一文看懂数字孪生—应用发展综述（二）
内参来源：中国电子技术标准化研究院
本文截取自：《数字孪生白皮书2020》
作者：赵 波 等
数字孪生应用发展综述随着物联网的应用更加广泛，各个领域越来越多的企业开始计划数字孪生的部署。Gartner 的研究显示，截至 2019 年 1 月底实施物联网的企业中，已有 13% 的企业实施了数字孪生项目， 62% 的企业正在实施或者有计划实施。工业互联网是数字孪生的延伸和应用，而数字孪生则拓展。了工业互联网应用层面的可能性 。
智能制造领域数字孪生应用
1、数字孪生应用概述 ：
▲智能制造领域数字孪生体系框架智能制造领域的数字孪生体系框架主要分为六个层级，包括基础支撑层、数据互动层、模型构建层、仿真分析层，功能层和应用层。
基础支撑层 ：建立数字孪生是以大量相关数据作为基础的，需要给物理过程、设备配置大量的传感器，以检测获取物理过程及其环境的关键数据。传感器检测的数据大致上可分为三类：（ 1）设备数据，具体可分为行为特征数据（如振动、加工精度等），设备生产数据（如开机时长，作业时长等）和设备能耗数据（如耗电量等）；（ 2）环境数据，如温度、大气压力、湿度等；（ 3）流程数据。即描述流程之间的逻辑关系的数据，如生产排程、调度等 。
数据互动层 ：工业现场数据一般通过分布式控制系统（ DCS）、可编程逻辑控制器系统（ PLC）和智能检测仪表进行采集。今年来，随着深度学习、视觉识别技术的发展，各类图像、声音采集设备也被广泛应用于数据采集中 。
数字传输是实现数字孪生的一项重要技术。数字孪生模型是动态的，建模和控制基于实时上传的采样数据进行，对信息传输和处理时延有较高的要求。因此，数字孪生需要先进可靠的数据传输技术，具有更高的带宽、更低的时延、支持分布式信息汇总，并且具有更高的安全性，从而能够实现设备、生产流程和平台之间的无缝、实时的双向整合 / 互联。第五代移动通信网络（ 5G）技术因其低延时、大带宽、泛在网、低功耗的特点，为数字孪生技术的应用提供基础技术支撑，包括更好的交互体验、海量的设备通信以及高可靠低延时的实时数据交互。
交互与协同，即虚拟实体实时动态映射物理实体的状态，在虚拟空间通过仿真验证控制效果，根据产生的洞察反馈至物理资产和数字流程，形成数字孪生的落地闭环。数字孪生的交互包括物理 - 物理、虚拟 - 虚拟、 物理 - 虚拟、人机交互等交互方式 。
a）物理物理交互：使物理设备间相互通信、协调与写作，以完成单设备无法完成的任务 。
b）虚拟 - 虚拟交互：以连接多个虚拟模型，形成信息共享网络
c）物理 - 虚拟交互：虚拟模型与物理对象同步变化，并使物理对象可以根据虚拟模型的直接命令动态调整。
d）人机交互：即用户和数字孪生系统之间的交互。使用者通过数字孪生系统迅速掌握物理系统的特性和实时性能，识别异常情况，获得分析决策的数据支持，并能便捷地向数字孪生系统下达指令。比如，通过数字孪生模型对设备控制器进行操作，或在管控供应链和订单行为的系统中进行更新。人机交互技术和 3R 技术是相互融合的 。
数据建模与仿真层 ：建立数字孪生的过程包括建模与仿真。建模即建立物理实体虚拟映射的 3D 模型，这种模型真实地在虚拟空间再现物理实体的外观、几何、运动结构、几何关联等属性，并结合实体对象的空间运动规律而建立。仿真模型则是基于构建好的 3D 模型，结合结构、热学、电磁、流体等物理规律和机理，计算、分析和预测物理对象的未来状态。
