起源和定義
如果追溯“數(shù)字孿生”源頭，最初其實只有“物理孿生”（Physical Twin）。
在上世紀六七十年代美國宇航局的阿波羅計劃中，建造了多艘相同的太空飛行器，就像“孿生體”。在飛行準備過程中，孿生體被廣泛用于訓練；在飛行任務(wù)期間，它被用來模擬地球模型上的備選方案，其中可用的飛行數(shù)據(jù)被用來盡可能精確地反映飛行條件，從而在危急情況下協(xié)助宇航員做出正確判斷。這一方法后來也用于飛機制造業(yè)，通過飛機孿生體來優(yōu)化和驗證飛機系統(tǒng)的功能。
隨著計算機技術(shù)的發(fā)展，最初始于“孿生”的物理實體，越來越多的物理部件被數(shù)字模型取代，并擴展至產(chǎn)品生命周期的各個階段，直至形成與物理實體完全一致的虛擬數(shù)字模型，稱為“數(shù)字孿生”。早在2003年，一直從事產(chǎn)品生命周期管理PLM的Michael Grieves教授，在產(chǎn)品生命周期管理課程中提出鏡像空間模型：與物理產(chǎn)品等價的虛擬數(shù)字化表達。而到了2010年，美國宇航局NASA首次提出了“數(shù)字孿生”的概念，通過虛擬化、仿真技術(shù)以及飛行器的實時狀態(tài)、歷史維護、健康管理等數(shù)據(jù)，利用數(shù)字技術(shù)對各種物理孿生對象進行替代，以適應(yīng)現(xiàn)階段深空探索的需要。隨后，NASA發(fā)布“建模、仿真、信息技術(shù)和處理”路線圖，這也使得數(shù)字孿生概念正式進入公眾視野。2013年，美空軍發(fā)布《全球地平線》頂層科技規(guī)劃文件，將數(shù)字主線（digital thread）和數(shù)字孿生并列視為“改變游戲規(guī)則”的顛覆性機遇，并從2014財年起組織美國軍火商洛馬、波音、諾格、通用電氣、普惠等公司開展了一系列應(yīng)用研究項目。就此，數(shù)字孿生理論與技術(shù)體系初步建立，美國防部、NASA、西門子等公司開始接受這一概念并對外推廣。
當前，數(shù)字孿生在工業(yè)界和學術(shù)界有多種不同的定義和理解，但從根本上講，數(shù)字孿生是以數(shù)字化的形式對某一物理實體過去和目前的行為或流程進行動態(tài)呈現(xiàn)和反饋。它的真正功能在于能夠在物理世界和數(shù)字世界之間全面建立準實時關(guān)系，這也是它的價值所在。
表1數(shù)字孿生定義（Source：《數(shù)字孿生應(yīng)用及安全發(fā)展綜述》）
基于工業(yè)界及學術(shù)界對數(shù)字孿生的定義，《智能制造術(shù)語解讀》將數(shù)字孿生技術(shù)定義為：是充分利用物理模型、傳感器更新、運行歷史等數(shù)據(jù)，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應(yīng)的實體裝備的全生命周期過程。數(shù)字孿生概念包含了幾個關(guān)鍵要素：首先是物理實體：即真實存在的產(chǎn)品系統(tǒng)；其次是物理實體的虛擬數(shù)字模型:通過數(shù)字化的手段所產(chǎn)生的產(chǎn)品系統(tǒng)的模型和鏡像；最重要的是，物理實體和虛擬模型之間的數(shù)據(jù)和信息交互系統(tǒng)。包括從真實空間到虛擬空間的數(shù)據(jù)傳輸:研發(fā)階段的樣機和制造、運營階段的產(chǎn)品向虛擬模型反饋數(shù)據(jù)從虛擬空間到真實空間的信息和流程:在研發(fā)和生產(chǎn)階段。與此同時，也包括虛擬模型驅(qū)動樣機和產(chǎn)品的生產(chǎn);在運營階段，虛擬模型可以反映和預測真實產(chǎn)品的運營狀態(tài)，也可以驅(qū)動真實產(chǎn)品的更新(包括軟件的更新)。
目前行業(yè)內(nèi)對數(shù)字孿生的應(yīng)用場景主要有兩大派系，即仿真派和運行派。仿真派主要是指利用計算機輔助仿真(CAE)實現(xiàn)對設(shè)計原型在虛擬環(huán)境下工作狀態(tài)的模擬；而運行派則主要是指通過工業(yè)物聯(lián)網(wǎng)技術(shù)實現(xiàn)物理設(shè)備在真實運行環(huán)境中的狀態(tài)監(jiān)測和分析。
