新闻资讯

3DCAT实时渲染云平台

让任意设备随时随地访问您的3D应用

数字孪生与智能制造相关概念的关系
数字孪生,说直白一些,其实也是一种理念、模式或机制,相对于CPS似乎更加能够引起大家的共鸣,这都是可以利用和引导大家发展的。对数字孪生的看法,也应该抱着一种开放的态度,这不是谁家的自留地,也不是单靠某几家就可以搞出来的,因为这本就不是一个具体的东西,只有百花齐放才能够落地结果。 (1)数字孪生与工业互联网的关系 数字孪生是闭环CPS过程的典型体现,具有“虚实同步、以实融虚、以虚控时”特点,工业互联网/工业互联网资源状态及控制的泛在化基础设施能力是支持数字孪生得以实现的基础,同时数字孪生也是工业互联网平台贯通软硬环节的有效支撑。数字孪生所强调的物理实体的状态数据采集,尤其是实时的数据采集,就与当前工业互联网发生了密切的关系。即使在没有工业互联网之前,我们对于物理实体也总是想办法通过各种传感器来进行数据采集,只是比较繁琐,可能实时性也不够,更别说实现对物理实体指令驱动下干预运行的功能。因此对于工业互联网来说,从基础设施的角度,应该尽量的统一标准,否则的话也只是一种理念,看起来也很美好,其实很难做。当国内沉浸于智能制造和工业4.0的宏大理念的时候,其实不管是德国还是美国,都在发展工业互联网标准,比如德国为资产设备所施加的管理壳,或者提出的与实体相对应的代理AGENT,个人认为这才是应该我们认真注意的,否则又是在建空中楼阁,或者寄希望于单打独斗的建平台对抗国外的整个体系。 (2)数字孪生与建模仿真的关系 数字孪生的目标建立实现与物理实体安全相对应的数字孪生体,并在此基础上实现双向的数据采集和干预控制,强调的是闭环控制关系,但这个过程在实际中没有必要完全具备或其实也不能够一蹴而就。数字孪生的发展是随着技术进步而演进的,从而使得之前的一些想象有了变成现实的可能。比如我们在建模与仿真过程当中,我们需要对模型进行验证和校验,也许以前我们只是对所建的模型进行与实体相对应的某些特点的教研与验证,那随着技术手段的发展,我们越来越可以对模型对于实体的完全映射进行探索。我认为建模与仿真其实是对物理实体的单向预测分析,虽然能够走到这一步,也已经很不容易了,我们大量的CAE软件就是在做这些事情,但数字孪生所强调的是闭环关系,其核心在于对物理实体的实时干预执行,在工业互联网以及TSN等实时性的数据采集和控制技术的支持下,实现对物理实体的闭环控制也就有了可能。建模仿真的目的是为了评估,评估的目的是为了预测,预测的目的是为了决策,决策的目的是为了优化,优化的目的是为了实现对实体的纠偏干预,从而实现闭环的数字孪生控制,从这个角度来说,当前的建模与仿真也需要大踏步的前进,从离线走向在线,从软件为主走向软硬一体融合。 (3)数字孪生与工业软件或工业APP的关系 这两个本来不是一个维度的东西,数字孪生是从一个回路的角度所描述的闭环系统。但数字孪生闭环回路当中的决策分析环节,即体现为数字孪生体,一般都是以软件的形式作为展现载体。从这个角度来说,数字孪生体也是工业软件的一种,但就数字孪生来说,其本质上是扩展了工业软件的范围与内涵。同时,数字孪生体的本质是决策,如果只是局限于认为三维形式的产品或产线仿真推理分析才是数字孪生体,其实也是有失偏颇的。 数字孪生体其核心功能是基于知识经验沉淀的推理分析,内嵌了机理或者决策模型。比如我们经常见到的仿真分析系统,包括较为抽象的生产运营管理决策工具,都是常见的数字孪生体。由于数字孪生体直指企业工艺优化或者运行管理的决策,必须具备深厚的专业领域知识以及生产管理经验,其技术复杂度和开发的难度都是非常高的,我们一般说工业软件难以开发,更多的味道就在这个里面。 工业APP是在工业互联网语境下提出来的,通过建立工业互联网平台形成工业软件系统或模块的互操作机制。这种语境下的工业APP其实并不追求大而全,更多的是像一种插件一样,通过类似工业现场所用的各种总线那种概念的业务总线/中台和数据总线/中台的事件驱动与数据服务的方式,能够通过配置即可实现与其他工业APP的集成和互操作,从而形成支持业务运行的动态可重构系统。