优化数字双胞胎，IIOT的制造加工和质量管理

工业物联网(IIoT)中的驱动链涉及数据、分析和应用三个关键要素［1］：数据由生产环境收集，包括设备，产品和流程，由IOT启用，通过高级分析，包括机器学习，智能工业应用程序由数据和分析驱动，以提供封闭的反馈循环，以支持最佳的业务决策，以提供最佳的业务决策，以提供最佳的反馈循环，以支持最佳业务决策，生产过程和设备状态。数字双胞胎技术[２]从设备系统地组织和同步数据，使得流数据分析能够在数字空间中提供生产环境的动态表示。他们进一步增强了智能工业应用的能力［3］．

生产过程控制和质量管理应用将工业互联网、数字双胞胎(包括设备和产品数字双胞胎)、流和批数据分析、机器学习、精益管理和六西格玛概念和最佳实践融合到生产过程和质量管理中。通过整合和分析来自设备和其他制造IT系统的数据，该系统能够近乎实时地关联和监控工艺设计规范和实际工艺数据，以及质量数据

• 识别和解决生产问题，
• 通过质量过程反馈循环确定当前和新制造过程的潜在改进，
• 通过实施产品数码双胞胎，为各个产品的产品质量提供跟踪和跟踪能力。

该系统有助于生产经营者确保产品质量，降低生产成本。

工业互联网的概念和实践已被广泛应用于各个行业。数字双胞胎的应用也开始在行业中兴起。然而，目前，这些实现不成比例地出现在设备维护领域，在资产管理的大领域中，具有先进分析支持的预测性维护等新功能。真实世界的用例渗透到生产过程中，覆盖了更广泛的应用领域，如生产过程、质量、能源、设备和运行安全管理，其中每一项都提供了一个深度和丰富的领域，工业物联网和数字孪生技术可以提供巨大的潜在利益和特点，包括:

在工业互联网联盟(Industrial Internet Consortium)出版的《创新杂志》(Journal of Innovation)的前一卷中，本文的部分作者联合撰写了一篇文章，报告了工业互联网和钢铁行业能源管理中的数字双胞胎的真实使用案例[4]．同样，工业物联网和数字孪生技术在钢铁生产过程和质量管理中的应用具有以下特点:

• 将工艺设计数据、质量规格数据、设备运行实时数据、质量测量数据集成到整体端到端闭环系统中，实现对生产过程的全面在线监控和分析，支持产品质量追溯。
• 将数字双胞胎和工业互联网技术无缝结合成一个整体平台，以支持此类应用。
• 实现设备和产品的数字孪生，动态绑定产品数字孪生和设备数字孪生，实现产品过程和质量的在线跟踪、监控和可追溯。
• 将在线数据和分析技术与精益管理和六西格玛概念和生产过程和质量管理的最佳实践相结合，创造了一种数字贫民能力。

问题域

使用场景涉及炼钢的生产过程，这是一个重要的连续过程重工业。更具体地说，它涉及到特钢生产中未经处理的钢水被铸成板坯、方坯或钢坯后的锻造和热处理等后期工序。然而，在这个场景中使用的基本方法和技术可以扩展并应用到炼钢或其他类似行业的其他类似过程中。

炼钢过程的复杂性

炼钢涉及许多漫长而复杂的生产过程。它以铁矿石、煤炭、石灰石和回收钢材为原料，生产的产品包括普通钢和用于制造各种机器部件的一系列特种钢。在中间工序中，经过焦炉、高炉或直接还原炉生产铁、碱性氧气炉或电弧炉生产钢水、连铸生产坯、方坯等中间产品等主要工序。然后在二次生产过程中，将中间产品再加热、锻造或压制成各种形状，如管、片、棒、棒等结构形状，再经过进一步热处理、表面涂覆和加工后，作为产品放行。

从每个主要生产过程中出现的炼钢中的进一步复杂可能包括许多子过程，每个子过程可以由各种生产线支持，这些生产线具有许多具有复杂上游和下游供应链关系的许多大型和复杂的设备。在主要过程中，炼钢主要是连续的过程。

