基于可视化物联网的公立医院固定资产数字孪生监控平台研究

谢晓蓉，金 轶，沈程鹏，潘明慧

（1.上海中医药大学附属曙光医院，上海 201203；2.上海康德莱国际商贸有限公司，上海 201803）

随着公立医院信息化和智慧化建设步伐的加快，公立医院主流应用的基于电子标签集群的固定资产管控平台在工程实践中日益凸显出资产属性动态变化实时感知失效[1]、多维因素约束下设备互联与数字集成失衡、较长周期内故障自主预测机制缺失等诸多不足，开发融合新兴技术的新型固定资产管控平台具有重要的工程及学术价值[2]。构建了基于可视化物联网的公立医院固定资产数字孪生监控平台，利用可视化物联网仿真建模技术，建立了固定资产物理实体对应的虚拟镜像孪生模型[3]，高保真可视化还原了公立医院固定资产实时属性变动轨迹情况。在虚拟镜像孪生模型中引入融合事件驱动的虚实映射技术，构建了基于固定资产数字孪生随动系统的全要素、全流程、全感知的组织结构和运行逻辑，利用深度卷积神经网络DCNN对数字孪生随动系统进行特征辨识[4]，实现时间正序下的固定资产可视化实时自主监控。开展了平台工程应用实践验证，多维度验证了平台的可行性及优越性。

1 固定资产数字孪生监控平台体系架构

把固定资产数字孪生监控平台完整生命周期运维逻辑进行目标导向下的任务分解，着重关注数据感知及高效传输、融合事件驱动的虚实映射、基于DCNN 的固定资产可视化实时自主监控等3 个耦合子架构，构建了公立医院固定资产数字孪生监控平台体系架构，具体如图1 所示。其中，数据感知及高效传输子架构主要完成固定资产数字孪生随动系统基础数据的感知及高效传输工作，把固定资产物理实体的物理和逻辑组件建模为数据对象，利用分布式物联网节点集群实现数据对象高效传输；融合事件驱动的虚实映射子架构主要建立高度动态场景下固定资产物理实体数据模型与孪生模型之间的映射规则[5]，把现实空间下数据模型的动态变化映射为虚拟空间下的孪生模型时间与空间变化，实现物理实体数据模型与虚拟镜像孪生模型属性始终保持一致；基于DCNN 的固定资产可视化实时自主监控子架构主要实现对镜像孪生模型异常属性自主识别，通过对数字孪生随动系统进行特征辨识，实现时间正序下的固定资产可视化实时自主监控，形成良性的闭环反馈机制，从根本上提高固定资产实时管控平台的推理与决策水平。

图1 固定资产数字孪生监控平台体系架构示意图

2 固定资产数字孪生监控平台关键技术

2.1 数据感知及高效传输关键技术

数据感知及高效传输关键技术为固定资产数字孪生监控平台提供底层数据驱动来源，一方面解决固定资产物理实体中的实体模型及属性模型的全景信息感知，为数字孪生下的信息模型提供虚拟镜像依据；另一方面提供固定资产物理实体与虚拟镜像之间的高效数据耦合交互通道。固定资产物理实体模型及属性模型具有显著的多源异构与大数据属性，属于连续动态空间下的复杂数据感知及组织问题[6]，引入工业4.0 组件中的资产建模语言AutomationML实现实体模型及属性模型的全景感知，引入工业4.0组件中的高效通信协议OPC UA 实现固定资产物理实体与虚拟镜像的双向实时数据耦合交互[7]。考虑到一般性及高效性，把资产物理实体组件要素划分为物理、属性两类，利用AutomationML 语言建立形式化描述下的数据对象模型，则有：

其中，采用PES表征固定资产物理实体，采用CEij表征物理组件要素集合，包括资产名称、资产编号、资产状态、资产隶属、维保信息、预留扩展字段等。采用CPij表征属性组件要素集合，包括原始成本、预计净残值、使用年限、监管人员、变更情况、预留扩展字段等。组件要素之间具有耦合的层次关系[8]，建立组件属性集，用SXij表征，包括组件机械属性、电气属性、结构属性、拓扑属性、几何属性、运动属性、逻辑属性等。对SXij、CEij、CPij进行二级形式化描述[9]，则物理组件、属性组件要素及组件属性集表征如下：

