查看原文
其他

论数字孪生的十大关系 | CIO必读

林雪萍 赵光 知识自动化 2020-10-20

引  子

利用数据馈送来映射物理实体的数字孪生技术,正在对工业众多领域产生颠覆性影响。德国信息技术与新媒体协会BITKOM预测,数字孪生在制造业市场巨大,到2025年将超过780亿欧元。


迎接数字孪生,需要用战略性视角审视它与过去、未来诸多工业要素的关系,比如它与PLM软件、CAD模型、工业云进行形态变换,它对物理实体、产线生产,以及工业之外的世界进行映射。同时它对智能制造、工业互联网和赛博物理系统CPS的支撑。而对首席信息官CIO来说,如何接纳数字孪生这样一个新宠物?


在此,我们梳理了数字孪生的十大关系,正是这些关系,支撑着一个全新的数字工业世界。


数字孪生的定义

数字孪生一词,最早是密西根大学教授Grieves提出,后来NASA在2010年对飞行器的真实运行活动进行镜像仿真。它试图在虚拟世界中,尽可能地模仿物理世界真实发生的一切。


数字孪生是现实世界中物理实体的配对虚拟体(映射)。这个物理实体(或资产)可以是一个设备或产品、生产线、流程、物理系统,也可是一个组织。数字孪生概念的落地是用三维图形软件构建的“软体”去映射现实中的物体来实现。这种映射通常是一个多维动态的数字映射,它依赖安装在物体上的传感器或模拟数据来洞察和呈现物体的实时状态,同时也将承载指令的数据回馈到物体导致状态变化。数字孪生是现实世界和数字虚拟世界沟通的桥梁。


一个描述钟摆轨迹的方程式通过编程形成模型后,是一个钟摆的数字孪生吗?不是。因为它只描述了钟摆的理想模型(例如真空无阻力),却没有记录它的真实运动情况。只有把钟摆在空气中的运动状态、风的干扰、齿轮的损耗等情况通过传感器和数据馈送实时输入到模型后,这个描述钟摆的模型,才真正成为了钟摆的数字孪生。


Gartner认为, 一个数字孪生需要至少四个要素:数字模型,关联数据,身份识别和实时监测功能。


数字孪生体现了软件、硬件、和物联网回馈的机制。运行实体的数据是数字孪生的营养液输送线。反过来,很多模拟或指令信息可以从数字孪生输送到实体,以达到诊断或者预防的目的。


这是一个双向进化的过程。


1、数字孪生与CAD模型

当完成CAD的设计,一个CAD模型就出现了。然而,数字孪生与物理实体的产生则紧密相连:没有到实体被制造出来的那一刻,就没有它对应的数字孪生(当然,数字孪生也可以继承另外一个数字孪生模板做为基础)。


CAD模型往往是静态的,它的作用是往前推动,在绝大多数场合,它就像中国象棋里面一个往前拱的小卒;而数字孪生,则是一个频频回头的在线风筝:两头都有力量。


3D模型在文档夹里无人问津的时代已经过去。数字孪生可以回收产品的设计、制造和运行的数据,并注入全新的产品设计模型中,使设计发生巨大的变化。知识复用,变得越来越普及。


数字孪生是基于高保真的三维CAD模型,它被赋予了各种属性和功能定义,包括材料、感知系统、机器运动机理等。它一般储存在图形数据库,而不是关系型数据库。


最值得期待的是,有了数字孪生,也许可能取代昂贵的原型。因为它在前期就可以识别异常功能,从而在没有生产的时候,就以消除产品缺陷。


IBM的看法是,数字孪生就是物理实体的一个数字替身,可以演化到万物互联的复杂的生态系统。它不仅仅是3D模型,而是一个动态的、有血有肉的、活生生的3D模型。


数字孪生,是3D模型的点睛重生,也是物理原型的超级新替身。


2、数字孪生与PLM软件

考虑到数字孪生可以用PLM来管理产品或设备的生命周期,也从PLM软件中输出文件,PLM显然与数字孪生紧密相关。


然而PLM以前虽然叫做产品全生命周期的管理,但从一个产品的设计、制造、到服务的全过程而言,PLM显然是没有完成任务。它的作用,到了制造的后期,往往戛然而止了。大量在制造中发生的工程状态更改,往往无法返回给研发设计师。而当产品出厂之后,就会形成产品的信息孤儿,更是无法通过PLM进行跟踪。


