内刊访谈

[特别策划] 再谈数字世界三大概念:数字化转型、工业互联网和数字孪生

发表时间:2020-04-06 16:31:17


文/林诗万
 

  林诗万:上海优也信息科技有限公司首席技术官,美国工业互联网同盟-技术工作组、架构任务组和数字孪生体互操作性任务组联席主席,美国工业互联网同盟-德国工业4.0平台-联合任务组的联席负责人,博士

 

  提话:数据、模型和应用可以说是工业互联网技术的三大功能要素。通过这三大要素构成闭环反馈,可以实现单体设备的优化,多体设备或系统的优化,以及业务经营的优化,最后的目的是为了追求业务价值的实现。

 

  谈起工业互联网,我们都离不开企业数字化转型。数字化转型这个已经正在变老的概念并不深奥,而且具有跨行业的共性。

  但是,不同的行业,或同一个行业内不同的企业,甚至在同一企业内的不同子公司,由于自身、外部市场和生态环境或存在很大差异,因此在实施数字化转型时存在着很大的差异性。特别对于大部分传统的工业制造企业,数字化转型并不存在现成的轻车熟路之途径。事实上,面对瞬息万变的市场和生态、日新月异的技术发展趋势,大多数企业也并非无动于衷,坐视无举,也希望借此数字化转型的良机,大幅提升企业经营管理水平、生产运营效率,提高产品和企业的竞争能力。但是,目前环绕着数字化转型这一命题,新的概念和新的技术似乎层出不穷,众说纷纭,所有这些都导致企业对数字化转型难免感到看不透、摸不清、跟不上,无所适从。

  本文谨借这个机会,就数字化转型以及工业互联网和数字孪生体,及其相关的技术做一些粗浅的梳理,提供管窥之见,希望对工业或制造企业的读者起到一些解疑释惑的参考作用。

 

  数字化转型
 

  数字化转型这个概念有很多定义,各有其特点,在此不一一赘述。就本文的目的,数字化转型,对于大多数的工业和制造业企业来讲,其本质在于如何利用在最近10多年来高速发展起来的技术,包括传感技术、通信技术、云计算、大数据、人工智能,建立研产供销服一体化的数字化精益运营能力,实现数据驱动的最佳决策和全流程优化,对内实现更加灵活、敏捷、高效和绿色的数字化的生产运营,并促进数字化的业务创新,对外建立新的服务能力、新的商业模式,更好地满足客户的需求,更有效地应对市场的变化、建立更强悍的竞争能力,拓展更大的可持续发展空间,其终极目的是为企业创造更大的价值。

  简单地说,对于数字化转型,数字技术是基础,数字化精益运营和流程优化是手段,对内的降本增效、对外的业务创新和转型是目标,而实现企业经营价值的最大化是终极目的。

  一、数字化转型的技术基础

  显然,孵化并且成熟于互联网特别是消费互联网的ICT技术是推进数字化转型的核心技术基础。这些技术的发展是为了应对消费互联网高并发、大流量、变化多样的信息处理的需求,从而形成了以具有弹性伸缩能力、支持多租户的虚拟化分布式的云计算架构, 支持容器化微服务的敏捷研发和灵活运维一体化的云原生技术体系,能存储和分析海量异构多样的消费者、市场和业务数据的大数据系统,以及机器学习和基于深度学习算法的人工智能(图像识别、语音识别以及自然语言处理等)技术。这些技术,人工智能(artificial intelligence),大数据(big data)和云计算(cloud computing),综合起来可称之为ABC技术,不仅技术内容丰富,也衍生出其它一系列的新技术。这些技术无论功能多强大,性能多卓越,其价值都在于如何在数字化转型中支持日益复杂的业务逻辑和数据分析计算需求,以低门槛、低成本、短周期的方式,敏捷开发、运维和迭代升级数量众多、功能丰富,性能优异的业务应用软件。

