文章来源《数字孪生技术与工程实践》
中国工程院周济、李培根等院士联合发表的《走向新一代智能制造》一文，综合智能制造相关范式，结合信息化与制造业在不同阶段的融合特征，总结、归纳和提升出三个智能制造的基本范式（见图4-1），也就是，数字化制造、数字化网络化制造、数字化网络化智能化制造（新一代智能制造）。
图4-1 智能制造的三个基本范式演进
数字化制造的主要特征表现为：
第一，数字技术在产品中得到普遍应用，形成“数字一代”创新产品；
第二，广泛应用数字化设计、建模仿真、数字化装备、信息化管理；
第三，实现生产过程的集成优化。
需要说明的是，数字化制造是智能制造的基础，随着技术发展，其内涵也不断发展，贯穿于智能制造的三个基本范式和全部发展历程。
数字化网络化制造是智能制造的第二种基本范式，也可称为“互联网+制造”，或第二代智能制造。
德国的“工业4.0战略计划”报告和美国的“工业互联网”报告所阐述的，就属于这个范式。
新一代人工智能技术与先进制造技术深度融合，形成新一代智能制造——数字化网络化智能化制造。
新一代智能制造将重塑设计、制造、服务等产品全生命周期的各环节及其集成，催生新技术、新产品、新业态、新模式，深刻影响和改变人类的生产结构、生产方式乃至生活方式和思维模式，实现社会生产力的整体跃升。
新一代智能制造将给制造业带来革命性的变化，将成为制造业未来发展的核心驱动力。
中国推进智能制造应采取“并联式”的发展方式，采用“并行推进、融合发展”的技术路线：
并行推进数字化制造、数字化网络化制造、新一代智能制造，以及时充分应用高速发展的先进信息技术和先进制造技术的融合式技术创新，引领和推进中国制造业的智能转型。
未来若干年，考虑到中国智能制造发展的现状，也考虑到新一代智能制造技术还不成熟，中国制造业转型升级的工作重点要放在大规模推广和全面应用“互联网+制造”，这个工作的基础，就是首先要实现数字化制造。
同时，在大力普及“互联网+制造”的过程中，要特别重视各种先进技术的融合应用，“以高打低、融合发展”。
一方面，使得广大企业都能高质量完成“数字化补课”；
另一方面，尽快尽好应用新一代智能制造技术，大大加速制造业转型升级的速度。
数字化制造是智能制造的关键起点，只有实现了数字化，才能进一步实现智能化。
数字孪生工厂的构建也是如此，从数字化工厂开始，构建数字孪生工厂。
4.1 数字化工厂规划与管控
4.1.1 工厂全生命周期与数字化工厂的概念
1 工厂全生命周期
生命周期的概念最早出自于生物学中的术语，随着社会发展与各个学科间的融会贯通，生命周期（Life Cycle）的概念应用越来越广泛，特别是在政治、经济、环境、技术、社会等诸多领域经常出现。
它的基本含义可以通俗地理解为“从摇篮到坟墓”的整个过程，对于某个产品而言，就是从自然中来回到自然中去的全过程，也就是既包括制造产品所需要的原材料的采集、加工等生产过程，也包括产品贮存、运输等流通过程，还包括产品的使用过程以及产品报废或处置等废弃回到自然的过程，这个过程构成了一个完整的产品生命周期。
美国哈佛大学教授雷蒙德·弗农（Raymond Vernon）1966年在他的《产品周期中的国际投资与国际贸易》一文中首次提出了产品生命周期理论的概念。
工厂是一个复杂的系统，参考产品生命周期理论，可以分析得到工厂的生命周期过程，大体可分为设计规划阶段、工程建设阶段、运行维护阶段，如图4-2所示。
图4-2 工厂的生命周期过程图
（1）规划设计阶段
规划设计是工厂建设最基础的工作，主要包括：建筑设计、工厂布局规划。
厂房建筑是工厂制造系统的重要组成部分，厂房设计的安全性和合理性是生产制造顺利进行的前提。
根据国家相关建筑设计标准和技术规范，按照工厂从选址、勘探、建筑设计到内部设施规划等的流程，工厂建筑设计包括勘察和地基基础、房屋抗震设计、结构设计、建筑防火设计和建筑设备设计等工作。
布局规划是制造系统设计的重要组成部分，不合理布局不但减少有效工作空间，而且会导致物流成本上升。
此外，好的布局方案还能减少对工作者的身体伤害，使工作人员在安全、健康和舒适的环境中工作。
工厂布局是在满足必要约束的前提下，将指定设备合理地摆放在指定布局空间中，从而达到某种最优指标的设计活动。
（2）工厂建设阶段
完成了工厂的设计规划工作，通过各个相关部门的审批后，工厂就进入了工程建设的实施阶段。工程建设包括建筑施工建设、设备调试、试生产等主要工作。
建筑施工建设阶段需要对工程进度进行有效管控，对施工过程进行跟踪，保障施工质量。
一般建筑（包括里面的建筑设施）在设计阶段不会很细致地进行定义，很多设施及建筑设备的安装由施工队伍现场完成。
需要对这些具体安装信息进行有效的记录，以备后续维护使用。
设备调试和试生产是在厂房建设完成后进行的，一般由设备承包商完成。
如果车间内部有多条涉及不同工艺的流水线，往往其设备承包商也不相同，加上物流配送规划，因此，设备调试和试生产是一个多方协同的过程。
（3）运行维护阶段
完成所有前期准备工作后，工厂就将投入生产，进入运行维护阶段。
在运行过程中，厂房可能因为环境和使用出现一定的损耗，需要定期进行检修和维护。
维护工程师需要制定合理的检修维护方案，计算维护成本。
维护包括对设备的维护，以及对厂房及其基础设施的维护。
随着企业的发展以及技术的变革，工厂可能需要引入新的设备，或者对原有设备进行改造以满足新的生产需求，这就需要对工厂进行改造升级。
大的改造升级会改变原来的布局，引入新的物流方式，甚至是厂房的重新规划和建设。
2 数字化工厂的基本概念
数字化工厂（Digital Factory）一词最早出现在1998年，在Computers in Manufacturing展会上，多个厂家展示了数字化工厂仿真系统，加速了数字化工厂的到来。
Dwyer John在1999年的一篇论文中指出“制造的所有细节在其发生前被模拟”。
日本的Onosato和Iwata提出了虚拟制造技术是用模型和仿真来替代现实生活中的实体，用3D技术和数字模型来建立数字化工厂。
德国工程师协会（Verein Deutscher Ingenieure，VDI）对“数字化工厂”下的定义是，“数字化工厂是有关网络工厂的集成在常用数据管理系统中的数字模型、数字方法和数字工具的总体概念。
其目的在于统一的工厂规划、评估和不断地对所有重要的工厂生产工艺过程和资源结合产品进行改进”，并发布了与此相关的指导规范：VDI 4499。
可以看到，这些数字化工厂的定义，是针对工厂规划设计阶段提出的。
在物理工厂还没有建设之前，通过建立数字化工厂，来构建一个虚拟的、数字化的工厂模型，用来对未来工厂的运行进行仿真和分析，从而提高工厂规划的质量。
伴随着德国“工业4.0”概念在国内的流行，“数字工厂”词汇也开始为大家熟悉，其对应的英文也为“Digital Factory”。
数字工厂作为支撑工业4.0现有的最重要国际标准之一，是IEC（国际电工委员会）/TC65（第65技术委员会：工业过程测量、控制和自动化）的重要议题。
2011年6月，IEC/TC65成立WG16“数字工厂”工作组，西门子、施耐德电气、罗克韦尔自动化、横河等国际自动化企业，以及我国机械工业仪器仪表综合技术经济研究所等研究机构，都参与了“IEC/TR 62794:2012数字工厂标准”的制定。
为更好地指导国内企业开展数字工厂建设，全国工业过程测量控制和自动化标准化委员会（SAC/TC124）组织国内相关单位，将该标准等同转化为我国国家标准《工业过程测量、控制和自动化生产设施表示用参考模型（数字工厂）》（GB/Z 32235—2015，2015年12月发布）。
GB/Z 32235—2015中对“数字工厂”的定义为：工厂通用模型，用于表示基本元素、自动化资产，及其行为和关系。
注：这个通用模型可以应用于任何实际工厂。
从标准的名称以及定义来看，这个“数字工厂”更多地是针对工厂运维阶段的数字化监控和管理优化，是通过工业物联网等技术将工厂实际运行数据进行采集，在数据空间利用数字化模型进行管控和优化的一个技术与方法，即实际工厂的“数字化”体现。
根据这两种定义，可以把数字化工厂（Digital Factory）这个词理解为：
1）Digital Factory（本书翻译为数字化工厂）是工厂基于数字化制造原理的一个/一套数字模型，这个模型能在数字空间对实际工厂的运作情况进行仿真模拟或者进行监控。
2）数字化工厂是一个面向工厂全生命周期的概念。
在工厂设计规划阶段，利用仿真手段，对将来的工厂进行分析与优化；在工厂建设阶段，可以指导工厂的建设调试；
在工厂运维阶段，可以利用模型结合实际工厂运行数据，对工厂进行管理优化。
数字化工厂的发展方向，就是数字化工厂是实际工厂的“数字孪生”，通过数字孪生的分析优化，可以有效地指导实际工厂的运行。
3）离散制造和流程制造行业，“数字化工厂”技术应用的重点各不相同。
离散制造行业的“数字化工厂”重点在于如何更好地实现产品的客户化定制，保证新产品快速上市，因此，数字化工厂技术更多在于架构从产品设计到量产的一个桥梁；
而流程制造行业的“数字化工厂”重点在于生产系统的稳定运行、工艺的优化，数字化工厂技术是构建实际工厂到数字工厂的桥梁。
因此，数字化工厂方法覆盖工厂的整个生命周期。
在工厂设计规划阶段，主要是建模与仿真，而在工厂运行阶段，则以工厂数字化监控为主。
结合数字孪生技术，可以开展基于仿真的运行优化工作。
4.1.2 数字化工厂规划
1 产生背景
随着全球化竞争的加剧，产品的更新换代和设计制造周期缩短以及客户化定制生产方式的形成，给制造企业带来了越来越大的竞争压力，促使数字化制造及数字化工厂概念的产生。
数字化工厂规划最主要是解决产品设计和产品制造之间的“鸿沟”，如图4-3所示。
以前产品设计完成后，没有一个科学的转化渠道，仅仅凭借工艺人员、制造工程师和管理人员的经验知识进行生产工艺安排、生产计划制定，然后直接投入制造系统进行制造，对出现的问题只有在生产过程中解决，造成产品上市时间的延长、设计和生产的不断返工，甚至设计的产品无法制造。
图4-3 从设计到制造的“鸿沟”
面向工厂规划的数字化工厂技术就是为解决以上问题而提出，实现产品生命周期中的制造、装配、质量控制和检测等各个阶段的功能，主要解决工厂、车间和生产线以及产品从设计到制造实现的转化过程，使设计到生产制造之间的不确定性降低，在数字空间中将生产制造过程压缩和提前，使生产制造过程在数字空间中得以检验，从而提高制造系统建设的成功率和可靠性，缩短从设计到生产的转化时间。
数字化工厂构建生产线、车间、工厂的虚拟仿真模型，以产品设计与工艺的相关模型和设计数据为基础，对整个生产过程进行仿真、评估和优化，一方面帮助产品进行可制造性分析与优化，另一方面也帮助生产制造系统进行优化。
图4-4展示了设计技术和制造技术的发展，设计技术由2D设计发展到3D实体设计，目前以参数化和特征设计为基础的CAD设计方法已普遍采用，同时采用数字模型对产品的外形、装配和使用功能等进行仿真，进一步向基于模型的定义（MBD）方向发展。
在制造技术方面，由于采用了数控技术，使制造自动化技术进入了新的发展阶段，从柔性制造系统到工厂自动化，再到网络化制造、智能制造。
在设计和制造两个车轮的共同驱使下，人类的制造活动进入了数字化工厂新的阶段。
