|
数字孪生(Digital Twin)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。 该概念于2003年由密歇根大学Grieves教授在产品生命周期管理(PLM)课程上首次提出，近年来受到从学术界、工业界到相关解决方案供应商的广泛关注，应用领域不断扩展。在推进工业智能化进程中，数字孪生是实现制造信息世界与物理世界交互融合的有效手段，是实现智能制造的关键技术，被称作智能制造业的下一波浪潮，也因此受到业界关注。 随着中国印刷业智能化建设的逐步深入，数字化基础较好的印刷企业开始探索构建信息双向驱动下的智能印刷工厂，基于运维数据和预测分析，推动印刷生产过程中设计、印制、储运、服务以及企业经营过程中控制、执行、管理、决策的全面智能化，逐步实现生产过程深度优化和经营管理智能决策。 对于龙头印刷企业而言，协同产业链要素对印刷生产中关键智能技术开展先行先试，积极推动数字孪生等新技术的应用新突破成为其应承担的任务。 根据行业属性和智能工厂建设需求，数字孪生在印刷行业应用可以按照对象、目标的不同分为3个层面：基于信息融合实现印刷装备状态预测、基于数据驱动实现印刷车间瓶颈分析，以及基于决策支持实现印刷企业的诊断决策。西安理工大学科研团队已经做出了初步探索，例如： 01 以天津长荣赛鲁迪10色凹版印刷机为研究对象，基于凹版印刷机的套准状态与设备关键数据的相关性分析，通过采集设备PLC、传感器、印品质量等实时数据以及初始状态、历史记录等离线数据，基于改进的多色集合理论构建印刷机数字孪生模型，利用动态贝叶斯网络对印刷机工作中的套准状态进行了预测分析; 02 以昆山科望印刷车间为对象，利用Plant simulation构建印刷车间数字孪生模型，提出了一种基于吞吐量瓶颈分析活动期理论的数据驱动算法; 03 基于车间数据的采集分析设备OEE分析及车间瓶颈，构建了以数据驱动生产管理的持续改善机制。 作为智能制造的前沿技术，数字孪生在细分行业的具体应用尚在探索期。针对不同的应用场景，数字孪生模型的建模方法包括建立机理模型，以及应用人工智能、多学科仿真与优化、工艺仿真和工厂仿真等技术，常常也会将多种建模技术相结合。 关键问题待解 面对极度离散的印刷加工生产，发挥数字孪生在印刷智能工厂建设中的价值还需要解决一系列关键问题，如印刷制造复杂程度高，工作机理模型有待建立;印刷生产离散程度高，数字采集能力有待强化;印刷过程大数据欠缺，数据分析方法有待探索;印刷领域研究力量弱、理论实践相结合有待加强。 未来，随着政策环境优化、技术演进以及行业标准和体系逐步成熟，数字孪生应用场景广度和深度将进一步拓展，推动印刷行业智能化建设进一步提升。 |
