数字孪生-第一章、数字孪生

第一章、数字孪生概念

​ 目前，互联网、大数据、人工智能等新技术越来越深入人们的日常生活。人们投入到社交网络、网络游戏、电子商务、数字办公中的时间不断增多，个人也越来越多地以数字身份出现在社会生活中。可以想象，出去睡眠等占用额无效时间，如果人类每天在数字世界活动的时间超过有效时间的50%，那么人类的数字化身份会比物理世界的身份更真实有效。在过去的几年里，物联网领域一直流行着一个新的术语：数字孪生（Digital Twin）。这一术语已被美国知名咨询及分析机构Gartner添加到2019年十大战略性技术趋势中。

​ 2019年2月，在世界范围内影响最广泛的医疗信息技术行业大型展会之一——美国医疗信息与管理系统学会全球年会上，人工智能（AI）医疗是与会人员广泛关注的焦点话题，其中最引人注目的是西门子正在研发的AI驱动的“数字孪生”技术，旨在通过数字技术了解患者的健康状况并预测治疗方案的效果。

​ 2019年3月10日，埃塞俄比亚航空坠机事件导致那么多条生命逝去，令人痛惜。痛定思痛，波音737MAX8客机不到半年发生两次重大事故，引发外界对飞机日常检修维护的讨论 ，与之相关的数字孪生概念股全部涨停，数字孪生技术亦受到愈加强烈的关注。

​ 我们再来想象一下未来：当宇航员在遥远的外太空之心一项紧急的舱外修复任务，没有时间和空间进行预演，也没有经验可借鉴。环境几度危险，机会只有一次，怎么办？这时，我们的宇航员不慌不忙将操作涉及的各项参数、外部环境、时间、温度等整合在一起，模拟出一个和现实一模一样的虚拟环境，并对其进行反复实验，直到找出最佳的操作方式和流程。然后将这套最佳方案输入到执行任务的太空机器人程序中，用最精确合理的操作在规定的时间内完成舱外修复任务将危险和失误降到最低。

​ 其实，这些已不再遥远，科幻片中的“数字孪生”正快速地成为现实。听起来神一般的“数字孪生”到底是什么？它可以实现什么样的功能？又可以为企业带来什么样的效益？如何创建数字孪生？目前它在那些实际应用领域发挥着什么样的作用呢？

1.1 数字孪生的定义

1.1.1 数字孪生的议案定义

通俗来讲，数字孪生是指针对物理世界中的物体，通过数字化手段构建一个在数字世界中一模一样的实体，借此来实现对物理实体的了解、分析和优化。从更加专业的角度来说，数字孪生集成了人工智能（AI）和机器学习（ML）等技术，将数据、算法和决策分析结合在一起，建立模拟，即物理对象的虚拟映射，在问题发生之前先发现问题，监控物理对象在虚拟模型中的变化，诊断基于人工智能的多维数据复杂处理与异常分析，并预测潜在风险，合理有效地规划或对相关设备进行维护 。

​ 数字孪生是形成物理世界中某一生产流程的模型及其在数字世界中的数字化镜像的过程和方法（如下图）。数字孪生有五大驱动要素——物理世界的传感器、数据、集成、分析和促动器，以及持续更新的数字孪生应用程序 。

传感器

生产流程中配置的传感器可以发出信号，数字孪生可通过信号获取与实际流程相关的运营和环境数据

数据

传感器提供的实际运营和环境数据将在聚合后与企业数据合并。企业数据包括物料清单、企业系统和设计规范等，其他类型的数据包括工程图纸、外部数据源及客户投诉记录等。

集成

传感器通过集成技术（包括边缘、通信接口和安全）达成物理世界与数字世界之间的数据传输。

分析

数字孪生利用分析技术开展算法模拟和可视化程序，进而分析数据、提供洞见，建立物理实体和流程的准实时数字化模型。数字孪生能够识别不同层面偏离理想状态的异常情况。

促动器

若确定应当采取行动，则数字孪生将在人工干预的情况下通过促动器展开实际行动，推进实际流程的开展。

当然，在实际操作中，流程（或物理实体）及其数字虚拟镜像明显比简单的模型或结构要复杂得多。

1.1.2 “工业4.0”术语编写的定义

​ “工业4.0”术语编写组对数字孪生的定义是：利用先进建模和仿真工具构建的，覆盖产品全生命周期与价值链，从基础材料、设计、工艺、制造及使用维护全部环节，集成并驱动以统一的模型为核心的产品设计、制造和保障的数字化数据流。通过分析这些概念可以发现，数字纽带为产品数字孪生提供访问、整合和转换能力，其目标是贯通产品全生命周期和价值链，实现全面追溯、双向共享/交互信息、价值链协同。