这种工业APP与传统的相对独立的工业软件是不一样的,是工业软件的一种新型形态。那种基于传统的工业软件,如MES、ERP等,通过云化就号称是工业APP,其实还是比较勉强的,也不是工业互联网语境下的工业APP的真实意思。所谓的工业互联网平台的核心应该是在这个方面,就是形成类似工业操作系统的一个平台,但是这方面现在看来其实还有很长的路要走的。 工业软件是产品研发过程中知识经验的软件物化,是工业APP所强调的服务化特点的源头支撑。数字孪生闭环过程中的数字孪生体是工业软件的重要体现方式,体现了对物理对象的几何、物理、行为、规则及约束的多维、不同粒度的多空间、推进演化/实时过程/外部干扰的多时间等尺度的综合 一般我们说某个企业能够在市场上长期立足更多的其实是在说都企业有自己的know-how,也就是知识,而这种知识更多的是体现在工艺人员的头脑或者经验中,比如我们经常提的大国工匠,其实更多的说的存在他们头脑中的经验知识。这些知识经验一般都是比较模糊的,想要把它提炼出来变成一个软件形式,其中最核心的就是建模,分析问题的内涵、表达问题的关联因素及其关系,描述这个问题的求解推理方式。 应该说企业在长期的发展过程当中大多并没有相关的工业软件,更多的是依靠人,有经验的人来来开展这个事情,但其实已经做得挺不错了或者有效的支撑了我们制造业的发展,解决了很多问题或者支撑了企业的工艺发展。虽然人具有最大的柔性,但这种局面也说明,可能在很大程度上面向实际问题的解决,其实并不是或需要那么精密,或者说在精确性上面来说一定要如同计算机的精密、精准的定量计算那样。其实这里面也暴露了一个最简单的道理,就是很多工业问题,可能最好的方式是只需要花20%的精力就能解决80%的问题。说这个呢,主要是想表明一下,工艺的建模,也应该本着这个目的,也未必一定要需要等到,好像所有的原理机理一定要彻底的清楚明白和表征,完全的精准的,精确的定量,才能够进行和开展,这应该是解决实际问题的一种可行的思路。这也是数字孪生发展的应有之义。 而对于企业来说,这些有知识和经验的,老工人或老师傅应该是企业的宝贵财富,记得之前有人提过进行智能制造好像就是机器换人,好吧,如果就算是做了这个事情,把人换下来之后来做啥?这是最关键的,就是要想办法把这些人的知识和经验能够物化地沉淀下来,虽然自动化做到了一部分,但自动化所物化或沉淀其实更多的还是一种简单的知识经验的沉淀。 (4)数字孪生与MBSE/数字主线的关系 基于模型的系统工程(MBSE)是实现全生命周期集成研发的核心思想,数字化孪生体将促进建模、仿真与优化技术无缝集成到产品全生命周期的各个阶段,也是面向加工、装配等DFX技术发展的重要使能基础,是推动MBSE核心思想发展的重要着力点。数字主线是从过程业务数据驱动的角度实现全生命周期集成的重要技术,从狭义角度而言,为全生命周期各阶段业务模型的处理提供数据衔接传递支持,从广义角度而言,为整个全生命周期链条提供统一的信息模型规范支持,是数字孪生体在不同尺度上的数据获取与分析方面的具体体现,是数字孪生闭环控制模型的重要支撑。 而对于数字主线来说,一般认为是面向全生命周期集成的产品模型在各阶段演化利用的沟通渠道,一般认为数字主线是依托于贯穿产品全生命周期的业务系统的,而这个业务系统是可以认为是广义上的CPS的。其实感觉这种区分是对一个CPS当中分析推理决策模型的内部细分,因为数字孪生体所代表的模型本来就是一个广义的复杂模型,总体模型内部也是可以分成多个小模型的,彼此之间具有关联(比如生产中的数字孪生体,这个模型应该是综合包括产品模型和装备模型的,这些状态融合在一起,才能够有效的分析推理决策产品的实时实际状态的),数字主线就是将这些小模型之间的关联关系进行明确和提供支持。因此从全生命周期这个广义的角度来说,数字主线是属于面向全生命周期的数字孪生体的。从另外一个角度来说,数据主线所依托的业务系统,在面向全生命周期的过程范畴,也可以视作是一个CPS闭环过程,就是所谓的系统之系统的CPS,其实从广义的角度来说,这也是一个数字孪生过程。

