數字孿生（Digital Twin）的技術應用逐步向工業生產的各個領域滲透，不僅可以針對產品建立可以實現虛實融合的數字孿生模型，也可以幫助企業建立工廠的數字孿生模型（實現工廠的可視化、透明化，優化設備布局和工廠物流，提高設備績效）。工業數字孿生促進產品全生命周期管理，為遠程操控、設備健康監測與管理等方面提供了更多可能。數字孿生技術是數字化轉型升級的關鍵綜合應用。
數字孿生就是制造業的未來
數字孿生、物聯網IOT與機器學習的配合，讓數據帶來行動（Transforming Data into Action）。數字孿生技術背景是通過物理映射的模型來遠程監控，通過數據來控制。根據從各種物聯網傳感器來的實時數據不斷適應運行變化，并借助機器學習/人工智能預測相應物理計算物的未來，說白了物理世界變成了一個鮮活生命，每一口呼吸那就是數據的涌現。數字孿生整合來自人工智能、軟件分析、機器學習數據來構建數字仿真模型，可以提供物體變化和變化模型的數據。以數字的方式為物理對象創建虛擬模型，以模擬它們的行為。虛擬模型可以通過數據了解物理行為的狀態，并進行估計和分析其動態變化過程。所有的物理對象都將具有嵌入式計算和通信能力，以便它們能夠感知環境并相互通信以提供服務。這些智能互連和互操作性也被稱為物聯網或機器對機器 (M2M) 通信。由于傳感器和執行器(sensors +actuators)的可用性與價格變得平民化，數據采集變得相對容易。
物理世界和虛擬世界的融合是信息物理系統（CPS）領域的熱門話題，是工業4.0的關鍵。信息物理系統（CPS,Cyber-Physical Systems）是一個綜合計算、網絡和物理環境的多維復雜系統，通過3C（Computation、Communication、Control）技術的有機融合與深度協作，實現大型工程系統的實時感知、動態控制和信息服務。CPS實現計算、通信與物理系統的一體化設計，可使系統更加可靠、高效、實時協同，具有重要而廣泛的應用前景。數字孿生初期是一個為預測性維護而創建物理資產模型的概念。數字孿生充分利用物理模型、傳感器、運行歷史等數據，在虛擬空間中完成映射，從而監控和識別與其真實物理對應物的潛在問題，通過結合基于物理的模型和數據驅動的分析來預測物理孿生對象剩余使用壽命remaining useful life (RUL)。
數字孿生許多人簡單理解只是個映射模型其實沒有抓住核心，以我的觀察核心其實是RUL預測、數據協同控制。
數字孿生是一種超越現實的概念，可以被視為一個或多個彼此依賴的裝備系統的數字映射系統。數字孿生系統主要由3個主要部分組成：現實空間中的實物產品；虛擬空間中的虛擬產品；將虛擬和真實產品聯系在一起的數據和信息的連接。為此，收集和分析海量的制造數據，尋找其中的信息和連接成為智能制造的關鍵。數字孿生的技術架構數字孿生的基本架構包括傳感器和測量技術、物聯網和機器學習。從計算的角度來看，推動數字雙胞胎的關鍵技術是數據和信息融合，促進信息從原始傳感器數據流向更高級別的數據理解和洞察。通過基于物理的模型和數據驅動分析實現數字孿生的關鍵功能是提供資產的準確運營狀態，這樣才有助于數字孿生反映其相應物理雙胞胎體（physical twin）的預警、異常檢測、預測和優化的能力。
物聯網系統通過其智能網關和邊緣計算設備進行實時數據采集，隨后融合預處理的傳感數據可以喂養數字孿生模型。而離線數據經過文本/數據挖掘算法處理后輸入到數字孿生體來。數字孿生結合了建模和分析技術來創建特定目標的模型，例如飛機的關鍵部件等。因此，數字孿生被指定為預測性維護工作以實現準確的預測，當然背后需要使用物聯網傳感器獲取持續的數據，加上機器學習與算法的處理。數字孿生4個主流應用場景數字孿生通過為制造單元中的關鍵資產提供預測服務來確定相關的行動方案。物聯網的日益普及是企業利用數字孿生平臺來提升其服務和平臺的理想選擇。目前國際上數字孿生最為常用的應用有：
