智能制造下产品数字孪生体全生命周期研究

陆剑峰，夏路遥，白 欧，余 涛，李兆佳

(1.同济大学电子与信息工程学院CIMS研究中心，上海 201804；2.智能云科信息科技有限公司，上海 200082；3.企业数字化技术教育部工程研究中心，上海 201804)

0 引言

随着数据采集技术、信息技术、互联网技术的发展，制造业进入数字化时代。在数字化的背景下，制造业领域面临着新的挑战[1]。美国、德国、和中国相继提出美国智能制造领导力联盟计划、工业4.0和中国制造2025等先进制造战略。其共同目标是实现智能制造[2-5]。智能制造是指具有信息自感知、自决策、自执行等功能的先进制造过程、系统与模式。从产品整个生命周期来看，通过将数据的实时传输、基于模型的仿真和优化、大数据分析和预测等手段与制造过程的各个环节深度融合，实现对物理制造世界中实体的了解、分析和优化，以创造出能对制造业的各个方面产生积极影响的“制造智能”[6-7]。信息物理融合是智能制造的重要使能技术之一。而作为实现信息物理融合的首选手段，数字孪生得到了工业界、学术界和政府的高度重视[8]，并被应用于解决实际的工程问题。自2016年以来，全球权威的IT研究与顾问咨询公司Gartner一直将数字孪生技术作为十大战略科技发展趋势之一[9]。在此背景下，本文从数字孪生的概念及其发展出发，基于数字孪生在制造各领域全生命周期中的应用提出数字孪生体全生命周期，进一步利用产品数字孪生体全生命周期的运行机制对其进行验证阐述。

1 数字孪生概述

1.1 数字孪生概念的发展背景

数字孪生的概念雏形起源于1969年美国国家航空航天局(national aeronautics and space administration，NASA)在阿波罗项目中构建的“物理孪生体”，它反映了正在执行任务的空间飞行器的状态[10]。数字孪生的概念模型是由美国密歇根大学的Michael Grieves教授在其产品生命周期管理(product lifecycle management,PLM)课程中提出的“与物理产品等价的虚拟数字化表达”概念。该概念采用数据虚拟表达物理世界中特定装置形成数字复制品，希望以此进行真实环境、条件和状态的模拟仿真测试和分析[11]，并于2005年被称为“镜像空间模型”[12]，于2006年被称为“信息镜像模型”[13]。2011年，Grieves教授与NASA专家John Vickers共同提出数字孪生的概念，即三维模型，包括物理实体、虚体以及二者之间的连接。该三维模型一直沿用至今，同时Grieves教授认为数字孪生是在设计与执行之间形成紧闭的闭环[14]。至此，数字孪生概念初步形成。但是Grieves教授并没有对其进行具体定义，数字孪生具体定义是NASA在面向飞行器/系统撰写的空间技术路线图中呈现的。数字孪生是一种面向飞行器或系统的高度集成多科学、多物理量、多尺度、多概率的仿真模型，能够充分利用物理模型、传感器更新、运行历史等数据，在虚拟空间中完成映射，从而反映实体装备全生命周期过程[15]。此后，该概念得到国内外学者不断地补充和完善。比如国内陶飞等认为数字孪生是以数字化方式创建物理实体的虚拟模型，借助数据模拟物理实体在现实环境中的行为，通过虚实交互反馈、数据融合分析、决策迭代优化等手段，为物理实体增加或扩展新的能力[16]。同时，陶飞对Grieves提出的三维模型进行了扩展，增加了孪生数据和服务，形成数字孪生的五维模型，包括：物理实体、虚拟实体、服务、孪生数据和各组成部分间的连接[17]。

