林诗万博士在工业互联网峰会在国家会议中心的演讲内容

工业互联网领域的“饕餮盛宴”——工业互联网峰会在国家会议中心已经正式落下帷幕。主论坛现场干货满满，除了资深的行业专家之外，更是少不了国内工业互联网优秀企业代表们的身影。

工业互联网联盟（IIC）技术工作组及架构任务组联合主席、美国Thingswise公司CEO林诗万博士发表讲话。在演讲内容中，他主要介绍了工业互联网与工业4.0：架构对接与应用”、IIC和工业4.0平台的合作情况、IIRA与工业4.0参考架构（RAMI4.0）之间的异同、工业互联网在制造业中的应用以及分布式工业互联网平台的实施情况等内容。

如下是演讲全文：

各位领导、各位专家、各位嘉宾，今天非常荣幸跟大家一起探讨工业互联网的机遇和挑战。今天我与大家一起探讨的题目是《数字孪生体在工业互联网的作用与意义》。

近两年来数字孪生体受到越来越多的关注，这反映在对这个词搜索的次数，比两年前急剧上升快10倍，不仅搜索次数急速上升，相关页面的内容也快速增加。从相关搜索来看，大多数读者关注的是数字孪生体这个概念，也有相当多的关注此技术以及一些具体的实施。另一方面，国际著名分析公司Gartner的新兴技术的炒作周期，在这两年的报告中都连续列入了数字孪生体，并在去年的报告里，数字孪生体逼近顶峰。对这个信息大家可能会觉得有点好奇，数字孪生体是什么新技术，为什么突然受到这么多的关注。

在我看来，这是工业互联网和智能制造发展的一个很自然的结果，要从这个方面来理解这个问题，我们可以先回顾一下工业互联网的基本技术和发展的趋势。

简单来看，工业互联网的基础是对设备的广泛连接，实现海量数据的汇集，继而利用算法模型，对数钻进行深度分析，从而获得对生产设备运行的认知，最后通过工业应用结合业务逻辑，把分析得到的洞察转为最佳的决策、可执行的行动，实现生产过程的优化。

这种优化不仅仅限于我们比较熟悉的在单体设备上实现，比如说预测性维护，也可以在运营层实现生产过程的优化，也可以在业务层次实现，比如实现订单拉动的生产。从这个角度来看，可以简单说，数据模型和应用是工业互联网的三大要素，在不同层次上构成了不同的闭环反馈，实现优化。我们将会看到算法模型将在工业互联网的发展中起到越来越重要的作用，将是企业在未来展开工业互联网发展的一个重要的聚焦点。

为什么突然间行业里对数字孪生体这么关注，经过这几年的实践，不论是国外也好、国内也好，不少企业对工业互联网的实施已经初见成效，在对设备连接的基础上，汇聚数据，通过一些基本的分析完成了对设备运行的监控，甚至实现了一些预测性维护这样的高级一点的分析。对于这些企业来讲，要进一步发展工业互联网的价值，进一步挖掘工业互联网的价值潜力，自然会把算法模型推向更深的深度和更广泛的范畴。

比如说能力更强的算法模型，从目前大多数是基于描述性的分析，向诊断性、预测性和策略性的方向发展，让系统不仅能够告诉我们设备装备生产过程发生了什么事，而且还能告诉我们事情的根源，还可以预测将来将发生什么事，并给出相应的应对策略。

从另外一个维度讲，从水平维度讲，算法模型也从单体设备向牵涉到多台设备的生产过程的协同优化发展，以得到更大的优化成果。这些的发展显然加大了算法模型的复杂度，同时我们怎么建立有效的算法模型，不少企业也面临不同挑战。首先建模难，缺乏算法模型的专业人才，工业知识也不易于挖掘，其次，像一些企业也有一些挺强的算法专家或者工业专家，也写了不少算法模型，写了不少机理模型，由于传统架构模式的限制，我们目前很多的工业应用或者工业互联网的应用，算法模型与应用是紧偶合的，使得建模工作量大，重复性工作多，性能很难得到保障，最后导致用模难。另外，由于缺乏算法模型框架，不少模型散落各处，难以管理和更新。

这些算法模型方面所面临的挑战，也就是工业互联网目前经过一个阶段的发展所面临的新挑战。由于算法模型是优化的核心，是工业知识沉淀积累、提升复用的重要手段，我们必须寻找系统性的新的方法论和新的技术。在我看来，这就是为什么在这两年行业对数字孪生体的关注大幅增大的一个重要原因，大家都在寻找一个应对的算法模型新挑战新手段和技术。

