老碼農(nóng)眼中的數(shù)字孿生
數(shù)字孿生，自2016年起連續(xù)４年被Gartner列為十大戰(zhàn)略科技發(fā)展趨勢之一。數(shù)字孿生技術(shù)作為解決數(shù)字模型與物理實體交互難題，踐行數(shù)字化轉(zhuǎn)型理念與目標的關(guān)鍵使能技術(shù)，在支撐產(chǎn)品研制業(yè)務(wù)全流程、助力科研生產(chǎn)和管理的融合創(chuàng)新方面將發(fā)揮重要作用。
那么什么是數(shù)字孿生呢？
與物聯(lián)網(wǎng)又有什么關(guān)系呢？
與企業(yè)的數(shù)字化轉(zhuǎn)型又有什么關(guān)系呢？
1. 什么是數(shù)字孿生
數(shù)字孿生的雛形 “鏡像空間模型” 最早由美國密歇根大學Michael Grieves于2003年在產(chǎn)品全生命周期管理（PLM）課程中提出，隨后在與NASA以及美國空軍的合作過程中對該概念進行了富，強化了基于模型的產(chǎn)品性能預測與優(yōu)化等要素，并將其定義為 “數(shù)字孿生”。
數(shù)字孿生是一種旨在精確反映物理對象的虛擬模型，需要給研究對象配備與重要功能方面相關(guān)的各種傳感器。這些傳感器產(chǎn)生與物理對象性能各個方面有關(guān)的數(shù)據(jù)，例如，能量輸出、溫度和天氣條件等等，然后將這些數(shù)據(jù)轉(zhuǎn)發(fā)至處理系統(tǒng)并應用于數(shù)字副本。一旦獲得此類數(shù)據(jù)，虛擬模型便可用于運行模擬、研究性能問題并生成可能的改進方案；所有這些都是為了獲取富有價值的洞察成果，然后將之再應用于原始物理對象。
數(shù)字孿生是物聯(lián)網(wǎng)里面的一個概念，通過集成物理反饋數(shù)據(jù)，輔以人工智能、機器學習和軟件分析，在信息化平臺內(nèi)建立一個數(shù)字化模擬。這個模擬會根據(jù)反饋，隨著物理實體的變化而自動做出相應的變化。理想狀態(tài)下，數(shù)字孿生可以根據(jù)多重的反饋源數(shù)據(jù)進行自我學習，幾乎實時地在數(shù)字世界里呈現(xiàn)物理實體的真實狀況。數(shù)字孿生的反饋源主要依賴于各種傳感器，如壓力、角度、速度傳感器等。數(shù)字孿生的自我學習( 或稱機器學習) 除了可以依賴于傳感器的反饋信息，也可以是通過歷史數(shù)據(jù)，或者是集成網(wǎng)絡(luò)的數(shù)據(jù)學習。
2. 數(shù)字孿生的技術(shù)架構(gòu)
數(shù)字孿生技術(shù)架構(gòu)可以按技術(shù)特性分解為專業(yè)分析層、虛實交互層和基礎(chǔ)支撐層 ，以安全互聯(lián)和高性能并行計算作為數(shù)字孿生技術(shù)的基礎(chǔ)，利用基于ＰＬＭ 的數(shù)據(jù)管理技術(shù)支撐產(chǎn)品全生命周期的數(shù)據(jù)管理，通過精細化建模與仿真技術(shù)實現(xiàn)對產(chǎn)品的精細化數(shù)字表達，基于信息物理系統(tǒng)對數(shù)據(jù)進行實時采集，結(jié)合數(shù)據(jù)模型融合技術(shù)和交互與協(xié)同技術(shù)進行虛實交互，從而實現(xiàn)智能決策、診斷預測、可視監(jiān)控、優(yōu)化控制等。
