|
“孪生”的概念起源于美国国家航空航天局的“阿波罗计划”，即构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于反映太空中航天器在任务期间的工作状态，从而辅助工程师分析处理太空中出现的紧急事件。当然，这里的两个航天器都是真实存在的物理实体。
数字孪生（DigitalTwin），也被称为数字映射、数字镜像。数字孪生，是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。 2003年前后，关于数字孪生（ DigitalTwin）的设想首次出现于Grieves教授在美国密歇根大学的产品全生命周期管理课程上。当时“DigitalTwin”一词还没有被正式提出，Grieves将这一设想称为“ConceptualIdeal for PLM（ProductLifecycleManagement）”。尽管如此，在该设想中数字孪生的基本思想已经有所体现，即在虚拟空间构建的数字模型与物理实体交互映射，忠实地描述物理实体全生命周期的运行轨迹。
简而言之，数字孪生被定义为一个物理事物的虚拟代表。该事物可以是一架喷气式发动机，一辆汽车，一座建筑或一座桥梁。连接到这些物理资产的传感器收集的数据被映射到虚拟模型上。数字孪生使人们能够看到关于物理事物在现实世界中如何运作的重要信息。数字孪生是一种从物理系统收集数据、再对结果进行记录与操作的技术，其目标就是建立起与真实系统高度契合的数字化副本。有了数字孪生，我们才能深度研究对象、机器、原型设计或流程的功能表现。在实践层面，数字孪生就是根据实物资产建立的数学模型，由相关资产的历史与实时数据组合而成。 借助数字孪生技术，我们终于能够摆脱现实的束缚，在虚拟环境下开展一系列纯数字形式的研究。管理者与分析师可以借此评估潜在情境，模拟设备、生产线与流程可能面临的种种状况。这些包括人工智能、机器学习、深度学习、物联网、传感器、模拟、连接和大数据在内的技术已经可实现复杂的数字孪生。 连接性（Connectivity）：数字孪生是以连接为基础的。它实现了物理元素和其数字对应物之间的连接。传感器创造了物理产品的连接性，利用各种集成技术获得、集成和交流数据。 同质化（Homogenization）：数字孪生既是数据同质化的结果，也是其推动者。它允许信息与它的物理形式脱钩。 可重新编程和智能化（Reprogrammableand Smart）：数字孪生通过传感器、人工智能技术和预测性分析自动实现了可重新编程。 数字轨迹（Digitaltraces）:数字孪生技术会留下数字轨迹，这些轨迹有助于在机器故障的情况下诊断故障根源。 模块化（Modularity）：模块化指的是产品和生产模块的设计与定制。在功能模型中加入模块化有助于制造商获得调整机器和模型的能力。 数字孪生包括三个主要元素： 历史数据（Pastdata）：它包括机器、特定系统和整体流程的历史性能数据。 当前数据（Presentdata）：实时数据包括传感器数据、制造平台的输出和整个分布链系统。 未来数据（Futuredata）：它是来自机器学习算法和工程师输入的预测数据和洞察力。 数字孪生执行以下三个操作步骤：
第1步：数据收集和模拟 在资产的虚拟副本中收集和模拟数据，所收集的信息要么存储在本地，要么存储在分散的云端。 第2步：应用认知洞察力 收到模拟数据后，在有形资产中应用相关参数，并整合为精确的虚拟表示。该技术可用于机对机通信、自然语言处理、声学视频分析等，以帮助理解正在呈现的信息动态。 第3步：动态重新校准 收集到的信息和认知被用来动态地重新校准环境，影响设计、建造和围绕该特定设备所做的一切操作阶段。在现实和虚拟表现中的数据整合有助于优化有形资产的性能。 要建立数字孪生，我们首先要从待建模的资产中提取出大量运营数据——包括历史数据与实时数据两个部分。而数据收集的实现，自然离不开物联网、特别是物联网传感器技术。 