精华内容
下载资源
问答
  • info_digitaltwin 欢迎使用Digital Twin知识库,它是一组资源,可帮助您了解有关Digital Twin的更多信息。 在这里,您将找到有关该项目的所有相关信息。 如果您有任何意见,想补充一下,或有个不错的主意,请随时...
  • DigitalTwin网站 如何开始 查看 贡献 查看 请确保您按照上述说明进行操作
  • harmonyos英文怎么读 HarmonyOS-DigitalTwin Digital Twin System based HarmonyOS
  • digitaltwin:聊天-源码

    2021-02-09 06:45:21
    数字双胞胎应用。 这将为您提供工具来收回您的数字自我的所有权。 在第一个阶段中,您将能够通过聊天实现与ThreeFold网络中的其他人安全地进行通信和peer2peer。 在以后的阶段中,将集成文件管理,视频群聊和Wiki...
  • Leo-Lu-DigitalTwin.pptx

    2021-03-15 09:35:04
    BENTLEY是交通基础设施BIM行业领域的引导者,现在几乎设计院都采用bentley的产品做交通行业设计,学习下他们的理念吧
  • 三人数字双胞胎 这是ThreeDigitalTwin。 基于3D WebGL的IoT项目的入门套件。 如您在此处看到的那样,为了在使用ThreeDigitalTwin创建复杂场景时提高性能,我们的库将渲染从主线程移到了具有OffscreenCanvas的Web ...
  • 三人数字双胞胎 这是ThreeDigitalTwin。 基于3D WebGL的IoT项目的入门工具包。 如您在此处看到的那样,为了在使用ThreeDigitalTwin创建复杂场景时提高性能,我们的库将渲染从主线程移到了具有OffscreenCanvas的Web ...
  • 滴定数字双胞胎 这是一个建立在TiTiler之上的DEMO定制api,用于根据由Sinergise创建的Digital Twin Sentinel-2 COG创建Web Map Tiles。 有关数据集的更多信息,请签出: : 数据 参见: : 部署 ...
  • DigitalTwin确实是近年来出现的新兴概念,而且普遍被国内外大型软硬件厂商所接受并作为宣传用语!那么DigitalTwin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DigitalTwin?目前它...
  • 在加工制造业数字化、信息化的过程中,出现了数字孪生(DigitalTwin)和数字进程(DigitalThread)等多个关键基本概念。对于将来,用目前的基本概念去了解这种新理念显而易见是不妥当的,它不但会使大家的理解不到位...

    在加工制造业数字化、信息化的过程中,出现了数字孪生(DigitalTwin)和数字进程(DigitalThread)等多个关键基本概念。对于将来,用目前的基本概念去了解这种新理念显而易见是不妥当的,它不但会使大家的理解不到位,还会继续对整体数字化过程带来影响,甚至于误导进程。下边是我们根据数字化、信息化工程项目实践活动对这种基本概念展开的有关了解和解析。
    在这里插入图片描述

    一、对数字孪生(DigitalTwin)的解析
    在这里引入NIST网址上由DAG总结出的数字孪生(DigitalTwin)基本概念:
    在数字进程(DigitalThread)支撑下,应用最好的可用模型、传感器信息和输入数据信息来映射和预测分析相对物理学孪生体生命期内主题活动/特性的一种多物理学、多尺度、概率仿真模拟集成化系统。在这里几个关键环节必须探讨:
    最好的模型:根据对物理学孪生体的深刻认识、应用领域的合理概念、传感技术管理体系的合理操作、输入数据信息的详细有效、系统运作的合理操控、孪生模型的合理认证物理学孪生体的映射:针对繁杂系统来讲,必定是一个能定性分析物理学孪生体的多方位、多功能、全特性、全情景的映射项目生命周期:在这里的关键是项目生命周期如何达到?因此,大家就能见到数字孪生(DigitalTwin)与基于模型的三维仿真有着实质的差别。另外,也可以见到这一模型的创建全过程和应用目地。从某类角度讲,这是一个基于数字化,自始至终在迭代更新(认证、健全)的模型创建全过程,也是一个从简略到完善的模型成长阶段,并最终是一个自动运作的模型。
    从上述能够 见到,数字孪生(DigitalTwin)本质是一个模型,那这一模型又如何运用呢?系统中有多少数字孪生(DigitalTwin)、他们之间成什么关系?怎样运作并生成功效呢?
    二、对数字进程(DigitalThread)的解析
    针对数字孪生(DigitalTwin)的运用,牵涉到另一个数字化过程中十分重要的基本概念——数字进程(DigitalThread),DAG一样总结出了相应的概念:
    一个基于数字系统模型模版,具备可拓展、可配备和部件式作用的企业级分析构架。在系统的生命期内为领导者出示访问、集成不同数据信息并将其转化为可操控信息的工作能力,无缝加快业务数据信息专业知识系统中权威性技术数据信息、软件、信息和知识的可控互动。
    在这里一样有几个关键环节必须探讨:
    数字系统模型模版:模型实现的通常是一点上的作用,要让整体系统根据模型跑起来,必须的是关联构架和数据信息的驱动。针对信息化系统来讲,便是选用模版,它叙述了构架、概念了数据流向,能够在数据信息的驱动下全自动、甚至于智能化地工作。它与数字孪生(DigitalTwin)一起生成了分析构架。可拓展、可配备和部件式作用:依据系统的多元性和数字化操控要求,模型将会在课程结合、全过程集成化、层级优化等好几个层面上深入进行,形成衍化、支系和环节模型,这种模型需要关联、互动交流,融入变动,完成灵活配备和资产重组等管理方法。在这儿,模型管理方法将是数字进程(DigitalThread)的一个关键工作内容决策生成:根据数字孪生(DigitalTwin)和数字系统模型模版(DigitalSystemModeltemplate)的管理决策,最少是智能辅助管理决策的,因此,专业知识的干预将是不可或缺的信息可控:数据/信息是整体系统运行的驱动源,其可控应包含正实、肯定、恰当、且被专业、标准地叙述,在这样的规定下,认证和验证将是不可或缺的关于DigitalThread,中国也有译为数字主线任务,但从其工作本质看来,称之为数字进程(DigitalThread)应当更加切合。
    三、数字化操控和管理体系构架的设想
    从上面对数字孪生(DigitalTwin)和数字进程(DigitalThread)的探讨来看,这是一个在知识结构/智能辅助下,由数据驱动的最新模型和运行构架。
    1.数字孪生(DigitalTwin)的创建
    总结出一个工作循环,从专业知识、认知能力、假设、模型、认知、认证,最终根据知识工程提升并回到到“知识”,其实际上是一个数字化的模型和认证全过程,另外也是一个根据数字模型的迭代更新全过程,最后将总结出一个健全的,可重用的数字孪生(DigitalTwin)模型。这一模型还可在数据驱动下全自动运行、完成迅速变动操纵及具备与其它数字孪生(DigitalTwin)模型和数字进程(DigitalThread)的关系集成化作用。在这儿,可重用需要验证的确定,变动或许是数字孪生(DigitalTwin)中较难解决的难题、而可关联和集成化是运用的基础要求
    2.数字进程(DigitalThread)的运行
    从某类角度讲,这是一个基于信息化的运行构架,生成一个用模版和数字孪生(DigitalTwin)拼装变成的运作构造和根据智能技术的使能体制。因此信息的输入就能具有驱动的功效,这一驱动反映在随情景的生成、模版的全自动套入、管理决策的自动生成(或辅助转化成),及其系统的全自动迭代更新。这一管理体系可以是系统的,还可以是企业级的,相匹配企业级的便是基于模型的公司(ModelBasedEnterprise,MBE),此时的数字孪生(DigitalTwin)对应的已不仅具体物理学目标,还可以是步骤和方式 。
    3.信息和专业知识系统(LOTIK)的支撑
    不论是数字孪生(DigitalTwin)和数字进程(DigitalThread)都必须有一个强劲的专业知识和信息系统的支撑,尤其是当这样的数字系统依靠智能技术全自动运行时,专业知识和信息的合理性和准确性就极其重要,此时,验证将是一个必不可少的技术手段。
    从美国国家标准与技术研究院(NIST)举行的有关MBD的技术讨论中,我们可以见到一个词“档案资料信息系统(LOngTernArchivingandRetrieval,LOTAR)”,它是国际航空航天行业的一个专业文件管理系统,美国和欧盟还专门创建了规范(EN9300/NAS9300系列产品规范),主要用以业务流程、法律法规和验证,以及信息器重。整体信息都是历经验证解决操控后入库并交付使用的。
    相似的操控在数字化过程中同样需求,但针对智能制造系统来讲,它不但是一个文档系统,更应该是一个根据验证的信息和专业知识系统,在这里效仿LOTAR中的LOngterm,称之为专业知识信息系统(LOngTermInformationandKnowledge,LOTIK),它将为数字孪生(DigitalTwin)的设计方案、迭代更新和运用,以及数字进程(DigitalThread)的智能化系统运行出示全方位支撑。
    总而言之,数字孪生(DigitalTwin)的创建和运用绝不简单,数字进程(DigitalThread)也是下一代数字系统的运行构架和使能体制。而当LOTIK生成系统后,数字化系统才刚刚渐入佳境,生产制造的大数据时代才真正到来。
    而针对公司来讲,升级核心理念,用数字化的系统逻辑思维、优秀的数字化专用工具,并从补足数据信息开始才算是正道,毕竟千里之行始于足下。

