Kia(000270)在2024年8月于电动车生产工厂引入数字孪生技术后,经分析每年节省设备维护所需劳动量3750小时。这一业务革新是在计算机虚拟空间中实时监控工厂设备是否正常运转及异常现象而取得的成果。
据Seoul Economic Daily 12日获得的现代汽车(005380)集团资料,位于京畿道光明的Kia“光明EVO工厂”车身生产线维护业务所需作业工数,与建设数字孪生之前相比减少至三分之一水平。工数是将作业量换算为全部劳动时间的单位,是制造业界衡量劳动量与人工成本时使用的代表性指标。
此前车身生产线内设备发生误操作时,处理一次平均需要4名工人、350分钟工数。而光明EVO工厂解决一起故障只需4名工人、100分钟工数即可。Kia基于这一计算得出结论:一年内解决光明EVO工厂设备误操作可节省3750小时工数。该数值是将一年发生的设备误操作件数设定为900件,再乘以处理一起误操作所节省的工数(250分钟)得出的。对Kia而言,相当于每年将设备恢复正常所投入的劳动力减少3750小时,并获得了将工人投入其他业务的余力。
光明EVO工厂业务效率的改善是展示数字孪生在制造业应用效果的代表性案例。数字孪生是指将现实中的物体与空间如同双胞胎一样以数据形式转移到计算机上的技术。Kia构建了在计算机虚拟空间实时确认实际生产设备是否误操作及异常现象的系统,以推动维护业务的效率化。光明EVO工厂的数字孪生建设由现代汽车集团的系统集成(SI)子公司Hyundai Autoever(307950)负责。
不仅是起亚,半导体、钢铁领域的国内主要制造企业也相继引入数字孪生,数字孪生正与人工智能(AI)、机器人一同成为制造革新的必备手段。制造业界期待,利用实时数据联动与虚拟预测模拟的业务设计将带来整个工序效率的提升。
实现作业效率化的两大支柱是实时数据联动与模拟。实际设备与虚拟空间之间的实时数据联动消除了工人的空间限制,这提升了作业场管理及控制业务中远程协作的质量。更进一步,模拟是通过事前处置推动效率提升的核心功能。可在虚拟空间中变更器物与设备布置,预测环境变化带来的结果。得益于模拟,企业有了在虚拟空间内检验多种情景、构想业务最优化设计的方法。
Kia光明EVO工厂的数字孪生综合监控系统是聚焦实时数据联动的案例。Kia与Hyundai Autoever在光明EVO工厂引入了“黑匣子”和“Web RTC(实时通信)”技术。黑匣子是数字记录系统的一种。工厂环境中出现异常情况时,异常状况会被报告至实时联动实际环境数据的计算机虚拟环境。工厂作业人员可查看该黑匣子记录,确认问题发生的时点和确切的故障部件。就像播放车辆黑匣子录制的影像来查明交通事故原因一样,以影像形式查看数字孪生记录并诊断误操作的原因。
Web RTC是指可在网页环境中查看黑匣子等数字孪生监控系统的技术。通常要使用工业用数字孪生程序,必须使用直接连接高配置图形处理器(GPU)服务器的计算机。而Web RTC则在网页环境中实现了数字孪生程序,建立了可通过智能手机和平板电脑等各种设备使用数字孪生程序的多重接入系统。得益于此,形成了相距很远的作业人员共享同一虚拟空间数据并协同工作的业务环境。
黑匣子与Web RTC对业务效率改善产生了立竿见影的影响,缩短了设备误操作申报受理、异常现象掌握、故障排查(问题解决)所需的时间。尤其是误操作发生后投入初期应对的人力与时间大幅减少。据现代汽车集团资料,以往仅掌握异常现象就需要4名工人投入约30分钟,换算成工数为投入120分钟工数。而Kia EVO工厂只需1名工人花10分钟即可完成异常现象的掌握。以投入工数比较,相当于从120分钟减少到10分钟。
除Kia之外,也有积极运用模拟功能的案例。Hyundai Steel(004020)正与Hyundai Autoever共同建设冷轧工厂发生气体泄漏事故时进行应对的数字孪生监控系统,正在开发把工人、设备、作业场在一个虚拟空间平台上进行管理以保障安全的平台。该平台将包含在虚拟空间实时分析作业场内布置的气体探测传感器数据、并在有害气体泄漏时追踪事故发源地的功能。数字孪生上的气体扩散路径模拟功能也在开发中,将用于辅助预防二次事故所需的决策。
此外,半导体制造商Samsung Electronics(005930)与SK海力士(000660)正携手英伟达推进数字孪生革新。Samsung Electronics利用英伟达的数字孪生平台“Omniverse”,在虚拟空间中实时检测半导体生产设备的异常并优化生产日程。SK海力士同样打造基于Omniverse的虚拟半导体工厂,对生产流程与物料移动进行模拟。
数字孪生引入热潮预计将促进企业间的数据争夺竞争。数字孪生专家们列出的制造革新先决条件是获得现场数据(ground truth数据)与可信赖的数据集(golden data set)。在作业场安装小型计算机收集工序数据,并从中提取高质量数据的工作正变得日益重要。
一家数字孪生平台开发商负责人表示:“归根结底,使用数字孪生的理由是要在模拟预测中找到正确答案”,“要获得接近正确答案的模拟结果值,获取现场数据中最为精炼的数据是必经过程”。