在现代先进制造领域，CAD系统是解决产品设计、建模等问题的工具。
计算机辅助生产工程（CAPE）系统则是解决生产工程问题，也就是如何组织生产的问题，其目标主要是生产计划、工艺管理、生产过程组织等领域的设计和优化问题。
数字化工厂是通过建立统一的工艺数据库来支持规划和工艺人员完成复杂的生产工程管理和优化任务，是在计算机辅助工程、虚拟现实技术和仿真优化技术的基础上发展起来的，数字化工厂目前已经成为现代制造领域中的一个新的应用领域。
图4-4 设计/制造技术的发展与数字化工厂、智能工厂的形成
针对制造系统体系结构设计及优化、生产系统的功能分解以及过程组织、生产流程设计的新技术正在不断出现。
毫无疑问，这些技术将有助于规划工厂的结构、明确生产设备和制造原料的维护和储存、完成企业物流系统的设计以及确认企业生产能力和生产瓶颈所在。
同样的，在过程组织和生产流程设计方面，也发挥出很大的作用。
除此以外，为了解决复杂的设计功能，人们还采用了对生产流程进行模拟的方法。
与此同时，还有采用三维交互场景把生产设备及其工作方式，以及由此而产生的对外部环境的影响真实地再现出来的虚拟现实/增强现实的设备和软件。
数字化工厂通过建模技术对真实工厂的制造资源和工艺数据进行分析，在计算机内建立真实工厂的数字化模型。
CAD数据、加工工艺和预计的生产计划作为输入，通过优化仿真系统进行制造过程的模拟，对产品的设计和制造过程进行评价。
现在越来越多的优化仿真系统还采用虚拟现实技术进行可视化仿真，并给出优化仿真结果。
数字化工厂技术对生产工程的各个环节，在不同的层次，小到操作步骤，大到生产单元、生产线乃至整个工厂进行设计、仿真、分析和优化。
它从并行工程的基本观点出发，在产品设计阶段就同时考虑和解决生产工程的问题，包括工艺过程设计、工艺装备、机床设备、刀具、生产线或加工单元的布局、人体工程学、生产调度、物料管理等，实现数字化的制造。
其结果用于真实工厂的生产制造，如可生成PLC、机器人和数控机床等数字化设备的控制程序，控制相关设备完成生产制造。
在制造业信息化的发展进程中，许多原来针对某些领域的自动化或计算机辅助技术越来越需要和其他系统进行数据交换，如CAD和CAPP（计算机辅助工艺规划）以及CAM（计算机辅助制造）系统，由此产生了数据共享和相互操作的问题，PDM（产品数据管理）/PLM（产品生命周期管理）的出现解决了产品数据管理的问题，促使CAD/CAM/CAPP/PLM技术的集成和发展。
随着技术的进一步发展，仅仅进行数据的交互已不能满足实际的需求。
从产品的设计到制造之间的业务流程以前都是通过人员之间采用传统的方法向下流转，由设计人员完成后通知主管人员，由主管人员进行协调，将工艺分析的任务交由工艺规划人员完成，经过多次类似的活动最后才进入工厂进行制造，人们对业务流程的自动化要求越来越高，进而出现了数字化工厂集成的概念。
2 智能工厂的数字化规划
随着产品越来越复杂、知识含量越来越丰富，制造系统的复杂程度也越来越高，智能工厂需要满足以下最基本的集成化和智能化要求：
● 开放式动态结构：面对复杂多变的制造环境，能够动态集成（添加）子系统或删除已存在的子系统。
● 敏捷性：指适应快速变化市场的制造能力，为适应产品品种的快速变化，要求系统易于重构，并且能快速把产品投放到市场。
● 柔性：适应市场动态变化的生产正在逐渐替换批量生产。
一个制造系统的生存和竞争能力很大程度上要看它是否能够在足够短的开发周期内适应市场各方面的最新需求，生产出成本较低、质量较高的不同品种的产品。
● 跨组织的集成：为适应全球竞争和快速响应市场环境，独立的企业或部门必须通过网络与相关管理系统（如采购、设计、生产、车间、规划等）及其合作伙伴集成。
完成网络集成，到信息集成、应用集成，再到过程集成，最终实现知识集成的最高目标。
● 异构环境：离散化制造模式必然使计算机软硬件信息系统形成异构的数据环境。
● 协同工作能力：异构信息环境使用不同的编程语言，以不同的模型表达数据，运行在不同的计算机平台，这必然要求系统具有内部协同工作能力。
● 人机交互能力：“人”在产品开发甚至整个产品生命周期内都起到非常重要的作用，系统需要吸取人的经验，集成人的智慧，因此要求具备友好的人机界面。
● 系统容错性：保证产品开发速度的同时，要保证产品质量，产品或系统的缺陷可能导致工期推迟，因此系统应该具有检查错误并修正错误的能力。
由于智能工厂的上述特点，使其生产设备和制造系统日趋复杂，供应商和客户在规划和设计系统的前期、组装和调试新设备并将其投入到生产的过程中经常面临着日益严峻的问题。
传统的手工处理方式，设计人员不能对新的制造技术和制造系统有正确的了解，可能导致产品设计上的错误，就需要在以后的设备现场安装调试中以更大的代价去更正。
而生产制造过程的经验也不能很好地反馈到设计阶段。
设计和制造两个环节的脱节就需要迫切提高企业的生产规划能力和制造系统的设计能力。
另一方面，传统的人工规划方法基本上是“粗放式”的设计方法。
新生产系统设计完成后，具体的设备进厂、试生产和投产都是一个不确定的纸上方案，给建造供应商提供了很大的发挥空间。
这样会导致新工厂的建设时间、建设成本都不能很好地进行控制，最后往往会导致费用超支、工程拖期。
对于传统工厂规划的局限性，数字化工厂技术的引入能够很好地解决这些问题。
集现代制造技术、现代管理技术、自动化技术、计算机信息技术和系统工程技术于一体的数字化工厂布局规划系统，运用先进的规划软件，可模拟现代制造企业进行生产运作管理、车间制造自动化、质量监控、现代物流控制等活动，充分体现出数字化工厂规划的综合性、工程性、集成性、系统性和可拓展性等特征。
数字化工厂在工厂层面的应用主要是工厂及车间布局和初步的生产规划仿真。
布局指按照一定的原则在设备和车间内部空间面积的约束下，对车间内各组成单元工作地以及生产设备进行合理的布置，使它们之间的生产配合关系最优，设备的利用率最高，物料运送代价最小，并且能够保证生产的长期运转。
数字化工厂的车间布局功能为新厂房的建立以及厂房的调整与改善提供预分析和规划的工具，同时也为生产线的仿真和规划以及数字化装配做好铺垫。
由此可见，进行车间布局是应用数字化工厂技术的第一步，起着至关重要的作用。
如果采用传统工厂布局方法，利用简单的计算机辅助二维平面设计，或采用现场布置的方法，由于无法事先预估未知因素，缺少对各种设计方案的分析和比较，将很难得到最优方案，而且一旦需要调整方案，其过程会非常繁琐。
利用数字化工厂技术进行工厂布局设计的方法可以很好地解决传统设计中遇到的问题。
数字化工厂技术采用面向对象技术建立制造环境中的基本资源类型库，并针对其中对象建立相应的模型库，然后通过可视化的建模方式，在虚拟场景中组建出车间仿真模型，包括生产环境、机床、运输设备、仓库以及缓冲区等生产工位的合理位置的三维可视化仿真模型，规划人员和操作者通过漫游，对空间布局进行调整，对生产的动态过程进行模拟，统计相应的评价参数，确定布局优化方案。
数字化工厂中的物流分析仿真软件，是对制造企业物流进行规划分析、辅助设计和评价的最简单、经济、有效的方法。
它可以在工厂规划初期，把拟建设的工厂与产品生产物流相关的原料资源、产品生产加工、产品工艺数据、库存信息、运输等活动有机地结合起来，逼真地在计算机上模拟出制造系统的生产过程和变化状态，运用系统分析方法对生产物流系统进行模拟仿真数据分析，并可以对物流规划设计的结果进行系统的调整和系统能力的评价，从而可以使工厂物流设计和运行更为可靠、有效，大大降低产品开发的投资和缩短开发周期。
这被认为是解决现代生产制造企业中物流成本高的理想方法。
随着数字化生产、虚拟企业概念的提出，生产系统的数字化设计与仿真变得日益重要，合理的系统方案不仅可以减少系统运行的成本和维护费用，提高设备利用率和系统生产效率，而且对系统的快速重组和提高企业的快速响应特性，均具有十分重要的意义。
4.1.3 工厂数字模型
1 工厂数字模型的概念
现代制造企业之间的激烈竞争，使得制造企业都在不断地寻找新的方法来缩短产品的设计生产周期。
面对瞬息万变的市场，只有率先生产出符合要求的产品，厂商才能赢得未来。
应用数字样机技术对产品进行设计和分析，可以大大缩短产品开发周期、减少开发费用。
为了赢得更多时间，不仅应该从产品的设计和生产方面努力，工厂的设计和建造过程也同样应该得到重视。
借鉴产品DMU的概念和技术，将其引入到工厂的规划、设计、建造、运行维护等过程，由此形成工厂DMU的概念。
将工厂作为研究对象，应用数字样机技术来规划和管理工厂的建设，可以为企业节省大量的时间和资源。
工厂数字模型（Digital Mock-up，DMU），是整个工厂从规划、设计，到施工、运营和维护的全生命周期相关数字化文档的综合。
它不但包括了工厂的三维几何模型，还包括了各类设计文档、施工文档和维护信息。工厂DMU的核心是BIM技术。
工程师在计算机上建立数字化工厂模型，并且对模型进行评估、修改和完善，同时对工厂内部进行优化设计，协调各部分可能存在的冲突，避免因为设计不合理带来的损失，使车间内部设备、工艺和物流有关数据、信息能够与工厂厂房实现最佳结合。
所有的模型数据和工程文档都能完整地保持在统一的数据库中进行集中管理，便于不同部门不同专业共享信息。
2 工厂数字模型的主要内容
以汽车制造工厂为例，工厂DMU包括两大部分：三维几何模型和工厂相关文档（见图4-5）。
图4-5 工厂DMU的主要内容
1）三维几何模型：建筑设计阶段制作完成的建筑模型、工厂布局规划阶段所完成的设备布局模型，包含了厂房及厂房内所有设备的模型。
对工厂的设计有修改时必须及时更新模型，以便模型能够真实地反映工厂现场真实情况。
建筑部分又包含了屋顶、墙面、地面、基础、柱子、桩基、采光、轴网架结构、消防设施、给排水设施、空调通风设施及电气、照明、安全系统等。
设备模型包括生产所需的机械、电气和监控设备，以及配套的管线、输送链等设施。
2）工厂相关文档：工厂规划设计中产生的设计文档，招标文件，与施工单位签订的合同文件，施工过程中产生的施工文档，再到整个厂房运营过程中的维护记录。
招标文件是建设单位（发包方）在进行招标前编制的文件，目的是向投标单位介绍招标工程的情况、招标要求、合同条款、招标程序和规则等，它是承发包双方建立合同协议的基础。
其主要内容有：投标须知、工程综合说明、工程设计和技术说明、工程质量要求、工程验收方式、工程量清单和单价表、材料供应方式、工程价款支付方式、施工单位资质、业绩及合同主要条款等。
施工合同即建筑安装工程承包合同，是建设单位（发包方）和施工单位（承包方）为完成商定的建筑安装工程，明确相互权利、义务关系的合同。
施工合同的内容包括：工程范围、建设工期、工程开工竣工时间、工程质量、工程造价、技术资料交付时间、材料和设备供应责任、计量结算、竣工验收、质量保修范围和质量保质期、双方协作等条款。
施工文档主要包括：开工报告、图纸会审、施工组织设计、技术交底、施工计划进度表、材料进场报检单、隐蔽工程记录、施工现场协调会议纪要、监理通知（回复）单、分项工程报检表、变更通知书、变更图纸、施工联系单、备忘录、施工日志、材料说明书、测试报告、接线图、分布图、系统图、施工图纸、验收申请报告、验收证书等。维护记录包括工厂运营过程中所记载的厂房维修施工记录。
3 工厂数字模型的相关技术