2021-06-29

数字孪生体现了管理经验的知识沉淀,能够有效的提升智能管控水平
造执行过程管控需要根据不同的企业类型及其生产特点,需要贯彻和综合不同的先进管理思想。但是一般来说这些管理思想,比如精益思想,很多企业甚至很多专家,还认为这只是一种指导性的方法论而已,从中理出来一些原则或者说是方法手段,对生产过程当中的某一点、某个业务进行实施应用。 这样理解是带有一定的片面性的,实际上来说也有感觉,这些先进管理思想,在实际当中的运用,更多的是一种割裂性的碎片化的实践。如果做了或实施应用了一个制造执行系统,这个制造执行系统如果不体现先进的管理思想,那相当于这个制造执行系统,那么这就是一个没有灵魂的系统。一般来说能解决问题简直就是个奇迹啊。 因此应该将各种先进的管理思想,把它细化落实或者凝炼成管理经验与知识,并且系统化而不是孤立的体现在生产管理当中,尤其是智能管控方面。这些经验和知识的沉淀或者说物化或者更明确的进行软件化,其实也是相当于建立了内部有机关联的决策模型。而这种决策模型,本质上来说,其实是制造执行过程的数字孪生,或者某个侧面指标或目标的数字孪生。 比如可以建立面向产线或者车间的排产调度模型,在这个里面体现TOC等思想,当然体现的不仅仅是TOC,还有很多其他的先进的排产调度思想。见到一个约束就进行处理,其实还是挺被动的,也不利于系统的发展。所以自己一直在揣摩,如果能够将一些先进的管理经验知识和管理思想,融合到APS当中,也许可以达到一种事半功倍的效果,应该是APS将来的一个重要的发展趋势。 比如在制造执行过程当中我们可以建立前后工序之间的精度链条模型,根据前道序的加工精度实现,等下一道工序基准的调整,这种分析,就是 数字孪生的一种体现,整个生产过程具有自组织的味道。这既是管理的思想,也是工艺的思想,相当于是一种融合。

2021-06-29

数字孪生体现了工艺知识的沉淀,能够有效的提升核心工艺能力
工艺是与产品质量和生产效率直接相关的专门知识,任何一个企业即使是在手工管理模式下,也应该是非常重视工艺的,所以开展智能制造、工业互联网等方面的技术研究和探索应用的时候,工艺都是重要的目标服务对象。 其实很久以前,工业过程建模与仿真,这是大家耳熟能详的一个技术方向,也是一个范围很广的技术方向。数字孪生与之前的工业过程建模与仿真还是不一样的。传统的工艺过程建模与仿真,可能更多是脱离于实体的一种孤立的运行,而数字孪生是一种与实体双向连接的运行?如果简单来理解,可以理解成一个是在线,一个是离线。 数字孪生更偏重于动态的在线。 但不管怎么样,数字孪生或者说为了实现数字孪生的第一步就是建模。需要进行建模,当前工业互联网技术的发展,从实体上面来获取各种各样的实时状态提供了手段,也为建模及其应用提供了扩展空间。但这些工业互联网等都不是最主要的,只是外围支撑的手段而已,最主要的还是怎么使得这个模型能够表达的真实。在仿真领域,很久以前有一句话是这么说的,做虚拟仿真切忌“虚而不拟,仿而不真”,其实就是说的这个模型是否准确?是否能够反映实际?其实美国长期以来,从上个世纪五六十年代开始,就一直在国防先进制造等计划中持续的支持和发展建模与仿真。可能刚开始有些人觉得这方面比较虚,但是这个方面其实是对工艺机理进行深入探究的代名词。不论是解决实际问题,还是推动技术发展,甚至相关工业CAE软件的发展,都是极其需要和重要的。 工艺的类型是多种多样的,相关的 数字孪生模型,也是多种多样的,所涉及到和所综合的学科知识也是不一样的,这才是真正的专业知识的沉淀凝练。我们说的智能制造在很大程度上是体现为数字孪生的综合运用的。 比如对切削加工来说,可以基于工艺推理模型,对工件的加工质量进行实时的评判,并能够根据决策分析结果,对相关的工艺参数进行及时有效的调整,这样就具有一种自适应的味道。 比如,针对某企业薄壁件加工变形控制方面的研究中,就综合运用了内部应力场重构控制、切削工艺建模与仿真分析、弱刚度变形补偿等措施,虽然是针对具体的零件来开展的,虽然里面也具有很多的经验的成分,当然也是融合了一些数字化定量的技术研究,后续应该将这个过程进行沉淀,沉淀成一个分析推理的模板,后续只要按照这个步骤来做,任何薄壁零件的加工变形控制问题都可以得到解决或者一定程度的解决,这也是数字孪生的一种体现。 对每一次走刀之后的加工型面进行测量并进行曲面重构,同时与理想的型面进行比较分析,找出偏差进行补偿,调整刀位轨迹并生成数控程序,可以有效的提高加工精度。这个过程里面所开发的分析软件,其实也是一种数字孪生。 工艺数字孪生是夯实和提升我们制造实力的根本,从做大转向做强的必然途径。

