全新一代电子信息技术在加工制造业中的深入运用，引起传统化产品研发模式的转型。本文讲述运用数字化线索和数字孪生展开复杂性产品全生命周期业务流程建模与模拟、动态性预测和分析，实现了数字化空间与物理学空间虚实映射的产品研发与定义、模拟与分析、验证与核对的业务闭环管理。最后结合航天工业智能制造系统构架，得出在生产制造全生命周期中的运用构思，以提高生产流程的数字化与智能化水准。
参考国际先进的数字线索和数字孪生技术，结合航天工业智能制造系统构架，搭建从企业战略规划到加工能力顶层设计、生产线设计与布局、建造、集成测试、运行维护、重构与处置的生产制造全生命周期业务全流程的数字线索，即一方面以数字量贯穿从企业联盟（供应链）、企业经营管理（ERP）、企业生产管理（生产车间/生产流水线）到控制执行（设备、操作）的生产制造全生命周期业务层级，另一方面在对生产制造全生命周期业务流程中任务分工（产品订单）和原材料供应（物流）、生产流水线和生产制造工艺、资源设备和人力等物理学要素展开数字化建模与模拟的基础上，展开基于大数据的分析与优化。实现了基于数字线索和数字孪生的模型不断传递和不断验证的生产制造全生命周期技术体系，显著提高航空设备加工能力。
1、数字线索
数字线索（DigitalThread）是构建和应用反应复杂性产品物理学特征的、跨领域的、公共的数字化替身（模型仿真、试验模型、工艺模型和检测模型等），支持模型信息内容在物理学空间与数字化空间的双向沟通，一方面确保从基于专业能力的规划、方案分析、工程项目和生产制造开发、生产制造和部署，到运行和支持的全生命周期数据、模型和信息内容的不断统一，从而实现了动态性、实时分析产品当下及将来的功能和性能，另一方面将物理学空间的信息反馈到虚拟的新产品开发之中，并构建支持跨地域协议接口的、与工程项目专业知识管理系统集成的统一技术框架，提供一个集成的复杂性组织体视角，加强对产品性能的界限和不可预测性的定性分析和核对，有效的支持设备全生命周期中核心决策点的决策，大幅降低复杂系统开发全生命周期各环节迭代的时间和成本。
数字线索紧紧围绕复杂性产品全生命周期实体模型的表述和归类等展开探究，实现了全业务流程中数据、流程及分析的结构化分类管理，形成贯穿全生命周期的流程、实体模型、分析方法及应用工具，支持在基本概念层面应用架构方式 ，实体模型化表述运行基本概念、复杂性产品功能及需求之间的多层面、多视角及多组织的一致性了解，实现了在复杂性产品研制开发前提前校验和核对客户需求对未来复杂性产品功能要求的满意度；在需求层面，承接复杂性产品功能，展开复杂性产品运转目的/情景、需求定位与管理、功能分析与建模、设计综合及校验核对等业务的探究，提升需求管理和复杂性产品架构管理能力；在研制开发层面，将模拟仿真分析数据，传输到产品几何模型上，再传输到生产系统生产加工成物理产品，最后再将生产现场信息反馈到产品定义实体模型中，优化设计与仿真模型。
2、数字孪生
数字孪生（DigitalTwin）的基本概念最早出现于2003年，由Grieves教授在美国密歇根大学的产品全生命周期管理课上明确提出。后来，美国国防部将数字孪生的基本概念引入到航天飞行器的健康维护等问题中，数字孪生是对建造系统的集成模拟仿真，具备多物理、多分辨率和概率性的特点，由数字线索实现，应用最佳的可用实体模型、感知信息内容及输入数据信息，用以映射和预测分析相对应的“物理孪生”全生命周期的活动内容/性能指标。
数字孪生在虚拟环境中重现了产品和生产系统，使得产品和生产系统的数字空间实体模型和物理空间实体模型处在实时交互中，使二者可以及时性地掌握彼此之间的动态变化并实时地做出回应。首先，数字孪生可以实现快速构思，即不仅可以对直接见到的物理目标展开描述，弥补思维过程中丢失的信息内容，而且可以基于见到物理产品和虚拟产品的信息内容，了解和优化物理目标；其次，数字孪生可以实现对比，即数字空间与物理空间是精准映射和共同进化的，并不断累积有关知识，以发觉理想特征与具体趋向之间的偏差，并展开定量和定性的检测；最后，数字孪生可以实现广域的协同，即以数字化方式仿真模拟物理空间的具体行为，并将其叠加到数字空间（实体模型）中，从而打破个体数目和地域分布的限制，实现远程控制生产系统的制造执行。
由此可见，数字孪生是目标、数据信息，而数字线索是方式 、通道、链接、接口，数字线索为数字孪生提供访问、整合和转换功能，实现了贯通复杂性产品从运转基本概念、解决方案和研制开发的全生命周期业务流程的数字空间和物理空间信息的双向共享/交互和全面追溯。