1.2 数字孪生的概念解析

上述数字孪生的概念和特征传达给研究者的是某个产品、某个流程在其生命周期中的一个具象表达，是一个包括物理实体、虚拟实体以及虚实之间的交互迭代，并最终以实体对象或行为到虚空间全要素层级映射、虚控实为目标的体系，所以称之为Digital twins(区别于Digital twin)。其实，从上述数字孪生概念的最初描述到概念模型的成型和完善，可以看出在这个体系中都是以某一物理实体对象进行孪生映射。这里的物理实体对象不仅关注其本身属性及行为规则，还关注该实体对象从产生到目前时间节点所累积的迭代信息，可以被称为面向对象的数字孪生。比如，Grieves给出更广泛的面向对象数字孪生定义，即为一组虚拟信息结构，充分描述从微观原子水平到宏观几何水平的潜在或实际物理制造产品[18]。庄存波等对产品数字孪生体的内涵进行系统阐述，提出产品数字孪生体的体系结构，并给出在产品设计、产品制造、产品服务阶段数字孪生体的实施途径[19]。陶飞等提出数字孪生车间的概念，阐述了数字孪生车间的系统组成、运行机制、特点、关键技术等[20]。

面向对象和面向过程的数字孪生演化过程如图1所示。

图1 数字孪生演化过程

通过数字孪生技术构建物理对象某一时间段的数字孪生体。该数字孪生体是虚拟空间中物理对象属性、行为规则等静态与动态数据的集成，并且与物理对象进行双向交互。这种双向交互仅限于物理实体的这一段时期。但是在客观世界中，物理对象是不断发展的，物理对象所需承载的信息不断累积并由前一阶段传递到下一阶段，其信息具有流动性、时变性、迭代性特征。因此，物理实体对象的数字孪生过程需要考虑数字孪生体在其全生命周期中一直处于动态演变状态。这个孪生过程可被称为面向过程的数字孪生，包括“以虚拟实”、“以虚映实”和“以虚控实”。同时，制造企业希望的是将广义的数字孪生技术应用于产品设计、制造与服务管理等产品全生命周期中，以提高产品研发效率和质量、降低研发成本、实现快速响应市场的目的。经上述分析，面向过程的数字孪生体是对物理对象全生命周期的全过程进行跟踪描述[21]。此时，数字孪生体成为物理对象在虚拟空间中的另一条生命线，不会随物理对象的消亡而消亡。

2 数字孪生体全生命周期

数字孪生是利用数字化技术对物理实体对象的特征、行为及性能等进行描述和建模的过程和方法，也称为数字孪生技术。而数字孪生体是指与现实世界中的物理实体完全对应和一致的虚拟模型，可实时、精准模拟和预测自身在物理空间中的行为，是一种精准映射模型。因此，可以说，数字孪生是技术、过程和方法，数字孪生体是对象、模型和数据[22]。

分析物理对象全生命周期的数字孪生体，需要将面向对象和面向过程的数字孪生相结合。从面向过程的角度出发，每一个阶段的数字孪生体都与物理实体交互，且不同阶段数字孪生体间彼此交互。从面向对象的角度出发，物理对象不断地迭代更新，其数字孪生体在生命周期中的每一个阶段都承载着上一阶段传递的信息。随着信息技术的发展，物理对象的数字孪生体逐渐聚焦于将物联网、人工智能、云计算等新一代信息技术与其每一个阶段相融合。数字孪生体作为物理对象在其生命周期中的另外一个虚拟的“生命体”，在与物理对象相对应全生命周期的每个阶段会被赋予特定的功能。

本文根据数字孪生体的特征和功能，将其生命周期分为三个阶段。第一个阶段为数字孪生体前期阶段，即数字化胚胎阶段，其功能为以虚拟实；第二个阶段为数字孪生体中期阶段，即数字化映射体阶段，其功能为以虚映实；第三个阶段为数字孪生体后期阶段，即孪生体互长阶段，其功能为以虚控实。数字孪生体全生命周期如图2所示。

