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

1. 四川輕化工大學(xué)自動(dòng)化與信息工程學(xué)院(宜賓 644000)；2. 四川輕化工大學(xué)人工智能四川省重點(diǎn)實(shí)驗(yàn)室(宜賓 644000)；3. 四川輕化工大學(xué)機(jī)械工程學(xué)院(宜賓 644000)；4. 西南科技大學(xué)信息工程學(xué)院(綿陽(yáng) 621010)

摘  要  白酒歷史悠久、規(guī)模龐大, 是我國(guó)經(jīng)濟(jì)和文化重要組成部分。在新一代信息數(shù)字化技術(shù)發(fā)展應(yīng)用和《中國(guó)制造2025》規(guī)劃背景下, 傳統(tǒng)白酒釀造向智能釀造轉(zhuǎn)型勢(shì)在必行。針對(duì)白酒企業(yè)生產(chǎn)過(guò)程中如何保障連續(xù)工藝穩(wěn)定、增產(chǎn)降耗、控制復(fù)雜工況變化等問(wèn)題, 提出引入數(shù)字孿生概念、構(gòu)建數(shù)字孿生模型、搭建釀造產(chǎn)線(xiàn)數(shù)據(jù)管理平臺(tái)中心和結(jié)合人工智能技術(shù)的相關(guān)算法, 以實(shí)現(xiàn)生產(chǎn)全過(guò)程模擬仿真與優(yōu)化控制, 全面提升企業(yè)生產(chǎn)效能。探討數(shù)字孿生技術(shù)結(jié)合白酒企業(yè)在工藝參數(shù)優(yōu)化、全面質(zhì)量控制、設(shè)備維護(hù)保障、窖池發(fā)酵等多方面應(yīng)用效果, 以期有效保障酒企量質(zhì)生產(chǎn), 降本增效, 提高經(jīng)濟(jì)效益, 加快白酒轉(zhuǎn)型升級(jí)的步伐。

關(guān)鍵詞  數(shù)字孿生;工藝參數(shù)優(yōu)化; 全面質(zhì)量控制; 設(shè)備維護(hù)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(guò)智能數(shù)字化升級(jí)實(shí)現(xiàn)白酒釀造智能化的需求已經(jīng)迫在眉睫，但其技術(shù)創(chuàng)新度不夠，導(dǎo)致其低產(chǎn)高耗、質(zhì)量把 控難和設(shè)備管理難等問(wèn)題。與此同時(shí)，我國(guó)新一代經(jīng)濟(jì)發(fā)展動(dòng)力引擎——數(shù)字智能化技術(shù)，其中數(shù)字孿生技術(shù)滿(mǎn)足虛實(shí)體信息實(shí)時(shí)交互融合，實(shí)現(xiàn)傳統(tǒng)制造模式向智能制造的數(shù)字化轉(zhuǎn)型，因此受到白酒釀造行業(yè)高度關(guān)注。

    數(shù)字孿生技術(shù)領(lǐng)銜于新一代智能技術(shù)，由最初的航天航空領(lǐng)域[1]逐漸被廣泛應(yīng)用于產(chǎn)品設(shè)計(jì)[2] 、復(fù)雜產(chǎn)品裝配[3] 、工程建設(shè)[4] 、化工行業(yè)[5] 、機(jī)械制造[6]等領(lǐng) 域，之后逐漸向智慧城市[7] 、智能制造[8]等領(lǐng)域發(fā)展，契合《中國(guó)制造2025》的發(fā)展目標(biāo)。

    數(shù)字孿生技術(shù)在產(chǎn)品設(shè)計(jì)模擬、生產(chǎn)工藝優(yōu)化、 質(zhì)量管控和設(shè)備運(yùn)維保障等多方面的優(yōu)勢(shì)越來(lái)越突出。因此，借助第4次信息工業(yè)革命的浪潮和《中國(guó)制造2025》的戰(zhàn)略方針，旨在探索數(shù)字孿生技術(shù)針對(duì)當(dāng)前白酒釀造行業(yè)在智能釀造中的可行性應(yīng)用及前景。

