本文借鉴了以前提出的数字拳生系统的总体框架和实施要素，以应用需求为导向，以价值实现为目的，保障技术支持，以实施条件评价为基础，以应用成熟度评价为评价手段，对工业设备数字拳生系统的实施， 提出数字拳生系统实施参考模型，制定面向工业设备制造商、工业设备用户、数字拳生系统开发公司的实施策略，指导企业发展工业
本章借鉴上一章提出的数字拳生系统的总体框架和实施要素，以重视应用需求、实现价值为目的、保障技术支持、以实施条件评价为基础，以应用成熟度评价为评价手段，对工业设备数字拳生系统的实施，进行数字拳生系统制定面向工业设备制造商、工业设备用户、数码拳生系统开发商的实施战略，指导企业开展工业
图工业设备数字挛缩生系统的实施路径
5.1工业设备数字克隆生系统的实施参考模型
结合工业设备数字比例生产的总体框架和实施要素工厂应用工业设备数字克隆生产系统的目标，本书制定了工业设备数字拳头生产系统的参考模型。 工业设备数字拳生系统参考模式分为云端协同工作模式和本地部署模式两种。 根据用户的实际需要进行了修订，以满足各种用户的实施需要。
5.1.1云端协同模式数字克隆系统实施参考模型
云边协同模式数字拳生系统的实施参考模型如图10所示。 数字章生系统主机云运行，配合边缘支持工业设备数字拳生系统运行。 物理空间包括物理实体的各个组成部分和传感器系统； 引入边缘端的模块包括感知模块、边缘端通信模块和控制模块。 云部署模块包括云通信模块、拳源数据模块、机制模型模块、分析/仿真/决策算法模块和功能应用模块。 其中，云端通信模块和边缘端功能构成第2章图1框架中实施要素的虚实交互部分。 其他云上的各模块分别对应于第2章图1的各实施要素。
在系统运行中，物理空间感测系统通过边缘端感测模块、边缘通信模块以及云端通信模块，经过预处理后传输至拳源数据模块进行归档和使用。 机构模块可以根据拳生数据模块设备实时状态数据进行更新迭代。 功能应用模块基于机理模型和拳原始数据，通过分析/仿真/决策算法进行分析、仿真和决策。 决策结果通过云端通信模块和边缘端通信模块传输到边缘端，通过边缘端控制模块控制物理实体的执行。
图10模块的详细功能与第2章图1的实施框架中的各实施要素的功能相对应。
图10云边协同模式数字挛缩生系统实施参考模型
5.1.2本地部署模式数字克隆系统实施参考模型
局部展开模式的数字拳生系统参考模型如图h所示。 数字拳生系统主机在本地运行，支持数字拳生APP应用。 第二章在图1的框架中，各实施要素均在本地实现。 总体功能配置和运行模式类似于云边缘协作模式，但受本地计算和存储资源的限制，因此主要在以下方面有所不同：
机理模型是面向具体应用的裁剪简化模型，根据设备的复杂度，机理模型可能无法实现深层次的主动更新(设备性能衰减、设备生产流程变更等)。
拳原始数据对历史数据和仿真数据的存档存储容量小于云端协同方式。 拳头数据的主要用途是状态监测、有限分析功能和具体智能算法模型的修正，由于数据容量的限制，往往不能用于智能算法模型(如卷积神经网络等)的训练和验证。 分析/仿真/决策算法也只是面向具体设备应用的具体个性化算法。 说得通
过本地存储的有限的拳生数据进行算法的修正。具体的智能应用限定为计算量小、实时性强的单机应用，往往无法进行 多机协同分析决策。在本地部署模式下，机理模型、拳生数据和分析/仿真/决策算法可通过在本地 构建独立运行，也可通过迁移学习的方式，在数字拳生系统平台迁移获取后独立 运行。此方法和保证系统运行的网络隔离，以保证系统信息安全。5.2实施策略