数字孪生体这个概念是什么、做什么、为了什么目的？数字孪生体的概念第一是在2002年的一篇论文里提出，其后也有大同小异的定义，最近工业互联网联盟也基于这个概念的重要性提出了一个新的定义。这些定义要么太面面俱全，要么过于精炼，我从三个方面做了一个解析。数字孪生体是什么，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。用来做什么，基于丰富的历史和实时数据和先进的算法模型，实现对对象状态和行为高保真度的数字化表征、模拟试验和预测。为了什么目的，对物理和逻辑空间的对象实现深入的认知、正确的推理、精准的操作，最后还是回到操作这个层次。

有几个重要的要点，首先它是实体和逻辑对象，不仅是针对物理的对象。数字孪生体的另一半的孪生不一定都是物理实体，也可以是逻辑实体。比如对于生产流程、业务流程包括生产的组织结构也都可以建立数字孪生体。对于物理实体，包括物理实体所处的环境，比如天气，都可以作为数字孪生体来定义。

简单说，只要是有数据可采的或者能够安装传感器的，可以测量的，能为我们创造价值的都可以创造数字孪生体。另外一个重要的点，第一个定义里是动态的复制品，动态的意思是说数字孪生体跟它对应的实体孪生体有双向连接，但是这个连接不是对称的，实物这个孪生体向数字孪生体上传他们的状态数据，数字孪生体根据计算的结果和业务逻辑的要求，向实体孪生体下达指令，还有双向的连接是动态的，最好是实时的，才能达到最佳的计算结果。

最后这种双向连接是全生命周期的，数字孪生体与实体的孪生体是与生共有、同生同长，任何一个实体孪生体发生的事件都应该上传到数字孪生体作为计算和记录，实体孪生体在这个运行过程中的劳损，比如故障，都能够在数字孪生体的数据里有所反映。数字孪生体是数字化的一种思路方法论，是一种技术体系和技术能力，目的是为了我们把生产过程和设备发生的变化，把这些事物理解透，目的是让我们把生产、运营这些事情做好，目的性也是非常明确的。

下面作为背景材料，我们讨论一个很有意思的场景，虽然不是跟我们目前所讲的数字孪生体有所联系，但是对我们理解数字孪生体还是有所帮助的。数字孪生体并不是一个全新的概念，在过去四五十年来多处应用过，那时候没有叫准名称，而且只是在特定领域里有零散应用，缺乏系统性的广泛应用。目前我们之所以能够广泛推广这种技术，是因为我们现在可以汇聚大量数据，也有了低成本的对这些数据进行运算的能力。

在1972年美国的阿波罗13号航天器飞行到月球时发生故障，航天员被迫放弃服务航天模组，转入登月球的模块里，想方设法返回地球。当时事故发生一个小时之后，地面控制站已经能够开始对飞行器进行模拟，计算它整个轨迹和燃烧的时间，新的导航还有飞行控制程序，最后使得飞行员成功返回地球。他们能够在地球表面，通过一些数据，在本地模拟，通过模拟计算理解到飞行器在几十万公里之外的距离里对它提供控制的策略，当做最初的数字孪生体的应用。

数字孪生体的内涵是什么，有哪些功能？我们现在对这个要素做一个讨论。数字孪生体首先是要采集它所对应的实体的孪生体全生命周期的数据，包括当这个设备作为产品时的设计和生产过程的数据，还有部署后的使用数据和维保的记录，数据是数字孪生体的一个根本。数字孪生体另外一个要素是各种各样的模型，机理的模型，数字的模型，三维的模型，帮助可视化的模型，这是另外一个重要的要素，数据模型。

这些模型帮助我们通过对我们所采集到的数据，特别是在运行过程里采到的数据进行计算，帮助我们对这个设备有深度的洞察。最后一个要素，数字孪生体必须提供服务的接口，让场景的应用、在上层的应用，能够用API的方法，比较方便的调用各种模型计算的结果和其他的原始数据。

