虛擬智能產品系統：數字和物理孿生
來源：Virtually Intelligent Product Systems: Digital and Physical Twins
近年來數字孿生取得了前所未有的關注，最近在讀Grieves教授2019年發表的一篇論文，篇幅較長，故在閱讀中寫下自己的感想和理解，順便分享給需要的朋友。
1 Introduction
本文聚焦於【智能聯網產品系統】，在文中被定義爲SCPSs(Smart,Connected Product Systems)。在計算力和通信力爆棚的今天，SCPS的複雜性飛速上升，爲緩解系統複雜性，數字孿生（Digital Twin）應運而生。
有物聯網驅動的SCPS，可被稱爲【物理孿生（Physical Twin）】，下文中術語SCPS與物理孿生可互換。而DT便是PT的信息化結構，其目的便是獲取PT中更好的信息。關鍵的假設是，DT中包含的信息的類型、粒度和數量是由用例驅動的。
2 Digital Twin
自然界所有系統皆存在2面，其一爲PT，其二爲PT的數字、或虛擬、或信息版本。
2002年，Grieves教授在其產品生命週期管理課程上首次提出DT，並將其定義爲由實體產品、虛擬產品以及兩者之間的連接所構成的三維模型，稱爲【鏡像空間模型】，05年引申爲虛實空間之間的映射，06年將DT稱爲【信息鏡像模型】，最後於11年最終定位數字孿生（DT），雖然名稱幾經更迭，但其內涵卻從未改變。
產品整個生命週期，PT於DT相互交織。在不同生命階段，DT不盡相同。數字孿生原型（Digital Twin Prototype），其爲所有變種的設計版本。數字孿生實例（Digital Twin Instance），則是每個產品的DT。DTPs應該存在於所有複雜的製造產品中，而DTIs只存在於需要了解產品整個生命週期信息的產品中.
Digital Twin Aggregates(DTAs)是所有DTIs的集合或複合物，其爲行爲的縱向和橫向表徵。縱向指的是先前的變化與隨後的結果相關聯——例如，當某種傳感器數據響應，部件失效預測；橫向值可以通過一個學習過程發生，當一小羣DTIs從動作中學習時。
不管何種孿生，必有先後。而DT爲先，因爲產品的理念、形狀、功能和實現這些的計劃總是先於實際實現產品的物理形式。所以普遍將該項技術稱爲數字孿生，該術語其實也包括Physical Twin,即物理孿生。
如何使用數字孿生呢？我們將虛擬空間的工作數據傳入物理空間，以便產出真實產品和系統，反過來將生產數據傳入虛擬空間以構建DTIs，此時虛實空間是分開的。通過【增強現實（AR）】，我們可以將兩個空間重疊，以期新的應用。
3 Physical Twin
爲理解PT的演化進程，物聯網（Internet of Thing）必不可少。
一家備受尊敬的技術研究公司Gartner於2016年將IoT定義爲，‘包含嵌入式技術的物理對象網絡，用於與它們的內部狀態或外部環境進行通信和感知或交互’。實際上，IoT可作爲互聯網的一項補充，人與物生產和消費數據或信息， 憑藉自身能力解釋數據並於此做出有用的行動。
工業物聯網(The Industrial Internet of Things (IIoT) is a subset of IoT)作爲IoT的衍生物，其特定應用領域爲工業製造。其定義爲“包含嵌入式技術的物理對象，系統，平臺，應用，用於共享智能，與它們的內部狀態或外部環境進行通信。”
IoT Things
IoT “things”被簡單的描述爲智能互聯繫統。本章將PT（IoT）建議爲包含如下六大元素：感知，比較，反應，交互，CAR(收集，評估，反映)和保護。前三個元素相對於智能產品，後三個元素應用於SCPS。
智能產品(smart product)中的智能(smart)，意味着可感知某種情況的發生的能力。這種能力會判定我們處於何種情況，將其與預期結果進行對比，並減小兩者之間的差距，即sense-compare-react。像汽車定速巡航系統，飛機自動駕駛系統等，都是這類智能產品。
SCPS將智能產品系統互聯，消除了智能產品系統之間的隔離和獨立性，爲整個系統提升了一個維度。比如說，對於一個智能系統，若某個機器人檢測到異常，其會立即關閉。而在SCPS中，該機器人會通知工廠監督者並與下一個處理部件的機器人交互，通知其不可用性，以避免級聯失效。
現在我們來簡要介紹一下PT的六大元素：
-
Sensing
物聯網產品不僅需要具備人類5感，還需要超出人類的感官，感人所不感，如電磁場等
感知類型主要如下：持續時間，身份，狀態變化，物理方向和地理空間位置、物理存在和力
-
Comparing
將感知情況與預期目標進行對比。
-
reacting
比較之後，根據輸出情況反應
-
communicating
