工业环境中的数字孪生：最先进的技术

admin管理员组

文章数量:1536061

Digital Twin in Industry: State-of-the-Art

• 第四次工业革命下的技术背景
• DT的概念与发展史
• • DT的历史
• DT在工业环境中的发展现况
• • DT的建模与仿真
  • 数据融合
  • 互动和合作
  • 服务
• 工业应用
• • 产品生命周期中的DTs
  • DT专利
• DT的领衔工业应用
• 发展趋势的预估
• • `PHM:最流行的应用领域`
  • `建模:DT的核心需求`
  • `网络物理融合:DT应用的难点`

摘要
数字孪生(DT)是实现智能制造和工业4.0最具前景的赋能技术之一。DTs的特点是网络和物理空间之间的无缝集成。DTs的重要性越来越受到学术界和产业界的重视。DT的概念从最初提出到现在已经过去了将近15年。到目前为止，许多DT应用已经成功地应用于不同的行业，包括产品设计、生产、预测和健康管理，以及其他一些领域。但目前还没有一篇论文对DT技术在工业上的应用进行综述。为了更好地了解DT在工业上的发展和应用，本文从DT的关键组成、DT的发展现状以及DT在工业上的主要应用等方面对DT的研究现状进行了全面的综述。本文还概述了当前的挑战和未来工作的一些可能的方向

第四次工业革命下的技术背景

智能制造是工业4.0和工业互联网等所有重大制造举措共同的战略重点之一。传感器和数据传输技术在产品的设计、制造、流通、维护、回收等生命周期的不同阶段收集数据。大数据分析可以充分利用数据发现故障原因，优化供应链，优化产品性能，提高生产效率。智能制造的关键挑战之一是连接物理空间和虚拟空间仿真的快速发展，数据采集、数据通信和其他先进技术引发了比以往任何时候都更大的交互，在物理空间和虚拟空间之间。以网络物理一体化为特征的数字双胞胎(digital twin, DT)的重要性日益受到学术界和产业界的重视。DTs和大数据分析是基于智能制造的相辅相成的技术。DTs可以在整个产品生命周期中整合物理和虚拟数据，从而产生大量数据，可以通过高级分析进行处理。然后，分析结果可以用于提高产品/工艺在物理空间中的性能。本文综述了DTs在工业中的应用现状。
DTs正被应用于越来越多的不同行业领域。在过去的几年中，关于DTs的出版物和专利的增加证明了这一点。DTs使制造商能够做出更准确的预测、更理性的决策和更明智的计划。Tao等人提出了DT技术在产品设计、生产计划、装配、车间人机交互等领域的14种潜在应用。DTs可以为网络物理制造系统提供关于真实情况和运行状态的信息。这些信息可以增强制造系统在分析评估、预测诊断和性能优化方面的智能。因此，DTs可以被视为智能制造范式的重要驱动力。此外，DTs可以在模拟中触发下一波。到目前为止，仿真的发展经历了三个阶段:1)基于专用工具的特定设备的仿真;2)基于标准工具的通用设备仿真;3)多层面多学科模拟。DTs的出现为整个产品生命周期的实时仿真提供了令人兴奋的可能性
尽管DT的研究越来越受欢迎，但没有人致力于回顾DT在工业中的应用。DTs的概念最早于2003年年提出，本文涵盖了2003年1月至2018年4月发表的所有相关期刊和会议文章。

