数字孪生、赛博物理系统、智能制造、工业互联网四个术语之辨析

文章来源：英诺维盛公司

摘要

数字孪生、赛博物理系统、智能制造、工业互联网这四个术语是新工业革命实践活动中频繁使用的重要概念。尽管这四个术语在各种场合被经常分别提及，但是鲜见同时讨论四个术语的分析文章。本文分析了四个术语的来源、组成、内涵、运行逻辑和相互关系。它们在发展上一脉相承，在内涵和实质上有不少共同点，但是也有明显区别。

清晰辨析异同，抓住内涵实质，有助于引导企业做好智能制造、工业互联网的顶层设计和实践落地。文中部分内容引自《铸魂》新书。

一.前言数字孪生、赛博物理系统、智能制造、工业互联网这四大术语，是近几年业界当红热词。在国内业界，赛博物理系统兴于2014年，智能制造热于2015年，工业互联网火于2017年，数字孪生则红于2019年。四大术语是各自独立，还是彼此相关？可能绝大多数人认为彼此相关，但是四个术语之间的异同是什么？相关内涵有多少？运行逻辑之间到底是什么关系？可能确实不太好说清楚。笔者根据长期的业务实践和理论研究结果，结合《三体智能革命》中的“20字箴言”——“状态感知、实时分析、自主决策、精准执行、学习提升”^[1]，尝试分析、比较一下四个术语的内涵和实质。在研究方法上，笔者采用了抽象的图示方式：用一条水平线将画面分为上下两个空间，上半部分是赛博空间（包含数字逻辑、电磁频谱和网络），下半部分是物理空间（包含机器/设备/业务活动/流程等物理系统）。用四个大圆圈来分别描述每个术语的基本内涵、组成要素和运行逻辑。

二.数字孪生的基本内涵

数字孪生是在软件定义作用下，长期的要素数字化所形成的结果。此处要素泛指物理世界的各种人、机、物、数据、图文、语言、物理信息等各种实体要素。因此数字孪生是一种经过长期发展形成的数字化通用技术。笔者认为数字孪生有两层意思，一是指物理实体与其数字虚体之间的精确映射的孪生关系；二是将具有孪生关系的物理实体、数字虚体分别称作物理孪生体、数字孪生体。默认情况下，数字孪生亦指数字孪生体。数字孪生一词据称是由迈克尔·格里夫（Michael Grieves）教授于2003年在密歇根大学执教时提出^[2]。目前尚无业界公认的数字孪生标准定义，概念在不断发展与演变中。数字孪生概念被提出后，很快被美国国防部应用于航空航天飞行器的健康维护与保障。德国西门子、法国达索、美国通用电气、美国参数技术等公司也积极跟进，特别是近些年，随着智能制造等概念的推进，数字孪生已成为智能制造的通用技术，在军工制造、高端装备等很多行业得到广泛应用。国内一些学者对数字孪生也进行了深入研究。北京航空航天大学陶飞教授团队较早开展了数字孪生研究，在国际上首次提出了“数字孪生车间”概念，并在《Nature》杂志在线发表了题为《Make More Digital Twins》的评述文章。笔者在《三体智能革命》、《机·智：从数字化车间走向智能制造》等著作中及多篇文章中对数字孪生进行了研究与解读。西门子公司出版了《数字孪生实战：基于模型的数字化企业》有关数字孪生的专著，Gartner、德勤等咨询公司也对数字孪生做了深入研究与技术发展评估。《德勤2020技术趋势》将数字孪生作为今后的五大趋势之一。这些研究成果对数字孪生的理论研究与工程实践起到了很大的推动作用。笔者认为：数字孪生是在“数字化一切可以数字化的事物”大背景下，通过软件定义，在数字虚体空间中所创建的虚拟事物，与物理实体空间中的现实事物形成了在形、态、质地、行为和发展规律上都极为相似的虚实精确映射，让物理孪生体与数字孪生体具有了多元化映射关系，具备了不同的保真度（逼真、抽象等）。数字孪生不但持续发生在物理孪生体全生命周期中，而且数字孪生体会超越物理孪生体生命周期，在赛博空间持久存续。充分利用数字孪生可在智能制造中孕育出大量新技术和新模式，推动智能制造和工业互联网的应用与发展。数字孪生基本内涵和组成要素如图1所示。

