实现数字孪生体

作者:Marc-Thomas Schmidt,GE数字部门Predix首席架构师,美国圣拉蒙市

随着企业竞相利用快速演变的最新技术,工业物联网时代已然来临。数字孪生体是这个行业中的最新概念,其可将工业资产设备的数字和运行数据与软件平台、仿真和分析技术相结合,从而有助于了解现在和未来的运行情况。这不仅可改善输出,降低成本,加速创新,而且最终还能实现一款价值远远超过产品的解决方案:这正是行业所需的结果。

Save PDF 订阅
aircraft digital twin

“GE Digital在数字孪生体用例中使用ANSYS仿真,这样两大企业可立即从合作中受益。”digital twin life cycle

数字孪生体工业生命周期

Turbines in ocean

物联网(IoT)已经不再局限于只涉及交互和协作的消费类领域。通用电气(GE)等行业巨擘将这种连接性延伸到了运行的机器上。由此而来的工业物联网(IIoT)使商业组织机构能够研究复杂的大型机器(如风力涡轮机和燃气轮机、喷气式发动机、机车),以改善性能,减少停机时间,并加速新产品研发。但是事实并不止于此。如今,凭借传感器成本模型、互联网连接以及仿真和分析技术,高度复杂的资本密集型机械与运行设备的几乎每个部件都能实现互联。

数据和工业互联网

事实上,IIoT最适合用来确定或指导行动操作:例如,命令风力涡轮机倾斜转子,以达到最佳的迎风效果。首先,从资产设备中收集的传感器数据会被添加到所有其他可用的数字信息中。控制面板将该信息与设备的实时和预期性能数据相结合,以生成描述性的分析内容,数字孪生体可从这些内容中预测潜在故障并安排维护计划。最后一步是优化工作,这需要考虑单个资产设备的所有配置以及资产的系统,从而得出多种解决方案。这样做的目的是围绕特定资产设备优化极为复杂的生态系统。各种用于描述工业资产设备的结构、环境和行为的丰富模型被称为数字孪生体。

性能提高的代价是:IIoT需要管理海量数据,通过大数据分析和深度学习来提取信息并获得可付诸行动的洞察力。出于安全考虑,同时也是为了控制数据量,有些数据需要在“使用端”本地存储和处理。其他数据功能则在云端进行。这种使用端到云端的混合方案有助于管理数据量,允许针对不同目标采取最佳计算方法,同时保持运行安全性和保护公司的宝贵知识产权(IP)。

Predix IIoT architecture

Predix工业物联网架构

wind turbine digital twin

数字孪生体入门指南

数字孪生体首先要有一个描述资产设备的基本模型。例如,风力涡轮机模型中包含:具有材料和组件细节的PLM系统信息、3D几何模型、可根据物理算法预测行为的仿真模型、或者利用机器学习技术进行分析所得到的建议操作。此外,该模型还包含维护服务日志、缺陷和解决方案详情,能够捕获资产的整个生命周期。

最初,数字孪生体代表一类资产,本例中是x类型的风力涡轮机。这个通用的数字孪生体必须针对特定农场的具体风力涡轮机进行定制。考虑这台机器已经运行了五年,需要承受这个特定位置的天气状况,而且与其他50台涡轮机一起运行。因此,必须对整个风电厂进行建模。每台涡轮机大体相似,但不同之处在于所处位置和条件(风向、维护记录、尾流效应)。最后,数字孪生体的丰富数字表示功能还包含涡轮机过去和现在基于时刻的各种条件。在这个实例中,这台风力涡轮机的未来已在数字孪生体中进行了编码。

数字孪生体可提供关于资产现在的准确运行状况。找出未得到充分利用的设备能带来巨大商业价值,因此分析数字孪生体信息可实现最佳使用率。例如,GE Power利用数字孪生体将风电场的输出提高5%,而且没有进行较大的改变。该团队根据不断变化的风力条件来优化涡轮机,并在现场协调不同数字孪生体的相互作用。有个现象似乎违背常理:在特定情境下,关闭部分涡轮机比所有涡轮机都运行具有更高的输出。通过深入预测潜在问题,操作人员可制定维护计划,尽可能减少服务中断。当资产系统的信息完成编码后,团队就可获取这些知识信息并将其转化为实现目标的行动。

一开始就构建数字孪生体模型非常关键,这有助于创建一系列丰富的应用程序,从而生成与资产设备相关的结果——但这并非像一些人想的那样,只是研发一个方便设备操作人员制定决策的控制面板。功能齐全的数字孪生体更容易在后期研发和部署应用程序。模型中的物理、分析和仿真信息为机器学习铺平了道路;许多数字孪生体连接在一起能够产生切实可行的海量工业信息。

“数字孪生体几乎适用于每个行业。”

支持工业互联网的平台

最新的IIoT挑战在于如何让这些复杂的技术更易于使用,这样最终用户(制造人员和工程师,但不是程序员)能够解决业务问题。

为此,GE研发了Predix®平台,其可连接工业设备,分析数据,并提供实时洞察力。Predix囊括了多种微服务,有助于构建、部署和管理工业互联网应用。客户纷纷向GE Digital咨询业务问题,例如提高风电场的输出,或者将燃气轮机优化作为可变功率的基础设施。在几周之内,这些企业组装了一套用来解决问题的初始解决方案。

同时GE还利用Predix平台从内部优化自己的生产过程,并为客户构建更高效的解决方案。

仿真和数字孪生体

几十年来,GE收集了关于许多资产设备(例如喷气式发动机)的数据。这些数据与统计模型相结合,能够预测可能发生的问题及发生时间——但无法确定发生的原因和方式。加入物理仿真是获取这类附加信息的最后一步。GE的Predix可在工业环境中将数据与仿真叠加,并将其作为通用数据模型操作。仿真可在现场运行或在云端大规模运行——将模型推向使用端,然后再将它们产生的信息带回云端。为实现全面集成,需要连接客户的PLM系统,链接CAD数据以及企业系统中记录的其他有价值的信息。以通用模型为中心并囊括很多信息源的数字孪生体能够不断丰富知识。

GE Digital在数字孪生体用例中使用ANSYS仿真,这样两大企业可立即从合作中受益。ANSYS软件的最大价值是能够将仿真的不同方面结合在一起,有助于设计人员彻底思考他们的设计。由于仿真模型展示了资产设备如何工作,因此数字孪生体能够精确显示操作中何时有错误。数字孪生体从设计工作室获取仿真结果并馈送到现实中,以提供关于一个或很多资产设备的即时反馈。该技术不久将支持在现场优化单个资产设备;而且还有望在资产设备的整个生命周期内进行部署。

展望未来

数字孪生体几乎能应用到每个行业:运输、能源、制造、航空等。各企业通过将数据、仿真、平台、云功能和机器学习结合在一起,已经节省了数百万美元的成本。未来,随着数字孪生体概念变得更加普及,可想而知企业能获得的优势将巨大无比。

与 ANSYS 取得联系

联系我们
联系我们