國外也有人稱為產(chǎn)前數(shù)字孿生(Pre-Natal Digital Twin)和產(chǎn)后數(shù)字孿生(Post-Natal Digital Twin)，說的也是在產(chǎn)品設(shè)計仿真階段和真實運行階段。
仿真一派（機理模型驅(qū)動）仿真派屬于機理模型驅(qū)動派，主要是由設(shè)計仿真軟件公司主導，代表性的有達索、西門子、Ansys、Matlab Simulink、AspenTech和國內(nèi)的安世亞太等廠商。對于仿真軟件公司來說，數(shù)字孿生往往指的是結(jié)合機械、流體力學、光學、熱力學、電子等設(shè)計原理，利用基于數(shù)字化的計算機輔助設(shè)計和仿真工具，將現(xiàn)實世界中的物理實體（設(shè)備、建筑、交通等），在計算機軟件定義的信息空間中通過虛擬的孿生體映射出來，一方面可以讓設(shè)計階段有直觀的感知和測量能力，而另一方面，結(jié)合預設(shè)的運行環(huán)境和自定義條件的輸入?yún)?shù)，結(jié)合各種物理模型，可以預測和驗證虛擬實體在模擬環(huán)境和輸入下的系統(tǒng)表現(xiàn)，進而保障設(shè)計質(zhì)量，提高設(shè)計的魯棒性。
仿真技術(shù)是實現(xiàn)工業(yè)產(chǎn)品及制造過程模擬仿真與優(yōu)化的核心技術(shù)，是支持工程師進行產(chǎn)品創(chuàng)新設(shè)計最重要的工具和手段，在保證產(chǎn)品質(zhì)量的同時能大幅度縮短產(chǎn)品研發(fā)周期，節(jié)省產(chǎn)品研發(fā)成本。
如今，仿真技術(shù)已經(jīng)成為對人類社會發(fā)展進步具有重要影響的一門綜合性技術(shù)學科，種類繁多，例如對流場、熱場、電磁場等多個物理場的仿真，對振動、碰撞、噪聲、爆炸等各種物理現(xiàn)象的仿真，對產(chǎn)品的運動仿真和材料力學、彈性力學和動力學仿真，對產(chǎn)品長期使用的疲勞仿真，對整個產(chǎn)品的系統(tǒng)仿真，以及針對注塑、鑄造、焊接、折彎、沖壓等各種加工工藝的仿真，裝配仿真，幫助產(chǎn)品實現(xiàn)整體性能最優(yōu)的多學科仿真與優(yōu)化，還有針對數(shù)控加工和工藝機器人的離線編程與仿真（其中數(shù)控仿真又可以分為僅仿真刀具軌跡，和仿真整個工件、刀具和數(shù)控裝備的運動），以及面向車間的設(shè)備布局、產(chǎn)線、物流和人因工程仿真等。
在數(shù)字化設(shè)計技術(shù)和仿真技術(shù)發(fā)展和集成應(yīng)用的過程中，產(chǎn)生了Digital Mockup（DMU，數(shù)字原型）、Digital Prototyping（數(shù)字樣機）、Virtual Prototype（虛擬樣機）、Functional Virtual Prototype（全功能虛擬樣機）等形態(tài)的數(shù)字孿生，用于實現(xiàn)復雜產(chǎn)品的運動仿真、裝配仿真和性能仿真。
這種數(shù)字孿生的定義方式能夠?qū)⒏拍罨蛘呶锢硎澜缰械膶嶓w，通過精準的物理模型，映射到計算機的可視化空間中，不僅可以通過可視化形成直觀的設(shè)計，還可以形成可制造或者工程化的設(shè)計資料，并且還能借助計算機軟件的數(shù)字仿真能力，對設(shè)計進行多樣化的、可重復的、持續(xù)的驗證，保證設(shè)計原型和制造成果的一致性。
但這種形態(tài)的數(shù)字孿生，提供的是設(shè)計階段的仿真驗證能力，并不涉及到設(shè)備真實運行狀態(tài)的監(jiān)測和評估。這類數(shù)字孿生，大部分是一個開環(huán)的設(shè)計和仿真，很少考慮到制造出來的設(shè)備或者系統(tǒng)，也很少使用到真實環(huán)境中的動態(tài)數(shù)據(jù)。而在真實的運行過程中，由于環(huán)境的動態(tài)、多變和復雜的本質(zhì)，很多難以在設(shè)計和仿真中預計的情況都會發(fā)生，往往會造成設(shè)備或者系統(tǒng)的實際運行偏離了設(shè)計的目標，而產(chǎn)生嚴重的質(zhì)量問題，廠商往往不得不被動的一遍一遍根據(jù)表現(xiàn)出來的結(jié)果修改設(shè)計，來滿足真實環(huán)境的要求，但這種努力往往由于環(huán)境和輸入的多變性而收效甚微。同時，在高維度下的仿真模型，需要非常大的計算量，因此也很難滿足實時分析的要求。
