数字孪生在印刷业智能化建设中的探索与实践.pdf

PRINTING AND DIGITAL MEDIA TECHNOLOGY STUDY Tol.228 No.1 2024.02印刷与数字媒体技术研究 2024年第1期（总第228期）OVERVIEW综述数字孪生在印刷业智能化建设中的探索与实践刘琳琳1，周雨文1，王东琦2，王国琴1，王 鑫1（1.西安理工大学 印刷包装与数字媒体学院，西安 710054；2.湛江卷烟包装材料印刷有限公司，湛江 524044）摘要 基于数字孪生技术的制造加工企业能够实现以全面感知的制造数据连接生产过程与生产决策，并通过生产大数据的分析与统计、信息的逻辑建模驱动生产决策的生成，有效地提高生产管控能力、产品质量和生产效率。本文在分析数字孪生应用层级基础上，将数字孪生在印刷智能工厂建设中的应用集中于三个层面：基于信息融合实现印刷装备状态预测；基于数据驱动实现印刷车间瓶颈分析；基于诊断分析实现印刷企业的决策支持。分别探析了数字孪生应用的三个层面研究方法与研究现状，并提出在工业互联网、边缘计算等新技术发展日趋成熟的背景下数字孪生在印刷包装智能工厂中的应用发展前景与发展方向。关键词 数字孪生；预测性维护；生产瓶颈分析；工业互联网；智能诊断中图分类号 TP29;TS803文献标识码 A文章编号 2097-2474(2024)01-01-12DOI 10.19370/10-1886/ts.2024.01.001Exploration and Practice of Digital Twin in the Intelligent Construction of Printing IndustryLIU Lin-lin1,ZHOU Yu-wen1,WANG Dong-qi2,WANG Guo-qin1,WANG Xin1(1.Faculty of Printing,Packaging Engineering and Digital Media Technology,Xian University of Technology,Xian 710054,China;2.Zhanjiang Tobacco Printing Co.,Ltd.,Zhanjiang 524044,China)Abstract The manufacturing enterprises based on digital twin technology can achieve a holistic integration of manufacturing data to bridge the production process with production decision-making.By analyzing and aggregating large-scale production data and employing logical information modeling,these enterprises can significantly enhance their production control capabilities,product quality,and overall efficiency.In this paper,building upon an analysis of the various application levels of digital twins,focuses on their implementation in the construction of intelligent printing factories across three dimensions:predicting printing equipment status through information fusion,identifying bottlenecks in the printing workshop via data-driven analysis,and providing decision support for printing businesses through diagnostic evaluations.The research methodologies and current state of digital twin applications across these three dimensions were discussed.Furthermore,in the context of the maturing advancements in industrial 收稿日期：2023-10-10项目来源：陕西省重点研发计划项目面向印刷企业数字化转型的智能诊断评估规划系统开发(No.2022GY-121)；智能与绿色柔版印刷重点实验室项目基于多维数据分析的卫星式柔印机预测性维护方法研究(No.ZBKT202201)本文引用格式：刘琳琳，周雨文，王东琦，等.