1   白酒釀造行業(yè)的現(xiàn)狀

    國(guó)外液態(tài)發(fā)酵釀造方式已實(shí)現(xiàn)機(jī)械完全自動(dòng)化和智能化管控，但中國(guó)白酒采用獨(dú)特的固態(tài)發(fā)酵釀造方式，其工藝和自動(dòng)化設(shè)備復(fù)雜程度較高，實(shí)現(xiàn)完全自動(dòng)化較困難。近年來(lái)，白酒企業(yè)不斷擴(kuò)大生產(chǎn)規(guī)模以滿(mǎn)足白酒市場(chǎng)的需求，但隨著生產(chǎn)規(guī)模擴(kuò)大，白酒企業(yè)面臨著釀造車(chē)間難以全面管控的問(wèn)題日趨突出。根據(jù)白酒釀造行業(yè)現(xiàn)狀，大致總結(jié)為工藝參數(shù)優(yōu)化、全面質(zhì)量把控、設(shè)備維護(hù)與保障以及窖池管理等核心問(wèn)題亟需解決。上述問(wèn)題得到完善解決，將進(jìn)一步加快實(shí)現(xiàn)白酒釀造智能化升級(jí)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(xué)在2002年為成立產(chǎn)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(jiǎn)稱(chēng)為Conceptual Ideal for PLM，此時(shí)已具備數(shù)字孿生的所有要素：真實(shí)空間、虛擬空間、從真實(shí)空間到虛擬空間的數(shù)據(jù)流鏈接、從虛擬空間到真實(shí)空間和虛擬子空間的信息鏈接[9] 。同年，密歇根大學(xué)第一批高管課將這一概念模型稱(chēng)為鏡像空間模型； 在《產(chǎn)品生命周期管理：推動(dòng)下一代精益思想》中， Grieves[10]將這一概念模型稱(chēng)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(yùn)行歷史等數(shù)據(jù)，集成多學(xué)科、多物理量、多尺度、多概率的仿真過(guò)程。其實(shí)質(zhì)就是將物理空間的實(shí)體產(chǎn)品通過(guò)數(shù)字化構(gòu)建虛擬空間的虛擬模型，通過(guò)數(shù)據(jù)交互實(shí)現(xiàn)模型實(shí)時(shí)雙向的 全生命周期交互映射，將實(shí)現(xiàn)實(shí)體產(chǎn)線(xiàn)、生產(chǎn)裝備、 生產(chǎn)管理系統(tǒng)實(shí)時(shí)映射響應(yīng)反饋，同時(shí)平臺(tái)通過(guò)對(duì)大量的生產(chǎn)數(shù)據(jù)進(jìn)行相關(guān)性分析，模型自身迭代優(yōu)化計(jì)算完善產(chǎn)品的生產(chǎn)工藝、產(chǎn)能的合理預(yù)測(cè)及設(shè)備維護(hù)與預(yù)警等生產(chǎn)要素[12-15]。

