数字孪生工业软件概念及特征

点击蓝字 关注我们↑↑↑

DIGITAL TWIN

如果您不希望错过文章，就加个星标吧！

根据相关国家标准^[1]以及工信部信软司相关文件^[2]给出了工业软件相关定义如下：工业软件，是指专门用于工业研发设计、生产制造、经营管理、运维服务等全生命周期场景，支撑工业企业实现数字化、自动化、智能化运行的软件系统总称。

2003年Michael Grieves先生提出了镜像空间模型，该参考模型包含物理实体、虚拟实体、连接三个部分，是被普遍认为的数字孪生前身^[3]。此后二十余年中，不同国家、不同组织给出了不同的数字孪生定义。本书结合团队成员二十余年数字孪生理论研究与工程实践，对数字孪生定义如下：数字孪生是在虚拟空间为物理实体/系统构建高保真虚拟数字分身，通过虚实之间的双向映射和动态交互，以及模型和数据的融合，实现对物理世界的全息感知、虚实融合的精准决策，和策略的自适应执行，从而满足物理世界不同生命周期阶段，不同场景的应用需求。

依据工业软件和数字孪生相关定义，本书将数字孪生工业软件定义如下：数字孪生工业软件是以数字孪生为主导，用于数字化研发、智能制造、虚拟调试、自主运行、精准维护、可持续回收等全生命周期场景，支持工业数字化转型与智能化升级的软件系统总称。数字孪生工业软件以软件的形式，通过对工业活动和实体的完备数字化映射、理解，并基于分析、仿真、推演、预测、决策等方法和智能算法，服务于工业活动全生命周期场景的各类活动，用以驱动工业行为自主、高效和智能运行，进而实现工业活动和实体的优化和进化，从而提升运营效率、降低运营成本并保障运营效果。

基于以上数字孪生工业软件的定义，本节归纳了数字孪生工业软件的具体特征，分别为全息感知、数实融合、数模联动、闭环优化、精准服务和自主演进，如下图所示。

图 数字孪生工业软件的特征

1. 全息感知：多源异构与状态演化刻画

全息感知是数字孪生工业软件对应用对象空间尺度和时间尺度表征与认知的基础能力。数字孪生工业软件强调对应用对象全要素、全过程的信息获取与状态描述，其信息来源不仅包括传感器的状态数据、控制系统的运行参数实时数据，还包括设计数据、工艺数据、运维记录、质量数据、经验知识以及计算中间数据等多源异构信息。通过对这些数据的接入、清洗、关联与融合，结合工业系统的机理特征，软件能够从结构特征、运行状态、环境条件、操作行为和性能指标等多个维度，对应用对象进行系统刻画。

全息感知不仅关注应用对象的当前各空间尺度状态，刻画其在系统、单元、个体、部件等不同层级和粒度上的特征，更应关注其状态随时间变化的趋势。因此，数字孪生工业软件通常具备对状态演化过程进行连续记录、趋势预测和异常捕捉的能力，可揭示应用对象从正常运行到性能衰减、再到潜在故障的发展轨迹。通过多源异构信息对不同空间层级的状态随时间演化过程的刻画，为数字孪生的各项应用奠定高可信度的数字基础。

2. 数实融合：虚实映射与实时交互同步

数实融合是数字孪生工业软件的核心属性，其本质是建立物理空间应用对象与数字空间孪生模型之间的动态双向映射关系，并实现虚实之间的实时交互与同步。数字孪生工业软件通过接入各类现场数据，将应用对象的结构、状态、行为及其变化过程实时映射到数字空间。同时，数字空间中的仿真预测结果和优化策略，也可通过虚实交互接口反馈到物理空间对物理空间进行优化和控制，从而实现从感知到反馈的双向交互。

因此，建立数字孪生工业软件稳定的虚实映射与实时交互同步机制，通过统一交互协议，构建时间对齐、空间对齐以及语义对齐机制，从而保证虚实之间的状态一致性和行为协同性，使数字孪生工业软件具备对应用对象的观测、分析、推演和操作的能力，可为复杂工业系统的各项活动提供可靠支撑。

3. 数模联动：机理与数据融合驱动决策

数模联动强调数字孪生工业软件中“数据”与“模型”的协同作用，从而保障数字孪生工业软件分析与决策的准确性。工业场景中的应用对象通常具有复杂的物理机理，仅依赖数据驱动方法，容易受到数据样本规模和其对不同工况泛化性的影响；仅依赖机理模型，又难以充分考虑复杂环境动态变化以及模型准确性和时效性的问题。