此外，上游工序的生产工艺参数对下游工序的影响较大。高端特殊钢的生产工艺更加复杂，涉及的工艺和子工艺更多。在炼钢过程中，另一个相当独特的方面是，它的产品在生产过程中不仅会发生机械变化，而且还会发生化学变化，这使其质量监测和跟踪更具挑战性。特殊钢的生产往往由小批量、大品种的产品组成。同时，由于特殊钢用于各个行业的重要设备，对可靠性和安全性要求较高，反过来对质量的要求也更加苛刻和细化。在整个生产生命周期内对产品质量的可追溯性的需求也更强。

钢铁工业数字系统的成就与挑战

在过去的几十年中，像许多其他连续的过程重工业一样，在设备水平（ISA-95级和2级）是自动化的。可编程逻辑控制器（PLC）和监控和数据采集（SCADA）系统用于控制和监控生产过程。钢铁行业还投资建立了各种IT应用系统，管理了生产的一个或其他方面的生产规划和执行，如制造执行系统（MES），生产过程控制管理系统，质量管理系统（QMS），设备管理系统，所有属于ISA-95级3.钢铁行业正在基于这些系统运行，这些系统具有显着促进生产率的提高，产品质量提高和生产成本的降低。

但是，仍然存在许多主要的技术挑战：

• 在ISA-95第1和第2级:许多PLC经常与更高级别的系统保持未连接，因此无法从中收集数据。对于已连接到SCADA系统的PLC，往往是SCADA系统仍然孤立，因此已收集的数据或已生成的警报只能使用相关的HMI来在本地查看。一个SCADA系统中的数据和警报不能容易地用于关联或以其他方式分析来自其他系统的数据。分析，如果有的话，通常需要手工工作，在技术上涉及，耗时和不可靠，并且仍然是临时，不完整，不一致，通常进行太晚来有用。
• 在ISA-95第3级:现有的应用系统往往是在不同的时期建立的，通常由不同的部门赞助，他们强烈关注解决特定领域的问题，如设备维护，而没有充分考虑形成整体的观点，考虑整体操作的不同方面的相互作用。更糟糕的是，这些系统被外包给第三方软件集成商，这些集成商独立构建这些系统，通常采用完全不同的设计和数据模型，由不同的技术栈支持，很少有功能作为api公开。因此，这些系统独立运行，很少与其他系统集成，形成了一堆独立的应用程序竖井和不可访问和可重用的数据孤岛。此外，还有一些领域是现代软件应用系统还没有涵盖的;因此，它的操作仍然需要人工输入和跟踪数据。
• isa - 95水平:很少等级的3级应用系统对1级和2级系统具有全面的连接，这使得难以在应用系统中进行高级分析的近实时数据。

目前，基于上述自动化系统和IT应用系统的基于自动化系统和IT应用系统建立了生产运营管理。然而，在当前系统中存在连接和集成屏障，防止了从实现的操作效率的进一步提高。主要部分中的这些障碍是由于上述技术挑战，生产操作管理应用系统和设备自动化控制系统（PLC和SCADA）和应用系统本身之间的技术挑战导致。

第一类障碍存在于IT应用系统和自动化系统之间，因为plc和scada与应用系统的连接不够充分，导致许多应用系统分离，或只是弱连接，生产环境的物理现实，其中设备在运行，产品正在被处理。结果是，底层自动化系统中的数据没有被完全收集和利用，这使得几乎不可能获得生产过程状态的透明度，更不用说数据和分析驱动的运营管理的可能性了。

第二类障碍存在于不同应用领域、不同生产流程和生产线的应用系统之间。这在很大程度上是历史的结果，因为过去的技术在非常复杂的环境(如炼钢)中不利于各种应用程序的相互作用。这导致了不同领域的应用程序系统，或在同一领域但在不同的上游和下游过程中的应用程序系统，没有达到所需的信息集成和交换级别，因此，支持跨流程、跨领域的整体、动态的数据分析驱动的运营管理是非常困难的。

