作者|中国软件网 陈杨校对|中国软件网 暻
如同人工智能一样,近两年大热的数字孪生技术,也并非第一次出现。早在时,美国密歇根大学Michael Grieces教授便在其产品生命周期管理课程上引入了“Digital Twin”。
随后在时,NASA(美国国家航空航天局)在其太空技术路线图中正式引入了数字孪生一词。随后数字孪生在越来越多的国家以及地区逐渐萌芽。
直到近两年,伴随着云计算、大数据、移动互联网、人工智能、5G、物联网等技术的不断成熟,数字孪生的应用领域早已超出航空航天的范围,被广泛应用于工业、制造业、石油天然气、电力、城市管理、船舶、医疗等多个行业。
为了详细描述数字孪生的现状以及未来发展,中国电子技术标准化研究院联合树根互联、特斯联、中机生产力促进中心等20余家数字孪生领域开发商、集成商、科研院所、高校联合编写了《数字孪生应用白皮书》(以下简称“白皮书”)。
对此,中国电子技术标准化研究院表示:希望通过梳理、分析数字孪生技术热点、行业动态和未来趋势,为整个数字孪生产业发展提供初始连接纽带,以加快推动产业的发展应用。
01
数字孪生的不同定义
首先,结合白皮书简单了解下数字孪生的定义。学术界认为,数字孪生是通过数字化的方式借助历史数据、实时数据以及算法模型等,模拟、验证、预测、控制物理实体全生命周期过程的技术手段创建物理实体的虚拟实体。
企业对数字孪生的定义是资产和流程的软件表示,用于理解、预测和优化绩效以实现改善的业务成果。由数据模型,一组分析或算法,以及知识三部分组成。
结合两组定义不难看出,数字孪生不同于仿真、信息物理系统CPS、数字主线、资产管理壳等技术,其主要具备以下几个特点:互操作性、可扩展性、实时性、保真性以及闭环性。
02
生态系统的六大模块
白皮书重点对数字孪生生态系统做了阐述。白皮书介绍道,数字孪生生态系统由基础支撑层、数据互动层、模型构建与仿真分析层、共性应用层和行业应用层六大模块组成。分别对应从设备、到数据、再到行业应用的全生命过程。
其中,基础支撑层是物联网的终端,包括芯片、传感器等设备,用于数据的采集以及向网络端发送。诸如高通、英特尔、ARM、AMD、三星、英伟达、谷歌、华为与阿里等提供芯片;博世、意法半导体、德州仪器、霍尼韦尔、飞思卡尔、英飞凌、飞利浦、汉威电子、华工科技等提供传感器。
数据互动层包括数据采集、数据传输和数据处理等内容。其中,数据采集一般通过分布式控制系统(DCS)、可编程逻辑控制器系统(PLC)和智能检测仪表进行采集;数字孪生模型是动态的,建模和控制基于实时上传的采样数据进行,对信息传输和处理时延有较高的要求;交互与协同,即虚拟实体实时动态映射物理实体的状态,在虚拟空间通过仿真验证控制效果,根据产生的洞察反馈至物理资产和数字流程。
模型构建与仿真分析层包括数据建模、数据仿真和控制。模型构建是指为用户提供数据获取和建立数字化模型的服务,是数字化的核心技术,如测绘扫描、几何建模、网格剖分、系统建模、流程建模、组织建模等,主要由国有测绘企业主导市场。
仿真业务不仅需要建立物理对象的数字化模型,还要根据当前状态,通过物理学规律和机理来计算、分析和预测物理对象的未来状态。其中又分为工业仿真软件和复杂系统(交通和物流等)仿真软件。目前,国内工业仿真软件市场被外资产品占据,如 ANSYS、海克斯康( 年收购 MSC)、Altair、西门子、达索、Cadence,Comsol,Autodesk,ESI,Synosys,Midas,Livemore等。
共性应用层包括描述、诊断、预测、决策四个方面。其需要软件定义的工具和平台提供支持,如Bentley 的 iTwin Service、ANSYS 的 TwinBuilder、微软的 Azure、达索的3D Experience等。