3、航天工业智能制造构架
智能制造整体构架主要包含企业联盟层、企业运营管理层、生产制造运营管理层和控制执行层等四个业务流程层的主体要素、主要功能、核心业务流程及各业务流程层之间的内在联系（如下图所示）。企业联盟层涉及到内、外部资源协作网络的动态性组织；企业运营管理层涉及到新产品研发、企业资源规划和企业业务管理；生产制造运营管理层涉及到计划排产、生产调度和生产流程安全保障；控制执行层涉及到生产制造现场及设施的流程感知、流程监测和流程控制。
智能制造整体构架包含了产品全生命周期维度和生产制造全生命周期维度的集成化。从产品研发、需求工程、产品设计到快速原型制造环节，通过数字化环境中的层次化建模与模拟仿真分析，逐步形成价值链规划、工厂和生产线配置实施方案，其支持环境是协同制造工程、虚拟产品和虚拟工厂的集成化；产品生产制造、工厂运营管理和维护保养是制造活动的主体流程，实现物理环境下的实际工厂集成化运行；产品使用和维护保养、报废和回收（或称为退出）流程，对应生产制造全生命周期中的服务、分解或修复环节的工作内容。
4、生产制造全生命周期
伴随着现代信息技术深层次运用于加工制造业，进一步将物理工厂及其业务流程映射到虚拟数字化环境中，形成基于数字线索的局部生产流程模拟仿真或所有模拟工厂行为的数字孪生，并运用集成化现代信息技术设计、模拟仿真和优化整个生产流程与性能，提前在数字化空间处理实际生产制造物理流程中将会出现的问题已经成为生产制造数字化和智能化的发展方向。
5、生产制造生命周期的定义
16年2月，美国国家标准与技术研究所（NIST）工程实验室系统集成部门发表了《智能制造操作系统现行标准体系》的汇报。如下图所示，这份汇报将未来美国智能制造操作系统分成产品、生产系统和业务流程三个生命周期，重点关注从各类机器、设施、辅助操作系统和资源构建商品和服务的“生产系统”，并提供了生产系统全生命周期是整个生产制造设施及其操作系统的设计、部署、运行和退役情况的标准化定义。在该汇报中将典型性的生产系统全生命周期环节，分成设计、修建、调试、运营管理和维护保养、退役和回收五个层面，及支持生产制造全生命周期活动领域的标准化，包含生产系统实体模型数据和实践、生产制造系统工程、生产制造系统维护和全生命周期数据管理等。
6、生产制造全生命周期的具体内容
在NIST的智能制造实体模型中，三条主线（产品全生命周期、生产系统全生命周期、供应链）在生产制造金字塔处形成交叉，该金字塔运用ISA95标准，描述紧紧围绕生产制造流程的所有管理及加工具体内容。在产品全生命周期、生产制造全生命周期和价值链集成基础上，结合航天工业智能制造构架，构建了如下图所示的生产制造全生命周期的业务架构，它将传统式由于设计、工艺和生产制造等业务割裂，而形成生产制造全生命周期业务流程及其支撑操作系统的离散状况，转变为生产制造业务全流程及其支撑操作系统的无缝集成的生产制造全生命周期，其业务架构分成五个层面。
在企业联盟层，生产企业通过企业总体规划，以生产制造的业务流程为纽带，把遍布于各个地区的企业、供应商和客户乃至竞争对手连结成一个整体，创建跨地域的设计、生产制造和经营管理的企业联盟，寻求更大范围的资源优化配置。
在企业运营管理层，生产企业根据总体规划展开设计、工艺、检验、加工、资源（人财物）、场地等生产要素的综合分析，评估生产能力，制定顶层的生产制造服务计划，并集成运营、战略、绩效等管理信息，最终形成指导生产制造的企业资源计划。
在生产制造运营管理层，依据企业资源和生产规划，展开生产流水线规划与设计，涉及到从原材料进到由工艺机器设备、物流系统、操作工作人员、能源动力等组成的生产制造操作系统，到通过不同的工序或技术处理，形成符合设计要求的产品全流程。
在控制执行层，依据生产流水线规划，展开以实体模型为核心的生产系统监管流程。即运用工业互联网和传感器实现机器设备、操作系统和工作人员的状态数据采集和数据共享，并通过分析管理决策形成优化指令驱动智能设备、物流系统和工作人员的操作行为。
在物理实现层，完成支持生产制造全生命周期中生产车间、生产流水线等各项业务及其流程的操作系统/机器设备等的搭建工作。
7、基于数字线索的数字孪生
