作者 | 云昭、李睿、布加迪

策劃 | 云昭

圖來源：Adobe Stock

數字孿生近些年可謂炙手可熱。虛擬偶像、虛擬主播、數字藏品等等新聞頻頻登上新聞頭條。可以預見：隨著技術的迭代發展，基于數字孿生、區塊鏈等新一代技術的協作開發框架越來越越明顯。然而，很多開發者并沒有搞清楚數字孿生的設計理念和工作原理。希望此文能幫助到大家。

疫情下的數字孿生

數字孿生是跨越其生命周期的對象或系統的虛擬表示，從實時數據更新，到并使用仿真模擬、機器學習和推理來幫助決策。數字孿生（資產或系統的虛擬復制品）歷來用于工程和建設。但即將出現一種新的用途：應對當前的新冠疫情以及任何未來的疫情。

根據 MarketsandMarkets 發布的一份研究報告《按技術、類型（產品、流程和系統）、應用（預測性維護）、行業（航空航天和國防、汽車和運輸、醫療保健）和地理劃分的數字孿生市場——2026 年全球預測》，2020 年，數字孿生市場價值 31 億美元，預計到 2026 年將達到 482 億美元，2020 年至 2026 年的復合年增長率為 58.0%。

由于COVID-19流行病的爆發、維護的改變，以及越來越多地采用數字孿生解決方案來應對COVID-19流行病，越來越多的數字孿生在醫療和制藥工業中的需求是推動數字孿生市場增長的關鍵因素。

近期，愛爾蘭科克理工學院的團隊在《計算智能與神經科學》雜志2022年的一期特刊中概述了他們用數字孿生應對新冠疫情爆發的計劃。據團隊聲稱，需要一套去中心化的、基于區塊鏈的協作數字孿生框架。框架去中心化將決策和控制從集中式網絡轉移到分布式網絡，從而提供了很強的隱私（對醫療保健相關數據而言至關重要），同時確保系統透明。

筆文章作者認為，結合數字孿生和區塊鏈是構建安全、去中心化的醫療網絡物理系統（MCPS）的“正確之道”，該系統集成了醫療設備網絡。其想法是，參與者（比如患者、醫生或醫院）由部署在 MCPS 中的多個數字孿生來表示。數字孿生協作和交互，共享數據，并執行實時預測；所預測的風險讓 MCPS 可以就封鎖、限制和隔離給出建議。

用于MCPS的基于區塊鏈的協作數字孿生

數字孿生技術的歷史  

1991 年，耶魯大學計算機科學教授 David Gelernter 首次提出了數字孿生的概念。然而，密歇根大學 Michael Grieves 博士被認為是2002年首次將數字孿生概念應用于制造業，并正式宣布了數字孿生的軟件概念。最終，美國國家航空航天局的技術專家John Vickers在2010年引入了數字孿生這個術語。  

然而，使用數字孿生作為研究物理對象的手段的核心思想早已有之。事實上，可以說美國國家航空航天局在上世紀60年代的太空探索任務中率先使用了數字孿生技術，每個航天器在當時都被精確復制成相同的模型，供美國國家航空航天局工作人員用于研究和模擬。

數字孿生如何工作？  

數字孿生是一種虛擬模型，旨在準確反映物理對象。研究對象（例如風力渦輪機）配備了與重要功能領域相關的各種傳感器。這些傳感器產生有關物理對象性能不同方面的數據（例如能量輸出、溫度、天氣條件等），然后將該數據轉發到處理系統并應用于數字副本。

一旦獲得此類數據，虛擬模型可用于運行仿真技術、研究性能問題并帶來可能的改進，所有這些都是為了產生有價值的見解，然后可以將其應用回原始物理對象。

數字孿生vs.仿真技術  

盡管仿真技術和數字孿生都利用數字模型來復制系統的各種過程，但數字孿生實際上是一個虛擬環境，這使得它的研究更加豐富。數字孿生和模擬之間的區別主要在于規模問題：雖然模擬通常是研究一個特定的過程，但數字孿生本身可以運行任意數量的有用模擬來研究多個過程。

它們的差異并不止于此。例如，仿真技術通常不會從實時數據中受益。但數字孿生是圍繞雙向信息流設計的，首先在對象傳感器向系統處理器提供相關數據時發生，然后在處理器創建的見解與原始源對象共享回時再次發生。  

通過擁有與廣泛領域相關的更好且不斷更新的數據，再加上虛擬環境帶來的額外計算能力，數字孿生能夠從比模擬更多的有利位置研究更多問題，并在改進產品和流程方面具有更大的潛力。

數字孿生的類型  

根據產品放大倍數的不同，有多種類型的數字孿生。這對數字孿生最大的區別在于應用領域。不同類型的數字孿生在系統或流程中共存是很常見的。以下通過數字孿生的類型來了解差異以及它們的應用方式。  

（1）組件孿生/零件孿生  

組件孿生是數字孿生的基本單元，是功能組件的最小示例。零件孿生也大致相同，但屬于不太重要的組件。  

（2）資產孿生  

當兩個或多個組件一起工作時，它們就形成了所謂的資產。資產孿生讓企業可以研究這些組件的交互，創建大量可以處理的性能數據，然后轉化為可操作的步驟。  

（3）系統孿生或單元孿生  

下一級別的放大將涉及系統孿生或單元孿生，這使人們能夠看到不同的資產如何組合在一起形成一個完整的功能系統。系統孿生提供有關資產交互的可見性，并可能建議性能增強。  

（4）過程孿生  

過程孿生（放大的宏觀層面）揭示了系統如何協同工作以創建整個生產設施。這些系統是否都同步以最高效率運行，或者一個系統的延遲會影響其他系統？流程孿生可以幫助確定最終影響整體效率的精確時序方案。