  大多数在数字化转型中所需要的计算技术,已经存在多年;它们之所以未能实现的原因在于其实施的经济性问题,不仅从应用软件系统的开发还是所需的硬件配置需求上来看,成本过高,周期过长,性价比太低,难以普遍性和持续性地付之落地。作为类比,目前支撑人图像识别、语音识别和自然语言处理的人工智能技术的卷积神经网络深度学习算法,早就发明于1989年,只是约在2009年当图形处理器(GPU)和通用处理器(CPU)的性价比大幅提升之后,才得到腾飞猛进的发展。又如,对海量数据的处理和分析的技术已经存在并在一些大企业中实行多年,但依赖的是价格高昂的专用大型机和软件系统,难以普及应用。对海量数据分析的普及也仅当基于英特尔至强®处理器和Linux操作系统,以及存储硬盘的通用服务器的性价比有了足够的提升之后,基于这些服务器机群的分布式存储和分布式计算的Hadoop大数据系统才应运而生,大幅降低对海量数据存储、处理和分析的成本,使其得到广泛的应用。简单地说,这些新技术对数字化转型的支撑,在目前来说,多不在于其高新深,而是在于对针对具体场景的应用软件的开发和运维的支撑的经济性,特别是从技术门槛和成本的方面来看。
 

  对于企业来讲,关键问题是在这样一个时机节点上,如何充分利用这些技术事数字化之事,成转型之功。

  显然,这些技术是数字化转型的使能工具,而不是数字化转型本身。换句话说,把这些技术引入企业,建立一系列的技术性平台,并不能够自动实现数字化转型。但是,如果不关注这些技术,不了解这些技术的使能作用,不能把这些技术有效地利用起来,数字化转型会举步维艰,或难以持久深入。

  由于编幅有限,本文将不对这些技术作详细的描述,只在图 1中对它们的发展趋势及作用作一个综合性的简单总结。

  二、数字化转型的过程

  数字化转型是一个复杂工程,需要相当漫长的时间。数字化转型一般分为若干个阶段,国外多将其做三大阶段的划分:

  1. digitization(信息化或数字化转换):将模拟性的信息转换为数字化的信息,最典型的是把日常工作中的纸质表单,仪表手工抄集等数据输入计算机进行管理、处理和使用展示。这些数字化转换有两个维度,第一个维度是输入方式:手工输入或自动化采集;第二个维度是对输入数据的管理和使用方式:一些数据的输入对象是碎片化的管理电子报表,也可以是集中管理的、并能进行流程化处理的信息化应用软件(如ERP、MES、CRM等)。基于对电子表格手工输入的数字化转换的管理流程属于初级阶段,这种重复性手工操作具有准确性和可靠性的问题,也未能打通数字化的管理流程,对管理并不具备实质性的提升。只有在信息化应用软件普及使用之后,特别是实现数字化业务交互和系统之间自动化数据整合之后,实现数字化的信息管理流程,才能对经营和运维管理带来根本性的提升。
 


 

  这个信息的数字化管理阶段,在国内更多地和更切合地称为信息化阶段。企业在信息化的过程中,按业务性质的分割,建立了一系列的业务应用系统,包括ERP、PLM、SCM、MES、CRM、APM等等,在不同的业务范畴内实现了信息的数字化管理,作业流程的自动化,对人事组织、业务经营、产品设计、生产过程的数字化管控,如图 1所示。在这个阶段,所追求的是工作流程效率的提升。

  2. digitalization(数字化或数字化升级2):信息化的应用软件系统是基于流程的操作执行,全流程信息透明化、管理精细化、决策智能化等并不是关注的重点。数字化的目标在于横向(图 2)打通产品设计、生产,并延伸到使用/运营过程全要素数据主线,实现多流态的人料品机和系统的数字映射和全面联通;再纵向打通企业内部的业务价值主线,并延伸至上下游的供应商和客户端,实现生态上下游的数据和价值联通。在这个基础上,实现数据驱动的最佳决策和全流程智能优化,实现以用户为中心,拉动全生态的研产供销服一体化的数字化运营。在这一阶段追求的是资源配置优化,动态响应生产运营环境,供应链、市场、生态和客户需求的不断变化,实现业务总绩效的最大化。
 