炼钢过程控制和质量管理的挑战

在生产过程和产品质量管理这两个紧密联系的应用领域的较小范围内进行改进的挑战和潜在机会是相似的。

• 常见的做法是，现有的流程管理应用主要负责产品规范，生产过程和质量设计的信息管理。这些系统经常没有连接到生产管理系统，因此对特定产品的详细过程控制规范的传输仍然依赖于传统的电子文档交换以实现现场生产管理系统，因此需要手动配置流程。
• 此外，大多数现场操作过程数据和质量数据不能自动收集，而是依靠人工报告进行跟踪、跟踪和归档。因此，很难及时发现质量问题，以便及时采取纠正措施来宣传或减少影响。因此，问题的根本原因分析和解决往往是事后的。
• 质量分析仍然是使用传统的spc类工具集对静态历史数据进行手工操作，这些工具集没有连接到生产环境。
• 生产过程控制规范与现场操作数据和质量结果不容易关联起来，为产品和过程控制设计提供指导。
• 产品全生命周期质量可追溯性难以实现。
• 此外，流程管理给工人带来了过多的手工操作和记录工作量，效率低下，容易出错。

钢铁产品的主要质量属性包括通过材料，表面质量和几何尺寸的微观结构决定的结构性能，主要取决于材料的组成和涉及化学反应的加工技术，生产过程中的热动力和机械加工流程。因此，有必要获得与客户要求的三个主要类别的质量属性和过程控制设计相关的数据和信息。

钢材产品，特别是高端特殊钢产品的质量合格率往往很低。造成这种情况的主要原因是过程控制的相对薄弱，导致过程中的大波动，无意中影响最终产品的质量。有许多挑战导致疲软的过程控制,如难以维持稳定的过程控制参数,在检测不可控因素的干扰,而在实践中,由于缺少手段,不仅有许多有影响力的工艺参数控制,但往往不可见。

此外，许多产品质量问题与设备状态和操作方法有关。因此，为了获得优质产品，需要配制标准，用于成分，工艺，设备和操作方法，同样至关重要，需要实时测量和监控实际过程，以确保满足这些标准，并且迅速检测到任何异常，以便它们可以及时纠正。

此外，钢铁产品质量还受到多种耦合因素的影响。受实际条件的限制，不可能控制所有影响质量的因素。要提高产品质量，关键是要识别关键因素，并着重控制它们。然而，各种因素之间的因果关系往往是复杂的，并且是相互耦合的，这给在没有深入分析的情况下识别出哪些是关键因素带来了很大的挑战。另一方面，针对这个和其他类似目的的分析依赖于大量的质量数据，这些数据包含了过程控制规范中看似随机发生的缺陷与可能导致缺陷的实际过程数据、设备状态和操作方法之间的关联。

这些显然不能通过传统的方法来实现，传统的方法主要依靠人工检查和记录，依靠独立和隔离的自动化系统和应用系统，不能共享和校准数据。为了解决这些挑战，实现生产环境的全面质量控制，需要一套新的技术支持的全新方法。目前，我们的实践证明，工业物联网和数字孪生技术是应对这些挑战的正确选择。

嵌入式数字孪生框架解决方案的工业互联网平台

一个成功的解决方案是使用嵌入数字孪生框架的工业互联网平台，以突破上述不同架构级别和不同领域应用系统之间的障碍。最终解决方案体系:

• 进行过程控制和质量数据的收集，实现接近实时的数据分析，建立新的数据和分析驱动的生产过程和产品质量管理应用。
• 参考工艺设计规范执行对实际过程数据的在线动态比较分析，执行产品的动态过程质量监测和质量可追溯性，发现过程异常和质量异常，并能够及时解决质量问题。
• 此外，通过对数据的统计分析，可以实现过程验证和改进。

帮助生产经营者达到避免不良品，提高产品质量，降低生产成本的目的。

虽然技术方法，技术和解决方案适用于炼钢过程中的更广泛的使用场景中，但该项目在此报告最初将重点放在炼钢过程中的一个，即锻造过程，以便在扩展到其他方面之前开始，验证和改进解决方案流程[6]．

瘦六西格玛设计过程

在与客户签订开发合同并在现场进行初步的使用场景研究后，由一个具有各领域专业知识的团队进行了全面的现场发现研究，主要包括:

