作者：王耀1 ，張貴宇1, 2, 4 ，庹先國1, 2* ，林椿松1, 3, 4 ，曾祥林1 ，彭英杰1

1. 四川輕化工大學自動化與信息工程學院(宜賓 644000)；2. 四川輕化工大學人工智能四川省重點實驗室(宜賓 644000)；3. 四川輕化工大學機械工程學院(宜賓 644000)；4. 西南科技大學信息工程學院(綿陽 621010)

摘  要  白酒歷史悠久、規(guī)模龐大, 是我國經濟和文化重要組成部分。在新一代信息數(shù)字化技術發(fā)展應用和《中國制造2025》規(guī)劃背景下, 傳統(tǒng)白酒釀造向智能釀造轉型勢在必行。針對白酒企業(yè)生產過程中如何保障連續(xù)工藝穩(wěn)定、增產降耗、控制復雜工況變化等問題, 提出引入數(shù)字孿生概念、構建數(shù)字孿生模型、搭建釀造產線數(shù)據(jù)管理平臺中心和結合人工智能技術的相關算法, 以實現(xiàn)生產全過程模擬仿真與優(yōu)化控制, 全面提升企業(yè)生產效能。探討數(shù)字孿生技術結合白酒企業(yè)在工藝參數(shù)優(yōu)化、全面質量控制、設備維護保障、窖池發(fā)酵等多方面應用效果, 以期有效保障酒企量質生產, 降本增效, 提高經濟效益, 加快白酒轉型升級的步伐。

關鍵詞  數(shù)字孿生;工藝參數(shù)優(yōu)化; 全面質量控制; 設備維護保障; 窖池發(fā)酵

Application Prospect of Digital Twin Technology in Chinese Baijiu Brewing Industry WANG Yao1 , ZHANG Guiyu1, 2, 4 , TUO Xianguo1, 2*, LIN Chunsong1, 3, 4 , ZENG Xianglin1 , PENG Yingjie1

1. Sichuan University of Science & Engineering, School ofAutomation & Information Engineering (Yibin 644000);

2. Artificial Intelligence Key Laboratory of Sichuan Province (Yibin 644000);

3. Sichuan University of Science & Engineering, School of Mechanical Engineering (Yibin 644000);

4. School of Information Engineering, Southwest University of Science and Technology (Mianyang 621010)

Abstract    With a long history and a large scale, Chinese Baijiu is an important part of China’s economy and culture. Under the background of the development and application of the new generation of digital information technology and the Made in China 2025 planning, the transformation from traditional liquor brewing to intelligent brewing is inevitable. To address the problems of how to ensure continuous process stability, to increase production, to reduce consumption, and to control changes in complex working conditions in the production process of liquor enterprises, it is to introduce the concept of digital twin, to build a digital twin model, to construct a brewing line data management platform center and to combine relevant algorithms of artificial intelligence technology to realize whole-process simulation and optimal control of production, so as to comprehensively improve the production efficiency of enterprises. The application of digital twin technology in Baijiu enterprises in terms of process parameters optimization, overall quality control, equipment maintenance guarantee, and pit fermentation are discussed. It can effectively guarantee the quality production of Baijiu enterprises, reduce the cost and increase efficiency, increase economic benefits, and speed up the step up of Baijiu transformation and upgrading.

Keywords  digital twin; process parameters optimization; overall quality control; equipment maintenance guarantee; pit fermentation

    以白酒釀造行業(yè)為代表的傳統(tǒng)輕工行業(yè)，通過智能數(shù)字化升級實現(xiàn)白酒釀造智能化的需求已經迫在眉睫，但其技術創(chuàng)新度不夠，導致其低產高耗、質量把 控難和設備管理難等問題。與此同時，我國新一代經濟發(fā)展動力引擎——數(shù)字智能化技術，其中數(shù)字孿生技術滿足虛實體信息實時交互融合，實現(xiàn)傳統(tǒng)制造模式向智能制造的數(shù)字化轉型，因此受到白酒釀造行業(yè)高度關注。