因此，数字孪生工业软件通常采用机理与数据融合驱动的决策机制，以弥补二者的不足。其中，机理模型可作为用于保障分析决策的物理一致性和可解释性白盒模型，数据模型则利用历史数据与实时数据内在的时变规律和空间分布规律建立黑盒模型。通过机理与数据在时间和空间不同尺度上的深度融合决策，使得数字孪生工业软件能够更准确地刻画应用对象的状态特征、运行规律和演化趋势，从而提升生命周期各项应用决策的动态应变能力和准确性。

4. 闭环优化：低价高效的迭代仿真优化

闭环优化是数字孪生工业软件区别于传统分析工具和监测系统的重要价值体现，其核心在于依托数字孪生的数模联动分析，将应用对象运行过程中的感知、决策和执行连接起来，通过仿真形成低价高效的业务迭代。在传统工业场景中，如设计方案、制造工艺、运行参数、维护手段、回收方式等迭代过程，试错成本高、实施风险大，甚至可能导致严重的安全问题。

数字孪生工业软件通过数据模型和机理模型，可构建应用对象的虚拟模型和仿真环境，通过分析仿真，能够以数字化的方式开展多方案比较、过程推演和策略验证，从而实现低代价快速的迭代优化。在此基础上，进一步对迭代优化后的工业系统数据进行评估，并根据评估结果对优化模型和决策策略进行进一步修正，形成“仿真-迭代-反馈”的闭环机制。通过此过程，数字孪生工业软件可显著降低工业活动的迭代优化成本，缩短方案验证周期，从而提高决策的科学性和执行的稳定性。

5. 精准服务：需求实时响应的精准服务

精准服务体现了数字孪生工业软件面向不同业务需求释放能力和创造价值的方式。数字孪生工业软件的功能并不止于完成数据感知、模型构建和可视化展示，而是需满足不同应用场景中的具体需求，形成面向不同任务的实时精准服务能力。例如，可面向设计环节提供模型验证与方案评估服务，面向产品的制造过程提供管控能力，面向调试环节提供运行参数和工艺方案的虚拟调试和验证服务，面向产品的运行过程提供状态监测与过程优化服务，面向维护环节提供健康评估、故障诊断与维护指导服务。

数字孪生工业软件服务的“精准”特性主要体现在深入理解服务对象、准确满足服务要求、及时响应服务请求三个方面。首先，能够基于数字孪生的数据模型和机理模型，准确地对应用对象和业务问题进行深入理解；其次，能够根据仿真和优化决策方法，对应用对象的行业特征、场景需求和业务目标进行精准的服务决策；此外，还可根据实时状态变化和任务需求对服务进行实时调整和动态决策。通过实时响应的精准服务，数字孪生工业软件根据应用需求，将复杂的模型、数据和算法转化为可理解、可调用、可执行的应用服务，从而提升其适用性、易用性和业务价值。

6. 自主演进：时空融合驱动的预演进化

自主演进是数字孪生工业软件向更高层次智能化发展的重要体现，强调其能够在时间空间特性融合和持续学习基础上，推动应用对象实体的预演进化，并通过实施效果评估实现软件自身的预演进化。

数字孪生工业软件通过虚实融合、数模联动和闭环优化，可实现对应用对象历史、当前与未来状态的统一表达，形成时空融合的认知能力，对未来的推演能力，并形成对当前的改进能力，基于这种能力，软件不仅能够再现应用对象的运行轨迹和状态变化过程，还能够借助仿真推演、趋势预测和策略预演，对未来可能出现的状态变化、性能波动和风险演变进行提前分析，并据此优化决策逻辑，实现数字孪生工业软件对工业装备及系统各实体状态的预演和自主进化；而数字孪生工业软件本身在工业装备及系统的演进过程中，通过对演进过程的映射分析，可对演进策略进一步进行评估，从而进行演进算法的自学习自修正，丰富其对物理世界闭环优化方法的泛化能力，推动软件本身的功能进化。在这一过程中，数字孪生工业软件和其应用的工业对象都不再是固定的静态系统，而成为在虚实交互中不断学习、持续完善、自主调整和预演进化的动态系统，从而实现工业活动的持续优化。

参考文献：

[1] 国家市场监督管理总局, 中国国家标准化管理委员会. 软件产品分类: GB/T 36475-2018[S]. 北京: 中国标准出版社, 2018.

[2] 工业和信息化部, 国家发展改革委, 教育部, 等. “十四五”智能制造发展规划[Z]. 北京: 工业和信息化部, 2021.

[3] Grieves M, Vickers J. Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems[M]//Transdisciplinary perspectives on complex systems: New findings and approaches. Cham: Springer International Publishing, 2016: 85-113.