LiveTwinAX 官方介绍 | 面向智能工厂的 AI 集成控制平台（基于 EPICS）
时长 13:10 · 发布 2026年11月9日 · 语言 中文
LiveTwinAX 保留现有 PLC 与设备，在 EPICS 之上把采集、判断、控制和 3D 孪生整合到一个平台。AI 给出数值，由 EPICS DB 判断。降低出力的判断自动执行，改变工艺的判断经运行人员批准后由序列器执行。
片中五个工艺（电动车电池化成、齿轮气体渗氮、氧化镓单晶、海上风电、韩电配电）均在 LiveTwinAX 真实画面上以孪生仿真数据演示。
章节
- 0:00开场
- 0:11为什么需要实时运营基础
- 0:57平台构成
- 1:59物理 AI 原则
- 2:35CASE 1 电动车电池模组化成
- 4:10CASE 2 齿轮气体渗氮
- 5:21CASE 3 氧化镓单晶
- 6:26CASE 4 海上风电 60 MW
- 7:48CASE 5 韩电 22.9 kV 配电
- 9:10五个工艺小结
- 9:22熟练经验 · 标准化 · 安全 · 再训练
- 10:42MAPS 应用方向
- 11:49同一平台，不同规模
- 12:03Cotlab
- 12:19导入路线图
- 12:38结论
相关页面
视频文稿
视频旁白全文。点击章节标题即可从该场景开始播放。
0:00开场
LiveTwinAX是面向智能工厂的AI集成控制平台。它基于成熟的控制标准EPICS，成为MAPS现场的实时运营基础。
0:11为什么需要实时运营基础
出行、AI数据中心、物理AI、智能工厂。Cotlab把这四个产业称为MAPS。四个产业的共同点是，AI走出屏幕，驱动电池、零部件、冷却、电力、机器人和工厂的实际设备。所以现场需要能读取状态、做出判断、按权限控制的实时运营基础。数据采集和设备运行是不同的技术。运行必须同时兼顾时间与顺序、故障恢复与指令权限。EPICS是开源分布式控制标准，三十多年来支撑着加速器、核聚变等不停机的大型设施。ITER用EPICS整合约一百万个信号。工厂和数据中心再大，也能扩展，没有厂商锁定和按标签收费。
0:57平台构成
智能工厂AI集成控制平台LiveTwinAX，保留现有的PLC与设备。把三菱、西门子、OPC UA和Modbus信号，统一成一套EPICS过程变量。判断与联锁在控制器内的EPICS DB里，物理模型和AI推理在Process Logic里。画面、3D孪生和配方序列器共用同一组过程变量，所以看到的和控制的是一体的。搭建无需编码，由现场自己完成。运行画面、符号和3D孪生只需拖放，PLC输入输出、EPICS DB、物理与AI模块、状态机和电气图，都画在同一个项目里。验证过的项目成为模板，在下一道工序中直接复用。运行与分析，同在一个工作区。运行画面、3D孪生、趋势与报警、单线图和GIS地图，看的都是同一组变量。运行全程都会录制，可按当时画面原样回放并生成报告。现场的AI助手也会协助工作。
1:59物理 AI 原则
AI驱动设备时的原则很明确：AI只输出数字，判断由EPICS DB来做。降低电流等安全侧动作自动生效，温度、时间等工艺变更，经操作员批准后由配方序列器执行。AI停止或置信度下降时，回到保守的默认值，安全联锁始终保留。现在用LiveTwinAX实际运行五个MAPS相关工序。出行的电池与齿轮、下一代功率半导体材料，以及类似数据中心供电的发电与配电。所有操作都使用操作员日常的同一套画面和按钮。
2:35CASE 1 电动车电池模组化成
第一个是出行的核心，电动车电池模组化成。一颗电芯过热：焊接不良就降电流，内部短路就要立即停。传统联锁分不清两者，LiveTwinAX仅凭相同的测量就能区分原因。打开项目，启动IOC，再运行物理模块和AI模块。正常化成。恒流99 A，电芯间温差0.24 K。向15号电芯注入汇流排焊接缺陷，接触电阻增至4倍。AI把过量发热分成“与电流成正比的部分”和“无关的部分”。是接触电阻。所以放慢。DB把电流上限降到52 A，温差保持在联锁限值以下。对比起见，收回AI诊断权限，即为传统联锁。10秒内联锁跳闸，充电停止。冷却后重新允许，又再次跳闸。交还权限后，又会放慢电流，继续化成。3D孪生订阅同一组过程变量，15号电芯比相邻电芯更热，一目了然。这次，向9号电芯注入内部微短路。与电流无关的发热超过允许值，DB锁定短路并停止充电。同样是“一颗电芯过热”，答案却相反：接触电阻就放慢，内部短路就停止。有了AI诊断，联锁跳闸从六次降到零次，短路电芯立即停止。给AI的权限只有一个方向：只能降电流或停止，提高电流的权限只属于配方。在电动车电池和ESS电芯工艺中，减少不必要的停机，只精准停下危险的电芯。
