数字孪生大家已经说的很多了,各种观点都有。我倒是也不想提什么观点,只是想对数字孪生当中的数据和模型这两个东西。说一下自己的思考。

(1)数据引出,数字孪生的实时性特征

数字孪生当然离不开数据,并且要以一种计算机可以识别和方便处理的方式,对数据进行管理,也就是数字化。

数字孪生涉及到物理世界和数字世界,或者说物理实体和数字虚体。物理实体是看得见摸得着甚至也是看不见的,但却是物理存在的。我们首先要对物理实体进行表征,要表征什么东西呢?也许是外观,也许是一些状态属性,也许是一些内在的机理。但是这种表征其实很多时候是可以脱离开物理实体进行的,或者说静态的进行。但束手难生,肯定不是这个意思。

数字孪生里面的孪生,应该是基于物理实体的某种乃至实时状态做的数字虚体的映射,才能符合数字孪生的第一个原则,虚实映射。当然了,并不是说并非物理实际当前状态所建的模型没有意义,我们之前做了大量的协议分析,其实都是这个样子的,也是非常有意义的。

那之前难道就没有这么做吗?其实之前也已经做了很多,比如我们经常说虚拟仿真这个词儿,同时我们还会再说一句话就是我们不能虚而不拟和仿而不真。还有很多人在做半实物仿真,相当于物理和数字相融合的一种仿真。只是说这种虚而不拟,或者仿而不真,更多的是从通用性的真实状态反映物理实体这个角度来说的,的但对物理实体来说是随着时间轴在发生变化的,对于数字孪生来说,其实我认为这是他最本质是一种含义,实时。要不然的话,可能很多人也会感觉到这个数字孪生,这不就是新瓶装老酒吗?其实严格来说还真不是,他有自己特意界定的范围的,就我们实际的做法来说,更多的是在真实的基础上追求实时,因为真实其实我们很久以来一直是在追求的,否则的话我们创造数字孪生这个概念就没有意义了。

那为什么之前实现不了呢?是因为之前我们工业物联的技术还比较差,现在相当于有了很多便利的手段,或者基于统一的标准,或者有更好的传感器,我们能够很方便地来获取物理实体的实时运行状态了,从而就为数字孪生的发展提供了支持。

(2)模型引出,数字孪生的闭环性

有了物理实体的实时状态,我们可以利用工艺物理或运营组织等方面的知识来建立数字孪生当中的数字虚体,而对于数字虚体来说,肯定不是简单的数据堆砌。

就如同我们说程序等于算法加数据结构,数字虚体其实就是一段程序,只是这个程序是用于描述和分析物理实体的内在机理,否则的话,我们只是建立了物理实体的可视化模型,虽然状态也是实时变化的,但其实只是形似而不是神似,只是皮毛而已。因为表面的状态其实只是物理实体的表象或者表现出的结果,这个物理实体为什么会表现出这种现象状态结果,是由他的内在机理模型来驱动或转换的。我们不能将数字孪生所提倡的虚实映射只是停留在表面上的映射这个层次,更多的那是一种内在的映射。

而这种内在的映射,其实就是建立与物理实体相对应的内在机理模型,而这种内在机理模型最重要的作用就是根据所输入的物理实体所表现出的状态数据,进行分析推理,也就是说:决策。

基于决策,我们可以实现对实际运行的真正监视。如果我们数字虚体分析推理的结果与物理实体表现的结果保持一致,如果通过判断这种表现结果是正确的,基本上可以认为这个物理实体的运行正常的,如果通过判断这种结果是不应该的,那可能物理实体运行出现了异常。当然了,这一切都是建立在我们所建立的分析对比模型,是正确的这个基础上的。

基于决策,我们可以实现对实际运行的干预。如果我们所建立的分析推理模型,只能做到对物理实体实际运行状态的监视,其实应该是远远不够的,是在弱化分析推理模型,以及没有充分发挥出分析这类模型的价值。当通过分析推理获知物理实体的实际运行状态不应该是这个样子的时候,最好的局面,我们不应该将这种不正常的问题仍然依靠手工来解决,而是应该通过分析推理得出修改纠偏的工艺参数或者优化的运行参数,并且以控制指令的方式自动的下发到物理实体进行执行。当然了,如果没有解决办法,那就做最简单的一种方式,让物理实体停止运行,也是可以的。

通过对上面数字孪生当中的数字虚体当中的推理决策模型的分析,我们就可以得出数字孪生的另外一个关键特征:闭环控制。从而将数字孪生从监视推向了监控,相当于通过数字孪生当中的数字虚体为物理实体赋予了一个大脑,这应该才是我们真正需要或追求的数字孪生。所谓的工业互联,其中的”互”这个字儿,不仅仅是让物理实体,比如说设备不再盲聋哑而实现自下而上的数据状态输出,也应该体现自上而下的自动控制。

这篇文章从数据和模型这两个方面,对其在数字孪生当中的一些作用特点进行了分析,并推演出了与数字孪生所提倡的虚实映射与以虚控实相对应的两个基本特征:实时性、闭环性。

当然了,实际应用过程当中,根据各种条件的限制,以及需求,可以有不同的侧重或者技术特征的体现,或者递进的技术提升路线。具体的一些应用场景或者特点,后续有时间再写吧。但对于企业的应用是不是数字孪生?上面的一些说法应该可以给大家一些启示或者参考。

一己之见,仅供参考。

打开网易新闻 查看精彩图片

作者信息:王爱民,北京理工大学数字化制造研究所所长,长期从事MES、APS等技术研究、系统开发与实施应用。