• 对炼钢工艺有深刻见解的工业领域专家，帮助理解生产操作流程，并有能力评估客户的业务需求，从中得出业务需求。
• 工业软件应用分析人员，他们与工业领域专家一起将业务需求转化为软件需求，并协助软件解决方案的设计。
• 具有数据建模技术的工业数据分析工程师，以了解数据分析要求并将其映射到输入数据和建模要求中。
• 工业控制/自动化工程师，负责收集有关工业设备和项目中涉及的其他系统的部署结构和配置的信息，评估连通性和数据收集需求，并设计软件解决方案的物联网部分。

在多维现场研究中，最关键的工作是评估客户要求建立这一新的生产过程和产品质量管理应用程序，该应用程序是成为生产经营者和经理各自所使用的主要工具日常工作。长期被证明在生产运营管理中有效的精益管理和六西格玛的概念和最佳实践被用作指导原则，以评估生产过程和产品质量管理实践，以提出业务需求，部分需要操作流程和组织的变化，部分是由软件解决方案实现的，以一种巩固和增强操作管理方法和软件的最佳实践的方式实现。

精益管理方法依赖于三个关键思路[7]：

1. 识别业务流程或过程中的价值和价值流，以推动价值交付
2. 消除浪费（不会为最终产品带来价值的东西）
3. 持续改进。

6西格玛[8]方法的目标是使用一组先进的统计和项目管理工具集来定义、测量、分析、改进和控制(DMAIC)的管理过程，目标是保持波动的公差在±6σ(需求的标准偏差)之下。

精益管理致力于消除浪费，促进工作流程和程序的标准化和持续改进，而六西格玛则专注于减少过程变异和加强过程控制。这两种管理方法相互重叠，相互补充，差别越来越小。

基于精益管理和六西格玛原则，对客户需求进行现场发现研究和评估，重点是:

• 操作标准化：标准化运营工作流程和程序，以提供价值 - 质量产品，反对一组限制和不确定性，并寻求尽可能与软件保持操作标准。
• 减少废物：减少产品缺陷的发生和解决质量问题所需的返工数量。主要方法包括:
  • 为了锻炼最佳的数据驱动控制，以维持避免不需要或不必要的波动的过程的稳定性;
  • 近实时发现工艺异常和质量异常，并确定其根本原因，以便及时处理，避免下游浪费;
• 持续改进:提供在线质量性能的可见性，包括使用传统的统计过程控制(SPC)方法，然而，基于实时数据，因此质量性能问题可以识别和解决，通过启用:
  • 每个操作员/工作组的纵向质量绩效对比分析;
  • 跨操作员/工作组横向质量绩效对比分析;
  • 每种产品型纵向质量性能比较分析;
  • 横向产品型横向质量性能比较分析;
  • 产品缺陷多变量相关分析，考虑产品设计规范、工艺规范、实际工艺数据、工作程序细节和个别操作人员技能水平等因素，识别导致缺陷发生的主要因素，以便可以跨不同领域采取措施，以改进设计、流程和操作技能。

上面描述的大部分功能都可以而且必须在软件应用程序中设计和实现，以巩固方法和最佳实践，以便它们在生产过程中很大程度上是自动执行的。实现这些能力的基础是在生产过程中涉及的所有设备和其他操作系统中收集数据。在此基础上，项目利用软件对作业流程和程序进行了全面数字化，在很大程度上实施了标准化作业流程。然后利用高级分析来帮助优化运营管理。

该项目利用数据和分析的力量，以及软件的能力来实施和实施精益管理和六西格玛原则，实现一个数据和分析驱动的数字化精益管理和六西格玛系统，用于生产过程和产品质量管理。

生产环境的配置

该项目一期项目的范围限定在一个特钢厂，这是一个更大的炼钢工艺的一部分，由多个热处理和锻造工艺和生产线组成，包括电炉生产线、电渣炉生产线、双真空生产线和锻造生产线。所涉及的炉具设备有电弧炉、感应炉、精炼炉、常规电渣炉、气体保护电渣炉、真空感应炉、真空耗材炉等，有小车炉、室内炉、环式炉等不同形式。设备的配置示意图见图3 - 4。每台炉可同时对多个产品进行热处理。但是，每个PiP可以根据不同的过程控制要求进行处理。

