基于CiteSpace 的数字孪生发展态势研究与分析

2023-11-02 08:29王莉陈慧叶岍
天津农学院学报 2023年4期
关键词:发文车间数字

王莉,陈慧,叶岍

(1. 天津农学院 工程技术学院,天津 300392;2. 天津齐物科技有限公司,天津 300380)

数字孪生是从概念提出到实践应用快速发展的实现物理世界与数字空间实时双向交互的新兴信息技术,最早的概念可以追溯到Grieves 教授于2003 年提出的“镜像空间模型”,局限于当时的技术和认知水平这一概念并未得到认可[1]。直到美国将数字孪生技术应用于航空航天领域[2],以此为基础数字孪生在工业领域逐渐得到重视,而且随着人工智能与数字孪生的深度融合,重点发展数字孪生成为全球新兴战略,各国竞相推出本国发展政策。例如,德国提出“工业4.0 国家战略”,将数字孪生作为重点投资;美国提出“工业互联网”,将数字孪生置于创新的战略位置;中国在“中国制造2025”的背景下于2020 年提出《数字孪生应用白皮书》,将数字孪生放在工业发展的战略层面,目前数字孪生在许多应用领域当中体现出巨大的潜力。

文献计量学运用数学、统计学和文献学等学科对研究内容进行可视化分析,揭示研究内容当前的研究热点和未来的发展趋势[3]。CiteSpace 软件由陈超美教授开发,是文献计量分析中常用的软件,该软件对研究内容的文献主题、关键词、摘要、作者及其机构进行可视化呈现,实现对研究对象的学术现状和发展趋势的预测与研究。鉴于近年来数字孪生的研究发展迅速,呈现大量科研成果,本文以2016 年以来中国知网(CNKI)收录的该领域相关论文学术成果为基础数据,利用CiteSpace 对中国数字孪生的研究现状进行计量分析,对整个研究领域总体把控和科学统计,从而为后期研究提供合理和科学的理论依据。

1 数据采集与研究方法

1.1 数据采集

本文的研究数据来自于文献覆盖率高的中国知网(CNKI),Grieves 教授于2011 年首次提出“digital twin”的概念,中文翻译存在不同版本,所以本文以“数字孪生”和“数字化双胞胎”为检索词,采用知网平台跨库高级检索,检索时间范围为2016 年1 月到2022 年4 月,对关键词进行精确检索,检索范围为总库,为确保所选论文的质量及结果科学性,对所得到的数据筛选清洗,剔除会议、报纸、图书和成果等文献,获得有效文献数目为3 153 篇(含中英文扩展版)。检索到的文献基本信息包括作者、摘要、关键词、发文机构、发文时间等,将处理后的文献以Refworks格式导出作为CiteSpace可视化软件分析的数据源。图1 是对国内发文量逐年统计并绘制的折线图。

图1 2016—2022 年数字孪生知网发文数量折线图

1.2 研究方法

以CNKI 数据库中关于数字孪生研究的文献作为基础数据来源,利用文献分析可视化软件CiteSpace,绘制作者、研究机构、关键词共现图谱,以此为基础对国内数字孪生研究的相关文献进行分析。运用CiteSpace 软件转换数据,对发文作者、发文机构、关键词绘制共现图谱并分析,根据筛选的文献CNKI 数据库时间跨度从2016 年1 月到2022 年4 月,每一年作为一个时间切片,节点类型(Node types):分别选择作者、机构、关键词,生成不同类型的知识图谱,提取节点阈值选择(Selection criteria):Top N Per Slice,各节点均选择top 50,使用剪切(Purning)联系选择路径寻找(Pathfinder)功能,生成共现图谱,并对所得到的图谱深入分析。

2 数字孪生研究发文量分析

发文量可以反映学者对数字孪生研究的重视程度,并根据逐年发文数量的变化,判断数字孪生的发展程度。CiteSpace 可视化软件中对“关键词”和“作者”进行共现分析,并绘制关键词作者时间线图谱。图2 分析得出学者在某个时间发表文章所包含的关键词。从发文数量折线图中可看出国内相关研究发文量呈上升趋势,尤其是2018 年之后,发文量呈直线上升。根据逐年发文量趋势可将整个研究时期分为两个阶段:

图2 关键词、作者时间线图谱

(1)第一阶段(2016—2018 年)起步阶段,该阶段研究的人较少,研究成果也相应比较少,陶飞等[4]基于数字孪生技术,提出数字孪生车间的概念来解决制造中物理世界和信息世界之间的交互问题,并阐述数字孪生车间的系统组成、运行机制、特点、关键技术等。同年,陶飞等[5]设计了数字孪生车间的参考架构,为企业搭建数字孪生车间提供理论支撑,此参考架构以前期对数字孪生车间的研究为基础,并从数字孪生车间主要系统组成角度出发,对物理车间异构要素融合、虚拟车间多维模型融合、车间物理—信息数据融合、车间服务/应用融合等关键问题进行研究分析。

(2)第二阶段(2019—2022 年)发展阶段,该阶段学者对数字孪生的研究更加深入,陶飞等[6]提出数字孪生五维模型的概念,并探讨了数字孪生五维模型在航空卫星领域、交通运输领域、电力领域、智能制造领域、医疗领域和智慧城市领域的应用思路与方案。2019 年学者、标准委员会及企业共同建立由数字孪生基础共性标准、关键技术标准、工具/平台标准、测评标准、安全标准、行业应用标准为主的数字孪生标准体系架构,为数字孪生落地应用提供指导[7]。此阶段学者对数字孪生的应用展开研究,其中数字孪生在智能制造领域的应用占了相当大的比重,如智能装备[8]、智能仓库[9]和智能车间[10]等都运用了数字孪生技术;数字孪生在交通运输行业的应用也发挥巨大作用,例如,航空航天[11]、铁路[12]和船舶[13]和智慧管网[14];智慧图书馆[15]、智慧城市[16]等民生项目也逐渐与数字孪生技术相结合。

3 数字孪生研究作者与机构分析

数字孪生的发展与学者、研究团队和机构有着密不可分的关系,对作者、机构进行共现分析,根据作者、机构合作集群和发文数量统计可反映数字孪生研究进展。

3.1 高产作者分析

根据表1 作者发文量统计,鲍劲松、江海凡和丁国富发文21 篇,刘世民发文20 篇,张旭辉和刘检华发文17 篇,刘占省发文16 篇。统计显示发文量7 篇及7 篇以上的学者共有24 人,发文总量323 篇,约占数据库中总发文量的11.2%,这表明在数字孪生研究进程中作者集中度高,高产作者形成研究的核心群体发挥重要作用,对研究贡献大。

3.2 作者合作分析

作者共现分析图中的节点数量与大小代表了核心作者群体共现频次,线条数量与粗细反映了作者合作关系与合作强度[17]。如图3 所示,共有274 个节点,324 条连线,网络密度为0.008 7,说明各学者之间已形成部分合作关系。从作者共现图谱来看,目前已形成几个合作团体,分别是由江海凡、丁国富和樊孟杰形成的研究团体,由刘世民、鲍劲松和郑晓虎组成的研究团体,由陶飞、戚庆林和程江峰组成的研究团体,由张育雄、陈才和高艳丽组成的研究团体,由刘检华、庄存波和刘晓军组成的研究团体。根据图谱中连线的数量可得出研究团队内部合作强度较大,团队间的合作较少,呈小集中、大分散的状态,即数字孪生研究已形成几个核心研究团队,但各团队间由于研究内容不同,导致联系强度低。

(3)TK-NCC01型钻具回次进尺长度可达2 m,在保证较高岩心采取率的同时提高了钻进取心效率,能有效的控制钻井成本,取得较好的经济效益。

图3 作者共现图谱

3.3 机构合作分析

发文机构一般包括高校、研究所和企业等机构,节点类型为机构,TOPN=50,阈值设置中设定3 个time slices 的值,第一个的c,cc,ccv 分别为2、2、20;另两个设为4、3、20。图4 为文献发文机构合作图谱,该图谱中N=216,E=115,即有216 个发文机构且机构之间存在共现关系的数量为115,表明我国数字孪生研究中机构存在一定的合作关系。从图4 可见,南京理工大学机械工程学院和东南大学机械工程学院之间有合作关系,中国矿业大学(北京)智慧矿山与机器人研究院和中国矿业大学(北京)机电与信息工程学院之间有合作关系,西安科技大学机械工程学院和陕西省矿山机电装备智能监测重点实验室合作,中国工程院和北京航空航天大学合作,中国石油大学(北京)机械与储运工程学院和中国石油大学(北京)管道技术与安全研究中心合作,由此得出存在同院校、同地域研究,同地域院校和研究机构联合起来形成共同研究的模式,形成同院校、同地域研究合力。北京航空航天大学自动化科学与电气工程学院、北京航空航天大学机械工程及自动化学院、北京理工大学机械与车辆学院、山东大学机械工程学院、机械工程第六设计研究院有限公司、东华大学机械工程学院智能制造研究所、上海交通大学机械与动力工程学院之间的合作关系体现了跨地域、跨院校、跨机构类型的研究模式,跨北京、上海和山东等地院校、研究所以及企业,具有优势互补,突出特色,合理分工等优点。从机构共现图谱来看,研究所和院校是研究的主力,企业对数字孪生的研究仅仅占一小部分。