表1从检索条件、检索字符串和论文选择过程等方面总结了评审方法。为了进一步提高可靠性，三位检索人员分别对上述数据库进行了三次独立检索。然后，三位研究人员比较并整理了他们的发现。结果，最初发现了100多篇论文。接下来，作者根据每篇论文的摘要、引言和结论的内容，评估了每篇论文与研究主题(即DTs在工业中的应用)的相关性。例如，虽然某些论文包含数字的关键字或者双胞胎，他们不必要地指的是整个数字双胞胎。因此，这类论文被排除在进一步审查之外。这样，共纳入50篇论文。以类似的方式发现了8项专利。作者通读了所有收录的论文和专利，总结他们的共同点和独特的主张。
完整性是评审工作的优先级。我们遵循了一个迭代过程来生成一个完整的关键字列表。高引用的文章被用来建立一个最初的关键词列表。然后，当关键词列表在相应的研究领域找不到更多的相关文章时，根据搜索过程向列表中添加新的关键词。多数据库检索，增加数据源的多样性。这些关键词都是由网络物理系统、智能制造、制造服务领域的专家们提炼出来的，有助于减少偏差。
本文从ProQuest、ScienceDirect、Scopus、谷歌Scholar、IEEE Xplore和谷歌Patent等网站收集了8项专利、50篇文章和6家领先公司的最佳实践，旨在汇集不同视角来回答以下5个研究问题。

1. DT是什么?
2. DTs的发展现状是什么?
3. 哪些工业领域最适用于DTs?
4. 如何实施DTs?
5. 部署DTs的主要挑战是什么?本文的其余部分组织如下。

DT的概念与发展史

DT的第一次出现可以追溯到2003年，当时Grieves在他的产品生命周期管理课程中首次引入了这个概念。虽然这个概念在当时还不够具体，但DT的初步形式被提出包括三部分:实体产品、虚拟产品以及它们之间的联系。自那时起，DTs的使能技术经历了指数级增长。2012年,DTs的概念被重新审视国家航空和宇宙航行局(NASA),它定义了DT的物理模型,多尺度,概率,ultrafidelity模拟反映,及时,相应的状态双基于历史数据,实时传感器数据和物理模型。DTs成为一个热门的研究课题。Gabor et al.认为DT是一种特殊的仿真，基于专家知识和从现有系统中收集的真实数据构建，在不同的时空尺度上实现更精确的仿真。根据Maurer的说法，DT是一种可以描述生产过程和产品性能的数字表示。从那时起，DTs的含义变得越来越具体，产生了一些特殊的概念，如机身数字孪生(ADT)和实验数字双胞胎(EDT)。
对于DTs有不同的理解。一些研究人员认为DT的研究应该侧重于模拟。也有一部分人认为DT包含三个维度:物理部分、虚拟部分和连接部分。

图1给出了基本框架，通过交换数据和信息的连接部分将虚拟空间映射到物理空间。在DT的三维模型的基础上，Tao等人提出一个完整的DT应该包括五个维度:物理部分、虚拟部分、连接、数据和服务。

框架如图2所示，其中PE 代表物理实体;VE代表虚拟实体;S代表PE和VE的服务;DD表示DT数据;， CN表示不同部分的连接。这五个方面对DTs同样重要。物理部分是构建虚拟部分的基础。虚拟部分支持物理部分的模拟、决策和控制。数据是DTs的中心，因为它是创造新知识的前提。此外，DTs带来了新的服务，可以提高工程系统的便利性、可靠性和生产力。最后，连接部分连接物理部分、虚拟部分、数据和服务。

DT的历史

DTs的发展历史比较短，这在很大程度上是由于其发展初期的技术局限性。DTs的理论发展经历了形成、孵化和成长三个阶段。DTs的首次出现可以追溯到2003年Grieves的演讲，这被认为是DTs的起源。这一时期发表的文章很少。因此，它被划分为形成阶段。从2003年到2011年，通信技术、物联网(IoT)、传感器技术、大数据分析和仿真技术的快速发展推动了DTs的兴起。2011年，第一篇期刊文章发表，阐述了DTs在预测飞机结构寿命方面的作用。2012年，NASA正式确定了DTs的定义，并展望了其在航天工业中的前景。从此，DT君的研究投入了越来越多的精力。因此，这一时期被视为潜伏期。2014年，第一篇白皮书发表，体现了DTs从一个概念想法到无数实际应用的成长。DTs将适用于航空航天以外的许多不同行业的发现进一步促进了其发展。在2017年和2018年，Gartner将DTs列为未来十年最具前景的十大技术趋势之一。

