摘 要：高质量电子产品在人们生活中普及率逐渐增高，对于电子产品的多功能化需求也不断提升，但是制造高质量电子产品需要复杂的设计及制造工艺，工业制造企业在新产品试产过程中，普遍存在周期长、成本高和产品良率低等现象，进而导致产品设计更新迭代慢，生产效率低。在此背景下，业界纷纷为提供相应的解决方案研究了数字孪生的基本概念及技术框架内容。本文重点梳理了数字孪生基本概念，概述了其在虚拟试产方面的研究进展，然后结合高质量电子产品设计及试产的特点，利用多源异构数据采集技术、数据挖掘技术、数字孪生技术及电子产品试产的工业机理，尝试构建了基于数字孪生的高质量电子产品虚拟试产的框架，最后以电子产品的重要部件OLED显示屏为例，探讨了该框架在亮斑问题解决方案中的应用。
关键词：数字孪生；智能制造；虚拟试产；工业机理；OLED
01引言
在复杂产品的设计与制造过程中进行信息与物理的深度融合，已成为智能化生产电子产品的必要条件。目前新一代信息技术和传统制造生产模式实现了深度融合，以互联网、大数据、云计算及物联网为代表的信息技术满足了客户对于智能制造的要求，同时也满足了产品对于个性化制造的要求，智能技术在制造业中大面积实现[1]。实现信息与物理的深度整合是达成先进制造战略的核心目标的有效手段，将产品设计和信息化技术进行深度整合，这是复杂产品设计的基础，也是基于客户定制化产品需求的要求而产生[2]。设计是智能制造的首要环节，将信息物理整合应用于设计和制造阶段，有助于为产品智能制造后期的加工、装配、运行和维护提供重要支持。
因此，应运而生的数字化孪生技术在国内外获得广泛的关注，随着学者们对其研发的不断深入，在特定领域内获得了丰硕的理论成果和实践成果。然而，产品试制中的设计迭代采用数字孪生技术还不具备研究基础，缺乏体系性的研究，因而需要进一步的研究探索。本文以电子产品的试产过程为研究对象，基于现有的工业互联网平台及大数据的框架，以及工厂信息系统的发展，建立工业需求域、数字孪生域和物理设备域，实现3个域的死循环演进迭代，进而提高产品设计质量和最终出品质量，为中国制造业指明了一条向高质量发展的新路径。
02数字孪生技
自从Michael Grieves和John Vickers提出数字孪生的理论以来，业界定义数字孪生的角度呈现多元化，包括产品初始设计、制造流程及产品全生命周期管理等方面。然而，我们很难给出数字孪生的具体问题定义，因为中国制造企业系统涉及物理教学对象的多样性。数字双元模型的匹配是由多个物理对象组成，包括装配、生产机器、车间及人员等，根据不同的功能需求、结构特征及模型构建选择适当的匹配。数位孪生在理论界和工业界的不同定义见下表[3]。
表 学术/工业界对数字孪生的定义
机构/作者
年份
定义
美国空军研究实验室和 NASA
2011
一种面向飞行器或系统的高集成度多物理场、多尺度及多概率模拟设计建模过程。通过展示的物理建模、传感器资料及历史参数来表现与该模型对应实体的功能、实时状态及演变趋势
Edward Glaessgen，David Stargel
2012
数字孪生体现了复杂模拟系统，表现为多物理、多尺度及多概率的模拟设计体系，选用最适合的物理模型，根据传感器数据的不断更新及飞行数据集成等，反映出相应飞行器数字孪生的生命
Michael Grieves，John Vickers
2017
数字孪生体现了产品制造过程中的微观原子级到宏观几何级的全面展现，对于整个过程实现了虚拟信息结构的描述。通过数字孪生，一旦获取产品所有合格检测数据就能够孪生出相同检测结果的新产品
庄存波，等
2017
