0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

数智制造新引擎:构建时空一致的仿真数字孪生与AI业务平台

丽台科技 来源:丽台科技 2025-01-16 11:36 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

DataMesh 是一家专注模拟数字孪生(Simulation Digital Twin)平台开发与服务的高新技术企业,致力于利用数字孪生、空间计算及人工智能技术,帮助企业革新工作流程,赋能一线工作者。DataMesh 主要聚焦亚太地区,在制造、建筑和设施管理行业拥有超过 500 家客户。

DataMesh FactVerse 是 DataMesh 自主研发的数字孪生平台,旨在帮助企业以低成本构建数字孪生,并通过对业务流程的监控与模拟,优化生产流程,节省成本。同时,FactVerse 平台还提供一系列开箱即用的业务工具,借助 AR/VR 等技术,帮助一线员工更直观地了解设备工作原理与运行情况,从而提高工作效率。FactVerse 平台能够赋能制造业产品全生命周期,覆盖生产制造、设备运维、员工培训等关键环节,显著提升企业的运营效率。

1

多重挑战并存,未来制造何去何从

制造业行业挑战

制造业企业正在面临一系列亟待解决的挑战:

工人技能短缺:人口结构的变化带来了劳动力短缺,一线员工经验传递困难,企业培养成熟工人成本高。在制造业出海的过程中,语言和文化差异也成为了培训效率的阻碍。

运营效率低下:现代生产的复杂性要求企业具备更高的运营能力,但数据孤岛问题普遍存在,企业往往难以将分散的生产数据进行有效整合与利用,缺乏时空一致性的数据支持,无法实现数据驱动的业务优化。

数字孪生部署的挑战

为了更好地应对行业挑战,促进生产力的提升,数字孪生技术在工业制造领域逐渐获得广泛应用,但其部署和应用过程中仍然面临着许多技术性难题:

孪生场景开发成本高:传统的数字孪生场景开发往往涉及较高的技术门槛和人力成本,且难以根据业务需求的变化灵活调整。

数据融合与映射难题:企业生产数据来源广泛,不同生产系统中储存的数据格式各异,如何有效整合这些数据,并将其准确映射至 3D 模型,实现虚实融合的动态运转,是一个关键难题。而且,要实现实时、物理精确的 3D 仿真与映射,需要强大的算力来支撑。

2

NVIDIA Omniverse + FactVerse:

时空一致的高品质仿真数字孪生

AI 业务平台

DataMesh 将 FactVerse 与 NVIDIA Omniverse 的能力深度整合,打造了面向工业场景的高品质数字孪生解决方案,帮助制造业企业快速构建时空一致的数字孪生平台,推动一线业务的优化与增长。

3367fc1e-d39e-11ef-9310-92fbcf53809c.jpg

▲ 解决方案架构图

在该解决方案中,FactVerse 和 Omniverse 各自发挥核心优势。FactVerse 专注于数字孪生场景与模拟运行逻辑的构建,以及数据的整合处理,为实现虚实映射和数据驱动奠定基础。而 Omniverse 则在此基础上,为孪生场景提供更优质的渲染效果,并借助 NVIDIA Isaac 实现更精准的工业物理仿真,同时通过 NVIDIA NIM 强化 AI 能力的应用。

未来,通过 Omniverse 与 NVIDIA Cosmos 世界基础模型(World Foundation Models)进行连接,将进一步增强多重工业元宇宙的模拟、生成能力,为生产运营的 AI 优化、工业机器人的 AI 训练提供更为强大的平台级支持。

利用 FactVerse 创建数字孪生场景

多源数据接入与处理:FactVerse 的数据融合引擎 DFS 能够接入来自不同生产系统的数据,对数据进行处理以确保其时空一致性,为业务的模拟优化提供有效的数据基础。

零代码孪生场景创建:利用零代码设计器 FactVerse Designer,一线人员可以自行导入 3D 模型并创建数字孪生场景,编辑孪生体运行逻辑,并为孪生体绑定驱动其运转的数据,大幅简化了开发流程,节省开发时间。

云端模拟与协作:FactVerse 提供数字孪生的云端模拟运行环境,支持多人协同操作。

337788be-d39e-11ef-9310-92fbcf53809c.png

▲ FactVerse Designer 编辑场景

借助 NVIDIA Omniverse

和 NVIDIA RTX GPU加速物理 AI 构建

高品质渲染:通过 OpenUSD 作为数据中转,FactVerse 可以将数字孪生数据送入 NVIDIA Omniverse,实现高品质渲染。同时,Omniverse 的远程渲染能力支持在浏览器中呈现大型 3D 场景,使交互与协作更加便捷。

