数字孪生很火，自己却不以为然，因为一方面觉得数据工作者干的活跟数字孪生差不多，不就是业务数据化和数据业务化吗？二是别人来谈数字孪生的时候，除了3D建模就讲不出实质性的东西了，自己就在想，这又能解决我的什么业务问题呢？

       但我也知道一项新技术的出现总有其理由，因此就找了数字孪生的白皮书来学习，然后就有了以下的领悟。

      一、两个典型案例

       合作伙伴来跟我谈数字孪生概念的时候，一直在提物理世界的镜像、赛博空间啥的，如下图所示，但并没有举出哪怕是一个有信服力的现实例子，面对职场老司机，概念化的东西说说就好，但要说服就得说清楚场景啊，因此在跟大家讲数字孪生概念之前，我也得举2个有说服力的例子。

1、智慧城市：“虚拟新加坡”

      “虚拟新加坡”是一个动态的三维城市模型和协作数据平台，包括新加坡的3D地图，成为供政府/企业/私人/研究部门使用的权威3D数字平台。“虚拟新加坡”是一个包含语义及属性的实景整合的3D虚拟空间，该项目覆盖范围718平方公里、500-660万人口、16万幢建筑物、5500公里街道。

      “虚拟新加坡”是使来自不同领域的用户能够开发复杂的工具和应用程序，用于概念测试、服务、规划决策以及技术研究，以解决新加坡面临的新兴和复杂挑战，这里举两个方面的应用。

        （1）改善公众可访问性

      “虚拟新加坡”包括地形属性，例如水体、植被和交通基础设施，这与传统的2D地图不同，后者无法显示地形、路缘石、楼梯或坡度。作为对自然景观的准确表示，“虚拟新加坡”可用于识别和显示残疾人和老年人的无障碍路线，他们可以轻松找到通往公交车站或地铁站的最便捷路线，甚至是被遮蔽的道路，公众也可以通过“虚拟新加坡”的可视化公园来计划其骑行路线，如下图所示。

     （2）太阳能潜力分析

      “虚拟新加坡”提供了建筑物高度、屋顶表面和日照量等数据，这使城市规划者可以分析哪些建筑物具有较高的太阳能生产潜力，因此更适合安装太阳能电池板。进一步分析可使计划人员估计一天可产生多少太阳能，以及节省的能源和成本。通过与相邻建筑物历史数据的交叉引用，来验证以上分析的正确性，并进行季节性调整调整以反映出更准确更精细的预测，如下图所示。

         2、智能制造：超临界二氧化碳循环的数字孪生体

       超临界二氧化碳循环是太阳能光热发电系统中的重要技术。由于该系统在极高的压力下运行，系统的微小参数波动都有可能造成不可预知的事故，这对控制系统提出了严苛要求。

       为了应对这一挑战，印度科技学院建立了该系统的实验系统，为了实现对控制过程的动态仿真，他们开发了基于物理机理的数字孪生体。

       该数字孪生体以一堆热流体系统仿真软件Flownex为核心，搭建了和实验管网系统完全相同的数字孪生体，Flownex具有强大的仿真能力：

     （1）可计算气体、液体、气体混合物以及两相流的流动；

     （2）模拟分析快速变化及慢速变化的动态过程；

     （3）能够计算流体和固体间的热交换，计算系统各元件的压力变化和换热情况。

     （4）此外，还具有电气模块和控制模块，可以在仿真系统中添加各种控制元件，能够对瞬态控制过程进行仿真。

       利用Flownex内嵌的部件模块，如管道、阀门、汞、压缩机、换热器、PID控制器等，工程师快速建立了系统仿真软件。

       此外，物理实体的控制设备采用的是美国国家仪器公司（NI）的硬件设备。NI同时提供了LabVIEW软件来采集这些设备的参数，并通过接口传递给Flownex软件。在获得现场设备的实时数据后，Flownex的动态模拟就可以实现实时仿真。

       超临界二氧化碳系统中，压力远远高于常规的设备范围，其控制系统的小幅度调整，都会对系统产生很多影响。利用Flownex搭建的数字孪生体，研究人员能在数字孪生体中模拟各个控制操作引发的后果，确认其满足调试要求后再去操作物理系统，从而保证了该系统的安全运行。

       通过这两个典型案例，相信你对数字孪生会有个感性认识，那么，数字孪生的本质到底是什么呢？它跟我们平时接触的数据驱动业务有什么不一样呢？

       二、数字孪生的定义

       数字孪生这个名词特别容易望文生义，会以为数字孪生就是在数字空间建立个虚拟对象，比如案例一的“虚拟新加坡”，德勤就把数字孪生体定义为“某一个物理实体（或过程）的历史和当前行为的数字化描述”。