图3为2011年以来关于DT的会议和期刊论文数量，反映了DT的发展历史。最初，这个概念是在2003年提出的。从2003年到2011年，技术基础还远远不够成熟，无法支持实际可行的DTs的开发。另一方面，云计算、大数据、物联网和传感器技术也在快速发展。也就是说，DT研究的复兴是由其他领域的技术进步所引发的。此外，DTs的重要性在当时被低估，主要原因是缺乏对DTs如何影响(如果不是彻底改变的话)工业应用的长期愿景。由于上述原因，从2003年到2011年，关于DT的文章很少。2012年，NASA展示了DTs的优越性，并给出了更具体的定义。从那时起，越来越多的DT应用出现了。如图3所示，DTs的研究越来越受到学术界的关注。从目前的发展势头来看，预计在未来3 - 5年内，DTs的研究和应用将迎来另一个高峰。因此，有观点认为DT研究现在进入了快速增长期。

DT在工业环境中的发展现况

DTs的理论基础来自不同的学科，如信息科学、生产工程、数据科学和计算机科学。以下是最相关的理论综述，分为以下四个部分:DT建模、仿真、有效性验证和认证(VV&A);数据融合;交互和协作和服务。
DT建模包括物理建模、虚拟建模、连接建模、数据建模和服务建模。物理建模的理论对于提取、定义和描述物理实体的关键特征是有用的。虚拟建模理论有助于建立一个物理实体的虚拟表示，它将描述虚拟空间中的相同特征和行为。虚拟模型应该是物理模型的镜像。连接建模理论对于维护物理模型、虚拟模型、数据模型和服务模型之间的固定连接非常有用。典型的连接模型包括数据传输、数据格式转换、数据源保护等。数据建模理论对数据定义、操作过程定义(如安全检查)、数据存储等都很有用。通过数据建模，将数据按照一定的标准和逻辑进行存储，便于数据的处理。服务建模理论对服务的识别、分析和升级很有用。仿真理论对于在仿真环境中的运行分析(例如，结构强度分析和动力学分析)是有用的。VV&A可以通过检查模型错误、算法错误和硬件错误来验证虚拟模型的准确性，并提供一个置信度。
数据融合包括三个过程:数据预处理、数据挖掘和数据优化。首先，DT必须处理大量的数据，包括物理数据、虚拟数据以及它们之间的融合数据。因此，需要对数据进行预处理，包括数据清洗、数据转换和数据过滤。再通过模糊集、基于规则的推理、智能算法和其他先进的数据分析方法来挖掘分层数据。
数据优化理论可用于处理物理数据、虚拟数据、连接数据、业务数据和数据融合的迭代，发现数据演化规律。
所有DT部件必须相互交互和协作，以解决复杂的问题。DTs涉及三种交互和协作:物理物理、虚拟虚拟和虚拟物理。通过物理交互和协作，多个物理实体可以相互通信、协调和协作，完成任何单个设备无法完成的复杂任务。通过虚拟的交互与协作，可以将多个虚拟模型连接起来，形成一个信息共享的网络。通过虚拟物理的交互与协作，虚拟模型可以与物理对象同步优化，而物理对象则可以根据虚拟模型的直接指令进行动态调整。
服务相关理论包括服务封装、服务匹配与搜索、服务质量(QoS)建模与评估、服务优化与集成、容错管理等。服务封装使DTs能够通过使用统一的信息模板或接口调用不同的功能。服务匹配和搜索使DTs能够根据客户需求选择合适的服务。QoS建模与评估包括量化评估算法和动态更新技术，使DTs能够对服务质量进行评估。服务优化对于选择最好的服务很有用。业务容错管理包括故障检测、故障判断和容错管理方法。基于服务理论，DTs可以为客户规定最适合的服务，如维护。