物联网由大量接入网络的无线传感器组成，这些传感器不断收集并发送数据、借以实现监控。这部分数据可以利用边缘计算技术进行处理，再由云端进行存储和展示。 这项技术的优势，在于它能够持续对资产开展实时监控。传感器会随时更新信息，并通过编程方式在设备或流程发生变化时立即发送警报和附加信息。如此一来，运营状况分析将变得及时且详尽，帮助管理者快速发现负面因素并采取补救措施。 对数字孪生来说，物联网堪称不可或缺的技术支柱。物联网将帮助我们发送用于更新数字副本的真实数据，并立足任意时间点对当前状况实施研究和操作。而在此期间产生及发送的大量数据，也将成为诊断及预测等大数据分析应用的必要素材。 数字孪生的创建分三个阶段进行： 设计： 数字孪生体的设计包括两个主要因素。 选择使能技术，将物理资产与其数字孪生体结合起来，以实现操作和交互信息的实时流动。明确所需设备的类型至关重要，需要建模软件来设计资产的三维表现。此外，关键是要知道谁将通过数字孪生访问信息并控制物理资产。 了解整个资产生命周期所需的信息类型，信息的存储位置，以及如何访问和使用这些信息。以可重复使用的方式构建信息，在系统之间快速有效地交换。 操作： 确定数字孪生体的目的和功能。它将执行资产监测、控制和资产改变，为预测性维护执行高级分析或进行模拟，确定数字孪生的范围和功能，并帮助确定附加到资产上所需的设备类型。 扩容： 数字孪生体的实施通常从小处开始，如监测资产的一个组成部分，但随着时间的推移而扩大。 扩张以两种方式进行：企业带来许多更小的数字孪生体，以提供整个资产的完整图像。企业在现有的数字孪生中加入更复杂的功能。 无论哪种情况，组织都希望在数字孪生中增加功能，以满足不断变化的要求。需要的是安全地增加这些功能，在保持性能的同时扩展数字孪生。 拟议的五级分类法说明了数字孪生的各种表现形式，不同种类的分析与每个分类级别相关。基本数据模型的描述是在五个层次上完成的。 第1级：数字表示，当与来自CAE（计算机辅助工程）或受控实验室实验的物理模拟见解相辅相成时，导致第2级数字孪生。 第2级：第2级数字孪生体是由基于CAE的预测、基于控制数据的实验室预测和时间序列分析得到的。 第3级：将传感器数据与数据模型耦合的数字表示是3级数字孪生。 第4级：第4级数字孪生是使用设计见解、资产物理学、传感器数据和人类知识编码的数字孪生。 第5级：它将第4级数字孪生与企业系统整合在一起，如企业资源规划（ERP）、制造执行系统（MES）和产品生命周期管理（PLM）。这是最复杂的数字孪生，因为它利用来自多个企业来源的信息，提供资产所有方面的综合视图。
数字孪生的应用为多个行业带来了突破。 制造业：在制造业中，数字孪生被用于促进产品开发、设计定制、车间性能改进和预测性维护。 （1）产品开发：工程师从数字孪生中获得好处，因为它有助于在推出之前测试即将推出的产品的可行性。 （2）设计定制：数字孪生帮助企业设计产品的多种排列组合，并向客户提供个性化的产品和服务。 （3）车间性能改进：数字孪生有助于监测和分析最终产品。它帮助工程师发现批次中的缺陷和低性能的产品。 （4）预测性维护：数字孪生帮助制造商预测机器的潜在停机时间，通过最大限度地减少不增值的维护活动来提高其整体生产力。 零售业：在零售业，数字孪生可用于建模和增强著名购物中心和个人商店的客户体验。 汽车业：数字孪生被高度用于创建互联车辆的虚拟模型。汽车公司对生产阶段进行模拟和分析，以确定生产过程中或汽车上路时的潜在问题。 医疗保健：数字孪生使医疗服务虚拟化，帮助医疗机构优化病人护理、成本和绩效。目的是提高医疗流程的运作效率，并加强个性化的护理。 智慧城市：数字孪生可以帮助城市在经济、社会和环境方面变得更加可持续。 数字孪生技术在任何行业的应用都会对产品质量产生积极影响，并加快服务交付速度。它实现了实时模拟，帮助企业利用预测性维护的优势。数字孪生体降低了成本，并倾向于增加高质量产品的市场供应，使客户受益。 |
|
|
