专栏名称: 数据治理体系

持续完善数据治理实战体系，数据仓库、标签、数字体系，实现业务数字化，数字资产化，资产业务化，资产资本化；回归业务场景的数字化案例才最具参考价值，最容易理解和借鉴的。

案例 | 家电制造数字孪生建设与应用

数据治理体系 · 公众号 · · 2024-04-19 07:54

正文

制造业是国家经济发展的基础，家电制造业是中国制造业重要的组成部分，涉及众多产业链上下游主要供应商及从业人员的生存和发展。同时，家电产品对拉动国内消费增长，构建“国内国际”双循环格局起着核心的推动作用。

但是家电产品迭代周期短、市场竞争大，同时近些年来市场原材料及人力成本逐渐增加，迫使家电企业必须走转型升级之路。伴随着信息技术的发展，数字化、网络化、智能化等技术推动制造业迈向新的发展高度，这其中数字化转型战略也成为众多传统家电企业的首选。

家电数字化转型涵盖研发设计、生产制造以及销售服务等各个环节和流程，其核心在于产品研发设计数字化。从上世纪50年代开始，数字化设计依次经历了计算机辅助设计、集成制造、网络化制造以及以智能制造四次技术变革和升级。随着智能制造领域政策推广和行业技术的发展，催生出大量基于数字孪生技术在各行业的数字化探索和实践。数字孪生是基于物理实体、虚拟模型、数据、连接、服务为核心要素，集成多物理、多尺度、多学科属性，具有实时同步、忠实映射、高保真度特性，能够实现物理世界与信息世界交互与融合的技术手段。家电行业作为数字化转型浪潮中的重要组成部分，目前暂未看到有关数字孪生技术在其中的应用研究。本文将基于数字孪生技术的特点探索其在家电产业中的场景应用及价值，为家电企业的数字化转型提供一定的建议和参考。

1 数字孪生技术介绍

业界一般认为，虚数字孪生技术最先由密歇根大学Michael Grieves教授于2002年针对PLM相关研究提出的镜像空间模型演化而来，后被NASA进一步丰富并引入其空间技术路线图，其主体在于基于仿真的系统工程。此后，美国的通用电气、ANSYS、PTC以及德国西门子、达索等工业巨头也纷纷下场开展数字孪生技术方面的研究，先后在设备故障监测以及预防性维护、基于数据和物理模型混合驱动的仿真技术等领域探索落地场景。

相较于传统虚拟样机、多物理场联合仿真等技术，数字孪生更加注重物理实体与虚拟实体之间的交互关系，对建立的虚拟模型具有高保真度和高精度等要求。虚拟样机针对不同的应用场景，对模型的要求也不一样。而数字孪生技术要求数字化模型尽可能的“真”、“准”、“全”。可以说数字孪生技术是虚拟样机技术的升级，是基于多学科联合的详细虚拟样机模型对物理模型的体现。基于数字孪生的上述特点，目前数字孪生在各行业的功能主要体现在以下几个方面：模拟仿真、状态监控与故障诊断、故障预测与预防性维护、生产过程的控制与优化等，如图1所示。

图1 数字孪生技术功能与作用

2 家电数字孪生总体架构

家电产品的数字孪生架构需要面向家电研发、生产制造以及销售服务等全流程业务，即构建解决家电全生命周期管理的数字孪生体，如图2所示。

图2 家电全流程数字孪生体简要说明图

2.1 研发设计端数字孪生体

研发设计阶段，通过建立数字产品数字孪生体，开展产品结构、动力学、振动噪声性能以及疲劳寿命等方面的CAE仿真技术研究，同时结合产品测试工作实现系统参数的识别等。研发设计端的数字孪生体建模目前主要有三种方式，即基于物理模型的仿真建模（model driven）、基于数据预测的仿真建模（data driven）以及两者混合驱动的仿真建模（hybrid driven），如图3所示。

图3 研发端数字孪生建模

2.1.1 物理建模驱动

物理建模主要依赖于各基础学科的发展，通过物理模型的构建和算法实现，能够对产品所处的工况进行性能的响应预测，如滚筒洗衣机的振动问题，可以建立洗衣机六自由度动力学模型，通过力学关系和微分方程的解耦计算，研究影响洗衣机振动的主要参数并实现优化改进，如图4所示。

图4 滚筒洗衣机物理建模示意图

目前物理建模构建数字孪生体主要采用仿真软件实现，它结合计算力学的理论和相关方法开发求解计算模块。物理建模是构建数字孪生体最常规的一类方式，并且拥有较多商用分析软件来辅助工程设计人员做开发应用。

2.1.2 数据建模驱动

数据驱动建模是基于试验兴起的一门技术，它是对物理建模的补充和完善。基于数据的建模方法源于物理建模对一些复杂工业行为的机理难以实现解析表达，故而采用以数据为核心的分析方式建立预测工业场景行为的模型。基于数据的驱动建模在最初阶段需要构建研究对象从“从生到死”的全生命周期数据库，完成原始数据积累，将研究对象的实际响应结果及问题暴露，才能构建可信度高的数字孪生体模型。以数据为驱动构建数字孪生体能够结合时下大数据、机器学习、人工智能等技术，完成对工业机理的深度拟合，是目前数字孪生技术应用较为广泛的一类方式，如图5所示。

