数字孪生驱动的大数据制造服务模式

doi:10.3981/j.issn.1000-7857.2020.14.012

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (4164 KB) HTML^new
输出: BibTeX | EndNote (RIS)

摘要大数据、数字孪生等新技术引发了人们对制造模式的新思考，结合《中国制造2025》中制造业服务化重要内容，提出一种数字孪生驱动的大数据制造服务新模式。从智能制造与数字孪生、制造服务模式方面综述了国内外相关研究进展；提出了一个数字孪生驱动的大数据制造模式开放式体系架构及其运作逻辑；从数字孪生驱动的2个世界及其描述、数字孪生与大数据的结合、大数据制造服务模式中模型建立与优化3个方面对大数据制造服务模式使能技术进行了研究。该制造服务模式对促进中国传统制造企业转型升级和提升新国际竞争环境下综合竞争力具有理论和现实意义。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李仁旺
	肖人彬

关键词 ：数字孪生, 大数据, 制造服务模式

Abstract：New technologies such as digital twin and big data etc., have triggered people's new thinking on manufacturing mode. Therefore, this paper proposes a new model of big data manufacturing services driven by digital twin, combining with the important content of manufacturing services in the "Made in China 2025" plan. First of all, the research progress of intelligent manufacturing, digital twin and manufacturing service mode at home and abroad is reviewed. Secondly, an open architecture and operation logic of big data manufacturing mode driven by digital twin is proposed. Thirdly, the enabling technology of big data manufacturing service mode is studied from three aspects: the two world driven by digital twin and its description, the combination of digital twin and big data, and the model establishment and optimization of big data manufacturing service mode. This new manufacturing service model has theoretical and practical significance for promoting the transformation and upgrading of traditional manufacturing enterprises and promoting the comprehensive competitiveness in the new international competitive environment.

Key words： digital twin big data manufacturing service model

收稿日期: 2020-05-20

基金资助:国家自然科学基金面上项目（51875220）

通讯作者: 肖人彬(通信作者),教授,研究方向为制造系统工程与复杂产品设计,电子信箱:rbxiao@hust.edu.cn E-mail: rbxiao@hust.edu.cn

作者简介: 李仁旺,教授,研究方向为智能制造及其服务模式,电子信箱:renwangli@zstu.edu.cn

引用本文:

李仁旺, 肖人彬. 数字孪生驱动的大数据制造服务模式[J]. 科技导报, 2020, 38(14): 116-125.
LI Renwang, XIAO Renbin. Big data manufacturing service model driven by digital twin. Science & Technology Review, 2020, 38(14): 116-125.

链接本文:

http://www.kjdb.org/CN/10.3981/j.issn.1000-7857.2020.14.012 或 http://www.kjdb.org/CN/Y2020/V38/I14/116

