数字孪生驱动的大数据制造服务新模式

大数据、数字孪生等新技术引发了人们对制造模式的新思考，结合《中国制造2025》中制造业服务化重要内容，本文提出一种数字孪生驱动的大数据制造服务新模式。

该制造服务模式对促进中国传统制造企业转型升级和提升新国际竞争环境下综合竞争力具有理论和现实意义。

当今时代，数据成为了新的产业发展动力，并为诸多领域技术发展提供了新的机遇。

与之相应，近年来世界制造业发达国家针对当前逐步形成共识的新一轮工业革命，相继推出了自己的制造业发展战略，势必将导致全球工业体系、发展模式和竞争格局产生重大变革，自然也对制造业运行模式——制造模式提出了新的要求。

智能制造与数字孪生

自智能制造在中国发展以来，一方面，制造企业的生产效率、运行成本、研发周期等方面状况均获改进；另一方面，基础研究领域仍以模仿或直接引进国外成果的方式为主，在相关领域缺少原始创新。

随着“工业4.0”的提出，数字孪生等新兴技术逐渐进入人们视野，提供了加速推进具有中国特色智能制造弯道超车的机会。

数字孪生的理念可追溯到1969年，但现在普遍认为数字孪生的明确概念由Michael Grieves于2003年给出，即“数字孪生是与物理产品等价的虚拟数字化表达”。

数字孪生发展历程

制造服务模式

制造业服务化的核心思想主要是制造企业通过有形产品的服务来增强其产品综合竞争力，并逐渐将服务增值作为其利润创造的核心来源。

当前，制造业正处于由生产型制造向服务型制造转型的关键时期，这是现代产业分工不断细化、生产组织方式高度协同的必然结果，也是消费升级的客观要求、制造转型的重要方向。

数字孪生驱动的大数据制造模式框架

工业互联网引发生产范式变革，推动形成数据驱动制造模式。

从构成要素角度看，机器、数据和人构成了工业互联网生态系统。

从核心技术角度看，贯彻工业互联网始终的是数据资源，工业互联网的本质就是将正确的数据在正确的时间传递给正确的人和机器，不断优化制造资源的配置效率。

从杂乱无章的原始数据到具有价值的决策信息，由此形成了用数据生产、管理和决策的制造范式，为此从数字孪生、大数据及生产性服务的实现和服务执行机制的角度构建了数字孪生驱动的代理人大数据制造服务模式体系架构。

数字孪生驱动的大数据制造服务模式体系架构

架构分为5大部分：“虚拟世界（产品全生命周期）”“物理世界（大数据）”“数据处理机制（数字孪生）”“数字模型”及“应用”，将各类平台上的创新成果与经济社会各领域深度融合，形成更广泛的以互联网为基础设施、数字孪生为桥梁、大数据为工具的数字经济发展新形态。

数字孪生驱动的大数据制造服务模式针对产品全生命周期中各个阶段进行检测或验证，通过智能感知/传感、工业以太网等，实现大数据原始数据采集等；同时，基于数字孪生中针对非结构化数据、半结构化数据、结构化数据处理机制，通过大数据收集、大数据处理和大数据分析层的数字模型，以应用层功能化方式实现与大数据的相应映射，进而利用大数据分析技术推动制造业向定制化和精准服务化转型。

应用关联分析法对企业调度信息和订单信息进行回溯研究；应用预测分析法对生产中的设备维护周期和质量监控力度进行模拟预测，形成事先维护、事先控制的质量管理与设备维护机制；利用聚类分析法对能耗数据与回收数据进行动态关联，探索企业生产制造低碳化、清洁化、循环化的发展路径。

通过产品全生命周期中各环节的数据互相关联，最终形成数字孪生驱动的大数据制造模式闭环运作生态。

数字孪生驱动的大数据制造

服务模式使能技术

数字孪生驱动的大数据制造服务模式涉及物理世界和虚拟世界，涵盖了产品全生命周期各个环节，是近年来兴起的云制造、制造服务、制造服务化的集成，其核心是数字孪生、大数据两个技术支持。

数字孪生驱动的大数据制造服务模式使能技术范围示意

从制造服务化维度来看，数字孪生相继经历了服务经济、服务增值、服务增强及服务嵌入等阶段。

制造服务维度可以进一步划分为两条主线，一条主线相对简单——从网络制造向制造网络进化，另一条主线则由按需生产、服务营销、顾客导向、服务创新逐渐过渡到面向服务；云制造维度，一条主线是物联网，另一条主线是从传统分布式计算向云计算演变。