2.1   數(shù)字孿生模型

    數(shù)字孿生是利用計(jì)算機(jī)技術(shù)將物理實(shí)體裝備生產(chǎn)線(xiàn)或產(chǎn)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(duì)物理實(shí)體裝備或產(chǎn)品簡(jiǎn)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(dòng)態(tài)性、多學(xué)科交叉融合的可計(jì)算分析和可進(jìn)行概率預(yù)測(cè)的綜合體[16] 。構(gòu)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(guò)程，其實(shí)質(zhì)是將多個(gè)小數(shù)字孿生體按照一定方式要求進(jìn)行整合成完整體的過(guò)程，最終實(shí)現(xiàn)產(chǎn)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(shí)體的物理特性，同時(shí)要兼?zhèn)渚哂腥a(chǎn)周期數(shù)據(jù)信息中心的功能[17] 。實(shí)體制造車(chē)間具有規(guī)模大、分布廣、管理結(jié)構(gòu)復(fù)雜等特點(diǎn)，其相對(duì)獨(dú)立的制造單元、冗長(zhǎng)的產(chǎn)業(yè)鏈條、品種 多樣化的產(chǎn)品種類(lèi)經(jīng)常導(dǎo)致其豐富的具有價(jià)值的信息 資源不能夠很好地分析與利用和統(tǒng)一管理，進(jìn)而形成一座座孤立的“信息孤島”[18] 。借助物聯(lián)網(wǎng)的萬(wàn)物互通互聯(lián)的理念，生產(chǎn)車(chē)間所部屬的TCP/IP協(xié)議的以太網(wǎng)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(chǎng)生產(chǎn) 數(shù)據(jù)采集方式都會(huì)產(chǎn)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(jì)算中心集中計(jì)算與處理，勢(shì)必造成云計(jì)算中心服務(wù)器的運(yùn)行效率低下，降低了服務(wù)器對(duì)系統(tǒng)管理和服務(wù)要求的響應(yīng)速度，而邊緣計(jì)算的出現(xiàn)緩解了云計(jì)算中心的計(jì)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(chǔ)、計(jì)算能力的設(shè)備節(jié)點(diǎn)，在數(shù)據(jù)源近端即可進(jìn)行實(shí)時(shí)處理分析，過(guò)濾掉無(wú)價(jià)值的數(shù)據(jù)后將其傳輸?shù)皆朴?jì)算平臺(tái)[19] 。云計(jì)算平臺(tái)利用大數(shù)據(jù)工具進(jìn)行數(shù)據(jù)清洗、挖掘、分析，并運(yùn)用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)對(duì)邊緣計(jì)算處理后的綜合實(shí)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(jìn)而可實(shí)現(xiàn)生產(chǎn)流程仿真、行為驗(yàn)證、產(chǎn)品評(píng)測(cè)、設(shè)備壽命預(yù)測(cè)、故障預(yù)警等多種可指導(dǎo)實(shí)際生產(chǎn)的信息模型，為實(shí)體系統(tǒng)提供參考決策，打造出高效的數(shù)據(jù)驅(qū)動(dòng)模式[17] ；綜合實(shí)體數(shù)據(jù)包 括原料及原料向產(chǎn)品轉(zhuǎn)換中間過(guò)程品的過(guò)程數(shù)據(jù)、傳感器數(shù)據(jù)、設(shè)備的性能及工藝參數(shù)、生產(chǎn)線(xiàn)及生產(chǎn)車(chē)間實(shí)時(shí)監(jiān)控的各項(xiàng)指標(biāo)，甚至在生產(chǎn)過(guò)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(shí)體與虛擬模型之間時(shí)刻保持著實(shí)時(shí)動(dòng)態(tài)的數(shù)據(jù)交互是驅(qū)動(dòng)數(shù)字孿生模型發(fā)揮其作用的關(guān)鍵。虛擬模型依托實(shí)體產(chǎn)線(xiàn)各環(huán)節(jié)制造裝備和傳感器產(chǎn)生的實(shí)時(shí)生產(chǎn)數(shù)據(jù)，包括溫度、位置、流量等數(shù)據(jù)通過(guò)邊緣接口傳遞導(dǎo)出，匯集到云計(jì)算平臺(tái)，通過(guò)數(shù)字孿生模型數(shù)據(jù)處理方法，不斷地?cái)?shù)據(jù)迭代計(jì)算實(shí)現(xiàn)自身模型構(gòu)建的優(yōu)化與完善[17] 。同時(shí)虛擬模型對(duì)物理實(shí)體實(shí)際生產(chǎn)過(guò)程進(jìn)行在線(xiàn)仿真模擬、統(tǒng)計(jì)與分析，得出最優(yōu)控制決策，并及時(shí)反饋至實(shí)體設(shè)備做出相應(yīng)的調(diào)整，爭(zhēng)取在最短時(shí)間、最大程度上對(duì)工藝方案進(jìn)行調(diào)整與優(yōu)化[20-21]。數(shù)字孿生數(shù)據(jù)交互具有實(shí)時(shí)同步、快速響應(yīng)、精準(zhǔn)等特性；實(shí)時(shí)同步性要求數(shù)字孿生技術(shù)構(gòu)建的虛擬生產(chǎn)線(xiàn)對(duì)設(shè)備運(yùn)行狀態(tài)、產(chǎn)品流轉(zhuǎn)步調(diào)、物料損耗等與實(shí)體產(chǎn)線(xiàn)的生產(chǎn)狀況具有一致性，用戶(hù)無(wú)需到達(dá)現(xiàn)場(chǎng)，通過(guò)虛擬模型所反映的結(jié)果就能對(duì)現(xiàn)場(chǎng)生產(chǎn)情況 一目了然；快速響應(yīng)性要求虛擬模型對(duì)輸入請(qǐng)求變化時(shí)能夠及時(shí)地響應(yīng)并作出相應(yīng)的決策反饋輸出；精準(zhǔn) 性指數(shù)字孿生模型數(shù)據(jù)交互作用時(shí)，對(duì)實(shí)體產(chǎn)線(xiàn)實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)控制。圖1是數(shù)字孿生模型架構(gòu)。

