对于孪生这个词语，大家都有一定的了解。他表示成对出现的事物，但这对事物并不完全相同。因此，当谈到工业技术中的数字孪生时，它的两个突出的定义自然也有许多相似之处，但也有显著的区别。
数字孪生是网络物理工业系统的一个重要组成部分——该技术对如今的第四次工业革命的重要性不亚于蒸汽动力对18和19世纪的第一次工业革命的影响。然而，尽管几乎所有提供有助于网络物理系统的硬件或软件的供应商都声称他们与数字孪生兼容，但都是根据他们自己对数字孪生的定义。其中比较突出的是两个极为相似的定义，分别来自技术研究和咨询公司 Gartner 和 Digital Twin Consortium（数字孪生联盟），该联盟由学术界、政府机构和工业界人士组成，旨在加速数字孪生技术的开发、采用、互操作性和安全性。
数字孪生的两个定义
Gartner 称：“所有的数字孪生在改善业务成果方面都有两个主要作用。”其中一个作用是帮助了解对态势的感知：“从功能上讲，所有的数字孪生至少都会监测事物的数据，以提高我们对态势的感知。”在实际情况中，这意味着数字孪生将以某种形式表示一个工作流程的运作，使用从监测工作流程元素的传感器收集的数据——如生产线上的机器——来通知操作员他们工作出差错的地方，并且可以通过分析来为优化工作流程以增加产出并改善环境性能提出见解。如果数字孪生在工厂里与执行器相连，这种优化甚至可以自动化。这种表示可以以图像的方式——流程图或工厂生产线的3D渲染——也可能以表格或仪表盘上一系列变化的数字形式呈现。
另一方面，数字孪生联盟将数字孪生定义为“现实世界实体和过程的虚拟表示，以特定的频率和保真度进行同步”，使用“实时和历史数据来代表过去和现在，并模拟所预测的未来”。这一定义并不包括 Gartner 所列出的与传感器的实时联系。对于数字孪生联盟来说，他们可以根据更新的频率指标每小时、每天、每周、甚至每月进行更新。
数字孪生由什么构成？
Gartner 的模型包括三个“支柱”和四个“板块”。这三个支柱包括“应该怎么办”——换句话说，也就是模拟系统对某些输入条件的反应；“现在怎么办”——拥有来自分布式传感器实时数据的系统目前是如何表现的；以及 "接下来怎么办"——系统在未来将如何表现，例如，组件何时可能失效？
而四个板块则是推导出这些支柱所需的数据和软件。首先，系统必须通过“实体元数据”——系统中所有组件相关的不变的信息——来进行定义。它可能包括机器的序列号、实际尺寸，以及详细的物理或图形模型。选择适当数量的元数据是至关重要的——太少的元数据，数字孪生将无法准确识别设备；而太多的数据信息则可能会淹没和掩盖重点。一旦系统确定下来，它就需要监测和记录“生成的数据”，即系统组件状态有关的所有信息。这些信息由组成工厂或其他系统的物联网设备的分布式传感器网络收集而成。同样，正确的细节呈现十分关键。
一旦你有了这些数据，就可以通过另外两个板块利用它们。其中第一个板块是“分析模型”，它被定义为“改善态势感知的结对实体行为的虚拟表示”。这些模型最重要的一点是，它们必须将生成的数据与数字孪生的操作目的相结合；例如，以某种速度运行机器工具的能源成本，或者工作过程中的变化对产出的影响。
最后一个板块是“软件组件”，根据Gartner的定义，它是“编排数据摄取、分析、事件生成，以及一切（所需的）可视化和工作流程（用于自动化业务回应）”。软件组件的例子可以是一个根据数字孪生生成的数据或分析模型创建和安排维护任务的系统，也可能是一个第三方图形渲染包，甚至是一个游戏引擎，以产生工厂的增强或虚拟现实的可视化。
然而，根据数字孪生联盟的定义所提及的，代表过去，现在以及模拟未来的实时和历史数据意味着它将三个支柱都视为关键，区别在于数据收集和数字孪生的更新方式。
如何利用空间数据驱动数字孪生
NavVis 为数字孪生提供的诸如空间数据系统的输入可以归类为对实体元数据和软件组件两个板块的贡献。NavVis 公司解决方案负责人 Lorenz Lachauer 博士解释道：“NavVis 在一端提供数据，这些数据通过我们的室内扫描系统产生，例如 NavVis VLX。在 Gartner 的数字孪生定义中，这种由点云和全景图像组成的数据符合外部数据源的范畴，更具体地说也就是‘物理数据’。此外，数字孪生由四个基本构件组成，其中一个是软件组件。而软件组件又包括可视化组件，NavVis IVION 的优势在此处即可体现。”