数字孪生在印刷业智能化建设中的探索与实践J.印刷与数字媒体技术研究，2024，(1)：1-12.2024年1期印刷与数字媒体技术研究.indd 12024年1期印刷与数字媒体技术研究.indd 12024/3/6 15:47:552024/3/6 15:47:552印刷与数字媒体技术研究2024年第1期（总第228期）0 引言推进新型工业化，要大力推动数字技术与实体产业深度融合，发挥数据的生产要素作用，协同推进数字产业化和产业数字化，加快数字化工厂建设。数字孪生（Digital Twin）技术通过虚拟与现实的精准映射，实现宏观的价值流与工位效益提升，为建设数字化工厂提供了强有力的工具，同时建设全生命周期的数字孪生工厂也是数字化工厂的目标。数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成精确映射，从而反映相对应的物理实体全生命周期过程的技术。数字孪生概念由密歇根大学Grieves教授在2003年的产品生命周期管理（PLM）课程上首次提出，后在航空航天飞行器的健康维护与保障有了实际性应用。随着物联网（IoT）、人工智能和云计算的进步，数字孪生的应用扩展到了制造业领域，应用于优化生产流程、监控设备和产品生命周期管理。随着人工智能算法的研究深入，使得预测性分析和高级模拟成为可能，使得数字孪生成为各行各业决策过程的一个不可或缺的部分。数字孪生技术构建了制造企业中物理实体与数字孪生虚体之间的虚实映射，并通过数字孪生建模、数据接口通信、实时同步仿真、智能决策优化以及实时主动控制这一闭环执行逻辑，实现数据知识混合驱动的智能制造空间自治管控。实时同步仿真是实现智能决策与主动控制的核心，通过多学科、多物理量、多模态、多尺度、多概率仿真模型结合来自真实物理空间中的状态、事件、行为等数据进行仿真，并将仿真结果导入智能决策模型进行综合评价、优化与预测，以生成控制指令与决策信息用于物理实体的实时主动控制。因此，在推进工业智能化进程中，数字孪生技术是智能工厂支撑物理空间、信息空间与业务交互空间融合的核心使能技术，受到从学术界、工业界到相关解决方案供应商的广泛关注，并且其认知不断更新，应用领域不断扩展。本文总结了数字孪生在印刷领域应用层面的研究成果，对通过数字孪生实现智能印刷工厂的研究方法进行阐述，对其优势进行总结，并指出数字孪生在印刷行业中应用的不足，提出未来针对这些问题的合理的解决思路与研究展望。1 数字孪生的技术发展数字孪生是一种基于物理实体对象、虚拟模型、孪生数据和智能服务的信息物理融合系统，它能够实现对物理世界的全面感知、高保真模拟、实时交互和优化控制。数据是数字孪生的核心驱动力，数字孪生数据不仅包括贯穿产品全生命周期的全要素、全流程、全业务的相关数据，还强调数据的融合，如信息物理虚实融合、多源异构融合等。此外，数字孪生在数据维度还应具备实时动态更新、实时交互、及时响应等特征，能够为用户提供更多有价值的信息和服务。物理实体对象是数字孪生的重要组成部分，它们是数字孪生的感知源和控制目标，可以是任何具有一定规模和功能的事物，如人、机器、设备、产品、工厂、城市等。物联网通过射频识别、二维码、传感器等数据采集方式为物理世界的整体感知提供了技术支持。此外，物联网通过有线或无线网络为孪生数据的实时、可靠、高效传输提供了帮助。数字孪生可以根据不同的应用场景和需求，对不同层次和粒度的物理实体对象进行建模和服务。