    數(shù)字孿生技術領銜于新一代智能技術，由最初的航天航空領域[1]逐漸被廣泛應用于產品設計[2] 、復雜產品裝配[3] 、工程建設[4] 、化工行業(yè)[5] 、機械制造[6]等領 域，之后逐漸向智慧城市[7] 、智能制造[8]等領域發(fā)展，契合《中國制造2025》的發(fā)展目標。

    數(shù)字孿生技術在產品設計模擬、生產工藝優(yōu)化、 質量管控和設備運維保障等多方面的優(yōu)勢越來越突出。因此，借助第4次信息工業(yè)革命的浪潮和《中國制造2025》的戰(zhàn)略方針，旨在探索數(shù)字孿生技術針對當前白酒釀造行業(yè)在智能釀造中的可行性應用及前景。

1   白酒釀造行業(yè)的現(xiàn)狀

    國外液態(tài)發(fā)酵釀造方式已實現(xiàn)機械完全自動化和智能化管控，但中國白酒采用獨特的固態(tài)發(fā)酵釀造方式，其工藝和自動化設備復雜程度較高，實現(xiàn)完全自動化較困難。近年來，白酒企業(yè)不斷擴大生產規(guī)模以滿足白酒市場的需求，但隨著生產規(guī)模擴大，白酒企業(yè)面臨著釀造車間難以全面管控的問題日趨突出。根據(jù)白酒釀造行業(yè)現(xiàn)狀，大致總結為工藝參數(shù)優(yōu)化、全面質量把控、設備維護與保障以及窖池管理等核心問題亟需解決。上述問題得到完善解決，將進一步加快實現(xiàn)白酒釀造智能化升級的步伐。

2   數(shù)字孿生發(fā)展及概念

    數(shù)字孿生(digital twin)的概念最早可追溯到密歇根大學在2002年為成立產品生命周期管理(PLM) 中心向業(yè)界所作的闡述，GRIEVES M博士將這次闡述的概念模型簡稱為Conceptual Ideal for PLM，此時已具備數(shù)字孿生的所有要素：真實空間、虛擬空間、從真實空間到虛擬空間的數(shù)據(jù)流鏈接、從虛擬空間到真實空間和虛擬子空間的信息鏈接[9] 。同年，密歇根大學第一批高管課將這一概念模型稱為鏡像空間模型； 在《產品生命周期管理：推動下一代精益思想》中， Grieves[10]將這一概念模型稱為信息鏡像模型；而后 Grieves[11]正式將數(shù)字孿生概念提出。數(shù)字孿生是充分利用物理模型、傳感器更新、運行歷史等數(shù)據(jù)，集成多學科、多物理量、多尺度、多概率的仿真過程。其實質就是將物理空間的實體產品通過數(shù)字化構建虛擬空間的虛擬模型，通過數(shù)據(jù)交互實現(xiàn)模型實時雙向的 全生命周期交互映射，將實現(xiàn)實體產線、生產裝備、 生產管理系統(tǒng)實時映射響應反饋，同時平臺通過對大量的生產數(shù)據(jù)進行相關性分析，模型自身迭代優(yōu)化計算完善產品的生產工藝、產能的合理預測及設備維護與預警等生產要素[12-15]。

2.1   數(shù)字孿生模型

    數(shù)字孿生是利用計算機技術將物理實體裝備生產線或產品映射到數(shù)字化虛擬空間，它是一種多維映射模型。數(shù)字孿生映射模型不單單是對物理實體裝備或產品簡單的虛擬三維映射，而是具有多層次性、多物 理特性、協(xié)同性、集成性、動態(tài)性、多學科交叉融合的可計算分析和可進行概率預測的綜合體[16] 。構建數(shù)字孿生模型如同搭建積木，由零件、部件、組件到完 整體的過程，其實質是將多個小數(shù)字孿生體按照一定方式要求進行整合成完整體的過程，最終實現(xiàn)產品全生命周期的仿真模擬。

