工业4.0的必由之路，数字孪生究竟是个啥？| 前沿扫描

科学大院2023年01月07日约 7 分钟

本篇文章正文共3379字预计阅读时间约为9分钟
本文根据中国科学院学部开展的“科学与技术前沿论坛”第76次会议内容编辑报告人：陶飞，北京航空航天大学自动化学院副院长原标题：数字孪生及制造信息物理融合日期：2018年6月1日

报告视频

各位院士，各位专家下午好！感谢给我一个好的学习机会。我主要是做了一些理论上、学术上的思考，很多还没有落地实践，也是向各位专家汇报，请批评指正。

我斗胆谈一下理解。信息物理融合，首先是制造。我本身是学制造的，传统的制造。我1999 年高考，跟邻居说我的专业是机械制造，邻居说：“哦，原来是打铁的专业。”所以那个时候的制造可能输入的是 生产要素 或者是经验，输出的是一个产品，这种制造的活动主要是在物理世界来完成。

那么现在在新的信息化时代谈制造，首先它的制造已经从加工的环节扩展到了产品的 全生命周期 的各个环节，它的输入除了生产要素以外，还有 数据、信息和知识 ，这是一个偏软的。另外它的输出不仅要有一个物理的产品，可能还有 虚拟的服务 ，所以它可能是一个 虚实相结合 的制造过程的演变。

New制造图片来源：中国科学院学部

对于信息技术IT，传统上，我们可能关注的是计算机、信息或者是网络，主要的关注对象是信息世界。如果把IT和制造结合起来，我想除了信息技术以外，那么比如工业4.0，made in China 2025，肯定是离不开传统工业制造技术的第一个IT。第二个IT就是信息技术。第三个IT，则是智能。

New IT 图片来源：中国科学院学部
这三个 IT 分别解决了 数据的产生，数据怎么变成信息，信息怎么变成知识的问题 ，最后达到我们美好的愿望，实现它的智能。

IT+制造图片来源：中国科学院学部

实际上传统的 IT 跟制造结合，其实有很多概念，包括网络化制造、 ASP 虚拟制造、云计算之前的网格计算、网格制造，包括众包，现在的New IT 跟制造的结合，就出现了我们今天谈的很多的主题。

我的理解不一定对。这里面的核心可能就是 数据、模型和服务 。实际上，智能制造是它的共同目标，还有互联网+制造，还有制造+服务。要实现这一前提，不管是实现智能也好，还是工业4.0也好，首先应考虑怎么去实现制造的物理和信息的联通。

假如以一个车间为例，早期的时候我们不叫云，叫信息中心、服务器或者是数据中心。现在用云来实现它的互联互通。在物理世界，比如在车间底层，我们实际上是追求的是一个自动化， 利用机器人获得智能的装备，实现生产效率的提升，过程的自动化 。同时设备通过 传感技术 和 物联网的技术 ，使得生产过程和设备的 数据能够采集，在云里面存储 ，形成比如 APP 的服务化 。最后在我们的用户端通过智能终端来进行数字化的应用。

New IT 驱动的智能制造架构图片来源：中国科学院学部

在整个过程中会产生大量的数据，如何去采集这些数据，发现这些数据背后的价值，并且围绕着制造的某个过程的智能需求来开展一些研究和应用，这是我们想要达到的智能化的目的。

数字孪生的提出图片来源：中国科学院学部
毫无疑问，前提条件就是信息物理怎么去融合。在这个背景下，现在希望从信息的角度在车间里面做一些落地的应用，所以我们最近也在关注数字孪生这个新技术。数字孪生是 2003 年由Michael Grieves博士在美国密歇根大学的产品全生命周期管理课程上提出。早期主要是应用于航空航天飞行器的健康管理。最早它是一个三维模型，包括 物理产品、虚拟产品以及虚实之间的连接 。

