原文链接:

阿里 | 智能制造场景下的数字化设计 - 图1

如今不论是元宇宙、还是数字孪生,社会的方方面面都在数字化。我们可以在虚拟数字世界里,完成物理世界的操作及交互。对于我国的制造业,正处于从制造大国向制造强国转变的进程中,更需关注数字技术应用于工业信息化后所带来的产业变革。

#01 数字化设计背景

面向制造业,智能工厂、数字产线、智慧园区等需求日益崛起,这不仅要求通过3D技术的进化来适应未来的智能化高效发展,更要基于3D信息交互为用户打造未来的沉浸式体验。

阿里 | 智能制造场景下的数字化设计 - 图2

▲ 智能制造的发展阶段
设计师通过建立具备行业通用性的3D模组数字资产库,并用节点参数降低设计成本,应对柔性制造产能集群的不断扩张。制造场景下的数字化设计路径可分为两条:1)将物理工厂进行数字化搭建 2)将系统能力进行可视化表达。

阿里 | 智能制造场景下的数字化设计 - 图3
▲ 两条设计路径

设计前,我们围绕智能制造行业特性确定其风格,基于数字科技、柔性供给、智能生产的核心能力通过磨砂、玻璃、金属材质建立设计意向。

阿里 | 智能制造场景下的数字化设计 - 图4
▲ 基础风格
过程中主要使用了Blender设计工具,将数字工厂及能力进行模块化的参数设计,提升设计效率的同时也兼容行业中各类复杂场景。

阿里 | 智能制造场景下的数字化设计 - 图5
▲ 参数化设计演示

#02 物理工厂数字化

物理工厂数字化的核心就是基于数字孪生建立工厂的物理对象,模拟工厂在现实环境中的行为及状态,对整个工厂进行数字化仿真,从而提高生产、运维及远程管理效率。

2.1 建立数字化模组

通过调研行业大量的制造工厂发现,将工厂依次从空间-设备-物料分层后,最终可以提炼具有任务属性及运维状态的最小单元的通用3D模组。基于这套模块化的数字化资产库,将能帮助工厂在线上快速建厂、搭建数据大屏方案、帮助运维远程监测设备、提升工厂管理效率等。

阿里 | 智能制造场景下的数字化设计 - 图6
▲ 物理分层建立模组

此外建立完整的数字化模组设计将包含以下3类物理映射:业务模型、行为逻辑、状态变化,从而实现数字模型对物理实体进行全面呈现、动态监控和精准表达等全生命周期管理。
1)业务模型:通过抽象物理对象进行基础形态建模。目前50种3D模组,能基本满足服饰制造工厂的多数通用场景。

阿里 | 智能制造场景下的数字化设计 - 图7
▲ 物理数字化3D模组库
2)行为逻辑:3D模组通过赋予行为动画,演绎对象的能力属性或系统下发的任务指令,从而实现远程动态监控。

阿里 | 智能制造场景下的数字化设计 - 图8
▲ 3D模组绑定行为动画

3)状态变化:通过改变3D模组颜色材质等要素,可视化精准表达物理世界不可见的数字化状态,提升运维效率。(下图展示了设备故障、设备离线等物理运行状态,及全息效果、粒子效果等线上交互状态)

阿里 | 智能制造场景下的数字化设计 - 图9

▲ 3D模组数字化状态表达

综上所述,以上3类物理映射完成了数字化模组的构建,将代替传统表单页面信息冗长、操作割裂、阅读低效等痛点,帮助工厂实现数字化管理、提升生产及运维效率。

阿里 | 智能制造场景下的数字化设计 - 图10

▲ 数字化模组设计总结

2.2 模块化搭建场景

有了数字化模组之后,就可基于模组根据不同的工厂布局,进行快速的模块化搭建。虽然工厂是一个劳动密集型的空间结构,但布局大多重复且有规律,因此通过参数化节点设计便可以快速智能生成工厂的场景布局。

阿里 | 智能制造场景下的数字化设计 - 图11
▲ 3D模组搭建工段

阿里 | 智能制造场景下的数字化设计 - 图12
▲ 3D模组搭建工厂

阿里 | 智能制造场景下的数字化设计 - 图13
▲ 3D模组搭建集群

因此通过模块化设计,可以帮助工厂在建厂初期进行快速可视化建厂及零成本试错,提升前期的建厂效率,同时降低设计成本。

阿里 | 智能制造场景下的数字化设计 - 图14
▲ 模块化建厂汇总

2.3 场景的应用及体验

完成场景搭建后,将数字场景在系统中应用,用户通过终端不仅可以在远程通过漫游模式查看工厂的生产详情,了解工厂的设备状态,还可以通过全局模式快速总览工厂的各类信息,最终基于全局及局部信息进行管理决策。

阿里 | 智能制造场景下的数字化设计 - 图15
▲ 漫游模式了解工厂详情

阿里 | 智能制造场景下的数字化设计 - 图16
▲ 大屏总览工厂全局信息

此外在场景中接入各个生产平台链接,将数字场景作为各个独立生产系统的入口,让用户所见即所得地在数字场景中管理生产,将解决传统生产系统页面信息割裂、流程长等痛点。

阿里 | 智能制造场景下的数字化设计 - 图17
▲ 链接各个生产系统

#03 系统能力可视化

除去物理实体之外,制造业在数据处理及服务能力的设计上还可以被进一步可视化挖掘,以缩短客户与实操人员的学习理解周期。

阿里 | 智能制造场景下的数字化设计 - 图18
▲ 能力与实体的关系

3.1 建立数字化模组

基于系统能力的挖掘,我们将主体特征进行三维可视化的表达,再叠加以“数字化”特性元素,例如代表数据传输的“粒子”、代表扫描的“圆环线性结构”等,综合构成系统能力可视化的模组单元。

阿里 | 智能制造场景下的数字化设计 - 图19

阿里 | 智能制造场景下的数字化设计 - 图20
▲ 可视化模组结构

3.2 创建能力场景

模组建立完成后,我们可以结合业务实际情况,建立应用场景。通过这种能力与能力间的串联表达,用户可对系统全局有更加完整的了解和认知。

阿里 | 智能制造场景下的数字化设计 - 图21

阿里 | 智能制造场景下的数字化设计 - 图22

阿里 | 智能制造场景下的数字化设计 - 图23
▲ 数据处理及服务能力场景表达

3.3 嵌入平台应用

同理,模组和场景都可以广泛地应用在制造端平台设计中。直观的视觉表达,能有效帮助实操人员迅速定位、了解具体功能及操作。

阿里 | 智能制造场景下的数字化设计 - 图24
▲ 页面应用

我们也在不断地尝试,针对具体模块的交互行为是否可以由设计师直接定义,进而输出给工程师进行数据绑定等开发流程。这在降低协作成本的同时,也为未来 3D 模块的交互性进行了储备。

#04 展望工业元宇宙

未来的智能制造将依托工业互联网实现全链路数字化,让一个个中小工厂从孤岛走向协作、从封闭走向开放、从混乱走向专注。当然数字化趋势也将链接越来越多的产业及场景,助力构建数据驱动、万物互联的新趋势。

阿里 | 智能制造场景下的数字化设计 - 图25
▲ Microsoft Dynamics 365 链接物理和数字

目前数字孪生在商用及政府场景的应用已较为广泛,未来数字世界的打造一定是围绕以人为核心的场景体验,人与场景的融合才能将原本的商用场景向更为广泛的民用场景转变,也必将会创造出更真实且丰富的数字世界。

阿里 | 智能制造场景下的数字化设计 - 图26
▲ Unreal Engine Metahuman 数字人生成