|
数字孪生可以通过数字线程集成到MBSE工具包，并有可能成为基于模型的系统工程(MBSE)的核心元素。实际上，MBSE可以作为数字线程的起点。利用从物联网收集的数据，可以运行系统模拟来探索故障模式，从而随着时间的推移逐步改进设计。例如，制造商可以使用诸如设计故障模式和影响分析(DFMEA)等MBSE工具，将数字孪生与其服务历史、制造过程、设计历史、实时物联网数据、特定配置的仿真模型和预期故障模式连接起来。将仿真结果与实际结果进行比较的能力可以提供有关物理孪生体的有价值的见解。
使用合适的MBSE工具，工程师可以生成事件驱动或基于代理的模拟，分别探索数字孪生的行为和交互。数字孪生可以结合3D数据和仿真，以及使用响应面模型等方法表征它们。为了衡量客户体验以及创新对这种体验的影响，数字孪生可以被用来在适当的抽象层次上模拟一个工厂、产品或服务。例如，国防部有一个后勤支持分析的条形码线可更换单元的政策。这项政策的好处将适用于数字孪生。 工程师们可以利用与数字孪生相关的仿真来预测物理孪生在现实世界中的表现。与此形成鲜明对比的是，我们必须依赖于设计过程中通常使用的理想和感知到的最坏情况。实际的系统性能数据可以与数字孪生的数据进行比较，提示调整决策，从而有助于任务的成功结果。此外，通过将物理孪生中的数据整合到数字孪生中，工程师可以改进系统模型，并随后使用数字孪生分析的结果来改善现实世界中物理系统的运行。数字孪生对其物理孪生的增值源于其优化物理孪生运行使用和维护计划的能力。模拟数字孪生行为能够确定和调整现实世界的系统行为。
具体来说，通过仿真获得的见解可以指导系统设计和制造所需的变化，数字线程提供整个系统生命周期的必要连接。仿真的保真度通常会随着仿真的目的和系统生命周期的阶段而变化。一个潜在的好处是在特定的操作条件下(地形、天气等)使用数字孪生的能力演练任务。例如，在系统设计阶段，只要能够在真实世界条件下探索和调查多个不同的用例，采用相对缓慢的、非实时的仿真就足够了。通过访问物联网数据，可以(高置信度地)仿真（或模拟）实际操作条件，从而得出预期结果的见解。 仿真的一个重要用途是评估系统的预期运行寿命(即系统预期运行的时间)。在这方面，数字孪生可以根据物理孪生经历的磨损来跟踪其死亡率。通过仿真，数字孪生可以估计物理孪生的剩余工作寿命，并主动安排人员（或设备）对其维护。换句话说，预测性维护可用于估计物理系统预计正常运行时长，并由此来主动安排和关闭系统，而不是等物理系统崩溃才做出相应的反应和处理，这既代价昂贵又可能是灾难性的。 对于简单的应用程序，数字孪生技术无需使用机器学习就能提供价值。简单应用的特点是变量数量有限，人们很容易发现输入和输出之间的线性关系。然而，大多数处理多个数据流的现实系统都会从机器学习和分析来理解数据中获益。这种情况下，机器学习意味着应用于数据流的任何算法，以揭示/发现可以随后以各种方式利用的模式。例如，机器学习可以自动化复杂的分析任务。它可以实时评估数据，以最少的监督需求调整行为，并增加预期结果的可能性。机器学习也有助于产生可操作的见解，从而节省成本。智能建筑是受益于数字孪生机器学习能力的一个极好范例。数字孪生中的机器学习应用包括：在基于模拟的受控实验测试床中对操作员/用户偏好和优先级的监督学习(例如，使用神经网络)；在虚拟和现实环境中使用聚类技术对对象和模式进行无监督学习；以及在不确定的、部分可观察的操作环境中系统和环境状态的强化学习。
将数字孪生连接到物联网带来了了解物理孪生（例如制造装配线、自动驾驶汽车网络）在操作环境中的行为和执行方式所需的数据。此外，物联网和数字双胞胎的结合可以增强物理系统和操作流程的预防性维护和分析/基于人工智能（人工智能）的优化。作为物理世界和虚拟世界之间的桥梁，物联网可以将性能、维护和健康数据从物理孪生传递到数字孪生。将来自真实世界数据的见解与预测建模相结合，可以增强做出明智决策的能力，这可能会导致创建有效的系统、优化的生产运营和新的商业模式。
多源/多传感器信息（例如，外部温度、水分含量、当前批次的生产状态）可以与来自传统传感器（例如 SCADA）的信息一起传送到数字孪生，以促进预测建模。此外，物联网在系统移动性、位置和货币化选项方面提供了急需的灵活性。这种灵活性有助于创建业务选项，例如销售能力（即产品即服务）与销售产品本身。例如，Caterpillar 销售移动污垢的能力（即服务）而不是销售设备（即产品）。重要的是，数字孪生与物联网的结合使组织能够深入了解客户如何使用系统/产品。这种洞察力可以使客户优化维护计划和资源利用，主动预测潜在的产品故障，并避免/减少系统停机时间。最终，数字孪生是根据系统操作和维护历史改进系统维护的关键推动力。
通过将物联网与多个数字孪生集成，可以进一步扩大物联网的优势，每个孪生都从一个监督维护计划和周期的中心位置进行监控。在后一种情况下，数据所有权变得有些复杂，尤其是在租用设备时。虽然访问执行数据有助于改进制造运营，但现实情况是，大多数制造商往往拥有有限的设备数据来进行优化。相比之下，供应商通常拥有大量相互连接的设备和设备，提供可被利用的数据。重要的是，供应商表示客户愿意与供应商共享数据。如果是这种情况，那么及时的优化是可以实现的。物联网最大的潜在好处可能在于服务领域。例如，持续获知系统运行状态和健康状态的服务可以有效地确保成本节约和高可用性。类似地，可以使用预测分析，例如，预取和快速交付维修人员所需的零件。 当决定将数字孪生集成到MBSE和系统工程流程中时，成本是一个需要重点考虑的因素。明确定义的范围和目的是估计实施数字孪生的成本的先决条件。虽然数字孪生需要更大的前期投资，但数字孪生的加入有望在系统生命周期中提供显著的投资回报。 根据生成虚拟系统表示所需的复杂程度、时间和精力，成本可能有所不同。然而，在今天的世界中，大多数组织无论如何都在追求虚拟系统模型的创建，因为它们在减少验证和测试持续时间和成本方面具有价值。数字孪生是这一进程的合理下一步。数字孪生的成本是系统中组件数量的函数，组件之间的接口和依赖关系，用于实现特定功能的算法的复杂性，以及构建数字孪生所需的知识和诀窍。重要的是，构建可重用的数字孪生可以进一步降低成本。
本文出处：Leveraging Digital Twin Technology in Model-Based Systems Engineering |
|
|
