【数字孪生】九论数字孪生
数字孪生一词，最早是美国密西根大学教授Grieves提出，后来NASA在2010年对飞行器的真实运行活动进行镜像仿真。利用数据馈送来映射物理实体的数字孪生技术，正在对工业众多领域产生颠覆性影响。BITKOM(德国信息技术与新媒体协会)预测，数字孪生在制造业市场价值巨大，到2025年将超过780亿欧元。
1. 数字孪生定义
数字孪生（DigitalTwin）是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体的全生命周期过程。
数字孪生的两大基础要素便是数字化与网络化，即通过智能传感器的数据捕捉以及现有的工业原理，将人、机器的物理动作转化为电脑可接收、可编辑、可分析的数字信号，同时将所有数据捕获终端进行网络化链接，从而实现虚拟空间中各层线路、各台设备的有机整合，使得物理空间中的所有信息都能够有效地反馈在虚拟数字空间中，完成完整的映射过程。也就是说，数字孪生并非简单的模拟与预测，而是兼顾数字化与网络化双向赋能智造升级。
2. 数字孪生分类
数字孪生从应用的角度分可以分为产品孪生、资源孪生、计划孪生和过程孪生四个方面。其中产品孪生主要针对企业提供的服务或实体产品，以风电设备、航空航天设备等较为典型；资源孪生主要针对生产过程中的物料、设备、工装卡具，计划孪生主要是针对生产管理过程进行，过程孪生则主要针对生产执行过程进行。
3. 数字孪生特性
产品数字孪生体具有多种特性，主要包括：虚拟性、唯一性、多物理性、多尺度性、层次性、集成性、动态性、超写实性、可计算性、概率性和多学科性。
1）虚拟性：数字孪生体是实体在信息空间的数字化映射模型，是一个虚拟模型，属于信息空间（或虚拟空间），不属于物理空间。
2）唯一性：一个物理实体对应一个数字孪生体。
3）多物理集成性：数字孪生体是基于物理特性的实体产品数字化映射模型，不仅需要描述实体产品的几何特性，还需要描述实体的疲劳损伤模型、规则模型等特性。
4）动态性：数字孪生体在全生命周期各阶段会通过与不同实体的不断交互而不断改变和完善，例如：在产品制造阶段采集的产品制造数据（如检测数据、进度数据）会反映在虚拟空间的数字孪生体中，同时基于数字孪生体能够实现对产品制造状态和过程的实时、动态和可视化监控。
5）一致性：产品数字孪生体与物理产品在外观、内容、性质上基本完全一致，拟实度高，能够准确反映物理产品的真实状态。
6）概率性：产品数字孪生体大多采用概率统计的方式进行计算和仿真，其采集的输入数据目前仍不足以覆盖物理空间中的全部信息，其结果自然也只能反映出发生概率较高的结果。
7）多学科性：产品数字孪生体涉及计算科学、信息科学、机械工程、电子科学、管理学、工业工程学等多个学科的交叉和融合，具有多学科性。
4. 产品孪生
1）产品设计：基于数字孪生的产品设计是指在产品数字孪生数据的驱动下，利用已有物理产品与虚拟产品在设计中的协同作用，不断挖掘产生新颖、独特、具有价值的产品概念，转化为详细的产品设计方案，不断降低产品实际行为与设计期望行为间的不一致性。设计阶段又可细分为需求分析、概念设计、方案设计、详细设计和虚拟验证５个阶段，每个阶段在包括了物理产品全生命周期数据、虚拟产品仿真优化数据，以及物理与虚拟产品融合数据驱动下进行。基于数字孪生的产品设计表现出如下新的转变：①由个人经验与知识驱动转为孪生数据驱动；②数据管理范围由设计阶段数据为主扩展到产品全生命周期数据；③创新方式由需求拉动的被动式创新转变为基于孪生数据挖掘的主动型创新；④由离线虚拟设计转变为基于产品孪生数据的实时交互设计；⑤以高逼真度虚拟验证替代小批量产品试制，缩短设计周期。
