《自然》：创造更多的数字孪生体

导读：本文由北航陶飞教授和戚庆林博士研究生发布在《自然》（Nature）刊物上，阐释了虚拟模型通过从设计到运行模拟决策和优化，以促进智能制造。经陶飞教授授权，工业4.0研究院翻译，供数字孪生体同行参考。

数字孪生体——虚拟的、精确的机器或系统的复制模型，正在改变工业。这些复杂的计算机模型由实时传感器收集的数据驱动，反映了产品、流程服务的几乎全部方面。许多大公司已经使用数字孪生体来发现问题和提高效率。一位分析师预测，到2021年，可能有一半以上的企业都在使用数字孪生体了。

例如，美国宇航局（NASA）使用数字模拟模型来监测航天器的状态，能源企业通用电气（GE）和雪佛龙（Chevron）则利用它们跟踪风力涡轮机的运行情况，而新加坡政府则正在开发整个城市的数字信息模型，以监测和改善公共设施。机器智能与云计算技术将提升这些模型的能力。

要认识数字孪生体的潜力，还有很多工作要做。每个模型都是从头开始构建的：没有通用的方法、标准或规范。例如，要从成千上万个涵盖了振动、温度、力学、速度和功率等方面的传感器中收集和跟踪数据，是一件非常困难的事情。数据可以在许多数据所有者之间传播，并且以各种格式保存。例如，某台汽车，它的设计者可能掌握着这台车的材料和结构的信息，制造商保留了其生产方式的数据，而车库则留存着它的销售和维护的信息。结果呢？混乱。单个的数字孪生体可能无法反映真实世界的情况，导致管理者作出糟糕的决策。在这篇文章中，我们提出了主要问题，并呼吁工业界和学术界加强合作，以解决这些问题。

数据的困难

第一步是确定需要收集的数据类型。然而，搜集什么数据类型也并不总是显而易见的。例如，要对风力涡轮机进行建模，可能需要监视变速箱、发电机、叶片、轴承和塔架的振动，以及控制系统的电压。还必须跟踪扭矩和转速、部件温度和润滑油的状态，以及环境条件（风速、风向、温度、湿度和压力）。

丢失或错误的数据可能会使监视跟踪的结果失真，甚至掩盖故障。比如说，如果振动传感器失灵，风力涡轮机的抖动就会消失。一家总部位于北京的电力企业北京必可测科技（BKC Technology）努力找寻漏油导致蒸汽轮机过热的原因，结果发现，是反映其润滑剂水平的数字孪生体失踪了。

传感器的最佳数量和位置是必须确定的。传感器太少，预测就不准确；而太多，则让用户陷入数据泥潭。数据收集的速度也很重要。工程师可能会每分钟监测一次涡轮变速箱的振动，这意味着他们会错过较短时的故障；但每秒采样又可能会因为产生的数据太多而导致传输瓶颈。

举个实例说明：据估计，Google的自动驾驶汽车每秒可以产生1GB的数据量，但是如今的蓝牙连接只能处理该速率的0.03%。

此外，不同的数据类型也很难合并。振动的记录单位可以是时间长度或频率，温度的记录单位是摄氏度或者华氏度，视屏或图像之间的比例可能不一样，而计时可能会不同步，特别是当数据以不同速率采样时。例如，飞机通信系统每隔几纳秒就发送一次信号，而导航系统则每秒钟记录一次飞机的位置。因此，对精细数据进行合并平均是无济于事的，因为会造成细节信息的丢失。

数据所有权的分散，则是另一个障碍。例如，波音飞机的零部件来自70个国家和地区的500多家供应商，每种零件具有不同的数据接口、数据格式和软件。企业通常不愿意分享这些敏感的商业信息。各国法律法规也不允许这样做：例如日本限制一些计算机芯片厂商向韩国竞争对手的出口，美国禁止向中国的华为公司出售芯片及其他技术。

模型的挑战

要建立一个物体或系统的数字孪生体，研究人员必须对其部件进行建模。德国制造企业西门子使用了许多数学模型，并对其产品和生产线进行了虚拟表示。其中包括三维几何模型和有限元分析，后者用于跟踪温度、应力和应变。故障诊断和生命周期在此过程是分开处理的。

如果手工操作把编写目的不同的软件拼凑在一起的时候，可能会出现其他错误。如果没有相关标准和指南，就很难验证结果模型的准确性。许多数字孪生体可能需要合并。例如，一架飞机的虚拟模型可以将机身的三维模型、一个故障诊断系统和一个监测空调和增压的系统结合起来。

