把工厂搬到虚拟空间里，有什么用？

对于车间的管理人员或者工程人员来说，偌大工厂的管理和生产安排变得没那么困难了。一汽新能源汽车工厂占地面积78万平方米，什么概念？相当于105个足球场那么大。

好在，数字孪生虚拟出来的工厂，与真实的生产环境1：1对应，人在办公室，就能看到生产现场一举一动。在数字孪生的应用中，管理人员能够看到每一个车间的工作情况，通过搜索定位、“拖拉拽”等简单交互，就能定位到生产线的每一个细节。

此外，数字孪生也降低了工人看懂数据的门槛。“它不需要你有什么CAD的经验、也不需要有太多专业知识。” 阿里云工业大脑数字孪生产品经理伍剑向放大灯介绍，就算拧螺丝的工人也看得懂。

除了实时性，“回放”也是数字孪生的重要功能。生产监管因此变得一目了然：借助数字孪生，工程师们可以快速追溯生产数据，甚至细化到当时螺丝的力矩，更容易分析故障的原因；在车辆交付给消费者后， “回放”仍然可以在售后服务中发挥作用。

但想让这一切科幻感的事情在工厂里发生，并不容易。传感器、通信模组、数采软件、算法等软硬件，它们是数字孪生的基础。

伍剑告诉放大灯团队，一个完整的数字孪生工厂，涉及至少三个领域的技术。

首先是数字孪生的载体平台。无论是设备的运行状况，还是生产线的生产数据，都需要运行的载体。这是整个数字孪生中最复杂、最关键的一套系统。

其次是三维技术。孪生世界要与物理世界完成“一一对应”，就意味着工程师要用大量三维技术还原工厂设备。“数字孪生”成为工业设计大奖的常客，就不奇怪了。（去年，阿里云的工业大脑数字孪生刚刚拿了中国设计智造大奖“金奖”。）

搭建好的三维模型，还要接入工厂的生产数据，才能把它们驱动起来。换句话说，这些三维模型不是用来观赏的，它要实实在在反映、指导生产动作。这需要特别精准、高性能的数据采集和处理技术。

如果回到原点，第一个环节就是对数据采集与监控系统的改造，排头兵就是异常复杂的连接设备传感器和PLC可编程逻辑控制器。

随着工厂自动化设备越来越多，设备接入点位和十年前相比，可能增加了二、三十倍。这些数据包括但不仅限于：

工厂的物流、仓储、内部控制环节产生的管理类数据；

温湿度计、机械臂等IoT类传感器产生的数据；

在进行安全管理、质量检查时，工厂还会借助视频手段，这些视频又是一类数据。

这些数据如何采集、监控并为生产提供参考，成了所有工厂跨越简单自动化的切入点。

在一汽红旗新能源工厂，阿里云和机械九院自主研发出一套数据采集与监控平台。数据采集的设备点位在工厂的五大车间里超过数百万个，数采频次最高可达200毫秒／次。大量的设备点位高频次介入，数采平台能不能撑住？这十分考验系统的处理能力。在红旗新能源工厂项目上线前，阿里云做了一个月的模拟测试，当有60万设备点位接入时，CPU的开销只占到30％以下。

对行业来说，这是个新记录。

当然，对车企来说，数采的手段并不重要，重要的是数据拿到手之后，如何用起来。“数据采集后，关键在于对数据治理的环节，这是核心技术。”一汽集团工程与生产物流部总装工艺部总监、一汽红旗新能源工厂项目负责人董玮在先前的采访中曾经表示：“这些核心技术我们肯定希望掌握在自己的手里，来保证数据模型搭建的自主性。”

数字工厂中的数据流向。

图丨放大灯团队据采访整理

数字孪生对数据的完整性提出了事无巨细的要求，让车企“自主掌握数据”成为一个基本要求。归根结底，一座数字孪生工厂，就是整个工厂的所有数据的集合。难怪机械工业九院副总经理李允升这样说：“我们给一汽红旗交付的是一个真正数据驱动的工厂。”

1分钟生产1台车，机器人绝不罢工

不过数字孪生，只是智能工厂的一块拼图。

阿里云和机械工业九院合作的“汽车数字工厂”，当然不只有数字孪生——实际上，基于数据和智能算法，数字工厂还在做更多的事。

放大灯团队据采访信息整理

在一汽红旗新能源工厂里，智能应用遍布五大车间。

其中比较容易理解的是用算法对质量做预测分析。打个比方，我们该怎样判断一颗螺丝有没有拧好？在传统的流水线上，这项工作当然需要人去做检查，但在数字工厂，就需要更自动化的策略。

IoT数据采集，当然能测出拧这颗螺丝用了多大力、拧了多少度数——但这还不够，数据指标不能解决一切问题，因为每颗螺丝、每块钢板都存在微小的差异。工厂是个复杂的系统，综合考虑这些复杂的因素，就需要建立算法模型，对“拧好螺丝”这件小事作出判断。

这只是汽车数字工厂智能算法的一个缩影。类似的算法，被应用到冲压、焊接、涂装、总装、电池电驱各个关键环节中，即时对生产质量给出判断。

另外一类算法，则是对生产设备本身的预测性维护。

高速生产的流水线中，每一个环节掉链子，都会打乱整个生产节奏。

“繁荣工厂”设计的生产节拍是60JPH（jobs per hour），即每小时完成60个作业、每分钟就有一辆汽车整装下线。如果一年停工10次，每次停工3小时，就会减少1800台产量，实际损失上亿。提前发现问题、集中处置，减少产线停工的发生，正是这套预测性维护算法带来的直接提升。

它通过IoT数采的生产数据，和流水线设备本身的寿命参数结合，以判断设备是否有部件即将超过使用寿命、需要维修，并由系统在第一时间向工程师报告问题。

如何报告呢？最快最明了的方式，就是在数字孪生的虚拟工厂里，显示出一个巨大的预警信号。即便是一线的工人也能马上理解，有什么可怕的事情正在发生，必须尽快解决。

人类对复杂系统的改造永远不会停止。福特T型车之所以短时间内成为风靡全球的爆款车型，要归功于福特在1913年发明的工业流水生产线。这条产线第一次实现了汽车零部件的标准化，第一次在总装车间采用了机械传送带，也让造一辆车的时间第一次缩短到93分钟。

为了更高的效率和品质，此后的一百年里人们几乎穷尽了自动化的所有可能。下一个问题便是如何降低自动化的费效比，如何让数据成为最重要的生产凭据——数据、智能算法、数字孪生已经是绕不开的“产线新势力”。

下个时代的“T型车”，无法简单地从一堆机械臂中诞生，智能制造的浪潮已经到来。

References：

［1］ 中山大学今年实行大类招生、集中培养：计算机类可分流到土木

［2］ 数字孪生：企业数字化未来之门

［3］ 阿里云《城市大脑：探索“数字孪生城市”》白皮书

［4］ 阿里云获中国设计智造金奖，工业大脑“数字孪生”成行业新宠儿

［5］ 谭建荣院士：用数字孪生技术赋能美好生活

［6］ Digital Twins： why virtual replicas of assets create real business value

［7］ 工业级数字孪生稀缺标的，赋能“智造”升级