数字孪生体是数字孪生的核心组成部分，它们internet and edge computing,the future prospects and developmental directions for the application of digital twins in intelligent printing and packaging factories were proposed.Key words Digital twin;Predictive maintenance;Bottleneck analysis;Industrial internet;Intelligent diagnosis2024年1期印刷与数字媒体技术研究.indd 22024年1期印刷与数字媒体技术研究.indd 22024/3/6 15:47:552024/3/6 15:47:553综述刘琳琳等：数字孪生在印刷业智能化建设中的探索与实践是数字孪生的表达形式和仿真工具。虚拟模型能够准确、可靠、高保真地反映物理实体对象的结构、属性、状态和行为，可以根据不同的应用需求采用不同的建模方法和技术，如数学模型、三维模型、机器学习模型等。数字孪生体可以在计算机或云端进行运行和更新，与物理实体对象进行实时同步和交互，实现跨接口、跨平台、跨协议的互联互通。孪生体的数据可以通过数据分析技术进行统计、挖掘、可视化等操作，以发现数据中隐藏的规律和知识。数字孪生的最终落脚点在智能服务。智能服务涵盖了仿真模拟、诊断预测、可视监控、优化控制等方面，可以通过应用接口技术为用户提供便捷和高效的访问和使用方式，以满足用户的不同需求和场景。随着近年来人工智能技术的发展，在没有人工参与下，执行数据准备、分析、融合，对孪生数据进行深度知识挖掘，从而生成各类型服务成为发展趋势。数字孪生技术要求实现多维度（物理实体、虚拟实体、孪生数据、服务/应用）间的双向连接、双向交互、双向驱动，以便于在虚拟和物理世界之间构建一个高度集成和互动的接口，从而形成信息物理闭环系统。数字孪生是物联网平台或工业互联网平台的重要组成部分，物联网、工业互联网为数字孪生提供了感知接入、可靠传输、智能服务等技术支持。数字孪生在产品全生命周期数据管理、数据分析与挖掘、数据集成与融合等方面具有巨大的价值和潜力，可以为各行各业带来创新和变革。2 数字孪生的技术层级数字孪生技术以产品为主线，贯穿了产品生命周期中设计、制造以及服务等不同阶段，并在不同阶段引入不同要素，形成了不同阶段的表现形态。按照技术层级，数字孪生可以分为5个技术层级，其技术要求分别为：几何模型的建立、数据描述、数据融合、动态孪生和自主孪生，这也是数字孪生的技术实现由可视化向智能化不断递进、映射规则逐渐丰富的5个层级。基于数字孪生的技术层级，可以将数字孪生的实际应用程度划分为初级、中级、高级三种等级。这三种等级并没有严格的优劣关系，以具体的使用场景为依据，确定对应应用场景所需的数字孪生应用等级。初级数字孪生的主要内容为数字化模型，主要目标是实现物理对象的可视化；中级数字孪生包含了数据描述、数据融合，主要目标是基于动态数据驱动建立物理世界和数字空间之间的数据联系；高级数字孪生包括动态孪生、自主孪生，主要目标是实现实时场景下的数字孪生应用。目前，聚焦数据描述与数据融合，充分利用企业数据价值的中级数字孪生是工业领域数字孪生研究与应用的重点。随着中国印刷业智能化建设的逐步深入，数字化基础较好的印刷企业开始探索构建信息双向驱动下的智能印刷工厂，基于运维数据和预测分析，推动印刷生产过程中设计、印制、储运、服务，企业经营过程中控制、执行、管理、决策的全面智能化，逐步实现生产过程深度优化和经营管理智能决策。对于龙头企业而言，协同产业链要素对印刷生产中关键使能技术开展先行先试，积极推动数字孪生、边缘计算、人工智能、数据分析、5G通讯等新技术的应用新突破是应承担的任务。3 数字孪生在印刷行业的应用研究随着印刷包装企业智能化的不断探索，数据的价值逐渐被重视。ERP、MES等数字化系统现在已经逐渐成为印刷企业普遍使用的工业系统，使得数字孪生在印刷包装企业有了应用基础。印刷企业可以以数字孪生为基础，推进自身数智化建设，引入数字技术、数据分析等手段以拉动传统的业务、流程、信息，实现数字化改革，从而更好地管理、分析、优化企业配置。利用大数据、云计算、物联网、人工智能等数字化技术对数据进行采集、存储、分析、应用一站式操作，能够实现企业自身生产管理的全面自动化和智能化。优先转型升级的企2024年1期印刷与数字媒体技术研究.indd 32024年1期印刷与数字媒体技术研究.indd 32024/3/6 15:47:562024/3/6 15:47:564印刷与数字媒体技术研究2024年第1期（总第228期）业会得到创新性发展，提高自身的生产自动化水平、精细化管理水平、印刷加工制造水平以及市场服务能力等等，从而降低劳动力投入成本、生产制造成本，减少对人为经验依赖，受外部因素影响波动降低。