数字孪生的五个维度.docxVIP

数字孪生（DT）是一种实用的OT/IT融合方法，能够增强二者的交互，并融合来自双方的数据。它有助于开发更智能、更高效、更可靠的制造系统，也是实施智能制造的关键一步。目前来看，很多人对数字孪生的认知还不够全面，尤其“数据”和“应用”并没有受到足够的重视，但其实这二者是除“物理实体”和“虚拟实体”及其“连接”之外，数字孪生中最为重要的两个要素。总体来说，数字孪生应该包含物理实体、虚拟实体、物理与虚拟实体的连接、数据和应用五个维度。

01

数字孪生的发展

2003年，数字孪生最初是在格里夫斯的产品生命周期管理（PLM）执行课程中提出，他将其定义为三个维度，包括一个“物理实体”、一个“数字对应物”和一个将两部分联系在一起的“连接”。

2010年，美国宇航局在《建模、仿真、信息技术》草案中详细阐述了航天飞行器数字孪生的定义和功能，“一个综合的多物理场、多尺度的飞行器或系统模拟，使用最佳可用的物理模型、传感器数据更新、历史数据等来反映其相应寿命”。

2011年，美国空军探索了数字孪生在飞机结构健康管理中的应用。

2012年，美国宇航局和美国空军联合发表了一篇关于数字孪生的论文，指出它是未来飞行器的关键技术。

2014年，数字孪生白皮书发表，其三维度结构得到广泛宣传。随后，它被引入航空航天工业以外的更多领域，如汽车、石油和天然气、医疗保健和医药等。

当代数字孪生的五个维度

（PE表示物理实体，VE表示虚拟实体，Ss表示服务（应用），DD表示孪生数据，CN表示各组成部分间的连接）

随着时代的发展，人们发现“物理实体”、“虚拟实体”及其“连接”，这三个维度已经不足以覆盖数字孪生的范围。“数据”和“服务（应用）”两个维度加入进来组成了数字孪生的五个维度，这样除了物理、虚拟以及二者的交互之外，还可以利用新技术融合物理和虚拟两方面的数据，实现更全面、更准确的信息获取；同时，“服务（应用）”纳入数字孪生模型中，像检测、判断和预测等等对于用户来说就比较直观了。

02

数字孪生的核心

模型、数据、连接和服务始终在数字孪生中扮演着最重要的角色，这四个部分也是数字孪生的核心。

模型

数字孪生的一个重要特征是，对于每个物理对象，都有一个“数字镜像”存在于虚拟世界中，并与它在整个生命周期中一起“工作”。大多数人对数字孪生第一印象中的“3D模型”，可以说就是这里所说的模型中的一部分，但数字孪生的模型，不仅仅是你能看到的3D模型，它包括几何尺寸、物理特性和行为等，具有实时同步、可靠映射和高保真等特点。

数据

数字孪生数据由五部分组成：一是来自物理实体的数据，主要包括运行状态和工作条件；二是来自虚拟镜像的数据，由模型参数和模型运行数据组成；三是来自服务应用的数据，描述服务的封装、组合、调用等；四是从收集的数据中挖掘或从现有数据库和系统中获取的领域知识；最后是以上数据的融合处理数据，可以通过数据融合算法（如神经网络、D-S算法和卡尔曼滤波）获得。

服务

服务又分为面向物理实体和面向虚拟镜像两种服务。这些服务通过实时调节使物理实体按预期工作，并通过物理实体与镜像模型的关系校准以及模型参数校准保持虚拟镜像的高保真度。面向物理实体的服务主要包括监测服务、PHM服务、状态预测服务、能耗优化服务等；面向虚拟镜像的服务主要包括模型的构建服务、标定服务和测试服务等。

连接

从概念图可以看到，在五维数字孪生中的连接，不止于物理实体与虚拟镜像之间的连接，还包括他们与服务以及数字孪生数据之间的双向连接。由此也可以看出，数字孪生中服务和数据角色的增加，也带来了整个体系角色之间联系的复杂化。

03

数字孪生与工业互联网

从技术角度来看，数字孪生体系的构建分为：物理实体建模（传感、射频、嵌入、数采）、虚拟镜像建模（3D模型、行为建模、规则建模、模型集成、模型分析、模型评估）、服务建模（资源管理、服务描述、服务封装、服务可视化、搜索与匹配、服务评估、容错管理、人机交互）、数据建模（存储、清理、转换、集成、融合、分析、可视、完整性、安全性）、连接建模（协议分析、协议转换、感知、无线、API、标准）。

数字孪生构建的八条准则：基于数据和知识、模块化、轻量化、层次化、标准化、服务化、开放性和可扩展、鲁棒性。这些准则对数字孪生的受众来说，非常贴心。因为，当前数字孪生对很多人来说，还很“科幻”，而且往往他们看到的数字孪生相关宣传都是“全生命周期（设计、生产、维护等等）”，那么多“全”才叫“全”呢，生命周期应该覆盖到哪里呢，没有设计阶段行吗？这样的系统得做多大，涵盖多少范围？……这时候这些准则就能解决这些疑问。

首先可以肯定的是，数字孪生是未来的主流方向，其次我们也应该正视当前发展数字孪生的基础不足，比如行业差异、基础设施等等。在这种情况下，数字孪生的落地就应该是模块化、轻量化、标准化、服务化的。所谓服务化，不