4:10CASE 2 齿轮气体渗氮
第二，决定传动部件寿命的齿轮气体渗氮。渗氮层深度要切开零件才知道，结果要等好几天。配方按时间结束，条件一变，不良就在没有报警时产生。3D孪生以同一组变量显示炉内齿轮与加热器。两段渗氮。AI预先计算按当前条件结束时的深度。超过目标，所以没有建议。然而，氨分解特性发生了变化。即使PID全开，氮势仍跌破边界。但报警依然没有响。AI预测跌破目标线后，DB把不足量换算成时间，建议第二段延长1.8小时。这会改变工艺，所以由操作员批准，配方序列器在上限内推迟第二段结束。延长的第二段结束，渗氮层深度达到目标。按时间结束本会达不到目标的批次，最终达到了目标深度。AI预见结果，DB给出建议，人来批准，序列器执行。在电气与传动部件热处理中，不必等待破坏性检测，在工艺过程中就把质量做到位。
5:21CASE 3 氧化镓单晶
第三个是下一代功率半导体材料，氧化镓单晶生长。不透明的铱坩埚内，固液界面一旦变凹，就会生成多晶。LiveTwinAX用坩埚外的信号推算界面形状，经运行人员批准后再调整设定值。AI仅凭坩埚外的六个信号推算界面形状。3D孪生中间的圆盘就是固液界面，颜色表示凸面余量。注入一个托座散热缓慢减少的缺陷。控制热电偶和射频功率都没变，传统画面上什么也看不到。AI看到凹陷风险，DB建议温度设定值降低25 K。操作员批准后，序列器降低设定值。界面恢复为凸面。同样缺陷下，凹面时间从6.1小时降到2.5小时。改变设定值，始终由操作员批准、序列器执行。AI推算内部状态，设备只通过批准的路径动作。这是物理AI所需的执行结构。
6:26CASE 4 海上风电 60 MW
第四，60 MW海上风电场。和数据中心的冷却与电力设备一样，多台机组分担负荷。轴承劣化无法直接测，绝对温度报警响时已晚。结果只能停机，风电场无法完成调度指令。韩电调度45 MW，十二台机组各承担可用出力的75%。正常行为模型给出应有温度，我们盯住与实测的残差。6号机组的轴承损耗增加到2.5倍。离绝对报警还很远，但残差已经开始上升。残差持续后，DB锁定降额，把允许出力限制在2 MW。差额由健康机组分担，风电场出力仍满足调度。3D孪生里也是同样的数值：只有6号机组限在2 MW运行，其余机组各承担3.9 MW。轴承温度收敛在报警以下，约70 ℃。断开连线，就回到传统方式，额定运行的轴承触及80 ℃报警，传统方式这才第一次察觉。不停机，而是降低出力运行。判断由DB做，推理只输出数字。比报警提前23 K应对，没有停机，守住了45 MW的场站出力。可直接应用于数据中心冷却泵、冷水机组等多台分担负荷的设备。
7:48CASE 5 韩电 22.9 kV 配电
第五，工厂和数据中心取电的韩电22.9 kV配电网。屋顶光伏装在电表之后，变电站测不到，所以馈线负荷看起来比实际轻。承接转供负荷的馈线上空一旦飘过云，隐藏负荷就会显现，可能再次停电。正午。F4馈线测得负荷4.97，AI还原的总负荷是7.36 MVA。F3馈线发生永久性故障。重合器尝试重合闸后闭锁。按AI总负荷，余量只有2.63，接不下下游全部3.38，只做局部恢复。停电区段从四个减少到两个。真实地形上的3D鸟瞰。红色带是停电区段，蓝色带是带电区段。云飘过、隐藏的发电消失后，F4仍为8.83，低于持续容量10。没有再次停电。若按传统的实测负荷判断，余量看似充足，便全部恢复。然后云一飘过，F4就到了10.72，超过持续容量。缩小恢复，无需批准自动生效；AI停止或超出训练范围时，按装机容量上限保守判断。在负荷集中的数据中心和工厂电网中，这是连隐藏负荷也看在眼里的电力运营标准。
9:10五个工艺小结
五个工序中，AI推理均进入EPICS决策回路，驱动真实设备。降低是自动的，改变要批准，判断依据全部留在EPICS过程变量里。
9:22熟练经验 · 标准化 · 安全 · 再训练
熟练工即使压力到了0.8 bar，也会再等两分钟，因为要确认前道工序的残气已排净。LiveTwinAX把这个理由写成状态机条件：确认排气，压力在0.8 bar以下才进入下一步。同样的事件可以回放复盘，换了班组也按同一标准运行。熟练工离开了，标准依然留下。工艺定义只做一次。画面、3D、逻辑、AI模型输入和报警标准，都是一个模板。无论三菱、西门子，只需重新映射PLC地址与量程并验证。国内外生产基地按同一标准运行，并可封装为智能工厂解决方案的标准控制模块。安全，就是连接越多，路径和权限越要收窄。采集、训练、推理全部在现场完成，不依赖外部云。权限分为读取、编辑、批准、执行，每个过程变量只开放一条经批准的写入路径。所有访问和操作都留有审计记录，基于开源的安全体系能快速应对漏洞。今天演示的缺陷，都先在孪生中注入，验证了判断逻辑。落地现场后，实测、判断与操作记录完整留存，再用来重新训练AI。现场数据积累越多，AI判断越准确，EPICS实时连接整个过程。
