展示数字孪生技术的价值
展示数字孪生技术的价值撰写者： David Immerman
[*]工业物联网
[*]9/3/2019
[*]阅读时间：7分钟
[*]
[*]
[*]
[*]
物理世界中存在着大量的机械系统，而关键的见解却隐藏在平原中，等待为工业公司创造价值。数字双胞胎技术提供了一种了解其物理环境的 途径，同时可以解锁关键的见解和业务成果，包括通过预防故障和提高运营效率来优化智能，互联的产品和流程。
PTC开发了一种比例模型挖掘机的数字孪生演示，以说明通过使用数字孪生将物理世界和数字世界联系起来而带来的无限可能性和商业价值。数字孪生的价值实施像挖掘机这样的重工业资产的数字双胞胎可以提高资产正常运行时间，从而提高运营效率，同时释放对传统上无法回答的问题的新颖见解，并在整个价值链中发挥作用。这些答案的基础是IIoT，实时仿真，人工智能，增强现实，云计算和其他免费数字孪生技术的实施。
尽管PTC在为客户提供卓越的工程设计方面拥有丰富的传统，但本次演示的重点是所有者/运营商角色，并且是通过PTC和第三方技术开发的，旨在说明数字孪生可以带来的现实价值。与大多数互联的工业资产一样，有些传感器会生成大量数据，以在IIoT平台上进行上下文化。PTC通过Raspberry Pi3对挖掘机进行了计算能力的改进，以利用来自压力传感器和线性电位计的遥测数据来监视气缸的行程和铲斗中的负载。
配合这一硬件仪器同样含有边缘客户端使用来实现对树莓裨显着固件操作ThingWorx JavaSDK。该SDK是将数据从挖掘机传输到基于云的ThingWorx服务器的网关，该服务器上有一系列集成技术和强大的仿真模型。该技术基础是推出下一代产品的关键数字双胞胎用例说明如下。IIoT平台对工业数字双胞胎至关重要使用数字双胞胎管理实时资产时，需要一个IIoT平台，通过资产的数字定义（包括3D模型，工程计算和参数）将传感器数据关联起来。在这种情况下，PTC从ThingWorx的传感器馈送中确定了相关属性，包括挖掘机臂和动臂角度，铲斗角度，铲斗负载以及其他运动，这些特性为一些工程仿真和AI / ML模型奠定了基础。但是，并非所有相关的挖掘机属性都可以使用传感器进行监控；需要数字孪生来填写某些计算（例如重心）的其他见解。
实时仿真产生有价值的见解这些高级仿真模型的基础是Creo和Windchill的独特配置，这些配置由ThingWorx按需提供和编排。这些模拟可以遵循各种不同的工业用例，主要围绕维护安全的操作条件，资产正常运行时间和预测性维护。以下是实时模拟，可在演示中产生预测见解：
[*]倾翻危险：基于质量中心和重心计算，利用传感器的输入和物理机械的运行条件，动态计算挖掘机倾翻的风险。当臂进一步远离挖掘机延伸时，重量分布不均，并增加了倾翻风险。使用警报阈值设置系统可以抢先实时警告操作员以防止事故发生，或登录ThingWorx进行事故后分析。
[*]动臂预测：动臂是挖掘机的关键组成部分，对其性能的持续监控是挖掘机健康状况的重要指标，也是对大量使用如何影响资产使用寿命的重要指标。
[*]疲劳寿命估算：数字定义中的链接（包括子组件部件，例如动臂基座的一部分）可以作为应力分析和模拟的指标。通过烘焙各种假设（例如循环载荷的振幅和监视峰值载荷），该模型可以为挖掘机的疲劳分析提供依据。通过使用Creo-as-a-Service，仅当违反峰值负载参数然后在ThingWorx中对其进行更新时，才按需触发组件数据，从而增加了资产的正常运行时间和使用寿命。
[*]手臂压力分析：通常，具有多个变量的复杂物理模型可能要花费数小时才能计算，从而限制了实时用例。为解决此问题，PTC使用Creo Simulate来运行多种设计方案，使用深度学习技术训练神经网络，并在Raspberry Pi上嵌入轻量级的预测器模型。神经网络基于实时收集的数据（以秒为单位）提供最大承受压力的预测。在边缘利用基于AI / ML的仿真可以利用嵌入式复杂仿真来优化计算能力；通过支持预测性维护用例，这对于重工业资产的数字孪生来说可能会改变游戏规则。
[*]燃油效率：借助来自挖掘机的实时遥测数据（发动机转速/负载）和定性因素（操作员，天气状况），PTC可以使用数字孪生模型预测每小时的燃油消耗。使用Mathcad即服务，可以动态提供这些更新的计算，用户可以监视预测的燃料使用量，并可以根据实际使用情况在每个操作员的基础上评估挖掘机的效率。
一个数字双胞胎，多镜头和用例有许多机会可以利用这些数学模型来扮演多个角色。例如，疲劳寿命估算不仅可以帮助维修技术人员进行预测性维护，还可以更好地告知工程师其设计更有效零件的努力。
建立一个数字双胞胎并将其应用于不同角色和用例的不同镜头，是通过数字双胞胎获得价值的基石。以下是几种不同的数字双镜头角色，尽管对于工业企业而言，列表可以扩展得更多。
[*]工程师： 对于所连接产品的制造商而言，实际产品使用情况和性能数据会根据操作条件来代替设计计算中的假设。这为产品工程师和设计师提供了至关重要的反馈回路，可用于改进新产品的未来迭代并启用生成设计功能，从而进一步优化制造流程。
[*]操作员：实时了解零件何时发生故障或有发生故障的风险，对于防止停机至关重要。使用挖掘机性能KPI还可用于评估操作员的性能，并通过增强现实体验来培训初级操作员。
[*]服务：实时模型可以快速通知服务技术人员系统中的潜在故障，而AR为数字孪生提供镜头，以就地为物理机器提供服务。
最后的想法当数字和物理系统融合在一起时，可能性和数字孪生用例将无穷无尽，并以不同的视角提供给正确的人员正确的信息。产品或系统的数字定义以及物联网的遥测数据都需要企业充分发挥数字双胞胎的潜力并解锁下一代用例。有效地结合所有已知见解来源的双胞胎可以为多个用例提供服务，而无需返工。
将仿真模型应用于重型工业资产的实际性能数据可以极大地减少停机时间，并且借助物联网和云计算等支持技术，这些数字孪生实施将越来越广泛且具有影响力。标签：
[*]工业物联网
关于作者戴维·伊默曼David Immerman是PTC公司市场营销团队的业务分析师，在技术，趋势，市场和其他主题方面提供思想领导力。之前，David是451 Research物联网渠道的行业分析师，主要负责智能交通领域和汽车技术市场，包括车队远程信息处理，联网汽车和自动驾驶汽车。他还花了很多时间研究支持物联网的技术和其他垂直行业，包括工业。在451 Research之前，David在IDC从事市场研究。
页:
[1]