《数字孪生是服装智能制造的底座》

东华大学教授     闻力生

上世界六十年代，美国宇航局（简称NASA）实施阿波罗计划（Apollo program）,这个计划的目的是实现载人登月飞行和人对月球的实地考察。NASA在阿波罗计划工程中成功的实践之后，在2010年发布的Area 11技术路线图中首次提出了数字孪生（Digital Twins）的概念。

其定义为：“一个数字孪生，是一种集成化了的多种物理量、多种空间尺度的运载工具或系统的仿真，该仿真使用了当前最为有效的物理模型、传感器数据的更新、飞行的历史等等，来镜像出其对应的飞行当中孪生对象的生存状态。”

2002年美国密歇根大学Michael Grieves教授在为PLM（产品生命周期管理）中心成立而向工业界发表演讲而制作的幻灯片中，首次提出了PLM概念模型，模型中出现了现实空间，虚拟空间，从现实空间到虚拟空间的数据流，从虚拟空间到现实空间的信息流，以及虚拟子空间的表述, 见图一。

全球最具权威的IT研究与顾问咨询公司Gartner在2019年十大战略科技发展趋势中将数字孪生作为重要技术之一，其对数字孪生的描述为：数字孪生是现实世界实体或系统的数字化体现。

图一  数字孪生最初概念模型及其术语

我国觅图咨询CIMdata推荐的定义是：“数字孪生（即数字克隆）：是基于物理实体的系统描述，可以实现对跨越整个系统可生命周期可信来源的数据、模型和信息进行创建、管理和应用。”

我国北航陶飞教授定义:数字孪生作为实现虚实之间双向映射、动态交互、实时连接的关键途径，可将物理实体和系统的属性、结构、状态、性能、功能和行为映射到虚拟世界，形成高保真的动态多维／多尺度／多物理量模型，为观察物理世界、认识物理世界、理解物理世界、控制物理世界、改造物理世界提供了一种有效手段。

我国2019年的《数字孪生体技术白皮书（2019）》中，给出的数字孪生体定义：数字孪生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过性能和状态优化和指令发送来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。

2020年我国工信部标准化院发布的《数字孪生应用白皮书》中的定义是：数字孪生是以数字化方式创建物理实体的虚拟实体，借助历史数据、实时数据、以及算法模型等，模拟、验证、预测、控制物理实体全生命周期过程的技术手段。

可见以上对数字孪生存在多种不同认识和理解，目前尚未形成统一共识的定义,但从这些定义中我们认可我国工信部标准化院所给出的定义,它比较确切、全面和容易理解。

数字孪生系统总体架构见图二,该架构是2020年我国工信部标准化院所给出的,可以指导数字孪生体的建设与实施。 

图二   数字孪生系统总体架构

由图可见, 总体架构分数字孪生体系框架与物理对象两个部分,上部分是数字孪生体系框架，下部是物理对象。物理对象在此图中用于表达数字孪生世界与物理世界的关系，它不是数字孪生体框架的要素。数字孪生体系架构包含以下要素：数字建模、测量与控制、模拟仿真、数据分析、数字资产和人机交互等等。

作为制造业,把数字孪生系统架构说得明白一点可以这样说,见图三。图二中的物理对象就是我们通常所说的现实世界或称物理世界(或物理空间),在这里可以理解为是产品、设备、生产线、物料、人等构成的企业物理世界,而数字孪生体系框架部分可以理解为通过建模、仿真、数据分析等技术建成数字孪生的虚拟世界(或称赛博物理空间),两个世界由网络连接,进行实时数据的映射和反馈控制,进而达到现实世界企业的优化。

来源:先进制造业   图三   数字孪生系统组成

1)数字孪生的关键技术

面向制造业的数字孪生的关键技术包括:

建模、仿真、物联网，大数据、人工智能、云计算，数字线索、边缘计算、虚拟现实（VR/AR/MR）、MES、GIS、CAD、CAE、CAM、工业控制、区块链等,见图四。

图四  数字孪生的关键技术

从这些技术看, 数字孪生关键技术其中大部分都和新信息技术(NewIT)相关,见图五。

NewIT 对数字孪生的实现和落地应用起到了重要的支撑作用,例如：物联网能通过有线或无线网络为孪生数据的实时、可靠、高效传输提供帮助；VR技术利用计算机图形学、细节渲染、动态环境建模等实现虚拟模型对物理实体属性、行为、规则等方面层次细节的可视化动态逼真显示；