2.2   數(shù)字孿生數(shù)據(jù)處理

    數(shù)字孿生模型不僅要繼承實體的物理特性，同時要兼?zhèn)渚哂腥a周期數(shù)據(jù)信息中心的功能[17] 。實體制造車間具有規(guī)模大、分布廣、管理結構復雜等特點，其相對獨立的制造單元、冗長的產業(yè)鏈條、品種 多樣化的產品種類經常導致其豐富的具有價值的信息 資源不能夠很好地分析與利用和統(tǒng)一管理，進而形成一座座孤立的“信息孤島”[18] 。借助物聯(lián)網的萬物互通互聯(lián)的理念，生產車間所部屬的TCP/IP協(xié)議的以太網傳輸、智能傳感器、數(shù)據(jù)采集器、RFID(radio frequency identification system)系統(tǒng)等多種現(xiàn)場生產 數(shù)據(jù)采集方式都會產生體量龐大的數(shù)據(jù)，系統(tǒng)將海量 的數(shù)據(jù)上傳至云計算中心集中計算與處理，勢必造成云計算中心服務器的運行效率低下，降低了服務器對系統(tǒng)管理和服務要求的響應速度，而邊緣計算的出現(xiàn)緩解了云計算中心的計算壓力，感知終端采集數(shù)據(jù)傳輸至邊緣層任意具備存儲、計算能力的設備節(jié)點，在數(shù)據(jù)源近端即可進行實時處理分析，過濾掉無價值的數(shù)據(jù)后將其傳輸?shù)皆朴嬎闫脚_[19] 。云計算平臺利用大數(shù)據(jù)工具進行數(shù)據(jù)清洗、挖掘、分析，并運用機器學習、深度學習等人工智能技術對邊緣計算處理后的綜合實體數(shù)據(jù)加以算法規(guī)則分析和數(shù)據(jù)整合提煉，并納 入到數(shù)字孿生模型中，進而可實現(xiàn)生產流程仿真、行為驗證、產品評測、設備壽命預測、故障預警等多種可指導實際生產的信息模型，為實體系統(tǒng)提供參考決策，打造出高效的數(shù)據(jù)驅動模式[17] ；綜合實體數(shù)據(jù)包 括原料及原料向產品轉換中間過程品的過程數(shù)據(jù)、傳感器數(shù)據(jù)、設備的性能及工藝參數(shù)、生產線及生產車間實時監(jiān)控的各項指標，甚至在生產過程中出現(xiàn)的人為和自然環(huán)境因素等。

2.3   數(shù)字孿生數(shù)據(jù)交互

    物理實體與虛擬模型之間時刻保持著實時動態(tài)的數(shù)據(jù)交互是驅動數(shù)字孿生模型發(fā)揮其作用的關鍵。虛擬模型依托實體產線各環(huán)節(jié)制造裝備和傳感器產生的實時生產數(shù)據(jù)，包括溫度、位置、流量等數(shù)據(jù)通過邊緣接口傳遞導出，匯集到云計算平臺，通過數(shù)字孿生模型數(shù)據(jù)處理方法，不斷地數(shù)據(jù)迭代計算實現(xiàn)自身模型構建的優(yōu)化與完善[17] 。同時虛擬模型對物理實體實際生產過程進行在線仿真模擬、統(tǒng)計與分析，得出最優(yōu)控制決策，并及時反饋至實體設備做出相應的調整，爭取在最短時間、最大程度上對工藝方案進行調整與優(yōu)化[20-21]。數(shù)字孿生數(shù)據(jù)交互具有實時同步、快速響應、精準等特性；實時同步性要求數(shù)字孿生技術構建的虛擬生產線對設備運行狀態(tài)、產品流轉步調、物料損耗等與實體產線的生產狀況具有一致性，用戶無需到達現(xiàn)場，通過虛擬模型所反映的結果就能對現(xiàn)場生產情況 一目了然；快速響應性要求虛擬模型對輸入請求變化時能夠及時地響應并作出相應的決策反饋輸出；精準 性指數(shù)字孿生模型數(shù)據(jù)交互作用時，對實體產線實現(xiàn)點對點控制。圖1是數(shù)字孿生模型架構。