  多数的工业/制造业企业,其现有的信息化应用系统大多按传统的IT系统垂直架构,以项目制独立构建,开放性比较低,相对封闭,整合困难,形成多个烟囱式的应用系统,以及多个数据孤岛。同时这些系统一般沿用传统的应用开发模式,导致功能大而全,内部功能模块紧耦合,可复用性低,造成开发工作量繁重,更新困难。这种状况,要打通上述跨越业务边界、部门边界、甚至企业边界的数据主线、价值链主线(图 2),实现信息联通和流程联通,以及敏捷开发和迭代更新众多的业务应用软件,以应对日益多变的业务和创新需求,都面临着很大的挑战。

  因此,对数字化转型的推进需要引入新一代的技术,对现有的信息化技术体系进行重整和升级。只有在新的技术体系之上,才能有效地实现对业务系统数字化的重构和提升。
 

  上面所提到的互联网ABC技术以及相关的技术则可以成为这一次技术体系重构的技术基础。同时,工业互联网可以作为支撑数字化转型的核心技术体系之一(见第4节)。

  3. Digital Transformation (数字化转型):在上述数字化基础上,在包括企业内外系统、流程的数字化纵横联通,跨业务领域一体化的数字化运营基本实现的条件下,企业逐渐把注意力转移到基于数字化能力对产品、服务、业务的创新性发展,进而拓建数字化支撑的新生业务领域、数字化驱动的新商业模式,以期抢占新的竞争高地,为企业带来全新的发展空间。
  如果把信息化、数字化看作一个在山峦中攀登的旅程,一段能力逐渐积累、改善和提升的过程,只有在达到一定的海拔高度,进入一定的境界之后,才能得到前所未见的广阔视野,才能获得一片新的天地。这样的新天地,是不断攀登,提升积累的结果,也就是数字化转型过程所追求的终极目标。而只在山谷徘徊,将永远达不到这样的新天地。这样一个过于简单的比喻难免太过虚化,不很切合,但可以说明的是这样一个观点:数字化转型是一个渐变提升的过程,是一个效绩积累过程,是每一个企业为了生存为了发展必须启程的旅程。而且,每个企业的起点不同,所在的山峦也不同,路径也不一样,最后所能得的新天地就更不一样了。目前也已有不少的企业数字化转型成功案例,他们的历程可作为很有价值的参考,但是,极少能被直接套用。这个阶段,这个旅程,必须是每一个企业自己走出来。

 

  工业互联网平台支撑数字化转型
 

  在上节提到,工业互联网可以作为支撑数字化转型的新一代技术体系之一。对于工业互联网,物联是基础,但不是目的,这是工业互联网与一般物联网的重要区别。

  从狭义的角度来看,工业互联网的核心功能在于:对包括设备在内的物理实体广泛连接,实现海量数据的汇集;利用算法模型对数据进行深度分析,获得对设备运行和生产过程的深度认知;通过工业应用,结合业务逻辑把认知转化成最佳决策,并得以执行,实现对生产过程的优化。
 

  我们追求智能化,其起点在于感知,感知来源于现实世界的数据;智能化的核心在于认知,认知从对数据分析而获得。但是,没有目的性的认知是没有用的。所以,智能化的实现必须通过业务逻辑把认知转换成最佳决策,并付之于执行。最后这一步是工业应用的关键功能。

  从生产和运营的角度来看,数据、模型和应用可以说是工业互联网技术的三大功能要素。通过这三大要素构成闭环反馈,可以实现单体设备的优化,多体设备或系统的优化,以及业务经营的优化,最后的目的是为了追求业务价值的实现。

  工业互联网在实施过程中,或许起点于单台设备的优化,一条工序流程的优化,一个业务范畴如能效的优化,但其能力和所追求的目标,是跨设备、跨工序、跨业务范畴的全流程全局联通和优化,这一点与数字化的目标是一致的。