目前数字孪生在工业上有一些应用，主要是在军品的飞行器里面，比如空客A400M飞机部装线，用到孪生的理念来实现装备过程中各个物体的监控。还有F15和F35战机，它用数字孪生来实现加工缺陷的寻找，该技术获得了 2016 年度美国国防制造技术奖。还有就是武器厂商洛克希德-马丁把数字孪生列为未来国防和航空航天工业的六大顶尖技术的首位。2017年中国科协智能制造学会联合体在世界智能制造大会上将数字孪生作为世界智能制造十大的科技进展。

应该说种种迹象表明，目前数字孪生不管从学术界还是从工业界来说，都是备受关注。这是我们做的一个统计，2003年数字孪生概念在密歇根课堂上提出，在大概八年的时间中，几乎没有会议或者是综述文章报道。我们分析可能在这八年时间里，信息基础没有办法满足它的要求，同时其成本也比较高。到了2011年，计算应用比较广泛了。 第一篇 数字孪生的正式期刊文章发表 ，是美国空军实验室关于飞行器的健康管理方面。从2011年到2014年，有一系列的文章都是关于把数字孪生用在航空领域。2014年后，有数字孪生的 白皮书 出来了，标志着开始从军品向民品应用。

这两年文章的发表数量，应该说是呈指数的增长。我们研究小组也是在关注它。最早数字孪生的模型主要是三维，包括 物理的、虚拟的以及连接的 。我们在思考为什么它是三维？现在大数据这么重要，为什么它没有强调数据？而且 APP 这么重要，它为什么也没有去关注APP？

数字孪生学术研究图片来源：中国科学院学部

所以我们当时也思考，可能它是从军品的角度来讲，在联网等方面有一些局限。因此我们希望把孪生概念应用在民品的产品设计、制造和服务中。因此我们在理论上面，在学术上面，把数字孪生的三维模型扩展到五维。在传统的物理、虚拟和连接的三维技术上，我们增加了 数据的维 ，还有 服务的维 ，尝试着探讨 五维的数字孪生模型 。

扩展后的5维数字孪生模型图片来源：中国科学院学部

在这个模型上面，我们就可以去回答前面信息物理融合的问题。基于理论模型，仍然以车间为例，我们可以探讨数字孪生在车间里的应用。比如有一个物理的车间，还有镜像虚拟的车间。虚拟的车间包括它的 几何模型、行为模型、规则模型、约束模型，是多维模型的叠加 。在两个车间之间，还有 信息的连接和交互 ，即connection，这是传统的三维的数字孪生的概念。

此外，我们在车间里面有很多的信息化的系统，统称 服务系统 。物理车间和虚拟车间的模型在服务系统中怎么去管理？在这部分会有物理车间的实况数据，它的加工的数据，还有设备的运行数据，这些叫做物理的数据。虚拟车间则有一些仿真。此外，在信息服务系统中还会有一些信息的数据。更重要的是，在不同模块之间的连接过程中，还会产生一些传感连接的数据，统称为 孪生数据 。

基于此原理，我们就开始探讨孪生在制造的信息物理融合方面的应用。比如在物理车间层面有没有可能去探讨一下物理的融合？这个地方主要是实现物理车间的人-机-物-环境的互联互通和协作，针对一个复杂任务去协作。同时这里面有一些数据传输的问题，数据采集的问题，还有一些通信的问题，实现物理的融合。

第二种模式的融合，我们也关注过很多做数字化的实践或研究。大量的文章主要是在它的几何模型上进行建模，主要是来对车间的布局设计，u 型的还是 z 型的设计。如果我们真正想达到对车间行为或者症状的仿真，除了几何模型以外，我们觉得还应该有它的物理属性的模型、行为的模型、规则的模型。通过对多维模型的构建、组装以及融合，才能真的实现我们虚拟世界的融合。

最后就是物理有数据，虚拟里面也有数据，包括物理的数据、设备的数据、实况的数据，还有虚里面的仿真的数据，软件的信息化的数据，还有我们传感连接中的传感的数据。多元的数据可能会涉及 生产全要素、全流程、全业务 。那么数据怎么去融合？这样物理和信息就慢慢逐步走向了融合。