圖1 數(shù)字孿生模型架構(gòu)

3   數(shù)字孿生與白酒釀造行業(yè)結(jié)合

    中國(guó)白酒擁有數(shù)千年的悠久釀造歷史和酒文化底 蘊(yùn)，成為中國(guó)經(jīng)濟(jì)和文化不可缺少的組成部分。中國(guó) 白酒以富含淀粉質(zhì)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(jīng)固態(tài)酒精 發(fā)酵、蒸餾和陳釀而成備受人們喜愛(ài)的飲料酒[22] 。不 同釀造配方和生產(chǎn)技術(shù)造就了白酒豐富的口味和風(fēng) 味。近年來(lái)，白酒行業(yè)在《中國(guó)制造2025》號(hào)召下和 市場(chǎng)需求下，由傳統(tǒng)生產(chǎn)方式逐漸向智能化釀造轉(zhuǎn)型 升級(jí)。然而白酒釀造原料價(jià)格的波動(dòng)和白酒市場(chǎng)的激 烈競(jìng)爭(zhēng)，通過(guò)智能化生產(chǎn)融合新技術(shù)實(shí)現(xiàn)酒企在工藝 上精益求精；產(chǎn)能上提質(zhì)增效；能源上節(jié)能降耗，這 些將成為白酒行業(yè)的未來(lái)發(fā)展趨勢(shì)。

    數(shù)字孿生技術(shù)作為當(dāng)前打造智能化生產(chǎn)系統(tǒng)的核心技術(shù)，與白酒釀造行業(yè)的長(zhǎng)期發(fā)展戰(zhàn)略目標(biāo)是一致 的，其在配方工藝參數(shù)優(yōu)化、產(chǎn)品質(zhì)量全面控制、設(shè)備維護(hù)與預(yù)警和窖池發(fā)酵等多方面有實(shí)際應(yīng)用可能。 數(shù)字孿生技術(shù)自身的特點(diǎn)符合白酒行業(yè)轉(zhuǎn)型升級(jí)要 求，有助于推進(jìn)白酒企業(yè)及整個(gè)白酒行業(yè)的數(shù)字化和智能化生產(chǎn)。

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

    釀造工藝參數(shù)貫穿釀造整個(gè)過(guò)程，是指導(dǎo)工人生 產(chǎn)的重要依據(jù)，是保障質(zhì)量和產(chǎn)量的關(guān)鍵。以小曲清香型白酒釀造工藝為例，整個(gè)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(shí) 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(shí)間、蒸餾溫 度、出酒溫度等工藝參數(shù)貫穿釀造全過(guò)程，對(duì)產(chǎn)品的 量質(zhì)率、生產(chǎn)耗能及釀造設(shè)備運(yùn)行等有著不同程度的 影響。白酒行業(yè)轉(zhuǎn)型升級(jí)初級(jí)階段對(duì)于生產(chǎn)工藝參數(shù) 的設(shè)定，依然大量依賴(lài)于釀造現(xiàn)場(chǎng)工人師傅的實(shí)際經(jīng)驗(yàn)，由于各個(gè)釀造工段存在一定的獨(dú)立性，其設(shè)定的設(shè)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(chǎn)全過(guò)程在降低能耗損率和提升產(chǎn)品質(zhì)量 等方面在最優(yōu)化的解決方案中面臨難題。同時(shí)，市場(chǎng)原料價(jià)格的浮動(dòng)、企業(yè)產(chǎn)能供給和市場(chǎng)需求的不斷變化等波動(dòng)因素會(huì)給酒企帶來(lái)影響，酒企根據(jù)實(shí)際情況對(duì)生產(chǎn)工藝參數(shù)進(jìn)行指導(dǎo)修正，避免與生產(chǎn)需求脫軌，導(dǎo)致產(chǎn)能過(guò)?；虿蛔?。但為確保生產(chǎn)穩(wěn)定運(yùn)行， 一般酒企僅會(huì)對(duì)產(chǎn)品、原料及設(shè)備工藝出現(xiàn)重大調(diào)整時(shí)，才會(huì)對(duì)生產(chǎn)工藝參數(shù)在原有的基礎(chǔ)上進(jìn)行調(diào)整與測(cè)定，大部分僅限于局部調(diào)整與測(cè)定。