  为有效支撑对大量设备实时的数据采集、存储、分析,保障系统的高性能运行,具有充分的扩容能力和冗余可靠性,并支持对业务应用软件的敏捷开发、运行和升级新,工业互联网的实施必然引入互联网的ABC技术作为基础,利用云计算架构中对计算资源的虚拟化和容器化的管理技术,利用大数据、机器学习和AI对数据的存储、管理和分析技术,利用容器化微服务的应用服务敏捷开发和编排运营技术。以这些技术托底构建的工业互联网平台,把新一代的互联网技术引入企业,以物联网为底层功能,支持对海量数据的聚集和存储、打通各个生产流程上下游的数据主线,并通过应用软件的敏捷开发,把从数据里获得的洞察结合业务逻辑反馈回到生产运营过程中,支撑生产运营全流程的信息透明化、管理的精细化、决策和操作的智能化,实现企业数字化的技术目标。

 

  数字孪生体是工业互联网平台的工业性表征
 

  工业互联网平台面向的是工业和制造业场景,支撑的是工业场景应用,因而必须具备很强的工业性。生产环境是复杂系统,在一个中大型的生产环境里往往存在着上百种不同类型的设备,每台设备具有几十或几百条属性和状态参数,而且不同的设备之间又存在着错综复杂的互动关联关系。对于这样一个复杂系统进行动态的状态跟踪表征和预测,必须从OT的视角,以物理空间的实体,包括组件、设备和产品等作为基本体,在数字空间构建相应的数字对象,系统性地表征物理空间的实体状态。物理实体在数字空间(软件)的表征对象,就是数字孪生体。
 

  数字孪生体的概念于2002年在国际上的一篇论文里首次提出,其后也有不少大同小异的定义。为了便于理解,本文在此就数字孪生体是什么、起到的作用及其结构作简要解释。

  一、是什么?

  数字孪生体是实体或逻辑对象在数字空间的全生命周期的动态复制体。

  1. 数字孪生体对应的不仅是物理实体,如设备和产品,也可以是逻辑对象 ,如生产流程、业务流程,生产组织结构。对于物理实体,包括物理实体所处的环境,如设备运行的工况,汽车驾驶的路况和天气,都可以定义数字孪生体。简单说,只要是有数据可采的或者能够安装传感器,可以测量的对象,通过分析计算有价值的,都可以建立数字孪生体。

  2. 数字孪生体对其实体对象的复制或映射是动态的,也就是说数字孪生体与它所对应的实体对象具有直接的连接,实物对象持续性地向数字孪生体上传其状态数据,使得数字孪生体能够动态地反映其实时状态。同时,数字孪生体与其相应的实体对象的连接是双向的。数字孪生体根据计算的结果和业务逻辑的要求,可向实体孪生体下达指令,这个双向的连接可以是实时的,以实现对设备实体或其它对象进行最佳的管控。

  3. 数字孪生体对其实体对象的数据采集是全生命周期的,包括在设计、生产、部署和使用的不同阶段。可以说,数字孪生体与其实体对象同生共长,同呼共息。实体对象发生的任何事件都应该上传到数字孪生体进行计算和记录,如设备在运行过程中的劳损,发生的故障,都能够在数字孪生体有所反映。

  二、作用

  系统可以利用数字孪生体丰富的历史和实时数据,以及先进的算法模型,对其相对应的实体对象的状态和行为进行高保真度的数字化表征、模拟试验和预测,并提供对事件的应对策略和控制。

  例如,利用锅炉的数字孪生体对锅炉的工艺参数的配置,并根据预设的工况预先在数字空间进行模拟测验,寻找并验证最佳的配置参数,之后才对锅炉进行的实际参数进行调节。显然,在数字空间的模拟计算要比在物理空间进行实际的试验的工作量小,成本低,周期短。有了数字孪生体,可以降低在物理空间进行实际试验的需求,只在必要的情况下才做实际试验。比如,利用汽车的数字孪生体在数字空间进行碰撞模拟计算,不仅可以大幅降低碰撞试验的成本,也可更灵活地试验更多的碰撞状况,只在关键的时间节点才在物理空间进行实际的碰撞试验。

  再如,利用风力发电机的数字孪生体根据实时的风力和风向以及其它环境参数,动态地调节风叶的攻角,以达到最大的发电量。

  还有,对钢铁厂的煤气管道里所有的产气、用气和储气设备建立数字孪生体,根据每个数字孪生体的具体设计规格和工况状态建立对产气、用气或储气量建立预测性算法模型,把实时预测的结果根据生产和安全的要求,转换成操作策略,实时调节用气和储气量,保证管网的压力稳定和供求平衡,避免产能因供气不足而降低,或因煤气供大于求,造成放散损失。
 