性能優化——數字孿生有助于確定最佳參數和操作，有助于一些關鍵性能指標最大化并為長期規劃提供預測。例如，NASA 提出并采用了對航天器安全性和可靠性優化的監測和優化。通過調節和改進生產過程中的參數，對于制造中使用的很多機器進行參數設置。例如，在注塑中可能需要控制塑料的溫度、冷卻時間、速度等等。所有這些參數都可能受到各種外部因素的影響，例如，外界溫度等。通過收集所有這些數據可以改進自動設置和調整機器的參數。運行維護——數字孿生可以分析在不同條件下數據來分析運維表現。遠程設備運維經常涉及到跨工廠、跨地域設備維護，遠程問題定位等場景。數字孿生在這些方面的應用，可以提升運行、維護效率，降低成本。例如，用可視化賽車引擎以識別所需的維護（即將燒毀的組件）。機器制造——數字孿生也被用作同時創建和開發的真實機器的數字副本。來自真實機器的數據被加載到數字模型中以便在實際制造開始之前就可以對想法進行模擬和測試。例如美國國家航空航天局使用數字孿生對空間飛行器進行仿真分析、檢測和預測，輔助地面管控人員進行決策。改善客戶體驗——客戶是影響企業戰略和決策最為關鍵一個變量。增強客戶體驗以保留和探索新客戶群是企業的日常經營重點，為此你可以通過直接創建面向客戶的應用程序的數字孿生，企業可以獲得即時反饋，從而提升面向客戶的服務。 數字孿生實際應用中的4個挑戰構建和實施數字孿生的一些挑戰如下：
? 產品生命周期管理、制造執行系統和運營管理等多系統數字孿生模型一致性與更新存在挑戰。一旦將工藝計劃連接到制造執行系統后，你需要使用云服務器中的數字孿生模型來生成與生產工藝設計相關的詳細工作指令。為此，如果生產環境有任何變化，整個過程都會依據設計和計劃來作相應更新。
? 如何更好構建數字化孿生與物理網絡連接關系。 海量的產品模型可以幫助企業設計優秀的產品，需要時間來積累設計和制造的知識，這樣你才可以不斷重復使用和改進。
? 如何將大數據分析整合到數字孿生模型中。當直接從生產設備采集實時數據時，需要同時刷新數字孿生模型上的信息。在與實際制造結果的設計相比，大數據分析應該識別兩者是否存在差異并找出其中原因。
? 目前，將不同的工程模型集成到數字孿生上還沒有優化方法。 在特定領域的工具之間存在數據傳輸限制。
機器學習、人工智能和物聯網豐盈了數字孿生數字孿生包括傳感器和測量技術、物聯網、模擬和建模以及機器學習技術。隨著物聯網設備的使用變得無處不在，隨之而來的是物聯網設備產生的大量數據。在物聯網-云通信模型（IoT-cloud communication models）下設備生成的大數據數量增量會導致云服務的延遲。
有多個領域有助于數字孿生的效果實現——網絡、云/邊緣計算、機器學習、傳感器等。在人工智能領域所做的工作是用動態貝葉斯初始化的數字孿生，利用數字孿生的概念來跟蹤基于時間變量的演變以及結構監測。在物聯網世界中，由物理軟件模型依賴傳感器數據來了解其狀態、響應變化、改進運營，并由人工智能來增強數字孿生功能。在制造業中，物聯網設備從產品全生命周期中生成數據，例如設計、制造、MRO 等。制造數據一般來自以下幾個方面：來自制造系統（例如 MES、PDM、SCM、ERP等）以及來自其他輔助系統（例如 CAD/CAM、CAE等）的數據。來自互聯網/用戶的數據，例如來自電商平臺、社交媒體、短視頻平臺等。來自制造設備的實時性能數據、產品數據材料、環境數據等。收集數據的處理應經過多個步驟以提取信息。通過傳感器、應用程序編程接口application programming interface（API）、軟件開發工具包software development kit (SDK)等各種方式收集的數據，在處理和分析之前要進行清洗這個關鍵動作。
