<address id="xtv7x"><pre id="xtv7x"><span id="xtv7x"></span></pre></address>

          中自數字移動傳媒

          您的位置:首頁 >> 綜合新聞 >> 如何快速搞懂數字孿生的本質?

          如何快速搞懂數字孿生的本質?

          已有31次閱讀2022-05-16標簽:
           在信息領域,一個概念有多種解釋已是司空見慣的事情。不過大多概念雖然在開始出現時含義模糊,定義不明,但經過一段時間討論和沉淀之后,會逐漸形成一致的看法,比如云計算。而數字孿生(DT)很有意思,它一開始的時候,含義還比較明確,但隨著研究的深入,定義和內涵卻越來越模糊。

          另外,很多概念,雖然有多種不同的定義和解釋,但大致的區別都在于要么看問題的角度和側重點不同,要么解釋的詳細程度不同,要么文字表述方式不同,而概念本身所指向的事物主體卻是確定的。像數字孿生(DT)這樣,不同的定義指向不同的主體,卻不多見。


          今天再來談談數字孿生,希望把它通俗化的解釋清楚,一定要看完。

           

          百度這么定義數字孿生:

          數字孿生是充分利用物理模型、傳感器更新、運行歷史等數據,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,從而反映相對應的實體裝備的全生命周期過程。數字孿生是一種超越現實的概念,可以被視為一個或多個重要的、彼此依賴的裝備系統的數字映射系統。

           

          這個定義把數字孿生當成了仿真過程。

           

          工信部標準化院這么定義數字孿生:

           

          數字孿生是以數字化方式創建物理實體的虛擬實體,借助歷史數據、實時數據、以及算法模型等,模擬、驗證、預測、控制物理實體全生命周期過程的技術手段。

          這個定義把數字孿生看成是虛擬實體,并講了這個虛擬實體能干點什么。

          從今年開始接觸數字孿生這個概念直到寫這篇文章之前,我已經被數字孿生這個概念搞凌亂了,如果你是一個較真的人,那估計跟我的感覺也差不多,而要搞清楚一個概念的本質,還是要回到原點,看看它是怎么出現和發展的。

           

          DT一詞,業界一般認為,是由密西根大學MichaelGrieves教授于2002年針對產品全生命周期管理(PLM)提出的一個概念,當初并不叫Digital Twin,而是叫鏡像空間模型 (Mirrored Space Model, MSM),后來NASA的John Vickers將其命名為Digital Twin。其模型的屬性是很清楚的,盡管當時沒有引起太多關注,卻也沒有什么歧義。

           

          DT就是一個數字化的模型。

           

          但隨著NASA將其引入《NASA空間技術路線圖》,DT的含義發生了重要的變化。NASA給出的解釋是這樣的:DT是充分利用物理模型、傳感器更新、運行歷史等數據,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,從而反映相對應的實體裝備的全生命周期過程。

           

          DT的主體變成了仿真。

           

          還是這個報告,又很明確地指出,NASA的Digital Twin就是“基于仿真的系統工程”(Simulation-Based Systems Engineering)。

           

          DT的主體又變成了系統工程。

           

          為了方便理解,下圖示意了跟數字孿生相關的各個部分及其關系:

           

           

          DT譯為數字孿生,也就意味著,默認了DT是指模型這一事實,并且不包含物理系統。因為孿生指的是雙胞胎中的一個,顯然不包含所對應的物理系統本身。

           

          仿真是模型的應用,是動作,顯然跟物理對象無法形成孿生的對等概念,因此,比較嚴謹的DT的定義應該就是指模型。

           

          我比較喜歡北京航空航天大學張霖教授的定義:

           

          數字孿生是物理對象的數字模型,該模型可以通過接收來自物理對象的數據而實時演化,從而與物理對象在全生命周期保持一致;跀底謱\生可進行分析、預測、診斷、訓練等(即仿真),并將仿真結果反饋給物理對象,從而幫助對物理對象進行優化和決策。

           

          物理對象、數字孿生以及基于數字孿生的仿真及反饋一起構成一個信息物理系統 (cyberphysical systems)。面向數字孿生全生命周期(構建、演化、評估、管理、使用)的技術稱為數字孿生技術(DigitalTwin Technology)。

           

          但有了準確的定義并不代表你就理解它,人們對概念的困惑往往源于“見樹木不見森林”,每個詞都明白,放在一起就糊涂了。人們會問:沒有數字孿生也可以做模型,它有什么特殊性?沒有數字孿生也可以做預測(即仿真)?為什么數字孿生要提全生命周期?

