數字孿生
數字孿生(*Digital twin*)指可用於各種目的物理資產(物理孿生,physical twin)、過程、人員、場所、系統和設備的數字副本。
簡介
數字孿生(Digital twin)指可用於各種目的物理資產(物理孿生,physical twin)、過程、人員、場所、系統和設備的數字副本。數字(digital)表示提供了物聯網設備在其整個生命週期中如何運行的各個要素和動態。先前研究中使用的數字孿生技術（digital twin technology ）的定義強調了兩個重要特徵：
- 首先，每個定義強調物理模型和相應的虛擬模型之間的連接。
- 其次，通過使用傳感器生成實時數據來建立這種連接。
數字孿生是物聯網裏面的概念，它指通過集成物理反饋數據，並輔以人工智能、機器學習和軟件分析，在信息化平臺內建立一個數字化模擬。這個模擬會根據反饋，隨着物理實體的變化而自動做出相應的變化。理想狀態下，數字映射可以根據多重的反饋源數據進行自我學習，從而幾乎實時地在數字世界裏呈現物理實體的真實狀況。數字映射的反饋源主要依賴於各種傳感器，如壓力、角度、速度傳感器等。數字映射的自我學習（或稱機器學習）除了可以依賴於傳感器的反饋信息，也可以是通過歷史數據，或者是集成網絡的數據學習。後者常指多個同批次的物理實體同時進行不同的操作，並將數據反饋到同一個信息化平臺，數字映射根據海量的信息反饋，進行迅速的深度學習和精確模擬。
在各個工業部門，數字孿生被用來優化物理資產、系統和製造過程的操作和維護。它們是用於工業物聯網的成形技術，其中物理對象可以與其他機器和人類生活和交互。事實上，在物聯網的背景下，它們也被稱爲「網絡對象」 "cyberobjects"或「數字化身」 "digital avatars"。
實例：
使用數字雙胞胎優化機器的一個例子是維護髮電設備，如發電渦輪機、噴氣發動機和機車(power generation turbines, jet engines and locomotives)。
數字雙胞胎的另一個例子是使用3D建模來爲物理對象創建數字對象。它可以用來查看實際物理對象的狀態，這提供了一種將物理對象投影到數字世界的方法。例如，當傳感器從連接的設備收集數據時，傳感器數據可用於實時更新設備狀態的「數字孿生」副本。（Twitter的術語「設備陰影」（"device shadow" ）也被用於數字孿生的概念。數字孿生意味着物理對象的屬性和狀態，包括形狀、位置、姿態、狀態和運動的最新和精確拷貝。
數字孿生也可用於監測、診斷和預測，以優化資產性能和利用率。在這一領域，感官數據可以結合歷史數據，人類專業知識和車隊和模擬學習，以改善預後的結果。因此，複雜的預測和智能維護系統平臺可以使用數字雙胞胎來找出問題的根源並提高生產力。
工業應用實例：
- Aircraft engines 航空發動機
- Wind turbines 風力渦輪機
- Large structures e.g. offshore platforms, offshore vessels etc.大型結構，例如海上平臺、近海船隻等
- HVAC control systems 暖通空調控制系統
- Locomotives 機車
- Buildings 建築物
- Utilities (Electric, Gas, Water, Waste Water Networks) 公用事業（電力、煤氣、水、廢水網絡）
【出處：https://en.wikipedia.org/wiki/Digital_twin 】
下圖是nasa已提出首次數字孿生模型：該圖展示了該模型的整個生命週期。這個想法據說起源於美國宇航局的阿波羅計劃（NASA’s Apollo program），「其中至少建造了兩個相同的空間飛行器，以反映航天器在執行任務期間的狀況」。
digital twins的定義的演化如上表所示：
| Definition | 中文 | Authors |
|---|---|---|
| 「A Digital Twin is an integrated multiphysics, multiscale, probabilistic simulation of an as-built vehicle or system that uses the best available physical models, sensor updates, fleet history, etc., to mirror the life of its corresponding flying twin」 | 是一個集成的多物理、多尺度、概率模擬的現成車輛或系統，它使用可用的最佳物理模型、傳感器更新、車隊歷史等，以反映其相應的飛行雙星的生命。 | Glaessgen & Stargel, (2012) |
| 「Coupled model of the real machine that operates in the cloud platform and simulates the health condition with an integrated knowledge from both data driven analytical algorithms as well as other available physical knowledge」 | 它是在雲平臺上運行的真實機器的耦合模型，用數據驅動分析算法和其他可用物理知識的集成知識來模擬模型健康狀況 | Lee, Lapira, Bagheri, an Kao, (2013) |