    將數(shù)字孿生技術(shù)引入到釀造工藝參數(shù)優(yōu)化過(guò)程中可以很好地解決上述存在的問(wèn)題。數(shù)字孿生模型是基于整個(gè)實(shí)體生產(chǎn)工藝和環(huán)境而搭建的虛擬映射模型， 實(shí)體產(chǎn)線(xiàn)的各項(xiàng)釀造工藝指標(biāo)參數(shù)數(shù)據(jù)由現(xiàn)場(chǎng)數(shù)據(jù)采 集傳感器實(shí)時(shí)地傳遞至工業(yè)互聯(lián)網(wǎng)平臺(tái)進(jìn)行數(shù)據(jù)整 合，作為虛擬模型進(jìn)行大數(shù)據(jù)分析的數(shù)據(jù)源。數(shù)字孿 生技術(shù)具有多學(xué)科交叉融合的特點(diǎn)，利用機(jī)器學(xué)習(xí)、 深度學(xué)習(xí)等人工智能技術(shù)實(shí)現(xiàn)跨工段、跨區(qū)域、跨車(chē) 間的生產(chǎn)數(shù)據(jù)相關(guān)性分析，打破傳統(tǒng)車(chē)間存在“壁 壘”導(dǎo)致的“數(shù)據(jù)孤島”現(xiàn)象。同時(shí)，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(shè)備 狀態(tài)的不確定性、酒醅物性和環(huán)境變化的非線(xiàn)性以及 監(jiān)測(cè)數(shù)據(jù)反饋的時(shí)滯性等因素而帶來(lái)的建模誤差[24]。

    虛擬空間中不存在實(shí)體空間的物理屬性，如質(zhì) 量、摩擦、加速度等，因此數(shù)字孿生系統(tǒng)中的某些物 理動(dòng)作必須通過(guò)數(shù)字模擬的方式實(shí)現(xiàn)。實(shí)體車(chē)間布置 的各類(lèi)傳感器、邊緣端口將實(shí)體產(chǎn)線(xiàn)各個(gè)點(diǎn)位數(shù)據(jù)實(shí) 時(shí)傳輸至云計(jì)算平臺(tái)中心，作為數(shù)字孿生系統(tǒng)中數(shù)字 模擬物理動(dòng)作仿真腳本控制程序的觸發(fā)信號(hào)，將其反 映到對(duì)應(yīng)虛擬模型中，達(dá)到與現(xiàn)場(chǎng)實(shí)時(shí)同步的效果。 利用計(jì)算機(jī)儲(chǔ)存能力強(qiáng)、計(jì)算能力快、模擬分析能力 高效等特點(diǎn)對(duì)整個(gè)生產(chǎn)系統(tǒng)效能進(jìn)行測(cè)定，通過(guò)數(shù)字 孿生構(gòu)建的虛擬模型在線(xiàn)仿真模擬進(jìn)行預(yù)測(cè)，不僅可 以降低人工預(yù)測(cè)成本，而且對(duì)影響生產(chǎn)波動(dòng)的因素進(jìn) 行實(shí)時(shí)模擬預(yù)測(cè)，將生產(chǎn)控制指令及時(shí)反饋至實(shí)體設(shè) 備，最高效率地增產(chǎn)降耗，控制生產(chǎn)成本，及時(shí)合理 地實(shí)現(xiàn)釀造工藝參數(shù)的優(yōu)化。

