一文读懂数字孪生-建模者

捐助

一文读懂数字孪生

次浏览

2021-5-25

编辑推荐:

本文主要讲解了NASA更具工程应用含义的数字孪生、NASA数字孪生的用途、Gartner数字孪生及国内数字孪生方面的理论研究工作。
本文来自于微信公众号：知识自动化，由火龙果软件Linda译、推荐。

数字孪生之火热

数字孪生（Digital Twins）之火热，已经成为了一个不争的事实。数字孪生的概念，起源于制造业，现在已广泛应用到了智慧城市、智慧交通、智慧农业(3.070, 0.02, 0.66%)、智慧医疗、智能家居等行业。简而言之，数字孪生无处不在。

本文首先简单回顾了国内外在数字孪生方面的研究与应用的典型工作，将现有的数字孪生方面的工作依据其性质的不同分为两大类：一类工作的重点在如何进行工程应用，解决实际问题；另一类工作的重点在于探讨数字孪生自身的运作机理、运行方法或运行模式。在此基础上，给出了我们对德国工程师协会/德国电气工程师协会（VDI/VDE）技术委员会于2020年2月发布的报告《设备生命周期中的仿真与数字孪生》的评论。

NASA更具工程应用含义的数字孪生

在上世界六十年代，美国的NASA（美国宇航局）实施了一系列载人登月飞行任务，简称阿波罗计划（Apollo program），目的是实现载人登月飞行和人对月球的实地考察。在Apollo program工程中，NASA建设了一套完整的、高水准的地面半物理仿真系统，用于培训宇航员和任务控制人员所用到的全部任务操作，当然包括了多种故障场景的处理使命。

其中一些故障场景处理，在Apollo 11与 Apollo 13的任务完成过程中，证明了其价值所在。这些功能各式各样的模拟器，由联网的多台计算机控制。其中十台模拟器被联网用以模拟一个单独的大问题。指令舱模拟器用了四台计算机，登月舱模拟器用了三台计算机。在模拟培训中，唯一真实的东西是乘员、座舱和任务控制台，其他所有的一切，都是由一堆计算机、许多的公式以及经验丰富的技术人员仿真而创造出来的。

在图中，前部的是登月舱模拟器，后部的是指令舱模拟器（图片来自NASA）在图中，前部的是登月舱模拟器，后部的是指令舱模拟器（图片来自NASA）

NASA在其特定的工程实践中，首先认识到了建设物理孪生的重要性。随着计算机、网络技术的高速发展，特别是软件技术与仿真技术的高度发展，使得各种物理孪生对象，从功能上、行为上完全可以用计算机系统进行仿真替代，在此基础上，提出数字孪生的理念，就成为水到渠成的事了。

NASA基于其成功的工程实践，在之后2010年发布的Area 11技术路线图的Simulation-Based Systems Engineering部分中，首次提出了数字孪生（Digital Twins）的概念。其定义为：“一个数字孪生，是一种集成化了的多种物理量、多种空间尺度的运载工具或系统的仿真，该仿真使用了当前最为有效的物理模型、传感器数据的更新、飞行的历史等等，来镜像出其对应的飞行当中孪生对象的生存状态。”

2010年NASA提出数字孪生概念，有明确的工程背景，即服务于自身未来宇航任务的需要。NASA认为基于Apollo时代积累起来的航天器设计、制造、飞行管理与支持等方式方法（相似性、统计模式的失效的分析、原型验证等），无论在技术方面还是在成本方面等，均不能满足未来深空探索（更大的空间尺度、更极端的环境、更多未知因数）的需要，需要找到一种全新的工作模式，称之为数字孪生。

在其Area 12技术路线图中，列举出来材料、结构、机构等多方面的技术探索内容，其中的一个重要内容就是对应任务的各种各样的仿真，见下图这些仿真要能够对运载工具全生命周期提供支持。而将这些仿真集成到一起，再加上实时状态数据，历史维护数据，以及机载健康管理（IVHM）等，就是其数字孪生含义，一种NASA追求的全新的工作模式。

NASA数字孪生的用途如下：

第一，发射前的飞船未来任务清单的演练。可以用来研究各种任务参数下的结果，确定各种异常的后果，减轻故障、失效、损害的策略效果的验证。此外，还可以确定发射任务最大概率成功的任务参数。第二，镜像飞行孪生的实际飞行过程。在此基础上，监控并预测飞行孪生的状体。第三，完成可能的灾难性故障或损害事件的现场取证工作。第四，用作任务参数修改后，结果的研究平台。

