制造業是國家經濟發展的基礎，家電制造業是中國制造業重要的組成部分，涉及眾多產業鏈上下游主要供應商及從業人員的生存和發展。同時，家電產品對拉動國內消費增長，構建“國內國際”雙循環格局起著核心的推動作用。

但是家電產品迭代周期短、市場競爭大，同時近些年來市場原材料及人力成本逐漸增加，迫使家電企業必須走轉型升級之路。伴隨著信息技術的發展，數字化、網絡化、智能化等技術推動制造業邁向新的發展高度，這其中數字化轉型戰略也成為眾多傳統家電企業的首選。

家電數字化轉型涵蓋研發設計、生產制造以及銷售服務等各個環節和流程，其核心在于產品研發設計數字化。從上世紀50年代開始，數字化設計依次經歷了計算機輔助設計、集成制造、網絡化制造以及以智能制造四次技術變革和升級。隨著智能制造領域政策推廣和行業技術的發展，催生出大量基于數字孿生技術在各行業的數字化探索和實踐。數字孿生是基于物理實體、虛擬模型、數據、連接、服務為核心要素，集成多物理、多尺度、多學科屬性，具有實時同步、忠實映射、高保真度特性，能夠實現物理世界與信息世界交互與融合的技術手段。家電行業作為數字化轉型浪潮中的重要組成部分，目前暫未看到有關數字孿生技術在其中的應用研究。本文將基于數字孿生技術的特點探索其在家電產業中的場景應用及價值，為家電企業的數字化轉型提供一定的建議和參考。

1.數字孿生技術介紹

業界一般認為，虛數字孿生技術最先由密歇根大學Michael Grieves教授于2002年針對PLM相關研究提出的鏡像空間模型演化而來，后被NASA進一步豐富并引入其空間技術路線圖，其主體在于基于仿真的系統工程。此后，美國的通用電氣、ANSYS、PTC以及德國西門子、達索等工業巨頭也紛紛下場開展數字孿生技術方面的研究，先后在設備故障監測以及預防性維護、基于數據和物理模型混合驅動的仿真技術等領域探索落地場景。

相較于傳統虛擬樣機、多物理場聯合仿真等技術，數字孿生更加注重物理實體與虛擬實體之間的交互關系，對建立的虛擬模型具有高保真度和高精度等要求。虛擬樣機針對不同的應用場景，對模型的要求也不一樣。而數字孿生技術要求數字化模型盡可能的“真”、“準”、“全”。可以說數字孿生技術是虛擬樣機技術的升級，是基于多學科聯合的詳細虛擬樣機模型對物理模型的體現。基于數字孿生的上述特點，目前數字孿生在各行業的功能主要體現在以下幾個方面：模擬仿真、狀態監控與故障診斷、故障預測與預防性維護、生產過程的控制與優化等，如圖1所示。

圖1 數字孿生技術功能與作用

2.家電數字孿生總體架構

家電產品的數字孿生架構需要面向家電研發、生產制造以及銷售服務等全流程業務，即構建解決家電全生命周期管理的數字孿生體，如圖2所示。

圖2 家電全流程數字孿生體簡要說明圖

2.1 研發設計端數字孿生體

研發設計階段，通過建立數字產品數字孿生體，開展產品結構、動力學、振動噪聲性能以及疲勞壽命等方面的CAE仿真技術研究，同時結合產品測試工作實現系統參數的識別等。研發設計端的數字孿生體建模目前主要有三種方式，即基于物理模型的仿真建模（model driven）、基于數據預測的仿真建模（data driven）以及兩者混合驅動的仿真建模（hybrid driven），如圖3所示。

圖3 研發端數字孿生建模

2.1.1 物理建模驅動

物理建模主要依賴于各基礎學科的發展，通過物理模型的構建和算法實現，能夠對產品所處的工況進行性能的響應預測，如滾筒洗衣機的振動問題，可以建立洗衣機六自由度動力學模型，通過力學關系和微分方程的解耦計算，研究影響洗衣機振動的主要參數并實現優化改進，如圖4所示。

圖4 滾筒洗衣機物理建模示意圖

目前物理建模構建數字孿生體主要采用仿真軟件實現，它結合計算力學的理論和相關方法開發求解計算模塊。物理建模是構建數字孿生體最常規的一類方式，并且擁有較多商用分析軟件來輔助工程設計人員做開發應用。

