（北京化工大學，機電工程學院，北京100029)

摘要：注塑成型技術是制造塑料零件的常用方法。為解決傳統注塑技術存在的信息融合程度較差等問題，注塑行業正快速向數字化與智能化方向發展。數字孿生作為智能制造中的前沿技術，已經被應用于注塑成型的模擬過程中，通過模擬注塑過程，預測材料的流動行為、溫度分布和變形量等參數，不僅能夠減少試驗次數和成本，同時也能夠提高生產的靈活性和可持續性，以達到優化注塑工藝與提升產品質量的目的。對數字孿生技術在注塑成型中由車間與工廠到工藝與參數不同層級的應用方法進行了綜述。并且，提出了一種適用于注塑系統建立數字孿生的技術路線與系統需求。最后，總結了數字孿生技術在注塑成型方面的發展方向。

關鍵詞：數字孿生；注塑成型；智能化；數字化建模；優化生產

0引言

注塑成型具有效率高、產速快、尺寸精度高等特點，被廣泛應用于包裝、電子、航空航天、汽車和醫療器械等眾多領域。然而，與國際先進水平相比，我國的注塑行業在智能化方面存在技術差距。傳統的注塑成型過程受材料特性、工藝參數、模具設計和環境干擾等多種因素的影響，造成生產效率較低、產品質量不穩定及原料浪費，阻礙了注塑領域的進一步發展[1-4]。數字孿生技術作為一項革新性的數字化應用，在優化設計、實現遠程監控和支持決策具有優勢，也將大幅提高注塑制品的生產效率和質量，優化設備性能，減少資源浪費[5-8]。

文章綜述數字孿生技術在注塑成型領域中的應用進展，提出一種適用于注塑從業者的注塑系統數字孿生系統搭建的“五維需求”技術路線，分析注塑成型與數字孿生相結合的未來發展方向，為注塑成型行業的技術創新和產能提升提供有價值的參考。

1數字孿生概述

1.1發展歷程

數字孿生的初步概念由MichaelGrieves教授于2002年在密歇根大學提出，最初被稱為“鏡像空間”模型，包含真實空間、虛擬空間及其之間的信息流鏈接[9-11]。2006年，Grieves完善了該模型為“信息鏡像”模型，強調了真實與虛擬空間的雙向信息流，并可為一個真實空間提供多個虛擬空間[12]。2011年，Grieves將該模型正式命名為“數字孿生”，同年美國空軍研究實驗室和NASA提出了飛行器的數字孿生概念。此后，西門子等國外制造類企業率先應用數字孿生技術。與國外相比，國內的數字孿生技術發展較晚，但也有專家、學者和公司在該領域逐漸展現特色并推動了相關產業的發展[13-19]。數字孿生技術經過近二十年的發展與完善，在不同領域均得到應用，目前正處于快速進步的階段。以注塑成型設備為例，數字孿生理論模型如圖1所示，其展示了注塑成型設備的數字孿生模型構建過程，通過將物理設備數字化復制出一個可以用作進行多種模擬實驗的虛擬機器，復現設備實際狀態、評估設備的性能、預測故障并優化操作過程。

圖1數字孿生技術理論模型內容

1.2定義

在不同領域中，關于數字孿生的具體定義不同。在注塑成型所處的工程制造領域，數字孿生為充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程[20-21]。

《信息物理系統建設指南(2020)》中[22],對數字孿生的具體構成進行了詳細的定義，如圖2所示。其定義數字孿生包括物理實體、信息虛體（數字孿生體）與交互對接3個方面。其中，物理實體為物理世界的可被信息化的實物，例如人、設備、物料等；信息虛體是處于虛擬世界或信息世界的虛擬產物，包括數字模型、孿生數據與孿生服務；交互對接是指物理實體與信息虛體之間動態的數據與信息的交互。