這些經過清理的數據集成和存儲起來用于各級制造數據的交換和共享。此外，通過人工智能和機器學習、深度學習等先進數據分析方法和工具進行的實時數據或離線數據分析和挖掘是通過云計算來處理。從大量動態和模糊數據中提取的有價值的信息，使制造商能夠加深對產品生命周期各個階段的理解。因此，這將有助于制造企業做出更理性與智慧的商業決策。數字化轉型關鍵：大數據、云和信息物理系統的融合信息物理系統 (CPS)讓基于數據分析的物理環境控制變得非常容易。物理系統從現實世界收集感官信息，并通過通信技術（無線）將它們發送到數字孿生計算模塊。物聯網/CPS 和手機的興起使產品更加互聯和可訪問，產生的大量數據允許準確定位，并通過及時深入的決策執行進一步實現對企業的主動管理。因此，人、數據、智能算法的融合對數字化制造效率有著深遠的影響。海量制造數據的采集、可視化和分析是智能制造的關鍵。數字孿生可以管理和優化整個制造過程（從原材料的輸入到成品的輸出）。虛擬車間包括操作人員、材料、設備、工具、環境等的物理模型以及行為、規則、動力學和許多其他因素。產品虛擬模型被用來建立產品數字孿生，產品數字孿生將始終與產品保持同步以探索新的增值服務機會，例如：
1.使用中的產品受到實時監控，產品數字孿生不斷記錄產品使用狀態、環境數據、運行參數等；
2.可以模擬出產品在不同環境中的運行情況。因此，它可以確定不同的環境參數和操作行為會對產品穩定性、壽命和性能產生什么影響，從而有效管理物理產品的狀態和行為。
3.基于實物產品的實時數據和歷史數據，數字孿生可預測產品剩余壽命、故障發生概率等。
根據對運行的狀況、剩余壽命和故障的預測，進行主動維護，避免突然停機。此外，當產品的虛擬模型出現故障時，將直觀地診斷和分析故障，從而將故障部位的位置和故障的根本原因顯示給用戶。數字孿生可以提供拆卸順序、備件等的維護和維修操作 (MRO) 指南，在開始MRO 之前，先了解基于虛擬現實和增強現實在虛擬世界中開展MRO的演練以進行預測分析。由于虛擬模型忠實地反映了零件的機械結構和相互之間的耦合，它可以識別MRO策略是否有效、可執行性和最優化。產品生命周期不同階段的數據被積累和繼承，可為下一代產品的創新做出貢獻。
在設計階段，產品創新依賴于對市場偏好和客戶需求的準確解讀。一旦設計發生變化，制造過程就可以很容易地更新，包括更新材料清單、流程和分配新資源。因此，數字孿生、大數據和服務的融合，實現了生產、計劃、優化和制造過程的實時性。在產品的日常運營和MRO中，實物產品的虛擬模型通過傳感器與產品的真實狀態同步，可實時生成產品的運行狀態和組件的健康狀態。除了傳感器數據，數字孿生還集成了歷史數據，例如維護記錄、能耗等，通過對這些數據的分析產品數字孿生可以持續預測產品的狀態和剩余壽命、產品和故障概率。
數字孿生還可以通過比較實際產品響應和預測特定場景下的產品響應來分析未知問題，從而提高產品壽命和維護效率，降低維護成本。智能制造獲取和分析所有數據需要大數據技術，最近幾年IOT傳感器與大數據的專業人才特別稀缺。結論數字孿生已被華為、特斯拉、GE等許多公司戰略性選擇的下一代核心基礎設施，并都在專注于開發CPS相關技術和平臺利用。人、數據和智能算法的融合對制造效率具有深遠的影響。從安全的角度來看，對智能制造系統的安全攻擊也提出新挑戰，例如，對物理基礎設施、設備和環境的破壞很可能僅僅因為制造系統中執行器（actuators）與這些物體相連接而發生。你要從一開始就將物聯網和機器學習嵌入到安全預防中來，并與智能制造系統中的功能集成才可以。
這篇文章前后寫了很久，很硬核，我想你讀起來也很難懂。但是作為新商業重要一環：
數字孿生是個重要思維模型與實踐，融合AI、IOT、大數據、云計算與CPS等技術與數字化商業，抓住它就是抓住智能制造與工業4.0的牛鼻子。
有些知識是需要啃的，偶爾反芻的，有的只需要略讀。數字孿生需要啃一啃，更重要找到點去實踐。（本文完）
浙公網安備 33010802003509號
杭州講師網絡科技有限公司