2）工艺设计：其中包括工艺过程和操作方法的设计工作，产品工艺规划是一切有关生产人员都应严格执行、认真贯彻的纪律性文件，是进行产品生产准备、生产调度、工人操作和质量检验的依据。数字孪生驱动的工艺规划指通过建立超高拟实度的产品、资源和工艺流程等虚拟仿真模型，以及全要素、全流程的虚实映射和交互融合，真正实现面向生产现场的工艺设计与持续优化。在数字孪生驱动的工艺设计模式下，虚拟空间的仿真模型与物理空间的实体相互映射，形成虚实共生的迭代协同优化机制。数字孪生驱动的工艺设计模式使工艺设计与优化呈现出以下新的转变：①在基于仿真的工艺设计方面，真正意义上实现了面向生产现场的工艺过程建模与仿真，以及可预测的工艺设计；②在基于知识的工艺设计方面，实现了基于大数据分析的工艺知识建模、决策与优化；③在工艺问题主动响应方面，由原先的被动工艺问题响应向主动应对转变，实现了工艺问题的自主决策。
3）产品服务系统（ＰＳＳ）是一种向消费者提供不同“物理产品和／或服务”组合的价值提供系统，分别包括面向产品的ＰＳＳ、面向使用的ＰＳＳ和面向结果的ＰＳＳ。基于数字孪生的ＰＳＳ是在数字孪生的支撑下，通过不同“物理产品和／或服务”组合的智能分析决策、快速个性化产品服务配置和服务过程体验与快速供给等，借助要素间的虚实同步，实现资源的优化配置与融合。建立基于数字孪生模型的ＰＳＳ，充分利用数字化与信息化系统，有效支持复杂产品与服务生命周期的智能决策提供、快速供给、智能服务、价值与环境分析等。基于数字孪生的ＰＳＳ使服务管理呈现出新的转变，即响应方式由客户响应向服务商主动服务转变；服务配置与价值分析方式由人为主观配置与评估向实时精确配置与评估转变；服务理念由为自己创造价值转变为与客户一起共同创造价值转变；过程管理由传统服务管理模式向实时化、远程化、集成化的生命周期管理转变。
5. 资源孪生
1）生产物流精准配送：生产物流包括企业内部物流（车间物流）和企业外部物流（企业之间物流），是保证企业正常生产、提高生产效率、降低产品成本的关键。数字孪生生产物流是在孪生数据驱动下，通过物理实体与虚拟模型的真实映射、实时交互、闭环控制，实现生产物流的任务组合优化、运输路线规划、运输过程控制等在物理世界、信息世界和上层物流服务系统之间的迭代运行，从而达到生产过程物流无缝化和智能化的一种新的生产 物流运行模式。基于数字孪生的生产物流使生产物流的管控模式更加智能：①物理实体，运输设备拥有自我决策和通讯能力；②决策要素，由对物理世界实时信息的处理提升到对信息世界仿真预测的孪生数据的处理；③决策方式，由被动的中央系统分配的方式转变为以搬运载体为核心的“抢”任务的主动决策；④控制策略：由上级命令的控制方式转变为多设备交互协同实现自组织、自适应控制；⑤物流透明化，由传统“黑箱”运输模式转变为物料、搬运载体等实时状态透明，可实时追踪和精准配送。
2）车间装备智能控制是车间装备的大脑，其控制功能和控制策略的正确性，直接影响到车间装备的功能与性能。基于数字孪生可对控制系统的设计、控制功能和性能的调试优化以及基于虚实映射丰富数据的控制系统决策能力提供多维度的支持。在设计阶段，通过虚拟模型仿真调试实现控制功能的完整性校验和控制算法选择优化，同时改进迭代机械系统和控制系统；在样机调试阶段，通过虚实映射，对实际控制效果进行评估，改进控制系统和物理样机的设计；在运行维护阶段，对物理样机和加工对象的状态全面感知，满足实时自主决策控制中对物理实体实时状态和历史状态真实反馈的需要。借助数字孪生技术，能够达到控制系统控制精准、算法高效、运行可靠、成本经济的目标。基于数字孪生的控制优势如下：①在装备设计阶段，基于数字孪生虚实同步对控制系统进行设计匹配，使控制系统和物理装备更早地融合匹配，减轻实机调试的负担；②在调试阶段，进一步促进控制系统和设备的全面匹配，改进设计缺陷，降低设计冗余；③在运行阶段，控制反馈信息不再是相对独立的参数，而是数字孪生呈现的物理实时状态，可对算法自主决策提供客观、有效的数据支持。