以注塑設備為例，可以將數字孿生理解為一種技術方法，通過將注塑機實體數字化并在軟件中形成虛擬對象。在理想狀態下，在虛擬化的注塑設備上進行的每一個操作及由此引發的反應，對實機進行相應操作也會出現一樣的結果。但是，與實際對注塑機進行操作相比，在虛擬對象上執行的各種操作不會付出實際的代價。操作者可以在虛擬對象上設定創新的想法，研究可能出現的結果并反復進行試驗，達到測試的目標。同時，這種反復驗證猜想的過程還可以節約實際成本。

圖2數字孿生模型與理論內容

2數字孿生技術與注塑領域相關應用

從“智能制造”概念提出至今，眾多企業相繼加入智能化和數字化轉型的行列，鑒于現有的信息科學技術與工業制造技術的發展水平，要完全實現產業化、功能完備且符合標準的數字孿生技術較困難且投入較大[23]。因此，文章在目前技術發展現狀的角度綜述數字孿生技術在注塑行業的發展，分析注塑行業未來與數字孿生技術融合發展的趨勢。

2.1車間與工廠級數字孿生

車間與工廠級的數字孿生在技術層面上對工廠內環境、人員和設備等信息的集成化與體系化具有較高要求。在應對數字孿生技術應用、智慧管理、協同制造、綠色制造和安全制造等多方面高標準的挑戰時，大部分注塑企業目前的技術整合能力難以滿足要求。

西門子公司為福特汽車工廠建立了一種數字化模型，該模型通過MOM系統集成，利用物聯網技術收集并管理工廠生產設備的各項信息，并將這些數據分析并整合到一個可視化平臺中進行展示和操作，該技術方案有效地解決了工廠生產資料不透明的問題[24]。

高蓓蓓等[25]結合注塑工廠的生產管理特點為注塑企業研發了“泛盾注塑云”MES系統。該系統結合了云計算、物聯網、大數據和人工智能等技術，實施的全流程數字化管理覆蓋了物料處理、計劃排產、任務派工、質檢、物流和倉儲等多個環節，其核心技術在于其先進的IOT網關和數據采集器，這些設備穩定且準確地收集關鍵生產數據，并實時監控設備狀態。通過生成OEE和設備24h運行報表等多維度數據，使管理層能更高效地分析并提升設備效率。該MES系統顯著地提升了產品的合格率，最高可達99.8%,有效地減少資源浪費并降低了生產成本，在整體生產系統層面產生了顯著的正面效益。

陳彥良等[26]通過整合原料處理、模溫控制、廢料回收、自動化和物流等關鍵資源，構建了一個基于數字孿生技術的sData注塑工廠數據采集監控系統，該系統是一種軟硬件解決方案，以數字化替代經驗主義，專注于收集和分析設備狀態信息。通過采用標準的RS485通訊接口和Modbus-RTU通訊協議，系統能夠方便地連接各個設備，將生產過程中不可見的要素逐漸可視化，實現了管理者與工廠設備間的集中監控和數據采集分析。

吳峻睿等[27]提出了一種關于智能注塑工廠的設計與應用，注重注塑工廠內設備狀態、參數動態、歷史資料信息等多源異構數據之間的收集、通訊與反饋。借助Linux平臺設置可自定義的圖表系統界面，采用Modbus通訊協議與Mongodb數據庫獲取并存儲生產現場的實時數據，利用降維、特征提取與回歸分析等數據分析技術處理多源數據以優化生產工藝的推理和決策模型，同時支持注塑工廠內不同設備之間的互聯互通。

陳偉才等[28]在傳統車間管理的基礎上，拓展了物理實體車間在虛擬空間的真實三維可視化效果，并提出了數字孿生技術驅動的車間管理體系架構。利用MesWorkDataFactory數字孿生虛擬仿真平臺進行孿生車間建模，并通過OPCUA數據采集網絡架構感知設備的生產數據。前端接收設備運動的實時信號，并根據工藝規劃，驅動孿生模型運動，實現了一個同步運行的、虛實交互的、數字孿生驅動的車間管理系統。將此系統應用于一個具體的生產車間，實現了數字孿生技術在車間運行中的新模式，驗證了系統的有效性和實用性，為數字孿生技術在車間管理中的應用提供了新的思路和實證驗證。

