随着物理世界和虚拟世界之间深度融合的技术条件日趋成熟，数字孪生作为突破性的应用技术框架，将会成为实现CPS乃至智能制造的基础，值得深入、全面地研究其内在机理和应用模式。

数字孪生技术在工业制造领域开始应用之前，工业数据采集、工业互联网、数字化管控、生产线仿真等概念已被提出，并应用于生产过程管理和调度，但是上述技术多为独立应用，大部分未实现数据贯穿使用。随着工业物联网、智能制造等领域相关技术的发展与迭代，国内外学者围绕车间数据采集、车间模型构建、车间管控等方面进行了大量的研究和实践。

1、工业数据采集技术。

工业数据采集技术是实现车间数字化、智能化的基础，唐任仲等研究了物流数据采集和物流事件转化方法，通过构建并分析物流矩阵获取在制品物流状态信息；张存吉等提出基于RFID和复杂事件处理的实时监测方法，解决制造车间工件异常情况的实时监测问题；曹伟等以事件为驱动设计了RFID车间数据采集方法，并建立了对应的离散制造车间多层次监控模型。

2、数字化管控技术。

数字化管控技术通过构建MES、QIS、WMS等软件使能工具集，通过对管理业务流程进行数字化表征，从而实现以生产任务为主线的物料标识、物流管理、人机料协同和质量管控。刘明周等设计了一种以生产运行指标为核心的车间实时监控通用模型，具有很好的可拓展性和可维护性。

3、数据可视化技术。

数据可视化技术通过构建车间管控体系，采用2维3维图形化方式，对生产资源进行可视化呈现，辅助人员进行决策和处置。Zhang等在采用层次时间着色Petri网对车间建模的过程中引入并融合实时数据，动态展示车间实时状态。叶剑辉等以此为基础提出了装配车间现场数据管理模型，并建立了可配置看板模型，进一步实现了装配现场的精细化管控。

目前数字孪生技术在制造环节也进行了大量探索应用，但是相关研究成果仍然存在以下不足：

1) 目前数字孪生车间技术仍然以数据源物理视角进行定义和组合，与车间管理业务模型脱节，导致采集数据格式与业务功能要求格式不匹配，数据无法高效使用；

2) 现有数字孪生模型针对生产资源描述缺乏统一的定义和表征，导致各个业务系统对统一资源可能拥有不同的名称和定义，在进行数据集成和数据互联时存在集成困难，数据价值发挥受限；

3) 装配车间存在人员多、出入频繁、位置动态等特点，导致人员进行表征和属性定义，数据采集与管理存在空白，相关技术研究和应用仍存在理论研究，工程应用较少。

技术架构为实现装配车间资源管控的数字孪生模型，以数据产生、采集、存储和应用的数据流为主线，分析装配车间数字孪生模型各层次的内涵和组成，建立5层数字孪生模型。基于数字孪生的装配车间资源实时监控采用5层设计，分别是硬件层、网络层、交互层、模型层和应用层。

1) 硬件层：主要包含控制器、上位机软件、温湿度传感器、粉尘传感器、各种RFID标签、RFID读写器等；

2) 网络层：主要包含工业交换机、工控防火墙、安全审计系统；

3) 交互层：主要包含数据采存中间件，具备多路数据源并发接入能力，同时内嵌Modbus、OPC等工控协议解析模块；

4) 模型层：包含与业务相关的设备模型，环境模型、人员模型、物料模型、工装模型等，模型通过统一平台进行注册、使用和管理；

5) 应用层：主要以生产任务为主线，围绕各个生产要素相关的监控体系进行模型的调用，以及接入实时数据项对孪生体模型作用发挥。

来自：《基于数字孪生的装配车间资源实时监控方法》