    展开全文
  • 数字孪生(DigitalTwin)这个观念最初可以追寻到MichaelGrieves教授2002年在密歇根大学PLM(产品全生命周期管理)中心对产业界做的一次演讲(虽然没有书面证据,但这仍被广泛觉得是数字孪生的最初来源)。...

    现如今的数字孪生,距离预想中的沙盒系统模拟推演、人工智能决策等功能仍有较大差距。数字孪生(DigitalTwin)这个观念最初可以追寻到MichaelGrieves教授2002年在密歇根大学PLM(产品全生命周期管理)中心对产业界做的一次演讲(虽然没有书面证据,但这仍被广泛觉得是数字孪生的最初来源)。
    2014年,MichaelGrieves在其编写的“DigitalTwin:ManufacturingExcellencethroughVirtualFactoryReplication”白皮书中进行了详尽的阐述。他觉得利用物理设备的数据,可以在虚拟(信息)空间搭建一个可以表征该物理设备的虚拟实体和子系统,而且这种联系不是单向和静态的,而是在整个产品的全生命周期中都联系在一起。
    在此之后,数字孪生的观念逐步拓展到了模拟仿真、虚拟装配和3D打印等领域。伴随着物联网技术、人工智能和虚拟现实技术的不断发展,越来越多的工业产品、工业设备具有了智能化的特征,而数字孪生也逐步拓展到了包含制造和服务在内的完整的产品周期环节,并不断完善着数字孪生的形态和观念。
    企业界走在数字孪生的前列。工业4.0下的数字孪生被各种软件厂商赋予了不同的理解,并将其与自身的业务融合,着力于打造出现实世界与虚拟世界融合的解决方案。美国通用电器公司(GE)与ANSYS公司运用数字孪生这个概念,提出物理机械和分析技术融合的实现方式,让每个引擎,每个涡轮,每台核磁共振都具有一个数字化的“双胞胎”,并利用数字化模型在虚拟环境下实现机器人调试、试验、优化运行状态等模拟,以便于将最优方案应用在物理世界的机器上,进而节省了大量维修、调试成本。西门子引用数字孪生的概念,来形容贯穿于产品全生命周期各环节间的数据模型。简单地说,数字孪生便是模拟仿真一些工厂的实际操作空间,从产品设计到产线设计,到设备制造方的机械设计和工厂的规划排产,到最终制造执行和产品大数据。法国软件公司达索系统在数字孪生创新协作和验证中,不仅重视产品的数字化表现,更尝试利用三维体验平台实现设计师和客户之间的互动。德国软件公司SAP基于Leonardo平台在数字世界打造了一个完整的数字化双胞胎,在产品试验环节收集设备的运行状况,进行分析,得出产品的实际性能,再与需求设计的目标比较,形成产品研发的闭环体系。
    简言之,工业4.0下的数字孪生,更多的是为制造业提供了产品在物理空间和虚拟空间之间的映射关系,及其在实体世界以及数据虚拟空间中记录、仿真、预测对象生命周期的运转轨迹的全过程。
    1、数字孪生:催生智慧城市2.0
    值得一提的是,数字孪生的概念不仅活跃在工业4.0的制造业,也愈来愈频繁地出现在智慧城市领域。伴随着ICT(信息、通信、技术)成为智慧城市发展的主要动能,移动通信、互联网、云计算、传感器、人工智能、量子通信在智慧城市都得到了广泛运用。全域感知、数字模拟、深度学习等各领域的技术发展也将要迎来转折点,这使得城市的数字孪生应运而生。
    我国智慧城市数字孪生的发展还有很长一段路要走。数字孪生高度依赖于传感器所收集的数据和信息,而就当前的技术水平来说,精细化尺度下城市数据的全域感知和历史多维数据的获取,依然有难度。物理实体空间的数据不够详尽,将直接致使其数字副本的缺失。
    数字孪生在智慧城市发展与建设中的核心价值取决于,它能够在物理世界和数字世界之间全方位构建实时联系,进而对实际操作对象生命周期的变化进行记录、分析和预测。智慧城市中的数字孪生可以分成四个阶段,分别是:
    1)对城市现状进行精准、全方位、动态映射的现状孪生;
    2)从历史数据中学习、分析、识别、总结并发现城市运转规律的学习孪生;
    3)人工监督下模拟不同环境背景下的发展情景的模拟孪生;
    4)最终通过实时数据接入与人工智能自动决策的自主孪生。
    在这里插入图片描述

    与此同时,大家也应看见数字孪生在传感器、5G和边缘计算技术不断发展中所具备的巨大潜力。传感器的高密度部署与高精度感知,结合5G和边缘计算的实时结构化计算回传,对城市物理空间的全域感知和实时更新,将是5G时代的常态。一砖一瓦、一草一木、一桌一椅、一人一车,都会以不同的频率更新位置和状态信息,进而实现真正的“全息”虚拟城市。
    2、城市数据:数字孪生的DNA
    在智慧城市的建设中,数字孪生的核心内容在于创建与城市物理空间全面映射的虚拟(信息)空间。有别于制造业产品周期管理中被制造商全面把握的产品信息化数据,城市作为一个庞大的复杂系统,其包含的物理空间及过程,无时无刻不在形成着多维的海量大数据,这无疑是在数据收集、处理、运算、储存和管理上向城市数字孪生提出了挑战。
    近些年来,以数据为核心内容的城市生态链构架了智慧城市的顶层设计,形成以共享信息为中心、各行业联合实现的“感知-运用-共享信息”的智慧城市模式。同时,在大数据、人工智能、云计算、物联网等新兴ICT技术的促进下,多维的海量城市数据也逐步以不同方式被发掘并运用在智慧城市的探究和实践中。
    传统城市统计数据的电子化与空间可视化是城市大数据发展迈开的第一步。基于GIS平台上对行政边界的勾绘,并将其与传统的年鉴统计数据相匹配,就能实现传统数据的电子化与可视化,并依托于GIS空间分析功能实现空间可视化与分析。
    互联网大数据的运用意味着城市真正的迈入了大数据时代,而互联网大数据也俨然成为近些年来城市研究的“宠儿”,不论是学界还是业界都在积极探索互联网大数据为城市研究和发展带来的诸多可能。
    互联网大数据最大的优势在于其冲破了传统数据自上而下的数据采集壁垒,而是以自下而上的方式提供着精细尺度下的多维数据,如记录城市内所有地理实体空间位置与属性的兴趣点(POI)数据;反映话题热度与用户画像的社交媒体大数据;实时展示人口空间分布的热力图等。而伴随着智慧城市的到来,传感器技术的进步与完善为城市研究提供了另一条数据获取之路。
    根据多模块集成传感器在城市内部的架设,可以实现精细尺度下城市环境、人车行为等数据的实时感知与采集。如由CityGrid城市网格数据监测站,可利用多模块传感器网络监测人车流量及环境质量,如风速、风向、光照、温湿度和pm2.5等。CityGrid是一款专门针对城市空间精细化感知的物联网产品,也是传感器技术应用在城市全域感知、数据采集,乃至实现城市未来微观环境与人车行为预测的经典案例。
    LBS数据(基于位置服务的数据),根据运营商采集用户与基站间无间断的信令数据,来获取移动服务用户相对精确的实时空间位置。因其具有用户量大,覆盖范围广等特征,是描述城市人口数量和空间分布的“终极”数据。
    科技的突飞猛进不仅使人们的生活方式发生了极大改变,与此同时也影响着城市运行的各个方面。不可否认的是,新技术的高速发展给城市研究与实践带来了新的机遇,促进着城市规划技术和工具的突破与创新。
    与此同时,在信息通讯技术革新的推动下,数据储存、发掘、云计算和可视化等技术的完善也为研究城市提供了新视角。人们的思维模式从传统的机械思维向大数据思维转变,认知方式也慢慢向虚实结合的体验过渡。城市数字孪生、数字自我的概念也将在第四次工业革命的技术革新下拥有更丰富的内涵。