数字孪生体现在产品实体中是以产品设计状态及进展等相关数据对信息空间的完整映像，是多物理场、多尺度及多概率仿真动态设计模型，有助于对产品性能进行模型和测试，能够诊断和预测出产品在实际工作环境的性能状态
陶飞，等
2018
数字孪生体现在产品全生命周期（PLM）管理过程中，根据整个生命周期能够映像出产品的物理数据、虚拟数据及二者之间的交互数据等
Haag Sebastian，Anderl Reiner
2018
数字孪生是单个产品的全面数字化表示，它通过模型和数据刻画实际生命对象的属性、条件及行为， 数字孪生是一组可以模拟它在已部署环境中实际行为的现实模型
03基于数字孪生的虚拟试产方法研究进展
3.1 基于数字孪生的产品设计方法
面对蓬勃发展的数字化时代，现今的数字孪生技术概念的提出有效地将数字化设计方案应用于解决复杂产品制造。数字孪生技术实现了产品全生命周期中的数据整合，特别是多源异构动态数据，通过数据融合管理的实现为产品试制提供最优化的解决方案和决策路径。庄存波[4]等研究人员研究了产品设计阶段采用数字孪生技术是否具备可操作性，认为数字化表达模式尤为重要，需要体现出产品设计数据和定义能够准确、高效地传输。Tao[5]架构了数字孪生技术设计思路，对产品设计过程进行有效规划，包括设计思想、具体设计、设计分析及模拟验证等环节。于勇[6]等介绍了实现模型的概念，提出了数字孪生环境下CAPP的设计框架，讨论了基于实现模型的实时工艺决策技术和基于数字孪生环境的工艺知识挖掘技术。
3.2 基于数字孪生的试产方法-虚拟样机技术
虚拟样机是基于计算机的系统或子系统之间的模拟，其功能与物理原型相似。试产是通过虚拟样机取代学生物理样机来分析模拟、测试和评估候选设计方案的特定方面的关键特征数据的过程。
Aromaa[7]等认为虚拟样机实现了虚空间技术和大数据计算技术的协作应用，体现了数字样机的构建过程；Johnston[8]等提出虚拟样机应该是基于计算机技术进行建模，以代替物理模型，从而以几何模拟技术实现没有设计人员参与的自动化模拟模拟。熊光楞[9]等人提出的虚拟样机定义蕴含了新设计思想，将设计和管理融入了计算机设计思想；王少平[10]等以某装配产线为研究对象，将需求域、数字孪生域和物理样机域以迭代演化的形式将三域进行闭环协同，建立模型。李伯虎[11]等提出人工智能制造技术也是在建模和模拟技术基础上发展起来的，认为智慧化技术未来必将受到虚拟样机技术的影响。
虽然虚拟样机技术和数字样机存在一定的相似性，但是二者强调的重点则差异很大。虚拟样机技术在产品的整个试制过程中全面采用了“可视化建模”和“虚拟仿真”，强调了产品数字化定义及多个学科技术的综合。而数字样机则应用了产品结构设计、力学性能设计及制造工艺设计等多种理论，而且融合了电、热、控制等学科理论，由此实现了复杂产品的数字化建模过程。
综合以上的比较研究，得出了虚拟样机具备以下特征：
1）和物理样机相比，特征基本趋同，在产品构型、性能及加工、装配等方面的评价中可以代替物理样机，实现了设计各个环节的协同作用；
2）和物理系统基本相似，具备现实的“沉浸感”，能够在视觉上和听觉上具备和外界的互动能力，有助于测试评价及提升学习能力；
3）并行工程有助于虚拟样机的应用，产品开发的整个周期内都可以应用虚拟样机，包括需求设计分析、设计方案制定及工程化设计等，还包括产品后期的运行 测试和维护，虚拟样机对于产品实现的不同阶段体现的要求也是不相同的。
但是，由于虚拟样机缺乏行业认可的理论技术框架，所以在智能制造中，针对复杂产品的虚拟样机技术问题也很明显：
1）虚拟样机技术无法对真实世界的产品运行实际进行真实回馈，因为其更多地体现了虚拟世界的“理想化”产品状态。