图5 基于数据驱动的离心机组数字孪生体示意图

2.1.3 混合建模驱动

混合建模是物理模型和数据分析两种建模方式的综合，它通过数据的实时采集可以实现对现有物理模型的修正。反过来，物理模型能够弥补数据模型适应性和灵活性存在的不足，从而提高数据模型的泛化能力。

基于机理和数据的混合建模技术是智能制造领域的关键技术之一，目前已经广泛应用于产品性能改进、生产过程控制、优化以及状态监测等领域。图6给出简单的混合建模驱动的架构示意图，基础数据通过已有的机理模型建立过程的状态与参数之间的联系，然后通过历史数据和现有数据建立的数据模型“黑盒”对产品的输出响应做分析和预测，并动态实现过程参数的优化。

图6 混合建模简单架构示意图

2.2 生产制造端数字孪生体

生产制造端的数字孪生体建立在智能制造、工业互联网领域应用最为广泛和活跃的地带，涉及5G网络、制造协同、边缘计算、智慧物流、虚拟工场、VR/AR等技术。

家电制造业在构建生产过程数字孪生体的实践中，主要基于“人、机、料、法、环”五大元素的高效协同、高效运转、高效输出为目标，通过建立设备层级、车间层级以及整个工厂层级的数字孪生体为手段，最终实现大规模协同制造和工厂数字化升级，达成“降本、增收、提效”的终极目标，基于海尔在家电制造领域的引领和实践，形成我们对生产制造领域的数字孪生体架构模型，如图7所示。

图7 生产制造端数字孪生简易架构示意图

2.3 销售服务端数字孪生体

销售服务端数字孪生体以实现数字化营销、体验和售后为主要目标，搭建“数据+产品+用户+场景”四位一体的服务体系，实现数据在物流、销售到售后服务等流程的流通。销售服务端涉及产品在用户现场的直接使用情况，是产品全生命周期的最后一个环节。通过对用户故障数据收集，搭建产品失效模式数据库，结合研发设计端产品数字孪生体，构建循环迭代的产品全生命周期管理方式，更好的对产品故障和使用寿命进行预测。

同时，基于用户对产品的体验和评价在大数据分析、人工智能等技术的帮助下，实现用户标签及用户画像的构建，最终帮助营销人员实现精准市场推广和运营，同时协助研发人员完成下一代产品的开发。

2.4 家电数字孪生体总体架构

基于上述流程分析，我们建立了家电产品的详细数字孪生总体架构，如图8所示，包括计算硬件层、基础资源层、核心功能层等组成部分。产品全生命周期的物理模型与数字模型之间通过研发数据流、生产数据流以及服务数据流进行互动，实现全流程的数字化架构和技术升级。

图8 家电数字孪生技术总体架构

数字孪生体中的核心功能层涉及家电整个研发和生产的关键技术，是构筑自身竞争壁垒的核心所在。通过仿真分析软件构建家电多学科多物理场的数字化模型，同时结合测试数据形成仿真与测试的研发闭环，对家电数字孪生体的代际更迭与升级完善具有重要意义。

3 数字孪生技术在家电研发中的应用

3.1 基于家电数字孪生的系统仿真应用

家电产品的研发设计流程一般如图9所示，其中概念和详细设计阶段对产品整体的性能和使用寿命影响最为关键。

图9 家电产品研发流程

家电产品性能属于多学科多物理场的耦合响应，设计过程涵盖结构强度及疲劳、热力学、动力学、声学、电磁学以及空气动力学等领域，尤其依赖于有限元、边界元、虚拟样机、多学科优化、一维仿真、信号测试等技术，而基于家电的数字孪生系统仿真将综合多个学科的技术难点，搭建学科交叉的综合性家电产品数字孪生体。

以制冷空调机组为例，整个系统包括换热器、节流装置、压缩机等主要部件，在构建系统的仿真模型过程中会涉及到各类建模方法和算法模型。通过结合已有的物理模型，物理模型包含CAE仿真模型、一维多学科建模等。同时结合测试数据开展系统混合建模技术研究，建立制冷系统的数字孪生体，如图10所示。

测试数据实现系统部分参数识别，基于识别参数和构建的虚拟混合模型，同时采集输出的关键性能参数实现虚拟模型与实际输出结果的交互反馈，完成对虚拟混合模型的升级完善，最终构建精确的数字孪生体。

图10 制冷系统数字孪生体示意图

3.2 基于家电制造数字孪生的工厂建设应用

3.2.1 工厂建设与规划仿真

海尔互联工厂的建设在筹备阶段均采用仿真技术分析、验证规划方案，通过综合的工厂仿真平台搭建，实现整个车间级别的数字化建模。在工厂运行后，通过将已有的模型对接软件系统、连接设备IOT数据，并使用平台的优化模块以及一定程度的二次开发，将仿真模型升级为孪生工厂。

案例 | 家电制造数字孪生建设与应用

正文

请到「今天看啥」查看全文