    展开全文
  • 数字孪生,英文名为DigitalTwin(数字双胞胎),简单而言,便是在一个设备或系统的基础上,创建一个数字版的“克隆体”。而本文将为大家着重介绍数字孪生的技术框架及其在智慧交通领域的应用。
  • 数字孪生(DigitalTwin)这个观念最初可以追寻到MichaelGrieves教授2002年在密歇根大学PLM(产品全生命周期管理)中心对产业界做的一次演讲(虽然没有书面证据,但这仍被广泛觉得是数字孪生的最初来源)。
  • 一、数字孪生发展背景 ...2003年前后,关于数字孪生(DigitalTwin)的构想首次发生于Grieves教授在美国密歇根大学的产品生命周期管理课程上。但是,当时“DigitalTwin”一词还没被正式提出,Grieves将这个构想称为“C

    一、数字孪生发展背景
    “孪生”的概念起源于美国国家航空航天局的“阿波罗计划”,即搭建两个相同的航天飞行器,其中一个发射到太空执行任务,另一个留在地球上用作反映太空中航天器在任务期内的运行状态,进而辅助工程师深入分析处理太空中发生的突发事件。当然了,这里的两个航天器全部都是真实存在的物理实体。
    2003年前后,关于数字孪生(DigitalTwin)的构想首次发生于Grieves教授在美国密歇根大学的产品生命周期管理课程上。但是,当时“DigitalTwin”一词还没被正式提出,Grieves将这个构想称为“ConceptualIdealforPLM(ProductLifecycleManagement)”,如下图所示。即便如此,在该构想中数字孪生的基本思想已经有所体现,即在虚拟空间搭建的数字模型与物理实体交互映射,忠实地描述物理实体生命周期的运作轨迹。
    在这里插入图片描述

    直至2010年,“DigitalTwin”一词在NASA的技术报告中被正式提出,并被定义为“集成了多物理量、多尺度、多概率的系统或飞行器仿真过程”。2011年,美国空军探究了数字孪生在飞行器健康管理中的应用,并详尽探讨了实施数字孪生的技术挑战。2012年,美国国家航空航天局与美国空军联合发布了关于数字孪生的论文,指出数字孪生是驱动未来飞行器发展的核心技术之一。在接下来的几年中,愈来愈多的研究将数字孪生应用于航空航天领域,包括机身设计与维修,飞行器能力评估,飞行器故障预测等。
    在这里插入图片描述

    近些年来,数字孪生得到愈来愈广泛的传播。与此同时,有赖于物联网、大数据、云计算、人工智能等全新一代信息技术的发展,数字孪生的实施已逐步成为可能。现如今,除了航空航天领域,数字孪生还被应用于电力、船舶、城市管理、农业、建筑、制造、石油天然气、健康医疗、环境保护等行业领域。尤其是在智能制造领域,数字孪生被认为是一种实现制造信息世界与物理世界交互融合的有效手段。许多著名企业(如空客、洛克希德马丁、西门子等)与组织(如Gartner、德勤、中国科协智能制造协会)对数字孪生给与了高度重视,并且开始探究基于数字孪生的智能生产新模式。
    二、数字孪生的概念及典型性特征
    标准化组织中的概念:数字孪生是具备数据连接的特定物理实体或流程的数字化表达,该数据连接可以确保物理状态和虚拟状态之间的同速率收敛,并提供物理实体或流程流程的整个生命周期的集成视图,有利于优化整体的性能。
    学术界的概念:数字孪生是以数字化方式构建物理实体的虚拟实体,利用历史数据、实时数据以及算法模型等,模拟、验证、预测、控制物理实体生命周期流程的技术手段。
    从本质上讲,数字孪生可以定义为有利于优化业务绩效的物理对象或流程的历史和当前行为的不断发展的数字资料。数字孪生模型基于跨一系列维度的大规模,累积,实时,真实世界的数据测量。
    企业的定义:数字孪生是资产和流程的软件表示,用于理解、预测和优化绩效以完成改进的业务成果。数字孪生由三个部分组成:数据模型,一组分析或算法,以及知识。
    数字孪生公司早就在行业中立足,它在整个价值链中改革创新了流程。作为产品,生产过程或性能的虚拟表示,它使各个流程阶段得以无缝链接。这可以不断提高效率,最大程度地降低故障率,缩减开发周期,并开辟新的商业机会:换言之,它可以造就持久的竞争优势。
    从数字孪生的概念可以看出,数字孪生具备以下几个典型性特点:
    1、互操作性:数字孪生中的物理对象和数字空间可以双向映射、动态交互和实时连接,因此数字孪生具备以多样的数字模型映射物理实体的能力,具备可以在不同数字模型之间转换、合并和建立“表达”的等同性。
    2、可扩展性:数字孪生技术具备集成、添加和替换数字模型的能力,可以针对多尺度、多物理、多层级的模型内容进行拓展。
    3、实时性:数字孪生技术要求数字化,即以一种计算机可识别和处理的方式管理数据以对随时间轴变化的物理实体进行表征。表征的对象包含外观、状态、属性、内在机理,形成物理实体实时状态的数字虚体映射。
    4、保真性”:数字孪生的保真性指描述数字虚体模型和物理实体的接近性。要求虚体和实体不仅要保持几何结构的高度仿真,在状态、相态和时态上也要仿真。值得一提的是在不同的数字孪生场景下,同一数字虚体的仿真程度可能不同。比如说工况场景中可能只要求描述虚体的物理性质,并不需要关注化学结构细节。
    5、闭环性:数字孪生中的数字虚体,用以描述物理实体的可视化模型和内在机理,以便于对物理实体的状态数据进行监视、分析推理、优化工艺参数和运行参数,实现决策功能,即赋予数字虚体和物理实体一个大脑。因此数字孪生具有闭环性。
    三、数字孪生与其它技术的区别
    数字孪生与仿真(Simulation)的区别:仿真技术是运用仿真硬件和仿真软件通过仿真实验,借助某些数值计算和问题求解,反映系统行为或过程的模型技术,是将包含了确定性规律和完整机理的模型转换成软件的方式来模拟物理世界的方法,目的是依赖正确的模型和完整的信息、环境数据,反映物理世界的特性和参数。仿真技术仅仅能以离线的方式模拟物理世界,不具备分析优化功能,因此不具备数字孪生的实时性、闭环性等特性。
    数字孪生需要依赖包含仿真、实测、数据分析在内的手段对物理实体状态进行感知、诊断和预测,从而优化物理实体,同时进化自身的数字模型。仿真技术做为搭建和运行数字孪生的核心技术,是数字孪生实现数据交互与融合的基础。在这个基础之上,数字孪生必需依托并集成其它新技术,与传感器共同在线以保障其保真性、实时性与闭环性。
    数字孪生与信息物理系统(CPS)的区别:数字孪生与CPS都是运用数字化手段搭建系统为现实服务。在其中,CPS属于系统实现,而数字孪生着重于模型的搭建等技术实现。CPS是通过集成先进的感知、计算、通信和控制等信息技术和自动控制技术,搭建了物理空间与虚拟空间中人、机、物、环境和信息等要素相互映射、适时交互、高效协同的复杂系统,实现系统内资源配置和运行的按需响应、快速迭代和动态优化。
    相比较于综合了计算、网络、物理环境的多维复杂系统CPS,数字孪生的搭建做为建设CPS系统的使能技术基础,是CPS具体的物化体现。数字孪生的运用既有产品、也有产线、工厂和车间,直接对应CPS所面对的产品、装备和系统等对象。数字孪生在创立之初就确立了以数据、模型为主要元素搭建的基于模型的系统工程,更适宜采用人工智能或大数据等新的计算能力进行数据处理任务。
    数字孪生与数字主线(DigitalThread)的区别:数字主线被认为是产品模型在各环节演变运用的沟通渠道,是依托于产品生命周期的业务系统,包含产品构思、设计、供应链、制造、售后服务等各个环节。在整个产品的生命周期中,通过提供访问、整合以及将不同/分散数据转换为可操作性信息的能力来通知决策制定者。
    数字主线也是一个允许可连接数据流的通信框架,并提供一个包含生命周期各环节功能的集成视图。数字主线有能力为产品数字孪生提供访问、整合和转换能力,其目标是贯通产品生命周期和价值链,实现全面追溯、信息交互和价值链协同。因此可见,产品的数字孪生是对象、模型和数据,而数字主线是方法、通道、链接和接口。
    简单地说,在数字孪生的广义模型之中,存在着彼此具有关联的小模型。数字主线可以确定这些小模型之间的关联关系并提供支持。因此,从生命周期这个广义的角度来说,数字主线是属于面向生命周期的数字孪生的。
    数字孪生和资产管理壳(AssetadministrationShell)的区别:源于工业4.0的资产管理壳,是德国自工业4.0组件开始,发展起来的一套描述语言和建模工具,从而使得设备、部件等企业的每一项资产之间可以完成互联互通与互操作。借助其建模语言、工具和通讯协议,企业在构成生产线的时候,可具备通用的接口,即实现“即插即用”性,大幅度减少工程组态的时间,更好的实现系统之间的互操作性。
    自数字孪生和资产管理壳的问世以来,更多的观点是视二者为美国和德国的工业文化不同的体现。事实上,相较于资产管理壳这样一个起到管控和支撑作用的“管家”,数字孪生就如同一个“执行者”,从设计、模型和数据入手,感知并优化物理实体,同时推动传感器、设计软件、物联网、新技术的更新迭代。但是,基于这两者在技术实现层次上较为相近,德国目前也正努力在把资产管理壳转变为支撑数字孪生的基础技术。

