產品概述
綜合建模平臺軟件 PERA DigiTwin IMP
PERA DigiTwin IMP 綜合建模平臺軟件是數字孿生體綜合建模平臺，支持孿生體中所包含的孿生模型、數據模型、仿真模型等各類模型的混合建模。
基于混合建模的方法，平臺從體系視角透視孿生體模型，并通過結構建模、協作建模、功能建模和服務建模等形成完整的孿生體模型，并支持從人工智能和數值仿真等不同維度構建緊貼業務需求的專業模型。在數據處理上支持數據探索、數據標注、特征數據提取等，在模型處理中支持模型沖突校驗、模型驗證、模型降階等功能。支持多學科協同集成，提供靈活的多學科協同環境的集成及運行。
平臺通過可視化建模，支持建模過程低代碼開發及單步運行調試，提供運行日志和錯誤在線提示。
特色功能
提供基于模型的業務實現方式，面向業務的全流程建模
支持數字孿生體中所包含的孿生模型、數據模型、仿真模型等各類模型的混合建模。基于混合建模的方法，從體系視角透視孿生體模型，并通過結構建模、協作建模、功能建模和服務建模等形成完整的孿生體模型，并支持從人工智能和數值仿真等不同維度構建緊貼業務需求的專業模型。
支持基于機器學習的數據模型可視化建模
基于機器學習的數據模型可視化建模，結合了數據科學、機器學習算法和可視化技術，可以幫助數據科學家和業務分析師更有效地探索數據、構建模型，并將其應用于實際問題。
特色功能包括：數據預處理、基于可視化的方式進行特征選擇、內置并根據數據的特點和業務需求選擇合適的機器學習模型、模型訓練與評估、模型結構、數據分布、特征重要性和模型預測可視化等。
融合Modelica模型，支持第三方仿真模型的集成與融合
面向系統工程、體系工程和多學科仿真集成等應用需求，平臺支持融合Modelica所定義的模型，這些模型可以是標準的或用戶自定義的。支持第三方模型（如MATLAB、Simulink等）的集成與融合，通過開發接口和適配器來連接不同的模型和仿真環境，遵循相關的標準協議，解決數據交換和協同仿真等問題。
客戶價值
-為數字孿生應用中數字孿生體的快速構建提供了一個集成開發環境，減少多系統、多平臺組合應用和集成所帶來的技術復雜性；
-支持以模型為核心的復雜裝備數字樣機構建，以滿足裝備在論證、研發、訓練和維保等不同領域對于裝備數字樣機交付的需求；
-適用于裝備性能評估和論證、虛擬試驗驗證、設計優化、預測性維護等需要基于裝備數字孿生體、接入實時或歷史數據，進行實時仿真推演和預測等應用場景。
項目案例
研發設計階段：某高端復雜裝備的虛擬試驗驗證
客戶需求：
某高端復雜裝備的研制過程中，試驗驗證環節是影響研發周期和研制成本的重要因素，同時某些試驗項目因其重大風險或客觀因素限制而無法進行。
針對性解決方案：
? 在試驗準備階段，物理模型包含試驗設備對象（整機、零部件）和試驗環境，構建基于數字孿生體模型的虛擬試驗對象與虛擬試驗環境。基于數字孿生技術，可以在原有的試驗基礎上擴充試驗設備和試驗環境的模擬，提升試驗的多樣性，也可以基于海量歷史數據構建更多的分析模型。
? 在試驗進行階段，通過將采集的試驗數據（溫度、壓力、應力、振動等）和外部數據（環境溫度、濕度、壓力等）進行分析，通過與數字孿生體的預測結果比較：一方面可以進行試驗方案的動態評估與優化，縮短試驗周期，降低試驗經費；另一方面，可以進行大量的虛擬地面試驗和高風險試驗，預測設備的功能、性能表現，預測可能出現的故障，評估設備的可靠性，為設計和制造工藝的優化提供有價值的信息。
客戶價值：
能夠大幅減少甚至避免實物試驗，降低試驗費用和開發成本。基本不受時間、空間等因素的制約，重復利用率高，可操作性強。易于改進，能夠使試驗者在產品研發的各階段實現交互式迭代設計。更好地解決多領域復雜系統的建模與仿真、復雜體系的試驗驗證等方面。
生產制造階段：某跨國大型制藥企業的數字孿生工廠應用
客戶需求：
客戶為某跨國大型制藥集團的大分子藥劑生產基地。由于大分子藥劑生產批次價值高，希望通過構建數字孿生工廠來優化藥劑生產工藝過程，并通過數字孿生技術的應用，快速找到制藥過程中的關鍵環境影響因子，確保藥劑生產質量，實現黃金批次。
針對性解決方案：
? 批次生產預測：對主要工藝過程的系統建模，預測該批藥劑的收率，并給出生產過程優化建議；
? 多因素關聯分析：構建人員、溫度、濕度、潔凈度、壓力等生產環境數據的實施關聯分析模型，確定影響因素，并給出改善建議。
客戶價值：
通過數字孿生工廠構建，大幅提升客戶藥劑生產的收率，同時有效地協助客戶完成降本增效工作，提升了整個工廠的運營收益。
運營維護階段：基于混合建模的風電數字孿生系統
客戶需求：
風電是未來最具發展潛力的可再生能源技術之一。縱觀風電場的全壽命周期，運維成本約占運營成本的25%-30%，如何有效降低運維成本成為客戶運營關注的重點。當前普遍存在以下問題：
1）風電場多位于偏遠地區，設備發生故障后維修困難；2）設備維修受風力等不可控自然因素影響大；3）傳統單一數據建模實現的預測性維修系統，存在傳感器和數據量不足、虛報和漏報較多、準確率受限等難題。
針對性解決方案：
? 風電場數字孿生體模型構建。從風電場運營的體系維度，將運營需求拆解到人、機、料、法、環、測六個重要維度，對環境、設備、人員、管理流程進行數字孿生體的構建，并通過數字線程對多孿生體進行裝載、協作、融合等操作和調度，最大程度地反映風電場運維的實際業務需求。
? 復雜多維信息的可視化監測。通過構建基于IFC標準的風場環境與風機系統內在發電工藝的三維模型，能夠將3D GIS、BIM信息、風機CAD模型進行有機結合，在虛擬空間中建立全面的生產感知力。工作人員可以清晰、明確地掌握發電規律，及時作出調整，避免因為運維活動安排不當帶來資產和發電量的損失。
? 多因素融合實現故障診斷和預測性維護。基于風機設計數據、運維數據、故障模式的綜合分析，對于不同部件采取針對性的孿生體建模方法。通過構建的混合模型來完成發電機繞組狀態監控、故障預測、仿真推演等應用，并能夠利用實時采集到的風機運行數據進行模型結構和參數的自我學習與持續優化。
? 多領域實時仿真推演。數字孿生模型貫穿于風電機組各系統全生命周期的各個階段，并能夠融合關鍵組件特性，高精度地對整機動態載荷進行實時仿真推演，可實現風電機組的多領域融合數據映射，并具備預測未來運行態勢的能力。
客戶價值：
開發的基于混合建模的風電場數字孿生系統，有效提高了復雜業務場景下風電場運營和風電機組的智能化運維水平，同時也為風電機組研發和風電場設計過程中的虛擬試驗驗證等應用，提供了寶貴的綜合孿生體模型和真實運行數據支撐。