精細化建模與仿真指從幾何、功能和性能等方面對產(chǎn)品進行精細化建模與跨領(lǐng)域多學科耦合仿真，連接不同時間尺度的物理過程構(gòu)建模型，從而精確地表達物理實體的形狀、行為和性能等。數(shù)據(jù)模型融合指基于數(shù)據(jù)對多領(lǐng)域模型進行實時更 新、修正和優(yōu)化，實現(xiàn)動態(tài)評估?；谛畔⑽锢硐到y(tǒng)的數(shù)據(jù)實時采集一般指基于CPS通過可靠傳感器及分布式傳感網(wǎng)絡(luò)實時準確地感知和獲取物理設(shè)備數(shù)據(jù)?；赑LM的數(shù)據(jù)管理指以平臺架構(gòu)為基礎(chǔ)， 形成集成產(chǎn)品信息的框架，使所有與產(chǎn)品相關(guān)的 數(shù)據(jù)高度集成、協(xié)調(diào)、共享。交互與協(xié)同指利用虛擬現(xiàn)實 、增強現(xiàn)實 、混合現(xiàn) 實等沉浸式體驗人機交互技 術(shù)，實現(xiàn)數(shù)字孿生體與物理實體的交互與協(xié)同。安全互聯(lián)技術(shù)指對數(shù)字孿生模型和數(shù)據(jù)的完 整性、有效性和保密性進行安全防護、防篡改的技術(shù)。高性能并行計算指通過優(yōu)化數(shù)據(jù)結(jié)構(gòu)、算法結(jié) 構(gòu)等提升數(shù)字孿生系統(tǒng)搭載的計算平臺的計算性能、 傳輸網(wǎng)絡(luò)實時性、數(shù)字計算能力等。
與物聯(lián)網(wǎng)的技術(shù)架構(gòu)類似， 數(shù)字孿生也可以按照應用實現(xiàn)的視角形成4層以及5層架構(gòu)。
從基礎(chǔ)數(shù)據(jù)采集層到頂層應用層,每一層的實現(xiàn)都建立在前面各層的基礎(chǔ)之上，是對前面各層功能的進一步豐富和拓展。
3. 數(shù)字孿生的能力模型
從過程演化角度可以建立數(shù)字孿生的“定義、展現(xiàn)、交互、服 務(wù)、進化”五維度能力模型,如下圖所示：
-
定義是通過軟件的方式定義客體；
-
展現(xiàn)是多維度的客體可視化；
-
交互是與物理客體的緊密融合；
-
服務(wù)是為物理客體增值賦能；
-
進化是基于數(shù)據(jù)的迭代優(yōu)化。
數(shù)據(jù)是整個能力模型的基礎(chǔ)，五大能力圍繞數(shù)據(jù)來發(fā)揮作用和效能,數(shù)據(jù)與五大能力之間的聯(lián)系主要由高性能傳感器數(shù)據(jù)采集、高速數(shù)據(jù)傳輸和全壽命周期數(shù)據(jù)管理3個部分支撐。高性能傳感器數(shù)據(jù)采集中采用先進傳感器技術(shù)及分布式傳感技術(shù)使整個數(shù)字孿生體系能夠獲得更加準確、充分的數(shù)據(jù)源支撐;高速數(shù)據(jù)傳輸中采用高帶寬光纖技術(shù)使得海量傳感器數(shù)據(jù)的傳輸不再受帶寬的限制;全壽命周期數(shù)據(jù)管理中采用分布式云服務(wù)器存儲技術(shù)提供了平臺保障,高效率存儲結(jié)構(gòu)和數(shù)據(jù)檢索結(jié) 構(gòu)為海量歷史運行數(shù)據(jù)存儲和快速提取提供了重要保障,為基于云存儲和云計算的系統(tǒng)體系提供了歷史數(shù)據(jù)基礎(chǔ),使大數(shù)據(jù)分析和計算的數(shù)據(jù)查詢和檢索階段能夠快速可靠得完成。
4. 數(shù)字孿生的技術(shù)集成
下圖引自 NASA OCT的技術(shù)路線圖，以數(shù)字孿生中的技術(shù)集成為例描述了數(shù)字孿生技術(shù)的廣闊發(fā)展前景，重點解決與極端可靠性相關(guān)的技術(shù)需求，使數(shù)字孿生技術(shù)融入實際工程實踐中不斷發(fā)展。
該范例通過集成多種先進技術(shù)，實現(xiàn)多物理、多尺度的集群仿真，利用高保真建模和仿真技術(shù)以及狀態(tài)深度感知和自感知技術(shù)構(gòu)建目標系統(tǒng)的虛擬實時任務(wù)孿生體，持續(xù)預測系統(tǒng)健康、剩余使用壽命和任務(wù)執(zhí)行成功率。虛擬數(shù)字集群是數(shù)字孿生體向?qū)嶋H工程實踐發(fā)展的重要范例，對于滿足未來成本可控情況下的高可靠性任務(wù)執(zhí)行需求具有重要意義。