从而增加经营绩效，提升企业竞争力，推动自身可持续发展。作为中国制造业智能化转型升级的具体行业应用，印刷业智能化建设应遵循智能制造数字化、网络化、智能化三个基本范式，以数字化为基础，网络化为关键，智能化为方向，三者并行推进，融合发展。数字孪生在印刷智能工厂的主要应用分为三个层面：基于信息融合实现印刷装备状态预测，充分利用印刷设备在生产过程中产生的多源数据，通过预测模型对设备的运行状态进行预测，提前制定维护决策；基于数据驱动实现印刷车间瓶颈分析，利用印刷生产车间的几何与物理条件建立车间的数字模型，由实际生产数据驱动孪生模型进行仿真，分析印刷车间的生产瓶颈并进行优化；基于诊断分析实现印刷企业的决策支持，根据印刷企业的智能化发展现状制定孪生模型，帮助企业分析所处的智能化发展阶段，并根据发展阶段确定企业的战略规划。基于数字孪生的印刷智能工厂建设的三个层面之间的关系如图1所示，这三个层面是智能印刷工厂的生产过程由点到线到面的全面覆盖。数字孪生技术在印刷企业中的应用由具体设备出发，延展到产线、物流规划，再延展到整个工厂的评估分析，涵盖了智能印厂生产过程的各个方面。3.1 基于信息融合实现印刷设备状态预测印刷设备的数字孪生是指将印刷设备的物理模型转化为数字模型，以便于对印刷设备进行监控、维护和优化。数字孪生通过传感器、计算机视觉和机器学习等技术，实时采集印刷设备的运行数据，印刷智能工厂数字孪生的三个应用层面基于信息融合实现印刷装备状态预测基于数据驱动实现印刷车间瓶颈分析基于诊断分析实现印刷企业决策支持数据互联数据互联基于印刷数据的数字孪生体印刷生产车间印刷车间数字孪生体印刷企业智能化程度评估维度数据驱动印刷设备图像采集精准监测故障预测印刷过程智能化数据来源：PLC传感器几何描述、物理描述数据描述了解自身在智能制造领域的优势和不足印刷企业智能化程度评估制定合理的转型升级目标和路径模切温度印刷车间生产数据基于数字孪生的印刷车间生产优化模型建立流程模切速度X/Y偏移量烫金参数模切温度模切起始/结束角度映射规则映射关系印刷数字孪生模型印刷工业互联网系统印刷机运行状态的实时在线监测工业互联网边缘计算人工智能工业领域新技术支持图1 数字孪生在印刷智能工厂的三个应用层面Fig.1 Three levels of digital twin application in printing intelligent factories2024年1期印刷与数字媒体技术研究.indd 42024年1期印刷与数字媒体技术研究.indd 42024/3/6 15:47:562024/3/6 15:47:565综述刘琳琳等：数字孪生在印刷业智能化建设中的探索与实践对其进行分析和建模。在印刷智能工厂建设中，数字孪生可以帮助企业实现对印刷设备状态的预测，提高设备的可靠性和稳定性。在印刷行业的数字孪生应用中，由印刷设备的物理实体出发，通过印刷机进行实时数据采集与离线历史数据的收集，将部分数据融合，组成印刷设备在数字空间的映射模型。该数字模型包含了印刷设备中的历史运行数据、印刷产品质量数据等不同的数据形式。利用数据分析技术，可以从数字孪生模型中提取表征设备特征的关键数据，借助基于机器学习的预测算法处理关键数据，实现对设备潜在故障的预先洞察与准确预测，并在设备的稳定运行周期内对设备进行保养与维护，实现基于物理实体构建数字模型，再通过数字模型分析结果反作用于物理实体的数字孪生映射关系。映射关系如图2所示。3.1.1 印刷设备数字孪生模型的建立在对印刷设备的物理实体进行数字化建模时，需要对模型所概括的物理印刷设备实体进行全面的考虑。由数字孪生模型的应用场景出发，对数字孪生模型对应的物理实体进行准确的数据采集。所需采集数据来自于两个方面：印刷设备的离线数据与在线数据。离线数据包括了印刷设备关键部位材料的类型、刚度、硬度、弹性模量等结构强度参数；设备关键部件尺寸等几何参数；设备历史运行状态参数。离线数据构建起了一台印刷设备的真实物理状态，构成了数字孪生模型的外部几何与物理特征。印刷设备的在线数据主要包括了印刷设备在运行过程中的各项参数，例如动态变化的运行环境温度、湿度数据；设备的印刷速度、摆动辊的振幅、压力数据；卷筒纸的卷径等。实时运行数据可以反映印刷设备的实时运行状态，构成了数字孪生模型的当前运行特征。将在线数据与离线数据进行数据融合，可以得到一个包含印刷设备本身状态与运行状态的数字模型。