例如飞机研发阶段，可以把飞机的真实飞行参数、表面气流分布等数据通过传感器反馈输入到模型中，通过流体力学等相关模型，对这些数字进行分析，预测潜在的故障和隐患。数字孪生由一个或多个单元级数字孪生按层次逐级复合而成，比如，产线尺度的数字孪生是由多个设备耦合而成。因此，需要对实体对象进行多尺度的数字孪生建模，以适应实际生产流程中模型跨单元耦合的需要 。
▲复杂产品按照系统层次解耦建立仿真模型的基础可以是知识、工业机理和数据，三种建模方式各有利弊。基于知识建模：要求建立专家知识库并且有一定行业沉淀。优势在于模型较简单，对极端情况建模效果。但模型精度、及时性、可迁移性较差，成本较高；基于机理建模：模型覆盖变量空间大、可脱离物理实体、具有可解释性，但要求大量的参数，计算复杂，无法对复杂流程工业中相互耦合的实体情况进行建模；基于数据建模：模型精度较高、可动态更新，但对数据数量、数据质量和精度要求更高，并且无法解释模型 。
目前，数字孪生建模通常基于仿真技术，包括离散时间仿真、基于有限元的模拟等，通常基于通用编程语言、仿真语言或专用仿真软件编写相应的模型。数字孪生建模语言主要有 AutomationML、 UML、 SysML及 XML 等。工业仿真软件，这里主要指计算机辅助工程 CAE（ ComputerAided Engineering）软件，包括通常意义上的 CAD， CAE， CFD， EDA，TCAD 等。目前中国 CAE 软件市场基本被外资产品垄断，如 ANSYS，海克斯康（ 2017 年收购 MSC）， Altair，西门子，达索， Cadence， Comsol，Autodesk， ESI， Synosys， Midas， Livemore 等。
中国具有自主知识产权的 CAE 软件仅有很少量的市场份额，国内此方面，主要是一些高校、科研院所和中小企业在进行 CAE 软件的研发工作，包括 FEPG、 JIFEX、HAJIF、紫瑞、 LiToSim 在内的国内自主知识产权软件系统已上市，但由于缺乏竞争力，一些软件已退出国内 CAE 市场。以安世亚太为代表的国产模拟仿真软件，在多年使用和代理国外产品经验基础上开发出了国产化的替代方案，但目前还无法达到国外一线产品的水平。泰瑞在 2020 年推出工业仿真云产品，也以云服务模式进入这一市场 。
▲工业仿真软件（CAE）主要供应商
▲ 数字孪生优化产品生命周期管理功能实现层 ：
即利用数据建模得到的模型和数据分析结果实现预期的功能。这种功能是数字孪生系统最核心的功能价值的体现，能实时反映物理系统的详细情况，并实现辅助决策等功能，提升物理系统在寿命周期内的性能表现和用户体验 。
已经有一些软件服务商通过提高数字孪生能力提高他们的应用能力，为客户提供垂直细分市场的解决方案。通过 APM、物流或 PLM 等应用开发数字孪生模型和组合。比如 GE Digital、 Oracle 等。具体见下表：
▲突出数字孪生结合功能层应用的供应商2、典型应用场景介绍
数字孪生在智能制造领域的主要应用场景有产品研发、设备维护与故障预测以及工艺规划 。
▲数字孪生在智能制造领域的应用数字孪生应用于产品研发 ：传统的研发设计方式下，纸张、 3D CAD 是主要的产品设计工具，它建立的虚拟模型是静态的，物理对象的变化无法实时反映在模型上，也无法与原料、销售、市场、供应链等产品生命周期数据打通。对新产品进行技术验证时，要将产品生产出来，进行重复多次的物理实验，才能得到有限的数据。传统的研发设计具有研发周期长，成本造价高昂的特点。
数字孪生突破物理条件的限制，帮助用户了解产品的实际性能，以更少的成本和更快的速度迭代产品和技术。数字孪生技术不仅支持三维建模，实现无纸化的零部件设计和装配设计，还能取代传统通过物理实验取得实验数据的研发方式，用计算、仿真、分析或的方式进行虚拟实验，从而指导、简化、减少甚至取消物理实验。