2021-06-29

数字孪生的核心是基于工艺和管理知识的决策
对于数字孪生而言,在物理实体和数字虚体之间,横亘着两个关系:一个是自下而上的状态感知和数据采集,一个是自上而下的实时控制,但这些仍然只是看得见的关联关系,更为核心的是所建立的数字虚体或者 数字孪生体应该具有与物理实体相对应的孪生效果,当然这种孪生效果不能仅仅是形似,而是为了神似,而神似的目的就是要能够支持基于所采集的数据状态信息进行分类、分析、推理、决策和预测。 数字孪生的核心是决策,而执行这个的是数字孪生闭环关系中的数字孪生体,其核心重点是建模分析和推理。如果只是强调三维可视化展示,其实是有点舍本逐末,不仅不符合数字孪生所追求的分析推理,更是与数字孪生体要对物理实体进行干预的要求相去甚远。也许在很多情况下面,真正起决定作用或者说发挥更重要作用的,对于显示的要求并不是那么高。从以决策为核心出发,基于实际执行状态的APS,其实也可以认为是一种数字孪生,其中涉及大量的模型和算法,并且是对生产进行预测分析与优化,但可能连显示都没有。其实我们以前做各种各样的CAE分析,也是强调试验验证和模型校验的,只是这个反复迭代的过程比较冗长,与当前所提的数字孪生所强调的实时性不同。但其实这方面的努力,我认为也都是抓住了数字孪生最核心的决策要求,也为当前数字孪生体的发展提供了基础支持,从某种角度来说,这种工作更加有意义。 数字孪生的核心是决策,包括分析、推理、预测等,至于结果的展示并不一定是可视化。但现在见到的一些宣称数字孪生的,包括产品的或者产线的,基本都比较强调可视化的运用,可视化是可以有的,但从内核功能来说并不是必须的。数字孪生强调的是虚实同步映射,目前能做的大多体现为实向虚的映射,比如通过虚拟的产线模型反映实际产线的实际运行状态,但这个其实只是展示而已。数字孪生最重要的是分析推理及其之后对物理实体的干预,说的是内在相似而不是简单的外表。从这个角度来说,目前实向虚的技术和案例已经较多,但虚向实的优化干预仍需进一步努力。