DT的建模与仿真

DT建模与仿真是在实际中实现DT的基础。对建模框架、方法和技术的先前研究总结如下。要建立一个物理物体的数字模型，它需要有关几何形状和材料属性的信息。Emuakpor等人将无损材料测定技术、水置换法和迭代里兹法用于DT测量材料性质。通过对镍合金的实验验证了该方法的有效性。Majumdar等人基于多物理模型对协同材料的行为进行了研究，并将其作为建立DT模型的基础。
不同的研究人员提出了不同的建模架构。Schroeder等人提出了一种新的DT建模体系结构，该体系结构包括5层(即设备层、用户界面层、web服务层、查询层和数据存储库层)来管理DT数据。他们还开发了一个增强现实系统来显示实时信息。Schroeder等人也提出了一种DT数据建模方法，通过AutomationML在异构系统之间交换数据。该方法包括三个建模阶段:创建模型、定义模型和开发信息系统。Yun等人提出了一种用于大型DT平台的建模体系结构，包括分布式合作框架和通信机制。
一些研究人员研究了构建DTs的工作流程。Moreno等人使用一台商业冲孔机来展示如何建立DT模型的一步一步的过程。该过程包括以下5个步骤:三维(3- D)建模、行为提取、冲床与运动元素之间的交互建模、操作建模和仿真。Haag和Anderl认为DT是物理对象的数字表示。他们建立了一个弯曲试验台的DT，以及一些具体的物理实体、数字实体和连接的建模方法。DebRoy等人提出了DT在3d打印机上的一些应用，如传热模型、凝固模型、性能预测、残余应力模型和变形模型。
应该对DT模型进行适当的评估，以确保其反映物理现实和虚拟现实的准确性。因此，Smarslok等人提出了一个误差量化和置信度评估的框架，包括一组度量DT模型保真度的指标。

数据融合

数据融合是另一个关键的使能技术，因为DTs必须处理从各种渠道收集的海量数据，如机器、物理环境、虚拟空间、历史数据库等。Tao等人研究了车间DT的数据融合，涉及物理设备、虚拟模型、数据和服务等数据。他们还建议了一些数据融合的实现技术，包括数据生成、建模、清理、聚类、挖掘和演化。
为了实现数据融合，需要对海量数据进行降维处理。Ricks等人提出了一种DTs的降阶技术，并将其应用于高保真的细胞广义方法中，以提高数据处理的效率。数据集成是另一个关键挑战。Cai等人开发了一种集成传感器数据和制造数据的方法，作为建立立式铣床DT的基础，其中传感器数据用于监测加工操作和预测表面粗糙度。
虽然关于数据融合的研究很多，但是在DTs背景下进行的研究却很少。因此，将数据融合与DT建模相结合是一个很有前途的方向。

互动和合作

目前，关于DTs的相互作用和协作的研究很少，只有两篇论文。Rosen等人认为，DTs可以用来使生产系统对物理空间的动态变化不断做出反应。因为虚拟空间可以收集物理空间中的所有可用数据，如系统传感器数据、表面属性等。同时，仿真可以用来验证虚拟空间中的操作程序。因此，生产单元可以根据仿真结果自动执行订单。Vachalek等人认为，基于虚拟空间和物理空间之间的持续互动，DTs可以更快地响应制造过程中的意外变化。

服务

数据驱动的DT可以加强结构监测、寿命预测、及时维护等服务。最重要的是，DTs可以根据信息提出服务建议。Seshadri和Krishnamurthy利用导波响应进行实时预测。他们集成了传感器数据、输入数据和虚拟数据来描述物理对象，并诊断损伤大小、位置和其他故障信息。Cai等人利用传感器和制造过程的融合数据来监测机器运行并预测表面粗糙度。Bielefeldt等人提出了一种检测疲劳裂纹的无损评估(NDE)方法。对飞机机翼的实例分析表明，该方法能有效地减少计算量。Bazilevs等人开发了DT框架来预测疲劳损伤，将物理数据和传感器数据集成在一起，以提高预测精度。通过对风机叶片的实例分析，验证了该框架的有效性。DTs与服务的融合是一个有前景的研究方向。DTs不仅可以启用新服务，而且还可以通过DTs提供的新数据增强现有服务。服务搜索与匹配、QoS建模与评估、服务优化等问题都是未来dt驱动服务化的研究方向。