数字孪生的出现,由于对物理产品的全程(包括损耗和报废)进行数字化呈现,这使得产品的“全生命周期”透明化、自动化管理概念,成为货真价实的实际方法。这意味着只有在工业互联网时代,PLM才能真正成为现实——值得讽刺是,PLM这个概念当下似乎也在过时。它出现的太早,未曾也无法完成它的使命。


数字孪生的出现,PLM终于可以简单地回归它的软件和数据件(Dataware)概念。全生命周期管理,成为借助于数字孪生、工业互联网等众多技术和商业模式,合力实现的一个新的营利模式。


3、数字孪生与物理实体

数字孪生必须依赖物理实体的数据馈送来实现。也就是说,它从理论上可以对一个物理实体进行全息复制。但实际应用时,它可能只截取了物理实体的一些小小的、动态的片段——这取决于企业对产品服务的定义深度。一般而言,它往往只解决某个方面的问题,一个机器几百个零部件,也许只需要提取几个,来做数字孪生。


数字孪生与物理实体有三种映射关系,可以一对一:一个机器,一个数字孪生;也可能是一对多:多个仪表,组成一个数字孪生;也可以是多对一:几个数字孪生,对着一个机器。在某些场合,虚拟传感器,可能比实际传感器更多。

图 1 凯撒与合作方生成的数字孪生

凯撒压缩机不仅仅是售卖压缩机,而是售卖空气压力。通过与一家工程设计软件公司合作,它建立的数字孪生可以实现图表与表单的数据同源。

数字孪生不仅仅是状态更新。它也可以被用来进行编程和编译执行实现对物理实体的控制,从而实现物理实体的运营优化或状态改变。


4、数字孪生与赛博物理系统CPS 

CPS把物理、机械与模型、知识整合到一起了,实现系统的自我适应与自动配置,主要用于非结构化流程自动化,缩短循环时间和提升产品与服务质量;而数字孪生主要用于物理实体的状态监控、控制。一个以流程为核心,一个以资产为核心。


要描述这二者之间的关系,需要先谈另外一个工业4.0非常重要的支撑概念:管理壳。它可以使得物理资产有了数据描述,从而可以跟其他物理资产实现在数字空间的交互。

图2 管理壳


管理壳可以认为是与物理资产相伴生的软件层,包括数据和界面。是CPS的物理层P与赛博层C进行交互的重要支撑部分。


CPS要义在于Cyber,是控制的含义,它与物理实体进行交互。从这个意义而言,CPS中的Physics,必须具有某种可编程性(包括嵌入式或用软件进行控制);因此CPS中的P,与数字孪生所对应的物理实体,有相同的关系,可以靠数字孪生来实现。

图3 CPS的三层架构与数字孪生


根据德国Drath教授的CPS三层架构模型,可以看到,数字孪生是CPS建设的一个重要基础环节。未来,数字孪生与资产管理壳AAS(Asset Administration Shell)可能会融合在一起。


但数字孪生则并非一定要用于CPS,它有的时候,不是用来控制,而只是用来显示。


在工业4.0的RAMI4.0中,物理实体是指设备、部件、图纸文件、软件。一个目前尚不太清楚的问题是,如何实现对软件的数字孪生,特别是在软件运行时,如何实现映射。


5、数字孪生与云端 

一般而言,数字孪生是放在云端。西门子似乎倾向于将数字孪生看成是纯粹基于云的资产,因为运行一个数字孪生需要的计算规模和弹性都很大。


SAP  Leonardo平台为数字孪生,引入了一个云解决方案“预防性工程洞察力”。利用刚刚购买的一家挪威的3D软件,对那些从传感器来的压力、张力和材料生效数据,进行评估,从而帮助企业加大对设备的洞察。


GE、Ansys则倾向于认为数字孪生是一个边缘和云计算都可能存在的混合模型。而来自美国的创新公司SWIM,开发了一套软件包,建立了直接面向边缘的数字孪生。

图4 从数据到知识经过数字孪生


与常规数字孪生的云端概念不同,这个孪生是根据实时进入的数据,然后经过机器学习逐渐建立机器失效的概念,整个分析就在边缘端完成,不需要上传到网络端。


对于数字孪生而言,无论是云端,还是线下部署,都同等重要。


6、数字孪生与工业互联网

根据Garnter的2017技术成熟度曲线,数字孪生正在处于冉冉上升的阶段。同样,IDC在2017年11月给出的预测是,到2020年,全球头部2000家企业的30%,都会使用IoT产品中的数字孪生来提供产品创新。