数据是数字孪生体的基本要素，这些数据的采集可以从产品的设计开始，跨越多个制造和部署的环节，这一页我是在两年前在介绍数字孪生体的时候，基于制造业信息化的三链模型来表达，数据采集的范畴显然是个很复杂的过程，在我们现在开始初建数字孪生体的初期也不太可能都面面俱全，把所有的数据都能采集到才能做计算。我们现在需要切合实际的根据算法模型的需求，根据业务的需求，来决定有哪些数据我们是需要去采集的。另外一点，由于工业设备在运维阶段的周期远远长于制造周期，数字孪生体的使用在运维阶段也占了一个重要的地位，一般一个产品、一个装备生产最长也就若干年，这种装备一旦部署，可能会用二十年、三十年，在二十年、三十年里，数字孪生体一旦建立起来，可以用很长时间。

下面简单讨论一下数字孪生体的组态，任何可以采得到数据的值得算的实体都可以建立数字孪生体，包括某些设备里的组件，正如实体设备由很多实体的组件组成，他们相对的数字孪生体也是如此。在这页里列举了一些常见的数字孪生体的组态，比如在生产环境里组件组成设备，设备数字孪生体也可以组成产线，另外还有其他一些不同的组态。在每一个层次上，比如层级的组合里，在每一个层级上都可以采集它独立的数据和建立相应的模型，对这些数据，对它本身的数据、对组件的数据进行计算。

数字孪生体的使用和部署模式。左边是设备实体的孪生体，右边是它相应的数字孪生体。数字孪生体这个词有时候用起来不一定很准确，虽然我们有一个主的数字孪生体，但是在我们用起来的时候，数字孪生体的模型是可以通过具体的实例化在多处使用，有时候还并行使用。比如我们要在现场甚至做动态的寻优，数字孪生体一部分的算法模型可以布在现场附近，来满足实时的需求。

同时我们可以在远端建立一个相应的数字孪生体来做远程监控，同时我们也可以建立离线的数字孪生体的实例，比如进行模拟测验，在数字孪生体一个重要的应用领域，比如怎么通过数字孪生体对工艺参数，先在数字空间做一些计算，有需要的时候再回到实体里计算，这样会大大降低成本，缩短总的周期，建立模型特别是数字模型，调整数字模型，也可以以离线的方法来实现。有一点很重要的，虽然我们可以有多个数字孪生体同时进行不同形式的计算，他们所依据的数据必须是同一个主数据库。在这种情况下，数字孪生体并不只是布在一个地方，其实是可以分布部署的，根据具体使用的需求。

我们从组件开始，构造数字孪生体，用他们的构造层，用设备构成产线孪生体，用车间的数字孪生体一步一步往上走，最后建立的是一个工厂的数字孪生体，这种情况下每个数字孪生体都带有他们独特的模型，也有自己独特的数据，这样对整个生产环境都有深度的洞察，我们在这里可以做很多的事情。

这里列举了不少的可能性，比如监控实时状态的特征，有了数字孪生体，对服务状态进行调用，甚至可以重播，因为记录了所有的历史数据，也可以预测未来的状态，也可以离线的从历史数据中挖掘优化的计划，验证优化的流程和参数。数字孪生体其实是一个比较聪明的孪生体，实物的是比较老实的干货的孪生体。数字孪生体如果我们建立得好，可以说是这个孪生体的大脑，另外一个实体的孪生体是肢体，来干活的。

下面介绍一下美国工业互联网联盟关于数字孪生体展开的工作，设立了一个数字孪生体互操作性的任务组，去探索数字孪生体他们对互操作性有哪些需求。同时我们重构了与德国工业4.0的合作任务组，新一轮的聚焦点是探讨数字孪生体互操作性的需求以及可行的解决方案。同时探讨一下德国工业4.0的管理在技术和应用场景范畴，数字孪生体跟管理壳的异同，探索适用性和可行性，管理壳是为了不同的组件、不同的设备、不同的产线，都能通过一个统一的界面、规范的界面、标准化的界面进行交互整合，里面定义了一系列的数字模型，来描述这些设备内部的状态，也提供了一些标准的服务接口，让他们进行交互，这种结构也应该可以用到在数字空间的这些数字孪生体，这个是我们下一步也要展开的工作，探索可行性和适用性。

刚才讲了数字孪生体的概念，大家有些可能觉得比较抽象，不太现实，这是不对的，最后做一个小广告，我们待会儿会发布优也Thingswise工业数据操作系统，其实是个工业互联网平台为了制造业或者运营的场景而特制的，根据数字孪生体的思路来建立的。

谢谢大家！