关于数字孪生的发展与核心及维度讲解

数字孪生（DT）是一种实用的OT/IT融合方法，能够增强二者的交互，并融合来自双方的数据。它有助于开发更智能、更高效、更可靠的制造系统，也是实施智能制造的关键一步。目前来看，很多人对数字孪生的认知还不够全面，尤其“数据”和“应用”并没有受到足够的重视，但其实这二者是除“物理实体”和“虚拟实体”及其“连接”之外，数字孪生中最为重要的两个要素。总体来说，数字孪生应该包含物理实体、虚拟实体、物理与虚拟实体的连接、数据和应用五个维度。

01数字孪生的发展

2003年，数字孪生最初是在格里夫斯的产品生命周期管理（PLM）执行课程中提出，他将其定义为三个维度，包括一个“物理实体”、一个“数字对应物”和一个将两部分联系在一起的“连接”。

2010年，美国宇航局在《建模、仿真、信息技术》草案中详细阐述了航天飞行器数字孪生的定义和功能，“一个综合的多物理场、多尺度的飞行器或系统模拟，使用最佳可用的物理模型、传感器数据更新、历史数据等来反映其相应寿命”。

2011年，美国空军探索了数字孪生在飞机结构健康管理中的应用。

2012年，美国宇航局和美国空军联合发表了一篇关于数字孪生的论文，指出它是未来飞行器的关键技术。

2014年，数字孪生白皮书发表，其三维度结构得到广泛宣传。随后，它被引入航空航天工业以外的更多领域，如汽车、石油和天然气、医疗保健和医药等。

当代数字孪生的五个维度

（PE表示物理实体，VE表示虚拟实体，Ss表示服务（应用），DD表示孪生数据，CN表示各组成部分间的连接）

随着时代的发展，人们发现“物理实体”、“虚拟实体”及其“连接”，这三个维度已经不足以覆盖数字孪生的范围。“数据”和“服务（应用）”两个维度加入进来组成了数字孪生的五个维度，这样除了物理、虚拟以及二者的交互之外，还可以利用新技术融合物理和虚拟两方面的数据，实现更全面、更准确的信息获取；同时，“服务（应用）”纳入数字孪生模型中，像检测、判断和预测等等对于用户来说就比较直观了。

02数字孪生的核心

模型、数据、连接和服务始终在数字孪生中扮演着最重要的角色，这四个部分也是数字孪生的核心。

模型

数字孪生的一个重要特征是，对于每个物理对象，都有一个“数字镜像”存在于虚拟世界中，并与它在整个生命周期中一起“工作”。大多数人对数字孪生第一印象中的“3D模型”，可以说就是这里所说的模型中的一部分，但数字孪生的模型，不仅仅是你能看到的3D模型，它包括几何尺寸、物理特性和行为等，具有实时同步、可靠映射和高保真等特点。

数据

数字孪生数据由五部分组成：一是来自物理实体的数据，主要包括运行状态和工作条件；二是来自虚拟镜像的数据，由模型参数和模型运行数据组成；三是来自服务应用的数据，描述服务的封装、组合、调用等；四是从收集的数据中挖掘或从现有数据库和系统中获取的领域知识；最后是以上数据的融合处理数据，可以通过数据融合算法（如神经网络、D-S算法和卡尔曼滤波）获得。

服务

服务又分为面向物理实体和面向虚拟镜像两种服务。这些服务通过实时调节使物理实体按预期工作，并通过物理实体与镜像模型的关系校准以及模型参数校准保持虚拟镜像的高保真度。面向物理实体的服务主要包括监测服务、PHM服务、状态预测服务、能耗优化服务等；面向虚拟镜像的服务主要包括模型的构建服务、标定服务和测试服务等。

连接

从概念图可以看到，在五维数字孪生中的连接，不止于物理实体与虚拟镜像之间的连接，还包括他们与服务以及数字孪生数据之间的双向连接。由此也可以看出，数字孪生中服务和数据角色的增加，也带来了整个体系角色之间联系的复杂化。

03数字孪生与工业互联网

从技术角度来看，数字孪生体系的构建分为：物理实体建模（传感、射频、嵌入、数采）、虚拟镜像建模（3D模型、行为建模、规则建模、模型集成、模型分析、模型评估）、服务建模（资源管理、服务描述、服务封装、服务可视化、搜索与匹配、服务评估、容错管理、人机交互）、数据建模（存储、清理、转换、集成、融合、分析、可视、完整性、安全性）、连接建模（协议分析、协议转换、感知、无线、API、标准）。

数字孪生构建的八条准则：基于数据和知识、模块化、轻量化、层次化、标准化、服务化、开放性和可扩展、鲁棒性。这些准则对数字孪生的受众来说，非常贴心。因为，当前数字孪生对很多人来说，还很“科幻”，而且往往他们看到的数字孪生相关宣传都是“全生命周期（设计、生产、维护等等）”，那么多“全”才叫“全”呢，生命周期应该覆盖到哪里呢，没有设计阶段行吗？这样的系统得做多大，涵盖多少范围？……这时候这些准则就能解决这些疑问。