在虚拟环境中重现生产系统，促使生产系统的数字空间实体模型和物理空间实体模型处在实时交互中，并能及时对彼此之间的动态变化做出回应，是构建生产制造全生命周期的重要具体内容。生产制造全生命周期的核心是基于数字线索，运用数字孪生技术对动态企业联盟、生产能力规划、生产线设计和现场机器设备布局等业务流程进行无缝集成、完善优化、以及战略管理。如下图所示，运用企业（供应链）、生产流水线（生产车间）和工艺流程（机器设备）的数字仿真模型来定义、执行、控制和管理企业生产过程，并运用科学的模拟与分析工具，在生产制造全生命周期的每一步做出最佳管理决策，从源头上降低生产制造时间和成本。
在企业联盟层，通过对供应链上下游企业之间竞争行为的科学研究，在战略、战术、操作层面均展开供应链各节点企业联合的仿真模拟和提供事前的管理决策与分析支持，这成为多企业构成动态性企业联盟联合实现价值链的增值流程的必然选择。
在企业运营管理层，对产能需求与工艺规划、生产流程与节拍等业务进行模拟与分析，形成面向可变动产能需求的顶层生产能力的规划、定义、仿真与验证的连续工程方法，并与企业的工程制造、组织管理、基础资源等进行综合评估，形成可直接用于现场工作的企业资源和生产计划。
在生产加工运营管理层，通过对工艺规划设计、工艺流程和生产系统作业计划等进行定义、仿真、验证、确认，展开基于大数据分析的生产流程品质和机器设备故障管理，实现对现场资源、机器设备、在工业制品和技术人员等进行快速优化配置，支持基于优化的工艺规程的工业厂房/生产车间/生产流水线的科学建设。
在控制执行层，结合工艺需求进行有关机器设备、物流及各类辅助设备的模拟运作，在本阶段，现场机器设备建模的精细化程度、每道工序的时间估算、装夹等人力时间的计算以及物料的配送方式等都将影响对生产流水线运作以及机器设备状态的评估。
8、生产加工全生命周期运用构思
在生产加工全生命周期中引入清晰表述生产流程、机器设备布局与操作等的数字线索和数字孪生技术，实现在生产加工前对企业生产加工的产品、系统、机构进行建模，形成与生产加工业务流程精准映射的数字模型，并对数字模型状态的仿真模拟，实现对复杂动态性目标和流程的分析评估与优化管理决策的工程运用构思，其主要包括以下三方面的内容。
9、基于动态性企业联盟的集成供应链
动态性企业联盟的机构形态有很多，集成供应链是以供需关系为基础的动态性企业联盟核心类型之一。根据微笑曲线理论，加工制造业要想降低产品的最终成本，增强对市场的反应速度，就需要对内部和外部供应链的各个环节进行整合，搭建集成供应链一体化运作模式。如下图所示，供应链通过物流一体化、流程标准化、信息透明化和组织结构柔性化，将集成供应链贯穿生产加工全生命周期的业务架构的五个层次，形成上游与下游企业的战略联盟，提升供应链的整体绩效。
10、基于数字工厂的智能化生产流水线
数字工厂是以产品、流程、资源等为核心，在实际生产前，通过数字化的加工工艺、资源、工厂设计实现对生产全流程的虚拟仿真与优化提升。如下图所示，生产流水线业务流程覆盖生产全生命周期的企业运营管理层和生产运营管理层，它是按照生产目标组织起来的，实现产品加工工艺流程的一种生产组织形式。智能化生产流水线将先进工艺技术、管理理念融合到生产流程中，实现基于模型的数字化生产、基于知识的加工工艺和生产流程全面优化提升，及基于信息流、货运物流集成的智能化生产管控，以提高生产流水线运作效率和产品质量稳定性。
11、基于大数据的管理决策与优化提升
大数据是生产系统已经接近物理极限，未来将走向数据时代的必然选择。它不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。如下图所示，基于大数据分析的生产流水线管理决策优化技术是依据系统工程的思想，一方面按照加工工艺整体规划展开生产流水线（机器设备及货运物流等）整体规划模拟设计，找出最优的布局整体规划和流程划分；另一方面是展开对生产流水线（机器设备）故障的大数据分析，即通过现场机器设备的互联互通和数据的实时采集，对生产流水线运作及机器设备健康状态进行分析与评估，并优化提升已有的加工工艺整体规划和生产布局。
12、结语
生产全生命周期是一种集组织与管理、工程与生产、业务流程与系统于一体的技术性管理体系。本文在NIST生产全生命周期、航天工业智能制造构架基础上，基于数字线索和数字孪生技术，加强数字化建模与虚拟仿真技术性，实现对生产全生命周期业务架构中每个层次中业务流程内容、关键技术的设计建模、模拟分析与验证确认，搭建起横向覆盖从供应链整体规划到生产能力分析，生产线设计及软、硬件系统机器设备的建造测试、调整等生产业务全流程，纵向贯通企业联盟层到企业运营管理层、生产运营管理层、控制执行层、物理实现层的系统集成，并与所有研发业务流程无缝集成的，为实现符合智能制造需求的创新生产模式奠定基础。