图1数字孪生的基本要素和作用机制图1大圆圈中表达的内容有三种：第一是数字孪生基本要素，第二是物理实体和数字虚体之间的映射关系，第三是数字孪生作用机制和运行逻辑。笔者用“△○□”这三个彼此相邻的实线几何图形表示不同类型的物理实体要素，用其虚线几何图形表示这些物理实体要素在赛博空间的数字映射（数字虚体或数字孪生体）关系，用“数据”表示从物理实体感知/采集到的物理信息转化为比特数据，单向上行进入到数字虚体，虚线箭头表示虚实之间的数据流动方向，四个顺时针转的大箭头，既表示了“物理信息-比特数据-数字信息-数字知识-数字决策”的转换过程，也表示了“状态感知、数字体验、辅助决策、一次做优”的数字孪生作用机制。模型和数据是评价数字孪生保真度的关键。模型是构建数字孪生的核心，在机理模型上，可以由数/理/化模型、因果模型、功能模型、系统模型、详细设计模型、仿真分析模型等组合构成，在数据分析模型上，也可以由机器学习模型、经验模型、降阶模型、故障模型等构成。机理模型与数据分析模型的综合应用，构成了数字孪生的模型来源。数据是体验数字孪生的基础。数字虚体藉由传感器等获得的数据，能不能实时、准确地反映物理实体设备的工作状态，如果网络有一定的时延，时延到底是多少？如果现场有一定的干扰，干扰数据能不能排除？等等，都是数字孪生技术需要研究和解决的问题。如果这些问题不能解决，体验就变成了表演，仿真也就成了“仿假”，数字孪生体也就变成可以人为设置的数字动画。仅有模型和数据这两个关键要素，仍然不足以完整描述数字孪生。数字孪生所要达到的数字体验，必须要让人用五官感受到，其中最主要的感受是让人看到——即模型、数据的可视化，这个任务必须由而且只能由软件来实现。无疑，软件是数字孪生要素的载体。因此，在笔者参与赛迪研究院研究的数字孪生模型中，表达了如下观点：数据是基础，模型是核心，软件是载体^[10]。从数字孪生发展历程来看，在模型上，先有机理模型，后有基于数据采集与大数据分析的数据分析模型；在数据上，先有基于IT视角的模型数据化，后有基于CT视角的数据通信与传输。最终，模型+数据+软件，发展成为一种基于精准数据的数字体验技术。数字体验是数字孪生对工业技术的极其重要的贡献与补充，很多新技术、新产品、新业态就是在此基础上发展而成。例如，在产品交付时，产品的物理实体和数字孪生体将被同时交付给客户，让客户清清楚楚、明明白白地知道该产品的来龙去脉，是以什么市场需求和功能条件为约束而设计和制造，所有零部件的设计、生产、测试、物流过程都有数字孪生体，都是可追溯的。在该产品的使用维护阶段，假如遇到了疑难复杂问题必须要做实验或验证的话，也可以不必在物理产品上做实验或验证，而是在其数字孪生体上以数字体验的方式来做实验或验证，可以设置任何极限条件做任何次数的虚拟研制，直到验证取得令人满意的成果并且有了百分之百的把握之后，再在物理产品上做验证，这样就会做到“验证即成功”^[3]。数字孪生体既可以在物理实体之前（由人构建而）先行诞生，预先做待开发产品的数字体验，也可以在该产品的物理实体退出市场甚至在自然规律作用下实体灭失之后，仍然持久地在赛博空间永续存在。因此，笔者也把数字孪生体定义为当今数字社会/智能社会的“遗传基因”^[3]。通常进入赛博空间的数字孪生体是无法彻底删除的。内涵：用赛博世界连接物理世界，数字形态传承；实质：数据+模型+软件，基于数字体验而优化物理产品。三.赛博物理系统的基本内涵CPS于2006年由美国国家自然科学基金会（NSF）的海伦·吉尔首次提出，并伴随着德国人在工业4.0中的推广应用而在全球业界兴起。美国国家标准与技术研究院（NIST）、国家自然科学基金会（NSF）、伯克利大学、德国国家工程院（acatech）、弗劳恩霍夫协会等科研机构进行一系列研究，提出了一些理论框架。近几年，一些有关CPS的书籍也陆续推出，如伦敦国王学院军事研究系教授托马斯·瑞德的《机器崛起：遗失的控制论历史》、美国辛辛那提大学Jay Lee教授的《CPS：新一代工业智能》、中国信息物理系统发展论坛编写的《信息物理系统（CPS）白皮书2017》以及笔者合著的《三体智能革命》等，均对CPS进行了不同角度的研究与阐述。在数字孪生体基础上，数据不断被感知和采集，从“△○□”物理实体设备上行到其数字孪生体。如果数字孪生体中的软件按照预先设定的模型和规则，经过分析、推理之后，给出该场景下最适宜的控制指令，控制指令从数字孪生体下行到物理实体设备的控制器，驱动设备的执行器精准动作，以实现对物理实体设备更好、更精确的控制，这是CPS的实质内容。在技术上，完成了四个大箭头所表示的“状态感知、实时分析、自主决策、精准执行”的智能闭环^[1]。如图2所示。