NASA的数字孪生，基于其之前的宇航任务实践经验，以及未来的宇航任务要求，极其重视仿真的作用。NASA要完成的宇航任务，涉及天上、地下、材料、结构、机构、推进器、通讯、导航等众多专业，是一个极其复杂的系统工程，所以，NASA更强调上述内容的集成化的仿真，从某种意义上，是其系统工程方法的落脚点。换个看问题的角度来讲，NASA的数字孪生，就等同于其基于仿真的系统工程。

AFRL更具工程应用含义的数字孪生

2009年，AFRL（美国空军研究实验室）发起了一个“机身数字孪生”项目，简称ADT。该项目综合了，每架飞机制造时的机身静态强度数据，每架飞机的飞行历史数据，以及日常运维数据，采用仿真的方法，来预测飞机机身的疲劳裂纹，实现了飞机结构的寿命管理，有效地提高了机身运维效率，以及机身的使用寿命。

该项工作发表在2011年Tuegel EJ等人撰写的文章《Reengineering aircraft structural life prediction using a digital twin》中。文献中指出，该ADT项目发起于2009年。所以有部分学者认为，是AFRL首先提出了数字孪生的概念。我个人的意见是，考虑到文章公开发表的时间，以及之前的工程实践规模及带来的影响力，还是认为NASA首先提出了数字孪生的概念更为科学。

更具理论色彩的数字孪生

2002年Michael Grieves在密歇根大学为PLM（产品生命周期管理）中心成立而向工业界发表演讲而制作的幻灯片中，首次提出了PLM概念模型，模型中出现了现实空间，虚拟空间，从现实空间到虚拟空间的数据流，从虚拟空间到现实空间的信息流，以及虚拟子空间的表述，见下图。

按Michael Grieves自己后来的说法，这已经具备了数字孪生的所有要素。该模型在随后的PLM课程中，被称之为镜像空间模型（Mirrored Spaces Model），而在其2006年发表的著作——Product Lifecycle Management：Driving the Next Generation of Lean Thinking中，被称之为信息镜像模型。

2011年，Michael Grieves在其发表的著作——Virtually Perfect：Driving Innovative and Lean Products through Product Lifecycle Management中，PLM概念模型仍然被称之为信息镜像模型。

在2014年，Michael Grieves写的一份白皮书——Digital Twin: Manufacturing Excellence through Virtual Factory Replication 中提到，其在2011年的书中引入了术语“数字孪生“，归功于与他一起工作的NASA的John Vickers。

而在2016年，Michael Grieves 与 John Vickers合写的Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems 文章中声称，2011年的书中仍然使用了信息镜像模型这一表述，但也就是在这里，“数字孪生”这个术语，以引用描述信息镜像模型的合作者的方式，附属于该信息镜像模型。

尽管Michael Grieves在2016年文章中称其首先给出了数字孪生的概念，但行业内对谁先提出这个概念还是存在一些争议的。事实上，Michael Grieves 2014年发表的白皮书，以及2011年出版书的时间落后于NASA的技术路线图的发表时间（2010年）。其中的缘由，恐怕只有当事的两人能说清楚。但这一切，抹杀不掉Michael Grieves在Digital Twin抽象而清晰表述方面，所做出的贡献。

还是在2016年的这篇文章中，他与John Vickers提出了数字孪生的类型——Digital Twin Prototype （DTP）、数字孪生的实例——Digital Twin Instance（DTI）、数字孪生的集合——Digital Twin Aggregate（DTA）、数字孪生的环境——Digital Twin Environment（DTE）等概念。同时将数字孪生可以解决的问题进行了分类：第一类是predicted desirable（PD），预计得到的期望的结果；第二类是predicted undesirable （PU），预计得到的非期望的结果；第三类是unpredicted desirable（UD），未预料到的期望的结果；第四类是unpredicted undesirable（UU），未预料到的非期望的结果。

虽然将Michael Grieves作为首先提出数字孪生的研究者，从公开发表的资料方面看存在争议，但我们不可否认Michael Grieves在数字孪生的理论方法方面做出的突出贡献，尤其是其归纳总结出了的现实空间、虚拟空间、两个空间的数据或信息的交互，以及映像或镜像，构成了数字孪生方法论方面的基础。到目前为止，各种数字孪生方法论方面的工作，还没有超出Michael Grieves给出的框架。特别是他对数字孪生可以解决的现实问题的划分，非完美且优雅，基本上覆盖了数字孪生的作用范围。