在固定资产物理实体实际运行时借助分布式物联网实时采集多源异构数据，通过AutomationML 进行数据格式交换，按照式（2）～（4）进行层次数据描述，构建实例、接口、角色、单元等角度的统一数据模型。其中，单元数据模型涵盖单位、部门、资产等层级，由可重构的组件模板构成，角色数据模型涵盖接口属性规则，接口数据模型涵盖常规的接口规则，实例数据模型通过调用单元和角色数据模型[10]，使角色库实例化，最终使用内部元素对固定资产物理实体系统中的物理实体组件进行建模。在实例层次建立基于OPC UA 通信协议的数据耦合交互服务端，在角色库层次建立基于OPC UA 通信协议的数据耦合交互客户端，利用中间格式XML 对统一数据模型进行抽象暂存，利用OPC UA 通信协议实现固定资产物理实体与虚拟镜像的双向实时数据耦合交互，通过AutomationML 语言及OPC UA 通信协议可以有效解决多源异构数据集成问题，很好地将物理、属性两类组件要素有机耦合，全景还原固定资产物理实体实际所处状态。

2.2 融合事件驱动的虚实映射关键技术

通过层次数据描述构建了统一的数据模型，可以较好地随动还原固定资产物理实体实际所处状态。通过OPC UA 通信协议实现固定资产物理实体与虚拟镜像的双向数据耦合交互，在数据模型层次全景还原固定资产物理实体资源向虚拟镜像孪生模型转变的全过程。由于数据模型具有较强的开放扩展性，数据模型层次描述不断丰富，需要在虚拟镜像端实时随动孪生模型，实现物理实体数据模型与虚拟镜像孪生模型始终保持一致[11]。引入融合事件驱动的虚实映射关键技术把物理实体的状态属性变化以时间或者空间敏感的形式映射为虚拟空间中孪生模型的随动变化，物理实体数据模型的丰富变化通过模型实时属性与虚实映射规则自主映射至孪生虚拟空间，具体如图2 所示，详细实现流程如下：

图2 融合事件驱动的虚实映射关键技术逻辑示意图

1）动态几何模型设计：数据模型层对应的动态几何模型是孪生虚拟空间的基本开始形式，利用纹理映射技术实现精确几何建模，首先建立物理实体模型对应的粗略几何轮廓，作为纹理映射的基础素材；然后确定物理实体表面的纹理属性，将物理实体表面上各点所对应的纹理值作为动态几何模型中的相应参数进行光强度计算[12]，绘制精细几何模型；最后利用父子节点关系实现几何模型动态随动，父子节点相互耦合变化的规则：父节点变化一定引起子节点变化，子节点变化一定不会引起父节点变化。

2）事件驱动下的虚实映射：把事件驱动变更划分为固定资产物理变更数据驱动和属性变更数据驱动，当固定资产物理变更时，触发映射规则调整机制，对实时数据进行调整，通过OPC UA 通信协议上传数据模型的最新实时属性[13]。当固定资产属性变更时，触发映射规则调整机制，分级对映射规则进行选取，对实时数据进行调整，通过OPC UA 通信协议上传数据模型的最新实时属性。

3）随动孪生模型的生成：基于OPC UA 通信协议服务端上传的双向耦合数据，在OPC UA 通信协议客户端对耦合数据进行提取与深度分析，对上文生成的动态几何模型进行约束项生成，添加几何属性值、数据接口逻辑关系、模型与数据的对应关系等，实现实体模型与孪生模型的初步融合，利用闭环反馈机制实现孪生模型的自优化。

2.3 基于DCNN的固定资产自主监控关键技术

借助OPC UA 通信协议服务端提取的固定资产数字孪生物理状态变量组，构建具有显著多源异构属性的固定资产数字孪生端异常监控特征数据池，利用深度卷积神经网络DCNN 对数字孪生随动系统进行特征辨识，实现时间正序下的固定资产可视化实时自主监控。不失一般性，固定资产异常监测算法视为策略μ的序列函数，定义Q函数表征为在采用确定性策略μ下选择动作的奖励期望值[14]，为了保证算法迭代收敛速度跨数量级提升，引入面向固定资产数字孪生端自主监控的经验缓冲机制，从经验缓冲因子池中随机采样Mini-batch 数据组，自主生成固定资产异常监测物理映射信息框架并标记，则固定资产异常监测物理映射自生成机制表征为式（5）：

基于式（5）的融合共享效应，多重Q网络中的参数θQ具有较好的自主进化性能，借助Qμ(s,μ(s))利用μ策略在s状态选取动作所获取的回报期望值，自主生成固定资产异常监测物理映射信息框架并标记[15]，可以较好地实现大数据量级多源异常监测数据物理映射自生成，又因为是在连续空间内，所以期望可用积分求解，则有：

利用式（6）给出的多重Q网络自主进化机制，把面向公立医院固定资产数字孪生自主监控问题视为连续动态变动场景下的自主感知与决策问题，则公立医院固定资产数字孪生自主监控机制表征为式（7）：