    展开全文
  • 在加工制造业数字化、信息化的过程中,出现了数字孪生(DigitalTwin)和数字进程(DigitalThread)等多个关键基本概念。对于将来,用目前的基本概念去了解这种新理念显而易见是不妥当的,它不但会使大家的理解不到位...
  • /views/digitaltwin/ title details 极致可视化 极致可视化:数字城市真实还原物理城市 title details 智能定义 智能定义:被重塑形态的物理城市 title details 全景视角 全景视角:真正意义上的数据驱动治理 title ...
  • 本文来源:数字孪生DigitalTwin(北京航空航天大学,自动化科学与电气工程学院,数字孪生研究组) 摘要:当前数字孪生备受学术界、工业界、金融界以及政府部门关注。然而各界对...

    本文来源:数字孪生DigitalTwin

     (北京航空航天大学,自动化科学与电气工程学院,数字孪生研究组)

     

      摘  要:当前数字孪生备受学术界、工业界、金融界以及政府部门关注。然而各界对数字孪生存在不同的理解和认识,对数字孪生相关新概念、新名词、新技术之间的异同存在疑惑,并且对是否适用数字孪生存在决策困惑。为理性和正确看待数字孪生笔者团队于2019年7月27日在“第三届数字孪生与智能制造服务学术会议”上做了“数字孪生十问:分析与思考”同名题目学术交流报告,对有关问题和国内学者进行了交流讨论。为进一步了解数字孪生国内外学术研究现状,在相关报告内容及思考基础上,首先从时间分布、国家分布、来源出版物分布、研究机构和学者分布、高频关键词分布等不同维度,对2019年12月31日前发表的数字孪生学术论文进行了统计分析。在此基础上,进一步对当前各界关注的①何为数字孪生?②谁在关注数字孪生?③数字孪生:中、美、德,谁更热?④数字孪生与智能制造的关系是什么?⑤数字孪生能否与新一代信息技术(New IT)融合?⑥数字孪生是否存在科学问题?⑦数字孪生何用?⑧数字孪生适用准则是什么?⑨数字孪生是否需要标准?⑩数字孪生是否需要商业化工具/平台?十个问题进行了深入分析与思考,以期抛砖引玉,为研究者更好理解数字孪生,为决策者理性和正确对待数字孪生,为实践者更好落地应用数字孪生提供参考。

    关键词:数字孪生;智能制造;十问;新一代信息技术;适用准则;标准;工具与平台

    0 引言

    数字孪生作为实现虚实之间双向映射、动态交互、实时连接的关键途径,可将物理实体和系统的属性、结构、状态、性能、功能和行为映射到虚拟世界[1],形成高保真的动态多维/多尺度/多物理量模型[2],为观察物理世界、认识物理世界、理解物理世界、控制物理世界、改造物理世界提供了一种有效手段[3]。当前数字孪生备受学术界、工业界、金融界、政府部门关注。

    在国内外专家同行指导和帮助下,近年笔者团队在数字孪生车间[4]、数字孪生五维模型及应用[2]、数字孪生使能技术与工具体系[5]、数字孪生标准体系框架[3]、数字孪生驱动的产品设计/制造/服务[6-8]等方面,和国内外学者共同开展了探索性理论研究与实践工作。和国内20多个高校和科研机构共同发起举办了“第一届数字孪生与智能制造服务学术会议”(会议已连续成功召开了3届),并共同开展了数字孪生在制造中的应用探索[9]。针对数字孪生在理论研究与应用实践过程中的瓶颈难题,2019年在Nature发表了数字孪生评述文章[1]。相关工作以期推动数字孪生的发展和落地应用。然而,在交流与实践数字孪生过程中发现,数字孪生在理念、技术、应用等方面,以下问题备受关注:

    (1)从认识和理解的角度出发  当前对“何为数字孪生”,不同领域、不同学科、不同专业的专家学者存在不同的认知和理解,尚未形成一个统一的、共识的数字孪生定义,缺乏数字孪生理想特征分析。此外,当前国内各个相关会议都有关于数字孪生的交流和报道,导致存在数字孪生在中国关注多,而国际关注少的感觉,缺乏对国内外数字孪生研究现状定量方面的剖析。

    (2)从研究和技术的角度出发  从事基础理论的研究者,对数字孪生是否存在或存在什么科学问题非常关注。从事应用基础或侧重技术的研究者,对数字孪生与当前新一代信息技术(如云计算、物联网、大数据、CPS、人工智能等)的区别与关联,对数字孪生、工业互联网、工业4.0、智能制造等理念间关系和相互作用不明,因而期望厘清数字孪生的科学问题以及与新技术、新理念之间的关系。

    (3)从应用和实践的角度出发  受数字孪生热潮影响,很多企业期望使用数字孪生技术来实现数字化转型,进而提升智能化水平。然而,在实施数字孪生前,对“数字孪生到底有何用,能解决什么问题”不是十分确定,同时对本企业产品或业务是否适用数字孪生技术等存在疑惑。此外,在决策使用数字孪生后,在实施过程中对是否存在商业化工具(如统一建模工具等)/平台可使用,应遵循什么标准来实施等问题,缺乏参考与指导。

    上述疑惑包括以下十个问题:①何为数字孪生?②谁在关注数字孪生?③数字孪生:中、美、德,谁更热?④数字孪生与智能制造的关系是什么?⑤数字孪生能否与新一代信息技术(New IT)融合?⑥数字孪生是否存在科学问题?⑦数字孪生何用?⑧数字孪生适用准则是什么?⑨数字孪生是否需要标准?⑩数字孪生是否需要商业化工具/平台?针对这些问题,本文首先利用文献计量学研究方法统计了2019年12月31日前Scopus收录的所有发表的数字孪生文献,从文献发表的时间分布、国家分布、出版物分布、研究机构和学者分布、高频关键词分布等不同维度进行了统计分析。在统计分析结果的基础上,结合前期相关研究基础,尝试对上述十个问题进行分析和讨论,以期抛砖引玉,供相关学者和感兴趣的同行批判讨论,一起共同探讨从而理性认识数字孪生。