更准确的物理仿真:在 NVIDIA Isaac 中进行物理仿真,并将结果返回至 FactVerse 参与数字孪生运算,使数字孪生的运行更加真实。

AI 助力优化:借助 NVIDIA NIM,企业可以轻松部署大模型和小模型,结合企业知识库和数字孪生数据,为一线员工提供智能检索、智能指导等 AI 助手服务,提升工作效率。

GPU 加速:得益于NVIDIA RTX 5880 Ada GPU强大的视觉计算性能,能够在 Omniverse 中能够实现更快、更高质量的渲染,对工业资产、流程或环境等大型仿真提供强有力支持,帮助企业打造物理准确的数字孪生和虚仿真场景。

3

释放数字孪生潜能赋能未来制造

借助 NVIDIA Omniverse 和 RTX 与 DataMesh FacVerse 的高效结合,为制造业企业数字化转型提供了虚实融合的解决方案,能够帮助企业以低成本打造设备、流程和设施的数字孪生,助力企业提升效率,创造价值。

简单高效的部署方式,长期持续的业务价值

从技术层面来看,该解决方案降低了数字孪生的部署门槛,缩短了开发时间。FactVerse 解决了数字孪生场景构建和数据融合的难题,凭借零代码设计器的便捷性,孪生体和孪生场景可无限复用,并根据业务需求灵活调整,长期来看,开发成本逐步下降,投入产出比持续递增,形成良性循环。

同时,极大提升了用户体验。由于 FactVerse 创建的数字孪生并不依赖于渲染引擎,与 Omniverse 的对接非常顺畅,通过 Omniverse 和 RTX GPU 的高品质渲染,用户能够获得更真实的视觉效果和更自然的交互体验。

从业务应用角度来看,具备时空一致性的数字孪生平台实现了真正的数据驱动,并将 AI 能力更好地整合进业务场景,通过对真实业务的模拟和 AI 的应用,该平台能够为制造业企业在生产制造、设备运维、员工培训等重点环节带来显著价值。

优化生产制造流程

基于 FactVerse 和 Omniverse 打造的时空一致的数字孪生平台,企业可以实现更直观的生产监控和更精准的业务模拟,从而优化生产流程,提升运营效率。

在产线规划阶段,企业可以根据生产计划和工艺组合等条件,在虚拟世界中进行布局模拟,包括设备干涉、AGV 运行路线等,从而推演出最佳方案,避免在现实世界中反复调整,节省大量成本。

在生产过程中,借助 1:1 的数字孪生及实时数据映射,一线人员能够高效识别生产薄弱环节,结合时间和空间信息快速定位问题。同时,通过生产流程的模拟,企业可以验证生产计划,辅助生产排程,进一步优化生产效率。

未来,通过基于真实业务的数字孪生,AI 的应用也将更加深入。例如,利用数字孪生数据进行 AI 训练,将为自动驾驶机械手等前沿技术提供更丰富的训练环境,为生产优化带来更强大的助力。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • NVIDIA
    +关注

    关注

    14

    文章

    5732

    浏览量

    110361
  • AI
    AI
    +关注

    关注

    91

    文章

    42233

    浏览量

    303251
  • 数字孪生
    +关注

    关注

    4

    文章

    1709

    浏览量

    14080

原文标题:案例分享丨数智制造新引擎:构建时空一致的仿真数字孪生与 AI 业务平台

文章出处:【微信号:Leadtek,微信公众号:丽台科技】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    设计思想与工具变革__工业数字孪生开发平台如何适配产线动态需求

    理解什么叫“工具赋能”——不是给业务人员个更复杂的软件,而是让他们能用自己的语言和逻辑去构建数字孪生。当然,零代码
    发表于 05-28 16:30

    行业洞察__场景、孪生与智能体:数字孪生平台协同演进的底层逻辑

    问题,但它只生产了静态的“壳”,壳里面没有业务灵魂。第二条路径聚焦于领域孪生体的数据融合与可视化分析。孪易平台就是个典型的例子,它把自己定位为联合作战态势与装备
    发表于 05-28 16:15

