工業互聯網領域的“饕餮盛宴”——工業互聯網峰會在國家會議中心已經正式落下帷幕。主論壇現場干貨滿滿，除了資深的行業專家之外，更是少不了國內工業互聯網優秀企業代表們的身影。

工業互聯網聯盟（IIC）技術工作組及架構任務組聯合主席、美國Thingswise公司CEO林詩萬博士發表講話。在演講內容中，他主要介紹了工業互聯網與工業4.0：架構對接與應用”、IIC和工業4.0平臺的合作情況、IIRA與工業4.0參考架構（RAMI4.0）之間的異同、工業互聯網在制造業中的應用以及分布式工業互聯網平臺的實施情況等內容。

如下是演講全文：

各位領導、各位專家、各位嘉賓，今天非常榮幸跟大家一起探討工業互聯網的機遇和挑戰。今天我與大家一起探討的題目是《數字孿生體在工業互聯網的作用與意義》。

近兩年來數字孿生體受到越來越多的關注，這反映在對這個詞搜索的次數，比兩年前急劇上升快10倍，不僅搜索次數急速上升，相關頁面的內容也快速增加。從相關搜索來看，大多數讀者關注的是數字孿生體這個概念，也有相當多的關注此技術以及一些具體的實施。另一方面，國際著名分析公司Gartner的新興技術的炒作周期，在這兩年的報告中都連續列入了數字孿生體，并在去年的報告里，數字孿生體逼近頂峰。對這個信息大家可能會覺得有點好奇，數字孿生體是什么新技術，為什么突然受到這么多的關注。

在我看來，這是工業互聯網和智能制造發展的一個很自然的結果，要從這個方面來理解這個問題，我們可以先回顧一下工業互聯網的基本技術和發展的趨勢。

簡單來看，工業互聯網的基礎是對設備的廣泛連接，實現海量數據的匯集，繼而利用算法模型，對數鉆進行深度分析，從而獲得對生產設備運行的認知，最后通過工業應用結合業務邏輯，把分析得到的洞察轉為最佳的決策、可執行的行動，實現生產過程的優化。

這種優化不僅僅限于我們比較熟悉的在單體設備上實現，比如說預測性維護，也可以在運營層實現生產過程的優化，也可以在業務層次實現，比如實現訂單拉動的生產。從這個角度來看，可以簡單說，數據模型和應用是工業互聯網的三大要素，在不同層次上構成了不同的閉環反饋，實現優化。我們將會看到算法模型將在工業互聯網的發展中起到越來越重要的作用，將是企業在未來展開工業互聯網發展的一個重要的聚焦點。

為什么突然間行業里對數字孿生體這么關注，經過這幾年的實踐，不論是國外也好、國內也好，不少企業對工業互聯網的實施已經初見成效，在對設備連接的基礎上，匯聚數據，通過一些基本的分析完成了對設備運行的監控，甚至實現了一些預測性維護這樣的高級一點的分析。對于這些企業來講，要進一步發展工業互聯網的價值，進一步挖掘工業互聯網的價值潛力，自然會把算法模型推向更深的深度和更廣泛的范疇。

比如說能力更強的算法模型，從目前大多數是基于描述性的分析，向診斷性、預測性和策略性的方向發展，讓系統不僅能夠告訴我們設備裝備生產過程發生了什么事，而且還能告訴我們事情的根源，還可以預測將來將發生什么事，并給出相應的應對策略。

從另外一個維度講，從水平維度講，算法模型也從單體設備向牽涉到多臺設備的生產過程的協同優化發展，以得到更大的優化成果。這些的發展顯然加大了算法模型的復雜度，同時我們怎么建立有效的算法模型，不少企業也面臨不同挑戰。首先建模難，缺乏算法模型的專業人才，工業知識也不易于挖掘，其次，像一些企業也有一些挺強的算法專家或者工業專家，也寫了不少算法模型，寫了不少機理模型，由于傳統架構模式的限制，我們目前很多的工業應用或者工業互聯網的應用，算法模型與應用是緊偶合的，使得建模工作量大，重復性工作多，性能很難得到保障，最后導致用模難。另外，由于缺乏算法模型框架，不少模型散落各處，難以管理和更新。

這些算法模型方面所面臨的挑戰，也就是工業互聯網目前經過一個階段的發展所面臨的新挑戰。由于算法模型是優化的核心，是工業知識沉淀積累、提升復用的重要手段，我們必須尋找系統性的新的方法論和新的技術。在我看來，這就是為什么在這兩年行業對數字孿生體的關注大幅增大的一個重要原因，大家都在尋找一個應對的算法模型新挑戰新手段和技術。