    1 数字孪生国内外学术研究现状分析

    本文选择Scopus数据库进行文献的搜索与筛选,搜索方式利用Scopus的高级搜索功能,检索式字符串为“TITLE-ABS-KEY({digitaltwin}OR{digital twins})”,即搜索摘要、论文标题或关键字字段中有“digital twin”或“digital twins”的文献。搜索结果显示1973年和1993年各有一篇文献,但这两篇文章所提及的“digital twin”并非本文所指的数字孪生。此外,2004年和2005年分别有2篇和4篇论文发表,而2006~2009年无相关论文发表。根据搜索结果分布情况,本章选取2010~2019年近10年发表收录的论文进行统计分析,以阐明近些年数字孪生的国际研究情况。

    1.1 发表论文时间分布统计分析 

    2010~2019年10年间发表的数字孪生论文累计1177篇,如图1(a)所示(数据来源于Scopus数据库,截止2019年12月31日)。图1(b)(数据来源于Scopus数据库,截止2019年12月31日)统计了该期间各类型文献的年度发表情况,包括期刊论文、会议论文和其他类型文献(如书的章节、社论、short survey等)。从发表的文献数量分析,整体上呈增长趋势。2010~2015年发表的数字孪生文献较少,单年论文发表量少于10篇。2016~2019年数字孪生文献发表数量进入快速增长期,2016年发表24篇,2017年发表112篇,2018年发表321篇,2019年发表数量超过了600篇。其中2019年占了近10年发文总数量的50%以上。预计在未来几年,数字孪生论文发表数量还将呈迅猛增长趋势。

    (a)2010-2019年数字孪生文献数量累计图

    (b)2010-2019年数字孪生文献数量年度图

    图1  2010-2019年数字孪生论文发表数量时间分布统计情况

    此外,根据发表文章的类型分布统计可知,当前发表的论文主要以会议论文为主,但期刊论文近年呈明显增长趋势。期刊论文数量从2016年的5篇增长到2017年的40篇,到2018年的70篇,再到2019年的232篇,这种变化从侧面表明了当前对数字孪生的研究越来越深入,越来越系统。 

    1.2 发表论文国家分布统计分析

    统计结果显示,当前已有50多个国家开展了数字孪生研究并有相关研究成果发表。如表1所示(按国家发文量排序,数据来源于Scopus数据库,截止2019年12月31日),其中研究成果主要来自美国、德国、英国、法国、意大利、加拿大、日本等G7发达国家,以及中国、俄罗斯、印度、巴西、南非等发展迅速的国家。这些国家具有较高的科技水平和一定的信息化基础,能为数字孪生的研究、发展与应用提供支撑环境。

    表1  已开展数字孪生研究且在学术刊物上有论文发表的国家

    表1中排名前10国家的数字孪生发文量如图2所示(数据来源于Scopus数据库,截止2019年12月31日)。近10年德国、美国和中国3个国家发表的数字孪生论文总数位列前三。其中:2010~2016年期间论文发表数量美国领先,2017~2019年德国后来居上,单年论文发表数量位居世界第一,2019年中国迎头赶上,单年论文发表数量位居世界第二。相关统计数据表明,数字孪生的国际研究竞争十分激烈。此外,在统计的所有数字孪生文献中,智能制造相关的文献数量占50%以上,说明世界各国在智能制造领域的竞争十分激烈,都将数字孪生作为落地智能制造的重要技术手段。

    图2  在学术刊物上发表数字孪生论文数排名前10的国家

    1.3 论文出版物分布统计分析

    从发表数字孪生文章的出版物来分析,出版数字孪生文章最多的10个刊物如表2所示(数据来源于Scopus数据库,截止2019年12月31日)。国际生产工程学会(CIRP)是制造领域的国际重要学术组织,在制造学科享誉盛名,其下属刊物《Procedia CIRP》发表的数字孪生文章最多,且内容与智能制造密切相关,作者主要为国际作者。《计算机集成制造系统》是我国先进制造领域的影响力非常大的中文期刊,为我国制造业信息化的研究发展起到重要推动作用,该刊物发表的数字孪生文章目前排名第2。《Lecture Notes inComputer Science》主要发表计算机领域相关的文章,当前该刊物发表的数字孪生文章总量排名第3,内容主要与人工智能、云计算等相关。发表数字孪生文章数量排名第4的刊物是《ProcediaManufacturing》,也是一个制造密切相关的刊物。由出版数字孪生论文的刊物分析可知,当前数字孪生的研究与应用主要集中在制造领域。

    表2  2010~2019年出版数字孪生论文数排名前10的刊物

    1.4 发表论文研究机构和学者分布统计分析

    统计结果显示,截止2019年12月31日,全球已有超过1000个高校、企业和科研院所开展了数字孪生研究且有相关研究成果在学术刊物公开发表。如图3所示(数据来源于Scopus数据库,截止2019年12月31日),其中高校523所,占52.1%,其中美国大学65所,德国大学50所,中国大学67所,包括德国亚琛工业大学、英国剑桥大学、美国斯坦福大学等世界一流高校正在开展数字孪生理论研究,且这一数量呈现逐年增长趋势,足见学术界高度关注和重视数字孪生理论研究

    从在学术刊物上发表论文角度分析,一般是高校学术界占主体,而企业发表学术论文的积极性和比例往往不高。但在数字孪生领域,近10年共有292所企业(占29.1%)开展数字孪生研究并在学术刊物上有学术成果公开发表,包括西门子、GE、空客、ABB等世界知名企业。如将在非学术刊物上有数字孪生相关成果(如网络技术报告、网络技术博文等)发表的企业也统计上,相关数据将更大,占比也将更多。充分说明企业当前也高度关注数字孪生技术,正在开展数字孪生应用实践,表明数字孪生具有很强的工程化应用价值和潜力。

    此外,还有189家研究所,包括美国空军、NASA,德国航空航天中心、德国弗劳霍夫研究院等各国重要军事和科研机构也高度关注数字孪生研究,且在学术刊物上有研究成果发表。

    图3  在学术刊物上发表数字孪生论文的单位统计分析情况

     

    在学术刊物上发表论文的数量在一定程度上能反映一个机构在相应领域的研究实力和影响力。图4(数据来源于Scopus数据库,截止2019年12月31日)为在学术刊物上近10年发表数字孪生研究成果前20的研究机构分布情况。论文数量高于10篇的高校包括德国亚琛工业大学、北京航空航天大学、瑞典查尔姆斯理工大学、俄罗斯圣彼得堡彼得大帝理工大学、德国斯图加特大学以及意大利米兰理工大学,研究机构有美国赖特-帕特森空军基地,企业有西门子。研究学者与研究机构往往是密不可分的,据统计当前全球已有上千名专家或学者参与了数字孪生研究且有相关成果在学术刊物上发表。

    图4  在学术刊物上发表数字孪生论文数排名前20的单位

    1.5 发表论文高频关键词分布统计分析

    论文关键词能够反映研究的关注点,高频关键词能够体现一个领域的热门研究话题,因此本文统计了2017~2019数字孪生文章高频关键词,如表3所示(数据来源于Scopus数据库,截止2019年12月31日)。统计结果显示,当前全球对数字孪生的研究集中在制造领域,近三年关键词“制造(Manufacture)”出现频次增长迅速,2017年出现26次,2018年出现46次,2019年增至93次。此外,高频关键词还揭露出数字孪生与新一代信息技术(New IT)联系紧密,近三年高频关键词覆盖“大数据”“物联网”“人工智能”“虚拟现实”“增强现实”等New IT概念,可预测数字孪生未来将进一步与New IT深度集成和融合,并促进相关领域发展。

    表3  2017~2019年发表的数字孪生论文中的高频关键词统计分析

    2 数字孪生十问:分析与思考

      

    2.1 何为数字孪生?