​ 如下图所示，为著名的智能制造专家张曙教授理解并形成的数字孪生概念框架，我们从中可以更直观的理解“工业40”术语编写组对数字孪生的定义。

​ 从根本上讲，数字孪生是以数字化的形式对某一物理实体过去和目前的行为或流程进行动态呈现，有助于提升企业绩效。

1.2 数字孪生与数字纽带

​ 伴随着数字孪生的发展，美国空军研究实验室和美国国家航空航天局同时提出了数字纽带（Digital Thread，也译为数字主线、数字线程、数字线、数字链等）的概念。数字纽带是一种可扩展、可配置的企业级分析框架，在整个系统的生命周期中，通过提供访问、整合及将不同的、分散的数据转换为可操作信息的能力来通知决策制定者。数字纽带可无缝加速企业数据——信息——知识系统中的权威/发布数据、信息和知识之间的可控制的相互作用，并允许在能力规划和分析、初步设计、详细设计、制造、测试及维护采集阶段动态实时评估产品在目前和未来提供决策的能力。数字纽带也是一个允许可连接数据流的通信框架，并提供一个包含系统全生命周期个阶段孤立功能的集成视图。数字纽带为在正确的时间将正确的信息传递到正确的地方提供了条件，使系统全生命周期各环节的模型能够实时进行关键数据的双向同步和沟通。

​ 通过分析和对比数字孪生和数字纽带的定义可以发现，数字孪生体是对象、模型和数据，而数字纽带是方法、通道、链接和接口，数字孪生体的相关信息是通过数字纽带进行交换、处理的。以产品设计和制造过程为例，产品数字孪生体与数字纽带的关系如下图所示。

​ 如下图所示为融合了产品数字孪生体和数字纽带的应用示例。仿真分析模型的参数可以传递至产品定义的全三维模型，再传递至数字化生产线加工/装配成真实的物理产品，继而通过在线的数字化检验/测量系统反映到产品定义模型中，进而反馈到仿真分析模型中。通过数字纽带实现了产品全生命周期各阶段的模型和关键数据双向交互，使产品全生命周期各阶段的模型保持一致性，最终实现闭环的差评全身影周期数据管理和模型管理。

​ 简单地说，数字纽带贯穿了产品全生命周期，尤其是产品设计、生产、运维的无缝集成；而产品数字孪生体更像是智能产品的映射，它强调的是从产品运维到产品设计的回馈。

​ 产品数字孪生体像是物理产品的数字化影子，通过与外界传感器的集成，反应对象从微观到宏观的所有特性，展示产品的生命周期的演进过程。当然，不止产品，生产产品的系统（生产设备、生产线）和使用维护中的系统也要按需要建立产品数字孪生体。

1.3 数字孪生技术的演化过程

1.3.1 美国国家航空航天局（NASA）阿波罗项目

​ “孪生体/双胞胎“概念在制造领域的使用，最早可追溯到美国国家航空航天局（NASA）的阿波罗项目。在该项目中，NASA需要制造两个完全一样的空间飞行器，留在地球的飞行器被称为”孪生体“，用了反映（或作镜像）正在执行任务的空间飞行器的状态。在飞行准备期间，被称为”孪生体“的空间飞行器被广泛应用于训练；在任务执行期间，利用该”孪生体“在地球上的精确仿太空模型中进行仿真实验，并尽可能精确的反映和预测正在执行任务的空间飞行器的状态，从而辅助太空轨道上的航天员在紧急情况下作出最正确的决策。从这个角度可以看出，”孪生体“实际上是通过仿真实时反映对象的真实运行情况的样机或模型。它具有两个显著特点：