数字拳生的实施是一个系统性工程，涉及不同实体、不同部门的协同和不同 技术领域的融合。因此，需从实施准备、系统设计与实施、试运行、实施后评估、优 化改进几个阶段进行统筹，以应用为导向，以系统框架的实施要素为重点考虑因 素，以成熟度评估作为实施指导，确保数字拳生系统成功实施并带来预期价值。以 下将以数字拳生系统的实施阶段为主线，阐述数字拳生的实施策略。
5.2.1实施准备
工业设备数字拳生系统的实施涉及企业的技术发展战略层面。其不仅仅是 技术模式的变革，也是新的管理理念的实施和应用。且构建需要多方协作，是一 个复杂的系统工程。因此，面对工业设备数字拳生系统的实施，工业设备生产 商、工业设备用户和数字拳生系统幵发商需要统一做好准备。对于工业设备用户 而言主要是明确实施数字拳生的需求，并以应用为导向评估实施数字拳生的基 础。对于工业设备生产商和数字拳生系统幵发商而言，主要是针对用户的应用需 求，评估是否具备提供数字拳生系统实施所需的服务能力。评估模型可参照4.2。 具体如下：
5.2.1.1工业设备生产商
从用户需求出发，明确功能需求工业设备生产商需要从工业设备用户需求出发，明确要实现的功能。如缩短 设计周期、降低生产成本、降低调试成本等；或为客户提供设备健康管理、智能运 行方案远程决策等优质增值服务等；或是满足客户的数字拳生系统构建需求，如 智能控制、智能运维、智能工艺规划、智能排产、智能生产管理等。
以应用目标为导向，进行实施准备主要参照4.2.1工业设备生产商数字拳生服务能力评估模型，针对具体数字拳 生应用的需求，在技术能力和管理能力选择相应指标进行准备。
在技术能力上，工业设备制造厂家要从数字化设计、数字化集成和数字化交 付三个方面进行准备。主要包含以下方面：
•数字化设计的深度和广度方面。工业设备制造厂家在进行产品设计的时候， 要以几何、物理、行为、规则全要素数字化设计为目标，注重关键多层级全要素模 型的构建能力，期望为后续数字拳生系统建设提供坚实的机理模型构建基础。
•数字化集成方面。主要考虑感知系统接入能力和决策指令执行能力。感知系 统接入能力具体指工业设备制造厂家考虑设置哪些传感器、传感器的安装位置是 否能采集到有效数据和是否需要预留传感器接口等；决策指令执行能力指设备的 控制系统设计是否考虑对数字拳生系统决策指令的接入和执行能力。
•数字化交付方面。指在数字拳生系统交付时，是否考虑了机理模型知识产权 风险规避，是否将设备的数字化接口文档进行完整准备，是否可对设备设计生产 过程进行数据追溯为后续数字拳生系统机理模型和数据模型提供相应支撑。
在管理能力上，要综合考虑企业的组织架构、人员素质、管理制度和技术规范 是否满足数字拳生实施的要求。
5.2.1.2T业设备用户
从价值实现出发，明确应用需求工业设备用户更需要从价值本质出发，明确数字拳生系统的应用需求，如智能 控制、智能运维、智能工艺规划、智能排产、智能生产管理等。
以应用目标为导向，进行实施准备工业设备用户要以应用为导向，参照4.2.2工业设备用户的数字拳生实施基础 评估模型，在管理能力、基础设施和技术能力层面进行准备。
管理能力上，主要根据4.2.2评估模型的制度规范、组织设置和人员保障入手， 为数字拳生系统实施奠定管理基础，以保障幵发过程和运行过程的高效管理。
在基础设施上，依照评估模型，进行以下准备：
•设备基础上，主要检查数字化模型、传感系统和控制接口的完整性，若其不 能满足应用目标的需求，如何考虑从设备生产商的支持或其他方法进行技术风险 规避或调整应用目标。
•在网络基础上，主要对目前车间的网络覆盖程度、数字化传输能力和网络融 合能力进行摸底，对标应用需求，进行改进。
