王飞跃的个人博客分享 http://blog.sciencenet.cn/u/王飞跃

博文

[转载]名家之作 | 数字孪生体概念的起源

已有 1285 次阅读 2019-12-2 15:10 |系统分类:科普集锦|文章来源:转载

 名家之作 | 数字孪生体概念的起源


原创: 工业4.0研究院 数字孪生体研究中心 

 导读:本文为Michael Grieves和John Vickers在2017年联合撰写,作为发布在《复杂系统的跨学科视角:新发现和方法》(Transdisciplinary Perspectives on Complex Systems:New Findings and Approaches)其中一篇文章。工业4.0研究院翻译全文,以便行业人士参考。


虽然术语会随着时间的推移而变化,但数字孪生体模型(Digital Twin Model)的基本想法自2001年诞生以来一直相当稳定。

 

它基于这样一种思想,即物理系统的数字信息结构可以被创建为一个独立的实体。这些数字信息将是物理系统本身内嵌信息的“孪生体”(Twin),并在系统的整个生命周期内和该物理系统相连接。

1.jpg

 在Florida Institute of Technology工作的Michael Grieves(在PTC赞助的活动上)

 

一、数字孪生体概念的起源

数字孪生体的概念可以追溯到2002年密歇根大学产品生命周期管理中心(Product Lifecycle Management Center)的成立。

当时他们向工业界人士介绍的演示稿(如下图所示),由Grieves博士讲解介绍,题为《PLM的概念性设想》(Conceptual Ideal for PLM),虽然如此,它确实拥有数字孪生体的所有元素:现实空间、虚拟空间,从现实空间到虚拟空间的数据流连接,以及从虚拟空间到现实空间和虚拟子空间的信息流连接。

2.jpg

 PLM的概念性设想(2002年)

 

驱动该模型的前提是,每个系统都由两个系统组成:一个是一直存在的物理系统,另一个是包含了物理系统所有信息的新虚拟系统。这意味着在现实空间中存在的系统和虚拟空间中的系统之间存在一个镜像(Mirroring of Systems),或者叫“系统的孪生”(Twinning of Systems),反之亦然。

产品生命周期管理(PLM,Product Lifecycle Management),意味着它不是静态表达,而是两个系统——即虚拟系统和现实系统将在整个生命周期中彼此连接,贯穿了四个阶段:创建、生产制造、操作(维护/支持)和报废处置。

2002年初,这一概念模型在密歇根大学第一期PLM课程中使用,当时被称为镜像空间模型(Mirrored Spaces Model),在2005年一份刊物文章中也指出了该模型(Grieves,2005)。

在开创性PLM著作《产品生命周期管理:驱动下一代精益思想》(Product Lifecycle Management:Driving the Next Generation of Lean Thinking)中,这个概念模型被称为信息镜像模型(Information Mirroring Model)(Grieves,2006)。

在《虚拟完美:通过产品生命周期管理驱动创新和精益产品》(Virtually Perfect:Driving Innovative and Lean Products through Product Lifecycle Management)(Grieves,2011,译者注:已经有中文翻译版)中,这个概念得到了极大的扩展,但仍然被称为信息镜像模型。

然而,就是那时候,“数字孪生体”这个术语通过参考合著者描述这个模型的方式,开始附加到信息镜像模型的概念中。考虑到“数字孪生体”这个术语的描述性,我们从那时起就用它来表示概念模型。

近年来,数字孪生体已被用作航空航天领域的概念基础。NASA已在其技术路线图(Piascik, Vickers等,2010)和可持续的太空探索建议书(Caruso, Dumbacher等,2010)中使用了这一概念。数字孪生体还被提出可应用于美国下一代战斗机和NASA运载工具(Tuegel, Ingraffea等,2011; Glaessgen和Stargel, 2012),同时也描述了面临的挑战(Tuegel,Ingraffea等,2011)与竣工图实现(Cerrone, Hochhalter等,2014)。

二、数字孪生体的定义

当提到数字孪生体和它的不同表现形式时,一些定义是对理解有帮助的。我们提出了一个图示,以展示其中的想法。

3.jpg

 数字孪生体的类型说明

 

数字孪生体(DT,Digital Twin)

数字孪生体是一组虚拟信息结构,可以从微观原子级别到宏观几何级别全面地描述潜在或实际的物理制成品。在最佳状态下,可以通过数字孪生体获得物理制成品的任何信息。数字孪生体有两种类型:数字孪生原型(DTP)和数字孪生实例(DTI)。而数字孪生环境(DTE)则是数字孪生体的操作环境。

数字孪生原型(DTP,Digital Twin Prototype)

这种类型的数字孪生体描述了原型物理工件。它包含了描述和生成一个物理产品所必需的信息集,以便物理版本与虚拟版本重合或成对。这些信息集包括(但不仅限于)需求信息、完全注释的3D模型、材料清单(附有材料规范)、流程清单、服务清单和报废处置清单。

数字孪生实例(DTI,Digital Twin Instance)