AR与MR技术则利用实时数据采集，场景捕捉，实时跟踪及注册等实现虚拟模型与物理实体在时空上的同步与融合，通过虚拟模型补充增强物理实体在检测、验证及引导等方面的功能；边缘计算技术可将部分从物理世界采集到的数据在边缘侧进行实时过滤、规约与处理，从而实现了用户本地的即时决策、快速响应与及时执行；系统级和复杂系统级数字孪生则需要更大的计算与存储能力,云计算能按需使用与分布式共享的模式,可使数字孪生在使用庞大的云计算资源与数据中心时，动态地满足数字孪生的不同计算、存储与运行需求；

大数据能够从数字孪生高速产生的海量数据中提取更多有价值的信息，以解释和预测现实事件的结果和过程；区块链可对数字孪生的安全性提供可靠保证，可确保孪生数据不可篡改、全程留痕、可跟踪、可追溯等；人工智能能通过智能匹配最佳算法，可在无需数据专家的参与下，自动执行数据准备、分析、融合对孪生数据进行深度知识挖掘，从而生成各类型服务等。 

来源: 两化融合服务联盟    图五 数字孪生与NewIT的关系

数字孪生应用的前提是各个环节的模型及大量的数据，那么类似于产品的设计、制造、运维等各方面的数据，如何产生、交换和流转？如何在一些相对独立的系统之间实现数据的无缝流动？这些正是数字线索要解决的问题。所以数字线索技术也是数字孪生的关键技术之一,理解了数字线索才能更深刻的理解数字孪生。所谓数字线索有时也叫数字线程、数字纽带、数字主线等, CIMdata曾经这样定义过数字线索：“数字线索指一种信息交互的框架，能够打通原来多个竖井式的业务视角，连通设备全生命周期数据的互联数据流和集成视图”。

可见数字线索能把不同生命周期的数字孪生给串接了起来，形成数据的自动流动,所以说数字线索是穿梭于现实物理世界与数字虚拟世界之间的桥梁,见图六。 

来源:先进制造业   图六  数字线索

2)数字孪生的典型特征与理想特征

数字孪生具有以下典型特征：

①互操作性--数字孪生中的物理对象和数字空间能够双向映射,动态交互和实时连接,因此数字孪生具备以多样的数字模型映射物理实体的能力,具有能够在不同数字模型之间转换、合并和建立表达的等同性；

②可扩展性--数字孪生技术具备集成、添加和替换数字模型的能力,能够针对多尺度、多物理、多层级的模型内容进行扩展；

③实时性--数字孪生技术要求数字化,即以一种计算机可识别和处理的方式管理数据以对随时间轴变化的物理实体进行表征。表征的对象包括外观、状态、属性、内在机理,形成物理实体实时状态的数字虚体映射；

④保真性--数字孪生的保真性指描述数字虚体模型和物理实体之间的接近性。要求虚体和实体不仅要保持几何结构的高度仿真,在状态、相态和时态上也要仿真；

⑤闭环性--数字孪生中的数字虚体,用于描述物理实体的可视化模型和内在机理,以便于对物理实体的状态数据、进行监视、分析推理、优化工艺参数和运行参数,实行决策功能,即赋予数字虚体和物理实体一个大脑。因此数字孪生具有闭环性。

对数字孪生的认识与实践离不开具体对象、具体应用与具体需求,例如一个产品、一台设备、一条产线、一个车间等它们在不同阶段的数字孪生会呈现出不同的特点，这就要求我们从应用和解决实际问题出发，应用过程中不一定要求所建立的“数字孪生”具备所有的“理想特征”，只要能满足用户需要即可。见表一,基于各种视角看待数字孪生所表现出来的理想特征,它是值得我们在应用时参考的。

表一  基于不同认识的数字孪生理想特征

来源: 两化融合服务联盟

智能制造领域应用的数字孪生技术,其核心技术是信息物理融合生产系统（CyberPhysical Production System－CPPS），如图七所示。信息物理融合生产系统是信息物理系统（CPS）在生产领域的应用，是一种多维度的智能技术体系。信息物理融合生产系统以大数据、人工智能、网络和云计算为依托，通过智能感知、分析、预测、优化、协同等技术手段，使计算、通信和控制三者有机融合与协作。将所获取的信息与对象的物理性能表征相结合，形成虚拟空间与实体空间深度融合、实时交互、互相耦合、及时更新，在网络空间中构建实体的虚拟镜像。通过自感知、自记忆、自认知、自决策、自重构的运算和分析，实现生产系统的数字化、智能化和网络化。