工厂DMU的技术核心是BIM技术，基于统一模型进行工厂及设施和设备的模型及数据管理。
具体而言，工厂DMU相关技术如图4-6所示。
图4-6 工厂DMU相关技术
1）几何建模技术：用于在计算机中建立工厂建筑及内部设备设施的三维几何模型。
三维几何模型是工厂DMU最主要的内容之一。
2）模型干涉分析技术：集成不同专业的模型，分析不同专业之间的干涉碰撞，使工程师在设计阶段就能够发现并解决绝大部分干涉问题。
对重大的吊装作业，还能够动态地检测整个作业过程中是否存在碰撞，保证吊装工作的安全。
3）仿真技术：多专业的仿真技术，包括对建筑设施的布局仿真、工艺装备布局仿真、物流仿真等工程类仿真技术，也包括应急疏散仿真等社会系统方面的仿真技术，如根据相关的物理及化学原理，模拟工厂中发生火灾、地震等突发灾难事件时，人员疏散和灾难发展情况，最大程度保障员工的安全。
4）虚拟现实技术与增强现实技术：用于模型的三维和沉浸感展示，使不同专业的相关设计人员和用户能够跨越自身专业知识的局限，充分理解设计内容。
5）工程数据库技术：工厂DMU涉及了大量的工厂相关文档和模型文件，必须建立统一的数据库来完成这些数据的管理，保证所有信息能够被及时地共享，并且采取适当的保密措施以保证信息的安全。
由于工程设计文档包括了大量非结构化和半结构化数据，因此，需要包括非关系型数据库技术。
4 工厂数字模型的应用
工厂DMU的构建是在工厂规划设计阶段，但是，工厂DMU的应用可以贯穿整个工厂的生命周期，包括：工厂建筑设计、工厂布局规划、工程建设和运行维护阶段。在各个阶段应用了工厂DMU后的效果如下：
（1）工厂建筑设计中的应用
1）模型直观：在建筑设计中使用工厂DMU技术，由于三维模型非常直观，不同专业的工程师在完成设计建模工作后，能够通过对工厂建筑结构模型的各个部分进行简单直观的观察和测量，检查厂房的建筑结构是否达到设计标准，是否存在疏漏。
为了更加真实地体会模型内容，还能够使用虚拟现实技术或增强现实技术，加强使用者对模型的理解。
2）协同工作：工厂DMU使得不同专业的设计人员能够共享工程设计数据，有效地进行协同工作。
将厂房建筑、结构、基础、设备等不同部分的模型集成在一起，检查各部分之间的干涉冲突，通过观察干涉冲突部位的三维图形，不同专业的工程师能够很好地协调解决干涉问题。
除了建筑专业的工程师外，设备布局专业的工程师也能够通过观看模型，及时了解厂房建筑的设计情况，从设备布局的角度提出修改意见。
由于能够在工程开工前及时地发现并解决绝大部分干涉问题，工程人员利用工厂DMU技术进行有效的协同工作能够缩短设计和建设周期，避免浪费，节省工程费用。
3）模型测试：厂房内基础设施设备，例如给排水管道、电力设备、通风设施等，能否达到使用标准、满足工厂运转的需要。
除了通过工程师人工检查模型设计的合理性之外，还能够通过软件进行模拟测试，检验各个设备设计的合理性。
对于厂房应对灾害的各项性能指标，如防火性能、抗震性能，除了根据国家规定和工程师的经验进行设计外，也可利用各种专业仿真软件来模拟工厂中发生各种灾害的情形，预测厂房的受损情况，从而检查设计是否存在缺陷。
比如模拟火灾发生时火势的蔓延、烟雾的扩散情况。
除了检查灾难对建筑本身的伤害以外，计算机还能够模拟人员逃生疏散过程，确保逃生通道设计的合理性，最大程度地减少灾难发生时的生命财产损失。
经过反复修改完成的工厂建筑模型，既可以输出二维图纸便于现场施工时使用，又能够生成所需建筑材料的详细列表清单便于项目在财务以及物料供应方面的管理。
由计算机自动完成的工程预算统计报表不仅精确程度高，降低了人为出错的概率，而且极大地节省了人力和时间成本。
（2）工厂布局规划中的应用
工厂布局规划工作需要考虑诸多因素，许多设备性能精密、价值不菲，通常还涉及各种复杂的配套管线，因此设备布局一旦确定，一般就不会允许发生大的改动。
如果工厂开始运转之后才发现布局不合理，不论是重新安装移动设备还是沿用不合理的布局，都将对企业造成不必要的损失。
在工厂布局规划中，工厂DMU带来的作用效果包括：
1）模型直观：使用工厂DMU技术，建立工厂建筑和工艺设备的三维模型，能够为设计者呈现直观而真实的工厂布局结果，方便设计师从感性直观的角度充分了解布局规划的结果。
2）过程仿真：以工厂DMU中原始的三维模型文件为基础，使用专业的数字化工厂软件对模型进行分析，能够完成生产过程的仿真，包括加工过程、物流过程、工人操作等各个方面，全面地对设计师的规划结果进行评估，及时发现设计缺陷。
3）协同工作：如同前文建筑设计阶段提到的协同工作，使用工厂DMU技术也能在布局规划中起到相同作用，将数字模型与其他专业的工程师及时共享，能够方便其他配套基础设施的工程师及时了解工艺设备需要配备的管线设施，设计方案需要修改时各专业也能够及时做出更新方案。
工厂DMU在工厂布局方面的信息集成流程如图4-7所示。
图4-7 工厂DMU在工厂布局方面的信息集成流程
（3）工程建设阶段的应用
完成了工厂的设计规划工作，通过各个相关部门的审批后，工厂就进入了工程建设的实施阶段。
利用工厂DMU，工程师在设计阶段就解决了绝大部分的干涉碰撞问题，所以大量地减少了现场设计变更工作。
1）施工进度安排：以工厂DMU为基础，利用相关软件能够导入项目进度、组织计划、软件制定的节点图或横道图，对施工进度4D（3D模型加上时间维，成为4D模型）仿真模拟。
利用施工进度模拟能够查看到在工程进行的任何时间点实际的建筑建设完成到怎样的程度，能够帮助检验施工组织进度的合理性。
工程师通过查看各阶段的工程完成程度，反查进度计划中疏漏的施工任务。
2）吊装施工模拟：一些厂房建筑可能需要进行重大的吊装工序，以工厂DMU为基础，利用专业的模拟软件能够在计算机中精确地模拟吊装工作的过程。
精确模拟吊装工作中各种状态，如静止、等待、移动等，动态检测吊装过程中可能发生的碰撞，以确定最安全的吊装施工方案。
3）记录文档保存：工厂DMU不仅仅包含最基本的工厂DMU，还包含所有相关的工程设计、施工文档。
在工程建设过程中，完整地保存相关的工程档案十分重要。
工程档案包括：设计图纸、科技档案、文书档案、声像档案等。
完整的工程档案能够真实准确地反映工程建设活动和工程建设过程中的实际情况。
如果工程完成后出现问题，可以通过调取项目档案，找出问题所在，确定所出现的问题应由参与项目的哪方承担责任。
工程档案真实地记录了工程技术人员在项目建设过程中的实施过程和解决问题的方法，也是积累宝贵工程技术和工程经验的手段。
（4）运行维护阶段的应用
完成所有前期准备工作后，工厂就将投入生产，进入运行维护阶段，工厂DMU作用包括：
1）检修维护：在运行过程中，厂房可能因为环境和使用出现一定的损坏，需要定期进行检修和维护。
工厂DMU的数据就能够辅助工程师制定合理的检修维护方案，计算维护成本。
随着制造技术的飞速发展，厂房内也可能需要引入新型设备并为其设计配套设施，工程师就需要调取原有的工厂DMU数据，在原有工厂数据的基础上，设计新设备的安装方案。
模拟新设备运输和安装的过程，进行动态碰撞检查是否有足够的运送空间，防止在此过程中新设备与其他设备发生碰撞而造成不必要的损失。
2）文档保存：由于工厂DMU全部采用电子档案形式，所以与传统的纸质档案相比，工程师在检索提取档案时也能节省大量时间，提高工作效率，并且能够避免纸张老化或破损而导致的信息丢失。
工厂DMU包含了工厂设计、建设和运维过程的所有模型和数据，为工厂数字孪生的构建提供了基础。
而工厂DMU所需要的大量BIM信息和相关设施、设备数据，可通过数字交付的形式来收集和整理。
4.1.4 数字交付
在《国家智能制造标准体系建设指南（2021年版）》（征求意见稿）中，就包含了“智能工厂交付标准”，属于“B关键技术”的“BB智能工厂”部分（见图3-4），其包括了“设计、实施等阶段数字化交付通用要求、内容要求、质量要求等交付标准及智能工厂项目竣工验收标准”。
而在流程行业，“数字化交付”是一个日趋热门的词汇，并且在一些大型企业的工程建设项目中开始得到应用。
2018年9月 11日颁布的《石油化工工程数字化交付标准》（GB/T 51296—2018）对数字化交付的概念做了如下表述：“以工厂对象为核心，对工程项目建设阶段产生的静态信息进行数字化创建直至移交的工作过程。
包括信息交付的策略制定、基础制定、方案制定、信息整合与校验以及信息移交和验收。”
区别于传统工程以“卷册”为核心的交付体系，数字化交付是指以“工厂对象”为核心，将工程设计、采购、施工、制造、安装等阶段产生的数据，进行结构化处理，建立以“工厂对象”为核心的网状关系数据库，存储于工程数据中心，并基于统一的数据接口访问数据。
数字化交付的实现途径如图4-8所示。
图4-8 数字化交付原理
在数字化交付出现之前，工厂建设期工程各参与方提供了大量的设计文档和数据，这些文档以传统的纸张文件的形式，作为设计、施工和竣工资料向工厂方移交。
计算机技术发展后，这些资料以数字化的形式移交，但也只是以独立CAD文件、Office文件等形式提交给业主方。
虽然这些移交工作能得到工程参与各方的工作结果，作为一个阶段性的成果进行了存档，但是这些资料之间的关系、版本的演变等资料背后的隐藏信息都没有完整地保留，给后面的使用带来了障碍。
数字化交付概念的出现，给这些资料的转交提供了标准。
在石油天然气行业，有一个ISO 15926标准，规定了工业自动化系统和集成相关的数据模型、集成流程等内容，用唯一的、支持所有视点的相关环境定义了工厂生命周期信息的含义。
基于ISO 15926标准的数字化交付，除了CAD、Office等文件外，还将设计和施工过程中的设备、管线、管件以及结构等转换成独立的对象，这些对象的关联关系在交付后仍然保留，一方面能让人员检索更加方便，还可以与生产过程中的动态数据（DCS/SCADA）进行关联，便于开展模型和数据的关联。
在我国的GB/T 51296—2018标准中，也对工厂模型、设备关联、交付文档、交付平台、交付流程等进行了定义，使数字化交付的推广应用有规可循。
数字化交付的核心包括三维模型、数据、文档及其关联关系，因此，企业所建立交付标准应对三维模型、数据、文档及其关联关系做出规定。
设计阶段产生的模型、数据、设计图纸、计算书，采购阶段的装箱清单、使用说明书、质量证明文件，施工阶段的各种施工记录、试验报告、验收报告等，均属于交付的范畴。
在数字化交付的条件下，不仅仅是将这些文档转成PDF存储起来，为便于文档内容的索引，还应需要处理文档和工厂对象的关联关系。
数字化交付条件下需要完整的文档编码系统，来适应文档分类管理与查询的要求。
数字化交付的目标是形成项目建设阶段高质量的数字资产。
数字化交付内容在根本上都表现为数据，这些数据可分为结构化数据和非结构化数据。
结构化数据是指可以使用关系型数据库表示和存储，表现为二维表格形式的数据，如三维设计产生的结构树数据。
非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据，如文本、图表、图像等。
通过工具软件可从非结构化数据中提取结构化数据，作为这些非结构文档的元数据来进行管理。
结合工厂DMU的概念，建立数字化工厂平台，以三维模型为载体，将数字化交付的各阶段数据整合并可视化地展示出来，从而构建出与现实工厂完全一致的工厂DMU。
