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 ，彭英傑1
1. 四川輕化工(gōng)大(dà)學自動化與信息工(gōng)程學院(宜賓 644000)；2. 四川輕化工(gōng)大(dà)學人工(gōng)智能四川省重點實驗室(宜賓 644000)；3. 四川輕化工(gōng)大(dà)學機械工(gōng)程學院(宜賓 644000)；4. 西南(nán)科技大(dà)學信息工(gōng)程學院(綿陽 621010)
摘 要 白(bái)酒曆史悠久、規模龐大(dà), 是我(wǒ)國經濟和文化重要組成部分(fēn)。在新一(yī)代信息數字化技術發展應用和《中(zhōng)國制造2025》規劃背景下(xià), 傳統白(bái)酒釀造向智能釀造轉型勢在必行。針對白(bái)酒企業生(shēng)産過程中(zhōng)如何保障連續工(gōng)藝穩定、增産降耗、控制複雜(zá)工(gōng)況變化等問題, 提出引入數字孿生(shēng)概念、構建數字孿生(shēng)模型、搭建釀造産線數據管理平台中(zhōng)心和結合人工(gōng)智能技術的相關算法, 以實現生(shēng)産全過程模拟仿真與優化控制, 全面提升企業生(shēng)産效能。探讨數字孿生(shēng)技術結合白(bái)酒企業在工(gōng)藝參數優化、全面質量控制、設備維護保障、窖池發酵等多方面應用效果, 以期有效保障酒企量質生(shēng)産, 降本增效, 提高經濟效益, 加快白(bái)酒轉型升級的步伐。
關鍵詞 數字孿生(shēng);工(gōng)藝參數優化; 全面質量控制; 設備維護保障; 窖池發酵
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(bái)酒釀造行業爲代表的傳統輕工(gōng)行業，通過智能數字化升級實現白(bái)酒釀造智能化的需求已經迫在眉睫，但其技術創新度不夠，導緻其低産高耗、質量把 控難和設備管理難等問題。與此同時，我(wǒ)國新一(yī)代經濟發展動力引擎——數字智能化技術，其中(zhōng)數字孿生(shēng)技術滿足虛實體(tǐ)信息實時交互融合，實現傳統制造模式向智能制造的數字化轉型，因此受到白(bái)酒釀造行業高度關注。
數字孿生(shēng)技術領銜于新一(yī)代智能技術，由最初的航天航空領域[1]逐漸被廣泛應用于産品設計[2] 、複雜(zá)産品裝配[3] 、工(gōng)程建設[4] 、化工(gōng)行業[5] 、機械制造[6]等領 域，之後逐漸向智慧城市[7] 、智能制造[8]等領域發展，契合《中(zhōng)國制造2025》的發展目标。
數字孿生(shēng)技術在産品設計模拟、生(shēng)産工(gōng)藝優化、 質量管控和設備運維保障等多方面的優勢越來越突出。因此，借助第4次信息工(gōng)業革命的浪潮和《中(zhōng)國制造2025》的戰略方針，旨在探索數字孿生(shēng)技術針對當前白(bái)酒釀造行業在智能釀造中(zhōng)的可行性應用及前景。
1 白(bái)酒釀造行業的現狀
國外(wài)液态發酵釀造方式已實現機械完全自動化和智能化管控，但中(zhōng)國白(bái)酒采用獨特的固态發酵釀造方式，其工(gōng)藝和自動化設備複雜(zá)程度較高，實現完全自動化較困難。近年來，白(bái)酒企業不斷擴大(dà)生(shēng)産規模以滿足白(bái)酒市場的需求，但随着生(shēng)産規模擴大(dà)，白(bái)酒企業面臨着釀造車(chē)間難以全面管控的問題日趨突出。根據白(bái)酒釀造行業現狀，大(dà)緻總結爲工(gōng)藝參數優化、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，将進一(yī)步加快實現白(bái)酒釀造智能化升級的步伐。