在给定过程中部署的每种类型的设备可以是不同的模型，具有不同的能力和容量。整个设备的所有设备都可以大致被认为是矩阵或图中的节点［9］在生产过程中，每个PiP都在其中移动。由于特殊钢产品品种多、批量小，每一种产品类型都需要满足特定的产品规格和特定的工艺控制参数。此外，多种产品经常在同一时间生产。因此，每个PiP的生产计划是动态的，以最大限度地提高设备整体设备效率(OEE)和生产能力。因此，每个PiP，甚至是产品类型，在其生产生命周期中可能在设备矩阵中采取特定和唯一的路径。

为了实现应用程序的设计目标,不仅仅需要跟踪的路径皮普在其生命周期的生产,而且自己的实际过程数据处理工作负载时的每一块设备及其特点(如温度)之间的暂存区域设备。

系统设计要求

精益管理和六西格玛导向的客户需求评估提出了系统设计的几个关键要求:

• 需要实现对生产中的产品(PiP)的全生命周期跟踪，包括其在生产过程中的移动，在其被处理期间与生产设备的动态关联以及相应的实际工艺数据，在某些情况下，还包括其在过渡阶段期间的状况。
• 需要将每条PIP的实际过程数据与其相应的流程规范参数对齐，以确保实际的过程数据在所需的设计范围内;
• 需要自动检测和提供关于过程异常和产品异常的警报，在某些情况下为检测到的异常和异常提供自动或半自动根本原因分析。
• 需要连接到工作订单系统以获取工作调度信息;需要连接到生产过程规范管理系统，以获得每个PIP的过程规范;需要连接到产品质量测试系统，收集和记录与单个点相关的测试结果。
• 需要根据收集的数据提供在线分析，以支持在线和批量质量性能和其他分析。

这是一个用例，可以清楚地利用具有数字双框架的IIT平台可以提供的能力：

• 能够连接设备和传感器以收集数据;
• 生产环境的全面数字表示，即数字双胞胎，最重要的是，设备双胞胎和产品双胞胎跟踪它们的状态和工艺数据，以及pip与设备之间的动态关系，以便实际收集工艺数据并与pip相关;
• 分析能力，可以数字双嵌入分析与设备和pip相关的数据
• Application devp环境，用于开发和运行应用程序，实现业务逻辑和用户界面。

基于工业物联网平台和数字双框架的设计

系统设计基于YO-I Thinesswise Industrial Data OS（IDOS），该工业互联网平台嵌入了数字双胞胎框架，目的设计，参考工业互联网参考架构[10]，支持工业经营管理数字化转型。

它建立在核心架构上，将云本机技术，大数据，机器学习（ML）和微型服务技术集成为它的基础，其中开发了一套创新的关键功能组件，以便提供灵活的部署，易于使用，独立的端到端工业平台 - AS-Service（PAAS）堆栈。作为工业PAAS平台，它提供：

• 用于支持数据收集和系统控制的设备和设备连接的IOT框架。它提供以下功能：
  • 设备连接
  • 数据收集
  • 数据预处理
  • 数据存储
  • 物联网网关远程管理服务。
• 一个数字孪生框架，以数字方式表示生产环境，管理设备数据，并集成与设备相关的分析模型。
  • 数字孪生设计GUI
  • 物联网数据映射的数字孪生兄弟
  • 数字双分析建模
  • 数字双胞胎API。
• 应用程序（Devop）框架，以实现基于GUI的无附庸术和基于常规代码的应用程序开发，部署和运行时管理。
  • 数据可视化工具
  • 基于gui的应用程序快速开发工具
  • 基于多语言代码的应用程序开发SDK
  • 微观服务框架。

平台的完整技术堆栈，如图3-5所示，支持端到端的流数据处理和分析，使近乎实时响应于工业运行环境中发生的事件。它旨在使工业企业能够开发和运行数据和分析驱动的工业智能应用。