[1] 肖人彬, 林文广. 数据驱动的产品创新设计研究[J]. 机械设计, 2019, 36(12):1-9.
[2] 路甬祥. 推动制造业高质量发展加快建设制造强国[J]. 中国科技产业, 2018(8):10-11.
[3] 周济. 智能制造是"中国制造2025"主攻方向[J]. 企业观察家, 2019(11):54-55.
[4] 谭建荣. 智能制造与数字孪生:关键技术与发展趋势[J]. 互联网经济, 2019(10):40-43.
[5] 庄存波, 刘俭华, 熊辉, 等. 产品数字孪生体的内涵、体系结构及其发展趋势[J]. 计算机集成制造系统, 2017, 23(4):753-768.
[6] Tao F, Cheng J, Qi Q, et al. Digital twin-driven product design, manufacturing and service with big data[J]. The International Journal of Advanced Manufacturing Technology, 2018, 94(9-12):3563-3576.
[7] Helu M, Joseph A, Hedberg J T. A standards-based approach for linking as-planned to as-fabricated product data[J]. CIRP Annals, 2018, 67(l):487-490.
[8] 顾新建, 李晓, 祁国宁, 等. 产品服务系统理论和关键技术探讨[J]. 浙江大学学报工学版, 2009, 43(12):2237-2243.
[9] 刘振宇, 李浩, 程江蜂, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1):1-18.
[10] 肖静华, 谢康, 迟嘉昱. 智能制造、数字孪生与战略场景建模[J]. 北京交通大学学报(社会科学版), 2019, 18(2):69-77.
[11] Drucker P F. The emerging theory of manufacturing[J]. Harvard Business Review, 1990, 19(3):123-145.
[12] 董明, 苏立悦. 大规模定制下基于本体的产品服务系统配置[J]. 计算机集成制造系统, 2011, 17(3):653-661.
[13] Phumbua S, Tjahjono B. Towards product-service systems modelling:A quest for dynamic behaviour and model parameters[J]. International Journal of Production Research, 2012, 50(2):425-442.
[14] Song W, Ming X, Han Y, et al. An integrative framework for innovation management of product-service system[J]. International Journal of Production Research, 2015, 53(8):2252-2268.
[15] Zhang X, Kloosterman R C. Connecting the ‘workshop of the world’:Intra-and extra-service networks of the Pearl River Delta city-region[J]. Regional Studies, 2016, 50(6):1069-1081.
[16] 罗建强, 吴启飞. 供需交互视角下的产品服务系统方案配置[J]. 计算机集成制造系统, 2019, 25(4):1-16.
[17] 战德臣, 程臻, 赵曦滨, 等. 制造服务及其成熟度模型[J]. 计算机集成制造系统, 2012, 18(7):1584-1594.
[18] 周灼, 苑明海, 孙超, 等. 云制造服务平台系统的设计与开发[J]. 计算机技术与发展, 2018(3):1-6.
[19] 王京, 陈伟, 高长元, 等. 云制造联盟——一种基于信息服务平台的新型制造业组织模式[J]. 科学管理研究, 2018, 36(6):62-65.
[20] 张富强, 江平宇, 郭威. 服务型制造学术研究与工业应用综述[J]. 中国机械工程, 2018, 29(18):2144-2163.
[21] 陶飞, 戚庆林. 面向服务的智能制造[J]. 机械工程学报, 2018, 54(16):11-23.
[22] 齐晓轩, 夏国钦, 时巍, 等. 服务型制造发展展望与对策建议[J]. 产业创新研究, 2019(12):200-201.
[23] Cieślik A, Michałek J J, Gauger I. Regional dimension of firm level productivity determinants:The case of manufacturing and service firms in Ukraine[J]. Central European Economic Journal, 2019, 5(1):81-95.
[24] Greenfield H I. Manpower and the growth of producer services[R]. New York:Economic Development, 1966:55-76.
[25] 贺正楚, 潘红玉, 寻舸, 等. 高端装备制造企业发展模式变革趋势研究[J]. 管理世界, 2013(10):178-179.
[26] Nell C. From craft to mass production[M]. Berlin:Springer International Publishing, 2019.
[27] 汪应洛, 孙林岩, 黄映辉. 先进制造生产模式与管理的研究[J]. 中国机械工程, 1997, 8(2):63-73.
[28] Tuunanen T, Csssab H. Service process modularization:Reuse versus variation in service extenisions[J]. Journal of Service Research, 2011, 14(3):340-354.
[29] Hoffmann M. Flexible mmanufacturing based on autonomous, decentralized systems[M]. Berlin:Springer Fachmedien Wiesbaden, 2019.
[30] Orio G, Barata J, Sousa C, et al. The ProFlex methodology:Agile manufacturing in practice[M]. Berlin:Springer Berlin Heidelberg, 2014.
[31] Geum Y J, Kwak R, Park Y. Modularizing services:A modified HoQ approach[J]. Computers & Industrial Engineering. 2012, 62(2):579-590.
[32] Berggren C. Alternatives to lean production[M]. New York:Cornell University Press, 2019.
[33] Candelo E. Mass customization:Another marketing breakthrough[M]. Berlin:Springer International Publishing, 2019.
[34] 王保利, 杨欣. 制造企业服务增强对技术创新及企业绩效的影响[J]. 科技进步与对策, 2020(1):1-8.
[35] 赵云辉, 张哲, 冯泰文, 等. 大数据发展、制度环境与政府治理效率[J]. 管理世界, 2019(11):119-132.
[36] 韩箫亦, 董京京, 许正良. 制造企业动态能力对其服务智能化绩效影响的研究[J]. 工业技术经济, 2020(2):119-124.
[37] 高清, 张进福. 绿色制造法律制度的构建[J]. 商场现代化, 2008(2):285-286.
[38] 林强, 许文婷, 杨承德, 等. 制造企业供应链的契约制度探析[J]. 天津大学学报(社会科学版), 2009, 11(3):197-201.
[39] 吉鸿荣. 基于生产者责任延伸制度的知识服务链模式研究[J]. 物流技术, 2016, 35(7):33-37.