2 數字孿生(shēng)發展及概念
數字孿生(shēng)(digital twin)的概念最早可追溯到密歇根大(dà)學在2002年爲成立産品生(shēng)命周期管理(PLM) 中(zhōng)心向業界所作的闡述，GRIEVES M博士将這次闡述的概念模型簡稱爲Conceptual Ideal for PLM，此時已具備數字孿生(shēng)的所有要素：真實空間、虛拟空間、從真實空間到虛拟空間的數據流鏈接、從虛拟空間到真實空間和虛拟子空間的信息鏈接[9] 。同年，密歇根大(dà)學第一(yī)批高管課将這一(yī)概念模型稱爲鏡像空間模型； 在《産品生(shēng)命周期管理：推動下(xià)一(yī)代精益思想》中(zhōng)， Grieves[10]将這一(yī)概念模型稱爲信息鏡像模型；而後 Grieves[11]正式将數字孿生(shēng)概念提出。數字孿生(shēng)是充分(fēn)利用物(wù)理模型、傳感器更新、運行曆史等數據，集成多學科、多物(wù)理量、多尺度、多概率的仿真過程。其實質就是将物(wù)理空間的實體(tǐ)産品通過數字化構建虛拟空間的虛拟模型，通過數據交互實現模型實時雙向的 全生(shēng)命周期交互映射，将實現實體(tǐ)産線、生(shēng)産裝備、 生(shēng)産管理系統實時映射響應反饋，同時平台通過對大(dà)量的生(shēng)産數據進行相關性分(fēn)析，模型自身叠代優化計算完善産品的生(shēng)産工(gōng)藝、産能的合理預測及設備維護與預警等生(shēng)産要素[12-15]。
2.1 數字孿生(shēng)模型
數字孿生(shēng)是利用計算機技術将物(wù)理實體(tǐ)裝備生(shēng)産線或産品映射到數字化虛拟空間，它是一(yī)種多維映射模型。數字孿生(shēng)映射模型不單單是對物(wù)理實體(tǐ)裝備或産品簡單的虛拟三維映射，而是具有多層次性、多物(wù) 理特性、協同性、集成性、動态性、多學科交叉融合的可計算分(fēn)析和可進行概率預測的綜合體(tǐ)[16] 。構建數字孿生(shēng)模型如同搭建積木，由零件、部件、組件到完 整體(tǐ)的過程，其實質是将多個小(xiǎo)數字孿生(shēng)體(tǐ)按照一(yī)定方式要求進行整合成完整體(tǐ)的過程，最終實現産品全生(shēng)命周期的仿真模拟。
2.2 數字孿生(shēng)數據處理
數字孿生(shēng)模型不僅要繼承實體(tǐ)的物(wù)理特性，同時要兼備具有全生(shēng)産周期數據信息中(zhōng)心的功能[17] 。實體(tǐ)制造車(chē)間具有規模大(dà)、分(fēn)布廣、管理結構複雜(zá)等特點，其相對獨立的制造單元、冗長的産業鏈條、品種 多樣化的産品種類經常導緻其豐富的具有價值的信息 資(zī)源不能夠很好地分(fēn)析與利用和統一(yī)管理，進而形成一(yī)座座孤立的“信息孤島”[18] 。借助物(wù)聯網的萬物(wù)互通互聯的理念，生(shēng)産車(chē)間所部屬的TCP/IP協議的以太網傳輸、智能傳感器、數據采集器、RFID(radio frequency identification system)系統等多種現場生(shēng)産 數據采集方式都會産生(shēng)體(tǐ)量龐大(dà)的數據，系統将海量 的數據上傳至雲計算中(zhōng)心集中(zhōng)計算與處理，勢必造成雲計算中(zhōng)心服務器的運行效率低下(xià)，降低了服務器對系統管理和服務要求的響應速度，而邊緣計算的出現緩解了雲計算中(zhōng)心的計算壓力，感知(zhī)終端采集數據傳輸至邊緣層任意具備存儲、計算能力的設備節點，在數據源近端即可進行實時處理分(fēn)析，過濾掉無價值的數據後将其傳輸到雲計算平台[19] 。