3.1.2 印刷设备状态预测模型的建立印刷设备数字孪生模型的应用可以实现设备状态监测，掌握设备的实时运行状态。在印刷设备数字孪生模型的基础上建立一个印刷设备的状态预测模型可以用于印刷设备的预测性维护。通过采集印刷设备的运行数据，如烘箱温度、印刷压力、纸张张力、设备机械振动等，利用物理模型或机器学习算法，建立印刷设备的状态预测模型，反映其结构、功能和性能的变化规律。将实时数据输入印刷设备的状态预测模型，进行对设备的未来运行状态的预测。根据预测结果，制定与预测情景适配的维护计划和措施，提高设备的可靠性和利用率。3.1.3 基于数字孪生的印刷设备预测性维护的应用随着印刷业智能化的深入推进，工业大数据技术成为印刷设备智能化的重要引擎，是驱动印刷生产、服务运维智能化的关键要素。西安理工大精准检测实时数据传感器印品质量数据离线数据历史运行数据出厂数据信息数据故障预测印刷过程智能化物理实体数字模型图2 印刷设备物理实体与数字模型的映射关系Fig.2 Mapping relationship between physical entity and digital model of printing equipment 2024年1期印刷与数字媒体技术研究.indd 52024年1期印刷与数字媒体技术研究.indd 52024/3/6 15:47:562024/3/6 15:47:566印刷与数字媒体技术研究2024年第1期（总第228期）学科研团队在数字孪生领域开展了印刷设备状态预测研究，探索了面向印刷设备的数字孪生技术应用。课题组通过收集凹版印刷机的数据，构建了一个能够反映其套准状态的数字孪生模型，并利用动态贝叶斯推理网络来预测分析印刷机工作中可能出现的套准误差，从而实现了对印刷机的预测性维护的探索。以天津长荣10色凹版印刷机为研究对象，分析了凹版印刷机的套准状态与设备各关键数据的相关性，采集设备PLC、传感器、印品质量等实时数据，以及初始状态、历史记录等离线数据。基于改进的多色集合理论构建了印刷机数字孪生模型。利用滑动窗口模型与动态贝叶斯推理网络对印刷机工作中套准状态进行动态预测分析，如图3所示，在动态贝叶斯网络中设定的20个时间单位内对预测结果进行准确性验证，参数R1和R2分别表示预测的准确率和误差率。通过预测结果准确率和误差率的持续监控，可以及时发现模型在印刷设备的状态数据变化时的预测准确率变化，为数字孪生在印刷设备上的应用提供有益探索。3.2 基于数据驱动实现印刷生产瓶颈分析通过对企业生产车间生产瓶颈的分析，可以找出与竞争对手在产能利用率方面的差距，并分析造成这种差距的原因，从而有针对性地改进企业的业务流程，提高产能利用率，降低生产成本。印刷包装行业作为一种高度离散型的制造行业，具有订单小批量、非标程度高、交货周期短、运营维护复杂等典型特点。在印刷包装行业的产能分析与生产瓶颈分析中，常常遇到以下一些问题：因产线复杂多变的特点，日常生产过程状况的测试与表征成本高昂；对设备的利用率无法准确获取；无法以比较方便的方式快速获得设备的运行与运转121416181086420时间1.00.90.80.70.60.50.40.30.20.10.0套准概率值R1R2121416181086420时间1.00.90.80.70.60.50.40.30.20.10.0套准概率值R1R2121416181086420时间1.00.90.80.70.60.50.40.30.20.10.0套准概率值R1R2121416181086420时间1.00.90.80.70.60.50.40.30.20.10.0套准概率值R1R2121416181086420时间1.00.90.80.70.60.50.40.30.20.10.0套准概率值R1R2121416181086420时间1.00.90.80.70.60.50.40.30.20.10.0套准概率值R1R2121416181086420时间1.00.90.80.70.60.50.40.30.20.10.0套准概率值R1R2121416181086420时间1.00.90.80.70.60.50.40.30.20.10.0套准概率值R1R2121416181086420时间1.00.90.80.70.60.50.40.30.20.10.0套准概率值R1R2图3 印刷各色组套准结果预测Fig.3 Prediction of registration results of each printing color group2024年1期印刷与数字媒体技术研究.indd 62024年1期印刷与数字媒体技术研究.indd 62024/3/6 15:47:572024/3/6 15:47:577综述刘琳琳等：数字孪生在印刷业智能化建设中的探索与实践效率。