3.2   數(shù)字孿生在全面質(zhì)量把控中的應(yīng)用

    白酒作為備受人們青睞的含酒精飲料，其質(zhì)量保 證必須滿(mǎn)足國(guó)家相應(yīng)的質(zhì)量標(biāo)準(zhǔn)和生產(chǎn)管理規(guī)范。全 面提升產(chǎn)品質(zhì)量是白酒轉(zhuǎn)型升級(jí)成功的關(guān)鍵點(diǎn)之一， 白酒企業(yè)由傳統(tǒng)的僅限于產(chǎn)品質(zhì)量檢驗(yàn)，逐漸轉(zhuǎn)變?yōu)?從原料訂購(gòu)、中間過(guò)程產(chǎn)品質(zhì)量控制和產(chǎn)品售后反饋 的全面質(zhì)量控制，如傳統(tǒng)清香型白酒涉及產(chǎn)品質(zhì)量安 全要求標(biāo)準(zhǔn)和規(guī)定主要有8項(xiàng)[25]。全面質(zhì)量控制要求 酒企各檢驗(yàn)部門(mén)必須投入大量的人力物力和財(cái)力進(jìn)行 抽檢、審查、記錄，嚴(yán)格把控各環(huán)節(jié)質(zhì)量大關(guān)，避免 因產(chǎn)品質(zhì)量不合格而造成企業(yè)名譽(yù)和經(jīng)濟(jì)損失。由于 白酒行業(yè)還處于轉(zhuǎn)型的過(guò)渡階段，現(xiàn)行的管理技術(shù)手 段在面對(duì)各環(huán)節(jié)質(zhì)量控制的相對(duì)獨(dú)立性、各部門(mén)信息 傳遞的時(shí)滯性、人員記錄的差異性等問(wèn)題時(shí)，并不能很好地管理與處理，如上個(gè)環(huán)節(jié)物料信息變化時(shí)并不 能及時(shí)參與到下一個(gè)環(huán)節(jié)的工藝調(diào)整，進(jìn)而導(dǎo)致生產(chǎn) 過(guò)程不穩(wěn)定，產(chǎn)品質(zhì)量無(wú)法保障。

    引入數(shù)字孿生技術(shù)后，上述問(wèn)題將會(huì)得到很好的 解決。首先，酒企從進(jìn)廠(chǎng)的釀造原料開(kāi)始檢測(cè)，將檢 測(cè)的數(shù)據(jù)直接上傳數(shù)據(jù)平臺(tái)中心進(jìn)行整合，結(jié)合數(shù)據(jù) 中心大量的過(guò)往檢測(cè)數(shù)據(jù)，針對(duì)不同年份、不同地區(qū) 的原料品質(zhì)，通過(guò)虛擬模型在線(xiàn)模擬分析，反饋出適 合年份、地區(qū)的原料的工藝條件，調(diào)整工藝指標(biāo)參 數(shù)，并在線(xiàn)生成控制指令并及時(shí)下發(fā)至各個(gè)生產(chǎn)單 元。其次，中間過(guò)程產(chǎn)品檢測(cè)數(shù)據(jù)繁多，針對(duì)大量檢 測(cè)數(shù)據(jù)進(jìn)行分區(qū)域、分工段、分單元等層層嚴(yán)控把關(guān) 調(diào)整與優(yōu)化，最大程度上控制生產(chǎn)全過(guò)程的波動(dòng)，保 障產(chǎn)品的質(zhì)量。最后，產(chǎn)品銷(xiāo)售和售后數(shù)據(jù)反饋至數(shù) 字孿生模型中進(jìn)行多維度分析，為進(jìn)一步提升產(chǎn)品質(zhì) 量做出相關(guān)分析，供管理者參考。除此之外，影響白 酒質(zhì)量因素還很多，如摘酒、勾調(diào)以及貯存等，在相 應(yīng)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(wǎng)絡(luò)，建立完善的全面質(zhì)量把控體系。    3.3   數(shù)字孿生在釀造設(shè)備維護(hù)保障中的應(yīng)用

