數字孿生與CPS、仿真的關聯與區别
數字孿生一詞始見于2011年美國空軍實驗室的研究資料，用于預測飛機結構壽命和保證結構完整性。2012 年NASA 給出了數字孿生的概念描述：數字孿生是指充分利用物理模型、傳感器、運行曆史等數據，集成多學科、多尺度的仿真過程，它作為虛拟空間中對實體産品的鏡像，反映了相對應物理實體産品的全生命周期過程。
以數字孿生概念為基礎，2013年美國技術人員開發了一個耦合模型，使真實機器的數字孿生體能夠在與實際過程并行的雲平台中運行，并結合工業大數據分析，綜合數據驅動的分析算法和其他可用的物理知識來模拟機器的健康狀态，以期望在機器生命周期的不同階段更有效地預測和分析生産系統的狀況，提高制造管理的透明度并降低風險。這次耦合模型工程實驗的成功，從理論上驗證數字孿生在工業領域的可行性。
近年，随着德國工業4.0、中國智能制造等工業戰略的發布，5G、物聯網、雲平台以及人工智能等新興技術應用日趨成熟，在基于模型定義産品開發理念的驅動下，使得數字孿生逐漸在工業生産領域推廣開來，企業希望從生産系統的全生命周期，包括設計、管理、運行和運維等環節挖掘數字孿生的潛在應用價值。
本文嘗試回答三個問題：
1、數字孿生和CPS的區别
2、數字孿生和仿真的區别
3、數字孿生發展的挑戰
數字孿生和CPS的區别
在談工業4.0以及智能制造時，我們很容易将數字孿生和CPS混淆。因為數字孿生是與CPS高度相似的概念。數字孿生在信息世界中創造物理世界高度仿真的虛拟模型，以模拟物理世界中發生的行為，并向物理世界提供反饋模拟結果或控制信号。這種雙向動态映射過程與CPS核心理念極其相似，因此很容易讓人當成一回事。
從功能上講，數字孿生與CPS都是為了使企業能夠更快、更準地預測和檢測現實工廠的生産現場狀态，并從中發現問題進而優化生産過程，以更好地生産和提升品質。CPS被定義為計算過程和物理過程的集成，而數字孿生則需要更多地考慮使用物理系統的數字模型進行模拟分析，執行實施優化。
在制造場景中，CPS與數字孿生都包括兩個部分：真實物理世界和虛拟信息世界，真實的生産活動是由物理世界來執行，而智能化的數據管理、分析和計算，則是由虛拟信息世界中各種應用程序和服務來完成的。物理世界感知并收集數據，執行來自信息世界的決策指令，而信息世界分析和處理數據，作出預測和決定。物理世界和信息世界之間無處不在的IIOT連接，是兩個世界實現交互的基礎。
具體比較，CPS和數字孿生各自還是有所側重。CPS強調計算、通信和控制功能，傳感器和控制器是CPS的核心組成部分，CPS面向的是工業物聯網基礎下的信息與物理世界融合的多對多連接管理。而數字孿生則更多地關注虛拟模型，根據模型的輸入和輸出，解釋和預測物理世界的行為，強調虛拟模型和顯示對象的一對一映射關系。相比之下，CPS更像一個基礎理論框架，而數字孿生則更像是對CPS的工程實踐。
數字孿生和仿真的區别
仿真是實現數字孿生的基礎技術，這一點業界都是認可的。在工廠規劃與流程再造中，仿真分析是常用的技術手段。比如西門子的Tecnomatix就是比較成熟的生産系統仿真軟件。數字孿生與傳統仿真的主要區别在于，數字孿生要求實現真實物理工廠和虛拟數字工廠之間不斷的循環叠代，數字孿生構建的虛拟數字工廠需要用到的仿真是高頻次、不斷叠代演進的，而且伴随工廠的全生命周期。傳統仿真是将包含了确定性規律和完整機理的模型轉化成軟件的方式來模拟物理世界的一種技術。隻要模型正确，并擁有了完整的輸入信息和環境數據，就可以基本正确地反映物理世界的特性和參數。
具體來說，傳統仿真是以軟件化的形式模拟物理世界的運行，從而得到一個結果，并不會涉及虛拟模型向物理世界反饋的動态反饋，隻是單向的輸入模型參數和環境數據得出數據。因此，仿真技術隻是創建和運行數字孿生體，保證數字孿生體與對應物理實體實現有效閉環的一種技術。仿真隻是實現數字孿生的諸多關鍵技術中的一部分，萬不可盲目地把數字孿生跟仿真混為一談。通過數字孿生系統的通用參考架構可以更清晰地明白這一點。
數字孿生系統的通用參考架構（來自《數字孿生體白皮書》）
數字孿生發展中的挑戰
當下無論是企業還是廠商，對數字孿生技術的發展高度關注，對數字孿生應用實現的價值抱有極高期待。但抛開搭建數字孿生體所涉及的技術是否足夠成熟以及以及使用成本多高不說，目前産業各方也缺乏面向工廠全生命周期數字孿生構建方法。
具體來講，首先是缺少面向工廠全生命周期的數字孿生理論框架，包括面向規劃、生産控制和流程再造等不同各階段框架；其次，缺少能夠在虛拟模型和真實環境之間實現快速交互的體系和方法，比如解決數字孿生工廠規劃任務中的敏捷建模和生産控制過程中即時反饋的問題；最後，缺少将數字孿生構建理論和已有業務系統、機理模型、工業物聯網等實現有效集成和融合的應用方法。
針對這些問題，我認為下一步需要重點研究的方向是：第一，基于物聯網和仿真的數字孿生方法，研究滿足工廠規劃階段的敏捷分析；第二，基于物聯網、工業大數據和機器學習等技術，研究滿足對生産控制階段的高效控制；第三，結合物聯網、仿真和傳統精益生産等方法，研究滿足生産流程再造階段的精準分析評估；第四，研究數字孿生在不同工業場景中的适應性。既要針對流程制造業和離散制造業，也要針對大規模制造企業和中小型制造企業、常規生産和再制造生産等不同制造業場景進行适應性研究。
上一篇
電為啥要分交流、直流？
最新文章
-
“豫西中醫界之泰鬥喬保均”治療疑難病60年經驗賞析
7小時前 -
回憶、健忘和灑脫
7小時前 -
弘一法師：“真的不忍心告訴你，這個世界隻是一個夢。你一輩子執
7小時前 -
心理學，準的讓你驚叫
7小時前 -
人生，成大器者有四識，知識、見識、膽識、遠識
8小時前 -
俞和：被遺忘的書法家，以古為師，創新在手！
8小時前 -
2024屆新高考II卷語文真題答案及解析
8小時前 -
生前隻是小人物，死後震驚史學界
9小時前
熱門文章
-
每日一誦傷寒論第241條
1周前 -
老張老李侃門球之140篇
2天前 -
這個穴位可以治療多種胃痛腹痛，還可以減肥
5天前 -
為什麼五點鐘要起床答案讓人吃驚！（現在知道還不晚）
1周前 -
治療坐骨神經痛藥酒５方
1周前 -
診餘雜記（師傳經驗）
4天前 -
美麗中國-2870：中國最大的内陸河，塔裡木河
2天前 -
二十四山開門放水作竈真訣開門放水作竈直訣——子山
2天前
有話要說...