受訪者：Phil Voglewede

Phil Voglewede是Marquette大學的教授和機械工程副主席，最近被任命為Marquette大學歐姆龍高階自動化實驗室（Omron Advanced Automation Lab）主任。

Phil Voglewede說，數(shù)字孿生不僅僅是模仿人類的行為；不是通過揮動手臂來實現(xiàn)飛行，而是以一種人類從未見過的方式來實現(xiàn)自動化。該技術在嘗試一些全新且不同，但最終是有效的理念。

Q

Phil，你如何看待數(shù)字孿生?

Phil Voglewede：數(shù)字孿生不僅僅是對所看到的數(shù)據(jù)進行仿真，還會將在仿真過程中得到的所有信息都引入其中，使得設計、制造、交付和現(xiàn)場性能更加穩(wěn)健，并利用這些信息使生產(chǎn)達到更高的水平。數(shù)字孿生不僅僅是“嘿，我有CAD繪圖或仿真”?，F(xiàn)在我可以擁有更高精確性模型，因為我了解制造過程的一切：傳送帶上的轉矩、擰入螺釘?shù)捻樞颉a(chǎn)品在哪輛卡車上、生產(chǎn)現(xiàn)場耗能，以及對整體性能的影響。

如果我們能了解每個子組件、組件和成品是如何裝配在一起的，我們就能完全重新思考這些部件是如何協(xié)同工作的。例如，為什么它需要6個螺栓？為什么不是3個按扣和1個搭扣呢？尤其是當可以使裝配更容易時，比如推入配合或其他？我們可以了解產(chǎn)品全貌、目標和約束條件。當我們開始討論六西格瑪和Taguchi理論，并將這些信息反饋到設計，此時接近了工業(yè)3.0。我們最終關注的是系統(tǒng)——如果只是簡單的自動化工程師或操作員的工作，那么通過數(shù)字孿生不會獲得成功——需要推動從人工智能中獲得更多信息。盡管人工智能有很多美好的未來，但我們尚未實現(xiàn)，必須以不同的方式切實關注過程，以及對設備是有意義的一切。

你知道，當人們第一次嘗試飛行時，模仿的是鳥類的動作，像鳥一樣擺動手臂。萊特兄弟停下來問：“我們到底在努力做什么？我們在努力飛行。所以讓我們重溫流體力學定律，開始更好地研究。”因而形成了新的想法，即如果人類想飛行，也許不應該像鳥一樣飛行。而應該利用從鳥類身上學到的知識，但以不同的方式飛行。

自動化和人工智能也是一樣，我們要做同樣的事情。不能僅僅通過制造人形或人工神經(jīng)網(wǎng)絡來模仿人類，我們真正想要的是改善整個過程，包括設計、自動化和通過供應鏈的交付。在我看來，這就是數(shù)字孿生的愿景。

Q

我們已經(jīng)在設計階段實現(xiàn)了數(shù)字孿生。對于制造過程的數(shù)字孿生，首先需要對過程進行基準測試，實時收集（數(shù)字）數(shù)據(jù)，使數(shù)字孿生處于最新和活躍的狀態(tài)。這似乎是最大的挑戰(zhàn)。也許他們還沒有看到這樣做的投資回報率。

Voglewede：兩者都有。很難證明投資回報率是合理的。我現(xiàn)在正在與一些公司合作，他們正糾結于這樣一個問題:“投資回報怎么樣?”我的建議是，不會有太多的即時回報。

例如，如果為了更好地了解爐內的溫度變化，把傳感器放在熔爐里，一個傳感器顯示溫度偏離了設定值，那么就會了解到產(chǎn)品某一部分的溫度曲線會與另一部分的溫度曲線大不相同。這也許可以解釋為什么會得到你認為不會得到的某種結果。它可能會幫助你了解過程，但不會立即產(chǎn)生更好的投資回報。

事實上，很難確定投資回報率?，F(xiàn)在我們有了人工智能和機器學習，可以用它們來觀察以前無法看到的發(fā)展趨勢。我一直在努力為我所研究的過程建模，試圖將它們關聯(lián)成曲線擬合。所有這些事情都超出了我的能力。但當某個趨勢出現(xiàn)時，人工智能會注意到，然后相關的情況就會發(fā)生。你可能認為你可以從這些信息中獲得一些投資回報，但無法證明提前感知系統(tǒng)的成本。我無法證明不可預測的事情，但這正是工業(yè)4.0和數(shù)字孿生可以幫助實現(xiàn)的。

Q

Phil，感謝分享。

Voglewede：我的榮幸。

編輯：黃飛

?