雲計算平台利用大(dà)數據工(gōng)具進行數據清洗、挖掘、分(fēn)析，并運用機器學習、深度學習等人工(gōng)智能技術對邊緣計算處理後的綜合實體(tǐ)數據加以算法規則分(fēn)析和數據整合提煉，并納 入到數字孿生(shēng)模型中(zhōng)，進而可實現生(shēng)産流程仿真、行爲驗證、産品評測、設備壽命預測、故障預警等多種可指導實際生(shēng)産的信息模型，爲實體(tǐ)系統提供參考決策，打造出高效的數據驅動模式[17] ；綜合實體(tǐ)數據包 括原料及原料向産品轉換中(zhōng)間過程品的過程數據、傳感器數據、設備的性能及工(gōng)藝參數、生(shēng)産線及生(shēng)産車(chē)間實時監控的各項指标，甚至在生(shēng)産過程中(zhōng)出現的人爲和自然環境因素等。
2.3 數字孿生(shēng)數據交互
物(wù)理實體(tǐ)與虛拟模型之間時刻保持着實時動态的數據交互是驅動數字孿生(shēng)模型發揮其作用的關鍵。虛拟模型依托實體(tǐ)産線各環節制造裝備和傳感器産生(shēng)的實時生(shēng)産數據，包括溫度、位置、流量等數據通過邊緣接口傳遞導出，彙集到雲計算平台，通過數字孿生(shēng)模型數據處理方法，不斷地數據叠代計算實現自身模型構建的優化與完善[17] 。同時虛拟模型對物(wù)理實體(tǐ)實際生(shēng)産過程進行在線仿真模拟、統計與分(fēn)析，得出最優控制決策，并及時反饋至實體(tǐ)設備做出相應的調整，争取在最短時間、最大(dà)程度上對工(gōng)藝方案進行調整與優化[20-21]。數字孿生(shēng)數據交互具有實時同步、快速響應、精準等特性；實時同步性要求數字孿生(shēng)技術構建的虛拟生(shēng)産線對設備運行狀态、産品流轉步調、物(wù)料損耗等與實體(tǐ)産線的生(shēng)産狀況具有一(yī)緻性，用戶無需到達現場，通過虛拟模型所反映的結果就能對現場生(shēng)産情況 一(yī)目了然；快速響應性要求虛拟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 性指數字孿生(shēng)模型數據交互作用時，對實體(tǐ)産線實現點對點控制。圖1是數字孿生(shēng)模型架構。
圖1 數字孿生(shēng)模型架構
3 數字孿生(shēng)與白(bái)酒釀造行業結合
中(zhōng)國白(bái)酒擁有數千年的悠久釀造曆史和酒文化底 蘊，成爲中(zhōng)國經濟和文化不可缺少的組成部分(fēn)。中(zhōng)國 白(bái)酒以富含澱粉質的高粱、小(xiǎo)麥、大(dà)米、糯米和玉米 等谷物(wù)爲原材料，以酒曲爲糖化發酵劑，經固态酒精 發酵、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(shēng)産技術造就了白(bái)酒豐富的口味和風 味。近年來，白(bái)酒行業在《中(zhōng)國制造2025》号召下(xià)和 市場需求下(xià)，由傳統生(shēng)産方式逐漸向智能化釀造轉型 升級。然而白(bái)酒釀造原料價格的波動和白(bái)酒市場的激 烈競争，通過智能化生(shēng)産融合新技術實現酒企在工(gōng)藝 上精益求精；産能上提質增效；能源上節能降耗，這 些将成爲白(bái)酒行業的未來發展趨勢。
數字孿生(shēng)技術作爲當前打造智能化生(shēng)産系統的核心技術，與白(bái)酒釀造行業的長期發展戰略目标是一(yī)緻 的，其在配方工(gōng)藝參數優化、産品質量全面控制、設備維護與預警和窖池發酵等多方面有實際應用可能。 數字孿生(shēng)技術自身的特點符合白(bái)酒行業轉型升級要 求，有助于推進白(bái)酒企業及整個白(bái)酒行業的數字化和智能化生(shēng)産。