圖1 數(shù)字孿生模型架構

3   數(shù)字孿生與白酒釀造行業(yè)結合

    中國白酒擁有數(shù)千年的悠久釀造歷史和酒文化底 蘊，成為中國經濟和文化不可缺少的組成部分。中國 白酒以富含淀粉質的高粱、小麥、大米、糯米和玉米 等谷物為原材料，以酒曲為糖化發(fā)酵劑，經固態(tài)酒精 發(fā)酵、蒸餾和陳釀而成備受人們喜愛的飲料酒[22] 。不 同釀造配方和生產技術造就了白酒豐富的口味和風 味。近年來，白酒行業(yè)在《中國制造2025》號召下和 市場需求下，由傳統(tǒng)生產方式逐漸向智能化釀造轉型 升級。然而白酒釀造原料價格的波動和白酒市場的激 烈競爭，通過智能化生產融合新技術實現(xiàn)酒企在工藝 上精益求精；產能上提質增效；能源上節(jié)能降耗，這 些將成為白酒行業(yè)的未來發(fā)展趨勢。

    數(shù)字孿生技術作為當前打造智能化生產系統(tǒng)的核心技術，與白酒釀造行業(yè)的長期發(fā)展戰(zhàn)略目標是一致 的，其在配方工藝參數(shù)優(yōu)化、產品質量全面控制、設備維護與預警和窖池發(fā)酵等多方面有實際應用可能。 數(shù)字孿生技術自身的特點符合白酒行業(yè)轉型升級要 求，有助于推進白酒企業(yè)及整個白酒行業(yè)的數(shù)字化和智能化生產。

3.1   數(shù)字孿生在釀造工藝參數(shù)優(yōu)化中的應用

    釀造工藝參數(shù)貫穿釀造整個過程，是指導工人生 產的重要依據(jù)，是保障質量和產量的關鍵。以小曲清香型白酒釀造工藝為例，整個釀造工藝包含24道工藝環(huán)節(jié)[23] ，其中浸泡工序中原料與用水的比例、浸泡時 間、浸泡溫度、原料吸水度，配料工序中糧、酒醅、糠的配比，蒸餾工序中蒸汽壓力、蒸餾時間、蒸餾溫 度、出酒溫度等工藝參數(shù)貫穿釀造全過程，對產品的 量質率、生產耗能及釀造設備運行等有著不同程度的 影響。白酒行業(yè)轉型升級初級階段對于生產工藝參數(shù) 的設定，依然大量依賴于釀造現(xiàn)場工人師傅的實際經驗，由于各個釀造工段存在一定的獨立性，其設定的設備工藝參數(shù)容易出現(xiàn)局部最優(yōu)的情況，難以做到銜接上下釀造單元同步優(yōu)化，釀造單元間的“壁壘”使白酒行業(yè)生產全過程在降低能耗損率和提升產品質量 等方面在最優(yōu)化的解決方案中面臨難題。同時，市場原料價格的浮動、企業(yè)產能供給和市場需求的不斷變化等波動因素會給酒企帶來影響，酒企根據(jù)實際情況對生產工藝參數(shù)進行指導修正，避免與生產需求脫軌，導致產能過?；虿蛔恪５珵榇_保生產穩(wěn)定運行， 一般酒企僅會對產品、原料及設備工藝出現(xiàn)重大調整時，才會對生產工藝參數(shù)在原有的基礎上進行調整與測定，大部分僅限于局部調整與測定。