工业应用

本节总结了通过出版物、专利和领先公司的最佳实践报道的DTs的工业应用。

产品生命周期中的DTs

DTs的工业应用集中在设计、生产、预测和健康管理(PHM)等领域，在这些领域，DTs比传统解决方案显示出优越性。图4说明了出版物的分布情况。

1). 产品设计中的DTs: DTs可用于以更快速、高效和知情的方式设计新产品。
DTs对产品设计很有用。Zhuang等人对DTs在产品设计中的应用进行了探索，并提出了一些相关的理论和工具来实现面向设计的DTs。Canedo认为DTs是管理工业物联网的一种新方式。他们认为，加入DTs的数据反馈可以显著改善产品设计。
设计和生产可以通过DTs同步。Yu等人提出了一种新的DT模型来管理三维产品配置。他们认为DTs在设计中的应用可以加强设计与制造之间的合作。Tao等人提出了一个DT驱动的设计框架，因为大多数设计决策都是在预期空间、解释空间和外部空间之间没有充分互动的情况下做出的。他们在不同的设计阶段(如产品规划、概念设计和详细设计)设想了一些潜在的DT应用。Schleich等人提出了一种新的DT模型来管理几何变化。他们认为，DT使设计师能够在产品的早期阶段就评估产品的质量。Zhang等人提出了一种基于dt的生产线设计方法。以玻璃生产线为例，验证了该方法的有效性。

2） 生产中的DT： DTs可以使生产过程更加可靠、灵活和可预测。相关应用概述如下。
最重要的是，DTs可以可视化和更新实时状态，这对监控生产过程很有用。Weyer等人预测，DTs代表了下一代的模拟。因此，DTs在开发先进的网络物理生产系统中起着至关重要的作用。他们认为，由于DTs可以同步物理空间和虚拟空间，人类操作人员可以依赖DTs来监控复杂的生产过程，及时做出调整，并优化过程。
DTs可以根据实际情况和模拟情况对生产操作进行调整。Rosen等人讨论了DTs在生产操作中的应用。由于DTs可以集成各种数据(例如，环境数据、操作数据和流程数据)，因此自治系统即使在正在进行的操作期间也可以响应状态变化。Bielefeldt等将形状记忆合金、感觉粒子和有限元分析技术相结合，对商用飞机机翼的结构损伤进行检测、监测和分析。
DTs有助于生产设施的数字化和模式的转变。Brenner和Hummel调查了在欧洲商学院(ESB)物流学习工厂实现DT的硬件和软件需求，以实现人、机器和产品之间的顺畅交互。Tao和Zhang开发了一个车间的DT，包括实体车间、虚拟车间、车间服务系统和生产数据。此外，他们还展望了DTs如何服务于智能制造。Ameri和Sabbagh描述了数字工厂，即物理工厂的DT，是如何从能力提取、供应链和数字化过程方面发展起来的。
DTs可以促进生产优化。Konstantinov等人讨论了如何适应现有的工具来实现DTs，并应用vueOne(一套虚拟工程工具)来优化磁铁插入过程。Uhlemann等人报道，与价值流图相比，DTs在生产优化方面具有一定的优势。Soderberg等人以钣金装配站为例，讨论了DT技术在预生产和生产阶段实时几何保证中的应用。Vachalek等人专注于DT驱动的生产线优化。将计算机模拟与物理系统相结合，可以减少材料浪费，延长机器寿命。
DTs还可以促进控制。Uhlemann等人提出了一种在生产系统中实现DTs的数据采集方法。通过这种方式，实现了实时有效的生产控制。Schluse等人引入了EDT，实现了虚拟空间和物理空间之间的紧密集成，增强了仿真技术。他们还认为EDT是基于仿真的系统工程、优化和控制的使能器。