来源: 智能制造IM   图七  数字孪生与智能制造

基于数字孪生的智能制造系统是预测型智能制造系统。大家知道,智能制造的困扰是设备和装置的失效，随着时间推移，设备会磨损，性能会衰退，最终导致故障和停机。

预测型智能制造通过掌握设备实际的状态，不是在故障发生后去抢修，或过早地将可继续用的部件进行不必要更换，而是采用计划性维修，从而降低维修费用和生产成本。知道设备什么时候可能失效，就能够合理地安排维修计划，实现“准时”维修，最大限度地提高设备的可用性和延长其正常运行时间，提升工厂运营效率。

将设备衰退模式和实时状态评估与加工过程控制结合起来，实现在设备或系统性能随时间变化的情况下，保证产品质量的稳定，迈向无忧虑的放心智能制造。

中国从“信息化带动工业化，工业化促进信息化”，到两化融合和两化深度融合，再到“中国制造 2025”的“融合演进”的制造强国发展战略，都期望通过信息物理融合来实现智能制造。

数字孪生既是构建CPS系统的基础，也是智能制造的一种使能技术。可以说没有数字孪生，就没有CPS，也就没有智能制造。数字孪生是未来智能制造生产的“底座”，在智能制造实践中将大有可为。

Gartner曾经携手树根互联发布了工业互联网行业白皮书《如何利用数字孪生帮助企业创造价值》（以下简称《白皮书》）,在《白皮书》中预测，数字孪生将会是未来企业实现转型与创造价值的重要驱动力。到2021年，半数的大型制造业将使用数字孪生，从而使这些企业的效率提高10%。到2024年，超过25%的全新数字孪生将作为新loT业务应用的功能被采用。

数字孪生技术受到我们如此重视，是因为它能推进数字孪生技术在实践服装智能制造工厂中直接应用。数字孪生技术也是服装智能工厂实践的重要的组成部分。

我们利用数字孪生技术来实现服装智能制造途径是这样进行的,从对实体服装加工设备(即设备实体)的数字虚拟化(即建仿真模型)开始,随着人工智能、大数据、云计算等NEWIT技术的不断发展与应用，数字孪生将逐步由设备数字虚拟化向产线数字虚拟化、向车间数字虚拟化、向工厂数字虚拟化发展。

在这些物理实体数字虚拟化过程中要通过反复的模拟计算，自主生成数据资源库，并利用深度学习等人工智能技术，逐步实现数字孪生对于实体设备、产线流程的自适应、自决策。当生产需求、业务场景发生新变化时，通过数字孪生是对物理实体的虚实映射,互联互通,(指实时数据信息上传与下达),见图八,生产流程就能够完成自适应的智能化调整，进而实现真正意义上的服装智能工厂。

图八 数字孪生技术的智能制造概念规划

图八中设备实物(物理实体世界)可以是我们服装加工用的各种设备、产线、车间、工厂；而仿真模型(数字虚拟世界)是对设备、产线、车间、工厂的3D数字化虚拟体。图九是对我们服装智能制造常用的机器人设备的数字孪生系统,这个系统是对机器人设备进行预测性健康维护,其原理见图十；不问是设备还是产线、还是工厂,他们对数字孪生技术的应用原理是一样的,只是在层级和价值上有所区别,所以在此就不再赘述。

来源: Engineering 2021  图九 机器人数字孪生系统

 来源: 先进制造业  图十 设备健康数字孪生系统

数字孪生服装车间运行机制见图十一；服装工厂数字孪生概念模型见图十二；数字孪生服装立体仓库见图十三。

来源: 智造苑  图十一 数字孪生服装车间运行机制

  图十二 服装工厂数字孪生概念

来源: 智造苑   图十三  数字孪生服装立体仓库

中国机械工程学会在2020年进行的市场研究表明：随着企业学习如何使用数字孪生来提高生产率和降低成本，数字孪生会越来越受欢迎。到2025年，多达89％的物联网平台将包含数字孪生；到2027年，数字孪生将成为IoT平台的标准功能；各个行业中将近36％的高管在了解数字孪生技术之后，其中有50%的人到2028年会在企业业务中使用数字孪生,我们服装制造业当然不会落后。

2022年5月于上海