Michael Grieves在数字孪生方面的理论方面的工作，对数字孪生的普及应用，起到了至关重要的作用。

Gartner数字孪生

Gartner在 2017年、2018年连续将数字孪生列为十大技术趋势之一，对数字孪生的火热起到了推波助澜的作用。其将数字孪生定义为对象的数字化表示。进而将数字孪生分为了三类：

离散数字孪生（Discrete digital twins）：单个产品/设备，人或任务的虚拟复制品，用于监视和优化单个资产、人和其他物理资源。

复合数字孪生（Composite digital twins）：用于监视和优化关连在一起的离散数字孪生的组合使用，如轿车和工业机器这样的多部件系统。

组织数据孪生（Digital twins of organizations - DTOs）：DTOs是复杂与大型实体的虚拟模型，由它们组成部分的数字孪生构成。DTOs用于监视与优化高级业务的性能。

Gartner在实践中更为重视IOT领域中数字孪生的应用。据其内部的一个调查统计，在所有有实施IOT意愿的企业中，59%已经实施了或正在实施的数字孪生。这个比例，与Gartner在2017年、2018年新兴技术成熟度曲线中将数字孪生的定位相比较而言，落地得实在是快了些，让人感到一些诧异。

Gartner收购的咨询公司Software Advice的分析师Gitanjali Maria在一篇公开发表的博文中，给出了实现数字孪生的三种方式。

1. 采购数字孪生使能的应用

销售商: GE Digital, Oracle, IBM, SAP, and Bentley Systems

2. 客户自行开发

数字孪生使能的技术供应商: Accenture, Atos, IBM, Microsoft, and Mavim

3. 基于商业化的数字孪生模板

销售商: ANSYS, SAP, GE Digital, Uptake, and Hitachi

我们不能确定的是，Gitanjali Maria是否能够代表Gartner的意见。如果是，就可以解释，Gartner没有将数字孪生列入2020年的十大技术趋势的原因了。由此可见，Gartner不是神，也有走眼的时候。

国内数字孪生方面的理论研究工作

在2004年，中国科学院自动化研究所的王飞跃研究员发表了《平行系统方法与复杂系统的管理和控制》的文章。文章中首次提出了平行系统的概念。平行系统（Parallel Systems），是指由某一个自然的现实系统和对应的一个或多个虚拟或理想的人工系统所组成的共同系统。通过实际系统与人工系统的相互连接，对二者之间的行为进行实时的动态对比与分析，以虚实互动的方式，完成对各自未来的状况的“借鉴”和“预估”，人工引导实际，实际逼近人工，达到有效解决方案的以及学习和培训的目的。我们完全可以将平行系统中的人工系统，理解为物理系统的数字孪生这样的结论。需要强调的是，王飞跃是将平行系统（数字孪生）作为解决复杂系统问题的方法论而提出来的。

走向智能研究院的赵敏与宁振波在《铸魂——软件定义制造》一书中，对数字孪生有着如下的认识和定位：“数字孪生是在’数字化一切可以数字化的事物‘的大背景下，通过软件定义，在数字虚体空间所创立的虚拟事物与物理实体空间的现实事物形成了在形、态、质地、行为和发展规律上都极为相似的虚实精确映射，让物理孪生体和数字孪生体之间具有了多元化的映射关系，具备了不同的保真度（逼真/抽象等）。个人认为，作者提出的“虚体测试，实体创新”，是对数字孪生的作用机理的最简洁概括。

南山工业书院的林雪萍在“知识自动化”微信公号上发表的《数字孪生：第四象限的崛起》一文中，使用二维象限工具，完美地诠释了一个产品，从设计，到制造，再到使用与运营，全生命周期的数字孪生的动态演变过程，依据象限的不同，生动形象地指出了数字孪生的重要作用，见下图。其中的三条信息新通道，正是数字孪生的不断丰富、不断丰满的发展过程。我认为，还可以将林雪萍给出的二维象限结构，发展为三维螺旋式上升结构，表达出数字孪生在产品升级换代、不断提高方面的作用，就更加完美了。

北京航空航天大学的陶飞等在CIMS期刊上的《数字孪生五维模型及十大领域应用》，给出了数字孪生的五维模型，MDT=（PE，VE，Ss，DD，CN）。MDT是一个通用的参考架构，孪生数据（DD）集成融合了信息数据与物理数据，服务（Ss）对数字孪生应用过程中面向不同领域、不同层次用户、不同业务所需的各类数据、模型、算法、仿真、结果等进行服务化封装，连接（CN）实现物理实体、虚拟实体、服务及数据之间的普适工业互联，虚拟实体（VE）从多维度、多空间尺度、及多时间尺度对物理实体进行刻画和描述。五维模型，对数字孪生的落地具有重要的指导意义，在工程应用中，可以直接将该模型映射或转换为面向服务的软件体系结构。