    將數(shù)字孿生技術引入到釀造工藝參數(shù)優(yōu)化過程中可以很好地解決上述存在的問題。數(shù)字孿生模型是基于整個實體生產工藝和環(huán)境而搭建的虛擬映射模型， 實體產線的各項釀造工藝指標參數(shù)數(shù)據(jù)由現(xiàn)場數(shù)據(jù)采 集傳感器實時地傳遞至工業(yè)互聯(lián)網平臺進行數(shù)據(jù)整 合，作為虛擬模型進行大數(shù)據(jù)分析的數(shù)據(jù)源。數(shù)字孿 生技術具有多學科交叉融合的特點，利用機器學習、 深度學習等人工智能技術實現(xiàn)跨工段、跨區(qū)域、跨車 間的生產數(shù)據(jù)相關性分析，打破傳統(tǒng)車間存在“壁 壘”導致的“數(shù)據(jù)孤島”現(xiàn)象。同時，利用虛擬模型數(shù) 據(jù)迭代反饋的高效性，極大降低白酒釀造環(huán)節(jié)中因設備 狀態(tài)的不確定性、酒醅物性和環(huán)境變化的非線性以及 監(jiān)測數(shù)據(jù)反饋的時滯性等因素而帶來的建模誤差[24]。

    虛擬空間中不存在實體空間的物理屬性，如質 量、摩擦、加速度等，因此數(shù)字孿生系統(tǒng)中的某些物 理動作必須通過數(shù)字模擬的方式實現(xiàn)。實體車間布置 的各類傳感器、邊緣端口將實體產線各個點位數(shù)據(jù)實 時傳輸至云計算平臺中心，作為數(shù)字孿生系統(tǒng)中數(shù)字 模擬物理動作仿真腳本控制程序的觸發(fā)信號，將其反 映到對應虛擬模型中，達到與現(xiàn)場實時同步的效果。 利用計算機儲存能力強、計算能力快、模擬分析能力 高效等特點對整個生產系統(tǒng)效能進行測定，通過數(shù)字 孿生構建的虛擬模型在線仿真模擬進行預測，不僅可 以降低人工預測成本，而且對影響生產波動的因素進 行實時模擬預測，將生產控制指令及時反饋至實體設 備，最高效率地增產降耗，控制生產成本，及時合理 地實現(xiàn)釀造工藝參數(shù)的優(yōu)化。

3.2   數(shù)字孿生在全面質量把控中的應用

    白酒作為備受人們青睞的含酒精飲料，其質量保 證必須滿足國家相應的質量標準和生產管理規(guī)范。全 面提升產品質量是白酒轉型升級成功的關鍵點之一， 白酒企業(yè)由傳統(tǒng)的僅限于產品質量檢驗，逐漸轉變?yōu)?從原料訂購、中間過程產品質量控制和產品售后反饋 的全面質量控制，如傳統(tǒng)清香型白酒涉及產品質量安 全要求標準和規(guī)定主要有8項[25]。全面質量控制要求 酒企各檢驗部門必須投入大量的人力物力和財力進行 抽檢、審查、記錄，嚴格把控各環(huán)節(jié)質量大關，避免 因產品質量不合格而造成企業(yè)名譽和經濟損失。由于 白酒行業(yè)還處于轉型的過渡階段，現(xiàn)行的管理技術手 段在面對各環(huán)節(jié)質量控制的相對獨立性、各部門信息 傳遞的時滯性、人員記錄的差異性等問題時，并不能很好地管理與處理，如上個環(huán)節(jié)物料信息變化時并不 能及時參與到下一個環(huán)節(jié)的工藝調整，進而導致生產 過程不穩(wěn)定，產品質量無法保障。

    引入數(shù)字孿生技術后，上述問題將會得到很好的 解決。首先，酒企從進廠的釀造原料開始檢測，將檢 測的數(shù)據(jù)直接上傳數(shù)據(jù)平臺中心進行整合，結合數(shù)據(jù) 中心大量的過往檢測數(shù)據(jù)，針對不同年份、不同地區(qū) 的原料品質，通過虛擬模型在線模擬分析，反饋出適 合年份、地區(qū)的原料的工藝條件，調整工藝指標參 數(shù)，并在線生成控制指令并及時下發(fā)至各個生產單 元。其次，中間過程產品檢測數(shù)據(jù)繁多，針對大量檢 測數(shù)據(jù)進行分區(qū)域、分工段、分單元等層層嚴控把關 調整與優(yōu)化，最大程度上控制生產全過程的波動，保 障產品的質量。最后，產品銷售和售后數(shù)據(jù)反饋至數(shù) 字孿生模型中進行多維度分析，為進一步提升產品質 量做出相關分析，供管理者參考。除此之外，影響白 酒質量因素還很多，如摘酒、勾調以及貯存等，在相 應環(huán)節(jié)建立信息管理系統(tǒng)，并接入數(shù)字孿生模型適用 的數(shù)據(jù)信息網絡，建立完善的全面質量把控體系。    3.3   數(shù)字孿生在釀造設備維護保障中的應用