在工厂DMU的基础上，整合基础自动化模型、过程控制模型、工艺参数模型，构建与实际生产流程、设备和工艺一致的数字孪生模型。
进一步，以数字化平台为基础，通过信息交换获取企业的生产管理、能源管理、设备管理、物流管理等信息化系统的信息，采用不同的图层和场景展现不同业务数据，更直观地协助公司各级调度管理人员及时掌控企业生产运营信息，满足公司各级管理人员需要。
4.1.5 数字化工厂管控
工厂管控是在工厂投入运行后，对工厂的运作进行管理和控制，保证工厂各项工作的正常开展，以优化资源使用，实现最大产出。
利用数字化手段实现数字化工厂管控，是实现智能工厂的第一步。
在具体构建数字化工厂管控的过程中，制造执行系统（MES）是一个不可忽视的部分，下面从MES来分析数字化工厂管控系统。
1 数字化工厂管控的层级
制造执行系统（Manufacturing Execution System，MES）的概念是由美国先进制造研究机构（Advanced Manufacturing Research，AMR）在1990年首次提出并使用的，其把MES定义为“位于上层计划管理系统与底层工业控制之间的、面向车间层的管理信息系统”，为操作人员、管理人员提供计划的执行、跟踪以及所有资源（人、设备、物料、客户需求等方面）的当前状态。
此定义既解决了MES的定位问题，又理顺了企业信息集成的发展思路，使各个层次的系统所应发挥的作用一目了然。
美国仪器、系统和自动化协会（Instrumentation Systems and Automation Society，ISA）提出了ISA-95国际标准，成为目前MES参考的通用标准，此标准从2000年起陆续发布。
ISA-95标准的具体内容包含6个部分，我国把其中第1部分、第2部分和第3部分采用作为国家标准（GB/T 20720.1～. 3）：企业控制系统集成的第1部分、第2部分和第3部分。
ISA-95国际标准6个部分的主要内容：
第1部分，定义了制造控制系统与企业业务系统之间的接口相关的模型和术语，把企业信息分为3大类9大信息模型，作为描述企业相关信息的基本工具。
第2部分，详细描述了第1部中定义的9大对象信息模型的相关属性。
第3部分，主要定义了制造运行管理的通用活动模型，并且将企业制造运行管理在通用活动模型的基础上划分为四个功能区域（生产功能区域、维护功能区域、质量功能区域和库存功能区域），同时，定义了各个模块之间的数据流。
第4部分，用举例的形式详细描述了第3部分中的制造运行管理相关信息的对象及其属性。
第5部分，主要对第1部分中定义的第3层和第4层之间的信息交换模式进行说明，使这些信息能够在企业控制系统中集成，同时对第1部分和第2部分相关的对象模型属性的事物进行了定义。
第6部分，详细说明了制造运行管理事务。
ISA-95标准对其功能层次模型进行了定义，此功能层次模型含有5层，第0～2层是实际的生产、控制过程，即监控且处理制造过程中的信息。
第3层为制造运行管理所处的位置，也是MES关注的范围，此层包含对工作流程、调度维护、优化的控制。
第4层指业务计划和物流管理，包括建立车间生产计划、调度、库存等活动，此层的实现需要第3层的信息支撑，功能层次模型如图4-9所示。
ISA-95标准中首次明确提出了制造运行管理（Manufacturing Operations Management，MOM）的概念，其把制造运行管理的活动定义为：利用生产资源中可协调的人员、可使用的设备、物料以及能源把全部或者部分原料转化成产品的一系列活动。
所以，制造运行管理包含可能由物理设备、人员和信息系统来执行的活动。
制造执行系统（MES）是目前运行在MOM层的一个为大家所熟悉的软件系统，其地位非常关键，起到“顶天立地”的作用。
“顶天”，就是要与业务规划和物流层（图4-9中第4层）连接，也就是要与大家熟悉的ERP（企业资源计划）和PLM（产品生命周期管理）系统互联，而“立地”，就是要能和车间现场的各类智能设备、传感器相连接，能起到采集、汇总现场数据，向上汇报的作用。
随着智能工厂、数字工厂建设的兴起，MES被越来越多的企业所重视。
但是和ERP、PLM系统有所不同，由于MES的主要业务都在车间发生，而不同企业的车间现状是不同的，这就导致MES的功能组成和实施内容没有一个标准的模式，MES的标准化模块需要结合车间的实际情况，进行定制配置和开发，才能真正部署好、运行好。
这也是建设智能工厂、数字化工厂的关键是建设智能车间、数字化车间的原因。而数字孪生应用也是如此，要建设好工厂数字孪生系统，车间数字孪生系统是关键。
图4-9 ISA-95标准中的功能层次模型2 数字化工厂管控系统的架构
图4-9的功能层次，也正是图3-2中“制造金字塔”中的管理层次，是一个工厂优化运行的管理和控制架构。
整个数字化工厂管控系统建设可以包括ERP、PLM和数字化车间建设三部分。
（1）ERP
ERP（Enterprise Resource Planning，企业资源计划）是一个广为人知的为企业决策层管理人员提供支持的管理平台。
它是从MRP（Material Requirement Planning，物料需求计划）、MRP-II（Manufacturing Resource Planning，制造需求计划）发展而来的。
ERP一般包括采购管理、销售管理、合同管理、项目管理、人力资源管理、资产管理和财务管理等内容。
新一代的ERP和SCM（Supply Chain Management，供应链管理）、CRM（Customer Relation Manage-ment，客户关系管理）等软件结合起来，形成了跨企业的管理协同功能。
（2）PLM
PLM（Products Lifecycle Management，产品生命周期管理），是支持产品全生命周期的信息的创建、管理、分发和应用的软件平台。
PLM是从PDM（Products Data Management，产品数据管理）系统发展而来的，初期是为了解决多型产品各类资料文档管理问题。
PLM一般由产品文档电子仓库、产品配置管理、产品开发流程管理、项目管理等模块组成。
（3）数字化车间
数字化车间纵向集成重点涵盖产品生产制造过程，其体系结构如图4-10所示，分为基础层和执行层，在数字化车间之上，还有企业的资源层。
数字化车间内部各功能模块、基础设施之间，以及外部信息系统，均通过企业服务总线进行系统集成，形成有机整体。
数字化车间的基础层包括了数字化车间生产制造所必需的基础设施，如信息基础设施与网络，生产、检验、物流等使用的各种数字化制造设备和辅助设备。
它是实现数字化车间的基础，强调装备的控制与集成。
执行层对生产过程中的各类业务、活动或相关资产进行管理，如车间计划与调度、生产物流管理、工艺执行管理、质量控制和追溯、车间设备管理，实现车间制造过程的智能化、精益化及透明化。
它是实现数字化车间的核心结构，突出对车间的管理控制。
图4-10 数字化车间体系结构图
智能制造是以数字化车间为核心，将人、机、料、法、环连接起来，实现多维度融合的过程。
人、机、料、法、环是对全面质量管理理论中的五个影响产品质量的主要因素的简称。在数字化车间体系结构中，质量管理的五要素也相应地发生变化，因为在数字化车间中，人、机器和资源都能够互相通信。
数字化产品“知道”它们如何被制造出来的细节，也知道它们的用途。
它们将主动地对制造流程回答诸如“我什么时候被制造的”“对我进行处理应该使用哪种参数”“我应该被传送到何处”等问题。
参考数字化车间结构体系，并结合目前对数字化车间建设的研究，数字化车间建设有三条主线：
第一条是以机床、加工设备、机器人、测量测试设备等组成的自动化设备与相关设施，实现生产过程的精确化执行，这是数字化车间的物理基础；
第二条线是以MES为中心的智能化管控系统，实现对计划调度、生产物流、工艺执行、过程质量、设备管理等生产过程各环节及要素的精细化管控，这是数字化车间的信息建设主线；
第三条主线是在互联互通的设备物联网基础上，并以之为桥梁，连接起信息（Cyber）空间的MES等信息化系统与机床等物理空间的自动化设备，构建车间级CPS，实现信息与物理两个世界的相互作用、深度融合。
三条主线交汇，实现数据在自动化设备、信息化系统之间按照人的意愿进行有序流动，将整个车间打造成软硬一体的系统级CPS。
因此，数字化车间中人、设备系统、信息系统之间的相互协调合作，其本质是人机交互。
3 数字化工厂管控的内容
图4-9所描述的层级系统，构成了数字化工厂的管控软件体系。
在工厂运行过程中，需要管控的内容包括：
1）生产运营信息。
生产运营信息是一个企业/工厂运行的基础，包括产品开发信息、生产经营信息、生产过程信息、产品质量信息、设备维护信息等。
这些信息通过经典的ERP、PLM、MES等系统的基本模块能实现完整的管理体系。
2）安防管理。
随着设备复杂程度越来越高，以“人”为核心的管理理念不断得到重视，安防管理成为企业越来越关注的热点。
传统的人防、物防的模式不能满足现代智能工厂的管理需求，实际执行过程是“人防+技防”相结合的模式，利用新兴信息技术来提高技防能力，保障人员和资产安全。
安防管理包括视频监控、门禁管理、人员车辆定位、报警系统等模块。
3）生产环境管理。
生产环境是制造相关作业环境，一方面需要保障工人的健康和安全，另一方面需要保证产品质量的稳定。
一些精密产品的加工制造尤其重视生产环境管理。
生产环境管理也包括企业在环境排放方面的管理，以符合政府、行业的相关规定（合规管理）。
生产环境管理包括环境感知、环境监控、排放合规管理、排放监控等模块。
4）能源管理。
近年来，随着“碳达峰、碳中和”成为国家和社会关注的热点，工厂企业响应国家号召，在节能减排和发展循环经济方面，充分认识到了工作的紧迫性和重要性，在能源管理方面不断加大资金和技术的投入。
能源管理是对重点用能单元实施数据采集和处理，加强仪表计量管理，实现实时分析与管控。
建立企业/工厂级的能源管控中心，实现工厂能源全面管理。可以看到，一个数字化工厂所需要管控的信息来自多个领域、多个专业，很难用单一的模型来进行描述和管理。
因此，工厂数字孪生系统的构建也会是多领域模型、多物理模型的综合，结合来自不同系统所采集的实施数据，形成工厂数字孪生的不同应用服务，实现综合应用。
4.2 工厂数字孪生系统中的模型和数据
在制造数字孪生生态中，工厂数字孪生系统与产品数字孪生系统、供应链数字孪生系统相对独立，又相互作用。
而工厂所包含的车间，是信息流、物流、能量流交互的地方，是产品加工制造完成的场所，也是MOM的核心和MES应用的重点，工厂数字孪生体就是多模型、多数据的融合体，包含了产品模型、工厂模型以及运行管理模型，在构建工厂数字孪生系统时，首先需要分析其内部模型和数据的关系。
4.2.1 基于模型的定义（MBD）和基于模型的企业（MBE）
1 基于模型的定义（MBD）
随着计算机技术在工业范围内的应用，计算机辅助设计广泛应用于制造业，产生了二维图纸为主、三维图纸为辅的基于文档表达的产品表达方法。
但随着产品全生命周期管理思想的提出，以产品为核心的全流程数据管理方式对产品表达方法提出了更为迫切的想法，在此基础上出现了基于模型的定义（Model Based Definition，MBD）方法。