3） 健康管理中的DT
目前，大多数DT应用都与PHM有关。DTs首次应用于飞机的PHM。Tuegel等人通过多物理建模、多尺度损伤建模、结构有限元模型(FEM)与损伤模型集成、不确定性量化和高分辨率结构分析等方法，将DT应用于飞机结构寿命预测。他们报告说，DT可以促进飞机使用寿命的管理。Tuegel还提出了一个新的概念，即ADT，以保持机体，减少不确定性，提高鲁棒性。此外，他们提出了实现ADT的一些技术挑战，如如何分配初始条件，集成不同的模型，减少不确定性等。Li等建立了基于动态贝叶斯网络的DT模型来监测飞机机翼的运行状态。建立了概率模型来代替确定性物理模型。以飞机机翼前缘为例，采用DT模型对其进行诊断和预后。Zakrajsek和Mall建立了DT模型来预测轮胎触地磨损和失效概率。DT模型在预测下沉速率、偏航角和速度变化的失效概率方面比传统模型有很多优势。Glaessgen和Stargel指出，美国空军使用的传统方法不足以满足实时监测和准确预测的需求。因此，他们要求新的DTs能够整合历史数据、车队数据和传感器数据。此外，他们总结了DTs的一些特性(如超高保真模型、高计算和数据处理能力、车辆健康管理系统)以及PHM的好处(如提高可靠性、及时评估任务参数)。DTs在PHM中的应用并不局限于飞机。Gabor等人开发了一种基于仿真的DT模型来预测网络物理系统的行为。该模型有四个层次:物理必要性、机器环境界面、即时反应和计划反应。Knapp等人将DT技术应用于增材制造过程中，用于预测冷却速率、温度梯度、显微硬度、速度分布和凝固参数。结果表明，与水平集方法和热传导模型相比，该方法对冷却速率和熔化速率的预测更为准确。
DTs在PHM中的应用并不局限于飞机。Gabor等人开发了一种基于仿真的DT模型来预测网络物理系统的行为。该模型有四个层次:物理必要性、机器环境界面、即时反应和计划反应。Knapp等人将DT技术应用于增材制造过程中，用于预测冷却速率、温度梯度、显微硬度、速度分布和凝固参数。结果表明，与水平集方法和热传导模型相比，该方法对冷却速率和熔化速率的预测更为准确。
与传统的PHM相比，dt驱动的PHM具有许多优点。Hochhalter等人将DT与感官材料相结合，克服了传统方法过于依赖经验数据的缺点，因此对不确定性的响应较低。一个非标准标本的案例研究表明，DT可以更准确地预测修复和替换。Reifsnider和Majumdar在多物理模拟的基础上建立了高保真DT模型，实现了无损伤起始的故障诊断。此外，该方法对裂缝发育具有较高的敏感性，因此对PHM很有用。Cerrone等人提出了制造几何模型来预测裂纹路径。建立了试件DT模型来处理剪切荷载作用下裂纹路径的模糊性，从而使预测更加准确。
此外，一些研究人员还在PHM中开展了与DT相关的其他工作。Tao等人研究了DTs在产品使用和维护中的应用。他们规定了9个原则，以提高维修效率，减少维修故障。Tao等人也探索了dt驱动的PHM的潜在应用。Gockel等人利用FEM和计算流体动力学(CFD)模型建立了飞机结构的DT。他们认为DT可以降低成本和提高可靠性，这是美国空军的两大重点。

4） 其他领域的DT
除了前面提到的在设计、生产和PHM中的应用之外，DT偶尔也会应用在其他领域。Schluse和Rossmann引入了EDT的概念，将DT和虚拟测试床集成在一起。EDT可以用于简化开发过程，并进行详细的模拟。Schluse等人认为EDT可以降低模拟的复杂性，增加驾驶员辅助系统的灵活性。Alam和Saddik提出了DT模型来描述基于云的网络物理系统。该模型在基于远程驾驶辅助系统的推荐中被证明是有效的