    在3.1列舉的小曲清香型白酒釀造工序十分復雜， 整個過程涉及多種類、多設備的綜合使用。從原料浸 泡、糖化發(fā)酵、上甑蒸餾、攤晾、入窖發(fā)酵等幾大工 序中大量機械設備參與其中。釀造現(xiàn)場設備的密集 性、流通管道的錯綜復雜、環(huán)境的溫濕度等變化，會 導致機械設備在實際的運行過程中出現(xiàn)很多問題。酒 企為盡可能保障產能，不得不投入大量的人力、物力 和財力對設備進行維護，而當前酒企的設備維護仍處 于傳統(tǒng)的人工巡檢模式，日常維護和定期停產維護， 但設備的磨損、零部件及控制系統(tǒng)電路的老化，對設 備維護變得非常困難。日常維護和定期停產維護不僅 加重設備維護人員的工作量，而且對正常生產造成一 定影響。

    在設備維護保障中引入數(shù)字孿生模型，可以用于 對設備故障的風險評估，進行預測性維護，降低設備 維護人員的工作量，提高可靠性生產。實體設備的名 稱型號、最初的設計性能參數(shù)、生產使用過程的調試 參數(shù)，以及歷史負荷參數(shù)、維修記錄等相關數(shù)據(jù)都被 傳輸?shù)揭詳?shù)據(jù)信息作為樞紐的網絡平臺[17] 。數(shù)字孿生 模型借助計算機技術手段搭建設備疲勞程度的預測仿 真模型，對設備故障風險進行有效的預測與分析。數(shù) 據(jù)信息的可視化分析，虛擬模型與實體相對應的實時 映射關系，不僅用戶對設備當前的狀態(tài)一目了然，降 低傳統(tǒng)人工操作的失誤風險，縮短事故反應時間，而 且可以提前做出生產排產計劃，提高生產效率。

3.4   數(shù)字孿生在窖池發(fā)酵中的應用可能

    窖池發(fā)酵是釀造過程中的重要環(huán)節(jié)，有“生香靠發(fā)酵，提香靠蒸餾”的說法，酒醅發(fā)酵品質的好壞直 接影響白酒品質和產量。影響酒醅品質的因素非常 多，包括發(fā)酵溫度、發(fā)酵時間、菌群數(shù)量、酒醅入窖 溫度、酒醅含水量、酒醅物性黏度和環(huán)境溫度等，研 究表明，溫度是影響發(fā)酵過程中的重要影響因素[26-30] 。 研究者針對溫度對固態(tài)白酒發(fā)酵的影響進行深入的研 究，表明采用控制發(fā)酵溫度有利于白酒品質和產量的 整體提升，體現(xiàn)溫度對發(fā)酵的重要性。