MBD将产品全部信息（包含几何信息和非几何信息）按照相关要求进行组织管理，并将其标注在三维实体模型上，使之成为工程人员和计算机能够识别的数字化信息。
MBD由三维模型、三维标注和属性三部分组成，其关键是三维标注技术。
MBD采用单一数据源，即三维实体模型，最重要的组成部分是MBD数据集。
美国的波音公司从1997年开始协助美国机械工程师协会进行关于MBD标准研究制定工作，于2003年形成了ANSI/ASME Y14.41—2003标准，随后ISO在此标准基础上制定了ISO/DIS 16792标准，建立相应的标准后，波音公司在其787客机中全面采用了该技术，在公司内部创建了BDS-600系统企业标准。
此后各国根据上述两个标准制定了相应的本国标准。
我国于2009年推出推荐标准GB/T 24734.1～11—2009《技术产品文件 数字化产品定义数据通则》，于2010年推出三个关于MBD模型建立标准：
GB/T 26099.1～. 4—2010《机械产品三维建模通用规则》，GB/T 26100—2010《机械产品数字样机通用要求》，GB/T 26101—2010《机械产品虚拟装配通用技术要求》。
波音787标志着MBD技术在实际中的应用，其极大地提高了波音公司的竞争力，缩短了40%的研发周期，减少了50%的工程返工，降低了25%的成本。
此后以波音、空客等为代表的国外飞机厂商在其飞机研制过程中均采用了MBD技术，不断对其进行完善，并逐渐扩展到其他复杂产品的研制过程中。
随着我国在该领域的不断深入研究，在新舟60、ARJ21、C919等机型设计上也取得了不错的成绩。
2 基于模型的系统工程（MBSE）
系统工程（System Engineering，SE）是指在进行一项工程任务时将其当作一个系统来进行工程设计，意味着在进行该工程设计时，不仅仅只是考虑到当前工程内部结构，还需要考虑到该工程与外部环境之间的关系，以此来实现工程开发。
麻省理工学院系统工程系认为系统工程的原则就是对一个系统进行有效的建模、设计和管理。
由此可见，系统工程不只是简单对于工程系统进行设计建模，其还需要对该工程与其所处的环境之间的相互关系进行考量，同时还需要对整个工程进行有效的管理。
随着现代化技术的不断发展，以及工程项目不断地突破原有的工程范围，生命周期概念开始引入到工程项目中，同时工程项目的内容范围、复杂性也在不断地增大，一个工程中参与的人员种类和数量也在不断地增加，传统基于文档的系统工程方法在进行工程应用时产生的文档越来越复杂且越来越多，工程人员在进行信息交互时耗费的人力成本也越来越高。
此时，工程设计过程中如何对设计人员设计的内容进行统一化的管理以及人员之间的交互如何更加有效地实现，成为工程设计过程中急需解决的问题。
于是，基于模型的系统工程（Model Based System Engineering，MBSE）概念被提出，并已经在越来越多的工程中得到了应用，同时也验证了其有效性。
MBSE就是在系统工程的基础上增加基于模型的概念，相较于传统的基于文档的系统工程，该方法强调在整个生命周期下对技术过程的形式化建模。
相比于以文档为核心的系统工程，MBSE具有以下特点：无二义性、设计一体化、内容可重用性。
因此MBSE能够提高各部门之间的沟通效率，打破设计工作对于时间和空间的限制，方便分析人员对知识的获取和再利用，还能够通过模型实现对系统的多角度分析。
但是MBSE并不意味着抛弃了传统系统工程的文档，只是将模型作为系统工程的核心，文档作为辅助工具。
MBSE方法论用于指导建模过程，随着多方研究，产生了很多方法论，其中常见的有IBM公司提出的Harmony SE方法、面向对象的系统工程方法（OOSEM）、DoDAF方法、OPM方法等。
Harmony方法采用“服务—请求—驱动”的系统建模方法；
OOSEM方法利用了面向对象的理念，通过使用SysML对系统进行建模；
DoDAF方法通过对系统进行不同角度的分析并构建相应视图实现对系统的建模；
OPM方法将对象过程示意图和对象过程语言相结合来实现对系统模型的构建。
MBSE采用的常见建模语言为SysML，其可分为行为图、需求图和结构图。
其中行为图又分为活动图、序列图、状态机图和用例图，结构图分为模块定义图、包图和内部模块图，而内部模块图又包含参数图。
需求图用来表示为什么要设计该系统，该系统的需求是什么。
行为图用来表示系统是如何进行运作的，其中活动图表示输入输出之间的过程，序列图表示组成部分如何交互，状态机图表示模块不同状态的转换，用例图用于描述系统功能。
结构图用来表示系统结构，其中模块定义图表示模块和值类型元素，包图表示模型相互包含的层级关系，内部模块图用以指定单个模块的内部结构，参数图表示一种或多种约束。
3 基于模型的企业（MBE）
MBD的提出就是为了解决多源数据产生的管理问题，单一数据源能够解决在产品设计过程中各参与人员之间对于同一内容的不同定义方式的问题，同时还能够解决文档对信息解析产生的复杂性问题。
随着信息技术的快速发展，信息系统的种类越来越多且越来越复杂，MBD从产品模型出发，虽然能够解决产品数据源的问题，但并没有涉及产品供应链以及企业管理内容，其仍是对单一数据源的管理，对于系统集成仍缺少有效的规范。
MBE（Model Based Enterprise，基于模型的企业）是在MBD的基础上，基于MBSE方法论，提出来的一种面向企业的组织设计模式。
2005年，美国提出的NGMTI（下一代制造技术计划）正式将MBE作为美国下一代制造技术目标之一，并在2009年进行调研评估分析发现MBE能够有效地降低企业成本和缩短研发周期。
MBD采用的是单一数据源及三维实体模型来实现在整个产品生命周期下对产品的管理。
MBE在此基础上增加了流程模型来更加完整地表达产品在企业运作下的设计生产过程，即在整个企业和供应链的范围里面，如何基于产品模型进行协同化合作。
西门子中央研究院将MBE分为MBe（Model Based Engineering，基于模型工程）、MBm（Model Based Manufacturing，基于模型制造）和MBs（Model Based Sustainability，基于模型的持续保障）等三个部分，其数据基础为MBD，MBSE为工程指导技术。
其中MBe是通过模型实现对产品、系统的全生命周期中需求采集、分析验证等能力。
MBm是通过MBD技术实现虚拟制造环境，以此来对制造工艺、生产线、控制命令进行仿真。
MBs是将基于MBD产生的模型和仿真应用到产品的全生命周期中，以此来优化对产品全生命周期的管理。
由此可知，MBe对应着产品及系统分析和设计内容，MBm对应着对制造过程分析及映射等内容，而MBs则对应着将模型应用至整个系统全生命周期管理和系统维护等内容。
MBE在MBD上增加流程模型是为了解决在整个产品全生命周期下产品与其所处环境之间的问题，此恰恰是系统工程所需要解决的问题，即除了对于工程项目本身需要进行管理说明，还需要对项目与其所处的环境之间的关系进行管理说明。
MBE将这个产品制造过程及其相应内容看作成一个系统，通过MBSE方法，构建了其系统模型，并将其产品及资源模型作为全生命周期下单一数据源，而过程模型作为其组织管理基础，由此实现了企业层对该制造系统及其相关内容的全生命周期管理。
即MBE以MBD为核心数据，以MBSE为方法论，通过流程模型实现企业全流程集成化管理。
表4-1对MBD/MBE与传统CAD/传统系统工程（Traditional System Engineering，TSE）方法针对产品全流程管理方式从不同参与人员的角度进行了分析。
相比于传统的系统工程，由于采用了单一数据源和流程管理模型使得MBD/MBE能够为企业在进行产品开发管理过程中提供便利，缩短开发周期、优化管理方式并降低人员间沟通成本。
表4-1 MBD/MBE与传统CAD/TSE技术之间的比较
制造业实施MBE需以多学科协同为基础实现复杂模型构建，同时还能基于模型进行知识获取，能够以模块化模型的方式来实现产品全生命周期下任务的分工，并且将对企业管理技术提出更高的要求，需要企业内部员工之间进行协同化管理并具有创新力，以实现面向未来的技术研究。
4.2.2 数字孪生与MBE的关系
数字孪生技术可分为建模、仿真和控制等三部分。
建模是指通过高拟实性建模技术实现对孪生对象的模型构建；
仿真是指基于虚拟模型的超高仿真技术实现对物理对象状态模拟；控制又分为“以虚映实”和“以虚控实”两个部分。
“以虚映实”指通过仿真技术控制虚拟模型实现对物理对象状态在信息空间中实时映射。
“以虚控实”指利用虚拟模型仿真结果来实现对物理对象状态的优化控制。
美国在其NGMTI中将MBE作为其六个目标中的第一个目标，是构建一种以模型为核心、面向模型进行组织管理的制造实体，在MBD的基础上通过建模和仿真技术，来实现对产品全生命周期下包含的设计、制造以及支持过程下的技术及其流程模型的集成性管理。
MBE需要对制造对象、制造工具以及制造流程进行模型构建，然后通过上述模型实现对制造系统的管理。
而数字孪生技术中建模是通过“高保真”建模技术实现对孪生对象模型构建，其不仅包含对孪生对象几何模型、参数以及管理模型构建，还包含对孪生对象行为、规则等机理模型构建，数字孪生技术中仿真技术就是基于孪生模型实现对孪生对象全生命周期的管理。
因此，数字孪生技术可以为实现MBE提供基础。
由于在数字孪生系统实现过程中需要对孪生对象进行“高保真”建模仿真，因此，如果当孪生对象过于复杂时，对模型构建、集成、更新过程的模型管理就显得十分必要。
数字孪生系统包括物理对象和信息对象的融合，系统工程思想可以帮助数字孪生系统的实现。
在系统工程发展过程中，传统基于文档的系统工程方法产生的系统文档繁杂，以及系统相关参与人员间信息交互难度随着系统内容增大而不断提升等问题，专家学者们提出了基于模型的系统工程方法，MBSE是对系统中技术进行形式化建模，通过形式化模型来实现对系统全生命周期管理。
由此可见，MBSE方法论可以为数字孪生系统的实现提供系统设计理论支持。
MBE在产品全生命周期管理下对企业对象模型进行集成化管理，所包含的流程模型能够为数字孪生技术下全组织集成化管理在工程实现以及管理上提供支持。
由此可知，一方面数字孪生技术可以为MBE实现提供基础，另一方面MBE也能从孪生对象模型和数据的定义以及维护流程角度给数字孪生系统全生命周期管理提供支持。
4.2.3 工厂数字孪生系统中的模型
1 工厂数字孪生系统多模型组成
工厂生产制造可以分为产品、过程和资源等三个部分，其分别对应着生产对象、生产过程管理和生产工具，一个工厂数字孪生系统中模型分别包含产品模型、工厂资源模型以及生产管理模型等三部分。
1）产品模型由产品三维模型、产品属性以及管理属性等三个部分组成。
产品三维模型为产品的三维结构模型；
产品属性主要包含产品的材质、尺寸、加工工艺等用于说明产品基本特征的数据；而产品的管理属性主要包含产品的工艺信息和质量管控信息等，其主要用于在工厂生产过程中的管理。
产品所包括零部件的组成关系通过BOM（Bill of Material，物料清单）来描述，基于产品模型可以生成产品设计、制造、维护过程不同的BOM，如面向产品生产工艺的PBOM（Process BOM），面向制造过程的MBOM（Manufacturing BOM）等，不同类型BOM用于在产品全生命周期下的不同阶段。