           

          還有個更嚴重的問題是:對學術界來說,原理清楚就清楚了;但對企業界來說,則需要把創造價值的邏輯講清楚。講不清楚價值,講不清楚場景和案例,就是沒有道理,因為企業界是需要真金白銀投入進去的。

           

          首先,數字孿生跟仿真有什么區別?

           

          仿真是將包含了確定性規律和完整機理的模型轉化成軟件的方式來模擬物理世界的一種技術。只要模型正確,并擁有了完整的輸入信息和環境數據,就基本能夠正確地反映物理世界的特性和參數。如果說建模是將我們對物理世界或問題理解的模型化,那么仿真就是驗證和確認理解的正確性。

           

          仿真的基礎是模型,既然數字孿生等于模型,那數字孿生就是仿真的前提,你只有通過模型(即數字孿生)精確的刻畫出物理實體,也即對物理實體的準確抽象,仿真才能逼真的模擬物理世界,下圖是一個仿真示意,但這個仿真的基礎全是數據模型。

           

          制造業的模型大多是指物理建;驇缀谓,其仿真跟建模一般是兩個獨立的過程,仿真是驗證你的模型跟某個物理對象的運作機理是否符合,我們所在的信息技術行業一般只提建模,不提仿真,但其實我們也有仿真,只是我們把它叫作模型驗證,比如你會輸入各種數據和條件,然后驗證模型輸出是否合理。

           

          只是制造業在仿真出現不合理的結果時,更多懷疑的是輸入數據的問題,模型設置的問題等等,很少去懷疑模型本身的準確性,我想大概的原因是因為物理模型、幾何模型大多時候是正確的吧,至少比純粹的相關關系來得靠譜。

           

          比如你發射衛星依據的是牛頓的三大定律,你在做仿真的時候如果出現了問題,首先懷疑的應該是發射的各種輸入參數是否出現了問題,仿真的環境是否不符合模型的約束等等,而不是懷疑牛頓三大定律出現了問題,因為物理模型是有因果律保證的。

           

          而信息行業的建模驗證一旦發現不符合預期的結果,首先懷疑的往往是模型本身,因為行為建模更多依賴的是運行數據和選擇的算法,而這些數據和算法出現問題的可能性很大,比如出現過擬合、欠擬合等問題。

           

          其次,數字孿生跟傳統的建模有什么區別?

           

          關于這個問題我以前非常糾結,覺得數字孿生就是忽悠的代名詞,因為對于我所處的信息行業來講,基于數據來進行機器學習建模是太平常的事情。

          但信息行業的機器學習建模理念限制了自己對其他行業傳統建模的理解,其實傳統行業如制造業的建模,大多不是什么數據驅動,也少有提相關關系的。

           

          那么,什么是建模?

           

          建模是為了理解事物而對事物做出的一種抽象,是對事物的一種無歧義的書面描述。建立系統模型的過程,又稱模型化。建模是研究系統的重要手段和前提。凡是用模型描述系統的因果關系或相互關系的過程都屬于建模。

           

          建模其實可以分為四種類型,分別是幾何建模、物理建模、行為建模和規則建模。

           

          傳統制造業的建模側重于幾何和物理模型的構建,更多的依賴物理機理和因果關系,幾何建模、物理建模對于信息行業的IT來講是陌生的,因此大家不免會產生很多困惑,畫個3D圖形也叫建模?這不是可視化嗎?

          但它難道不是一種對事物的抽象嗎?