数字孪生尽管尚未成为主流,却是每一个企业都不能回避的命题。


工业互联网是数字孪生的孵化床。物理实体的各种数据收集、交换,都要借助于IIoT来实现。它将机器、物理基础设施都连接到数字孪生上,将数据的传递、存储分别放到边缘或者云端。可以说,工业互联网激活了数字孪生的生命,它天生具有的双向通路的特征,使得数字孪生真正成为一个有生命力的模型。


数字孪生的核心是,合适的时间、合适的场景,做基于数据的、实时正确的决定。这意味着可以更好地服务客户。数字孪生是工业互联网的重要场景,也是工业App的完美搭档。工业APP可以调用数字孪生。一个数字孪生可以支持多个APP。工业APP可以分析大量的KPI数据,包括生产效率、宕机分析、失效率、能源数据等,形成评估结果,可以反馈并储存到数字孪生,使得产品与生产的模式都可以得到优化。


7、数字孪生与车间产线生产

数字孪生是以资产为核心,而产线生产则是以流程为核心。


机器安装、产线安装,同样可以建立一个更庞大的、虚拟的仿真版本。通过将物理产线在数字空间的复制,可以提前对安装、中试的工艺进行仿真。借助数字孪生的记录和分析,在实际产线安装时,可以直接复制使用,从而大大降低安装成本,加速新产品的引进。惹机器调试中的数据,可以用来优化生产,例如能耗、错误比率、循环周期等。则可以在后来的工厂和设备的运行过程中,继续发挥作用,从而提高厂房效率。值得一提的是,必要时数字孪生只携带一部分信息,它一般不需要完整的BOM。


这对于生产线而言,是一个巨大的利好消息。OEM供应商要考虑的问题,也不仅仅是产品,而是涉及到多领域模型、传感器、边缘设备等软件配套。


8、数字孪生与智能制造

智能制造的范畴宽泛,包括数字化、网络化和智能化的方方面面,而数字孪生很聚焦。


智能制造包含着大量的数字孪生的影子。智能生产、智能产品和智能服务,其中涉及智能的地方,都会多少用到数字孪生。


数字孪生是智能服务的重要载体。这里包含三类数字孪生:一类是功能型数字孪生:指示一个物体的基本状态,例如开关或者满或者空;一类是静态数字孪生,用来收集原始数据,以便用来做后续分析,但尚没有建立分析模型。


最重要的一类是第三种,就是高保真数字孪生。它可以对一个实体做深入的分析,检查关键因素,包括环境。用于预测和指示如何操作。NASA是这方面的例子。

在过去,产品一旦交付给用户,就到了截止点,成为产品孤儿。产品研发就出现断头路。而现在通过数字孪生,可以从实体获取营养和反馈,然后成为研发人员最为宝贵的优化方略。“产品孤儿”变成了“在线宝宝”。

图5 数字孪生模型(Source:德勤)


换言之,数字孪生,成为一个测试沙盒。许多全新的产品创意,可以直接通过数字孪生,传递给实体。

数字孪生正在成为一个数字化企业的标配。德国夹具公司雄克Schunk有5000个标准产品,都将配置一个digital twin。其中50个零部件已经开始建模。

智能制造,包括的设计、制造和最终的产品服务,都离不开数字孪生的影子。它起源于设计、形成于制造,最后以服务的形式,在用户端,与制造商保持联系。


9、数字孪生与工业的边界

从一个产品的全生命周期过程而言,数字孪生发源于创意,从CAD设计开始,到物理产品实现,再到进入消费阶段的服务记录持续更新。


然而,生产一个产品的制造过程,本身也可能是一个数字孪生。也就是,工艺仿真、制造过程,都可能建立一个复杂的数字孪生,进行仿真模拟,并记录真实数据进行交互。


产品的测试也是如此。在一个汽车自动驾驶的实例中,验证5级自动驾驶系统,即使不是最复杂的数字孪生的检验,那也是非常重要的一个应用。没有数字仿真,要完成这样的测试,需要完成140亿公里的实况测试。