2021-06-29

数字孪生概念内涵的4点判断
数字孪生是近几年得到重视的一个概念,尤其是与之前智能制造、CPS等相比,人们感觉 数字孪生是更加落地或可以作为抓手的一个概念。虽然从字面来说,“数字”、“孪生”是偏向于与物理实体相对应的“虚体”的含义,但既然涉及到“孪生”一定是有其物理实体对照物的,并且一定是与物理实体对照物具有关系的一种综合概念。 (1)数字孪生是强调实时性的CPS 赛博物理系统(CPS)作为智能制造的核心模式,体现了动态感知、实时分析、自主决策、精准执行的闭环过程,支持了装备/系统的自适应、自组织的智能化发展理念。数字孪生是CPS的具体体现,重点是突出虚实融合下的数据处理、仿真分析、虚拟验证及运行决策等。 其中的核心在于,对于业务对象而言,所谓的分析推理其实也是基于模型的,而这个模型是基于状态感知和实时采集基础所建立的,这个模型能够支持分析推理,虽然这种分析推理可能只是某个方面的,但也是对对象的某种 数字孪生或者某种程度上的数字孪生。因此从这个角度而言,数字孪生其实是CPS的某个子集。数字孪生因为特意强调了“孪生”,不可避免的具有一定的实时性特点,而传统的CPS从理念角度是涵盖了实时和非实时两种情况的。 (2)可视化不等于数字孪生 数字孪生与可视化展示是“皮”与“毛”的关系。数组孪生一定是在某个方面反映物理实体的,这是毋庸置疑的。但这某个方面只是物理实体的某些特性,而未必是全部的特性,有些方面可能并不需要建立可视化展示。 比如我们通过APS来对车间的运行状态进行表达,并在此基础上给出进一步持续的资源优化配置方案,这个背后当然是有模型的,但这个模型未必是可以展示的。 比如对于复杂电子产品的研制,一般分为电讯总体和结构总体。对于复杂电子产品来说,电讯总体显然是更重要的,实际当中也是这个样子的。但是电讯总体更多的表达的是这个复杂电子产品内部的信号输入输出之间的关联关系,更多的是一种逻辑上的表达。笔者见过的一些单位就是通过MATLAB或者说利用商业化仿真软件的一些模型来进行表达。而结构总体才是真正的可见物理实体表达,是这个复杂电子产品各个组成部分可见的物理实体之间的关联关系。从最终的结局来说,我们这两个方面应该是都需要的,实际操作过程当中,这两个方面的一体化集成也是我们追求的目标。但现有复杂性和技术条件制约,分成两个部分来分别开展这方面的工作,是更为实用的一种做法。 数字孪生更多的强调内在关系而不是外部展示,同时,数字孪生在技术限制下,也可能只是对物理实体进行某个侧面的分析。 (3)三维模型不是数字孪生的必备 一般而言目前很多说数字孪生的都是基于三维的产品或产线模型,其实本不必如此的。只要这个模型能够有效地表达并支持进行产品或产线某方面分析的特性,我们就可以认为这就是一种数字孪生。 比如,建立数学模型,并通过MATLAB进行数字化程序表达,这个能够求解的程序,我认为就是一种数字孪生;比如对于APS,属于基于车间当前状态的某种决策模型,虽然可以通过形式化的数学方式进行表达,但其更多的还是由某种软件系统表达的,通过这个程序系统或内在的分析模型,可以进行产线的产能评估、瓶颈分析、外协/分批决策等,我认为这也是一种数字孪生。但这些模型与传统所说的图形三维是没有关系的。是否支持决策是数字孪生的根本,其他的都是外在。其实从这个角度进一步思考,比如MES我就认为是一种大号的CPS,并非CPS一定是面向设备或单元的,这应该就是所谓的系统级CPS的本质含义了吧。 (4)数字孪生不是凭空来的 虽然数字孪生的概念很热,但数字孪生并不是凭空来的天赐之物。就如同工业界的很多好的理念,比如单元化、精益生产等,都是根据实际总结出来的一样。关于数字孪生乃至CPS,其实在概念没出来之前已经有很多实践了。 人类有三种实践,物理实验只是其中一种,另外两个的理论推导和计算机模拟,其实都是现实实物的抽象,从这个角度而言,其实都算孪生,只是不都是数字化而已。但一般而言,计算机模拟在内涵上很大程度上也是由理论分析模型支持才能实现的。