    在3.1列舉的小曲清香型白酒釀造工序十分復(fù)雜， 整個(gè)過(guò)程涉及多種類(lèi)、多設(shè)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(jī)械設(shè)備參與其中。釀造現(xiàn)場(chǎng)設(shè)備的密集 性、流通管道的錯(cuò)綜復(fù)雜、環(huán)境的溫濕度等變化，會(huì) 導(dǎo)致機(jī)械設(shè)備在實(shí)際的運(yùn)行過(guò)程中出現(xiàn)很多問(wèn)題。酒 企為盡可能保障產(chǎn)能，不得不投入大量的人力、物力 和財(cái)力對(duì)設(shè)備進(jìn)行維護(hù)，而當(dāng)前酒企的設(shè)備維護(hù)仍處 于傳統(tǒng)的人工巡檢模式，日常維護(hù)和定期停產(chǎn)維護(hù)， 但設(shè)備的磨損、零部件及控制系統(tǒng)電路的老化，對(duì)設(shè) 備維護(hù)變得非常困難。日常維護(hù)和定期停產(chǎn)維護(hù)不僅 加重設(shè)備維護(hù)人員的工作量，而且對(duì)正常生產(chǎn)造成一 定影響。

    在設(shè)備維護(hù)保障中引入數(shù)字孿生模型，可以用于 對(duì)設(shè)備故障的風(fēng)險(xiǎn)評(píng)估，進(jìn)行預(yù)測(cè)性維護(hù)，降低設(shè)備 維護(hù)人員的工作量，提高可靠性生產(chǎn)。實(shí)體設(shè)備的名 稱(chēng)型號(hào)、最初的設(shè)計(jì)性能參數(shù)、生產(chǎn)使用過(guò)程的調(diào)試 參數(shù)，以及歷史負(fù)荷參數(shù)、維修記錄等相關(guān)數(shù)據(jù)都被 傳輸?shù)揭詳?shù)據(jù)信息作為樞紐的網(wǎng)絡(luò)平臺(tái)[17] 。數(shù)字孿生 模型借助計(jì)算機(jī)技術(shù)手段搭建設(shè)備疲勞程度的預(yù)測(cè)仿 真模型，對(duì)設(shè)備故障風(fēng)險(xiǎn)進(jìn)行有效的預(yù)測(cè)與分析。數(shù) 據(jù)信息的可視化分析，虛擬模型與實(shí)體相對(duì)應(yīng)的實(shí)時(shí) 映射關(guān)系，不僅用戶(hù)對(duì)設(shè)備當(dāng)前的狀態(tài)一目了然，降 低傳統(tǒng)人工操作的失誤風(fēng)險(xiǎn)，縮短事故反應(yīng)時(shí)間，而 且可以提前做出生產(chǎn)排產(chǎn)計(jì)劃，提高生產(chǎn)效率。

3.4   數(shù)字孿生在窖池發(fā)酵中的應(yīng)用可能

    窖池發(fā)酵是釀造過(guò)程中的重要環(huán)節(jié)，有“生香靠發(fā)酵，提香靠蒸餾”的說(shuō)法，酒醅發(fā)酵品質(zhì)的好壞直 接影響白酒品質(zhì)和產(chǎn)量。影響酒醅品質(zhì)的因素非常 多，包括發(fā)酵溫度、發(fā)酵時(shí)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(guò)程中的重要影響因素[26-30] 。 研究者針對(duì)溫度對(duì)固態(tài)白酒發(fā)酵的影響進(jìn)行深入的研 究，表明采用控制發(fā)酵溫度有利于白酒品質(zhì)和產(chǎn)量的 整體提升，體現(xiàn)溫度對(duì)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(yù)測(cè)異常窖 池。理想狀態(tài)下，數(shù)字孿生模型可以構(gòu)建出酒醅發(fā)酵 的整個(gè)生命周期全過(guò)程，對(duì)整個(gè)發(fā)酵過(guò)程實(shí)時(shí)可視化 監(jiān)測(cè)，在計(jì)算機(jī)技術(shù)手段條件下搭建預(yù)測(cè)異常窖池仿 真模型。但一般大型酒廠(chǎng)的窖池?cái)?shù)成千上萬(wàn)，規(guī)模龐 大，建立采集影響酒醅品質(zhì)因素的完整體系，其成本 非常高昂。如前所述溫度對(duì)發(fā)酵的重要性，可酌情建 立溫度可控發(fā)酵池，屆時(shí)可引入數(shù)字孿生模型，針對(duì) 不同香型白酒發(fā)酵溫度的特點(diǎn)，精準(zhǔn)控制發(fā)酵溫度， 全面提升白酒品質(zhì)和產(chǎn)率。隨著酒企未來(lái)的發(fā)展，對(duì) 窖池發(fā)酵建立完善的監(jiān)測(cè)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(gòu)建出酒醅發(fā)酵 真實(shí)環(huán)境的虛擬模型，虛擬模型將對(duì)發(fā)酵數(shù)據(jù)進(jìn)行數(shù) 據(jù)迭代，實(shí)現(xiàn)模型自身優(yōu)化，對(duì)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(shí)間，白酒品質(zhì)和產(chǎn)率將達(dá)到質(zhì)的 飛躍。