吳軼凡等[29]基于特定的注塑車間場景，提出了一個面向數據安全保密的數字孿生系統的總體架構，其包括主要設備的三維建模與相應的運動學模型、一種面向不同通訊協議設備的邊緣服務器通訊板硬件電路和車間數字孿生系統的數字端模型。并通過針對車間中虛擬可視化、邊緣服務器數據采集與數據傳輸安全架構的研究和測試，展示了該系統的實用性和效果，提升了注塑車間的數字化轉型效率。

2.2注塑模具、工藝與過程參數級數字孿生

由于缺乏實時監控和現場數據的準確分析，生產管理人員難以及時了解設備的運行狀態和故障診斷與維護工作。而且，目前國內注塑行業通常使用較陳舊的設備，不同設備間的工控協議和通信協議存在差異，導致設備間的互聯互通困難。注塑成型過程的全面控制包括機器參數、模內參數和零件質量控制[30]。機器的在線數據對過程監控有一定幫助，但是，最準確的加工數據主要來自模具，這導致模內的過程控制在注塑成型中占據重要地位。模內過程參數通過傳感器測量，其中，壓力傳感器和溫度傳感器在模內過程控制中起著主導作用[31]。

Modoni等[32]研究了一種可供微型制造企業（如微型注塑成型）遵循的為設備賦予數字孿生技術的結構性方法。介紹了如何利用數字孿生技術來實時監控注射壓力、速度、溫度等關鍵參數，以優化注塑過程并減少廢品率。為驗證方法的可行性，將微型注塑制造過程中聚合物熔體流變行為的粘彈性模型（包括Maxwell模型與Kelvin-Voigt模型）[33]引入數字孿生模型完善微型注塑成型過程，通過分析實驗數據確定了材料的流變學特征和合理參數范圍，在可視化平臺中分析成品件的質量問題原因并給出具體參數的調整意見，為微尺度制造過程提供了新的視角，尤其對于精密制造領域如生物醫療設備制造具有重要意義。

胡家誠等[34]以解決傳統注塑機的基于PID的運動控制精度差的缺點為目標，提出了一種基于數字孿生模型的注塑機運動控制方法，該方法先通過理清注塑機中機械、電氣和液壓系統的結構關系分別建立了對應的仿真模型，再收集標準注塑機在不同工況下的運行數據，利用這些數據在仿真模型中生成數字孿生模型。然后，利用控制器獲取注塑機實際運行數據，通過數字孿生模型進行分析并生成控制信號，實時調整注塑機運行參數。最后，對機械、電氣和液壓的仿真模型進行測試和驗證，確保其與實際注塑機運行數據的一致性，實現對注塑機的綜合控制，提高注塑機的運動控制精度和適應性，適用于復雜運行條件下的準確定位控制。

Park等[35]基于收集的數據用于研究機器輸入過程參數、實際傳感器讀數和產品質量類型之間的相互關系與基于實時人工智能的注塑成型周期工藝參數控制研究，提出了一種補償算法來改變機器的輸入參數，以獲得空腔內的理想條件，并有效的提高產品質量的一致性。

邦華推出了一種注塑機IOT聯網數據采集方案，方案包括采集器結構設計、無線數據傳輸技術以及基于PLC的數據采集網絡布局，能夠跨品牌適用于各種注塑機。其協議專有化、網絡依賴小等優點使得注塑機在數字化過程中的數據采集性能與傳輸穩定性方面均得到提升，提高數據采集的實時性和準確性[36]。使生產管理人員能夠及時準確地掌握設備運行狀態，同時評估維護工作的需求，提高維護效率和生產效率。