这些问题导致在印刷包装生产车间中的产能分析举步维艰。其原因可以归结为：由于生产管理数据支持缺失导致的分析过程的客观性与实时性缺失；由于过高的生产瓶颈分析与工艺分析成本导致的准确数据获取困难。数字孪生提供了一种很好的问题解决思路。基于生产数据的车间运维能够克服传统车间生产维护方法的局限性，实现数据驱动下印刷生产流程再造和生产资源优化配置。西安理工大学科研团队通过对智能印刷车间需求分析，基于数字孪生技术实现离散制造系统仿真，通过对车间运行状态的监测与调控，预测分析车间生产运行过程中的动态性能，对生产瓶颈提出合理的解决方法，更好地指导车间生产与辅助决策。3.2.1 印刷车间数字孪生模型的建立印刷车间是一个包含多个维度的复杂生产系统，生产的整个物理过程较为复杂。在构建印刷车间的数字孪生模型时，可以对印刷生产车间实体的几何位置分布、数据机理描述、多源数据融合形成一个包含几何层面、物理层面、生产行为与规范的印刷车间生产模型。西安理工大学科研团队以昆山科望印刷车间为研究对象，将印刷车间的平面布局状况与实际印刷生产过程中各部分的功能分区相结合，根据印刷包装工厂的实际运行情况，构建起一个有实时数据输入的智能化模型。利用Plant simulation构建印刷车间数字孪生模型，提出一种基于吞吐量瓶颈分析活动期理论的数据驱动算法，基于车间数据的采集分析设备OEE（全局设备效率）分析及车间瓶颈，构建以数据驱动生产管理的持续改善机制。图4为西门子Plant simulation中构建的一个印刷车间数字孪生模型示例。该数字孪生模型基于某企业的印刷加工生产车间进行建立，包涵该生产车间的工作位配置、生产流水线配置等。通过将生产现场的数据输入孪生模型，可以对该车间的生产状况进行数字映射，以发掘生产效率的关键改进点。3.2.2 印刷车间的数据采集车间的仿真模型需要大量的实时数据支持。在实现智能印刷车间的过程中，建立高效的数据采集系统是关键。这一系统不仅针对单个印刷设备的监控，而且为整个车间的数字孪生构建提供支撑。首先，针对每台印刷设备，可以通过其数控系统内置的通信协议和网络接口，实现与终端设备的直接连接。这种连接方式允许实时监测和收集关键的运行数据，如模切起始/结束角度、模切和烫金过程中的温度、速度、以及X/Y轴偏移量等。将这些设备层面的数据收集与整个车间层面的数据集成相结合，是构建智能印刷车间的数字孪生模型的基础。通过物联网技术和传感器，不仅能够监测单一设备，还能实时收集整个生产过程中的数据，从而为数字孪生模型提供全面的、实时的输入。这些数据反映了真实设备和整个生产系统的当前状态与行为模式，对于优化生产流程、提高效率、预测维护需求以及降低运营成本都至关重要。系统梳理和实施针对印刷设备和整个印刷车间的数据采集方案，对于推进数字孪生技术在智能制造领域的应用具有重要意义。3.2.3 印刷车间的仿真与瓶颈分析西安理工大学科研团队使用实际生产环境中的生产排程数据来获取生产状态、工艺参数、质量指标等数据。以实际生产过程中的各项参数为基础，使用Plant simulation软件来搭建印刷车间的仿真模型，包括设备、物料流、人员流等要素，并将采集到的实时数据与仿真模型进行同步和映射。基于吞吐量瓶颈分析活动期理论，设计一种能够根据图4 基于Plant simulation软件的印刷车间数字孪生模型Fig.4 Digital twin model of printing workshop based on Plant simulation2024年1期印刷与数字媒体技术研究.indd 72024年1期印刷与数字媒体技术研究.indd 72024/3/6 15:47:572024/3/6 15:47:578印刷与数字媒体技术研究2024年第1期（总第228期）实时数据调整生产计划和资源配置的算法，以最大化印刷车间的吞吐量。该算法基于TOC（Theory of Constraints）理论进行二次开发，利用数字孪生模型中反映出来的设备运行效率和物料流速度等指标，对印刷车间进行性能评估和瓶颈识别。