实施关键点

基于上述平台的系统总体架构如图3 - 6所示。

• 通过平台的物联网框架层(包括物联网/应用集成网关)实现设备连接和数据收集、与其他系统的集成，如工艺规范管理系统(获取产品工艺规范)和生产管理系统(获取工单信息)。通过基于gui的无代码配置。与设备的连接涉及各种常见的工业连接协议，包括MODBUS、OPC UA/DA和一些专有协议。
• 代表所有相关设备和产品的数字双床系统是设计和配置的。在基于GUI的数字双向设计器中，在设备状态变量和设备流程控制参数定义为数字双数据字段的情况下，创建数字双组（参见图3-7），以及它们的元数据。然后基于每个设备类型的实例数，实例化数字双胞胎类别以表示实际设备实例。使用平台提供的基于GUI的基于GUI的或配置文件的批量导入工具集，从IOT框架中收集的数据映射到每个数字双程中的数据字段。
• 数据分析模型位于该解决方案的核心。有各种分析模型跟踪过程参数，以确保它们在每个单独的点的基础上均落在标准范围内。此外，由于涉及许多无法控制的过程参数的生产过程的复杂性。并不总是依赖单个参数范围检查，以确定该过程是否正在最佳地运行，或者如果否则正常的参数的某些组合将有利于产品缺陷。这些参数之间的关系通常是非线性的，强烈耦合的，并且它们之间的直接或间接反馈，使它们难以评估产品缺陷或其他考虑的原因。尽可能从生产环境中收集到建模的可能数据至关重要，包括留下足够的模型验证数据。
• 这些应用程序支持映射到上述需求的以下业务功能:
  • 质量和过程实时监控和警报
  • 质量异常和过程异常处理
  • 质量性能精益管理
  • 质量和工艺优化分析
  • 产品质量可追溯性系统。

该应用程序采用基于角色的用户交互模型设计，以改善用户体验和增强应用程序安全性。应用程序的用户根据他们的工作职能和操作领域(在不同的流程中)被划分为不同的角色。每个用户可以根据生产组织的详细信息承担一个或多个角色。当用户登录时，应用程序将显示与用户所扮演的特定角色对应的页面。该应用程序依赖于平台用户身份验证和细粒度的基于角色的授权框架，而不需要为功能集开发客户代码。

通过利用平台功能，使用基于GUI的设计和配置工具集完成了大部分开发工作，包括IOT连接和数据收集，以及数字双向设计，而无需任何编码。结果，发展工作量大幅减少，发展周期大大缩短。

对于上层的业务函数，虽然需要代码开发，但它的范围大大减少，只关注用户通过UI的用户交互。在处理设备和产品（物理实体）时，应用程序通过其API与相应的数字双胞胎交互，避免需要处理复杂的自定义数据库或直接与设备或产品进行处理，它大大简化了应用程序的开发。

由于与物理实体的应用程序交互被数字双层抽象出来，因此从物理环境中分离了大程度的应用程序，以这样的方式，如果设备发生变化，则只需要修改底层的数字双配置无需更改应用程序代码。这使得申请将其从一个物理环境更便携，例如，在另一个钢铁厂的相同过程中。

端到端应用程序还受益于平台中的云本地分布式架构提供的安全性、可伸缩性和可靠性，使应用程序开发人员在开发过程中不必担心系统安全性、性能和可靠性。

产品数字双

设备数字双胞胎的概念很好地理解。然而，据报道，产品数字双胞胎的概念较少。该设备和产品数字双胞胎在本文中报告的生产过程和产品质量管理中起着重要作用。

对于像钢这样的材料产品(合同中的机器或电子设备产品)，产品在生产过程中通过化学反应、热和机械过程，发生了各种形式的变化，包括物理形态(固体和液体)、物理性质、形状、表面性质和微观结构。许多转换结果不能直接实时测量，简单的传感器不容易测量，或者传感器在恶劣的处理环境下很容易被破坏。有些属性需要实验室测试，需要数小时或数天才能完成。

除了一些相对简单的测试，如硬度或表面性能，钢材的质量在很大程度上依赖于确保生产过程控制的准确性和稳定性。过程控制数据是生产设备的属性，相对容易从设备控制系统中收集。为了保证产品在生产过程中的质量，必须结合生产设备对产品进行跟踪。