2021-06-29

数字孪生是软件定义制造实现的支撑
无疑问,自动化技术是智能制造发展的重要支撑技术之一。无可质疑,很多企业将自动化线建设视为智能制造的重要抓手。并且涌现出了一些“黑灯生产”、“无人工厂”的示范案例。本质上,或者大多数情况下,自动线更多的体现为物流周转基础上的联动动作时序的协调,可以视之为一系列离散硬件装置在特定动作序列约束下运行的生产线。传统的自动线是通过PLC梯形程序进行控制,或者通过专门的工控软件进行控制,不仅控制正常的流程,也应该具有一定程度的异常处理控制能力。 因此,结合目前很多企业在上马自动化线或已经建成自动化线的局面下,如何进行智能化提升,也是不得不和必须面对的问题,而这个过程其实与数字孪生也是不谋而合的。本部分从两个方面论述:一是德国工业4.0关于自动化柔性线的智能管控思路;二是融合APS的自动化柔性线智能提升步骤。 1)德国工业4.0关于自动化柔性线的管控思路 在数字车间这个方面,德国工业4.0其实早就提出了这方面的理念,这种理念的核心含义就是软件定义制造,其手段主要是通过将物理实体或者物理生产线当中的每一个硬件实体,都抽离与其相对应的软件AGENT或者SERVICE,所谓的智能管控,就是对这些硬件资源的运行进行配置形成“务联网”,是服务的“务”而不是物体的“物”,“物联”只是最终的表现形式,其背后是通过“务联”实现业务的有序运转。 图1是德国工业4.0的典型资料图片,其所表达的含义是生产线中所有的硬件单元都有对应的软件形式的服务,比如传感器服务、控制服务、通讯服务、校验服务、信息服务等,整个CPS网络系统就是一个服务连接网络,具有“服务联网”的概念,这些服务有层次并且能够动态组合配置。所谓的智能管控,体现为硬件资源的离散化,通过服务化封装,实现业务资源链条的重构与控制,并可以进一步的支持“软件定义制造”理念的落地。其中如图1所示的生产线中的各种传感器、泵、阀、控制器、通讯装置等都有与其相对应的服务,而这种服务其实就是直接面对硬件资源的数字孪生,在此基础上构建的服务层级或者服务网络或者服务链条(ERP或MES的新型式),其实都是对数字孪生的进一步深入应用,其目的是支持实现自动化+柔性的智能制造新局面。 (2)融合APS的自动化柔性线智能提升步骤 德国工业4.0所宣传自动化柔性线智能管控的核心是实现资源的柔性配置,而这种配置的手段就是面向智能制造的APS的重要发展方向。融合APS的自动化柔性线智能提升步骤如下所述。 提升自动线构成要素装置的CPS独立控制能力:对于自动化产线线而言,一般都是连续的没有间断的按照时序执行动作。但这些动作时序的执行,也是需要依靠一些构成要素装置的,比如阀、泵等,或者是各种集成程度的独立装置等。对这些要素按照能够状态反馈、指令执行的方式,进行改造和提升,为后续的智能化柔性控制提供支持。 支持任何构成要素装置的必要性联动控制能力:这种联动控制并不是限定自动化产线中某两个装置的固定时序,其核心目的是增加柔性,目标是自动线上任何需要建立关联的构成要素装置能够实现联动控制。这方面的分析可以从产品的工艺流程角度入手,按照生产过程中各个构成要素装置时序关系进行分析。 以产品性能保证为核心的工艺知识沉淀及物化能力:产线对产品性能保证的技术提升无止境的,根据需要可以分析产品的性能指标的保证机制,比如引入机器视觉、比如引入自适应加工等,丰富自动线运行的知识基础上的智能化内涵。 多产品混线生产的关联控制与协调能力:只有当自动线能够支持多产品混线生产,自动线能够提供柔性的关联控制与协调能力,才能说这条线具有智能的味道。比如自动数控加工线,可以自动的获取状态并进行分析,可以下发指令进行硬件装置的工作参数调整;比如自动数控加工线,根据需要为不同的硬件装置传递不同的数控程序;比如不同产品的工艺流程不同,可以通过柔性的联动控制,实现生产路径的快速转换,以及不同品种产品在自动线上的混流交叉生产。 基于APS的软硬一体化控制的柔性控制:如果自动线只是生产一种产品,则所有的硬件要素装置锁定了某种动作指令序列而已。但如果自动线是多品种混线的,则动作指令序列将具有复杂的组合联调配置要求。如果这种组合判断比较简单,可以通过PLC或工控软件来实现。但如果这种组合判断比较复杂,尤其是加入了智能化体现的分析、推理、决策等内容,单纯的状态0-1式或阈值式判断将无法满足需求,需要引入复杂软件系统的形式进行控制,才能满足需求。并且,这种复杂软件控制系统,面对多产品混流生产的复杂的生产过程,将是目前传统的APS向软硬一体化紧密关联协调控制的重要转变和发展方向。

2021-06-29

数字孪生在医疗健康行业有哪些典型应用案例?
数字孪生是用物理模型,以及传感器获取数据的仿真过程,在虚拟空间中完成映射,反应相对应的实体全生命周期过程。 过去,在医疗健康行业中,无论是药物的研发,还是为患者制定治疗或者手术方案,都需要经过多层验证和测试,往往这些测试和验证的过程耗时长并且成本高昂。利用 数字孪生技术,我们可以依托数字病历、疾病登记库、穿戴式传感器等获取数据信息,进而构建虚拟的患者、虚拟的解剖环境以及医院环境,我们可以搭建一个基于真实数据的虚拟模型,然后获取该模型对药物以及治疗方案的反馈。 数字孪生技术让医疗健康行业的工作变得更加高效、更具科学性、预测性和前瞻性。下面我们一起来了解一下数字孪生技术在医疗健康领域的应用和案例。 药物的临床试验 药物临床试验成本高、耗时长、效率低,并且还伴随较高的失败风险,符合标准并自愿参加实验的患者更是少之又少,药物临床实验工作面临巨大挑战……利用数字孪生技术,借助现有试验数据,建立实验组和对照组的 数字孪生体来替代部分人类志愿者,缓解招募志愿者的压力。 医疗护理服务 电子病历、疾病注册库和可穿戴设备中的数据可用作创建患者的“数字模型”,根据患者目前的状态,数字孪生 技术可以将各种数据呈现给医护人员,帮助医护人员及时判断可能会发生的紧急情况并提前做出应对措施。拥有数字孪生技术的“加持”,医护人员能获取更多有价值的信息,帮助他们为患者提供更高效更有效的护理服务。 手术预演 手术的过程中,任何小小的失误都将为患者带来不利甚至是致命的后果,手术前的细致规划和预演是必不可少的。比如依托患者CT图像创建心脏数字模型,医生能在实际操作之前,预先规划复杂的经导管主动脉瓣置换术,从而在实际操作过程中能更稳定发挥。 现在,我们可以将复杂的医疗可视化内容发布在3DCAT平台上,医护工作者和患者可以使用任意设备获取流畅直观的实时3D可视化体验,让医疗协作更加便捷高效。 权威数据报告显示,到2025年,全球数字孪生市场规模预计将达到360亿美元,未来,数字孪生技术在医疗健康领域更广泛的应用和部署,将大幅推动行业的进步和变革! 以上就是3DCAT实时渲染云平台整理发布的《数字孪生在医疗健康行业有哪些典型应用案例?》一文。如需转载,请注明出处及链接:https://www.3dcat.live/news/digital-twin 了解更多数字孪生相关资讯,请关注数字孪生: https://www.3dcat.live/news/szls 推荐阅读: 从物理空间到数字世界,数字孪生技术赋能工业智能化 什么是数字孪生,为什么数字孪生对物联网很重要? 数字孪生如何影响行业?数字孪生在哪里使用 数字孪生的用例以及数字孪生的价值 什么是数字孪生技术?为什么数字孪生如此重要?