甚至数字孪生体的定义问题也尚未解决。有人认为任何三维模型或模拟仿真都算是数字孪生体。而有人则更为雄心勃勃，把数字孪生体设想成一套集成的模型或软件，可以将数字世界与实物资产配对，无论是否有来自传感器的实时信息。每种方法都有自己的规范，几乎没有交叉。

团队的组建

一个由跨学科专家组成的紧密团队对于构建精确的数字孪生体至关重要。没有人能精通所有细节，材料科学家、冶金学家和机械师可能需要与工程师、计算机科学家以及制造专家合作。随着数字孪生体应用的多样化，所涉及的学科范围将会扩大。

由于组建符合要求的团队难度大、成本高，大多数数字孪生体的研发都扎堆通用电气或西门子这样的大公司。商业的压力使企业之间无法分享模型，较小的企业因此失去了竞争优势。

由于缺乏物理和虚拟的公共空间，专家们无法交流和共享知识和软件。工业界和学术界之间几乎没有联系，部分原因是涉及太多商业机密。大多数学术研究的重点只是改进建模技术，而不是优化数据和实现数字孪生体。

四座桥梁

以下步骤将使数字孪生体的研究和开发更具连贯性。

步骤一：统一数据和模型标准

制造数据应该予以标准化，并且以通用格式交付。例如XML（可扩展标记语言），它已广泛适用于从电子商务到供应链软件的各个领域。其他数据标准应当在它们存在的地方采用。例如，电力行业使用使用IEEE监督的COMTRADE（瞬态数据交换通用格式）标准；建筑行业使用行业基础类；国际医疗组织要求数据符合HL7（健康水平第七级）标准。

还应该开发一个通用的数字孪生体设计和开发平台，让所有模型都可以在该平台上运行。建设一个虚拟的共享工作空间，正是朝着正确方向迈出的一步。飞机制造商波音公司就创建了这样一个全球协作环境，以协调其企业合作伙伴之间的实践。企业、基金会、大学和政府应该建立和资助一个协会来监督更广泛的社团。可以效仿芯片行业于1982年成立的非盈利研究联盟，名为“半导体研究公司”，总部位于北卡罗来纳州的达勒姆（Durham）。

步骤二：共享数据和模型

应该建立一个共享数字孪生体的公共数据库，由政府资助该机构，或由大学和企业组成的联盟来管理。公共数据库解决的是数据所有权和开放性的问题。

其中一个例子是由美国国家科学基金会资助的脊椎动物数据开放平台，研究人员可以在该平台上自由分享脊椎动物解剖结构的数据和模型。大家可以在MorphoSource（一个开放存取的在线数据库）上浏览、下载和用3D打印各种数字图像及3D网格文件。馆长可以监督其样本数据的“虚拟借贷”，并获得其使用情况的更新信息。

这类平台将允许来自行业的研究人员购买数字孪生体数据和模型，或将其出租给其他人进行研究和开发商业应用。

步骤三：服务创新

企业应该开发产品和服务，以帮助数字孪生体变得更容易建立和使用。例如，西门子的NX软件将设计、仿真和制造工具集成在一个软件包中。加拿大LlamaZOO公司开发了一个虚拟现实/增强现实的应用，使采矿主管们能够监控他们的车辆。 Metsä Group、Tieto和CTRL Reality公司在芬兰开发的虚拟森林，则模拟了不同的森林管理方法及其对收入和景观的影响。

步骤四：建立论坛

实践者和研究者都需要一个在线空间，供他们讨论、开发和发布规范。正因为如此，2017年我们在中国社交媒体平台微信上建立了社交媒体群组。基金会、大学和企业都应该提供类似的论坛。

实体的“创新中心”也应该建立在相互接近的地点，以连接工业、数据科学家、网络安全专家以及工程和商业策略师。例如英国基尔大学（Keele University）校园内的智能创新中心（Smart Innovation Hub）和基尔商学院（Keele Business School）。商业咨询公司Booz Allen Hamilton也运行着几个这样的中心，都设在华盛顿特区以靠近各个联邦政府机构。

作者简介：

陶飞，北京航空航天大学自动化科学与电气工程学院教授。

戚庆林，北京航空航天大学自动化科学与电气工程学院博士研究生。