用户利用结构、热学、电磁、流体和控制等仿真软件模拟产品的运行状况，对产品进行测试、验证和优化。以马斯克的弹射分离实验为例，火箭发射出去后扔掉的捆绑火箭，靠爆炸螺栓和主火箭连接，到一定高度后引爆螺栓爆炸释放卫星，但贵重的金属结构爆炸不能回收使用。马斯克想用机械结构的强力弹簧弹射分离，回收火箭。
这项实验用了 NASA 大量的公开数据，在计算机上做建模仿真分析强力弹簧的弹射、弹射螺栓，没有做一次物理实验，最后弹射螺栓分离成功，火箭外壳的回收大幅度降低了发射的价格。类似的案例还有如风洞试验、飞机故障隐患排查、发动机性能评估等。数字孪生不仅缩短了产品的设计周期，提高了产品研发的可行性、成功率，减少危险，大大降低了试制和测试成本 。
数字孪生应用于工艺规划和生产过程管理 ：随着产品制造过程越来越复杂，多品种，小批量生产的需求越来越强，企业对生产制造过程进行规划、排期的精准性和灵活性，以及对产品质量追溯的要求也越来越高。大部分企业信息系统之间数据未打通，依赖人工进行排期和协调。
数字孪生技术可以应用于生产制造过程从设备层、产线层到车间层、工厂层等不同的层级，贯穿于生产制造的设计、工艺管理和优化、资源配置、参数调整、质量管理和追溯、能效管理、生产排程等各个环节，对生产过程进行仿真、评估和优化，系统地规划生产工艺、设备、资源，并能利用数字孪生的技术，实时监控生产工况，及时发现和应对生产过程中的各种异常和不稳定性，日益智能化实现降本、增效、保质的目标和满足环保的要求。
离散行业中，数字孪生在工艺规划方面的应用着重于生产制造环节与设计环节的协同；流程行业中，要求通过数字孪生技术对流程进行机理或者数据驱动的建模。图 X 反映了流程工业自动化的结构，在这个过程中，数字孪生通过将物理实体流程上的耦合转化为各个数字孪生参数间的耦合，实现整个流程的协同优化 。
▲流程工业自动化的总体结构
▲应用层级及生态数字孪生应用于设备维护与故障预测 ：
传统的设备运维模式下，当设备发生故障时，要经过“发现故障——致电售后服务人员——售后到场维修”一系列流程才能处理完毕。客户对设备知识的不了解、与设备制造商之间的沟通障碍往往导致故障无法及时解决。解决这一问题的方法在于将依赖客户呼入的“被动式服务”转变为主机厂主动根据设备健康状况提供服务的“主动式服务”。
数字孪生提供物理实体的实时虚拟化映射，设备传感器将温度、振动、碰撞、载荷等数据实时输入数字孪生模型，并将设备使用环境数据输入模型，使数字孪生的环境模型与实际设备工作环境的变化保持一致，通过数字孪生在设备出现状况前提早进行预测，以便在预定停机时间内更换磨损部件，避免意外停机。通过数字孪生，可实现复杂设备的故障诊断，如风机齿轮箱故障诊断、发电涡轮机、发动机以及一些大型结构设备，如船舶的维护保养 。
典型的企业如达索、 GE 聚焦于数字孪生在故障预测和维护方面的应用。GE 是全球三大航空发动机生产商之一，为了提高其核心竞争力和加强市场主导地位，在其航空发动机全生命期过程引入了增材制造和数字孪生等先进技术。2016 年， GE 与 ANSYS 合作，携手扩展并整合 ANSYS行业领先的工程仿真、嵌入式软件研发平台与 GE 的 Predix 平台。GE 的数字孪生将航空发动机实时传感器数据与性能模型结合，随运行环境变化和物理发动机性能的衰减，构建出自适应模型，精准监测航空发动机的部件和整机性能。并结合历史数据和性能模型，进行故障诊断和性能预测，实现数据驱动的性能寻优 。
来源：人工智能学家
欢迎关注
科普辽宁喜欢此内容的人还喜欢
原标题：《一文看懂数字孪生—应用发展综述（二）》