在继续浏览本公司网站前,请您确认您或您所代表的机构是一名“合格投资者”。“合格投资者”指根据任何国家和地区的证券和投资法规所规定的有资格投资于私募证券投资基金的专业投资者。例如根据我国《私募投资基金监督管理暂行办法》的规定,合格投资者的标准如下:
一、具备相应风险识别能力和风险承担能力,投资于单只私募基金的金额不低于100万元且符合下列相关标准的单位和个人:
1、净资产不低于1000万元的单位;
2、金融资产不低于300万元或者最近三年个人年均收入不低于50万元的个人。(前款所称金融资产包括银行存款、股票、债券、基金份额、资产管理计划、银行理财产品、信托计划、保险产品、期货权益等。)
二、下列投资者视为合格投资者:
1、社会保障基金、企业年金等养老基金、慈善基金等社会公益基金;
2、依法设立并在基金业协会备案的投资计划;
3、投资于所管理私募基金的私募基金管理人及其从业人员;
4、中国证监会规定的其他投资者。
如果您继续访问或使用本网站及其所载资料,即表明您声明及保证您或您所代表的机构为“合格投资者”,并将遵守对您适用的司法区域的有关法律及法规,同意并接受以下条款及相关约束。如果您不符合“合格投资者”标准或不同意下列条款及相关约束,请勿继续访问或使用本网站及其所载信息及资料。
投资涉及风险,投资者应详细审阅产品的发售文件以获取进一步资料,了解有关投资所涉及的风险因素,并寻求适当的专业投资和咨询意见。产品净值及其收益存在涨跌可能,过往的产品业绩数据并不预示产品未来的业绩表现。本网站所提供的资料并非投资建议或咨询意见,投资者不应依赖本网站所提供的信息及资料作出投资决策。
与本网站所载信息及资料有关的所有版权、专利权、知识产权及其他产权均为本公司所有。本公司概不向浏览该资料人士发出、转让或以任何方式转移任何种类的权利。
2002年密歇根大学教授Dr.Michael Grieves在一篇发表的文章中首次提出了数字孪生概念,他认为通过物理设备的数据,能够在虚拟(信息)空间构建一个可以表征该物理设备的虚拟实体和子系统,并且这种联系不是单向和静态的,而是在整个产品的生命周期中都联系在一起。数字孪生概念由三个主要部分组成,分别是物理空间的实体产品;虚拟空间的虚拟产品;物理空间和虚拟空间之间的数据和信息交互接口。
图片来源:《工业4.0与数字孪生》,德勤
从目前技术发展趋势来看,数字孪生的应用探索主要集中在供应链管理、智能车间、装备制造、产品研发、故障诊断、智慧城市等场景。
将数字孪生模型引入供应链管理中,可以通过数字化表示供应链管理中的实体或系统连接不同组织的流程、技术、产品、服务等,实时监测、预测供应链的变化,简化业务流程,提升决策效率。
世界最大的轴承制造商斯凯孚(Svenska Kullagerfabriken,SKF)已经将数字孪生模型应用到其分销网络中,该模型包含800个库存量单位的主要数据,涵盖5个系统的40个安装单元,使供应链管理人员能够基于数字孪生的可视化和完整视图进行全球化供应链管理决策。
2.2 智能车间
车间是制造业的基础组成部分,如何提升车间的智能化水平,实现生产流程数字化是目前关注的焦点。
但是,目前用传统的虚拟车间、数字化车间设计的智能车间存在非实时交互、数据利用率低等问题。基于数字孪生技术,能够有效提升车间生产过程的透明度并优化生产过程。
陶教授率先提出数字孪生车间的概念模型,该模型主要包括物理车间、虚拟车间、车间服务系统和车间孪生数据四部分,通过物理车间与虚拟车间的双向映射与实时交互,实现物理车间、虚拟车间、车间服务系统的全要素、全流程、全业务数据的集成和融合,在车间孪生数据的驱动下,实现车间生产要素管理、生产活动计划、生产过程控制等在物理车间、虚拟车间、车间服务系统间的迭代运行,从而达到车间生产和管控的优化运行。