       这个定义不能说错误，但显然把数字孪生的内涵说小了，如果你按照德勤的定义去理解数字孪生，显然案例二就超出了范畴，因为案例二不仅包括了物理世界的数字化映射，还包括了仿真和控制。

       百度是这样定义数字孪生的，即“数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，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。”

       除了百度，现在关于数字孪生的定义还有很多，学术界的、企业界的、标准化组织的，这里我推荐下面这个定义[1]：“数字孪生是以数字化方式创建物理实体的虚拟实体，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。”

       从这个定义可以抽象出四个数字孪生的核心特征：

      1、数化

     “数化”是对物理世界数字化的过程，这个过程需要将物理对象表达为计算机和网络所能识别的数字模型。建模技术是数字化的核心技术之一，例如测绘扫描、几何建模、网格建模、系统建模、流程建模、组织建模等技术。物联网是“数化”的另一项核心技术，将物理世界本身的状态变为可以被计算机和网络所能感知、识别和分析。

       2、互动

     “互动”主要是数字对象间及其与物理对象之间的实时动态互动。物联网是实现虚实之间互动的核心技术、数字世界的责任之一是预测和优化，同时根据优化结果干预物理世界，所以需要将指令传递到物理世界。物理世界的新状态需要实时传到到数字世界，作为数字世界的新初始值和新边界条件。另外，这种互动包括数字对象间的互动，依靠数字线程来实现。

       3、先知

     “先知”是指利用仿真技术对物理世界的动态预测。这需要数字对象不仅表达物理世界的几何形状，更需要在数字模型中融入物理规律和机理。仿真技术不仅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。这种仿真不是对一个阶段或一种现象的仿真，应是全周期和全领域的动态仿真。

       4、先觉

       如果说“先知”是依据物理对象的确定规律和完整机理来预测数字孪生体的未来，那“先觉”就是依据不完整的信息和不明确的机理通过工业大数据和机器学习技术来预感未来，如果要求数字孪生体越来越智能和智慧，就不应局限于人类对物理世界的确定性知识，其实人类本身就不是完全依赖确定性知识而领悟世界的。

       你会发现第一个案例只是完成了“数化”，但即使仅仅完成了这个功能，由于可视化的维度从传统的二维升级到了三维，因此也能带来独特的价值，比如相对于二维能更形象的说明道路的坡度，我想这也是合作伙伴会拿着个3D建模产品来跟我来说这就是数字孪生的原因吧。

       但显然数字孪生的内涵不仅仅包括“数化”，超临界二氧化碳循环数字孪生体它要做的是虚拟的仿真，也就是“先知”，通过仿真的结果来指导对真实物理设备的操控，也就是“互动”，这也许才是数字孪生的终极意义所在。

三、数字孪生与数据驱动业务的辩证关系

       数据驱动业务是数据工作者的使命，我们所有做的工作概括起来就是“业务数据化、数据业务化”，因此会很自然的将数据驱动业务跟数字孪生做个比较，比如我刚接触这个概念的时候就比较排斥，因为认为自己做的数据工作内涵远远大于数字孪生，什么物理世界映射到数字世界，这不就是早期信息化干的事情吗？

       但事实上，我的理解还是囿于自己所在的行业背景，或者是传统的信息技术产业，特别是受互联网的影响太大了。其实在其他行业，特别是工业制造领域，也很早提出了类似的概念，现在只是殊途同归而已。

       当然大家要解决的业务问题和采用的技术手段还是有很大的差异的，但随着万物互联时代的到来，最终这些边界会被逐步打破，各个大厂进军产业互联网就是明证，现在智能制造、智慧城市等概念喊得最欢的可都是这些信息技术公司。

       但我还是要对工业制造领域的“数字孪生”和信息技术领域的“数据驱动业务”的做个比较，方便你更深刻的理解数字孪生这个概念。

       1、面向对象不同

       信息技术领域研究的对象是以人为核心的，业务目标就是服务好用户，而工业制造领域研究的对象大多时候是物体，业务目标是让机器跑得健康，对象的不同导致了两者在实现方式上有极大的差异。

       2、数化能力不同

       数字孪生面向的对象是客观的物体，其物理性质相对稳定，维度有限，虚体和实体无论在几何结构上、状态上、相态上和时态上都可以做到非常逼真，而对人的“数化”水平就差远了，维度多到无法穷举，比如对于某台机器知道几个参数大致能判定它能否正常运行，而对某个人完全不行，因为影响它行动的因素太多了。