2）工厂资源模型主要描述工厂各要素的组成，可以从三维结构、工厂布局、逻辑关系三个方面进行描述。
三维结构，是指各工厂组成要素的三维几何模型，如厂房三维模型、设备三维模型等；工厂布局，是指工厂资源在三维空间上的关系；
逻辑关系，是从工艺流程、管理层次等方面形成的各资源之间的关系，如工艺流程上的前后关系、管理层次上的从属关系等。
3）生产管理模型是指用于实现对生产全过程管理所构建的模型，其可分为生产流程管理模型和生产服务管理模型两部分。
生产流程管理模型，是对生产流程的定义和执行。
产品生产流程由其工艺决定，而具体的产品生产过程计划和调度，是根据产品相关的物料计划、需求计划、工厂能力计划等确定的计划调度方案。
数字孪生系统首先进行工艺优化，以最佳制造方案生产出产品，再次通过生产系统的调度优化来合理安排制造时间，缩短制造周期。
生产流程管理是工厂的基本控制功能，因此也可称之为工厂基本控制模型。
在这个基本控制模型之外，是保证生产流程能顺利进行的相关生产服务管理模型，如工厂整体状态实时监控和评估、设备健康度管理、物流管理、设施维护等相关的模型，这些模型也可以称之为工厂服务模型。
由上可知，面向企业管理，产品和资源模型是实现工厂系统管理的基础，对模型的管理能够保证整个全生命周期下数据的唯一性，并为面向工厂系统的组织管理提供了有效且唯一的数据，而管理过程模型则是对工厂系统内部运行过程的模型化，其能够保证企业对于工厂系统管理的合理性以及有效性。
因此，基于产品、资源及生产管理等多模型集成，企业层能够实现对工厂系统集成化和智能化管理。
面向产品、工厂以及生产管理三个方面，各类模型分别拥有各自的全生命周期，但是同时它们在各自的全生命周期阶段相互影响、相互作用，然后在整个工厂运行过程中实现融合，最终实现了工厂生产运作目标。
2 工厂数字孪生系统中的产品生命周期分析
工厂，是为制造产品服务的，工厂的目的就是多、快、好、省地生产出市场需要的产品，一个工厂数字孪生系统的构建，要以产品为中心进行考虑。
产品的模型和数据是构成一个完整工厂数字孪生系统必不可缺的一部分。
产品全生命周期集成是跨企业间的产品定义信息的协同研发、管理以及传播和使用，即从产品概念提出到最后退出市场的全流程、全业务、全人员和全信息的集成过程。
如今的产品全生命周期已经发展成产品生命循环周期。
在整个产品生命周期下，工厂需要面临管理的是一个可以动态更新的产品模型，此可能会导致生产线、生产流程、供应链等一系列连锁变化。
常见的产品的全生命周期可以分为需求调研、产品设计、产品制造及产品运维等四个过程，如图3-5所示。
在工厂数字孪生系统中，主要涉及产品设计、产品制造两个阶段，但是需求调研、产品运维阶段的数据对这两个阶段的工作也起很大的影响。
产品模型不是单一的产品三维几何结构模型，还包含产品基本属性以及面向产品制造过程中的产品管理属性。
MBD是解决传统产品设计模式所带来的多文档及多源数据导致团队合作及企业管理问题而提出的一个全新的技术，采用单一数据源即产品三维模型和三维标注技术，能够保证在整个产品循环生命周期下的数据的唯一性。
MBE是在MBD的基础上增加了流程模型来实现对全流程下产品相关内容的管理，即对产品在整个生命周期阶段下的相关信息进行管理。
利用MBD技术，结合MBE的企业流程管理，构建基于统一模型的产品数字孪生系统，产品全生命周期下各个阶段都是在产品模型的基础上进行相应内容的管理，因此可以保证产品相关的人员对产品内容的定义以及产品数据管理过程的一致性，还能缩短每个周期下相关人员对于模型的学习时间，提高效率。
全生命周期下每个阶段不再是线性管理，即不再是上一阶段任务执行完成后下一阶段再进行，而是上一阶段产生的内容可以立即在下一阶段得到验证，真正地实现了生命循环周期，通过基于模型的组织管理方式可以加快产品设计和更新速度。
工厂数字孪生系统中的组织管理模型需要考虑这一产品开发管理模型的变革因素。
3 工厂数字孪生系统中的管理分析
工厂的管理包括工厂内部的管理和工厂外部的协同。
工厂内部管理以“管理金字塔”为特征，虽然基于CPS的管理模式会演变成一种网络化的结构，但是从管理的逻辑层级来说，还是会以一种ISA-95所构建的层级管理为特征（见图4-9）。
工厂外部的协同，以供应链协同与管理为主要代表。
因此，工厂系统除了考虑其内部各因素，还需要考虑工厂系统与外部相关要素之间的关系。
如果单一考虑整个工厂内部的因素，而忽略了工厂与外部要素之间的关联，则对于整个工厂系统的运行管理缺乏有效的依据。
系统工程考虑的就是将工厂本身与其所处的环境之间的相互关系作为工厂设计过程中考虑的因素。
和产品、工厂具有明确的生命周期阶段特征不同，工厂管理主要包括的是管理或者协同要素。
图3-2中表示为基于供应链管理（SCM）的采购、制造和调试活动。
工厂管理的要素可以分为生产需求、原料准备、生产计划、生产管理和产品交付及售后等五个部分。
生产需求阶段是指由企业业务产生的工厂生产需求的过程。
原料准备阶段是指基于生产需求对生产所需的原料进行准备的过程。
生产计划阶段是指利用产品及工厂模型，由工厂管理层基于车间当前状态将车间生产需求转换成生产计划并下发给车间的过程。
生产管理阶段指的是车间管理系统对车间实时生产管理进行监控管理并对车间进行维护的过程。
产品交付及售后阶段指的是将成品由工厂分发至市场的过程。
管理过程的建模以管理流程、管理要素和决策规则为主，在数字孪生构建中，也是以流程自动化为主来形成管理模型，并且结合决策模型来帮助关键节点人员的决策，确定业务的流向。
工厂管理模型以工厂组织架构模型为核心，面向企业管理目标实现对制造过程集成化管理，管理模型涉及产品模型、工厂/车间模型以及供应链协同模型，各类模型随着时间会不断变化，需要基于动态数据来对管理过程行为规则等进行动态调整，即管理规则的自学习，对管理架构实现自组织，才能实现自适应的管理需求。
4.3 工厂数字孪生系统的特点与结构
4.3.1 工厂数字孪生系统的特点
1 多领域数字孪生系统交互特征
在制造数字孪生生态系统中，一个工厂数字孪生系统和产品数字孪生系统、供应链数字孪生系统相互独立且交互，共同形成制造数字孪生生态，而工厂数字孪生系统本身也可以看作是包括了产品数字孪生系统、工厂数字孪生系统的数字孪生生态，同时也和供应链上其他数字孪生系统实现互动。不同数字孪生系统之间的集成和演化共同形成了智能制造系统能力。
2 数据-知识混合驱动服务特征
知识服务是融入用户之中并贯穿于用户决策过程的服务，智能工厂数字孪生系统需要将系统服务以最便捷、最直观的形式提供给用户，并直接与用户交互。
智能工厂中全面感知的制造数据连接着生产过程与生产决策，并通过生产大数据的分析与统计、信息的逻辑建模驱动生产决策的生成可以有效地提高生产管控能力、产品质量和生产效率。
因此，需要满足智能工厂数字孪生系统中“物理资源—模型—数据—知识—服务”多层级映射关系以及数据—知识混合驱动服务机制来满足市场大规模定制化服务的需求。
3 服务驱动管理特征
生产任务的动态变化、生产/物流任务目标/约束多样性、生产要素不齐套、生产能力限制等会导致智能工厂制造能力和质量的不稳定。
因此工厂数字孪生系统需要形成制造运行管理过程中所需的智能服务，并需要进一步进行服务融合来满足智能生产、精准管控等实际需求。
工厂数字孪生系统服务融合与协同应形成“服务动态调度机制→服务匹配组合→服务组合可靠性评估”层级反馈关系。
同时智能工厂受生产能力限制，需借助工厂数字孪生系统与外部制造系统提供的制造服务进行配置与交互。
4 柔性特征
工厂数字孪生系统内的资源、信息和服务在时间和空间上具有动态演变特性，同时，面向大规模定制化服务，以及系统故障等扰动，都会对生产系统的柔性提出新的要求。
当发生需求变化等各类扰动时，工厂数字孪生系统内的资源流与信息流都需要快速地、高效地调整运行，保证数字孪生系统提供的服务与客户需求动态匹配。
5 人-机-物-信息协同共融特征
CPS和数字孪生技术是智能制造系统重要使能技术，CPS目的是使得信息空间和物理空间完美映射和深度融合以实现个性化产品制造过程中实时仿真和管理智能化。
在复杂产品的智能工厂中，完全无人化的制造过程难以实现。
充分利用人的感知能力和学习能力，“人在复杂制造环节”中可以充当机器难以实现的智能车间执行环节。
人感知到的信息、决策思维以及执行能力作为智能车间中增强部分，发挥着不可或缺的作用，最终实现智能工厂中“人-机-物-信息”协同共融。
人-信息-物理的关系框架如图4-11所示。
图4-11 工厂数字孪生系统中“人-信息-物理”交互特征
数字孪生技术构建了智能制造工厂中物理实体与数字孪生虚体之间的虚实映射，并通过数字孪生建模、数据接口通信、实时同步仿真、智能决策优化以及实时主动控制这一闭环执行逻辑，实现数据-知识混合驱动的智能制造空间自治管控。
实时同步仿真是实现智能决策与主动控制的核心，通过多学科、多物理量、多模态、多尺度、多概率仿真模型结合来自真实物理空间中的状态、事件、行为等数据进行仿真，并将仿真结果导入智能决策模型进行综合评价、优化与预测，以生成控制指令与决策信息用于物理实体的实时主动控制。
因此，数字孪生技术是智能工厂支撑物理空间、信息空间与业务交互空间泛在融合的核心使能技术。
4.3.2 工厂数字孪生系统的总体架构
参考本书第2章数字孪生系统的通用结构，结合工厂数字孪生系统的特点，其总体架构如图4-12所示。
工厂数字孪生系统包括智能实体工厂、工厂数字孪生体和孪生服务系统，工厂数字孪生体由虚拟工厂和数字孪生引擎组成。
实体工厂是实际存在的工厂，包括车间、生产线、在制品、产品、人员等。
实体工厂需要有数字接口，能及时采集各类运行数据上传给数字孪生体，并且具有一定智能化执行功能，能接受数字孪生体发送来的控制指令进行优化运行。
虚拟工厂，是指工厂相关的数字模型以及相关的信息系统。
智能工厂的运行离不开信息系统的驱动，信息系统完成了工厂各级管理、运行控制功能，因此，智能工厂是一个信息物理系统（CPS）。
工厂相关数字模型，除了工厂数字模型（工厂DMU）外，还包括产品数字模型和管理模型，这些模型是工厂运行所必需的。
其他模型包括智能工厂监控所需要的如环境控制、能源管理、安全防护等方面的模型。
数字孪生引擎是连接物理工厂和虚拟工厂，形成数字孪生系统，并提供基于数字孪生高级服务功能的软件平台，因此也是数字孪生体的一个部分。
工厂数字孪生引擎包括数据融合、模型融合两个基本部分，通过模型和数据的融合，实现系统自组织、自调节、自更新、自优化的智能功能，以及工厂运行管控等实时监控功能，并且对产品数字孪生体进行更新。
工厂的智能功能主要从三个方面体现：
系统自组织、系统自调节/自更新以及系统自优化，其中系统自组织包括客户订单需求解析、供应链评估优化、生产/物流计划生成和生产仿真；
系统自调节/自更新包括工厂多层次监控、动态调度策略更新、基于模型自更新等；
系统自优化包括基于知识的数据分析、模型训练与优化以及动态调度策略与方法。
智能功能经过服务演化和封装发布到应用终端，与用户进行最直观的交互。
图4-12 工厂数字孪生系统总体架构（彩图见插页）
工厂数字孪生服务系统，是基于数字孪生引擎提供的包括供应链管理、设计优化等功能的服务，是工厂数字孪生系统所具有的外在功能接口。