图4 机构共现图谱

表2对部分企业的发文数量进行统计,其中,发文最多的为中通服咨询设计研究院有限公司,发文数量为11,易盼软件(上海)有限公司发文7 篇,阿里研究院和常德烟草机械责任有限公司各发文5 篇,发文超过3 篇的企业为16 家,发文总量为66 篇,占总发文数的2%。中通服咨询设计研究院有限公司是国家发改委认定的国家企业技术中心,致力于智慧城市的建设,将数字孪生概念引入智慧城市的研究领域,机构间的合作也仅停留在企业之间,研究内容为基于数字孪生的智慧城市顶层设计,未进入深入研究阶段[18]。易盼软件(上海)有限公司与威图电子机械技术(上海)有限公司合作对智能数字化赋能电器集成进行研究[19]。企业发文数量占比极少,而且企业的合作对象一般为企业,缺乏对技术的系统深入研究,导致数字孪生运用到生产实际中困难重重,造成研究成果落地难的问题。东南大学、南京理工大学和上海航天设备制造总厂有限公司针对车间内复杂场景下的目标检测问题,提出自适应车间人员识别网络,用以增强车间人员的检测效果[20],为未来数字孪生车间的构建奠定基础。中国矿业大学、北京矿冶科技集团有限公司、山东科学院激光研究所山东省光纤传感器重点实验室和北京邮电大学共同以数字孪生技术为核心打造智慧矿山,建立少人化或无人化矿山生产模式[21],为智慧矿山的发展奠定基础。由此看来,高校、研究所和企业合作研究更具有深度。系统深入地研究为数字孪生在不同领域的发展不仅提供理论支撑还具有现实意义。数字孪生在国家建设中要发挥更大的作用,离不开企业的推动,院校和研究所是研究数字孪生的基础,企业是数字孪生发展的重要推力,应该促进三者之间的合作。

表2 部分企业发文数

4 数字孪生研究热点分析

关键词共现图谱中,不同阶段出现的高频词汇反映当时的研究热点与学术前沿。利用CiteSpace 绘制数字孪生文献关键词共现分析图谱,如图5 所示,中文文献中与“数字孪生”相关的研究热点主要包括智能制造、信息物理系统、数字转型、工业物联网、数字孪生车间等。国外与数字孪生相关的热点包括“machine learning(机器学习)”“industry 4.0(工业 4.0)”“artificial intelligence(人工智能)”“internet of thing(物联网)”“cyber-physical system(信息物理系统)”“big data(大数据)”“deep learning(深度学习)”和“smart manufacturing(智能制造)”等。综上分析,国内对于数字孪生的研究更倾向应用领域的研究,将数字孪生广泛应用于智能制造领域,通过发展数字孪生车间提高收益,而国外以工业4.0 为契机,与机器学习、云计算、大数据、深度学习等人工智能深度融合,应用于工业制造等领域,目前已经延伸到各行各业,比如,农业[22-23]、运输业[24]和制药业[25]等,基于此,国内对数字孪生的应用研究应扩大应用领域。

图5 关键词共现图谱

目前,国内数字孪生构建的研究热点主要集中在数字孪生技术在制造车间的应用、数字孪生与人工智能算法在实时预测的应用、基于数字孪生技术的数字化转型研究等3个方面的相关研究。

4.1 数字孪生技术在制造车间的应用

当前,制造业正进行新一轮的产业变革,制造设备在生产制造过程中扮演基础的角色,为了实现制造企业研发制造设备的效率目标,数字孪生将制造的设备和过程在数字空间中仿真。数字孪生贯穿于产品研发的全周期,在制造过程中数字孪生应用于设计、生产过程和车间转型。产品设计时,数字孪生在虚拟世界创建仿真模型,模拟现实条件在虚拟环境中仿真运行,在投入生产之前就排查问题,从而优化设计。生产过程中,运用数字孪生对产品的装配流程仿真模拟,合理安排装配过程,使效率最大化,节省生产成本。基于产品设计和生产过程的数字孪生,从而对整个制造车间及工厂应用数字孪生,实现工厂的数字化转型,对原料、工人、制造过程、维护等合理优化。