制造设备是生产制造过程的基本单元,数字孪生可以通过对制造设备、制造过程的虚拟仿真,提高制造企业设备研发、制造的效率,为解决面向产品全生命周期的管理和升级提供支持。
数字孪生可以应用到制造过程的设备层、生产线层、工厂层等不同的层级。
在设备层,数字孪生可以在产品设计时就创建一个数字虚拟样机,在虚拟样机中同时构建其机械、电气、软件等模型,在虚拟环境中验证制造过程并提前发现可能出现的问题。在生产线层级,可以通过数字孪生刻画生产线不同工序之间的装配流程,提前对生产线中的安装、测试工艺进行仿真测试,当虚拟生产线测试通过后,实际生产线便可以直接安装使用,进而大大降低生产线安装成本。
在设备层和生产线层的基础上,可以建立整个制造工厂的数字孪生,构建计划、质量、物料、人员、设备的数字化管理。
数字孪生诞生之初的应用就是飞机的故障预测,故障预测和安全运维对飞机、船舶等大型设备和基础设施至关重要,通过高保真、实时更新的虚拟模型进行产品的全生命周期管理,也是数字孪生的重要研究方向。
大型设备的故障预测和健康管理是一项十分复杂的工作,这一方面是由于该类设备整体上结构异常复杂,内部各组成部分之间关联紧密,另一方面受制于实时数据的缺乏。
基于数字孪生进行故障预测和设备维护,能够基于动态实时数据快速捕捉故障,准确定位故障原因,同时评估设备状态,进行预测维修。
数字孪生能够在虚拟空间中复现产品和生产系统,使产品和生产系统的虚拟模型和物理模型实时交互。在数字孪生中,产品的虚拟模型和物理模型实时交互大量的数字孪生数据,能够支持建立相应的产品设计知识数据库,并提供一定的设计辅助。
同时,基于对孪生数据的分析,可以帮助解析部分复杂的物理模型,降低设计的难度。最后,虚拟实体与物理实体精准映射、共同进化,通过对比虚拟实体与物理实体之间的误差,能够发现设计和实际系统之间的误差,帮助快速验证系统原型设计。
2.6 智慧城市
2008年,IBM提出“智慧地球”的理念,引发了建设智慧城市的热潮。近年来,一些国家开始将数字孪生应用到建设智慧城市中。
当前数字孪生研究与落地应用亟待解决是第三方(如系统集成商、产品终端用户、产品运营维护者等)在构建数字孪生中存在的诸多困难。随着相关技术的发展与产品研发模式的演变,未来构建数字孪生可能不再是困扰用户的关键难题,如龙头企业为提高自身产品的质量与研发效率,未来会要求研制者或提供者在提供产品物理实体的同时,也必须提供相应的数字孪生模型。
数字孪生的典型代表企业也在持续进行产品迭代,一些新型的数字孪生产品和平台纷纷涌现,选出两家代表企业,PTC和达索来进行介绍。
4.1 PTC
PTC通过整合ThingWorx物联网、Kepware工业互联、Vuforia增强现实(AR)平台与自动化的FactoryTalk MES、FactoryTalk Analytics以及工业自动化平台构建了整个数字孪生平台的构架。PTC产品的显著优势就是通过互联网连接不同的工业设备和系统,产品与平台打通,降低获得健全的“数字孪生”的相对门槛,解决数字孪生底层数据的访问问题。
4.2 达索
数字孪生正在与人工智能技术深度结合,促进信息空间与物理空间的实时交互与融合,以在信息化平台内进行更加真实的数字化模拟,并实现更广泛的应用。将数字孪生系统与机器学习结合,数字孪生系统可以根据多重的反馈源数据进行自我学习,从而几乎实时地在数字世界里呈现物理实体的真实状况,并能够对即将发生的事件进行推测和预演。数字孪生系统的自我学习除了可以依赖于传感器的反馈信息,也可通过历史数据,或者是集成网络的数据学习,正在不断地自我学习与迭代中,模拟精度和速度将大幅提升。
(2)与5G强耦合
5.2 行业市场空间
北京办公室:北京市朝阳区东三环中路9号富尔大厦2307C
深圳办公室:深圳市福田区民田路178号华融大厦1910A
烟台办公室:山东省烟台市开发区长江路161号天马中心广场1号楼2208