感應信息和所採取的行動的交流能力是處理感應信息的結果。
對於基於SCPS的PT，物理實體和虛擬實體之間必須交互以保證同步性，然而這種同步不需要實時發生，但它需要經常發生，以使任何用例始終具有關於系統狀態的當前信息。
-
CAR(collecting,assessing,response)
CAR函數包含三個子函數。首先我們必須接收和收集數據，然後檢驗並評估數據，最後提取關鍵數據並做出反應。
-
protecting
SCPSs最容易遺漏的一點，便是其自身安全。鑑於SCPSs具有雙向通信功能，故我們必須特別關注其安全性。
#### 完整的DT
ＤＴ和ＰＴ的相互整合有着諸多優勢，但主要有如下亮點：
-
PT可通過DT與人類進行交互
人類無需接近物理實體便可監控預測操作物理實體。
-
PT可與其他系統進行交互，即machine-to-machine(M2M) 交互
在M2MC中,PT必須理解兩個或多個系統間的交互，否則很容易出現非預期決策導致的崩潰。對於崩潰情況下，至少，鑑於系統有對應的DT，我們可以觀察崩潰發生前的歷史數據，以提前預測之後的崩潰。
4 DT,PT和系統複雜性
對於系統複雜性的解釋，還沒有一個統一的定論。一般而言，複雜系統具有不可預測的特徵，特別是對於輸入涉及人類干涉或隨機值。
根據Grieves與Vickers的系統行爲分類模型（將系統行爲分成【可預測行爲】和【不可預測行爲】，並進一步分成【預期行爲】和 【非預期行爲】），我們可以預測，PT增加了系統的複雜性。DT則具有減少系統複雜性的能力，不管是在設計，操作等階段。比如在產品設計階段，DT的建立可以仿真系統性能，通過標記不可預測行爲並修改爲預測行爲，以減少該行爲的發生。
5 DT製造用例
顯然，針對DT的實用價值，我們必須考慮到產品生命週期的四個階段：設計創造，建立，使用/維護，廢棄。DT的成功祕訣在於，爲用戶的系統或設備創造價值。如下用例便概括了其特定案例下的價值創造，用例主要討論建立，製造和操作維護階段的價值創造。
配置管理
數字孿生將使產品系統在車間層面具有配置管理的能力，包括兩個層面：向虛擬孿生實體提供行爲和性能數據；爲生產的產品創造虛擬孿生實例。
首先，車間系統必須完全處於監控和控制狀態，其次便是創建其虛擬數字孿生體，以便追蹤其服役歷程。
預測
預測指的是，監控所有相同類數字孿生SCPSs，並將異常SCPSs的感知數據關聯起來。於此，我們可以關聯繫統的歷史數據以及其導致的實效情況，並依次預測之後的失效。
人機協作（Cobotics）
Cobotics是將robotics於cooperation組合而成的詞，其指的是機器與人之間的合作，合作通常有兩種方式：近場協作和增強協作。
近場協作指的是人機在同一場地相互協作完成任務，故安全尤爲重要。
增強協作指的是通過AR/VR增強人在感官方面的能力。可在宏觀和微觀層面增強人的能力，能人所不能。
系統強化
由於數據交換和分析在DT中持續更新，分析結果所產生的系統性能變化數據用於開發更新系統軟件，DT進一步追蹤軟件更新所產生的系統強化效益，並形成閉環，促進系統強化。
由此，即使系統老化，軟件更新可彌補系統老化所帶來的效益損失。
依次，主動應對如系統老化等問題，可有效維持系統裝備設施的原有效率。
### 車間複製／先驗運行仿真（Front running simulation）
傳統車間數字仿真，其僅在設計階段有效，一旦設計方案確定，該仿真便失去了其作用。
車間複製通過重用該數字仿真，並以車間設備ＤＴ實時數據驅動，可作爲觀察車間運行狀態的一個窗口，供任何人在任何地方監控觀測。
進一步的說，複製之後，便是先驗性的仿真。通過超過實時系統秒級、分級、時級、甚至時數天級別的仿真，以預測系統潛在問題，這邊是先驗運行仿真。
6 DT服務用例
使用和維護階段是一個產品系統經歷的最長階段，少則數天，多則半個世紀或更長。爲用戶創造更低的持有成本和更高的可用性，便是這一階段的主要價值。
配置管理
監控
評估/維修
預測
增強現實（AR）
產品強化
僞造檢測
產品性能反饋
7 數字孿生現有問題
目前，數字孿生面臨大量重要的問題，在其實用化之前，必須進行詳細討論並提出解決方案。我們舉幾個重要且普遍的問題。
信息物理安全
海量數據的產生，有限信息的獲取
互操作性/協調/標準
機器之間的轉義
系統之間的信息交互，對於指令類，其引發事故的機率會大大增加。
## ８結論
雖然ＤＴ是關於設備或物理實體與互聯網之間的互聯，但人的交互至關重要。
智能產品系統存在已久，但智能互聯產品系統集羣（SCPSs），是最近較爲新的概念。特別的，DT系統的安全性不能忽視。
對於機機之間的交互，由於會大大增加潛在未知後果，以及級聯失效，DT的引入，提供了可視和干預的能力
最後，物理實體，產品生命週期和虛擬實體之間，關係密切，必須結合討論。