并根据OEE分析和瓶颈识别的结果，提出针对性的改进措施，通过数字孪生模型进行验证和优化，形成一个以数据驱动生产管理的持续改善机制。表1为某印刷车间产线优化前后的对比结果。表1 某印刷车间产线优化效果Tab.1 Production line optimization effect of a printing workshop工位 改进前设备利用率(%)改进后设备利用率(%)下降率(%)印刷182.6544.1038.55印刷282.9550.6632.29印刷373.6736.2837.39印刷477.6931.6046.09分切364.9155.529.393.2.4 基于数字孪生的印刷工厂的物流规划印刷企业的厂内物流涉及到原材料的采购、入库、加工、成品的出库到配送的一系列流程。印刷生产工序繁多导致物流环节多，物料搬运频繁，导致物流人员、设备和空间的投入较大，增加了物流成本。传统印刷企业主要依靠个人或者部门进行物流规划，而物流信息不透明，物料的位置、状态和需求难以掌握，导致物流计划不合理，物料的配送和调度存在滞后和冗余，降低了物流效率。同时，未进行设计安排的物流路线规划导致物流环境不可控，物料在运输过程中容易受到损坏或污染，影响物料的质量和安全。因此，智能印厂中，需要通过数学模型和仿真技术对印刷企业的厂内物流的结构、行为和功能进行建模和模拟。通过数字孪生技术，印刷企业动态模拟和预测物料的配送和调度情况，制定合理的物流计划和物流路线，避免物料的滞后和冗余，提高物流效率。西安理工大学科研团队基于数字孪生技术，测量重构印刷工厂内部实地布局，通过数学模型和仿真技术对实体系统的结构、行为和功能进行建模和模拟，建立一个实际印刷工厂的数字映射。使用数字孪生仓库管理平台，对仓库的空间布局、货架分配、拣选路径等进行优化设计，并通过三维可视化技术展示仓库的运营情况，提高物流效率。3.3 基于诊断分析实现印刷企业决策企业智能化建设是一个系统的工程，需要软件与硬件的融合应用。根据印刷行业智能化的发展现状、印刷工厂的智能化建设现状和未来目标建立一个可供参考的模型，制定诊断评估系统，可以帮助企业进行决策支持，提高企业的管理水平。对于推进印刷行业数字化转型、智能化建设有实际意义。西安理工大学科研团队依据行业标准CY242-2021 印刷智能工厂参考模型，建立了智能印厂诊断评估模型、诊断评价指标体系，如图5所示。通过企业自评和专家评估，基于评测数据确定印刷企业的智能等级，从而为企业智能化规划提供决策支撑。全面收集和分析企业的运营数据，包括从设备层面、过程层面、业务层面的数据。通过物联网技术和传感器，可以实时获取设备和生产过程中的关键数据。将这些数据整合到统一的数字平台上，以构建一个反映企业运营各个方面的详细数字画像，使企业能够深入了解自身的运作模式和业务动态，把握自身的数字化程度和能力，为进一步的数字化转型奠定基础，这是数字孪生在印刷智能工厂建设中的另一类应用。根据行业规范，对印刷企业在数字化、信息化和智能化方面的水平进行定量或定性地评价，可以帮助印刷企业了解自身在智能制造领域的优势和不足，并制定合理的转型升级目标和路径，提高智能制造水平。对数字孪生的应用程度进行全方位、多角度、深入浅出地检验和评价。这个评价体系可以用于确定当前数字孪生应用整体和各维度因子的成熟度等级和评分，并提供针对性的优化建议。4 数字孪生在印刷企业应用的难题与展望数字孪生在基于信息融合实现印刷设备状态预测、基于数据驱动实现印刷车间瓶颈分析、基于诊2024年1期印刷与数字媒体技术研究.indd 82024年1期印刷与数字媒体技术研究.indd 82024/3/6 15:47:572024/3/6 15:47:579综述刘琳琳等：数字孪生在印刷业智能化建设中的探索与实践断分析实现印刷企业决策支持三个方面的应用，从印刷单元降低维修成本、印刷车间提升生产效率、印刷企业提升竞争能力三个角度出发，为印刷智能工厂的降本增效做了多维度的研究，但还存在一些待解决的问题。4.1 数字孪生在印刷设备的状态预测方面存在的问题基于信息融合实现印刷设备状态预测的一项重要意义在于通过工业大数据的使用，使印刷设备的运行状态可控可预测，避免人为检修决策带来的主观性，是印刷设备数据的一个应用方向。目前，数字孪生在印刷设备的状态预测方面还存在一些待解决的问题。1）在实际生产中，印刷设备有可能根据频繁变换印刷作业，长期以同样的工艺参数进行印刷作业的可能性较低。