3）故障预测与健康管理（ＰＨＭ）利用各种传感器和数据处理方法对设备健康状况进行评估，并预测设备故障及剩余寿命，从而将传统的事后维修转变为事前维修。数字孪生驱动的ＰＨＭ是在孪生数据的驱动下，基于物理设备与虚拟设备的同步映射与实时交互以及精准的ＰＨＭ服务，形成的设备健康管理新模式，实现快速捕捉故障现象，准确定位故障原因，合理设计并验证维修策略。数字孪生驱动的ＰＨＭ模式为传统的ＰＨＭ带来以下新的转变：①故障观察方式由静态的指标对比向动态的物理与虚拟设备实时交互与全方位状态比对转变；②故障分析方式由基于物理设备特征的分析方式向基于物理、虚拟设备特征关联与融合的分析方式转变；③维修决策方式由基于优化算法的决策向基于高逼真度虚拟模型验证的决策转变；④ＰＨＭ功能执行方式由被动指派向自主精准服务转变。
6. 计划孪生
1）车间生产调度优化：生产调度是生产车间决策优化、过程管控、性能提升的神经中枢，是生产车间有序平稳、均衡经济和敏捷高效的运营支柱。数字孪生驱动的调度模式是在数字孪生系统的支撑下，通过全要素、全数据、全模型、全空间的虚实映射和交互融合，形成虚实响应、虚实交互、以虚控实、迭代优化的新型调度机制，实现“工件—机器—约束—目标”调度要素的协同匹配与持续优化。在数字孪生驱动的调度模式下，调度要素在物理车间和虚拟车间相互映射，形成虚实共生的协同优化网络。物理车间主动感知生产状态，虚拟车间通过自组织、自学习、自仿真方式进行调度状态解析、调度方案调整、调度决策评估，快速确定异常范围，敏捷响应，智能决策，具有更好的变化适应能力、扰动响应能力和异常解决能力。数字孪生驱动的调度模式使调度优化与过程管控呈现出新的转变，即驱动方式由能量驱动向数据驱动转变，调度要素由实体互联向虚实映射转变，响应方式由被动响应向主动应对转变，过程控制由粗放控制向精确控制转变，管理形式由层级结构向扁平化结构转变。
2）产品质量分析与追溯指在设计正确合理的制造工艺的同时，对生产过程中加工精度、所受应力等因素综合考虑实现产品的加工质量分析，并在出现质量问题时，可以追溯其加工中每个环节，找出原因，从而改进加工工艺、控制加工质量。基于数字孪生的产品质量分析与追溯指在采集物理车间中各个制造工序所承受的切削力误差、定位精度、工件热变形等信息基础上，通过在虚拟车间仿真计算，以对产品加工质量进行分析和预测。此外，产品的加工过程及相应的加工参数被记录在虚拟车间中以便产品质量追溯。与传统质量追溯相比，在数字孪生环境下的质量追溯更多的注重自学习与实时性的特性。
7. 过程孪生
1）复杂产品装配是产品功能和性能实现的最终阶段和关键环节，是影响复杂产品研发质量和使用性能的重要因素，装配质量在很大程度上决定着复杂产品的最终质量。数字孪生驱动的装配过程将基于集成所有装备的物联网，实现装配过程物理世界与信息世界的深度融合，通过智能化软件服务平台及工具，实现零部件、装备和装配过程的精准控制，对复杂产品装配过程进行统一高效地管控，实现产品装配系统的自组织、自适应和动态响应。相对于传统的装配，数字孪生驱动的产品装配呈现出新的转变，即工艺过程由虚拟信息装配工艺过程向虚实结合的装配工艺过程转变，模型数据由理论设计模型数据向实际测量模型数据转变，要素形式由单一工艺要素向多维度工艺要素转变，装配过程由以数字化指导物理装配过程向物理、虚拟装配过程共同进化转变。
2）测试／检测是针对被测对象某种或某些状态参量进行的实时或非实时的定性或定量测量，是生产各项活动正常有序、高效高质进行的必要保障，发展高效高质量、高精度高可靠、低能耗低消耗的测试／检测技术一直都是工业界和学术界的研究热点。数字孪生驱动的测试／检测模式是在虚拟空间中构建高保真度的测试系统及被测对象虚拟模型，借助测试数据实时传输、测试指令传输执行技术，在历史数据和实时数据的驱动下，实现物理被测对象和虚拟被测对象的多学科／多尺度／多物理属性的高逼真度仿真与交互，从而直观、全面地反映生产过程全生命周期状态，有效支撑基于数据和知识的科学决策。数字孪生驱动的测试／检测流程包括知识建模、系统设计、系统构建，以及系统、对象、过程状态数据全生命期管理和自主决策。数字孪生驱动的测试／检测基于物理系统和虚拟系统的虚实共生，出现以下新变化：①直观呈现，即由状态参量数据化展现向状态参量视觉化直观呈现；②原位表征，即由事后测量向被测量原位表征转变；③双向驱动，即由仅测量物理量向虚实共生数据双向驱动转变；④调整方式，即由被动响应向基于虚实交互的自适应主动控制转变；⑤管理方式，即由状态监测向虚实同步映射的全寿命周期状态预测转变。