數字孿生體這個概念是什么、做什么、為了什么目的？數字孿生體的概念第一是在2002年的一篇論文里提出，其后也有大同小異的定義，最近工業互聯網聯盟也基于這個概念的重要性提出了一個新的定義。這些定義要么太面面俱全，要么過于精煉，我從三個方面做了一個解析。數字孿生體是什么，是實體或邏輯對象在數字空間的全生命周期的動態復制體。用來做什么，基于豐富的歷史和實時數據和先進的算法模型，實現對對象狀態和行為高保真度的數字化表征、模擬試驗和預測。為了什么目的，對物理和邏輯空間的對象實現深入的認知、正確的推理、精準的操作，最后還是回到操作這個層次。

有幾個重要的要點，首先它是實體和邏輯對象，不僅是針對物理的對象。數字孿生體的另一半的孿生不一定都是物理實體，也可以是邏輯實體。比如對于生產流程、業務流程包括生產的組織結構也都可以建立數字孿生體。對于物理實體，包括物理實體所處的環境，比如天氣，都可以作為數字孿生體來定義。

簡單說，只要是有數據可采的或者能夠安裝傳感器的，可以測量的，能為我們創造價值的都可以創造數字孿生體。另外一個重要的點，第一個定義里是動態的復制品，動態的意思是說數字孿生體跟它對應的實體孿生體有雙向連接，但是這個連接不是對稱的，實物這個孿生體向數字孿生體上傳他們的狀態數據，數字孿生體根據計算的結果和業務邏輯的要求，向實體孿生體下達指令，還有雙向的連接是動態的，最好是實時的，才能達到最佳的計算結果。

最后這種雙向連接是全生命周期的，數字孿生體與實體的孿生體是與生共有、同生同長，任何一個實體孿生體發生的事件都應該上傳到數字孿生體作為計算和記錄，實體孿生體在這個運行過程中的勞損，比如故障，都能夠在數字孿生體的數據里有所反映。數字孿生體是數字化的一種思路方法論，是一種技術體系和技術能力，目的是為了我們把生產過程和設備發生的變化，把這些事物理解透，目的是讓我們把生產、運營這些事情做好，目的性也是非常明確的。

下面作為背景材料，我們討論一個很有意思的場景，雖然不是跟我們目前所講的數字孿生體有所聯系，但是對我們理解數字孿生體還是有所幫助的。數字孿生體并不是一個全新的概念，在過去四五十年來多處應用過，那時候沒有叫準名稱，而且只是在特定領域里有零散應用，缺乏系統性的廣泛應用。目前我們之所以能夠廣泛推廣這種技術，是因為我們現在可以匯聚大量數據，也有了低成本的對這些數據進行運算的能力。

在1972年美國的阿波羅13號航天器飛行到月球時發生故障，航天員被迫放棄服務航天模組，轉入登月球的模塊里，想方設法返回地球。當時事故發生一個小時之后，地面控制站已經能夠開始對飛行器進行模擬，計算它整個軌跡和燃燒的時間，新的導航還有飛行控制程序，最后使得飛行員成功返回地球。他們能夠在地球表面，通過一些數據，在本地模擬，通過模擬計算理解到飛行器在幾十萬公里之外的距離里對它提供控制的策略，當做最初的數字孿生體的應用。

數字孿生體的內涵是什么，有哪些功能？我們現在對這個要素做一個討論。數字孿生體首先是要采集它所對應的實體的孿生體全生命周期的數據，包括當這個設備作為產品時的設計和生產過程的數據，還有部署后的使用數據和維保的記錄，數據是數字孿生體的一個根本。數字孿生體另外一個要素是各種各樣的模型，機理的模型，數字的模型，三維的模型，幫助可視化的模型，這是另外一個重要的要素，數據模型。

這些模型幫助我們通過對我們所采集到的數據，特別是在運行過程里采到的數據進行計算，幫助我們對這個設備有深度的洞察。最后一個要素，數字孿生體必須提供服務的接口，讓場景的應用、在上層的應用，能夠用API的方法，比較方便的調用各種模型計算的結果和其他的原始數據。