4   結(jié)語(yǔ)與展望

    目前，白酒行業(yè)轉(zhuǎn)型升級(jí)尚處于初級(jí)階段，對(duì)數(shù)字孿生技術(shù)體系下的相關(guān)技術(shù)應(yīng)用還處于探索階段。 但數(shù)字孿生技術(shù)在產(chǎn)品設(shè)計(jì)、生產(chǎn)、運(yùn)維等多方面優(yōu) 勢(shì)日趨顯著，將數(shù)字孿生技術(shù)引入白酒行業(yè)是未來(lái)發(fā) 展的趨勢(shì)。以白酒行業(yè)為代表的傳統(tǒng)輕工業(yè)，作為我 國(guó)經(jīng)濟(jì)和文化的重要組成部分，更應(yīng)該突破傳統(tǒng)技術(shù) 瓶頸，通過(guò)技術(shù)創(chuàng)新實(shí)現(xiàn)產(chǎn)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(zhǎng)遠(yuǎn)目 標(biāo)，而未來(lái)以數(shù)字孿生技術(shù)領(lǐng)銜的新一代智能生產(chǎn)技 術(shù)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(kāi)啟新的征程，為我國(guó)經(jīng)濟(jì)建設(shè)貢獻(xiàn)力量。

參考文獻(xiàn)：

[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(zhǎng)絲前紡絲車(chē)間 的應(yīng)用探討[J]. 制造業(yè)自動(dòng)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(chǎn)品數(shù)字孿生體的內(nèi)涵、 體系結(jié)構(gòu)及其發(fā)展趨勢(shì)[J]. 計(jì)算機(jī)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(yīng)用探索[J]. 計(jì) 算機(jī)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(chē)間——種未來(lái)車(chē)間 的運(yùn)行新模式[J]. 計(jì)算機(jī)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(biāo)準(zhǔn)體系[J]. 計(jì)算機(jī)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(shù)在淀粉行業(yè)的 應(yīng)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(chǎng)中的應(yīng) 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(shù)驅(qū)動(dòng)下的智慧圖 書(shū)館應(yīng)用場(chǎng)景與體系架構(gòu)設(shè)計(jì)[J]. 情報(bào)理論與實(shí)踐, 2021, 44(3): 149-156.

[20] 劉彬, 張?jiān)朴? 基于數(shù)字孿生模型的工業(yè)互聯(lián)網(wǎng)應(yīng)用[J]. 電信科學(xué), 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(chē) 間作業(yè)模式[J]. 計(jì)算機(jī)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(guó), 陳林, 等. 自動(dòng)化釀造工藝在白酒生產(chǎn) 中的應(yīng)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(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)的數(shù)字孿 生車(chē)間研究及實(shí)現(xiàn)[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2021, 27(2):

352-363.

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

[26] 蒲嵐, 李璐, 邱樹(shù)毅, 等. 發(fā)酵溫度調(diào)控對(duì)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(yīng)靜, 游玲, 邱樹(shù)毅, 等. 溫度對(duì)濃香型白酒發(fā)酵的影響 [J]. 中國(guó)釀造, 2018, 37(8): 75-81.

[28] 李一關(guān), 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(duì)濃香型白酒雜醇 油含量的影響[J]. 中國(guó)釀造, 2021, 40(3): 106-110.