           

          信息技術行業的數據從業者,分析對象往往以人為核心,傳統行業比如制造業,其研究的對象更多的是物,而對人建模和對物建模是有很多不同的。

           

          為了逼真制造某個物體,我們需要先建個3D模型,這需要幾何建模;為了讓物體產生某個動作,我們需要研究運動機理,這需要物理建模;基于這些物體運動產生的各種數據,我們能發現一些規律,這些規律可以指導去優化物體本身,這叫物體的行為建模。

           

          比如研究飛機發動機的運維數據從而給出優化建議,注意,這就是在制造領域被拿來當作數字孿生的經典案例,本質其實不過如此。

          對人建模就完全不同了,人不是機器,建個人的3D模型在物理上沒價值,更不可能對人進行物理建模,因為太難了,也許只有等把基因搞清楚了后,人就可以像物體那樣被研究和驅動了吧。

           

          研究人現在屬于社會科學的范疇,互聯網公司對人建模的目的主要是為了商業利益,其主要基于人的行為數據進行建模,用以發現人活動的規律,從而優化商業策略。

           

          人和物不同,導致兩者采用的建模類型大相徑庭。

           

          大數據時代到來后,基于動態實時的數據進行建模在信息技術這個行業發展很快,數據業務化、業務數據化是這個行業喊出的口號,但對于那些更傳統的行業,比如制造業,這還是很新鮮的事情吧。

          究其根本,業務的不同,技術發展階段的不同,造成了這種認知差異,從這個角度來講,我們這些專搞數據的對數字孿生嗤之以鼻倒是可以理解。

           

          但是,信息行業數據建模所采用的數據管理手段、機器建模方法和相關基礎設施,一旦與傳統制造業相結合,將具有廣闊的應用前景,現在產業互聯網喧囂至上,數字孿生成為熱點不是巧合。

           

          有了前面的背景,再讓我們回到數字孿生的定義本身,你會發現數字孿生更多的是相對于以前工業制造業的建模來說的,兩者之間還是有很大的區別的,雖然這些區別在信息技術行業來講已經不是新鮮事了:

           

          1、全生命周期的數據:一般的的模型是為了特定目的而建立的。這意味著,模型往往并不包含與特定目標無關的屬性。但人們建立數字孿生的目的往往有很多個,甚至可能包含不確定、開放性的目標。數字孿生中的數據,往往是把生命周期過程中產生的數據全部收集起來,這樣,人們需要這些數據的時候,用起來就方便了。

           

          你會覺得,這種無目的性的數據搜集不就是數據倉庫干的事情嗎?的確是這樣,當然由于數字孿生分析的對象始終是某個物理對象,因此相對于數據倉庫的跨越數據整合,其更強調針對這個物理對象全生命周期的數據采集,橫跨這個物理對象的需求、設計、開發、安裝、調試、投運、運維等各個階段,重點是跨越時間段。

           

          2、動態實時的數據:以前工業建模更多是幾何建模,物理建模,一般采集離線靜態的數據就可以了,數字孿生會有更多的基于行為的建模,數字孿生模型具有高保真、高可靠、高精度的特征,進而能真實刻畫物理世界,就必需具備動態實時的數據采集能力,從而與物理對象在全生命周期保持一致,這就好比飛機發動機的數字孿生,如果不能實時的采集飛行狀態的數據,就無法實時給出優化建議,這樣數字孿生的價值就大打折扣了。

           

          3、模型的實時演化:有別于傳統模型,數字孿生模型還強調虛實之間的交互,即數字孿生模型能生成一定的策略,對物理對象進行控制,并對物理世界的作用結果以數據的形式反饋回來,從而進一步優化模型,實現模型的實時更新與動態演化,也就是持續改進。

           

          要達成以上數字孿生的目標,工業制造就需要引入更先進的傳感器技術,從而能全面而實時的采集所需的數據;需要搭建更先進的物聯網,從而為孿生數據的實時、可靠、高效傳輸提供幫助;需要打造更先進的數據管理體系,從而能高效的匯聚和整合數據;還需要引入更先進的機器學習和AI算法,從而提升模型的智能化水平,不要僅限于傳統的物理、幾何或規則建模。

           

          我發現,以前的制造業的建模由于研究對象更多是物理實體的原因,具有極為鮮明的行業特點,無論是物理、幾何建模還是仿真,圍繞這些特征形成了自身獨特的技術體系。

          比如在建模領域,更多指VR/AR/3D/CAD軟件,在仿真領域,更多指CAE/BIM等軟件,并由此涌現出了一大批國內外廠商。

          而信息技術行業以大數據為核心的建模方法論代表了未來的趨勢,在數字化這個時代,你會發現兩者最終還是殊途同歸,數字孿生是集中的一個爆發點。

           

          再次,既然數字孿生就是模型,為什么要熱炒這個概念?

