车间数字孪生参考架构包括物理车间、车间数字实体、车间数字孪生应用,以及各部分间的信息交
互,见图1。
———物理车间:由车间实体和关联关系组成,车间实体包括操作人员、制造设备、物料、环境等;关联
关系包括车间布局、操作流程、工艺流程、物料分配等。
———车间数字实体:包括孪生数据和数字模型。
———车间数字孪生应用:基于物理车间和车间数字实体实现的车间管控应用,包括但不限于排产调
度、物流管理、工艺优化、质量控制、设备管理、产线重构、能耗管理、生产管控、安全管控等。
———信息交互:车间数字孪生各部分之间以及车间数字孪生与企业管理系统交换数据、控制信息和
其他信息的过程,包括孪生互动。参与信息交互的对象包括物理车间、车间数字实体、车间数
字孪生应用、企业管理系统以及车间数字实体内部各部分。
车间数字孪生的基本要求、功能要求、安全要求应符合 GB/T43441.1—2023的规定。
应利用数字孪生基于生产计划对资源进行智能化管理、调度和优化的服务。通过排产方案制定、实
时调度调整、可视化监控与分析以及决策支持与优化等手段,对资源调度方案进行动态迭代优化、纠偏,
包括排产方案制定、实时调度调整、可视化监控与分析、决策支持与优化。
a) 排产方案制定:应按照生产计划,基于实时和历史生产数据,结合工装与设备状态、物料库存、
资源规则约束等因素,生成Z优排产方案。
b) 实时调度调整:应实时监控生产现场的数据变化,如设备故障、物料短缺、计划变更等异常。
在超过警戒阈值后,自动触发排产调度方案的调整/优化。
c) 可视化监控与分析:应将生产计划和调度的执行情况以图形化的方式展示出来。通过对生产
过程中的各项指标进行数据挖掘和分析,找出影响生产计划执行的堵点和瓶颈,并提出改进
建议。
d) 决策支持与优化:应基于排产调度的时序数据和历史数据,结合决策模型进行智能决策支持。
通过持续优化算法的应用,不断对排产调度方案进行迭代优化。
附件:GB/T 45873-2025《信息技术 车间数字孪生 参考架构》

企业应围绕数字化能力(体系)建设、运行和优化,结合流程优化方案和组织创新方案,对技术实现进行梳理、规范、融合和创新,制定技术实现方案,体系性、系统性和创新性管理技术实现的执行过程
《蓝皮书》旨在为政府部门政策制定、企业战略决策提供科学参考,同时帮助公众理解AI技术对经济社会发展的深远影响,AI赋能行业应用案例,产业政策及趋势分析
人形机器人市场规模预计从 2024 年的 20.3 亿美元增长到2029 年的 132.5 亿美元,复合年增长率达 45.5%;中国 60% 的企业将把AI 融入其主要产品和服务中,并且这些 AI 功能将成为收入增长的主要驱动力
手册分别介绍各AI平台的基本功能与特点、安装与使用、使用技巧与建议,及其注意事项与安全问题等情况,将会是您掌握和应用中文大模型 AI 平台的入门级使用指南
研究推进行业应用发展标准化的参考架构,期望为各行业主体明确人工智能应用建设发展的重点和目标,降低应用开发和复制的边际成本,为加快推进人工智能行业应用规模化落地提供有益参考
新制定国家标准和行业标准 50 项以上;开展标准宣贯和实施推广的企业超过1000 家;伴随以大模型为代表的新技术加速迭代,人工智能产业呈现出创新技术群体突破,行业应用融合发展
AIAgent作为大模型技术的应用,当前企业用户落地大模型的主要目的是降低运营成本,主要应用场景包括知识库、数据分析和营销客服;分为“执行者”、“辅助者”、“参与者”和“协调者”四个阶段
神经外科手术机器人成为植入式脑机接口发展的重要支撑;脑电采集设备市场规模持续增长,高端电生理监测设备对医疗和科研意义显著;超高场磁共振成像在脑机接口基础科研中发挥重要作用
数据智能的概念可以初步概括为,以全形态数据为关键资源,以大数据和人工智能深度融合后的新技术体系为关键手段,由此形成的新兴生产生活方式
倡导建立全球范围内的人工智能治理机制,支持联合国发挥主渠道作用,欢迎加强南北合作和南南合作,提升发展中国家的代表性和发言权
基于4311家人工智能企业数据,分析了中国人工智能产业的创新生态、技术体系、应用领域以及区域发展现状和趋势