數字孿生的優點和好處  

（1）更好地的研發  

使用數字孿生可以更有效地研究和設計產品，并創建大量關于性能結果的數據。這些信息可以幫助企業在開始生產前對產品進行必要的改進。

（2）更高的效率  

即使在新產品投入生產之后，數字孿生也可以幫助鏡像和監控生產系統，著眼于在整個制造過程中實現和保持最高效率。  

（3）處理工作壽命結束的產品

數字孿生甚至可以幫助制造商決定如何處理工作壽命結束的產品，并需要通過回收或其他措施進行最終處理。通過使用數字孿生，他們可以確定能夠回收哪些材料。  

數字孿生市場和行業  

雖然數字孿生因其提供的功能而備受推崇，但并不保證每個制造商或創建的每個產品都可以使用它們。并非每個對象都很復雜，以至于需要數字孿生所需的密集且定期的傳感器數據流。而從財務角度來看，投入大量資源來創建數字孿生并不總是值得的。需要記住的是，數字孿生是物理對象的精確復制品，這可能使它的其創建成本高昂。  

另一方面，許多類型的項目確實特別受益于數字模型的使用：  

?大型項目建筑、橋梁和其他受嚴格工程規則約束的復雜結構。

?機械復雜的項目（例如噴氣式渦輪機、汽車和飛機）。數字孿生可以幫助提高復雜的機械和大型發動機的效率。

?電力設備包括發電和電力傳輸的機制。  

?制造項目的數字孿生在幫助簡化流程效率方面表現出色，正如人們在具有協同功能機器系統的工業環境中所發現的那樣。  

因此，在數字孿生方面取得最大成功的行業是那些涉及大型產品或項目的行業：  

?工程（系統）  

?汽車制造  

?飛機生產  

?軌道設計  

?建筑施工

?制造業

?電力設施  

蓄勢待發的數字孿生市場

快速擴張的數字孿生市場表明，雖然數字孿生已經在許多行業中使用，但對數字孿生的需求將在一段時間內繼續升上升級。2020 年，數字孿生市場規模為 31 億美元。一些行業分析師推測，它至少會在 2026 年之前繼續大幅上升，估計攀升至 482 億美元。  

通過數字孿生提高制造效率  

使用端到端數字孿生可以讓所有者/運營商減少設備停機時間，同時提高產量。探索由IBM公司和西門子公司創建的服務生命周期管理解決方案。  

數字孿生的應用  

數字孿生技術已廣泛用在以下應用場合中：  

（1）發電設備  

大型發動機（包括噴氣發動機、機車發動機和發電渦輪機）從數字孿生的使用中受益匪淺，特別是在幫助建立定期維護的時間表方面。  

（2）物理結構及其系統  

大型建筑物或海上鉆井平臺等大型物理結構可以通過數字孿生進行改進，尤其是在設計過程中。也可用于設計在這些結構內運行的系統，例如HVAC系統。  

（3）制造業務  

由于數字孿生旨在反映產品的整個生命周期，因此數字孿生在制造的各個階段無處不在，指導產品從設計到成品以及其間的所有步驟也就不足為奇了。  

（4）醫療保健服務  

正如可以通過使用數字孿生對產品進行分析一樣，接受醫療保健服務的患者也可以采用數字孿生。相同類型的傳感器生成數據系統可用于跟蹤各種健康指標并生成關鍵見解。

（5）汽車行業  

汽車是許多類型的復雜、協同工作的系統，數字孿生廣泛應用于汽車設計中，既可以提高汽車性能，也可以提高生產效率。

（6）城市規劃  

土木工程師和其他參與城市規劃活動的人員可以通過使用數字孿生得到了極大的幫助，數字孿生可以實時顯示 3D 和 4D 空間數據，還可以將增強現實系統納入建筑環境。

數字孿生技術面臨的挑戰

在部署數字孿生系統之前，須克服幾大技術挑戰。比如說，時間和速度是數字孿生面臨的一大問題。解決方案可能是本地存儲從閉路電視等監控技術收集而來的數據，但這同樣也會帶來了數據安全風險。另一大問題：需要超 5G（B5G） 或 6G 之類的先進通信技術，以處理必須快速傳輸的大量數據。

然而兩者都處于研究階段，還不是實用的技術。邊緣機器學習將“計算”從數據中心帶到更接近實際操作的地方，可能是提供全面連接和高準確度，同時防止數據丟失的關鍵。然而，機器學習模型從來不是為部署在邊緣而設計的，有關專家認為 TinyML 有望解決這一難題。

數字孿生的未來發展  

現有運營模式顯然正在發生根本性變化。資產密集型行業正在進行數字化改造，以顛覆性的方式改變運營模式，需要對資產、設備、設施和流程進行集成的物理和數字視圖。數字孿生是這種重組的重要組成部分。

隨著越來越多的認知能力不斷投入使用，數字孿生的未來幾乎是無限的。數字孿生不斷學習新的技能和能力，有理由確信未來的產品將更加完美，流程將更加高效。

參考鏈接：

https://www.ibm.com/topics/what-is-a-digital-twin

https://www.datasciencecentral.com/can-digital-twins-prevent-a-pandemic/