DT专利

通用电气(General Electric)拥有四项与DTs直接相关的专利。其中两项与风力发电厂有关。GE发明了一个风电场的DT，其中包括两个通信网络。第一个网络连接风电场中风力涡轮机的控制系统。第二个网络在云端连接风力涡轮机的数字模型。数字模型根据第一个网络收集的数据不断更新。该系统可以通过传感器监测风力涡轮机的运行状态，并通过数字模型控制其运行。此外，GE还开发了DT接口，可以同时管理多个数字模型。所提议的界面具有图形用户界面来显示风电场的数字镜像。该界面包括一个控制图标，其中包含关于每个风力涡轮机的最新运行状况的信息，以及一些可以(重新)配置以优化风电场性能的控制功能。此外，本专利还介绍了一些风电场DT开发的新方法，以及基于DT进行运行状态评估的新方法。Shah等人将DT应用于基于健康评分和模拟运行的电力系统冷却系统的控制。
Hershey等人发明了一种装置来实现孪生物理系统的DT。孪生系统采用传感器采集指定参数的数据。安装一个计算机处理器，接收来自传感器的数据，监测系统状况，并评估系统的剩余寿命。这样，评估就可以更加自动化和准确。
西门子还拥有四项DT相关专利，专注于人机界面、DT实现方法、能源高效资产维护、碰撞检测。
西门子发明了人机编程接口(HPI)，使机器能够与人交互，并解释人的行为。目前，自动化系统大多缺乏关注人在自动化环境中的重要作用。HPI可以用来生成人的DT值，并将其引入到一个自主系统中。因此，自主系统可以变得更加智能。
Johnson发明了一个创建房间DT的系统流程，通过扫描获取点云数据，建立数字模型，并将模型与房间内相应的物体进行匹配。这项专利对建立数字工厂也很有用。
Song和Canedo将DT应用于能源高效资产维护。利用DT从产品生命周期中收集结构化数据，通过仿真提高产品质量和维修效率。
Krautwurm发明了一种基于dt的方法来避免分布式自主生产系统中的碰撞。

DT的领衔工业应用

除上述专利外，一些领先企业还将DTs应用于航天工程、电网、汽车制造、石油工业、医疗保健等多个领域。
西门子将DTs应用于电力系统和污水处理厂。它为芬兰的一个电力系统的规划、运行和维护开发了DT，显著提高了自动化、数据利用和决策。西门子还开发了污水处理厂的DT，可以实时监测管道，节约能源，提前预测故障趋势
GE证明了DT技术可以改变风电场开发、运营和维护的模式。与没有DTs的传统模式相比，新模式可以提高20%的操作效率。GE还开发了建立DT风电场的硬件和软件。此外，GE还将DT应用于机车、医疗等其他领域。应用DT技术对机车的设计、配置、编制、运行等全生命周期进行跟踪。特别是由于可以实时获取各个部件的状态，可以及时优化机车的运行。GE医疗将DT应用于医院病床规划和工作分配方面，简化了医院的运营
英国石油公司(BP)应用DT技术来应对偏远地区油气设施的监测和维护挑战。例如，英国石油公司(BP)就部署了DT来提高阿拉斯加油田勘探和生产设备的可靠性
空客的目标是通过基于dt的解决方案实现工厂的数字化。开发流水线DT监控生产过程，优化操作效率
系统,应用程序,数据处理产品公司(SAP SE)认为，采用DT驱动的PHM服务可以避免一些海底设备的故障。例如，数字检查比任何物理检查都更具成本效益。DT可以模拟实际情况，并预测其未来的发展趋势。从而提高了设备的安全性
国际商业机器公司将DT应用于自动车辆，分析发动机转速、油压和其他关键参数。这样，不仅可以有效地防止故障，而且可以开发出更高效的发动机