Pabst等[37]開發了一種新型的注塑成型過程中腔內溫度和壓力的動態預測方法，該方法基于SARIMAX模型，以Python語言開發實現。能準確模擬由熱擾動或聚合物性質變化導致的瞬態過程，克服了傳統CAE工具的局限。該模型將腔體溫度和壓力曲線建模為混合自回歸移動平均過程，并能夠更準確預測注塑成型批次中的循環間變化。通過對實際注塑過程和模擬確定性干擾曲線的驗證，證明了該方法的有效性，并且滿足實時性要求，適用于簡單的開環控制方法。

Moldex3D技術團隊為注塑機數字孿生技術提供產品設計、模流仿真分析以及結果觀察的平臺，并給出了在Moldex3D軟件中注塑機數字孿生模型的建立流程[38],利用實際注塑機案例強調了機器特性分析在數字孿生中能產生較大的效益，例如，可以提高模流分析對實際成型的契合度，可以實現模流分析與機器參數的數據融合與系統整合，方便操作者掌握每臺機器的生產狀況。

何和智等[39]利用了一種自主設計的基于Linux系統的多協議多功能控制平臺，并采用分流集流閥簡化了抱閘液壓機構的液壓油回路，創造了純雙板注塑機的智能化升級產品。由文獻[39]可知，一家企業憑借其先進的I-factory4.0技術，推出了配備SmartClamp智能鎖模系統的UN500DP雙板式注塑機，同時整合了聚氨酯(PUR)設備和InPUR“1+2”模具技術，實現了汽車發動機蓋板零件的一步法成型，具有局部高光表面效果。

3注塑成型技術發展制約因素

注塑成型技術在制造業中扮演著重要的角色。目前，注塑行業正經歷數字化的集成、融合與轉型發展，使其能滿足注塑行業目前對智能化的發展需求。然而，在其發展過程中，一些制約因素對其進一步優化和提升產生了一定的限制。這些制約因素涉及工藝的復雜性、成本控制、產品質量以及設備維護等方面。因此，了解并尋找措施解決這些制約因素對于推動注塑成型技術的發展具有重要意義[40-44]。

3.1社會或生產資源

行業自身局限性。注射成型的塑料制品屬于產品質量高且服務周期性較長的產品，在傳統注塑行業中，企業為了經濟效益，常采用降低原材料支出的方式，這可能會對產品和服務的質量產生影響。

資金投入顯著，初創企業難立足。設備的購置、維護和保養等投入直接反映了財務負擔，不慎的成本決策可能導致回報率遠低于預期。并且注塑成型的原材料通常是價格波動較大的石化類產品，其不確定性為初創企業的商業競爭帶來挑戰。

生產資料不透明。企業的資產清單通常只記錄數量和價值，而忽視了對資產的形狀、位置、加工能力、維修狀態等信息。此外，在工廠調整的過程中，企業管理者需通過現場考察準確了解工廠的實際狀態并將生產任務合理化。對于工廠的產能，企業也只有較為模糊的估計，并且無法準確估計因設備更新而新增的產能或因設備維修等原因損失的產能。

研發與設計人才缺失。注塑制品行業研發設計人才供需不平衡，限制了行業創新能力，影響了用戶個性化需求的滿足。行業的模具設計靈活性較差，無法充分滿足市場需求，導致產品與消費者需求匹配度較低。

3.2技術與工藝

依賴人工技術經驗。注塑成型過程中涉及大量數據，包括成型工藝參數與環境參數、生產環節中的成型設備監測數據以及生產后產品批次質量統計等數據。然而，這些數據未能得到充分重視和有效利用，需要專業人員從數據中發現問題并且依據過往的經驗解決問題。為提升產品質量監控和生產資源配置的效率，需進一步發展參數自適應調節與設備自我感知等技術與工藝，引入更多的自動化和智能化元素，例如，基于人工神經網絡參數整定模型、基于遺傳算法的參數尋優模型等。

