文|龙小昂
数字化转型是当前很多组织的发力点,形式多样。数据要素则是一个重要线索。数据要素已经从国家层面正式提出来,这是一种全新的思维方式转变。每一个数据,其实都是数据要素,但这个要素一直在变换形态。从设计、研发、生产、制造、营销,一直到用户使用,它面向的群体是不一样的。因此,数字要素是有生命力和应用场景的。在数字化转型过程中,如何发挥数字要素的价值,非常值得关注。而不同的相关群体,在预测和决策方面所要求的数据要素,关系也大不相同。
数字孪生是将数据要素重新编织在一起的重要载体。在整个数据要素的变化过程中,包括设计对象数字化、运行环境数字化、运行模型数字化,同样的数据参与了不同的流程,呈现了不一样的特征。数字孪生就像是数字化的替身演员,与物理实体相比,它的试错成本会大幅度降低。人们在现场完成调试和改善的成本是巨大的,而利用数字孪生技术则可以利用模型驱动,提前虚拟试错,减少昂贵的物理实体的移动和消耗。笔者在2008 年就开始组建数字孪生的团队,为一家烟草工厂的设备零部件建立起3D 虚拟辅助维修,以解决昂贵的机器维修问题。当时一台设备的投入动辄上亿人民币,近2 万个零部件,没有三年以上的培训,工人不敢开动机器;而一旦机器有了故障,往往需要等国外工程师来修复。后来采用了将机器零部件逐一建立1:1的数字模型,然后按照机器运动轨迹,建立空间实际运动机理,并且将电路图、使用指南的知识都进行了数字化。这三者不同的数据要素重新结合在数字孪生机器里。当机器有故障的时候,维修人员就可以按图索骥,直接在屏幕上分析出故障位置,并且借助于电子手册,找到合理的维修方式。早期的数字孪生,让一台高不可攀的设备,变成可以轻松上手的寻常机器。十三年过去了,随着数字化技术的完善,数字孪生也越来越成熟。2021 年5 月27 日,国家统计局公布了《数字经济及其核心产业统计分类(2021)》(简称“统计分类”)。数字孪生首次列入其中,正式成为国家统计指标。
从数据要素到数字孪生,落地应用越来越务实,这是数字化转型的快速进步。
那么,数据源从何而来,向何而去?道理很简单,实践很繁杂。这几年的智能制造,让IT与OT两个不同方向的团队开始走向融合。但是信息化的团队尽管在绞尽脑汁研究机器如何管理,如何做设备控制模型,但实际对设备并不了解。而OT的团队则不懂编码技术,心中万千体会也无法实现软件化表达。如果这是两支团队分别行动,那么IT与OT两张皮的现象是永远存在的。后面我们用数字孪生技术最好的方法是,OT人士和IT 人士组成一个紧密的团队,并且以数字孪生为对象,将很多数据在边缘侧解决。特斯拉电动车就代表了一种很简单而先进的方式。汽车有两类芯片,一类芯片是控制车子的运行,还有一类芯片在管理现场设备。在行驶过程中,边缘侧会有自己的处理程序。如果碰到一条新路,云端没有的时候,边缘侧先形成一套路径。随后这段新路段的所有数据就会全到云上。而后下载到任何一台特斯拉的汽车,一条新路变成了所有车的老路。数据的特征描述也同样非常重要。就地处理数据就涉及到数据清洗。很多“脏”数据和不准确的数据需要剔除掉。而对于处理好的数据,由于如此之多,必须能够快速合理地设置标签,以便于后续不同场合进行调用。就地处理,实现标签认定和标识界定,就可以使得数据的去向变得非常清晰。
工业互联网平台的架构,从边缘层、PaaS,到SaaS 层来区分,这是一种视角。如果完全从另外的角度来看,也就是数据要素的架构。一个工业互联网平台里面,它的数据要素是什么?所有数据放在这里是干什么,为什么要放在这个位置,哪些数据是在Paas层,哪些是在边缘层,搞清楚这个原理了,工业互联网平台就迎刃而解了。