这种类型的数字孪生体描述了一个特定的、对应的物理产品,在该物理产品的整个生命周期中都有一个单独的数字孪生体与之保持连接。

根据其使用情况,这种类型的数字孪生设备可能包含但不限于以下信息集:

1、带有通用尺寸标注和公差(GD&T)的完全注释3D模型——用于描述该物理实例及其组件的几何结构;

2、材料清单——列出当前组件和所有过去组件;

3、流程清单——列出创建该物理实例时执行的操作,以及对该实例进行测量和测试的所有结果;

4、服务记录——描述过去执行的服务和替换的组件;

5、运行状态记录——从实际传感器捕获的全部运行数据,包括过去和当前的状态,以及从中推导的未来预测信息。

数字孪生聚合体(DTA,Digital Twin Aggregate)

这种类型的数字孪生体是所有数字孪生实例(DTI)的聚合体。它与DTI有所不同的是,DTA可能不是一个独立的数据结构体。它可能是一个计算结构,既可以访问所有的DTI,也可以对它们进行即时或主动的查询。

在特定的基础上,计算结构可能会询问:“组件X的平均故障间隔时间(MTBF)是多少?”

数字孪生聚合体可能会前瞻地持续主动检查传感器读数,并与故障关联起来实现预测。

数字孪生环境(DTE,Digital Twin Environment)

这是一个集成的、多领域的物理应用空间,用于操作各种用途的数字孪生体。这些操作目的包括:

预测

数字孪生体将用于预测物理产品的未来行为和性能。在原型阶段可以预测某个产品设计的性能及其组件在高容差和低容差之间的变化,以确定该设计是否满足所提出的要求。在实例阶段预测将是包含了组件及其历史的特定物理产品的特定实例。预测性能将基于产品生命周期中当前状态下的实时情况并向前推进,可以聚合产品的多个实例,以提供一系列可能的未来状态。

查询

这适用于数字孪生实例作为数字孪生聚合体的实现。数字孪生实例可以询问当前和过去的历史信息。无论它们的物理对应物在世界上什么地方,都可以查询其当前的系统状态:燃料量、节流阀设置、地理位置、结构应力,或任何已检测的其它特征。产品多个实例将提供相关数据以预测未来状态。

例如,将组件的传感器读数与该组件的后续故障相关联,可以在报告该传感器的模式时生成故障警报,预测有可能发生的组件故障。而实际发生的故障集合可以为预测用途提供贝叶斯概率分析。

三、贯穿生命周期的数字孪生模型

正如在2001年(译者注:原文如此,估计有误)演示中对PLM的介绍,这个概念模型在过去和现在都倾向于作为一个动态模型,随着系统的生命周期发生变化。该系统几乎在其生命周期伊始就出现,在生产阶段以物理形式存继并贯穿其使用寿命,并最终报废和淘汰处理。

在创建阶段,物理系统尚不存在。系统开始在虚拟空间中成型,成为数字孪生原型。

这种先虚拟后物理的现象实非新鲜——只不过在人类历史的大部分时间里,创建此系统的虚拟空间仅仅存在于人们的头脑中。直到20世纪的最后25年,这个虚拟空间才可能存在于计算机的数字空间中。

自此,人类开辟了一种全新的系统创建方式。在技术获得飞跃性进展之前,系统必须以物理形式实现——最初绘出草图蓝图,然后制成昂贵的物理原型。因为仅存在于人们的头脑中就意味着群体共享,以及对其形式和行为的理解非常有限。

虽然人类的思维是个奇迹,但在处理这些复杂任务时却有严重的局限性。人类记忆的保真度和持久性等多方面还有许多不足。我们在记忆中长时间地创造和保存详细信息的能力并不好。即使是些简单的物体,大多数人也很难做到精确地想象它们的形状。如果要求人类在头脑中凭空对复杂的形状作处理,其思考结果是肯定是完全不够细致的。

然而,如今数字技术呈指数级发展,这意味着系统的形式可以在三维空间中得到全面和丰富的建模。在过去,复杂事物和复杂系统在突现时,其展现形式是个很困难的问题,因为在二维图形转换成三维对象的时候,很难保证其数据都能匹配一致。

此外,当系统的某些部分有变动时,理解矛盾和冲突程度从困难到完全无法调和。将2D蓝图转换为3D物理模型、发现表单问题,再还原到2D蓝图解决问题并重新开始循环周期的过程中,会浪费大量的时间和成本。

借助于三维模型,整个系统可以在虚拟空间中集合在一起,并且低成本又快速地发现矛盾和冲突。只有在解决了这些形式问题之后,才需要将其转换为物理模型。

虽然发现系统突现形式的问题对物理模型的迭代及其昂贵的二维蓝图是个巨大改进,但以数字形式模拟系统行为的能力,才是发现和理解突现行为的一个重大飞跃。如今,系统创建者可以使用虚拟空间和虚拟仿真来测试和了解他们的系统在各种环境下的行为。