同時，在真實運行環(huán)境中，由于傳感器本身的安裝、部署和成本限制，設(shè)備或系統(tǒng)的很多狀態(tài)數(shù)據(jù)是難以采集和測量的，因此很多運行狀態(tài)并不能采集到仿真環(huán)境中的各種狀態(tài)，因此也無法驗證是否達到設(shè)計目標。
另一方面，在場景非常復雜的時候，特別是輸入變量維度多且非線性的復雜場景下，很難用單一的純機械、化學或者電子類的機理模型來實現(xiàn)對真實場景的精準模擬，這時候傳統(tǒng)的仿真工具就難以給出準確的仿真結(jié)果。
運行一派（數(shù)據(jù)模型驅(qū)動）
另一類數(shù)字孿生，也叫產(chǎn)后數(shù)字孿生，指的是通過傳感器的數(shù)據(jù)采集，實現(xiàn)設(shè)備狀態(tài)的實時監(jiān)控和分析，對設(shè)備的性能進行監(jiān)測、評估和預警。
提供這類數(shù)字孿生解決方案的廠商包括GE、西門子、耐德電氣、浙大中控、和利時、PTC Thingworx、Software AG Cumulocity、微軟Azure以及寄云科技在內(nèi)的自動化廠商和工業(yè)物聯(lián)網(wǎng)廠商。
這類數(shù)字孿生，指的是從設(shè)備或者系統(tǒng)的實際運行狀態(tài)出發(fā)，通過傳感器的實時采集，將物理設(shè)備的實時表現(xiàn)，結(jié)合設(shè)備或系統(tǒng)的設(shè)計文件，將3D設(shè)計文件、工藝組態(tài)和傳感器的數(shù)據(jù)綁定在一起，通過直觀的方式反映當前系統(tǒng)的運行狀況，供操作人員進行監(jiān)視。同時，基于預設(shè)的運行條件限制，設(shè)置相應(yīng)的告警，一旦系統(tǒng)的實時指標跳出預設(shè)的限制，就產(chǎn)生相應(yīng)的告警或者自動的控制動作。
同時，基于實時數(shù)據(jù)的采集，結(jié)合機器學習和人工智能的建模分析能力，通過對歷史數(shù)據(jù)的建模和分析，可以構(gòu)建對特定運行狀態(tài)的自動識別、特定故障的自動診斷、異常狀態(tài)的檢測、工藝穩(wěn)定性控制，并且通過神經(jīng)網(wǎng)絡(luò)和人工智能技術(shù)，基于歷史數(shù)據(jù)實現(xiàn)對未來運行狀態(tài)的預測能力。
這種數(shù)字孿生，實現(xiàn)的是實際運行設(shè)備的數(shù)字孿生，能夠很好的實現(xiàn)對物理設(shè)備或者系統(tǒng)實時運行狀態(tài)的采集和直觀的監(jiān)視，能夠提供實時的診斷、預測能力，并且能夠在系統(tǒng)偏離監(jiān)測目標時提供預警和人工干預的能力。
圖1 GE數(shù)字孿生模型（Source：GE數(shù)字孿生白皮書）
如GE采集大量燃氣輪機產(chǎn)生的實時狀態(tài)數(shù)據(jù)，并集成一系列包括氣象、運營、維護、事件的數(shù)據(jù)，結(jié)合一系列異常監(jiān)測分析、相似度對比、熱力學模型的分析，可以對燃氣輪機運行的關(guān)鍵指標進行實時計算、評估、診斷和預測，實現(xiàn)了設(shè)備可靠性、運營性能和效率以及安全的提升。
圖2 AI加速器（Source：應(yīng)用材料公司官網(wǎng)）
再比如全球半導體裝備領(lǐng)導者美國應(yīng)用材料公司，最近剛發(fā)布了新一代的智能平臺AIx，可以結(jié)合設(shè)備采集的數(shù)百萬點的實時數(shù)據(jù)和基于人工智能的分析，創(chuàng)建設(shè)備運行階段的數(shù)字孿生，不僅可以實現(xiàn)對半導體生產(chǎn)過程的實時監(jiān)測，還可以通過虛擬實驗實現(xiàn)對每臺設(shè)備數(shù)千個關(guān)鍵工藝參數(shù)虛擬調(diào)試和模擬，以滿足半導體市場對指標如PPACt(Performance,Power,Area Cost,time-to-market)的持續(xù)優(yōu)化。