3.1 數字孿生(shēng)在釀造工(gōng)藝參數優化中(zhōng)的應用
釀造工(gōng)藝參數貫穿釀造整個過程，是指導工(gōng)人生(shēng) 産的重要依據，是保障質量和産量的關鍵。以小(xiǎo)曲清香型白(bái)酒釀造工(gōng)藝爲例，整個釀造工(gōng)藝包含24道工(gōng)藝環節[23] ，其中(zhōng)浸泡工(gōng)序中(zhōng)原料與用水的比例、浸泡時 間、浸泡溫度、原料吸水度，配料工(gōng)序中(zhōng)糧、酒醅、糠的配比，蒸餾工(gōng)序中(zhōng)蒸汽壓力、蒸餾時間、蒸餾溫 度、出酒溫度等工(gōng)藝參數貫穿釀造全過程，對産品的 量質率、生(shēng)産耗能及釀造設備運行等有着不同程度的 影響。白(bái)酒行業轉型升級初級階段對于生(shēng)産工(gōng)藝參數 的設定，依然大(dà)量依賴于釀造現場工(gōng)人師傅的實際經驗，由于各個釀造工(gōng)段存在一(yī)定的獨立性，其設定的設備工(gōng)藝參數容易出現局部最優的情況，難以做到銜接上下(xià)釀造單元同步優化，釀造單元間的“壁壘”使白(bái)酒行業生(shēng)産全過程在降低能耗損率和提升産品質量 等方面在最優化的解決方案中(zhōng)面臨難題。同時，市場原料價格的浮動、企業産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，酒企根據實際情況對生(shēng)産工(gōng)藝參數進行指導修正，避免與生(shēng)産需求脫軌，導緻産能過剩或不足。但爲确保生(shēng)産穩定運行， 一(yī)般酒企僅會對産品、原料及設備工(gōng)藝出現重大(dà)調整時，才會對生(shēng)産工(gōng)藝參數在原有的基礎上進行調整與測定，大(dà)部分(fēn)僅限于局部調整與測定。
将數字孿生(shēng)技術引入到釀造工(gōng)藝參數優化過程中(zhōng)可以很好地解決上述存在的問題。數字孿生(shēng)模型是基于整個實體(tǐ)生(shēng)産工(gōng)藝和環境而搭建的虛拟映射模型， 實體(tǐ)産線的各項釀造工(gōng)藝指标參數數據由現場數據采 集傳感器實時地傳遞至工(gōng)業互聯網平台進行數據整 合，作爲虛拟模型進行大(dà)數據分(fēn)析的數據源。數字孿 生(shēng)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(gōng)智能技術實現跨工(gōng)段、跨區域、跨車(chē) 間的生(shēng)産數據相關性分(fēn)析，打破傳統車(chē)間存在“壁 壘”導緻的“數據孤島”現象。同時，利用虛拟模型數 據叠代反饋的高效性，極大(dà)降低白(bái)酒釀造環節中(zhōng)因設備 狀态的不确定性、酒醅物(wù)性和環境變化的非線性以及 監測數據反饋的時滞性等因素而帶來的建模誤差[24]。
虛拟空間中(zhōng)不存在實體(tǐ)空間的物(wù)理屬性，如質 量、摩擦、加速度等，因此數字孿生(shēng)系統中(zhōng)的某些物(wù) 理動作必須通過數字模拟的方式實現。實體(tǐ)車(chē)間布置 的各類傳感器、邊緣端口将實體(tǐ)産線各個點位數據實 時傳輸至雲計算平台中(zhōng)心，作爲數字孿生(shēng)系統中(zhōng)數字 模拟物(wù)理動作仿真腳本控制程序的觸發信号，将其反 映到對應虛拟模型中(zhōng)，達到與現場實時同步的效果。 利用計算機儲存能力強、計算能力快、模拟分(fēn)析能力 高效等特點對整個生(shēng)産系統效能進行測定，通過數字 孿生(shēng)構建的虛拟模型在線仿真模拟進行預測，不僅可 以降低人工(gōng)預測成本，而且對影響生(shēng)産波動的因素進 行實時模拟預測，将生(shēng)産控制指令及時反饋至實體(tǐ)設 備，最高效率地增産降耗，控制生(shēng)産成本，及時合理 地實現釀造工(gōng)藝參數的優化。