图2 数字孪生体全生命周期

2.1 数字胚胎阶段

由上文分析可知，数字孪生体是物理实体对象在其生命周期中的另一个“生命体”。生命体的最初状态是胚胎，因此数字胚胎是数字孪生体的最初始状态。

数字胚胎是在物理实体对象设计阶段产生的。此时，物理实体对象不存在于物理世界中。数字胚胎先于物理实体对象出现，所以用数字胚胎去表达物理实体对象的设计意图是对物理实体进行理想化和经验化的定义。这个数字胚胎可以看作是对物理实体对象进行理性及经验性物理属性和功能属性认知后的一种虚拟表达。而这种理想化的定义和设计会一直延续存在于物理实体对象和数字孪生体的整个生命周期，在物理实体对象生命周期的下一个阶段将会被制造成物理实体。这是由虚到实的实现过程，所以数字胚胎在这一阶段的功能是“以虚拟实”，即用基于经验或上一代物理实体对象构建的虚体，去拟化将要被实现的物理实体对象，从静态表达展示物理实体对象几何信息上升到也能反映物理实体的功能和性能的动态领域[23]。同时，数字胚胎经过不断地设计修改后高度逼近真实物理实体，虽还会和未来实现的真实物理实体有差距，但也可以指导物理实体对象的实现过程。

2.2 数字化映射体阶段

数字化映射体阶段的功能主要是“以虚映实”，通过对物理实体对象的多层级数字化映射，建立面向物理实体与行为逻辑的数据驱动模型。孪生数据是数据驱动的基础，可以实现物理实体对象和数字化映射对象之间的映射，包括模型、行为逻辑、运行流程，并且这个映射模拟会根据反馈，随着物理实体的变化而自动作出相应的变化。

数字化映射体除了集中物理实体对象的几何模型和机理模型，数据是其最核心的要素。理想状态下，数字化映射可以自我感知多重的反馈源数据进行自我处理、自我存储及可视化，从而几乎实时地在数字世界里呈现物理实体的真实状况，实现全面呈现、精准表达和动态监测。而数字化映射的前提是物理实体对象实现数字化改造[24]。这些数据源于数字胚胎阶段的数据传递、物理实体、运行系统、传感器等，涵盖仿真模型、环境数据、物理对象设计数据、维护数据等，贯穿物理实体对象实时运转过程的始终。数字化映射体作为模型和数据存储平台，采集各类原始数据并将数据进行融合处理后，可通过模型定义、数据绑定、可视化等手段，动态驱动可视化对象状态变化，从而真实反映物理对象的状态和行为，实现信息纵向和横向贯通及信息流在物理空间的透明可视。

2.3 孪生体互长阶段

孪生体互长阶段是数字孪生体全生命周期最后阶段，也是数字孪生体成型和具备智能化的阶段。该阶段数字孪生体继承了前面两个阶段的数据、模型和功能，同时借助大数据挖掘、智能算法以及新一代信息技术，按照“知识模型-智慧决策-精准执行”的方式精准控制物理实体对象，以达到“以虚控实”的功能目标。

在此阶段，数字孪生体可以根据物理实体对象的运行机理和服务需求，进行机理和数据驱动建模[25]。由机理和数据演化的知识模型可以增加物理实体对象的智能性。知识模型一方面是根据现实世界中物理实体和过程的内部机制、物质流的传递机理建立起来的精确数学模型；另一方面是通过对系统釆集的大量观测数据运用模式学习和统计学等理论进行充分分析，建立系统输入变量、可观察变量以及预期输出变量之间的模型，即以数据为基础发现系统模型[26]。数字孪生体机理和数据双驱动的知识模型除了可以依赖物理实体对象的先验知识、实际经验和运行机理，也可以通过传感器的实时反馈信息历史数据进行深度学习、精确模拟及分析预测。最终实现对物理实体对象当前状态的评估、对其过去发生问题的诊断，以及对未来趋势的预测。这些都可为实体对象的指令下达、流程体系的进一步优化提供全面、精准的决策依据，大幅提升分析决策效率，实现对物理空间中实体对象的精准控制和执行。

