们一直致力于这四个工艺级数字孪生的发展:装备数字孪生、制造数字孪生、试验数字孪生、施工数字孪生。

我挑了几个例子,首先第一个地铁在施工中的盾构装备,是一种非常典型的机业业控的复杂装备,布了上千个传感器,这种装备如何用数字孪生呢?首先我们做盾构下井,下到地铁之前,将盾构装备的实际生产情况进行全部模拟,看到装备的实际运行情况。然后用它虚体指导实体的运行,同时帮它实体在生物过程中的地址、设备的工矿、状态等所有数据采集其他进行实体化的监控。第二步,结合施工前我要进行选包,施工中要基于对它的装备健康和可靠性进行评估,对它再造的优化设计进行支持,然后构建了一个数字孪生体系,有100多个数字孪生体。然后通过这些数字孪生体将我们重点的高质高产就静态的模型,有知识,有动态的模型进行融合,去评估高质高产它的寿命、健康以及各种指标。

第二个,在一些行业里面构建了一些大型的高端复杂装备的一些数字孪生,这些装备的数字量非常小,是小量数据,如何结合一些静态模型、激励模型、数据模型用于航天的制造过程中。

另外,在输配电装备行业,在断路器生产过程中,在它的产线上面做了一些,通过它运维的数据来去分析断路器故障分析,实现它在运维期间的一个数字孪生体。最后在断路器的装备产业上面,把装配线的所有要素虚拟仿真出来,把它的数据进行动态的监控和管控。然后,去评估实体的情况,同时把实体的运行情况,在各个测试环节的数据,我们汇总出来进行质量的追溯和问题满意度的分析,并且在实际现场去应用。

同时我们和中兴通讯在合作,做SMT产线的数字孪生及分析,也构建出来了质量追溯、质量控制,大概20多个数字孪生体,用于它产线上质量的分析。我们也和航天在合作做智能的铸造产线,我们把铸造产线中的装备、产线、质量进行多维度、多层次的一个耦合的数字孪生,来解决它具体的业务问题。你可以看到我们在产线上面所有的运行情况,所有数据能够展示,然后通过我们对铸件行业知识经验的萃取,包括铸造过程中的经验模型和数据模型,搭建了大概50多个数字孪生体来进行应用。

其次,在施工过程中,将BIM技术和大数据技术结合起来,沿着这个数字孪生体系我们构建了大概两百多个数字孪生体,包括从监测地址,包括怎么控制质量,怎样进行异常功耗的判断,包括计划成本等等方面,这些就是具体的应用,比如地面沉降方面,如何进行地面沉降的预测通知,异常工矿预警,纠偏控制等等。

最后,实际上当前工业互联网平台面临着一个主要矛盾,我们应用还比较肤浅,主要矛盾就在于制造业智能化转型升级的迫切需求和工业互联网平台的供给能力实际上是不足的。有两个原因,我们还比较缺乏高水平的大数据分析模型,包括分析技术和分析人才,那么分析技术模型的产生要依赖于之数字孪生技术。工业的技艺模型、方法、机理不给也是跟数据的耦合不够。

因此,我觉得要从很多方面进行创新,当然我们自己也会从我们研究方法,我们的分析理论和方法进行研究,跟产业进行融合,从业务端到应用端,从物理端到信息端,从平台端到服务端,从信息端到智能端,加速促进专业的数字孪生的大发展。

好的,我的报告就到这里,谢谢大家!


发表评论请先登录
...
CWW视点
暂无内容