数字孪生（Digital Twin）正在帮助制造业公司虚拟地复制物理环境。作为一家每年生产数百万台设备的公司，这个虚拟工具是一种研究制造过程、识别瓶颈和运行各种测试的方法，并且减少了实际的开销。最终目标是通过提高产量和减少开支来提高我们的运营效率。
在这篇文章中，我们将介绍数字孪生的概念以及如何利用它来改进SoC芯片制造。
数字孪生的定义
简单地说，数字孪生是一个物理实体的虚拟副本。数字孪生使用软件模拟单个设备、工具、流程、系统，甚至人或城市。
数字孪生体最大的特点在于：它是对本体的动态仿真。而且，数字孪生体不是随便乱“动”。它“动”的依据，来自本体的物理设计模型，还有本体上面传感器反馈的数据，以及本体运行的历史数据。
一些世界上最大的制造商，从飞机制造商到数据存储供应商，已经将数字孪生作为一种提高装配线生产率、改进产品设计和通过虚拟环境加速产品测试的方法。甚至有人希望通过数字孪生一点一点地重建有着850年历史的巴黎圣母院。
数字孪生可以帮助解决哪些挑战?
数字孪生被用于各种各样的应用。一个重要的用例是改进制造流程，通过使用数字孪生，公司可以动态模拟其智能工厂，识别跨系统、流程和其他环节上的瓶颈，测试可能的解决方案，并估计组件之间的交互和操作过程中可能发生的随机变化的结果——所有这些都在虚拟环境中进行。这样做既避免了对本体的影响，也可以提高效率、节约成本。
数字孪生的另一个用途是产品设计和测试。以喷气发动机为例，发动机的制造需要成千上万个单独的部件和全面的安全测试。与其建造一个昂贵的真实引擎，还不如建造一个数字孪生体来创建一个飞机引擎的3D复制品。然后，可以根据适当的规范对虚拟引擎进行分析、检查和测试。还可以为现有的飞机引擎创建一个数字孪生，通过组件分析提供可预测的维护建议。
“复制粘贴”整个上海工厂
数字孪生帮助我们模拟工厂操作，预测和解释预期的周期时间变化，以满足闪存需求的动态变化。利用在中国上海的半导体制造厂（fab）蓝图，我们创造了这个fab第二层的数字孪生。这一领域包括我们的自动机器人车辆（ARV）和基于闪存系统芯片的在线测试器。
我们的方法是将运筹学和随机Q-time理论结合起来，创建一个历史上精确的数字孪生。将该数据分为两个部分:试验台被测设备(DUT)的历史等待时间和服务时间分布，以及ARV运动分布。我们计算了给定机器人将一个测试单元(这里为SoC)转移到给定测试机器的预期服务时间。我们的目标是优化整体服务时间，从而提高工厂的产量和效率。
12周的快速学习周期
我们团队的许多数字项目每隔12周运行一次，我们称之为“快速学习周期”。我们花了12周的时间来试验、修补数字孪生体的各种输入，并分析预期的输出。在此期间的十周内，我们对实验结果进行评估，并决定是继续全面推进该项目，还是终止该项目。
在学习周期结束后，在未来6 - 12周内会进行试点。以我们的ARV数字孪生为例，试验在六周内分阶段实施，并逐步发布从数字孪生那里学到的业务决策规则。我们使用渐进的方法来避免在首次发布期间出现意外问题。最新升级的ARV路线规划已经从今年1月开始全面运行。
数字孪生导致了99%的ARV自动化
通过使用数字孪生优化工厂操作，我们的服务型机器人的ARV利用率提高了25%。我们在车间创建了多个服务区，并在特定区域放置ARV；这有助于减少总的移动时间。我们还为每个机器人创建了专门的功能：一些专用于加载测试机器，而另一些专用于卸载测试机器。
数字孪生现在已经使ARV的使用实现了99%的自动化。最后，我们使用数字孪生来模拟增加机器人对工厂效率的影响。通过估计机器人将如何影响生产线，我们可以快速有效地扩大规模。
把数字孪生带到硬盘操作
展望未来，我们将使用相同的数字孪生来优化HDD操作的吞吐量。具体来说，我们希望在HDD装配线上使用定量和定性分析。我们的目标是通过适当的参数和性能组合来减少周期时间和优化资本支出。