注塑流程不連續。模具和設備的監控和改進優化通常在模具設計、模具制造和注塑工藝調整每個階段單獨進行。由于不同階段存在相關性，每個階段的變化均會對其他階段產生一定的影響，因此，需要注塑成型中的所有階段能夠互聯互通。因此，模擬分析也不應僅基于歷史數據的輸入，還需要包括設備的當前狀況和對其他階段未來事件的預測，以做出恰當的決策。

理論工藝與實踐現場脫節。目前，有很多專家和學者將成型工藝參數與各種先進的人工智能算法相融合[45],并且在模擬仿真中實現了成品不同程度的優化。但是，在實際運用中，在購置時就已成型完整的設備通過其出廠時廠商所提供的控制程序等使得基于理論模擬等的各種優化措施在導入機器設備時存在不匹配、通訊難等問題，無法根據生產任務進行優化或改變，成為一臺固化的自動化設備。并且這些優化方法的設計者往往難以全面了解設備和工廠車間等復雜生產現場環境對工藝過程的影響，如果無法綜合考慮影響因素，在設備調試時可能存在與理論相反的情況。

注塑過程數據的研究與處理系統化程度低。過程數據可以通過過程變量和機器變量進行分類。過程變量指的是注塑周期中模具腔內發生的數據。壓力－比容積－溫度(PVT)數據和流動速度是主要的過程變量。液壓壓力、鎖模力以及往復螺桿行程或速度被稱為機器變量。在注塑成型過程中，質量和熱傳遞與腔體幾何形狀均相關[46-47]。目前，對這些數據的相應研究均較豐富，但是，僅限于控制單一或兩三個變量時數據對注塑過程的影響，缺少系統考慮過程數據的綜合影響。

生產計劃不透明。主要體現在信息不共享、計劃調整滯后、資源配置不合理和評估困難等方面。為改善此問題，注塑制造企業需建立透明、靈活的生產計劃管理系統，并利用現代信息技術如ERP和MES系統實現生產數據的實時監控和分析，以提高生產計劃的透明度和準確性，支持企業的持續改進和客戶滿意度。

4注塑成型數字孿生系統

4.1技術框架

許多與注塑成型過程相關的研究均集中在工藝參數和質量優化等方面，但整體的研究趨勢正在向實時工藝優化、過程監控和質量缺陷預測方向發展。數字孿生技術在注塑成型中的應用可以輔助實現這些目標，以這些目標為導向，整理出一種注塑成型數字孿生系統的技術框架如圖3所示，技術路線是以注塑成型設備的模型參數、零件參數、傳感器、控制器、實時數據等為基礎，借助模型建立類軟件、模擬仿真類軟件和計算分析類軟件去構建注塑機的數字模型、運行數據庫和流程工藝知識庫，最后通過集成化方法實現注塑成型數字孿生系統的同步運動、數據分析、缺陷預測、質量優化以及改進決策等應用。

圖3注塑成型數字孿生系統技術框架圖

4.2注塑成型數字孿生系統需求結構

根據4.1所述數字孿生技術在注塑成型設備與系統的技術路線，提出一種搭建注塑成型數字孿生系統最基本的“五維”需求與組成結構，目的是總結相關研究學者們在研究搭建各自領域相關設備的數字孿生系統時存在的相同路線，并將各自碎片化的步驟進行合理規整，在后續思考如何搭建一套行之有效的注塑成型數字孿生系統時能夠在這個結構中得到一定的啟發和思路。

注塑成型數字孿生系統“五維”需求結構如圖4所示，其按步驟進行依次是建模、數據、顯示、控制和預測5個維度。

?