3.2 數字孿生(shēng)在全面質量把控中(zhōng)的應用
白(bái)酒作爲備受人們青睐的含酒精飲料，其質量保 證必須滿足國家相應的質量标準和生(shēng)産管理規範。全 面提升産品質量是白(bái)酒轉型升級成功的關鍵點之一(yī)， 白(bái)酒企業由傳統的僅限于産品質量檢驗，逐漸轉變爲 從原料訂購、中(zhōng)間過程産品質量控制和産品售後反饋 的全面質量控制，如傳統清香型白(bái)酒涉及産品質量安 全要求标準和規定主要有8項[25]。全面質量控制要求 酒企各檢驗部門必須投入大(dà)量的人力物(wù)力和财力進行 抽檢、審查、記錄，嚴格把控各環節質量大(dà)關，避免 因産品質量不合格而造成企業名譽和經濟損失。由于 白(bái)酒行業還處于轉型的過渡階段，現行的管理技術手 段在面對各環節質量控制的相對獨立性、各部門信息 傳遞的時滞性、人員(yuán)記錄的差異性等問題時，并不能很好地管理與處理，如上個環節物(wù)料信息變化時并不 能及時參與到下(xià)一(yī)個環節的工(gōng)藝調整，進而導緻生(shēng)産 過程不穩定，産品質量無法保障。
引入數字孿生(shēng)技術後，上述問題将會得到很好的 解決。首先，酒企從進廠的釀造原料開(kāi)始檢測，将檢 測的數據直接上傳數據平台中(zhōng)心進行整合，結合數據 中(zhōng)心大(dà)量的過往檢測數據，針對不同年份、不同地區 的原料品質，通過虛拟模型在線模拟分(fēn)析，反饋出适 合年份、地區的原料的工(gōng)藝條件，調整工(gōng)藝指标參 數，并在線生(shēng)成控制指令并及時下(xià)發至各個生(shēng)産單 元。其次，中(zhōng)間過程産品檢測數據繁多，針對大(dà)量檢 測數據進行分(fēn)區域、分(fēn)工(gōng)段、分(fēn)單元等層層嚴控把關 調整與優化，最大(dà)程度上控制生(shēng)産全過程的波動，保 障産品的質量。最後，産品銷售和售後數據反饋至數 字孿生(shēng)模型中(zhōng)進行多維度分(fēn)析，爲進一(yī)步提升産品質 量做出相關分(fēn)析，供管理者參考。除此之外(wài)，影響白(bái) 酒質量因素還很多，如摘酒、勾調以及貯存等，在相 應環節建立信息管理系統，并接入數字孿生(shēng)模型适用 的數據信息網絡，建立完善的全面質量把控體(tǐ)系。 3.3 數字孿生(shēng)在釀造設備維護保障中(zhōng)的應用
在3.1列舉的小(xiǎo)曲清香型白(bái)酒釀造工(gōng)序十分(fēn)複雜(zá)， 整個過程涉及多種類、多設備的綜合使用。從原料浸 泡、糖化發酵、上甑蒸餾、攤晾、入窖發酵等幾大(dà)工(gōng) 序中(zhōng)大(dà)量機械設備參與其中(zhōng)。釀造現場設備的密集 性、流通管道的錯綜複雜(zá)、環境的溫濕度等變化，會 導緻機械設備在實際的運行過程中(zhōng)出現很多問題。酒 企爲盡可能保障産能，不得不投入大(dà)量的人力、物(wù)力 和财力對設備進行維護，而當前酒企的設備維護仍處 于傳統的人工(gōng)巡檢模式，日常維護和定期停産維護， 但設備的磨損、零部件及控制系統電(diàn)路的老化，對設 備維護變得非常困難。日常維護和定期停産維護不僅 加重設備維護人員(yuán)的工(gōng)作量，而且對正常生(shēng)産造成一(yī) 定影響。