首先可以肯定的是，数字孪生是未来的主流方向，其次我们也应该正视当前发展数字孪生的基础不足，比如行业差异、基础设施等等。在这种情况下，数字孪生的落地就应该是模块化、轻量化、标准化、服务化的。所谓服务化，不只是要将功能、应用、资源等服务化，还指的是企业应该将目光放在数字孪生所能提供的最终服务和应用，比如预测性维护。而数字孪生供应商也应该尽可能的封装底层技术，为客户提供人性化、易用的应用，因为数字孪生不是目的，最终的应用才是目的。而另一方面，数字孪生需要持续开发、持续获益、持续改进，模块化、轻量化、标准化也就显得尤为重要。

那么，如何才能保证这些技术和准则的成功实现，答案就是工业互联网平台。无论是从五维数字孪生的关键技术支撑集来看，还是从其构建准则来说，我们都可以清晰的看到数字孪生和工业互联网有很多的相似性，数字孪生可以看作是工业互联网的一个子集。尤其以数据为中心、以服务（应用）为导向这关键两点上更是不谋而合。简言之，工业互联网平台也是数字孪生的基础平台。

04平台支撑数字孪生

以寄云NeuSeer 工业互联网平台为例，我们可以发现，工业互联网平台很多优势完全就是为了数字孪生构建准则而准备，或者为了解决数字孪生的技术挑战而生。它覆盖了边缘端，到边缘物联网平台，数据治理平台，有全流程的数据生命周期平台，帮助客户实现应用和系统的构建，帮助客户管理数据，发现数据价值。

首先，寄云NeuSeer工业数据采集网关在物理实体层面支撑数字孪生的构建。它提供不同类型的接口，RS232/485/以太网，可以对接包括西门子、欧姆龙、三菱、台达等数百种常见的PLC，灵活的配置数据采集的点表和格式化，并提供高性能的MQTT转发通道；同时，提供统一的管理接口，支持远程的配置升级和VPN接入。

在数据方面，寄云工业数据管理平台提供封装好的数据读写接口，支持数据模型、数据对象，以及各种常见的计算函数，构建各种分析指标。提供可扩展、分布式、海量的实时数据库和MPP数据库，提供高性能的汇聚和查询能力。支持不同类型的物联网实时数据和业务系统的采集和接入，提供便捷的任务和调度管理。应用通过数据对象API和规则配置API访问数据，无需编写SQL语句，降低开发难度、加快开发进度，并实现数据共享。

不仅如此，工业数据分析建模平台还提供灵活的数据模型和数据对象；支持丰富的数据预处理、数据探查、统计分析、机器学习、神经网络的各种分析模型和可视化；并支持模型的发布和共享，这与数字孪生理念中的服务发现和搜索等技术相呼应。

除此以外，寄云NeuSeer工业应用开发平台无（低）代码可视化开发功能的工业组态、2D/3D、仪表盘、分析报表、填报表单，以及直接关联指标数据、安全的发布机制、可集成到应用中的优势，再加上先进的编译、打包、部署，持续更新，丰富的微服务目录，API网关，统一用户登录，支持边缘端部署等能力，能够让数字孪生构建规则中的服务化、轻量化、模块化和标准化等实施起来如鱼得水。

05预测性维护应用

宝石机械钻机设备预测性维护系统是国内石油装备领军企业中国石油宝鸡石油机械与工业互联网服务商寄云科技等共同开发的一种基于数字孪生技术的钻机预测维护系统。该系统建基在钻机及钻机子系统级别的设备整体健康度评估与预测基础上，实现设备实时监控、健康趋势预测、故障追溯判断等功能。

该系统借助边缘计算、机器学习、物联网等技术实现了高效、经济的设备健康度评估和预测，能够及时的为钻机维保人员提供维保预测信息，结合系统的故障库、专家系统等，系统还能够实现各种钻机设备故障的溯源和诊断，同时，对于关键核心设备系统还实现了基于RUL的预测。

预测性维护是系统核心功能，包含钻机总体状态分析，能够根据近一段运行时间的设备参数，判定设备当前的总体状态；设备参数趋势分析，根据设备参数的历史运行数据，预测其未来一段时间内的趋势（保持稳定还是性能恶化）；以及在此基础上的关键设备的故障诊断与预测。

06平台+数据智能应用双驱动

正因为深刻的看到智能制造、数字孪生的核心是数据，应用是导向，基础是平台，寄云科技提出了“平台+数据智能应用双轮驱动”战略：“以NeuSeer工业互联网平台为主线，数据智能应用为基础的双轮驱动模式”。从横向集成的角度，制造企业需要通过平台去连接人、机、物等各类工业要素，获取各种设备实时数据和生产过程数据，再深入结合行业的机理模型，辅以机器学习和人工智能分析，构建生产指标的优化能力，实现反馈控制和实时决策能力，进而优化生产制造过程。
编辑：lyn