    当前越来越多的学者和企业关注数字孪生并开展研究与实践,但从不同的角度出发,对数字孪生的理解存在着不同的认识。如表4所示,本节从不同维度出发,对数字孪生的当前认识进行总结与分析后,尝试对数字孪生的理想特征进行探讨,以供参考。

    (1)模型维度  一类观点认为数字孪生是三维模型、是物理实体的copy[10],或是虚拟样机[11]。这些认识从模型需求与功能的角度,重点关注了数字孪生的模型维度。综合现有文献分析,理想的数字孪生模型涉及几何模型、物理模型、行为模型、规则模型等多维多时空多尺度模型,且期望数字孪生模型具有高保真、高可靠、高精度的特征,进而能真实刻画物理世界。此外,有别于传统模型,数字孪生模型还强调虚实之间的交互,能实时更新与动态演化,从而实现对物理世界的动态真实映射。

    (2)数据维度  根据文献[12],Grieves教授曾在美国密歇根大学产品全生命周期管理(PLM)课程中提出了与数字孪生相关的概念,因而有一种观点认为数字孪生就是PLM。与此类似,还有观点认为数字孪生是数据/大数据,是Digital Shadow,或是DigitalThread。这些认识侧重了数字孪生在产品全生命周期数据管理、数据分析与挖掘、数据集成与融合等方面的价值。数据是数字孪生的核心驱动力,数字孪生数据不仅包括贯穿产品全生命周期的全要素/全流程/全业务的相关数据[2],还强调数据的融合,如信息物理虚实融合、多源异构融合等。此外,数字孪生在数据维度还应具备实时动态更新、实时交互、及时响应等特征。

    (3)连接维度  一类观点认为数字孪生是物联网平台或工业互联网平台,这些观点侧重从物理世界到虚拟世界的感知接入、可靠传输、智能服务。从满足信息物理全面连接映射与实时交互的角度和需求出发,理想的数字孪生不仅要支持跨接口、跨协议、跨平台的互联互通,还强调数字孪生不同维度(物理实体、虚拟实体、孪生数据、服务/应用)间的双向连接、双向交互、双向驱动,且强调实时性,从而形成信息物理闭环系统。

    (4)服务/功能维度  一类观点认为数字孪生是仿真[13],是虚拟验证,或是可视化,这类认识主要是从功能需求的角度,对数字孪生可支持的部分功能/服务进行了解读。目前,数字孪生已在不同行业不同领域得到应用,基于模型和数据双驱动,数字孪生不仅在仿真、虚拟验证和可视化等方面体现其应用价值,还可针对不同的对象和需求,在产品设计[14-15]、运行监测[16-17]、能耗优化[18]、智能管控[19]、故障预测与诊断[20-21]、设备健康管理[22-23]、循环与再利用[24]等方面提供相应的功能与服务。由此可见,数字孪生的服务/功能呈现多元化。

    (5)物理维度  一类观点认为数字孪生仅是物理实体的数字化表达或虚体,其概念范畴不包括物理实体。实践与应用表明,物理实体对象是数字孪生的重要组成部分,数字孪生的模型、数据、功能/服务与物理实体对象是密不可分的。数字孪生模型因物理实体对象而异、数据因物理实体特征而异、功能/服务因物理实体需求而异。此外,信息物理交互是数字孪生区别于其他概念的重要特征之一,若数字孪生概念范畴不包括物理实体,则交互缺乏对象。

    综上所述,当前对数字孪生存在多种不同认识和理解,目前尚未形成统一共识的定义,但物理实体、虚拟模型、数据、连接、服务是数字孪生的核心要素。不同阶段(如产品的不同阶段)的数字孪生呈现出不同的特点,对数字孪生的认识与实践离不开具体对象、具体应用与具体需求。从应用和解决实际需求的角度出发,实际应用过程中不一定要求所建立的“数字孪生”具备所有理想特征,能满足用户的具体需要即可。

    表4  数字孪生理想特征

    2.2 谁在关注数字孪生?

    文献统计分析表明,当前全球50多个国家、1000多个研究机构、上千名专家学者开展了数字孪生的相关研究并有研究成果发表。包括:①德国、美国、中国、英国、瑞典、意大利、韩国、法国、俄罗斯等科技相对发达的国家;②德国亚琛工业大学、美国斯坦福大学、英国剑桥大学、瑞典皇家理工学院、清华大学等各国一流大学;③西门子、PTC、德国戴姆勒、ABB、GE、达索、空客等国际著名一流企业;④美国NASA、美国空军研究实验室、法国国家科学研究中心、俄罗斯科学院等世界顶尖国家级研究机构;以及⑤具有智能制造、航空航天、医疗健康、城市管理等各研究背景的专家学者。

    如图5所示,当前数字孪生已得到了十多个行业关注并开展了应用实践。除在制造领域被关注和应用外,近年来数字孪生还被应用于电力[25]、医疗健康[26-28]、城市管理[29-30]、铁路运输[31]、环境保护[32-33]、汽车[34-36]、船舶[37-38]、建筑[39-40]等领域,并展现出巨大的应用潜力。

    综上所述,数字孪生已广泛被全球各行业、各背景、各层次的专家、学者和企业研究与应用,目前数字孪生在制造领域开展了较多的应用探索和落地实践,但在航空航天、电力、汽车、智慧城市、健康医疗等领域也具有广阔的应用价值和应用前景。

    图5  数字孪生应用领域

    2.3 数字孪生:中、美、德,谁更热?

    当前数字孪生在国内非常热,各相关会议几乎都有数字孪生的交流和报道,导致存在数字孪生在中国关注多,而国际上关注少的感觉。本文试图从数字孪生研究现状定量方面来剖析,分析数字孪生的国际研究现状,以供国内同行和感兴趣的专家学者参考。如图2所示,德国、美国和中国在数字孪生论文发表数量上,近3年均处于前三名。从时间维度分析,中、美、德3国数字孪生研究可以分为以下3个阶段:

    (1) 2016年前,美国引领  数字孪生的概念诞生于美国,美国也是最早开展数字孪生研究与应用的国家,2011~2016年美国单年论文发表总数位居第一,2016年以前累计发表总数位居世界第一。早期,以NASA、美国空军研究实验室等为代表的研究机构主要将数字孪生应用于航空航天的健康监测[41]、运行维护[42]、寿命预测[43]等方面。近年佐治亚理工学院、国家标准技术研究所、宾夕法尼亚州立大学等研究机构在智能工厂[44]、智慧城市[45]、3D打印[46]等方面开展了应用探索。截止到2019年12月31日,美国累计发表数字孪生文章总数位居世界第二。

    (2)2017-2018年德国反超  工业4.0是一个发展方向或战略,德国提出工业4.0后,一直在论证和寻求能让工业4.0落地的使能技术。数字孪生相对其他概念更易落地工程实施,正好契合德国工业4.0 需求。工业4.0主要提出单位之一德国弗劳恩霍夫研究院的Sauer指出数字孪生是工业4.0的关键技术[47]。以西门子、亚琛工业大学为代表的工业4.0主推和实施机构,开展了大量数字孪生研究与实践,发表了大量数字孪生文章,其中,亚琛工业大学发文数量位列世界第一,西门子位列第三。2017-2019年德国单年发表的数字孪生文章总量位居世界第一,截止到2019年12月31日累计发文总数已位居世界第一。

    (3)2019年,中国迎头赶上  与美国、德国相比,数字孪生在中国的研究和受关注相对较晚。2017年1月《计算机集成制造系统》期刊上发表的“数字孪生车间:一种未来车间运行新模式”论文[4],得到国内学术界尤其是青年学者对数字孪生的关注,国内12家高校于2017年7月共同发起并在北航召开“第一届数字孪生与智能制造服务学术会议”,大量高校学者开始关注数字孪生在制造中的研究与应用。会后来自15个单位的22位作者于2018年1月共同在《计算机集成制造系统》期刊上发表了“数字孪生及其应用探索”的论文[9],更多高校学者开始关注数字孪生。另一方面,随着工信部“智能制造综合标准化与新模式应用”和“工业互联网创新发展工程”专项,科技部“网络化协同制造与智能工厂”等国家层面的专项实施,有力促进了数字孪生的发展。此外,中国信息通信研究院[30]、中国电子技术标准化研究院[48]、赛迪信息产业(集团)有限公司[49]、e-works数字化企业网[50]、走向智能研究院[51]、安世亚太科技股份有限公司[52]、上海优也信息科技有限公司[53]、工业4.0研究院[54]等单位及其专家在数字孪生的概念、技术、标准、应用实践等方面开展了大量工作,为数字孪生在中国的推广与发展起到了重要作用。各方因素促使了数字孪生在中国的快速发展,使2019年中国单年发表的数字孪生文章总量高达108篇位居世界第二。截止到2019年12月31日,中国累计发表数字孪生文章总数位居世界第三。其中,2019年《计算机集成制造系统》上发表的数字孪生30篇,对数字孪生研究与发展起到了重要作用。

    2.4  数字孪生与智能制造的关系是什么?