    窖池發(fā)酵的數(shù)字孿生模型可以有效預測異常窖 池。理想狀態(tài)下，數(shù)字孿生模型可以構建出酒醅發(fā)酵 的整個生命周期全過程，對整個發(fā)酵過程實時可視化 監(jiān)測，在計算機技術手段條件下搭建預測異常窖池仿 真模型。但一般大型酒廠的窖池數(shù)成千上萬，規(guī)模龐 大，建立采集影響酒醅品質因素的完整體系，其成本 非常高昂。如前所述溫度對發(fā)酵的重要性，可酌情建 立溫度可控發(fā)酵池，屆時可引入數(shù)字孿生模型，針對 不同香型白酒發(fā)酵溫度的特點，精準控制發(fā)酵溫度， 全面提升白酒品質和產率。隨著酒企未來的發(fā)展，對 窖池發(fā)酵建立完善的監(jiān)測體系，數(shù)字孿生模型將有大 量、豐富的發(fā)酵數(shù)據(jù)支持，可以完全構建出酒醅發(fā)酵 真實環(huán)境的虛擬模型，虛擬模型將對發(fā)酵數(shù)據(jù)進行數(shù) 據(jù)迭代，實現(xiàn)模型自身優(yōu)化，對異常窖池處理決策并 生成控制行為指令反饋，將大大降低人工管理的難 度，縮短異常處理時間，白酒品質和產率將達到質的 飛躍。

4   結語與展望

    目前，白酒行業(yè)轉型升級尚處于初級階段，對數(shù)字孿生技術體系下的相關技術應用還處于探索階段。 但數(shù)字孿生技術在產品設計、生產、運維等多方面優(yōu) 勢日趨顯著，將數(shù)字孿生技術引入白酒行業(yè)是未來發(fā) 展的趨勢。以白酒行業(yè)為代表的傳統(tǒng)輕工業(yè)，作為我 國經濟和文化的重要組成部分，更應該突破傳統(tǒng)技術 瓶頸，通過技術創(chuàng)新實現(xiàn)產能增幅、節(jié)能降耗、降低 成本已迫在眉睫。智能釀造是白酒行業(yè)發(fā)展的長遠目 標，而未來以數(shù)字孿生技術領銜的新一代智能生產技 術必將加快白酒行業(yè)走向智能釀造的步伐，為白酒行 業(yè)開啟新的征程，為我國經濟建設貢獻力量。

參考文獻：

[1] TUEGEL E J, INGRAFFEA A R, EASON T G, et al. Reengineering aircraft structural life prediction using a digital twin[J]. InternationalJournal ofAerospace Engineering, 2011,2011: 1-14.

[2] WAGNER R, SCHLEICH B, HAEFNER B, et al. Challenges and potentials ofdigital twins and industry 4.0 in product design and production for high performance products[J]. Procedia CIRP, 2019, 84: 88-93.

[3] ZHUANG C B, GONG J C, LIU J H. Digital twin-based assembly data management and process traceability for complex products[J]. Journal of Manufacturing Systems, 2020(58): 118-131.

[4] SAMAD M E SEPASGOZAR. Digital twin and web-based virtual gaming technologies for online education: a case of construction management and engineering[J]. Applied Sciences, 2020, 10(13): 4678.

[5] 葉磊, 徐慧, 施耀飛, 等. 數(shù)字孿生在化纖長絲前紡絲車間 的應用探討[J]. 制造業(yè)自動化, 2021, 43(2): 107-109, 138.

[6] WANG J J, YE L K, ROBERT X G, et al. Digital twin for rotating machinery fault diagnosis in smart manufacturing[J]. International Journal of Production Research, 2019, 57(12):

3920-3934.

[7] DAVID N FORD, CHARLES M WOLF. Smart cities with digital twin systems for disaster management[J]. Journal of Management in Engineering, 2020, 36(4): 04020027.

[8] ZHOU G H, ZHANG C, LI Z, et al. Knowledge-driven digital twin manufacturing cell towards intelligent manufacturing[J]. International Journal of Production Research, 2020, 58(4):

1034-1051.

[9] GRIEVES M, VICKERS J. Digital twin: mitigating unpredictable, undesirable emergent behavior in complex systems[M]. Berlin: Springer International Publishing, 2017:

85-113.

[10] GRIEVES M. Product lifecycle management-driving the next generation oflean thinking[M]. New York: McGraw-Hill,

2006.

[11] GRIEVES M. Virtually perfect: Driving innovative and lean products through product lifecycle management[M]. Cocoa Beach: Space Coast Press, 2011.