           

          就好比數據中臺在國內被熱炒一樣,亂花漸欲迷人眼,數字孿生在國內似乎也碰到了同樣的問題,入局者大都從自身的利益角度出發,來詮釋對數字孿生的理解,除了本文提到的模型的角度,還有其他各類維度。

           

          (1)數據維度:有一種觀點認為數字孿生是數據/大數據,這些認識側重了數字孿生在產品全生命周期數據管理、數據分析與挖掘、數據集成與融合等方面的價值。數據是數字孿生的核心驅動力,數字孿生數據不僅包括貫穿產品全生命周期的全要素/全流程/全業務的相關數據,還強調數據的融合,如信息物理虛實融合、多源異構融合等。此外,數字孿生在數據維度還應具備實時動態更新、實時交互、及時響應等特征。

           

          (2)連接維度 :一類觀點認為數字孿生是物聯網平臺或工業互聯網平臺,這些觀點側重從物理世界到虛擬世界的感知接入、可靠傳輸、智能服務。從滿足信息物理全面連接映射與實時交互的角度和需求出發,理想的數字孿生不僅要支持跨接口、跨協議、跨平臺的互聯互通,還強調數字孿生不同維度(物理實體、虛擬實體、孿生數據、服務/應用)間的雙向連接、雙向交互、雙向驅動,且強調實時性,從而形成信息物理閉環系統。

           

          (3)服務/功能維度 :一類觀點認為數字孿生是仿真,是虛擬驗證,或是可視化,這類認識主要是從功能需求的角度,對數字孿生可支持的部分功能/服務進行了解讀。目前,數字孿生已在不同行業不同領域得到應用,基于模型和數據雙驅動,數字孿生不僅在仿真、虛擬驗證和可視化等方面體現其應用價值,還可針對不同的對象和需求,在產品設計、運行監測、能耗優化、智能管控、故障預測與診斷、設備健康管理、循環與再利用等方面提供相應的功能與服務。由此可見,數字孿生的服務/功能呈現多元化。

           

          (4)物理維度 :一類觀點認為物理實體對象是數字孿生的重要組成部分,數字孿生的模型、數據、功能/服務與物理實體對象是密不可分的。數字孿生模型因物理實體對象而異、數據因物理實體特征而異、功能/服務因物理實體需求而異。此外,信息物理交互是數字孿生區別于其他概念的重要特征之一,若數字孿生概念范疇不包括物理實體,則交互缺乏對象。

           

          很多人也意識到,也許不需要去糾結數字孿生這個定義本身,因為無論是定義成模型,仿真,連接還是數據,都無法單獨創造價值,站在企業應用的角度看,理解數字孿生的生態更為重要,《數字孿生體白皮書2019》就自定義了數字孿生體這個概念,指出數字孿生跟物理實體、虛擬模型、數據、連接、服務都密切相關,如下圖所示:

           

           

          在《數字孿生應用白皮書2020》中,也指出數字孿生生態系統由基礎支撐層、數據互動層、模型構建與仿真分析層、共性應用層和行業應用層組成,從這張圖你也許看不出數字孿生到底是什么,只知道圍繞數字孿生要干很多很多事情。

           

           

          但無論概念詮釋的如何高大上,架構圖畫得多么完美,在數字孿生領域領先的美國,卻很少去炒作這個DT概念。

          作為數字孿生中最核心的技術建模和仿真,在六十年前就誕生在了美國,也在美國的發展中發揮出了巨大的價值,比如曼哈頓計劃中復現核鏈式反應過程的仿真。

          當前制造領域的建模和仿真軟件,也基本為國外所壟斷,下圖展示了數字孿生的產業圖譜:

           

           

          這讓我想起20年前在大學做數字信號處理的時候采用的電子設計仿真軟件Cadence,有次聽導師說起,Cadence軟件太貴了,只買了部分,不知道現在局面有沒有改觀。

           

          的確,在云計算和大數據等領域,我們現在的很多大型互聯網公司實現了進步并且有所超越,這也是這些公司在數字孿生領域躍躍欲試的原因吧,但數字孿生的第一代,即制造業傳統的物理建模、幾何建模、規則建模及相關仿真技術,我們落后的不止是一點半點,伴隨著數字孿生熱度的提升,真正熱賣的也許還是老外企業的那些產品吧。

           

          即使是在信息技術這個行業,建模最有價值的部分,其實還是數據采集和處理的能力、跟業務強相關的規則建模這種看似傳統的東西,而不是現在高大上的機器學習和人工智能,相信在數字孿生領域也一樣。

           

          想到這里,我心一緊,以前還以為數字孿生是個全新的東西,沒想到剛起步,就落后別人半截,靠數據驅動的概念能彎道超車?