    从各国的先进制造业国家发展战略演变角度来看,无论是美国从“去工业化”到“再工业化”,到“以软带硬”的“工业互联网”战略,再到美国国家先进制造战略计划[55];德国从机械化、电气化、信息化,到“以硬带软”的“工业4.0”的制造业创新发展战略[56];还是中国从“信息化带动工业化,工业化促进信息化”,到两化融合和两化深度融合,再到“中国制造2025”的“融合演进”的制造强国发展战略,都期望通过信息物理融合来实现智能制造。综上可知,智能制造是当前世界制造业的共同发展趋势。而如何实现制造信息世界和物理世界的互联互通与集成共融,是迈向智能制造的瓶颈之一[57]。

    数字孪生是实现信息物理融合的有效手段[2]。一方面,数字孪生能够支持制造的物理世界与信息世界之间的虚实映射与双向交互,从而形成“数据感知-实时分析-智能决策-精准执行”实时智能闭环;另一方面,数字孪生能够将运行状态、环境变化、突发扰动等物理实况数据与仿真预测、统计分析、领域知识等信息空间数据进行全面交互与深度融合,从而增强制造的物理世界与信息世界的同步性与一致性。

    由表3文献关键词和发表机构/作者统计分析可知,当前发表的所有数字孪生研究成果中:①数字孪生与工业4.0、CPS、智能装备/工厂/服务等相结合的论文最多,占当前所发表数字孪生论文总数的一半以上;②美国、中国、德国发表数字孪生论文数全球最多,论文主要来自各国智能制造相关领域的高校与科研院所;③在工业界,西门子、戴姆勒、ABB等践行智能制造理念的企业发文量最多。相关统计结果表明,学术界和工业界都将数字孪生作为践行智能制造的关键使能技术之一。

    综上所述,智能制造是当前世界各国制造业的共同发展趋势,数字孪生是智能制造使能技术之一。

    2.5  数字孪生能与NewIT融合?

    如图6所示,从数字孪生五维模型的角度出发, NewIT对数字孪生的实现和落地应用起到重要的支撑作用,具体分析如下。

    图6  数字孪生五维模型与New IT的关系

    (1)数字孪生与物联网  对物理世界的全面感知是实现数字孪生的重要基础和前提,物联网通过射频识别、二维码、传感器等数据采集方式为物理世界的整体感知提供了技术支持。此外,物联网通过有线或无线网络为孪生数据的实时、可靠、高效传输提供了帮助。

    (2)数字孪生与3R(AR, VR, MR)虚拟模型是数字孪生的核心部分,为物理实体提供多维度、多时空尺度的高保真数字化映射。实现可视化与虚实融合是使虚拟模型真实呈现物理实体以及增强物理实体功能的关键。VR/AR/MR技术为此提供支持:VR技术利用计算机图形学、细节渲染、动态环境建模等实现虚拟模型对物理实体属性、行为、规则等方面层次细节的可视化动态逼真显示;AR与MR技术利用实时数据采集,场景捕捉,实时跟踪及注册等实现虚拟模型与物理实体在时空上的同步与融合,通过虚拟模型补充增强物理实体在检测、验证及引导等方面的功能。

    (3)数字孪生与边缘计算 边缘计算技术可将部分从物理世界采集到的数据在边缘侧进行实时过滤、规约与处理,从而实现了用户本地的即时决策、快速响应与及时执行[58]。结合云计算技术,复杂的孪生数据可被传送到云端进行进一步的处理,从而实现了针对不同需求的云-边数据协同处理,进而提高数据处理效率、减少云端数据负荷、降低数据传输时延,为数字孪生的实时性提供保障。

    (4)数字孪生与云计算 数字孪生的规模弹性很大,单元级数字孪生可能在本地服务器即可满足计算与运行需求,而系统级和复杂系统级数字孪生则需要更大的计算与存储能力。云计算按需使用与分布式共享的模式可使数字孪生使用庞大的云计算资源与数据中心,从而动态地满足数字孪生的不同计算、存储与运行需求。

    (5)数字孪生与5G  虚拟模型的精准映射与物理实体的快速反馈控制是实现数字孪生的关键。虚拟模型的精准程度、物理实体的快速反馈控制能力、海量物理设备的互联对数字孪生的数据传输容量、传输速率、传输响应时间提出了更高的要求。5G通信技术具有高速率、大容量、低时延、高可靠的特点[59],能够契合数字孪生的数据传输要求,满足虚拟模型与物理实体的海量数据低延迟传输、大量设备的互通互联,从而更好的推进数字孪生的应用落地。

    (6)数字孪生与大数据 数字孪生中的孪生数据集成了物理感知数据、模型生成数据、虚实融合数据等高速产生的多来源、多种类、多结构的全要素/全业务/全流程的海量数据[2]。大数据能够从数字孪生高速产生的海量数据中提取更多有价值的信息,以解释和预测现实事件的结果和过程。

    (7)数字孪生与区块链 区块链可对数字孪生的安全性提供可靠保证[60],可确保孪生数据不可篡改、全程留痕、可跟踪、可追溯等。独立性、不可变和安全性的区块链技术,可防止数字孪生被篡改而出现错误和偏差,以保持数字孪生的安全,从而鼓励更好的创新。此外,通过区块链建立起的信任机制可以确保服务交易的安全,从而让用户安心使用数字孪生提供的各种服务。

    (8)数字孪生与人工智能(AI)数字孪生凭借其准确、可靠、高保真的虚拟模型,多源、海量、可信的孪生数据,以及实时动态的虚实交互为用户提供了仿真模拟、诊断预测、可视监控、优化控制等应用服务。AI通过智能匹配最佳算法,可在无需数据专家的参与下,自动执行数据准备、分析、融合对孪生数据进行深度知识挖掘,从而生成各类型服务。数字孪生有了AI的加持,可大幅提升数据的价值以及各项服务的响应能力和服务准确性。

    综上所述,数字孪生的实现和落地应用离不开New IT的支持,只有与New IT的深度融合数字孪生才能实现物理实体的真实全面感知、多维多尺度模型的精准构建、全要素/全流程/全业务数据的深度融合、智能化/人性化/个性化服务的按需使用以及全面/动态/实时的交互。

    2.6  数字孪生是否存在科学问题?

    数字孪生在制造和相关领域的实践应用过程中,存在着系列科学问题和难点。围绕数字孪生五维模型:①在物理实体维度,如何实现多源异构物理实体的智能感知与互联互通,实时获取物理实体对象多维度数据,从而深入认识和发掘相关规律和现象,实现物理实体的可靠控制与精准执行;②在虚拟模型维度,如何构建动态多维多时空尺度高保真模型,如何保证和验证模型与物理实体的一致性/真实性/有效性/可靠性,如何实现多源多学科多维模型的组装与集成等;③在孪生数据维度,如何实现海量大数据和异常小数据的变频采集,如何实现全要素/全业务/全流程多源异构数据的高效传输,如何实现信息物理数据的深度融合与综合处理,如何实现孪生数据与物理实体、虚拟模型、服务/应用的精准映射与实时交互等;④在连接与交互维度,如何实现跨协议/跨接口/跨平台的实时交互,如何实现数据-模型-应用的迭代交互与动态演化等;⑤在服务/应用维度,如何基于多维模型和孪生数据,提供满足不同领域、不同层次用户、不同业务应用需求的服务,并实现服务按需使用的增值增效等。上述科学问题是当前数字孪生研究与落地应用亟待解决的系列难题。此外,在数字孪生商业化过程中,如商业化平台和工具研发,商业模式推广应用等方面,也存在一些难题有待研究和解决。

    2.7  数字孪生何用?

    数字孪生以数字化的形式在虚拟空间中构建了与物理世界一致的高保真模型,通过与物理世界间不间断的闭环信息交互反馈与数据融合,能够模拟对象在物理世界中的行为,监控物理世界的变化,反映物理世界的运行状况,评估物理世界的状态,诊断发生的问题,预测未来趋势,乃至优化和改变物理世界。数字孪生能够突破许多物理条件的限制,通过数据和模型双驱动的仿真、预测、监控、优化和控制,实现服务的持续创新、需求的即时响应和产业的升级优化。基于模型、数据和服务等各方面的优势,数字孪生正在成为提高质量、增加效率、降低成本、减少损失、保障安全、节能减排的关键技术,同时数字孪生应用场景正逐步延伸拓展到更多和更宽广的领域。数字孪生具体功能、应用场景及作用如表5所示。

    表5  数字孪生功能与作用

    2.8  数字孪生适用准则是什么?