2021-03-10

从物理空间到数字世界,数字孪生技术赋能工业智能化
“数字孪生”一词的热度在不断攀升,究竟什么是“数字孪生”? 数字孪生,英文名为Digital Twin,也被称为数字镜像或者数字映射。它的官方定义非常复杂:是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。 数字孪生 这样描述可能会更好理解: 数字孪生就是物理实体的3D模型,而且该3D模型的动画是由真实实体的实时数据驱动的。实体的实时状态以及外界的条件,都会复现在“孪生3D模型”上。 数字孪生如何凸显价值? 以工厂来举例,我们现在来研究如何优化工厂流水线,如何减少制造时间成本的问题。 首先应该构建一个包含工厂内一切——机器、传送带、叉车等等的工厂3D模型,然后在实体工厂对机器和机器人进行配置,让其发送关于自身运作的实时数据。接下来我们设置一个用于处理实时数据和实时更新3D模型的软件界面,这家工厂的最新情况便尽在掌握,这便是这家工厂的数字孪生。 往后,我们便能通过观察数字孪生了解车间实况,甚至还能与其交互。近,可以查看某个特定流程的运作情况;远,可以掌握工厂的整体流程。数字孪生技术提供数字信息以及可视化信息,让你对于如何提升工厂生产效率洞若观火。 生产流程数字孪生模型(图片来源于德勤大学出版社) 除了工业制造之外,数字孪生还能够服务于城市规划、无人驾驶汽车测试等多种用途。3DCAT作为一个三维应用托管运行平台,能够在云端提供强大的图形实时渲染计算服务,只需要简单3步即可将您的数字孪生3D应用上传至3DCAT,让任意设备,随时随地访问并掌控您的数字孪生3D应用。 5G将开启“万物互联”的时代,未来,在5G的支持下,云和端之间可以建立更紧密的连接,更多的数据将被采集并集中在一起,这些数据可以帮助构建更强大的数字孪生体。 本文《从物理空间到数字世界,数字孪生技术赋能工业智能化》内容由3DCAT实时渲染云平台原创,如需转载,请注明出处及链接:https://www.3dcat.live/news/post-id-6 了解更多数字孪生相关资讯,请关注3DCAT实时渲染云平台:https://www.3dcat.live/ 相关阅读推荐: 数字孪生如何影响行业?数字孪生在哪里使用? 数字孪生的用例以及数字孪生的价值 什么是数字孪生技术?为什么数字孪生如此重要?