但是，由于缺少設(shè)計原理和機理模型的導入，這類數(shù)字孿生對系統(tǒng)工作狀態(tài)的解釋是不準確的，數(shù)字孿生本身無法定義什么是正常的工作狀態(tài)、什么是異常的工作狀態(tài)以及運行的目標是什么，只能大量依賴于人工的規(guī)則設(shè)定，而監(jiān)測的門限往往都是固定、一成不變的，無法適應(yīng)動態(tài)的工作環(huán)境要求；而對運行狀態(tài)的預測也是跟機理無關(guān)的，只能基于歷史數(shù)據(jù)的采集和關(guān)聯(lián)關(guān)系進行預測。
同時，由于傳感器技術(shù)發(fā)展、部署條件和成本的限制，不是所有的關(guān)鍵運行狀態(tài)都能夠通過傳感器來采集，傳感器往往只能采集很少一部分可直接測量的狀態(tài)，無法全面反映設(shè)備的各種關(guān)鍵狀態(tài)。特別是一些老舊的非自動化的設(shè)備，無法配備傳感器，就無法實現(xiàn)實時的狀態(tài)監(jiān)測。
總的來說目前數(shù)字孿生主要是以上兩類定義，各自都有應(yīng)用場景，但都不完整。我們要看到，這兩類數(shù)字孿生，實際上是產(chǎn)品在生命周期不同階段的應(yīng)用，并沒有沖突。我們也可以看到，如果能夠?qū)⑦@兩種數(shù)字孿生融合起來，一方面能夠在設(shè)計仿真階段就得到更全面的、基于運行數(shù)據(jù)的模擬和驗證，另一方面又能夠結(jié)合設(shè)計原理在運行階段自動驗證是否偏離設(shè)計模型定義的目標，同時還能夠形成數(shù)據(jù)和知識的閉環(huán)，必定能夠為設(shè)計、仿真、運行監(jiān)測和產(chǎn)品優(yōu)化提供巨大的幫助，構(gòu)建真正意義上全生命周期的數(shù)字孿生。
融合一派：機理模型和數(shù)據(jù)模型融合
如前所述，如果能夠?qū)C理模型和數(shù)據(jù)模型結(jié)合起來，將設(shè)計模型和運行的傳感器數(shù)據(jù)結(jié)合起來，構(gòu)建全生命周期的數(shù)字孿生，那將融合兩種數(shù)字孿生的優(yōu)勢，不僅能夠極大的提高產(chǎn)品設(shè)計的魯棒性、準確性，降低產(chǎn)品的研制成本，加快產(chǎn)品研發(fā)進度，更能有效的提高設(shè)備狀態(tài)監(jiān)測的有效性，實現(xiàn)性能的精準預判。
在這里，國外的仿真廠商Ansys和物聯(lián)網(wǎng)廠商PTC Thingworx在電機、泵等設(shè)備上的合作，已經(jīng)提供了很好的參考。
圖3使用ThingWorx將實際的泵與其數(shù)字孿生體相連接（Source：《Creating a Digital Twin for a Pump》）
首先通過Ansys專業(yè)的仿真工具，對泵、電機等設(shè)備基于機理構(gòu)建起來仿真模型，并通過Ansys Twin Builder開發(fā)數(shù)字孿生模型，形成輕量級的輸入、輸出的數(shù)值對照表，這個表將作為一個黑盒模型的輸入、輸出，導入到PTC Thingworx物聯(lián)網(wǎng)平臺中?；谖锫?lián)網(wǎng)采集的輸入?yún)?shù)的傳感器數(shù)據(jù)，查找表中對應(yīng)的輸出結(jié)果，就可以得到在特定的真實輸入下的預期輸出。這種預期輸出，可以作為虛擬傳感器，進而指導狀態(tài)監(jiān)測；同時，也可以作為評判特定傳感器（預期輸出）的依據(jù)，進而實現(xiàn)動態(tài)門限的監(jiān)控，改變傳統(tǒng)狀態(tài)監(jiān)測固定門限、無法適應(yīng)動態(tài)環(huán)境的局限性。