10:42MAPS 应用方向
出行领域：在工艺中保证电芯和传动部件质量。AI推算电芯和部件的隐藏状态，EPICS DB判定降速、停止或延长，每个判断都成为质量履历。用一个验证过的模板，把同一标准推广到国内外的电池与零部件产线。AI数据中心的冷却和电力，一刻也不能停。劣化的泵和冷机降载运行不停机，看清隐藏负荷再定恢复范围。在冷却与电力设备上加上EPICS运营层，就从设备升级为数据中心运营解决方案。物理AI的关键，是把AI判断安全接入真实设备。AI输出数字，EPICS DB在限值内判断，改变工艺的事由人来批准。当AI模型和机器人进入产业现场，它就成为负责执行与安全的那一层。在智能工厂中，把制造经验变成跨厂商、跨产线复用的控制标准。设计仿真的数字孪生与现场PLC之间，LiveTwinAX和EPICS承担实时判断与控制。与MES联动，就成为智能工厂解决方案的实时运营模块。
11:49同一平台，不同规模
同一平台把全国输电网搬上GIS地图，人进不去的加速器储存环信号，也能实时可视化。从一座工厂到全球生产基地和数据中心园区，都以同样的结构扩展。
12:03Cotlab
Cotlab在核聚变、加速器和核研究设施的控制室验证了这项技术。2023年起，与EPICS核心设计者创立的Osprey DCS合作。EPICS开发者与制造、AI工程师，从设计到现场建设全程亲自执行。
12:19导入路线图
从一道工序、一个反复出现的问题开始。保留现有PLC，用现场数据一起确认效果。成熟模板推广到其他产线和工厂，成为联动MES的标准模块。再进一步扩展到智能工厂、数据中心和物理AI，成为MAPS全领域的运营标准。
12:38结论
总结一下：出行在工艺中保证质量，AI数据中心不停机运行。物理AI把判断安全接入设备，智能工厂复用熟练工的标准。智能工厂AI集成控制平台LiveTwinAX与EPICS，是MAPS现场的实时运营基础。告诉我们一个代表性工序和一个反复出现的问题，我们将提出应用方案。Cotlab。从实时控制，走向自主运营。
图片 · 地图来源
- Marta Veverica, CC BY-SA 4.0: https://commons.wikimedia.org/wiki/File:Linia_zrobotyzowana_w_AIUT.png
- Yo-Co-Man, CC BY-SA 4.0: https://commons.wikimedia.org/wiki/File:Lithium_Iron_Phosphate_LiFePO4_Cells_700_Ah_Amp_Hours_3.25_Volts_-_2.jpg
- S zillayali, CC BY 3.0: https://commons.wikimedia.org/wiki/File:Computerised_Heat_Treatment_Furnance.jpg
- Simon Fraser University Public Affairs and Media Relations, CC BY 2.0: https://commons.wikimedia.org/wiki/File:Avogadro_Crystal_(in_the_furnace)_-_SFU_PAMR.jpg
- Ionna22, CC BY-SA 4.0: https://commons.wikimedia.org/wiki/File:Block_Island_offshore_wind_farm_P6290638m.jpg
- Benlisquare, CC BY-SA 4.0: https://commons.wikimedia.org/wiki/File:Suburban_rooftop_solar_power_generation_in_Canberra,_Australia.jpg
- © OpenStreetMap contributors · Esri World Imagery · AWS Terrain Tiles