圖4注塑成型數字孿生系統“五維”需求

(1)建模。數字孿生技術首先強調虛擬空間對物理世界的真實復現，因此，對真實世界的數字化復制便顯得至關重要。根據目前的數字建模技術發展，有多種前沿的3D建模類軟件（例如Solidworks、Creo、Rhino、CATIA、AutodeskFusion360等）能夠真實模擬出注塑設備的規格參數與結構材料，通過人工測量或工程圖紙等方法將注塑成型設備復刻到軟件中。在3D建模完成后，存在虛擬模型由于網格自動劃分不合理或者細節要素過多等原因，其內存占用太大，導致在模型使用時存在過大的延遲與卡頓，因此，需要借助一些數學劃分網格類方法（如QEM方法等）或者一些可以簡化模型網格（例如3DsMax等）的軟件來解決這個問題。在模型建立完成后，還需要將設備所處的真實環境進行數字化搭建（例如Unity3D、虛幻引擎等軟件），分析環境因素對設備的影響，并且能在計算機中看到設備的完整運動流程。

(2)數據。接著數字孿生技術強調了數據實時的和雙向的流通，也即數字孿生對于數據的交互需求。對于注塑機而言，當需要將不同的傳感器或控制器接入其中時，各種數據便成為了具有多源、異構和多維特征的非融合數據，為了滿足數字孿生針對數據融合共同處理的需求，將這種多源異構的數據統一到一起是一種關鍵性難題。目前，統一數據流通的常用方法包括但不限于將不同的傳感器接入PLC中數據統一發送到計算機中進行處理、OPC-UA通信協議與工業互聯網、RFID物聯網措施等。通過這些方法可以有效將數據雙向互通，在實時性方面也能夠得到保證。

(3)顯示。主要要求是設計一種可視且可交互的界面。基本包括注塑機運動、工藝參數（溫度、保壓壓力、螺桿位移、鎖模力等）、環境參數、余料、預警信息等的顯示。

(4)控制。主要體現在通過設計好的人機交互界面遠程操作注塑機的運動（例如開關機、預熱、加料、處理預警信息、調整下一模參數、導出所需參數的變化等）。

(5)預測。其內容主要是借助大量的設備實際運行歷史數據，基于人工神經網絡算法或其他人工智能類算法建立一個最優化工藝參數模型，實現產品的質量預測，并且可根據質量反饋調節工藝參數使產品能夠在設定的可接受范圍內小范圍波動。

5結語

數字孿生技術在注塑成型的應用具有顯著優勢，包括提高生產效率、優化產品質量、實現遠程監控以及操作決策的制定，為注塑成型帶來更高效、更穩定、更可持續的生產方式。為進一步拓展數字孿生在注塑成型領域的應用潛力，可關注以下方面：

(1)進一步發展協同性更高的數字孿生模型，包括更準確的物理仿真模型和數據驅動的機器學習模型，模型應綜合考慮材料特性、設備數據和工藝參數，提高復現與預測注塑過程時的精確性和可靠性。

(2)關注數據的流通性和實時性，特別是解決不同設備的通訊協議差異帶來的數據融合難題。可以開發一種標準化的數據交換協議，實現所有設備的數據流集成簡易化；引入云計算或邊緣計算等高效的數據處理機制，實現數據的實時更新和分析。

(3)將數字孿生技術與人工智能、大數據分析和物聯網等技術結合，利用機器學習算法對收集到的大量生產數據進行分析，實現質量監控和缺陷預測，不僅可以優化生產過程，減少停機時間，還可以實現設備的遠程監控和控制，提高生產的靈活性和自動化水平。

參考文獻：

[1 ]  馬占峰，牛國強，蘆珊．中國塑料加工業(2021 ) [ J ] . 中國塑料，2022 , 36 (6 ) : 142 .

[2 ]  中華人民共和國國家統計局．中國統計年鑒[ M ] . 北京：中國統計出版社，2022 .

[3 ]  李陽，郭飛，李茂源，等．塑料注射成形智能技術及其應用[ J] . 中國機械工程，2020 , 31 (22 ) :2734 - 2744 .

[4 ]  WANG Z , FENG W , YE J ,et al . A study on intelligent manufacturing industrial internet for injection molding industry based on digital twin[ J] . Complexity , 2021 , 2021 : 1 - 16 .

[5 ]  UHLEMANN T H J , LEHMANN C , STEINHILPER R . The digital twin : Realizing the cyber -  physical production system for industry 4 . 0 [ J] . Procedia C irp , 2017 , 61 : 335 - 340 .