2）虚拟样机更多的是以静态设计为基础，在动态运行方面缺乏信息的准确表述。虚拟样机产生的不足主要是由于其“理想化”设计的本质造成的。
3.3 数字孪生在智能制造领域的应用
产品数字孪生建模降低了产品设计制造中的时间成本投入，有助于实现客户对产品的个性化定制需要，能够实现产品寿命周期的全流程化管理，进一步提升企业对市场需求的应对能力。刘阳[12]等研究了工业数字孪生技术的基本定义、发展进程及实践作用，剖析了应用于工业化的数字孪生体系及其关键技术的发展趋势，对数字支撑技术、数字线程技术、模型建立技术、模型融合技术、模型修正技术、模型验证技术和人机交互技术等关键技术进行了分析。陶飞[13]等从数字孪生思想出发，设计了复杂产品模型，从基本概念实现、设计分析及虚拟测试的整个产品设计制造过程体现了智能制造的思想。李仁旺[14]等提出了一个数字孪生驱动的大数据制造模式开放式体系结构及其运行逻辑，从数字孪生驱动的两个世界及其描述、数字孪生与大数据的结合、大数据制造服务模式中的模型建立与优化3个方面对大数据制造服务模式的能量利用技术进行了深入的研究。肖静华[15]等提出了基于数字孪生技术的智能制造企业战略场景建模的概念、方法、思路和理论框架。周有城[16]等研究了智能技术在产品质量方面的应用，构造基本管理模块，以数字孪生体来定义智能制造的产品模块化功能及其实现方式。SchleichBenjamin[17]等设计了高保真的、易操作的、伸缩性和扩展性较强的数字孪生模型，体现了模型的综合功能属性，实现了复杂产品设计过程中对模型的拆解、转型和评价分析。
04基于数字孪生的高质量电子产品虚拟试产系统框架
基于数字孪生的高质量电子产品虚拟试产系统主要由接入控制层、数据互动层、模型构建层和通用服务层构成，如图1所示。
图1 虚拟试产系统整体架构
4.1 接入控制层
接入控制层主要用于实现网络终端的设备接入、系统接入及周边环境信息的接入。通过与接入相关对象的交互，实时获取终端设备、信息系统及周边环境的状态。系统提供OPC接入、MQTT接入及其他定制应用接入支持，以解决各类设备多种接入方式的难题；同时提供接入设备管理功能，对接入设备的响应规则、状态和动作进行管理。
接入控制层提供设备数据采集功能，包括对生产数据和告警数据的采集，同时支持应用对设备数据的订阅。支持通过应用终端或管理平台以下发命令的方式，将命令下发到设备，实现平台对终端设备的远程控制。同时收集设备日志，根据设备日志对设备进行远程维护；还可实时监控设备状态，包括在线、异常或脱机，并将设备状态上报给平台管理中心。
4.2 数据互动层
通过工业互联网络，物理对象可以被孪生模型感知、识别和分析，包括位置、属性、性能和健康状态等，数据互动层为物理对象和数字对象之间的“互动”提供了通道。通过物理对象和数字孪生对象之间的动态交互，以实现物理对象信息的上报和控制命令信息的下发。
系统通过整合和利用多源异构孪生数据，建立“人、机、物、法、环”资料的全面采集和深度分析数字体系，建立完善的数据驱动的运营管理模式。
4.3 模型构建层
模型构建层的主要功能在于将物理世界的电子产品生产中的对象（如结构、外观、功能、运行状态及生产环境等）数字化和模型化。通过建模将物理对象表达为计算机和网络所能识别的数字模型，对物理世界或问题的理解进行简化和模型化。从多领域多学科角度模型融合以实现物理对象各领域特征的全面刻画，建模后的虚拟对象会表征实体对象的状态，模拟实体对象在现实环境中的状态、行为，分析物理对象的未来发展趋势。建立物理对象的数字化建模技术是实现数字孪生的源头和核心技术，也是“数字化”阶段的核心。