2021-01-29

什么是数字孪生,为什么数字孪生对物联网很重要?
数字孪生是物理设备的虚拟副本,数据科学家和IT专业人员可以在构建和部署实际设备之前使用数字孪生来运行模拟。数字孪生还改变了物联网,人工智能和分析等技术的优化方式。 数字孪生技术已经超越了制造业,进入了物联网,人工智能和数据分析的融合世界 。 随着更复杂的“事物”与产生数据的能力联系在一起,拥有数字等同物使数据科学家和其他IT专业人员能够优化部署以实现最高效率并创建其他假设场景。 什么是数字孪生? 数字孪生是物理对象或系统的数字表示。数字双胞胎背后的技术已经扩展到包括建筑物,工厂甚至城市之类的大型项目,并且有人说人员和流程可以拥有数字双胞胎,从而进一步扩展了这一概念。这个想法首先出现在NASA:早期太空舱的完整模型在地面上用于镜像和诊断轨道中的问题,最终被全数字模拟所取代。 在三到五年内,“数十亿个事物将由数字双胞胎,物理事物的动态软件模型或一年后,到2020年,估计有210亿个连接的传感器和端点,数字孪生将在不久的将来存在数十亿个事物。” 从本质上讲,数字孪生是一种计算机程序,它将有关物理对象或系统的真实数据作为输入,并生成有关物理对象或系统将如何受到这些输入影响的预测或模拟作为输出。 数字孪生如何工作? 数字孪生的诞生由专家(通常是数据科学或应用数学专家)建立。这些开发人员研究了被模仿的物理对象或系统基础的物理学,并使用这些数据来开发数学模型,该模型可以模拟数字空间中的真实世界原始图像。 双胞胎的构造使其可以接收来自传感器的输入,这些传感器从真实世界的对口收集数据。这使双胞胎可以实时仿真物理对象,在此过程中可以洞察性能和潜在问题。双胞胎也可以根据其物理对应物的原型进行设计,在这种情况下,双胞胎可以在产品精致时提供反馈;在构建任何物理版本之前,双胞胎甚至可以自己作为原型。 数字化双用例 数字孪生业务应用程序存在于多个领域: 制造业是数字双胞胎部署最广泛的领域,工厂已经在使用数字双胞胎来模拟其流程; 汽车数字双胞胎之所以成为可能,是因为汽车已经装有遥测传感器,但是随着越来越多的自动驾驶汽车上路,完善技术将变得更加重要。 医疗保健是产生上述数字双胞胎的领域。创可贴大小的传感器将健康信息发送回数字双胞胎,用于监测和预测患者的健康状况。 数字孪生和物联网 显然,物联网传感器的爆炸式增长使数字孪生成为可能。随着物联网设备的完善,数字孪生方案可以包含较小和较不复杂的对象,从而为公司带来更多好处。 数字孪生可用于根据可变数据预测不同的结果。这类似于科幻电影中经常出现的运行模拟场景,其中在数字环境中证明了可能的场景。借助额外的软件和数据分析,数字孪生通常可以优化IoT部署,以实现最高效率,并帮助设计人员在实际部署之前弄清楚应该去哪里或如何操作。 本文《什么是数字孪生,为什么数字孪生对物联网很重要》内容由3DCAT实时渲染云平台原创,如需转载,请注明出处及链接:https://www.3dcat.live/news/post-id-5 了解更多云流送相关资讯,请关注3DCAT实时渲染云平台:https://www.3dcat.live/ 相关阅读推荐: 数字孪生如何影响行业?数字孪生在哪里使用? 数字孪生的用例以及数字孪生的价值 什么是数字孪生技术?为什么数字孪生如此重要?

2021-01-21

数字孪生如何影响行业?数字孪生在哪里使用?
数字孪生如何影响行业 通过将人工智能,机器学习和软件分析等技术与数据进行集成, 数字孪生创建了一个可以与物理对等体一起更新或代替物理对等体进行更新的仿真模型。这使公司可以评估从设计到部署甚至退役的完全计算机化的开发周期。 通过模拟物理资产,框架和操作以生成连续数据,数字孪生模型使行业可以预测停机时间,对变化的环境做出反应,测试设计改进等等。 数字孪生是工业4.0发展的关键,以提供自动化,数据交换和联合制造流程以及降低产品推出风险。行业员工能够实时监视操作,为可能的故障提供预警,并允许实时性能优化和评估,而生产率损失最小。 数字孪生在哪里使用? 字孪生被广泛用于各种行业,用于各种应用和目的。一些著名的例子包括: 制造:数字孪生可以使生产效率更高,更简化,同时减少生产时间。 汽车行业:在汽车行业中使用数字双胞胎的一个例子是收集和分析车辆的运行数据,以便实时评估其状态并为产品改进提供信息。 零售:在制造业和工业界之外,无论是在购物中心还是个人商店,数字双胞胎都可用于零售领域,以建模和增强客户体验。 卫生保健:数字孪生在器官捐赠,手术培训和降低程序风险等方面从数字孪生中受益匪浅。系统还对人流通过医院的流程进行了建模,并跟踪可能存在感染的地方以及通过接触可能造成危险的人。 灾害管理:近年来,全球气候变化已在全球范围内产生影响,但是数字孪生可以通过明智地创建更智能的基础架构,应急响应计划和气候变化监控来帮助解决这一问题。 智慧城市:数字孪生也可以用来帮助城市变得更加经济,环境和社会可持续发展。虚拟模型可以指导规划决策,并为现代城市面临的许多复杂挑战提供解决方案。例如,可以通过数字双胞胎的实时信息告知对问题的实时响应,以使医院等资产能够应对危机

2021-01-15

QQ: 912428984
+86 18588403835