[6 ]  Gartner. Gartner, s Top 10 Strategic Technology Trends for 2017 [ EB/OL] . [2016 - 10 - 18 ] .

[7 ]  Gartner. 2017 Hype Cycles Highlight Enterprise and Ecosystem Digital Disruptions[ EB/OL] .  [2023 - 06 - 15 ] .

[8 ]  Gartner. Gartner,s Top 10 Strategic Technology Trends for 2019 [ EB/OL] . [2023 - 06 - 15 ] .

[9 ]  TAO F , CHENG J , QI Q , et al . Digital twin-driven product design ,manufacturing and   service with big data [ J ] . The International Journal of Advanced Manufacturing Technology , 2018 , 94:3563 - 3576 .

[10]  ERRANDonEA I, BELTRÁN S, ARRIZABALAGA S. Digital twin for maintenance : A literature review [ J ] . Computers in Industry , 2020 , 123 : 103316.

[11]  ZHANG M , TAO F , NEE A Y C . Digital twin enhanced dynamic job-shop scheduling[ J] .   Journal of Manufacturing Systems , 2021 , 58 : 146 - 156 .

[12]  GRIEVE S M . Origins of the digital twin concept [ J ] . Florida Institute of Technology,  2016 , 8.

[ 13 ]  GRIEVESM W . Product lifecycle management : the new paradigm for enterprises [ J ] .    International Journal of Product Development , 2005 , 2(1 /2) : 71 - 84 .

[14 ]  GRIEVES M . Back to the future : Product lifecycle management and the virtualization of product information[ J] . Product Realization : A Comprehensive Approach , 2009 : 1 - 13 .

[15 ]  SINGH M , FUENMAYOR E , HINCHY E P, et al . Digital twin : Origin to future[ J] . Applied System Innovation , 2021 , 4 (2) : 36.

[16]  GRIEVES M . Virtually perfect : driving innovative and lean products through product  lifecycle management [ M ] . Cocoa Beach : Space Coast Press , 2011.

[17 ]  GLAESSGEN E , STARGEL D . The digital twin paradigm for future NASA and US Air Force vehicles[ C ] //53 rd AIAA/ASME/ASCE/ AHS/ASC structures , structural dynamic s and materials  conference 20th AIAA/ASME/AHS adaptive structures conference 14 th AIAA . 2012 : 1818.

[18]  GOCKEL B , TUDOR A , BRANDYBERRY M , et al . Challenges with structural life forecasting using realistic mission profiles[ C ] // 53 rd AIAA/ASME/ASCE/AHS/ASC structures , structural dynamics and materials conference 20th AIAA/ASME/AHS adaptive structures conference 14 th AIAA . 2012 : 1813 .

[19 ]  共研產業研究院．2022 - 2028年中國數字孿生市場調查與投資方向研究報告[ R] .北京，2022.

[20]  GRIEVES M.Digital twin : manufacturing excellence through virtual factory replication[ J] .   White paper , 2014 , 1(2014) : 1 - 7 .

[21]  于勇，范勝廷，彭關偉，等．數字孿生模型在產品構型管理中應用探討[ J] . 航空制造技術，2017 , 60(7 ) : 41 - 45 .

[22]  中國電子技術標準化研究院．信息物理系統建設指南(2020 ) [ EB/OL] . (2020- 8 - 28) .

[23 ]  智研瞻產業研究院．2022年注塑制品行業發展前景及規模分析[ EB/OL] . [2023 - 03 - 17 ] .

[24 ]  Siemens . Siemens and NVIDIA to enable industria metaverse [ EB/OL] . (2022 - 06 - 29) .

[25 ]  泛盾注塑云．注塑行業MES系統解決方案，打造數字化智能工廠[ EB/OL] . (2022-08 - 16) .

[26] 中塑在線．信易：夯實數字化基礎，推動注塑行業實現智能化[ EB/OL] . (2020 - 10 - 28) .