原来的信息化系统都是由N个不同信息化公司建立的,所有数据都是单列的,天生就是烟囱式一样的相互分离。很多数据库,如ERP 数据库、MES 数据库、大数据数据库、边缘侧的数据库,都各自为政。但是如果从场景应用出发,从数字孪生角度看,就可以把数据库做成一体化。有了被标识过的数据,无论它们来自何方,都可以按照一个数据库进行统一排队和分类。就像是用同一个数据库,将各种数据库直连,人们可以在任何时候,寻找所需要的数据模型,改变响应的指标参数。数字孪生是应用场景的虚拟化,每一个领域、每一个行业、每一个设备、每一个装备、每一个产品都是不一样的,而不一样的数字孪生的数据要素,如何变成统一?就是要靠数据标识。只有数据标识统一,才能让数据实现自动化流动,可以实现横向集成或者纵向集成。那么既有的信息化系统需要重构吗?并不需要。原有系统的数据可以看成是风筝,而这些系统自有的标准和规范,就像是风筝的拉线。任何第三方的数据(风筝)抽取以后,都可以带着“尾巴”参与业务的重新编排使用,而借助于拉线则很容易跟原有系统建立关联。在新的数字化平台上,数据是自由流动的,而且可以实现数据自动化,推动数字孪生完成规定动作。
数字孪生为场景而生。如果它无法快速复制,那么建立一个个数字孪生将是昂贵的。最好的方法就是将支撑数字孪生的数据要素,形成模型化和规则化的方式。同时要有数字孪生生产平台实现数字孪生的快速生产、调用、复制和组合。如果把数字模型、驱动模型、设计模型、管理模型全部融合成数据标签,实现自由流动,那么数字孪生将可以变得廉价。而且,它可以实现跨界面的应用。例如,原来一台人机界面只能看到某一台设备的情况,而现在数字孪生的跨界面性,可以使得一个人可以随时调出其他机器的设备运行情况,而且可以实现交互,甚至反控。
一个数字化工厂在建设过程当中,可以同步建立一个数字孪生平台。设计图纸会同时导入到数字孪生平台,二者按照1:1 的比例关系。与此同时,这些模型之间按照一定的约束关系进行重新组合。当生产线发生变化的时候,由于数字孪生带有的数据,具有逻辑可追溯性,因此很容易进行再次组合。一台机器原来放在A厂区,现在放到B厂区了。只要点击相关运行程序,A 厂区所有的数据都会全部调用过来,B 厂区的人就只需要寻找变化量进行配置,其他数据配置都是一键导入。大大降低了生产线的调试时间。五年前一个工厂的数字孪生,20 个人需要一年。而现在5 个人2 个月就能建一个数字化工厂的数字孪生空间,而且展示的面板都是不用写代码的。表面的柔性,离不开底层的支撑。在建设数字孪生平台的过程中,首先需要支持多种协议接口,强大的集成功能包括辅助决策。而数据则是多样化,包括设计数据、经营管理数据、装备铭牌数据等。除了这些静态数据之外,还要包括各种生产工艺配方、设备消耗、人员管理、日常排班等动态数据。数字孪生在建设的过程当中,它与数据要素是交融的。除此之外,每一个环节里面还需要加入控制逻辑,实现具体的业务模型驱动。只有这样,一个工厂才能从数据工厂变成模型工厂,最终走向智能工厂。
这种数字孪生平台可以实现跨产业的应用。在一个省的数字化转型项目中,它需要从“一产”一直到“三产”的全产业链联动。首先从原产地的育苗、山林、阳光等开始记录数据。随后进入复杂的制造环节,既有发酵等流程行业工序,也有高速包装这样的典型离散制造。最后进入流通环节,也可以实现消费者一码追溯。数据要素在全环节的流动过程中,层层增值,而不同形式的数字孪生则相互交融、套合,形成一套全链价值的提升。
数据要素已经独立解放出来,呈现出自己活灵活现、天马行空的风格,但有效的约束是必不可少的。而数字孪生则让数据流动变得井然有序,充分吸收不同系统的数据来形成价值合力,逐渐释放数据要素的交易性特征。从这些角度出发,数字化转型就有了坚实的基座。