通过服务的形式向外发布，并且支持各类应用的开发和运行。
智能工厂数字孪生系统服务包括：供应链管理、产品装配优化及指导、产品质量控制、实时物流规划及配送指导、能效优化等服务，参与到工厂的管理系统中，有效地、智能地驱动工厂管理。
而随着AR/VR/MR等技术的发展和移动应用的普及，通过基于新技术的人机交互服务，可以便于数字孪生应用系统提供更高级的人机交互接口，能让人更方便、精准地参与到制造活动中，实现智能工厂中“人-机-物-信息”协同共融。
需要说明的是，“工厂”是一个比较宽泛的名词，工厂的规模、组成差别很大，因此，图4-12给出的只是一个工厂数字孪生系统的通用参考架构，不同的工厂根据其自身特点，会有不同。
相对工厂的复杂来说，车间规模可控。
因此，“车间数字孪生系统”是在工程实施中比较好的应用切入口。
车间数字孪生系统的架构可以参考图4-12来设计，只是在车间数字孪生系统中，ERP、PLM等系统都算作外在系统，相互关系可以参考图4-13。
图4-13 车间数字孪生系统与外部系统集成示意图
4.4 工厂数字孪生系统的构建
4.4.1 工厂数字孪生系统生命周期
和产品数字孪生系统类似，工厂数字孪生系统或车间数字孪生系统一般都是“由虚切入”来构建，即先构建工厂或车间的虚拟模型，经过必要的仿真验证和优化后，确定设计方案，再构建工厂实体或车间实体，然后通过数字孪生引擎实现模型和数据的融合，形成数字孪生系统。
与之相反，城市数字孪生系统、供应链数字孪生系统通常是“由实切入”来构建，即一般都是已经有了城市、供应链实体，再构建其数字孪生体，形成数字孪生系统。
工厂数字孪生系统起始于虚拟工厂的构建，随着数字孪生引擎以及物理实体工厂的建造，在系统推进过程中，虚拟工厂、数字孪生引擎及物理工厂不断完善，由独立单一的个体逐渐融合成为一个虚实融合的智能系统，系统生命周期发展进程如图4-14所示。
工厂数字孪生系统的生命周期进程主要可分为系统的构建阶段和运维阶段，构建阶段主要指对数字孪生引擎、物理工厂、虚拟工厂三者的建设，形成虚实融合的智能系统，为系统的运维阶段各功能的实现提供基础。
本节将详细介绍系统的构建过程，主要将从初期、中期、末期三个时间阶段来对系统的构建过程进行分析，系统的详细构建过程如图4-15所示。
1 构建初期
构建初期，此阶段主要服务于数字化工厂的规划建设，构建虚拟工厂用于工厂的布局规划和工艺规划，开始厂房建筑设计。
由于生产设备和制造系统日趋复杂，设计人员对新的制造系统缺乏正确的了解，可能导致设计上的错误，就需要以后的设备安装调试中以更大的代价去更正。
同时，传统的人工规划基本上是“粗放式”的设计方法。
新生产系统设计完成后，具体的设备进厂、试生产和投产都是一个不确定的纸上方案，给建造和设备供应商提供了很大的发挥空间。
这样会导致新工厂的建设时间、建设成本都不能很好地进行控制。
因此，第一阶段需要进行工厂及车间布局规划和初步的生产规划仿真。
图4-14 数字孪生车间系统生命周期发展进程
如果采用传统工厂布局方法，利用简单的计算机辅助二维平面设计，由于无法事先预估未知因素，缺少对各种设计方案的分析比较，将很难得到最优方案，而且一旦需要调整方案，其过程会非常繁琐。
数字化工厂建模采用面向对象技术建立制造环境中的基本资源类型库，并针对其中对象建立相应的模型库，然后通过可视化的建模方式，在虚拟场景中组建出车间仿真模型，包括生产环境、机床、运输设备、仓库以及缓冲区等生产工位的合理位置的三维可视化仿真模型，规划人员和操作者通过漫游，对空间布局进行调整，对生产的动态过程进行模拟，统计相应的评价参数，确定布局优化方案。
构建前期也对制造企业工艺系统和物流系统进行规划分析、辅助设计和评价。
在工厂规划初期，把拟建设的工厂与产品生产相关的原料资源供应数据、产品工艺数据、库存信息、物流设计数据等有机地结合起来，全面地在计算机上模拟出制造系统的生产过程和变化状态，运用系统分析方法对生产及物流系统进行模拟仿真数据分析，并可以对规划设计的结果进行系统的调整和系统能力的评价，从而可以使工厂设计和运行更为可靠、有效，优化设计方案，缩短开发周期。
图4-15 工厂数字孪生系统构建过程分析
在布局规划和工艺规划工作之外，还需要根据工厂管理需求确定业务和管理软件平台，如ERP、PLM、MES等软件建设。
如果企业原先拥有统一的软件平台，则需要针对新工厂进行软件部署等的设计工作，明确信息系统规划设计方案。
此阶段主要交付完整的虚拟工厂模型和设计方案，能够在虚拟空间查看数字化工厂完整布局信息和生产过程信息，比如生产线详细信息、设备具体信息等。
2 构建中期
此阶段系统主要开始实体工厂和数字孪生引擎的构建。
实体工厂的构建主要包括两部分：
一是根据初期得到的虚拟工厂设计方案进行厂房建设，开始工厂内设备安装、生产线调试和物流系统的搭建；
二是搭建信息基础设施，包括设备互联网络、传感器网络等，以此为基础实现生产资源的智能感知。
根据实体工厂建设进度，开始进行数字孪生引擎的建设，包括：
①数据接口设计，实现实际工厂数据采集，与虚拟工厂的模型接口；
②部署数据存储层，根据实际需求搭建各类数据存储系统；
③搭建大数据计算分析环境，由于数字孪生车间系统涉及大量数据分析计算，所以需要搭建相应的大数据计算环境；
④算法模型的分析构建，结合实际需求，搭建各类算法模型，比如设备故障预测模型。这部分的主要工作是完成实际工厂建造以及数字孪生引擎的建设。
这个阶段完成了虚拟工厂和数字孪生引擎的建设，因为缺少实体工厂数据的驱动，这两部分可以看作是“工厂数字孪生胚胎”。
和传统的工厂模型不同，因为有了数字孪生引擎，并且已经针对实体工厂的部分设施进行了数据接口等的设计，所以已经具有数字孪生的基本特征。
3 构建末期
构建末期，虚拟工厂、实体工厂及数字孪生引擎基本完善，此阶段主要是验证实际工厂建造结果是否满足规划设计方案，并且进行实际设备的调试和试生产工作。
通过数字孪生引擎连接实体工厂和虚拟工厂，进行各类虚拟实验验证和优化工作。
与传统的虚拟工厂仿真实验相比，数字孪生引擎驱动下的虚拟仿真主要有以下特点：
①虚实结合，实体工厂和虚拟模型协调统一，存在交互反馈；
②基于大数据分析，使得仿真更加智能，基于仿真结果形成改进决策方案；
③数字孪生引擎知识的自主迭代，会根据多项仿真过程自主完善算法，实现自适应优化。
“工厂数字胚胎”从实体工厂的试运行中获得高实时性的数据，能够仿真并实时地监控物理世界实体工厂运行的可能状态。
在产品生产制造阶段，通过传感器采集产品实时变化数据和生产实时数据，经生产系统的网络传输到数字孪生引擎中进行数据处理、数据存储和数据分析，实现实体工厂的生产过程和数字孪生体的实时映射，并将生产数据运算分析结果及时反馈到生产现场，主动引导物理工厂的生产活动向优化目标方向发展变化。
此阶段过后，虚拟工厂、数字孪生引擎、实体工厂均已完善，数字孪生系统初步形成，已能够投入实际运行。
4.4.2 工厂数字孪生系统实施的重点技术
相对于一般信息系统的构建，建设工厂数字孪生系统需要对MBD/BIM模型管理技术、轻量化技术、数据采集技术等相关技术重点关注，提前针对工厂实际应用需求特点进行技术选择，确定解决方案，这样才能保证数字孪生系统的顺利实施，按期完工。
1 三维建模及三维标注技术
产品的设计和仿真以MBD为基础，工厂建筑和基础设施的建模以BIM为核心，这两个技术都涉及三维建模和标注技术。
三维标注技术是指将产品几何制造信息（如尺寸、公差等）、非几何制造信息（如制造技术要求等）和管理信息标注在三维产品模型上，通过该方法可以使得三维模型成为全生命周期下唯一数据来源。
由于三维标注技术的实现是用于解决传统CAD技术进行模型表达过程中产生的图纸及产品技术说明书等多源数据的问题，因此在进行三维标注过程中对于信息数据标注的布局、管理以及可视化等内容实现就十分必要。
市面上西门子NX软件、达索CATIA软件和PTC公司Pro/E软件均为三维标注技术提供了实现工具。
2 基于MBD模型管理及数据提取技术
基于MBD的模型管理技术是指在整个工厂数字孪生体全生命周期过程中基于PLM系统实现对MBD模型管理，以此来保证MBD模型作为单一数据源在整个工厂全生命周期过程传递。
而MBD模型数据自动提取技术是指在工厂数字孪生体全生命周期阶段调用MBD模型时，自动提取MBD模型中所包含的产品基本属性和产品管理属性等相关数据。
基于数据自动提取技术可以实现全生命周期下数据快速获取，然后基于自动获取的数据来进一步实现如重构BOM和基于数据进行制造过程设计等。
3 BIM模型管理及数据访问技术
和产品不同，由于建筑是典型的单件设计、单件制造的特殊商品，因此其设计文档、施工文档作为产品资料，在完成建造后交给用户，后期由用户维护。
因此，针对建筑信息（如BIM），一般企业不会建立一个类似产品PLM的全生命周期管理平台来进行有效管理。
目前，针对建筑、基础设施的信息管理，可以基于数字化交付平台来实现竣工状态的所有工程文档的管理和存储。
但是后期的维护需要用户（即工厂拥有方）来进行，可以通过构建类似PLM的模型和数据管理平台进行统一管理。
基于数字化交付平台的模型管理、模型访问、数据提取技术也是需要突破的技术。
4 模型轻量化技术
模型轻量化技术是为了解决模型在表达过程中由于模型结构以及数据量过大而影响并减缓模型信息获取速度的问题。
MBD、BIM中的模型虽然通过集成化三维模型能够实现对产品、建筑内容的完整表达，但是由于模型中包含着特征信息、制造/建造信息、管理信息等，其数据结构复杂且数据量庞大，同时由于MBD模型构建是全流程下设计人员共同作用的结果，模型数据难以避免产生冗余信息。
因此，国内外学者对于模型轻量化进行了相应研究，主要从模型特征识别和信息提取，然后基于提取信息进行信息过滤和数据压缩。
模型轻量化是数字孪生应用实施不可缺少的部分。
MBD、BIM的模型是设计模型，而数字孪生应用中很多情况下需要的是展示模型，大量细节可以被忽略掉，从而减少模型的体积，以适应各类终端（包括移动终端）的展示应用。
5 数据采集、数据集成、数据处理和数据存储技术
在进行数据库构建过程中，数据采集、处理和存储是实现数据库的基础，而由于构成数字孪生工厂数据库中的数据来源、数据格式及种类繁杂，对于多种数据进行分布式管理和冗余存储管理能够有效地集成整个工厂信息，并且，当多模块间进行信息交互时能够通过工厂数据库实现数据共享，为后续基于数据的工厂分析提供了数据基础。
由于数字孪生工厂对于数据的实时性有很高的要求，因此数据分布架构、存储和检索方法以及数据安全性是实现数字孪生工厂数据库、模型库所需要解决的问题，现有基于安全私有云方式的数据管理体系是目前可行的解决方案之一。
6 实体智能工厂实现技术
智能工厂实现主要包括智能设备及配套软件、智能设备感知技术、数据传输技术三个方面。
智能设备是工厂制造过程的载体，通过配套软件来实现智能设备的控制。
智能设备感知技术是指通过传感器技术来实现对物理工厂生产过程中运行参数实时感知，并将实时数据传输至工厂控制单元来实现对物理工厂的实时监控。
数据传输技术指通过现场总线技术、工业以太网技术以及无线数据传输技术等实现将数字孪生工厂运行过程中的数据传输至工厂数据库以及工厂控制单元。
7 工业互联网技术