4.4 通用服务层
通用服务层主要提供非业务相关的共性数字孪生服务，通过共享服务提供电子产品试产过程涉及的物理对象的描述、诊断、故障预测与管理决策等功能。
05典型应用
OLED显示屏已经成为了电子产品中无处不在的关键零组件，国内厂家掌握的核心设计数据较少，驱动芯片、电气控制原理及结构设计方案对产品的质量都有较大的影响。
基于上述思考，我们通过对智能制造、数字孪生等技术原理与理论的学习、思考，并在现有工业互联网平台的基础上，研发一套基于数字孪生的虚拟试产系统。用于在高质量电子产品的关键部件的加速设计迭代过程，最终达成产品工艺设计质量提高的目标。
5.1 数据采集
高质量电子产品研发试产过程中，OLED屏幕的显示质量的测试至关重要，我们针对每一代产品都会出现的显示屏亮斑问题进行设计实验与大数据分析，发现因显示屏的生产、运输及产品组装过程中到处都有可能产生静电，由于屏幕不导电，静电最终会汇聚在屏幕边缘处无法释放出去，从而导致屏幕产生亮斑。根据工业机理和大资料分析，我们从上千个因子中筛选了7种对OLED显示质量产生影响的因子，利用试产框架中的数据采集技术，在特定设备上加装传感器，从信息物理系统（Cyber Physics System，CPS）、企业管理信息系统（Management Information System，MIS）和互联网平台系统等对设计因子、组装因子、环境因子及测试因子等进行数据。
5.2 数据处理
通过对CPS、MIS和互联网平台系统及生产现场等数据的采集，将变量环境、产品特征和影响因素等各层级的资料归纳整理以备建模。产品数字孪生的大数据准备如图2所示。
图2 产品数字孪生的大数据准备
企业ERP、MES、CAD和CAE等生产、设计相关软件中保存有显示屏设计相关信息，为此通过数据采集获取显示屏相关设计生产信息，用于构建显示屏的组成结构树，组成结构树是显示屏的树形结构表示方法。
通过对显示屏结构数据进行处理，以图标化的方式展示显示屏的组成结构树，基于显示屏器件及各器件之间的作用关系，利用组成结构树模型按器件作用逻辑关系对器件进行作用关系表示。
对显示屏器件之间的相互作用进行分析，利用器件的功能明确器件间作用的具体形式；同时，利用相互作用的历史数据分析器件间作用的实际作用类别，如产生的是增强、助力和加快等效果，则为正向作用；如产生的削弱、阻碍和减缓等效果，则为负向作用。通过深度分析，能够对显示屏器件中表现出的正向或负向作用进行表征，以方便后续对显示屏进行更有针对性的改进设计。
5.3 数字建模
针对影响OLED显示质量，需要对多个输入因子（X1，X2，X3，…，Xn）进行研究，确定它们对期望输出（Y）的影响。为解决以上问题，需对相关影响因子及其作用机理进行建模。
在建模过程中，首先通过大数据分析技术提取影响产品质量的因子，对影响因子进行分类，找出质量影响的首要、次要和微小因子，对影响因子进行初步分类、分级。
其次，对影响因子进行相关性分析，确定不同类别的因子变化时对质量所产生的影响是正相关还是负相关，以确定质量影响因子变化时，产品质量的变化方向；同时通过历史验证所形成的大数据，结合工业机理知识，分析计算出各类别、各等级因子对质量的影响权重。
再次，结合历史大数据和工业机理知识，找出各质量影响因子的变化周期、变化规律及在此变化周期、变化规律下对产品质量变化的影响，以构建基于工业机理和大数据的验证模型。
最后，通过数字孪生试产平台实时获取产品料件良率数据、生产数据、测试数据和验证数据等相关数据，在数字孪生模型中将以上数据作为模型的输入参数，通过对输入参数的调整，模拟实际工程验证过程，快速找到解决质量问题的最优解。在实际工程验证中，根据最优解进行对应的布局、路径、温度和湿度等参数的调整，快速消除影响产品质量问题的因素。
