【数字孪生系列】之二:工业互联网领域数字孪生的分类和案例综述

在数字孪生系统系列的第二讲,我先总体上介绍数字孪生的不同流派,或者说不同的实现。大家不要觉得奇怪,毕竟就像物联网一样,不同行业的人对物联网三个字的理解也会大相径庭。数字孪生这个框,不同行业的人肯定会往里面装不同的东西。

作者:与子同袍
首发:物联网前沿技术观察

根据不同行业的案例,我把数字孪生大致分为如下十个大类:

  1. 通用的工程技术仿真软件,如ansys matlab fmi altair modelica。
  2. 面向行业的仿真类软件。如西门子可视化生产仿真。安德里兹的工厂仿真软件。车联网交通仿真软件等。
  3. 基于知识图谱的数字孪生,用于物联网的上下文环境感知后的自动推理。
  4. 洛克希德马丁这种工厂的cax的数字主线。
  5. 制造业基于自动化金字塔的横向纵向的信息化集成的数字孪生。
  6. 基于公有云图数据库分析引擎。如azure aws智能空间图、阿里云的数字孪生也是类似的。
  7. 可视化展示软件,包括gis、bim、webgl之类的。
  8. 基于区块链的数字孪生。如bigchaindb等。
  9. 基于chatbot的数字孪生。比如罗克韦尔的工厂设备的聊天机器人。比如微软的healthbot,它可以智能的进行疾病方面的聊天,相当于医生的数字孪生。

下面我针对每一大类介绍典型的数字孪生的解决方案。

1. 基于仿真软件的数字孪生

仿真软件本来是用于对实际设备进行建模仿真。现在数字孪生概念火起来之后,仿真界突然发现数字孪生这个框用仿真软件去套简直完美。

这类软件的数字孪生的实质是运行设备的仿真模型,然后通过物联网采集的数据喂给仿真模型,让模型进行实时仿真,这样就可以实现故障诊断、性能预测、控制优化等功能。

仿真软件有许多种,面向机械、电磁学、流体力学、工厂、交通等。

Anays作为仿真软件巨头,肯定不会错过数字孪生这波行情。Ansys提供了twin builder工具,用于数字孪生仿真建模。

下面是用Ansys实现水泵数字孪生的例子。水泵的设备数据实时发送到PTC 的Thingworx物联网平台,然后Thingworx通过Ansys Twin Builder的工业互联网IIoT连接功能,将设备实时数据发送到Ansys的水泵的仿真模型中运行,然后仿真结果再返回给Thingworx平台。Thingworx平台再将仿真优化过的控制参数下发给水泵。

Matlab作为工程领域的最流行的工具之一,在数字孪生领域也有解决方案。

下面是Matlab的数字孪生的例子。

使用MATLAB,可以使用来自连接资产的数据定义模型。还可以使用Simulink的多域建模工具创建物理模型。数据驱动模型和物理模型都可以使用来自运营资产的数据进行调优,从而训练数字孪生模型。

下面是Matlab对三缸泵进行故障分类的例子。三缸泵的传感器数据实时传送到微软Azure云平台。传感器数据先发送到Azure云上的Kafka消息中间件服务,Kafka然后将传感器数据转发给Matlab的故障分类算法模型,模型根据传感器数据给出故障类型。

2.面向行业类仿真类软件

前面介绍的第一类数字孪生是工程仿真软件,主要解决机械、电子、液压、电源、数字逻辑、电力等专业的工程技术问题。

第二类数字孪生则是面向行业的行业化的仿真软件。行业有很多,这里我们就简单介绍工厂仿真(Plant Simulation)软件和车联网交通仿真软件。

工厂仿真软件可以通过建立虚拟化的工厂,在软件中进行仿真。

西门子的Tecnomatix 是一套全面的数字化制造解决方案组合,能够对制造,以及将创新构思和原材料转化为实际产品的流程进行数字化改造。 借助 Tecnomatix 软件,能够在产品工程、制造工程、生产与服务运营之间实现同步,从而最大限度地提高总体生产效率,并实现创新。

Tecnomatix Intosite™ 能够助创建基于云的生产设施(呈现在其地理位置上下文中)二维/三维/全景表现形式。 这就能以简单而熟悉的方式浏览该设施,进而直观地访问任何 IT 系统中的信息。

利用 Tecnomatix 物流与物料流仿真解决方案,可以借助离散事件仿真与统计分析功能,优化物料处理、物流、设备利用率以及人力需求。 可以借此快速查找瓶颈、验证已运送的物料,并了解多个流程替代方案的长期资源利用率。 具有面向对象的三维建模功能的随机工具可帮助您提高制造精度和效率,同时增加生产量并改善整体系统性能。