5. 數(shù)字孿生的產(chǎn)品生命周期管理
通過構(gòu)建與實物產(chǎn)品完全對應的數(shù)字孿生體， 在安全互聯(lián)技術(shù)、高性能并行計算技術(shù)提供支撐的基礎(chǔ)上，利用基于ＰＬＭ 的數(shù)據(jù)管理技術(shù)對產(chǎn)品全生命周期的數(shù)據(jù)進行管理，可以從設(shè)計、生產(chǎn)、試驗、培訓、運維５個方面推進面向產(chǎn)品全生命周期開展數(shù)字孿生技術(shù)的研究與應用，如下圖所示。
在設(shè)計過程中形成的各類精細化數(shù)字仿真模型是構(gòu)建后續(xù)生產(chǎn)、 試驗、培訓和運維數(shù)字孿生體的核心。通過面向生產(chǎn)過程的模型， 結(jié)合生產(chǎn)過程中采集的數(shù)據(jù)，形成生產(chǎn)過程的數(shù)字孿生體，并采用數(shù)據(jù)模型融合技術(shù)，開展智能化加工檢測及虛實映射的裝配對接，從而實現(xiàn)生產(chǎn)過程數(shù)字孿生技術(shù)的應用。通過構(gòu)建試驗產(chǎn)品模型、試驗設(shè)備模型、試驗場景模型、試驗環(huán)境模型等面向試驗過程的模型，采用分布式控制、流程建模仿真等技術(shù)，形成試驗數(shù)字孿生體。開展流程規(guī)劃仿真、應急處理演練仿真和數(shù)字合 練仿真等，實現(xiàn)產(chǎn)品使用性能和操作流程預示， 為提升產(chǎn)品使用效率提供輔助優(yōu)化手段。通過構(gòu)建產(chǎn)品故障診斷模型和壽命預測模型等面向運維過程的模型，采用機器學習、VR/AR等交互協(xié)同技術(shù)，開展虛實結(jié)合維修保障，從而實現(xiàn)運維過程數(shù)字孿生技術(shù)的應用。
6. 數(shù)字孿生的成熟度模型
從物理實體、數(shù)字孿生模型、數(shù)字孿生數(shù)據(jù)、連接交互和功能服務(wù)出發(fā)，根據(jù)連接交互方式與自動化程度的不同，以數(shù)字孿生所能提供的功能服務(wù)為主線，可以將數(shù)字孿生分為六個成熟度等級，如下圖所示。
具體而言，以虛仿實指利用數(shù)字孿生模型對物理實體描述和刻畫，具有該能力的數(shù)字孿生處于其成熟度等級的第零等級（L0），滿足此要求的實踐和應用可歸入廣義數(shù)字孿生的概念范疇。以虛映實指利用數(shù)字孿生模型實時復現(xiàn)物理實體的實時狀態(tài)和變化過程，具有該能力的數(shù)字孿生處于其成熟度等級的第一等級（L1）。以虛控實指利用數(shù)字孿生模型間接控制物理實體的運行過程，具有該能力的數(shù)字孿生處于其成熟度等級的第二等級（L2）。以虛預實指利用數(shù)字孿生模型預測物理實體未來一段時間的運行過程和狀態(tài)，具有該能力的數(shù)字孿生處于其成熟度等級的第三等級（L3）。以虛優(yōu)實指利用數(shù)字孿生模型對物理實體進行優(yōu)化，具有該能力的數(shù)字孿生處于其成熟度等級的第四等級（L4）。虛實共生作為數(shù)字孿生的理想目標，指物理實體和數(shù)字孿生模型在長時間的同步運行過程中，甚至是在全生命周期中通過動態(tài)重構(gòu)實現(xiàn)自主孿生，具有該能力的數(shù)字孿生處于其成熟度等級的第五等級（L5）。
7. 數(shù)字孿生的實現(xiàn)示例
