数字孪生的通俗意思，应用价值和优势

　　数字孪生是源自工业界的概念，随着新一代信息技术的发展和广泛应用，数字孪生的应用范围不断扩大。数字孪生是以计算机图形学和人工智能为基础，将现实中的要素在虚拟世界中动态模拟仿真，实现在虚拟世界中对现实世界的可看可控可仿真。在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。简单来说，就是针对现实世界中的实体对象，在数字化世界中构建完全一致的对应模型，通过数字化的手段对实体对象进行动态仿真、监测、分析和控制。
　　图1，数字孪生应用的行业
　　数字孪生强调仿真、建模、分析和辅助决策，侧重的是物理世界对象在数据世界的重现、分析、决策，而可视化做的就是对物理世界的真实复现和决策支持。
　　一、数字孪生系统的意义
　　自概念提出以来，数字孪生技术在不断的快速演化，无论是对产品的设计、制造还是服务，都产生了巨大的推动作用。
　　1、更便捷，更适合创新
　　数字孪生通过设计工具、仿真工具、物联网虚拟现实等各种数字化的手段，将物理设备的各种属性映射到虚拟空间中，形成可拆解、可复制、可转移、可删除、可重复操作的数字镜像，这几大的加速了操作人员对物理实体的了解，可以让很多原来由于物理条件限制、必须依赖于真实的物理实体而无法完成的操作，如模拟仿真、批量复制、虚拟装配等，成为触手可及的工具，更能激发人们去探索新的途径来优化设计、制造和服务。
　　2、更全面的测量
　　只要能够测量，就能够改善，这是工业领域不变的真理。无论是设计、制造还是服务，都需要精确的测量物理实体的各种属性、参数和运行状态，以实现精准的分析和优化。但是传统的测量方法，必须依赖于价格不菲的物理测量工具，如传感器、采集系统、检测系统等，才能够得到有效的测量结果，而这无疑会限制测量覆盖的范围，对于很多无法直接采集到测量值的指标，往往无能为力。而数字孪生技术，可以借助于物联网和大数据技术，通过采集有限的物理传感器指标的直接数据，并借助大样本库，通过机器学习推测出一些原本无法直接测量的指标。例如，我们可以利用润滑油温度、转子扭矩等一系列指标的历史数据，通过机器学习来构建不同的故障特征模型，间接推测出发电机系统的健康指标。
　　3、更全面的分析和预测能力
　　现有的产品生命周期管理，很少能够实现精准的预测，因此往往无法对隐藏在表象下的问题提前进行预判。而数字孪生可以结合物联网的数据采集、大数据的处理和人工智能的建模分析，实现对当前状态的评估、对过去发生问题的诊断，以及对未来趋势的预测，并给与分析的结果，模拟各种可能性，提供更全面的决策支持。
　　4、经验的数字化
　　在传统的工业设计、制造和服务领域，经验往往是一种模糊而很难把握的形态，很难将其作为精准判决的依据。而数字孪生的一大关键进步，是可以通过数字化的手段，将原先无法保存的专家经验进行数字化，并提供了保存、赋值、修改和转移的能力。例如，针对大型设备运行过程中出现的各种保障特征，可以将传感器的历史数据通过机器学习训练出针对不同故障现象的数字化特征模型，并结合专家处理的记录，将其形成未来对设备故障状态进行精准判决的依据，并可针对不同的新形态的故障进行特征库的丰富和更新，最终形成自制化的智能诊断和判决。
　　二、智能工厂数字孪生系统的特点
　　1、基础功能
　　（1）、数据感知
　　无缝兼容各类数据源，支持业务系统数据、各类传感器数据、多类型地图数据融合（如：通用地图数据、高精度高程数据、各类矢量地理要素数据、倾斜摄影数据、精细建筑结构数据等），支持GBT28181标准视频监控数据深度集成，充分利用已有信息化建设成果，为工厂运行态势感知提供全面的数据支持。
　　（2）、监测预警
　　对工厂运维管理各领域的核心指标进行态势监测与可视分析，全面描绘工厂运行现状。支持基于时间、空间、数据等多个维度，为各类焦点事件建立阈值告警触发规则，自动监控各类焦点事件的发展状态，对来自不同部门和不同系统的告警信息进行关联分析，结合预警模型进行可视化风险研判，进行分级预警响应。