关于数字孪生车间的建设,陶飞等[5]基于对数字孪生技术的研究提出了数字孪生车间的概念和参考系统架构,从中可以了解物理实体、虚拟空间、物理信息数据融合等相关内容。吴鹏兴等[26]提出了一种基于数字孪生的离散制造车间可视化实时监控方法。首先搭建了基于数字孪生的离散制造车间可视化实时监控方法体系架构,明确了其关键实现流程,其次分别围绕四个关键技术:基于AutomationML 与OPC-UA 的数据建模及传输方法、事件驱动的虚实映射方法、基于复杂事件处理的车间逻辑建模方法、信息可视化及推送,详细阐述了该可视化实时监控的实现方法,解决了针对离散制造车间实时监控困难、调控能力差、管理不透明等问题。

4.2 数字孪生与人工智能算法在实时预测的应用

人工智能(Artificial intelligence)是研究使计算机来模拟人的某些思维过程和智能行为的学科[27]。数字孪生技术与人工智能算法深度融合,发展势头迅猛,促进了物理空间与虚拟空间的实时交互融合,得以在信息化平台进行更加真实的数字化模拟,并且实现在实时预测的广泛应用。数字孪生系统与机器学习框架学习紧密结合,从而数字孪生系统可根据大量反馈的数据进行自我学习,从而高效、实时地在虚拟世界呈现物理实体的真实状态,并且还能够有效地对未来发生的状况进行预测和分析演示。数字孪生系统的自我学习功能不仅仅可以依靠传感器的反馈信息,也可直接通过历史数据,或是集成网络的方式进行数据学习,经过不断的自我学习与更新迭代,模拟精确度和信息交互速度将大幅提升。

数字孪生技术是实现数字化预测的关键,进而实现物理空间和信息空间的实时映射、预测以及分析反馈等功能。在故障预测方面的应用,数字孪生驱动的离心泵机组故障诊断基于数字孪生映射模型和深度学习模型调整实现故障实时预测[28]。基于数字孪生的系统预测性维护也具有广泛的研究前景,可以提高系统的安全性和可靠性、降低维修成本,数字孪生技术可以在不确定性的环境下进行多元信息融合,实现系统动态运行更精准地描述预测。将数字孪生技术引入船舶预测性维护,基于数据驱动模式来实现维护目标[29]。未来,数字孪生和机器学习相结合还拓展应用到农业领域,实现水质污染的预测预警[30]。

4.3 基于数字孪生技术的数字化转型研究

数字孪生系统让企业基于动态地组织数字孪生和系统复合数字孪生模型,整合企业运营产生的多样化数据,为当前和未来的企业架构和技术架构构建数字模型,展现实时状态,让数字化企业的管理者、设计者和运营者能够掌握企业当前的数字化全景,规划未来数字化蓝图,制定数字化转型路线图,确保数字化转型顺利进行,保障数字化系统的健康运行[31]。数字孪生对各个行业的数字化转型起到了重要的作用。

电力装备行业数字孪生技术是电力装备行业数字化转型的关键技术[34]。为此分析了电力装备行业数字化转型的研究现状,并提出了电力装备数字孪生通用架构,结合行业的发展情况推出与仿真建模方面相关的从一维到多维再到多场景多维度的建模技术。根据产业链不同环节的特点描述了数字孪生技术在智能设计、智能制造、供应链动态管理及运维管理等方面的典型应用场景。

油气行业目前面临一系列挑战,在数字孪生的基础上通过搭建云应用体系的方式,实现企业数字化转型,进而实现油气企业的业务智能化和提高行业生态影响力[35]。

5 数字孪生研究趋势分析

数字孪生领域的研究趋势可根据突现词分析得到。突现词是指在某一领域内突然出现并且受到研究人员高度关注的词,通过对突现词的研究,可以更好地把握行业研究热点的历史变化,也能更好地观察到研究前沿与热点[36]。图谱中Year 表示关键词出现的年份,Strength 代表关键词的突现强度,Begin 表示关键词开始突现的年份,End 表示关键词突现结束的年份,深色色块代表关键词突现持续的时间段。如图6 所示,突现词较多的年份为2017 年(6 个)、2018 年(7 个),说明这两年是数字孪生研究领域的热点突变期,这两年数字孪生在国内处于起步阶段,各领域学者从数字孪生的不同角度展开研究,形成研究热潮。