行业应用层是针对行业需求的数字孪生技术在智慧城市、交通、水利、工程、工业生产、能源、自动驾驶、公共应急等领域的各种应用服务,市场规模超千亿人民币,国内外供应商超过 1000 家。
除了六大模块外,数字孪生生态系统需要云计算、人工智能、边缘计算技术层的支撑,并需要安全层、其他服务的支撑。
03
数字孪生带来的新模式新业态
当下,数字孪生已在各类型、各领域得以应用。Gartner 的研究显示,截至 年 1 月底实施物联网的企业中,已有 13% 的企业实施了数字孪生项目,62% 的企业正在实施或者有计划实施。
白皮书也收集涵盖了智能制造、智慧城市、智慧交通、智慧能源、智慧建筑、智慧健康等六个领域共计31个数字孪生应用案例。在此可简单看下几个例子。如在智能制造领域由数字孪生驱动的智慧火电应用案例:某火电厂监控信息系统在数据量采集、功能分散、重要设备机理模型等方面存在问题。
数字孪生技术的应用,帮助该火电厂建立了火电机组设备模型、机理模型和管理模型,实现了数字模型与机组设备的双向同步和实时互动,并支持安全环保、总体绩效、机组优化、燃料管理等功能。
再比如数字孪生技术在智慧滨海城市数字大脑项目的运用。滨海新区在提出以智慧政务、智慧经济、智慧城管和智慧民生四大版块 N 个智慧应用为重点,分三年推进智慧滨海建设,实现大数据一张图支撑决策、大运营一条链服务产业以及大平台一张网惠及民生。
借助数字孪生技术,滨海城市大脑一方面实现了全域全量数据资源的管理和可视化展示,另一方面借助协同计算能力、模型仿真引擎,实现了滨海城市治理、民生服务、产业发展等各系统协同运转。
最后看下数字孪生技术在智慧能源领域油气管道上的应用。 年,以中俄东线天然气管道工程建设为标志,中石油提出建设具备全方位感知、综合性预判、一体化管控、自适应优化能力的智慧管网并开题立项,力求实现管道运行管理由精细化模式进一步朝智能化、精准化方向升级。
借助数字孪生技术,管网系统实现了全生命周期、全业务链数据和模型的标准化、集成化;再结合大数据、仿真、云计算、人工智能等技术的非线性叠加,最终管道实现了全业务链下信息、技术和知识的融合共享,形成了新型协同运转的业态模式。
04
走向未来需跨越多重阻碍
值得注意的是,尽管数字孪生如今发展得如火如荼,且未来形式一片大好。但当下仍存在着诸多挑战。结合白皮书,可以看到,数字孪生存在的挑战主要有以下几个方面:
一是标准化方面:从开始,数字孪生便吸引了 ISO、IEC 和 IEEE 等国际标准化组织的关注。目前,数字孪生在全球存在着多个标准,仍需进一步良性互动。另一方面同一领域之间的标准也需进一步融合。
二是数据相关的挑战:这是数字孪生的核心之一。主要面临的问题是多维度/多尺度数据采集的一致性较难实现、传输的稳定性不足、准确度难以保障、存储处理能力不足、接口协议标准不统一、互联互通互操作的挑战等。
三是基础数据库相关的挑战:表现在系统层级方面数字化、标准化、平台化的缺失; 设计,制造,销售,物流,服务等生命周期上结构化、传承性、规划性的缺失;价值链方面应用价值不足、兼容性差、盈利模式不明。
四是安全方面的挑战:包括数据传输与存储、制造系统控制安全的挑战。
五是商业模式相关的挑战:表现在多技术的融合、多领域应用、多场景应用方面的问题以及产业链仍需完善。
六是人才相关的挑战:这是因为当下数字孪生技术的核心软件由国外人才主导。同时,尽管多个国际性标准组正就数字孪生技术开展研究,但仍需培养数字孪生标准化研究相关专业人才,对共性标准进行制定。
七是多系统融合的挑战:包含物理世界的多系统挑战、数据采集及传输环节的挑战、模型构建方面的挑战以及交互协同的挑战。
参考资料:《数字孪生白皮书》版