在設備維護保障中(zhōng)引入數字孿生(shēng)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(yuán)的工(gōng)作量，提高可靠性生(shēng)産。實體(tǐ)設備的名 稱型号、最初的設計性能參數、生(shēng)産使用過程的調試 參數，以及曆史負荷參數、維修記錄等相關數據都被 傳輸到以數據信息作爲樞紐的網絡平台[17] 。數字孿生(shēng) 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(fēn)析。數 據信息的可視化分(fēn)析，虛拟模型與實體(tǐ)相對應的實時 映射關系，不僅用戶對設備當前的狀态一(yī)目了然，降 低傳統人工(gōng)操作的失誤風險，縮短事故反應時間，而 且可以提前做出生(shēng)産排産計劃，提高生(shēng)産效率。
3.4 數字孿生(shēng)在窖池發酵中(zhōng)的應用可能
窖池發酵是釀造過程中(zhōng)的重要環節，有“生(shēng)香靠發酵，提香靠蒸餾”的說法，酒醅發酵品質的好壞直 接影響白(bái)酒品質和産量。影響酒醅品質的因素非常 多，包括發酵溫度、發酵時間、菌群數量、酒醅入窖 溫度、酒醅含水量、酒醅物(wù)性黏度和環境溫度等，研 究表明，溫度是影響發酵過程中(zhōng)的重要影響因素[26-30] 。 研究者針對溫度對固态白(bái)酒發酵的影響進行深入的研 究，表明采用控制發酵溫度有利于白(bái)酒品質和産量的 整體(tǐ)提升，體(tǐ)現溫度對發酵的重要性。
窖池發酵的數字孿生(shēng)模型可以有效預測異常窖 池。理想狀态下(xià)，數字孿生(shēng)模型可以構建出酒醅發酵 的整個生(shēng)命周期全過程，對整個發酵過程實時可視化 監測，在計算機技術手段條件下(xià)搭建預測異常窖池仿 真模型。但一(yī)般大(dà)型酒廠的窖池數成千上萬，規模龐 大(dà)，建立采集影響酒醅品質因素的完整體(tǐ)系，其成本 非常高昂。如前所述溫度對發酵的重要性，可酌情建 立溫度可控發酵池，屆時可引入數字孿生(shēng)模型，針對 不同香型白(bái)酒發酵溫度的特點，精準控制發酵溫度， 全面提升白(bái)酒品質和産率。随着酒企未來的發展，對 窖池發酵建立完善的監測體(tǐ)系，數字孿生(shēng)模型将有大(dà) 量、豐富的發酵數據支持，可以完全構建出酒醅發酵 真實環境的虛拟模型，虛拟模型将對發酵數據進行數 據叠代，實現模型自身優化，對異常窖池處理決策并 生(shēng)成控制行爲指令反饋，将大(dà)大(dà)降低人工(gōng)管理的難 度，縮短異常處理時間，白(bái)酒品質和産率将達到質的 飛躍。
4 結語與展望
目前，白(bái)酒行業轉型升級尚處于初級階段，對數字孿生(shēng)技術體(tǐ)系下(xià)的相關技術應用還處于探索階段。 但數字孿生(shēng)技術在産品設計、生(shēng)産、運維等多方面優 勢日趨顯著，将數字孿生(shēng)技術引入白(bái)酒行業是未來發 展的趨勢。以白(bái)酒行業爲代表的傳統輕工(gōng)業，作爲我(wǒ) 國經濟和文化的重要組成部分(fēn)，更應該突破傳統技術 瓶頸，通過技術創新實現産能增幅、節能降耗、降低 成本已迫在眉睫。智能釀造是白(bái)酒行業發展的長遠目 标，而未來以數字孿生(shēng)技術領銜的新一(yī)代智能生(shēng)産技 術必将加快白(bái)酒行業走向智能釀造的步伐，爲白(bái)酒行 業開(kāi)啓新的征程，爲我(wǒ)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. 數字孿生(shēng)在化纖長絲前紡絲車(chē)間 的應用探讨[J]. 制造業自動化, 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. 産品數字孿生(shēng)體(tǐ)的内涵、 體(tǐ)系結構及其發展趨勢[J]. 計算機集成制造系統, 2017, 23(4): 753-768.