　　（3）、联合指挥
　　深度整合各级别、各部门、各地区联动资源，对大规模联动资源进行可视化管理，并通过集成视频会议、远程监控、图像传输等应用系统或功能接口，实现一键直呼、协同调度多方人员、物资、设施等联动资源，实现跨组织部门、跨地域、跨行业的联动协同作战，一张图指挥。
　　（4）、展示汇报
　　针对领导视察、迎检汇报、客户参观等情景，面向工厂运维管理工作规划展示、建设成果展示、重点项目展示、重要事件复现等应用需求，能够基于动态真实数据进行演示汇报，全面、清晰、高效地突出展示重点和亮点；无论是对历史数据的回溯，还是对态势发展的预测推演，都可以提供优异的数据展示效果。
　　（5）、流程管控
　　支持对跨部门事件处理工作的全流程把控，通过将办公流程或预案流程的相关要素以及当前状态进行可视化管理，管理者可以清晰直观掌握当前流程所处的节点，以及每个节点所需要做的具体工作；同时，通过对事件处理全过程的监管和评测，管理人员也可以及时了解各部门工作成效，有效提升工作效率和管控力度。
　　（6）、决策支持
　　支持对工厂管理部门既有海量数据资源，提供栅格、聚簇、热图、活动规律等多种可视化分析手段、多大类近百种可视分析图表进行多维度分析研判，支持数据实时显示、态势历史回溯，辅助管理人员全面掌控数据变化态势，深度挖掘运行数据的时空特征及变化规律，为管理决策提供科学依据。
　　2、应用场景
　　（1）、指挥中心大屏可视化系统
　　面向指挥中心大屏环境，量身打造专业级可视化解决方案。具备优秀的大数据显示性能以及多机协同管理机制，支持大屏、多屏、超大分辨率等显示情景，具备便捷的一体化交互方式，为您构建超高清的大屏城市综合运行态势监测系统。
　　（2）、网页端可视化系统
　　在建设指挥中心大屏可视化系统的基础上，面向浏览器网页端应用环境，提供轻量级可视化解决方案。网页版可视化决策系统，支持大规模城市级三维渲染，态势显示清晰流畅，交互方式便捷友好，可直接在网页端使用，无需安装部署，方便快捷。
　　3、数字孪生工厂数字化架构图
　　图2，数字孪生应用的原理
　　图：数字化架构图
　　三、数字孪生工厂项目研发应用
　　通过3D场景建模，信息化工厂内设备传感器采集设备运行数据的方式，全方位展现智能工厂设备运行状态及统计数据。通过建立完全仿真的工厂设备模型，多引擎快速构建，海量数据接入，集成三维地理信息及三维空间统计，基于实体高效建模，一体化管理，高性能空间分析和可视化等关键技术，实时显示智能工程设备运行数据，通过多视角模式以及漫游方式等手段，多角度展示服装加工智能工厂内各设备运行数据，通过虚拟环境展示工厂实时运行情况，可以助力工厂流程不断优化，使得决策更加高效。
　　整合多设备实时数据，实时监控设备运行状态。多接口方式数据接入，大数据统计分析，实现设备安全检查，通过可视化数据分析，为实际业务提供决策依据，评估当前事务发展状态、诊断过去发生问题，并对未来趋势进行预测，从而为管理者的决策提供全面、精准的决策依据。
　　图3，数字孪生应用的原理
　　图：项目实际展示图
　　图4，数字孪生应用的模型
　　图：项目实际展示图
　　图5，数字孪生应用的场景
　　图：项目实际展示图
　　数字孪生就像数字世界中的两颗豌豆，与现实中的一模一样。他和孪生兄弟一模一样。他与你完美同步，甚至会比你更快地看待未来世界，提前告诉你未来会发生什么，如何应对。目前，该技术已应用于桥梁、隧道、地铁等复杂工程建设领域，并逐步延伸至工业产品生产领域。
　　图6，数字孪生应用的概念
　　在数字孪生工厂中，利用动态场景监控、生产过程联动、过程异常报警等功能，可以有效控制工厂产量、设备变化等情况。在工业互联网平台上，数字孪生工厂实现了安全环保、设备健康、供应链协同、生产控制和应急管理的一体化，使传统工业企业成功转型为智能化。
　　图7，数字孪生应用的世界