Lachauer 强调，NavVis 系统在以上提到的所有情况下，关注的都是工厂或加工厂而非产品。它可以将实时数据与相关机器的空间数据/可视化联系起来，并提供准确的点云数据和全景图像，并让用户能够与之互动，以便为制造流程的可视化表示提供位置和物理形状及尺寸信息，然后可以将生成的数据分配给该系统，以便在任何特定时间浏览和识别可能需要关注的具体站点。
“数字孪生从来都不是只由一个制造商完成的，” Lachauer 评论道。“业内的软件或硬件生产商都声称‘我们做的是数字孪生’。但从Gartner的定义中我们可以看到，数字孪生是由多个部分组成的。”他说，越来越多的物联网公司开始开发和提供传感器、实时数据和连接的系统，但它们并没有提供生产设施的良好可视化。“因此，如果你引入物联网和传感器数据，并将其与更准确的视觉数据相结合，那么你可能会有一个全面和实用的数字孪生。”
Lachauer 团队的成员、高级解决方案经理 Phillip Quadstege 将 NavVis 的作用与数字孪生联盟的定义联系了起来。“它指出，在数字孪生中，有几个数字模型是相互关联的。它阐明了数字模型可以是 3D 测量、 3D CAD模型、数学公式等。我们则属于 3D 测量这一部分。在这些虚拟表现中，你有几个相互关联，相互沟通模型。”
空间数据将在制造设施的数字化中发挥关键作用
越来越多的实体设备都拥有了一个数字孪生。然而，Lachauer 说，很少有生产设施或资产以这种方式得到充分体现。空间数据是制造业中数字孪生的一个关键组成部分，为生成的数据提供来自现实工厂的视觉背景。特别是当几个子流程分布在一个室内空间时，NavVis 设备和系统为操作人员提供了一种直接的方式来定期收集这些数据，以跟踪工厂实体布局的变化，并在必要时更新数字孪生。
正如我们在本文所看到的，业内两个最有影响力的机构所提供的数字孪生的定义在多个方面是一致的。它们都需要识别制造过程中各个组成部分的数据，并且在该过程运行时不发生变化，同时还要求收集有关这些组成部分运行的变化数据。这些不断变化的数据被分析后可以为操作者提供见解，以最佳方式优化流程；物理和软件组件都将有助于数字孪生的构成和运行。
这两个定义之间的一个主要区别在于，操作数据是否用于即时更新数字孪生，或者是否定期更新。NavVis 提供了收集和可视化空间数据的系统，以帮助定义制造过程中的空间物理布局，如果该布局发生变化，也可用于更新支撑数字孪生的物理模型。这样一来，它就成了有助于数字孪生的软件组件之一。
总结
在接下来的文章中，读者可以了解到数字孪生可以如何提高生产设施和运营的性能，以及空间数据——如NavVis提供的数据——如何成为其中的重要组成部分。
想了解更多关于 NavVis 数字工厂解决方案的内容吗？ 请联系我们 了解更多信息，或 下载我们的免费电子指南 ，以开启您的数字工厂。
参考文献
- Gartner Research: Use 4 Building Blocks for Successful Digital Twin Design (Authors: Benoit Lheureux, Yefim Natis, Alfonso Velosa, Marc Halpern. Refreshed 7 October 2021, Published 9 June 2020), https://www.gartner.com/en/documents/3986128/use-4-building-blocks-for-successful-digital-twin-design
- Digital Twin Consortium Defines Digital Twin (Authors: Sean Olcott, Casey Mullen. Published 12 March 2020), https://blog.digitaltwinconsortium.org/2020/12/digital-twin-consortium-defines-digital-twin.html