工业互联网融合了机器学习、大数据、物联网、通信技术和网络技术等方面，工业现场使用传感器、控制器和数据传输技术进行信息数据的快速传递，利用边缘计算等先进数据处理方法对数据进行整合，并将其融入工业生产现场。
通过网络技术，实现工业生产现场与企业信息系统间信息数据相互融合，从而实现智能生产系统。
实现数字孪生工厂技术要求之一是实现实时数据融合问题。
工业互联网技术是通过IT（信息技术）和OT（Operation Technology，操作技术，一般指设备控制）网络的互联来实现万物互联，通过边缘计算能够有效地满足工厂生产的实时性和可靠性。
物理工厂通过传感层将数据通过网络层传递到应用层进行数据处理，最后传递到虚拟工厂。
同样在虚拟工厂中的仿真结果也可以反方向作用到物理工厂，通过网络层中数据快速传递能力，最后实现了物理工厂和虚拟工厂的实时同步。
4.4.3 工厂数字孪生系统的实现方法
根据第2章给出的数字孪生系统一般架构（见图2-15），数字孪生系统包括物理实体、虚拟实体、数字孪生引擎和数字孪生服务。
因此，工厂数字孪生系统的实施也包括：实体工厂的实现、虚拟工厂的建设、数字孪生引擎的构建和孪生服务的实现，以及相应的应用系统开发。
实体工厂的建设，就是支持数字化采集和运营监控的智能工厂的建设。
不同行业和规模的工厂有不同的建设方法，本书不再涉及。
而要实现工厂数字孪生系统，重点在于虚拟工厂和数字孪生引擎的建设。
这个方面有两种技术路线。
一种是利用通用的软件平台进行开发和建设，例如，采用Unity、WebGL这类通用的三维开发引擎进行数字孪生体的开发。
这种方法灵活性大，初期投入少并且能很快建立起友好的人机交互界面。
另外一种就是基于成熟的软件平台进行二次开发，实现数字孪生体，例如，基于达索和西门子软件平台的二次开发。
这是因为达索的三维体验平台和西门子的Tecnomatix平台都是著名的数字化工厂平台，基于这两个平台，构建虚拟工厂模型并进行仿真，再结合二次开发实现数字孪生引擎的部分功能，可以方便地实现数字孪生体。
1 Unity平台
（1）Unity简介
Unity是Unity技术公司提供的一个支持多平台的综合三维开发引擎，它使开发人员能够创建交互式3D界面、建筑可视化、实时三维动画和游戏。
开发人员不需要繁琐的二次移植就能发布开发结果到多个平台，如Windows、iOS和Android。Unity Web播放器可以用于发布Web游戏，同样支持Windows和Mac Web浏览。
Unity是一款专业的游戏引擎，其具有强大的脚本编辑功能以及环境模型渲染功能。
将Unity应用于工业领域，其强大的可视化与交互功能足以满足工业要求，可以改变传统工业领域中的许多缺点，比如增强车间仿真的可视化，通过虚拟实验来培训员工等，Unity在工业中的应用是一个值得关注的热点。
（2）Unity对于虚拟工厂实现的支持
虚拟工厂的功能模块包括车间仿真模块、可视化模块以及人机交互模块。Unity对这些功能模块都有很好的支持。
1）工厂仿真模块：Unity中通过脚本绑定来控制场景中模型对象的动作，并且模型对象关键部分与脚本中固定参数绑定，这种方式下，只要模型的建模精确，脚本构建的设备动作模型准确，实体设备数据采集精确，那么便能够在虚拟工厂中精准刻画物理工厂现状。
工厂、车间可以通过脚本构建自己的仿真逻辑，也可以集成外部仿真软件。
而Unity基于C#进行脚本编程，所以可以实现绝大多数高级软件编程技术，比如数据库技术、TCP技术等，可以通过此类方式来实现与外部仿真软件的通信与集成。
2）数据可视化模块：虚拟工厂需要以各种可视化信息面板的形式来展示数字化工厂中各种关键信息以及构建方便的人机交互界面，而Unity具有强大的UI构建能力。
Unity的界面系统主要有GUI、NGUI与UGUI。
可以根据不同的应用需求使用不同的界面系统。
其中GUI是老版UI系统，存在操作不便等问题；NGUI存在兼容性问题；
而UGUI操作方便，代码与各类面板分离，是目前主流的UI系统。
3）人机交互模块：虚拟工厂的人机交互模块主要指通过操作界面交互或者通过虚拟现实、增强现实等方式来进行人机交互。
而Unity对于VR和AR的实现都有很好的支持，可以根据需求导入特定插件，方便地进行相关VR、AR的开发。
代表性的有HTC Vive头盔和Vuforia SDK AR插件。
（3）Unity对于数字孪生引擎实现与部署的支持
数字孪生引擎计算交互层包括智能计算模块和交互驱动模块两大部分，智能计算模块功能主要指结合算法模型和车间数据进行数据分析，这部分功能有些需要依赖于大数据框架技术，而有些基于构建好的模型通过本地计算即可实现。
交互驱动模块功能主要是实现数字化车间、虚拟车间信息交互，还包括与外部软件系统的信息交互。
数字孪生引擎的实现需要依靠高级软件编程技术，而Unity可以通过C#进行编程，对于各种高级软件技术能提供很好的支持，比如可以与部分主流数据库交互，Unity对WebService接口也能很好地支持，并且支持网络编程等。
数字孪生引擎中的部分功能可以在Unity中进行构建集成。交互驱动模块可以利用Unity来实现，可以根据物理实体工厂和外部软件的数据接口协议来构建交互模块。
直接在Unity中构建交互驱动模块的好处就是可以直接与Unity构建的虚拟工厂三维模型进行交互，这样可以减少数据通信的延迟。
由于目前大部分大数据软件框架如Hadoop等是基于Java平台部署的，或者有些智能算法模块是基于Python实现的，这部分功能可以在Unity中通过WebService方式或RPC框架来进行远程访问。
数字孪生引擎通过消息队列技术向虚拟工厂模型主动推送消息，实现一些“报警类”的功能。
（4）基于Unity的数字孪生工厂系统人机交互方案设计
人机交互是数字孪生应用的典型应用场景，友好的人机交互方案对于实现人机协同，提高管理的灵活性具有重要的作用。
目前从人机交互应用来说可分为客户端模式和网页端模式。
客户端模式是指需要安装或下载一个客户端在PC或移动设备上，网页端模式是基于浏览器打开应用，在使用应用的同时下载相关模型。
如果需要提供逼真、友好的三维体验，采用客户端模式是比较好的。
虽然其要求在使用前进行客户端的安装，但是提前在本地的展示模型可以降低使用过程对网络的数据访问量，可以留更多的网络带宽给动态数据。
基于Unity实现人机交互系统，包含各种界面UI，通过操作UI控件来实现人机交互功能。
为了增强交互性与沉浸感，可以将人机交互进行虚拟现实功能的扩展，用手柄来进行人机交互，比如通过手柄与设备交互来获取设备实时状态等。
为了便捷性，也可以考虑通过移动端应用来进行人机交互，比如利用机器人的操作平板来操控机器人以及信息交互，或者利用增强现实（AR）设备来更好地进行信息的交互。
基于Unity实现数字孪生系统的实例，在本书第7章有详细描述。
2 基于西门子Plant Simulation的方法
严格来说，西门子公司的Plant Simulation软件是一个生产系统仿真平台，而不是一个专门的数字孪生开发平台。
鉴于Plant Simulation软件能方便地构建工厂、车间的生产和物流仿真模型，并且该软件平台具备很好的扩展性，因此利用该平台构建生产系统的数字孪生应用（工厂或车间的数字双胞胎）是一个比较便捷的模式，能满足部分应用场景的需求。
Plant Simulation是西门子公司关于生产、物流和工程的仿真软件，是面向对象图形化集成的离散事件仿真工具。
Plant Simulation能够分析和优化不同规模大小的工厂生产系统，提高工厂的资源利用率和整体生产效率。
它能够仿真复杂的生产物流系统，实现对复杂生产系统的未来不确定性的控制，保证系统的稳定性。
它具有用于迅速、有效地仿真典型情况的专门软件对象资源库，使得同类的典型问题得到高效地解决。
Plant Simulation仿真工具帮助企业创建生产系统的数字模型，提供分析产量、资源利用情况和瓶颈环节的图表，探索系统的特性并优化性能，从而提高产量、发现瓶颈、减少在制品数量。
Plant Simulation软件库提供了生产管理和制造流程管理模块。
利用Plant Simulation虚拟3D可视化工厂设计和布局，对产品的整个制造过程进行分析和优化，优化流程管理，科学合理设计工厂布局。
Plant Simulation还提供一些实用的工具，如统计分析工具、优化工具和实验工具。
统计分析工具主要包括分布拟合、回归分析、独立性检验分析等功能，这些功能很好地帮助软件使用者对仿真结果进行统计分析，统计仿真模型中的资源利用率，分析机器设备或人员的时间利用率，对整个流程进行分析，发现瓶颈。
优化工具包括瓶颈分析、遗传算法、线路优化、工人工作图等模块，通过仿真软件提供的优化工具，使用者能够方便地寻求仿真模型的优化方案。
实验工具用于设计和控制仿真实验，帮助使用者研究输入不同参数对模型的影响，比较不同参数的输出结果，从中寻找解决问题的最优方案。
Plant Simulation是因其强大的功能而广泛应用于实际生产系统、物流系统。它具有仿真建模，对仿真结果进行统计分析，多维可视化等基本功能。
1）建模。
在Plant Simulation软件中，系统中提供的基本建模对象分为4类，即信息流对象、物流对象、移动对象和用户接口对象，利用基本建模对象的元素定义现实中的元素。
以流水线仿真为例，物流对象可表示机床、机器等设备，移动对象表示被加工的产品。
2）仿真。
Plant Simulation软件对于已建立好的模型，可以通过调整不同实体元素的参数，利用系统的离散事件仿真引擎，按照预定时间进行仿真。
3）统计分析。
利用Plant Simulation软件的统计分析、图形和图表显示缓冲区、机器和人员的时间利用，也可以支持性能参数的动态分析，如生产线工作量、维修时间以及关键的性能因素。
瓶颈分析仪可以显示出资源利用情况，分析整个生产流程中的瓶颈和未充分利用的机器设备，此为重点改善的地方。
4）可视化。
Plant Simulation能实现高效的2D视图，也可提供3D的可视化仿真环境，更加方便直观。基于Plant Simulation平台，构建数字孪生的方法包括：
1）利用Plant Simulation平台构建工厂、车间的生产过程或物流仿真模型，结合其实时数据接口（如OPC接口、Socket接口、ODBC接口等），获取实际工厂的实时数据，实现基于实时数据的仿真分析，达到数字孪生监控与分析的功能。
2）利用Plant Simulation平台构建的仿真模型，结合实验工具，可以进行管理、调度等问题的多参数、多方案仿真实验，通过指标分析选择最佳方案，再投放到实际生产过程。
在本书第7章给出的一个数字孪生系统案例中，利用Plant Simulation构建智能制造单元的运行模型，其仿真数据用来驱动Unity构建的虚拟单元模型，进行制造单元的生产过程三维仿真展示。
相比单独使用Unity构建的生产系统动作模型，采用Plant Simulation平台可以更加方便地利用生产过程机理模型实现各仿真对象的动作逻辑，并且能协调好各仿真对象的动作，这样在Unity平台可以不用再考虑实现仿真对象的动作逻辑，只要接收Plant Simulation模型发送来的动作指令即可，整个仿真过程能很好地符合生产实际情况。