•在信息系统基础上，对现有信息系统，如MES, SCADA, ERP等系统进行梳 理，对照应用需求，从数字拳生系统的实施要素层面进行相应改进。
•在数据管理基础上，主要从数据集成能力和访问能力上进行准备，目标是满 足数字拳生实施目标的拳生数据的构建和管理要求。
•在安全基础上，重点评估是否已具备信息安全和系统运行安全基础，并有针 对性的进行准备。
在技术能力方面，主要从数字拳生系统的维护能力和运行能力方面进行准 备。在运行能力上，要针对数字化设备、数字拳生系统以及系统的迭代优化层面， 根据应用需求，有针对性的进行技术能力构建。
5.2.1.3数字挛生系统开发商
在项目实施准备中，首先，数字拳生服务商要对数字拳生用户实施基础进行 综合考察，并与客户充分沟通，根据5.2.1.1和5.2.1.2的内容，与用户共同确认实施 基础，并进行综合分析，确定数字拳生系统的最终可实现的功能，结合自身实施能 力，综合考虑实施要求，确定最终实施目标。
5.2.2系统设计与实施
系统的设计与实施可根据第2章所述总体框架和实施要素执行。具体如下。
物理空间设计根据用户5.2.1实施准备中分析的工业设备的数字化状况，对传感系统进行综 合评估后，确定传感系统和执行系统的改进方案，进行传感系统的扩充和优化，并 进行执行系统的数字化改造。
虚实交互层设计根据传感器和执行器的接口，进行数据采集系统、边缘控制系统和网络连接的 设计。数据采集系统要综合考虑应用需求，确定采集的数据类型、采集频率、归档需 求等；边缘控制系统主要进行控制器与数字拳生系统的接口设计，确定数字拳生系统 决策和控制指令的类型和执行方式，有针对性的对边缘控制器进行改进或设计接口； 网络连接主要考虑现场网络异构协议，设计不同协议的传输转换和解析方式。
享生数据构建根据应用确定拳生数据的组成，然后确定拳生数据的构建要求。根据拳生数 据构建要求，确定感知数据和仿真数据的预处理方式和存储方式。其中感知数据 来源于虚实交互层，仿真数据来源于应用的仿真结果数据。预处理过程要考虑应 用场景，可根据应用场景对数据进行结构化建模存储。
机理模型的构建根据用户可提供的机理模型建模基础数据构建数字拳生系统的机理模型，对 工业设备系统进行数字化描述。机理模型构建要根据应用的具体需求，确定涵盖 的模型广度和深度，及模型层级和模型属性覆盖范围。
分析/仿真/决策算法库设计分析/仿真/决策算法库包含机理模型求解库、拳生数据预处理和特征分析提 取算法库以及对应具体应用和行业的应用算法库。算法库来源于其他实施案例的 已有算法积累、针对具体应用的已有算法的改进以及新算法的设计。
具体应用设计具体应用设计根据用户的应用需求搭建框架。通过对应用目标的分析，在保 证应用计算结果的准确性的前提下，对拳生数据进行择取、对机理模型进行简化 降阶，获取针对某个应用的轻量化拳生数据和模型，通过对算法库的调用，实现分 析、仿真和决策结果的计算。并通过设计的接口与控制系统融合，控制工业设备的 运行或对生产人员进行决策支持。
5.2.3系统试运行
工业设备数字拳生系统搭建完成后，为帮助企业克服传统生产模式惯性，尽 快度过生产模式转变的阵痛期，需进行试运行。面对工业设备的实际运行状态评
估工业设备数字拳生系统的应用能力，对整个系统进行可用性、安全性和可靠性 测试，以对制度保障和人员保障在内的运行管理制度进行检验，及时发现问题并 进行修正。试运行是工业设备数字拳生系统从构建阶段过渡到正式运行阶段必须 经历的一个中间环节，是数字拳生技术与企业磨合的环节。
5.2.4后评估和优化改进
数字拳生系统实施后，可根据4』工业设备应用成熟度模型评估其成熟度，并 对运行效果进行综合评价。通过评价找出其薄弱点，进行优化改进。