而在一个工厂的建造上,数字孪生同样可以发挥巨大作用。通过建筑信息模型BIM(Building Information Modeling)和仿真手段,对工厂的水电气网以及各种设施,都可以建立数字孪生,实现虚拟工厂装配。并在真实厂房建造之后,继续记录厂房自身的变化。

图6 西门子的厂房设施管理


对于厂房设施与设备,西门子在COMOS平台建立了数字孪生,并且与手机APP呼应。这样,维修工人进入工厂,带着手机就可以地随时扫描RFID或者QR码,分析维修状况,分配任务具体到人,包括备件、文档和设备信息。


显然,数字孪生可以是一个产品,一个产线,甚至是一个厂房。同样钻井平台、集装箱、航行的货船可以建立一个数字孪生。

图7 钻井平台的数字孪生


然而,数字孪生的野心还不限于此。它可以是一个复杂的组织或城市。


数据孪生组织(digital twin organization or DTO) 也叫数据孪生企业 (digital twin enterprise or DTE)。荷兰软件公司Mavim提供数据孪生组织软件产品,能够把企业内部每一个物理资产、技术、架构、基础设施、客户互动、业务能力、战略、角色、产品、服务、物流与渠道都连接起来,实现数据互联互通和动态可视。


法国的达索系统正在用它的3D ExperienceCity,为新加坡城市建立一个完整的“数字孪生新加坡”。这样城市规划师,就可以利用数字影像更好地解决城市能耗、交通等问题。商店可以根据实际人流的情况,调整开业时间;红绿灯都不再是固定时间;突发时间的人流疏散,都有紧急的实时预算模型。甚至可以把企业之间的采购、分销关系也都加入进去,形成“虚拟社交企业”。

图8 新加坡的数字孪生城市


在2018年斯皮尔伯格的电影《头号玩家》中,普通人可以通过VR/AR自由进入一个虚拟的城市消耗自己的感情,也可以随时退回到真实的社区继续延续虚拟世界的情感。这一切似乎变得越来越可行。


10、数字孪生与CIO 

Gartner预测,到2021年,有50%的大型企业都会使用数字孪生。然而数字孪生如果要好用,它带来了一个巨大的“数字文化休克”的问题。


这是一个激荡波。


CIO习惯聚焦在流程提升和成本下降,数字孪生聚焦在物理资产与以资产为核心的新业务模式。


CIO是否能够独立应付这件事情,是一个严峻的考验。它不仅涉及到了经济性的问题,而且涉及到了商业模式和商业交付。例如一个轮胎制造商,在为用户交付一个轮胎的时候,必须同时交付一套数字孪生和支撑软件。这意味着,在轮胎的合同里面,会出现软件交付和数据交付!这是一个商业问题,而不再仅仅是企业信息化的问题。《哈佛商业评论》最新一期杂志上,刊登了本文作者的一篇《工业互联网时代,首席数字官正当红》的文章,详细讨论了“企业信息化”边界的问题。

图9 《哈佛商业评论》2018年5月刊


除了企业的各个部门需要共同制定战略,还有很多的数字伦理问题,需要跟合作伙伴和用户一起分析数据可能带来的结果。


很显然,数字孪生会影响到供应商、合作伙伴。这些,都不是CIO独自可以面对的使命。


小记:数字孪生是标配

无论如何,在未来几年,数字孪生技术都将飞速发展,以数字孪生为核心的产业、组织和产品将如雨后春笋般诞生、成长和成熟。每个行业、每个企业不管采用何种策略和路径,数字孪生将在未来几年之内成为标配,这也是数字化企业与产品差异化的关键。没有数字孪生战略的企业,是没有竞争力的。


相关阅读:

数字孪生 Digital Twin| 工业百条

3T融合 工业互联网一朝称王

数据云梯,解放工业数据重力

仿真软件就是大鱼吃小鱼的历史 | 工业软件史

作者简介

林雪萍:南山工业书院发起人,北京联讯动力咨询公司

赵 光:美国奥麦咨顾问公司

鸣谢 PLCOpen中国名誉主席彭瑜教授提供非常有启发的建议

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存