　　制造业。，借助数字孪生、5G无人机巡检等网络技术，企业生产管理成本降低20，过程安全预测效率提高80。以数字孪生为代表的应用技术帮助企业提升了60以上的生产管理效率。
　　图8，数字孪生应用的场景
　　由此可见，数字孪生对于网络世界来说，就像是一套类似于我们人类世界的元宇宙系统，并且数字孪生的存在能够帮助消费者进行更加高效的消费，通过对消费者进行算法计算，满足消费者的需求。
　　工厂管理者需要监控设备、生产线和运营流程，从而实现维护，减少时间与生产成本。目前，已经有不少行业进行了一定程度的数字化转型，也借此实现了运营历史可视化，进一步提升了决策能力。
　　但除了回顾历史数据，即审视已经发生的事件之外，管理者还需要对未来可能出现的情况做出评估，对潜在情境与相应后果做出展望，确保最终决策更具说服力。
　　图9，数字孪生应用的开发
　　这类场景之前就存在于制造业，利用软件进行不同类型的场景重现。通过模拟各类零件、元件与产品的设计与使用方式，制造商可以验证不同设备在不同负载、流程或环境下的实际表现。此外，制造商还经常利用设备上的信息构建流程模拟，用以验证设备的实际效能与生产线的运行情况。时至今日，丰富的历史数据与设备实时指标采集已经让数字孪生成为可能。
　　从数字孪生说起
　　数字孪生是一种从物理系统收集数据、再对结果进行记录与操作的技术，其目标就是建立起与真实系统高度契合的数字化副本。有了数字孪生，我们才能深度研究对象、机器、原型设计或流程的功能表现。在实践层面，数字孪生就是根据实物资产建立的数学模型，由相关资产的历史与实时数据组合而成。
　　借助数字孪生技术，我们终于能够摆脱现实的束缚，在虚拟环境下开展一系列纯数字形式的研究。管理者与分析师可以借此评估潜在情境，模拟设备、生产线与流程可能面临的种种状况。
　　虽然数字孪生与强调场景模拟，但它跟设计模拟、或者说理论模拟之间还是有着不少差别。下面，我们就以具有有限元分析的计算机辅助设计（CAD）软件为例，聊聊二者在模拟意义上的区别。
　　数字孪生使用的是目标设备或流程实时收集的真实数据，而理论模拟则只能使用关于材料、环境及制造商的通用数据。
　　顾名思义，设计模拟就是在设计阶段依靠各类标称数据对潜在的零件、设备或流程解决方案进行规划。与此不同，数字孪生则更强调为已经成型的设备或流程建立数字化表示，再配合传感器实时收集到的数据不断完善这样一套数学模型。
　　因此，数字孪生会在整个生命周期之内持续跟踪对象，而不再局限于其中某个特定阶段。这就保证了更新数据能够与现实世界随时交互、同步变化。以此为基础，我们才能测试并剖析哪些变更切实有效，结合流程运营产生的实际数据尝试提高准确性、并随时间推移跟踪各类不符合预期的异常情况。
　　这类数字副本带来的是一套复杂且可靠的综合视图，能够在不造成失真的前提下复制需要重现的内容。从这个意义上讲，数字孪生堪称工业生产与流程分析的新希望。它能够模拟未来情境、开展预测分析，保证在潜在问题发生之前抢先调整操作规划。
　　总体而言，数字孪生能帮助企业提升透明度与可见性，强化管理者的控制能力。在掌握了设备的运行条件与产品的潜能空间之后，管理者也能更好地在生产环境中维持稳定的生产力水平。也正因为如此，数字孪生才被普遍视为工业4。0的关键技术。
　　数字孪生技术构成
　　物联网
　　要建立数字孪生，我们首先要从待建模的资产中提取出大量运营数据包括历史数据与实时数据两个部分。而数据收集的实现，自然离不开物联网、特别是物联网传感器技术。
　　物联网由大量接入网络的无线传感器组成，这些传感器不断收集并发送数据、借以实现监控。这部分数据可以利用边缘计算技术进行处理，再由云端进行存储和展示。
　　这项技术的优势，在于它能够持续对资产开展实时监控。传感器会随时更新信息，并通过编程方式在设备或流程发生变化时立即发送警报和附加信息。如此一来，运营状况分析将变得及时且详尽，帮助管理者快速发现负面因素并采取补救措施。