对于任何制造服务模式而言，其结构、运行方式及演化路径都是相关研究的热点和重点。

数字孪生驱动的两个世界及其描述

从劳动者、物质资料和资金三要素入手，以客户需求为中心，探讨现有数字孪生和大数据技术融入该制造服务过程中可能存在的问题和困境。

研究在传统制造企业转型升级过程中，有效解决当前所面临痛点所需要的理论和方法体系，尝试建构一个以行业信息整合为依托的数字孪生驱动的大数据制造服务新模式，提升中国传统制造企业应对复杂动态多变市场环境和全球性竞争的能力。

数字孪生驱动的两个世界及其关系示意

1）在物理世界，以企业要素为节点，以企业体制、经营、管理、生产组织和技术系统的形态和运作模式为对象，通过企业结构单元化及其业务过程单元化，在单元粒度模型及其优化基础上，建立模块化企业结构及其业务过程单元化运行策略。

2）在虚拟世界，进行劳动者、物质资料和资金的要素及其关联分析，提出物理世界中具体企业结构单元及其业务过程单元的映射方法，建立联通物理世界和虚拟世界的数字孪生模型，实现两个世界的“一体化”。在虚拟世界里，物理世界的数字化构成了大数据。

数字孪生与大数据的结合

数字孪生是大数据中数据获取的主要方式，数字孪生与大数据之间在数据类型等方面具有一致性，在某种程度上可以认为数据孪生是虚拟世界（大数据）和物理世界（设备等物质资料）之间的桥梁，企业通过链接虚拟世界和物理世界的数字孪生技术实现制造服务的全程数据驱动。

数字孪生与大数据结合示意

大数据的数据来源主要包括：企业数据（大数据最主要的来源，涉及了该企业在产品全生命周期中各个环节的数据）、产业数据（跨域企业边界的一些带有产业或行业特征的数据）、辅助数据（前面两种数据之外的所有数据）。

制造服务在产品全生命周期各阶段全程由大数据驱动来实现，而大数据重要来源之一就是链接物理世界和虚拟世界的数字孪生。

可以说，数字孪生帮助打造了大数据环境，而大数据环境对制造服务提供了全程数据服务。

大数据制造服务模式中模型建立与优化

普遍认为，人类已经从物质极度匮乏的卖方市场时代，过渡到了产业过剩带来的自由选择的买方市场时代，而第四次工业革命将从产品垂直深度、全球化地域广度等进一步加剧买方市场的竞争，其业务模型也发生了根本性的变化。

从传统模式向创新模式（大数据制造服务模式）转变示意

卖方市场环境下，产品生命周期各个阶段中时间流和信息流都是单一地往前，各个阶段形成了明显的信息孤岛，顾客也只有在实体店才能看到自己想购买的产品，没有办法对产品提出自己个性化的需求。

在买方市场环境下，产品全生命周期是一个不断“假设→验证→修正→假设”的过程，各个阶段都在不断地与客户（个性）需求、市场（大类）需求等进行修正，该过程中链接物理世界和虚拟世界的数字孪生技术将不断地自动产生大量数据，进而完成大数据收集阶段工作。

模型建立和模型优化就将成为其中关键。

模型建立

为了充分发挥该生态系统最大潜力，需要构建系统成员之间链接而达成的动态网络模型，并以效能最大化等为目标，如何对其进行最优模块化也是其中一个关键问题。

模型优化

研究上述模型中基本模块、必选模块和可选模块的动态划分，建立模块之间边界函数，在系统多约束条件下进行上述动态网络模型的优化，进而实现系统效能最大化；同时，建立围绕系统核心能力的适应性创新机制，使该系统对外界条件变化时可以自适应地作出响应，并进而推动系统不断自我完善与优化。

结论

基于当前新技术大数据和数字孪生等，提出了一种数字孪生驱动的“大数据+业态”的新型服务模式，其特点主要表现在以下4个方面：

01 动态性

数字孪生模型将是一个开放的、不断与时俱进的动态演变模型。

02 敏捷性

该模式也能对周围环境的任何改变及时敏捷地作出响应。

03 全局性

该模式涵盖了产品、企业及其上下游各个方面或者说全局。

04 适应性

把更多新涌现的新技术融入到该模式中。

该模式尝试把新技术数字孪生、大数据等融合起来，在实现物理世界和虚拟世界的互联、产品和服务的虚实映射等的同时，为产品全生命周期中各个环节上下游企业实现最大共赢提供新的思路和方法，也将有助于把“新基建”之一的工业互联网与制造服务有机结合起来，解决传统制造企业转型升级社会问题，推动中国经济高质量发展。

原文标题：构建数字孪生驱动的大数据制造服务新模式，提升传统制造企业竞争力

文章出处：【微信公众号：工业IoT】欢迎添加关注！文章转载请注明出处。

责任编辑：haq