同样如前图(图:PLM的概念性设想)所示,通过标记为VS1… VSn的区块就可以拥有多个虚拟空间,这意味着能够以较低的成本对系统进行破坏性测试。

当我们把物理原型测试实验作为唯一测试手段时,进行破坏性测试的成本相当昂贵,因为物理原型及其周围环境都有可能在测试中遭到毁坏。例如,如果测试物理实体的火箭在发射台爆炸,火箭和发射台会被同时摧毁,这个成本代价过于巨大。而采用虚拟的火箭发射测试,爆炸发生炸毁的都是虚拟的模型,完全可以在新的虚拟空间中以接近于零的成本进行重建。

在创建阶段,我们会完成系统四个突现区域的填充工作:PD、PU、UD和UU。

虽然传统方法的重点是验证和确认需求或预期(PD)以及消除问题、故障或预期非所需行为(PU),但数字孪生体原型(DTP)的模型也是识别和消除不可预测非所需突现行为(UU)的一个机会。通过改变仿真模型可能采取的参数范围,我们可以研究复杂系统中的非线性行为,而这些行为可能具有导致灾难性问题的组合或不连续性。

一旦虚拟系统完成并经过验证,其信息就会在真实的空间中用于创建物理孪生体。如果我们正确地进行了建模和仿真,也就是说我们在虚拟空间中对现实世界进行了一系列的精确建模和仿真,不可预测非所需突现行为(UU)的数量应该会大大减少。

这并不是说我们可以模拟和仿真所有的可能性。因为在现实允许的时间内把复杂系统中所有可能的排列组合都探索一遍,是不可行的。但是计算能力的指数级进步使我们可以继续扩大研究的可能性。

在这个创建阶段,我们至少可以尝试减轻或消除不可预测非所需突现行为(UU)的主要来源——人的交互。我们可以在多种多样的条件下与各类型人群参与者一起测试虚拟系统。系统设计人员通常不允许在系统中出现他们无法设想的情况。以这样的方式与系统交互是难以想象的——除非人们在危机中恐慌的时候才会真这么做。

在能够模拟系统之前,我们经常让最有能力和经验的人员来测试系统,因为物理原型测试非常昂贵,验证失败的巨大损失是难以承受的。然而,大多数系统都是由泛泛之辈来操作的。

关于这种情况有个经典笑话:“毕业成绩最差的医科学生一般都是怎么称呼的?”答案是——“医生”。可见,我们现在可以放心让普通操作人员(包括最不合格的人员)对系统进行虚拟测试,是因为虚拟故障不仅成本低廉,而且还能够指出我们尚未考虑到的不可预测非所需突现行为(UU)。

接下来进入生命周期的下一阶段——生产阶段。开始构建具有特定且可能是独特配置的物理系统。我们需要在虚拟空间中将这些构建配置反映成数字孪生实例(DTI),这样我们就可以了解到这些系统的确切规格和组成,而无需拥有物理系统。

所以就数字孪生体而言,流动方向与创建阶段是相反的。物理模型建立之后,与之有关的数据会被发送到虚拟空间,在数字空间中创建这个物理系统的虚拟表示。

在支持与维护阶段,可以充分了解系统行为的预测是否准确。真实系统和虚拟系统之间保持着联系。对实际系统的更改以两种形式出现,即替换部件和行为,即状态更改。正是在这个阶段,可以发现所预测的期望性能是否真有出现,以及预测中的非所需行为是否已被消除。

在非所需行为突现的这个阶段,如果先前的建模和仿真阶段已经很好地找到了UU,那么它们虽然是干扰,但只会引起一些小问题。然而,如果和过去复杂系统中经常出现的情况一样,这些UU就可能是需要解决的代价高昂的那种主要问题了。在极端情况下,这些UU可能是灾难性的故障,会造成生命和财产损失。

在这个阶段,现实系统和虚拟系统之间的联系是双向的。当物理系统发送变化时,可以在虚拟系统中捕获这些变化,这样我们就能知道每个系统的确切配置了。另一方面,可以利用来自虚拟系统的信息来预测物理系统的性能和故障。我们可以在一系列的系统上聚合信息,将特定的状态变化与未来故障的高概率关联起来。

如前所述,最终阶段(报废/淘汰)作为一个实际阶段却往往被忽略。在本文主题背景下,报废阶段应该得到更密切的关注,原因有两个。

首先,当系统停用时,有关系统行为的知识常常随之丢失。下一代的系统也经常会需要处理许多类似问题,而这些问题本来可以通过使用前代系统的相关知识积累来避免。因此,虽然物理系统可能需要更新换代,但其承载的信息和知识可以用极小的成本保留下来。

其次,虽然当前讨论的主题是系统在使用中的突现行为,但也存在系统对环境产生突现影响时如何处置的问题。如果不保留系统中的相关设计信息,例如有什么材料以及如何正确处理这些材料等,那么系统就可能会以不恰当的方式随机处理了。

  

本文来源连接:https://mp.weixin.qq.com/s/ZHRWbqx-0EeJpbt-FiW27g



http://blog.sciencenet.cn/blog-2374-1208478.html

上一篇:[转载]JAS和自动化学报双双入选中国期刊卓越行动计划
下一篇:数字孪生与平行系统: 发展现状、对比及展望

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2020-1-23 21:26

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部