再比如，全球工藝仿真領(lǐng)導者AspenTech宣布已將工業(yè)人工智能擴展到其領(lǐng)先的解決方案中，以提高客戶運營的盈利能力和可持續(xù)性。此外AspenTech提供的AIWorkbench將使數(shù)據(jù)科學家能夠與領(lǐng)域?qū)＜液献?，基于企業(yè)范圍的全量數(shù)據(jù)開發(fā)工業(yè)智能應(yīng)用。基于機理模型和數(shù)據(jù)模型融合的混合模型，AspenTech將AI直接嵌入到Aspen HYSYS和Aspen Plus過程模擬中，使工程師能夠輕松構(gòu)建工廠的仿真模型，并使用相關(guān)工廠數(shù)據(jù)進行校準。降階的混合模型可以在工程、規(guī)劃和動態(tài)優(yōu)化解決方案之間共享，進而提高了這些應(yīng)用程序的準確性和可預測性。同時，AspenTech開發(fā)了基于深度學習的先進過程控制(Advanced Process Control,APC)，可以提供更準確和可持續(xù)的運行控制模型，滿足更廣泛的運行和操作環(huán)境。
國內(nèi)杰出的仿真廠商安世亞太和工業(yè)互聯(lián)網(wǎng)平臺廠商寄云科技，也構(gòu)建了類似Ansys與PTC Thingworx的合作聯(lián)盟。通過將電機的仿真模型與真實采集的運行數(shù)據(jù)結(jié)合，構(gòu)建多個基于仿真模型的虛擬傳感器，實現(xiàn)更全面的狀態(tài)監(jiān)測、性能評估和預測性維護的能力。
圖4合作方案架構(gòu)
圖4合作方案架構(gòu)可以看到，通過將物聯(lián)網(wǎng)采集的數(shù)據(jù)與仿真模型進行結(jié)合，一方面可以在特定輸入和既定輸出的指導原則下評判真實設(shè)備在動態(tài)輸入變化下設(shè)備運行性能的偏離，進而提高監(jiān)控的有效性和經(jīng)濟性；另一方面，還可以根據(jù)仿真模型創(chuàng)建出更多的虛擬傳感器，解決傳感器部署的問題，實現(xiàn)更全面的測量和監(jiān)測，降低產(chǎn)品成本。
小記：融合的力量
仿真模型與傳感器的結(jié)合，不僅能夠有效的提高狀態(tài)監(jiān)測、設(shè)備性能評估的有效性，更有助于改善和優(yōu)化設(shè)計，加快研發(fā)進度，提高產(chǎn)品上線的進度。
從設(shè)計的角度來說，當前的復雜裝備為了適應(yīng)更廣泛的應(yīng)用場景，往往在設(shè)計過程中增加了很多的冗余設(shè)計，比如采用更高精度的傳感器、增加容錯設(shè)計、提高產(chǎn)品功率等。但是這些多余的設(shè)計成本，能否帶來真實性能的提升，往往是沒有辦法評估的。如果能夠?qū)⒎抡婺Ｐ秃蛡鞲衅鲾?shù)據(jù)結(jié)合，就可以有效的評判這些冗余的設(shè)計成本是否帶來了性能的提升，進而降低產(chǎn)品的成本，加快研發(fā)進度。
同時，在很多機理模型受限的復雜運行場景下，基于設(shè)備運行的歷史數(shù)據(jù)，結(jié)合深度神經(jīng)網(wǎng)絡(luò)的訓練，可以構(gòu)建起來基于歷史經(jīng)驗數(shù)據(jù)的控制模型，并將此模型作為仿真模型，納入到仿真環(huán)境中進行驗證，也能夠極大的加速原型的設(shè)計和仿真。
另一方面，復雜裝備往往都有非常多的工藝控制參數(shù)，這些參數(shù)的設(shè)置往往需要結(jié)合現(xiàn)場的特點和要求進行反復調(diào)試，才能滿足生產(chǎn)的需要。而在設(shè)計仿真階段，往往只能在有限的場景下模擬真實環(huán)境，而無法實現(xiàn)最優(yōu)配置?；诓杉O(shè)備的歷史傳感器數(shù)據(jù)，結(jié)合人工智能對參數(shù)進行分析和尋優(yōu)，構(gòu)建設(shè)計驗證階段的虛擬實驗?zāi)芰?，能極大的加快復雜裝備在客戶現(xiàn)場的調(diào)參和上線時間，更能基于持續(xù)采集的實時運行數(shù)據(jù)對設(shè)計參數(shù)進行調(diào)整和優(yōu)化。
數(shù)字孿生正在數(shù)字化轉(zhuǎn)型發(fā)揮重要的作用。無論是從設(shè)計端，還是運行端，二者不同類型的模型和數(shù)據(jù)的融合，將使得數(shù)字孿生更加豐滿，給人們提供更好的洞察力。
（注：本文僅代表作者個人觀點。）