发展趋势的预估

基于对50篇论文、8项专利和行业领导者的最佳实践的全面审查，本文获得了一些观察结果，并提出了一些建议。

PHM:最流行的应用领域

根据上述总结，可以清楚地看到，DTs在PHM中得到了广泛的应用。13篇文章报道了DTs在PHM中的应用，这明显多于其他领域。与传统PHM方法相比，dt驱动的PHM方法在模型、数据、交互和决策四个方面具有很大的优势。

• 传统的PHM主要关注几何建模和物理建模，很少考虑行为建模和规则建模。因此，模型不能达到很高的精度。相比之下，dt驱动的PHM可以集成建模的四个维度(即几何建模、物理建模、行为建模和规则建模)，从而更准确地描述实际情况。超准度可以提高PHM的有效性。
• 传统的PHM主要由历史数据和一些静态物理数据驱动，很少考虑仿真数据、实时数据以及物理和虚拟数据之间的数据融合。而dt驱动的PHM则将物理数据与虚拟数据、实时数据与历史数据进行了整体融合，并实现了数据融合。这也与大数据驱动智能制造的大趋势相呼应。
• 传统的PHM不支持物理实体与其虚拟模型之间的来回交互。相比之下，dt驱动的PHM连接了物理空间和虚拟空间。这样不仅可以更好地控制物理实体，还可以逐步优化升级虚拟模型。
• 在传统优化算法的基础上，采用高保真虚拟模型来驱动维修决策，从而得到更加合理的维修策略.

然而，目前对PHM的研究还存在一定的局限性。例如，目前的应用主要集中在高价值的设备上，这限制了DTs更广泛的适用性。此外，DTs不仅可用于故障诊断和寿命预测，还可用于设备的维护和维修。

建模:DT的核心需求

关于DTs的实现，一个关键的问题是如何建立一个实际可行的DT模型。另一方面，对于如何用通用的方法构建DT模型，目前还没有达成共识。九篇论文和一项专利专门讨论了DT建模的不同方法。
通过前面的回顾，我们可以清楚地看到，迫切需要一个统一的DT建模框架。此外，为DT开发更多的建模工具也同样重要。因此，DT建模是DT研究和应用的一个有前途的方向。

网络物理融合:DT应用的难点

实现的挑战包括如何实现有效的网络物理融合。网络物理融合涉及数据采集、数据传输、数据挖掘和协同控制等诸多技术.
网络物理融合是一个相对较新的课题，目前还没有一个通用的框架。此外，目前的容错理论还很不成熟。实现DTs的网络物理融合还需要解决许多问题。首先，对融合算法的鲁棒性和适用性进行改进。其次，并行计算可以提高计算效率，满足海量数据处理的需求。第三，由于网络物理融合，DTs面临来自网络和物理空间的安全威胁。因此，DT的安全性应该仔细研究。最后，必须对连接和通信协议进行标准化。

除上述领域外，DTs还可以应用于某些新的领域，如调度优化、车间运行控制等。DTs可以实现更精确的规划和更高效的调度。物理模型可以实时监控生产状态。同时，该虚拟模型可以通过自组织和自学习对调度方案进行分析、评估和优化。控制在工业中起着至关重要的作用。良好的控制策略能显著提高生产效率和生产率。相关的控制理论包括比例积分微分控制、模糊控制、神经网络控制、最优控制、鲁棒控制等。现有的控制理论很少考虑网络物理连接，这是DTs的一个显著特征。对于给定的新任务，DTs可以自动提出新的控制方案，并根据运行情况调整控制方案。从而提高了控制系统的适应性和鲁棒性。DTs与控制的联合是一个很有前途的方向。
总之，DT的研究和应用在不同的行业都出现了激增。在过去的两年中，许多新的文章和专利的发表证明了这一点。更重要的是，一些行业领导者开始将DTs引入他们的产品中。

参考文献：
Tao, Fei, et al. “Digital twin in industry: State-of-the-art.” IEEE Transactions on Industrial Informatics 15.4 (2018): 2405-2415.

本文标签： 最先进环境数字工业技术