（1）”孪生体“与其所要反映的对象在外表（指产品的几何形状和尺寸）、内容（指差评的结构组成及其宏观、微观物理特性）和性质（指产品的功能和性能）上基本完全一样

（2）允许通过仿真等方式来镜像/反映对象的真实运行情况/状态。需要指出的是，此时的”孪生体“还是实物。

1.3.2 迈克尔·格里弗斯教授提出数字孪生体概念

​ 2003年，迈克尔·格里夫斯教授在密歇根大学的产品全生命周期管理课程上提出了“与物理产品等价的虚拟数字化表达”的概念：一个或一组特定装置的数字复制品，能够抽象表单真实装置并可以此为基础进行真实条件或模拟条件下的测试。该概念源于对装置的信息和数据进行更清晰的表达的期望，希望能够将所有的信息放在一起进行高层次的分析。虽然这个概念在当时并没有被称为数字孪生体[2003-2005年被称为“镜像的空间模型（Mirrored Spaced Model）”，2006-2010年被称为“信息的镜像模型（Information Mirroring Model）”]，但是其概念模型却具备数字孪生体的所有组成要素，即物理空间、虚拟空间及两者之间的关联或接口，因此可以被认为是数字孪生体的雏形。2011年，迈克尔·格里夫斯教授在其书《几乎完美：通过产品生命周期管理驱动创新和精益产品》中引用了其合作者约翰·维克斯描述该概念模型的名词，也就是数字孪生体，并一直沿用至今。其概念模型如下所示，包括物理空间的实体产品、虚拟空间的虚拟产品、物理空间和虚拟空间之间的数据和信息交互接口。

维克斯描述的数字孪生体概念模型极大的拓展了阿波罗项目中的“孪生体”概念，如下图所属。

受限于当时的科技条件，该概念模型在2003年提出时并没有引起国内外学者们的重视。但是随着科学技术和科研条件的不断改善，数字孪生的概念在模拟仿真、虚拟安装和3D打印等领域得到逐步扩展及应用。

1.3.3 美国空军研究实验室（AFRL）提出利用数字孪生体解决战斗机机体的维护问题

美国空军研究实验室（AFRL）在2011年指定未来30年的长期愿景时吸纳了数字孪生的概念，希望做到未来的每一架战机交付时可以一并交付对应的数字孪生体，并提出了“机体数字孪生”的概念：机体数字孪生体作为正在制造和维护的机体的超写实模型，是可以用来对机体是否满足任务条件进行模拟和判断的，如下图所示。

机体数字孪生体是单个机身在产品生命周期的一致性模型和计算模型，它与制造与维护飞行器所用的材料、制造规范及流程相关联，他也是飞行器数字孪生体的子模型。飞行器数字孪生体是一个包含电子系统模型、飞行控制系统模型、推进系统模型和其他子系统模型的集成模型。此时，飞行器数字孪生体从概念模型阶段步入初步的规划与实施阶段，对其内涵、性质的描述和研究也更加深入，体现在如下图所示的五个方面。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MMwssbuo-1657374324228)(C:/Users/Administrator/AppData/Roaming/Typora/typora-user-images/image-20220704133512689.png)]

1.3.4 NASA与AFRL的合作

2010年，NASA开始探索实时监控技术（Condition-Based Monitoring）。2012年，面对未来飞行器轻质量、高负载及更加极端环境下的更长服役时间需求，NASA和AFRL合作并共同提出了未来飞行器的数字孪生体概念。针对飞行器、飞行系统或运载火箭等，他们将飞行器数字孪生体定义为：一个面向飞行器或系统集成的多物理、多尺度、概率仿真模型，它利用当前最好的可用物理模型、更新的传感器数据和历史数据等来反映与该模型对应的飞行实体的状态。

在合作方法与2012年对外公布的“建模、仿真、信息技术和处理|技术路线图中，将数字孪生列为2023-2028年实现基于仿真的系统工程的技术挑战，数字孪生体也从那时起被正式带入公众的视野当中。该定义可以认为是NASA和AFRL对其之前研究成果的一个阶段性总结，着重突出了数字孪生体的集成性、多物理性、多尺度性、概率性等特征，主要功能是能够实时反映与其对应的飞行产品的状态（延续了早期阿波罗项目的“孪生体”的功能），使用的数据包括当时最好的可用产品物理模型、更新的传感器数据及产品组的历史数据等。

