数字孪生与物联网、大数据、CPS关系分析

工业4.0是由物联网､大数据和CPS等新一代信息技术推动的下一轮工业浪潮，数字孪生作为未来智能制造的战略技术，能使企业具备实时洞察物理对象的能力。自数字孪生这一概念在航空航天工业正式提出和发展以来，数字孪生的概念随着时间的推移在不断的发生变化。一方面，有研究者认为数字孪生是仿真技术的下一代趋势[36]。另一方面，有部分研究者则认为数字孪生代表了网络物理系统（CPS）发展的必要条件[37]。本节在系统研究和调研的基础上，探讨了数字孪生与物联网､大数据以及CPS之间的相互关系。

3.1 数字孪生与物联网

近年来，随着嵌入式传感器､低功耗无线通信技术和高效信号处理技术的蓬勃发展[38-40]，物联网技术得到了爆炸性的发展与壮大。在探讨数字孪生与物联网的相互关系时，可以发现在数字孪生的不同定义中都将数据连接作为数字孪生的核心要素之一。其原因是数字孪生虚拟模型需要实时更新物理实体的数字信息，处理后的信息也必须从虚拟模型传输到物理实体，以实现物理实体与虚拟模型的双向实时映射。在数字孪生技术的基本应用中，实现虚拟模型与物理实体全方位同步是基本目标，在此基础上数字孪生才能实现数据分析和产品/设备优化等更高层次的目标。由于物联网技术具有识别､跟踪设备与物理对象的能力，能够提供设备的精确实时信息，降低通讯成本､简化业务流程､提高信息准确性和效率[41-42]。因此基于现有的物联网技术发展数字孪生将是一个十分便利途径。

同时数字孪生虚拟模型需要实时更新物理实体的数字信息，由于虚拟模型对物理实体的行为做出分析与反馈的速度与信息流传输的速度密切相关，而物联网技术可以为数字孪生提供实时全面的数据采集以及虚拟模型和物理实体之间的有效互联互通。物联网技术包含无线传感器网络､无线网状网络､无线局域网等多种异构网络，这些连接网络有利于提高数字孪生实体模型与虚拟模型间的通信能力､数据采集能力和数据存储能力。因此物联网技术是实现数字孪生的关键技术之一，图3展示了数字孪生与物联网之间的相互关系。此外，数字孪生技术还应集成人工智能、大数据分析和大数据可视化等技术，为设备操作者和设备供应商提供更具说明性和可靠性的实时监测与交互服务。

3.2 数字孪生与大数据

根据国际数据公司（IDC）的报告，在2011年全世界创造和复制的数据量是1.8ZB(≈1021B)，并在过去五年中增涨了近9倍[43-44]。应该认识到大数据的重要性不仅在于数据量的巨大，而且在于数据中所蕴含的巨大价值。大数据起源于数据的指数级增长，而数字孪生则是为了满足物理空间与虚拟空间之间的互联互通。大数据与数字孪生产生的大背景是相同的，即新一代信息技术的应用和普及。国内北航陶飞团队[45]将数字孪生与大数据的背景､概念､有益作用等进行了详细的对比。大量结构化､半结构化和非结构化数据[46]可以通过大数据分析识别行为特征和模式，洞察行为趋势､帮助用户做出决策。

如图4所示，数据也是数字孪生的重要组成部分，数字孪生在产品全生命周期的应用中，每一阶段都需要物理实体与虚拟模型的持续互动和虚拟模型的迭代优化，而这一过程的媒介就是各种各样的数据。在实际应用中，数字孪生与大数据对制造业产生的有益效果是高度重叠的，如提高生产､管理效率，预测产品､设备的故障风险及寿命预测等。

图4 产品数字孪生需要收集､处理与分析的数据

大数据的数据融合是产品生命周期中单个阶段各种数据的融合，设计者､制造者和维修人员不来自同一企业，因此某一阶段的数据只能用于该阶段。并且由于企业对自身利益和数据共享安全性的担忧，使得大数据无法实现在产品全生命周期中数据的连续流动。而数字孪生则可以收集､记录､积累和处理从产品设计到退役的所有数据，因此数字孪生不仅有利于产品的设计制造､使用和维修保养，也有助于下一代产品的开发[47]。数字孪生与大数据的差异在于，数字孪生能够在虚拟世界中直观地运行和验证制造过程，在人机交互与产品全生命周期管理上比大数据更灵活更全面，而大数据在数据处理和分析上比数字孪生更专业、高效。

虽然大数据与数字孪生是两种不同的应用技术，并各有其优点。但将大数据技术应用于孪生数据的处理和分析则可以实现大数据技术和数字孪生的优势互补，共同促进数字孪生系统向智能化发展。因此本文将大数据技术作为实现数字孪生智能化的关键技术。

3.3 数字孪生与CPS

在探讨数字孪生和CPS的关系时，有必要对CPS做一个简短的概述。2006年美国国家科学基金会（National science foundation，NSF）正式提出CPS的概念，2008年Shankar Sastry[48]给出了一个复杂的CPS定义，CPS集成了计算､通信和存储，可以监控和控制物理实体，同时必须可靠、安全、高效、实时。在制造领域，CPS是实现智能制造的关键技术，它与云计算､物联网､大数据等技术有着密切关系。一个被学者所广泛认同的观点是，CPS主要包括两个组成部分:

1）可靠的连接性，确保从物理世界获得实时数据和从网络空间获得信息反馈；

2）以智能数据管理､分析和计算为核心的网络空间。

CPS更加详细的构成则包括：智能连接､数据分析､网络连接､认知与决策､执行[49]。首先物理对象数据通过传感器进行测量或从控制器和企业制造系统中直接获取;数据分析将已获得的数据转化为可以理解和显示的信息;网络是CPS的信息中心，信息从单一信息汇聚成机器网络；认知与决策帮助用户利用已有的经验和知识对结果做出正确的处理；最后通过执行层实现虚拟模型到物理实体的反馈并控制物理对象动作。

比较数字孪生与CPS的概念和定义时可以发现两者都强调物理对象、虚拟系统数据以及物理对象与虚拟系统之间的互联互通，最终目标都是对物理对象或过程进行优化。数字孪生更专注于物理实体与虚拟模型的实时映射，而CPS则是针对整个制造系统包括产品、设备和车间等的信息收集､处理和反馈控制。因此可以将数字孪生视为一种简化的CPS系统，图5展示了数字孪生与CPS的层级关系，即CPS的基本构成中包含了数字孪生是数字孪生的更高层次。