从未来发展趋势的角度看,工业物联网、智能工厂、信息物理系统、数字孪生模型和智能经济是数字孪生后续的研究热点。突现词的突现终止时间为2022 年,继续对其深入研究的可能性极大。从突现时长来看,工业物联网的突现时长最长,从2016 年开始到2022 年结束总计7 年。其次是智能工厂和信息物理系统,从2018 年开始到2022 年结束总计5 年,表明这三个关键词在数字孪生的研究中占据举足轻重的地位。工业物联网、智能工厂和信息物理系统三者之间存在密不可分的联系,陆剑峰等[37]提出工业互联网支持下的数字孪生车间就体现了三者之间的联系,工业物联网可以实现万物互联,利用工业互联网来实现智慧工厂物理车间和虚拟车间的实时数据互动。目前对智慧工厂的研究只在理论方面进行完善,随着数字孪生技术在工厂中的运用,智能工厂的实际应用是未来的研究趋势。数字孪生模型也是未来研究的一个热点,数字孪生模型构建是实现数字孪生落地应用的前提,建模作为数字孪生的关键技术,是完成数字孪生功能的基础,目前在构建数字孪生模型中缺乏通用的准则和理论体系参考,有待进一步研究,而且数字孪生模型在故障预测[38]、管道运输[39]和工业供热系统[40]等方面的应用也有深入研究的趋势。智能经济也是数字孪生发展的目标,5G 实现了从数字经济向智能经济的赋能。我国高度重视智能经济的发展,产业数字化升级战略正在推进中,引导智能经济与实体经济深度融合,促进经济高质量发展。

6 讨论与结论

本文梳理CNKI数据库中近7年来我国数字孪生研究文献,进行知识图谱分析,解读该领域的研究热点与发展态势,为未来我国学者对数字孪生综合性研究提供了借鉴。具体结论如下:

(1)我国数字孪生研究主要经历了起步(2016—2018 年)和发展(2019—2022 年)两个阶段;主要研究团队呈小集中、大分散的状态,即已形成几个核心研究团队,院校、研究所合作较多,缺乏与企业的合作,应进一步加强三者的联动,使数字孪生的研究从概念层面进入应用层面。

(2)数字孪生技术在制造车间的应用、数字孪生与人工智能算法在实时预测的应用和基于数字孪生技术的数字化转型研究是热点研究领域。工业4.0 的核心理念是信息物理系统,即数字世界和物理世界的深度融合。从技术角度看,数字孪生最能反映CPS 的理念,因此数字孪生是新一代智能制造的关键。

(3)数字孪生未来的研究趋势是在工业物联网和信息物理系统的基础上实现智能工厂,智能经济和数字孪生模型也是未来研究的热点,在政府的引导下,智能经济飞速发展,数字孪生作为实现智能经济的重要技术,会有更深入的研究。数字孪生模型是数字孪生至关重要的一个步骤,数字孪生未来的发展趋势是根据物理实体反馈的信息数据实时更新模型状态,达到与物理对象的状态保持一致。

我国对数字孪生的相关研究处于快速发展阶段,发文量大幅度增长。随着对数字孪生的深入研究,积累了一定的理论基础,但仍需正视我国数字孪生研究正处于初期发展水平,仍需学者与企业从业人员共同努力。主要集中在以下几个方面:

(1)从目前的研究参与者来看,各研究团队间研究内容差异大,各研究团队之间的联系不强,需加强不同研究团队之间的联系,强化数字孪生研究的应用领域广泛的特点,在学科交叉融合的过程中探索新的研究方向与热点。

(2)从研究领域的发展来看,目前关于数字孪生的研究发文机构以高校和研究院为主,企业发文占比极少,说明研究热点落地困难,如智能工厂和数字化转型的研究更多在表述计划和期望,如何落实方面有欠缺,需要进一步完善方法体系和应用体系。

(3)在目前的研究中数字孪生的应用重点集中在虚拟实体和物理实体的信息交互,忽略了虚拟模型真实性有待加强,由于人类的认知水平、技术水平以及基础设施的限制,数字孪生中所建立的虚拟模型并不能完全保证真实可信。在数字孪生技术的应用与发展过程中,建立一个高保真的数字孪生模型,并使其能够最大程度反映物理实体世界的真实特性,依然任重道远。

(4)相较于目前针对数字孪生的文献计量研究[41-43],选用知网数据库作为研究数据来源,更加直观反映中国目前关于数字孪生的相关研究,聚焦中国国情和中国特色为中国工业领域发展做出贡献,从机构间的合作关系分析得出后续的发展建议。然而,也存在一定不足,未能全面分析发表刊物,对跨学科、多学科的交叉融合方面研究不充分。

猜你喜欢
发文车间数字
100MW光伏车间自动化改造方案设计
10条具体举措! 山东发文做好返乡留乡农民工就地就近就业
招工啦
校园拾趣
爷孙趣事
答数字
以牙还牙
“扶贫车间”拔穷根
把农业搬进车间
数字看G20