以2020 年01 月-2020 年12 月期间上海中医药大学附属曙光医院固定资产管控数据构建仿真数据集，选取仿真数据集中的8 200 例数据作为算法的前置训练集，选取仿真数据集中的6 200 例数据作为算法的后置测试集，引入常用目标优化算法作为对照，利用Python 语言编程实现，在PyCharm 集成环境下进行图形化仿真，仿真结果如图3 所示。固定资产数字孪生自主监控问题属于连续动作空间下的感知与决策问题，引入16 层深度信念神经网络框架并利用缓冲池机制改善深度确定性策略梯度算法的感知收敛迟滞问题。设置Target-action Value 神经网络以及Action Value 神经网络实现固定资产异常监测及评估，利用Target-action Value 神经网络中输入当前状态s可以输出NextQ值，将当前的状态s输入Action value 神经网络中获得evalQ值，实现固定资产可视化实时自主监控。

图3 基于DCNN的固定资产自主监控关键技术性能仿真图

3 固定资产数字孪生监控平台应用验证

数字孪生随动系统属于固定资产物理实体的三维可视高保真镜像，通过内置双向数据耦合交互机制全景复现固定资产物理实体全要素和全流程的组织结构和运行逻辑，实现数字孪生虚拟镜像与固定资产物理实体在状态监控推理决策层面保持动态一致。依据图3 传达的显著对比信息，基于可视化物联网的公立医院固定资产数字孪生监控平台在实现固定资产可视化实时自主监控有效率等层面的实际监控效能有较大幅度改善，初步实现了固定资产复杂逻辑状态准确感知及属性状态可视化实时自主监控，具有资产属性动态变化实时感知、多维因素约束下设备互联与数字集成均衡、较长周期内故障自主预测机制较可靠等优势。为了验证文中所提固定资产数字孪生监控平台在一线工程应用下的实际效能，以上海中医药大学附属曙光医院为验证载体，对模型进行了工程应用实践验证，应用验证布置逻辑图如图4 所示。资产实体数据层主要提供几何模型实时属性数据等，从数据源头保证数字孪生虚拟镜像与资产实体运行属性动态一致；资产可视化实时自主监控层借助OPC UA通信协议服务端实现资产物理级、属性级数据流与控制流集成，构建面向固定资产可视自主监控的全要素全流程关联匹配机制[16]，利用机器学习算法对耦合交互数据进行深度分析，借助深度卷积神经网络DCNN 框架实现时间正序下的固定资产可视化实时自主监控；可视化人机交互层实现友好的双向人机交互，具备固定资产属性状态实况可视化推送、固定资产物理实体高保真虚实映射、固定资产物理实体数据及控制流全息展示等功能，支持固定资产高保真数字孪生虚拟镜像的实时呈现。

图4 固定资产数字孪生监控平台应用验证布置逻辑图

进一步从定量层面对比分析固定资产数字孪生监控平台的工程化应用效能，选取上海中医药大学附属曙光医院为效能评价载体，以上海中医药大学附属曙光医院国有资产管理部正在应用的紫兴科技医院资产综合追溯监管系统为对照系统，选取上海中医药大学附属曙光医院大型医疗设备监管为效能对比原始数据来源，从固定资产单位周期审计成本比值（SJ）、固定资产单位周期效益产出比值（CH）、固定资产可视化实时自主监控有效率（YX）等方面进行定量分析，围绕固定资产数字孪生监控平台验证平台工程化应用人机交互友好性（YH）、数据集成实时有效性（SH）、动态异常信息互联推送（TS）等方面进行定性分析，具体如表1 所示。通过表1 从定性和定量两个层面分析得出，该文所提固定资产数字孪生监控平台较好改善了基于电子标签集群的公立医院固定资产管控平台在工程实践中日益凸显的诸多不足，在固定资产审计成本、效益产出、故障预测等层面具有显著定量化优势。

表1 固定资产数字孪生监控平台应用验证对比表

4 结论

针对基于电子标签集群的固定资产管控平台在工程实践中日益凸显的资产属性动态变化实时感知失效等诸多不足，构建了基于可视化物联网的公立医院固定资产数字孪生监控平台，从体系架构、关键技术、应用验证等层面完整给出了平台实现要素，为加快融合新兴技术的新型固定资产管控平台实际落地应用进行了阶段性的实践。采用软件进程接口扩展的方式搭建了公立医院固定资产数字孪生监控平台工程应用实践效能分析验证环境，开展了固定资产数字孪生监控平台典型应用环境下的效能仿真验证，从理论上验证了平台实现要素的可行性及优越性。系统进行了平台工程实践应用验证，从定性和定量两个角度验证了平台的有效性，平台在固定资产审计成本、效益产出、故障预测等层面具有显著定量化优势，平台满足大中型公立医院固定资产管控智慧化改造需求，大幅度优化了公立医院固定资产可视化实时自主监控机制。