3）制造能耗管理指在有效保障制造系统性能、企业经济效益的同时，对制造过程中水、电、气、热、原材料等能源消耗进行监测、分析、控制、优化等，从而实现对能耗的精细化管理，达到节能减排、降低制造企业成本、保持企业竞争力的目的。基于数字孪生的制造能耗管理指在物理车间中，通过各类传感技术实现能耗信息、生产要素信息和生产行为状态信息等的感知，在虚拟车间对物理车间生产要素及行为进行真实反映和模拟，通过在实际生产过程中物理车间与虚拟车间的不断交互，实现对物理车间制造能耗的实时调控及迭代优化。数字孪生驱动的制造能耗管理与传统技术和方法相比，具有以下特点：①数据来源由单一的能耗数据向多类型的装备能耗、生产要素和生产行为等数据转变，数据来源不仅包括物理车间多源异构感知数据，还包括虚拟数字车间仿真演化数据；②交互方式由传统的平面统计图表显示向基于虚拟／增强现实技术的沉浸式交互转变；③能量有效生产过程管理由传统的经验指导管理向物理模型驱动数字模型知识演化的物理—信息融合的管理转变。
8. 数字孪生不足
数字孪生确实能够有效的辅助企业实现数字化转型，但是在实施过程中企业依然会遇到无法回避的问题：
1）信息空间不完善性：物理实体是天然形成的，它的特征是在有限的空间和时间上不可能被完备地描述。人类对于物理实体的认识永远是有限的、局部的。所以为他们建立的模型并不能完备地代表客体自身，这导致天然客体的数字孪生体并不是真正“孪生”的。同时即使客体的功能、关系和状态是可以建模的，而客体与周边环境相关的行为和安全保障是不可能建立完备的模型的。再者，即便是可以建立的模型，其复杂性往往是指数增长的，往往使得实际的运用上无法实现。
2）人为因素的不可预测性：从上面对数字孪生的应用场景可以看出，生产五要素中的机料法环四项均可运用数字孪生技术加以改善，而作为最为核心的要素“人”在论述中却并未涉及到。这主要是由于作为唯一具有主观能动性的生产要素，人的行为无法用简单的模型加以预测。
9. 数字孪生方向
由于数字孪生技术能够在数字虚拟空间中对于制造流程的各个环节进行单独模拟、任意整合，使得以汽车、电子制造、机械制造为代表的离散型制造与数字孪生技术匹配度极高。同时，成熟度越高的产业越能够有效地总结出通用型生产流程和工艺原理，为实体制造过程虚拟数字化提供更加便利的条件。因此，目前国内外数字孪生技术均主要应用于汽车制造、电子制造、机械制造等产业方向，代表企业包括西门子、GE、吉利等，而在未来，随着AI算法的不断提升，数字孪生可应用的领域也将迅速扩大，并最终实现智慧城市等超复杂架构的完美映射。
现阶段数字孪生技术主要应用在智能工厂这一制造业场景中，专注于实体设备和生产线的数字虚拟化，而随着大数据、云计算等技术的不断发展，数字孪生将逐步由设备工序数字化向流程系统数字化发展，即通过反复的模拟计算，自主生成数据资源库，并利用深度学习等人工智能技术，逐步实现数字孪生对于实体流程的自适应、自决策，从而在生产需求、业务场景发展新变化时，生产流程能够完成自发性的智能化、柔性化调整，进而真正实现智能工厂的无人化。
规范化管理是所有工厂向数字化转型过程中不可或缺的一步，规范化能够规范人的行为、提升数据规范性，让数字孪生能够更加准确、客观的对现实世界进行模拟。
先进制造业+工业互联网
产业智能官 AI-CPS
加入知识星球“产业智能研究院”：先进制造业OT（自动化+机器人+工艺+精益）和工业互联网IT（云计算+大数据+物联网+区块链+人工智能）产业智能化技术深度融合，在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
版权声明：产业智能官（ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源，涉权烦请联系协商解决，联系、投稿邮箱：erp_vip@hotmail.com。
相关内容
微信扫码咨询专知VIP会员