2.1.2 數據建模驅動

數據驅動建模是基于試驗興起的一門技術，它是對物理建模的補充和完善。基于數據的建模方法源于物理建模對一些復雜工業行為的機理難以實現解析表達，故而采用以數據為核心的分析方式建立預測工業場景行為的模型。基于數據的驅動建模在最初階段需要構建研究對象從“從生到死”的全生命周期數據庫，完成原始數據積累，將研究對象的實際響應結果及問題暴露，才能構建可信度高的數字孿生體模型。以數據為驅動構建數字孿生體能夠結合時下大數據、機器學習、人工智能等技術，完成對工業機理的深度擬合，是目前數字孿生技術應用較為廣泛的一類方式，如圖5所示。

圖5 基于數據驅動的離心機組數字孿生體示意圖

2.1.3 混合建模驅動

混合建模是物理模型和數據分析兩種建模方式的綜合，它通過數據的實時采集可以實現對現有物理模型的修正。反過來，物理模型能夠彌補數據模型適應性和靈活性存在的不足，從而提高數據模型的泛化能力。

基于機理和數據的混合建模技術是智能制造領域的關鍵技術之一，目前已經廣泛應用于產品性能改進、生產過程控制、優化以及狀態監測等領域。圖6給出簡單的混合建模驅動的架構示意圖，基礎數據通過已有的機理模型建立過程的狀態與參數之間的聯系，然后通過歷史數據和現有數據建立的數據模型“黑盒”對產品的輸出響應做分析和預測，并動態實現過程參數的優化。

圖6 混合建模簡單架構示意圖

2.2 生產制造端數字孿生體

生產制造端的數字孿生體建立在智能制造、工業互聯網領域應用最為廣泛和活躍的地帶，涉及5G網絡、制造協同、邊緣計算、智慧物流、虛擬工場、VR/AR等技術。

家電制造業在構建生產過程數字孿生體的實踐中，主要基于“人、機、料、法、環”五大元素的高效協同、高效運轉、高效輸出為目標，通過建立設備層級、車間層級以及整個工廠層級的數字孿生體為手段，最終實現大規模協同制造和工廠數字化升級，達成“降本、增收、提效”的終極目標，基于海爾在家電制造領域的引領和實踐，形成我們對生產制造領域的數字孿生體架構模型，如圖7所示。

圖7 生產制造端數字孿生簡易架構示意圖

2.3 銷售服務端數字孿生體

銷售服務端數字孿生體以實現數字化營銷、體驗和售后為主要目標，搭建“數據+產品+用戶+場景”四位一體的服務體系，實現數據在物流、銷售到售后服務等流程的流通。銷售服務端涉及產品在用戶現場的直接使用情況，是產品全生命周期的最后一個環節。通過對用戶故障數據收集，搭建產品失效模式數據庫，結合研發設計端產品數字孿生體，構建循環迭代的產品全生命周期管理方式，更好的對產品故障和使用壽命進行預測。

同時，基于用戶對產品的體驗和評價在大數據分析、人工智能等技術的幫助下，實現用戶標簽及用戶畫像的構建，最終幫助營銷人員實現精準市場推廣和運營，同時協助研發人員完成下一代產品的開發。

2.4 家電數字孿生體總體架構

基于上述流程分析，我們建立了家電產品的詳細數字孿生總體架構，如圖8所示，包括計算硬件層、基礎資源層、核心功能層等組成部分。產品全生命周期的物理模型與數字模型之間通過研發數據流、生產數據流以及服務數據流進行互動，實現全流程的數字化架構和技術升級。

圖8 家電數字孿生技術總體架構

數字孿生體中的核心功能層涉及家電整個研發和生產的關鍵技術，是構筑自身競爭壁壘的核心所在。通過仿真分析軟件構建家電多學科多物理場的數字化模型，同時結合測試數據形成仿真與測試的研發閉環，對家電數字孿生體的代際更迭與升級完善具有重要意義。

3.數字孿生技術在家電研發中的應用

3.1 基于家電數字孿生的系統仿真應用

家電產品的研發設計流程一般如圖9所示，其中概念和詳細設計階段對產品整體的性能和使用壽命影響最為關鍵。

圖9 家電產品研發流程

家電產品性能屬于多學科多物理場的耦合響應，設計過程涵蓋結構強度及疲勞、熱力學、動力學、聲學、電磁學以及空氣動力學等領域，尤其依賴于有限元、邊界元、虛擬樣機、多學科優化、一維仿真、信號測試等技術，而基于家電的數字孿生系統仿真將綜合多個學科的技術難點，搭建學科交叉的綜合性家電產品數字孿生體。