这使得印刷设备进行状态预测时可用的数据样本量较小，同时缺少明晰的故障机理，印刷设备的故障诊断必须探索一种区别于基于机械振动信号分析的传统故障预测方法的设备状态预测方法。2）印刷生产过程中由于印刷设备机械结构故障而导致生产停滞的情况较少，使得印刷企业对印刷设备的故障诊断逐渐失去兴趣。基于数字孪生的印刷设备预测性维护是一个新的研究方向，将印刷数据应用于设备的状态预测与使用，让印刷设备的状态预测可以进一步应用于实际的印刷生产过程，降低印刷设备的生产成本。4.2 基于数据驱动实现印刷车间瓶颈分析方面存在的问题目前，关于基于数据驱动实现印刷车间瓶颈分析方面，通过数字孪生技术与印刷车间运维过程的结合，以企业的调研实践为基础，研究了不同设备类型的数据采集方案、设备OEE计算与优化、车间建模仿真技术、瓶颈检测与优化技术，弥补了现有研究理论与应用技术的不足，并在一定程度上解决了企业实际问题。但是由于之前研究的时间限制及企业条件限制，研究工作还有待进一步的改善。1）目前研究模拟的订单量相对物理实际情况来说较为单薄。这样做的优势是进行结果分析时计算量小，见微知著；劣势则是会导致后道工序设备利用率不足，以至于设备等待率较高。因此在后续研究中可以考虑采用数量更多的订单数据进行仿真优化。2）印刷企业采集的数据是设备生产状态及数量数据，考虑到物理车间与仿真模型之间的实时映射需要人、机、料、法、环等全流程、全要素数据，有必要在后续研究中利用数字孪生技术采集生产全搭建工厂诊断框架和体系建立企业架构模型组建评估小组并编制计划线上问卷自诊断分析各层级智能评价指标建立递阶层次结构模型得到各评价指标权重系数判断评价对象的智能等级建立系统上线评估模型搭建方案智能匹配的数据库开发平台接口与应用服务层构建SOA加构的应用系统采集评估证据形成评估发现并制定改进方案认知企业生产与管控流程梳理模型评估架构设计线上线下评估方案设计评估模型赋值体系搭建整体解决方案平台图5 印刷企业数字化转型的智能诊断评估规划系统Fig.5 Intelligent diagnostic evaluation and planning system for digital transformation of printing enterprises2024年1期印刷与数字媒体技术研究.indd 92024年1期印刷与数字媒体技术研究.indd 92024/3/6 15:47:572024/3/6 15:47:5710印刷与数字媒体技术研究2024年第1期（总第228期）要素数据，准确还原物理世界设备或系统的行为。3）基于数字孪生的印刷车间的瓶颈分析研究了印后环节的产线优化问题，然而在实际印刷生产中，印前、印刷、印后生产是连贯的，后续研究可以针对印刷生产全流程，从产品设计、生产规划和生产执行三大环节全面分析，基于现有企业生产资源如何避免浪费，合理安排生产。4.3 基于诊断分析实现印刷企业决策支持存在的问题基于诊断分析实现印刷企业决策支持，通过客观数据和专业评估为企业建立数字能力画像，评估企业智能化发展中存在的优势与不足。目前的评估方法主要依靠模型评估，需要采集大量的离散数据并进行分析，要经历一个较长且独立的周期才能够完成数字孪生模型的建立，从而判断企业的智能化水平。作为智能制造的前沿技术，数字孪生在细分行业的具体应用尚在探索期，数字孪生在印刷行业的应用仍然处于起步阶段。如何将数据用好，发挥数据的价值是一个难题。数字孪生技术需要大量数据作为基础支撑，意味着更好地完成数字孪生技术的应用需要企业持续推进智能化进程，为数字孪生提供更多的数据支撑；在智能化程度提高的同时集中数据，有意识地进行分析、决策、优化和创新，更好地管理数据以便基于高质量算力基础支撑后期分析决策。4.4 数字孪生技术应用于印刷智能工厂建设的其他关键问题除了上述数字孪生在印刷智能工厂建设中的应用的常见问题以外，面对极度离散型制造的印刷加工生产，发挥数字孪生技术在印刷智能工厂建设的价值还需要解决一系列关键问题。1）印刷制造复杂程度高，工作机理模型有待建立。印刷生产是一个相对离散的生产过程，生产过程需要采集多源数据，意味着采集数据的信息量较大，信息复杂度高，印刷生产环节的设备单元机械结构复杂度也较高。高信息复杂度与高机械结构复杂度导致进行研究时的高算法复杂度，目前在构建数字孪生模型时，采用对象特征提取的方式降低模型的复杂程度。在提取印刷设备、印刷车间、印刷企业的特征时，需要依据印刷生产的特点与印刷的行业属性有针对性地提取出准确的特征。更加精准的数字孪生模型才能够提供更加精准的功能，助