數(shù)字孿生技術(shù)是對原有建模設(shè)計技術(shù)的優(yōu)化和提升，通過建立虛擬環(huán)境與現(xiàn)實環(huán)境間的映射關(guān)系，對虛擬環(huán)境進行模擬分析，大幅度降低現(xiàn)實環(huán)境操作的難度和制約。下面以現(xiàn)場網(wǎng)絡(luò)為例，看一下具體與物聯(lián)網(wǎng)相結(jié)合的實現(xiàn)。
現(xiàn)場網(wǎng)關(guān)鍵技術(shù)包括：
-
a）RFID、NFC（近場通信）等新型無源物聯(lián)技術(shù)，主要應用場景包括出入庫管理和資產(chǎn)盤點等；
-
b）Wi-Fi、IrDA（紅外數(shù)據(jù)傳輸）和 D2D（設(shè)備到設(shè)備）等超低時延、超高可靠新型短距離通信技術(shù)，主要應用場景包括 AGV（自動導引車）控制和機械臂管理等；
-
c）PLC（電力線通信）、工業(yè)總線和工業(yè)以太網(wǎng)等確定性傳輸技術(shù)， 主要應用場景包括數(shù)控機 床和機器人等 ；
-
d）NB-IoT（窄帶物聯(lián)網(wǎng) ）、LTE、ZigBee、eMTC（增強型機器類通信）、LoRa、SigFox等中 低速通信技術(shù)，主要應用場景包括環(huán)境監(jiān)測、控制開 關(guān)和音頻設(shè)備控制等；
-
e）RTT（往返時間）、AoA（到達角度）、POA（到達相位）等精確定位技術(shù)，主要應用場景包括定位終端和定位信標等。
5G 具有高速率、低時延、大連接和高可靠等特點，非 常契合數(shù)字孿生的數(shù)據(jù)傳輸需求， 能夠有效保障物 理實體與虛擬實體之間的海量數(shù)據(jù)交互、 低時延數(shù) 據(jù)傳輸、多設(shè)備互聯(lián)互通，從而更快、更好地實現(xiàn)數(shù)字孿生的應用落地。6G 的目標是充分利用低中高全 頻譜資源，構(gòu)建空、天、地一體化全球覆蓋網(wǎng)絡(luò)，提供完全沉浸式交互場景，支持精確的空間互動，實現(xiàn)物理世界的智能互聯(lián)和數(shù)字世界的實時互動， 精確映射物理世界的真實狀態(tài)， 在虛擬世界仿真推演并科 學預測結(jié)果， 助力人類走進虛擬與現(xiàn)實深度融合的 全新時代，進而實現(xiàn)數(shù)字孿生的美好愿景。
數(shù)字孿生作為物理世界映射到數(shù)字時間的技術(shù)，是物聯(lián)網(wǎng)技術(shù)的具體發(fā)展趨勢之一。
【參考資料與關(guān)聯(lián)閱讀】
-
https://www.ibm.com/cn-zh/topics/what-is-a-digital-twin
-
朱惠斌.國內(nèi)外數(shù)字孿生技術(shù)研究進展與實踐展望[J].信息通信技術(shù), 2022, 16(5):75-80.
-
郎為民,田尚保,李宇鴿,等.數(shù)字孿生技術(shù)架構(gòu)研究[J].電信快報, 2022(8):6.
-
陶飛,張辰源,戚慶林,等.數(shù)字孿生成熟度模型[J].計算機集成制造系統(tǒng), 2022(005):028.DOI:10.13196/j.cims.2022.05.001.
-
劉大同,郭凱,王本寬,等.數(shù)字孿生技術(shù)綜述與展望[J].儀器儀表學報, 2018, 39(11):10.DOI:CNKI:SUN:YQXB.0.2018-11-002.
-
李海峰,王煒.數(shù)字孿生智慧學習空間:內(nèi)涵,模型及策略[J].現(xiàn)代遠程教育研究, 2021.DOI:10.3969/j.issn.1009-5195.2021.03.009.
-
閆晴.數(shù)字孿生:風險,溯源及規(guī)制[J].國家圖書館學刊, 2022, 31(5):104-112.