以制冷空調機組為例，整個系統包括換熱器、節流裝置、壓縮機等主要部件，在構建系統的仿真模型過程中會涉及到各類建模方法和算法模型。通過結合已有的物理模型，物理模型包含CAE仿真模型、一維多學科建模等。同時結合測試數據開展系統混合建模技術研究，建立制冷系統的數字孿生體，如圖10所示。

測試數據實現系統部分參數識別，基于識別參數和構建的虛擬混合模型，同時采集輸出的關鍵性能參數實現虛擬模型與實際輸出結果的交互反饋，完成對虛擬混合模型的升級完善，最終構建精確的數字孿生體。

圖10 制冷系統數字孿生體示意圖

3.2 基于家電制造數字孿生的工廠建設應用

3.2.1 工廠建設與規劃仿真

海爾互聯工廠的建設在籌備階段均采用仿真技術分析、驗證規劃方案，通過綜合的工廠仿真平臺搭建，實現整個車間級別的數字化建模。在工廠運行后，通過將已有的模型對接軟件系統、連接設備IOT數據，并使用平臺的優化模塊以及一定程度的二次開發，將仿真模型升級為孿生工廠。

圖11 某冰箱孿生工廠建模示意圖

以海爾某冰箱工廠孿生模型為例，如圖11所示，通過搭建整個車間的數字孿生體，實現工廠排產的提前驗證分析、工廠實際WIP的監管、工廠運行的異常堵塞、不良品的異常流動等實際管理工作，以虛擬模型實現全局管理，有效地的減少整個車間建設投產以及設備故障時間，提升全局產能輸出。

3.2.2 智能+5G大規模定制

海爾在構建產線數字孿生實踐中，搭建了智能+5G大規模定制測試平臺，如圖12所示，通過測試平臺對最新的工業技術進行驗證測試，最終成熟后移植到實際工廠進行落地。

在該平臺下構建測試平臺三維虛擬模型與實際產線形成數據的動態交互。用戶通過Web端或移動端進行產品需求的個性化定制，需求數據通過COSMOPlat云端下發至生產端，開啟產線整體生產制造。基于OPC通訊實時獲取數據以驅動虛擬模型與實際模型之間同步運轉，完成整體工廠的數字化建模和狀態數據可視化，構建車間透明化管理體系，如圖13所示。

同時，工人可通過VR設備或者看板實現對產線設備實時數據的在線監控和查看，并對生產庫存狀態、產品質量等信息實時跟蹤。

圖12 測試驗證平臺產線圖

圖13 定制化測試平臺架構

3.3 基于家電數字孿生的產品遠程故障監測

產品的故障診斷與健康管理（PHM）是數字孿生技術的重要應用場景之一，它對提升設備可靠性、安全性以及可維護性等有重要意義。海爾家電產品的數字孿生技術在PHM領域的應用借鑒于GE飛機發動機的孿生場景，并根據海爾自身需求功能進行升級迭代。通過孿生體實現包括生產過程中的制造數據管理，使用過程中的狀態監控、維護維保管理、預測性維護、能耗優化等場景。

圖14 海爾中央空調狀態監測系統平臺示意圖

以海爾中央空調的數字孿生體構建為例，如圖14所示，通過搭建在線實時的空調系統數字孿生體，基于故障模型庫構建及故障機理分析，結合邊緣計算及云服務等技術，實現對全國中央空調狀態的在線監測。同時通過引入大數據及人工智能算法對歷史及在線數據進行分析計算，提前預估可能發生的故障問題，并提前給客戶提供預防性維護信息。

4.結語

數字孿生技術已經廣泛被國內外各大科研院所及制造企業所關注，并且通過不同的場景應用實現技術落地。本文以海爾在家電研發、生產制造以及銷售服務等領域的技術積累，分析了目前數字孿生技術在家電領域的應用現狀，構建了家電領域的數字孿生技術體系，并對關鍵領域的技術架構和應用進行了詳細的描述。同時通過具體的案例，介紹了家電領域常見的數字孿生技術應用場景，為整個家電制造業開展數字孿生技術的推廣和應用提供思路。

原文刊載于《制造業自動化》2023年3期