交通仿真软件的例子有SUMO。SUMO其实是一个开源的交通仿真软件,它可以生成逼真的交通轨迹场景。Veins是将OMNet++和SUMO整合起来,用于车联网仿真。

3.基于知识图谱的数字孪生

知识图谱自上世纪60年代从语义网络发展起来以后,分别经历了1980年代的专家系统、1990年代的贝叶斯网络、2000年代的OWL和语义WEB,以及2010年以后的谷歌的知识图谱。谷歌目前的知识图谱已经包含了数亿个条目,并广泛应用于搜索、推荐等领域。

知识图谱的存储和查询语言也经历了历史的洗涤,从RDF到OWL以及SPARQL查询,都逐渐因为使用上的不便及高昂的成本,而被工业界主流所遗弃。图数据库逐步成为目前主要的知识图谱存储方式。

下图是西门子的基于工业本体建模、工业数据采集和图数据库的工业知识图谱。

4.基于模型的企业MBE

照理基于模型的企业MBE不应该放在数字孪生里面。但是既然仿真也能算数字孪生,MBE应该也算。西门子有MBE的全套软件解决方案。我们这里只介绍下实际的应用案例。

对于生产F-16和F35的洛克希德马丁来说,战斗机结构异常复杂,生命周期从概念构思、设计、原型、设计到测试、生产和维修保养,整个周期跨度可达30年以上。因此如果不把这个生命周期的信息全部数字化,那么整个生命周期的成本和难度将急剧上升。在这么漫长的周期内,BOM是贯穿PLM产品生命周期管理的黄金线索。

产品数据管理(PDM)系统通过包含产品结构信息的物料清单(BOM),来进行设计、工艺、制造等环节数据的组织和管理,由此产生了设计BOM(EBOM)、工艺BOM(PBOM)和制造BOM(MBOM)等。

5.自动化金字塔数字孪生

工厂里自动化金字塔的层级化结构,类似建筑领域的层级化结构。这个以后再展开说。

当然除了工厂,石油行业也可以有数字孪生。以后我会介绍埃森哲实施的哈里伯顿海上油田数字孪生的案例。

6.基于公有云图数据库的数字孪生

这块的话,典型的例子就是微软Azure云提供的基于数字孪生对象模型和空间图数据库的数字孪生服务。

Azure数字孪生对象模型包括:

  • 空间Spaces是虚拟或物理的位置,比如租户、客户、区域和场地。
  • 设备Devices 虚拟或物理的设备,比如网关、树莓派、PLC。
  • 传感器Sensors 检测事件的对象。温度传感器、人体探测存在传感器。
  • 用户Users 识别是否有人以及人的特征有哪些。

其他模型还包括:

  • 资源Resources 空间上附加的资源,通常是Azure云服务资源比如Azure的物联网云服务IoT Hub。
  • 块Blobs 绑定到空间、设备、传感器和用户的文件,支持多种MIME类型和元数据。例如地图、图片和文档。
  • 扩展类型Extended types 可扩展的枚举类型,可以用来增强对象模型的属性。比如SpaceType 和SpaceSubtype。
  • 本体Ontologies 代表一组扩展类型,例如Default,Building, BACnet, EnergyGrid。
  • 属性键值对Property keys and values 空间、设备、传感器和用户的自定义属性。可以与内置的属性一起使用。如DeltaProcessingRefreshTime 作为键10作为值。
  • 角色Roles 赋予用户和设备的一组权限。例如Space Administrator, User Administrator, 和 Device Administrator.
  • 角色分配Role assignments 角色和空间图中对象的关联关系。如用户可以被赋予一个角色用于管理某个空间。
  • 安全密钥存储Security key stores 存储某个给定的空间对象下的所有设备的安全密钥,用于安全通讯。
  • 用户定义函数User-defined functions (UDFs) 在空间图中创建自定义的传感器数据处理函数。UDF可以用JavaScript编写。用户定义函数可以:
  • 设置传感器的值
  • 根据传感器读数执行自定义逻辑,并将输出保存到空间。
  • 对某个空间绑定元数据
  • 当预设条件满足时发送通知。
  • 匹配器Matchers 用来决定对于给定的传感器消息执行哪个用户定义函数。
  • 端点Endpoints 传感器数据进入的入口。如Event Hub, Service Bus, Event Grid.