[12] 莊存波, 劉檢華, 熊輝, 等. 產品數(shù)字孿生體的內涵、 體系結構及其發(fā)展趨勢[J]. 計算機集成制造系統(tǒng), 2017, 23(4): 753-768.

[13] 陶飛, 劉蔚然, 劉檢華, 等. 數(shù)字孿生及其應用探索[J]. 計 算機集成制造系統(tǒng), 2018, 24(1): 1-18.

[14] 陶飛, 張萌, 程江峰, 等. 數(shù)字孿生車間——種未來車間 的運行新模式[J]. 計算機集成制造系統(tǒng), 2017, 23(1): 1-9.

[15] KOSENKOV S O, TURCHANINOV V YU, KOROVIN I S, et al. Digital twin of the oil well, based on data mining technologies[A]. Advanced Science and Industry Research Center. Proceedings of 2018 2nd International Conference on Modeling, Simulation and Optimization Technologies and Applications (MSOTA 2018)[C]. Advanced Science and Industry Research Center: Science and Engineering Research Center,

2018: 6.

[16] 陶飛, 馬昕, 胡天亮, 等. 數(shù)字孿生標準體系[J]. 計算機集成制造系統(tǒng), 2019, 25(10): 2405-2418.

[17] 叔謀, 劉穎慰, 許克家, 等. 數(shù)字孿生技術在淀粉行業(yè)的 應用前景[J]. 食品工業(yè), 2021, 42(2): 248-251.

[18] 宋云鵬, 孫海龍, 焦?jié)? 等. 大數(shù)據(jù)在數(shù)字化工廠中的應 用[J]. 物流科技, 2019, 42(4): 44-46.

[19] 石婷婷, 徐建華, 張雨濃. 數(shù)字孿生技術驅動下的智慧圖 書館應用場景與體系架構設計[J]. 情報理論與實踐, 2021, 44(3): 149-156.

[20] 劉彬, 張云勇. 基于數(shù)字孿生模型的工業(yè)互聯(lián)網應用[J]. 電信科學, 2019, 35(5): 120-128.

[21] 劉丹, 黃海濤, 王保興, 等. 基于數(shù)字孿生的再制造車 間作業(yè)模式[J]. 計算機集成制造系統(tǒng), 2019, 25(6): 1515-

1527.

[22] ZHENG X W, HAN B Z. Baijiu, Chinese liquor: History, classification and manufacture[J]. Journal of Ethnic Foods, 2016, 3(1): 19-25.

[23] 張貴宇, 庹先國, 陳林, 等. 自動化釀造工藝在白酒生產 中的應用研究[J]. 食品工業(yè), 2018, 39(9): 143-148.

[24] 魏一雄, 郭磊, 陳亮希, 等. 基于實時數(shù)據(jù)驅動的數(shù)字孿 生車間研究及實現(xiàn)[J]. 計算機集成制造系統(tǒng), 2021, 27(2):

352-363.

[25] 康健. 白酒企業(yè)質量管理、規(guī)范生產、落實主體責任初 探[J]. 釀酒, 2016, 43(1): 100-104.

[26] 蒲嵐, 李璐, 邱樹毅, 等. 發(fā)酵溫度調控對濃香型白酒主 要香味成分生成的影響[J]. 食品與發(fā)酵工業(yè), 2011, 37(7):

126-129.

[27] 應靜, 游玲, 邱樹毅, 等. 溫度對濃香型白酒發(fā)酵的影響 [J]. 中國釀造, 2018, 37(8): 75-81.

[28] 李一關, 王琪, 何璇, 等. 芝麻香型白酒控溫發(fā)酵中試研 究[J]. 食品與發(fā)酵工業(yè), 2020, 46(17): 125-130.

[29] 周梟. 清香型大曲酒控溫發(fā)酵工藝[J]. 食品工業(yè), 2020, 41(7): 30-34.

[30] 潘玲玲, 羅明有, 王媚, 等. 發(fā)酵溫度對濃香型白酒雜醇 油含量的影響[J]. 中國釀造, 2021, 40(3): 106-110.