模块说明
SORPAS®2D3D.link
SORPAS®2D模拟的计算时间比3D模拟要短很多。为了利用2D.welding and 2D.joining模拟的优势，于是开发了一个特殊的软件模块，用于基于2D模拟的结果进行SORPAS®3D.testing模拟。
SORPAS®2D3D.link的新附加模块，可以实现以下2个功能：
将SORPAS®2D.welding和2D.joining模拟结果转换为3D，并在SORPAS 3D软件系统中以3D图形显示。
扩展2D.welding和2D.joining以自动创建3D测试模型并运行3D测试模拟来预测焊接或铆接强度。
此外，SORPAS®3D.testing模拟的结果可以导出到其他软件，例如Abaqus和LS-Dyna。
2D3D.link的过程
在SORPAS®3D.testing中使用2D3D.link创建强度测试的过程非常简单。
您可以在SORPAS®2D.welding或2D.joining中创建焊接/接合仿真
2D3D.link导入2D结果并将其转换为3D仿真模型
转换后的3D仿真模型已连接到SORPAS®3D中的强度测试试样
现在，您可以从这里进行强度测试模拟
SORPAS®2D3D.link的好处
首先，这是提高效率和生产率的问题。当您能够将2D电阻焊接和机械连接模拟的结果直接导入SORPAS®3D.testing时，可以节省进行强度测试的大量时间。
这意味着您现在可以在相当短的时间内进行更多测试。如果您首先使用用于SORPAS®2D的Excel Batch 附加组件来创建多个模拟，则可以轻松地将这些测试导入SORPAS®3D.testing。
这意味着：
进行强度测试时节省时间
受益于SORPAS®2D中所有快速的仿真和优化功能
通过结合Excel Batch附加组件来进行更多强度测试，从而提高生产率
易于进行许多强度测试，并将焊接和强度测试结果导出到SORPAS®3D中的Abaqus中
数字孪生和AI
数字孪生是利用模拟和其他计算机化的数字技术对物理对象，系统或过程的虚拟仿真。数字孪生可用于分析和模拟现实条件下的系统或过程，以适应变化，增加灵活性，优化操作，提高质量，节省时间，降低成本以及增加价值。
数字孪生的概念自21世纪初就出现了。它在过去几年中得到了更多的关注而且发展势头越来越强劲，尤其是自从它在2017年，2018年和2019年连续三年被评为Gartner的十大战略技术趋势之一以来。
关于利用数值模拟和有限元建模来创建数字孪生，已经有许多出版物，演示文稿和论证，但是大多数都集中在产品或系统设计上。要为动态制造过程，例如焊接和连接过程，创建数字孪生面临着更大的挑战，仍有很多工作要做。然而，这对于行业的完全数字化至关重要。
对于制造业而言，数字孪生不是也不应该仅仅是设计。
对于焊接，应创建数字孪生以实现从设计，优化，计划到生产和评估焊接的整个生命周期。这就要求虚拟模型的模拟必须高度精确，并且能够做出可靠的预测和优化。
SORPAS现在准备迎接挑战，为电阻点焊过程的整个生命周期创建第一个焊接数字孪生。
数字双胞胎可延长整个焊接寿命
如图所示，在电阻焊接的整个生命周期中，将创建五个具有不同功能的数字孪生：
用于焊接设计的数字孪生
用于焊接优化的数字孪生
用于焊接计划的数字孪生
用于焊接生产的数字孪生
用于焊接评估的数字孪生·
SORPAS®通过数字模型和实际数据构建每个数字孪生体，以表示实际的物理焊接过程，包括组件、电极、焊接设备和工作程序。
数字孪生与物理焊接过程进行动态交互是很重要的，尤其是当它们在焊接生产线附近工作时。
为了增强数字双胞胎与物理焊接过程之间的交互作用，还将纳入机器学习和人工智能（AI）。
用于焊接设计的数字孪生是利用板材、焊条和焊接机的几何模型和材料数据构建的。薄片和电极的模型和数据必须真实，才能准确表示真实薄片和电极的形状和材料。利用典型数据可以概括焊接机的模型和数据。在设计阶段，不需要在焊接机动力学和焊接设计之间进行交互。用于焊接设计的数字孪生的主要目的是从所有可能的几何设计选项和可用的材料选择中确定最佳的焊接设计。
用于焊接优化的数字孪生是在用于焊接设计的数字孪生的基础上构建的，其中包括焊接机和控制设备的更多详细数据和规格说明。传感器可包含在物理焊接过程中，通过与物理焊接测试中的实际测量值进行比较来验证数字孪生，以提高数值模拟的准确性。数字孪生用于焊接优化的目的是获得焊接过程窗口并帮助优化和监视物理焊接过程。
用于焊接计划的数字孪生是在用于焊接设计和焊接优化的数字孪生的基础上构建的，目的是为给定的焊接设计、焊接设备和焊接顺序确定特定焊接工艺参数的详细焊接计划。可以建立数字孪生与物理焊接过程之间的动态相互作用。机器学习和人工智能（AI）可以整合到数字孪生中，以提高自主决策能力。
用于焊接生产的数字孪生是在用于焊接设计、焊接优化和焊接计划的数字孪生的基础上构建的，目的是在当任何焊接条件超出范围或对焊接质量、稳定生产造成问题时，以便在焊接生产过程中做出响应。数字孪生应预见并预测焊接问题的所有可能的根本原因，而机器学习和AI将自动识别问题，并做出决定采取反应来解决问题，纠正错误或指出故障。
用于焊接评估的数字孪生模型是通过与所有用于焊接设计、焊接优化、焊接计划和焊接生产的数字孪生模型的连接而构建的，目的是评估焊接质量和焊缝性能。通过预测焊接熔核的大小以及焊接过程中和焊接后影响的材料性能来评估焊接质量。通过预测焊接强度和失效模式来评估焊接性能。
从设计、优化、计划到生产和评估的整个焊接生命周期中，所有的焊接数字孪生都通过交互作用相互连接。这样就可以在设计阶段和随后的所有阶段中评估焊接质量。数字孪生与物理焊接过程之间的相互作用借助机器学习和人工智能（AI）可以进一步提高焊接生产的稳定性并确保最终焊接质量。