[13] 陶飛, 劉蔚然, 劉檢華, 等. 數字孿生(shēng)及其應用探索[J]. 計 算機集成制造系統, 2018, 24(1): 1-18.
[14] 陶飛, 張萌, 程江峰, 等. 數字孿生(shēng)車(chē)間——種未來車(chē)間 的運行新模式[J]. 計算機集成制造系統, 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. 數字孿生(shēng)标準體(tǐ)系[J]. 計算機集成制造系統, 2019, 25(10): 2405-2418.
[17] 叔謀, 劉穎慰, 許克家, 等. 數字孿生(shēng)技術在澱粉行業的 應用前景[J]. 食品工(gōng)業, 2021, 42(2): 248-251.
[18] 宋雲鵬, 孫海龍, 焦潔, 等. 大(dà)數據在數字化工(gōng)廠中(zhōng)的應 用[J]. 物(wù)流科技, 2019, 42(4): 44-46.
[19] 石婷婷, 徐建華, 張雨濃. 數字孿生(shēng)技術驅動下(xià)的智慧圖 書(shū)館應用場景與體(tǐ)系架構設計[J]. 情報理論與實踐, 2021, 44(3): 149-156.
[20] 劉彬, 張雲勇. 基于數字孿生(shēng)模型的工(gōng)業互聯網應用[J]. 電(diàn)信科學, 2019, 35(5): 120-128.
[21] 劉丹, 黃海濤, 王保興, 等. 基于數字孿生(shēng)的再制造車(chē) 間作業模式[J]. 計算機集成制造系統, 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(gōng)藝在白(bái)酒生(shēng)産 中(zhōng)的應用研究[J]. 食品工(gōng)業, 2018, 39(9): 143-148.
[24] 魏一(yī)雄, 郭磊, 陳亮希, 等. 基于實時數據驅動的數字孿 生(shēng)車(chē)間研究及實現[J]. 計算機集成制造系統, 2021, 27(2):
352-363.
[25] 康健. 白(bái)酒企業質量管理、規範生(shēng)産、落實主體(tǐ)責任初 探[J]. 釀酒, 2016, 43(1): 100-104.
[26] 蒲岚, 李璐, 邱樹(shù)毅, 等. 發酵溫度調控對濃香型白(bái)酒主 要香味成分(fēn)生(shēng)成的影響[J]. 食品與發酵工(gōng)業, 2011, 37(7):
126-129.
[27] 應靜, 遊玲, 邱樹(shù)毅, 等. 溫度對濃香型白(bái)酒發酵的影響 [J]. 中(zhōng)國釀造, 2018, 37(8): 75-81.
[28] 李一(yī)關, 王琪, 何璇, 等. 芝麻香型白(bái)酒控溫發酵中(zhōng)試研 究[J]. 食品與發酵工(gōng)業, 2020, 46(17): 125-130.
[29] 周枭. 清香型大(dà)曲酒控溫發酵工(gōng)藝[J]. 食品工(gōng)業, 2020, 41(7): 30-34.
[30] 潘玲玲, 羅明有, 王媚, 等. 發酵溫度對濃香型白(bái)酒雜(zá)醇 油含量的影響[J]. 中(zhōng)國釀造, 2021, 40(3): 106-110.