數據是數字孿生體的基本要素，這些數據的采集可以從產品的設計開始，跨越多個制造和部署的環節，這一頁我是在兩年前在介紹數字孿生體的時候，基于制造業信息化的三鏈模型來表達，數據采集的范疇顯然是個很復雜的過程，在我們現在開始初建數字孿生體的初期也不太可能都面面俱全，把所有的數據都能采集到才能做計算。我們現在需要切合實際的根據算法模型的需求，根據業務的需求，來決定有哪些數據我們是需要去采集的。另外一點，由于工業設備在運維階段的周期遠遠長于制造周期，數字孿生體的使用在運維階段也占了一個重要的地位，一般一個產品、一個裝備生產最長也就若干年，這種裝備一旦部署，可能會用二十年、三十年，在二十年、三十年里，數字孿生體一旦建立起來，可以用很長時間。

下面簡單討論一下數字孿生體的組態，任何可以采得到數據的值得算的實體都可以建立數字孿生體，包括某些設備里的組件，正如實體設備由很多實體的組件組成，他們相對的數字孿生體也是如此。在這頁里列舉了一些常見的數字孿生體的組態，比如在生產環境里組件組成設備，設備數字孿生體也可以組成產線，另外還有其他一些不同的組態。在每一個層次上，比如層級的組合里，在每一個層級上都可以采集它獨立的數據和建立相應的模型，對這些數據，對它本身的數據、對組件的數據進行計算。

數字孿生體的使用和部署模式。左邊是設備實體的孿生體，右邊是它相應的數字孿生體。數字孿生體這個詞有時候用起來不一定很準確，雖然我們有一個主的數字孿生體，但是在我們用起來的時候，數字孿生體的模型是可以通過具體的實例化在多處使用，有時候還并行使用。比如我們要在現場甚至做動態的尋優，數字孿生體一部分的算法模型可以布在現場附近，來滿足實時的需求。

同時我們可以在遠端建立一個相應的數字孿生體來做遠程監控，同時我們也可以建立離線的數字孿生體的實例，比如進行模擬測驗，在數字孿生體一個重要的應用領域，比如怎么通過數字孿生體對工藝參數，先在數字空間做一些計算，有需要的時候再回到實體里計算，這樣會大大降低成本，縮短總的周期，建立模型特別是數字模型，調整數字模型，也可以以離線的方法來實現。有一點很重要的，雖然我們可以有多個數字孿生體同時進行不同形式的計算，他們所依據的數據必須是同一個主數據庫。在這種情況下，數字孿生體并不只是布在一個地方，其實是可以分布部署的，根據具體使用的需求。

我們從組件開始，構造數字孿生體，用他們的構造層，用設備構成產線孿生體，用車間的數字孿生體一步一步往上走，最后建立的是一個工廠的數字孿生體，這種情況下每個數字孿生體都帶有他們獨特的模型，也有自己獨特的數據，這樣對整個生產環境都有深度的洞察，我們在這里可以做很多的事情。

這里列舉了不少的可能性，比如監控實時狀態的特征，有了數字孿生體，對服務狀態進行調用，甚至可以重播，因為記錄了所有的歷史數據，也可以預測未來的狀態，也可以離線的從歷史數據中挖掘優化的計劃，驗證優化的流程和參數。數字孿生體其實是一個比較聰明的孿生體，實物的是比較老實的干貨的孿生體。數字孿生體如果我們建立得好，可以說是這個孿生體的大腦，另外一個實體的孿生體是肢體，來干活的。

下面介紹一下美國工業互聯網聯盟關于數字孿生體展開的工作，設立了一個數字孿生體互操作性的任務組，去探索數字孿生體他們對互操作性有哪些需求。同時我們重構了與德國工業4.0的合作任務組，新一輪的聚焦點是探討數字孿生體互操作性的需求以及可行的解決方案。同時探討一下德國工業4.0的管理在技術和應用場景范疇，數字孿生體跟管理殼的異同，探索適用性和可行性，管理殼是為了不同的組件、不同的設備、不同的產線，都能通過一個統一的界面、規范的界面、標準化的界面進行交互整合，里面定義了一系列的數字模型，來描述這些設備內部的狀態，也提供了一些標準的服務接口，讓他們進行交互，這種結構也應該可以用到在數字空間的這些數字孿生體，這個是我們下一步也要展開的工作，探索可行性和適用性。

剛才講了數字孿生體的概念，大家有些可能覺得比較抽象，不太現實，這是不對的，最后做一個小廣告，我們待會兒會發布優也Thingswise工業數據操作系統，其實是個工業互聯網平臺為了制造業或者運營的場景而特制的，根據數字孿生體的思路來建立的。

謝謝大家！