图数据库支持

Azure的空间图是根据上述数字孪生对象模型创建的空间、设备和人的层次化图。Azure空间图支持图的继承、过滤、遍历。可以通过调用Azure空间图的RESTful API创建符合业务需求的图,并在上面进行各种图的操作。

从下图我们可以看出,这个图数据库服务支持多租户,也就是说我们如果有10个园区或者建筑或者物业公司需要实现数字孪生,那么,创建不同租户来隔离就可以了。层级关系是客户-区域-建筑-楼层-楼层内房间或区域-房间内子区域或设备或传感器-桌子-灯。iot hub将传感器、设备数据上传到云端,然后lambda函数可以根据不同节点上的数据的变化,自动触发lambda函数执行相应的代码逻辑反向控制该区域的设备。从而实现物联网数据驱动的空间内的人与图上的这些层级的建筑空间进行交互互动。

比如某个厕所有人刚上完厕所,屁股一撅,红外传感器就自动冲马桶,然后红外传感器的感应事件通过网关的设备影子同步到边缘计算网关或云端,然后在边缘计算网关或云端的lambda函数就可以根据预先定义的代码逻辑,启动厕所抽风机排除臭味。

下图是ThoughtWire的智能楼宇解决方案:将智能楼宇的各个子系统的数据通过连接器工厂,发送到核心服务。核心服务对数据进行实时的数据分析。

7.模型可视化数字孪生

前面讲的都是基于仿真算法或者数据模型的数字孪生。其中许多仿真软件或图数据库都带有相应的软件。可视化包括GIS地理信息系统、3D可视化(unity3D,网页的WebGL/Canvas)、BIM等。GIS地理信息系统相当于地球的数字孪生。

对于涉及到智慧工地、智慧水务、智慧园区、智慧环保之类的工业互联网项目来说,BIM是重要的部分。对于BIM来说,有3D、4D、5D、6D之分。

  • 3D: 三维的建筑模型。
  • 4D: 在三维建筑模型上加上时间维度。
  • 5D: 在4D基础上再加上成本管理。
  • 6D: 在5D的基础上,再加上建筑的生命周期管理。

8.基于区块链的数字孪生

各种数字货币,本质上就是利用区块链技术实现的实体货币的数字孪生。

既然可以用区块链技术实现货币的数字化,那么其他行业也可以用区块链来实现数字孪生。

区块链技术基于其去中心化、不可篡改、可追溯等特性。

对于车联网来说,需要对车辆的轨迹和行车记录进行追溯。区块链是追溯的最佳工具。

要把数据存在BigChainDB中,需要先为每个用户、车和gps创建一个去中心化的ID和密钥对。

一般的关系型数据库和NoSQL数据库的数据都是存在表中的。对于BigChainDB来说,数据用资产Asset来表示。另一个不同的地方是传统数据库是以业务流程角度设计应用软件。而BigChainDB则是从资产Asset角度来看待问题。

资产可以表示一个物理的对象如汽车、建筑,也可以表示数字的对象如客户订单、航程。

资产中存储的数据是不可变的。

在BigChainDB区块链数据库里存放各种数据资产,从而实现对物理设备的数字孪生:

  • 拥有权声明
  • 令牌
  • 版本化文档
  • 物联网时间序列数据
  • 状态机
  • RBAC权限

这个区块链数据库的玩法可以有多种,我这里简单举几个例子:

  • 企业有多个供应商,把供应商每天的生产NG数据存到区块链数据库中用于追溯。
  • 大宗商品库存管理,大宗商品的位置、拥有人、交易、权限都可以存到区块链数据库中。
  • 车联网中,将采集的车辆数据存到区块链的时间序列数据中。

9.基于chatbot聊天机器人的数字孪生

在工业领域,对机器的数字仿真的另一种方式是聊天机器人chatbot。

通常工业互联网平台会采集机器的数据,然后对数据进行分析,生成可视化的分析结果。

但是其实还有一种思路,就是用人工智能让机器像人一样自己说话,汇报自己正不正常,有没有故障,有故障的话症状是什么。比如机器出问题了,机器自己通过微信或者其他社交软件跟维修工程师或工艺工程师聊天。

比如,罗克韦尔最近基于微软Azure云的Cortana语音聊天服务,开发了Shelby,它相当于工业领域的Siri。

推荐阅读:

  • 【数字孪生系列】之一:GE对数字孪生的定义
  • 物联网智能产品从低到高的五个阶段
  • 基于5G的边缘计算无人机物联网应用

更多物联网,边缘计算相关技术干货请关注我的专栏物联网前沿技术观察
申请加入物联网技术研讨大佬微信群,请加微信号:iot1999

发表评论

邮箱地址不会被公开。 必填项已用*标注