  三、数字孪生体的结构

  数字孪生体可以由三大要素组成:数据、模型和服务API。

  数据:数据是数字孪生体的基本要素,数字孪生体可对相应的实体对象采集全生命周期的数据,包括作为产品阶段的设计和生产过程(设计规格和模型、工艺工程,人机料法质)的数据,设备部署过程中的配置数据,部署后的使用实时状态和历史数据、维保记录,甚至包含交易记录数据。

  显然,设备全生命周期的数据采集是个复杂的过程,在初建数字孪生体的时期不可能面面俱到,把所有的数据都完成采集才能做计算,必须切合实际根据业务的诉求,算法模型的需求,来决定需要采集的数据,首先要满足当下业务的需求为准,然后持续逐渐完善。

  而且,运营过程中,设备厂商需要设备的使用和维护数据作为反馈,进行质量追溯和产品改善;设备使用方需要包括设备的设计和使用数据对设备进行有效的状态监控和状态预测。这些都需要设备厂商和使用方建立合理的机制和生态进行有效合作,数字孪生体将为此提供一个必要的技术框架。

  模型:数字孪生体将根据业务需求嵌入各式各样的模型,包括机理模型、数字模型、仿真模型、三维模型,以及增强现实模型。这些模型可对所采集的数据,特别是在运行过程中的数据进行计算,以获得对设备和生产过程的深度洞察。

  服务: 数字孪生体将提供服务接口,让针对具体场景的应用能够简易地利用规范化的API调用其数据或算法模型进行计算,降低开发的复杂度,提高开发的效率。
  当我们谈到数字孪生体的时候,很自然会联想到设备、工厂甚至园区的3D仿真模型。从上面的讨论可以看到,物理实体的3D模型展示可以是数字孪生体诸多功能的其中一个,为的是能够更好更直观地表征物理实体以及其状态,如在3D模型展示其数字孪生体的状态数据,或把历史状态数据在3D模型实现仿真重播,更直观地进行事后诊断故障。3D模型的几何规格也为物理仿真或机理模型计算的输入参数。但是,数字孪生体的其它功能并不一定需要对人进行展示,而是可以自动计算完成的。
 

  数字孪生体的组态具有多种形态,任何可以采集数据和值得算的实体对象都可以建立数字孪生体,包括某些设备里的组件。正如设备由多个组件组成,设备相应的数字孪生体也由多个相应的组件数字孪生体所组成,正如设备组成产线,产线组成车间,车间组成工厂,相应的数字孪生体也可以分层构成,而最后组成工厂级的数字孪生体,或通常所说的虚拟工厂,或数字工厂模型。在每一个层次的数字孪生体上,比如在层级的组合中的每一个层级上都可以采集在这个层级上独有的数据和建立这个层级的模型进行计算。与一般的3D仿真模型一个不同的地方在于,这些数字孪生体一旦与其相对应的物理实体对象完成数据连接,这些数字孪生体将被激活,动态地表征物理实体的状态,并可进行实时的计算,预测和实现对设备物理实体的动态优化管控。

  面向物理实体进行建模计算在各个行业领域已有多年实践,并不是全新的概念。数字孪生体的基本意义在于,把现实世界在数字空间用系统化和规范化的方法描述起来,化解生产系统的复杂性。同时,把数字孪生体的数据和算法模型结构性地按OT的角度组织起来,让算法模型简易与相应的数据关联进行计算,也让计算出来的结果容易被应用软件用起来,也就是更容易开发出地面对众多复杂工业场景的工业智能应用。
 

  把数字孪生体与工业互联网三大功能要素,数据、模型和应用结合起来,那么工业互联网平台可以简化为四大核心功能层,如图 9所示。这样一个工业互联网平台,可对传统的IT架构进行重构提升,避免和取代烟囱式的应用系统和数据孤岛的形态(图 3),为数字化转型以及数字化的持续提升打下牢固的技术底座。