连载(46))数字孪生产业的典型应用场景-产品使用和维保

文章来源:APS研究
2020-09-27

2. 产品使用和维保

数字孪生体技术在产品使用和维保领域的应用主要集中在高价值、高风险的 复杂装备,这也是数字孪生体技术的应用起源。

美国国防部最早提出将数字孪生体技术用于航空航天飞机的健康维护与保 障。首先在数字空间建立真实飞机的模型,并通过传感器实现与飞机真实状态完 全同步。这样每次飞行后,根据结构现实情况和过往载荷,及时分析评估是否需 要维修,能否承受下次任务的载荷等。

美国空军在2013年发布的《全球地平线》顶层科技规划文件中,将数字挛 生体视为“改变游戏规则”的颠覆性机遇,并从2014财年起组织洛马、波音、 诺格、GE、普惠等公司开展了一系列应用研究项目,并陆续取得成果。美国《航 空周刊》预测,“到2035年,当航空公司接收一架飞机的时候,将同时验收另外 一套数字模型,它就像飞机的一个忠诚影子,伴随一生,从不消失”。

复杂装备应用的民用领域,同时还是一个能够提供长期服务和持续收入的高 端产业。在航空发动机、涡轮燃气轮机、风力电场等领域,装备停机都将造成极 大的经济损失,非预测性故障甚至造成严重安全事故。应用数字孪生体进行设备 监控、故障预测和预测性维护,已经成为产业普遍需求和厂商持续盈利的“金牛” 业务(波士顿矩阵)。

以航空发动机为例,其维修保养行业具有以下特点:

・行业进入的资本要求和行业技术壁垒要求高。MRO企业需要大量的资金 投入,其中包括建设维修厂房、培训维修人员、订购航材和购置专用工 具设备等。国内较大的飞机维修企业,投资额都已超过上千万美元,至 于世界级的飞机维修企业,其投资更是高达上亿或几十亿美元;

・为争取客户,维修企业必须取得多个国家适航部门的维修许可,同时也 要接受适航部门和客户的双重审核。这些审核除了针对设备、人员资质、 生产程序等以外,还包括对零件的可追溯性要求:诸如从哪里拆、检查 结果、修理过程、经过如何的改装、该发动机又装回了什么零件等等;

・同时维修流程及要求复杂。航空发动机的构型复杂,每一种机型在原始 生产厂家(OEM)开始生产后,都要符合最新发布的为数众多的适航指 令(AD)、服务通告(SB)等改装要求,这些要求包括零部件的检查、 处理甚至替换。维修企业必须有充分的手段跟踪和控制这些改装;

维修费用昂贵。发动机零件数量庞大,售价高昂,维修费用也居高不下。 IAE公司V2500为例,一台发动机的大修费用最高可以达到500—600 万美元。因此如何替客户省钱直接影响维修企业的竞争力;

・维修时间要求严格。发动机是航空公司的珍稀资源,后者对前者在维修 企业的维修时间(TAT)有严格要求。对TAT的严格控制也是维修企业竞 争力的重要因素。

目前,全球每年飞机维修费用大致为310亿美元,而其中60%用于发动机的 维修上。为了抢占这部分利润空间,发动机制造厂家正逐步将其业务延伸到发动 机性能监控和维护维修领域。从提供“发动机”到提供“发动机+服务”甚至只 提供“服”,已经成为发动机制造厂商延长价值链、提高竞争力的重要手段和 发展趋势。

全球三大航空发动机制造厂家PW、RR和GE都纷纷改变原有单一出售发动 机的经营模式,致力于扩展发动机维护、租赁、数据管理分析等服务,通过服务 合同绑定用户,扩大利润空间。


航空发动机MRO的复杂性、高风险和高价值促进了数字孪生体的应用。以 装备数字孪生体模型为核心,一方面,基于环境数据、任务数据、维修保障,对 装备进行故障预测,支持装备的任务规划;另一方面,通过装备与其数字孪生 之间的数据及信息交互,使装备数字孪生体得到不断修正,逐步提升模型的精确 性,实现定制化的维修和保障。结合VR等智能技术,数字孪生体还将进一步提 升现场实时维护能力。

数字孪生体将促进装备维护实现从“事后评价”向“事前预测”的转变:

・装备可靠性影响关键因素分析:基于装备使用过程中产生的大量数据, 分析不同装备、地理环境、使用强度、维修保障方式等因素对装备可靠 性的影响,获取共性的关键影响要素,为开展航空装备故障预测奠定基 础;

・装备故障预测:基于影响装备可靠性的关键因素,采取基于数据驱动的 机器学习方法,建立装备故障预测模型。采用一段时期内的装备实际使 用数据对预测模型进行训练,达到要求的预测精度,从而实现装备的故 障预测;

・实现装备的定制化维修:通过信息交互机制,实现传感器数据、使用数 据等真实状态数据的完全同步。在每次运行后,根据结构现有情况和历 史载荷,及时分析评估是否需要维修,能否承受下次特定任务的载荷等。 产品的历史数据对操作、维修和工程人员开放,针对每个产品定制预先 维修或翻新方案。维修将基于对损伤和损伤先兆的早期分析识别,大部 分保障工作将转变为寿命周期中的损伤预测、预防和管理。

对于复杂装备的维护保养模式,也逐步应用到民用产品上。例如构建汽车的 数字孪生体,记录保养和行驶过程中的数据,为其维护保养提供支持,已经成为 领先的汽车品牌厂商在产品设计和获得维保服务收入的重要来源。对于无人驾驶 的智能汽车,构建其数字孪生体更能进一步加强与道路、网络、停车、加油充电、 维保网点等周边环境的互动。

例如特斯拉公司为其生产和销售的每一辆电动汽车都建立了数字孪生体,相 对应的模型数据都保存在公司数据库。每辆电动车每天传输其日常数据,并通过 数字孪生体的模拟程序使用这些数据来发现可能的异常情况并提供纠正措施。每 辆车都在反馈数据,特斯拉每天可获得相当于160万英里的驾驶体验,并在不断 的学习过程中反馈给每辆车。

对于日益增多的智能化消费产品,虽然维护保养要求不高,但其作为物联网 的数据采集终端,在使用阶段也将产生大量数据,价值不容忽视。例如以智能手 表、智能眼镜、智能运动鞋等为代表的可穿戴产品,一方面作为消费者数字孪生 体如影随行的数据采集终端,另一方面产品智能化和可控程度不断提高,如4D 打印随形变化的运动鞋、可变度数眼镜等也将不断出现。


增材制造技术为可预测性维护提供了产品制造过程中更多的参数数据,使得 模型更为全面,预测更为准确。同时随需打印大大降低了备件库存,对于部分高 价值和难以拆卸的装备和场合(例如战场和太空环境,图37),应用增材制造技 术还可进行现场打印和修复,大大降低修复时间和成本。