首页/文章/ 详情

数字孪生技术及企业的智能化(三)

2年前浏览1335

04

小时的生活的地方是一个独立初中,学校是农业中学,会长很多农作物包括水果蔬菜。学校最南边是一个公厕,公厕上面长了很多丝瓜,仗着体型小灵活,爬上屋顶摘丝瓜的任务一般都是我的。然而丝瓜太多,有一些来不及吃的,就长成了很大很粗,口感变差甚至无法吃了,那时候就想,如果能让丝瓜只长长,不长粗,岂不是很妙?

现在逛菜场到处都是那种长长细细的丝瓜,然后吃起来却没有以前的丝瓜的味道。小时候长长的细细的丝瓜好吃,短短粗粗的丝瓜不好吃,误以为长长细细就是美味的充分条件,实际上,只有在特定的条件都具备的情况下,长长细细才能等于美味。

数字模型也是一样,数字孪生体通过工程参数等数据来表达模型,一个数字模型会包含很多工程参数,模型的功能和工程参数之间的映射需要从工程原理出发,使用科学和工程技术对数字模型进行演绎,从而展示和预测数字模型能表达的物理意义,并在物理世界去验证。

比如水银或者酒精温度计,用来测量温度,我们看到的是液体体积的变化,利用的是液体的温度和体积膨胀的对应关系,如果这个对应关系不成立(用水银温度计去测量低温,或者用酒精温度计去测量高温),那么结果就不对了。

从这个角度看,数字孪生体是知识的封装方式,建立数字孪生体实际上就是知识管理。虽然我们在实践中运用这些数字孪生体的时候,并不会关注这个数字孪生体背后封装的知识,但我们在建立数字孪生体的方法 论上,就必须首先尊重科学和技术。

这里面有几个层面的知识,第一种是工程技术,直接用来改造物理世界的知识;第二种是技术科学,是提炼一些共性工程技术的理论;第三种就是基础科学了,这也就是任总说的,企业研发要砸数学家,物理学家,化学家等等。

举个栗子,我们设计某一个特定功能的电路图,这个是工程技术,而应用的技术科学是电工学,对应的基础科学是物理。

问题来了,既然数字孪生体是知识的封装方式,那么如何封装不同层次,不同技术领域的知识,封装后的数字模型之间是什么关系,企业又是如何运用这些数字孪生体为企业创造何种价值。

这些问题是企业导入数字孪生体将要面对的难题,不解决这些问题,数字孪生体永远是飘在空中的一些时髦的概念而已。

在尝试探索这些问题背后的逻辑之前,我们先回到企业智能化这个命题上。

企业智能化转型已经成为世界的共识,无论是德国的工业4.0,还是美国的AMPAdvanced Manufacturing Partnership,先进制造合作体),或者是中国的制造业2025,其核心目标都是企业智能化。

智能化的进化轨迹大概是机械化-电气化-自动化-智能化,机械化解决的是手工劳动中的问题,从作坊到工厂;电气化解决的是机械化生产组织无序凌乱的问题,实现了产品和零部件分离;自动化是应用的电子信息技术,实现了大规模的自动控制,生产效率,良品率,分工协作,以及设备的使用和维护等都得到了前所未有的提高;按照这个逻辑,智能化显然是为了解决自动化不能解决的问题,那么都存在什么问题?

现在制造业四大关键部门,研发,生产,市场,销售,我们可以以每个部门的角度先罗列一下。

研发部门面临的挑战,可以分为几大类。

战略问题:

²  研发战略不清晰,是否有技术路线图?

²  技术进化方面研究很少,无法准确预测未来的技术;

²  知识产权战略,如何屏蔽竞争对手,如何规避专利风险?

客户端的问题

²  难以理解客户需求;

²  难以发掘和引导客户潜在需求;

²  市场反应速度不强;

能力问题:

²  需求定义,难以转化成工程参数;

²  关键技术突破,缺乏有效的方法,主要依靠试错,但是试错法效率偏低;

²  解决问题是为了应付销售或者其他部门,没有解决所有问题,没有从根本上解决问题,甚至没有系统的分析,存在潜在风险;

²  研发团队缺乏降本意识,降本也是依靠试错,缺乏方法 论;

²  缺少资源分析,或者没有把资源分析提升到公司层面。

知识管理方向:

²  数据整理,方案评价,数据重用等还比较初级,甚至融入感情因素;