在该项目中，PIP跟踪是通过产品数字双胞胎完成的。从工作订单中的信息，系统会自动为每个点创建产品数字双床。初始产品数字双模型包括其ID，产品类型，过程规范等的信息，因为PIP通过其生产过程中的不同阶段移动，使用正在处理PIP的设备从哪个关键属性进行动态关联如开始和结束处理时间和其他属性。来自设备的任何相关实际过程数据也会自动输入产品数字双床，并参考其处理阶段的相应流程规范动态分析。可以识别，记录和报告从实际过程数据的过程规范的任何偏差。类似地，任何质量测量和检查的记录也将进入产品数字双胞胎。当PIP的处理完成时，还在生产过程中的产品的全生命周期的数据也被全面记录并准备好在相应的产品数字双模型中进行查询和分析。

从不同的角度来看，产品是制造商为企业创造价值而制造的产品。当产品在生产过程中移动时，它代表了生产的价值流。通过产品数字孪生对生产过程中的产品进行跟踪，实际上是对制造企业价值流的跟踪。通过进一步考虑原材料成本、能源成本、缺陷成本、设备的OEE、人工成本和最终产品的市场或订单价格等，可以近乎实时地计算和可视化整个生产环境中所创造的价值。这将帮助制造商更好地管理生产，识别和减少或消除成本，并通过做出明智的决定，做出什么和如何做他们的价值创造最大化。

结论与学习

通过利用YO-I的内置能力，该复杂项目从设计完成到交付和接受，约3-4个月，不到一半的时间，如果平台未被使用。在初始试验期间，客户良好地收到生产过程和产品质量管理系统。

从这个项目中有几点可以借鉴:

• 工业物联网(IIoT)、数字双胞胎、工业分析是一种实现技术(而不是应用本身)，最适合支持新一代数据和分析驱动的工业运营管理应用。
• 物联网、数字双胞胎和工业分析技术必须与经过验证的管理方法和最佳实践相融合，如精益管理和六西格玛，才能真正有效地为工业运营管理设置提供价值。(换句话说，从运营管理中分离出来的物联网或分析只能提供有限的价值。)
• 工业物联网、数字孪生和工业分析技术在推进工业运营管理的数字化方面具有巨大的潜力，在设备维护以外的领域包括生产过程和产品质量管理(如本文所示)、能源管理(如我们另一篇文章所述，见4)。可能还有生产计划和执行。
• 设备和产品数字双胞胎都是有效的方法和技术，以跟踪产品质量作为正在处理的产品，并建立产品质量可追溯性记录。产品数字双胞胎实际上可用于代表制造地板中的价值。
• 工业物联网平台与数字孪生框架已被证明大大简化了安全、可扩展和可靠的工业运营管理解决方案的实施。

参考文献

［1］工业互联网参考架构。v1.9。可用的：https://www.iiconsortium.org/iira.htm.

[２]工业应用的数字双胞胎。定义，业务价值观，设计方面，标准和用例。工业互联网联盟，白皮书。1.0版本1.0 2020-02-18。可用的：https://www.iiconsortium.org/pdf/iic_digital_twins_industrial_apps_white_paper_2020-02-18.pdf.

［3］M.Bärring，B. Johansson，G. Shao，Digital Twin for Smart Manufacturing：从业者的观点，中小企业国际机械工程大会和博览会，诉讼（IMECE），11月20日。

[4]林世万、傅maxine、李克斌，数字双胞胎+工业互联网智能制造案例研究，创新学报，工业互联网联盟，2019年11月。

［5］https://www.steel.org/steel-technology/steel-production/

[6]在撰写本文时，项目的第一阶段已经完成，并且获得了客户的认可。另一个不同炼钢工艺的相关项目已经启动。

[7]https://kanbanize.com/lean-management/what-is-lean-management

[8]https://asq.org/quality-resources/six-sigma#:~:text=Six%20Sigma%20is%20a%20method,quality%20of%20products%20or%20services

［9］作为计算机科学的概念

[10]工业互联网参考架构。v1.9。可用的：https://www.iiconsortium.org/iira.htm.