      我们人类研究了天体规律几百年，但最后发现最不了的还是自己，数字孪生有很多的标准“数化”技术，比如测绘扫描、几何建模等等，但现在互联网行业“数化”人的技术就是打个标签，而制定标签没有客观标准。

        3、仿真能力不同

       物理学为研究物体的运行规律奠定了基础，你看超临界二氧化碳循环数字孪生体要做仿真，其是有理论基础背书的，即流体力学，热交换理论等等，物体的物理规律和机理确保了仿真的可靠性和正确性，神舟十二号任务的模拟仿真背后是牛顿三大定律，空气动力学等的加持，人的行为好像也能进行部分仿真，但由于没有因果关系的背书，只能在群体行为上做些预测，到个体就完全不行了。

       因此，虽然两者都可以说成是数据驱动业务，但架构和实现方式还是有很大的差异的，这种差别类似于小型机的数据仓库和大数据的数据仓库的区别。

        四、数字孪生的参考架构

       一个典型的数字孪生系统[2]包括用户域、数字孪生体、测量与控制实体、现实物理域和跨域功能实体共四个层次，如下图所示。

        第一层是使用数字孪生体的用户域，包括人、人机接口、应用软件、以及其他相关数字孪生体。

       第二层是与物理实体目标对象对应的数字孪生体。它是反映物理对象某一视角特征的数字模型，并提供建模管理、仿真服务和孪生共智三类功能。

       建模管理涉及物理对象的数字建模与展示、与物理对象模型同步和运行管理。仿真服务包括模型仿真、分析服务、报告生成和平台支持。孪生共智涉及共智孪生体等资源的接口、互操作、在线插拔和安全访问。

      建模管理、仿真服务和孪生共智之间传递实现物理对象的状态感知、诊断和预测所需的信息。

      第三层是处于测量控制域、联接数字孪生体和物理实体的测量与控制实体，实现物理对象的状态感知和控制功能。

      第四层是与数据孪生体对应的物理实体目标对象所处的现实物理域，测量与控制实体和现实物理域之间有测量数据流和控制信息流的传递。

        五、数字孪生关键技术

       建模、仿真、基于数据融合的数字线程及MBSE（基于模型的系统工程）是数字孪生体的核心技术，这些成为数字孪生体的顶层框架技术；物联网是数字孪生体的底层伴生技术；而云计算、机器学习、大数据、区块链则是数字孪生体的外围使能技术，这里介绍建模、仿真、数字线程和MBSE。

       1、建模

       建模的目的是将我们对物理世界或问题的理解进行简化和模型化。而数字孪生体的目的或本质是通过数字化和模型化，用信息换能量，以更少的能量消除各种物理实体、特别是复杂系统的不确定性。所以建立物理实体的数字化模型或信息建模技术是创建数字孪生体、实现数字孪生的源头和核心技术。

       下图是工业化视角下，在系统生存周期和系统层次两个维度展开得到的PLM建模技术体系，相关技术术语大家自行百度。

       下图是城市化视角下的建模技术体系，其中图(a)是英国数字建筑战略给出的从基于文档到基于模型的建筑信息建模成熟度进化等级，图(b)展示了瑞典等北欧国家开展的基于PLCS标准实现地理、建筑、城市等信息建模技术之间协同的验证工作。

         这让我想起信息技术领域的建模，其建模往往不是针对物体本身，而是要简化以人为核心的各种复杂社会活动关系，因此关系模型成为了主要的建模技术。

        2、仿真

       从技术角度看，建模和仿真是一对伴生体，如果说建模是模型化我们对物理世界或问题的理解，那么仿真就是验证和确认这种理解的正确性和有效性。所以，数字化模型的仿真技术是创建和运行数字孪生体、保证数字孪生体与对应物理世界实现有效闭环的核心技术。

       仿真是将包括了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的一种技术。只要模型正确，并拥有了完整的输入信息和环境数据，就可以基本正确地反映物理世界的特性和参数。

       仿真要达到的目标跟机器学习和人工智能的预测有点相似，但仿真依赖的是物理规律和机理，强调的是因果关系，输出是确定性的，而机器学习和人工智能依赖的是相关关系，输出的不确定性就比较高。当然现在数字孪生也在引入机器学习和人工智能技术来加强预测未来的能力。

        3、数字线程

       数字线程是指可扩展、可配置和组件化的企业级分析同行框架。基于该框架可以构建覆盖系统生命周期与价值链全部环节的跨层次、跨尺度、多视图模型的集成视图，进而以统一模型驱动系统生存期活动，为决策者提供支持，如下案例所示。