百花齐放的数字孪生

在Michael Grieves对数字孪生进行理论概括之后，数字孪生吸引了各方人士的关注，得到了各行各业各方人士的热情追捧。在制造业，做产品设计的在使用数字孪生，做产品生命周期管理（PLM）的在使用数字孪生，做制造过程管理的在使用数字孪生，做产品售后服务的在使用数字孪生，做设备故障诊断的在使用数字孪生，甚至搞自动化、工业控制、机器人(9.490, 0.03, 0.32%)的也在使用数字孪生……更让人神奇的是，数字孪生这一概念，迅速走出制造业，应用到了智慧城市、智慧交通、智慧农业、智慧医疗、智能家居等行业。简而言之，数字孪生无处不在，数字孪生似乎成为各行各业实现数字化的灵丹妙药。

虽然数字孪生这一概念，得到了业界近乎疯狂的追捧，但令人惊讶的是，数字孪生这一概念在其诞生后的近20年的时间里，在概念的内涵上，却远远没有达成一致。反而，随着数字化浪潮的不断推进，人们赋予数字孪生的内涵，差异却不断扩大，无论是在国内还是在国外。究其原因在于Michael Grieves对数字孪生定义，抛去了具体的工程应用背景约束，同时其给出的定义覆盖内容过于宽泛，留给了人们广阔的想象空间。特别需要指出的是，数字孪生已经成为国内外各大软件厂商推广其产品的强大思想利器。

虽然各方人士，站在各自的立场，出于不同的目的，给出的数字孪生定义差异较大，但这些定义的共同之处，是将数字孪生，简洁地定义为物理对象的数字表示。而这种定义，接近回归到了数字世界或计算机运行的基本原理，详见本人发表在“数字化企业网”微信公众号上的《数字孪生——一半是火焰，一半是海水》一文。而数字孪生的各种应用，详见e-works的黄培发表在“数字化企业网”微信公众号上的《数字孪生应用的十大关键问题》一文。

德国人务实的工作方式

德国人非常清醒的认识到数字孪生并没有一个完全达成共识的定义，但又看到了数字孪生理论体系带给实际工程应用的价值。所以德国人并没有把主要精力放在提出并解释其自身的数字孪生概念，而是直接面向实际的工程应用。报告的题目为《设备生命周期中的仿真与数字孪生》，而没有采用像“XX”数字孪生，或基于数字孪生的“XX”，等国内外相似工作的常用形态，反应了德国人的务实、谨慎的心态。

德国工程师协会和电气工程师协会VDI/VDE测量和自动化技术协会（GMA）要解决的问题，是在其工程实践的遇到的一个具有普遍性的问题：即如何更高效地研发自动化的工厂与自动化的机器，以及如何高效地运营这些自动化的工厂与自动化的机器。

同NASA一样，VDI/VDE测量和自动化技术协会（GMA）非常看重建模和仿真所起的重要作用。在《工厂生命周期中的模拟和数字孪生技术》白皮书中，技术委员会6.11 虚拟调试的成员，以一个机械装配单元和一个泵试验台的需求为例，描述了未来建模和仿真作为工厂或系统生命周期研发的组成部分的技术愿景，展示了实现数字孪生所需的仿真方法的进一步发展，以及发展建模仿真工具的实际动力。其核心是数字孪生，在自动化工厂系统或产品研发以及运营和服务阶段的研发和应用。

针对基于仿真的虚拟调试当前存在的如下问题：

组件层面的详细分析选项，但系统层面的能力有限。

模型和模拟的有限再利用。

无递归，即工程中后来的变化不在早期模型中保留。

只在工程过程中部分地、孤立地融入仿真技术。

模型/模拟与运行中的物理系统之间没有直接的联系，特别没有整合。

迄今为止，没有或很少使用操作上的并行模拟。

将NASA的基于仿真的系统工程，上升到了基于数字孪生的系统工程，具有一定的新意。

给出了数字孪生的开发步骤：

定义一种语言或协调的建模标准，以便能够对机器或系统的跨学科模型，以及DT进行建模或组合。

从DT自动导出可执行的仿真，用于开发阶段的虚拟验证，其中包括模型在环（MiL）、软件在环（SiL）和硬件在环（HiL）的测试场景被使用。

DT的自动特征——在所有可用信息子集的意义上——对应于生命周期中的一项或多项任务和相应的阶段，以及学科、模型的广度、知识的深度。