3 智能制造中产品数字孪生体全生命周期的应用

物理产品作为实体对象在其生命周期内的演化是一个多层级、分阶段，且相互交互协同的立体反馈模型，经历概念设计、产品工艺设计、产品制造、产品使用和维护以及产品报废和回收。在智能制造的背景下，物理产品是物理域和信息域的结合体，需要完成数据收集、处理、分析、决策、预测等功能[27]。因此，通过构建能精准和完全描述物理产品的产品数字孪生体对物理产品进行全面细致的分析、决策和预测，发现物理产品在设计、制造和使用阶段的缺陷或问题，然后解决这些缺陷和问题，加速了智能产品的创新设计[28]。

从数字孪生体的起源和发展现状来看，其应用集中于物理产品的设计和运维阶段；但从上述分析的数字孪生体全生命周期来看，产品数字孪生体的作用不局限于设计和运维阶段。本文从产品数字孪生体在设计、制造和使用阶段发挥的作用来理解其全生命周期。

在物理产品设计阶段，首先需要充分理解用户的需求或意愿，需求决定产品的结构、配置、功能以及产品微小的差别[29]。而产品是由多个零件配置而成，因此需要建立用户需求与产品配置之间的关系。客户给出的需求通常是文字版本，产品在设计阶段的模型是虚拟的。这种对应关系需要在虚拟空间中进行映射。在实际的制造场景中，新一代的产品通常会根据需求在旧一代的产品上迭代改进，作为生命不会终止消亡的上一代产品数字孪生体已经在研发、制造、使用、报废阶段中迭代优化并附积了大量信息。这会给新一代产品的设计和研发提供借鉴模型。作为先于物理产品“出世”的数字胚胎也是产品生命周期数据积累的伊始和唯一模型，集成了产品的三维几何模型、产品关联属性信息、工艺信息等。同时，需要专业工艺人员根据经验知识总结和工艺理论进行工艺流程的编制，即将产品设计模型转变为制造方法及步骤和工艺参数，然后将产品数字胚胎模型和设计文档传递到制造阶段。如果产品直接进入物理生产系统进行生产，产品生产的容错度比较低，所以可以通过构建生产数字孪生系统对产品数字胚胎进行生产仿真，形成产品真实尺寸、装配参数和次品信息等反馈到产品设计阶段，对产品的设计研发进行再优化。产品数字孪生体全生命周期如图3所示。

图3 产品数字孪生体全生命周期

产品数字胚胎经过生产数字孪生系统生产仿真后，进入真实的生产制造车间进行生产。此时，生产数字孪生系统是物理生产车间的数字孪生体。生产数字孪生系统是生产过程中全部生产要素、生产流程及其逻辑关系等在虚拟空间的真实再现[22,30]。生产数字孪生系统也是遵循数字孪生体生命周期的发展过程，在产品生产制造阶段，通过传感器采集产品实时变化数据和生产实时数据，经生产系统传输到生产数字孪生系统中的数字孪生引擎[31]中进行数据处理、数据存储和数据分析。这样实现物理生产系统生产过程和生产数字孪生系统的实时映射和精准决策达到以虚控实的功能，最终交付给用户的是实例产品和唯一产品模型。此时，作为唯一模型的产品数字孪生体，经过生产系统制造完成后，已经具备和物理产品一样的实例行为。

在产品使用和运维阶段，物理产品的所有使用状态变化、组件变更信息、产品性能的退化信息都将反馈到产品数字孪生体。物理产品在进入使用服务阶段，往往随着使用时间推移和使用次数增加，会出现零组件故障、磨损或损坏的情况而去更换部分组件。而产品数字孪生体与物理产品始终保持一致，会自动响应产品的组件变更信息[21]。同时，也会根据用户平时使用产品的习惯数据去分析对哪些行为和使用状态会增加对产品的损耗，以给出用户使用建议，帮助用户更好地维护物理产品。产品数字孪生体会实时跟踪检测产品的性能参数并分析这些性能参数在物理产品使用过程中的变化规律，以便和性能退化标准进行比对，得出性能偏差指向。这样研发设计人员根据性能偏差指向在新一代产品的研发设计过程中进行改进。