　　对数字孪生来说，物联网堪称不可或缺的技术支柱。物联网将帮助我们发送用于更新数字副本的真实数据，并立足任意时间点对当前状况实施研究和操作。而在此期间产生及发送的大量数据，也将成为诊断及预测等大数据分析应用的必要素材。
　　AI
　　实现数字孪生的另一项前置科技正是人工智能（AI）。作为当前极度热度的计算机科学领域，AI致力于研究在计算机化系统中实现自主性与学习能力的可行方法。
　　换句话说，AI使得软件与硬件系统能够像人类一样学习和进化，使其以更快速度执行人类部署的任务。与数字孪生高度相关的AI子领域，主要有机器学习（ML）与深度学习（DL）两种。
　　在数字孪生的概念中，AI负责提供处理物联网数据所必需的认知能力。物联网只是通过传感器捕捉并生成大量数据，后续的数据管理、模式识别、数学解码、洞察提炼与问题解决等就要依靠AI智能模型来完成。
　　图10，数字孪生应用的开发实力
　　利用这些信息，AI模型可以执行预测分析，抢在重大问题发生前提出预警与修复方案。有了这样一位得力助手，企业管理层就能加快行动速度、提高效率，进而主动降低运营成本和风险。
　　数字孪生中使用的AI算法经过精心设计，专为解决复杂技术挑战而生，例如：大规模数据处理：AI算法能够以远超人类的速度处理海量数据，同时减少人工数据操作造成的意外错误；实时处理速度：数据不仅生成速度极快、其中还往往包含多种模式，这就要求我们使用可扩展、经过训练的AI模型对数据执行清洗与预处理，之后再根据高质量数据开展分析。
　　计算机能够在几毫秒内完成大量重复性任务，因此能以自动化方式实现人类无法企及的处理效率。只有依托于AI，数字孪生生成的数据才能被转化为具备可操作性的实时行动，并用于进一步深入研究数字化资产。
　　AR、VR与仪表板
　　物联网传感器负责生成数据，AI系统通过算法执行复杂计算。但为了让用户能够与系统开展交互，我们还需要一套用户友好、而且简洁直观的交互界面。
　　这个界面可以很简单，例如包含主要监控参数、相关限制、模拟控制选项的仪表板。根据需求，我们还可以在其中显示特定流程的布局与实时数据可视化结果。
　　此外，我们也可以使用VR技术或AR技术打造更精细的表现效果。通过可穿戴设备与智能手机，用户即可获得前所未有的数据交互新体验。
　　在VR系统中，可视化内容会以100沉浸式形态呈现，不再依靠任何物理环境。AR系统则完全不同，主要强调通过虚拟指示引导用户同时观察物理世界与虚拟组件。
　　这些技术的应用能够大大提升解决方案的参与度，所以也给工业环境带来了可观的创新空间。但需要明确一点，请在引入新技术前认真考虑可能的安全隐患万万不可在工业运营中引入可能增加事故风险的干扰因素。
　　哪些工业环境合适使用数字孪生
　　考虑到其天然特性，数字孪生凭借着高精度、全数字化等优势成为预测与模拟领域的重要工具。用好数字孪生，也将帮助企业显著提高生产力、降低成本与风险、推进流程自动化水平。
　　但前文已经提到，数字孪生也有自己的可行性与适用性问题。由于其高度依赖于真实、可靠及最新实时数据的支持，所以如果缺乏这类成规模的数据结构，数字孪生策略根本无法落地。
　　图11，数字孪生应用智慧城市
　　此外，作为制造业流程自动化与数字化转型中的必要元素，传感器的设计、选择与部署不仅需要一定时间，还涉及资金与时间的核算。
　　在某些情况下，这类数据根本不具备可用性。以原型方案的设计、构建与制作为例，我们根本无法提前收集到真实运行数据。在这种情况下，就只能继续使用理论模拟开展资产或流程设计。
　　但只要切实可行，数字孪生确实能帮助我们立足统计数据深入理解产品的本质与运作规律。以工厂场景为例，为生产线或制造流程建立数字孪生不仅能节约大量实体资源，还能模拟出更高运作强度下的状态指标例如将产出量上调至每小时50件再测试各类调优方案能否支撑起这样的产能需求。
　　数字孪生是一种复杂的模型，能够在项目的整个生命周期内搜集数据，帮助我们为物理资产建立起准确、及时的数字表示。在这项技术的支持下，众多行业或将迎来更强大的测试、预测、知识积累与高效决策能力。