²  企业知识来源比较单薄,存在思维定式;

团队协作问题:

²  实验室-生产,科技成果转化过程中,成本偏高,且不可控。甚至不能量产;

²  缺乏系统思考,甚至研发团队内部,存在资源冲突;

²  技术尤其是优势技术的产品化,横向推广缺乏有效的方法。

生产部门面临的问题。

²  如何编制工艺方案;

²  如何从技术经济角度去评价现有工艺方案,缺乏有效的改进方法;

²  原材料物流控制和损耗控制;

²  生产排程;

²  生产计划执行,质量管控;

²  人员培训,考核和激励;

²  人机交互;

²  设备运行状况监控,预测与维护;

²  安全管理。

市场部门面临的问题。

²  变成职能部门,受限于日常事务,缺乏创造力;

²  对外的窗口展示陈旧老套,缺乏有冲击力,创造力的企划方案;

²  客户需求的理解和引导,受限于技术瓶颈;

²  停留在显性信息的收集和整理,缺少对未来预测的能力;

²  缺乏市场应变能力;

²  缺乏综合处理来自各方面信息的能力。

销售部门面临的问题。

²  缺乏系统的理论支撑;

²  关系型销售,未来将面临前所未有的挑战;

²  很难制定公平的销售激励机制,开拓性不强;

²  缺乏全局视野,销售行为短期目的性太强;

²  缺乏构建双赢或者多赢结果的能力;

²  销售模型缺乏,过程管理不科学;

²  缺乏量化的监控指标,销售结果难以预测;

²  自我积累缺乏,跨部门运作能力不够;

当然这还是当中问题的一部分,可能还存在其他的问题。企业的自动化实际上已经解决了生产部门大部分的问题,然后自动化不能完全替代人,在生产过程中很多和人相关的问题,还是没有办法得到有效的解决,而研发的问题基本上是自动化无法解决的,而市场和销售的问题,其中的大部分是智能化现阶段也不能完全解决的问题。

                 

图片

         

图一,企业智能化

自动化聚焦于生产,着眼于管理,用信息化技术通过流程定义实现自动化,解决的是效率的问题。智能化聚焦于研发,着眼于创新,用数字化技术通过数字孪生体实现智能化,解决的是能力的问题。

智能制造的核心是研发。

一个巨大变化将会发生,现在的企业,研发工作主要集中于研发部门,研发部门的员工相对去其他部门,平均学历更高,工资也更高。由于研发工作的不确定性,大家都把研发比做“烧钱”的部门,这也使得众多企业在投入研发的时候,态度并不积极,而是小心谨慎,如履薄冰。而未来的企业,没有像现在这样一个专门的研发部门,研发工作融入到企业的设计,生产,销售,维护等其他部门中,研发无所不在。

对未来企业的数字布局做了一些修改,企业私有云和公众云之间不断有数据交互,甚至有合作形成混合云,而企业的数据中台支持企业的所有的运作部门,知识在企业活动中,被产生,挖掘,规范,存储,流转,推送,重用,并不多产生组合成新的知识。

图片


图二 未来企业数字布局

整个企业的数字架构,并不是突然形成的,而是循序渐进的。企业准备做数字化转型,必须面对如何处理企业自身的数据,而这些数据大概可以分为几类。

Ø  历史数据,知道其来源,也知道其去向(知道是什么,也知道怎么用)

Ø  历史数据,知道其来源,不知其去向,或者不完全知道其去向(知道是什么,不知道该怎么用,或者把这些数据用好)

Ø  历史数据,不知道来源,不知道去向;

Ø  未知数据,企业未来解决问题,需要从哪里采集,并送到那里去。

而这些数据之间的关联和逻辑,就很少有人去关心这些问题了。而数字孪生体的作用,就是可以把这些数据规范化,结构化,这样便可以在企业的实际活动中,运用这些数字孪生体去解决自动化不能解决的问题。而构建这些数字孪生的两大关键技术,便是仿真和人工智能。

图片

图三 数字孪生体的两大关键技术

因为仿真产生的是未知的知识,而AI可以让知识得到最大限度的挖掘。

(未完待续)

仿真体系数字孪生理论科普其他软件
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2021-06-28
最近编辑:2年前
今昔CAE随笔
本科 | 销售总监 allenchousf
获赞 92粉丝 149文章 57课程 1
点赞
收藏
未登录
还没有评论

课程
培训
服务
行家

VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