4 产品数字孪生体的发展趋势

产品数字孪生体是产品的另一个特点鲜明的生命体。本章根据对产品数字孪生体全生命周期的分析并结合目前产品数字孪生体的发展现状，得出未来产品数字孪生体值得研究的问题和发展趋势，主要包括全价值链化、高度实体化和信息技术集成化。

4.1 支撑全价值链的优化。

目前，产品数字孪生体的发展已经趋向全生命周期的覆盖，从产品设计阶段到产品制造阶段到产品服务阶段都有一定程度的研究，但是产品数字孪生体全生命周期的演化过程也只是以时间为前提的生命线。正如上文所述，面向对象的产品的实现是一个在多层级演化下价值集成的过程。本文在分析面向对象的产品数字孪生体演化过程是以产品价值完成集成为前提的，并没有详细分析产品数字孪生体在价值集成的过程中充当的角色。可以预见，未来产品数字孪生体也会将向产品全价值链化方向发展，产品数字孪生体将会发展成产品全价值链的信息集成信息。这不仅仅是共享产品的信息，也是在空间上基于唯一信息模型的全价值链服务模型协同，最终形成以产品数字孪生体为唯一模型在产品全生命周期和全价值链中交互的发展模型。

4.2 虚实的深度融合化。

数字孪生体一直被定义为物理实体对象在虚拟空间中的完全映射体，但是目前无论是产品数字孪生体还是生产系统数字孪生体，都是研究人员根据实际需求进行局部建设。这是因为目前的信息技术手段不能够支持实体对象的完全信息化。但是在某些领域(比如航空航天领域的发动机)，其数字孪生体应用的成功程度取决于产品数字孪生体的逼真程度，即虚实的深度融合[19]。复杂产品系统具有多物理性、多领域性及多学科性，其数字孪生的过程将变得复杂困难(比如航空发电机需要在其内部部署千个传感器完成采集数据工作)。因此，如何将基于多物理性、多领域性的数据和模型都集成到产品数字孪生体，是建立产品数字孪生体继而发挥产品数字孪生体精确模拟、智慧决策、精准预测和控制的关键[32-33]。

4.3 新兴信息技术的集成应用。

在应用技术层面，目前实体对象的数字孪生体或系统空间并没有新兴信息技术，如虚拟现实(virtual reality,VR)、增强现实(augmented reality,AR)、移动计算等融合的很好。例如，在产品制造过程中，AR是根据服务需求获取物理空间信息并推送更有价值虚拟信息的信息通道，因此数字孪生体应该充当处理AR获取到的信息，然后进行加工的角色，再通过AR将加工好的虚拟信息推送到物理空间中。所以AR和产品数字孪生体的技术架构融合可以达到智慧决策和精准执行的目标。而通过将VR技术和移动计算基数引入到产品的设计过程和制造过程中，研发人员和生产人员将完全沉浸式的虚拟空间中实现产品设计研发阶段和虚拟产品的互动，在虚拟场景中获得物理世界中一样的感知和反馈。因此，类似于AR和VR这样的新兴信息技术与产品数字孪生体的融合以实现更高层次的虚实融合将是产品数字孪生体的发展方向之一[34-35]。

5 结论

数字孪生解决了虚实空间孤立存在的问题。数字孪生体在物体对象的全生命周期中实现数据闭环并与物理对象进行双向流动，充分挖掘、利用了物理空间全生命周期中产生的数据。本文从实体对象本身和实体对象发展过程两个维度，分析数字孪生和数字孪生体的定义，进一步给出数字孪生体全生命周期的概念和特征，最后用产品数字孪生体全生命周期诠释和映证数字孪生体全生命周期的概念。