    企业在应用数字孪生前,面临的首要决策问题是本企业是否需要用数字孪生?是否适用数字孪生?是否值得使用数字孪生?事实上,数字孪生并非适用于所有对象和企业。为辅助企业根据自身情况做出正确决策,本节尝试从产品类型、复杂程度、运行环境、性能、经济与社会效益等不同维度总结数字孪生适用准则,如表6所示,以供参考。

    表6  数字孪生适用准则

    2.9  数字孪生需要标准?

    数字孪生在落地应用过程中缺乏标准的指导与参考。笔者团队与相关技术标准委员会及应用企业前期共同探索建立了数字孪生标准体系框架[3],从数字孪生基础共性标准、关键技术标准、工具/平台标准、测评标准、安全标准、应用标准6个方面对数字孪生标准体系进行了研究。但针对所建立的标准体系中各数字孪生具体标准内容,仍需进一步的研究与制定。此外,据报道,国际标准化组织自动化系统与集成技术委员会(ISO/TC184)正在开展数字孪生构建原则、参考架构、物理制造元素的数字表示、信息互换及数字孪生可视化元素等方面标准研究[89];IEEE数字孪生标准工作组(IEEEP2806)正在开展智能工厂物理实体的数字化表征与系统架构等相关标准研究[90];ISO/IEC信息技术标准化联合技术委员会数字孪生咨询组在数字孪生的术语、标准化需求、相关技术、参考模型等方面开展研究[48],但尚未有数字孪生具体标准发布。

    综上所述,数字孪生的发展与落地应用需标准的指导与参考,数字孪生国际标准的制定是当前各国关注的重点。

    2.10 数字孪生需要商业化工具与平台?

    随着数字孪生应用价值逐步显现,越来越多的企业期望利用数字孪生来提高企业效率和改进产品质量。而在实践数字孪生过程中,“使用什么工具/平台来构建和应用数字孪生”是企业所面临的问题[5]。据报道,已有相关商业工具和平台可支持数字孪生构建和应用,如MATLAB 的Simulink[91],ANSYS的TwinBuilder[92],微软的Azure[93],达索的3D Experience[94]等。但从功能性的角度出发,这些工具和平台大多侧重某一或某些特定维度,当前还缺乏考虑数字孪生综合功能需求的商业化工具和平台。另一方面,从开放性和兼容性的角度出发,相关使能工具/平台主要针对自身产品形成封闭的软件生态,不同工具和平台间模型和数据交互与集成难、协作难,兼容性差,缺乏系统开放、兼容性强的数字孪生构建工具和平台。

    此外,因掌握相关的具体数据、流程、工艺、原理等,产品研制者或提供者相对容易实现数字孪生的构建,而第三方(如系统集成商、产品终端用户、产品运营维护者等)在构建数字孪生中存在诸多困难,导致数字孪生的构建成为其应用推广的瓶颈之一。随着相关技术的发展与产品研发模式的演变,未来构建数字孪生可能不再是困扰用户的关键难题,如龙头企业为提高自身产品的质量与研发效率,未来会要求研制者或提供者在提供产品物理实体的同时,也必须提供相应的数字孪生模型。未来如何基于不同用户提供的数字孪生,针对复杂产品、复杂系统、复杂过程的数字孪生构建需求,实现不同数字孪生的组装与集成将成为一个新的难点,需要相关商业化的数字孪生集成工具与平台支撑。

    综上分析,数字孪生的落地与推广应用需功能综合、系统开放与兼容、集成性强的商业化工具和平台的支持。此外,当前还缺乏数字孪生评估与测试的商业化工具和平台。

    3 结束语

     

    任何一个新技术的提出及实践推广过程中,必然面临诸多疑问。数字孪生也一样,当前针对数字孪生存在的疑问与困惑,远不止本文提及和讨论的10个。限于篇幅,本文从数字孪生的认识和理解、研究和技术、应用和实践3个角度出发,结合数字孪生学术研究现状统计分析结果,尝试对数字孪生10个有关问题进行分析和讨论。以期抛砖引玉,引发不同人士从不同维度、不同需求、不同领域对数字孪生相关问题进行思考和讨论,共同正确认识和理性对待数字孪生。文章内容难免有不妥当之处,恳请国内外专家和同行批评指正。

    参考文献:略。详见:陶飞,张贺,戚庆林,张萌,刘蔚然,程江峰,马昕,张连超,薛瑞娟.数字孪生十问:分析与思考[J].计算机集成制造系统,2020,26(01):1-17.DOI:10.13196/j.cims.2020.01.001

    致谢

    本文相关内容于2019年7月27日在广州召开的“第三届数字孪生与智能制造服务学术会议”上进行了汇报和交流,本文是相关前期工作的扩展与深入。在此感谢为相关工作提出宝贵建议的国内外学者与工业界同行。感谢《计算机集成制造系统》期刊对中国数字孪生研究与发展的长期支持!

    上述内容发表于:陶飞,张贺,戚庆林,张萌,刘蔚然,程江峰,马昕,张连超,薛瑞娟.数字孪生十问:分析与思考[J].计算机集成制造系统,2020,26(01):1-17.DOI:10.13196/j.cims.2020.01.001

    全文下载地址:

    https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDAUTO&filename=JSJJ202001001&v=MDM2MDlOSE1ybzlGWllSOGVYMUx1eFlTN0RoMVQzcVRyV00xRnJDVVI3cWZaT1JtRkNya1dyL0xMejdCWkxHNEg=

    未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

      如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

    展开全文
  • 数字孪生(DigitalTwin),即现实世界(系统)的数字化。具体来说,数字孪生指的是一种在信息化平台内创建实体系统的数字映射,仿真模拟物理实体、流程或者系统的技术。数字孪生技术可对物理实体展开分析和优化,并...
  • 数字孪生城市的理论基础源于信息物理系统(CyberPhysicalSystems,CPS)和数字孪生(DigitalTwin,DT)。信息物理系统是集计算、通信与操控于一体的新一代智能系统。信息物理系统利用人机交互接口实现和物理进程的信息...
  • 来源:脑极体今天我们介绍一个在产业界如火如荼,但大众还非常陌生的概念:数字孪生(DigitalTwin)。在解释这一晦涩难懂的概念前,我首先想到了一个人,前苏联著名的昆虫学家、数学...
  • 数字孪生(DigitalTwin)最开始由美国国防部明确提出,用以航天航空飞行器的健康维护保养与保障。其核心内容为根据数学原理创建系统软件中核心部件、重要数据流分析相对路径和每个检测点传感器等元器件的数学模型,...
  • Onesait平台示例(云版本) 本节包含一些示例,展示了该平台的不同用途。 让我们来看看: android-health-data-example :示例Android应用程序,其中患者向特定的医生授予...digitaltwin-sensehat 。 SenseHat作为Di
  • 数字孪生(DigitalTwin),并非今天才产生,已经走过了几十年的发展历程,只不过以前没有这样命名,而是走到了一定的发展阶段,人们意识到可以给这种技术起一个更确切的名字。实际上,自从有了诸如CAD等数字化的...
  • Gartner十大被期待的技术之一,工业互联网皇冠上的明珠,数十亿市场规模,由工业场景迈向城市,GE、西门子、微软、阿里巴巴重点布局——这就是数字孪生(DigitalTwin)的基本面。2019年以来有两次A股热炒的概念,一...
  • 数字孪生(DigitalTwin),即现实世界(系统)的数字化。具体来说,数字孪生指的是一种在信息化平台内创建实体系统的数字映射,仿真模拟物理实体、流程或者系统的技术。数字孪生技术可对物理实体展开分析和优化,并...
  • DigitalTwin数字孪生通过运用传感器采集有关物理项目的实时数据,作为物理世界和数字世界之间的桥梁。随后,这些数据将用以搭建项目的副本,进而使其可以被理解,操纵或优化。即便数字孪生的理念自02年以来就已经...
  • 数字孪生(DigitalTwin)最开始由美国国防部明确提出,用以航天航空飞行器的健康维护保养与保障。其核心内容为根据数学原理创建系统软件中核心部件、重要数据流分析相对路径和每个检测点传感器等元器件的数学模型,...

空空如也

空空如也

1 2 3 4
收藏数 66
精华内容 26
关键字:

digitaltwin