图2 CPS的基本要素和作用机制CPS与数字孪生既有相似之处，也有明显不同。相似之处在于，CPS也会像数字孪生一样，建立颗粒度不同的虚实对应的映射关系；明显不同在于，在数字孪生中数据是单向从物理实体到数字孪生体的，没有以数据“控制物理设备”的行为发生，而在CPS中，控制指令从数字孪生体下行到物理实体设备，与上行数据形成闭环。另一个明显不同在于，在经过“感知、分析”之后，数字孪生体在软件定义下实现了自主决策，直接操控了物理设备的运行结果。状态感知、实时分析、自主决策、精准执行所形成的智能闭环，是智能系统的基本特征^[1]，是第四次工业革命重要标志，也是一个融合了赛博装置的物理设备的智能表现。作为使能技术，CPS在智能制造、工业互联网中都起着关键作用。CPS是智能制造和工业互联网的基本运行机理的抽象与提炼。在智能制造和工业互联网中，一定会发现CPS的身影，它变化形式多样，尺度大小不一，可能以单元级、系统级、系统之系统（SoS）等不同的系统级别来出现^[4]。内涵：实现数物融合控制；实质：以“感知-分析-决策-执行”智能闭环，精准控制物理系统的形与态。四.智能制造的基本内涵智能制造术语源于日本在1990年所倡导的“智能制造系统（IMS）”国际合作研究计划。在国务院2015年发布的《中国制造2025》中，阐明了智能制造是主攻方向，让该术语再次在国内流行。今天的智能制造与30多年前的“智能制造系统”在内涵上是有区别的。德国工业4.0小组在《德国工业4.0战略计划实施建议》中推出通过“三项集成”实现智能化生产与服务模式。即以智能工厂为单元，“将各种不同层面的IT系统集成在一起（例如执行器与传感器、控制、生产管理、制造和执行及企业计划等不同层面）”，实现纵向集成和网络化制造系统（企内链）；“通过产品全生命周期和为客户需求而协作的不同公司，使现实物理世界与赛博世界完成整合”，实现产业链以及生产者与消费者的端到端集成（价值链）；“将各种使用不同制造阶段和商业计划的IT系统集成在一起，这其中既包括一个公司内部的材料、能源和信息的配置，也包括不同公司间的配置”，实现企业生态圈的横向集成与社会化协作（价值网）^[6]。2017年中国工程院提出了中国模式的智能制造“三范式”^[9]，认为数字化制造是智能制造第一种基本范式，也称作第一代智能制造，是智能制造的基础；数字化网络化制造是智能制造第二种基本范式，或称作“互联网+制造”或第二代智能制造；第三种基本范式是数字化网络化智能化制造，或叫新一代智能制造。智能制造“三范式”的英文是：Digital Manufacturing, Smart Manufacturing和Intelligent Manufacturing。“三范式”既具有很强的前瞻性、体系性，又具有很强的务实性，对学术界、企业界研究、推进智能制造具有较好的实操性指导。智能制造聚焦在制造领域，基本上与德国工业4.0实现对标，强调CPS是使能技术。德国工业4.0组件参考架构模型（RAMI4.0）^[6]，对CPS进行了较为准确的定义和技术阐述。2013年的RAMI4.0版本主要论述CPS，而2019年的版本增加了对数字孪生的论述。可见工业4.0本身就包含了CPS和数字孪生。智能制造亦是如此。笔者定义：“智能制造，基于CPS技术构建‘状态感知-实时分析-自主决策-精准执行-学习提升’的数据闭环，以软件形成的数据自动流动来消除复杂系统的不确定性，在给定的时间、目标场景下，优化配置资源的一种制造范式。”该定义所涉及的各项基本要素是：智能机理：状态感知-实时分析-自主决策-精准执行-学习提升，系统按照场景而不是按照固定程序来自主工作；操作对象：数据（信息与知识的载体）；使能：软件中的算法与规则（数字化知识）；本质：数据自动流动，并因自动流动而形成信息/知识泛在；目的：消除工业复杂系统的不确定性；约束：给定时空场景；价值：优化配置制造资源。智能制造的基本要素和作用机制如图3所示。