| 「digital twin is a real mapping of all components in the product life cycle using physical data, virtual data and interaction data between them」 | 「數字孿生」是使用物理數據、虛擬數據和它們之間的交互數據真實地映射整個生命週期所有組件的過程。 | Tao, Sui, Liu, Qi, Zhang, Song, Guo, Lu & Nee, (2018) |
| 「a dynamic virtual representation of a physical object or system across its lifecycle, using real-time data to enable understanding, learning and reasoning」 | 物理對象或系統在其整個生命週期中的動態虛擬表示，使用實時數據來實現理解、學習和推理 | Bolton, McColl-Kennedy, Cheung, Gallen, Orsingher, Witell & Zaki, (2018) |
| 「Using a digital copy of the physical system to perform real-time optimization」 | 使用物理系統的數字副本進行實時優化 | Söderberg, R., Wärmefjord, K., Carlson, J. S., & Lindkvist, L. (2017) |
| "A digital twin is a real time digital replica of a physical device" | 數字孿生是物理設備的實時數字化的複製品 | Bacchiega (2017) |
【出處：Shaping the digital twin for design and production engineering 】
描述
在工業革命之前，物理贗品主要由工匠製造，製作特定模板的實例。然而，隨着18世紀可互換零件概念的引入，產品的設計和製造方式迅速改變，公司也開始努力在大規模生產中複製他們的產品。近來，大規模定製的模式旨在結合這兩種已建立的製造概念來低成本。然而，儘管這種製造模式允許製造大量類似的定製的零件或產品，但這些製造的實例僅僅是不相關的副本，它們沒有內部聯繫。相比之下，構建雙胞胎的概念是指生成一個部件或產品的副本，並將其用於對同一部件或產品的其他實例進行推理，從而在多個副本之間建立關係。
這個想法據說起源於美國宇航局的阿波羅計劃（NASA’s Apollo program），「其中至少建造了兩個相同的空間飛行器，以反映航天器在執行任務期間的狀況」。然而，在過去幾十年中，計算機技術的進步使得能夠建立日益複雜的物理人工虛擬模型，以及這些模型的融合以用於系統工程《A Model Fusion Approach to Support Negotiations during Complex Engineering System Design》。這些模型不僅用於設計和驗證《A Model Fusion Approach to Support Negotiations during Complex Engineering System Design》，而且還越來越多地用作包括基於模型的所需產品特性的定義的主產品模型《A Model Fusion Approach to Support Negotiations during Complex Engineering System Design》。此外，「微芯片、傳感器和IT技術」《Semantic Data Management for the Development and Continuous Reconfiguration of Smart Products and Systems》的發展爲智能產品的出現鋪平了道路，智能產品跟蹤和通信它們的操作條件，從而允許「饋送feed」它們的產品模型有關它們的狀態的數據，例如環境條件和負載情況。