1.3.5 数字孪生体先进性诶多个行业借鉴吸收

2012年，通用电气利用数字化手段实现资产业绩管理（Assets Performance Management，APM）。2014年，随着物联网技术、人工智能和虚拟现实技术的不断发展，更多的工业产品、工业设备具备了智能的特征，而数字孪生也逐步扩展到了包括制造和服务在内的完整的产品全生命周期阶段，并不断丰富着自我形态和概念。但由于数字孪生高度的集成性、跨学科性等特点，很难在短时间达到足够的技术成熟度，因此针对其概念内涵与应用实例的渐进式研究显得尤其重要。其中的典型成果是NASA和AFRL合作构建的F-15战斗机机体数字孪生体，目的是对在役飞机机体结构开子涵健康评估与损伤预测，提供预警并给出维修及更换指导。此外，通用电气计划基于数字孪生实现对发动机的实时监控和预测性维护；达索计划通过3Dexperience体验平台实现与产品的数字孪生互动，并以飞机雷达为例进行了验证。

虽然数字孪生概念起源于航空航天领域，但是其先进性正逐渐被其他行业借鉴吸收。基于建筑信息模型（Building Informatica Modelling，BIM）的研究构建了建筑行业的数字孪生；BIM、数字孪生、增强现实与核能设施的维护得以综合讨论；医学研究学者参考数字孪生思想构建“虚拟胎儿”用以筛查家族遗传病。

2017年，美国知名咨询及分析机构Garter将数字孪生技术列入当年十大战略技术趋势之中，认为它具有巨大的颠覆性潜力，未来3-5年内将会有数以亿件的物理实体以数字孪生状态呈现。

在中国，在“互联网+”和实施制造强国的战略背景下，数字孪生在智能制造中的应用潜力也得到了许多国内学者的广泛关注，他们先后探讨了数字孪生的产生背景、概念内涵、体系结构、实施途径和发展趋势，数字孪生体在构型管理中的应用，以及提出了数字孪生车间（Digital Twin Workshop）的概念，并就如何实现制造物理世界和信息世界的交互共融展开了理论研究和实践探索。

总体来讲，目前数字孪生仍处于技术萌芽阶段，相关的理论、技术与应用成果较少，而具有实际价值可供参考借鉴的成果少之又少。

1.4 数字孪生技术的价值体现与意义

1.4.1 数字孪生体技术的价值体现

数字孪生能为企业做什么？

​ 技术的发展历来逃不开一个重要命题，那就是能否为企业创造实际价值。过去，创建数字孪生体的成本高昂，且收效甚微。随着存储与计算成本日益走低，数字孪生的应用案例与潜在收益大幅上涨，并转而提升商业价值。

​ 在探析数字孪生的商业价值时，企业须重点考虑战略绩效与市场动态的相关问题，包括持续提升产品绩效、加快设计周期、发觉新的潜在收入来源，以及优化保修成本管理。可根据这些战略问题，开发相应的应用程序，借助数字孪生创造广泛的商业价值。如下图所示，例举了数字孪生各种类型的商业价值。

除了上述商业价值领域，数字孪生还可协助制造企业构建关键绩效指标。综合而言，数字孪生可用于诸多应用程序，以提升商业价值，并从根本上推动企业开展业务转型。其所产生的价值可运用切实结果予以检测，而这些结果则可以追溯至企业关键指标。

如今，数字孪生越来越被各大厂商重视，并作为一种服务企业的解决方案和手段，可见其潜力巨大。

（1）模拟、监控、诊断、预测和控制产品在现实环境中的形成过程和行为。

如下图所示，工厂通过建立装配仿真，能让工程师更好地了解产品的结构及运行状态。

（2）从根本上推进产品全生命周期高效协同并驱动持续创新，如下图所示

ANSYS公司作为仿真领域的领导者，通过与通用电气密切合作，将其仿真软件与通用电气的工业数据及分析云端平台Predix进行集成，仿真能力与数据分析功能的结合能够帮助企业获得战略性的洞察力信息 。

通用电气为每个引擎、每个涡轮、每台核磁共振制造一个数字孪生体，通过模拟的数字化模型在虚拟空间进行调试、实验，即可知道如何让机器效率达到最高，然后将最优化的方案应用于实体模型上，如下图所示。