    端渲染与流渲染的融合之道:数字孪生应用开发套件的工程选型思路

    的弹性扩展。 而孪易数字孪生IOC标准版则代表了另类重要角色。它聚焦于业务数据的接入、场景构建与监测运维,与底层渲染套件协同,形成“开发基
    发表于 05-28 16:09

    行业视角__数字孪生项目“落地难”的工程解:从场景构建到运维闭环

    渲染引擎的统API、预置资源资产库、行业模板复用等方面很难达到同等水平。我个人的建议是:除非团队里有资深图形学专家并且有充足的研发投入,否则不要轻易尝试全自研。数字孪生的核心价值在于
    发表于 05-22 11:07

    行业洞察__工业远程监测的数字孪生与智能体协同:演进逻辑与选型策略

    个很有意思的行业动向。主流技术栈正在从“单大屏系统”向“分层协同架构”迁移。团队在去年某次技术研讨会上也讨论过这个趋势,大家比较一致的观点是,让数字孪生平台负责数据融合与态势呈现,让
    发表于 05-22 10:43

    场景适配论__数字孪生IOC建设中渲染技术与智能体能力的协同逻辑

    次视角切换都像在等待幻灯片翻页;而换用流渲染方案后,跨终端呈现确实一致了,可旦网络抖动,视频流卡顿甚至断连,现场度陷入尴尬的沉默。这并非孤例。我观察到业内大量
    发表于 05-22 10:09

    从“数字镜像”到“自主智能体”:数字孪生演进的三个关键跃迁

    领域,再通过统的会话协同服务进行信息交换与决策聚合。 而孪易的数字孪生IOC则是将上述两端进行整合的工程化样本。它采用分层架构,以数字孪生
    发表于 05-22 09:59

    行业洞察篇__数字孪生项目演进中的“双引擎”模式:场景构建业务运维的协同路径

    行业洞察篇 | 数字孪生项目演进中的“双引擎”模式:场景构建业务运维的协同路径 从“好看”到“好用”:
    发表于 05-14 09:56

    行业洞察篇__数字孪生IOC的“双引擎”时代:当端渲染遇见流渲染

    毫秒级响应”这两个看似矛盾的需求。 行业普遍共识正在转向个更具工程智慧的方向。在我看来,下一代数字孪生平台的核心能力不是去比较哪种渲染方式更好,而是具备“渲染引擎自适应”的能力。这意
    发表于 05-14 09:50

    技术选型篇__数字孪生应用开发:端渲染与流渲染融合的工程适配与演进

    套件,其价值要远远高于自研底层渲染引擎。 这里我特别想泼盆冷水:很多技术领导者觉得自研引擎才能构建核心竞争力,但数字
    发表于 05-13 13:56

    技术选型篇__数字孪生IOC:渲染引擎与智能体的协同路径

    技术选型篇 | 数字孪生IOC:渲染引擎与智能体的协同路径 当“好看”的城市无法“好用”:数字孪生的落地之痛 我至今记得去年在某沿海城市的
    发表于 05-13 13:54

    工业元宇宙中的数字孪生与智能体协同:如何根据业务阶段选择适配架构?

    工业元宇宙中的数字孪生与智能体协同:如何根据业务阶段选择适配架构? 谁在为“酷炫大屏”背后的无效决策买单? 去年在某沿海城市的智慧港口试点项目中,我曾被个问题折磨了整整
    发表于 05-13 13:50

    数字孪生引擎构建可视化底座的核心理念与技术路径

    数字孪生引擎”这核心技术模块,探讨其在三维建模、实时渲染、数据绑定等方面的技术定位与功能架构,力求为读者厘清数字
    的头像 发表于 02-27 14:28 299次阅读

    数字孪生仿真工作站:如何挑选适配的UPS不间断电源?

    在工业4.0与智能制造浪潮席卷全球的当下,数字孪生技术已成为企业实现数字化转型的核心引擎。通过构建
    的头像 发表于 09-19 09:12 878次阅读
    <b class='flag-5'>数字</b><b class='flag-5'>孪生</b><b class='flag-5'>仿真</b>工作站:如何挑选适配的UPS不间断电源?

    信而泰×DeepSeek:AI推理引擎驱动网络智能诊断迈向 “自愈”时代

    模态的技术特性,DeepSeek正加速推动AI在金融、政务、科研及网络智能化等关键领域的深度应用。 信而泰:AI推理引擎赋能网络智能诊断新范式信而泰深度整合DeepSeek-R1大模型系统,
    发表于 07-16 15:29