除此之外，現代傳感程序甚至超越了幾何測量和掃描，允許從物理人工製品中輕鬆、快速和可靠地收集大量數據。模式識別、數據挖掘、深度學習、 reverse engineering和其他數據分析方法利用這些數據集，並揭示這些產品過程和操作特性之間的依賴關係。仿真技術的巨大發展以及從產品中收集和交換數據的可能性日益增加，從而允許構建物理產品的虛擬孿生，這最終導致了目前對「數字雙胞胎」願景的理解。可能是NASA在它們的集成技術路線圖 (Technology Area 11: Modeling, Simulation, Information Technology & Processing Roadmap; 2010),中給出了它的第一個定義，這在《The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles》中略有改動：「數字雙生子是一個集成的多物理、多尺度、概率。「使用最佳可用物理模型、傳感器更新、機隊歷史等來反映其相應飛行雙胞胎壽命的現成車輛或系統的統計仿真」（「A Digital Twin is an integrated multiphysics, multiscale, probabilistic simulation of an as-built vehicle or system that uses the best available physical models, sensor updates, fleet history, etc., to mirror the life of its corresponding flying twin」）（如第一章節圖）。與此有一些相似之處，Grieves將數字雙胞胎定義爲「一組虛擬信息結構，充分描述了從微觀原子水平到宏觀幾何水平的潛在或實際物理製造產品」 「a set of virtual information constructs that fully describes a potential or actual physical manufactured product from the micro atomic level to the macro geometrical level」。
【出處：Shaping the digital twin for design and production engineering 】
主要事件
| 年份 | 事件 | 相關論文/Reference |
| 2012 | Glaessgen & Stargel,數字孿生的定義 | Glaessgen, E., & Stargel, D. (2012, April). The digital twin paradigm for future NASA and US Air Force vehicles. In 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference 20th AIAA/ASME/AHS Adaptive Structures Conference 14th AIAA (p. 1818). |
| 2016 | Boschert, S., & Rosen, R.對數字孿生的仿真方面介紹 | Boschert, S., & Rosen, R. (2016). Digital twin—the simulation aspect. In Mechatronic Futures (pp. 59-74). Springer, Cham. |
| 2017 | Schleich, B., Anwer, N.提出爲設計和生產工程塑造數字孿生 | Schleich, B., Anwer, N., Mathieu, L., & Wartzack, S. (2017). Shaping the digital twin for design and production engineering. CIRP Annals, 66(1), 141-144. |
| 2017 | Grieves, M., & Vickers, J.認爲數字孿生可以減輕複雜系統中不可預測的、不期望的緊急行爲。 | Grieves, M., & Vickers, J. (2017). Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems. In Transdisciplinary perspectives on complex systems (pp. 85-113). Springer, Cham. |
3. 發展分析
瓶頸
圍繞數字雙胞胎出現的一個關鍵挑戰是：鑑於大多數公司都投資於遺留系統，企業如何能夠更容易地實現該技術。出現的一些問題是：誰將經營和管理數字孿生？我們如何保證數字孿生與現有的ERP軟件和其他應用程序通信？例如，SWIM聲稱他們的技術（EDX）致力於通過使用大量數據來創建一個可以從真實世界學習的數字雙胞胎，從而克服這些挑戰。此外，SWIM提到，實施該技術不需要公司內部的新基礎設施，也不需要新的技能。SWIM似乎爲沒有足夠資源的問題創建了一個解決方案：用EDX創建數字孿生體。與微軟、戴爾和Google等供應商生態系統中的大公司不同，EDX不是這種平臺的一部分，這可能是SWIM的一個缺點。
另一個被新參與者利用的機會是：減少相關資本項目行業的成本和進度超支的風險。通過創建一個建築工地的數字孿生體，VEERUM使得項目團隊能夠在工地上更加確定關於項目的設計和施工的決策。由於它們具有工作站點的虛擬版本，因此可以在虛擬環境中預測和解決問題。但是有些問題應該在實際發生之前被注意到，並且可以防止許多成本和進度超出的問題。
未來發展方向
數字孿生還可以用於通過捕獲時間和空間影響來優化城市可持續性。作爲特定城市的虛擬副本，數字孿生技術允許城市運營商開發不同的策略，新加坡和Jaipur等一些城市已經在實施數字孿生。當然，預計未來更多的城市將利用這項技術。