（3）数字化产品全生命周期档案为全过程追溯和持续改进研发奠定了数据基础，如下图所示。

如下图所示是美国参数技术（PTC）公司的数字孪生方案：能够通过安在自行车上的装载感应器记录自行车的实际情况，例如所受外来压力、速度及地理位置改变等。

（4）创造价值趋向无限

利用数字孪生，任何制造商都可以在数据驱动的虚拟环境中进行创建、生成、测试和验证，这种能力将成为其在未来若干年内的核心竞争力。

1.4.2 数字孪生技术的意义

自数字孪生的概念被提出以来，其技术在不断的快速演化，无论是对产品的设计、制造还是服务，都产生了巨大的推动作用。

今天的数字化技术正在不断地改变每一个企业。未来所有的企业都将数字化，这不只是要求企业开发出具备数字化特征的产品，更是指通过数字化手段改变整个产品全生命周期流程，并通过数字化的手段连接企业内部和外部环境。

产品全生命周期的缩短、产品定制化程度加强及企业必须同上下游建立起协同的生态环境，都迫使企业不得不采用数字化手段来加速产品的开发速度，提高生产、服务的有效性，以及提高企业内外部环境的开放性。

数字孪生同沿用了几十年的、基于经验的传统设计和制造理念相去甚远，使设计人员可以不通过开发实际的物理原型来验证设计理念，不同通过复杂的物理实验来验证产品的可靠性，不需要进行小批量试制就可以直接预测生产瓶颈，甚至不需要去现场就可以洞悉小时给客户的产品运行情况。因此，这种数字化转变对传统工业企业来说可能非常难以改变及适应，但这种方式确实是先进的、契合科技发展方向的，无疑将贯穿产品的生命周期，不仅可以加速产品的开发过程，提高开发和生产的有效性和经济性，更能有效地了解产品的使用情况并帮助客户避免损失，还能精准地将客户的真实使用情况反馈到设计端，实现产品的有效改进。

而所有的这一切，都需要企业具备完整的数字化能力，而其中的基础就是数字孪生。数字孪生技术的应用意义主要体现在如下图所示的4个方面。

（1）更便捷，更适合创新

数字孪生通过设计工具、仿真工具、物联网、虚拟现实等各种数字化的手段，将物理设备的各种属性映射到虚拟空间中，形成可拆解、可复制、可转移、可修改、可删除、可重复操作的数字镜像，这极大加速了操作人员对物理实体的了解，可以让很多原来由于物理条件限制、必须依赖真实的物理实体而无法完成的操作方式（如模拟仿真、批量复制、虚拟装配等）成为触手可及的工具，更能激发人们去探索新的途径来优化设计、制造和服务。

（2）更全面的测量

只要能够测量，就能够改善，这是工业领域不变的真理。无论是否设计、制造还是服务，都需要精确地测量物理实体的各种属性、参数和运行状态，以实现精准的分析和优化。

但是传统的测量方法必须依赖价格昂贵的物理测量工具，如传感器、采集系统、检测系统等，才能够得到有效的测量结果，而这无疑会限制测量覆盖的范围，对于很多直接采集的测量值的指标往往爱莫能助。

而数字孪生则可以借助物联网和大数据技术，通过采集有限的物理传感器指标的直接数据，并借助于样本库，通过机器学习推测出一些原本无法直接测量的指标。例如，可以利用润滑油温度、绕组温度、转子扭矩等一系列指标的历史数据，通过机器学习来构建不同的故障特征模型，间接推测出发电机系统的健康指标。

（3）更全面的分析和预测能力

现有的产品全生命周期管理很少能够实现精准预测，因此往往无法对隐藏在表象下的问题进行预判。而数字孪生可以结合物联网的数据采集、大数据的处理和人工智能的建模分析，实现对当前状态的评估、对过去发生问题的诊断，并给予分析的结果，模拟各种可能性，以及实现对未来趋势的预测，进而实现更全面的决策支持。

（4）经验的数字化

在传统的工业设计、制造和服务领域，经验往往是一种捉摸不透的东西，很难将其作为精准判决的数字化依据。相比之下，数字孪生技高一筹，他的一大关键性进步就是可以通过数字化的手段，将原先无法保存的专家经验进行数字化，并可以保存、复制、修改和转移。

例如，针对大型设备运行过程中出现的各种故障特征，可以将传感器的历史数据通过机器学习训练出针对不同鼓掌现象的数字化特征模型，并结合专家处理的记录，使其形成未来对设备故障状态进行精准判决的依据，并可针对不同的新形态的故障进行特征库的丰富和更新，最终形成自治化的智能诊断和判决。

寄云科技：《一文读懂数字孪生的应用及意义》：一文读懂数字孪生的应用及意义 (clii.com.cn)