5.4 模型迭代
迭代模型基于我们构建的信息系统和大数据平台，由试产实作、虚拟试产、连接、孪生数据和服务构成。当新的零部件交付试产验证前，会对该类零部件进行设计实验，并将采集到的实验数据作为分析模型和求解模型的参数数据，通过分析模型得出产生静电的主要因素，通过求解模型求出消除静电的最优生产及测试方案，以确定生产制程、新零部件设计是否满足现场试产要求，如是生产制程问题则对生产制程不良进行改善，如是零部件设计问题，则将零部件设计改善方案回馈至零部件供货商。然后将物理实作及供货商回馈的信息输入模型，进而对模型进行反复的迭代优化以达到最佳的性能。虚拟实体与物理实体的数字孪生结构图如图3所示。
图3 虚拟实体与物理实体的数字孪生结构图
显示屏实体与数字孪生体之间围绕数据为核心，共同作用实现功能的完整输出。实体模块获取的数据通过传递信道输送到数字孪生体中。由此显示屏中的实体模块就完成数据的收集，显示屏孪生体负责数据的分析和相应指令的生成。传感器与显示屏实体捕捉环境变化与用户需求，并将相应数据经传输信道传送至数字孪生体。显示屏数字孪生体按照不同的环境及使用者要求能够形成优化指令，让显示屏实体模块持续地输送改进功能。至此，显示屏实体与数字孪生模 型之间，以数据为信息交互要素，成为一个新的整体，实现了对显示屏产品配置参数的全面分析。
显示屏实体与数字孪生模型之间体现了联动作用，构造了显示屏物理-信息域之间的死循环管理，完整地表现出信息域特点，例如数据流、组件虚拟作用等，也完整地对显示屏的产品特性进行表现。同样，借助于数字孪生模型，根据负向作用的分析结果及解决方案，设计人员对于优化设计更容易快速实现。另外，设计人员通过数字孪生模型，对比分析出不同产品配置存在的问题，最后提出修改意见，为产品的设计质量提升奠定基础。
5.5 回归实作
数字孪生不仅包括预先设定的各类对象属性信息，也包括后期通过回馈模型返回的数据。在真实生产环境中，必须将显示屏实时物理状况（如受力情况、温度情况等）回馈给模型，以构成数字孪生。显示屏在设计、生产、使用和维护过程中的各类数据信息通过在线的感测模块回馈到显示屏的孪生模型中，并通过模型输出的生产建议数据来规划虚拟试产，当虚拟试产的生产效率或良率满足生产要求时，将当前孪生模型中的设计及生产条件回馈到实际物理生产以指导实际的生产操作，在此过程中模型会进行同步的迭代与学习进化，形成模型进化、设计改进及生产效率提升的良性循环，如图4所示。
图4 数字孪生平台运作方式
06结束语
数字孪生技术是实现物理信息融合的有效手段。国家战略计划的制定也可看出数字孪生技术的重要性。本文通过对数字孪生技术与试产过程的结合，对产品工艺设计的实作模型仿真监控方面的探索，以某电子产品的试产过程为研究对象，通过数字孪生驱动的产品设计迭代优化的模式，尝试把新技术数字孪生、大数据等融合起来，在现有的工业互联网平台、大数据框架下，应用专业领域知识，来构建设计→试产→失效分析→设计改进的迭代模型。将迭代模型数字化回归试产过程的实作模型框架，然后基于产品特征构建试产过程的数字孪生。最后以显示屏亮点问题为例，进行多因素产品设计问题的协同迭代演化，进而加速产品的设计过程迭代，以缩短产品研发周期、加快设计验证效率，达成最终提高产品出品质量的目的，一定程度上为加速试产迭代和提升产品质量的发展提供了一些思考。对促进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一定的理论和现实意义。