[27 ] 吳峻睿，謝仲銘，王立斌，等．一種智能注塑工廠系統設計與應用[ J] .機電工程技術，2021 , 50(10) :176 - 179 .

[28]  陳偉才，段明皞，張南，等．數字孿生驅動的車間管理系統開發[ J] . 組合機床與自動 化加工技術，2023 (9 ) :178 - 181 .

[29 ] 吳軼凡．注塑車間數字孿生系統關鍵技術研究[D ] .西安：長安大學，2023 .

[30]  KARBASI H , REISER H . Smart mold : Real-time in-cavity data acquisition[ C ] //First  Annual Technical Showcase & Third Annual Workshop , Canada . 2006 .

[31]  AGEYEVA T , HORVÁTH S , KOVÁCS J G . In-mold sensors for injection molding : On the  way to industry 4 . 0 [ J] . Sensors , 2019 , 19 (16) : 3551.

[32]  MODONI G E , STAMPONE B , TROTTA G . Application of the Digital Twin for in process monitoring of the micro injection moulding process quality[ J] . Computers in Industry , 2022 ,  135 : 103568.

[33 ]  TROTTA G , STAMPONE B , FASSI I , et al . Study of rheological behaviour of polymer   melt in micro injection moulding with a miniaturized parallel plate rheometer [ J ] . Polymer  Testing , 2021 , 96 : 107068.

[34 ]  胡家誠，高峰，陸蕾鍵等．一種基于數字孿生模型的注塑機運動控制方法：中國，CN115302726A[ P] . 2022-11- 08 .

[ 35 ]  PARK H S , PHUONG D X , KUMAR S . AI based injection molding process for consistent  product quality[ J ] . Procedia Manufacturing , 2019 , 28 : 102 - 106 .

[36]  邦華．注塑機 IOT 聯網數據采集方案[EB/OL] . (2022 - 04 - 04) .

[37] PABST R G , DE SOUZA A F , BRITO A G , et al . A new approach to dynamic forecasting of cavity pressure and temperature throughout the injection molding process[J] . Polymer  Engineering & Science , 2022 , 62(12) : 4055 - 4069 .

[38]  Moldex3 D .Moldex3 D模流仿真結合注塑機數字孿生技術剖析- T0量產關鍵因素 [ EB/OL] . (2022 - 12 - 16) .

[39 ]  何和智，高琦，張濤．國內外大型注塑機技術發展動態綜述[ J] .中國塑料，2022 , 36(11) :140 - 149 .

[40]  工業數字孿生白皮書發布[ J ] .工業控制計算機，2021 , 34 (12) :19 .

[41] CORALLO A , DEL VECCHIO V , LEZZI M , et al . Shop floor digital twin in smart  manufacturing : a systematic literature review [ J] . Sustainability ,  2021 ,13 (23 ) : 12987 .

[42]  黃耀波，劉佳新，徐祖華，等．基于PWA融合模型的注塑過程保壓段建模及控制策略 [J] .化工學報，2020, 71(3 ) :1103 - 1110 .

[43 ]   鄭方莉．注塑成型工藝參數智能設置及優化[ D] . 北京：北京化工大學，2022.

[44 ]   張倫彥．面向數字孿生的工業互聯網平臺構建技術研究[ J] . 智能制造，2022(6) :94 - 98 .

[45 ]   劉欣，范希營，郭永環，等．注塑工藝參數優化研究現狀及發展趨勢[J] .塑料科技，2021 , 49 (2) :106 - 110 .

[ 46]   KAMAL M R , PATTERSON W I , ConLEY N , et al . Dynamics and control of pressure in  the injection molding of thermoplastics [ J ] . Polymer Engineering & Science , 1987 , 27 (18) :  1403 - 1410 .

[ 47 ]  TSAI K M , LAN J K . Correlation between runner pressure and cavity pressure within   injection mold [ J ] . The International Journal of Advanced Manufacturing Technology , 2015 ,  79 : 273 - 284 .