          最后,我找了兩個看得懂的,講人話的數字孿生的應用案例,方便你進一步理解,也可以思考下實現這些數字孿生的難度,從而對制造業的建模和仿真保持敬畏之心。

           

          第一個是關于數字孿生用于產品研發的:

           

          搭載兩名宇航員的SpaceX獵鷹九號(Falcon 9)運載火箭成功升空,并在海上回收一級火箭。SpaceX快速崛起的背后,也必須從數字樣機說起。三維模型最重要的是機械結構,包括靜力、動力、強度、疲勞等性能,以前這些性能是要靠實驗來檢測的,現在利用三維數字化模型進行虛擬實驗。

           

          獵鷹九號成功的核心就是用三維數字化建模的方法注入材料數據,然后通過大量的仿真分析軟件,用計算、仿真、分析或者叫虛擬實驗的方法來指導、簡化、減少甚至取消物理實驗,這就是智能制造的高層次的問題。

           

          火箭發射出去后扔掉的捆綁火箭,靠爆炸螺栓和主火箭連接,到一定高度后引爆螺栓爆炸釋放衛星。貴重的金屬結構爆炸不能回收使用。馬斯克想用機械結構的強力彈簧彈射分離,回收火箭。歷史上美、蘇都做過大量相關實驗,但受限于早期計算機能力、軟件、材料,都沒有成功,但產生了大量的實驗數據。

           

          馬斯克彈射分離實驗用了NASA大量的公開數據,在計算機上做建模仿真分析強力彈簧的彈射、彈射螺栓,沒有做一次物理實驗,最后彈射螺栓分離成功,火箭外殼的回收大幅度降低了發射的價格。

           

          第二個是關于數字孿生用于設備運維的:

           

          GE 的數字孿生將航空發動機實時傳感器數據(如溫度、振動、碰撞、載荷等)與性能模型結合,隨運行環境變化和物理發動機性能的衰減,構建出自適應模型,精準監測航空發動機的部件和整機性能,并結合歷史數據和性能模型,進行故障診斷和性能預測,以便在預定停機時間內更換磨損部件,避免意外停機。

          分享到:

          [ 新聞搜索 ]  [ ]  [ 告訴好友 ]  [ 打印本文 ]  [ 關閉窗口 ]  [ 返回頂部 ]

          0條 [查看全部]  網友評論

          移動互聯

          2010年,中國移動互聯網用戶規模達到3.03億人2011年,中國移動互聯網行業進入了更加快速發展的一年,無論是用戶規模還是手機應用下載次數都有了快速的增長。在移動互聯網發展的大的趨勢下,中自傳媒已經開始進行區別于傳統互聯網的運營模式探索,伴隨著產業鏈和產業格局的變化提供創新的服務

          更多>>推薦視頻

          工業轉型升級-中國電器工業協會電力電子分會 秘書長 肖向鋒

          工業轉型升級-中國電器工業協會

          在本次2012北京國際工業自動化展上,我們將全面剖析在新...
          中國高壓變頻器產業發展之路——走過十三年 李玉琢

          中國高壓變頻器產業發展之路——

          中國高壓變頻器產業發展之路走過十三年 李玉琢
          從企業家角度 談行業的未來發展——匯川技術股份有限公司

          從企業家角度 談行業的未來發展

          從企業家角度 談行業的未來發展匯川技術股份有限公司
          現代能源變換的核心技術——電力電子 李崇堅

          現代能源變換的核心技術——電力

          中國電工技術學會常務理事---李崇堅,電力電子是先進能源...
          打造專業電力電子元器件品牌 助力變頻器產業發展

          打造專業電力電子元器件品牌 助

          聯合主辦單位深圳市智勝新電子有限公司領導嘉賓致辭 7月...
          滋润岳的性饥渴,午夜免费视频未满十八,nikki欧美办公室老师tukif

                <address id="xtv7x"><pre id="xtv7x"><span id="xtv7x"></span></pre></address>