       这个定义比较抽象，我这里举个例子大家就明白了，其实就是制造领域产品的在线迭代闭环流程。

       目前制造企业部门之间交接产品信息的方法犹如“铁路警察各管一段”，如下所示，相互之间是完全割裂的：

       ①产品设计师根据概念设计和产品定义创建一个3D 模型, 进行各种分析计算，选择材料，确定技术要求和尺寸，然后把它扔给制造工艺师;

       ②制造工程师根据3D 模型生成2D 图纸，标注公差，估算材料定额，下达车间或发给外协供应商，作为加工、装配和质量控制的依据;

       ③交付给最终用户的是物理产品和使用说明书，并没有附带任何可追溯的数据，从而给维护保养带来一定的困难;

       ④使用过程发现的问题也不能及时反馈给产品设计部门，加以改进，因此整个过程是开环的。

        未来工厂是借助不断建模和仿真优化运作的，其流程如下图所示。

       场景是从概念设计开始，工厂运行每一步的所有信息和数据都输入模型，进行优化，预测和指导下一步，然后对实施的结果进行分析，是否达到预期，并将出现的问题反馈，构成闭环，修改模型，直到偏离数值处于允差范围之内。

      这样从CAD/CAE开始、一步步走过产品全生命周期的各个阶段、直到报废为止。这个数字化的过程称为数字线程Digital Tread。

     “线”是指以3D模型从概念设计到产品的运行和服务贯穿产品生命周期各个阶段，“程”意味不断前进，在前进中丰富模型的数字内涵。在整个过程中，设计部门的职责不仅限于传统的、提供图纸的任务，而是承担产品全生命周期的最初数字模型的构建和维护，孕育了产品数字模型的生命。

       数字线程必须在全生命周期中使用某种“共同语言”，才能交互。例如，在概念设计阶段，就有必要由产品工程师与制造工程师共同创建能够共享的动态数字模型(如包含工艺信息的3DCAD模型)。据此模型生成加工制造和质量检验等生产过程所需可视化工艺、数控程序、验收规范等，不断优化产品和过程，并保持实时同步更新。这些都是在计算机上和云端运行的，是虚拟制造世界，软件定义一切，是基于模型的企业。

       4、MBSE

       基于模型的系统工程（MBSE）是一种形式化的建模方法论，是为了应对基于文档的传统系统工程工作模式在复杂产品和系统研发时所面临的挑战，以逻辑连贯一致的多视角通用系统模型为桥梁和框架，实现跨领域模型的可追踪、可验证和全生命期内的动态关联，进而驱动贯穿于从概念方案、工程研制、使用维护到报废更新的人工系统全生命周期内的系统工程过程和活动。

       这个定义又是比较抽象，我这里再举个案例就明白了。

       MBSE是相对于传统基于文档的系统设计而言的，传统设计方式中，系统方案设计阶段多数通过撰写方案设计文档来对系统进行定义，如下图所示：

       MBSE=用数字化建模代替写文档进行系统方案设计，把设计文档中描述系统结构、功能、性能、规格需求的名词、动词、形容词、参数全部转化为数字化模型表达，如下图所示：

       下面的例子可以帮助直观理解如何将文档转换到数字化模型：

       基于文本的设计：“系统的启动过程为：首先启动发动机，然后依次检查控制系统、生命保障系统、通信系统状态、如一切正常，则进入工作状态，如发现异常，则由操作人员进行故障排查”，MBSE的数字化模型表达为：

          基于文本的设计：“需求A：系统总重量不能超过100kg。” MBSE的数字化模型表达为：

        以上不就是我们数据开发管理平台做的东西嘛，结构化和标准化组件，然后有个解释引擎进行翻译，从而提升规范性和开发效率，只是在制造业换了个名字而已。

       写完这篇文章，我有个感觉，就是随着数字化的到来，各个行业的技术壁垒会被数字孪生打破，因为大家分析的对象都是bit，而对于bit的操作，信息技术领域还是有原生技术优势的，这也是我在数字孪生里看到很多似曾相识的东西的原因。

       但是我们也看到了，在诸如工业制造领域要有所作为，无论是3D数字化建模、基于物理世界的规律和机理来仿真，与物理世界进行互动及控制，对信息技术行业的人来说都是非常陌生的，也是极具挑战的。

       当然，如果要拿着工业界的数字孪生来改造信息技术行业，我觉得也有点麻烦，因为我们更多研究的是人，这样就很难找到相应的场景了。

声明：本文章内容来自数据工匠俱乐部，若有版权问题，请联系我们删除。